CN110569602B - 用于无人驾驶车辆的数据采集方法与*** - Google Patents
用于无人驾驶车辆的数据采集方法与*** Download PDFInfo
- Publication number
- CN110569602B CN110569602B CN201910856083.7A CN201910856083A CN110569602B CN 110569602 B CN110569602 B CN 110569602B CN 201910856083 A CN201910856083 A CN 201910856083A CN 110569602 B CN110569602 B CN 110569602B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- state information
- control information
- data acquisition
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
一种用于无人驾驶车辆的数据采集方法,包括:模拟无人驾驶仿真环境,在无人驾驶仿真环境中,控制数据采集车辆与目标车辆的相对速度,使数据采集车辆与目标车辆的相对距离在预设范围内;采集数据采集车辆的状态信息和控制信息以及目标车辆的图像信息、状态信息及控制信息,判断状态信息、控制信息及图像信息对应的时间戳之间的差值是否在预设差值范围内,若是,则储存时间戳之间的差值在预设差值范围内对应的信息。该方法可仿真多种行驶环境,并自主实时获取车辆数据,减少了数据冗余,增加了无人驾驶数据的多样性和准确性,同时极大地降低了时间与人力成本,可大规模收集数据。
Description
技术领域
本发明涉及无人驾驶汽车领域,具体涉及一种用于无人驾驶车辆的数据采集方法及***。
背景技术
在无人驾驶的环境感知问题中,当前研究大多关注目标检测问题,即通过安装在车辆上的摄像头获取的前方或周围图像,实时检测并识别出图像中的车辆、行人、交通标志等重要目标并定位其在图像中的坐标位置,从而避免与车辆或行人发生碰撞。然而,由于车辆的制动距离是由车速决定的,不同车速(包括无人驾驶车辆自身车速与周边车辆车速)条件下所需要的安全制动距离也不同,仅仅检测前方车辆与行人在图像中的像素坐标对于保障行车安全远远不够。因此,实时估计前方车辆的行驶速度将是未来无人驾驶环境感知问题中研究的关键。
在过去的十年中,深度学习技术的蓬勃发展主要依赖于数据与算力的大幅提升。因此,获取标注准确,类型丰富的大规模标准数据集是使用深度学习技术解决相关领域问题的关键。基于当前研究现状,采用深度神经网络解决速度估计问题是一种较为可行的方案,而当前公开可用的速度估计数据集数量较少、数据精度较低且数据规模较小,无法用于训练大型的深度神经网络。
发明内容
(一)要解决的技术问题
本发明提供了一种用于无人驾驶车辆的数据采集方法与***,用于至少部分解决上述技术问题。
(二)技术方案
为实现上述目的,本发明一方面提供一种用于无人驾驶车辆的数据采集方法,包括:S1、模拟无人驾驶仿真环境,在无人驾驶仿真环境中,控制数据采集车辆与目标车辆的相对速度,使数据采集车辆与目标车辆的相对距离在预设范围内;S2、采集数据采集车辆的第一状态信息及第一控制信息,每一第一状态信息及每一第一控制信息分别对应有一时间戳;采集目标车辆的图像信息、第二状态信息及第二控制信息,每一图像信息、每一第二状态信息及每一第二控制信息分别对应有一时间戳;S3、判断第一状态信息对应的时间戳与第一控制信息对应的时间戳的差值是否在第一预设差值范围内,判断图像信息对应的时间戳、第二状态信息对应的时间戳及第二控制信息对应的时间戳两两之间的差值是否在第一预设差值范围内,若都是,则执行S4;S4、判断第一状态信息对应的时间戳与第二状态信息对应的时间戳的差值是否在第二预设差值范围内,判断第一控制信息对应的时间戳与第二控制信息对应的时间戳的差值是否在第二预设差值范围内,若都是,则执行S5;S5、储存满足S4的第一状态信息、第一控制信息,图像信息、第二状态信息及第二控制信息。
可选地,步骤S1中,模拟无人驾驶仿真环境包括:通过开源物理仿真软件Gazebo模拟无人驾驶仿真环境。
可选地,步骤S1中,控制数据采集车辆与目标车辆的相对速度包括:基于开源的机器人操作***通过车道线检测算法与目标跟踪算法控制所述数据采集车辆与目标车辆的相对速度。
可选地,第一状态信息包括数据采集车辆的第一瞬时速度,第二状态信息包括目标车辆的第二瞬时速度。
可选地,利用每一帧图像信息的采集时刻对应的第二瞬时速度值标注该帧图像信息。
可选地,步骤S1中,控制数据采集车辆与目标车辆的相对速度,包括:手动模式,通过人工控制手柄向数据采集车辆发布控制指令,使其与目标车辆保持相对速度;或者自动模式,通过设定定常模式或正弦曲线模式或余弦曲线模式或阶跃模式,使数据采集车辆跟踪目标车辆。
可选地,方法还包括:S0,配置模拟无人驾驶仿真环境所需的参数。
本发明还提供一种用于无人驾驶车辆的数据采集***,包括:仿真模块,用于模拟无人驾驶仿真环境;控制模块,用于在模拟的无人驾驶仿真环境中控制数据采集车辆与目标车辆的相对速度,使数据采集车辆与目标车辆的相对距离在预设范围内;采集模块,采集数据采集车辆的第一状态信息及第一控制信息,第一状态信息及第一控制信息分别对应一个时间戳;采集目标车辆的图像信息、第二状态信息及第二控制信息,图像信息、第二状态信息及第二控制信息分别对应一个时间戳;第一判断模块,用于判断第一状态信息对应的时间戳与第一控制信息对应的时间戳的差值是否在第一预设差值范围内,判断图像信息对应的时间戳、第二状态信息对应的时间戳及第二控制信息对应的时间戳两两之间的差值是否在第一预设差值范围内,若是,进入第二判断模块;第二判断模块,用于判断第一状态信息对应的时间戳与第二状态信息对应的时间戳的差值是否在第二预设差值范围内,判断第一控制信息对应的时间戳与第二控制信息对应的时间戳的差值是否在第二预设差值范围内,若是,进入储存模块;储存模块,储存满足第一判断模块的第一状态信息、第一控制信息、图像信息、第二状态信息及第二控制信息。
可选地,仿真模块基于开源物理仿真软件Gazebo的设计,控制模块及采集模块基于开源的机器人操作***设计。
可选地,开源的机器人操作***通过电传线控现场总线向开源物理仿真软件Gazebo发送控制指令控制数据采集车辆与目标车辆的相对速度;开源的机器人操作***通过内部节点网络采集开源物理仿真软件Gazebo中数据采集车辆及目标车辆对应的信息。
(三)有益效果
1、使用Gazebo建立无人驾驶仿真环境,本数据采集***可自主运行,且无需人工标注速度,降低在真实环境中人工收集速度数据集的时间和经济成本,使得收集大规模速度估计数据集成为可能。
2、仿真环境下采集到的车辆速度数据集信息能够减少人工标注误差,减少了在真实环境下因人工数据标注速度不准确而对算法评测带来的干扰。
3、仿真环境下采集的每一帧图像均可获得完整的标注,并且得到的是车辆的瞬时速度而非平均速度,增加了无人驾驶车辆速度数据集的多样性和准确性。
附图说明
图1示意性示出了本发明第一实施例中提供用于无人驾驶车辆的数据采集方法流程图;
图2示意性示出了本发明第一实施例中提供的模拟无人驾驶仿真环境流程图;
图3(a)示意性示出了本发明第一实施例中提供的目标车辆行驶时拍摄道路效果图;
图3(b)示意性示出了本发明第一实施例中提供的目标车辆车道线检测效果图;
图3(c)示意性示出了本发明第一实施例中提供的目标车辆按车道线行驶时的效果图;
图4示意性示出了本发明第一实施例中提供的控制数据采集车辆与目标车辆相对速度的方法流程图;
图5示意性示出了本发明第一实施例中提供的数据采集车辆采集的信息分布图;
图6示意性示出了本发明第二实施例中提供的无人驾驶车辆的数据采集***框图;
图7示意性示出了本发明第一实施例中提供的控制数据采集车辆跟踪目标车辆时的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
图1示意性示出了本发明第一实施例中提供的用于无人驾驶车辆的数据采集方法的流程图,该采集方法包括:
S1、模拟无人驾驶仿真环境,在无人驾驶仿真环境中,控制数据采集车辆与目标车辆的相对速度,使数据采集车辆与目标车辆的相对距离在预设范围内。
本实施例中,采用开源物理仿真软件Gazebo模拟无人驾驶仿真环境。
开源物理仿真软件Gazebo可以搭建包含多种行驶环境、多种道路条件以及多种行驶车辆的无人驾驶仿真环境,仿真环境下的数据采集车辆安装有相机仿真插件,用于实时获取周围车辆与周围道路环境、车辆等的图像信息。
本发明实施例中,模拟无人驾驶仿真环境包括:道路环境、车辆参数及仿真传感器参数,模拟过程表示如下:
配置模拟所需无人驾驶仿真环境所需的参数,包括:配置车道线检测程序、预测轨迹生成程序、轨迹跟踪程序。其中,车道线检测程序中使用的车道线检测算法、预测轨迹生成程序中使用的车道线保持算法以及轨迹跟踪程序使用的车辆跟踪算法,共同配合控制目标车辆能够自主沿道路行驶。
图2示意性示出了本发明第一实施例中提供的模拟无人驾驶仿真环境流程图,包括:
模拟道路环境,即模拟无人驾驶车辆所处的虚拟驾驶环境。本实施例中模拟道路环境的文件格式为.world文件格式。模拟的道路环境中的道路、建筑物、交通标志相对于真实环境的道路环境时,模拟的道路环境可以在一预设距离的路程内自主定义各种复杂场景,减少采集数据的冗余。
采用Gazebo搭建模拟城市道路三维仿真环境,其中,本实施例中道路环境例如可以包括实线与虚线的右转车道、直行车道、分向行驶车道,公交专用线、地下隧道,环岛、高架桥、连续弯路和含有至少一个的带有信号灯的十字路口;路面交通标识可以包括转弯、直行、限速标识、掉头标识,人行横道;建筑物可以包括村庄、学校。
模拟车辆参数。本实施例中模拟车辆参数的文件格式以.urdf文件格式为例,模拟车辆参数即设置所使用的仿真车辆的实时位置、车辆初始位置、速度、数量、车型、颜色并在运动过程中实时发布自身精确的位置;
在该仿真模型里,例如可以设置有30台七座以下小型客车,以及10台七座以上大中型客车,所有车辆例如可以按照时速10km/h-60km/h在道路上行驶,数据采集车辆与目标车辆的初始位置为任一路边可临时停靠点。
模拟仿真传感器参数,模拟仿真传感器参数的拍摄姿态角,或者通过添加图像噪声等方式使得采集的虚拟环境图像更加接近真实图像;
数据采集车辆上设置一相机,相机的姿态角在一预设范围内以能清晰拍摄到目标车辆以及前方道路环境为宜。
控制数据采集车辆与目标车辆的相对速度包括:基于开源的机器人操作***(Robot Operating System,ROS)通过车道线检测算法和目标跟踪算法控制数据采集车辆与目标车辆的相对速度。大多数的机器人均可通过安装开源的机器人操作***ROS并结合相关软件功能包实现对机器人的控制,通过ROS实时发布仿真环境内的所有车辆的精确位置与速度信息。
基于ROS通过车道线检测算法和目标跟踪算法控制数据采集车辆与目标车辆的相对速度的方法为:启动ROS***中的车道线检测与保持节点,其中,车道线检测与保持节点主要由车道线检测程序、预测轨迹生成程序、轨迹跟踪程序三部分组成,***启动后各车辆将依靠此节点沿道路自主行驶。
预测轨迹生成程序在车道线检测与保持节点中检测车道线信息,拟合出两条车道线的中间线作为车辆的期望行驶轨迹,具体实施例参阅图3(a)与图3(b),图3(a)示意性示出了本发明第一实施例中提供的目标车辆行驶时拍摄道路效果图,展示了未启动车道线检测程序以及保持节点时目标车辆上带有的摄像头所拍摄到的道路效果图,此时拍摄到的效果图没有检测出的车道线,与真实环境下的道路环境无异;图3(b)展示了控制ROS启动车道线检测与保持节点后,检测到车道线α、β和γ的效果图,通过检测到的车道线α、β和γ拟合出一条车道中间线,作为目标车辆的行驶路线,该行驶路线参阅图3(b)中车道线β和γ之间的路径。
再通过轨迹跟踪程序控制数据采集车辆跟踪目标车辆沿着车道线β和γ之间拟合出的路径行驶,实现目标车辆和数据采集车辆沿车道线自主行驶的效果。具体实施例参阅图3(c),图3(c)示意性示出了本发明第一实施例中提供的目标车辆按车道线行驶时的效果图,通过检测到的α、β和γ车道线,并且在中国大陆地区以靠右行驶的原则,使得目标车辆沿车道线β和γ中间的拟合路径行驶,同时目标车辆将自己的实时位置发送给数据采集车辆,ROS***通过目标跟踪算法控制数据采集车辆通过跟踪前方的目标车辆按拟合的路径行驶。
现今多数无人驾驶实验平台均由现有车辆改装而成,只有支持电传线控(Driveby Wire,DBW)的车辆才有可能通过计算机程序控制车辆行驶,进而被改装成无人驾驶实验平台。并且,在车辆的行驶过程中,ROS通过电传线控控制器局域网总线DBW(Drive byWire)CAN(Controller Area Network)向开源物理仿真软件Gazebo模拟出的无人驾驶仿真环境中的虚拟车辆发送控制指令,通过ROS将数字信号转化为实际的物理量,用于控制车辆的油门、刹车、转向和挡位,在Gazebo模拟的道路环境中,控制仿真车辆检测道路环境中的车道线、预测轨迹生成以及轨迹跟踪,从而控制仿真车辆沿道路自主行驶,同时控制数据采集车辆跟踪目标车辆。
在Gazebo无人驾驶仿真环境中使所有车辆按照已模拟的道路环境行驶,其中,模拟的道路环境例如可以包括:含有实线与虚线的右转车道、直行车道、分向行驶车道,公交专用线、地下隧道,环岛、高架桥、连续弯路和含有至少一个的带有信号灯的十字路口。路面交通标识例如可以包括:转弯、直行、限速标识、掉头标识,人行横道。建筑物例如可以包括:村庄、学校。目标车辆根据车道线根据ROS***中的车道线检测与保持节点以及车道线检测算法检测出前方道路上的车道线,根据检测出的车道线拟合出行驶的路径,然后按照行驶的路径靠右行驶。同时,目标车辆将自己的实时位置发送到数据采集车辆,使得ROS***通过目标跟踪算法控制数据采集车辆能够跟踪目标车辆行驶。数据采集车辆例如可以以10km/h-60km/h的速度跟随实时速度为10km/h-60km/h的目标车辆,实时调整数据采集车辆与目标车辆的相对行驶速度,得到相对距离,使该相对距离在一预设范围内,进而使目标车辆始终在数据采集车辆搭载相机的拍摄范围内。数据采集车辆启动自动模式跟踪目标车辆,设定跟踪距离例如可以为30米以内,同时,数据采集车辆上搭载的相机拍照记录目标车辆行驶时的照片。
图4示意性示出了本发明第一实施例中提供的控制数据采集车辆与目标车辆的相对速度的方法流程图,使数据采集车辆与目标车辆的相对距离在预设范围内,该方法包括:
手动模式,通过人工控制手柄向数据采集车辆发布控制指令,使其与目标车辆保持相对速度;或者
自动模式,通过设定定常模式或正弦曲线模式或余弦曲线模式或阶跃模式,使数据采集车辆跟踪目标车辆。
S2、采集数据采集车辆的第一状态信息及第一控制信息,每一第一状态信息及每一第一控制信息分别对应有一时间戳;采集目标车辆的图像信息、第二状态信息及第二控制信息,每一图像信息、每一第二状态信息及每一第二控制信息分别对应有一时间戳。
其中,图5示意性示出了本发明第一实施例中提供的数据采集车辆采集采集的信息分布图。数据采集车辆的第一状态信息包括第一瞬时速度,第一加速度和第一全球定位***信息;目标车辆的第二状态信息包括第二瞬时速度、第二加速度和第二全球定位***信息。
第一控制信息包括数据采集车辆的第一油门、第一刹车、第一挡位、第一转向角;第二控制信息包括目标车辆的第二油门、第二刹车、第二挡位和第二转向角。其中,采集的第一状态信息、第一控制信息、图像信息、第二状态信息及第二控制信息的个数为多个,如表1所示。
表1
利用每一帧图像信息的采集时刻对应的第二瞬时速度标注该帧的图像信息,因此获得目标车辆的瞬时速度而非平均速度,增加了样本的多样性和准确性。
S3、判断第一状态信息对应的时间戳与第一控制信息对应的时间戳的差值是否在第一预设差值范围内,判断图像信息对应的时间戳、第二状态信息对应的时间戳及第二控制信息对应的时间戳两两之间的差值是否在第一预设差值范围内,若都是,则执行S4。
本实施例中第一预设差值例如可以设置为1毫秒,具体本发明不做限制。若第一状态信息对应的时间戳与第一控制信息对应的时间戳的差值在1毫秒范围内,同时,目标车辆的图像信息对应的时间戳、第二状态信息对应的时间戳以及第二控制信息对应的时间戳两两之间的差值均在1毫秒范围内,则视为匹配成功,执行S4;
若第一状态信息对应的时间戳与第一控制信息对应的时间戳的差值不在1毫秒范围内,和/或目标车辆的图像信息对应的时间戳、第二状态信息对应的时间戳以及第二控制信息对应的时间戳两两之间的差值不在1毫秒范围内,则删除该第一状态信息、第一控制信息以及图像信息、第二状态信息,第二控制信息。
S4、判断第一状态信息对应的时间戳与第二状态信息对应的时间戳的差值是否在第二预设差值范围内,判断第一控制信息对应的时间戳与第二控制信息对应的时间戳的差值是否在第二预设差值范围内,若都是,则执行S5。
本实施例中第二预设差值例如可以设置为0.15毫秒,具体本发明不做限制。若第一状态信息对应的时间戳与第二状态信息对应的时间戳的差值在0,15毫秒范围内,同时,第一控制信息对应的时间戳与第二控制信息对应的时间戳的差值也在0.15毫秒范围内,则视为匹配成功,执行S5;若第一状态信息对应的时间戳与第二状态信息对应的时间戳的差值不再0.15毫秒范围内,和/或第一控制信息对应的时间戳与第二控制信息对应的时间戳的差值不在0.15毫秒范围内,则删除该第一状态信息、第二状态信息、第一控制信息以及第二控制信息。
S5、储存满足S4的第一状态信息、第一控制信息,图像信息、第二状态信息及第二控制信息。
本实施例中仍以S4中第二预设差值范围在0.15毫秒为例,储存第一状态信息对应的时间戳与第二状态信息对应的时间戳的差值在0.15毫秒范围内,同时,第一控制信息对应的时间戳与第二控制信息对应的时间戳的差值也在0.15毫秒范围内且分别带有时间戳的第一状态信息、第二状态信息、第一控制信息与第二控制信息。
其中,数据采集车辆带有时间戳的第一控制信息、第一状态信息与目标车辆带有时间戳的第二控制信息、第二状态信息、图像信息共同视为一条储存记录。
本实施例中,在Gazebo搭建无人驾驶仿真环境下,通过ROS向开源物理仿真软件Gazebo模拟出的无人驾驶仿真环境中的虚拟车辆发送控制指令,使得在仿真环境下数据采集车辆跟踪目标车辆,降低在真实环境中人工收集速度数据集的时间和经济成本,使得收集大规模速度估计数据集成为可能。
本发明第二实施例示出了一种用于无人驾驶车辆的数据采集***,其中,图6示意性示出了本发明第二实施例中提供的无人驾驶车辆的数据采集***框图,该数据采集***500包括仿真模块510、控制模块520、采集模块530、第一判断模块540、第二判断模块550及储存模块560。
仿真模块510,用于模拟无人驾驶仿真环境。
其中,仿真模块510基于开源的物理仿真软件Gazebo的设计。
仿真模块510用于模拟道路环境中的道路、建筑物、交通标志,模拟的道路环境相对于真实环境的道路环境,其优点在于模拟的道路环境可以在一预设距离的路程内自主定义各种复杂场景,减少采集数据的冗余。
模拟车辆参数:模拟车辆参数即定义所使用的仿真车辆的实时位置、车辆初始位置、速度、数量、车型、颜色并在运动过程中实时发布自身精确的位置;
模拟仿真传感器参数,模拟仿真传感器参数的拍摄姿态角,或者通过添加图像噪声等方式使得采集的虚拟环境图像更加接近真实图像。
控制模块520,用于在模拟的无人驾驶仿真环境中控制数据采集车辆与目标车辆的相对速度,使数据采集车辆与目标车辆的相对距离在预设范围内。
控制模块520基于开源的机器人操作***设计。用于控制数据采集车辆与目标车辆的相对速度,包括:基于开源的机器人操作***(Robot Operating System,ROS)通过车道线检测算法和目标跟踪算法控制数据采集车辆与目标车辆的相对速度。
其中,ROS通过电传线控(Drive by Wire,DBW)中的控制器局域网(ControllerArea Network,CAN)向开源物理仿真软件Gazebo模拟出的无人驾驶仿真环境中的虚拟车辆发送控制指令,通过ROS将数字信号转化为实际的物理量,用于控制车辆的油门、刹车、转向和挡位,在Gazebo模拟的道路环境中,控制模拟的仿真车辆检测道路环境中的车道线,并使仿真车辆沿道路自主行驶,同时控制数据采集车辆跟踪目标车辆。
控制数据采集车辆与目标车辆的相对速度,使数据采集车辆与目标车辆的相对距离在预设范围内的方法包括:
手动模式,通过人工控制手柄向数据采集车辆发布控制指令,使其与目标车辆保持相对速度。
自动模式,通过设定定常模式或正弦曲线模式或余弦曲线模式或阶跃模式,使数据采集车辆跟踪目标车辆。
其中,开源的机器人操作***通过电传线控现场总线向开源物理仿真软件Gazebo发送控制指令控制数据采集车辆与目标车辆的相对速度;开源的机器人操作***通过内部节点网络采集开源物理仿真软件Gazebo中数据采集车辆及目标车辆对应的信息。
图7示意性示出了本发明第一实施例中提供的控制数据采集车辆跟踪目标车辆时的原理图,参阅图7,控制模块中的.mkz1为目标车辆控制***;mkz2为数据采集车辆控制***;gazebo为整个***的运行提供底层。图中椭圆内的数据代表控制节点,用来发送控制指令及接收状态信息;小方框代表话题,用来接收控制指令或发布状态信息;箭头代表节点与话题之间的数据传输的方向。其中,状态信息包括:第一状态信息和第二状态信息。
在mkz1***中,/mkz1/driving节点向/mkz1/steering_cmd,/mkz1/brake_cmd,/mkzl/gear_cmd,/mkz1_throttle_cmd 4个话题分别发送转向、刹车、档位、油门控制指令,以期通过此四个指令的共同作用实现目标车辆的自主行驶。上述四个话题将相关控制指令进一步发送给/mkz1/dbw_node节点,此节点将控制指令转换仿真车辆能够识别的力矩控制指令,并将其发送给/gazebo话题,最终在gazebo中实现对车辆的具体控制。另外,/mkz1/driving同时会将自己的位置信息发送给/tf话题,供mkz2***使用。
在mkz2***中,相关节点与话题与mkz1***工作过程基本相同,不同之处在于其控制目的在于追踪目标车辆,因此/mkz2/tracking节点还将接收/tf话题中mkz1的位置信息,用来计算目标跟踪控制指令。
采集模块530,采集数据采集车辆的第一状态信息及第一控制信息,第一状态信息及第一控制信息分别对应一个时间戳;采集目标车辆的图像信息、第二状态信息及第二控制信息,图像信息、第二状态信息及第二控制信息分别对应一个时间戳。
采集模块530基于开源的机器人操作***设计。
其中,第一状态信息包括数据采集车辆的第一瞬时速度,第一加速度和第一全球定位***信息;第二状态信息包括目标车辆的第二瞬时速度、第二加速度和第二全球定位***信息。
第一控制信息包括数据采集车辆的第一油门大小、第一刹车大小、第一挡位高低、第一转向角大小;第二控制信息包括目标车辆的第二油门大小、第二刹车大小、第二挡位高低和第二转向角大小。
第一判断模块540,用于判断第一状态信息对应的时间戳与第一控制信息对应的时间戳的差值是否在第一预设差值范围内,判断图像信息对应的时间戳、第二状态信息对应的时间戳及第二控制信息对应的时间戳两两之间的差值是否在第一预设差值范围内,若是,进入第二判断模块。
第二判断模块550,用于判断第一状态信息对应的时间戳与第二状态信息对应的时间戳的差值是否在第二预设差值范围内,判断第一控制信息对应的时间戳与第二控制信息对应的时间戳的差值是否在第二预设差值范围内,若是,进入储存模块。
储存模块560,储存满足第一判断模块的第一状态信息、第一控制信息、图像信息、第二状态信息及第二控制信息。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于无人驾驶车辆的数据采集方法,包括:
S1、模拟无人驾驶仿真环境,在所述无人驾驶仿真环境中,控制数据采集车辆与目标车辆的相对速度,使所述数据采集车辆与所述目标车辆的相对距离在预设范围内;
S2、采集数据采集车辆的第一状态信息及第一控制信息,所述第一状态信息及所述第一控制信息分别对应有一时间戳;采集目标车辆的图像信息、第二状态信息及第二控制信息,所述图像信息、所述第二状态信息及所述第二控制信息分别对应有一时间戳;
S3、判断所述第一状态信息对应的时间戳与所述第一控制信息对应的时间戳的差值是否在第一预设差值范围内,判断所述图像信息对应的时间戳、所述第二状态信息对应的时间戳及所述第二控制信息对应的时间戳中两两之间的差值是否在第一预设差值范围内,若都是,则执行S4;
S4、判断所述第一状态信息对应的时间戳与所述第二状态信息对应的时间戳的差值是否在第二预设差值范围内,判断所述第一控制信息对应的时间戳与所述第二控制信息对应的时间戳的差值是否在第二预设差值范围内,若都是,则执行S5;
S5、储存满足S4的所述第一状态信息、所述第一控制信息、所述图像信息、所述第二状态信息及所述第二控制信息。
2.根据权利要求1所述的方法,其中,所述步骤S1中,所述模拟无人驾驶仿真环境包括:
通过开源物理仿真软件Gazebo模拟所述无人驾驶仿真环境。
3.根据权利要求1所述的方法,其中,所述步骤S1中,所述控制数据采集车辆与目标车辆的相对速度包括:
基于开源的机器人操作***通过车道线检测算法与目标跟踪算法控制所述数据采集车辆与目标车辆的相对速度。
4.根据权利要求1所述的方法,其中,所述第一状态信息包括所述数据采集车辆的第一瞬时速度,所述第二状态信息包括所述目标车辆的第二瞬时速度。
5.根据权利要求4所述的方法,其中,利用每一帧所述图像信息的采集时刻对应的第二瞬时速度值标注该帧图像信息。
6.根据权利要求1所述的方法,其中,所述步骤S1中,所述控制数据采集车辆与目标车辆的相对速度,包括:
手动模式,通过人工控制手柄向所述数据采集车辆发布控制指令,使其与所述目标车辆保持相对速度;或者
自动模式,通过设定定常模式或正弦曲线模式或余弦曲线模式或阶跃模式,使所述数据采集车辆跟踪所述目标车辆。
7.根据权利要求1所述的方法,所述方法还包括:
S0,配置模拟所述无人驾驶仿真环境所需的参数。
8.一种用于无人驾驶车辆的数据采集***,包括:
仿真模块,用于模拟无人驾驶仿真环境;
控制模块,用于在所述模拟的无人驾驶仿真环境中控制数据采集车辆与目标车辆的相对速度,使所述数据采集车辆与所述目标车辆的相对距离在预设范围内;
采集模块,采集数据采集车辆的第一状态信息及第一控制信息,所述第一状态信息及所述第一控制信息分别对应一个时间戳;采集所述目标车辆的图像信息、第二状态信息及第二控制信息,所述图像信息、所述第二状态信息及所述第二控制信息分别对应一个时间戳;
第一判断模块,用于判断所述第一状态信息对应的时间戳与所述第一控制信息对应的时间戳的差值是否在第一预设差值范围内,判断所述图像信息对应的时间戳、所述第二状态信息对应的时间戳及所述第二控制信息对应的时间戳两两之间的差值是否在第一预设差值范围内,若是,进入第二判断模块;
第二判断模块,用于判断所述第一状态信息对应的时间戳与所述第二状态信息对应的时间戳的差值是否在第二预设差值范围内,判断所述第一控制信息对应的时间戳与所述第二控制信息对应的时间戳的差值是否在第二预设差值范围内,若是,进入储存模块;
储存模块,储存满足所述第二判断模块的所述第一状态信息、所述第一控制信息、所述图像信息、所述第二状态信息及所述第二控制信息。
9.根据权利要求8所述的***,其中,所述仿真模块基于开源物理仿真软件Gazebo设计,所述控制模块及所述采集模块基于开源的机器人操作***设计。
10.根据权利要求9所述的***,其中,所述开源的机器人操作***通过电传线控控制器局域网总线向所述开源物理仿真软件Gazebo发送控制指令控制所述数据采集车辆与所述目标车辆的相对速度;
所述开源的机器人操作***通过内部节点网络采集所述开源物理仿真软件Gazebo中所述数据采集车辆及所述目标车辆对应的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910856083.7A CN110569602B (zh) | 2019-09-10 | 2019-09-10 | 用于无人驾驶车辆的数据采集方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910856083.7A CN110569602B (zh) | 2019-09-10 | 2019-09-10 | 用于无人驾驶车辆的数据采集方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110569602A CN110569602A (zh) | 2019-12-13 |
CN110569602B true CN110569602B (zh) | 2022-04-19 |
Family
ID=68779282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910856083.7A Active CN110569602B (zh) | 2019-09-10 | 2019-09-10 | 用于无人驾驶车辆的数据采集方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569602B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523478B (zh) * | 2020-04-24 | 2023-04-28 | 中山大学 | 一种作用于目标检测***的行人图像检测方法 |
CN111624894B (zh) * | 2020-04-28 | 2022-03-01 | 东风汽车集团有限公司 | 一种用于平行驾驶的仿真测试方法及*** |
CN112256538B (zh) * | 2020-09-01 | 2024-06-14 | 航天时代(青岛)海洋装备科技发展有限公司 | 一种无人船设备信息采集处理及控制方法 |
CN117409070A (zh) * | 2020-10-30 | 2024-01-16 | 深圳市优必选科技股份有限公司 | 交通工具运行控制方法、装置、电子设备及存储介质 |
CN113610792B (zh) * | 2021-07-30 | 2023-07-14 | 杭州申昊科技股份有限公司 | 轨道扣件检测方法、设备和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105679093A (zh) * | 2016-02-23 | 2016-06-15 | 江苏大学 | 一种基于车车通信的多车协同避撞***及其方法 |
US9953535B1 (en) * | 2016-06-27 | 2018-04-24 | Amazon Technologies, Inc. | Annotated virtual track to inform autonomous vehicle control |
CN108765926A (zh) * | 2018-05-29 | 2018-11-06 | 重庆大学 | 一种基于车车通信的车辆协同跟随方法 |
CN109450582A (zh) * | 2018-11-01 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 传感器时间戳同步测试方法、装置、设备、介质及车辆 |
CN109552326A (zh) * | 2018-11-05 | 2019-04-02 | 浙江工业大学 | 一种无线通信信道衰减下的车辆变速巡航控制方法 |
CN109946995A (zh) * | 2019-03-26 | 2019-06-28 | 湖北亿咖通科技有限公司 | 自动驾驶的仿真测试方法、装置及智能终端 |
-
2019
- 2019-09-10 CN CN201910856083.7A patent/CN110569602B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105679093A (zh) * | 2016-02-23 | 2016-06-15 | 江苏大学 | 一种基于车车通信的多车协同避撞***及其方法 |
US9953535B1 (en) * | 2016-06-27 | 2018-04-24 | Amazon Technologies, Inc. | Annotated virtual track to inform autonomous vehicle control |
CN108765926A (zh) * | 2018-05-29 | 2018-11-06 | 重庆大学 | 一种基于车车通信的车辆协同跟随方法 |
CN109450582A (zh) * | 2018-11-01 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 传感器时间戳同步测试方法、装置、设备、介质及车辆 |
CN109552326A (zh) * | 2018-11-05 | 2019-04-02 | 浙江工业大学 | 一种无线通信信道衰减下的车辆变速巡航控制方法 |
CN109946995A (zh) * | 2019-03-26 | 2019-06-28 | 湖北亿咖通科技有限公司 | 自动驾驶的仿真测试方法、装置及智能终端 |
Non-Patent Citations (2)
Title |
---|
城区动态环境下智能车辆行为决策研究;宋威龙;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20180615;第36-38页 * |
基于ROS构建无人驾驶车辆环境感知***;黄武陵;《单片机与嵌入式***应用》;20161130;第5-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110569602A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569602B (zh) | 用于无人驾驶车辆的数据采集方法与*** | |
CN111788102B (zh) | 用于跟踪交通灯的里程计***和方法 | |
JP2021049969A (ja) | ハンドルのニュートラル位置を較正するためのシステムおよび方法 | |
CN109062209A (zh) | 一种智能辅助驾驶控制***及其控制方法 | |
JP2020087464A (ja) | 3dデータを2d画像データに登録するためのシステム及び方法 | |
CN106114217A (zh) | 行驶控制装置 | |
BR112019027564A2 (pt) | método de armazenamento de informação de veículo, método de controle de viagem de veículo, e dispositivo de armazenamento de informação de veículo | |
CN110546696A (zh) | 用于自主车辆的用于自动生成和更新数据集的方法 | |
CN105976606A (zh) | 一种智能城市交通管理平台 | |
CN107664504A (zh) | 一种路径规划装置 | |
US11657625B2 (en) | System and method for determining implicit lane boundaries | |
US11556127B2 (en) | Static obstacle map based perception system | |
Zeilinger et al. | Design of an autonomous race car for the formula student driverless (fsd) | |
EP3825958B1 (en) | A new way to generate tight 2d bounding boxes for autonomous driving labeling | |
US20230150549A1 (en) | Hybrid log simulated driving | |
US20240083458A1 (en) | Using simulations to identify differences between behaviors of manually-driven and autonomous vehicles | |
JP2023519940A (ja) | 車両をナビゲートするための制御ループ | |
WO2024006115A1 (en) | Determining right of way | |
US11872981B2 (en) | Operating a motor vehicle with onboard and cloud-based data | |
WO2021241834A1 (ko) | 악천후 자율주행을 위한 교통 흐름 정보 인지 기반 가상 차선 생성 장치 및 방법 | |
CN113085868A (zh) | 用于运行自动化车辆的方法、设备和存储介质 | |
JP7260575B2 (ja) | 地図生成装置 | |
US11610412B2 (en) | Vehicle neural network training | |
GB2610446A (en) | Navigation with drivable area detection | |
JP2022128712A (ja) | 道路情報生成装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |