CN114545893A - 线控帧检测方法、自动驾驶平台以及计算机可读存储介质 - Google Patents
线控帧检测方法、自动驾驶平台以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114545893A CN114545893A CN202111446730.0A CN202111446730A CN114545893A CN 114545893 A CN114545893 A CN 114545893A CN 202111446730 A CN202111446730 A CN 202111446730A CN 114545893 A CN114545893 A CN 114545893A
- Authority
- CN
- China
- Prior art keywords
- frame
- detection method
- preset threshold
- data frames
- fluctuation range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 230000007246 mechanism Effects 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000006854 communication Effects 0.000 abstract description 16
- 238000004891 communication Methods 0.000 abstract description 14
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种线控帧检测方法、自动驾驶平台以及计算机可读存储介质。该线控帧检测方法包括：连续获取执行机构上传的数据帧，以及获取数据帧的时间戳；基于连续获取的数据帧的时间戳，计算执行机构的线控周期，其中，时间戳包括源时间戳和接收时间戳；获取线控周期相对于预设周期的波动范围；判断波动范围是否小于预设阈值；若是，则确认执行机构正常。通过上述方式，本申请的线控帧检测方法可以通过检测数据帧的传输周期检测自动驾驶平台与执行机构之间的通信是否正常，有效提高线控帧检测的实时性和有效性。
Description
技术领域
本申请涉及通信检测技术领域，特别是涉及一种线控帧检测方法、自动驾驶平台以及计算机可读存储介质。
背景技术
汽车的安全性为汽车性能主要指标之一，因此汽车车载控制器的软硬件设计日益融入汽车的故障诊断技术中。目前汽车车载控制器主要通过车载诊断通讯的方法将存于车载控制器的故障读出。车载诊断通讯主要通过车载CAN网络来进行实时传输。由于CAN车载网络具有通讯速率高，实时性可靠性强等特点，目前国际诊断通讯已由早期的K线诊断，转换成CAN诊断。CAN通讯是CAN诊断实现的硬件基础。
当整车出现CAN总线通信异常时，会影响CAN总线上数据传输的实时性、稳定性，甚至会发生通讯类故障或者相关联的故障。目前常用的工具不具备锁定异常模块的功能，导致排查难度大，排查周期长。
发明内容
本申请提供了一种线控帧检测方法、自动驾驶平台以及计算机可读存储介质。
本申请提供了一种基于自动驾驶平台的线控帧检测方法，所述线控帧检测方法，包括：
连续获取执行机构上传的数据帧，以及获取所述数据帧的时间戳；
基于连续获取的数据帧的时间戳，计算所述执行机构的线控周期；
获取所述线控周期相对于预设周期的波动范围；
判断所述波动范围是否小于预设阈值；
若是，则确认所述执行机构正常。
其中，所述预设阈值包括第一预设阈值和第二预设阈值，其中，所述第一预设阈值大于所述第二预设阈值；
所述线控帧检测方法，还包括：
当所述波动范围大于等于所述第一预设阈值时，执行安全策略；
当所述波动范围小于所述第一预设阈值，且大于等于所述第二预设阈值时，确认所述执行机构异常；
当所述波动范围小于所述第二预设阈值时，确认所述执行机构正常。
其中，所述线控帧检测方法，还包括：
获取所述执行机构的帧等级；
基于所述执行机构的帧等级，确定所述预设阈值；
其中，所述预设阈值与所述执行机构的帧等级为负相关关系。
其中，所述获取所述执行机构的帧等级，包括：
获取所述执行机构对自动驾驶车辆的重要程度；
基于所述执行机构的重要程度，确定所述帧等级。
其中，所述判断所述波动范围是否小于预设阈值，包括：
判断连续预设数量的线控周期相对于所述预设周期的波动范围是否均小于所述预设阈值。
其中，所述线控帧检测方法，还包括：
初始化自动驾驶车辆；
在预设初始化时间内，检测所述执行机构的数据帧；
判断在预设初始化时间内是否检测到所有执行机构的数据帧；
若是，进入自动驾驶模式；
若否，提示未检测到数据帧的执行机构的异常信息，且不进入自动驾驶模式。
其中，所述线控帧检测方法，还包括：
确认自动驾驶车辆上的任意一个执行机构异常后，退出自动驾驶模式。
其中，所述时间戳包括源时间戳；所述线控帧检测方法，包括：
连续获取执行机构上传的数据帧，其中，所述数据帧包括自动驾驶平台发送所述数据帧时的源时间戳；
基于连续获取的数据帧的源时间戳，计算所述执行机构的源时间周期；
获取所述源时间周期相对于预设周期的波动范围；
判断所述波动范围是否小于预设阈值；
若是，则确认所述执行机构正常。
其中，所述时间戳包括接收时间戳；所述线控帧检测方法，包括：
连续获取执行机构上传的数据帧，以及获取所述数据帧时的接收时间戳；
基于连续获取的数据帧的接收时间戳，计算所述执行机构的上传周期；
获取所述上传周期相对于预设周期的波动范围；
判断所述波动范围是否小于预设阈值；
若是，则确认所述执行机构正常。
本申请还提供了一种自动驾驶平台，所述自动驾驶平台包括处理器和存储器，所述存储器中存储有程序数据，所述处理器用于执行所述程序数据以实现如上述的线控帧检测方法。
本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现上述的线控帧检测方法。
本申请的有益效果是：自动驾驶平台连续获取执行机构上传的数据帧，以及获取数据帧的时间戳；基于连续获取的数据帧的时间戳，计算执行机构的线控周期；获取线控周期相对于预设周期的波动范围；判断波动范围是否小于预设阈值；若是，则确认执行机构正常。通过上述方式，本申请的线控帧检测方法可以通过检测数据帧的传输周期检测自动驾驶平台与执行机构之间的通信是否正常，有效提高线控帧检测的实时性和有效性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
图1是本申请提供的线控帧检测方法一实施例的流程示意图；
图2是本申请提供的线控帧检测方法另一实施例的流程示意图；
图3是本申请提供的线控帧检测方法又一实施例的流程示意图；
图4是本申请提供的自动驾驶平台一实施例的结构示意图；
图5是本申请提供的自动驾驶平台另一实施例的结构示意图；
图6是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，图1是本申请提供的线控帧检测方法一实施例的流程示意图。
其中，本申请的线控帧检测方法应用于一种自动驾驶平台，其中，本申请的自动驾驶平台可以为服务器，也可以为由服务器和终端设备相互配合的系统。相应地，自动驾驶平台包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以分别设置于服务器和终端设备中。
进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。在一些可能的实现方式中，本申请实施例的线控帧检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
具体而言，如图1所示，本申请实施例的线控帧检测方法具体包括以下步骤：
步骤S11：连续获取执行机构上传的数据帧，以及获取数据帧的时间戳。
在本申请实施例中，自动驾驶平台对所有接入CANBus总线上的CAN数据帧进行检测，CAN数据帧的来源按照类别分为底盘CAN、车身CAN、传感器CAN、遥控器CAN以及其他外接CAN设备或者CAN模块等。其中，CANBus(ControLLer Area Net-work Bus)全称为“控制器局域网总线技术，是制造厂中连接现场设备(传感器、执行器、控制器等)、面向广播的串行总线系统，最初由美国通用汽车公司(GM)开发用于汽车工业，后日渐增多地出现在制造自动化行业中。
需要说明的是，本申请实施例的线控帧检测方法是独立对自动驾驶车辆中的每一个执行机构，例如底盘执行机构、车身执行机构、传感器执行机构、遥控器执行机构等进行检测，即对于每一个执行机构均需要采用线控帧检测方法检测是否通信正常。
在运行检测阶段，自动驾驶平台连续获取每一个执行机构上传的数据帧，并从上传的数据帧提取相关的时间戳。在本申请中，时间戳可以包括源时间戳和接收时间戳。其中，源时间戳是指自动驾驶平台发送数据帧至车辆线控执行机构的时间戳，接收时间戳是指车辆线控执行机构发送数据帧至自动驾驶平台的时间戳。
在本申请实施例中，关于帧周期性的检测，可以分别对于帧数据源时间戳以及帧接收端时间戳分别做计算，以得到数据源的不稳定性分析结果以及通信过程中的不稳定性分析结果。
步骤S12：基于连续获取的数据帧的时间戳，计算执行机构的线控周期。
在本申请实施例中，自动驾驶平台获取每个执行机构连续上传的数据帧时记录的时间戳，并按照相邻的时间戳，计算每个执行机构的线控周期。
具体地，自动驾驶平台获取向每个执行机构连续下发数据帧的源时间戳，并根据连续两个数据帧的源时间戳，计算每个执行结构的源时间周期。自动驾驶平台获取每个执行机构连续上传数据帧时记录的接收时间戳，并根据连续两个数据帧的接收时间戳，计算每个执行结构的上传周期。
步骤S13：获取线控周期相对于预设周期的波动范围，判断波动范围是否小于预设阈值。
在本申请实施例中，自动驾驶平台获取每个执行机构预先注册的帧周期，即预设周期。然后，自动驾驶平台计算每个执行机构的线控周期相对于预设周期的波动范围，其中，波动范围表征线控周期相较于的预设周期的变化情况，体现出线控周期的稳定性。自动驾驶平台判断该波动范围是否在允许的波动范围内，即判断该波动范围是否小于预设阈值。若波动范围小于预设阈值，则说明对应的执行机构正常，并将该检测结果做INFO的上报。若波动范围大于等于是预设阈值，则说明对应的执行机构异常，并将该检测结果做WARN的上报，或者直接执行安全策略，例如靠边停车或紧急停车等。
进一步地，本申请实施例中每一个执行机构波动的容忍阈值设置，即预设阈值不相同。执行机构的预设阈值由执行机构的帧等级决定，其中，预设阈值与帧等级为负相关关系，即执行机构的帧等级越高，预设阈值越小，即波动的容忍程度越低。
另外，执行机构的帧等级由执行机构对自动驾驶车辆的重要程度决定。执行机构的重要程度越高，对应的帧等级越高，帧周期波动的容忍程度越低。例如，底盘模块对自动驾驶车辆实现自动驾驶功能必不可少，因此，底盘模块的帧等级最高；灯控模块对自动驾驶车辆实现自动驾驶功能的必要性较低，因此，灯控模块的帧等级较低。
本申请实施例中可以将帧等级划分为LEVEL1，LEVEL2，LEVEL3。上报等级分为INFO、WARN、ERROR，其中，INFO上报等级定期上报状态到日志模块，WARN上报等级上报状态到车辆中心节点，ERROR上报等级直接执行安全策略，例如靠边停车或紧急停车。
其中，对于LEVEL1等级的数据帧，只做INFO类别的报错，对于LEVEL2等级的数据帧，只做INFO类别和WARN类别的上报，对于LEVEL3等级的数据帧，做INFO类别、WARN类别、ERROR类别的上报。而且，对于波动的容忍阈值设置，LEVEL3<LEVEL2<LEVEL1。例如，LEVEL3的数据帧，只允许上传周期的波动范围为帧周期的10％，而LEVEL2的数据帧，则允许上传周期的波动范围为帧周期的20％。
进一步地，偶尔出现一两个上传周期的波动范围超出容忍阈值，并不能很准确地证明执行机构异常。为提高线控帧检测方法的鲁棒性，自动驾驶平台还可以判断连续预设数量的上传周期与预设周期的差值是否均小于预设阈值。其中，预设数量同样由执行机构的帧等级决定，帧等级越高，预设数量越小。例如，LEVEL3的数据帧，只允许最多5个周期的波动范围为帧周期的10％，而LEVEL2的数据帧则允许最多10个周期的波动范围为帧周期的20％。
进一步地，本申请实施例的预设阈值也可以划分为第一预设阈值和第二预设阈值，其中，第一预设阈值大于第二预设阈值。因此，本申请实施例的线控帧检测方法还可以包括：当所述线控周期相对于预设周期的波动范围大于等于所述第一预设阈值时，执行安全策略；当线控周期相对于预设周期的波动范围小于所述第一预设阈值，且大于等于所述第二预设阈值时，确认所述执行机构异常；当线控周期相对于预设周期的波动范围小于所述第二预设阈值时，确认所述执行机构正常。
步骤S14：确认执行机构正常。
在本申请实施例中，由于自动驾驶车辆执行自动驾驶模式，需要具备很高的安全性能，需要保证所有的执行机构均处于正常状态下。因此，在运行检测阶段，若检测到所有的执行机构均处于正常状态下，则可以保持自动驾驶模式；若检测到任意一个或多个执行机构处于异常状态下，则需要退出自动驾驶模式，保证自动驾驶车辆的行驶安全。
在本申请实施例中，自动驾驶平台连续获取执行机构上传的数据帧，以及获取数据帧的时间戳；基于连续获取的数据帧的时间戳，计算执行机构的线控周期；获取线控周期相对于预设周期的波动范围；判断波动范围是否小于预设阈值；若是，则确认执行机构正常。通过上述方式，本申请的线控帧检测方法可以通过检测数据帧的传输周期检测自动驾驶平台与执行机构之间的通信是否正常，有效提高线控帧检测的实时性和有效性。
请继续参阅图2，图2是本申请提供的线控帧检测方法另一实施例的流程示意图。
具体而言，如图2所示，本申请实施例的线控帧检测方法具体包括以下步骤：
步骤S21：初始化自动驾驶车辆。
在本申请实施例中，初始化自动驾驶车辆包括自动驾驶车辆的启动阶段、出厂阶段以及恢复出厂设置阶段等。
步骤S22：在预设初始化时间内，检测执行机构的数据帧。
在本申请实施例的初始化检测阶段中，自动驾驶车辆初始化完成后，需要检测每一个执行机构的数据帧。
步骤S23：判断在预设初始化时间内是否检测到所有执行机构的数据帧。
在本申请实施例中，自动驾驶平台在预设初始化时间内没有检测到所有执行机构的数据帧，则说明至少一个或多个执行机构初始化失败，导致通信异常，则进入步骤S25。自动驾驶平台在预设初始化时间内检测到所有执行机构的数据帧，则说明所有的执行机构均初始化成功，且通信正常，进入步骤S24。
步骤S24：进入自动驾驶模式。
步骤S25：提示未检测到数据帧的执行机构的异常信息，且不进入自动驾驶模式。
下面以源时间戳为例，即检测自动驾驶平台与车辆线控执行机构之间的TX数据帧进一步介绍本申请提供的线控帧检测方法。请继续参阅图3，图3是本申请提供的线控帧检测方法又一实施例的流程示意图。
需要说明的是，接收时间戳，即检测自动驾驶平台与车辆线控执行机构之间的RX数据帧的线控帧检测过程与源时间戳的线控帧检测过程相同，在此不再赘述。
具体而言，如图3所示，本申请实施例的线控帧检测方法具体包括以下步骤：
步骤S31：连续获取执行机构上传的数据帧，其中，数据帧包括自动驾驶平台生成数据帧时的源时间戳。
在运行检测阶段，自动驾驶平台连续获取每一个执行机构上传的数据帧，并获取数据帧中记录的自动驾驶平台生成数据帧时的源时间戳。
步骤S32：基于连续获取的数据帧的源时间戳，计算执行机构的源时间周期。
在本申请实施例中，自动驾驶平台获取每个执行机构连续上传的数据帧中记录的源时间戳，并按照相邻的源时间戳，计算每个执行机构的源时间周期。
步骤S33：判断源时间周期与预设周期的差值是否小于预设阈值。
在本申请实施例中，自动驾驶平台获取每个执行机构预先注册的帧周期，即预设周期。然后，自动驾驶平台计算每个执行机构的原时间周期与预设周期之间的差值，判断该差值是否在允许的波动范围内，即判断该差值是否小于预设阈值。若差值小于预设阈值，进入步骤S34。
步骤S34：确认执行机构正常。
本申请的线控帧检测方法对于帧周期性的检测，可以分别对于帧数据源时间戳以及帧接收端时间戳进行计算，以得到数据源的不稳定性检测结果以及通信过程中的不稳定性检测结果。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
为实现上述实施例的线控帧检测方法，本申请还提出了一种自动驾驶平台，具体请参阅图4，图4是本申请提供的自动驾驶平台一实施例的结构示意图。
如图4所示，本申请提供的自动驾驶平台400包括时间获取模块41、周期计算模块42、差值判断模块43以及线控检测模块44。
其中，时间获取模块41，用于连续获取执行机构上传的数据帧，以及获取所述数据帧的时间戳。
周期计算模块42，用于基于连续获取的数据帧的时间戳，计算所述执行机构的线控周期。
差值判断模块43，用于获取线控周期相对于预设周期的波动范围，判断波动范围是否小于预设阈值。
线控检测模块44，用于在波动范围小于预设阈值的情况下，确认所述执行机构正常。
为实现上述实施例的线控帧检测方法，本申请还提出了另一种自动驾驶平台，具体请参阅图5，图5是本申请提供的自动驾驶平台另一实施例的结构示意图。
本申请实施例的自动驾驶平台500包括存储器51和处理器52，其中，存储器51和处理器52耦接。
存储器51用于存储程序数据，处理器52用于执行程序数据以实现上述实施例所述的线控帧检测方法。
在本实施例中，处理器52还可以称为CPU(Central Processing Unit，中央处理单元)。处理器52可能是一种集成电路芯片，具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(DSP，Digital Signal Process)、专用集成电路(ASIC，ApplicationSpecific Integrated Circuit)、现场可编程门阵列(FPGA，Field Programmable GateArray)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器52也可以是任何常规的处理器等。
为实现上述实施例的线控帧检测方法，本申请还提供了一种计算机可读存储介质，如图6所示，计算机可读存储介质600用于存储程序数据61，程序数据61在被处理器执行时，用以实现如上述实施例所述的线控帧检测方法。
本申请还提供一种计算机程序产品，其中，上述计算机程序产品包括计算机程序，上述计算机程序可操作来使计算机执行如本申请实施例所述的线控帧检测方法。该计算机程序产品可以为一个软件安装包。
本申请上述实施例所述的线控帧检测方法，在实现时以软件功能单元的形式存在并作为独立的产品销售或使用时，可以存储在装置中，例如一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种基于自动驾驶平台的线控帧检测方法，其特征在于，所述线控帧检测方法，包括：
连续获取执行机构上传的数据帧，以及获取所述数据帧的时间戳；
基于连续获取的数据帧的时间戳，计算所述执行机构的线控周期；
获取所述线控周期相对于预设周期的波动范围；
判断所述波动范围是否小于预设阈值；
若是，则确认所述执行机构正常。
2.根据权利要求1所述的线控帧检测方法，其特征在于，
所述预设阈值包括第一预设阈值和第二预设阈值，其中，所述第一预设阈值大于所述第二预设阈值；
所述线控帧检测方法，还包括：
当所述波动范围大于等于所述第一预设阈值时，执行安全策略；
当所述波动范围小于所述第一预设阈值，且大于等于所述第二预设阈值时，确认所述执行机构异常；
当所述波动范围小于所述第二预设阈值时，确认所述执行机构正常。
3.根据权利要求1或2所述的线控帧检测方法，其特征在于，
所述线控帧检测方法，还包括：
获取所述执行机构的帧等级；
基于所述执行机构的帧等级，确定所述预设阈值；
其中，所述预设阈值与所述执行机构的帧等级为负相关关系。
4.根据权利要求3所述的线控帧检测方法，其特征在于，
所述获取所述执行机构的帧等级，包括：
获取所述执行机构对自动驾驶车辆的重要程度；
基于所述执行机构的重要程度，确定所述帧等级。
5.根据权利要求1所述的线控帧检测方法，其特征在于，
所述判断所述波动范围是否小于预设阈值，包括：
判断连续预设数量的线控周期相对于所述预设周期的波动范围是否均小于所述预设阈值。
6.根据权利要求1所述的线控帧检测方法，其特征在于，
所述线控帧检测方法，还包括：
初始化自动驾驶车辆；
在预设初始化时间内，检测所述执行机构的数据帧；
判断在预设初始化时间内是否检测到所有执行机构的数据帧；
若是，进入自动驾驶模式；
若否，提示未检测到数据帧的执行机构的异常信息，且不进入自动驾驶模式。
7.根据权利要求1所述的线控帧检测方法，其特征在于，
所述线控帧检测方法，还包括：
确认自动驾驶车辆上的任意一个执行机构异常后，退出自动驾驶模式。
8.根据权利要求1所述的线控帧检测方法，其特征在于，
所述时间戳包括源时间戳；所述线控帧检测方法，包括：
连续获取执行机构上传的数据帧，其中，所述数据帧包括所述执行机构发送所述数据帧时的源时间戳；
基于连续获取的数据帧的源时间戳，计算所述执行机构的源时间周期；
获取所述源时间周期相对于预设周期的波动范围；
判断所述波动范围是否小于预设阈值；
若是，则确认所述执行机构正常。
9.根据权利要求1或8所述的线控帧检测方法，其特征在于，
所述时间戳包括接收时间戳；所述线控帧检测方法，包括：
连续获取执行机构上传的数据帧，以及获取所述数据帧时的接收时间戳；
基于连续获取的数据帧的接收时间戳，计算所述执行机构的上传周期；
获取所述上传周期相对于预设周期的波动范围；
判断所述波动范围是否小于预设阈值；
若是，则确认所述执行机构正常。
10.一种自动驾驶平台，其特征在于，所述自动驾驶平台包括处理器和存储器，所述存储器中存储有程序数据，所述处理器用于执行所述程序数据以实现如权利要求1-9任一项所述的线控帧检测方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现权利要求1-9任一项所述的线控帧检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111446730.0A CN114545893A (zh) | 2021-11-30 | 2021-11-30 | 线控帧检测方法、自动驾驶平台以及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111446730.0A CN114545893A (zh) | 2021-11-30 | 2021-11-30 | 线控帧检测方法、自动驾驶平台以及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114545893A true CN114545893A (zh) | 2022-05-27 |
Family
ID=81669902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111446730.0A Pending CN114545893A (zh) | 2021-11-30 | 2021-11-30 | 线控帧检测方法、自动驾驶平台以及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114545893A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116001708A (zh) * | 2023-02-22 | 2023-04-25 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 线控底盘的响应速度补偿方法、快速响应方法及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018160786A (ja) * | 2017-03-22 | 2018-10-11 | パナソニックＩｐマネジメント株式会社 | 監視装置、監視方法およびコンピュータプログラム |
| CN109450582A (zh) * | 2018-11-01 | 2019-03-08 | 百度在线网络技术（北京）有限公司 | 传感器时间戳同步测试方法、装置、设备、介质及车辆 |
| US20190384291A1 (en) * | 2018-06-19 | 2019-12-19 | Toyota Research Institute, Inc. | Debugging an autonomous driving machine learning model |
| CN111464415A (zh) * | 2020-04-02 | 2020-07-28 | 昆易电子科技(上海)有限公司 | 用于can总线消息异常预警的方法及电子设备 |
| CN112119392A (zh) * | 2018-05-17 | 2020-12-22 | 欧姆龙株式会社 | 异常检测装置以及异常检测方法 |
| CN112346447A (zh) * | 2019-08-08 | 2021-02-09 | 北京百度网讯科技有限公司 | 安全检测方法、安全检测模块、安全系统和自动驾驶系统 |
| CN112622928A (zh) * | 2020-12-11 | 2021-04-09 | 上海商汤临港智能科技有限公司 | 自动驾驶系统及车辆 |
-
2021
- 2021-11-30 CN CN202111446730.0A patent/CN114545893A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018160786A (ja) * | 2017-03-22 | 2018-10-11 | パナソニックＩｐマネジメント株式会社 | 監視装置、監視方法およびコンピュータプログラム |
| CN112119392A (zh) * | 2018-05-17 | 2020-12-22 | 欧姆龙株式会社 | 异常检测装置以及异常检测方法 |
| US20190384291A1 (en) * | 2018-06-19 | 2019-12-19 | Toyota Research Institute, Inc. | Debugging an autonomous driving machine learning model |
| CN109450582A (zh) * | 2018-11-01 | 2019-03-08 | 百度在线网络技术（北京）有限公司 | 传感器时间戳同步测试方法、装置、设备、介质及车辆 |
| CN112346447A (zh) * | 2019-08-08 | 2021-02-09 | 北京百度网讯科技有限公司 | 安全检测方法、安全检测模块、安全系统和自动驾驶系统 |
| CN111464415A (zh) * | 2020-04-02 | 2020-07-28 | 昆易电子科技(上海)有限公司 | 用于can总线消息异常预警的方法及电子设备 |
| CN112622928A (zh) * | 2020-12-11 | 2021-04-09 | 上海商汤临港智能科技有限公司 | 自动驾驶系统及车辆 |
Non-Patent Citations (1)
| Title |
|---|
| 彭能岭，等: "自动驾驶车辆故障诊断系统研究与应用", 轻工学报, vol. 35, no. 05, 15 September 2020 (2020-09-15), pages 87 - 95 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116001708A (zh) * | 2023-02-22 | 2023-04-25 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 线控底盘的响应速度补偿方法、快速响应方法及存储介质 |
| CN116001708B (zh) * | 2023-02-22 | 2023-06-16 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 线控底盘的响应速度补偿方法、快速响应方法及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180144621A1 (en) | Measurement data processing method | |
| US8243609B2 (en) | Method and apparatus for monitoring a status of nodes of a communication network | |
| US10326782B2 (en) | Network monitoring device and computer program product | |
| EP2053510B1 (en) | Electronic apparatus in which functioning of a microcomputer is monitored by another microcomputer to detect abnormal operation | |
| KR102450311B1 (ko) | 차량 내부 통신 버스 부하율 제어 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
| US20080298256A1 (en) | Distributed System | |
| CN110775073A (zh) | 用于识别传感器的减退的性能的方法、控制器和存储介质 | |
| US8024625B2 (en) | Network system for diagnosing operational abnormality of nodes | |
| US10106169B2 (en) | Method for monitoring a motor vehicle | |
| KR101519719B1 (ko) | 게이트웨이의 메시지 처리 방법 | |
| US20220156704A1 (en) | Method and system for transmitting data from manufacturing data originators to target computing systems using defined message schemas | |
| CN114545893A (zh) | 线控帧检测方法、自动驾驶平台以及计算机可读存储介质 | |
| JP7119437B2 (ja) | 車両用マスタ電子制御装置、車両用スレーブ電子制御装置、車両用ログ収集システム及び車両用ログ収集プログラム | |
| WO2014005914A1 (en) | Method for error diagnosis of can communication | |
| US10705498B2 (en) | Method and device for monitoring data processing and transmission in a security chain of a security system | |
| KR102561067B1 (ko) | 자동차의 제어 장치의 작동 방법 | |
| CN109613846B (zh) | 一种双余度过载表决启动方法 | |
| US20090089627A1 (en) | Distributed Control System | |
| CN111381583A (zh) | 一种控制系统故障监测方法及装置 | |
| US8566655B2 (en) | Method for operating a communication system having a plurality of nodes, and a communication system therefor | |
| US20220014392A1 (en) | Information processing device | |
| KR20230011031A (ko) | 차량 및 차량의 제어방법 | |
| CN115712290A (zh) | 车辆tbox故障识别方法及装置 | |
| CN117850384A (zh) | 无人车控制信号实时诊断方法、装置、电子设备及无人车 | |
| CN117081962A (zh) | 一种can模块传输负载率计算方法、装置、介质及车载计算平台 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |