CN115775062A - 基于物联网的汽车摄像头与雷达数据采集系统及方法 - Google Patents

Abstract

本发明涉及车辆数据采集处理技术领域，具体为基于物联网的汽车摄像头与雷达数据采集系统及方法，包括每当用户处于驾驶练习状态时，对用户进行辅助倒车事例的捕捉；对每一倒车辅助事例进行事例特征信息的梳理和提取；对每一倒车辅助事例基于对应的事例特征信息进行倒车事例难度值计算；根据每一倒车辅助事例对应的事例特征信息，仿真出对应所述每一倒车辅助事例下的标准倒车运行操作；将标准倒车运行操作对应的完成时长与用户在所述每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对所述每一倒车辅助事例对应的倒车事例难度值进行适应性调整；对每个用户生成对应的倒车练习驾驶数据，向管理端口进行数据反馈。

Description

基于物联网的汽车摄像头与雷达数据采集系统及方法

技术领域

本发明涉及车辆数据采集处理技术领域，具体为基于物联网的汽车摄像头与雷达数据采集系统及方法。

背景技术

对于新手司机而言，由于驾校的传授模式，传授的倒车技巧往往都是从应试的角度出发的，且比较死板，往往需要借助于一些特征信息进行辅助倒车；所以新手司机在实际驾车上路面临的最大障碍，就是如何基于万变的驾驶环境，对驾驶操作做出适应性调整，实现灵活的倒车；所以需要不断的练习，并培养驾驶感觉，实现能基于不同的驾驶环境做出适应性操作调整。

发明内容

本发明的目的在于提供基于物联网的汽车摄像头与雷达数据采集系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：基于物联网的汽车摄像头与雷达数据采集方法，方法包括：

步骤S100：在单位采集周期内，每当用户处于驾驶练习状态时，对用户进行辅助倒车事例的捕捉；其中，一个辅助倒车事例对应用户在所驾驶车辆中的车载摄像头与车载雷达的协助下完成的一次倒车操作；

步骤S200：在每一辅助倒车事例中，以所驾驶车辆中的车载摄像头和车载雷达被初次激活进入辅助倒车驾驶状态的时刻为第一时刻t₁；以所驾驶车辆完全进入某个车位且保持无驾驶操作满时长阈值后的时刻为第二时刻t₂；所述某个车位为所述每一辅助倒车事例对应的目标车位；对每一倒车辅助事例进行事例特征信息的梳理和提取；

步骤S300；对每一倒车辅助事例基于对应的事例特征信息进行倒车事例难度值计算；

步骤S400：根据每一倒车辅助事例对应的事例特征信息，仿真出对应每一倒车辅助事例下的标准倒车运行操作；将标准倒车运行操作对应的完成时长与用户在每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对每一倒车辅助事例对应的倒车事例难度值进行适应性调整，并将数据存储进行数据库；

步骤S500：对每个用户生成对应的倒车练习驾驶数据，向管理端口进行数据反馈。

进一步的，步骤S200包括：

步骤S201：对每一辅助倒车事例，捕捉在时间区间[t_1,t₂]内，于用户所驾驶车辆的车载摄像头和车载雷达在后台产生的倒车辅助影像中出现的与所述目标车位之间距离小于距离阈值的所有静态障碍物，得到在所述目标车位周围的所有静态障碍物分布；以所述目标车位的中心为原点，R为半径，得到目标区域面积S₁，计算障碍物分布占比W=S₂/S₁；其中，S₂表示所述所有静态障碍物的总面积；记障碍物分布占比W为所述每一辅助倒车事例的第一事例特征信息；

这部分事例特征信息反应的是位于目标车位周围，会实际影响用户车辆驾驶操作动作，而并不是只会影响驾驶动作的具体操作时间的客观环境，可以理解为目标车位周围的障碍物分布；例如说，若是在一定的时间内，在距离阈值内出现人流，那么影响的往往是用户开始采取的某一具体驾驶操作动作的时间，而不是影响开始采取的某一具体驾驶操作动作的形式；

步骤S202：在所述第一时刻t₁对所驾驶车辆捕捉纵向车身车线的中点位置，记为第一中点位置；在所述第二时刻t₂对所驾驶车辆捕捉纵向车身车线的中点位置，记为第二中点位置；计算所述第一中点位置与所述第二中点位置的最短距离L，记所述最短距离L为所述每一辅助倒车事例的第二事例特征信息；

步骤S203：分别以第一中点位置、第二中点位置为原点指向车头方向做车身摆向线，得到所驾驶车辆在所述第一时刻t₁时对应的第一车身摆向线，在所述第二时刻t₂时对应的第二车身摆向线；以所述第二车身摆向线为基准，捕捉所述第一车身摆向线与所述第二车身摆向线之间呈现的最小相对夹角C，记所述最小相对夹角C为所述每一辅助倒车事例的第三事例特征信息。

进一步的，步骤S300包括:

步骤S301：提取每一辅助倒车事例的第一事例特征信息、第二事例特征信息、第三事例特征信息；

步骤S302：记在第i辅助倒车事例P(i)中，对应第一事例特征信息的障碍物分布占比为W^P(i)，对应第二事例特征信息的最短距离为L^P(i)，对应第三事例特征信息的最小相对夹角为C⁽ⁱ⁾；计算第i辅助倒车事例P(i)对应的倒车事例难度值Q^P(i)：Q^P(i)=a*W^P(i)+b*L^P(i)+d*C⁽ⁱ⁾;其中，a表示对应W^P(i)的权重值，b表示对应L^P(i)的权重值，d表示对应C⁽ⁱ⁾的权重值；

上述计算出来的难度值是一种从具体倒车环境出发，用客观倒车环境数据衡量得到的客观倒车难度，也就是在不考虑驾驶人员的能力水平、驾驶习惯偏向等因素，用数据衡量出来的倒车难度值。

进一步的，步骤S400包括:

步骤S401：根据每一倒车辅助事例中第二事例特征信息对应的最短距离，第三事例特征信息对应的最小相对夹角，确定对所驾驶车辆进行模拟倒车仿真时的起点位置、终点位置；将起点位置、终点位置结合每一倒车辅助事例中第一事例特征信息对应的障碍物分布占比，仿真得到对所驾驶车辆在对应的每一倒车辅助事例中呈现的最佳倒车运行轨迹；

步骤S402：捕捉用户在每一倒车辅助事例中呈现的平均驾驶车速，根据平均驾驶车速和最佳倒车运行轨迹，得到对应每一倒车辅助事例的最佳倒车完成时长T₁；捕捉用户在每一倒车辅助事例中的第二时刻t₂、第一时刻t₁，得到对应在每一倒车辅助事例中的实际倒车完成时长T₂；计算倒车事例难度适应性调整值R=T₂-T₁；

步骤S403：提取第i辅助倒车事例P(i)对应的倒车事例难度值Q^P(i)，对倒车事例难度值Q^P(i)进行调整得到Q^P(i)’=Q^P(i)+R；

上述调整过的难度值是一种从用户实际倒车水平出发，根据用户实际展现出的适应性倒车水平对客观倒车难度进行调整，因为对于用户而言，实战练习的次数较少，仅有的经验只来源于驾校练习，往往做不到根据环境进行灵活的变通，这种时候，相当于在用户身上出现了倒车习惯的偏向，即有可能出现因为练习倒进左边停有障碍物的车库比练习倒进右边停有障碍物的车库次数较多，所以比较“顺手”，一旦有“不顺手”的驾驶环境出现，用户极有可能会出现练习盲区，无从下手，而这个时候，仅管左边停有障碍物的车库和右边停有障碍物在实际客观难度的评价上是等同的，但是从用户的角度而言，是存在倒车处理效率上的高低的，即倒进右边停有障碍物的车库是技术盲点，需要练习；

进一步的，步骤S500包括:

步骤S501：逐一将调整后倒车事例难度值大于原始倒车事例难度值的倒车辅助事例作为目标倒车辅助事例；提取在完成第j目标倒车辅助事例P(j)对应的最佳倒车运行轨迹时，对应在方向盘上需进行的最佳驾驶操作序列{m₁,m₂,...,m_k};其中，m₁,m₂,...,m_k分别表示模拟驾驶车辆从P(j)中对应的起点位置完成到终点位置的最佳倒车运行轨迹的过程中，用户需在方向盘上产生的第1、2、...、k个操作动作；其中，每个操作动作对应一个与方向盘中线对应的操作角度；将最佳驾驶操作序列{m₁,m₂,...,m_k}向管理端口处传输；

步骤S502：每当用户在驾驶车辆的过程中，出现所驾驶车辆中的车载摄像头和车载雷达被激活进入辅助倒车驾驶状态，对用户当前面临的事例特征信息进行提取，并在数据库中进行事例匹配，向用户反馈匹配相似度大于相似度阈值的倒车辅助事例的倒车事例难度值，辅助用户进行倒车车位的自选择。

为更好的实现上述方法，还提出了一种基于物联网的汽车摄像头与雷达数据采集系统，系统包括事例采集捕捉模块、事例特征信息管理模块、倒车事例难度值计算模块、倒车事例难度值适应性调整模块、数据反馈传输模块；

事例采集捕捉模块，用于在单位采集周期内，每当用户处于驾驶练习状态时，对用户进行辅助倒车事例的捕捉；其中，一个辅助倒车事例对应用户在所驾驶车辆中的车载摄像头与车载雷达的协助下完成的一次倒车操作；

事例特征信息管理模块，以所驾驶车辆中的车载摄像头和车载雷达被初次激活进入辅助倒车驾驶状态的时刻为第一时刻t1；以所驾驶车辆完全进入某个车位且保持无驾驶操作满时长阈值后的时刻为第二时刻t2，对每一倒车辅助事例进行事例特征信息的梳理和提取；

倒车事例难度值计算模块，用于对每一倒车辅助事例基于对应的事例特征信息计算倒车事例难度值；

倒车事例难度值适应性调整模块，用于根据每一倒车辅助事例对应的事例特征信息，仿真出对应每一倒车辅助事例下的标准倒车运行操作；将标准倒车运行操作对应的完成时长与用户在每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对每一倒车辅助事例对应的倒车事例难度值进行适应性调整，并将数据存储进行数据库；

数据反馈传输模块，用于接收倒车事例难度值适应性调整模块中的数据，基于数据对每个用户生成对应的倒车练习驾驶数据，向管理端口进行数据反馈。

进一步的，事例特征信息管理模块包括第一事例特征信息捕捉单元、第二事例特征信息捕捉单元、第三事例特征信息捕捉单元；

第一事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉在目标车位周围的所有静态障碍物分布；

第二事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉所驾驶车辆在不同时刻对应的纵向车身车线的中点位置之间的最短距离；

第三事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉所驾驶车辆在不同时刻对应的车身摆向线之间呈现的最小相对夹角；

进一步的，倒车事例难度值适应性调整模块包括标准倒车运行操作仿真单元、适应性调整单元、数据存储单元；

标准倒车运行操作仿真单元，用于根据每一倒车辅助事例对应的事例特征信息，仿真出对应每一倒车辅助事例下的标准倒车运行操作；

适应性调整单元，用于接收标准倒车运行操作仿真单元中的数据，将标准倒车运行操作对应的完成时长与用户在每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对每一倒车辅助事例对应的倒车事例难度值进行适应性调整；

数据存储单元，用于接收并存储适应性调整单元中的数据。

与现有技术相比，本发明所达到的有益效果是：本发明能实现对在不同环境下完成的倒车事例进行客观性难度等级评判，同时也基于驾驶者存在的驾驶习惯、技术盲区对在不同环境下完成的倒车事例进行个性化难度等级评判，辅助用户可对自己存在的技术盲区进行针对性练习，以及遇到上述情况时予以提醒。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明基于物联网的汽车摄像头与雷达数据采集方法的流程示意图；

图2是本发明基于物联网的汽车摄像头与雷达数据采集系统的结构示意图。

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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明提供技术方案：基于物联网的汽车摄像头与雷达数据采集方法，方法包括：

步骤S100：在单位采集周期内，每当用户处于驾驶练习状态时，对用户进行辅助倒车事例的捕捉；其中，一个辅助倒车事例对应用户在所驾驶车辆中的车载摄像头与车载雷达的协助下完成的一次倒车操作；

步骤S200：在每一辅助倒车事例中，以所驾驶车辆中的车载摄像头和车载雷达被初次激活进入辅助倒车驾驶状态的时刻为第一时刻t₁；以所驾驶车辆完全进入某个车位且保持无驾驶操作满时长阈值后的时刻为第二时刻t₂；所述某个车位为所述每一辅助倒车事例对应的目标车位；对每一倒车辅助事例进行事例特征信息的梳理和提取；

其中，步骤S200包括：

步骤S201：对每一辅助倒车事例，捕捉在时间区间[t_1,t₂]内，于用户所驾驶车辆的车载摄像头和车载雷达在后台产生的倒车辅助影像中出现的与所述目标车位之间距离小于距离阈值的所有静态障碍物，得到在所述目标车位周围的所有静态障碍物分布；以所述目标车位的中心为原点，R为半径，得到目标区域面积S₁，计算障碍物分布占比W=S₂/S₁；其中，S₂表示所述所有静态障碍物的总面积；记障碍物分布占比W为所述每一辅助倒车事例的第一事例特征信息；

步骤S202：在所述第一时刻t₁对所驾驶车辆捕捉纵向车身车线的中点位置，记为第一中点位置；在所述第二时刻t₂对所驾驶车辆捕捉纵向车身车线的中点位置，记为第二中点位置；计算所述第一中点位置与所述第二中点位置的最短距离L，记所述最短距离L为所述每一辅助倒车事例的第二事例特征信息；

步骤S203：分别以第一中点位置、第二中点位置为原点指向车头方向做车身摆向线，得到所驾驶车辆在所述第一时刻t₁时对应的第一车身摆向线，在所述第二时刻t₂时对应的第二车身摆向线；以所述第二车身摆向线为基准，捕捉所述第一车身摆向线与所述第二车身摆向线之间呈现的最小相对夹角C，记所述最小相对夹角C为所述每一辅助倒车事例的第三事例特征信息；

步骤S300；对每一倒车辅助事例基于对应的事例特征信息进行倒车事例难度值计算；

其中，步骤S300包括:

步骤S301：提取每一辅助倒车事例的第一事例特征信息、第二事例特征信息、第三事例特征信息；

步骤S302：记在第i辅助倒车事例P(i)中，对应第一事例特征信息的障碍物分布占比为W^P(i)，对应第二事例特征信息的最短距离为L^P(i)，对应第三事例特征信息的最小相对夹角为C⁽ⁱ⁾；计算第i辅助倒车事例P(i)对应的倒车事例难度值Q^P(i)：Q^P(i)=a*W^P(i)+b*L^P(i)+d*C⁽ⁱ⁾;其中，a表示对应W^P(i)的权重值，b表示对应L^P(i)的权重值，d表示对应C⁽ⁱ⁾的权重值；

步骤S400：根据每一倒车辅助事例对应的事例特征信息，仿真出对应每一倒车辅助事例下的标准倒车运行操作；将标准倒车运行操作对应的完成时长与用户在每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对每一倒车辅助事例对应的倒车事例难度值进行适应性调整，并将数据存储进行数据库；

其中，步骤S400包括:

步骤S401：根据每一倒车辅助事例中第二事例特征信息对应的最短距离，第三事例特征信息对应的最小相对夹角，确定对所驾驶车辆进行模拟倒车仿真时的起点位置、终点位置；将起点位置、终点位置结合每一倒车辅助事例中第一事例特征信息对应的障碍物分布占比，仿真得到对所驾驶车辆在对应的每一倒车辅助事例中呈现的最佳倒车运行轨迹；

步骤S402：捕捉用户在每一倒车辅助事例中呈现的平均驾驶车速，根据平均驾驶车速和最佳倒车运行轨迹，得到对应每一倒车辅助事例的最佳倒车完成时长T₁；捕捉用户在每一倒车辅助事例中的第二时刻t₂、第一时刻t₁，得到对应在每一倒车辅助事例中的实际倒车完成时长T₂；计算倒车事例难度适应性调整值R=T₂-T₁；

步骤S403：提取第i辅助倒车事例P(i)对应的倒车事例难度值Q^P(i)，对倒车事例难度值Q^P(i)进行调整得到Q^P(i)’=Q^P(i)+R；

步骤S500：对每个用户生成对应的倒车练习驾驶数据，向管理端口进行数据反馈。

其中，步骤S500包括:

步骤S501：逐一将调整后倒车事例难度值大于原始倒车事例难度值的倒车辅助事例作为目标倒车辅助事例；提取在完成第j目标倒车辅助事例P(j)对应的最佳倒车运行轨迹时，对应在方向盘上需进行的最佳驾驶操作序列{m₁,m₂,...,m_k};其中，m₁,m₂,...,m_k分别表示模拟驾驶车辆从P(j)中对应的起点位置完成到终点位置的最佳倒车运行轨迹的过程中，用户需在方向盘上产生的第1、2、...、k个操作动作；其中，每个操作动作对应一个与方向盘中线对应的操作角度；将最佳驾驶操作序列{m₁,m₂,...,m_k}向管理端口处传输；

步骤S502：每当用户在驾驶车辆的过程中，出现所驾驶车辆中的车载摄像头和车载雷达被激活进入辅助倒车驾驶状态，对用户当前面临的事例特征信息进行提取，并在数据库中进行事例匹配，向用户反馈匹配相似度大于相似度阈值的倒车辅助事例的倒车事例难度值，辅助用户进行倒车车位的自选择。

为更好的实现上述方法，还提出了一种基于物联网的汽车摄像头与雷达数据采集系统，系统包括事例采集捕捉模块、事例特征信息管理模块、倒车事例难度值计算模块、倒车事例难度值适应性调整模块、数据反馈传输模块；

事例采集捕捉模块，用于在单位采集周期内，每当用户处于驾驶练习状态时，对用户进行辅助倒车事例的捕捉；其中，一个辅助倒车事例对应用户在所驾驶车辆中的车载摄像头与车载雷达的协助下完成的一次倒车操作；

事例特征信息管理模块，以所驾驶车辆中的车载摄像头和车载雷达被初次激活进入辅助倒车驾驶状态的时刻为第一时刻t1；以所驾驶车辆完全进入某个车位且保持无驾驶操作满时长阈值后的时刻为第二时刻t2，对每一倒车辅助事例进行事例特征信息的梳理和提取；

其中，事例特征信息管理模块包括第一事例特征信息捕捉单元、第二事例特征信息捕捉单元、第三事例特征信息捕捉单元；

第一事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉在目标车位周围的所有静态障碍物分布；

第二事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉所驾驶车辆在不同时刻对应的纵向车身车线的中点位置之间的最短距离；

第三事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉所驾驶车辆在不同时刻对应的车身摆向线之间呈现的最小相对夹角

倒车事例难度值计算模块，用于对每一倒车辅助事例基于对应的事例特征信息计算倒车事例难度值；

倒车事例难度值适应性调整模块，用于根据每一倒车辅助事例对应的事例特征信息，仿真出对应每一倒车辅助事例下的标准倒车运行操作；将标准倒车运行操作对应的完成时长与用户在每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对每一倒车辅助事例对应的倒车事例难度值进行适应性调整，并将数据存储进行数据库；

其中，倒车事例难度值适应性调整模块包括标准倒车运行操作仿真单元、适应性调整单元、数据存储单元；

标准倒车运行操作仿真单元，用于根据每一倒车辅助事例对应的事例特征信息，仿真出对应每一倒车辅助事例下的标准倒车运行操作；

适应性调整单元，用于接收标准倒车运行操作仿真单元中的数据，将标准倒车运行操作对应的完成时长与用户在每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对每一倒车辅助事例对应的倒车事例难度值进行适应性调整；

数据存储单元，用于接收并存储适应性调整单元中的数据；

数据反馈传输模块，用于接收倒车事例难度值适应性调整模块中的数据，基于数据对每个用户生成对应的倒车练习驾驶数据，向管理端口进行数据反馈。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于物联网的汽车摄像头与雷达数据采集方法，其特征在于，所述方法包括：

步骤S100：在单位采集周期内，每当用户处于驾驶练习状态时，对用户进行辅助倒车事例的捕捉；其中，一个辅助倒车事例对应用户在所驾驶车辆中的车载摄像头与车载雷达的协助下完成的一次倒车操作；

步骤S200：在每一辅助倒车事例中，以所驾驶车辆中的车载摄像头和车载雷达被初次激活进入辅助倒车驾驶状态的时刻为第一时刻t₁；以所驾驶车辆完全进入某个车位且保持无驾驶操作满时长阈值后的时刻为第二时刻t₂；所述某个车位为所述每一辅助倒车事例对应的目标车位；对每一倒车辅助事例进行事例特征信息的梳理和提取；

步骤S300；对每一倒车辅助事例基于对应的事例特征信息进行倒车事例难度值计算；

步骤S400：根据每一倒车辅助事例对应的事例特征信息，仿真出对应所述每一倒车辅助事例下的标准倒车运行操作；将标准倒车运行操作对应的完成时长与用户在所述每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对所述每一倒车辅助事例对应的倒车事例难度值进行适应性调整，并将数据存储进行数据库；

步骤S500：对每个用户生成对应的倒车练习驾驶数据，向管理端口进行数据反馈。

2.根据权利要求1所述的基于物联网的汽车摄像头与雷达数据采集方法，其特征在于，所述步骤S200包括：

步骤S201：对每一辅助倒车事例，捕捉在时间区间[t_1,t₂]内，于用户所驾驶车辆的车载摄像头和车载雷达在后台产生的倒车辅助影像中出现的与所述目标车位之间距离小于距离阈值的所有静态障碍物，得到在所述目标车位周围的所有静态障碍物分布；以所述目标车位的中心为原点，R为半径，得到目标区域面积S₁，计算障碍物分布占比W=S₂/S₁；其中，S₂表示所述所有静态障碍物的总面积；记障碍物分布占比W为所述每一辅助倒车事例的第一事例特征信息；

步骤S202：在所述第一时刻t₁对所驾驶车辆捕捉纵向车身车线的中点位置，记为第一中点位置；在所述第二时刻t₂对所驾驶车辆捕捉纵向车身车线的中点位置，记为第二中点位置；计算所述第一中点位置与所述第二中点位置的最短距离L，记所述最短距离L为所述每一辅助倒车事例的第二事例特征信息；

步骤S203：分别以第一中点位置、第二中点位置为原点指向车头方向做车身摆向线，得到所驾驶车辆在所述第一时刻t₁时对应的第一车身摆向线，在所述第二时刻t₂时对应的第二车身摆向线；以所述第二车身摆向线为基准，捕捉所述第一车身摆向线与所述第二车身摆向线之间呈现的最小相对夹角C，记所述最小相对夹角C为所述每一辅助倒车事例的第三事例特征信息。

3.根据权利要求2所述的基于物联网的汽车摄像头与雷达数据采集方法，其特征在于，所述步骤S300包括:

步骤S301：提取每一辅助倒车事例的第一事例特征信息、第二事例特征信息、第三事例特征信息；

步骤S302：记在第i辅助倒车事例P(i)中，对应所述第一事例特征信息的障碍物分布占比为W^P(i)，对应所述第二事例特征信息的最短距离为L^P(i)，对应所述第三事例特征信息的最小相对夹角为C⁽ⁱ⁾；计算所述第i辅助倒车事例P(i)对应的倒车事例难度值Q^P(i)：Q^P(i)=a*W^{P (i)}+b*L^P(i)+d*C⁽ⁱ⁾;其中，a表示对应W^P(i)的权重值，b表示对应L^P(i)的权重值，d表示对应C⁽ⁱ⁾的权重值。

4.根据权利要求3所述的基于物联网的汽车摄像头与雷达数据采集方法，其特征在于，所述步骤S400包括:

步骤S401：根据每一倒车辅助事例中第二事例特征信息对应的最短距离，第三事例特征信息对应的最小相对夹角，确定对所驾驶车辆进行模拟倒车仿真时的起点位置、终点位置；将所述起点位置、终点位置结合所述每一倒车辅助事例中第一事例特征信息对应的障碍物分布占比，仿真得到对所驾驶车辆在对应的所述每一倒车辅助事例中呈现的最佳倒车运行轨迹；

步骤S402：捕捉用户在所述每一倒车辅助事例中呈现的平均驾驶车速，根据所述平均驾驶车速和所述最佳倒车运行轨迹，得到对应所述每一倒车辅助事例的最佳倒车完成时长T₁；捕捉用户在所述每一倒车辅助事例中的第二时刻t₂、第一时刻t₁，得到对应在所述每一倒车辅助事例中的实际倒车完成时长T₂；计算倒车事例难度适应性调整值R=T₂-T₁；

步骤S403：提取第i辅助倒车事例P(i)对应的倒车事例难度值Q^P(i)，对倒车事例难度值Q^P(i)进行调整得到Q^P(i)’=Q^P(i)+R。

5.根据权利要求4所述的基于物联网的汽车摄像头与雷达数据采集方法，其特征在于，所述步骤S500包括:

步骤S501：逐一将调整后倒车事例难度值大于原始倒车事例难度值的倒车辅助事例作为目标倒车辅助事例；提取在完成第j目标倒车辅助事例P(j)对应的所述最佳倒车运行轨迹时，对应在方向盘上需进行的最佳驾驶操作序列{m₁,m₂,...,m_k};其中，m₁,m₂,...,m_k分别表示模拟驾驶车辆从P(j)中对应的起点位置完成到终点位置的最佳倒车运行轨迹的过程中，用户需在方向盘上产生的第1、2、...、k个操作动作；其中，每个操作动作对应一个与方向盘中线对应的操作角度；将所述最佳驾驶操作序列{m₁,m₂,...,m_k}向管理端口处传输；

步骤S502：每当用户在驾驶车辆的过程中，出现所驾驶车辆中的车载摄像头和车载雷达被激活进入辅助倒车驾驶状态，对用户当前面临的事例特征信息进行提取，并在数据库中进行事例匹配，向用户反馈匹配相似度大于相似度阈值的倒车辅助事例的倒车事例难度值，辅助用户进行倒车车位的自选择。

6.应用权利要求1-5中任意一项所述的基于物联网的汽车摄像头与雷达数据采集方法的基于物联网的汽车摄像头与雷达数据采集系统，其特征在于，所述系统包括事例采集捕捉模块、事例特征信息管理模块、倒车事例难度值计算模块、倒车事例难度值适应性调整模块、数据反馈传输模块；

所述事例采集捕捉模块，用于在单位采集周期内，每当用户处于驾驶练习状态时，对用户进行辅助倒车事例的捕捉；其中，一个辅助倒车事例对应用户在所驾驶车辆中的车载摄像头与车载雷达的协助下完成的一次倒车操作；

所述事例特征信息管理模块，以所驾驶车辆中的车载摄像头和车载雷达被初次激活进入辅助倒车驾驶状态的时刻为第一时刻t₁；以所驾驶车辆完全进入某个车位且保持无驾驶操作满时长阈值后的时刻为第二时刻t₂，对每一倒车辅助事例进行事例特征信息的梳理和提取；

所述倒车事例难度值计算模块，用于对每一倒车辅助事例基于对应的事例特征信息计算倒车事例难度值；

所述倒车事例难度值适应性调整模块，用于根据每一倒车辅助事例对应的事例特征信息，仿真出对应所述每一倒车辅助事例下的标准倒车运行操作；将标准倒车运行操作对应的完成时长与用户在所述每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对所述每一倒车辅助事例对应的倒车事例难度值进行适应性调整，并将数据存储进行数据库；

所述数据反馈传输模块，用于接收所述倒车事例难度值适应性调整模块中的数据，基于所述数据对每个用户生成对应的倒车练习驾驶数据，向管理端口进行数据反馈。

7.根据权利要求6所述的基于物联网的汽车摄像头与雷达数据采集系统，其特征在于，所述事例特征信息管理模块包括第一事例特征信息捕捉单元、第二事例特征信息捕捉单元、第三事例特征信息捕捉单元；

所述第一事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉在所述目标车位周围的所有静态障碍物分布；

所述第二事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉所驾驶车辆在不同时刻对应的纵向车身车线的中点位置之间的最短距离；

所述第三事例特征信息捕捉单元，用于对每一辅助倒车事例，捕捉所驾驶车辆在不同时刻对应的车身摆向线之间呈现的最小相对夹角。

8.根据权利要求6所述的基于物联网的汽车摄像头与雷达数据采集系统，其特征在于，所述倒车事例难度值适应性调整模块包括标准倒车运行操作仿真单元、适应性调整单元、数据存储单元

所述标准倒车运行操作仿真单元，用于根据每一倒车辅助事例对应的事例特征信息，仿真出对应所述每一倒车辅助事例下的标准倒车运行操作；

所述适应性调整单元，用于接收所述标准倒车运行操作仿真单元中的数据，将标准倒车运行操作对应的完成时长与用户在所述每一倒车辅助事例中实际呈现的完成时长进行比对，基于比对结果对所述每一倒车辅助事例对应的倒车事例难度值进行适应性调整；

所述数据存储单元，用于接收并存储所述适应性调整单元中的数据。

Images