CN116582838B - 交通数据的传输方法、生成方法、装置、设备和介质 - Google Patents
交通数据的传输方法、生成方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116582838B CN116582838B CN202310839819.6A CN202310839819A CN116582838B CN 116582838 B CN116582838 B CN 116582838B CN 202310839819 A CN202310839819 A CN 202310839819A CN 116582838 B CN116582838 B CN 116582838B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- traffic
- significance
- recognition
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 119
- 230000000875 corresponding effect Effects 0.000 claims abstract description 149
- 230000002596 correlated effect Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 20
- 238000013144 data compression Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
-
- 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
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施方式提供了一种交通数据的传输方法、生成方法、装置、设备和介质。方法包括:接收描述交通环境的交通数据;交通环境包括目标识别对象;交通数据通过多个数据单元形成;预测数据单元对应的显著性数据;显著性数据表示数据单元对识别目标识别对象的贡献程度;根据显著性数据,分别对多个承载数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的数据单元对识别目标识别对象的贡献程度之间正相关;基于多个目标调制信号传输交通数据。通过显著性数据,将交通数据中多个数据单元调制为不同能量值的调制信号进行传输,提高了接收端接收到的交通数据的质量。
Description
技术领域
本说明书中实施方式关于数据通信领域,具体关于一种交通数据的传输方法、生成方法、装置、设备和介质。
背景技术
目前,使用车路协同感知技术可以辅助驾驶人员驾驶车辆。车路协同感知技术依赖于车辆与路侧设备之间的数据通信。具体的,协同感知技术可以通过路侧设备与车辆之间的通讯,利用路侧设备的高精传感器和高性能计算单元为车辆增强感知和提高计算能力。例如,路侧设备可以为车辆提供路侧设备采集得到的交通数据。
然而,受限于车辆与路侧设备之间的信号链路的质量,现有技术中存在车辆接收到的路侧设备提供的交通数据的质量较低的技术问题。
发明内容
有鉴于此,本说明书多个实施方式致力于提供一种交通数据的传输方法、生成方法、装置、设备和介质,以一定程度上提高车辆接收到的路侧设备提供的交通数据的数据质量。
本说明书中多个实施方式提供一种交通数据的传输方法,所述方法应用于路侧设备,所述方法包括:接收用于描述交通环境的交通数据;其中,所述交通环境包括目标识别对象;所述交通数据通过多个数据单元形成;预测所述数据单元对应的显著性数据;其中,所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;其中,至少部分数据单元对应的显著性数据不同;根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;基于所述多个目标调制信号传输所述交通数据。
本说明书的一个实施方式提供一种交通数据的生成方法,所述方法包括:接收承载交通数据的目标传输信号;其中,所述交通数据用于描述交通环境;所述交通环境包括目标识别对象;所述交通数据包括多个数据单元;所述数据单元对应有显著性数据;所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;所述目标传输信号通过多个承载数据单元的目标调制信号形成;所述目标调制信号对应有能量取值,且目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;基于所述能量取值,在所述目标传输信号中识别出所述多个目标调制信号;对所述多个目标调制信号进行解调处理,得到目标调制信号承载的数据单元;根据所述数据单元,生成所述交通数据。
本说明书的一个实施方式提供一种交通数据的传输装置,所述装置包括:接收模块,用于接收用于描述交通环境的交通数据;其中,所述交通环境包括目标识别对象;所述交通数据通过多个数据单元形成;预测模块,用于预测所述数据单元对应的显著性数据;其中,所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;其中,至少部分数据单元对应的显著性数据不同;能量调制模块,用于根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;传输模块,用于基于所述多个目标调制信号传输所述交通数据。
本说明书的一个实施方式提供一种交通数据的生成装置,其特征在于,所述装置包括:
接收模块,用于接收承载交通数据的目标传输信号;其中,所述交通数据用于描述交通环境;所述交通环境包括目标识别对象;所述交通数据包括多个数据单元;所述数据单元对应有显著性数据;所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;所述目标传输信号通过多个承载数据单元的目标调制信号形成;所述目标调制信号对应有能量取值,且目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;识别模块,用于基于所述能量取值,在所述目标传输信号中识别出所述多个目标调制信号;解调模块,用于对所述多个目标调制信号进行解调处理,得到目标调制信号承载的数据单元;生成模块,用于根据所述数据单元,生成所述交通数据。
本说明书实施方式提出一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述实施方式所述的方法。
本说明书实施方式提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序被处理器执行时实现上述实施方式所述的方法。
本说明书提供的多个实施方式,依照交通数据中的数据单元承载的信息量对识别交通环境中的目标识别对象的贡献程度,将所述数据单元调制为不同能量取值的目标调制信号,以提供给链路质量不同的车辆。具体的,通过接收用于描述交通环境的交通数据,接着针对所述交通数据,预测出数据单元对应的显著性数据,显著性数据用于表示数据单元承载的信息量对识别出目标识别对象的贡献程度。然后根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关。最后,基于多个目标调制信号传输交通数据,实现在一定程度上提高车辆接收到的路侧设备提供的交通数据的数据质量。
附图说明
图1为本说明书的一个实施方式提供的交通数据的通讯系统的示意图。
图2为本说明书的一个实施方式提供的交通数据的传输方法的流程示意图。
图3为本说明书的一个实施方式提供的不同端交互的示意图。
图4为本说明书的一个实施方式提供的交通数据的生成方法的流程示意图。
图5为本说明书的一个实施方式提供的交通数据的传输装置的示意图。
图6为本说明书的一个实施方式提供的交通数据的生成装置的示意图。
图7为本说明书的一个实施方式提供的计算机设备示意图。
具体实施方式
概述
在相关技术中,相比起行驶的车辆,路侧设备可以部署有精度更高的传感器,以及具有高性能的计算单元。因此,通过车辆与路侧设备通讯,可以将路侧设备采集到的交通数据共享给车辆,车辆可以根据路侧设备提供的交通数据,或者结合自身采集到的交通数据,实现道路状况的识别和分析,提高行车的安全性。
然而,受限于车辆与路侧设备的距离等因素,不同的车辆与路侧设备之间的信号链路的链路质量可能具有较大的差异。因此,不同车辆与路侧设备之间的交通数据的传输速率可能不同。为了照顾链路质量较低的车辆,路侧设备可能以较高的数据压缩率压缩交通数据,接着将压缩后的交通数据分发给车辆。但是,这样可能会在一定程度降低全部车辆接收到的交通数据的质量。如果路侧设备以较低的数据压缩率压缩交通数据,可能使得只有链路质量较好的车辆能接收到交通数据,而链路质量较差的车辆接收不到路侧设备提供的交通数据。
因此,有必要提供一种交通数据的传输方法,可以依照交通数据中的数据单元承载的信息量对识别交通环境中的目标识别对象的贡献程度,将所述数据单元调制为不同能量取值的目标调制信号,以提供给链路质量不同的车辆。具体的,通过接收用于描述交通环境的交通数据,接着针对所述交通数据,预测出数据单元对应的表征信息量的显著性数据,显著性数据用于表示数据单元承载的信息量对识别出目标识别对象的贡献程度。然后根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关。最后,基于多个目标调制信号传输交通数据。通过依照与道路状况关联性较强的目标识别对象,来确定出数据单元的显著性数据,并根据显著性数据将数据单元调制为不同能量取值的目标调制信号,以基于所述目标调制信号发送交通数据,可以实现解决如何提高车辆接收到的路侧设备提供的交通数据的数据质量的技术问题。
系统架构
请参阅图1,本说明书实施方式提供一种交通数据的通讯系统。所述交通数据的通讯系统可以包括多个终端。所述终端可以是具有网络访问能力的设备。具体的,终端可以具有网络通信模块、处理器和存储器等。其中,网络通信模块可以用于调制出信号,以及接收信号等。例如,终端可以包括具有通讯功能的车辆,或者路侧设备等。所述路侧设备可以包括摄像头、毫米波雷达等数据采集装置。其中,路侧设备可以运行有交通数据的传输方法。车辆可以运行有交通数据的生成方法。其中,所述终端可以分为交通数据的发送端和交通数据的接收端。具体的,交通数据的发送端可以是路侧设备。交通数据的接收端可以是车辆。
示例的方法
请参阅图2,本说明书的一个实施方式提供一种交通数据的传输方法。所述交通数据的传输方法可以应用于路侧设备。所述交通数据的传输方法可以包括以下步骤。
步骤S110:接收用于描述交通环境的交通数据;其中,所述交通环境包括目标识别对象;所述交通数据通过多个数据单元形成。
在一些情况下,路侧设备可以接收到描述交通环境的交通数据,进一步地,可以将所述交通数据发送给车辆。车辆可以根据路侧设备提供的交通数据,对道路状态进行识别,以提高车辆行驶的安全性。
在本实施方式中,路侧设备可以用于指代车路协同感知领域中为车辆提供交通数据的设备。其中,路侧设备可以是交通数据的发送端。所述路侧设备可以部署在路口或交通繁忙区域,可以具有交通状态感知、车辆定位、目标识别等功能。在一些实施方式中,路侧设备可以包括高精度传感器。例如,路侧设备可以包括摄像头、激光雷达、毫米波雷达等传感器。基于所述高精度传感器,可以实现交通状态感知、车辆定位、目标识别等功能。当然,所述路侧设备也可以包括网络通信模块,用于与交通数据接收端进行通信,或者通过有线通信方式与云端进行数据交互。具体的,网络通信模块可以将交通数据传输给车辆。其中,车辆可以是交通数据的接收端。或者,路侧设备也可以通过网络通信模块接收其他设备提供的交通数据,然后将接收到的交通数据提供给车辆。例如,其他设备可以是卫星,卫星可以将采集到的交通数据发送给路侧设备,进一步地路侧设备可以将卫星提供的交通数据分享给车辆。
在本实施方式中,交通数据可以用于描述交通环境。其中,交通数据可以包括摄像头监测到视频数据,其中,所述视频数据可以包括多个对应不同帧的图像数据。当然,所述交通数据也可以包括指示交通环境的点云数据、雷达数据等。在一些实施方式中,交通数据也可以包括车流量、描述交通事故的数据等多种不同类别的数据。其中,所述交通环境中可以包括多个目标识别对象,相应的,所述交通数据中也可以包括描述目标识别对象的目标识别对象数据。
在本实施方式中,目标识别对象可以是车辆行驶在交通环境中需要识别的对象。具体的,例如,目标识别对象可以是行人、机动车、非机动车等。相应的,交通数据中可以包括用于指示行人、机动车、非机动车的目标识别对象数据。例如,交通数据可以是图像数据,目标识别对象可以是行人。相应的,图像数据表示的交通图像中,存在描述行人的多个像素,所述多个像素可以作为目标识别对象数据。
在本实施方式中,交通数据可以通过多个数据单元形成。所述数据单元可以是交通数据的组成部分。在一些实施方式中,所述数据单元可以表示交通数据中多个数据子单元形成的数据块。其中,数据子单元可以是交通数据的基本组成单元。具体的,例如,所述交通数据可以是表示交通图像的图像数据。交通数据的数据子单元可以指代交通图像的像素。相应的,数据单元可以表示多个像素形成的像素集合,或者多个相邻像素形成的像素块。当然,交通数据也可以是点云数据。交通数据的数据子单元可以是点云数据指示的空间上的一个点。数据单元可以是多个点形成的表征某一个局部空间内的点的集合。在一些实施方式中,每个数据单元的数据量可以相同或者差异小于指定阈值。
在本实施方式中,接收用于描述交通环境的交通数据的方法,可以是路侧设备接收到传感器检测到的描述交通环境的交通数据。当然,接收用于描述交通环境的交通数据的方法,也可以是路侧设备接收到其他设备或者云端提供的交通数据。
步骤S120:根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关。
在一些情况下,路侧设备为车辆提供的交通数据的目的是为了协助车辆更好地识别目标识别对象。因此,交通数据中承载所述目标识别对象的信息量较大的数据单元,或者对识别目标识别对象的贡献程度较大的数据单元可能对于车辆识别出目标识别对象以及目标识别对象的位置的重要性较高。因此,路侧设备可以在一定程度上提高承载目标识别对象的信息量较大的数据单元,或者对识别目标识别对象的贡献程度较大的数据单元在传输过程中的优先级,以在一定程度上可以使得车辆接收到能够较好地识别出目标识别对象的数据单元。因此,在调制交通数据之前,需要预测出数据单元针对目标识别对象的显著性数据。
在本实施方式中,所述显著性数据可以表示数据单元承载的信息量对识别出目标识别对象的贡献程度。具体的,显著性数据可以用于表示数据单元承载的能用于识别所述目标识别对象的信息量。或者,所述显著性数据可以用于表示相应的数据单元是用于描述目标识别对象的置信程度。
具体的,例如,所述交通数据可以表示交通图像,交通图像中可以存在目标识别对象所在的目标识别区域。所述目标识别区域可以是通过图像识别模型检测得到。相应的,交通数据的数据单元可以是交通图像中多个像素形成的像素块。相应的,显著性数据可以表示所述像素块中,描述目标识别对象的像素的数量,即属于所述目标识别区域的像素的数量。当然,针对交通图像中的像素,也可以通过图像识别模型标记出每个像素是否为描述目标识别对象的概率得分。相应的,根据像素块内的像素的概率得分,可以生成像素块的显著性数据。或者,像素块对应的显著性数据也可以基于交通图像针对目标识别对象的显著图生成。其中,显著图中可以包括多个与交通图像的像素具有对应关系的显著值,显著值可以表示相应像素承载的信息量对识别所述目标识别对象的贡献程度。在一些实施方式中,显著图中与像素块位置对应的多个显著值的平均值,可以作为相应的像素块的显著性数据。
在一些实施方式中,所述交通数据也可以表示三维的点云数据。相应的,通过目标识别对象的识别模型可以识别出点云数据中指示目标识别对象的目标点云数据,以及所述点云数据是用于描述目标识别对象的目标点云数据的置信分数。根据每个数据单元包括的点云数据的置信分数,可以计算出数据单元对应的显著性数据。例如,对每个数据单元包括的点云数据的置信分数求取平均数,所述平均数可以作为数据单元对应的显著性数据。
在一些实施方式中,显著性数据可以通过数值表征相应的数据单元对识别出目标识别对象的贡献程度。相应的,显著性数据也可以称为显著性分数。
在本实施方式中,预测所述数据单元对应的显著性数据的方法,可以是根据已经训练完成的目标识别对象的识别模型,为所述交通数据中的数据子单元标记出所述数据子单元是用于描述目标识别对象的目标数据子单元的置信分数。接着,通过所述置信分数,可以计算出所述数据单元对应的显著性数据。例如,将数据单元中的多个数据子单元对应的置信分数求取平均值或者中位数,作为显著性数据。其中,目标识别对象的识别模型可以用于识别目标识别对象。针对不同类别的交通数据可以具有不同的模型结构。例如,所述目标识别对象的识别模型可以是卷积神经网络、YOLO或者Transformer等模型。
在一些实施方式中,所述交通数据可以表示交通图像,数据单元可以是所述交通图像中的像素块。相应的,预测所述数据单元对应的显著性数据的方法,可以是构建所述交通图像针对目标识别对象的显著图。进一步地,根据所述显著图中的显著值,生成所述像素块的显著性数据,即数据单元的显著性数据。具体的,例如,所述显著图可以通过CAM(ClassActivation Mapping)方法、或者Grad-CAM(Gradient-weighted Class ActivationMapping)生成。其中,显著图的尺寸可以和交通图像的尺寸相同。具体的,显著图中的显著值可以和交通图像的像素值一一对应。并且,显著值可以表示相应像素对识别出目标识别对象的贡献程度。相应的,像素块对应的显著性数据可以是根据像素块对应的多个显著值计算得到。
步骤S130:根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关。
在一些情况下,通过信号调制方法,可以根据数据单元对应的显著性数据,将数据单元调制为不同能量取值的目标调制信号。其中,显著性数据表示的对识别目标对象的贡献程度较高的数据单元,相对应的调制信号的能量取值也会较高。通过至少部分能量取值不同的目标调制信号可以传输交通数据。因此,车辆可以根据自身的信号链路的质量适应性地调节通信速率,从而可以更好地应对车路协同通信中车辆的高移动性导致的信号链路动态多变的特性。具体的,例如,车辆的信号链路的质量较差的情况下,可以获取能量较高的目标调制信号。相应的,能量较高的目标调制信号解调得到的数据单元的显著性数据表示的对识别目标识别对象的贡献程度也会较高。因此,即使车辆的信号链路的质量较差,也可以获取得到相对重要的交通数据,在一定程度上可以提高车辆接收到的路侧设备提供的交通数据的数据质量,提高车辆对目标识别对象识别的准确性。
在本实施方式中,调制信号可以表示基于信号调制方法对交通数据中的数据单元调制得到的信号。其中,不同调制信号可以对应不同的数据单元。调制信号可以承载有相应的数据单元的信息量。通过解调方法,可以对调制信号进行解调,得到相应的数据单元。具体的,调制信号可以是通过模拟调制技术调制得到的模拟信号。例如,使用幅度调制、频率调制或相位调制等方法将数据单元调制到载波信号。当然,调制信号也可以是在终端的处理器计算生成的能表征数据单元的数字信号。在一些实施方式中,调制信号可以是对数据单元加密后形成的信号。或者,调制信号也可以通过数据单元的二进制表示。
在一些实施方式中,交通数据的传输方法还可以包括:分别对所述多个数据单元进行信号调制处理,得到多个调制信号。具体的,可以使用模拟调制技术调制得到。或者,通过终端进行信号处理,也可以得到作为数字信号的调制信号。进一步地,为目标调制信号分配相应的能量,可以形成目标调制信号。
在本实施方式中,目标调制信号可以表示对多个承载数据单元的调制信号分配相应的能量后形成的信号。具体的,例如,调制信号可以是模拟信号。相应的,利用网络通信模块,可以依照调制信号承载的数据单元对应的显著性数据,放大调制信号的振幅,以提高调制信号的能量,得到目标调制信号。当然,也可以将数据单元对应的调制信号加载至不同能量的载波信号上,形成所述目标调制信号。其中,至少部分目标调制信号的能量取值不同。
在本实施方式中,根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号的方法,可以是终端针对数据单元进行处理,确定出承载数据单元的调制信号,且该调制信号为数字信号。接着根据为调制信号分配相应的能量,确定出作为数字信号的目标调制信号。进一步地,使用网络通信模块生成作为模拟信号的目标调制信号。当然,根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号的方法,也可以是使用网络通信模块对应数据单元生成作为模拟信号的调制信号,接着根据数据单元对应的显著性数据,确定每个调制信号针对的目标调制信号的能量,以进一步地将调制信号调制为目标调制信号。
在本实施方式中,通过求解能量分配优化问题可以求出目标调制信号的调制参数。具体的,请参阅公式1。
公式1
其中,可以表示第i个目标调制信号的调制参数。例如,调制参数可以是调制的幅值。P表示目标调制信号的总能量。/>可以表示第i个目标调制信号对应的数据单元中数据子单元对应的显著值的方差。其中,显著值可以表示数据单元中相应数据子单元承载的信息量对识别所述目标识别对象的贡献程度。在一些实施方式中,调制信号的总能量可以通过网络通信模块的功率确定。
根据公式1计算得到的目标调制信号的调制参数,可以将对应的数据单元调制为目标调制信号。调制以后的目标调制信号可以通过公式2表示。
公式2
其中,可以表示第i个数据单元中第j个数据子单元的取值。/>可以用于表示调制后的目标调制信号中表示第j个数据子单元的取值的信号值。
在一些实施方式中,数据单元可以是像素块。数据子单元可以像素块中的像素。相应的,公式2中,可以表示第i个像素块内的第j个像素的取值。/>可以用于表示调制后的调制信号中表示第j个像素的取值的信号值。相应的,公式1中的/>可以表示第i个目标调制信号对应的像素块中的像素对应的显著值的方差。
在一些实施方式中,表征能量值的振幅值可以在发出交通数据之前,可以通过独立信道发送给车辆。该独立信道可以采用常规无线通信设置方式,发送调制可为最低误码率的BPSK(Binary Phase-shift keying)调制方式。
步骤S140:基于所述多个目标调制信号传输所述交通数据。
在一些情况下,通过多个目标调制信号可以传输交通数据。由于多个调制信号的能量值,是根据调制信号对应的数据单元的显著性数据进行分配的,因此,对于链路质量较低的车辆,也可以适应性地获取对目标识别对象的效果较好的数据单元,从而根据接收到的数据单元较大限度地提高对目标识别对象识别的准确性。
在本实施方式中,基于所述多个目标调制信号传输所述交通数据的方法,可以是先计算出多个调制信号合成后的目标传输信号。进一步地,通过信号发送端发出所述目标传输信号。当然,基于所述多个目标调制信号传输所述交通数据的方法,也可以是使用多个信号发送端同时发出所述多个目标调制信号,以形成目标传输信号。其中,目标传输信号可以表示信号链路中传播的信号。在一些实施方式中,路侧设备可以通过广播形式基于所述多个调制信号传输所述交通数据。
在本实施方式中,数据单元对应的目标调制信号可以是同时发出的。因此,路侧设备还可以通过独立信道,将不同数据单元对应的位置信息、显著性数据或者对应调制信号的能量值等数据单元的调制信息发送给车辆。车辆便可以根据调制信息,解调出多个数据单元,以生成交通数据。
在一些实施方式中,交通数据的传输方法还可以包括:对所述交通数据进行数据压缩处理,得到目标交通数据;其中,所述目标交通数据包括的多个数据单元作为目标数据单元;相应的,根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号的步骤,包括:根据所述目标数据单元对应的显著性数据,分别对多个承载所述目标数据单元的调制信号分配相应的能量,形成多个目标调制信号。
在一些情况下,交通数据的数据量可能较大。因此,可以将交通数据进行一定程度的压缩后传输。通过传输压缩后的目标交通数据,可以在一定程度上提高交通数据的传输速率。
在本实施方式中,目标交通数据可以表示交通数据经过压缩后得到的数据。
在本实施方式中,对所述交通数据进行数据压缩处理,得到目标交通数据的方法,可以采用任一数据压缩的技术方案。例如,可以采用LZ77压缩算法或者LZW压缩算法等。针对不同类型的交通数据,也可以采用不同的压缩方法。例如,针对交通图像,可以对交通图像进行下采样得到数据量较小的目标交通图像。
在一些实施方式中,所述交通数据的传输方法还可以包括:获取所述路侧设备与多个目标传输对象之间的信号链路的信噪比;基于所述信噪比,计算出所述多个目标传输对象的信号链路的传输速率值;相应的,对所述交通数据进行数据压缩处理,得到目标交通数据的步骤,包括:依照多个传输速率值中的指定传输速率值,对所述交通数据进行数据压缩处理,得到所述目标交通数据;其中,所述目标交通数据的预计传输速率不大于所述指定传输速率值。
在一些情况下,路侧设备接收到的交通数据的数据量可能较大,或者交通数据的传输频率可能较高。例如,交通数据可能是通过高像素的摄像头拍摄得到的高分辨率的交通图像,或者,路侧设备被配置为需要以较高的频率发出每个时间片采集到的交通图像。因此,交通数据在每一次的传输过程中,传输较大数据量的交通数据的预计传输速率可能都会高于信号链路的最大传输速率。这样可能会导致传输的交通数据在传输过程中会丢失许多数据,影响车辆基于接收到的交通数据识别出目标识别对象的准确性。因此,可以依照信号链路的传输速率,对交通数据进行压缩处理,使得压缩得到的目标交通数据的预计传输速率不大于所述指定传输速率值。同时,交通数据的数据量的压缩大小,可以根据车辆与路侧设备之间的信号链路的链路质量确定,从而可以为均衡地向路侧设备周围的车辆发送交通数据。
在本实施方式中,信号链路可以表示车辆与路侧设备之间的信号的传播路径。其中,受限于车辆和路侧设备之间的距离、车辆和路侧设备之间的遮挡物等信息,路侧设备信号覆盖内范围内,至少部分车辆与路侧设备之间的信号链路的信噪比不同。其中,信噪比可以表示接收到的有用信号的强度与接收到的干扰信号(噪声和干扰)的强度的比值。
在本实施方式中,目标传输对象可以表示路侧设备传输交通数据的对象。路侧设备传输交通数据的对象可以具有一定的运算能力。具体的,例如,目标传输对象可以是车辆。所述车辆可以是汽车或者自行车等。其中,所述汽车或者电动自行车可以根据接收到的交通数据实现对交通环境中的目标识别对象的检测。
在本实施方式中,获取所述路侧设备与多个目标传输对象之间的信号链路的信噪比的方法,可以是车辆主动向路侧设备发送指定信息后,路侧设备可以根据接收到的掺杂噪声的指定信息,计算出相应的信号链路的信噪比。当然,也可以是路侧设备广播一个指定的信息后,车辆发送反馈信息。路侧设备可以根据反馈信息中掺杂的噪声,确定相应的信号链路的信噪比。
在本实施方式中,信号链路的传输速率值可以表示在被高斯白噪声干扰的信号链路中,最大的信息传送速率。具体的,基于所述信噪比,计算出所述多个目标传输对象的信号链路的传输速率值的方法,可以通过香农公式计算得到。
在本实施方式中,路侧设备与不同的目标传输对象之间的信号链路的传输速率值可以不同。指定传输速率值可以是多个目标传输对象对应的信号链路的传输速率值中指定的传输速率值。例如,指定传输速率值可以表示取值最大的传输速率值。相应的,取值最大的传输速率值可以作为路侧设备的最大吞吐量。最大吞吐量可以通过公式3计算得到。进一步的,依照最大吞吐量可以对交通数据进行压缩,使得压缩后的目标交通数据的预计传输速率趋于且小于最大吞吐量。由于交通数据中,不是描述目标识别对象的交通数据,或者对识别目标识别对象帮助不大的数据也可能存在空间信息,这在一定程度上也有利于车辆对目标识别对象的位置的识别。因此,基于最大吞吐量传输交通数据,可以在一定程度上保留更多的空间信息,提高车辆识别出目标识别对象的准确性。
公式3
其中,可以表示最大吞吐量。/>可以表示通信带宽。/>可以表示路侧设备覆盖范围内的第i个目标传输对象,SNR(/>)表示路侧设备与第i个目标传输对象的信号链路的信噪比。
其中,预计传输速率可以根据每次需要传输的交通数据的数据量和传输的频率确定。例如,传输频率可以是每0.1秒传输一张交通图像。交通图像的数据量为10M。相应的预计传输速率可以是100M/S。
在本实施方式中,所述目标交通数据的预计传输速率可以不大于所述指定传输速率值。具体的,依照路侧设备的数据传输频率以及目标交通数据的数据量,可以确定目标交通数据的预计传输速率。其中,目标交通数据的预计传输速率与目标交通数据的数据量之间可以具有正相关关系。相应的,通过压缩目标交通数据的数据量,可以降低目标交通数据的预计传输速率,使得目标交通数据的预计传输速率不大于所述指定传输速率值,以充分利用信号链路传输数据。
在本实施方式中,依照多个传输速率值中的指定传输速率值,对所述交通数据进行数据压缩处理,得到所述目标交通数据的方法,可以是去除部分交通数据,使得保留下的目标交通数据的数据量不大于依照所述指定传输速率值在每个时间片传输的数据量。即,根据指定频率发送目标交通数据的预计传输速率不大于所述指定传输速率值。或者,依照多个传输速率值中的指定传输速率值,对所述交通数据进行数据压缩处理,得到所述目标交通数据的方法,也可以通过使用多种预设的数据压缩方法,分别生成多个候选目标交通数据。接着,在候选目标交通数据中选择预计传输速率不大于所述指定传输速率值的候选目标交通数据,作为目标交通数据。当然,在多个候选目标交通数据的数据量对应的预计传输速率符合要求的情况下,也可以选择与指定传输速率值表示的单位时间内传输的数据量差异最小的候选目标交通数据,作为目标交通数据。
在一些实施方式中,依照多个传输速率值中的指定传输速率值,对所述交通数据进行数据压缩处理,得到所述目标交通数据的步骤,包括:根据所述数据单元对应的显著性数据,去除所述交通数据中的指定数据单元,得到目标交通数据;其中,所述显著性数据表示的所述目标交通数据中的目标数据单元承载的信息量对识别所述目标识别对象的贡献程度,大于所述指定数据单元承载的信息量对识别所述目标识别对象的贡献程度。
在一些情况下,请参阅图3,路侧设备可以对交通数据进行压缩后进行传输。由于本实施方式中可以计算出了数据单元对应的显著性数据,因此,可以利用显著性数据压缩所述交通数据,以保留承载目标识别对象的信息量较多的数据单元进行传输,可在一定程度上保证目标识别准确率的前提下大幅降低数据传输总量,达到快速、准确分发的目的。
在本实施方式中,指定数据单元可以表示依照指定传输速率值确定的需要删除的数据单元。目标交通数据可以表示去除了指定数据单元后的交通数据,即压缩后的交通数据。
在本实施方式中,根据所述数据单元对应的显著性数据,去除所述交通数据中的指定数据单元,得到目标交通数据的方法,可以是依照数据单元对应的显著性数据表示的,数据单元承载的信息量对识别所述目标识别对象的贡献程度的增长顺序,对数据单元排序,接着依次去除贡献程度在前的数据单元,即贡献程度较低的数据单元,至未被去除的数据单元的数据量对应的预计传输速率小于或者等于指定传输速率值。进一步地,可以根据目标交通数据中数据单元的对应的显著性数据表示的数据单元承载的信息量对识别所述目标识别对象的贡献程度,对所述目标交通数据中的多个数据单元分别进行调制处理,得到多个目标调制信号后实现交通数据的传输。
在一些实施方式中,所述交通数据表示交通图像;多个数据单元分别通过划分所述交通图像得到的多个像素块形成;根据所述数据单元对应的显著性数据,去除所述交通数据中的指定数据单元,得到目标交通数据的步骤,包括:根据所述交通图像中多个像素块对应的显著性数据,将所述多个像素块划分至第一像素块集合和第二像素块集合;其中,第一像素块集合中的像素块作为第一像素块,第二像素集合中的像素块作为第二像素块;第一像素块的显著性数据表示的相应第一像素块承载的信息量对识别所述目标识别对象的贡献程度,不小于第二像素块的显著性数据表示的相应第二像素块承载的信息量对识别所述目标识别对象的贡献程度;使用所述第一像素块集合,生成所述目标交通数据。
在一些情况下,交通数据可以表示交通图像。多个数据单元可以分别通过划分所述交通图像得到的多个像素块中的像素值形成。相应的,像素块可以对应有显著性数据。通过显著性数据,可以选择多个像素块中的部分像素块形成目标交通数据,在一定程度上可以降低交通图像传输的数据量,提高传输速率。当然,在全部像素块的预计传输速率小于指定传输速率值的情况下,也可以将将像素块全部传输,以提高交通数据传输的完整性。
在本实施方式中,划分所述交通图像,得到多个像素块的方法可以是任一划分方法。例如,可以将交通图像等比例划分为多个矩形块。在一些实施方式中,划分得到的像素块中的像素的数量可以趋于相同。
在本实施方式中,所述第一像素块集合可以用于生成目标交通数据。具体的,第一像素块集合中的像素块可以是数据压缩处理过程中,需要保留的像素块。所述第二像素块集合可以表示数据压缩处理过程中,需要去除的像素块。其中,保留的像素块对应的显著性数据所表示的贡献程度可以不小于去除的像素块对应的显著性数据表示的贡献程度。即,保留的像素块对识别所述目标识别对象的贡献程度大于去除的像素块对识别所述目标识别对象的贡献程度。
在本实施方式中,根据所述交通图像中多个像素块对应的显著性数据,将所述多个像素块划分至第一像素块集合和第二像素块集合的方法,可以依照显著性数据表示贡献程度的大小,依次在未被划分的像素块中选择贡献程度最低的像素块加入第二像素块集合,至未被加入第二像素块集合的像素块形成的目标交通数据的预计传输速率不大于所述指定传输速率值。未被加入第二像素块集合的像素块可以形成第一像素块集合。具体的,可以先将像素块作为第一像素块,形成第一像素块集合。接着,在第一像素块集合中,根据像素块对应的显著性数据,依次选择贡献程度最低的像素块加入第二像素块集合,接着判断第一像素块集合中剩余的像素块的数据量对应的预计传输速率是否小于指定传输速率值。在预计传输速率小于指定传输速率值的情况下,可以根据第一像素块集合形成目标交通图像数据。
在一些实施方式中,所述交通图像中多个像素块的尺寸可能相同。相应的,多个像素块的数据量也可以相同。相应的,根据所述交通图像中多个像素块对应的显著性数据,将所述多个像素块划分至第一像素块集合和第二像素块集合的方法,也可以根据交通图像中多个像素块的数据量,直接计算出需要加入第二像素块集合的像素块的目标数量,使得未被加入第二像素块集合的交通图像的像素块的数据量对应的预计传输速率小于指定传输速率值。接着,将显著性数据表示的贡献程度较低的目标数量个像素块加入第二像素块集合,未加入第二像素块集合的像素块形成第一像素块集合,以形成目标交通数据。
在一些实施方式中,所述交通数据的传输方法还可以包括:将所述第二像素块集合中的像素块,在所述交通图像中的位置信息发送给目标传输对象。
在一些情况下,在去除指定数据单元后,交通图像可能会丢失部分空间信息,不利于车辆对目标识别对象的识别。因此,可以将压缩过程中计划去除的像素块,即第二像素块集合中像素块的位置信息发送给目标传输对象,目标传输对象可以通过指定像素值补全交通图像,以增加车辆接收到的交通图像中目标识别对象的空间信息,以在一定程度上提高车辆检测目标识别对象的准确性。
在本实施方式中,路侧设备可以通过独立信道将各像素块的调制信息,即调制信号的振幅,以及像素块的个数和被去除的像素块在交通图像中的位置信息整合发送至目标传输对象,以便于目标传输对象解调出交通图像。如果为每个像素标记出在交通图像中的位置信息并发送给目标传输对象,可能会占用较大的数据量。因此,通过划分所述交通图像,得到多个像素块,进一步地将像素块调制为调制信号同时,将像素块的位置数据提供给目标传输对象,可以在一定程度上减少位置信息的数据量,降低调制信息的传输压力。
在本实施方式中,将所述第二像素块集合中的像素块,在所述交通图像中的位置信息发送给目标传输对象,可以便于目标传输对象将交通图像中被去除的像素块补全。在一些实施方式中,还可以将第二像素块集合中像素块的平均像素值或者像素值的分布曲线等信息发送给目标传输对象。进一步的,根据平均像素值或者依照像素值的分布曲线,车辆可以补全像素块,以生成交通图像。例如,可以根据像素的平均值和分布曲线,生成像素块,替代被去除的像素块。当然,车辆也可以通过指定的像素值来替换被去除的像素块,即对像素块进行补全。
在一些实施方式中,所述交通数据的传输方法还可以包括:获取所述路侧设备与多个目标传输对象之间的信号链路的信噪比;基于所述信噪比,计算出所述多个目标传输对象的信号链路的传输速率值;在所述交通数据的预计传输速率大于所述多个目标传输对象的信号链路的传输速率值中的指定传输速率值的情况下,根据所述数据单元对应的显著性数据,去除所述交通数据中的指定数据单元,得到目标交通数据;其中,所述目标交通数据中的目标数据单元承载的信息量对识别所述目标识别对象的贡献程度,大于所述指定数据单元承载的信息量对识别所述目标识别对象的贡献程度;所述目标交通数据的预计传输速率不大于所述指定传输速率值;相应的,根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号的步骤,包括:根据所述显著性数据,分别对多个承载所述目标数据单元的调制信号分配相应的能量,形成多个目标调制信号。
在一些实施方式中,所述交通数据表示交通图像;所述数据单元通过所述交通图像中的多个像素形成;不同数据单元包括的像素不同;所述预测所述数据单元对应的显著性数据的步骤,包括:将所述交通图像输入显著性预测单元,得到针对所述目标识别对象的显著图;其中,所述显著图包括分别对应所述交通图像中像素的多个显著值;所述显著值表示相应像素承载的信息量对识别所述目标识别对象的贡献程度;根据所述数据单元包括的多个像素对应的显著值,生成所述数据单元对应的显著性数据。
在一些情况下,交通数据可以表示交通图像。数据单元可以包括交通图像中的多个像素。同一个数据单元中的像素可以相邻也可以不相邻。相应的,预测所述数据单元对应的显著性数据的方法,可以表示通过所述交通图像针对目标识别对象的显著图中的显著值计算得到。
在本实施方式中,显著性预测单元可以用于生成交通图像的显著图。其中,所述显著图可以在计算机视觉中描述图片各个像素点对于人眼识别图片中内容的重要性。具体的,可以用来描述像素点对于目标识别、视觉追踪等算法的重要性程度。其中,所述显著图可以包括与交通图像中像素具有一一对应关系的多个显著值。显著值可以表示相应像素对识别出目标识别对象的贡献程度。其中,显著值越高,可以表示相应像素对识别出目标识别对象的贡献程度越高。
在本实施方式中,根据所述数据单元包括的多个像素对应的显著值,生成所述数据单元对应的显著性数据的方法,可以是将数据单元中像素对应的显著值求取平均值,作为数据单元对应的显著性数据。当然,也可以是将数据单元中像素对应的显著值的中位数,作为数据单元对应的显著性数据。
在一些实施方式中,显著性预测单元可以是基于深度学习方法构建得到。基于深度学习技术可以较好地学习到不同像素对识别目标识别对象的重要程度,进一步地,可以通过对识别目标识别对象的重要程度来分配能量。并且,相比起通过深度学习技术进行调制信号的方法,本说明书实施方式提供的调制信号的调制方法为线性方法,区别于以往依赖深度学习压缩的分线性调制解调,本实施方式不要求更改替换现有通信系统设备,更易部署和实施。
在一些实施方式中,所述目标识别对象的数量有多个,且多个目标识别对象的类别不同;所述显著性预测单元包括用于识别所述多个目标识别对象的多类别图像识别模型;将所述交通图像输入显著性预测单元,得到针对所述目标识别对象的显著图的步骤,包括:将所述交通图像输入所述多类别图像识别模型,得到所述交通图像针对不同目标识别对象的类别预测值,以及所述多类别图像识别模型编码所述交通图像形成的多维特征图;其中,所述类别预测值用于表示所述交通图像中存在相应目标识别对象的置信程度;所述多维特征图包括多个特征子图;分别计算所述类别预测值针对不同特征子图中特征值的梯度值;基于所述梯度值,生成所述多个特征子图分别对应不同目标识别对象的权重值;其中,所述权重值用于表示相应的特征子图对识别出多个目标识别对象的贡献程度;依照所述权重值,将所述多个特征子图进行加权处理,得到针对所述多个目标识别对象的显著图。
在一些情况下,目标识别对象的数量可以有多个。例如,目标识别对象可以包括机动车、非机动车、行人等。相应的,显著性数据可以用于指示相应的数据单元对不同目标识别对象的贡献程度。通过多类别图像识别模型,可以同时生成数据单元对不同目标识别对象的显著性数据,在一定程度上提高显著性数据预测的效率。
在本实施方式中,多类别图像识别模型可以用于识别出不同的目标识别对象。具体的,多类别图像识别模型可以是VGG模型、ResNet50模型等深度学习模型。其中,多类别图像识别模型可以对交通图像进行编码,得到多维特征图。将多维特征图输入全连接网络输出类别预测值。
在本实施方式中,多维特征图可以是多类别图像识别模型编码的得到的包括多个与交通图像的特征图。当然,所述特征图也可以是对多类别图像识别模型编码得到的特征图处理后得到的特征图。例如,多类别图像识别模型可以是卷积神经网络。通过对卷积神经网络中最后一个卷积层输出的多通道的特征图进行上采样,使得不同通道的特征图与所述交通图像的尺寸相同,形成所述多维特征图。
在本实施方式中,所述类别预测值可以用于表示所述交通图像中存在相应目标识别对象的置信程度。具体的,例如,所述类别预测值可以是多类别图像识别模型生成的未经过归一化的数值。其中,归一化可以是通过softmax层实现。不同目标识别对象对应的类别预测值可以不同。
在本实施方式中,通过计算所述类别预测值针对不同特征子图中特征值的梯度值,可以生成多个特征子图对应的权重值。权重值可以表示相应的特征子图对识别出目标识别对象的贡献程度。进一步地,通过所述权重值,可以将所述多个特征子图进行加权处理,得到针对所述多个目标识别对象的显著图。上述过程可以参照Grad-CAM(Gradient-weighted Class Activation Mapping)方法实现。具体的,例如,目标识别对象可以有三个。通过多类别图像识别模型可以将交通图像进行分类打分,得到包括多个对应不同目标识别对象的类别预测值的向量。其中,通过/>、/>、/>可以分别表示不同目标识别对象的类别预测值。接着,获取多类别图像识别模型中最贴近分类的结果的卷积层所对应的不同通道的特征图,作为多维特征图。进一步地,通过公式4可以计算出不用特征子图对应的权重值。其中,所述权重值可以是类别预测值对相应的特征子图中特征值的梯度值之和。/>
公式4
其中,为特征子图/>对于分类结果/>的贡献值。其中i和j为特征子图内特征值的坐标。/>可以表示特征子图/>中坐标为(i,j)的特征值。
在本实施方式中,依照所述权重值,将所述多个特征子图进行加权处理,得到针对所述多个目标识别对象的显著图的方法,可以是将所述特征子图依照所述权重值,将对应像素进行加权处理,得到一张合成的特征图。接着,使用ReLU激活函数对上采样后的特征图中对识别目标识别对象没有贡献的特征值进行剔除。剔除的方法可以基于公式5处理。
公式5
其中,可以表示剔除部分特征值后的特征图。
进一步地,为了将特征图映射为原始图像。因此,可以对所述特征图进行上采样,使得上采样后的特征图的尺寸与交通图像的尺寸相同。上采样后的特征图可以作为所述显著图。
在一些实施方式中,为了后续依照显著图中的显著值分配调制信号的能量值。可以将显著图进行归一化的处理。归一化的处理可以是针对显著图中的全部显著值,也可以是针对像素块。
请参阅图4,本说明书实施方式提供了一种交通数据的生成方法。所述交通数据的生成方法可以应用于目标传输对象。所述交通数据的生成方法可以包括以下步骤。
步骤S210:接收承载交通数据的目标传输信号;其中,所述交通数据用于描述交通环境;所述交通环境包括目标识别对象;所述交通数据包括多个数据单元;所述数据单元对应有显著性数据;所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;所述目标传输信号通过多个承载数据单元的目标调制信号形成;所述目标调制信号对应有能量取值,且目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关。
在一些情况下,目标传输对象可以是车辆。车辆可以接收到路侧设备提供的目标传输信号。进一步地,车辆可以在目标传输信号识别出多个目标调制信号,并解调出多个数据单元。通过所述数据单元可以生成交通数据。车辆可以通过路侧设备提供的交通数据,和自身采集到的数据进行融合,识别交通环境中的目标识别对象。在一定程度上可以提高车辆识别出目标识别对象的准确性。
在一些实施方式中,车辆可以通过独立信道接收到数据单元对应的显著性数据,以及目标调制信号的调制参数,例如,调制参数可以包括能量取值。当然,车辆也可以通过独立信道接收到对应不同显著性数据以及调制参数的数据单元的位置信息。例如,交通数据可以是交通图像。交通图像可以为划分为多个像素块,分别作为交通数据的多个数据单元。其中,每个像素块可以对应有位置编号,形成位置信息。相应的,车辆可以依照位置编号将接收到的数据单元进行组合,形成交通图像。在一些实施方式中,车辆还可以接收到被去除的数据单元的数据单元信息和位置信息,使得生成的交通数据中可以保留较多的空间信息,以提高车辆识别出目标识别对象的准确性。
步骤S220:基于所述能量取值,在所述目标传输信号中识别出所述多个目标调制信号。
在本实施方式中,车辆可以根据独立信道提供的显著性数据或者能量值,可以在目标传输信号中识别出多个目标调制信号。具体的,在所述目标传输信号中识别出所述多个目标调制信号的发方法不限于模态分析方法、盲源分离方法以及滤波方法等。
在本实施方式中,根据不同车辆和路侧设备之间的信号链路的链路质量的差异,不同链路的信噪比可能不同。对于显著性数据表示的对识别目标识别对象的贡献程度较低的数据单元调制得到的目标调制信号,由于能量值较低可能无法从噪声中识别出来。但是,对于能量值较高的目标调制信号,即显著性数据表示的对识别目标识别对象的贡献程度较高的数据单元调制得到的目标调制信号,由于具有较大的能量值,即是噪声的能量较大,也可以在一定程度上提高识别出所述目标调制信号的能力,从而可以在一定程度上使得车辆优先收到的是最有利于目标识别对象识别的数据单元,以提高车辆接收到的交通数据的质量。对于显著性数据表示的对识别目标识别对象的贡献程度较低的数据单元调制得到的目标调制信号,一些链路质量较好,即信噪比较低的链路中的车辆,也可以在目标传输信号中识别出所述调制信号,从而可以获得更加完整的交通数据,有利于提高目标识别对象识别的精度。
步骤S230:对所述多个目标调制信号进行解调处理,得到目标调制信号承载的数据单元。
在本实施方式中,目标传输对象接收到的信号Y可以通过公式6表示。
公式6
其中,其中为/>所经历的无线信号。/>可以表示针对第i个数据单元的目标调制信号。每个车辆所处位置不同,对应的/>不同,n表示均值为0的高斯白噪声,/>可通过常用信号估计算法获取。
根据公式6,对噪声简化过后可以得到公式7。
公式7
在本实施方式中,第i个数据单元调制得到的调制信号可以对应有信号幅。信号幅/>可以是车辆预先从独立信道获得的。那么可以得到公式8解调出数据单元。
公式8
在一些实施方式中,对所述多个调制信号进行解调处理,得到调制信号对应的数据单元的方法,可以是针对单通道调制解调,也可以是针对多通道设计(Multiple-Input-Multiple-Out)MIMO,适应性结合信道编码技术实现。
步骤S240:根据所述数据单元,生成所述交通数据。
在本实施方式中,将多个数据单元进行组合,可以得到交通数据。对于在路侧设备对交通数据进行压缩、去除的数据单元可以执行补0操作,或者根据接收到的被去除的数据单元的平均数据值还原被压缩去除的数据单元。由于车辆可以从独立信道获得有数据单元的数据单元信息。其中,数据单元信息可以包括数据单元的位置信息、数据量大小、显著性数据等信息。因此,根据交通数据的类型,可以将多个数据单元进行整合,得到交通数据。并且,交通数据中可以至少保留有对识别目标识别对象贡献程度较高的数据单元,以提高车辆识别出目标识别对象的准确性。
示例的装置、电子设备、存储介质和软件
请参阅图5,本说明书实施方式还提供一种交通数据的传输装置。所述交通数据的传输装置可以包括接收模块、预测模块、调制模块和传输模块。
接收模块,用于接收用于描述交通环境的交通数据;其中,所述交通环境包括目标识别对象;所述交通数据通过多个数据单元形成。
预测模块,用于预测所述数据单元对应的显著性数据;其中,所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;其中,至少部分数据单元对应的显著性数据不同。
能量调制模块,用于根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关。
传输模块,用于基于所述多个目标调制信号传输所述交通数据。
请参阅图6,本说明书实施方式还提供了一种交通数据的生成装置。所述交通数据的生成装置可以包括:接收模块、识别模块、解调模块和生成模块。
接收模块,用于接收承载交通数据的目标传输信号;其中,所述交通数据用于描述交通环境;所述交通环境包括目标识别对象;所述交通数据包括多个数据单元;所述数据单元对应有显著性数据;所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;所述目标传输信号通过多个承载数据单元的目标调制信号形成;所述目标调制信号对应有能量取值,且目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关。
识别模块,用于基于所述能量取值,在所述目标传输信号中识别出所述多个目标调制信号。
解调模块,用于对所述多个目标调制信号进行解调处理,得到目标调制信号承载的数据单元。
生成模块,用于根据所述数据单元,生成所述交通数据。
关于交通数据的传输装置和交通数据的生成装置实现的具体功能和效果,可以参照本说明书其他实施方式对照解释,在此不再赘述。所述交通数据的传输装置和交通数据的生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。所述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
请参阅图7,本说明书实施方式还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述任一实施方式中的交通数据的传输方法和交通数据的生成方法。
本说明书实施方式还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机执行时使得,该计算机执行上述任一实施方式中的交通数据的传输方法和交通数据的生成方法。
本说明书实施方式还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得计算机执行上述任一实施方式中的交通数据的传输方法和交通数据的生成方法。
可以理解,本文中的具体的例子只是为了帮助本领域技术人员更好地理解本说明书实施方式,而非限制本发明的范围。
可以理解,在本说明书中的各种实施方式中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本说明书实施方式的实施过程构成任何限定。
可以理解,本说明书中描述的各种实施方式,既可以单独实施,也可以组合实施,本说明书实施方式对此并不限定。
除非另有说明,本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
可以理解,本说明书实施方式的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(programmableROM,PROM)、可擦除可编程只读存储器(erasablePROM,EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到,结合本文中所公开的实施方式描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本说明书的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
在本说明书所提供的几个实施方式中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本说明书各个实施方式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。
所述功能如果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读取存储介质中。基于这样的理解,本说明书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所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本说明书的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本说明书的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (13)
1.一种交通数据的传输方法,其特征在于,所述方法应用于路侧设备,所述方法包括:
接收用于描述交通环境的交通数据;其中,所述交通环境包括目标识别对象;所述交通数据通过多个数据单元形成;
预测所述数据单元对应的显著性数据;其中,所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;其中,至少部分数据单元对应的显著性数据不同;
根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;
基于所述多个目标调制信号传输所述交通数据。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述交通数据进行数据压缩处理,得到目标交通数据;其中,所述目标交通数据包括的多个数据单元作为目标数据单元;
相应的,根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号的步骤,包括:
根据所述目标数据单元对应的显著性数据,分别对多个承载所述目标数据单元的调制信号分配相应的能量,形成多个目标调制信号。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述路侧设备与多个目标传输对象之间的信号链路的信噪比;
基于所述信噪比,计算出所述多个目标传输对象的信号链路的传输速率值;
相应的,对所述交通数据进行数据压缩处理,得到目标交通数据的步骤,包括:
依照多个传输速率值中的指定传输速率值,对所述交通数据进行数据压缩处理,得到所述目标交通数据;其中,所述目标交通数据的预计传输速率不大于所述指定传输速率值。
4.根据权利要求3所述的方法,其特征在于,依照多个传输速率值中的指定传输速率值,对所述交通数据进行数据压缩处理,得到所述目标交通数据的步骤,包括:
根据所述数据单元对应的显著性数据,去除所述交通数据中的指定数据单元,得到目标交通数据;其中,所述显著性数据表示的所述目标交通数据中的目标数据单元承载的信息量对识别所述目标识别对象的贡献程度,大于所述指定数据单元承载的信息量对识别所述目标识别对象的贡献程度。
5.根据权利要求4所述的方法,其特征在于,所述交通数据表示交通图像;多个数据单元分别通过划分所述交通图像得到的多个像素块形成;根据所述数据单元对应的显著性数据,去除所述交通数据中的指定数据单元,得到目标交通数据的步骤,包括:
根据所述交通图像中多个像素块对应的显著性数据,将所述多个像素块划分至第一像素块集合和第二像素块集合;其中,第一像素块集合中的像素块作为第一像素块,第二像素集合中的像素块作为第二像素块;第一像素块的显著性数据表示的相应第一像素块承载的信息量对识别所述目标识别对象的贡献程度,不小于第二像素块的显著性数据表示的相应第二像素块承载的信息量对识别所述目标识别对象的贡献程度;
使用所述第一像素块集合,生成所述目标交通数据。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
将所述第二像素块集合中的像素块,在所述交通图像中的位置信息发送给目标传输对象。
7.根据权利要求1所述的方法,其特征在于,所述交通数据表示交通图像;所述数据单元通过所述交通图像中的多个像素形成;不同数据单元包括的像素不同;所述预测所述数据单元对应的显著性数据的步骤,包括:
将所述交通图像输入显著性预测单元,得到针对所述目标识别对象的显著图;其中,所述显著图包括分别对应所述交通图像中像素的多个显著值;所述显著值表示相应像素承载的信息量对识别所述目标识别对象的贡献程度;
根据所述数据单元包括的多个像素对应的显著值,生成所述数据单元对应的显著性数据。
8.根据权利要求7所述的方法,其特征在于,所述目标识别对象的数量有多个,且多个目标识别对象的类别不同;所述显著性预测单元包括用于识别所述多个目标识别对象的多类别图像识别模型;将所述交通图像输入显著性预测单元,得到针对所述目标识别对象的显著图的步骤,包括:
将所述交通图像输入所述多类别图像识别模型,得到所述交通图像针对不同目标识别对象的类别预测值,以及所述多类别图像识别模型编码所述交通图像形成的多维特征图;其中,所述类别预测值用于表示所述交通图像中存在相应目标识别对象的置信程度;所述多维特征图包括多个特征子图;
分别计算所述类别预测值针对不同特征子图中特征值的梯度值;
基于所述梯度值,生成所述多个特征子图分别对应不同目标识别对象的权重值;其中,所述权重值用于表示相应的特征子图对识别出多个目标识别对象的贡献程度;
依照所述权重值,将所述多个特征子图进行加权处理,得到针对所述多个目标识别对象的显著图。
9.一种交通数据的生成方法,其特征在于,所述方法包括:
接收承载交通数据的目标传输信号;其中,所述交通数据用于描述交通环境;所述交通环境包括目标识别对象;所述交通数据包括多个数据单元;所述数据单元对应有显著性数据;所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;所述目标传输信号通过多个承载数据单元的目标调制信号形成;所述目标调制信号对应有能量取值,且目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;
基于所述能量取值,在所述目标传输信号中识别出所述多个目标调制信号;
对所述多个目标调制信号进行解调处理,得到目标调制信号承载的数据单元;
根据所述数据单元,生成所述交通数据。
10.一种交通数据的传输装置,其特征在于,所述装置包括:
接收模块,用于接收用于描述交通环境的交通数据;其中,所述交通环境包括目标识别对象;所述交通数据通过多个数据单元形成;
预测模块,用于预测所述数据单元对应的显著性数据;其中,所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;其中,至少部分数据单元对应的显著性数据不同;
能量调制模块,用于根据所述显著性数据,分别对多个承载所述数据单元的调制信号分配相应的能量,形成多个目标调制信号;其中,目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;
传输模块,用于基于所述多个目标调制信号传输所述交通数据。
11.一种交通数据的生成装置,其特征在于,所述装置包括:
接收模块,用于接收承载交通数据的目标传输信号;其中,所述交通数据用于描述交通环境;所述交通环境包括目标识别对象;所述交通数据包括多个数据单元;所述数据单元对应有显著性数据;所述显著性数据表示数据单元承载的信息量对识别所述目标识别对象的贡献程度;所述目标传输信号通过多个承载数据单元的目标调制信号形成;所述目标调制信号对应有能量取值,且目标调制信号的能量取值与对应数据单元的显著性数据所表示的所述数据单元对识别所述目标识别对象的贡献程度之间正相关;
识别模块,用于基于所述能量取值,在所述目标传输信号中识别出所述多个目标调制信号;
解调模块,用于对所述多个目标调制信号进行解调处理,得到目标调制信号承载的数据单元;
生成模块,用于根据所述数据单元,生成所述交通数据。
12.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310839819.6A CN116582838B (zh) | 2023-07-10 | 2023-07-10 | 交通数据的传输方法、生成方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310839819.6A CN116582838B (zh) | 2023-07-10 | 2023-07-10 | 交通数据的传输方法、生成方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116582838A CN116582838A (zh) | 2023-08-11 |
CN116582838B true CN116582838B (zh) | 2023-11-14 |
Family
ID=87536165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310839819.6A Active CN116582838B (zh) | 2023-07-10 | 2023-07-10 | 交通数据的传输方法、生成方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116582838B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018207401A (ja) * | 2017-06-08 | 2018-12-27 | 矢崎エナジーシステム株式会社 | 車載無線通信装置および通信制御方法 |
CN111316679A (zh) * | 2017-11-13 | 2020-06-19 | 罗伯特·博世有限公司 | 道路侧网络节点、用以操作道路侧节点的方法、网络基础设施节点、用以操作网络基础设施节点的方法以及网络设立 |
CN113114735A (zh) * | 2021-03-25 | 2021-07-13 | 首都师范大学 | 面向城市社交车联网中交叉路口处的数据转发方法和装置 |
CN115546767A (zh) * | 2022-11-30 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、设备和计算机可读介质 |
WO2023011394A1 (zh) * | 2021-08-02 | 2023-02-09 | 腾讯科技(深圳)有限公司 | 应用于车辆间的数据分享方法、装置、介质及电子设备 |
CN116170779A (zh) * | 2023-04-18 | 2023-05-26 | 西安深信科创信息技术有限公司 | 一种协同感知数据传输方法、装置及系统 |
-
2023
- 2023-07-10 CN CN202310839819.6A patent/CN116582838B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018207401A (ja) * | 2017-06-08 | 2018-12-27 | 矢崎エナジーシステム株式会社 | 車載無線通信装置および通信制御方法 |
CN111316679A (zh) * | 2017-11-13 | 2020-06-19 | 罗伯特·博世有限公司 | 道路侧网络节点、用以操作道路侧节点的方法、网络基础设施节点、用以操作网络基础设施节点的方法以及网络设立 |
CN113114735A (zh) * | 2021-03-25 | 2021-07-13 | 首都师范大学 | 面向城市社交车联网中交叉路口处的数据转发方法和装置 |
WO2023011394A1 (zh) * | 2021-08-02 | 2023-02-09 | 腾讯科技(深圳)有限公司 | 应用于车辆间的数据分享方法、装置、介质及电子设备 |
CN115546767A (zh) * | 2022-11-30 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、设备和计算机可读介质 |
CN116170779A (zh) * | 2023-04-18 | 2023-05-26 | 西安深信科创信息技术有限公司 | 一种协同感知数据传输方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
路侧感知车辆轨迹数据质量智能评估方法;杜豫川;中国公路学报;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116582838A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10509413B2 (en) | Ground reference determination for autonomous vehicle operations | |
CN115297289B (zh) | 一种监控视频高效存储方法 | |
Marvasti et al. | Cooperative lidar object detection via feature sharing in deep networks | |
CN110728218A (zh) | 危险驾驶行为的预警方法、装置、电子设备及存储介质 | |
US20190272645A1 (en) | Systems and methods for performing instance segmentation | |
CN111033559A (zh) | 用于图像模糊校正的图像处理、图像处理方法和程序 | |
WO2019054070A1 (ja) | 画像処理装置 | |
CN113612844A (zh) | 车辆端的数据分享方法、装置、介质及电子设备 | |
CN113613201A (zh) | 应用于车辆间的数据分享方法、装置、介质及电子设备 | |
CHENG et al. | Cooperative intelligence for autonomous driving | |
CN110012215B (zh) | 图像处理装置和图像处理方法 | |
US20200341484A1 (en) | Vehicle control system, apparatus for classifying markings, and method thereof | |
US10839522B2 (en) | Adaptive data collecting and processing system and methods | |
CN116582838B (zh) | 交通数据的传输方法、生成方法、装置、设备和介质 | |
WO2019049548A1 (ja) | 画像処理装置 | |
CN115578709B (zh) | 一种车路协同的特征级协同感知融合方法和系统 | |
CN115320627A (zh) | 一种车辆驾驶方法、装置及系统 | |
CN116363100A (zh) | 图像质量评价方法、装置、设备及存储介质 | |
CN113435232A (zh) | 一种物体的检测方法、装置、设备及存储介质 | |
CN114120634B (zh) | 基于WiFi的危险驾驶行为识别方法、装置、设备及存储介质 | |
CN113422797B (zh) | 一种用于车联网的更新地图的方法及系统 | |
CN112333539B (zh) | 移动通信网络下的视频实时目标检测方法、终端及服务器 | |
CN116229128A (zh) | 实体图像的聚类处理方法、装置、电子设备及存储介质 | |
CN114140636A (zh) | 困难样本获取方法、装置、设备及可读存储介质 | |
CN108154691B (zh) | 一种基于专用短程通信的交通调节系统及方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 533, 5th Floor, Building A3A4, Phase I, Zhong'an Chuanggu Science and Technology Park, No. 900 Wangjiang West Road, High tech Zone, Hefei City, Anhui Province, 230031 Applicant after: Anhui Xinxin Science and Technology Innovation Information Technology Co.,Ltd. Address before: 2nd Floor, Building B2, Yunhui Valley, No. 156, Tiangu 8th Road, Software New Town, Yuhua Street Office, High-tech Zone, Xi'an City, Shaanxi Province 710000 Applicant before: Xi'an Xinxin Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |