CN117195147A - 数据处理方法、数据处理装置、电子设备及存储介质 - Google Patents
数据处理方法、数据处理装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117195147A CN117195147A CN202311129527.XA CN202311129527A CN117195147A CN 117195147 A CN117195147 A CN 117195147A CN 202311129527 A CN202311129527 A CN 202311129527A CN 117195147 A CN117195147 A CN 117195147A
- Authority
- CN
- China
- Prior art keywords
- data
- fusion
- gateway
- state
- level features
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 claims description 124
- 238000004364 calculation method Methods 0.000 claims description 65
- 238000004891 communication Methods 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 17
- 230000008447 perception Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000007726 management method Methods 0.000 description 18
- 230000002829 reductive effect Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram 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
- 238000001514 detection method Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请提供了一种数据处理方法、数据处理装置、电子设备及存储介质,属于电动汽车技术领域,应用于电动汽车的计算资源扩容单元,电动汽车还包括网关和域控制器,网关与计算资源扩容单元通信连接,域控制器与网关通信连接,通过从网关获取汽车系统数据,对汽车系统数据进行多模态数据融合,得到融合数据,将融合数据发送至网关,以使域控制器从网关获取融合数据,根据算力需求随时进行软硬件系统的重新设计,以实现计算资源的扩容,满足电动汽车的算力需求。
Description
技术领域
本申请涉及电动汽车技术领域,尤其涉及一种数据处理方法、数据处理装置、电子设备及存储介质。
背景技术
随着电动汽车的智能化发展,在电动汽车中加入了智能座舱、自动驾驶等,这使得汽车整车系统的算力资源需求呈指数级增长。为了应对电动汽车的大算力需求,通常选择迭代升级域控制器,将域控制器的芯片硬件更换为具有更强算力的芯片硬件。一旦车辆量产,在车辆的生命周期内,硬件的固化将导致新软件需求受限。因此,在整车架构设计时需要充分评估业务增长带来的需求增加、功能迭代等情况,并做最大化的硬件预留设计。而且整个软硬件系统的重新设计只能在车辆更新换代时满足,无法根据算力需求随时进行软硬件系统的重新设计。
发明内容
本申请实施例的主要目的在于提出一种数据处理方法、数据处理装置、电子设备及存储介质,旨在通过增加计算资源扩容单元,实现计算资源的扩容,满足电动汽车的算力需求,能够根据算力需求随时进行软硬件系统的重新设计。同时,可利用计算资源扩容单元进行数据处理,以减小域控制器的计算压力以及其对算力的需求。
为实现上述目的,本申请实施例的第一方面提出了一种数据处理方法,应用于电动汽车的计算资源扩容单元,所述电动汽车还包括网关和域控制器,所述网关与所述计算资源扩容单元通信连接,所述域控制器与所述网关通信连接,所述方法包括:
从所述网关获取汽车系统数据;
对所述汽车系统数据进行多模态数据融合,得到融合数据;
将所述融合数据发送至所述网关,以使所述域控制器从所述网关获取所述融合数据。
在一些实施例,所述汽车系统数据包括感知数据,所述融合数据包括感知融合数据,所述对所述汽车系统数据进行多模态数据融合,得到融合数据,包括:
对所述感知数据进行多模态特征提取,得到初始数据级特征、初始特征级特征和初始目标级特征;
对所述初始数据级特征进行特征融合得到融合数据级特征,对所述初始特征级特征进行特征融合得到融合特征级特征,对所述初始目标级特征进行特征融合得到融合目标级特征;
根据所述融合数据级特征、所述融合特征级特征和所述融合目标级特征得到所述感知融合数据。
在一些实施例,所述汽车系统数据还包括位置数据,所述融合数据还包括位置融合数据,所述对所述汽车系统数据进行多模态数据融合,得到融合数据,还包括:
获取位置数据融合策略;
根据所述位置数据融合策略对所述位置数据进行多模态数据融合,得到所述位置融合数据。
在一些实施例,在所述从所述网关获取汽车系统数据之后,所述数据处理方法还包括:
从所述网关获取汽车状态数据;
对所述汽车状态数据进行冗余计算,得到冗余计算结果;
将所述冗余计算结果发送至所述网关,以使所述域控制器从所述网关获取所述冗余计算结果。
在一些实施例,所述汽车状态数据包括车身状态、动力状态、电池状态和运动状态,所述对所述汽车状态数据进行冗余计算,得到冗余计算结果,包括:
对所述车身状态进行车身控制冗余计算,得到车身控制结果;
对所述动力状态进行动力控制冗余计算,得到动力控制结果;
对所述电池状态进行电池管理冗余计算,得到电池管理结果;
对所述运动状态进行运动控制冗余计算,得到运动控制结果;
根据所述车身控制结果、所述动力控制结果、所述电池管理结果和所述运动控制结果,得到所述冗余计算结果。
在一些实施例,在所述从所述网关获取汽车系统数据之后,所述数据处理方法还包括:
从所述网关获取安装包;
根据安装包安装应用程序,以在所述计算资源扩容单元部署所述应用程序。
在一些实施例,所述从所述网关获取汽车系统数据,包括:
获取所述域控制器的计算资源占用状态;
若所述计算资源占用状态大于预设占用阈值,则从所述网关获取所述汽车系统数据。
为实现上述目的,本申请实施例的第二方面提出了一种数据处理装置,应用于电动汽车的计算资源扩容单元,所述电动汽车还包括网关和域控制器,所述网关与所述计算资源扩容单元通信连接,所述域控制器与所述网关通信连接,所述装置包括:
获取模块,用于从所述网关获取汽车系统数据;
数据融合模块,用于对所述汽车系统数据进行多模态数据融合,得到融合数据;
发送模块,用于将所述融合数据发送至所述网关,以使所述域控制器从所述网关获取所述融合数据。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子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第一方面所述的数据处理方法。
为实现上述目的,本申请实施例的第四方面提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的数据处理方法。
本申请提出的数据处理方法、数据处理装置、电子设备及计算机可读存储介质,其通过在网关连接计算资源扩容单元,并非对域控制器进行迭代升级,来实现计算资源的扩容,能够根据算力需求随时增加计算资源扩容单元。从网关获取汽车系统数据,对汽车系统数据进行多模态数据融合,得到融合数据,将融合数据发送至网关,以使域控制器从网关获取融合数据,根据融合数据进行自动驾驶。通过将多模态数据融合转移到计算资源扩容单元执行,重新部署软件服务,能够减小域控制器的计算压力,减少域控制器对算力的需求。通过在硬件上添加计算资源扩容单元,软件上重新部署服务,来满足电动汽车的算力需求,能够根据算力需求随时进行软硬件系统的重新设计,避免软硬件系统的重新设计只能在车辆更新换代时满足。
附图说明
图1是本申请实施例提供的数据处理方法的流程图;
图2是图1中的步骤S110的流程图;
图3是本申请实施例提供的数据处理方法的示意图;
图4是本申请实施例提供的数据处理方法的另一流程图;
图5是图4中的步骤S420的流程图;
图6是本申请实施例提供的数据处理方法的另一流程图;
图7是图1中的步骤S120的流程图;
图8是图1中的步骤S120的另一流程图;
图9是本申请实施例提供的数据处理装置的结构示意图;
图10是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
随着电动汽车的智能化发展,在电动汽车中加入了智能座舱、自动驾驶等,这使得汽车整车系统的算力资源需求呈指数级增长。为了应对电动汽车的大算力需求,通常选择迭代升级域控制器,将域控制器的芯片硬件更换为具有更强算力的芯片硬件。一旦车辆量产,在车辆的生命周期内,硬件的固化将导致新软件需求受限。因此,在整车架构设计时需要充分评估业务增长带来的需求增加、功能迭代等情况,并做最大化的硬件预留设计。特别是面向服务架构(Service-Oriented Architecture,SOA)的发展,更是给整车系统的硬件资源评估带来了巨大挑战。在整车架构设计时需要考虑未来3至5年业务功能需求增长所需要的软件资源,进一步评估硬件资源的余量。而且整个软硬件系统的重新设计只能在车辆更新换代时满足,无法根据算力需求随时进行软硬件系统的重新设计。
基于此,本申请实施例提供了一种数据处理方法、数据处理装置、电子设备及计算机可读存储介质,旨在通过增加计算资源扩容单元,实现计算资源的扩容,满足电动汽车的算力需求,以根据算力需求随时进行软硬件系统的重新设计。通过利用计算资源扩容单元进行数据处理,分担电动汽车域控制器的数据处理任务,能够减少域控制器的计算压力。
本申请实施例提供的数据处理方法、数据处理装置、电子设备及计算机可读存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的数据处理方法。
本申请实施例提供的数据处理方法,涉及电动汽车技术领域。本申请实施例提供的数据处理方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、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;软件可以是实现数据处理方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图1是本申请实施例提供的数据处理方法的一个可选的流程图,图1中的方法应用于电动汽车的计算资源扩容单元,电动汽车还包括网关和域控制器,网关与计算资源扩容单元通信连接,域控制器与网关通信连接,可以包括但不限于包括步骤S110至步骤S130。
步骤S110,从网关获取汽车系统数据;
步骤S120,对汽车系统数据进行多模态数据融合,得到融合数据;
步骤S130,将融合数据发送至网关,以使域控制器从网关获取融合数据。
本申请实施例所示意的步骤S110至步骤S130,在网关上外挂计算资源扩容单元,将域控制器的融合算法计算任务转移到计算资源扩容单元执行,通过在硬件上外扩计算资源扩容单元,软件上重新调整服务部署,来满足电动汽车的算力需求。同时,可根据算力需求随时调整计算资源扩容单元以及软件部署,降低了上层软件应用对下层硬件的依赖性。利用计算资源扩容单元进行数据融合得到融合数据,能够使域控制器直接利用该融合数据实现智能驾驶,而无需再进行数据融合任务,减少了域控制器的计算压力,降低了域控制器对高算力的需求。
请参阅图2,在一些实施例中,步骤S110可以包括但不限于包括步骤S210至步骤S220:
步骤S210,获取域控制器的计算资源占用状态;
步骤S220,若计算资源占用状态大于预设占用阈值,则从网关获取汽车系统数据。
在一些实施例的步骤S210中,如图3所示,电动汽车的整车系统包括多个域控制器和中央网关(gateway,GW),这多个域控制器分别是座舱域(CabinDomain Controller,CDC)、智驾域(Autonomous Driving Controller,ADC)、车身域(Body Control Module,BCM)、动力域(Vehicle Control Unit,VCU)、电池管理系统(Battery Management System,BMS)、底盘域(Chassis Control Module,CCM)和远程通讯箱(Telematics Box,Tbox)。中央网关是车辆局域网的中心点,保证不同的以太网相互之间通讯,从而完成局域网的搭建,中央网关构成车载以太网通讯的桥梁,来满足SOA架构的实现。中央网关与计算资源扩容单元通信连接,二者通过SOME/IP协议进行通讯。多个域控制器分别与中央网关通信连接,域控制器和中央网关之间同样通过SOME/IP协议进行通讯。移动终端可以通过无线WIFI或者蓝牙等方式连接Tbox,移动终端与Tbox之间通过TCP/IP协议进行通讯。基于SOA架构下,在中央网关上外挂计算单元,来增加整车系统总体算力。通过这种方式,无需更改整车系统现有的电子电气架构,只需在原有架构的基础上进行扩容,能够适应电动汽车未来不断增长的业务功能对算力的需求。
计算资源扩容单元定期或者实时获取域控制器的计算资源占用状态,以根据计算资源占用状态评估域控制器的算力。当域控制器的算力不足以支持计算任务时,则通过计算资源扩容单元来执行该计算任务。计算资源占用状态可以用中央处理器(CentralProcessing Unit,CPU)使用率表示。CPU使用率是指在某个时间点上,CPU正在运行的程序所占用的CPU资源的百分比。
在一些实施例的步骤S220中,若计算资源占用状态大于预设占用阈值,说明域控制器的算力不足,则将域控制器的任务转移至计算资源扩容单元,计算资源扩容单元从中央网关获取汽车系统数据。中央网关是微服务架构中一种轻量级的服务总线,服务总线包括多个服务接口。任意在局域网内部的控制器均可以订阅服务总线上的服务,或者是往服务总线上发布服务。计算资源扩容单元可以通过调用服务总线上的服务接口获取汽车系统数据。若计算资源占用状态小于或者等于预设占用阈值,说明域控制器的算力可以支持当前计算任务,则由域控制器执行当前计算任务。
在一些实施例,计算资源扩容单元定期或者实时获取域控制器的状态,若域控制器处于故障状态,则将域控制器的任务转移至计算资源扩容单元。
通过上述步骤S210至步骤S220,在域控制器算力不足或者域控制器故障的情况下,可以通过计算资源扩容单元为整车系统提供算力。
请参阅图4,在一些实施例中,在步骤S110之后,数据处理方法还可以包括但不限于包括步骤S410至步骤S430:
步骤S410,从网关获取汽车状态数据;
步骤S420,对汽车状态数据进行冗余计算,得到冗余计算结果;
步骤S430,将冗余计算结果发送至网关,以使域控制器从网关获取冗余计算结果。
在一些实施例的步骤S410中,计算资源扩容单元可以是安全冗余单元,用于承接车辆车身域、动力域、电池管理系统和底盘域等具有高功能安全等级要求的冗余计算。安全冗余单元可以采用具有高算力的多核微处理器(Micro Processor Unit,MPU)芯片。当车身域、动力域、电池管理系统、底盘域中的某一域控制器的计算资源占用状态大于预设占用阈值,或者车身域、动力域、电池管理系统、底盘域某些功能故障失效,则将对应域控制器的安全冗余计算任务转移至安全冗余单元,由安全冗余单元代替对应域控制器进行冗余计算,以使汽车达到更高功能安全等级,确保电动汽车的安全性和可靠性。安全冗余单元与服务总线建立通信连接,调用服务总线上的服务接口获取汽车状态数据,以对汽车状态数据进行冗余计算。当车身域、动力域、电池管理系统、底盘域中的某一域控制器的计算资源占用状态小于等于预设占用阈值,或者车身域、动力域、电池管理系统、底盘域未故障,则通过对应域控制器进行冗余计算。例如,车身域的计算资源占用状态为72%,预设占用阈值为60%,则通过安全冗余单元进行车身域的冗余计算。车身域的计算资源占用状态为20%,预设占用阈值为60%,则通过车身域进行冗余计算。
在一些实施例的步骤S420中,通过部署于安全冗余单元的冗余计算算法对汽车状态数据进行冗余计算,得到冗余计算结果。部署于安全冗余单元的冗余计算算法与部署于域控制器的冗余计算算法相同,使得安全冗余单元可以承担与各域控制器相同的冗余计算任务。
在一些实施例的步骤S430中,将冗余计算结果封装为服务发布到服务总线上,以使域控制器从服务总线上获取冗余计算结果并消费,从而根据冗余计算结果进行汽车控制。
可以理解的是,安全冗余单元能够灵活部署,可根据功能安全等级需求进行增删,做到按需增删。
上述步骤S410至步骤S430,在域控制器计算资源占用较高、域控制器故障的情况下,可以通过安全冗余单元代替域控制器进行冗余控制,从而满足电动汽车对更高功能安全等级的需求。
请参阅图5,在一些实施例中,汽车状态数据包括车身状态、动力状态、电池状态和运动状态,步骤S420可以包括但不限于包括步骤S510至步骤S550:
步骤S510,对车身状态进行车身控制冗余计算,得到车身控制结果;
步骤S520,对动力状态进行动力控制冗余计算,得到动力控制结果;
步骤S530,对电池状态进行电池管理冗余计算,得到电池管理结果;
步骤S540,对运动状态进行运动控制冗余计算,得到运动控制结果;
步骤S550,根据车身控制结果、动力控制结果、电池管理结果和运动控制结果,得到冗余计算结果。
在一些实施例的步骤S510中,安全冗余单元调用服务总线的车身状态服务接口获取车身状态,车身状态包括车门锁定状态、车灯状态、座椅位置、车窗状态等。对车身状态进行车身控制冗余计算,得到车身控制结果,以对外提供车身控制服务,车身控制结果为车身控制策略。若车身控制冗余计算为远光灯控制冗余计算,需要通过调用车身状态服务接口获取电源状态和组合开关状态,对电源状态和组合开关状态进行冗余计算生成控制策略,以使车身域通过控制策略控制组合开关打到远光灯档位,完成对远光灯的控制。
在一些实施例的步骤S520中,安全冗余单元调用服务总线的动力状态服务接口获取动力状态,动力状态包括整车档位状态、扭矩状态、车速状态、转向角度状态等。对动力状态进行动力控制冗余计算,得到动力控制策略,以根据动力控制策略控制汽车的车速、转向等。
在一些实施例的步骤S530中,安全冗余单元调用服务总线的电池状态服务接口获取电池状态,电池状态包括电池包电压状态、电池包电流状态、电池包温度状态等。对电池状态进行电池管理冗余计算,得到电池管理策略,以对外提供能量管理和热管理服务。
在一些实施例的步骤S540中,安全冗余单元调用服务总线的运动状态服务接口获取运动状态,运动状态包括静止状态、加速状态、减速状态等,对运动状态进行运动控制冗余计算,得到运动控制策略,以对外提供运动控制服务。
在一些实施例的步骤S550中,安全冗余单元还用于进行智驾域的感知冗余计算,调用传感器感知服务接口获取感知数据,感知数据包括摄像头采集的视频数据、雷达传感器数据、定位数据等,对感知数据进行感知冗余计算,得到传感器感知结果,以对外提供感知服务。将车身控制结果、动力控制结果、电池管理结果、运动控制结果和传感器感知结果作为冗余计算结果。
通过上述步骤S510至步骤S550,各个域控制器可以结合自身的控制结果和安全冗余单元的控制结果进行综合决策判断,当域控制器故障或资源占用率过高,则以冗余计算控制为主,当域控制器无故障或者资源占用率低,则以域控制器的自身控制为主,满足了电动汽车对算力以及功能安全等级的需求。
请参阅图6,在一些实施例中,在步骤S110之后,数据处理方法还可以包括但不限于包括步骤S610至步骤S620:
步骤S610,从网关获取安装包;
步骤S620,根据安装包安装应用程序,以在计算资源扩容单元部署应用程序。
在一些实施例的步骤S610中,计算资源扩容单元可以是应用部署单元,应用部署单元采用ARM处理器,并搭配开源Linux系统或者安卓系统,以提供丰富的应用开发环境。应用部署单元可以用作座舱控制器性能的补充,安装部分座舱域的应用。应用部署单元通过千兆以太网接入到车辆局域网中,与服务总线进行通讯,通过服务接口调用服务总线上的各个服务,部署以业务功能为核心的应用软件。具体地,通过调用服务接口获取服务对应的安装包。或者将移动终端例如手机等作为应用部署单元,来承接一些娱乐性的交互应用部署。移动终端与Tbox通信连接,Tbox与服务总线通信连接,通过服务总线调用车内服务,在移动终端部署应用程序。交互应用可以是控车应用程序、投影应用程序、音乐应用程序、人脸识别应用程序等。空车应用程序用于控制解锁、关窗、打开空调等。投影应用程序用于将移动终端的视频投射到车辆大屏。音乐应用程序用于将车载音响和移动终端连接,以实现播放音乐、唱歌等。人脸识别应用程序用于通过手机摄像头对驾驶员进行人脸识别等。
在一些实施例的步骤S620中,通过安装包在应用部署单元安装应用程序。
上述步骤S610至步骤S620,通过在应用部署单元安装部分应用,能够在不改变汽车整车架构的情况下,对汽车业务性能进行补充。
请参阅图7,在一些实施例中,汽车系统数据包括感知数据,融合数据包括感知融合数据,步骤S120可以包括但不限于包括步骤S710至步骤S730:
步骤S710,对感知数据进行多模态特征提取,得到初始数据级特征、初始特征级特征和初始目标级特征;
步骤S720,对初始数据级特征进行特征融合得到融合数据级特征,对初始特征级特征进行特征融合得到融合特征级特征,对初始目标级特征进行特征融合得到融合目标级特征;
步骤S730,根据融合数据级特征、融合特征级特征和融合目标级特征得到感知融合数据。
在一些实施例的步骤S710中,智驾域对算力需求较为明显,计算资源扩容单元可以是算力扩充单元,算力扩充单元采用高算力CPU芯片组,用于承接智驾域的融合算法计算工作。感知数据包括来自视觉感知系统、激光雷达感知系统、毫米波雷达感知系统和超声波雷达感知系统的数据,可通过调用服务总线上的视觉感知服务获取视频流数据,调用服务总线上的激光雷达感知服务获取激光雷达数据,调用服务总线上毫米波雷达感知服务获取毫米波雷达数据,调取超声波雷达感知服务获取超声波雷达数据。通过对这四个系统的数据进行多模态特征提取,得到初始数据级特征、初始特征级特征和初始目标级特征。具体地,对视频流数据进行目标像素点提取,得到第一初始数据级特征。对视频流数据进行目标特征点提取,得到第一初始特征级特征。对视频流数据进行目标信息提取,得到第一初始目标级特征。对激光雷达数据进行目标点云信息提取,得到第二初始数据级特征。对激光雷达数据进行目标特征点提取,得到第二初始特征级特征。对激光雷达数据进行目标特征点提取,得到第二初始目标级特征。分别对毫米波雷达数据进行点云信息提取、特征点提取、目标信息提取,得到第三初始数据级特征、第三初始特征级特征和第三初始目标级特征。分别对超声波雷达数据进行点云信息提取、特征点提取、目标信息提取,得到第四初始数据级特征、第四初始特征级特征和第四初始目标级特征。算力扩充单元设置有图像处理器,通过图像处理器将视频流数据划分为多个视频帧,对每一帧采用像素遍历算法进行解析,得到每个像素点的RGB信息。点云数据指的是雷达传感器通过以太网接口传输的雷达数据,可通过目标检测算法对雷达数据进行目标点云信息提取。目标特征点提取和目标信息提取可通过神经网络算法进行。
需要说明的是,视频流数据指的是参与到自动驾驶中行车和泊车子系统的环境感知视频,例如主动刹车的前向高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)摄像头视频、主动变道的侧向车辆盲点监测系统(Blind Spot Detection,BSD)摄像头视频、自动泊车入库的环视摄像头视频等。激光雷达数据包括激光雷达传感器所检测到的全部目标的点云信息,包括每一个点云的三维坐标数据。毫米波雷达数据包括毫米波雷达传感器所检测的全部目标的点云信息,包括每一个点云到雷达的距离和方位角。超声波雷达数据包括目标的点云距离和方位角。
在一些实施例的步骤S720中,为了得到更优的特征向量,调用数据融合算法对第一初始数据级特征、第二初始数据级特征、第三初始数据级特征和第四初始数据级特征进行数据级融合,得到融合数据级特征。调用特征融合算法对第一初始特征级特征、第二初始特征级特征、第三初始特征级特征和第四初始特征级特征进行特征级融合,得到融合特征级特征。调用目标融合算法对第一初始目标级特征、第二初始目标级特征、第三初始目标级特征和第四初始目标级特征进行目标级融合,得到融合目标级特征。
在一些实施例的步骤S730中,将融合数据级特征、融合特征级特征和融合目标级特征作为感知融合数据。
上述步骤S710至步骤S730,通过算力扩充单元的高算力特性可以承接智驾域的融合算法计算工作,以满足智驾域对算力的需求。同时,通过将多种不同源的特征信息结合起来,以提高智能驾驶的准确性。
请参阅图8,在一些实施例中,汽车系统数据还包括位置数据,融合数据还包括位置融合数据,步骤S120还可以包括但不限于包括步骤S810至步骤S820:
步骤S810,获取位置数据融合策略;
步骤S820,根据位置数据融合策略对位置数据进行多模态数据融合,得到位置融合数据。
在一些实施例的步骤S810中,算力扩充单元还可以承接多模融合定位服务计算,与服务总线建立连接后,分别获取卫星定位信息、5G定位信息、SLAM定位信息、V2X协同定位信息等位置数据。这四种定位信息均是获取车辆当前时刻在高精地图中的位置信息,是通过不同的数据来源从不同的维度获取定位信息。卫星定位信息是TBOX中的全球导航卫星系统(Global Navigation Satellite System,GNSS)模块接收到的定位信息。5G定位信息是由基站完成目标捕捉,云端完成定位算法,并通过蜂窝网络发给TBOX的无线模块的定位信息。SLAM定位信息是由智驾域采集来源于摄像头、雷达、六轴传感器等的原始数据,并经过多传感器算法计算的出来的定位信息。V2X协同定位信息来源于TBOX,TBOX通过V2X协议栈进行车车通讯,获取到车辆与车辆之间的定位信息。
多模融合定位算法使用的位置数据融合策略较多,位置数据融合策略可根据车辆驾驶场景进行确定,当车辆位于室外且GNSS信号较好的位置,这时候定位信息来源于GNSS的定位信息。当车辆开到楼宇间或者室内,则切换至5G定位,这时候定位信息来源于5G定位信息。位置数据融合策略可引入SLAM定位信息,通过SLAM定位信息预测车辆的运动趋势,以进行定位补偿,达成更准确的定位。当有V2X协同定位信息时,位置数据融合策略采取将V2X协同定位信息与卫星定位信息进行对比的方式,进行定位偏差修正,以达到更优的定位结果。
在一些实施例的步骤S820中,调用多模融合定位算法对位置数据进行多模态数据融合,得到位置融合数据,并将位置融合数据发送到服务总线上,通过服务总线提供定位服务。智驾域调用定位服务获取到经过融合算法后的精度更高、鲁棒性更好的定位信息,并将定位信息应用到自动驾驶路径规划中。
上述步骤S810至步骤S820,通过多模融合定位算法能够得到更优的定位结果,同时满足了电动汽车对于大算力的需求。
在一些实施例的步骤S130中,将融合数据发送至服务总线上,以使域控制器从服务总线上获取融合数据。
相关技术中,满足系统算力提升、功能安全等级提升的手段,只能通过重新选型更强大算力的SOC芯片,选择功能安全等级更高的MCU芯片,或者是通过新增芯片级的冗余设计去达到功能安全等级要求。这样一来相当于整个软硬件系统重新设计,只能在车辆更新换代时满足。
SOA架构的出现使得软件组件松耦合、部署灵活、可复用性强,上层应用对于底层硬件的变化依赖性减弱,本申请实施例的数据处理方法利用SOA架构的优势,通过硬件上计算单元的外扩,软件上重新调整服务的部署,来满足对于算力消耗较大的需求和更高功能安全等级的需求,保证整车系统对安全性、可靠性等性能方面的要求。
请参阅图9,本申请实施例还提供一种数据处理装置,应用于电动汽车的计算资源扩容单元,电动汽车还包括网关和域控制器,网关与计算资源扩容单元通信连接,域控制器与网关通信连接,可以实现上述数据处理方法,该装置包括:
获取模块910,用于从网关获取汽车系统数据;
数据融合模块920,用于对汽车系统数据进行多模态数据融合,得到融合数据;
发送模块930,用于将融合数据发送至网关,以使域控制器从网关获取融合数据。
该数据处理装置的具体实施方式与上述数据处理方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述数据处理方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图10,图10示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器1010,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器1020,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行本申请实施例的数据处理方法;
输入/输出接口1030,用于实现信息输入及输出;
通信接口1040,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线1050,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息;
其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述数据处理方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。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。
本申请实施例提供的数据处理方法、数据处理装置、电子设备及计算机可读存储介质,通过在硬件上外扩计算资源扩容单元,软件上重新调整服务部署,来满足电动汽车的算力需求。同时,可根据算力需求随时调整计算资源扩容单元以及软件部署,降低了上层软件应用对下层硬件的依赖性。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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、产品或设备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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,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。
上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例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多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)执行本申请各个实施例的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(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.数据处理方法,其特征在于,应用于电动汽车的计算资源扩容单元,所述电动汽车还包括网关和域控制器,所述网关与所述计算资源扩容单元通信连接,所述域控制器与所述网关通信连接,所述方法包括:
从所述网关获取汽车系统数据;
对所述汽车系统数据进行多模态数据融合,得到融合数据;
将所述融合数据发送至所述网关,以使所述域控制器从所述网关获取所述融合数据。
2.根据权利要求1所述的数据处理方法,其特征在于,所述汽车系统数据包括感知数据,所述融合数据包括感知融合数据,所述对所述汽车系统数据进行多模态数据融合,得到融合数据,包括:
对所述感知数据进行多模态特征提取,得到初始数据级特征、初始特征级特征和初始目标级特征;
对所述初始数据级特征进行特征融合得到融合数据级特征,对所述初始特征级特征进行特征融合得到融合特征级特征,对所述初始目标级特征进行特征融合得到融合目标级特征;
根据所述融合数据级特征、所述融合特征级特征和所述融合目标级特征得到所述感知融合数据。
3.根据权利要求2所述的数据处理方法,其特征在于,所述汽车系统数据还包括位置数据,所述融合数据还包括位置融合数据,所述对所述汽车系统数据进行多模态数据融合,得到融合数据,还包括:
获取位置数据融合策略;
根据所述位置数据融合策略对所述位置数据进行多模态数据融合,得到所述位置融合数据。
4.根据权利要求1所述的数据处理方法,其特征在于,在所述从所述网关获取汽车系统数据之后,所述数据处理方法还包括:
从所述网关获取汽车状态数据;
对所述汽车状态数据进行冗余计算,得到冗余计算结果;
将所述冗余计算结果发送至所述网关,以使所述域控制器从所述网关获取所述冗余计算结果。
5.根据权利要求4所述的数据处理方法,其特征在于,所述汽车状态数据包括车身状态、动力状态、电池状态和运动状态,所述对所述汽车状态数据进行冗余计算,得到冗余计算结果,包括:
对所述车身状态进行车身控制冗余计算,得到车身控制结果;
对所述动力状态进行动力控制冗余计算,得到动力控制结果;
对所述电池状态进行电池管理冗余计算,得到电池管理结果;
对所述运动状态进行运动控制冗余计算,得到运动控制结果;
根据所述车身控制结果、所述动力控制结果、所述电池管理结果和所述运动控制结果,得到所述冗余计算结果。
6.根据权利要求1至5任一项所述的数据处理方法,其特征在于,在所述从所述网关获取汽车系统数据之后,所述数据处理方法还包括:
从所述网关获取安装包;
根据安装包安装应用程序,以在所述计算资源扩容单元部署所述应用程序。
7.根据权利要求1至5任一项所述的数据处理方法,其特征在于,所述从所述网关获取汽车系统数据,包括:
获取所述域控制器的计算资源占用状态;
若所述计算资源占用状态大于预设占用阈值,则从所述网关获取所述汽车系统数据。
8.数据处理装置,其特征在于,应用于电动汽车的计算资源扩容单元,所述电动汽车还包括网关和域控制器,所述网关与所述计算资源扩容单元通信连接,所述域控制器与所述网关通信连接,所述装置包括:
获取模块,用于从所述网关获取汽车系统数据;
数据融合模块,用于对所述汽车系统数据进行多模态数据融合,得到融合数据;
发送模块,用于将所述融合数据发送至所述网关,以使所述域控制器从所述网关获取所述融合数据。
9.电子设备,其特征在于,所述电子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7任一项所述的数据处理方法。
10.计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129527.XA CN117195147A (zh) | 2023-08-31 | 2023-08-31 | 数据处理方法、数据处理装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129527.XA CN117195147A (zh) | 2023-08-31 | 2023-08-31 | 数据处理方法、数据处理装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117195147A true CN117195147A (zh) | 2023-12-08 |
Family
ID=88991700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311129527.XA Pending CN117195147A (zh) | 2023-08-31 | 2023-08-31 | 数据处理方法、数据处理装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117195147A (zh) |
-
2023
- 2023-08-31 CN CN202311129527.XA patent/CN117195147A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220332350A1 (en) | Maneuver coordination service in vehicular networks | |
CN109389832B (zh) | 使用v2x通信系统提高障碍意识的系统和方法 | |
EP3594811B1 (en) | Managing computational tasks in vehicle context | |
CN109769207B (zh) | 一种移动设备动态组网分享算力的系统与方法 | |
CN111246380B (zh) | 一种基于电动车辆安全状态的数据传输方法、装置及电动车辆 | |
US11210023B2 (en) | Technologies for data management in vehicle-based computing platforms | |
Chu et al. | Cloud control system architectures, technologies and applications on intelligent and connected vehicles: a review | |
CN112544061B (zh) | 一种数据传输方法以及装置 | |
CN109756572B (zh) | 一种分布式计算网络系统与方法 | |
CN112249034B (zh) | 一种汽车大脑系统及车辆驾驶控制方法 | |
CN110363899B (zh) | 基于通信通道检测中继攻击的方法及设备 | |
US20230305138A1 (en) | Communication method and apparatus | |
CN115334110A (zh) | 用于车辆控制的系统架构、通信方法、车辆、介质及芯片 | |
US11884300B2 (en) | Control system for autonomous vehicle | |
CN110789515B (zh) | 机动车辆中用于硬件验证的系统和方法 | |
US20210097784A1 (en) | Remote/offline processing of vehicle data | |
CN115071452A (zh) | 无低压电池的电池架构 | |
CN117022146B (zh) | 一种客运车辆的双域电子电气架构、工作方法及客运车辆 | |
CN115514741A (zh) | 一种ota升级方法、装置及计算机可读存储介质 | |
CN113868862A (zh) | 一种车辆在环测试方法和系统 | |
US20220292296A1 (en) | Information processing device, information processing method, and program | |
Keivani et al. | Collaborative mobile edge computing in Ev2x: a solution for low-cost driver assistance systems | |
CN117195147A (zh) | 数据处理方法、数据处理装置、电子设备及存储介质 | |
CN115145246B (zh) | 控制器的测试方法、装置、车辆、存储介质及芯片 | |
CN217435657U (zh) | 自动驾驶车辆的电气系统和自动驾驶车辆 |
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 |