CN117612278A - 用于自动驾驶车辆的数据处理方法、装置、计算平台及车辆 - Google Patents

Abstract

本公开提供了用于自动驾驶车辆的数据处理方法、装置、自动驾驶系统及车辆，涉及计算机技术领域，尤其涉及自动驾驶技术领域。具体实现方案为：对获取的自动驾驶相关数据进行筛选，得到备份数据；将备份数据存储至计算平台主板上内置的内置存储器。本公开提供的方法不仅对自动驾驶相关数据进行备份，提高数据的安全性和可靠性，还通过筛选减小备份数据的数据传输成本和空间占用需求，节约资源，同时保证内置存储器的使用寿命。

Description

用于自动驾驶车辆的数据处理方法、装置、计算平台及车辆

技术领域

本公开涉及计算机技术领域，具体涉及自动驾驶技术领域，尤其涉及用于自动驾驶车辆的数据处理方法、装置、计算平台及车辆。

背景技术

随着自动驾驶技术的不断发展，自动驾驶计算平台面临着大量的数据处理和存储需求。目前的自动驾驶系统通常采用外置的数据存储盘来保存所有的落盘数据。

发明内容

本公开提供了一种用于自动驾驶车辆的数据处理方法、装置、计算平台及车辆，提升数据的安全性和可靠性。

根据本公开的第一方面，提供了一种用于自动驾驶车辆的数据处理方法，自动驾驶车辆包括计算平台，该方法包括：

获取自动驾驶相关数据；

对自动驾驶相关数据进行筛选，得到备份数据；

将备份数据存储至计算平台主板上内置的内置存储器。

根据本公开的第二方面，提供了一种用于自动驾驶车辆的数据处理装置，自动驾驶车辆包括计算平台，该装置包括：

获取模块，被配置为获取自动驾驶相关数据；

筛选模块，被配置为对自动驾驶相关数据进行筛选，得到备份数据；

存储模块，被配置为将备份数据存储至计算平台主板上内置的内置存储器。

根据本公开的第三方面，提供了一种计算平台，包括：

自动驾驶处理器，以及与自动驾驶处理器设置于同一主板上的内置存储器；

其中，自动驾驶处理器被配置为：执行第一方面提供的方法。

根据本公开的第四方面，提供了一种自动驾驶车辆，包括第三方面提供的计算平台。

根据本公开的第五方面，提供了一种电子设备，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指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面提供的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面提供的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据第一方面提供的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示出了根据本公开的数据处理方法的第一实施例的流程图；

图2示出了根据本公开的数据处理方法的第二实施例的流程图

图3示出了根据本公开的数据处理装置的一种实施例的结构示意图；

图4示出了根据本公开的计算平台的一种实施例的结构示意图；

图5示出了用来实现本公开实施例的数据处理方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

在目前的自动驾驶系统或自动驾驶平台中，系统盘和数据盘是独立记录数据的，其中数据盘采用外置的数据存储盘，例如NVMe非易失性存储器，可通过PCle总线与主板连接。NVMe存储器的读写速度快、响应时间低，能够满足实时数据处理的需求。但是，外置的NVMe存储器在自动驾驶运行过程中容易受到振动的影响，存在数据丢失、识别困难的风险。

本公开提供一种用于自动驾驶车辆的数据处理方法，对实时获取并存储至数据盘中的自动驾驶相关数据进行筛选、处理，生成备份数据，将备份数据存入自动驾驶车辆的计算平台主板上内置的内置存储器中，例如系统盘，从而实现本地数据备份，避免外置存储器受振动等影响导致数据丢失、出错等，提高数据的安全性和可靠性。

图1示出了根据本公开的用于自动驾驶车辆的数据处理方法的一种实施例的流程100，参照图1所示，该数据处理方法适用于自动驾驶车辆，该自动驾驶车辆包括计算平台，该计算平台的主板上内置有内置存储器。如图1所示，该数据处理方法包括以下步骤：

步骤S101，对获取自动驾驶相关数据进行筛选，得到备份数据。

在本公开实施例中，数据处理方法的执行主体，例如自动驾驶车辆的车载终端，可以通过多种途径获取自动驾驶相关数据，并对获取的自动驾驶相关数据进行筛选，得到备份数据。

在一些可选的实现方式中，上述执行主体可以从计算平台的数据存储装置中直接获取自动驾驶相关数据。示例性地，从计算平台的外置存储器或内置存储器中获取已经存储的自动驾驶相关数据。

在本公开实施例的一些可选的实现方式中，自动驾驶相关数据包括以下至少一项：感知数据、地图数据、位置数据、车辆控制数据、障碍物行为预测数据和系统日志数据。

其中，感知数据为车辆上各感知设备对车辆周围环境等进行检测得到的数据。例如，车辆上的激光雷达、摄像头、雷达、超声波传感器等获取的车辆周围信息的数据。在自动驾驶系统中，感知数据用于检测、识别和跟踪车辆、行人、交通标志、车道线等，帮助自动驾驶系统(例如自动驾驶车辆的计算平台)理解车辆周围环境，进而据以对车辆的自动驾驶过程进行控制，保证车辆自动驾驶的安全性。

地图数据为车辆在自动驾驶过程中使用的高精度地图数据，包括道路拓扑、交通信号、交通标志、车道线等信息，用于规划路径和决策。

位置数据包括在车辆运行中记录的坐标数据，例如基于全球定位系统定位并记录的坐标数据，还包括车辆的姿态和方向信息。在自动驾驶过程中，位置数据对于车辆的定位和导航至关重要。

车辆控制数据包括在自动驾驶过程中对车辆的控制指令，例如加速、制动、转向、跟驰等。自动驾驶系统可以根据感知数据和地图数据生成控制指令，并据以驱动车辆进行自动驾驶。

障碍物行为预测数据为自动驾驶系统为车辆周围的障碍物进行行为预测得到的数据。在自动驾驶过程中，车辆之外的其他道路用户被确定为车辆的障碍物，例如车辆之外的行人、自行车、机动车等。自动驾驶系统根据感知数据对各障碍物的行为进行预测，得到障碍物行为预测数据，可以进一步据以作出对车辆的控制决策。

系统日志数据包括自动驾驶系统记录的各种操作和事件的日志，用于故障排除、系统优化以及安全审计等。

另外，自动驾驶相关数据还可以包括系统状态数据。示例性地，系统状态数据包括自动驾驶系统在车辆自动驾驶过程中记录的车速、转向角度、加速度、制动状态等状态数据。

在一些可选的实现方式中，上述系统日志数据、系统状态数据等系统数据实时存入自动驾驶系统的内置存储器(例如系统盘)中。其中地图数据也可以存入内置存储器中。

感知数据、位置数据、车辆控制数据、障碍物行为预测数据等自动驾驶相关数据往往按一定频率被采集后存入外置存储器，例如非易失性快速存储器NVMe，中。

在一些可选的实现方式中，上述执行主体可以在自动驾驶相关数据的产生过程中进行实时获取，例如，在存入外置存储器之前从传感设备、预测设备等处获取自动驾驶相关数据。

需要说明的是，在本公开实施例中，上述执行主体可以通过有线通信或者无线通信的方式获取自动驾驶相关数据，在此不再赘述。

在本公开实施例中，数据处理方法的执行主体，对获取的自动驾驶相关数据进行筛选，得到备份数据。

因通常情况下，自动驾驶相关数据被存入外置存储器，因外置存储器存在受到振动等影响而导致数据缺失的风险，因此，本公开实施例对自动驾驶相关数据进行筛选备份，以期对重要数据进行备份的同时，有效避免因非必要数据的备份而导致存储空间的浪费。因此，执行主体在对自动驾驶相关数据备份之前需要进行筛选，将不必要的数据筛除，将筛选所得数据作为备份数据进行备份。

示例性地，上述执行主体可以依据距离、时间、事件、位置或区域等至少一个条件对自动驾驶相关数据进行筛选，得到备份数据。

在本公开实施例的一些可选的实现方式中，自动驾驶相关数据包括感知数据，以及对自动驾驶相关数据进行筛选，得到备份数据，包括：确定感知数据的采集范围，并将采集范围在预设距离内的感知数据确定为备份数据。

在本实现方式中，上述执行主体所获取的自动驾驶相关数据包括感知数据，对于感知数据的筛选包括：先确定感知数据的采集范围，然后将采集范围在预设距离内的感知数据确定为备份数据。

其中，预设距离是以车辆为起点计算的，即，执行主体将距离车辆预设距离内的感知数据确定为备份数据。

示例性地，针对激光雷达和摄像头采集的感知数据，可以设置距离阈值为预设距离，例如3米或5米等，据以对感知数据进行筛选，将位于该预设距离内的感知数据确定为备份数据，超过该预设距离的感知数据则予以筛除、忽略，实现备份数据的精简，减少备份数据占用空间。

在本公开实施例中，执行主体通过采集范围和预设距离对感知数据进行筛选，忽略预设距离之外的感知数据，将距离车辆预设距离的感知数据作为备份数据，提升备份数据的准确性和可参考性，同时，避免低参考性感知数据占用备份空间和数据传输成本，节约资源，提高数据备份效率。

在一些可选的实现方式中，上述执行主体还可以在预设距离的基础上，对数据进一步筛选，例如，筛选预设距离内变化量大于预设阈值的自动驾驶相关数据，确定为备份数据。在本实现方式中，针对车辆周围预设距离内的感知数据，执行主体依据其变化量进一步筛选，得到车辆周围有显著变化的数据或者显著变化的物体的关联数据，确定为备份数据，从而忽略无关紧要的背景信息，进一步提升备份数据的可参考性，减少空间占用量和数据传输成本。

在本公开实施例的一些可选的实现方式中，对自动驾驶相关数据进行筛选，得到备份数据，包括：确定备份数据的采样频率，该采样频率低于自动驾驶相关数据的采集频率；基于采样频率对自动驾驶相关数据进行采样，得到备份数据。

在本实现方式中，上述执行主体先确定备份数据的采样频率，该采样频率低于自动驾驶相关数据的采集频率，然后基于该采样频率从自动驾驶相关数据中采样，得到备份数据。执行主体以低于自动驾驶相关数据采集频率的采样频率筛选备份数据，可以避免连续的相似数据被备份而导致空间浪费。

示例性地，对于摄像头采集的感知数据，执行主体以低于采集自动驾驶相关数据的帧率，从中筛选备份数据。对于激光雷达采集的点云数据，执行主体以低于采集自动驾驶相关数据的点云密度，从中筛选备份数据。

在本公开实施例中，执行主体以低于采集自动驾驶相关数据的采样频率，筛选备份数据，在满足计算平台识别需求的情况下，减少备份数据的数据量，减少备份数据占用的存储空间和数据传输成本，节约资源。

在本公开实施例的一些可选的实现方式中，对自动驾驶相关数据进行筛选，得到备份数据，包括：基于自动驾驶相关数据，确定车辆行驶区域；从自动驾驶相关数据中筛选与车辆行驶区域关联的数据，作为备份数据。

在本实现方式中，上述执行主体基于获取的自动驾驶相关数据，确定车辆的行驶区域；然后从自动驾驶相关数据中筛选与该行驶区域关联的数据，作为备份数据。

示例性地，当车辆在高速公路上行驶时，由于高速公路上的环境更为单一和稳定，上述执行主体可以从自动驾驶相关数据中筛选所在高速公路关联的数据作为备份数据，减少甚至忽略城市区域的数据。

在本公开实施例中，执行主体基于车辆行驶区域，从自动驾驶相关数据中筛选与车辆行驶区域关联的备份数据，提高备份数据的关联性，同时节约备份数据的传输成本和存储成本。

在本公开实施例的一些可选的实现方式中，对自动驾驶相关数据进行筛选，得到备份数据，包括：确定备份数据的目标时间段；从自动驾驶相关数据中筛选在目标时间段内的数据，作为备份数据。

其中，目标时间段可以是预设的固定时间段，例如，每天的早高峰时段(例如上午7点-9点)和晚高峰时段(例如下午5点-8点)；也可以是与预设的事件关联的时间段，例如，预设事件为急刹车，对应的目标时间段为急刹车前10分钟至急刹车后10分钟之间的时间段。

在本实现方式中，上述执行主体基于预设的目标时间段，从自动驾驶相关数据中筛选该目标时间段内的数据为备份数据，对自动驾驶相关数据按时间段进行选择性备份，即，针对关注的目标时间段内的自动驾驶相关数据进行详细备份，提升重点数据的安全性和稳定性，同时减少备份数据的传输成本和存储成本。

步骤S102，将备份数据存储至计算平台主板上内置的内置存储器。

在本公开实施例中，数据处理方法的执行主体，例如自动驾驶车辆的车载终端，将步骤S101中筛选得到的备份数据存储至计算平台主板上的内置存储器中。

在一些可选的实现方式中，该内置存储器可以为自动驾驶车辆的计算平台系统盘。

在本公开实施例中，执行主体将从自动驾驶相关数据中筛选出的备份数据存入内置存储器中，以便弥补外置存储器受振动等影响导致的数据缺失或错误，利用内置存储器的稳定性和安全性，提高数据的安全性和可靠性。

在本公开实施例中，为避免对所有自动驾驶相关数据进行备份导致存储空间被过度占用，且频繁写入而影响内置存储器的安全性和使用寿命，执行主体对获取的自动驾驶相关数据进行筛选，在保证数据可靠性的情况下，减小备份数据的数据量以及存储和传输成本，同时，兼顾内置存储器的安全性、稳定性和使用寿命。

在一些可选的实现方式中，上述执行主体可以将步骤S101中筛选得到的备份数据直接存储至内置存储器，也可以在对备份数据进一步处理之后再存入内置存储器。

示例性地，执行主体在对备份数据进行存储之前，可以采用滤波算法对备份数据进行平滑处理，去除其中的噪声数据和非必要细节数据，从而进一步减小备份数据的数据量，同时保留关注的备份数据中的重要信息，兼顾数据的稳定性高、数据量小，有效提升备份数据的可靠性、节约资源。

在一些可选的实现方式中，上述执行主体在存储备份数据之前，还可以采用预设压缩算法对备份数据进行压缩，以进一步减小备份数据的空间占用量。示例性地，对于备份数据中的图像数据，可以采用压缩算法(例如JPEG图像压缩算法)来降低图像的大小。示例性地，对于传感器数据，可以采用无损压缩算法来减小数据的存储空间。

根据本公开实施例提供的用于自动驾驶车辆的数据处理方法，获取自动驾驶相关数据后，对自动驾驶相关数据进行筛选，得到备份数据，并将备份数据存储至计算平台主板上内置的内置存储器，实现对自动驾驶相关数据中重要数据的备份，从而保证在外置存储器中的数据出现缺失等异常时，可利用备份数据进行修正或补全，提高数据的安全性和可靠性，同时，通过筛选，减小备份数据的数据传输量和空间占用需求，节约资源，保证内置存储盘的使用寿命。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

图2示出了根据本公开实施例的用于自动驾驶车辆的数据处理方法的第二种实施例的流程200，参照图2所示，该数据处理方法包括以下步骤：

步骤S201，确定感知数据的采集范围，将采集范围在预设距离内的感知数据确定为候选数据。

在本公开实施例中，数据处理方法的执行主体，根据获取的自动驾驶相关数据，确定自动驾驶相关数据中感知数据的采集范围，将采集范围在预设距离内的感知数据确定为候选数据。

在本公开实施例中，上述执行主体并不直接将采集范围在预设距离内的所有感知数据均作为备份数据，而是作为候选数据，以便进一步筛选，滤除非必要数据，以减小数据备份过程中的传输成本以及备份数据占用的空间成本。

步骤S202，确定候选数据包括的事件信息。

在本公开实施例中，数据处理方法的执行主体，根据步骤S201中选出的候选数据，确定该候选数据包括的事件信息。

在一些可选的实现方式中，候选数据中的事件信息可以包括交通信号变化、道路施工或临时管制、行人突然出现、车辆突然出现、车道线发生变化、前方行人或车辆急停等至少一项。

步骤S203，基于事件信息，将包括目标事件的候选数据确定为备份数据。

在本公开实施例中，数据处理方法的执行主体，基于各候选数据包括的事件信息，将包括目标事件的候选数据确定为备份数据。

其中，目标事件可以为在自动驾驶过程中可能发生的、对自动驾驶决策和车辆安全性影响较大事件。

示例性地，可以包括预先设置的至少一种可能发生的事件。例如，信号灯变化事件、行人或车辆突然出现、急刹等突发事件。

在本公开实施例的一些可选的实现方式中，目标事件包括以下至少一项：交通信号变化、车速或加速度变化量大于预设阈值、车道信息变化、感知数据的变化率大于预设变化率。

其中，交通信号变化包括信号灯变化。

示例性地，车速或加速度变化量大于预设阈值可以包括突然加速或急刹车等。

示例性地，感知数据的变化率大于预设变化率为，同一障碍物(例如行人或车辆等)在后一单位时间内的位置或速度变化量与其在前一单位时间内的位置或速度变化量大于预设阈值。例如，行人或车辆突然闯入当前车道。

在本公开实施例中，上述执行主体在基于预设距离和采集范围对自动驾驶相关数据初步筛选之后，再基于其事件信息中是否包括目标事件进行二次筛选，从而得到对自动驾驶决策和安全性至关重要的数据，作为备份数据。本方案中，执行主体基于关注的目标事件对备份数据进行筛选，可有效筛除非必要数据，从而减少数据的存储和传输成本。

步骤S204，确定备份数据中相邻帧之间的相似度。

在本公开实施例中，数据处理方法的执行主体，确定备份数据中相邻帧之间的相似度。

示例性地，备份数据中相邻帧之间的相似度可以包括相邻帧的备份数据之间的数据值的相似度，也可以包括相邻帧的备份数据之间的数据属性的相似度。

在一些可选的实现方式中，执行主体可以依据相邻帧的备份数据所属的车道线，确定该相邻帧的备份数据之间的相似度。

步骤S205，将相似度大于预设阈值的相邻帧进行合并，并将合并后的备份数据存储至计算平台主板上内置的内置存储器。

在本公开实施例中，数据处理方法的执行主体，，基于相邻帧之间的相似度，将相似度大于预设阈值的相邻帧数据进行合并，再将合并后的备份数据存储至自动驾驶车辆的计算平台主板上内置的内置存储器中。

示例性地，若备份数据中相邻帧之间的相似度大于预设阈值，执行主体确定该相邻帧数据的属性、变化率均相同，因此，可以据以将数据合并，以减少数据量，从而减少数据的存储和传输成本。

上述执行主体可以将同属于相同车道线内、且连续平稳变化的相邻帧数据进行合并，避免将相同车道线内无特殊变化的多个数据分别记录而增加数据的存储和传输成本。

在本公开实施例中，上述执行主体依据备份数据中相邻帧之间的相似度，将连续的相似数据进行合并，从而在保证数据可靠性的情况下，有效减少备份数据的数据量，节约备份数据的存储和传输成本。

由于本公开实施例的备份数据是存入内置存储器中，为避免内置存储器的存储空间被过度占用而影响系统运行，执行主体可以预置删除条件和对应的删除规则，在达到该预置删除条件的情况下，根据对应的删除规则清理内置存储器中的备份数据。

步骤S206，响应于接收到删除提示信息，确定删除提示信息对应的目标存储周期。

在本公开实施例中，数据处理方法的执行主体，在接收到删除提示信息时，确定该删除提示信息对应的目标存储周期。

在本公开实施例中，自动驾驶相关数据存储于计算平台的外置存储器中，并且定期上传至云端进行数据备份。但是为了避免外置存储器受振动而导致自动驾驶相关数据在上传至云端之前发生缺失或损伤，对自动驾驶相关数据进行筛选得到备份数据，并存储到内置存储器中，同时，执行主体可以根据外置存储器中自动驾驶相关数据的上传结果，对内置存储器中的备份数据进行清理。

示例性地，当外置存储器中的自动驾驶相关数据成功上传至云端时，执行主体就可以将内置存储器中对应的备份数据进行删除，以避免内置存储器的存储空间被过度占用。

在实际应用中，在确认外置存储器中的自动驾驶相关数据成功上传至云端后，执行主体会接收到针对备份数据的删除提示信息。示例性地，该删除提示信息可以是自动驾驶相关数据上传成功的提示信息。

其中，该删除提示信息中包括已上传成功的自动驾驶相关数据的标识信息。示例性地，自动驾驶相关数据的标识信息可以包括自动驾驶相关数据的生成时间或存储时间。另外，该自动驾驶相关数据的标识信息还可以包括自动驾驶相关数据的数据来源、数据属性等至少一项，例如可以包括摄像头、语音设备、雷达设备、预测模块等数据来源，还可以包括感知数据、地图数据、位置数据、命令数据等数据属性。

示例性地，执行主体可以根据自动驾驶相关数据的获取时间或生成时间或存储时间，确定上传成功的自动驾驶相关数据对应的时间周期，再根据该自动驾驶相关数据对应的时间周期，确定删除提示信息对应的目标存储周期。例如，执行主体可以将该上传成功的自动驾驶相关数据的存储周期确定为删除提示信息对应的目标存储周期。

步骤S207，删除与目标存储周期对应的备份数据。

在本公开实施例中，数据处理方法的执行主体，根据步骤S206中确定的目标存储周期，删除内置存储器中与该目标存储周期对应的备份数据。

在本公开实施例中，执行主体根据接收到的删除提示信息，确定该删除提示信息对应的目标存储周期，并据以删除内置存储器中对应的备份数据，从而实现对内置存储器的空间清理，避免内置存储器的存储空间被过度占用，保证内置存储器的性能和使用寿命。

在本公开实施例的一些可选的实现方式中，该数据处理方法还包括：响应于超过预设时长未接收到删除提示信息，确定备份数据的存储量；响应于存储量达到预设存储阈值，按存储时间顺序确定待删除备份数据，该待删除备份数据包括预设数据量或预设时长内的备份数据；删除待删除备份数据。

在本实现方式中，执行主体在超过预设时长未接收到删除提示信息的情况下，根据备份数据的存储量和存储时间顺序，对备份数据予以适当删除，以避免内置存储器被过度占用而导致新的备份数据存储失败。

示例性地，当执行主体与计算平台的外置存储器之间的通信中断、或者外置存储器与云端之间的通信中断的情况下，都会导致云端服务器长时间接收不到外置存储器中自动驾驶相关数据上传成功的确认信息，从而执行主体也就接收不到对应的删除提示信息。

由于备份数据的筛选和存储是持续进行的，若长时间不对内置存储器中的备份数据进行清理，当内置存储器的存储空间被占满，不仅会导致新的备份数据存储失败，而且会影响内置存储器的运行性能和使用寿命。

在本实现方式中，在超过预设时长未接收到删除提示信息的情况下，上述执行主体会主动确定已存储的备份数据的存储量；当备份数据的存储量达到预设存储阈值时，自动按照存储时间顺序删除备份数据。示例性地，可以预先设置每次删除的预设数据量或者预设时长。例如，可以设置预设数据量为10GB或15GB等，或者设置预设时长为3天或5天等。

示例性地，当执行主体接收到存储空间警示信息，即确定备份数据的存储量达到预设存储量，根据预设数据量或预设时长，执行主体按照备份数据的存储时间顺序确定待删除备份数据，并予以删除，实现对内置存储器的空间管理，保证内置存储器的使用性能和使用寿命。

根据本公开实施例提供的用于自动驾驶车辆的数据处理方法，执行主体根据采集范围和事件信息对自动驾驶相关数据进行筛选，得到备份数据，并依据相邻帧之间的相似度对备份数据进行合并处理，在保证备份数据可靠性的情况下，减少备份数据的数据量，从而节约数据备份的传输和存储成本；并根据接收到的删除提示信息或者备份数据的存储量，对已存储的备份数据进行适应性清理，保证备份数据的实时性，同时实现对内置存储器的空间管理，保证内置存储器的使用性能和使用寿命。

作为对上述各图所示方法的实现，图3示出了根据本公开的用于自动驾驶车辆的数据处理装置的一个实施例。该数据处理装置与图1所示的方法实施例相对应，该装置可以应用于各种电子设备中。

参照图3所示，该用于自动驾驶车辆的数据处理装置300包括：筛选模块301和存储模块302。其中，筛选模块301被配置为，对自动驾驶相关数据进行筛选，得到备份数据；存储模块302被配置为，将备份数据存储至计算平台主板上内置的内置存储器。

在本实施例中，数据处理装置300中，筛选模块301和存储模块302的具体处理及其所带来的技术效果，可分别参考图1对应实施例中的步骤S101-S102的相关说明，在此不再赘述。

在本公开实施例的一些可选的实现方式中，自动驾驶相关数据包括以下至少一项：感知数据、地图数据、位置数据、车辆控制数据、障碍物行为预测数据和系统日志数据。

在本公开实施例的一些可选的实现方式中，自动驾驶相关数据包括感知数据，以及筛选模块被配置为：确定感知数据的采集范围，并将采集范围在预设距离内的感知数据确定为备份数据。

在本公开实施例的一些可选的实现方式中，筛选模块进一步被配置为：将采集范围在预设距离内的感知数据确定为候选数据；确定候选数据包括的事件信息；基于事件信息，将包括目标事件的候选数据确定为备份数据。

在本实施例中，用于自动驾驶车辆的数据处理装置中筛选模块的具体处理及其所带来的技术效果，可参考图2对应实施例中的步骤S201-S203的相关说明，在此不再赘述。

在本公开实施例的一些可选的实现方式中，目标事件包括以下至少一项：交通信号变化、车速或加速度变化量大于预设阈值、车道信息变化、感知数据的变化率大于预设变化率。

在本公开实施例的一些可选的实现方式中，筛选模块被配置为：确定备份数据的采样频率，采样频率低于自动驾驶相关数据的采集频率；基于采样频率对自动驾驶相关数据进行采样，得到备份数据。

在本公开实施例的一些可选的实现方式中，筛选模块被配置为：基于自动驾驶相关数据确定车辆行驶区域；从自动驾驶相关数据中筛选与自动驾驶区域关联的数据，作为备份数据。

在本公开实施例的一些可选的实现方式中，存储模块被配置为：确定备份数据中相邻帧之间的相似度；将相似度大于预设阈值的相邻帧进行合并，并将合并后的备份数据存储至计算平台主板上内置的内置存储器。

在本实施例中，用于自动驾驶车辆的数据处理装置中存储模块的具体处理及其所带来的技术效果，可参考图2对应实施例中的步骤S204-S205的相关说明，在此不再赘述。

在本公开实施例的一些可选的实现方式中，该用于自动驾驶车辆的数据处理装置还包括第一删除模块。该第一删除模块被配置为：响应于接收到删除提示信息，确定删除提示信息对应的目标存储周期；删除与目标存储周期对应的备份数据。

在本实施例中，数据处理装置的第一删除模块的具体处理及其所带来的技术效果，可分别参考图2对应实施例中的步骤S206-S207的相关说明，在此不再赘述。

在本公开实施例的一些可选的实现方式中，该用于自动驾驶车辆的数据处理装置还包括第二删除模块。第二删除模块被配置为：响应于超过预设时长未接收到删除提示信息，确定备份数据的存储量；响应于存储量达到预设存储阈值，按存储时间顺序确定待删除备份数据，该待删除备份数据包括预设数据量或预设时长内的备份数据；删除该待删除备份数据。

根据本公开的实施例，本公开还提供了一种计算平台。图4示出了根据本公开的计算平台的一种示例性实施例的结构示意图，参照图4所示，该计算平台400包括自动驾驶处理器401，以及与该自动驾驶处理器401设置于同一主板上的内置存储器402。其中，该自动驾驶处理器401被配置为：执行本公开提供的用于自动驾驶车辆的数据处理方法，以将备份数据存储至内置存储器402中。

在本公开实施例中，计算平台采用硬件和软件相结合的方式来实现。其中，在硬件方面，内置存储器可以采用标准的存储设备，并与计算平台的主板通过接口或有线的方式通信连接。自动驾驶处理器可以选用芯片或者在主板上集成的备份控制器来实现。

在软件方面，通过自动驾驶处理器可以实现对自动驾驶相关数据的获取；还可以时序对自动驾驶相关数据进行筛选、过滤、合并、压缩等至少一项，以得到备份数据；还可以通过自动驾驶处理器将备份数据存储至内置存储器中。另外，还可以通过自动驾驶处理器实现对内置存储器中备份数据的管理和清理。

在本公开实施例的一些可选的实现方式中，该计算平台400还包括可插拔的外置存储器403。示例性地，自动驾驶处理器401还被配置为：将自动驾驶相关数据存储至该外置存储器403中。

示例性地，外置存储器可以选用NVMe存储器。

在本实施例中，自动驾驶处理器可以将获取的自动驾驶相关数据存储至外置存储器中。

示例性地，自动驾驶处理器还可以对外置存储器中的自动驾驶相关数据进行管理，例如对自动驾驶相关数据进行存储、上传至云端、筛选、删除清理等。

在本公开实施例的一些可选的实现方式中，该计算平台400还包括传感器404。示例性地，自动驾驶处理器401还被配置为：从外置存储器403和/或传感器404获取自动驾驶相关数据。

在本实现方式中，自动驾驶处理器可以直接从外置存储器中获取已经存储的自动驾驶相关数据，还可以直接从传感器段实时获取采集或生成的自动驾驶相关数据。

本公开还提供了一种自动驾驶车辆，该自动驾驶车辆包括以上提供的用于自动驾驶车辆的数据处理装置或计算平台。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如用于自动驾驶车辆的数据处理方法。例如，在一些实施例中，用于自动驾驶车辆的数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的用于自动驾驶车辆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，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于自动驾驶车辆的数据处理方法。

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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开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，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (27)

1.一种用于自动驾驶车辆的数据处理方法，所述自动驾驶车辆包括计算平台，所述方法包括：

对获取的自动驾驶相关数据进行筛选，得到备份数据；

将所述备份数据存储至所述计算平台主板上内置的内置存储器。

2.根据权利要求1所述的方法，其中，所述自动驾驶相关数据包括以下至少一项：感知数据、地图数据、位置数据、车辆控制数据、障碍物行为预测数据和系统日志数据。

3.根据权利要求1所述的方法，其中，所述自动驾驶相关数据包括感知数据，以及

对所述自动驾驶相关数据进行筛选，得到备份数据，包括：

确定所述感知数据的采集范围，并将所述采集范围在预设距离内的感知数据确定为所述备份数据。

4.根据权利要求3所述的方法，其中，所述将所述采集范围在预设距离内的感知数据确定为所述备份数据，包括：

将采集范围在预设距离内的感知数据确定为候选数据；

确定所述候选数据包括的事件信息；

基于所述事件信息，将包括目标事件的候选数据确定为所述备份数据。

5.根据权利要求4所述的方法，其中，所述目标事件包括以下至少一项：交通信号变化、车速或加速度变化量大于预设阈值、车道信息变化、感知数据的变化率大于预设变化率。

6.根据权利要求1所述的方法，其中，所述对所述自动驾驶相关数据进行筛选，得到备份数据，包括：

确定所述备份数据的采样频率，所述采样频率低于所述自动驾驶相关数据的采集频率；

基于所述采样频率对所述自动驾驶相关数据进行采样，得到所述备份数据。

7.根据权利要求1所述的方法，其中，所述对所述自动驾驶相关数据进行筛选，得到备份数据，包括：

基于所述自动驾驶相关数据，确定车辆行驶区域；

从所述自动驾驶相关数据中筛选与所述车辆行驶区域关联的数据，作为所述备份数据。

8.根据权利要求1所述的方法，其中，所述将所述备份数据存储于所述计算平台主板上内置的内置存储器，包括：

确定所述备份数据中相邻帧之间的相似度；

将相似度大于预设阈值的相邻帧进行合并，并将合并后的备份数据存储至所述计算平台主板上内置的内置存储器。

9.根据权利要求1-8中任一项所述的方法，还包括：

响应于接收到删除提示信息，确定所述删除提示信息对应的目标存储周期；

删除与所述目标存储周期对应的备份数据。

10.根据权利要求1-8中任一项所述的方法，还包括：

响应于超过预设时长未接收到所述删除提示信息，确定所述备份数据的存储量；

响应于所述存储量达到预设存储阈值，按存储时间顺序确定待删除备份数据，所述待删除备份数据包括预设数据量或预设时长内的备份数据；

删除所述待删除备份数据。

11.一种用于自动驾驶车辆的数据处理装置，所述自动驾驶车辆包括计算平台，所述装置包括：

筛选模块，被配置为对所述自动驾驶相关数据进行筛选，得到备份数据；

存储模块，被配置为将所述备份数据存储至所述计算平台主板上内置的内置存储器。

12.根据权利要求11所述的装置，其中，所述自动驾驶相关数据包括以下至少一项：感知数据、地图数据、位置数据、车辆控制数据、障碍物行为预测数据和系统日志数据。

13.根据权利要求11所述的装置，其中，所述自动驾驶相关数据包括感知数据，以及

所述筛选模块被配置为：确定所述感知数据的采集范围，并将所述采集范围在预设距离内的感知数据确定为所述备份数据。

14.根据权利要求13所述的装置，其中，所述筛选模块进一步被配置为：

将所述采集范围在预设距离内的感知数据确定为候选数据；

确定所述候选数据包括的事件信息；

基于所述事件信息，将包括目标事件的候选数据确定为所述备份数据。

15.根据权利要求14所述的装置，其中，所述目标事件包括以下至少一项：交通信号变化、车速或加速度变化量大于预设阈值、车道信息变化、感知数据的变化率大于预设变化率。

16.根据权利要求11所述的装置，其中，所述筛选模块被配置为：

确定所述备份数据的采样频率，所述采样频率低于所述自动驾驶相关数据的采集频率；

基于所述采样频率对所述自动驾驶相关数据进行采样，得到所述备份数据。

17.根据权利要求11所述的装置，其中，所述筛选模块被配置为：

基于所述自动驾驶相关数据确定车辆行驶区域；

从所述自动驾驶相关数据中筛选与所述自动驾驶区域关联的数据，作为所述备份数据。

18.根据权利要求11所述的装置，其中，所述存储模块被配置为：

确定所述备份数据中相邻帧之间的相似度；

将相似度大于预设阈值的相邻帧进行合并，并将合并后的备份数据存储至所述计算平台主板上内置的内置存储器。

19.根据权利要求11-18中任一项所述的装置，还包括第一删除模块，所述第一删除模块被配置为：

响应于接收到删除提示信息，确定所述删除提示信息对应的目标存储周期；

删除与所述目标存储周期对应的备份数据。

20.根据权利要求11-18中任一项所述的装置，还包括第二删除模块，所述第二删除模块被配置为：

响应于超过预设时长未接收到所述删除提示信息，确定所述备份数据的存储量；

响应于所述存储量达到预设存储阈值，按存储时间顺序确定待删除备份数据，所述待删除数据包括预设数据量或预设时长内的备份数据；

删除所述待删除备份数据。

21.一种计算平台，包括：

自动驾驶处理器，以及与所述自动驾驶处理器设置于同一主板上的内置存储器；

其中，所述自动驾驶处理器被配置为：执行权利要求1-10中任一项所述的方法。

22.根据权利要求21所述的计算平台，还包括可插拔的外置存储器；

所述自动驾驶处理器被配置为：将所述自动驾驶相关数据存储至所述外置存储器。

23.根据权利要求22所述的计算平台，还包括传感器；

所述自动驾驶处理器被配置为：从所述外置存储器和/或所述传感器获取所述自动驾驶相关数据。

24.一种自动驾驶车辆，包括根据权利要求21-23中任一项所述的计算平台。

25.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。

26.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。

27.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。