CN114844924A - 一种基于云端数据的场景回放方法及*** - Google Patents
一种基于云端数据的场景回放方法及*** Download PDFInfo
- Publication number
- CN114844924A CN114844924A CN202210460020.1A CN202210460020A CN114844924A CN 114844924 A CN114844924 A CN 114844924A CN 202210460020 A CN202210460020 A CN 202210460020A CN 114844924 A CN114844924 A CN 114844924A
- Authority
- CN
- China
- Prior art keywords
- data
- cloud
- file
- time
- scene
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 52
- 230000001360 synchronised effect Effects 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000003672 processing method Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 claims description 2
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000009877 rendering Methods 0.000 claims 2
- 238000012827 research and development Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
-
- 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
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于云端数据的场景回放方法及***,该方法包括:数据采集上云:由车端根据采集策略配置将信号/视频/图片以文件形式存储在本地;车端收到云端下载指令后,将车端文件实时上传到云端;数据处理:云端接收到上传的文件后,按文件类型进行实时分类处理,对视频文件通过图像处理方式抓取录制起止时间;场景回放:根据数据处理后的信号文件,通过时间将信号文件与视频文件进行对齐,实现信号绘制场景及视频录制场景多源数据在线同步回放。通过采集信号文件和视频文件等多种来源数据,实现多源数据实时高效场景同步回放,可实现快速重现驾驶场景,提高分析问题准确性和效率。
Description
技术领域
本发明涉及自动驾驶领域,主要涉及一种自动驾驶数据在云端的场景回放方法及***。
背景技术
随着汽车、人工智能和通信的高度融合,自动驾驶汽车经过几十年的研究和发展,技术日趋成熟和完善,交通***的效率和安全性也得到了极大的提升。在自动驾驶研发过程和自动驾驶车辆使用过程中,对自动驾驶功能使用情况进行场景复现,是分析和发现问题的关键手段,同时也能辅助售后人员进行驾驶责任判定。
现有技术中,主要是通过行车记录仪上的外部环境视频数据查看,但存在记录单一、不能记录自动驾驶***的操作指命令和车辆的实时状态、存储量有限、数据单一的情况,无法记录事件发生时车辆的状态和自动驾驶;二是将自动驾驶***记录的数据定期拷贝出来,用单机版软件注入数据进行回放,单机版license有限且收费高、安装难、无法支撑远程办公,随着采集数据类型的增加,分析维度的增加,无法满足个性化的回放需求。
CN202111031970.4公开的一种自动驾驶车辆行车场景还原方法及***,提供了数据获取模块、数据处理模块、存储模块、场景还原模块,对自动驾驶数据进行针对性记录,构建场景库进行场景还原。但是,存在以下不足:1、数据来源维度单一,数据仅来源于CAN信号,若信号收集不够,难以复现车外动静态环境,不足以作为问题分析及作为驾驶责任划分的佐证。2、未提供单信号回放、多信号对比的分析方法,无法支撑具象问题的分析。
因此,亟需一种多源数据融合的实时高效的场景回放方法,以回溯问题,分析问题,为业务研发决策和售后责任判定提供有效的数据支撑。
发明内容
针对现有技术存在的上述不足,本发明的目的在于一种基于云端数据的场景回放方法及***,解决现有技术数据来源单一,难以复现车外动静态环境,不能准确进行驾驶责任划分的问题。
为实现上述目的,本发明采用如下技术方案:
一种基于云端数据的场景回放方法,其特征在于,包括:
S1、数据采集上云:由车端根据采集策略配置将信号/视频/图片以文件形式存储在本地;车端收到云端下载指令后,将车端文件实时上传到云端;
S2、数据处理:云端接收到上传的文件后,按文件类型进行实时分类处理,对视频文件通过图像处理方式抓取录制起止时间;
S3、场景回放:根据数据处理后的信号文件,通过时间将信号文件与视频文件进行对齐,实现信号绘制场景及视频录制场景多源数据在线同步回放。
进一步,所述S1中采集策略配置包括指定trigger需采集的某类文件的数量,如采集APA异常退出情况下10000个视频文件和信号文件。车端文件通过MQTT协议实时上传到云端。
进一步,所述S2中实时分类处理包括信号解析、信号聚合和视频时间提取;所述信号解析包括解析出CAN文件中存储的具体信号,加工处理形成场景绘制所需数据。
进一步,所述S3中根据数据处理后的信号文件,以本车为坐标原点,使用信号文件中周边车辆、车道线数据经坐标转换绘制本车情况、周边行车环境等车辆行驶场景,如车道数、虚实线情况、直弯道,前左右三个方向的车辆数、车辆类型、相对速度、相对距离等。
所述S3为通过云端下载结构化的数据,前端采用unity3D技术进行多源数据的场景呈现。
进一步,所述S1数据采集上云,具体包括以下步骤:
S11:采集车辆行驶过程中的车况信息、环境信息、用户行为信息发送到DDS数据总线;
S12:数据采集模块从数据总线上订阅数据;当接收到事件时,将前m秒后n秒的信号数据或视频数据存储在本地,同时,事件信息上报到云端。
S13:数据采集模块接收到云端下发的文件拉取指令后,调用http代理的上传地址将本地文件加密上传到文件云。
其中,所述S2数据处理包括对信号文件进行信号解析、时间聚合、指标计算、结果文件存储;具体包括:
S21:信号文件存储原始二进制数据,每一帧数据包含相对时间戳、CAN数据信息,通过CAN矩阵从二进制文件解析出回放指标信号值,包括目标、横纵向加速、车道线、转向灯开关状态、车速、车道线方程参数、道路坡度形状等;
S22:时间聚合,CAN信号存在周期采、变化采的情况,信号文件存储的每一帧信号数据;首先;将每帧数据按时间排序,然后按时间设置聚合,如m毫秒,即按时序将m毫秒内的信号以同一个时间对齐,若m毫秒内无回放所需信号,取最近时间该信号值,无则置空;
S23:指标计算,通过贝塞尔三次曲线系数计算车道线坐标、通过目标车辆与本车的相对距离计算目录车辆的坐标;指标计算完成后,写入文件,上传到文件云;
其中,本发明还包括对视频文件使用图像处理的方法提取录制起止时间;提取步骤包括:
S24:对接收到的视频文件按抽帧缩放处理,其中可设置抽帧周期、抽帧起始时间、图片保存格式;
S25:对首帧图片采用图像处理方法抓取图片中的时间信息,由此得到视频录制的开始时间,然后通过云端视频处理技术获取视频总时长,开始时间叠加时长得到视频录制结束时间,最后将起止时间结构化的存储在数据库中。
进一步,所述S3场景回放:根据数据处理得到场景绘制所需指标数据和视频数据,采用时间对齐方式进行同步回放,即对比两类数据的开始时间和截止时间,从最小开始时间开始回放,回放到另一类数据的开始时刻进行同步回放。
其中,回放过程采用时间同步机制支持暂停、拖动,监听键盘、***按钮操作,采用浏览器DOM更新机制,实现回放场景的全屏操作。
本发明还提供一种基于云端数据的场景回放***,包括数据采集模块、数据处理模块和场景回放模块,所述数据采集模块、数据处理模块和场景回放模块执行上述方法。
其中,所述数据采集模块:当用户驾车在路上行驶时,车端采集模块根据采集策略配置,对满足采集条件的信号/视频/图片以文件形式存储在本地,收到云端拉取指令后,将车端文件通过MQTT协议实时上传到云端,这里包含了信号文件数据、视频文件数据。
所述数据处理模块:云端接收到上传的文件后,按文件类型进行实时分类处理;对CAN文件,解析出文件中存储的具体信号,加工处理形成场景绘制所需数据;对视频文件,通过图像处理方式抓取录制起止时间。
所述场景回放模块:根据数据处理后的信号文件,绘制车辆行驶场景,包括本车情况、周边行车环境,通过时间将信号文件与视频文件进行对齐,实现信号绘制场景及视频录制场景的同步回放;同时,在图表中将各个信号值按时间刻度进行展示,同步反馈了信号的变化趋势 。
基于云端数据的场景回放***的应用,适用于自动驾驶车辆、交通事故判责。
相比现有技术,本发明具有如下有益效果:
1、本发明通过采集信号文件和视频文件等多种来源数据,实现多维度信息采集;并提供单信号回放、多信号对比的分析方法,实现多源数据实时高效场景同步回放,可实现快速重现驾驶场景,提高分析问题准确性和效率。
2、本发明采用现有的云端技术,无额外软件、硬件成本投入,节省人力物力成本。适用于自动驾驶车辆。
附图说明
图1为本发明自动驾驶场景回放业务流程图;
图2为本发明数据采集上云逻辑图;
图3为本发明数据处理流程图方法。
具体实施方式
为了使本领域技术人员更好地理解本发明的技术方案,下面结合实施例和附图对本发明作进一步详细说明,但本发明的实施方式不仅限于此。
如图1所示,一种基于云端数据的场景回放方法,包括:
S1、数据采集上云:由车端根据采集策略配置将信号/视频/图片以文件形式存储在本地;车端收到云端下载指令后,将车端文件实时上传到云端;
S2、数据处理:云端接收到上传的文件后,按文件类型进行实时分类处理,对视频文件通过图像处理方式抓取录制起止时间;
S3、场景回放:根据数据处理后的信号文件,通过时间将信号文件与视频文件进行对齐,实现信号绘制场景及视频录制场景多源数据在线同步回放。
其中,具体实施例如下:
一、数据采集上云
在事件打标之前,首先按照图2所示对自动驾驶行车过程的数据进行采集上云,包括以下3个步骤:
S11:车辆行驶过程中的车况信息、环境信息、用户行为信息发送到DDS数据总线。
S12:数据采集模块从数据总线上订阅数据,当接收到事件时,将前m秒后n秒的信号数据或视频数据存储在本地,同时,事件信息上报到云端。
S13:数据采集模块接收到云端下发的文件拉取指令后调用http代理的上传地址将本地文件加密上传到文件云。
二、数据处理
如图3所示,云端接收到文件后,进行实时文件处理,具体包括:
1、对信号文件进行信号解析、时间聚合、指标计算、结果文件存储:
S21:信号文件存储原始二进制数据,每一帧数据包含相对时间戳、CAN数据信息,通过CAN矩阵从二进制文件解析出回放指标信号值,如目标、横纵向加速、车道线、转向灯开关状态、车速、车道线方程参数、道路坡度形状等,涵盖了本车车况、行车环境、用户行为三方面的信息。
S22:时间聚合,CAN信号存在周期采、变化采的情况,信号文件存储的每一帧信号数据,本示例根据时间进行聚合,缩小数据量,聚合间隔可按业务需求配置。首先是将每帧数据按时间排序,然后按时间设置聚合,如m毫秒,即按时序将m毫秒内的信号以同一个时间对齐,若m毫秒内无回放所需信号,取最近时间该信号值,无则置空。
S23:指标计算,因场景绘制需要车道线信息、道路曲率、前后车辆相对本次的信息,车端采集信号无法满足绘制所需指标,本示例此处进行了数据加工处理,如车端采集的是车道线系数,需根据车道线方程计算车道线信息。指标计算完成后,写入文件,上传到文件云,此处不存储在数据库中是考虑到数据存储量大,查询存在性能瓶颈。
2、对视频文件使用图像处理的方法提取录制起止时间。提取步骤为:
S24:对接收到的视频文件按进行抽帧缩放处理,其中可设置抽帧周期、抽帧起始时间、图片保存格式等,本示例仅抽取第一帧图片,以节省单视频抽帧时及图片处理时间。
S25:对首帧图片采用图像处理方法抓取图片中的时间信息,由此得到视频录制的开始时间,然后通过云端视频处理技术获取视频总时长,开始时间叠加时长得到视频录制结束时间,最后将起止时间结构化的存储在数据库中。
三、场景回放
数据经过处理后,得到场景绘制所需指标数据和视频数据,此处存在两类数据时长不一致的情况,本示例采用时间对齐方式进行同步回放,即对比两类数据的开始时间和截止时间,从最小开始时间开始回放,回放到另一类数据的开始时刻进行同步回放,回放过程中支持暂停、拖动、全屏操作。帮助研发人员分析问题,为售后人员责任判定提供数据依据。
本发明还提供一种基于云端数据的场景回放***,包括数据采集模块、数据处理模块和场景回放模块,所述数据采集模块、数据处理模块和场景回放模块执行上述方法。
其中,所述数据采集模块:当用户驾车在路上行驶时,车端采集模块根据采集策略配置,对满足采集条件的信号/视频/图片以文件形式存储在本地,收到云端拉取指令后,将车端文件通过MQTT协议实时上传到云端,这里包含了信号文件数据、视频文件数据。
综上,本发明提供的基于云端数据的场景回放方法及***,涉及自动驾驶数据收集、数据处理及多源数据在线同步回放,结合云端技术实现自动驾驶行车场景的还原。通过采集信号文件和视频文件等多种来源数据,实现多维度信息采集;并提供单信号回放、多信号对比的分析方法,实现多源数据实时高效场景同步回放,可实现快速重现驾驶场景,提高分析问题准确性和效率。通过场景和信号的同步回复,能真实重现异常事件发生时的车辆情况、行车动静态环境。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制技术方案,本领域的普通技术人员应当理解,那些对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。
Claims (16)
1.一种基于云端数据的场景回放方法,其特征在于,包括:
S1、数据采集上云:由车端根据采集策略配置将信号/视频/图片以文件形式存储在本地;车端收到云端下载指令后,将车端文件实时上传到云端;
S2、数据处理:云端接收到上传的文件后,按文件类型进行实时分类处理,对视频文件通过图像处理方式抓取录制起止时间;
S3、场景回放:根据数据处理后的信号文件,通过时间将信号文件与视频文件进行对齐,实现信号绘制场景及视频录制场景多源数据在线同步回放。
2.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S1中,所述采集策略配置包括指定trigger需采集的某类文件的数量。
3.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S1中,车端文件通过MQTT协议实时上传到云端。
4.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S2中,实时分类处理包括信号解析、信号聚合和视频时间提取。
5.根据权利要求4所述基于云端数据的场景回放方法,其特征在于,所述信号解析包括解析出CAN文件中存储的具体信号,加工处理形成场景绘制所需数据。
6.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S3中,根据数据处理后的信号文件,以本车为坐标原点,使用信号文件中周边车辆、车道线数据经坐标转换绘制本车情况、周边行车环境等车辆行驶场景。
7.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S3为通过云端下载结构化的数据,前端采用unity3D技术进行多源数据的场景呈现。
8.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S1数据采集上云,具体包括以下步骤:
S11:采集车辆行驶过程中的车况信息、环境信息、用户行为信息发送到DDS数据总线;
S12:数据采集模块从数据总线上订阅数据;当接收到事件时,将前m秒后n秒的信号数据或视频数据存储在本地;同时,事件信息上报到云端;
S13:数据采集模块接收到云端下发的文件拉取指令后,调用http代理的上传地址将本地文件加密上传到文件云。
9.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S2数据处理包括对信号文件进行信号解析、时间聚合、指标计算、结果文件存储;具体包括:
S21:信号文件存储原始二进制数据,每一帧数据包含相对时间戳、CAN数据信息,通过CAN矩阵从二进制文件解析出回放指标信号值,包括目标、横纵向加速、车道线、转向灯开关状态、车速、车道线方程参数、道路坡度形状等;
S22:时间聚合,CAN信号存在周期采、变化采的情况,信号文件存储的每一帧信号数据;首先;将每帧数据按时间排序,然后按时间设置聚合,如m毫秒,即按时序将m毫秒内的信号以同一个时间对齐,若m毫秒内无回放所需信号,取最近时间该信号值,无则置空;
S23:指标计算,通过贝塞尔三次曲线系数计算车道线坐标、通过目标车辆与本车的相对距离计算目录车辆的坐标;指标计算完成后,写入文件,上传到文件云;
S24:对接收到的视频文件按抽帧缩放处理,其中可设置抽帧周期、抽帧起始时间、图片保存格式;
S25:对首帧图片采用图像处理方法抓取图片中的时间信息,由此得到视频录制的开始时间,然后通过云端视频处理技术获取视频总时长,开始时间叠加时长得到视频录制结束时间,最后将起止时间结构化的存储在数据库中。
10.根据权利要求1所述基于云端数据的场景回放方法,其特征在于,所述S3场景回放:根据数据处理得到场景绘制所需指标数据和视频数据,采用时间对齐方式进行同步回放,即对比两类数据的开始时间和截止时间,从最小开始时间开始回放,回放到另一类数据的开始时刻进行同步回放。
11.根据权利要求10所述基于云端数据的场景回放方法,其特征在于,回放过程采用时间同步机制支持暂停、拖动,或监听键盘、***按钮操作,或采用浏览器DOM更新机制,实现回放场景的全屏操作。
12.一种基于云端数据的场景回放***,其特征在于,包括数据采集模块、数据处理模块和场景回放模块,所述数据采集模块、数据处理模块和场景回放模块执行权利要求1-11任一所述场景回放方法。
13.根据权利要求12所述基于云端数据的场景回放***,其特征在于,所述数据采集模块:当用户驾车在路上行驶时,车端采集模块根据采集策略配置,对满足采集条件的信号/视频/图片以文件形式存储在本地,收到云端拉取指令后,将车端文件通过MQTT协议实时上传到云端,这里包含了信号文件数据、视频文件数据。
14.根据权利要求12所述基于云端数据的场景回放***,其特征在于,所述数据处理模块:云端接收到上传的文件后,按文件类型进行实时分类处理;对CAN文件,解析出文件中存储的具体信号,加工处理形成场景绘制所需数据;对视频文件,通过图像处理方式抓取录制起止时间。
15.根据权利要求12所述基于云端数据的场景回放***,其特征在于,所述场景回放模块:根据数据处理后的信号文件,绘制车辆行驶场景,包括本车情况、周边行车环境,通过时间将信号文件与视频文件进行对齐,实现信号绘制场景及视频录制场景的同步回放;同时,在图表中将各个信号值按时间刻度进行展示,同步反馈了信号的变化趋势。
16.基于云端数据的场景回放***的应用,其特征在于,适用于自动驾驶车辆、交通事故判责。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210460020.1A CN114844924B (zh) | 2022-04-28 | 2022-04-28 | 一种基于云端数据的场景回放方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210460020.1A CN114844924B (zh) | 2022-04-28 | 2022-04-28 | 一种基于云端数据的场景回放方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114844924A true CN114844924A (zh) | 2022-08-02 |
CN114844924B CN114844924B (zh) | 2024-01-16 |
Family
ID=82567308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210460020.1A Active CN114844924B (zh) | 2022-04-28 | 2022-04-28 | 一种基于云端数据的场景回放方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114844924B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117176507A (zh) * | 2023-11-02 | 2023-12-05 | 上海鉴智其迹科技有限公司 | 数据分析方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103219030A (zh) * | 2013-04-18 | 2013-07-24 | 重庆长安汽车股份有限公司 | 一种车载视频与总线数据同步采集及回放的方法 |
CN103559745A (zh) * | 2013-06-19 | 2014-02-05 | 深圳市东宝嘉科技有限公司 | 一种逆向复现汽车事故现场的*** |
US20150098021A1 (en) * | 2013-10-08 | 2015-04-09 | Delightfit, Inc. | Video and Map Data Synchronization for Simulated Athletic Training |
US20190304297A1 (en) * | 2016-09-21 | 2019-10-03 | Drive Safe Enforcement, Llc | Mobile traffic violation detection, recording and evidence processing system |
CN110798449A (zh) * | 2019-09-25 | 2020-02-14 | 苏州云控车路科技有限公司 | 智能网联汽车云控***测试方法 |
CN114066213A (zh) * | 2021-11-11 | 2022-02-18 | 湖南湘江智能科技创新中心有限公司 | 一种智能网联汽车运行监管的方法和装置 |
-
2022
- 2022-04-28 CN CN202210460020.1A patent/CN114844924B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103219030A (zh) * | 2013-04-18 | 2013-07-24 | 重庆长安汽车股份有限公司 | 一种车载视频与总线数据同步采集及回放的方法 |
CN103559745A (zh) * | 2013-06-19 | 2014-02-05 | 深圳市东宝嘉科技有限公司 | 一种逆向复现汽车事故现场的*** |
US20150098021A1 (en) * | 2013-10-08 | 2015-04-09 | Delightfit, Inc. | Video and Map Data Synchronization for Simulated Athletic Training |
US20190304297A1 (en) * | 2016-09-21 | 2019-10-03 | Drive Safe Enforcement, Llc | Mobile traffic violation detection, recording and evidence processing system |
CN110798449A (zh) * | 2019-09-25 | 2020-02-14 | 苏州云控车路科技有限公司 | 智能网联汽车云控***测试方法 |
CN114066213A (zh) * | 2021-11-11 | 2022-02-18 | 湖南湘江智能科技创新中心有限公司 | 一种智能网联汽车运行监管的方法和装置 |
Non-Patent Citations (2)
Title |
---|
姜敏: ""两客一危"车载无线视频监控***研究", 《电子设计工程》 * |
姜敏: ""两客一危"车载无线视频监控***研究", 《电子设计工程》, vol. 21, no. 17, 5 September 2013 (2013-09-05), pages 141 - 144 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117176507A (zh) * | 2023-11-02 | 2023-12-05 | 上海鉴智其迹科技有限公司 | 数据分析方法、装置、电子设备及存储介质 |
CN117176507B (zh) * | 2023-11-02 | 2024-02-23 | 上海鉴智其迹科技有限公司 | 数据分析方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114844924B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103219030B (zh) | 一种车载视频与总线数据同步采集及回放的方法 | |
EP3253042B1 (en) | Intelligent processing method and system for video data | |
US20160189752A1 (en) | Constrained system real-time capture and editing of video | |
CN110493116B (zh) | 一种车联网数据传输方法及装置 | |
JP5530146B2 (ja) | データ管理装置、データ読取方法及びプログラム | |
CN112565717B (zh) | 视频结构化方法、相关设备、***及存储介质 | |
CN114844924A (zh) | 一种基于云端数据的场景回放方法及*** | |
CN102244758A (zh) | 一种基于录像文件的数据获取方法和设备 | |
CN113094551B (zh) | 行车记录仪视频的检索方法、装置、服务端及检索*** | |
US20200177835A1 (en) | System and Method for Providing Complete Event Data from Cross-Referenced Data Memories | |
CN112182289B (zh) | 一种基于Flink框架的数据去重方法及装置 | |
CN110562170B (zh) | 一种无人车3d场景显示数据记录与模块调试***及方法 | |
CN112579820B (zh) | 时间跳变的录像数据处理方法、装置、介质及电子设备 | |
EP3975133A1 (en) | Processing of images captured by vehicle mounted cameras | |
CN111787256A (zh) | 警前录像的管理方法、装置、介质及电子设备 | |
CN112307842A (zh) | 用于列车运行监控记录文件匹配的视频识别***及方法 | |
US20150030308A1 (en) | Method for operating the playback of a video file of an event data recorder | |
Nica et al. | Collecting and processing a self-driving dataset in the UPB campus | |
CN114419875B (zh) | 车辆行程切分方法、装置及存储介质 | |
CN112201047B (zh) | 一种基于Flink框架的嫌疑车辆落脚点分析方法及装置 | |
CN115858456A (zh) | 自动驾驶车辆数据采集***及方法 | |
CN104796728A (zh) | 一种4g-wifi高清网络视频服务器 | |
CN112181986A (zh) | 一种基于Flink框架的数据分析方法及装置 | |
CN204498285U (zh) | 一种4g-wifi高清网络视频服务器 | |
CN113660540A (zh) | 图像信息处理方法、***、显示方法、装置及存储介质 |
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 |