CN114655207A - 一种数据处理方法、装置、设备及存储介质 - Google Patents
一种数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114655207A CN114655207A CN202210517623.0A CN202210517623A CN114655207A CN 114655207 A CN114655207 A CN 114655207A CN 202210517623 A CN202210517623 A CN 202210517623A CN 114655207 A CN114655207 A CN 114655207A
- Authority
- CN
- China
- Prior art keywords
- sensing data
- data
- blind area
- target
- position information
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 127
- 230000008447 perception Effects 0.000 claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 53
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 14
- 238000000926 separation method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 102100030800 Ras suppressor protein 1 Human genes 0.000 description 1
- 101710102668 Ras suppressor protein 1 Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种数据处理方法、装置、设备及存储介质，所述的方法包括：获取目标车辆的第一位置信息和第一感知数据以及当前车辆的第二位置信息和第二感知数据；基于第一位置信息和第二位置信息确定目标车辆与所前车辆之间的相对位置信息以及当前车辆对应的感知数据检测盲区；基于感知数据检测盲区从第一感知数据中确定出与感知数据检测盲区对应的盲区备用感知数据；根据相对位置信息、第二感知数据以及感知数据检测盲区，对盲区备用感知数据进行分割处理，得到感知数据检测盲区对应的目标盲区感知数据；基于目标盲区感知数据更新第二感知数据中的盲区感知数据，得到当前车辆的目标感知数据；本申请可以提高自动驾驶中的单车自动驾驶的能力。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
自动驾驶相关技术不仅应用于小型汽车当中，在大型长途车辆上得到了广泛应用；与小型车辆不同的是，大型长途车辆的自动驾驶，不仅应用单车智能，还在车队协同上有较多的自动驾驶应用。
在自动驾驶过程后车跟随前车行驶的场景下，例如，自动驾驶车队中卡车车队的长途运输中：一般由头车和跟随车辆组成,车辆行进速度相对统一。头车一般具备较好的前方视野，前视摄像头、激光雷达及毫米波雷达能发挥较好的作用。由于编队行驶的车队车辆体型一般都较大，对于后方跟随车辆来说，头车以及前方车辆不同程度的对后方车辆存在遮挡的情况，这对后方车辆对于前方车道、车辆以及道路标识的信息采集带来了风险，遮挡的信号包括前视视频信号、激光雷达信号以及毫米波雷达信号等；被遮挡的信息直接影响到跟随车辆的单车智能，车道前方的拥堵、障碍、标识等不能及时有效进行判断，刹车、变道、急停等决策缺乏必要信息的输入；给车队的整体自动驾驶带来了极大风险。
发明内容
为了解决上述技术问题，本申请公开了一种数据处理方法，通过目标车辆的第一感知数据对第二感知数据中被目标车辆遮挡的感知数据检测盲区的盲区感知数据进行更新，可以为当前车辆提供全量的感知数据，提高自动驾驶中的单车自动驾驶的能力，避免因感知数据缺失而造成的驾驶风险；进而有效提升车辆之间整体智能驾驶的协同处理。
为了达到上述发明目的，本申请提供了一种数据处理方法，所述的方法包括：
获取目标车辆的第一位置信息和第一感知数据以及当前车辆的第二位置信息和第二感知数据；所述当前车辆跟随所述目标车辆行驶；
基于所述第一位置信息和所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对位置信息以及所述当前车辆对应的感知数据检测盲区；所述感知数据检测盲区为被所述目标车辆遮挡的区域；
基于所述感知数据检测盲区从所述第一感知数据中确定出与所述感知数据检测盲区对应的盲区备用感知数据；
根据所述相对位置信息、所述第二感知数据以及所述感知数据检测盲区，对所述盲区备用感知数据进行分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据；
基于所述目标盲区感知数据更新所述第二感知数据中的盲区感知数据，得到所述当前车辆的目标感知数据。
在一些实施方式中，基于所述第一位置信息和所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对位置信息以及所述当前车辆对应的感知数据检测盲区，包括：
基于所述第一位置信息以及所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对距离信息以及相对方向视角信息；
基于所述距离信息以及所述方向视角信息确定所述目标车辆与所述当前车辆之间的所述相对位置信息；
基于所述相对位置信息、所述目标车辆的边框线信息以及预设检测距离确定所述当前车辆对应的所述感知数据检测盲区。
在一些实施方式中，所述基于所述感知数据检测盲区从所述第一感知数据中确定出与所述感知数据检测盲区对应的盲区备用感知数据，包括：
基于所述感知数据检测盲区从所述第一感知数据对应的检测区域中确定出与所述感知数据检测盲区对应的目标检测区域；
从所述第一感知数据中确定出所述目标检测区域的备用感知数据；
将所述备用感知数据确定为所述盲区备用感知数据。
在一些实施方式中，所述根据所述相对位置信息、所述第二感知数据以及所述感知数据检测盲区，对所述盲区备用感知数据进行分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据，包括：
根据所述相对位置信息以及所述第二感知数据，对所述盲区备用感知数据进行校准处理，得到校准感知数据；
基于所述感知数据检测盲区以及所述第二感知数据，从所述第二感知数据中确定出与所述感知数据检测盲区的边界线相接的目标边缘感知数据；
基于所述目标边缘感知数据，对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据。
在一些实施方式中，所述根据所述相对位置信息以及所述第二感知数据，对所述盲区备用感知数据进行校准纠偏处理，得到校准感知数据，包括：
基于所述相对位置信息确定所述当前车辆与所述目标车辆之间感知数据检测的视场角关系；
基于所述视场角关系以及所述第二感知数据中最小单位子数据的规格信息，对所述盲区备用感知数据进行缩放处理，得到所述校准感知数据。
在一些实施方式中，所述基于所述目标边缘感知数据，对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据，包括：
基于所述目标边缘感知数据，确定出所述校准感知数据中与所述目标边缘感知数据相同的待分割边缘感知数据；
获取所述待分割边缘感知数据对应的目标待分割边缘线；
基于所述目标待分割边缘线对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据。
在一些实施方式中，所述获取目标车辆第一感知数据包括：
基于至少一个虚拟专网获取所述目标车辆的第一感知数据；所述虚拟专网为所述目标车辆对应的至少一个第一路侧装置以及所述当前车辆对应的至少一个第二路侧装置形成的数据传输信道。
本申请还提供了一种数据处理装置，所述的装置包括：
数据获取模块，用于获取目标车辆的第一位置信息和第一感知数据以及当前车辆的第二位置信息和第二感知数据；所述当前车辆跟随所述目标车辆行驶；
第一确定模块，用于基于所述第一位置信息和所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对位置信息以及所述当前车辆对应的感知数据检测盲区；所述感知数据检测盲区为被所述目标车辆遮挡的区域；
第二确定模块，用于基于所述感知数据检测盲区从所述第一感知数据中确定出与所述感知数据检测盲区对应的盲区备用感知数据；
第一处理模块，用于根据所述相对位置信息、所述第二感知数据以及所述感知数据检测盲区，对所述盲区备用感知数据进行分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据；
第二处理模块，用于基于所述目标盲区感知数据更新所述第二感知数据中的盲区感知数据，得到所述当前车辆的目标感知数据。
本申请还提供了一种数据处理设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述所述的数据处理方法。
本申请还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行如上述所述的数据处理方法。
实施本申请实施例，具有如下有益效果：
本申请的数据处理方法，通过目标车辆的第一感知数据对第二感知数据中被目标车辆遮挡的感知数据检测盲区的盲区感知数据进行更新，可以为当前车辆提供全量的感知数据，提高自动驾驶中的单车自动驾驶的能力，避免因感知数据缺失而造成的驾驶风险；进而有效提升车辆之间整体智能驾驶的协同处理。
附图说明
为了更清楚地说明本申请所述的数据处理方法、装置、设备及存储介质，下面将对实施例所需要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申请的一些实施例，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它附图。
图1为本申请实施例提供的一种数据处理的实施环境示意图；
图2为本申请实施例提供的一种数据处理方法的流程示意图；
图3为本申请实施例提供的一种感知数据检测盲区的确定方法的流程示意图；
图4为本申请实施例提供的一种感知数据检测盲区的示意图；
图5为本申请实施例提供的一种目标盲区感知数据的确定方法的流程示意图；
图6为本申请实施例提供的一种具体的目标盲区感知数据的确定方法的流程示意图；
图7为本申请实施例提供的一种目标盲区感知数据的切割示意图；
图8为本申请实施例提供的一种虚拟专网传输数据的示意图；
图9为本申请实施例提供的一种数据处理装置的结构示意图；
图10为本申请实施例提供的一种电子设备的结构示意图。
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，所描述的实施例仅仅是本申请一部分实施例，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的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。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1，其示出了本申请实施例提供的实施环境示意图，该实施环境可以包括：
至少一个终端01和至少一个服务器02。该至少一个终端01和该至少一个服务器02可以通过网络进行数据通信。
在一个可选的实施例中，终端01可以是数据处理方法的执行者。终端01可以包括但不限于车载终端、智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、智能可穿戴设备等类型的电子设备。终端01上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows、Unix等。
服务器02可以给终端01提供目标车辆的第一位置信息和第一感知数据。可选的，服务器02可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN（Content Delivery Network，内容分发网络）、以及大数据和人工智能平台等基础云计算服务的云服务器。
请参考图2，其所示为本申请实施例提供的一种数据处理方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规；或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序，数据处理方法，可以按照实施例或附图所示的方法顺序执行。具体的如图2所示，所述方法可以应用于当前车辆包括：
S201，获取目标车辆的第一位置信息和第一感知数据以及当前车辆的第二位置信息和第二感知数据；当前车辆跟随目标车辆行驶。
在本申请实施例中，目标车辆和当前车辆均可以为基于自动驾驶模式运行的车辆。当前车辆跟随目标车辆行驶可以表征当前车辆与目标车辆的车头朝向相同且行驶速度的方向相同。其中，当前车辆和目标车辆的行驶速度可以相同，也可以不同。其中，行驶速度可以大于等于0。第一感知数据可以为目标车辆前向的周围环境中多个第一目标物的感知数据；第二感知数据可以为当前车辆前向的周围环境中多个第二目标物的感知数据，其中，第二目标物可以包括目标车辆。第一感知数据和第二感知数据均可以为视频数据、点云数据中的任一种。
可选的，目标车辆与当前车辆可以属于同一自动驾驶车队中的车辆；目标车辆与当前车辆属于车队中相邻的两辆车；例如，目标车辆可以车队中的头车，当前车辆可以为紧邻头车的第一跟随车辆。
可选的，还可以基于云服务器获取目标车辆的第一感知数据。
在一些示例性实施例中，可以基于至少一个虚拟专网获取目标车辆的第一感知数据；其中，虚拟专网为目标车辆对应的至少一个第一路侧装置以及当前车辆对应的至少一个第二路侧装置形成的数据传输信道。路侧装置可以是设置在道路两侧的通信设备。
在一些示例性实施例中，在目标车辆与当前车辆可以属于同一自动驾驶车队中的车辆的情况下；以目标车辆可以车队中的头车为例，目标车辆还可以通过虚拟专网进行车队管理指令的传输。
可选的，可以采用高精度定位技术UWB（Ultra Wide Band，超宽带）基站及信标的布放，获取目标车辆和当前车辆的位置信息，其中，以当前车辆为基准为例，基站设置在当前车辆上，信标设置的目标车辆上。优选的，可以采用双向布放的方式。信标可以指导航信号标记。
S202，基于第一位置信息和第二位置信息确定目标车辆与当前车辆之间的相对位置信息以及当前车辆对应的感知数据检测盲区。
在本申请实施例中，感知数据检测盲区可以指被目标车辆遮挡的区域；相对应的，第二感知数据包括该感知检测盲区对应的盲区感知数据。
可选的，可以基于第一位置信息和第二位置信息确定目标车辆与所述当前车辆之间的相对位置信息；进一步的，根据相对位置关系以及预设检测距离确定当前车辆对应的感知数据检测盲区。其中，预设检测距离可以是当前车辆上第二感知单元进行数据检测时的检测距离。
S203，基于感知数据检测盲区从第一感知数据中确定出与感知数据检测盲区对应的盲区备用感知数据。
在本申请实施例中，盲区备用感知数据可以指第一感知数据中位于感知数据检测盲区内的感知数据。
可选的，可以根据感知数据检测盲区从第一感知数据对应的检测区域中确定出与感知数据检测盲区对应的目标检测区域；从第一感知数据中确定出目标检测区域的备用感知数据；将备用感知数据确定为盲区备用感知数据。
S204，根据相对位置信息、第二感知数据以及感知数据检测盲区，对盲区备用感知数据进行分割处理，得到感知数据检测盲区对应的目标盲区感知数据。
在本申请实施例中，目标盲区感知数据为盲区备用感知数据中的部分数据；目标盲区感知数据中最小单位子数据的大小与第二感知数据中最小单元子数据的大小相同。以视频数据为例，其最小单元子数据可以为像素点；目标盲区感知数据中每一像素点的像素大小与第二感知数据中的每一像素点的像素大小相同。
可选的，可以获取第二感知数据中与感知数据检测盲区边界线相接的感知数据的多个第一子数据以及盲区备用感知数据中多个第二子数据，将多个第一子数据和多个第二子数据进行对比，确定出目标待分割边缘线；基于目标待分割边缘线以及盲区备用感知数据，对盲区备用感知数据进行缩放以及分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据。
在一个示例性中，可以先对盲区备用感知数据进行缩放处理后，再进行分割，以得到目标盲区感知数据。
在另一个示例中，可以先对盲区备用感知数据进行分割处理，对分割后的感知数据再进行缩放处理，以得到目标盲区感知数据。
S205，基于目标盲区感知数据更新第二感知数据中的盲区感知数据，得到当前车辆的目标感知数据。
在本申请实施例中，目标感知数据可以为当前车辆的最终得到的感知数据。进一步的，当前车辆可以基于目标感知数据进行自动驾驶。
在一些示例性实施例中，可以将目标盲区感知数据替换第二感知数据中的盲区感知数据，得到当前车辆的目标感知数据。
在一些示例性实施例中，可以将目标盲区感知数据与第二感知数据中的盲区感知数据进行叠加，得到当前车辆的目标感知数据。进一步的叠加后的感知数据可以包括目标盲区感知数据和第二感知数据中原有的盲区感知数据；这两种数据可以采用不同的透明度进行展示，以便于进行数据的区分。
可选的，目标感知数据可以在当前车辆的中控屏或者抬头显示屏上进行显示；感知数据的显示方式以及显示比例，可以根据用户需求进行调整。
在该实施例中，本申请通过目标车辆的第一感知数据对第二感知数据中被目标车辆遮挡的感知数据检测盲区的盲区感知数据进行更新，可以为当前车辆提供全量的感知数据，提高自动驾驶中的单车自动驾驶的能力，避免因感知数据缺失而造成的驾驶风险；进而有效提升车辆之间整体智能驾驶的协同处理。
在一些示例性实施例中，如图3，其所示为本申请实施例提供的一种感知数据检测盲区的确定方法的流程示意图；具体如下。
S301，基于第一位置信息以及第二位置信息确定目标车辆与当前车辆之间的相对距离信息以及相对方向视角信息。
在本申请实施例中，相对方向视角信息可以是指目标车辆与当前车辆之间的连线与当前车辆行驶方向对应的航线的夹角。
S302，基于距离信息以及方向视角信息确定目标车辆与当前车辆之间的相对位置信息。
S303，基于相对位置信息、目标车辆的边框线信息以及预设检测距离确定当前车辆对应的感知数据检测盲区。
在本申请实施例中，目标车辆的边框线信息可以是目标车辆四周的各边框连接形成的立体结构图；例如车头的边框、车尾的边框以及车侧身的边框组成的立体结构图。
可选的，可以根据相对位置信息以及目标车辆的边框线信息确定出被目标车辆遮挡的所有可视区域；根据预设检测距离对被目标车辆遮挡的所有可视区域进行界线划分，得到感知数据检测盲区。
在该实施例中，本申请通过目标车辆与当前车辆之间的相对位置关系以及目标车辆自身的边框线信息以及预设检测距离确定当前车辆的感知数据检测盲区；可以得到较为精确的感知数据检测盲区。
在一些示例性实施例中，如图4，其所示为本申请实施例提供的一种感知数据检测盲区的示意图，在该图中，当前车辆为B车，目标车辆为A车，且当前车辆B车与目标车辆A车位于相同车道，由于A车遮挡，B车对于前方车辆及环境状态感知存在盲区。其中，感知数据检测盲区为图像的阴影区域。A作为引导车辆，利用V2X将前方感知数据传输至B车及后方车辆，为后车感知进行信息补足，通过数据叠加、数据替代、数据拼接等手段，实现前方遮挡信息的替换，延展前方感知盲区。以视频为例，利用V2X数据，A与B之间的相对位置为已知，A采集的视频信号传输至B车辆当中，B车辆将获取的前车感知数据进行裁剪，融合到现有图像当中，对前方遮挡区域进行补足覆盖。
由于目标车辆A车与当前车辆B车存在位置差异，A车图像由于垂直、水平、方向视角的不同，不能简单直接用于B车的图像叠加当中，二者之间通过GNSS+RTK高精度实时定位，判断相互之间的位置信息，对采集数据例如视频信号的视场角、图像远近、图像左右偏差等，配合周边景物进行实时纠偏，再进行组合叠加。
在一些示例性实施例中，如图5，其所示为本申请实施例提供的一种目标盲区感知数据的确定方法的流程示意图；具体如下。
S501，根据相对位置信息以及第二感知数据，对盲区备用感知数据进行校准处理，得到校准感知数据；
在本申请实施例中，校准感知数据的最小单位子数据的大小与第二感知数据中最小单元子数据的大小相同。
可选的，可以基于相对位置信息确定当前车辆与目标车辆之间感知数据检测的视场角关系；基于所述视场角关系以及所述第二感知数据中最小单位子数据的规格信息，对所述盲区备用感知数据进行缩放处理，得到所述校准感知数据。其中，视场角关系可以表示当前车辆的第二感知单元与目标车辆上的第一感知单元之间的视场角相对偏差；视场角相对偏差可以指第二感知单元与第一感知单元同一时刻针对同一物体进行检测时的比例偏差。第一感知单元和第二感知单元为相同类型的感知单元，例如可以是摄像头、毫米波雷达以及激光雷达中的任一种。第二感知数据中最小单位子数据的规格信息可以表征第二感知数据中最小单位子数据的大小。例如，以视频数据为例，最小单位子数据可以指像素点；其规格信息可以指像素点的像素大小。
可选的，还可以在对盲区备用感知数据进行缩放处理之后，对缩放得到的感知数据进行左右偏差等的调整；进而得到校准感知数据。
S502，基于感知数据检测盲区以及第二感知数据，从第二感知数据中确定出与感知数据检测盲区的边界线相接的目标边缘感知数据；
在本申请实施例中，目标边缘感知数据可以为第二感知数据中与感知数据检测盲区的边界线相接的感知数据。
可选的，可以基于感知数据检测盲区以及第二感知数据确定出感知数据检测盲区的盲区感知数据；基于盲区感知数据，从第二感知数据中确定出与盲区感知数据的边缘数据相邻的目标边缘感知数据。其中，目标边缘感知数据包围盲区感知数据。
S503，基于目标边缘感知数据，对校准感知数据进行分割处理，得到感知数据检测盲区对应的目标盲区感知数据。
在本申请实施例中，可以基于目标边缘感知数据从校准感知数据中确定出目标待分割边缘线；并基于目标待分割边缘线对校准感知数据进行分割处理，得到感知数据检测盲区对应的目标盲区感知数据。
在该实施例中，本申请通过先对盲区备用感知数据进行校准，再基于校准后的校准感知数据以及第二感知数据的中目标边缘感知数据确定出目标盲区感知数据；可以得到较为精准的目标盲区感知数据。
在一些示例性实施例中，如图6，其所示为本申请一种具体的目标盲区感知数据的确定方法的流程示意图；具体如下：
S601,基于目标边缘感知数据，确定出校准感知数据中与目标边缘感知数据相同的待分割边缘感知数据。
在本申请实施例中，待分割边缘感知数据为校准感知数据中的感知数据。
S602,获取待分割边缘感知数据对应的目标待分割边缘线。
在本申请实施例中，目标待分割边缘线可以为待分割边缘感知数据中与盲区感知数据相邻的边界线。目标待分割边缘线可以用于指示对校准感知数据进行分割的分割线。
S603,基于目标待分割边缘线对校准感知数据进行分割处理，得到感知数据检测盲区对应的目标盲区感知数据。
在本申请实施例中，所述目标盲区感知数据为所述校准感知数据中位于目标待分割边缘线内部的感知数据。
在一些示例性实施例中，如图7，其所示为本申请实施例提供的一种目标盲区感知数据的切割示意图；其中，左图为第二感知数据中的感知数据检测盲区（中间阴影部分）以及目标边缘感知数据（边缘小方框部分）；右图为校准感知数据的感知数据检测盲区（中间阴影部分）以及待分割边缘感知数据（边缘小方框部分）。
以上图为例，A车视角获取相同场景的图像区域为A1（右图），B车需要替换的被遮挡区域为B1（左图），由于前车A距离相同场景距离较近，其图像像素覆盖区域相比B车辆覆盖区域较大。
为方便进行替换，对A1、B1的图像分块进行比对，找出被遮挡区域外围方框区域相似区域，以进行图像切分前的准备工作。
如上图所示，通过图像帧像素块的划分与比对，找出易于切分的图像区域边缘，对该区域内的像素进行拉伸、缩放、梯形矫正后，替换到被遮挡的区域中，形成一帧完整的图像，以用于B车及后方车辆的视觉运算。
在该实施例中，本申请通过确定出对校准感知数据进行分割的目标待分割边缘线，实现对校准感知数据的分割，可以进一步提高目标盲区感知数据精准性。
在本实施例中，由于B车所需的A车感知数据为连续感知数据（如视频帧），方能保障B车处理感知数据的连续性，所需传输的感知数据量较大，故利用V2X网络建立专有数据通路保障传输质量。
在一些示例性实施例中，可以基于至少一个虚拟专网获取目标车辆的第一感知数据；其中，虚拟专网为目标车辆对应的至少一个第一路侧装置以及当前车辆对应的至少一个第二路侧装置形成的数据传输信道。路侧装置可以是设置在道路两侧的通信设备。
在一个示例中，可以基于一个虚拟专网获取目标车辆的第一感知数据。此时，虚拟专网可以为基于目标车辆对应的一个第一路侧装置与当前车辆对应的一个第二路侧装置形成数据传输信道；相对应的，该虚拟专网可以传输全部的第一感知数据。
在一个示例中，A车与对应的一个RSU进行V2I通信，并通过光纤骨干网与覆盖B车及对应的RSU设备组成虚拟专网，上述虚拟专网所包含的RSU设备及所传输的感知、控制等数据为动态分布，具体表现在：A与第一RSU进行组网并形成第一虚拟专网时，同时搜寻第二RSU进行预先组网，构建第二虚拟专网，上述2个虚拟专网在同一骨干网当中，通过网络切片分层而来，具有各自独立的通道。
在另一个示例性中，如图8，其所示为本申请实施例提供的一种虚拟专网传输数据的示意图。可以基于两个虚拟专网获取目标车辆的第一感知数据。此时，可以基于目标车辆A对应的一个第一路侧装置（RSU1）与当前车辆B对应的一个第二路侧装置（RSU2）形成虚拟专网一；可以基于目标车辆A对应的另一第一路侧装置（RSU3）与当前车辆B对应的另一第二路侧装置（RSU4）形成虚拟专网二。虚拟专网一和虚拟专网二可以共同完整对第一感知数据的传输。车辆A将第一感知数据通过中央计算单元进行分离，此时第一感知数据可以包括分离数据一和分离数据二；其中，分离数据一占第一感知数据的比例和分离数据二占第一感知数据的比例之和可以等于1；例如，分离数据一所占的比例为100%时，分离数据二所占的比例为0；相对应的分离数据一通过虚拟专网一进行数据传输；分离数据二通过虚拟专网二进行数据传输。
进一步的，可以获取虚拟专网一与目标车辆之间的第一关联关系以及虚拟专网二与目标车辆之间的第二关联关系；基于第一关联关系以及第二关联关系对第一感知数据进行分离，得到分离数据一和分离数据二。
进一步的，可以获取形成虚拟专网一的第一路侧装置与目标车辆之间的第一距离以及形成虚拟专网二的第一路侧装置与目标车辆之间的第二距离；根据第一距离和第二距离确定虚拟专网一与目标车辆之间的第一关联关系和虚拟专网二与目标车辆之间的第二关联关系。
在一个示例中，基于一个虚拟专网获取目标车辆的第一感知数据的具体传输方式为，设第一虚拟专网建立完成时，其中传输数据为分离数据一，可选占比100%；当车辆A搜寻到第二RSU组成完毕第二虚拟专网时，其中传输数据为分离数据二，初始占比为0%；
当第二虚拟专网建立完毕后，分离数据一、分离数据二通过中央计算单元逐级调整分配比例，将数据逐步迁移至第二虚拟专网当中；第一虚拟专网分离数据一逐步降低比例为0%，此时断开此虚拟专网，搜寻下一RSU构建新的虚拟专网，循环往复。
上述数据分离方式可选为如下几种：
1)针对视频信号，可选将已经解码的视频数据，按照视频帧来进行分离，在接收端出现小比例丢帧不影响自动驾驶图像识别与决策的正常进行；
2)针对激光雷达信号，可选按照扫描线按比例进行分离，在接收端出现少量扫描线缺失对激光雷达数据处理决策影响较小；
3)针对毫米波雷达信号，可选按照点阵按比例进行数据分离，同样在接收端出现少量数据丢失不影响自动驾驶算法及决策的正常进行。
进一步的，为提升车队感知数据传输可靠性，可选将上述感知信号通过抽帧的方式，通过5G网络上传至云端服务器，仅在上述2个虚拟专网出现信号质量、数据丢失等风险问题时，调用云端服务器的实时转发数据；数据校验包可选利用5G网络实现实时分发，以进行补充校验。
在一些示例性实施例中，在目标车辆与当前车辆可以属于同一自动驾驶车队中的车辆的情况下；以目标车辆可以车队中的头车为例，目标车辆还可以通过虚拟专网进行车队管理指令的传输。
上述信号路径可选由A传输至B车对后方车辆感知进行补足，也可选将B车采集的感知数据反向传输至A车，利用A车的算力中心的能力，统一进行车队决策的判断，由单车感知变为车队的整体感知。
本申请实施例还提供了一种数据处理装置，如图9所示，其所示为本申请实施例提供的一种数据处理装置的结构示意图；具体的，所述的装置包括：
数据获取模块901，用于获取目标车辆的第一位置信息和第一感知数据以及当前车辆的第二位置信息和第二感知数据；所述当前车辆跟随所述目标车辆行驶；
第一确定模块902，用于基于所述第一位置信息和所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对位置信息以及所述当前车辆对应的感知数据检测盲区；所述感知数据检测盲区为被所述目标车辆遮挡的区域；
第二确定模块903，用于基于所述感知数据检测盲区从所述第一感知数据中确定出与所述感知数据检测盲区对应的盲区备用感知数据；
第一处理模块904，用于根据所述相对位置信息、所述第二感知数据以及所述感知数据检测盲区，对所述盲区备用感知数据进行分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据；
第二处理模块905，用于基于所述目标盲区感知数据更新所述第二感知数据中的盲区感知数据，得到所述当前车辆的目标感知数据。
在本申请实施例中，第一确定模块902包括：
第一确定单元，用于基于所述第一位置信息以及所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对距离信息以及相对方向视角信息；
第二确定单元，用于基于所述距离信息以及所述方向视角信息确定所述目标车辆与所述当前车辆之间的所述相对位置信息；
第三确定单元，用于基于所述相对位置信息、所述目标车辆的边框线信息以及预设检测距离确定所述当前车辆对应的所述感知数据检测盲区。
在本申请实施例中，所述第二确定模块903，包括：
第四确定单元，用于基于所述感知数据检测盲区从所述第一感知数据对应的检测区域中确定出与所述感知数据检测盲区对应的目标检测区域；
第五确定单元，用于从所述第一感知数据中确定出所述目标检测区域的备用感知数据；
第六确定单元，用于将所述备用感知数据确定为所述盲区备用感知数据。
在本申请实施例中，所述第一处理模块904包括：
第一处理单元，用于根据所述相对位置信息以及所述第二感知数据，对所述盲区备用感知数据进行校准处理，得到校准感知数据；
第七确定单元，用于基于所述感知数据检测盲区以及所述第二感知数据，从所述第二感知数据中确定出与所述感知数据检测盲区的边界线相接的目标边缘感知数据；
第二处理单元，用于基于所述目标边缘感知数据，对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据。
在本申请实施例中，第一处理单元包括：
第一确定子单元，用于基于所述相对位置信息确定所述当前车辆与所述目标车辆之间感知数据检测的视场角关系；
第一处理子单元，用于基于所述视场角关系以及所述第二感知数据中最小单位子数据的规格信息，对所述盲区备用感知数据进行缩放处理，得到所述校准感知数据。
在本申请实施例中，所述第二处理单元包括：
第二确定子单元，用于基于所述目标边缘感知数据，确定出所述校准感知数据中与所述目标边缘感知数据相同的待分割边缘感知数据；
获取子单元，用于获取所述待分割边缘感知数据对应的目标待分割边缘线；
第二处理子单元，用于基于所述目标待分割边缘线对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据。
在本申请实施例中，所述数据获取模块901包括：
获取单元，用于基于至少一个虚拟专网获取所述目标车辆的第一感知数据；所述虚拟专网为所述目标车辆对应的至少一个第一路侧装置以及所述当前车辆对应的至少一个第二路侧装置形成的数据传输信道。
需要说明的，所述装置实施例中的装置与方法实施例基于同样的发明构思。
本申请实施例提供了一种数据处理设备，设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述方法实施例所述的数据处理方法。
进一步地，图10示出了一种用于实现本申请实施例所提供的数据处理方法的电子设备的硬件结构示意图，所述电子设备可以参与构成或包含本申请实施例所提供的数据处理装置。如图10所示，电子设备100可以包括一个或多个处理器1002（处理器1002可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器1004、以及用于通信功能的传输装置1006。除此以外，还可以包括：显示器、输入/输出接口（I/O接口）、通用串行总线（USB）端口（可以作为I/O接口的端口中的一个端口被包括）、网络接口、电源和/或相机。本领域普通技术人员可以理解，图10所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备100还可包括比图10中所示更多或者更少的组件，或者具有与图所示不同的配置。
应当注意到的是上述一个或多个处理器1002和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到电子设备100（或移动设备）中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制（例如与接口连接的可变电阻终端路径的选择）。
存储器1004可用于存储应用软件的软件程序以及模块，如本申请实施例中所述的数据处理方法对应的程序指令/数据存储装置，处理器1002通过运行存储在存储器1004内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种数据处理方法。存储器1004可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1004可进一步包括相对于处理器1002远程设置的存储器，这些远程存储器可以通过网络连接至电子设备100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备100的通信供应商提供的无线网络。在一个实例中，传输装置1006包括一个网络适配器（NetworkInterfaceController，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实施例中，传输装置1006可以为射频（RadioFrequency，RF）模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器（LCD），该液晶显示器可使得用户能够与电子设备100（或移动设备）的用户界面进行交互。
本申请的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于电子设备之中以保存用于实现方法实施例中一种数据处理方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的数据处理方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种数据处理方法，其特征在于，所述方法包括：
获取目标车辆的第一位置信息和第一感知数据以及当前车辆的第二位置信息和第二感知数据；所述当前车辆跟随所述目标车辆行驶；
基于所述第一位置信息和所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对位置信息以及所述当前车辆对应的感知数据检测盲区；所述感知数据检测盲区为被所述目标车辆遮挡的区域；
基于所述感知数据检测盲区从所述第一感知数据中确定出与所述感知数据检测盲区对应的盲区备用感知数据；
根据所述相对位置信息、所述第二感知数据以及所述感知数据检测盲区，对所述盲区备用感知数据进行分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据；
基于所述目标盲区感知数据更新所述第二感知数据中的盲区感知数据，得到所述当前车辆的目标感知数据。
2.根据权利要求1所述的数据处理方法，其特征在于，基于所述第一位置信息和所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对位置信息以及所述当前车辆对应的感知数据检测盲区，包括：
基于所述第一位置信息以及所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对距离信息以及相对方向视角信息；
基于所述距离信息以及所述方向视角信息确定所述目标车辆与所述当前车辆之间的所述相对位置信息；
基于所述相对位置信息、所述目标车辆的边框线信息以及预设检测距离确定所述当前车辆对应的所述感知数据检测盲区。
3.根据权利要求1所述的数据处理方法，其特征在于，所述基于所述感知数据检测盲区从所述第一感知数据中确定出与所述感知数据检测盲区对应的盲区备用感知数据，包括：
基于所述感知数据检测盲区从所述第一感知数据对应的检测区域中确定出与所述感知数据检测盲区对应的目标检测区域；
从所述第一感知数据中确定出所述目标检测区域的备用感知数据；
将所述备用感知数据确定为所述盲区备用感知数据。
4.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述相对位置信息、所述第二感知数据以及所述感知数据检测盲区，对所述盲区备用感知数据进行分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据，包括：
根据所述相对位置信息以及所述第二感知数据，对所述盲区备用感知数据进行校准处理，得到校准感知数据；
基于所述感知数据检测盲区以及所述第二感知数据，从所述第二感知数据中确定出与所述感知数据检测盲区的边界线相接的目标边缘感知数据；
基于所述目标边缘感知数据，对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据。
5.根据权利要求4所述的数据处理方法，其特征在于，所述根据所述相对位置信息以及所述第二感知数据，对所述盲区备用感知数据进行校准纠偏处理，得到校准感知数据，包括：
基于所述相对位置信息确定所述当前车辆与所述目标车辆之间感知数据检测的视场角关系；
基于所述视场角关系以及所述第二感知数据中最小单位子数据的规格信息，对所述盲区备用感知数据进行缩放处理，得到所述校准感知数据。
6.根据权利要求4所述的数据处理方法，其特征在于，所述基于所述目标边缘感知数据，对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据，包括：
基于所述目标边缘感知数据，确定出所述校准感知数据中与所述目标边缘感知数据相同的待分割边缘感知数据；
获取所述待分割边缘感知数据对应的目标待分割边缘线；
基于所述目标待分割边缘线对所述校准感知数据进行分割处理，得到所述感知数据检测盲区对应的所述目标盲区感知数据。
7.根据权利要求1所述的数据处理方法，其特征在于，所述获取目标车辆第一感知数据包括：
基于至少一个虚拟专网获取所述目标车辆的第一感知数据；所述虚拟专网为所述目标车辆对应的至少一个第一路侧装置以及所述当前车辆对应的至少一个第二路侧装置形成的数据传输信道。
8.一种数据处理装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标车辆的第一位置信息和第一感知数据以及当前车辆的第二位置信息和第二感知数据；所述当前车辆跟随所述目标车辆行驶；
第一确定模块，用于基于所述第一位置信息和所述第二位置信息确定所述目标车辆与所述当前车辆之间的相对位置信息以及所述当前车辆对应的感知数据检测盲区；所述感知数据检测盲区为被所述目标车辆遮挡的区域；
第二确定模块，用于基于所述感知数据检测盲区从所述第一感知数据中确定出与所述感知数据检测盲区对应的盲区备用感知数据；
第一处理模块，用于根据所述相对位置信息、所述第二感知数据以及所述感知数据检测盲区，对所述盲区备用感知数据进行分割处理，得到所述感知数据检测盲区对应的目标盲区感知数据；
第二处理模块，用于基于所述目标盲区感知数据更新所述第二感知数据中的盲区感知数据，得到所述当前车辆的目标感知数据。
9.一种数据处理设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的数据处理方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行如权利要求1至7任一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210517623.0A CN114655207B (zh) | 2022-05-13 | 2022-05-13 | 一种数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210517623.0A CN114655207B (zh) | 2022-05-13 | 2022-05-13 | 一种数据处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114655207A true CN114655207A (zh) | 2022-06-24 |
| CN114655207B CN114655207B (zh) | 2022-10-18 |
Family
ID=82036288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210517623.0A Active CN114655207B (zh) | 2022-05-13 | 2022-05-13 | 一种数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114655207B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115457773A (zh) * | 2022-09-19 | 2022-12-09 | 智道网联科技(北京)有限公司 | 路侧设备数据处理方法、装置及电子设备、存储介质 |
| CN115771460A (zh) * | 2022-11-30 | 2023-03-10 | 江苏泽景汽车电子股份有限公司 | 车辆变道信息的展示方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190202459A1 (en) * | 2016-09-21 | 2019-07-04 | Nissan Motor Co., Ltd. | Method for Controlling Travel and Device for Controlling Travel of Vehicle |
| CN111062318A (zh) * | 2019-12-16 | 2020-04-24 | 桂林电子科技大学 | 一种基于熵权法的传感器共享最优节点选择方法 |
| CN111277956A (zh) * | 2018-12-05 | 2020-06-12 | 汉能移动能源控股集团有限公司 | 车辆盲区信息的采集方法及装置 |
| US20210171034A1 (en) * | 2019-12-09 | 2021-06-10 | Bendix Commercial Vehicle Systems Llc | Using shared traffic information to support adaptive cruise control (acc) between platooning vehicles |
| WO2022033076A1 (zh) * | 2020-08-08 | 2022-02-17 | 上海商汤智能科技有限公司 | 目标检测方法、装置、设备、存储介质及程序产品 |
| CN114103996A (zh) * | 2021-11-25 | 2022-03-01 | 国汽智控(北京)科技有限公司 | 基于共享感知数据的自动驾驶控制方法、装置及设备 |
| CN114359848A (zh) * | 2020-09-30 | 2022-04-15 | 北京万集科技股份有限公司 | 目标检测方法、装置、车端感知设备和存储介质 |
-
2022
- 2022-05-13 CN CN202210517623.0A patent/CN114655207B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190202459A1 (en) * | 2016-09-21 | 2019-07-04 | Nissan Motor Co., Ltd. | Method for Controlling Travel and Device for Controlling Travel of Vehicle |
| CN111277956A (zh) * | 2018-12-05 | 2020-06-12 | 汉能移动能源控股集团有限公司 | 车辆盲区信息的采集方法及装置 |
| US20210171034A1 (en) * | 2019-12-09 | 2021-06-10 | Bendix Commercial Vehicle Systems Llc | Using shared traffic information to support adaptive cruise control (acc) between platooning vehicles |
| CN111062318A (zh) * | 2019-12-16 | 2020-04-24 | 桂林电子科技大学 | 一种基于熵权法的传感器共享最优节点选择方法 |
| WO2022033076A1 (zh) * | 2020-08-08 | 2022-02-17 | 上海商汤智能科技有限公司 | 目标检测方法、装置、设备、存储介质及程序产品 |
| CN114359848A (zh) * | 2020-09-30 | 2022-04-15 | 北京万集科技股份有限公司 | 目标检测方法、装置、车端感知设备和存储介质 |
| CN114103996A (zh) * | 2021-11-25 | 2022-03-01 | 国汽智控(北京)科技有限公司 | 基于共享感知数据的自动驾驶控制方法、装置及设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115457773A (zh) * | 2022-09-19 | 2022-12-09 | 智道网联科技(北京)有限公司 | 路侧设备数据处理方法、装置及电子设备、存储介质 |
| CN115771460A (zh) * | 2022-11-30 | 2023-03-10 | 江苏泽景汽车电子股份有限公司 | 车辆变道信息的展示方法、装置、电子设备及存储介质 |
| CN115771460B (zh) * | 2022-11-30 | 2023-11-17 | 江苏泽景汽车电子股份有限公司 | 车辆变道信息的展示方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114655207B (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114655207B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN113420805B (zh) | 视频和雷达的动态轨迹图像融合方法、装置、设备及介质 | |
| KR102653953B1 (ko) | 위치파악 참조 데이터를 생성하고 사용하는 방법 및 시스템 | |
| JP2019096072A (ja) | 物体検出装置、物体検出方法およびプログラム | |
| US20200391751A1 (en) | Road surface detection apparatus, image display apparatus using road surface detection apparatus, obstacle detection apparatus using road surface detection apparatus, road surface detection method, image display method using road surface detection method, and obstacle detection method using road surface detection method | |
| CN112738171A (zh) | 车辆的控制方法、装置、系统、设备及存储介质 | |
| US10366473B2 (en) | Providing traffic mirror content to a driver | |
| CN112071087B (zh) | 一种基于v2i的限速预警方法、系统、车辆及存储介质 | |
| US11999371B2 (en) | Driving assistance processing method and apparatus, computer-readable medium, and electronic device | |
| CN108573522B (zh) | 一种标志数据的展示方法及终端 | |
| CN112180364B (zh) | 获取车辆周围环境的方法、装置、电子设备及存储介质 | |
| CN108520547B (zh) | 图像处理方法、装置、设备及存储介质 | |
| US20230419442A1 (en) | Image processing method and apparatus, medium, device and driving system | |
| CN110880235A (zh) | 路况信息处理系统中的路侧设备、处理方法及装置 | |
| EP3800443B1 (en) | Database construction method, positioning method and relevant device therefor | |
| EP4105820A1 (en) | Method and device for acquiring 3d information of vehicle | |
| CN112067014B (zh) | 一种ar多路导航系统 | |
| EP3910940A1 (en) | Automatic calibration method for image arrangement of naked 3d display screen, and electronic device | |
| US10753759B2 (en) | Vector map display system and method based on map scale change | |
| CN115877384A (zh) | 车辆行驶道路中障碍物的确定方法、装置和车辆 | |
| EP2574029A1 (en) | Object distribution range setting device and object distribution range setting method | |
| CN114889590A (zh) | 一种车辆碰撞预测方法、装置及设备 | |
| EP4148375A1 (en) | Ranging method and apparatus | |
| CN215003626U (zh) | 一种基于路面实景反馈的车载ar导航系统 | |
| CN108416758B (zh) | 一种火场红外影像实时成图方法 |
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 |