CN117585022A - 基于PyQt5的数据处理方法、装置、设备和存储介质 - Google Patents
基于PyQt5的数据处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117585022A CN117585022A CN202410011572.3A CN202410011572A CN117585022A CN 117585022 A CN117585022 A CN 117585022A CN 202410011572 A CN202410011572 A CN 202410011572A CN 117585022 A CN117585022 A CN 117585022A
- Authority
- CN
- China
- Prior art keywords
- data
- target vehicle
- travel
- parameter index
- vehicle
- 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 25
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008447 perception Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 7
- 238000011161 development Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 13
- 230000018109 developmental process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 230000001953 sensory effect Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 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
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于PyQt5的数据处理方法、装置、设备和存储介质。其中,方法包括:通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,运行数据包括与至少一个感知设备相对应的实时感知数据;基于运行数据,确定与目标车辆相对应的至少一个参数指标;其中,参数指标包括目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;在确定所述至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆。解决了难以平衡数据处理准确度和开发成本的问题,提高数据处理准确度,降低开发成本。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及基于PyQt5的数据处理方法、装置、设备和存储介质。
背景技术
随着无人驾驶技术的发展,已经衍生出可以自动驾驶的教学车辆,以实现汽车教学。但是,无人驾驶技术的可靠性及安全性还有待发展,因此,需要对自动驾驶的教学车辆进行管控。
相关的自动驾驶教学车辆管控的技术方案中,主要是基于车辆的定位数据对其监控,导致车辆管控准确度较低;而且,现有的无人驾驶教学车辆大多是基于Java或C/C++语言的框架实现的,但是由于Java语言插件多且C/C++语言复杂,导致无人驾驶教学车辆开发工作难,周期长,从而导致开发成本高。
发明内容
本发明提供了一种基于PyQt5的数据处理方法、装置、设备和存储介质,以提高数据处理准确度,降低开发成本。
根据本发明的一方面,提供了一种基于PyQt5的数据处理方法,应用于车辆监控系统中,该方法包括:
通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,所述运行数据包括与至少一个感知设备相对应的实时感知数据;
基于所述运行数据,确定与所述目标车辆相对应的至少一个参数指标;其中,所述参数指标包括所述目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;
在确定所述至少一个参数指标不满足预设条件的情况下,生成与所述目标车辆相对应的车辆控制指令,并基于所述车辆控制指令控制所述目标车辆。
进一步的,所述车辆控制指令包括行驶控制指令,所述在确定所述至少一个参数指标不满足预设条件的情况下,生成与所述目标车辆相对应的车辆控制指令包括:
在确定所述参数指标不满足与所述参数指标相对应的预设数值范围的情况下,生成与所述目标车辆相对应的行驶控制指令,所述行驶控制指令用于使所述参数指标满足与所述参数指标相对应的预设数值范围。
进一步的,所述运行数据还包括行驶数据,所述基于所述运行数据确定与所述目标车辆相对应的至少一个参数指标,包括:
基于所述行驶数据和所述实时感知数据,确定与所述目标车辆相对应的预测行驶数据;其中,所述预测行驶数据包括下一时刻所述目标车辆的行驶路线和行驶速度。
进一步的,所述方法还包括:
基于所述预测行驶数据和目标行驶数据,确定行驶偏差数据;
基于所述行驶偏差数据,生成与所述目标车辆相对应的目标车辆控制指令,以使所述行驶偏差数据减小。
进一步的,所述感知设备包括双目相机、激光雷达、毫米波雷达和导航设备中的至少一个,所述方法还包括:
基于行驶数据和/或所述实时感知数据,确定与所述目标车辆相对应的至少一个目标数据;
生成与所述至少一个目标数据相对应的变化曲线并显示;
其中,所述目标数据包括行驶轨迹、行驶速度和行驶偏航角。
进一步的,所述行驶数据包括行驶速度、行驶加速度和角速度,所述预测行驶数据包括预测行驶速度和预测行驶路径,所述基于所述行驶数据和所述实时感知数据,确定与所述目标车辆相对应的预测行驶数据,包括:
基于所述实时感知数据,确定所述预测行驶路径;
基于所述行驶速度、行驶加速度和行驶角速度,确定所述预测行驶速度。
可选的,所述行驶数据包括所述目标车辆的挡位、油门开度、制动踏板开度以及转向角度中的至少一个。
根据本发明的另一方面,提供了一种基于PyQt5的数据处理装置,配置于车辆监控系统中,该装置包括:
数据预处理模块,用于通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,所述运行数据包括与至少一个感知设备相对应的实时感知数据;
参数指标确定模块,用于基于所述运行数据,确定与所述目标车辆相对应的至少一个参数指标;其中,所述参数指标包括所述目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;
车辆控制模块,用于在确定所述至少一个参数指标不满足预设条件的情况下,生成与所述目标车辆相对应的车辆控制指令,并基于所述车辆控制指令控制所述目标车辆。
根据本发明的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的基于PyQt5的数据处理方法。
根据本发明的另一方面,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指令,计算机指令用于使处理器执行时实现本发明任一实施例的基于PyQt5的数据处理方法。
本发明实施例的技术方案,通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,运行数据包括与至少一个感知设备相对应的实时感知数据;基于运行数据,确定与目标车辆相对应的至少一个参数指标;其中,参数指标包括目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;在确定所述至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆。解决了难以平衡数据处理准确度和开发成本的问题,提高数据处理准确度,降低开发成本。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种基于PyQt5的数据处理方法的流程图;
图2是根据本发明实施例提供的另一种基于PyQt5的数据处理方法的流程图;
图3是根据本发明实施例提供的一种具体的基于PyQt5的数据处理方法的流程图;
图4是根据本发明实施例提供的一种具体的车辆监控系统的示意图;
图5是根据本发明实施例提供的一种具体的车辆监控系统架构的示意图;
图6是根据本发明实施例提供的一种具体的车辆监控系统的结构框图;
图7是根据本发明实施例提供的一种具体的车辆监控系统数据处理的流程图;
图8是根据本发明实施例提供的一种基于PyQt5的数据处理装置的结构框图;
图9是根据本发明实施例提供的一种电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“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。
图1是根据本发明实施例提供的一种基于PyQt5的数据处理方法的流程图,本实施例可适用于对自动驾驶车辆的运行数据进行数据处理的场景,应用于车辆监控系统,可以由基于PyQt5的数据处理装置来执行,该基于PyQt5的数据处理装置可以采用硬件和/或软件的形式实现,并配置于电子设备的处理器中。
如图1所示,基于PyQt5的数据处理方法包括以下步骤:
S110、通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据。
可以理解的是,车辆的参数指标不同,运行数据也不同,因此,为了确定目标车辆是否正常运行,可以获取目标车辆运行相关联的数据,以基于这些数据确定目标系统的参数指标是否正常,以实现车辆监控。
其中,车辆监控系统是基于PyQt5框架开发的。PyQt5是一个基于Python的图形用户界面(Graphical User Interface,GUI)框架。基于PyQt5框架进行车辆监控系统开发的优点包括:(1)简单好用。PyQt5提供了丰富的功能和易于使用的API,使得车辆监控系统的界面设计变得简单且直观。(2)功能强大。PyQt5支持多种控件和布局,能够用于各种复杂的界面设计。(3)支持跨平台。PyQt5可以在各种操作系统(例如Windows、macOS和Linux等)中运行。(4)便于理解。PyQt5有详细的官方文档和示例代码,可以帮助开发人员快速学习和理解。
运行数据是目标车辆在运行过程中产生的各项运行参数和状态信息。例如,车辆运行数据可以包括车辆实时位置、行驶轨迹、发动机启动与关闭时间、发动机温度、发动机转速、节气门开度、怠速时间长短、发动机持续工作小时、电瓶电压、是否开空调、变速箱档位信息、变速箱换挡模式和车辆的行驶速度中的至少一个。
考虑到不同场景中运行数据的重要程度不同,因此可以根据具体场景,选取目标车辆的运行数据。
可以理解的是,数据预处理是保证数据质量的重要环节,通过采用合适的方法和技巧,可以减少运行数据中的冗余数据和无效数据,提高运行数据的准确性和可信度,为后续的数据分析和决策提供了基础。
预处理可以包括数据清洗、数据集成、数据变换和数据归约中的至少一种处理操作。其中,数据清洗通过填写缺失值、光滑噪声数据、识别和删除离群数据中的至少一种处理方式,以使运行数据的数据格式标准化、清除异常数据、纠正错误数据以及清除重复数据。数据集成通过将目标车辆多个数据源中的数据(例如多个感知设备的感知数据)结合起来并统一存储。数据变换通过平滑聚集、数据概化和规范化等方式将运行数据转换成适用于数据处理的形式。
本实施例中,通过数据清洗对运行数据进行预处理。相对应的,通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据包括:接收目标车辆的原始运行数据,对该原始运行数据进行数据清洗,得到清洗后的运行数据,基于清洗后的运行数据对原始运行数据进行更新。
可选的,为了得到目标车辆的运行数据,对目标车辆配置了至少一个感知设备,以基于感知设备获取车辆的运行数据。进一步的,考虑到每个感知设备的功能不同,可以基于具体的应用场景选取对应功能的感知设备,这样做的好处是,感知设备可以收集、处理和反馈各种信息,从而得到多种种类的、精确的感知数据。
可选的,为了得到更加全面的感知数据,同种类型的感知设备也可以设置多个。本实施例中,运行数据包括与至少一个感知设备相对应的实时感知数据。其中,感知设备可以包括温湿度传感器,光电传感器、深度相机和雷达设备等。示例性的,为了获取车辆所属的环境信息,在车辆周围设置了各个拍摄方位的摄像头,用于多角度捕捉环境图像,能够获取到丰富的色彩和细节信息,例如,可以确定车辆周围的车道线、指示标志和红绿灯等等。相对应的,通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据包括:接收目标车辆周围设置的多个摄像头拍摄的环境图像,对所有环境图像进行合成,得到车辆周围的全景图像。
S120、基于运行数据,确定与目标车辆相对应的至少一个参数指标。
可以理解的是,为了便于对目标车辆进行监控,可以对运行数据进行数据分析和数据处理,以得到与目标车辆相对应的参数指标,进而基于参数指标可以确定目标车辆的状况。
参数指标是与运行数据相对应的特征数据,相对应的,基于运行数据,确定与目标车辆相对应的至少一个参数指标包括:对于运行数据中的每个数据进行特征提取操作,得到与该数据对应的特征数据;基于所有特征数据,确定运行数据对应的特征数据,将每个特征数据作为与目标车辆相对应的一个参数指标。
可选的,参数指标可以是与目标车辆的运行数据相对应的量化指标,相对应的,基于运行数据,确定与目标车辆相对应的至少一个参数指标包括:对于运行数据中的目标数据,基于目标数据相对应的至少一个量化指标对目标数据进行处理,得到与该目标数据对应的至少一个量化指标数据,作为与该目标数据对应的参数指标。
本实施例中,参数指标是与实时感知数据相对应的量化指标,例如,参数指标可以包括目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度。相对应的,基于运行数据,确定与目标车辆相对应的至少一个参数指标包括:对于至少一个感知设备获取的实时感知数据,对该感知数据进行数据分析,确定目标车辆周围的障碍物,得到障碍物数量、每个障碍物的高度、以及每个障碍物与目标车辆之间的距离。
示例性的,基于深度相机获取目标车辆所属环境的环境图像;基于神经网络模型(例如目标检测模型)对该环境图像进行处理,得到环境图像中包括的障碍物数量和障碍物类型;基于深度相机的测距原理,确定各障碍物到深度相机的距离以及障碍物高度。
可选的,运行数据还包括行驶数据,基于运行数据确定与目标车辆相对应的至少一个参数指标,包括:基于行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶数据;基于所述预测行驶数据,确定与所述目标车辆相对应的至少一个参数指标。
可以理解的是,为了使目标车辆的形式路线避开障碍物,需要根据实时感知数据确定目标车辆的行驶路线。
其中,行驶数据可以包括行驶速度。相对应的,基于行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶数据,包括:基于实时感知数据中确定目标车辆所对应的行驶障碍物的障碍物位置信息;基于障碍物位置信息确定下一时刻目标车辆的行驶路线,以及,基于障碍物位置信息和行驶速度,确定下一时刻目标车辆的行驶速度;将下一时刻目标车辆的行驶路线作为一个参数指标,并将下一时刻目标车辆的行驶速度作为一个参数指标。
可选的,行驶数据包括目标车辆的预设行驶路线和/或预设行驶速度,相对应的,基于行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶数据包括:预先设置了目标车辆的行驶路线和行驶速度,基于该预设行驶路线,控制目标车辆以预设行驶速度行驶;在行驶过程中,根据实时感知数据对行驶路线进行调整,以基于调整后的路线和预设行驶路线控制目标车辆行驶;以及,根据目标车辆行驶过程中的实时行驶速度和实时感知数据(例如限速路牌),确定目标车辆的下一时刻的行驶速度。
可选的,行驶数据还包括加速度数据,相对应的,基于行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶数据包括:根据目标车辆行驶过程中的实时行驶速度和行驶加速度数据,确定目标车辆的下一时刻的行驶速度。
可选的,基于行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶数据还包括:基于预测行驶数据和目标行驶数据,确定行驶偏差数据;基于行驶偏差数据,生成与目标车辆相对应的目标车辆控制指令,以使行驶偏差数据减小。
其中,目标行驶数据可以是预先设置的目标车辆的行驶速度和行驶路线。行驶偏差数据包括预测行驶速度与预设行驶速度的偏差数据,以及,预测行驶路线与预设行驶路线的偏差数据。相对应的,基于预测行驶数据和目标行驶数据,确定行驶偏差数据包括:基于预设行驶速度和预测行驶数据中下一时刻目标车辆的行驶速度,确定预设行驶速度与预测行驶速度的差值,将其作为预测行驶速度与预设行驶速度的偏差数据;以及,基于预设行驶路线和预测行驶数据中下一时刻目标车辆的行驶路线,确定预设行驶路线与预测行驶路线的夹角角度,将其作为预测行驶路线与预设行驶路线的偏差数据。
可选的,设置了预设偏差阈值,相对应的,基于行驶偏差数据,生成与目标车辆相对应的目标车辆控制指令,包括:在行驶偏差数据超过预设偏差阈值的情况下,生成与目标车辆相对应的目标车辆控制指令。
本实施例中,预设偏差阈值包括速度偏差阈值和角度偏差阈值,相对应的,基于行驶偏差数据,生成与目标车辆相对应的目标车辆控制指令包括:在预测行驶速度与预设行驶速度的偏差数据超过速度偏差阈值的情况下,和/或,在预测行驶路线与预设行驶路线的偏差数据超过角度偏差阈值的情况下,生成与目标车辆相对应的目标车辆控制指令。
本实施例中,行驶数据包括目标车辆的挡位、油门开度、制动踏板开度以及转向角度中的至少一个。相对应的,基于行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶速度包括:基于目标车辆的挡位、油门开度、制动踏板开度以及转向角度中的至少一个数据,以及该数据与行驶速度的对应关系,确定目标车辆的行驶速度,基于该行驶速度和感知数据确定目标车辆在下一个时刻的行驶速度。示例性的,基于目标车辆的挡位、油门开度、制动踏板开度以及转向角度,基于挡位、油门开度、制动踏板开度、转向角度与行驶速度的对应关系,确定目标车辆的行驶速度,将其作为待处理行驶速度;基于实时感知数据确定目标车辆是否需要躲避障碍物,若不需要躲避障碍物,将该待处理行驶速度作为目标车辆在下一个时刻的行驶速度。
S130、在确定至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆。
可以理解的是,为了保证目标车辆安全行驶,在目标车辆行驶的过程中,可以基于参数指标确定目标车辆是否处于安全行驶状态,以在目标车辆处于危险行驶状态时,及时对目标车辆进行控制,以使目标车辆安全行驶。
预设条件是进行车辆控制的条件。
考虑到行驶状态不同,参数指标也不同,因此可以根据参数指标确定目标车辆是否处于危险行驶状态,进而在目标车辆处于危险行驶状态时,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆。
可选的,预设条件包括安全行驶状态。相对应的,在确定至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆,包括:预先设置了参数指标与行驶状态的对应关系,基于参数指标和该对应关系,确定目标车辆所处的行驶状态;在确定目标车辆处于危险行驶状态时,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆,以使目标车辆处于安全行驶状态。
本实施例中,车辆控制指令包括行驶控制指令,在确定所述至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令包括:在确定参数指标不满足与参数指标相对应的预设数值范围的情况下,生成与目标车辆相对应的行驶控制指令,行驶控制指令用于使参数指标满足与参数指标相对应的预设数值范围。
其中,预设数值范围可以是与目标车辆的运行数据相对应的量化指标所对应的数值范围。相对应的,在确定参数指标不满足与参数指标相对应的预设数值范围的情况下,生成与目标车辆相对应的行驶控制指令包括:对于每个参数指标,预先设置了与该参数指标相对应的数值范围;在目标车辆行驶的过程中,根据实时感知数据确定至少一个参数指标;对于至少一个参数指标中的每个参数指标,确定该参数指标的参数数值是否满足该参数指标所对应的预设数值范围;若该参数指标的参数数值不满足该参数指标所对应的预设数值范围,生成于目标车辆相对应的行驶控制指令,以基于该行驶控制指令控制目标车辆,使该参数指标的参数数值满足与参数指标相对应的预设数值范围。
可以理解的是,对于同一参数指标,处于安全行驶状态的车辆相对应的参数指标所对应的数值与处于危险行驶状态车辆相对应的参数指标数值是不同的,因此,为了基于参数指标的数值确定车辆的行驶状态,设置了与安全行驶状态对应的预设数值范围。
可选的,预设数值范围是与安全行驶状态的参数指标相对应的数值范围。相对应的,在确定参数指标不满足与参数指标相对应的预设数值范围的情况下,生成与目标车辆相对应的行驶控制指令包括:对于每个参数指标,根据行驶状态,预先设置了与安全行驶状态相对应的数值范围,以及,与危险行驶状态相对应的数值范围;在目标车辆行驶的过程中,根据实时感知数据确定至少一个参数指标;对于至少一个参数指标中的每个参数指标,确定该参数指标的参数数值是否满足该参数指标所对应的预设数值范围;若该参数指标的参数数值不满足该参数指标所对应的预设数值范围,生成于目标车辆相对应的行驶控制指令,以基于该行驶控制指令控制目标车辆,使该参数指标的参数数值满足与参数指标相对应的预设数值范围。
本实施例的技术方案,通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,运行数据包括与至少一个感知设备相对应的实时感知数据;基于运行数据,确定与目标车辆相对应的至少一个参数指标;其中,参数指标包括目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;在确定所述至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆。解决了难以平衡数据处理准确度和开发成本的问题,提高数据处理准确度,降低开发成本。
图2是根据本发明实施例提供的另一种基于PyQt5的数据处理方法的流程图,本实施例可适用于对自动驾驶车辆的运行数据进行数据处理的场景,应用于车辆监控系统,本实施例与上述实施例中的基于PyQt5的数据处理方法属于同一个发明构思,在上述实施例的基础上,进一步描述了基于运行数据确定与目标车辆相对应的至少一个参数指标的过程。
如图2所示,该基于PyQt5的数据处理方法包括:
S210、通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,运行数据包括与至少一个感知设备相对应的实时感知数据和行驶数据。
S220、基于行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶数据。
其中,预测行驶数据包括下一时刻所述目标车辆的行驶路线和行驶速度。
本实施例中,行驶数据包括行驶速度、行驶加速度和角速度,预测行驶数据包括预测行驶速度和预测行驶路径,基于所述行驶数据和实时感知数据,确定与目标车辆相对应的预测行驶数据,包括:基于实时感知数据,确定预测行驶路径;基于行驶速度、行驶加速度和行驶角速度,确定预测行驶速度。
可选的,基于实时感知数据,确定预测行驶路径包括:基于实时感知数据中各行驶障碍物的距离、障碍物数量和障碍物高度,确定与目标车辆对应的待避让障碍物,基于待避让障碍物,生成目标车辆的预测行驶路径,以使目标车辆避开这些障碍物。
可选的,基于设定时间长度、行驶速度、行驶加速度和行驶角速度,确定预测行驶速度。其中,设定时间长度为预测行驶速度相对应的未来时刻与当前时刻所对应的时间长度。相对应的,基于设定时间长度、行驶速度、行驶加速度和行驶角速度,确定预测行驶速度,包括:预先设置了设定时间长度、行驶速度、行驶加速度、行驶角速度与预测行驶速度的对应关系,基于设定时间长度、行驶速度、行驶加速度、行驶角速度以及该对应关系,确定预测行驶速度。
可选的,考虑到在一些场景中,障碍物的高度与危险程度成正比,因此,设置了高度阈值,确定障碍物高度大于该高度阈值的障碍物,将其作为待避让障碍物,基于所有待避让障碍物生成目标车辆的预测行驶路线,以使目标车辆避让高大障碍物。
S230、基于预测行驶数据,确定与目标车辆相对应的至少一个参数指标。
S240、在确定所述至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制所述目标车辆。
S250、基于行驶数据和/或实时感知数据,确定与目标车辆相对应的至少一个目标数据。
其中,目标数据包括行驶轨迹、行驶速度和行驶偏航角。
感知设备包括双目相机、激光雷达、毫米波雷达和导航设备中的至少一个,相对应的,实时感知数据包括:双目相机输出的环境图像,激光雷达点云数据、毫米波雷达输出的点云数据和测速数据、导航设备输出的目标车辆的位置数据。
具体的,基于导航设备获取目标车辆的实时位置数据,基于该实时位置数据确定目标车辆的行驶轨迹;基于毫米波雷达输出的测速数据确定行驶速度;基于激光雷达设备所对应的激光雷达点云数据、毫米波雷达输出的点云数据和测速数据确定行驶方向,并基于预设行驶路线和该行驶方向的夹角确定行驶偏航角。
需要说明的是,S250与S240可以同时进行,可以减少数据处理的时间。
S260、生成与至少一个目标数据相对应的变化曲线并显示。
基于目标车辆行驶过程中设定时间段内行驶轨迹、行驶速度和行驶偏航角中的至少一个,生成与行驶轨迹、行驶速度和行驶偏航角中的至少一个相对应的变化曲线,并显示该至少一个变化曲线。
本实施例的技术方案,一方面,基于实时感知数据,确定预测行驶路径;基于行驶速度、行驶加速度和行驶角速度,确定预测行驶速度,可以快速、准确又有效地确定预测行驶数据;另一方面,生成行驶轨迹、行驶速度和行驶偏航角相对应的变化曲线,便于进行数据分析,进一步提高基于PyQt5的数据处理效率。
图3是根据本发明实施例提供的一种具体的基于PyQt5的数据处理方法的流程图,将该数据处理方法配置于图4的基于PyQt5的数据处理系统中。
S310、通过对接收到的与目标车辆相关联的实时感知数据和行驶数据进行预处理,得到更新后的实时感知数据和行驶数据。
参考图4,基于PyQt5搭建了车辆监控系统,该GUI界面的左边部分为处理后的实时感知数据,实时感知数据包括双目相机信息、超声波雷达信息和毫米波雷达信息。右边部分为处理后的行驶数据,行驶数据包括挡位信息、油门信息、制动信息和转向信息。中间部分为车辆行驶过程中的轨迹、车速、偏航角等动态感知数据。
该系统还包括车辆控制,对档位、油门、制动、转向进行控制,包含手动模式和自动模式。
参考图5,车辆监控系统的架构主要分为三个层级,其中底层为数据层,包含智能传感器数据和整车底盘数据;中间层为数据通讯层,底层的数据通过CAN总线传输到应用层;顶层应用层则是对CAN总线传输过来的数据进行处理、分析,进而进行安全监控、决策控制和算法预测等。
本实施例中,通过CAN总线传输感知设备的感知数据和车辆行驶数据,行驶数据包括当前的档位、油门开度、踏板开度以及方向盘转角。
参考图6和图7,车辆监控系统包括:硬件模块601、感知-采集模块602、监测-决策模块603、预测模块604、处理单元605和底盘控制模块606。其中,硬件模块601包括两部分,一部分为感知设备,包括激光雷达、毫米波雷达、超声波雷达、双目相机以及组合导航;另一部分为底盘设备,包括油门、制动、转向和挡位。感知-采集模块602用于采集硬件模块产生的数据,感知设备产生的数据有车辆当前的经纬度、加速度、角速度、前方路况(车道线、障碍物)等;底盘设备产生数据有当前车辆的油门踏板开度、制动踏板开度、方向盘转角和挡位数据。监测-决策模块603用于对采集的数据进行实时监测,并在关键时刻(速度过高、需要转弯等)对其进行决策指令发送。预测模块604用于速度预测、避障预测和轨迹预测,其中,速度预测包括针对当前速度、加速度、角速度等信息预测接下来一段时间的速度;避障预测包括针对智能传感数据预测接下来是否需要避障;轨迹预测包括预测当前行驶状态是否会偏离预先设定的轨迹。处理单元605用于处理采集过来的数据,并为监测-决策、预测、底盘控制模块提供支持。底盘控制模块606用于根据当前的车辆状态,确定需要对当前车辆速度、转向需要控制时,底盘控制模块接受到底盘控制指令时,控制车辆的油门踏板开度、制动踏板开度、方向盘转角和挡位。
S320、基于实时感知数据和行驶数据,确定与目标车辆相对应的至少一个参数指标。
S330、在确定所述至少一个参数指标不满足预设条件的情况下,生成与目标车辆相对应的车辆控制指令,并基于车辆控制指令控制目标车辆。
图8是根据本发明实施例提供的一种基于PyQt5的数据处理装置的结构框图,本实施例可适用于基于PyQt5进行数据处理的场景,该装置可以采用硬件和/或软件的形式实现,配置于车辆监控系统中,集成于具有应用开发功能的电子设备的处理器中。
如图8所示,该基于PyQt5的数据处理装置包括:数据预处理模块801,用于通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,所述运行数据包括与至少一个感知设备相对应的实时感知数据;参数指标确定模块802,用于基于所述运行数据,确定与所述目标车辆相对应的至少一个参数指标;其中,所述参数指标包括所述目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;车辆控制模块803,用于在确定所述至少一个参数指标不满足预设条件的情况下,生成与所述目标车辆相对应的车辆控制指令,并基于所述车辆控制指令控制所述目标车辆。解决了难以平衡数据处理准确度和开发成本的问题,提高数据处理准确度,降低开发成本。
可选的,车辆控制模块803包括指令生成单元,该指令生成单元用于:在确定所述参数指标不满足与所述参数指标相对应的预设数值范围的情况下,生成与所述目标车辆相对应的行驶控制指令,所述行驶控制指令用于使所述参数指标满足与所述参数指标相对应的预设数值范围。
可选的,参数指标确定模块802具体用于:
基于所述行驶数据和所述实时感知数据,确定与所述目标车辆相对应的预测行驶数据,其中,所述预测行驶数据包括下一时刻所述目标车辆的行驶路线和下一时刻所述目标车辆的行驶速度;
基于所述预测行驶数据,确定与所述目标车辆相对应的至少一个参数指标。
可选的,参数指标确定模块802还包括行驶偏差确定单元,该行驶偏差确定单元具体用于:
基于所述预测行驶数据和目标行驶数据,确定行驶偏差数据;
基于所述行驶偏差数据,生成与所述目标车辆相对应的目标车辆控制指令,以使所述行驶偏差数据减小。
可选的,该装置还包括曲线生成模块,该曲线生成模块具体用于:
基于行驶数据和/或所述实时感知数据,确定与所述目标车辆相对应的至少一个目标数据;
生成与所述至少一个目标数据相对应的变化曲线并显示;
其中,所述目标数据包括行驶轨迹、行驶速度和行驶偏航角。
可选的,参数指标确定模块802包括预测行驶数据确定单元,该预测行驶数据确定单元具体用于:基于所述实时感知数据,确定所述预测行驶路径;
基于所述行驶速度、行驶加速度和行驶角速度,确定所述预测行驶速度。
可选的,所述行驶数据包括所述目标车辆的挡位、油门开度、制动踏板开度以及转向角度中的至少一个。
本发明实施例所提供的基于PyQt5的数据处理装置可执行本发明任一实施例所提供的基于PyQt5的数据处理方法,具备执行方法相应的功能模块和有益效果。
图9是根据本发明实施例提供的一种电子设备的结构框图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图9所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如基于PyQt5的数据处理方法。
在一些实施例中,基于PyQt5的数据处理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的基于PyQt5的数据处理方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于PyQt5的数据处理方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程基于PyQt5的数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于PyQt5的数据处理方法,其特征在于,应用于车辆监控系统,所述方法包括:
通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,所述运行数据包括与至少一个感知设备相对应的实时感知数据;
基于所述运行数据,确定与所述目标车辆相对应的至少一个参数指标;其中,所述参数指标包括所述目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;
在确定所述至少一个参数指标不满足预设条件的情况下,生成与所述目标车辆相对应的车辆控制指令,并基于所述车辆控制指令控制所述目标车辆。
2.根据权利要求1所述的方法,其特征在于,所述车辆控制指令包括行驶控制指令,
所述在确定所述至少一个参数指标不满足预设条件的情况下,生成与所述目标车辆相对应的车辆控制指令包括:
在确定所述参数指标不满足与所述参数指标相对应的预设数值范围的情况下,生成与所述目标车辆相对应的行驶控制指令,所述行驶控制指令用于使所述参数指标满足与所述参数指标相对应的预设数值范围。
3.根据权利要求1所述的方法,其特征在于,所述运行数据还包括行驶数据,
所述基于所述运行数据确定与所述目标车辆相对应的至少一个参数指标,包括:
基于所述行驶数据和所述实时感知数据,确定与所述目标车辆相对应的预测行驶数据,其中,所述预测行驶数据包括下一时刻所述目标车辆的行驶路线和下一时刻所述目标车辆的行驶速度;
基于所述预测行驶数据,确定与所述目标车辆相对应的至少一个参数指标。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
基于所述预测行驶数据和目标行驶数据,确定行驶偏差数据;
基于所述行驶偏差数据,生成与所述目标车辆相对应的目标车辆控制指令,以使所述行驶偏差数据减小。
5.根据权利要求1所述的方法,其特征在于,所述感知设备包括双目相机、激光雷达、毫米波雷达和导航设备中的至少一个,
所述方法还包括:
基于行驶数据和/或所述实时感知数据,确定与所述目标车辆相对应的至少一个目标数据;
生成与所述至少一个目标数据相对应的变化曲线并显示;
其中,所述目标数据包括行驶轨迹、行驶速度和行驶偏航角。
6.根据权利要求3所述的方法,其特征在于,所述行驶数据包括行驶速度、行驶加速度和角速度,所述预测行驶数据包括预测行驶速度和预测行驶路径,
所述基于所述行驶数据和所述实时感知数据,确定与所述目标车辆相对应的预测行驶数据,包括:
基于所述实时感知数据,确定所述预测行驶路径;
基于所述行驶速度、行驶加速度和行驶角速度,确定所述预测行驶速度。
7.根据权利要求3或5所述的方法,其特征在于,所述行驶数据包括所述目标车辆的挡位、油门开度、制动踏板开度以及转向角度中的至少一个。
8.一种基于PyQt5的数据处理装置,其特征在于,配置于车辆监控系统中,所述装置包括:
数据预处理模块,用于通过对接收到的与目标车辆相关联的运行数据进行预处理,得到更新后的运行数据,其中,所述运行数据包括与至少一个感知设备相对应的实时感知数据;
参数指标确定模块,用于基于所述运行数据,确定与所述目标车辆相对应的至少一个参数指标;其中,所述参数指标包括所述目标车辆所对应的行驶障碍物的障碍物距离、障碍物数量和障碍物高度;
车辆控制模块,用于在确定所述至少一个参数指标不满足预设条件的情况下,生成与所述目标车辆相对应的车辆控制指令,并基于所述车辆控制指令控制所述目标车辆。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-7中任一项所述的基于PyQt5的数据处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于PyQt5的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410011572.3A CN117585022A (zh) | 2024-01-02 | 2024-01-02 | 基于PyQt5的数据处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410011572.3A CN117585022A (zh) | 2024-01-02 | 2024-01-02 | 基于PyQt5的数据处理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117585022A true CN117585022A (zh) | 2024-02-23 |
Family
ID=89918558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410011572.3A Pending CN117585022A (zh) | 2024-01-02 | 2024-01-02 | 基于PyQt5的数据处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117585022A (zh) |
-
2024
- 2024-01-02 CN CN202410011572.3A patent/CN117585022A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700668B (zh) | 自动驾驶的远程控制方法、自动驾驶车辆及云端设备 | |
EP3577528B1 (en) | Enabling remote control of a vehicle | |
CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
CN113071505A (zh) | 驾驶行为习惯的确定、车辆行驶控制方法、装置及设备 | |
CN109544725B (zh) | 一种基于事件驱动的自动驾驶事故智能处理方法 | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN112622931A (zh) | 平行驾驶中的异常处理方法、自动驾驶车辆及云端驾驶舱 | |
CN116783462A (zh) | 一种自动驾驶系统的性能测试方法 | |
CN115092130A (zh) | 车辆碰撞预测方法、装置、电子设备、介质和车辆 | |
WO2022245916A1 (en) | Device health code broadcasting on mixed vehicle communication networks | |
CN113119999B (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN117416349A (zh) | V2X环境下基于改进YOLOV7-Tiny和SS-LSTM的自动驾驶风险预判系统及方法 | |
CN116776151A (zh) | 可与车外人员进行自主交互的自动驾驶模型和训练方法 | |
CN116880462A (zh) | 自动驾驶模型、训练方法和自动驾驶方法和车辆 | |
CN113183988B (zh) | 一种车辆自动驾驶的监督方法、装置、设备及存储介质 | |
CN117585022A (zh) | 基于PyQt5的数据处理方法、装置、设备和存储介质 | |
CN115782919A (zh) | 信息感知方法、装置及电子设备 | |
WO2022245915A1 (en) | Device-level fault detection | |
CN114559958A (zh) | 一种脱困策略的确定方法、装置、电子设备及存储介质 | |
CN114282776A (zh) | 车路协同评估自动驾驶安全性的方法、装置、设备和介质 | |
CN114511834A (zh) | 一种确定提示信息的方法、装置、电子设备及存储介质 | |
CN114379584B (zh) | 车辆控制方法、装置、车辆、设备和存储介质 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
CN114407916B (zh) | 车辆控制及模型训练方法、装置、车辆、设备和存储介质 | |
CN116039637B (zh) | 自动驾驶车辆的能量回收方法、装置及系统 |
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 |