CN114715139A - 自动泊车异常数据采集方法、装置、存储介质及产品 - Google Patents
自动泊车异常数据采集方法、装置、存储介质及产品 Download PDFInfo
- Publication number
- CN114715139A CN114715139A CN202011502773.1A CN202011502773A CN114715139A CN 114715139 A CN114715139 A CN 114715139A CN 202011502773 A CN202011502773 A CN 202011502773A CN 114715139 A CN114715139 A CN 114715139A
- Authority
- CN
- China
- Prior art keywords
- data
- fault code
- fault
- abnormal
- abnormal data
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000003860 storage Methods 0.000 title claims abstract description 52
- 238000013480 data collection Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims description 26
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 5
- 238000013144 data compression Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 40
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007488 abnormal function Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0225—Failure correction strategy
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/009—Priority selection
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
- B60W2050/021—Means for detecting failure or malfunction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2306/00—Other features of vehicle sub-units
- B60Y2306/15—Failure diagnostics
Abstract
本申请公开了自动泊车异常数据采集方法、装置、存储介质及产品,涉及计算机技术中的自动驾驶技术、自动泊车技术。具体实现方案为:响应于监测到目标车辆在自动泊车过程中产生故障码,将所述故障码与预先配置的至少一个待采集故障码进行匹配;响应于确定所述故障码与所述待采集故障码相匹配,确定所述待采集故障码对应的数据采集策略;根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作。从而能够实现对自动泊车功能下各类异常数据的自动化触发采集的效果,且不对用户产生干扰和负担,极大程度提高了数据采集效率。
Description
技术领域
本申请涉及计算机技术中的自动驾驶技术、自动泊车技术,尤其涉及一种自动泊车异常数据采集方法、装置、存储介质及产品。
背景技术
自动泊车是自动驾驶技术落地多家整车厂量产车型的首发功能,是无人驾驶能力真正面向消费者用户的切入点。为了实现对自动泊车功能的分析以及优化,需要获取大量的故障场景数据。
现有的故障数据获取方法,一般都是在自动驾驶车辆生产、测试阶段进行数据的获取,或者,在用户使用过程中检测到故障的时候,由用户自行上报故障信息。
但是,量产后的自动驾驶车辆不具备实验室测试环境条件,用户使用区域和范围遍布各地,工程师难以对车辆故障数据进行全面、系统的定向采集。而用户通过线上渠道远程反馈的信息大多为间接数据,不具备与功能异常相关的一手信息,可用于问题诊断和功能改进的参考性低,更无法用于自动驾驶模型优化。
发明内容
本申请提供了一种用于对自动泊车功能日常使用过程中的异常数据进行采集方法、装置、设备、存储介质及产品。
根据本申请的第一方面,提供了一种用于自动泊车的异常数据采集方法,包括:
响应于监测到目标车辆在自动泊车过程中产生故障码,将所述故障码与预先配置的至少一个待采集故障码进行匹配;
响应于确定所述故障码与所述待采集故障码相匹配,确定所述待采集故障码对应的数据采集策略;
根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作。
根据本申请的第二方面,提供了一种用于自动泊车的异常数据采集装置,包括:
匹配模块,用于响应于监测到目标车辆在自动泊车过程中产生故障码,将所述故障码与预先配置的至少一个待采集故障码进行匹配;
确定模块,用于响应于确定所述故障码与所述待采集故障码相匹配,确定所述待采集故障码对应的数据采集策略;
采集模块,用于根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作。
根据本申请的第三方面,提供了电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的用于自动泊车的异常数据采集方法。
根据本申请的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面所述的用于自动泊车的异常数据采集方法。
根据本申请的第五方面,提供了一种计算机程序产品,所述程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本申请的技术解决了现有的用于自动泊车的异常数据采集方法对自动泊车功能出现异常时的数据采集与反馈方式极其有限,不利于自动泊车功能故障的实时诊断处理,也难以为相应自动泊车功能的更新提供帮助的问题。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本公开基于的系统架构示意图;
图2为本公开实施例一提供的用于自动泊车的异常数据采集方法的流程示意图;
图3为本公开实施例提供的应用场景示意图;
图4为本公开实施例二提供的用于自动泊车的异常数据采集方法的流程示意图;
图5为本公开所基于的又一系统示意图;
图6为本公开实施例三提供的用于自动泊车的异常数据采集方法的流程示意图;
图7为本公开实施例四提供的用于自动泊车的异常数据采集装置的结构示意图;
图8示出了可以用来实施本申请的实施例的示例电子设备800的示意性框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
针对上述提及的现有的用于自动泊车的异常数据采集方法对自动泊车功能出现异常时的数据采集与反馈方式极其有限,不利于自动泊车功能故障的实时诊断处理,也难以为相应自动泊车功能的更新提供帮助的问题,本公开提供了一种自动泊车异常数据采集方法、装置、存储介质及产品。
需要说明的是,本公开提供的自动泊车异常数据采集方法、装置、存储介质及产品可运用在各种自动泊车异常数据采集的场景中。
自动泊车作为无人驾驶领域新兴技术,应用初期可能会出现使用异常的情况。而为了实现对异常的解决以及优化,需要对异常发生场景信息的分析,以定位问题产生的根源并建立系统或操作层面的规避机制。而故障场景信息数据的获取成为问题诊断的前提。自动泊车功能的异常一方面来源于系统本身,代码层面的逻辑在系统长时间运行或面临复杂外部信息的输入时,易引发内存资源超限、CPU资源超限、时间戳异常等报错;另一方面来源于功能运行状态异常,当汽车所处外部条件不满足自动泊车功能ODD(运行设计域)条件、或实际场景与功能设计存在差异等情况下,易产生状态性报错;同时,用户操作不当亦能造成功能异常。
为了实现对自动泊车异常场景下异常数据的采集,现有技术中一方面在生产、测试阶段进行,通过软件在环、硬件在环等测试过程中暴露的异常内容,工程师通过诊断仪器直连车辆收集相应故障信息。另一方面,在用户使用过程中,当用户发现自动泊车功能出现异常时,主动上报该异常信息。但是,量产后的自动驾驶车辆不具备实验室测试环境条件,用户使用区域和范围遍布各地,工程师难以对车辆异常数据进行全面、系统的定向采集。而用户自主上传的数据,往往可用于问题诊断和功能改进的参考性低,更无法用于自动驾驶模型优化。
在解决上述技术问题的过程中,发明人通过研究发现,为了实现对高质量异常数据的获取,可以预先设置全部需要采集的异常事件的采集策略以及故障码。对自动泊车过程中的异常事件进行监测,当检测到自动泊车过程中产生的故障码与预设的需要采集的异常事件的故障码相匹配时,则可以采用预设的故障码对应的采集策略进行异常数据的采集。从而能够实现对自动泊车功能下各类异常数据的自动化触发采集的效果,且不对用户产生干扰和负担,极大程度提高了数据采集效率。
图1为本公开基于的系统架构示意图,如图1所示,本公开基于的系统架构至少包括:具有自动泊车功能的目标车辆1以及服务器2,其中,服务器2中设置有用于自动泊车的异常数据采集装置,该用于自动泊车的异常数据采集装置可以采用C/C++、Java、Shell或Python等语言编写。该目标车辆1以及服务器2可以通信连接,从而二者能够进行信息交互。
本申请涉及计算机技术中的自动驾驶技术、自动泊车技术,以达到对自动泊车功能下各类异常数据的自动化触发采集的效果,既保证了高价值异常数据的有效收集上传,又不对用户产生干扰和负担,极大程度提高了数据采集效率。
图2为本公开实施例一提供的用于自动泊车的异常数据采集方法的流程示意图,如图2所示,该方法包括:
步骤201、响应于监测到目标车辆在自动泊车过程中产生故障码,将所述故障码与预先配置的至少一个待采集故障码进行匹配。
本实施例的执行主体为用于自动泊车的异常数据采集装置,该用于自动泊车的异常数据采集装置可耦合于服务器中,该服务器可以为独立于目标车辆的服务器,也可以为设置在目标车辆内的服务器。
为了实现对自动泊车功能对应的异常数据的采集,首先可以确定需要采集的全部异常数据的类型。具体地,自动泊车功能可能出现的异常类型具体可以分为三类:系统异常类型、运行异常类型以及驾驶员操作异常类型。
1、系统异常类型具体可以包括车端故障监控系统检测到的自动泊车功能下的软硬件故障。硬件异常包括车辆、ECU、传感器的异常状态;软件异常包括:功能各模块、系统运行环境的异常状态。该类异常通常由系统故障引起,各异常均可对应到车辆系统安全故障列表中的异常项故障码。
2、运行异常类型具体可以包括系统正常的情况下,由于外界环境导致功能执行异常。此类异常根据自动泊车功能的不同有所差异,但主要分为三类:训练异常、开启条件异常、执行异常。
2.1、训练异常:主要在用户帮助车辆建立自动泊车能力的阶段,因外部环境超出学习范围、车辆状态不满足学习要求、车辆传感器被遮挡等原因引起。例如车辆所处的外部环境光线较暗、较为拥挤等,则可能无法满足学习要求。
2.2、开启条件异常:通常在启动自动泊车功能时产生,主要由GPS定位偏差、使用与学习条件不一致等原因引起。
2.3、执行异常:一般在车辆自动执行泊车功能时出现,主要因受障碍物干扰、无可泊空车位等外部环境不满足执行要求引起。
3、驾驶员操作异常类型指在系统正常、运行状态正常的情况下,驾驶员主动执行操作引起的自动泊车中断或停止的情况,通常包括用户接管车辆、用户取消泊车和用户违规操作三类。
3.1、用户接管车辆一般包括驾驶员接管方向盘、切换档位、踩下油门踏板、踩下制动踏板等,主要发生于用户认为自动泊车状态不符合预期而采取干预措施,以对自动驾驶行为进行修正或强化。此状态下自动泊车仍可继续进行,但其发生意味着自动驾驶模型出现了不符合人类期望的结果。
3.2用户取消泊车:表现为驾驶员通过车端按键或远程手机软件操作,彻底终止本次自动泊车。主要发生于用户认为自动泊车功能无法满足当前需求,或出于人为因素考虑需要完全改由人工驾驶。此状态下自动泊车功能结束运行,其发生意味着自动驾驶模型出现了不能够满足当时环境泊车需要的问题。
3.3、用户违规操作:通常由驾驶员不当操作引起,如产生自动泊车过程打开车门、主驾半路松开安全带、行驶过程开启油箱盖等影响正常驾驶行为。此状态发生意味着自动驾驶模型受到严重干扰,不符合自动泊车功能条件。
在本实施例中,针对上述每一种异常类型,设置该异常类型对应的故障码。目标车辆在运行过程中,目标车辆中设置的硬件设备以及功能模块可以将实时产生的数据与预设的正确数据进行比对,自动确定当前是否发生故障,当检测到发生故障时,产生与该故障对应的故障码。
相应地,为了实现对高质量异常数据的采集,用于自动泊车的异常数据采集装置可以对目标车辆所产生的故障码进行监测,以确定目标车辆产生的故障码是否与预设的至少一个待采集故障码相匹配。
可选地,用于自动泊车的异常数据采集装置可以实时地对目标车辆产生的故障码进行监测以及比对操作,也可以按照预设的时间间隔对目标车辆产生的故障码进行监测以及比对操作,本公开对此不做限制。
步骤202、响应于确定所述故障码与所述待采集故障码相匹配,确定所述待采集故障码对应的数据采集策略。
在本实施方式中,在异常数据采集的过程中,不同的异常类型所需要的采集的数据有所不同。因此,为了实现对异常数据的精准采集,针对每一待采集故障码,可以设置与该待采集故障码对应的数据采集策略。
相应地,在检测到目标车辆产生的故障码与该任一待采集故障码相匹配时,可以确定该待采集故障码对应的数据采集策略。
步骤203、根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作。
在本实施方式中,当获取到待采集故障码对应的数据采集策略之后,即可以根据该数据采集策略,对该故障码对应的异常数据进行采集操作。
本实施例提供的用于自动泊车的异常数据采集方法,通过对自动泊车过程中的异常事件进行监测,当检测到自动泊车过程中产生的故障码与预设的需要采集的异常事件的故障码相匹配时,可以采用预设的故障码对应的采集策略进行异常数据的采集。从而能够实现对自动泊车功能下各类异常数据的自动化触发采集的效果,且不对用户产生干扰和负担,极大程度提高了数据采集效率。此外,通过预先设置故障码对应的数据采集策略,从而能够实现对故障码对应的有效异常数据的精准采集,提高采集到的异常数据的质量。
进一步地,在实施例一的基础上,该数据采集策略中具体可以包括待采集的异常数据的数据类型、数据格式以及采集时长;
相应地,步骤203具体包括:
采集所述故障码对应的数据中,与所述采集时长相匹配的全部目标数据。
在所述全部目标数据中,获取与所述待采集的异常数据的数据类型、数据格式相匹配的数据作为所述故障码对应的异常数据。
在本实施例中,该数据采集策略中具体包括待采集的异常数据的数据类型、数据格式以及采集时长。因此,在获取到故障码对应的数据采集策略之后,可以根据该数据采集策略,采集故障码对应的数据中,与采集时长相匹配的全部目标数据。在该全部目标数据中,采集与待采集的异常数据的数据类型、数据格式相匹配的数据作为所述故障码对应的异常数据。
需要说明的是,上述两个步骤的执行顺序可以根据实际情况切换,本公开对此不做限制。例如,可以预先根据待采集的异常数据的数据类型、数据格式进行全部目标数据的采集,并在全部目标数据中,采集与采集时长相匹配的数据作为异常数据。
通过根据数据采集策略进行异常数据的采集,从而能够实现对故障码对应的有效异常数据的精准采集,提高采集到的异常数据的质量。
进一步地,在实施例一的基础上,所述采集时长覆盖所述故障码发生前后的预设时长;所述采集所述故障码对应的数据中,与所述采集时长相匹配的全部目标数据,包括:
从所述目标车辆预设的内存循环工具中获取所述故障码发生之前预设时长内的第一目标数据。
获取故障码发生之后预设时长内所述目标车辆实时写入至所述内存循环工具中的第二目标数据。
将所述第一目标数据以及第二目标数据作为所述全部目标数据。
在本实施例中,目标车辆内设置有内存循环工具,在自动泊车功能运行过程中,目标车辆内的数据源可以将实时产生的数据写入至该内存循环工具中进行存储。内存循环工具可以对该数据源产生的数据存储预设的一段时长,当超过该预设的时长仍旧没有产生相应的故障码,此时为了节约内存,可以删除上述数据。
具体地,该采集时长覆盖故障码发生前后的预设时长。因此,可以从目标车辆预设的内存循环工具中获取故障码发生之前预设时长内的第一目标数据。获取故障码发生之后预设时长内目标车辆实时写入至内存循环工具中的第二目标数据。将第一目标数据以及第二目标数据作为全部目标数据。
图3为本公开实施例提供的应用场景示意图,如图3所示,该应用场景中至少包括目标车辆31、数据源32,内存循环工具33以及用于自动泊车的异常数据采集装置34。在该应用场景中,目标车辆31中设置的数据源32可以实时将产生的数据发送至内存循环工具33中进行存储。该内存循环工具33可以获取数据源32实时发送的数据进行存储,并且对存储超过预设时长的数据进行清理。其中,该数据源32中包括但不限于系统信息35、传感器数据36、CAN信息37以及功能模块数据38。
用于自动泊车的异常数据采集装置34可以对目标车辆31在进行自动泊车过程中产生的故障码进行监测操作。当检测到该故障码与预设的待采集故障码相匹配,则确定所述待采集故障码对应的数据采集策略。根据数据采集策略,从内存循环工具33中获取对故障码对应的异常数据进行数据采集操作。
通过获取覆盖故障码发生前后的预设时长的异常数据,从而能够保证采集到的异常数据能够完整记录异常触发全过程,一方面供详细逐帧回放,以诊断异常成因;另一方面可将算法优化后的自动泊车模型再次置于同样场景,判断新版模型能力是否能够正确处理旧版模型无法处理的问题场景。
图4为本公开实施例二提供的用于自动泊车的异常数据采集方法的流程示意图,在实施例一的基础上,步骤202之前,还包括:
步骤401、按照预设的时间间隔,检测所述待采集故障码对应的数据采集策略是否与云端服务器中存储的标准数据采集策略一致。
步骤402、若检测到所述待采集故障码对应的数据采集策略与所述标准数据采集策略不一致,则从云端服务器中下载所述标准数据采集策略,将所述标准数据采集策略作为所述待采集故障码对应的数据采集策略。
在本实施例中,数据采集策略能够按需定义,可根据研发人员阶段性功能调试和技术优化需要,灵活配置指定的数据指标、帧率和时长,采集的一手数据量大、种类多、针对性强,提升了单位时段数据采集的边际收益。在研发人员完成对数据采集策略的更新后,可以将更新后的数据采集策略上传至云端服务器进行存储。
相应地,用于自动泊车的异常数据采集装置可以按照预设的时间间隔,检测当前使用的待采集故障码对应的数据采集策略是否与云端服务器中存储的标准数据采集策略一致。若一致,则表征当前使用的数据采集策略为最新的数据采集策略。反之,则需要对当前使用的数据采集策略进行更新操作。具体地,若检测到待采集故障码对应的数据采集策略与标准数据采集策略不一致,则从云端服务器中下载标准数据采集策略,将标准数据采集策略作为待采集故障码对应的数据采集策略。
具体地,可以采用OTA的方式,从云端服务器下载该标准数据采集策略。也可采用其他任意一种方式实现对标准数据采集策略的下载,本公开对此不做限制。
图5为本公开所基于的又一系统示意图,如图5所示,本公开所基于的系统架构具体可以包括服务器51以及云端服务器52,其中,用于自动泊车的异常数据采集装置可耦合于服务器51中。服务器51与云端服务器52可以通信连接。
本实施例提供的用于自动泊车的异常数据采集方法,通过在检测到待采集故障码对应的数据采集策略与标准数据采集策略不一致时,根据云端服务器中存储的标准数据采集策略对当前使用的数据采集策略进行更新,从而能够使得根据该数据采集策略采集的异常数据一手数据量大、种类多、针对性强,为后续的自动泊车功能优化提供了基础。
进一步地,在上述任一实施例的基础上,所述数据采集策略中还包括各数据类型对应的优先级信息;步骤203之后,还包括:
根据所述各数据类型对应的优先级信息,对所述异常数据进行存储操作。
在本实施例中,针对故障码对应的异常数据中不同数据类型的数据,可以具有不同的优先级。因此,可以根据该优先级,对不同数据类型的异常数据采取不同的存储方式。
通过根据该优先级,对不同数据类型的异常数据采取不同的存储方式,从而能够实现对异常数据的多样化处理。
进一步地,在上述任一实施例的基础上,所述根据所述各数据类型对应的优先级信息,对所述异常数据进行存储操作,包括:
若所述异常数据的数据类型优先级高于预设的优先级阈值,则将所述异常数据上传至云端服务器中进行存储。
若所述异常数据的数据类型优先级低于预设的优先级阈值,则对所述异常数据进行数据压缩操作,将压缩后的异常数据添加至缓存队列中进行存储。
在本实施例中,如果异常数据的数据类型优先级高于预设的优先级阈值,则表征该异常数据较为重要,需要尽快上传至云端服务器中,用于后续的功能优化、问题分析等用途。
反之,如果异常数据的数据类型优先级低于预设的优先级阈值,则表征该异常数据重要度不高,可以对该异常数据进行压缩操作,将压缩后的异常数据添加至缓存队列中进行存储。其中,具体可以采用H265编码器实现对异常数据的压缩操作。
通过根据该优先级,将优先级较高的数据优先传输至云端服务器进行存储,将优先级较低的数据添加至缓存队列中进行存储,从而能够使得尽快地对重要数据的采集,为后续的功能优化、问题分析提供了基础。
进一步地,在上述任一实施例的基础上,所述将所述异常数据上传至云端服务器中进行存储,包括:
通过断点续传的方式,将所述异常数据上传至云端服务器中进行存储。
在本实施例中,具体可以通过断点续传的方式将异常数据上传至云端服务器中进行存储。在网络条件不佳时将数据做分包处理,避免数据传输过程中的丢失。彻底断网条件下,将数据缓存至eMMC中做掉电保护。
本实施例提供的用于自动泊车的异常数据采集方法,通过断点续传的方式将异常数据上传至云端服务器中进行存储,能够提高异常数据的传输效率。
图6为本公开实施例三提供的用于自动泊车的异常数据采集方法的流程示意图,在上述任一实施例的基础上,步骤202之后,还包括:
步骤601、响应于检测到同时产生多个与待采集故障码相匹配的故障码时,分别获取与多个故障码相匹配的待采集故障码对应的数据采集策略。
步骤602、根据所述与多个故障码相匹配的待采集故障码对应的数据采集策略,对多个故障码对应的异常数据进行数据采集操作,获得多个故障码对应的异常数据。
步骤603、将所述多个故障码对应的异常数据进行融合操作,获得融合异常数据。
步骤604、根据所述多个故障码,对所述融合异常数据的标识进行修改,以使修改后的融合异常数据的标识能够表征所述多个故障码。
在本实施例中,当多个故障码同时发生时,为减少上传的数据量,可以对故障码对应的异常数据进行融合处理。具体地,当检测到同时产生多个与待采集故障码相匹配的故障码时,分别获取与多个故障码相匹配的待采集故障码对应的数据采集策略。分别根据该与多个故障码相匹配的待采集故障码对应的数据采集策略进行异常数据的采集操作,获得多个故障码对应的异常数据。
对该多个故障码对应的异常数据进行融合操作,获得融合异常数据。为了使得后续使用过程中,清楚地获知该融合异常数据具体为哪些故障码所对应的异常数据,在对多个故障码对应的异常数据进行融合操作之后,还可以对该融合异常数据对应的标识进行修改,使得修改后的融合异常数据的标识能够表征所述多个故障码。
其中,该融合操作具体可以为多个故障码对应的异常数据的叠加。
本实施例提供的用于自动泊车的异常数据采集方法,通过当多个故障码同时发生时,为减少上传的数据量,可以对故障码对应的异常数据进行融合处理,对该融合异常数据对应的标识进行修改,从而能够减少上传的数据量,提高数据传输效率。
图7为本公开实施例四提供的用于自动泊车的异常数据采集装置的结构示意图,如图7所示,该用于自动泊车的异常数据采集装置70包括匹配模块71、确定模块72以及采集模块73。其中,匹配模块71,用于响应于监测到目标车辆在自动泊车过程中产生故障码,将所述故障码与预先配置的至少一个待采集故障码进行匹配。确定模块72,用于响应于确定所述故障码与所述待采集故障码相匹配,确定所述待采集故障码对应的数据采集策略。采集模块73,用于根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作。
本实施例提供的用于自动泊车的异常数据采集装置,通过对自动泊车过程中的异常事件进行监测,当检测到自动泊车过程中产生的故障码与预设的需要采集的异常事件的故障码相匹配时,可以采用预设的故障码对应的采集策略进行异常数据的采集。从而能够实现对自动泊车功能下各类异常数据的自动化触发采集的效果,且不对用户产生干扰和负担,极大程度提高了数据采集效率。此外,通过预先设置故障码对应的数据采集策略,从而能够实现对故障码对应的有效异常数据的精准采集,提高采集到的异常数据的质量。
进一步地,在实施例四的基础上,所述数据采集策略包括待采集的异常数据的数据类型、数据格式以及采集时长;所述采集模块用于:采集所述故障码对应的数据中,与所述采集时长相匹配的全部目标数据。在所述全部目标数据中,获取与所述待采集的异常数据的数据类型、数据格式相匹配的数据作为所述故障码对应的异常数据。
进一步地,在实施例四的基础上,所述采集时长覆盖所述故障码发生前后的预设时长;所述采集模块用于:从所述目标车辆预设的内存循环工具中获取所述故障码发生之前预设时长内的第一目标数据。获取故障码发生之后预设时长内所述目标车辆实时写入至所述内存循环工具中的第二目标数据。将所述第一目标数据以及第二目标数据作为所述全部目标数据。
进一步地,在实施例四的基础上,所述装置还包括:检测模块以及下载模块。其中,检测模块,用于按照预设的时间间隔,检测所述待采集故障码对应的数据采集策略是否与云端服务器中存储的标准数据采集策略一致。下载模块,用于若检测到所述待采集故障码对应的数据采集策略与所述标准数据采集策略不一致,则从云端服务器中下载所述标准数据采集策略,将所述标准数据采集策略作为所述待采集故障码对应的数据采集策略。
进一步地,在上述任一实施例的基础上,所述数据采集策略中还包括各数据类型对应的优先级信息;所述装置还包括:存储模块,用于根据所述各数据类型对应的优先级信息,对所述异常数据进行存储操作。
进一步地,在上述任一实施例的基础上,所述存储模块用于:若所述异常数据的数据类型优先级高于预设的优先级阈值,则将所述异常数据上传至云端服务器中进行存储。若所述异常数据的数据类型优先级低于预设的优先级阈值,则对所述异常数据进行数据压缩操作,将压缩后的异常数据添加至缓存队列中进行存储。
进一步地,在上述任一实施例的基础上,所述存储模块用于:通过断点续传的方式,将所述异常数据上传至云端服务器中进行存储。
进一步地,在上述任一实施例的基础上,所述装置还包括:获取模块、数据采集模块、融合模块以及编辑模块。其中,获取模块,用于响应于检测到同时产生多个与待采集故障码相匹配的故障码时,分别获取与多个故障码相匹配的待采集故障码对应的数据采集策略。数据采集模块,用于根据所述与多个故障码相匹配的待采集故障码对应的数据采集策略,对多个故障码对应的异常数据进行数据采集操作,获得多个故障码对应的异常数据。融合模块,用于将所述多个故障码对应的异常数据进行融合操作,获得融合异常数据。编辑模块,用于根据所述多个故障码,对所述融合异常数据的标识进行修改,以使修改后的融合异常数据的标识能够表征所述多个故障码。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
根据本申请的实施例,本申请还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图8示出了可以用来实施本申请的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如用于自动泊车的异常数据采集方法。例如,在一些实施例中,用于自动泊车的异常数据采集方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的用于自动泊车的异常数据采集方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于自动泊车的异常数据采集方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种用于自动泊车的异常数据采集方法,包括:
响应于监测到目标车辆在自动泊车过程中产生故障码,将所述故障码与预先配置的至少一个待采集故障码进行匹配;
响应于确定所述故障码与所述待采集故障码相匹配,确定所述待采集故障码对应的数据采集策略;
根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作。
2.根据权利要求1所述的方法,所述数据采集策略包括待采集的异常数据的数据类型、数据格式以及采集时长;
所述根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作,包括:
采集所述故障码对应的数据中,与所述采集时长相匹配的全部目标数据;
在所述全部目标数据中,获取与所述待采集的异常数据的数据类型、数据格式相匹配的数据作为所述故障码对应的异常数据。
3.根据权利要求2所述的方法,所述采集时长覆盖所述故障码发生前后的预设时长;
所述采集所述故障码对应的数据中,与所述采集时长相匹配的全部目标数据,包括:
从所述目标车辆预设的内存循环工具中获取所述故障码发生之前预设时长内的第一目标数据;
获取故障码发生之后预设时长内所述目标车辆实时写入至所述内存循环工具中的第二目标数据;
将所述第一目标数据以及第二目标数据作为所述全部目标数据。
4.根据权利要求1-3任一项所述的方法,所述若确定所述故障码与所述待采集故障码相匹配,则确定所述待采集故障码对应的数据采集策略之前,还包括:
按照预设的时间间隔,检测所述待采集故障码对应的数据采集策略是否与云端服务器中存储的标准数据采集策略一致;
若检测到所述待采集故障码对应的数据采集策略与所述标准数据采集策略不一致,则从云端服务器中下载所述标准数据采集策略,将所述标准数据采集策略作为所述待采集故障码对应的数据采集策略。
5.根据权利要求1-3任一项所述的方法,所述数据采集策略中还包括各数据类型对应的优先级信息;所述根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作之后,还包括:
根据所述各数据类型对应的优先级信息,对所述异常数据进行存储操作。
6.根据权利要求5所述的方法,所述根据所述各数据类型对应的优先级信息,对所述异常数据进行存储操作,包括:
若所述异常数据的数据类型优先级高于预设的优先级阈值,则将所述异常数据上传至云端服务器中进行存储;
若所述异常数据的数据类型优先级低于预设的优先级阈值,则对所述异常数据进行数据压缩操作,将压缩后的异常数据添加至缓存队列中进行存储。
7.根据权利要求6所述的方法,所述将所述异常数据上传至云端服务器中进行存储,包括:
通过断点续传的方式,将所述异常数据上传至云端服务器中进行存储。
8.根据权利要求1-3任一项所述的方法,所述若确定所述故障码与所述待采集故障码相匹配,则确定所述待采集故障码对应的数据采集策略之后,还包括:
响应于检测到同时产生多个与待采集故障码相匹配的故障码时,分别获取与多个故障码相匹配的待采集故障码对应的数据采集策略;
根据所述与多个故障码相匹配的待采集故障码对应的数据采集策略,对多个故障码对应的异常数据进行数据采集操作,获得多个故障码对应的异常数据;
将所述多个故障码对应的异常数据进行融合操作,获得融合异常数据;
根据所述多个故障码,对所述融合异常数据的标识进行修改,以使修改后的融合异常数据的标识能够表征所述多个故障码。
9.一种用于自动泊车的异常数据采集装置,包括:
匹配模块,用于响应于监测到目标车辆在自动泊车过程中产生故障码,将所述故障码与预先配置的至少一个待采集故障码进行匹配;
确定模块,用于响应于确定所述故障码与所述待采集故障码相匹配,确定所述待采集故障码对应的数据采集策略;
采集模块,用于根据所述数据采集策略,对所述故障码对应的异常数据进行数据采集操作。
10.根据权利要求9所述的装置,所述数据采集策略包括待采集的异常数据的数据类型、数据格式以及采集时长;
所述采集模块用于:
采集所述故障码对应的数据中,与所述采集时长相匹配的全部目标数据;
在所述全部目标数据中,获取与所述待采集的异常数据的数据类型、数据格式相匹配的数据作为所述故障码对应的异常数据。
11.根据权利要求10所述的装置,所述采集时长覆盖所述故障码发生前后的预设时长;
所述采集模块用于:
从所述目标车辆预设的内存循环工具中获取所述故障码发生之前预设时长内的第一目标数据;
获取故障码发生之后预设时长内所述目标车辆实时写入至所述内存循环工具中的第二目标数据;
将所述第一目标数据以及第二目标数据作为所述全部目标数据。
12.根据权利要求9-11任一项所述的装置,所述装置还包括:
检测模块,用于按照预设的时间间隔,检测所述待采集故障码对应的数据采集策略是否与云端服务器中存储的标准数据采集策略一致;
下载模块,用于若检测到所述待采集故障码对应的数据采集策略与所述标准数据采集策略不一致,则从云端服务器中下载所述标准数据采集策略,将所述标准数据采集策略作为所述待采集故障码对应的数据采集策略。
13.根据权利要求9-11任一项所述的装置,所述数据采集策略中还包括各数据类型对应的优先级信息;所述装置还包括:
存储模块,用于根据所述各数据类型对应的优先级信息,对所述异常数据进行存储操作。
14.根据权利要求13所述的装置,所述存储模块用于:
若所述异常数据的数据类型优先级高于预设的优先级阈值,则将所述异常数据上传至云端服务器中进行存储;
若所述异常数据的数据类型优先级低于预设的优先级阈值,则对所述异常数据进行数据压缩操作,将压缩后的异常数据添加至缓存队列中进行存储。
15.根据权利要求14所述的装置,所述存储模块用于:
通过断点续传的方式,将所述异常数据上传至云端服务器中进行存储。
16.根据权利要求9-11任一项所述的装置,所述装置还包括:
获取模块,用于响应于检测到同时产生多个与待采集故障码相匹配的故障码时,分别获取与多个故障码相匹配的待采集故障码对应的数据采集策略;
数据采集模块,用于根据所述与多个故障码相匹配的待采集故障码对应的数据采集策略,对多个故障码对应的异常数据进行数据采集操作,获得多个故障码对应的异常数据;
融合模块,用于将所述多个故障码对应的异常数据进行融合操作,获得融合异常数据;
编辑模块,用于根据所述多个故障码,对所述融合异常数据的标识进行修改,以使修改后的融合异常数据的标识能够表征所述多个故障码。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的用于自动泊车的异常数据采集方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的用于自动泊车的异常数据采集方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的用于自动泊车的异常数据采集方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502773.1A CN114715139B (zh) | 2020-12-18 | 2020-12-18 | 自动泊车异常数据采集方法、装置、存储介质及产品 |
EP21176206.7A EP3866122B1 (en) | 2020-12-18 | 2021-05-27 | Abnormal data collecting method, apparatus, storage medium and product for automatic parking |
US17/337,749 US11447145B2 (en) | 2020-12-18 | 2021-06-03 | Abnormal data collecting method, apparatus, storage medium and product for automatic parking |
KR1020210123850A KR102488923B1 (ko) | 2020-12-18 | 2021-09-16 | 자동 주차 이상 데이터 수집 방법, 장치, 저장매체 및 컴퓨터 프로그램 |
JP2021178781A JP7323591B2 (ja) | 2020-12-18 | 2021-11-01 | 自動駐車に用いる異常データ収集方法、装置、記憶媒体及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502773.1A CN114715139B (zh) | 2020-12-18 | 2020-12-18 | 自动泊车异常数据采集方法、装置、存储介质及产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114715139A true CN114715139A (zh) | 2022-07-08 |
CN114715139B CN114715139B (zh) | 2024-04-16 |
Family
ID=76217642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011502773.1A Active CN114715139B (zh) | 2020-12-18 | 2020-12-18 | 自动泊车异常数据采集方法、装置、存储介质及产品 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11447145B2 (zh) |
EP (1) | EP3866122B1 (zh) |
JP (1) | JP7323591B2 (zh) |
KR (1) | KR102488923B1 (zh) |
CN (1) | CN114715139B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022973A (zh) * | 2021-11-02 | 2022-02-08 | 阿波罗智联(北京)科技有限公司 | 一种车辆故障的处理方法、装置、设备以及存储介质 |
CN114034493A (zh) * | 2021-11-04 | 2022-02-11 | 杭州海康汽车软件有限公司 | 自动泊车调试方法、装置和系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225422B (zh) * | 2022-06-30 | 2023-10-03 | 际络科技(上海)有限公司 | 车辆can总线数据采集方法及装置 |
CN115695150B (zh) * | 2022-11-01 | 2023-08-08 | 广州城轨科技有限公司 | 一种基于分布式异构融合组网设备检测方法及装置 |
CN116149226B (zh) * | 2023-02-22 | 2023-11-10 | 山东中安电力科技有限公司 | 一种基于数据分析的开关柜远程控制系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005219717A (ja) * | 2004-02-09 | 2005-08-18 | Hitachi Ltd | 車両・車載機器の異常診断装置 |
WO2009075128A1 (ja) * | 2007-12-11 | 2009-06-18 | Nec Corporation | 統合異常検知システム、統合異常検知装置、統合異常検知方法およびプログラム |
JP2009198393A (ja) * | 2008-02-22 | 2009-09-03 | Toyota Motor Corp | 車両診断装置、車両診断システム、診断方法 |
JP2016119547A (ja) * | 2014-12-19 | 2016-06-30 | トヨタ自動車株式会社 | 車両データのリモート収集システム |
US20160210795A1 (en) * | 2015-01-20 | 2016-07-21 | Hyundai Motor Company | Method and apparatus for collecting vehicle data |
CN108153618A (zh) * | 2017-12-22 | 2018-06-12 | 国网浙江杭州市萧山区供电有限公司 | 硬盘数据恢复方法、装置及硬盘数据恢复设备 |
CN108509995A (zh) * | 2018-04-03 | 2018-09-07 | 电子科技大学 | 基于中文文本分析和obd数据处理的汽车故障诊断方法 |
CN109189352A (zh) * | 2018-09-11 | 2019-01-11 | 宜春小马快印科技有限公司 | 打印机故障监测方法、装置、系统及可读存储介质 |
CN109639648A (zh) * | 2018-11-19 | 2019-04-16 | 中国科学院信息工程研究所 | 一种基于采集数据异常的采集策略生成方法及系统 |
CN109672579A (zh) * | 2017-10-16 | 2019-04-23 | 蔚来汽车有限公司 | 终端设备监测数据采集策略优化方法及装置 |
CN109885036A (zh) * | 2019-03-26 | 2019-06-14 | 重庆长安新能源汽车科技有限公司 | 一种车辆及其关重信号显示及故障诊断的装置和方法 |
JP2019219719A (ja) * | 2018-06-15 | 2019-12-26 | 株式会社デンソーテン | 異常検出装置および異常検出方法 |
CN111459816A (zh) * | 2020-03-31 | 2020-07-28 | 北京百度网讯科技有限公司 | 故障注入测试方法、装置、系统及存储介质 |
US20200317188A1 (en) * | 2019-04-03 | 2020-10-08 | Denso International America, Inc. | Systems and methods for monitoring a vehicle during auto-parking |
CN112036449A (zh) * | 2020-08-11 | 2020-12-04 | 广州番禺电缆集团有限公司 | 基于智能电缆的故障分析决策平台及故障分析方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101304050B1 (ko) * | 2011-10-25 | 2013-09-04 | 주식회사 현대케피코 | 차량 고장 코드 연관 가변 정보 저장 시스템 및 방법 |
US9858733B2 (en) * | 2014-06-03 | 2018-01-02 | Honda Motor Co., Ltd. | Vehicle diagnostic data collecting apparatus, vehicle diagnostic data collecting method, vehicle diagnostic machine, and vehicle diagnosing method |
EP3307596B1 (en) * | 2015-06-15 | 2019-08-21 | Volvo Bus Corporation | Adapting a vehicle control strategy based on historical data related to a geographical zone |
US11605252B2 (en) * | 2016-10-12 | 2023-03-14 | Harman International Industries, Incorporated | Systems and methods for in-vehicle predictive failure detection |
WO2019043446A1 (en) | 2017-09-04 | 2019-03-07 | Nng Software Developing And Commercial Llc | METHOD AND APPARATUS FOR COLLECTING AND USING SENSOR DATA FROM A VEHICLE |
KR102163895B1 (ko) * | 2018-07-16 | 2020-10-12 | 엘지전자 주식회사 | 차량 제어 장치 및 그것을 포함하는 차량 |
CN110232752A (zh) | 2018-09-05 | 2019-09-13 | 蔚来汽车有限公司 | 数据存储装置和方法、黑匣子、车辆、控制器及介质 |
KR20190096863A (ko) * | 2019-07-30 | 2019-08-20 | 엘지전자 주식회사 | 차량용 네트워크 보안 방법, 이를 위한 방화벽 및 이를 기록한 컴퓨터 판독 가능한 기록매체 |
KR102220950B1 (ko) * | 2019-07-31 | 2021-02-26 | 엘지전자 주식회사 | 자율 주행 시스템에서 차량을 제어하기 위한 방법 및 장치 |
CN111845721A (zh) * | 2020-07-23 | 2020-10-30 | 深圳市航天无线通信技术有限公司 | 一种半自动泊车方法、装置、设备及存储介质 |
CN112037564A (zh) * | 2020-08-28 | 2020-12-04 | 重庆长安汽车股份有限公司 | 自动泊车故障诊断和监控系统、方法、车辆及存储介质 |
-
2020
- 2020-12-18 CN CN202011502773.1A patent/CN114715139B/zh active Active
-
2021
- 2021-05-27 EP EP21176206.7A patent/EP3866122B1/en active Active
- 2021-06-03 US US17/337,749 patent/US11447145B2/en active Active
- 2021-09-16 KR KR1020210123850A patent/KR102488923B1/ko active IP Right Grant
- 2021-11-01 JP JP2021178781A patent/JP7323591B2/ja active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005219717A (ja) * | 2004-02-09 | 2005-08-18 | Hitachi Ltd | 車両・車載機器の異常診断装置 |
WO2009075128A1 (ja) * | 2007-12-11 | 2009-06-18 | Nec Corporation | 統合異常検知システム、統合異常検知装置、統合異常検知方法およびプログラム |
JP2009198393A (ja) * | 2008-02-22 | 2009-09-03 | Toyota Motor Corp | 車両診断装置、車両診断システム、診断方法 |
JP2016119547A (ja) * | 2014-12-19 | 2016-06-30 | トヨタ自動車株式会社 | 車両データのリモート収集システム |
CN107111903A (zh) * | 2014-12-19 | 2017-08-29 | 丰田自动车株式会社 | 远程车辆数据收集系统 |
US20170352261A1 (en) * | 2014-12-19 | 2017-12-07 | Toyota Jidosha Kabushiki Kaisha | Remote vehicle data collection system |
US20160210795A1 (en) * | 2015-01-20 | 2016-07-21 | Hyundai Motor Company | Method and apparatus for collecting vehicle data |
CN109672579A (zh) * | 2017-10-16 | 2019-04-23 | 蔚来汽车有限公司 | 终端设备监测数据采集策略优化方法及装置 |
CN108153618A (zh) * | 2017-12-22 | 2018-06-12 | 国网浙江杭州市萧山区供电有限公司 | 硬盘数据恢复方法、装置及硬盘数据恢复设备 |
CN108509995A (zh) * | 2018-04-03 | 2018-09-07 | 电子科技大学 | 基于中文文本分析和obd数据处理的汽车故障诊断方法 |
JP2019219719A (ja) * | 2018-06-15 | 2019-12-26 | 株式会社デンソーテン | 異常検出装置および異常検出方法 |
CN109189352A (zh) * | 2018-09-11 | 2019-01-11 | 宜春小马快印科技有限公司 | 打印机故障监测方法、装置、系统及可读存储介质 |
CN109639648A (zh) * | 2018-11-19 | 2019-04-16 | 中国科学院信息工程研究所 | 一种基于采集数据异常的采集策略生成方法及系统 |
CN109885036A (zh) * | 2019-03-26 | 2019-06-14 | 重庆长安新能源汽车科技有限公司 | 一种车辆及其关重信号显示及故障诊断的装置和方法 |
US20200317188A1 (en) * | 2019-04-03 | 2020-10-08 | Denso International America, Inc. | Systems and methods for monitoring a vehicle during auto-parking |
CN111459816A (zh) * | 2020-03-31 | 2020-07-28 | 北京百度网讯科技有限公司 | 故障注入测试方法、装置、系统及存储介质 |
CN112036449A (zh) * | 2020-08-11 | 2020-12-04 | 广州番禺电缆集团有限公司 | 基于智能电缆的故障分析决策平台及故障分析方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022973A (zh) * | 2021-11-02 | 2022-02-08 | 阿波罗智联(北京)科技有限公司 | 一种车辆故障的处理方法、装置、设备以及存储介质 |
CN114022973B (zh) * | 2021-11-02 | 2024-03-01 | 阿波罗智联(北京)科技有限公司 | 一种车辆故障的处理方法、装置、设备以及存储介质 |
CN114034493A (zh) * | 2021-11-04 | 2022-02-11 | 杭州海康汽车软件有限公司 | 自动泊车调试方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
KR20210122215A (ko) | 2021-10-08 |
EP3866122A2 (en) | 2021-08-18 |
KR102488923B1 (ko) | 2023-01-17 |
US20210284181A1 (en) | 2021-09-16 |
CN114715139B (zh) | 2024-04-16 |
JP2022023956A (ja) | 2022-02-08 |
EP3866122A3 (en) | 2021-11-24 |
JP7323591B2 (ja) | 2023-08-08 |
US11447145B2 (en) | 2022-09-20 |
EP3866122B1 (en) | 2023-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114715139A (zh) | 自动泊车异常数据采集方法、装置、存储介质及产品 | |
DE102018113625A1 (de) | Fehlerinjektionstestvorrichtung und -verfahren | |
CN112436968A (zh) | 一种网络流量的监测方法、装置、设备及存储介质 | |
JP2008009842A (ja) | コンピュータシステムの制御方法及びコンピュータシステム | |
CN113495547A (zh) | 一种实时安全的无人驾驶故障诊断与保护方法及系统 | |
CN108845912B (zh) | 服务接口调用故障的报警方法及计算设备 | |
CN110017994B (zh) | 自动驾驶车辆的异常检测方法、装置、系统、设备及介质 | |
CN115437338A (zh) | 远程诊断方法及装置、电子设备和存储介质 | |
WO2023125851A1 (zh) | 远程诊断方法及装置、电子设备和存储介质 | |
CN103544095A (zh) | 服务器程序的监控方法及其系统 | |
CN112631887A (zh) | 异常检测方法、装置、电子设备和计算机可读存储介质 | |
CN115469629A (zh) | 远程诊断方法、装置、系统、电子设备和存储介质 | |
CN113282000A (zh) | 数据中心的故障诊断方法、装置及动环监控系统 | |
CN112712609A (zh) | 数据采集方法、装置、设备及计算机可读存储介质 | |
CN105654134A (zh) | 一种基于有监督自反馈的情景感知系统及其工作方法与应用 | |
CN116414608A (zh) | 异常检测方法、装置、设备及存储介质 | |
CN113064890A (zh) | 一种运营商数据的质量评估方法、装置、服务器及介质 | |
CN112905429A (zh) | 一种系统仿真的监控方法及装置 | |
CN111367765A (zh) | 接口响应性能的监控方法、装置、服务器和存储介质 | |
CN117194049B (zh) | 一种基于机器学习算法的云主机智能行为分析方法及系统 | |
CN110413431B (zh) | 一种针对于大数据平台故障的智能识别预警方法 | |
CN117591370A (zh) | 系统监控方法和装置 | |
CN113177077A (zh) | 用于自动驾驶的异常事件确定方法、装置及电子设备 | |
CN117707112A (zh) | 一种故障诊断方法、系统、设备及存储介质 | |
CN106813709A (zh) | 智能监测分析诊断系统 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40069672 Country of ref document: HK |
|
GR01 | Patent grant |