CN111724616B - 基于人工智能的数据获取及共享的方法与装置 - Google Patents
基于人工智能的数据获取及共享的方法与装置 Download PDFInfo
- Publication number
- CN111724616B CN111724616B CN202010525954.XA CN202010525954A CN111724616B CN 111724616 B CN111724616 B CN 111724616B CN 202010525954 A CN202010525954 A CN 202010525954A CN 111724616 B CN111724616 B CN 111724616B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mounted terminal
- road condition
- data
- real
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了基于人工智能的数据获取及共享的方法,包括:第一车载终端获取第一图像传感器捕获的外部图像,并基于神经网络技术识别所述图像中的路况数据,第一车载终端获取所述第一激光雷达采集到的三维点云数据,并将所述点云数据与所述图像进行融合;第二车载终端获取自身定位信息;第二车载终端接收第一车载终端发送的第一车载终端定位信息、所述路况数据及与所述路况对应的距离;第二车载终端基于所述路况数据,确认所述第一车载终端与所述第二车载终端的距离,并开启所述第一车载终端与所述第二车载终端的实时位置共享,并基于所述实时位置共享,进行实时导航操作或安全路况提示操作,其中,所述第二车载终端位于第二车辆上。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及基于人工智能的数据获取及共享的方法与装置。
背景技术
在车联网领域,目前不同汽车之间可以相互之间建立通信(即V2V通信),完成两车之间的娱乐与路况的共享,此外,车路协同的方案也日渐成熟,汽车内的车载终端OBU可以与路边单元RSU进行通信,RSU可以将路况等信息共享给不同携带有OBU的汽车,从而实现车、路之间的通信,即V2I通信。
如图1所示,在V2I通信***中,每一个RSU单元具备一定的传播半径,携带有OBU单元的汽车之间可相互之间通信,也可通过RSU单元进行交通信息的共享。然而,目前的V2V或V2I技术中,并不能基于不同汽车之间的相互关系进行实时导航或者避障操作,例如,并不能基于前车的交通状况提醒后面的汽车进行相应的安全提示(如避让行人、躲避路坑)或实时导航(基于交通状况从而选择最优导航路径),导致使用效能低。
发明内容
本申请实施例提供一种基于人工智能的数据获取及共享的方法与装置,可基于前车的路况实时反馈给后车,用于解决现有技术中V2V或V2I的使用效能低的问题。
本发明实施例提供一种基于人工智能的数据获取及共享的方法,包括:
第一车载终端获取第一图像传感器捕获的外部图像,并基于神经网络技术识别所述图像中的路况数据,所述路况数据包括交通信号数据、拥堵指数、突发事件及车辆周围环境信息;
所述第一车载终端获取所述第一激光雷达采集到的三维点云数据,并将所述点云数据与所述图像进行融合,获取所述图像中不同路况对应的距离,其中,所述第一车载终端、第一图像传感器及第一激光雷达位于第一车辆上,所述不同路况对应的距离包括车辆周围环境不同目标物与所述第一激光雷达之间的距离;
所述第二车载终端获取自身定位信息;
所述第二车载终端直接或间接与所述第一车载终端建立通信,并接收所述第一车载终端发送的第一车载终端定位信息、所述路况数据及与所述路况对应的距离;
所述第二车载终端基于所述路况数据,确认所述第一车载终端与所述第二车载终端的距离,并开启所述第一车载终端与所述第二车载终端的实时位置共享,并基于所述实时位置共享,进行实时导航操作或安全路况提示操作,其中,所述第二车载终端位于第二车辆上。
可选地,所述开启所述第一车载终端与所述第二车载终端的实时位置共享,并基于所述实时位置共享,进行实时导航操作,包括:
所述第二车载终端基于自身定位信息与所述第一车载终端的定位信息,确定所述第一车载终端和第二车载终端的位置关系;
所述第二车载终端以所述第一车载终端的位置为目的地,以自身定位信息为始发地进行导航规划;
所述第二车载终端基于所述第一车载终端发送的路况数据及路况对应的距离信息,选择导航规划中的最优导航路径。
可选地,所述第二车载终端基于所述第一车载终端发送的路况数据及路况对应的距离信息,选择导航规划中的最优导航路径,包括:
所述第二车辆终端基于路况中的拥堵程度、突发事件及车辆周围状况其中一种或多种的组合,确定用时最短的导航路径,或,
所述第二车辆终端基于所述路况及所述路况中的距离信息,判断所述第一终端的周围环境状态,并基于所述周围环境状态实时改变导航路径,以寻求用时最短或拥堵最少的导航路径。
可选地,所述第二车载终端进行安全路况提示操作,包括:
所述第二车载终端在实时位置共享时获取所述第一车载终端的路况信息;
当所述路况信息为交通信号数据时,所述第二车载终端进行信号灯盲区提示;
当所述路况信息为拥堵指数时,所述第二车载终端根据所述拥堵指数进行拥堵提示;
所述路况信息为突发事件时,所述第二车载终端根据所述突发事件进行绕道提示;
当所述路况信息为车辆周围环境信息时,所述第二车载终端根据自身定位信息与所述第一车载终端的定位信息,计算出所述第二车载终端与所述第一车载终端的距离;
所述第二车载终端基于所述车辆周围环境及路况对应的距离,确定确定不同目标物与所述第一车载终端的距离;
所述第二车载终端基于所述不同目标物与所述第一车载终端的距离,以及所述第一车载终端与所述第二车载终端的距离,估算出所述不同目标物与所述第二车载终端的距离,并进行安全提示。
可选地,所述第二车载终端直接或间接与所述第一车载终端建立通信,包括:
所述第二车载终端与所述第一车载终端建立握手协议,通过TCP/IP协议进行通信,或,
所述第二车载终端通过路侧单元RSU与所述第一终端建立通信。
可选地,所述第一车载终端获取所述第一激光雷达采集到的三维点云数据,并将所述点云数据与所述图像进行融合,包括:
将所述三维点云数据与所述图像区域进行标定,识别出不同图像区域对应的不同三维点云数据;
计算激光雷达传感器在图像采集装置坐标系下的位置和姿态;并基于所述图像中对应的三维点云数据,计算出不同目标物的朝向角与长宽高。
可选地,所述基于所述实时位置共享,进行实时导航操作,包括:
所述第二车载终端基于所述实时位置共享,预测出所述第一车载终端的行径轨迹,并基于所述预测出的行径轨迹,动态调节导航路径,基于动态调节的导航路径进行实时导航。
本发明实施例提供一种基于人工智能的数据获取及共享装置,所述装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,所述处理器用于运行所述计算机程序时,执行上述的基于人工智能的数据获取及共享的方法。
本发明实施例提供一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,该计算机可执行指令用于执行上述基于人工智能的数据获取及共享的方法。
上述基于人工智能的数据获取及共享的方法,通过第一车载终端获取到的数据共享给第二车载终端,从而使得第二车载终端在基于第一车载终端的基础上进行实时位置共享及安全提示操作,并可基于动态的位置及路况动态优化导航路径及必要的安全提示,解决了现有技术中无法进行实时位置共享及安全提示的问题,提升了V2V及V2I的使用率,提升了导航效率,并且提高了用户体验。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为现有技术的车联网网络架构图;
图2为一个实施例中基于人工智能的数据获取与共享方法的流程示意图;
图3为一个实施例中人工智能的数据获取与共享方法的场景示意图;
图4为一个实施例中电子设备的组成架构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
图2为一个实施例中基于人工智能的数据采集及共享方法流程图。本实施例中的方法包括:
S101、第一车载终端获取第一图像传感器捕获的外部图像,并基于神经网络技术识别所述图像中的路况数据,所述路况数据包括交通信号数据、拥堵指数、突发事件及车辆周围环境信息;
第一车载终端可以是基于车载的通信终端/车载单元(On Board Unit,OBU),如T-Box、PC机等,车载终端类似于汽车的大脑,一方面,第一车载终端可以采集车辆内部各个传感器上传的数据,并对该数据进行处理,下发各类指令至不同的传感器,实现车-车交互及人-车交互,另一方面,第一车载终端具备无线通信天线,可实现对外的无线通信,可通过蓝牙、红外、LTE、5G等方式对外进行数据交互,例如与路侧单元(Road Side Unit,RSU)的信息交互。同时,第一车载终端上还可以包括GPS、摄像头等组件,用于实现诸如驾驶者监控DMS及自身定位等功能。
第一图像传感器设置并固定于汽车外部,用于识别汽车周围环境的图像,通常而言,可放置多个第一图像传感器,用于采集汽车360°各个方位的图像数据,为了方便说明,定义第一图像传感器数量为1个,实际的场景中可以并存多个图像传感器,在同一时间内可采集多个不同方位的不同图像。
在第一车载终端获取到第一图像传感器采集到的外部图像之后,采用神经网络技术进行路况(道路状况)数据的获取与处理,可通过神经网络技术识别车辆外的目标物体名称、大小及方位,从而获取到交通信号数据、拥堵指数、突发事件及车辆周围环境信息。例如,可识别交通信号灯的状态(红、黄和绿),也可以识别道路的类型、交通标示的内容识别、天气以及周围车辆、行人和外部设施的识别。具体地,第一车载终端利用卷积神经网络对包含所述目标物的图像帧进行卷积处理,提取出与所述目标物对应的图像特征;利用长短期记忆网络,基于所述图像特征为各图像帧分配权重,根据光流法和分配权重后的图像帧捕获所述目标物的动作特征;基于所述目标物的动作特征,确定目标物的名称、大小及方位。具体的神经网络识别算法为现有技术,例如中国专利CN110843794B描述的神经网络识别算法,本发明实施例不再累述。
在本发明实施例中,交通信号数据可以是交通信号指示灯的状态,例如红绿灯状态,交通信号是否损坏等;拥堵指数代表当前路端的拥堵程度,例如在现有技术中可通过红、黄、绿等颜色来表示该道路的拥堵程度,通常而言,该数据是由路边单元检测并发送至手机等终端,以进行导航提示,而作为车辆端本身也具备识别拥堵程度的能力,例如车速、周边车辆数量等信息可作为拥堵程度的评判标准;突发事件可以是车辆碰撞,突发障碍物等突发事件,在目前的无人驾驶技术中可通过神经网络来进行识别与预判;车辆周围环境信息即利用车联网中的V2I技术,通过图像识别,获取到路边感知数据,并进行路边环境的监测,例如当前路端名称、周围建筑物名称,道路路标等内容。
S102、所述第一车载终端获取所述第一激光雷达采集到的三维点云数据,并将所述点云数据与所述图像进行融合,获取所述图像中不同路况对应的距离,其中,所述第一车载终端、第一图像传感器及第一激光雷达位于第一车辆上,所述不同路况对应的距离包括车辆周围环境不同目标物与所述第一激光雷达之间的距离;
激光雷达LiDAR是一种以激光的发射与反射进行距离探测的设备,在实际使用过程中,激光雷达固定在汽车的四周,对汽车周围的目标物体进行探测,并生成三维点云图,以此来识别目标物与激光雷达之间的距离。在本发明实施例中,采用了多传感器融合技术进行点云数据与图像数据的融合,多传感融合技术主要用于目标物体的检测与跟踪,应用在自动驾驶、高级辅助驾驶、安全预警及交通调度等领域。例如,在东南大学CN110363820A的专利申请中,通过激光雷达和摄像头联合校准,得到摄像头视角的激光雷达点云数据集;在将数据输入到神经网络之前,首先对激光雷达数据集进行球面投影,得到一个稠密的、二维的数据;将激光雷达投影得到的图像和摄像头图像分别作为网络的两个输入,分别学习彩色和三维特征,最后通过一个1×1的卷积块,将两个模态的特征融合,实现基于雷达和视觉前融合的目标检测。最后采取加权的后融合方式,采用激光雷达和图像两个对应的输入,分别学习特征,最后融合,可以提高目标识别的准确性,同时获取目标的三维信息。
本发明实施例中,激光雷达与图像传感器的融合技术可以为:将三维点云数据与图像区域进行标定,识别出不同图像区域对应的不同三维点云数据;计算激光雷达传感器在图像采集装置坐标系下的位置和姿态;并基于图像中对应的三维点云数据,计算出不同目标物的朝向角与长宽高。
采用现有的神经网络技术,本发明实施例对此并无限制。需要说明的是,激光雷达与图像传感器进行融合后,可获取图像中各类目标物体与激光雷达之间的距离,并以此来标定目标物(路况)的距离远近,并实时提供给第一车载终端。
S103、所述第二车载终端获取自身定位信息;
第二车载终端可以与第一车载终端是同类型的终端产品,也可以是不同的终端,其中,第二车载终端包括GPS/LBS定位模块,可实时进行定位。
S104、所述第二车载终端直接或间接与所述第一车载终端建立通信,并接收所述第一车载终端发送的第一车载终端定位信息、所述路况数据及与所述路况对应的距离;
第二车载终端直接或间接与所述第一车载终端建立通信,例如,第二车载终端可根据专用短程通信(Dedicated Short Range Communications,DSRC)协议进行车与车之间的通信,也可以通过路侧单元RSU充当消息中介进行消息传递。此外,第二车载终端与所述第一车载终端还可以建立握手协议,通过TCP/IP协议进行通信。
在第一车载终端与第二车载终端取得通信后,第一车载终端可将当年第一车载终端定位信息、路况信息及路况对应的距离实时发送给第二车载终端。第二车载终端位于第二车辆内,第二车辆只需要该第二车载终端,就可以实时获取第一车辆获取到的图像信息、路况信息等,因此,第二车辆无需第二激光雷达或第二图像传感器即可共享第一车辆采集到的各类信息,当第一车辆和第二车辆距离较近时,第一车辆可充当第二车辆的“眼镜”,帮助第二车辆识别障碍物及路况等。
S105、所述第二车载终端基于所述路况数据,确认所述第一车载终端与所述第二车载终端的距离,并开启所述第一车载终端与所述第二车载终端的实时位置共享,并基于所述实时位置共享,进行实时导航操作或安全路况提示操作,其中,所述第二车载终端位于第二车辆上。
在本发明实施例中,基于实时位置共享后有两种方案,第一种方案是进行导航,第二种方案是安全路况提示操作。
对于第一种方案而言,第二车载终端基于自身定位信息与第一车载终端的定位信息,确定第一车载终端和第二车载终端的位置关系;第二车载终端以第一车载终端的位置为目的地,以自身定位信息为始发地,设置导航路径,并进行导航规划,并且,第二车载终端基于第一车载终端发送的路况数据及路况对应的距离信息,选择导航规划中的最优导航路径。
可选地,第二车载终端基于实时位置共享,预测出第一车载终端的行径轨迹,并基于预测出的行径轨迹,动态调节导航路径,基于动态调节的导航路径进行实时导航。
其中,选择导航规划中的最优导航路径,具体可以为:第二车辆终端基于路况中的拥堵程度、突发事件及车辆周围状况其中一种或多种的组合,确定用时最短的导航路径,或,第二车辆终端基于路况及路况中的距离信息,判断第一终端的周围环境状态,并基于周围环境状态实时改变导航路径,以寻求用时最短或拥堵最少的导航路径。
下面结合图3以进行说明,如图3所示,假定车辆14为第一车辆,内部设置有第一车载终端,车辆11位第二车辆,内部设置有第二车载终端,车辆11和车辆14可通过通信协议二者直接进行通信,也可以通过RSU 15进行消息中转,其中RSU 15与核心网16通过LTE、5G NR等公网进行数据交互,实现智慧交通大数据交互。假定车辆11以自身定位位置为起点(A点),以车辆14的位置为终点(B点),则通过同步定位与地图绘制(simultaneouslocalization and mapping,SLAM)等算法进行自导航,而基于AB两点之间的导航路径可以有多条,如何选择最用时最短或拥堵最少的导航路径,就需要利用到第一车载终端采集到的路况及路况对应的距离数据,举例而言,从A点到B点有3条路线,设置为a1,a2和a3,而基于拥堵程度而言,a1最拥堵,a2其次,a3最轻,则可选择a3路径作为实时导航的路径,而对于拥堵程度的来源,则是通过目标物(其余车辆)的识别与目标物与第一车载终端之间距离的识别而得出的,例如,设定周围车辆大于10,且周围车辆与第一激光雷达之间的距离均小于5m定义为严重拥堵,设定周围车辆大于5小于10,且周围车辆与第一激光雷达之间的距离均小于5m定义为中等拥堵,即可获取到第一车辆周围的车辆状况,从而判断拥堵程度,而第二车辆是基于第一车辆提供的信息来判断第一车辆当前所处的路况,因此,第二车辆接收到第一车辆发送的信息后,即可获取第一车辆当前所处的道路拥堵程度,从而(道路拥堵时)选择绕行第一车辆的行驶道路(a1),即不选择与第一车辆行驶道路一致的导航路线(a2和a3),而选择绕行,并基于实时状况进行动态调整。导航路线a2和a3的拥堵程度可以通过路侧单元RSU进行获取,还可以通过与第一车载终端相同的第三、第四车载终端进行采集,间接从第三、第四车载终端上获取。此外,针对第一车载终端发送的信息中,第二车载终端还可以获取到突然事件(例如行人、车辆碰撞事故、路面坍塌、突然障碍物阻碍交通等),从而持续动态变更导航路线。同理,车辆11可以获取车辆14的车辆周围状况(如车辆周边建筑物信息、交通灯信息等),从而辅助车辆11进行导航。
对于第二种方案而言,第二车载终端在实时位置共享时获取第一车载终端的路况信息;
当路况信息为交通信号数据时,第二车载终端进行信号灯盲区提示;以图3为例,假定车辆12为设置有第一车载终端的第一车辆,车辆11为设置有第二车载终端的第二车辆,第一车辆在第二车辆之前,在过红绿灯时,由于车辆12的车辆高度大于车辆11的车辆高度,因此车辆11的驾驶人员看不清红绿灯的显示情况,容易造成误闯红灯,而在本发明实施例中,车辆11和车辆12可以进行同步信息传输,在车辆12经过红绿灯时,可实时获取交通信息等的红绿状态变化信息,从而对在后侧的车辆11进行提示,以便车辆11及时刹车并等待交通信号灯的变化(即将变化为红灯),不仅保证了车辆自身的安全,也保证了过马路行人的安全。
当路况信息为拥堵指数时,第二车载终端根据拥堵指数进行拥堵提示;例如,当路况信息提示当前行驶道路拥堵时,可提示第二车载终端绕行。
当路况信息为突发事件(行人受伤、车辆碰撞等)时,第二车载终端根据突发事件进行绕道提示;
当路况信息为车辆周围环境信息时,第二车载终端根据自身定位信息与第一车载终端的定位信息,计算出第二车载终端与第一车载终端的距离;第二车载终端基于车辆周围环境及路况对应的距离,确定不同目标物与第一车载终端的距离;第二车载终端基于不同目标物与第一车载终端的距离,以及第一车载终端与第二车载终端的距离,估算出不同目标物与第二车载终端的距离,并进行安全提示。如图3所示,假定目标物为树木,车辆11为第二车辆,车辆12为第一车辆,树木位于车辆12的右侧,车辆12通过第一激光雷达与第一图像传感器的传感器融合技术,推定出该树木与车辆12相距为5米,并定位出该树木的具***置,车辆11基于自身位置、车辆12的位置及树木的位置,即可获得自身位置与树木位置的直线距离,从而在阈值范围内进行安全提示,例如可采取语音播报:“行驶路上右侧5米有大树,注意安全”等方式进行提示。
本发明实施例还提供一种基于人工智能的数据获取及共享装置,所述装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,所述处理器用于运行所述计算机程序时,执行上述实施例中基于人工智能的数据获取及共享的方法。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机可执行指令,该计算机可执行指令用于执行上述实施例中基于人工智能的数据获取及共享的方法。
图4为一个实施例中基于人工智能的数据获取及共享装置(例如第一车载终端或第二车载终端)的硬件组成示意图。可以理解的是,图4仅仅示出了电子设备的简化设计。在实际应用中,电子设备还可以分别包含必要的其他元件,包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等,而所有可以实现本申请实施例的基于人工智能的数据获取及共享方法的电子设备都在本申请的保护范围之内。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read至only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read至only memory,CD至ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。处理器还可以包括一个或多个专用处理器,专用处理器可以包括GPU、FPGA等,用于进行加速处理。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行上述方法实施例中的步骤。具体可参见方法实施例中的描述,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***和方法,可以通过其它的方式实现。例如,该单元的划分,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***,或一些特征可以忽略,或不执行。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。
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。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
以上上述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于人工智能的数据获取及共享的方法,其特征在于,包括:
第一车载终端获取第一图像传感器捕获的外部图像,并基于神经网络技术识别所述图像中的路况数据,所述路况数据包括交通信号数据、拥堵指数、突发事件及车辆周围环境信息;
所述第一车载终端获取第一激光雷达采集到的三维点云数据,并将所述点云数据与所述图像进行融合,获取所述图像中不同路况对应的距离,其中,所述第一车载终端、第一图像传感器及第一激光雷达位于第一车辆上,所述不同路况对应的距离包括车辆周围环境不同目标物与所述第一激光雷达之间的距离;所述第一车载终端获取所述第一激光雷达采集到的三维点云数据,并将所述点云数据与所述图像进行融合,包括:将所述三维点云数据与所述图像区域进行标定,识别出不同图像区域对应的不同三维点云数据;计算激光雷达传感器在图像采集装置坐标系下的位置和姿态;并基于所述图像中对应的三维点云数据,计算出不同目标物的朝向角与长宽高;
第二车载终端获取自身定位信息;
所述第二车载终端直接或间接与所述第一车载终端建立通信,并接收所述第一车载终端发送的第一车载终端定位信息、所述路况数据及与所述路况对应的距离;其中,所述第二车载终端直接或间接与所述第一车载终端建立通信,包括:所述第二车载终端与所述第一车载终端建立握手协议,通过TCP/IP协议进行通信;
所述第二车载终端基于所述路况数据,确认所述第一车载终端与所述第二车载终端的距离,并开启所述第一车载终端与所述第二车载终端的实时位置共享,并基于所述实时位置共享,进行实时导航操作或安全路况提示操作,其中,所述第二车载终端位于第二车辆上;
其中,所述基于所述实时位置共享,进行实时导航操作,包括:所述第二车载终端基于所述实时位置共享,预测出所述第一车载终端的行径轨迹,并基于所述预测出的行径轨迹,动态调节导航路径,基于动态调节的导航路径进行实时导航;第二车辆终端基于路况及路况中的距离信息,判断第一终端的周围环境状态,并基于周围环境状态实时改变导航路径,以寻求用时最短或拥堵最少的导航路径。
2.根据权利要求1所述的方法,其特征在于,所述开启所述第一车载终端与所述第二车载终端的实时位置共享,并基于所述实时位置共享,进行实时导航操作,包括:
所述第二车载终端基于自身定位信息与所述第一车载终端的定位信息,确定所述第一车载终端和第二车载终端的位置关系;
所述第二车载终端以所述第一车载终端的位置为目的地,以自身定位信息为始发地进行导航规划;
所述第二车载终端基于所述第一车载终端发送的路况数据及路况对应的距离信息,选择导航规划中的最优导航路径。
3.根据权利要求2所述的方法,其特征在于,所述第二车载终端基于所述第一车载终端发送的路况数据及路况对应的距离信息,选择导航规划中的最优导航路径,还包括:
所述第二车辆终端基于路况中的拥堵程度、突发事件及车辆周围状况其中一种或多种的组合,确定用时最短的导航路径。
4.根据权利要求1所述的方法,其特征在于,所述第二车载终端进行安全路况提示操作,包括:
所述第二车载终端在实时位置共享时获取所述第一车载终端的路况信息;
当所述路况信息为交通信号数据时,所述第二车载终端进行信号灯盲区提示;
当所述路况信息为拥堵指数时,所述第二车载终端根据所述拥堵指数进行拥堵提示;
所述路况信息为突发事件时,所述第二车载终端根据所述突发事件进行绕道提示;
当所述路况信息为车辆周围环境信息时,所述第二车载终端根据自身定位信息与所述第一车载终端的定位信息,计算出所述第二车载终端与所述第一车载终端的距离;
所述第二车载终端基于所述车辆周围环境及路况对应的距离,确定不同目标物与所述第一车载终端的距离;
所述第二车载终端基于所述不同目标物与所述第一车载终端的距离,以及所述第一车载终端与所述第二车载终端的距离,估算出所述不同目标物与所述第二车载终端的距离,并进行安全提示。
5.一种基于人工智能的数据获取及共享装置,其特征在于,所述装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,所述处理器用于运行所述计算机程序时,执行权利要求1至4任一项所述的基于人工智能的数据获取及共享的方法。
6.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,该计算机可执行指令用于执行权利要求1至4任一项所述的基于人工智能的数据获取及共享的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010525954.XA CN111724616B (zh) | 2020-06-11 | 2020-06-11 | 基于人工智能的数据获取及共享的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010525954.XA CN111724616B (zh) | 2020-06-11 | 2020-06-11 | 基于人工智能的数据获取及共享的方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111724616A CN111724616A (zh) | 2020-09-29 |
CN111724616B true CN111724616B (zh) | 2021-11-05 |
Family
ID=72567941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010525954.XA Active CN111724616B (zh) | 2020-06-11 | 2020-06-11 | 基于人工智能的数据获取及共享的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724616B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12046049B2 (en) | 2021-12-01 | 2024-07-23 | Motional Ad Llc | Automatically detecting traffic signals using sensor data |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785371A (zh) * | 2021-01-11 | 2021-05-11 | 上海钧正网络科技有限公司 | 一种共享设备位置预测方法、装置及存储介质 |
CN113112840A (zh) * | 2021-03-15 | 2021-07-13 | 上海交通大学 | 一种基于车路协同的无人车超视距导航***及方法 |
CN113593224B (zh) * | 2021-07-14 | 2022-10-14 | 广州小鹏汽车科技有限公司 | 路况共享方法、装置、车载终端及存储介质 |
CN114093163A (zh) * | 2021-11-10 | 2022-02-25 | 山东旗帜信息有限公司 | 一种高速公路的车辆监测方法、设备、存储介质 |
CN114399915A (zh) * | 2022-01-31 | 2022-04-26 | 重庆长安汽车股份有限公司 | 一种交通灯路口安全辅助***及运行方法 |
CN116052410A (zh) * | 2023-02-28 | 2023-05-02 | 重庆长安汽车股份有限公司 | 一种车队管理方法、***、电子设备及存储介质 |
CN117058210B (zh) * | 2023-10-11 | 2024-06-18 | 比亚迪股份有限公司 | 基于车载传感器的距离计算方法和装置及存储介质和车辆 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976609A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种车辆数据处理***及方法 |
CN107839610A (zh) * | 2017-02-10 | 2018-03-27 | 问众智能信息科技(北京)有限公司 | 一种通过智能后视镜实现跟车导航的方法和*** |
CN108180916A (zh) * | 2017-12-20 | 2018-06-19 | 奇瑞汽车股份有限公司 | 车辆位置共享方法及*** |
CN109696173A (zh) * | 2019-02-20 | 2019-04-30 | 苏州风图智能科技有限公司 | 一种车体导航方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102020631B1 (ko) * | 2012-08-21 | 2019-09-10 | 현대모비스 주식회사 | 위험물 적재 차량 경고 방법 및 장치 |
-
2020
- 2020-06-11 CN CN202010525954.XA patent/CN111724616B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976609A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种车辆数据处理***及方法 |
CN107839610A (zh) * | 2017-02-10 | 2018-03-27 | 问众智能信息科技(北京)有限公司 | 一种通过智能后视镜实现跟车导航的方法和*** |
CN108180916A (zh) * | 2017-12-20 | 2018-06-19 | 奇瑞汽车股份有限公司 | 车辆位置共享方法及*** |
CN109696173A (zh) * | 2019-02-20 | 2019-04-30 | 苏州风图智能科技有限公司 | 一种车体导航方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12046049B2 (en) | 2021-12-01 | 2024-07-23 | Motional Ad Llc | Automatically detecting traffic signals using sensor data |
Also Published As
Publication number | Publication date |
---|---|
CN111724616A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724616B (zh) | 基于人工智能的数据获取及共享的方法与装置 | |
US11238738B2 (en) | Information providing system, server, mobile terminal, and computer program | |
US11967230B2 (en) | System and method for using V2X and sensor data | |
JP7381716B2 (ja) | 地図更新方法、装置、および記憶媒体 | |
US11531354B2 (en) | Image processing apparatus and image processing method | |
KR20200106131A (ko) | 긴급 상황 시의 차량의 동작 | |
EP2700032B1 (en) | A comprehensive and intelligent system for managing traffic and emergency services | |
US9373255B2 (en) | Method and system for producing an up-to-date situation depiction | |
US20210014643A1 (en) | Communication control device, communication control method, and computer program | |
CN113345269B (zh) | 基于v2x车联网协同的交通工具危险预警的方法、装置和设备 | |
US20230109909A1 (en) | Object detection using radar and lidar fusion | |
JP6903598B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、および移動体 | |
JP2020091614A (ja) | 情報提供システム、サーバ、移動端末、及びコンピュータプログラム | |
US11741839B2 (en) | Traffic safety assistance device, mobile information terminal, and program | |
JP2020091652A (ja) | 情報提供システム、サーバ、及びコンピュータプログラム | |
WO2023250290A1 (en) | Post drop-off passenger assistance | |
JP2020091612A (ja) | 情報提供システム、サーバ、及びコンピュータプログラム | |
WO2023189878A1 (en) | Intersection-based offboard vehicle path generation | |
WO2023189881A1 (en) | Collision warning based on intersection information from map messages | |
WO2023189880A1 (en) | Path prediction based on intersection information from map messages | |
WO2023189879A1 (en) | Intersection-based map message generation and broadcasting | |
US20230303124A1 (en) | Predicting and controlling object crossings on vehicle routes | |
WO2020241273A1 (ja) | 車両用通信システム、車載機、制御方法及びコンピュータプログラム | |
JP2024008038A (ja) | 電子装置 | |
CN116569233A (zh) | 道路监测***和方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211013 Address after: 221000 1205-1206, building E1, software park, Xuzhou Economic and Technological Development Zone, Jiangsu Province Applicant after: Xuzhou Guoyun Information Technology Co.,Ltd. Address before: 518000 B608, building 15, jiayushan, Xinyi, Longgang District, Shenzhen City, Guangdong Province Applicant before: Fan Xin |
|
GR01 | Patent grant | ||
GR01 | Patent grant |