CN114822035A - 一种路侧感知设备异常识别方法及路侧感知融合*** - Google Patents
一种路侧感知设备异常识别方法及路侧感知融合*** Download PDFInfo
- Publication number
- CN114822035A CN114822035A CN202210498280.8A CN202210498280A CN114822035A CN 114822035 A CN114822035 A CN 114822035A CN 202210498280 A CN202210498280 A CN 202210498280A CN 114822035 A CN114822035 A CN 114822035A
- Authority
- CN
- China
- Prior art keywords
- roadside sensing
- equipment
- abnormal
- roadside
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000004927 fusion Effects 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 123
- 230000008569 process Effects 0.000 claims abstract description 34
- 230000005856 abnormality Effects 0.000 claims abstract description 25
- 230000036541 health Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 24
- 230000008447 perception Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 10
- 230000003068 static effect Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种路侧感知设备异常识别方法及路侧感知融合***,涉及路侧感知技术领域,上述方法包括:路侧感知控制端接收多个路侧感知设备发送的设备信息,并根据所述设备信息确定所述路侧感知设备是否异常;当所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。本发明,实现了路侧端异常的及时识别。
Description
技术领域
本发明涉及路侧感知技术领域,特别是涉及一种路侧感知设备异常识别方法及路侧感知融合***。
背景技术
路侧感知是利用视觉传感器(比如摄像机等)、毫米波雷达和激光雷达等多种传感器,结合边缘计算设备,实现对道路交通参与者和路况信息的实时获取。并通过V2X(Vehicle to Everything,车联网)车路协同技术,按照约定的通信协议和数据交互标准,实现车-人-路-云间的信息交换和指令控制。随着科技的进步,RSS(Roadside SensingSystem,路侧感知***)逐渐成为支撑网联自动驾驶,提升交通运行效率、缓解拥堵的重要手段。
实际应用中,RSS中包含的摄像机、毫米波雷达以及激光雷达等传感器设备所能观测的区域是有限的,针对较广区域的路侧感知需求,需要将多个甚至多对传感器设备部署在合适的点位以覆盖所需感知的全区域,多个点位的传感器设备可以由边缘计算设备控制。而不同的传感器设备在路侧感知的过程中,可能会出现异常,比如激光雷达在不同温度、湿度等环境下可能会出现异常或报废等情况,如果无法及时识别传感器设备的异常,可能会利用出现异常的传感器设备所获取的数据信息,对路况等进行错误的估计,进而造成自动驾驶车辆路线偏移甚至撞击障碍物等情况的发生。
因此,现有亟需一种能够及时识别路侧端异常的识别方法。
发明内容
本发明实施例的目的在于提供一种路侧感知设备异常识别方法及路侧感知融合***,以实现路侧端异常的及时识别。具体技术方案如下:
第一方面,本发明实施例提供了一种路侧感知设备异常识别方法,应用于路侧感知控制端,所述方法包括:
接收多个路侧感知设备发送的设备信息,并根据所述设备信息确定所述路侧感知设备是否异常;
当所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
在一种可能的实施方式中,所述设备信息包括状态信息,所述状态信息用于标识所述路侧感知设备的工作状态,所述状态信息包括以下至少一项:传感器设备的线路连接状态信息、传感器设备所处的环境状态信息。
在一种可能的实施方式中,所述路侧感知设备包括雷达,所述设备信息包括雷达采集的感知数据。
在一种可能的实施方式中,所述感知数据包括单个雷达所采集的原始点云数据,所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
根据一帧或多帧的原始点云数据的时间戳,确定所述雷达是否存在授时异常和/或数据发送频率异常。
在一种可能的实施方式中,所述感知数据包括单个雷达所采集的原始点云数据,所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
判断连续的多帧原始点云数据之间的差异是否满足预设条件,如果是,则确定所述雷达存在异常。
在一种可能的实施方式中,所述感知数据包括多雷达原始感知数据融合后得到的至少一个动态目标数据,所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
根据动态目标数据在预设时间内的形态、大小和/或位置变化,确定所述动态目标数据是否存在异常;
若所述动态目标数据存在异常,从所述动态目标数据所对应的原始感知数据中确定目标雷达;
对所述目标雷达采集的原始点云数据进行解析,确定所述目标雷达是否存在异常。
在一种可能的实施方式中,所述路侧感知设备包括雷达,所述设备信息包括状态信息以及所述雷达采集的感知数据;所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
根据所述状态信息,确定所述路侧感知设备的第一健康值;
根据所述感知数据,确定所述路侧感知设备的第二健康值;
根据所述第一健康值和所述第二健康值,确定所述路侧感知设备是否存在异常。
第二方面,本发明实施例提供了一种路侧感知设备异常识别方法,其特征在于,应用于路侧感知设备端,所述方法包括:
向路侧感知控制端发送路侧感知设备对应的设备信息,以使所述路侧感知控制端根据所述设备信息确定所述路侧感知设备是否异常;
接收目标设备对所述路侧感知设备端的处理指令,所述处理指令是在所述设备信息表征所述路侧感知设备异常时,所述路侧感知控制端控制目标设备生成的,用于处理异常状况的指令。
第三方面,本申请实施例提供了一种路侧感知融合***,其特征在于,所述路侧感知融合***包括:路侧感知控制端,以及路侧感知设备端;
所述路侧感知设备端,用于向路侧感知控制端发送路侧感知设备对应的设备信息;
所述路侧感知控制端,用于接收所述设备信息,根据所述设备信息确定所述路侧感知设备是否异常;当所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
在一种可能的实施方式中,所述路侧感知控制端包括:服务模块,命令处理模块;
所述服务模块,用于接收所述设备信息,根据所述设备信息确定所述路侧感知设备是否异常;
所述命令处理模块,用于在所述服务模块确定所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
本发明实施例有益效果:
本发明实施例提供的一种路侧感知设备异常识别方法及路侧感知融合***,路侧感知控制端接收多个路侧感知设备发送的设备信息,并根据设备信息确定路侧感知设备是否异常;当路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使目标设备对异常的路侧感知设备进行处理。路侧感知控制端能够根据路侧感知设备的设备信息,识别路侧感知设备是否异常,实现了路侧端异常的及时识别,避免了自动驾驶过程中一些不必要的损失,比如对路况等错误的估计,造成自动驾驶车辆路线偏移甚至撞击障碍物等情况的发生;路侧感知控制端还能够在路侧感知设备异常时,生成对应的控制指令,发送至目标设备,使得目标设备能够及时对异常的路侧感知设备进行处理。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的一种路侧感知融合***的结构示意图;
图2为本发明实施例提供的一种路侧感知设备异常识别方法的流程示意图;
图3为本发明实施例提供的一种确定路侧感知设备异常的实施方式示意图;
图4为本发明实施例提供的另一种确定路侧感知设备异常的实施方式示意图;
图5为本发明实施例提供的另一种路侧感知融合***的结构示意图;
图6为本发明实施例提供的一种路侧感知控制设备的结构示意图。
具体实施方式
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基于本申请所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的一种路侧感知设备异常识别方法及路侧感知融合***,应用于路侧感知技术领域,实现路侧端异常的及时识别,以及对异常的路侧感知设备及时进行处理。
本发明提供的一种路侧感知设备异常识别方法可以应用于如图1所示的一种路侧感知融合***中,如图1所示,路侧感知融合***100包括:路侧感知控制端110,路侧感知设备端120,路侧感知控制端110包括:服务模块111,命令处理模块112,融合模块113,客户端模块114以及数据存储适配器115,路侧感知设备端120包括至少一个路侧感知设备。其中,服务模块111可以是服务器设备,也可以是服务器设备中的一个模块或进程等,命令处理模块112,融合模块113以及数据存储适配器115分别可以是单独的电子设备,也可以是电子设备中的一个模块或进程等,客户端模块114可以是客户端设备,也可以是客户端设备中的一个模块或进程等。
服务模块111可以用于接收多个路侧感知设备发送的设备信息,并根据设备信息确定路侧感知设备是否异常;命令处理模块112可以用于在服务模块111确定路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使目标设备对异常的路侧感知设备进行处理。一个例子中,设备信息可以包括路侧感知设备包含的雷达采集的感知数据,服务模块111在接收到感知数据之后,可以对感知数据中的静态点云数据进行过滤,筛选得到动态点云数据,并将动态点云数据发送至融合模块113,融合模块113可以对多个路侧感知设备的动态点云数据进行融合,将融合结果数据发送至客户端模块114,客户端模块114接收并发送融合结果数据至外部设备,以便于外部设备获取路侧端数据,该外部设备可以是第三方服务设备等。数据存储适配器115可以用于对融合模块113得到的融合结果数据进行转换,并将转换后的融合结果数据存储至目标数据库中。
其中,目标数据库可以是关系数据库,或非关系型数据库,或键值数据库等。融合模块113对多个路侧感知设备的动态点云数据进行融合,避免了对包含动态点云数据以及静态点云数据的原始感知数据全部进行融合,提高了数据融合的效率。
数据存储适配器115可以作为融合模块113与目标数据库的中间层,实现融合模块113与目标数据库中数据格式的转换,使得融合模块113无需关注目标数据库的类型。数据存储适配器115对融合结果数据进行数据格式转换,并将数据格式转换后的融合结果数据存储至目标数据库中,实现融合结果数据的存储,以便于后续可以进一步对得到的融合结果数据进行获取或分析等。
一个例子中,服务模块111可以通过WebSocket协议与路侧感知设备进行信息交互。融合模块113可以将融合结果数据通过消息队列的形式发送至客户端模块114。客户端模块114可以通过MQTT(Message Queuing Telemetry Transport,消息队列遥测传输)协议与外部设备进行信息交互。
一个例子中,命令处理模块112还可以接收用户对目标路侧感知设备的信息查询指令,将信息查询指令发送至服务模块111;服务模块111接收信息查询指令,向路侧感知设备发送数据获取请求,以及接收路侧感知设备基于数据获取请求反馈的感知数据,并基于该感知数据确定路侧感知设备是否异常,在识别出路侧感知设备异常的情况下,将表示路侧感知设备异常的异常状态信息发送至命令处理模块112;命令处理模块112接收异常状态信息,生成对应的控制指令,并发送至目标设备,以使目标设备对异常的路侧感知设备进行处理。
示例性的,用户可以通过路侧感知融合***100提供的CUI(Graphic UserInterface,图形用户界面)对路侧感知设备发起相关的信息查询指令,用户也可以主动向不同的路侧感知设备发起相关的信息查询指令,该信息查询指令中可以携带有路侧感知设备的标识信息。
可以通过命令处理模块112对多个路侧感知设备以及各路侧感知设备所控制的多个传感器设备进行监控,节省了人工监控的成本。
本发明中,路侧感知控制端110能够根据路侧感知设备的设备信息,识别路侧感知设备是否异常,实现了路侧端异常的及时识别,避免了自动驾驶过程中一些不必要的损失,比如对路况等错误的估计,造成自动驾驶车辆路线偏移甚至撞击障碍物等情况的发生;路侧感知控制端110还能够在路侧感知设备异常时,生成对应的控制指令,发送至目标设备,使得目标设备能够及时对异常的路侧感知设备进行处理。
参见图2,图2是本发明实施例提供的一种路侧感知设备异常识别方法的流程示意图,应用于路侧感知控制端110,该方法包括以下步骤:
S201,接收多个路侧感知设备发送的设备信息,并根据设备信息确定路侧感知设备是否异常。
一个例子中,路侧感知设备可以根据需求部署在路侧端的任一位置上,一个路侧感知设备可以包括至少一个传感器设备对路况数据进行采集,例如,对道路上行驶的对象数据、道路旁边静止的对象数据等进行采集,传感器设备例如可以是摄像机、雷达、毫米波雷达以及激光雷达等等,路侧感知设备可以是MEC(Mobile Edge Computing,边缘计算)设备等。
路侧感知控制端可以接收多个路侧感知设备发送的设备信息,根据每一路侧感知设备的设备信息来确定该路侧感知设备是否异常。该设备信息可以是能够反映路侧感知设备工作状态的信息。
在一种可能的实施方式中,设备信息可以包括状态信息,该状态信息用于标识路侧感知设备的工作状态,状态信息可以包括以下至少一项:传感器设备的线路连接状态信息、传感器设备所处的环境状态信息等。
一个例子中,状态信息可以是路侧感知设备检测自身状态得到。示例性的,传感器设备的线路连接状态信息可以表示为传感器设备的线路连接是否正常,传感器设备所处的环境状态信息可以表示为传感器设备所处的环境温湿度是否正常等。
相应的,根据设备信息确定路侧感知设备是否异常可以是以下至少一种方式:
根据传感器设备的线路连接状态信息,确定路侧感知设备的线路连接是否异常;
根据传感器设备所处的环境状态信息,确定路侧感知设备所处的环境是否异常。
S202,当路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使目标设备对异常的路侧感知设备进行处理。
在确定路侧感知设备异常的情况下,可以生成对应的控制指令,将该控制指令发送至目标设备,以使得目标设备对异常的路侧感知设备进行处理。
例如,如果为线路连接状态异常,可以通过传感器内部设置的安全机制进行重启或重设,以进一步观察线路连接是否正常;若是,目标设备可以进一步控制传感设备自检故障点位置,并报告给人工工作台。
如果为温度异常,比如传感器内部或外部温度过高或者过低到达阈值,降低传感设备的工作稳定性,可以通过内外部集成的散热或温度控制装置进行温度调节。
本发明实施例中,路侧感知控制端能够根据路侧感知设备的设备信息,识别路侧感知设备是否异常,实现了路侧端异常的及时识别,避免了自动驾驶过程中一些不必要的损失,比如对路况等错误的估计,造成自动驾驶车辆路线偏移甚至撞击障碍物等情况的发生;路侧感知控制端还能够在路侧感知设备异常时,生成对应的控制指令,发送至目标设备,使得目标设备能够及时对异常的路侧感知设备进行处理。
在一种可能的实施方式中,上述路侧感知设备可以包括雷达,相应的,设备信息可以包括雷达采集的感知数据。
一个例子中,路侧感知设备所包含的雷达还可以是毫米波雷达或激光雷达等等。雷达采集的感知数据可以包括动态点云数据以及静态点云数据。其中,动态点云数据比如可以是道路上行驶的车辆、路侧移动的对象等处于运动状态对象的数据,静态点云数据比如可以是道路两侧的树木、标志物等处于静止状态对象的数据。
示例性的,路侧感知控制端可以接收路侧感知设备按照预设时间间隔发送的感知数据,该预设时间间隔本领域技术人员可以根据实际需求进行设置,例如20秒、30秒或40秒等等。
在一种可能的实施方式中,上述感知数据可以包括单个雷达所采集的原始点云数据,相应的,上述根据设备信息确定路侧感知设备是否异常,可以包括:
根据一帧或多帧的原始点云数据的时间戳,确定雷达是否存在授时异常和/或数据发送频率异常。
雷达所采集的原始点云数据可以是按帧传输的,每一帧原始点云数据对应有数据采集时的时间戳信息,针对原始点云数据,可以确定当前帧数据的时间戳,与时间服务器中对应时间戳之间的差值,在差值大于预设阈值的情况下,确定雷达存在授时异常。
其中,时间服务器是一种电脑网络仪器,从参考时钟获取实际时间,再利用电脑网络把时间资讯传递给设备。时间服务器所参考的时间资讯可以是从另一时间服务器、连线的原子钟或无线电时钟所提供。上述预设阈值可以根据实际需求进行设置,比如3ms或5ms等等。
示例性的,预设阈值为2ms,路侧感知控制端可以针对单个雷达所采集的原始点云数据,确定该原始点云数据中当前帧数据对应的时间戳,与时间服务器中对应时间戳之间的差值,在差值大于2ms的情况下,表示雷达的网络授时有问题,需要检查并调整雷达的网络授时,此时确定雷达存在授时异常。
在确定路侧感知设备授时异常的情况下,则步骤S202包括:生成调整设备授时的控制指令,将该控制指令发送至目标设备,以使得该目标设备对异常的路侧感知设备进行授时的调整。
路侧感知控制端还可以针对原始点云数据,确定相邻帧对应的时间戳之间的差值是否小于目标时间间隔,如果是,则确定雷达存在数据发送频率异常。目标时间间隔可以根据实际需求进行设置,比如5毫秒、10毫秒、20毫秒等。
在确定路侧感知设备数据发送频率异常的情况下,则步骤S202包括:生成调整设备数据发送频率的控制指令,将该控制指令发送至目标设备,以使得该目标设备对异常的路侧感知设备进行数据发送频率的调整。
在一种可能的实施方式中,上述感知数据可以包括单个雷达所采集的原始点云数据,相应的,上述根据设备信息确定路侧感知设备是否异常,可以包括:
判断连续的多帧原始点云数据之间的差异是否满足预设条件,如果是,则确定雷达存在异常。
路侧感知控制端可以针对单个雷达所采集的原始点云数据,判断连续的多帧原始点云数据对应的点云图像之间的差异是否满足预设条件,如果是,则确定雷达存在异常。其中,预设条件图像中某一面积内(比如道路、房屋、树木等静态区域)在下一帧的点云突然消失,或者图像中受监测的目标对象突然整体消失等等,具体的本领域技术人员可根据实际需求进行设置。如果是,推测该雷达存在异常,比如雷达上出现污渍、遮挡等。
在一种可能的实施方式中,上述感知数据可以包括多雷达原始感知数据融合后得到的至少一个动态目标数据,相应的,如图3所示,上述根据设备信息确定路侧感知设备是否异常,可以包括:
S301,根据动态目标数据在预设时间内的形态、大小和/或位置变化,确定动态目标数据是否存在异常。
其中,多雷达原始感知数据融合得到至少一个动态目标数据可以通过以下方式获得:
针对多个雷达所采集的原始点云数据,从多个原始点云数据中过滤掉静态点云数据,筛选出动态点云数据,按照筛选出的各动态点云数据对应的时间戳,将各动态点云数据拼接成动态点云族,得到至少一个动态目标数据。
示例性的,多个雷达所采集的原始点云数据对应有时间戳,各原始点云数据对应的时间戳可以是离散的,相应的,将各动态点云数据拼接成的动态点云族也是离散的,拼接的过程可以是按照时间戳的先后顺序进行拼接的,拼接得到的动态点云族可以是车辆运行速度、航向角等等动态点云数据构成的动态点云族。
上述预设时间可以是本领域技术人员根据实际需求设置的,比如2秒、3秒或5秒等等。路侧感知控制端可以根据动态目标数据在预设时间内的形态、大小和/或位置变化,确定动态目标数据是否存在异常。示例性的,动态目标数据在预设时间内的形态、大小和/或位置变化较为明显,比如明显的变小、变大或消失等等,则确定动态目标数据是否存在异常。
S302,若动态目标数据存在异常,从动态目标数据所对应的原始感知数据中确定目标雷达。
一个例子中,雷达所采集的原始点云数据中可以包含该雷达的标识信息,在确定动态目标数据存在异常的情况下,可以从动态目标数据所对应的原始感知数据中,根据各雷达的标识信息确定融合得到该动态目标数据对应的目标雷达。
S303,对目标雷达采集的原始点云数据进行解析,确定目标雷达是否存在异常。
一个例子中,在确定目标雷达之后,可以进一步确定与动态目标数据的时间戳和/或经纬度信息相同的,目标雷达采集的原始点云数据,对该原始点云数据进行播放,判断该原始点云数据中连续的多帧原始点云数据之间的差异,是否存在图像的残缺面积大于预设面积,或者图像中目标对象消失等等,如果是,则确定目标雷达存在异常,比如目标雷达上出现污渍、遮挡等。或者,判断该原始点云数据中连续的多帧原始点云数据之间是否存在图像分离,如果存在,则确定目标雷达存在异常,或者目标雷达与其他设备之间的时间同步机制存在异常,如果不存在,则确定目标雷达无异常,但融合多雷达原始感知数据的融合机制可能存在异常。
在一种可能的实施方式中,上述路侧感知设备可以包括雷达,上述设备信息可以包括状态信息以及雷达采集的感知数据,相应的,如图4所示,上述根据设备信息确定路侧感知设备是否异常,可以包括:
S401,根据状态信息,确定路侧感知设备的第一健康值。
其中,状态信息可以是路侧感知设备检测自身状态得到,该状态信息用于标识路侧感知设备的工作状态,状态信息可以包括以下至少一项:传感器设备的线路连接状态信息、传感器设备所处的环境状态信息等。
示例性的,可以针对各路侧感知设备的状态信息,对路侧感知设备的工作状态进行打分,得到路侧感知设备的第一健康值。比如,可以对传感器设备的线路连接状态进行打分,或者对传感器设备所处的环境状态进行打分等,得到路侧感知设备的第一健康值。
S402,根据感知数据,确定路侧感知设备的第二健康值。
雷达采集的感知数据可以包括动态点云数据以及静态点云数据。一个例子中,可以针对雷达采集的感知数据中动态点云数据,对雷达的工作状态进行打分,得到雷达的第二健康值。示例性的,可以根据雷达采集的感知数据中动态点云数据对应的图像中目标对象的完整程度、清晰程度等对雷达的工作状态进行打分,得到雷达的第二健康值。
S403,根据第一健康值和第二健康值,确定路侧感知设备是否存在异常。
一个例子中,在确定路侧感知设备的第一健康值以及第二健康值之后,可以对第一健康值和第二健康值求平均、求和、求乘积或求加权和,得到目标健康值,进一步判断目标健康值是否大于目标阈值,如果不大于,则确定路侧感知设备存在异常。其中,目标阈值可以根据实际需求进行设置。
本发明实施例还提供了一种路侧感知设备异常识别方法,应用于路侧感知设备端,该方法可以包括:
向路侧感知控制端发送路侧感知设备对应的设备信息,以使所述路侧感知控制端根据所述设备信息确定所述路侧感知设备是否异常;
接收目标设备对所述路侧感知设备端的处理指令,所述处理指令是在所述设备信息表征所述路侧感知设备异常时,所述路侧感知控制端控制目标设备生成的,用于处理异常状况的指令。
在一种可能的实施方式中,设备信息可以包括状态信息,该状态信息用于标识路侧感知设备的工作状态,状态信息可以包括以下至少一项:传感器设备的线路连接状态信息、传感器设备所处的环境状态信息等。
一个例子中,状态信息可以是路侧感知设备检测自身状态得到。
在一种可能的实施方式中,上述路侧感知设备可以包括雷达,相应的,设备信息可以包括雷达采集的感知数据。
路侧感知设备检测自身状态得到状态信息,将包含状态信息和/或感知数据的设备信息发送至路侧感知控制端,以使路侧感知控制端根据设备信息确定路侧感知设备是否异常,在确定路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使目标设备对异常的路侧感知设备进行处理。
本发明实施例中,路侧感知设备向路侧感知控制端发送对应的设备信息,使得路侧感知控制端能够根据路侧感知设备的设备信息,识别路侧感知设备是否异常,实现了路侧端异常的及时识别,避免了自动驾驶过程中一些不必要的损失,比如对路况等错误的估计,造成自动驾驶车辆路线偏移甚至撞击障碍物等情况的发生;路侧感知控制端还能够在路侧感知设备异常时,生成对应的控制指令,发送至目标设备,使得目标设备能够及时对异常的路侧感知设备进行处理。
本发明实施例还提供了一种路侧感知融合***,如图5所示,该路侧感知融合***500包括:路侧感知控制端510,以及路侧感知设备端520;
路侧感知设备端520,用于向路侧感知控制端510发送路侧感知设备对应的设备信息;
所述路侧感知控制端510,用于接收所述设备信息,根据所述设备信息确定所述路侧感知设备是否异常;当所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
本发明实施例中,路侧感知设备向路侧感知控制端发送对应的设备信息,使得路侧感知控制端能够根据路侧感知设备的设备信息,识别路侧感知设备是否异常,实现了路侧端异常的及时识别,避免了自动驾驶过程中一些不必要的损失,比如对路况等错误的估计,造成自动驾驶车辆路线偏移甚至撞击障碍物等情况的发生;路侧感知控制端还能够在路侧感知设备异常时,生成对应的控制指令,发送至目标设备,使得目标设备能够及时对异常的路侧感知设备进行处理。
在一种可能的实施方式中,路侧感知控制端510可以包括:服务模块,命令处理模块;
所述服务模块,用于接收所述设备信息,根据所述设备信息确定所述路侧感知设备是否异常;
所述命令处理模块,用于在所述服务模块确定所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
在一种可能的实施方式中,所述设备信息包括状态信息,所述状态信息用于标识所述路侧感知设备的工作状态,所述状态信息包括以下至少一项:传感器设备的线路连接状态信息、传感器设备所处的环境状态信息。
在一种可能的实施方式中,所述路侧感知设备包括雷达,所述设备信息包括雷达采集的感知数据。
在一种可能的实施方式中,所述感知数据包括单个雷达所采集的原始点云数据,所述所述服务模块,具体用于:
根据一帧或多帧的原始点云数据的时间戳,确定所述雷达是否存在授时异常和/或数据发送频率异常。
在一种可能的实施方式中,所述感知数据包括单个雷达所采集的原始点云数据,所述所述服务模块,具体用于:
判断连续的多帧原始点云数据之间的差异是否满足预设条件,如果是,则确定所述雷达存在异常。
在一种可能的实施方式中,所述感知数据包括多雷达原始感知数据融合后得到的至少一个动态目标数据,所述所述服务模块,具体用于:
根据动态目标数据在预设时间内的形态、大小和/或位置变化,确定所述动态目标数据是否存在异常;
若所述动态目标数据存在异常,从所述动态目标数据所对应的原始感知数据中确定目标雷达;
对所述目标雷达采集的原始点云数据进行解析,确定所述目标雷达是否存在异常。
在一种可能的实施方式中,所述路侧感知设备包括雷达,所述设备信息包括状态信息以及所述雷达采集的感知数据;所述所述服务模块,具体用于:
根据所述状态信息,确定所述路侧感知设备的第一健康值;
根据所述感知数据,确定所述路侧感知设备的第二健康值;
根据所述第一健康值和所述第二健康值,确定所述路侧感知设备是否存在异常。
本发明实施例还提供了一种路侧感知控制设备,如图6所示,包括处理器601、通信接口602、存储器603和通信总线604,其中,处理器601,通信接口602,存储器603通过通信总线604完成相互间的通信,
存储器603,用于存放计算机程序;
处理器601,用于执行存储器603上所存放的程序时,实现上述任一所述的应用于路侧感知控制端的路侧感知设备异常识别方法的步骤,以达到相同的技术效果。
上述路侧感知控制设备提到的通信总线可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述路侧感知控制设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,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内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一应用于路侧感知控制端的路侧感知设备异常识别方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一应用于路侧感知控制端的路侧感知设备异常识别方法的步骤。
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。所述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所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述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。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述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(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。所述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。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于方法实施例而言,由于其基本相似于***实施例,所以描述的比较简单,相关之处参见***实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种路侧感知设备异常识别方法,其特征在于,应用于路侧感知控制端,所述方法包括:
接收多个路侧感知设备发送的设备信息,并根据所述设备信息确定所述路侧感知设备是否异常;
当所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
2.根据权利要求1所述的方法,其特征在于,所述设备信息包括状态信息,所述状态信息用于标识所述路侧感知设备的工作状态,所述状态信息包括以下至少一项:传感器设备的线路连接状态信息、传感器设备所处的环境状态信息。
3.根据权利要求1-2任一项所述的方法,其特征在于,所述路侧感知设备包括雷达,所述设备信息包括雷达采集的感知数据。
4.根据权利要求3所述的方法,其特征在于,所述感知数据包括单个雷达所采集的原始点云数据,所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
根据一帧或多帧的原始点云数据的时间戳,确定所述雷达是否存在授时异常和/或数据发送频率异常。
5.根据权利要求3所述的方法,其特征在于,所述感知数据包括单个雷达所采集的原始点云数据,所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
判断连续的多帧原始点云数据之间的差异是否满足预设条件,如果是,则确定所述雷达存在异常。
6.根据权利要求3所述的方法,其特征在于,所述感知数据包括多雷达原始感知数据融合后得到的至少一个动态目标数据,所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
根据动态目标数据在预设时间内的形态、大小和/或位置变化,确定所述动态目标数据是否存在异常;
若所述动态目标数据存在异常,从所述动态目标数据所对应的原始感知数据中确定目标雷达;
对所述目标雷达采集的原始点云数据进行解析,确定所述目标雷达是否存在异常。
7.根据权利要求1所述的方法,其特征在于,所述路侧感知设备包括雷达,所述设备信息包括状态信息以及所述雷达采集的感知数据;所述根据所述设备信息确定所述路侧感知设备是否异常,包括:
根据所述状态信息,确定所述路侧感知设备的第一健康值;
根据所述感知数据,确定所述路侧感知设备的第二健康值;
根据所述第一健康值和所述第二健康值,确定所述路侧感知设备是否存在异常。
8.一种路侧感知设备异常识别方法,其特征在于,应用于路侧感知设备端,所述方法包括:
向路侧感知控制端发送路侧感知设备对应的设备信息,以使所述路侧感知控制端根据所述设备信息确定所述路侧感知设备是否异常;
接收目标设备对所述路侧感知设备端的处理指令,所述处理指令是在所述设备信息表征所述路侧感知设备异常时,所述路侧感知控制端控制目标设备生成的,用于处理异常状况的指令。
9.一种路侧感知融合***,其特征在于,所述路侧感知融合***包括:路侧感知控制端,以及路侧感知设备端;
所述路侧感知设备端,用于向路侧感知控制端发送路侧感知设备对应的设备信息;
所述路侧感知控制端,用于接收所述设备信息,根据所述设备信息确定所述路侧感知设备是否异常;当所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
10.根据权利要求9所述的***,其特征在于,所述路侧感知控制端包括:服务模块,命令处理模块;
所述服务模块,用于接收所述设备信息,根据所述设备信息确定所述路侧感知设备是否异常;
所述命令处理模块,用于在所述服务模块确定所述路侧感知设备异常时,生成对应的控制指令,并发送至目标设备,以使所述目标设备对异常的路侧感知设备进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210498280.8A CN114822035A (zh) | 2022-05-09 | 2022-05-09 | 一种路侧感知设备异常识别方法及路侧感知融合*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210498280.8A CN114822035A (zh) | 2022-05-09 | 2022-05-09 | 一种路侧感知设备异常识别方法及路侧感知融合*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114822035A true CN114822035A (zh) | 2022-07-29 |
Family
ID=82513957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210498280.8A Pending CN114822035A (zh) | 2022-05-09 | 2022-05-09 | 一种路侧感知设备异常识别方法及路侧感知融合*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114822035A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115243038A (zh) * | 2022-09-23 | 2022-10-25 | 北京小马易行科技有限公司 | 监测路侧相机的方法、服务端与自动驾驶*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0329095A (ja) * | 1989-06-27 | 1991-02-07 | Matsushita Electric Ind Co Ltd | 交通信号制御装置 |
JP2003157487A (ja) * | 2001-11-22 | 2003-05-30 | Mitsubishi Electric Corp | 交通状況監視装置 |
JP2007108988A (ja) * | 2005-10-13 | 2007-04-26 | Toshiba Corp | 異常感知システム |
US20090179777A1 (en) * | 2008-01-11 | 2009-07-16 | Toyota Jidosha Kabushiki Kaisha | Abnormality detection apparatus |
JP2012230516A (ja) * | 2011-04-26 | 2012-11-22 | Sumitomo Electric Ind Ltd | 路側通信機、及びこれを用いた無線通信システム、異常検知方法 |
JP2015079292A (ja) * | 2013-10-15 | 2015-04-23 | 株式会社東芝 | 情報処理装置、路側装置の異常検出方法および路側装置の異常検出システム |
CN110843771A (zh) * | 2019-10-17 | 2020-02-28 | 北京百度网讯科技有限公司 | 障碍物识别方法、装置、电子设备及存储介质 |
CN113012458A (zh) * | 2021-02-07 | 2021-06-22 | 启迪云控(上海)汽车科技有限公司 | 一种多点位路侧感知目标的状态监控管理方法及*** |
CN113112852A (zh) * | 2021-03-22 | 2021-07-13 | 厦门市车泊易交通设备有限公司 | 一种路边停车通讯故障管理***和方法 |
CN113689693A (zh) * | 2021-07-21 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 路侧设备的异常处理方法、设备和智慧高速监控平台 |
WO2022001326A1 (zh) * | 2020-06-30 | 2022-01-06 | 商汤集团有限公司 | 数据的处理方法、装置、设备、存储介质及程序 |
JP2022008107A (ja) * | 2020-06-24 | 2022-01-13 | 株式会社東芝 | 設備故障予測システム、設備故障予測方法、および、設備故障予測プログラム |
CN114422323A (zh) * | 2021-12-28 | 2022-04-29 | 中国电信股份有限公司 | 一种针对物联网设备的联合监控方法、装置及电子设备 |
-
2022
- 2022-05-09 CN CN202210498280.8A patent/CN114822035A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0329095A (ja) * | 1989-06-27 | 1991-02-07 | Matsushita Electric Ind Co Ltd | 交通信号制御装置 |
JP2003157487A (ja) * | 2001-11-22 | 2003-05-30 | Mitsubishi Electric Corp | 交通状況監視装置 |
JP2007108988A (ja) * | 2005-10-13 | 2007-04-26 | Toshiba Corp | 異常感知システム |
US20090179777A1 (en) * | 2008-01-11 | 2009-07-16 | Toyota Jidosha Kabushiki Kaisha | Abnormality detection apparatus |
JP2012230516A (ja) * | 2011-04-26 | 2012-11-22 | Sumitomo Electric Ind Ltd | 路側通信機、及びこれを用いた無線通信システム、異常検知方法 |
JP2015079292A (ja) * | 2013-10-15 | 2015-04-23 | 株式会社東芝 | 情報処理装置、路側装置の異常検出方法および路側装置の異常検出システム |
CN110843771A (zh) * | 2019-10-17 | 2020-02-28 | 北京百度网讯科技有限公司 | 障碍物识别方法、装置、电子设备及存储介质 |
JP2022008107A (ja) * | 2020-06-24 | 2022-01-13 | 株式会社東芝 | 設備故障予測システム、設備故障予測方法、および、設備故障予測プログラム |
WO2022001326A1 (zh) * | 2020-06-30 | 2022-01-06 | 商汤集团有限公司 | 数据的处理方法、装置、设备、存储介质及程序 |
CN113012458A (zh) * | 2021-02-07 | 2021-06-22 | 启迪云控(上海)汽车科技有限公司 | 一种多点位路侧感知目标的状态监控管理方法及*** |
CN113112852A (zh) * | 2021-03-22 | 2021-07-13 | 厦门市车泊易交通设备有限公司 | 一种路边停车通讯故障管理***和方法 |
CN113689693A (zh) * | 2021-07-21 | 2021-11-23 | 阿波罗智联(北京)科技有限公司 | 路侧设备的异常处理方法、设备和智慧高速监控平台 |
CN114422323A (zh) * | 2021-12-28 | 2022-04-29 | 中国电信股份有限公司 | 一种针对物联网设备的联合监控方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
李毅然: "基于"无线网络优化"课程的校企合作初探", 《无线互联科技》 * |
高清华: "新型大气数据传感***故障自诊断关键技术研究", 《优秀博士论文全文库信息科技》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115243038A (zh) * | 2022-09-23 | 2022-10-25 | 北京小马易行科技有限公司 | 监测路侧相机的方法、服务端与自动驾驶*** |
CN115243038B (zh) * | 2022-09-23 | 2023-01-24 | 北京小马易行科技有限公司 | 监测路侧相机的方法、服务端与自动驾驶*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200209871A1 (en) | Method and Apparatus for Analyzing Driving Risk and Sending Risk Data | |
US20120176496A1 (en) | Detecting and monitoring event occurences using fiber optic sensors | |
CN113721621B (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
CN107707626B (zh) | 基于fpga的数据采集卡、数据采集***及数据采集方法 | |
US9622048B2 (en) | SNS based incident management | |
CN113129596B (zh) | 行驶数据处理方法、装置、设备、存储介质及程序产品 | |
US7933211B2 (en) | Method and system for providing prioritized failure announcements | |
US20230115290A1 (en) | In-vehicle/out-vehicle cooperation device and method | |
CN114822035A (zh) | 一种路侧感知设备异常识别方法及路侧感知融合*** | |
US20240167840A1 (en) | Map and Map Generation Method and Apparatus | |
CN117576920B (zh) | 基于无人机的交通控制*** | |
CN112991735A (zh) | 交通流量监测***的测试方法、装置及设备 | |
WO2022042853A1 (en) | Critical scenario identification for verification and validation of vehicles | |
CN112561097A (zh) | 一种基于云雾边协同的轴承监测方法及*** | |
CN114553725B (zh) | 一种机房监控告警方法、装置、电子设备及存储介质 | |
KR102188567B1 (ko) | 3차원 레이저 스캐너를 이용한 도로 감시 시스템 | |
CN113807209A (zh) | 车位检测方法、装置、电子设备及存储介质 | |
KR20180058263A (ko) | 철도 사물인터넷을 위한 게이트웨이의 데이터 처리 방법 및 그 장치 | |
CN114708557B (zh) | 一种基于空地通信的电力施工监控方法及*** | |
GB2550563B (en) | An automated data stream selection system and method | |
CN114141018B (zh) | 用于生成测试结果的方法、装置 | |
EP3247118A1 (en) | An automated data stream selection system and method | |
CN114173306A (zh) | 用于测试感知时延的方法、装置、设备、介质和产品 | |
US20240240966A1 (en) | Information providing device and information providing method | |
CN117985053B (zh) | 感知能力检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220729 |