CN114553972B - 应用于自动驾驶的数据传输装置、方法、车载终端和介质 - Google Patents
应用于自动驾驶的数据传输装置、方法、车载终端和介质 Download PDFInfo
- Publication number
- CN114553972B CN114553972B CN202011245021.1A CN202011245021A CN114553972B CN 114553972 B CN114553972 B CN 114553972B CN 202011245021 A CN202011245021 A CN 202011245021A CN 114553972 B CN114553972 B CN 114553972B
- Authority
- CN
- China
- Prior art keywords
- layer
- information
- data
- vehicle
- attribute
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000005540 biological transmission Effects 0.000 title claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 84
- 230000006978 adaptation Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims description 25
- 230000008447 perception Effects 0.000 claims description 21
- 230000000903 blocking effect Effects 0.000 claims description 6
- 230000016776 visual perception Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 22
- 238000013461 design Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012804 iterative process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/08—Protocols for interworking; Protocol conversion
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开一种应用于自动驾驶的数据传输装置、方法、车载终端和介质，该装置包括：适配层，被配置为：接收从外部模块输入的外部数据，并对所述外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将所述内部数据通过接口层传输到算法层；所述算法层，被配置为：对接收到的内部数据进行处理，并将处理结果通过所述接口层传输到所述适配层，所述适配层，被配置为：将所述处理结果对应的数据结构转换为外部数据结构，以符合外部模块传输协议的要求，并将转换后的数据进行输出。其中，所述内部数据结构为在所述接口层定义的层级结构，通过采用上述技术方案，解决了算法逻辑与平台相关的代码耦合性深的问题。
Description
技术领域
本发明实施例涉及自动驾驶技术领域，具体而言，涉及一种应用于自动驾驶的数据传输装置、方法、车载终端和介质。
背景技术
随着业务发展的需要，软件架构中各模块的算法可能需要逐步支持多个硬件或者软件平台。目前，算法逻辑与平台相关的代码耦合过深，当软件迁移到新平台时，会产生算法模块不兼容的问题。为了解决该问题，通常在迁移到新平台时需要花大量的时间进行代码修改，甚至重写整个模块，费时费力，导致开发人员的工作效率低下。
发明内容
本发明实施例提供一种应用于自动驾驶的数据传输装置、方法、车载终端和介质，解决了算法逻辑与平台相关的代码耦合性深的问题。
第一方面，本发明实施例提供了一种应用于自动驾驶的数据传输装置，其特征在于，包括：
适配层，被配置为：接收从外部模块输入的外部数据，并对所述外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将所述内部数据通过接口层传输到算法层；所述外部数据为感知目标数据；
所述算法层，被配置为：对接收到的内部数据进行处理，并将处理结果通过所述接口层传输到所述适配层，所述适配层，被配置为：将所述处理结果对应的数据结构转换为外部数据结构，以符合外部模块传输协议的要求，并将转换后的数据进行输出；其中，所述算法层的处理为根据所述内部数据的类型进行相应算法的处理；
其中，所述内部数据结构为在所述接口层定义的层级结构，所述层级结构中：第一层为在车辆行驶过程中待检测的目标信息结构体，该目标信息结构体包括在不同行驶场景下影响当前车辆行驶状态的多个属性；
所述多个属性位于所述层级结构的第二层，包括：
环境信息属性，用于表示当前车辆行驶的当前环境信息；
自车信息属性，用于表示当前车辆的行驶状态信息；
对于所述环境信息属性，其所对应层级结构的第三层为所述环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息；
对于所述自车信息属性，其所对应层级结构的第三层为自车速度、自车位置；
其中，对于任意一个属性所对应的下一层数据信息，其有效性通过二进制有效位的方式来确定。
进一步的，所述接口层包括：
多个输入接口，被配置为：将不同的内部数据传输到所述算法层；
多个输出接口，被配置为：将所述算法层处理后得到的不同内部数据对应的处理结果传输到所述适配层。
进一步的，对于任意一个输入接口和任意一个输出接口，其对应的内部数据结构按照如下层级格式进行定义：
第一层为结构体；第二层包括对象所有的属性；第三层包括单个属性的不同场景，不同场景的有效性通过二进制有效位的方式来表示。
进一步的，所述输入接口，被配置为异步非阻塞式模式；
所述输出接口，被配置为异步回调模式。
进一步的，所述外部数据为世界模型信息数据；所述输入接口包括规划控制输入接口，相应的，在所述规划控制输入接口将内部数据结构定义为：
第一层为世界模型结构体；第二层包括车道信息属性、路口信息属性、和感知目标属性；对于所述车道信息属性，第三层包括车道列表场景；对于所述路口信息属性，第三层包括路口列表场景；对于所述感知目标属性，第三层包括预测结果场景、视觉感知结果场景和融合感知结果场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
进一步的，所述外部数据为世界模型信息数据；所述输出接口包括规划控制输出接口，相应的，在所述规划控制输出接口将内部数据结构定义为：
第一层为决策规划结构结构体；第二层包括规划轨迹属性、规划速度属性和障碍物决策属性；对于所述规划轨迹属性，第三层包括轨迹曲线场景；对于所述规划速度属性，第三层包括平均速度场景和速度点集场景；对于所述障碍物决策属性，第三层包括纵向跟车场景、纵向超车场景和横向避让场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
进一步的，所述外部数据为车辆行驶状态数据；相应的，所述输出接口包括车辆定位输出接口，在所述车辆定位输出接口将内部数据结构定义为：
第一层为自车信息结构体；第二层包括：自车位置属性和自车速度属性；对于所述自车位置属性，第三层包括车体坐标、经纬度坐标和高程坐标；对于所述自车速度属性，第三层包括平均速度场景和速度点集场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
进一步的，所述算法层，具体被配置为：
采用多线程框架对接收到的内部数据进行处理。
进一步的，所述多线程之间的关系包括：
前一个线程的输出资源为下一个线程的输入资源；或者，
各个线程之间的输入资源和输出资源均相互独立；或者，
各个线程之间的输入资源为同一个资源；
其中，所述资源表示同一类数据，并以队列的形式进行表示。
第二方面，本发明实施例提供的一种应用于自动驾驶的数据传输方法，包括：
适配层接收从外部模块输入的外部数据，并对所述外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将所述内部数据通过接口层传输到算法层；所述外部数据为感知目标数据；
算法层对接收到的内部数据进行处理，并将处理结果通过所述接口层将传输到所述适配层；
所述适配层将所述处理结果对应的数据结构转换为外部数据结构，以符合外部模块传输协议的要求，并将转换后的数据进行输出；其中，所述算法层的处理为根据所述内部数据的类型进行相应算法的处理；
其中，所述内部数据结构为在所述接口层定义的层级结构，所述层级结构中：第一层为在车辆行驶过程中待检测的目标信息结构体，该目标信息结构体包括在不同行驶场景下影响当前车辆行驶状态的多个属性；
所述多个属性位于所述层级结构的第二层，包括：
环境信息属性，用于表示当前车辆行驶的当前环境信息；
自车信息属性，用于表示当前车辆的行驶状态信息；
对于所述环境信息属性，其所对应层级结构的第三层为所述环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息；
对于所述自车信息属性，其所对应层级结构的第三层为自车速度、自车位置；
其中，对于任意一个属性所对应的下一层数据信息，其有效性通过二进制有效位的方式来确定。
进一步的，通过所述接口层将处理后的内部数据传输到所述适配层，包括：
通过多个输入接口，将不同的内部数据传输到所述算法层；
通过多个输出接口，将所述算法层处理后得到的不同内部数据对应的处理结果传输到所述适配层。
进一步的，对于任意一个输入接口和任意一个输出接口，其对应的内部数据结构按照如下层级格式进行定义：
第一层为结构体；第二层包括对象所有的属性；第三层包括单个属性的不同场景，不同场景的有效性通过二进制有效位的方式来表示。
进一步的，所述输入接口，被配置为异步非阻塞式模式；
所述输出接口，被配置为异步回调模式。
进一步的，所述外部数据为世界模型信息数据；所述输入接口包括规划控制输入接口，相应的，在所述规划控制输入接口将内部数据结构定义为：
第一层为世界模型结构体；第二层包括车道信息属性、路口信息属性、和感知目标属性；对于所述车道信息属性，第三层包括车道列表场景；对于所述路口信息属性，第三层包括路口列表场景；对于所述感知目标属性，第三层包括预测结果场景、视觉感知结果场景和融合感知结果场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
进一步的，所述外部数据为世界模型信息数据；所述输出接口包括规划控制输出接口，相应的，在所述规划控制输出接口将内部数据结构定义为：
第一层为决策规划结构结构体；第二层包括规划轨迹属性、规划速度属性和障碍物决策属性和元数据属性；对于所述规划轨迹属性，第三层包括轨迹曲线场景；对于所述规划速度属性，第三层包括平均速度场景和速度点集场景；对于所述障碍物决策属性，第三层包括纵向跟车场景、纵向超车场景和横向避让场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
所述外部数据为车辆行驶状态数据；相应的，所述输出接口包括车辆定位输出接口，在所述车辆定位输出接口将内部数据结构定义为：
第一层为自车信息结构体；第二层包括：自车位置属性和自车速度属性；对于所述自车位置属性，第三层包括车体坐标、经纬度坐标和高程坐标；对于所述自车速度属性，第三层包括平均速度场景和速度点集场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
进一步的，所述算法层对接收到的内部数据进行处理，包括：
算法层采用多线程框架对接收到的内部数据进行处理。
进一步的，所述多线程之间的关系包括：
前一个线程的输出资源为下一个线程的输入资源；或者，
各个线程之间的输入资源和输出资源均相互独立；或者，
各个线程之间的输入资源为同一个资源；
其中，所述资源表示同一类数据，并以队列的形式进行表示。
第三方面，本发明实施例还提供了一种车载终端，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明任意实施例所提供的应用于自动驾驶的数据传输方法的部分或全部步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其存储计算机程序，所述计算机程序包括用于执行本发明任意实施例所提供的应用于自动驾驶的数据传输方法的部分或全部步骤的指令。
本发明实施例提供的技术方案，将数据传输装置划分为适配层、接口层和算法层三层，其中，适配层，被配置为：接收从外部模块输入的外部数据，并对外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将内部数据通过接口层传输到算法层；所述算法层，被配置为：对接收到的内部数据进行处理，并将处理结果通过接口层传输到适配层，适配层将处理结果对应的数据结构转换为外部数据结构，以符合外部模块传输协议的要求，并将转换后的数据进行输出；其中，当外部数据为感知目标数据时，对于目标检测模块，其内部数据结构为在接口层定义的层级结构，该层级结构中：第一层为在车辆行驶过程中待检测的目标信息结构体，该目标信息结构体包括在不同行驶场景下影响当前车辆行驶状态的多个属性；所述多个属性位于层级结构的第二层，包括：环境信息属性，用于表示当前车辆行驶的当前环境信息；自车信息属性，用于表示当前车辆的行驶状态信息；对于环境信息属性，其所对应层级结构的第三层为环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息；对于自车信息属性，其所对应层级结构的第三层为自车速度、自车位置；其中，对于任意一个属性所对应的下一层数据信息，其有效性通过二进制有效位的方式来确定。通过采用上述技术方案，可使得适配层的设计与平台相关，而算法层和接口层的设计与平台无关。在自动驾驶算法迭代过程中，当模块的算法需要逐步支持多个硬件或者软件平台时，开发人员无需修改算法层和接口层，只需要修改适配层即可，解决了模块在不同平台之间迁移的工作量。此外，如果某个模块对外接口发生变化，使用到该接口的其他模块也无需重新进行适配，只需要按照上述接口内部数据结构的分层设计方式，使得算法迭代过程中，模块的新旧属性得到共存，属性的有效性可通过二进制有效位来表示，解决了接口兼容性问题。
本发明实施例的创新点包括：
1、将模块结构划分为适配层、接口层和算法层三层，算法层和接口层按照平台无关设计，通过适配层进行内部数据结构和外部数据结构的转换，降低了模块在不同平台之间迁移的工作量，降低了算法逻辑与平台之间的耦合性，是本发明实施例的创新点之一。
2、将内部数据结构划分为三层，第一层为在车辆行驶过程中待检测的目标信息结构体，第二层包括环境信息属性和自车信息属性，对于环境信息属性，其所对应层级结构的第三层为环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息；对于自车信息属性，其所对应层级结构的第三层为自车速度、自车位置，通过采用上述数据结构的分层设计方式，解决了自动驾驶算法迭代过程中，模块需要重新适配的问题，提高了接口的兼容性，是本发明实施例的创新点之一。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。
图1a为本发明实施例一提供的一种应用于自动驾驶的数据传输装置的结构框图；
图1b为本发明实施例一提供的一种数据分层结构示意图；
图1c为本发明实施例一提供的规划控制输入接口对应的内部数据结构的层次划分示意图；
图1d为本发明实施例一提供的规划控制输出接口对应的内部数据结构的层次划分示意图；
图1e为一种资源与任务的关系示意图；
图1f为又一种资源与任务的关系示意图；
图1g为又一种资源与任务的关系示意图；
图1h为一种串行任务示意图；
图1i为一种并行任务示意图；
图1j为自动驾驶领域一种异步任务流的流程图；
图1k为本发明实施例一提供的规划控制算法模块输出数据的处理流程示意图；
图2为本发明实施例二提供的应用于自动驾驶的数据传输方法的流程示意图；
图3是本发明实施例三提供的一种车载终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种应用于自动驾驶的数据传输方法、装置、车载终端和介质，以下分别进行详细说明。
实施例一
图1a为本发明实施例一提供的一种应用于自动驾驶的数据传输装置的结构框图，该装置可通过软件和/或硬件的方式实现，一般可集成在车载电脑、车载工业控制计算机(Industrial personal Computer，IPC)等车载终端中，本发明实施例不做限定。如图1a所示，该装置包括：适配层110、接口层120和算法层130；其中，
适配层110，被配置为：接收从外部模块输入的外部数据，并对外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将内部数据通过接口层120传输到算法层130；其中，内部数据结构为在接口层定义的层级结构；
算法层130，被配置为：对接收到的内部数据进行处理，并将处理结果通过接口层120传输到适配层110，适配层110，被配置为：将处理结果对应的数据结构转换为外部数据结构，以符合系统传输协议的要求，并将转换后的数据进行输出。其中，算法层的处理为根据内部数据的类型进行相应算法的处理。
其中，外部数据为当前模块之外的其他模块输出的数据。当前模块可以为自动驾驶过程中的任意一个模块，例如，感知模块、定位模块和规划控制模块等。具体的，如果当前模块为规划控制模块，则其他模块输出的外部数据可以为感知数据和定位数据等。
本领域技术人员可以理解的是，由于业务发展的需要，各模块的算法可能需要逐步支持多个硬件或者软件平台。如果模块内没有进行合理的层次划分，则会产生算法逻辑与平台相关的代码耦合过深的问题。在将模块迁移到新平台时，需要花废大量的时间进行代码修改，甚至重写整个模块。如果按照本实施例提供的模块结构分层设计，模块内按照算法层、接口层、适配层进行划分，算法层和接口层按照平台无关设计，平台相关的特性都实现在适配层。当模块需要迁移到其他平台时，只需要修改适配层即可。
下面，分别对各分层进行详细介绍：
一、适配层
适配层包含模块与其他模型或者系统框架通讯的代码，适配层可以进行系统以及不同环境的定制化开发，比如在ROS(Robot Operating System,机器人操作系统)下可以实现ROS节点来对接口层调用，还可以在模块中实现各种不同的适配器，使得算法在不同环境下复用。
此外，适配层负责对外数据的接收和发送，模块对外的数据结构是与平台相关的。例如，对于不同的消息传输方式，例如ROS、ZeroMQ(一种轻量级的消息中间件)等，或者对于不同消息所遵循的传输层协议，例如TCP(Transmission Control Protocol，传输控制协议)、UDP(User Datagram Protocol，用户数据报协议)等，适配层所做的处理均不一样。对于不同的外部数据，本实施例中，适配层需要将外部数据结构转化成内部数据结构，这样设置，可以屏蔽不同平台带来的差异。当模块需要迁移到不同平台，例如不同硬件平台、不同操作系统时，无需花大量的时间进行代码修改，只需要修改适配层即可。类似的，当发送数据时，适配层需要在输出接口中将内部数据结构转化成外部数据结构，以适应不同平台消息传输方式和传输层协议的要求，并最终输出。
二、接口层
接口层负责定义模块的内部数据结构，并给适配层和算法层提供输入和输出接口的抽象，输入接口由算法层实现，输出接口由适配层实现，并通过回调的方式注册到算法层。
本实施例中，在接口层定义的内部数据结构为层级结构。本实施例对层级结构的层数不进行具体限定。图1b为本发明实施例一提供的一种数据分层结构示意图，如图1b所示，该层级结构通常可分为如下三层：第一层为结构体；第二层包括对象所有的属性；第三层包括单个属性的不同场景，不同场景的有效性通过二进制有效位的方式来表示。
在算法迭代过程中，如果模块对外接口发生变化时，现有技术通常会采用开发者直接对原有接口进行修改(比如将接口中的a属性修改成b属性)的方式，这种方式会对系统中的其他模块造成很强的兼容性破坏，导致使用该接口的其他模块都需要重新适配。本实施例通过采用将数据结构进行层级划分的方式，可使得各模块的新旧属性得到共存，模块属性的有效性可以根据各属性对应的二进制位来进行选择，解决了算法迭代过程中的接口兼容性问题。
示例性的，在自动驾驶领域，当外部数据为感知目标数据时，对于目标信息检测模块，在其接口层所定义的内部数据结构对应的层级结构中：第一层可以为在车辆行驶过程中待检测的目标信息结构体，该目标信息结构体包括在不同行驶场景下影响当前车辆行驶状态的多个属性，该多个属性位于层级结构的第二层，包括：
环境信息属性，用于表示当前车辆行驶的当前环境信息；
自车信息属性，用于表示当前车辆的行驶状态信息；
对于环境信息属性，其所对应层级结构的第三层为环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息和感知目标信息；
对于自车信息属性，其所对应层级结构的第三层为自车速度、自车位置；
其中，对于任意一个属性所对应的下一层数据信息，其有效性通过二进制有效位的方式来确定。本实施例中，层级结构的层数并不局限于上述三层，并且，上述各个层级中，不同层级的属性和场景也均可进行扩充，本实施例对此不作具体限定。
通过采用上述设置，在自动驾驶算法迭代过程中，如果某个模块对外接口发生变化，使用到该接口的其他模块无需重新适配，只需要按照上述接口内部数据结构分层设计，这样可使得算法迭代过程中的新旧属性得到共存，例如，预测结果和视觉感知结果这两种场景可共存与新旧版本的模块中，具体哪种场景是有效的，可通过二进制有效位来表示。
进一步的，接口层包括多个输入接口和多个输出接口。其中，多个输入接口用于将适配层转换后的不同的内部输出传输到算法层。多个输出接口用于将算法层处理后得到的不同内部数据对应的处理结果传输到适配层。
具体的，下面结合自动驾驶车辆上规划控制模块的输入和输出来看数据层次结构如何划分。图1c为本发明实施例一提供的规划控制输入接口对应的内部数据结构的层次划分示意图。如图1c所示，该内部数据结构包括世界模型结构体，这属于层级一；世界模型主要包含车道信息、路口信息和感知目标信息等属性，这些字段在语义上是并列关系，属于层级二；感知目标属性包含预测结果、视觉感知结果和融合感知结果，这几部分属于不同的场景，分布于层级三，通过一个二进制有效位来表示各个字段在本消息中是否有效。图1d为本发明实施例一提供的规划控制输出接口对应的内部数据结构的层次划分示意图，如图1d所示，该内部数据结构包括决策规划结果结构体，这属于层级一；决策规划结果结构体主要包含规划轨迹、规划速度和障碍物决策等属性，这些字段在语义上是并列关系，属于层级二；障碍物决策信息属性包含纵向跟车决策、纵向超车决策和横向避让决策，这几部分属于不同的场景，分布于层级三，通过一个二进制有效位来表示各个字段在本消息中是否有效。
具体的，当外部数据为车载传感器(如轮速计、惯性传感器等)采集的车辆行驶状态数据时，对于当前车辆定位模块，在其对应的车辆定位输出接口中，将内部数据结构定义为：
第一层为自车信息结构体；第二层包括：自车位置属性和自车速度属性；对于所述自车位置属性，第三层包括车体坐标、经纬度坐标和高程坐标；对于所述自车速度属性，第三层包括平均速度场景和速度点集场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
进一步的，数据输入接口可以是异步非阻塞式的，即调用完无论内部算法是否处理都应当立即返回。这样适配层处理可以得到大幅度简化，只需要准备好输入数据，直接调用输入接口即可，不用考虑阻塞时序的要求。
数据输出接口可以注册回调函数的形式定义，意味着接口层不能使用函数返回值作为数据输出。这样数据输出的时机可以完全由算法层控制，同时适配层获取数据的方式也可以得到简化，只需要在回调函数中实现数据转发的代码即可，不需要通过函数返回值来控制阻塞时序。
三、算法层
算法层包含核心算法逻辑，抽象而言算法层负责对于模块的输入进行处理，通过回调接口将输出数据传递到适配层，并最终输出。算法层应当尽量做到平台无关，且不能与运行环境耦合，保证高度的可迁移性。
本实施例中，算法层，具体被配置为：采用多线程框架对接收到的内部数据进行处理。在多线程编程中，一般使用锁和条件变量进行各线程间的互斥同步，这些代码一旦与业务代码耦合在一起，会增加模块开发和维护的复杂度。本实施例提出了一套多线程框架，通过资源和任务对线程进行抽象，以类似搭积木的方式，将基础任务串联成复杂的任务流，使得开发人员可以更加容易以模块化的方式来理解与开发。
下面，先对任务和资源的概念进行说明，然后通过示意图说明任务和资源之间的关系。
其中，资源是对数据的抽象，如图片资源、车辆检测结果资源等。在框架中一类具体的资源是用一个队列来表述的，意味着对资源队列有添加和取出的操作，并且保持队列先入先出的性质。
其中，一个任务是一个线程的计算过程，如一次公式计算、一次线性的车辆检测任务等。在框架中，每个任务都运行在一个独立的线程中，是线性的。
示例性的，图1e为一种资源与任务的关系示意图，如图1e所示，一般任务会接收一类资源作为输入，经过处理后再输出一类资源。图1f为又一种资源与任务的关系示意图，如图1f所示，一个任务可以接收一类或者多类资源作为输入，并输出一类资源。图1g为又一种资源与任务的关系示意图，如图1g所示，同样一类资源也可以作为一个或者多个任务的输入，不同任务再输出不同的资源。
本实施例中，多线程之间的关系包括：
线程串行，即前一个线程的输出资源为下一个线程的输入资源；或者，线程并行，即各个线程之间的输入资源和输出资源均相互独立；或者，各个线程之间的输入资源为同一个资源。其中，所述资源表示同一类数据，并以队列的形式进行表示。
示例性的，如图1h所示，任务1和任务2属于串行线程，任务1的输出资源为任务2的输入资源。如图1i所示，任务1的输入资源、输出资源和任务2的输入资源和输出资源完全独立，二者属于并行线程。如图1g所示，任务1-任务n均依赖同一个输入资源，这些任务之间也属于并行任务。
本实施例中，通过将资源和任务级联，就可以得到异步的任务流，各个任务在不同的线程上异步的运行，框架会维护数据的依赖，并保证数据流正常。
具体的，图1j为自动驾驶领域一种异步任务流的流程图，如图1j所示，图片资源可作为车辆检测任务和行人检测任务的输入资源。例如，可利用图片资源检测自车与他车的距离、自车与行人的距离、他车速度和行人的速度等。在得到车辆资源和行人资源后，可执行数据同步任务，例如，利用车辆资源和行人资源，可对自车路径进行规划，即执行规划算法线程，得到规划路线，即目标资源，然后再执行数据输出任务。
其中，规划算法线程可参阅图1k。图1k为本发明实施例一提供的规划控制算法模块输出数据的处理流程示意图，如图1k所示，每次循环从接收输入数据开始，依次经过更新世界模型、横向决策、横向规划、纵向决策和纵向规划处理，并通过回调接口输出规划结果，最终通过适配层发送出去。
本实施例提供的技术方案，通过将数据接口进行分层设计，可解决自动驾驶相关算法迭代过程中接口兼容性问题。通过将模块结构进行分层设计，可降低模块在不同平台之间迁移的工作量。并且，通过提出一个多线程框架，通过资源和任务对线程进行抽象，提高了模块使用多线程开发的效率。
实施例二
图2为本发明实施例二提供的应用于自动驾驶的数据传输方法的流程示意图，该方法应用于自动驾驶中，可由数据传输装置来执行。如图2所示，该方法包括：
S210、适配层接收从外部模块输入的外部数据，并对外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将内部数据通过接口层传输到算法层。
其中，外部数据为感知目标数据。内部数据结构为在接口层定义的层级结构，该层级结构中：第一层为在车辆行驶过程中待检测的目标信息结构体，该目标信息结构体包括在不同行驶场景下影响当前车辆行驶状态的多个属性；
所述多个属性位于所述层级结构的第二层，包括：
环境信息属性，用于表示当前车辆行驶的当前环境信息；
自车信息属性，用于表示当前车辆的行驶状态信息；
对于所述环境信息属性，其所对应层级结构的第三层为所述环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息；
对于自车信息属性，其所对应层级结构的第三层为自车速度、自车位置；
其中，对于任意一个属性所对应的下一层数据信息，其有效性通过二进制有效位的方式来确定。
本实施例中，适配层、接口层和算法层的介绍及具体的配置方式和作用可参照上述实施例的说明，本实施例不再赘述。
S220、算法层对接收到的内部数据进行处理，并将处理结果通过接口层传输到适配层。
示例性的，对于规划控制模块，算法层的处理可包括规划车辆的行驶轨迹，包括横向行驶轨迹和纵向行驶轨迹，并控制车辆按照行驶轨迹行驶。对于感知定位模块，算法层的处理可包括将摄像头、雷达等传感器采集的感知数据进行融合，得到车辆的位置信息。
S230、适配层将处理结果对应的数据结构转换为外部数据结构，以符合外部模块传输协议的要求，并将转换后的数据进行输出。
本实施例中，通过将数据接口进行分层设计，可解决自动驾驶相关算法迭代过程中接口兼容性问题。通过将模块结构进行分层设计，可降低模块在不同平台之间迁移的工作量。
实施例三
请参阅图3，图3是本发明实施例三提供的一种车载终端的结构示意图。如图3所示，该车载终端可以包括：
存储有可执行程序代码的存储器701；
与存储器701耦合的处理器702；
其中，处理器702调用存储器701中存储的可执行程序代码，执行本发明任意实施例所提供的数据传输方法。
本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行本发明任意实施例所提供的数据传输方法。
在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在本发明所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。
另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明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者部分，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器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种应用于自动驾驶的数据传输装置，其特征在于，包括：
适配层，被配置为：接收从外部模块输入的外部数据，并对所述外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将所述内部数据通过接口层传输到算法层；所述外部数据为感知目标数据；
所述算法层，被配置为：对接收到的内部数据进行处理，并将处理结果通过所述接口层传输到所述适配层，所述适配层，被配置为：将所述处理结果对应的数据结构转换为外部数据结构，以符合外部模块传输协议的要求，并将转换后的数据进行输出；其中，所述算法层的处理为根据所述内部数据的类型进行相应算法的处理；
其中，所述内部数据结构为在所述接口层定义的层级结构，所述层级结构中：第一层为在车辆行驶过程中待检测的目标信息结构体，该目标信息结构体包括在不同行驶场景下影响当前车辆行驶状态的多个属性；
所述多个属性位于所述层级结构的第二层，包括：
环境信息属性，用于表示当前车辆行驶的当前环境信息；
自车信息属性，用于表示当前车辆的行驶状态信息；
对于所述环境信息属性，其所对应层级结构的第三层为所述环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息；
对于所述自车信息属性，其所对应层级结构的第三层为自车速度、自车位置；
其中，对于任意一个属性所对应的下一层数据信息，其有效性通过二进制有效位的方式来确定。
2.根据权利要求1所述的装置，其特征在于，所述接口层包括：
多个输入接口，被配置为：将不同的内部数据传输到所述算法层；
多个输出接口，被配置为：将所述算法层处理后得到的不同内部数据对应的处理结果传输到所述适配层。
3.根据权利要求2所述的装置，其特征在于，
所述输入接口，被配置为异步非阻塞式模式；
所述输出接口，被配置为异步回调模式。
4.根据权利要求2所述的装置，其特征在于，所述外部数据为世界模型信息数据；所述输入接口包括规划控制输入接口，相应的，在所述规划控制输入接口将内部数据结构定义为：
第一层为世界模型结构体；第二层包括车道信息属性、路口信息属性和感知目标属性；对于所述车道信息属性，第三层包括车道列表场景；对于所述路口信息属性，第三层包括路口列表场景；对于所述感知目标属性，第三层包括预测结果场景、视觉感知结果场景和融合感知结果场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
5.根据权利要求2所述的装置，其特征在于，所述外部数据为世界模型信息数据；所述输出接口包括规划控制输出接口，相应的，在所述规划控制输出接口将内部数据结构定义为：
第一层为决策规划结构结构体；第二层包括规划轨迹属性、规划速度属性和障碍物决策属性；对于所述规划轨迹属性，第三层包括轨迹曲线场景；对于所述规划速度属性，第三层包括平均速度场景和速度点集场景；对于所述障碍物决策属性，第三层包括纵向跟车场景、纵向超车场景和横向避让场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
6.根据权利要求2所述的装置，其特征在于，所述外部数据为车辆行驶状态数据；相应的，所述输出接口包括车辆定位输出接口，在所述车辆定位输出接口将内部数据结构定义为：
第一层为自车信息结构体；第二层包括：自车位置属性和自车速度属性；对于所述自车位置属性，第三层包括车体坐标、经纬度坐标和高程坐标；对于所述自车速度属性，第三层包括平均速度场景和速度点集场景；
其中，不同属性第三层中的任意一个场景的有效性，是通过二进制有效位来确定的。
7.根据权利要求1所述的装置，其特征在于，所述算法层，具体被配置为：
采用多线程框架对接收到的内部数据进行处理。
8.根据权利要求7所述的装置，其特征在于，所述多线程之间的关系包括：
前一个线程的输出资源为下一个线程的输入资源；或者，
各个线程之间的输入资源和输出资源均相互独立；或者，
各个线程之间的输入资源为同一个资源；
其中，所述资源表示同一类数据，并以队列的形式进行表示。
9.一种应用于自动驾驶的数据传输方法，其特征在于，包括：
适配层接收从外部模块输入的外部数据，并对所述外部数据的数据结构进行转换，得到符合内部数据结构的内部数据，并将所述内部数据通过接口层传输到算法层；所述外部数据为感知目标数据；
算法层对接收到的内部数据进行处理，并将处理结果通过所述接口层传输到所述适配层；其中，所述算法层的处理为根据所述内部数据的类型进行相应算法的处理；
所述适配层将所述处理结果对应数据结构转换为外部数据结构，以符合外部模块传输协议的要求，并将转换后的数据进行输出；其中，算法层对内部数据的处理包括位置预测和路径规划处理；
其中，所述内部数据结构为在所述接口层定义的层级结构，所述层级结构中：第一层为在车辆行驶过程中待检测的目标信息结构体，该目标信息结构体包括在不同行驶场景下影响当前车辆行驶状态的多个属性；
所述多个属性位于所述层级结构的第二层，包括：
环境信息属性，用于表示当前车辆行驶的当前环境信息；
自车信息属性，用于表示当前车辆的行驶状态信息；
对于所述环境信息属性，其所对应层级结构的第三层为所述环境信息中的车道信息、路口信息、交通标志信息、他车信息和行人信息；
对于所述自车信息属性，其所对应层级结构的第三层为自车速度、自车位置；
其中，对于任意一个属性所对应的下一层数据信息，其有效性通过二进制有效位的方式来确定。
10.一种车载终端，其特征在于，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求9所述的应用于自动驾驶的数据传输方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011245021.1A CN114553972B (zh) | 2020-11-10 | 2020-11-10 | 应用于自动驾驶的数据传输装置、方法、车载终端和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011245021.1A CN114553972B (zh) | 2020-11-10 | 2020-11-10 | 应用于自动驾驶的数据传输装置、方法、车载终端和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114553972A CN114553972A (zh) | 2022-05-27 |
| CN114553972B true CN114553972B (zh) | 2024-05-28 |
Family
ID=81659764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011245021.1A Active CN114553972B (zh) | 2020-11-10 | 2020-11-10 | 应用于自动驾驶的数据传输装置、方法、车载终端和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114553972B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003021528A (ja) * | 2001-07-09 | 2003-01-24 | Kenwood Corp | ナビゲーション装置、到着時刻算出方法、及びプログラム |
| JP2013047649A (ja) * | 2011-08-29 | 2013-03-07 | Denso Corp | 検索装置、及び、ナビゲーション装置 |
| CN103647706A (zh) * | 2013-12-27 | 2014-03-19 | 深圳市众鸿科技股份有限公司 | 一种自适配协议通信网关及通信平台 |
| CN104535070A (zh) * | 2014-12-26 | 2015-04-22 | 上海交通大学 | 高精细地图数据结构、采集和处理系统及方法 |
| CN106228499A (zh) * | 2016-07-06 | 2016-12-14 | 东南大学 | 一种基于人‑车‑路‑货多风险源的货运安全评价模型 |
| CN107370745A (zh) * | 2017-08-03 | 2017-11-21 | 北京市天元网络技术股份有限公司 | 一种采集适配方法及装置 |
| CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
| CN109471587A (zh) * | 2018-11-13 | 2019-03-15 | 掌阅科技股份有限公司 | 基于Java虚拟机的手写内容的显示方法及电子设备 |
| CN109789842A (zh) * | 2016-10-03 | 2019-05-21 | 日立汽车系统株式会社 | 车载处理装置 |
| CN109931933A (zh) * | 2017-12-15 | 2019-06-25 | 中国航空工业集团公司成都飞机设计研究所 | 基于gis平台的任务规划和导航绘制方法 |
| CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
| JP2020074191A (ja) * | 2020-01-23 | 2020-05-14 | 日立オートモティブシステムズ株式会社 | 車載処理装置 |
| CN111353221A (zh) * | 2020-02-24 | 2020-06-30 | 上海商汤临港智能科技有限公司 | 自动驾驶仿真方法和装置、电子设备及存储介质 |
| CN111791887A (zh) * | 2020-07-03 | 2020-10-20 | 北京理工大学 | 一种基于分层式车速规划的车辆节能驾驶方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9915950B2 (en) * | 2013-12-31 | 2018-03-13 | Polysync Technologies, Inc. | Autonomous vehicle interface system |
-
2020
- 2020-11-10 CN CN202011245021.1A patent/CN114553972B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003021528A (ja) * | 2001-07-09 | 2003-01-24 | Kenwood Corp | ナビゲーション装置、到着時刻算出方法、及びプログラム |
| JP2013047649A (ja) * | 2011-08-29 | 2013-03-07 | Denso Corp | 検索装置、及び、ナビゲーション装置 |
| CN103647706A (zh) * | 2013-12-27 | 2014-03-19 | 深圳市众鸿科技股份有限公司 | 一种自适配协议通信网关及通信平台 |
| CN104535070A (zh) * | 2014-12-26 | 2015-04-22 | 上海交通大学 | 高精细地图数据结构、采集和处理系统及方法 |
| CN106228499A (zh) * | 2016-07-06 | 2016-12-14 | 东南大学 | 一种基于人‑车‑路‑货多风险源的货运安全评价模型 |
| CN109789842A (zh) * | 2016-10-03 | 2019-05-21 | 日立汽车系统株式会社 | 车载处理装置 |
| CN107370745A (zh) * | 2017-08-03 | 2017-11-21 | 北京市天元网络技术股份有限公司 | 一种采集适配方法及装置 |
| CN109931933A (zh) * | 2017-12-15 | 2019-06-25 | 中国航空工业集团公司成都飞机设计研究所 | 基于gis平台的任务规划和导航绘制方法 |
| CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
| CN109471587A (zh) * | 2018-11-13 | 2019-03-15 | 掌阅科技股份有限公司 | 基于Java虚拟机的手写内容的显示方法及电子设备 |
| CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
| JP2020074191A (ja) * | 2020-01-23 | 2020-05-14 | 日立オートモティブシステムズ株式会社 | 車載処理装置 |
| CN111353221A (zh) * | 2020-02-24 | 2020-06-30 | 上海商汤临港智能科技有限公司 | 自动驾驶仿真方法和装置、电子设备及存储介质 |
| CN111791887A (zh) * | 2020-07-03 | 2020-10-20 | 北京理工大学 | 一种基于分层式车速规划的车辆节能驾驶方法 |
Non-Patent Citations (4)
| Title |
|---|
| A. E. Bychkov ; E. A. Kuznetsova ; A. V. Alexandrov.Analysis And Development Of Electric Drives Automatic Adjustment Algorithms.2020 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM).2020,全文. * |
| Adaptivity-Enhanced Path Tracking System for Autonomous Vehicles at High Speeds;Guoming Huang; Xiaofang Yuan; Ke Shi; Zhixian Liu; Xiru Wu;IEEE Transactions on Intelligent Vehicles;20200806;第5卷(第4期);全文 * |
| 严利鑫 ; 吴超仲 ; 贺宜 ; 黄珍 ; 朱敦尧 ; .人机共驾智能车驾驶模式决策属性析取研究.中国公路学报.2018,(01),全文. * |
| 人机共驾智能车驾驶模式决策属性析取研究;严利鑫;吴超仲;贺宜;黄珍;朱敦尧;;中国公路学报(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114553972A (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3521108B1 (en) | In-vehicle processing device | |
| Bhat et al. | Tools and methodologies for autonomous driving systems | |
| WO2020207504A1 (zh) | 分布集中式自动驾驶系统 | |
| Mubeen et al. | Communications-oriented development of component-based vehicular distributed real-time embedded systems | |
| Dong et al. | Collaborative autonomous driving: Vision and challenges | |
| Furda et al. | An object-oriented design of a world model for autonomous city vehicles | |
| JP6838776B2 (ja) | 車載処理装置 | |
| Doherty et al. | HDRC3-a distributed hybrid deliberative/reactive architecture for unmanned aircraft systems | |
| US11084496B2 (en) | Utilizing qualitative models to provide transparent decisions for autonomous vehicles | |
| US20240043026A1 (en) | Performance testing for trajectory planners | |
| Heintz et al. | DyKnow: An approach to middleware for knowledge processing | |
| Ramaswamy et al. | Saferobots: A model-driven framework for developing robotic systems | |
| KR20230034926A (ko) | 분산 이벤트 기반 조정 모델 | |
| KR20210143402A (ko) | 시나리오 기반 작업을 수행하는 이동로봇 및 이의 작업 기반 이동경로 생성 방법 | |
| JP2024072829A (ja) | 調整されたコンポーネントインターフェース制御フレームワーク | |
| CN114553972B (zh) | 应用于自动驾驶的数据传输装置、方法、车载终端和介质 | |
| Sabaliauskaite et al. | Designing safe and secure mixed traffic systems | |
| Heintz et al. | Stream-based hierarchical anchoring | |
| Kuka et al. | Salsa streams: Dynamic context models for autonomous transport vehicles based on multi-sensor fusion | |
| Acar et al. | A Survey on the Use of Container Technologies in Autonomous Driving and the Case of BeIntelli | |
| Heintz et al. | DyKnow: A framework for processing dynamic knowledge and object structures in autonomous systems | |
| Heintz et al. | Stream-based reasoning support for autonomous systems | |
| Zhang et al. | π-Learner: A lifelong roadside learning framework for infrastructure augmented autonomous driving | |
| Heintz et al. | A stream-based hierarchical anchoring framework | |
| Pleune et al. | Specifying route behaviors of self-driving vehicles in ROS using Lua scripting language with web interface |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |