CN115116161A - 车辆数据采集方法、装置、存储介质以及车辆 - Google Patents
车辆数据采集方法、装置、存储介质以及车辆 Download PDFInfo
- Publication number
- CN115116161A CN115116161A CN202210726815.2A CN202210726815A CN115116161A CN 115116161 A CN115116161 A CN 115116161A CN 202210726815 A CN202210726815 A CN 202210726815A CN 115116161 A CN115116161 A CN 115116161A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- frequency
- data
- recording
- target
- 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 32
- 230000015654 memory Effects 0.000 claims description 13
- 238000013480 data collection Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000002829 reductive effect Effects 0.000 abstract description 15
- 230000008859 change Effects 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000011084 recovery Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 9
- 230000006399 behavior Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000010267 cellular communication Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车辆数据采集方法、装置、存储介质以及车辆，涉及自动驾驶技术领域，该方法通过根据车辆的行驶状态参数，确定车辆记录目标数据的目标记录频率，并根据该目标记录频率记录目标数据。使得车辆记录点云数据、雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据等目标数据的记录频率能够随着行驶状态参数的变化而动态变化，能够在需要特定目标数据的场景下，提高特定目标数据的记录频率，使得在故障检测或事故场景复现时，能够具有充分的数据量。而且，在不需要特定目标数据的场景下，降低特定目标数据的记录频率，降低存储资源的消耗。
Description
技术领域
本公开涉及自动驾驶技术领域，尤其涉及车辆数据采集方法、装置、存储介质以及车辆。
背景技术
对于车辆而言，其会对车辆在行驶过程中产生的各种数据进行存储。一般情况下，车辆存储各种数据的频率是固定的，并按照预设时间周期进行覆盖。但是，如果车辆按照固定频率记录各种数据，在对事故场景进行复现时，会导致由于数据量不足无法真实复现事故场景。
发明内容
为克服相关技术中存在的问题，本公开提供一种车辆数据采集方法、装置、存储介质以及车辆。
根据本公开实施例的第一方面，提供一种车辆数据采集方法，包括：
获取车辆的行驶状态参数；
根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率；
根据所述目标记录频率，记录所述目标数据。
可选地，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
将所述行驶状态参数作为判断模型的输入，获得所述车辆记录目标数据的目标记录频率；
其中，所述判断模型是利用标记有记录频率的历史行驶状态参数对机器学习模型进行训练而获得的。
可选地，所述方法还包括：
根据所述目标记录频率，向目标终端发送所述目标数据。
可选地，所述行驶状态参数包括天气信息、车速信息、位置信息、车道信息以及障碍物信息；
所述目标数据包括由激光雷达采集到的点云数据、由无线电雷达采集到的雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据。
可选地，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
在所述行驶状态参数表征所述车辆处于停车状态的情况下，将所述车辆记录所述车辆外部图像数据的频率确定为第一图像记录频率，并将所述车辆记录除所述车辆外部图像数据外的其他目标数据的频率确定为最低记录频率，其中，所述第一图像记录频率小于所述车辆的基准图像记录频率；
在所述行驶状态参数表征位于所述车辆预设范围内的障碍物的数量大于预设障碍物阈值时，将所述车辆记录所述车辆外部图像数据的频率确定为第二图像记录频率，所述第二图像记录频率大于所述基准图像记录频率；
在所述行驶状态参数表征所述车辆处于夜间行驶状态时，将所述车辆记录所述车辆外部图像数据的频率确定为第三图像记录频率，所述第三图像记录频率小于所述基准图像记录频率且大于所述第一图像记录频率。
可选地，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
在所述行驶状态参数表征所述激光雷达采集到的点云数据的置信度小于预设置信度阈值时，将所述车辆记录所述点云数据的频率确定为第一点云记录频率，其中，所述第一点云记录频率小于所述车辆的基准点云记录频率；
在所述行驶状态参数表征所述车辆所处的行驶环境的变化幅度小于预设幅度时，将所述车辆记录所述点云数据的频率确定为第二点云记录频率，其中，所述第二点云记录频率小于所述基准点云记录频率。
可选地，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
在所述行驶状态参数表征所述车辆的车速大于第一车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第一频率；
在所述行驶状态参数表征所述车辆的车速小于第二车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第二频率；
在所述行驶状态参数表征所述车辆所处的行驶环境导致所述车辆姿态数据失真时，将所述车辆记录所述车辆姿态数据的频率确定为第三频率；
其中，所述第二车速阈值小于所述第一车速阈值，所述第二频率小于所述第一频率，所述第三频率小于所述第二频率。
根据本公开实施例的第二方面，提供一种车辆数据采集装置，包括：
获取模块，配置为获取车辆的行驶状态参数；
确定模块，配置为根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率；
记录模块，配置为根据所述目标记录频率，记录所述目标数据。
根据本公开实施例的第三方面，提供一种车辆，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令，实现第一方面所述的方法的步骤
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所述的方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：通过根据车辆的行驶状态参数，确定车辆记录目标数据的目标记录频率，并根据该目标记录频率记录目标数据。使得车辆记录点云数据、雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据等目标数据的记录频率能够随着行驶状态参数的变化而动态变化，能够在需要特定目标数据的场景下，提高特定目标数据的记录频率，使得在故障检测或事故场景复现时，能够具有充分的数据量。而且，在不需要特定目标数据的场景下，降低特定目标数据的记录频率，降低存储资源的消耗。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种车辆数据采集方法的流程图。
图2是根据一示例性实施例示出的一种车辆数据采集装置框图。
图3是一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是，本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种车辆数据采集方法的流程图。如图1所示，该方法用于车辆中，可以包括以下步骤。
在步骤110中，获取车辆的行驶状态参数。
这里，行驶状态参数可以包括天气信息、车速信息、位置信息、车道信息以及障碍物信息。其中，天气信息是指车辆所处的环境的天气信息，该天气信息可以是通过获取实时的天气预报而获得的。车速信息是指车辆的实时车速，该车速信息可以通过速度传感器获得。位置信息是指车辆的实时位置信息，该位置信息可以通过定位模块获得，例如通过GPS(Global Positioning System，全球定位***)或者通过北斗卫星导航***等方式来获得车辆的位置信息。基于车辆的位置信息可以对车辆所处的道路类型进行确定。例如，根据车辆的位置信息可以确定车辆是否位于高速公路、国道、城市道路、地上停车场、地下停车场等等。车道信息包括车辆当前所处的车道的车道数量、车辆所处的车道位置以及车道类型。例如，车道数量包括单车道、双车道、三车道等等。车道所处的车道位置如车辆位于三车道的中间车道等。车道类型包括车道是否存在护栏等。障碍物信息包括位于车辆预设范围内的其他车辆的数量、行人数量以及非机动车数量等等。
在步骤120中，根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率。
这里，目标数据包括由激光雷达采集到的点云数据、由无线电雷达(Radar)采集到的雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据。其中，车辆外部图像数据是由设置在车辆四周的摄像装置采集到的车辆外部的图像数据，车辆内部图像数据是由设置在车辆内部的摄像装置采集到的车辆内部的图像数据。车身信号数据包括车速信号、轮速信号、方向盘转动角度信号等，其可以通过与车身控制器连接的传感器来获取。车辆姿态数据包括车辆的偏航角信息、俯仰角信息以及滚转角信息，其可以通过陀螺仪、IMU(Inertial Measurement Unit，惯性测量单元)来获取。
应当理解的是，针对不同的行驶状态参数，其表征车辆处于的行驶场景类型不同，对应的目标数据的目标记录频率也不相同。
在步骤130中，根据所述目标记录频率，记录所述目标数据。
这里，在确定到目标记录频率之后，车辆以目标记录频率记录目标数据。其中，针对不同的目标数据，其对应的目标记录频率可以不相同也可以相同。例如，在车辆的位置信息表征车辆行驶在高速公路上时，车辆可以以最高频率记录车身信号数据以及车辆姿态数据，而降低记录点云数据以及车辆外部图像数据的频率。
示例性地，车辆以目标记录频率记录目标数据是指车辆根据目标记录频率将目标数据存储在存储器中。
由此，通过根据车辆的行驶状态参数，确定车辆记录目标数据的目标记录频率，并根据该目标记录频率记录目标数据。使得车辆记录点云数据、雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据等目标数据的记录频率能够随着行驶状态参数的变化而动态变化，能够在需要特定目标数据的场景下，提高特定目标数据的记录频率，使得在故障检测或事故场景复现时，能够具有充分的数据量。而且，在不需要特定目标数据的场景下，降低特定目标数据的记录频率，降低存储资源的消耗。
在一些可以实现的实施方式中，可以将所述行驶状态参数作为判断模型的输入，获得所述车辆记录目标数据的目标记录频率。
这里，在获取到车辆的行驶状态参数之后，将获取到的行驶状态参数输入判断模型，判断模型输出每一目标数据的目标记录频率。
其中，该判断模型是利用标记有记录频率的历史行驶状态参数对机器学习模型进行训练而获得的。该判断模型可以为神经网络模型，如CNN神经网络模型。
历史行驶状态参数可以是采集到的车辆在真实行驶状况下的行驶状态参数。然后对每一历史行驶状态参数标记对应的目标数据的记录频率，使用标记后的历史行驶状态参数对机器学习模型进行训练，获得训练好的机器学习模型，该训练好的机器学习模型为判断模型。
应当理解的是，用于训练机器学习模型的样本可以为不同的【天气信息、车速信息、位置信息、车道信息以及障碍物信息】以及对应的标签【点云数据记录频率、雷达数据记录频率、车辆外部图像数据记录频率、车辆内部图像数据记录频率、车身信号数据记录频率、车辆姿态数据记录频率】。例如，历史驾驶状态参数为“天气晴朗，车速90km/h，位置为高速公路，车辆行驶在三车道的中间车道，车辆周围的其他车辆较少，没有行人和/或非机动车”，对应的记录频率为“点云数据：2Hz、雷达数据：15Hz、车辆外部图像数据10Hz、车辆内部图像数据30Hz、车身信号数据：100Hz、车辆姿态数据100Hz”。
由此，通过将车辆的行驶状态参数输入判断模型，可以针对复杂的行驶路况针对性设置车辆记录每一目标数据的记录频率，使得目标数据的记录频率能够符合车辆的行驶场景需求。
在一些可以实现的实施方式中，还可以根据所述目标记录频率，向目标终端发送所述目标数据。
这里，目标终端可以是与车辆关联的用户终端，如移动终端。当然，目标终端也可以是监管终端。当车辆根据目标记录频率记录目标数据时，车辆还可以根据目标记录频率向目标终端发送目标数据，以使目标终端能够根据接收到的目标数据判断车辆是否异常。例如，在车辆处于停车状态时，车辆可以根据目标记录频率获取车辆外部图像数据，并将车辆外部图像数据发送至目标终端，以使目标终端根据车辆外部图像数据判断车辆是否处于被盗状态。
示例性地，车辆根据所述目标记录频率向目标终端发送所述目标数据可以是车辆按照目标记录频率向目标终端发送目标数据。当然，也可以根据目标记录频率确定一个新的发送频率，并根据对应的发送频率向目标终端发送目标数据。该发送频率与目标记录频率正相关，以在异常状况下，能够频繁向目标终端发送目标数据，或者在正常状况下，减少向目标终端发送目标数据。
由此，通过将目标数据发送至目标终端，不仅可以对目标数据进行备份，而且可以使得目标终端及时掌握车况信息。
在一些可以实现的实施方式中，在上述步骤120中，在所述行驶状态参数表征所述车辆处于停车状态的情况下，将所述车辆记录所述车辆外部图像数据的频率确定为第一图像记录频率，并将所述车辆记录除所述车辆外部图像数据外的其他目标数据的频率确定为最低记录频率，其中，所述第一图像记录频率小于所述车辆的基准图像记录频率。
这里，车辆的基准图像记录频率可以是指车辆用于存储外部摄像装置采集到的车辆外部图像数据的默认频率，如基准图像记录频率可以为5Hz。
当车辆的车速信息为0km/h、且车辆的位置信息表征车辆位于停车场时，确定车辆处于停车状态。此时，车辆以小于基准图像记录频率的第一图像记录频率存储车辆外部图像数据，如以1Hz的频率记录车辆外部图像数据。同时，车辆记录点云数据、雷达数据、车辆内部图像数据、车身信号数据以及车辆姿态数据的频率均未最低记录频率，如0Hz。
值得说明的是，在车辆处于停车状态时，车辆无需记录点云数据、雷达数据、车辆内部图像数据、车身信号数据以及车辆姿态数据，保留1Hz的频率记录车辆外部图像数据即可。
由此，在车辆处于停车状态时，停止记录点云数据、雷达数据、车辆内部图像数据、车身信号数据以及车辆姿态数据，以降低车辆的电量消耗以及存储资源消耗，并以较低的第一图像记录频率记录车辆外部图像数据，以保证车辆的安全。
在一些实施例中，在所述行驶状态参数表征位于所述车辆预设范围内的障碍物的数量大于预设障碍物阈值时，将所述车辆记录所述车辆外部图像数据的频率确定为第二图像记录频率，所述第二图像记录频率大于所述基准图像记录频率。
这里，车辆可以根据获取到的车辆外部图像数据来确定障碍物信息，并在该障碍物信息表征位于车辆的预设范围内的障碍物的数量大于预设障碍物阈值时，控制车辆以大于基准图像记录频率的第二图像记录频率记录车辆外部图像数据。
应当理解的是，位于车辆的预设范围内的障碍物的数量大于预设障碍物阈值表征车辆行驶在复杂路况环境下。例如，当车辆行驶在城市道路上，且本车周围的其他车辆、行人以及非机动车数量较多时，确定第二图像记录频率记录车辆外部图像数据。
其中，第二图像记录频率可以为车辆记录车辆外部图像数据的最高频率，如30Hz。当然，该第二图像记录频率可以根据实际情况设置，其目标是行驶状况相比车辆采用基准图像记录频率对应的正常行驶状况更复杂的情况下，能够采用更高的图像记录频率来记录车辆外部图像数据。
由此，在复杂路况环境下，车辆可以更多采集车辆外部图像数据，以在发生事故时，能够根据更多的车辆外部图像数据还原事故真相。
在一些实施例中，在所述行驶状态参数表征所述车辆处于夜间行驶状态时，将所述车辆记录所述车辆外部图像数据的频率确定为第三图像记录频率，所述第三图像记录频率小于所述基准图像记录频率且大于所述第一图像记录频率。
这里，车辆可以根据时间信息或天气信息来确定车辆是否处于夜间行驶状态。当车辆处于夜间行驶状态时，由于光线问题，车辆的外部摄像装置无法采集到有用的车辆外部图像数据，因此可以以小于基准图像记录频率且大于第一图像记录频率的第三图像记录频率记录车辆外部图像数据。例如，以2Hz的频率记录车辆外部图像数据。
应当理解的是，在车辆处于夜间行驶状态时，以低于基准图像记录频率的频率来记录车辆外部图像数据，其本质是要在外部摄像装置采集到的图像数据的置信度降低时，降低车辆记录车辆外部图像数据的频率。
由此，通过在外部摄像装置采集到的图像数据的置信度降低时，降低车辆记录车辆外部图像数据的频率，可以节省存储资源，以存储更多的其他对场景复现更加具有参考价值的数据。
在一些实施例中，在所述行驶状态参数表征所述激光雷达采集到的点云数据的置信度小于预设置信度阈值时，将所述车辆记录所述点云数据的频率确定为第一点云记录频率，其中，所述第一点云记录频率小于所述车辆的基准点云记录频率。
这里，基准点云记录频率可以是指车辆用于存储激光雷达采集到的点云数据的默认频率，如基准点云记录频率可以为5Hz。
可以根据车辆获取到的天气信息来判断激光雷达采集到的点云数据的置信度是否小于预设置信度阈值。例如，当天气信息表征下雨或雾天时，确定激光雷达采集到的点云数据的置信度小于预设置信度阈值。
应当理解的是，当车辆行驶在雨天或雾天环境下，激光雷达无法正常工作，导致采集到的点云数据不准确，使得激光雷达采集到的点云数据的置信度小于预设置信度阈值。此时，根据点云数据对事故现场进行还原时，还原的事故现场也会显得不准确。因此，车辆可以以小于车辆的基准点云记录频率的第一点云记录频率来记录点云数据。例如，车辆可以以2Hz的频率记录点云数据。
由此，在激光雷达采集到的点云数据的置信度小于预设置信度阈值时，通过降低车辆记录点云数据的记录频率，可以保留更多的存储资源来存储其他更具有价值的数据，如车身信号数据、车辆姿态数据等。
在一些实施例中，在所述行驶状态参数表征所述车辆所处的行驶环境的变化幅度小于预设幅度时，将所述车辆记录所述点云数据的频率确定为第二点云记录频率，其中，所述第二点云记录频率小于所述基准点云记录频率。
这里，所述行驶状态参数表征所述车辆所处的行驶环境的变化幅度小于预设幅度，实际上表示车辆行驶在场景变化不大的场景中，激光雷达采集到的点云数据具有大量重复。
示例性地，可以根据车辆的位置信息、车辆外部图像数据以及点云数据中的至少一种来确定车辆所处的行驶环境的变化幅度是否小于预设幅度。例如，当车辆的位置信息表征车辆位于高速公路时，确定车辆所处的行驶环境的变化幅度小于预设幅度。又例如，当连续预设时长采集到的车辆外部图像数据和/或点云数据具有大量重复且车辆较少时，确定车辆所处的行驶环境的变化幅度小于预设幅度。
应当理解的是，当车辆行驶在行驶环境的变化幅度小于预设幅度的场景中时，会采集到大量重复的点云数据，此时，可以降低记录点云数据的频率。例如，以2Hz的频率记录点云数据。
由此，通过降低车辆记录点云数据的记录频率，可以保留更多的存储资源来存储其他更具有价值的数据，如车身信号数据、车辆姿态数据等。
在一些实施例中，在所述行驶状态参数表征所述车辆的车速大于第一车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第一频率。
这里，可以根据车辆获取到的车速信息来确定车辆的车速是否大于第一车速阈值。其中，第一车速阈值可以为60km/h。应当理解的是，车辆的车速大于第一车速阈值，表征车辆处于快速行驶状态，如行驶在高速公路上时。
当车辆以大于第一车速阈值的速度行驶时，车辆分别以对应的第一频率记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据。其中，第一频率可以为记录对应的目标数据的最高频率。例如，记录雷达数据的第一频率为15Hz，记录车身信号数据的第一频率为100Hz、记录车辆姿态数据的第一频率为100Hz、记录车辆内部图像数据的第一频率为30Hz。
值得说明的是，当车辆处于高速行驶状态时，对于场景复现更重要的数据为雷达数据、车身信号数据、车辆姿态数据以及车辆内部图像数据，因此，以更高的第一频率来记录雷达数据、车身信号数据、车辆姿态数据以及车辆内部图像数据。
在一些实施例中，在所述行驶状态参数表征所述车辆的车速小于第二车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第二频率。
这里，第二车速阈值小于第一车速阈值，例如，该第二车速阈值可以为40km/h。当行驶状态参数表征车辆的车速小于第二车速阈值时，表示车辆处于慢速行驶或堵车的状态。此时，车辆姿态、车身信号、雷达数据以及车内图像数据变化较小，可以降低记录雷达数据、车身信号数据、车辆姿态数据以及车辆内部图像数据的频率。
因此，当行驶状态参数表征车辆的车速小于第二车速阈值时，可以以小于第一频率的第二频率记录车辆的雷达数据、车身信号数据、车辆姿态数据以及车辆内部图像数据。例如，以5Hz的频率记录雷达数据、以20Hz的频率记录车身信号数据、以20Hz的频率记录车辆姿态数据以及以5Hz的频率记录车辆内部图像数据。
在一些实施例中，在所述行驶状态参数表征所述车辆所处的行驶环境导致所述车辆姿态数据失真时，将所述车辆记录所述车辆姿态数据的频率确定为第三频率。
这里，可以根据车辆的位置信息来确定车辆所处的行驶环境是否会导致所述车辆姿态数据失真。例如，当车辆行驶在地下停车场时，车辆采集到的车辆姿态数据会存在失真，此时，可以以小于第二频率的第三频率记录车辆姿态数据。例如，以10Hz的频率记录车辆姿态数据。
值得说明的是，在上述多个实施例中，其本质是根据车辆的驾驶状态参数确定车辆所处的驾驶场景类型，并根据驾驶场景类型确定所述车辆记录目标数据的目标记录频率。其中，针对驾驶场景类型更加具有价值的目标数据提高记录频率，以更多记录具有价值的目标数据，针对该驾驶场景类型缺少价值的目标数据，降低记录频率，以减少记录缺乏价值的目标数据。
当然，在实际应用过程中，目标数据的目标记录频率是可以根据上述实施例提出的一种或多种条件进行综合判定的。
例如，当车辆处于夜间行驶状态、车辆的车速大于第一车速阈值、处于天气晴朗的夜间时、行驶位置为高速公路、且车辆较少时，由于外部摄像装置采集到的车辆外部图像数据缺乏价值，而激光雷达采集到的点云数据可以更好记录环境信息，因此可以降低记录车辆外部图像数据的记录频率，并提高记录点云数据的记录频率。而且，由于车辆的车速大于第一车速阈值，因此，可以以第一频率记录雷达数据、车身信号数据、车辆姿态数据以及车辆内部图像数据。比如，记录车辆外部图像数据的频率为2Hz，记录点云数据的频率为10Hz，记录雷达数据的频率为15Hz，记录车辆姿态数据的频率为100Hz，记录车身信号数据的频率为100Hz，记录车辆内部图像数据的频率为30Hz。
又例如，当车辆处于日间行驶状态、车辆的车速大于第一车速阈值、天气晴朗、行驶位置为高速公路、且车辆较少时，由此车辆周围环境变化幅度小于预设幅度，采集到的车辆外部图像数据以及点云数据具有大量重复，对于场景复现的参考价值不大，具有更高价值的为车辆内部图像数据、车身信号数据以及车辆姿态数据。因此，车辆记录车辆外部图像数据的频率为10Hz，记录点云数据的频率为2Hz，记录雷达数据的频率为15Hz，记录车辆姿态数据的频率为100Hz，记录车身信号数据的频率为100Hz，记录车辆内部图像数据的频率为30Hz。
还例如，当车辆处于日间行驶状态、车辆的车速小于第二车速阈值、天气晴朗、行驶位置为高速公路、且其他车辆较多时，由于本车所处的环境为其他车辆多且复杂的环境，可以更多记录其他车辆的信息，因此可以提高记录车辆外部图像数据的频率。而车辆的车速慢，车辆的自车位置、车身信号、车内情况、车辆姿态变化较小，因此可以降低记录车辆内部图像数据、车身信号数据以及车辆姿态数据的频率。比如，车辆记录车辆外部图像数据的频率为20Hz，记录点云数据的频率为2Hz，记录雷达数据的频率为5Hz，记录车辆姿态数据的频率为20Hz，记录车身信号数据的频率为20Hz，记录车辆内部图像数据的频率为5Hz。
又例如，当车辆处于日间行驶状态、车辆的车速大于第二车速阈值、天气晴朗、行驶位置为城区道路、位于双向无护栏车道、且障碍物(其他车辆、行人、非机动车)较多时，表征车辆处于复杂的行驶路况，此时，车辆均以最高频率记录点云数据、雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据，以采集更多的数据信息。
图2是根据一示例性实施例示出的一种车辆数据采集装置框图。参照图2，该装置200包括：
获取模块210，配置为获取车辆的行驶状态参数；
确定模块220，配置为根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率；
记录模块230，配置为根据所述目标记录频率，记录所述目标数据。
可选地，所述确定模块220具体配置为：
将所述行驶状态参数作为判断模型的输入，获得所述车辆记录目标数据的目标记录频率；
其中，所述判断模型是利用标记有记录频率的历史行驶状态参数对机器学习模型进行训练而获得的。
可选地，所述装置200还包括：
发送模块，配置为根据所述目标记录频率，向目标终端发送所述目标数据。
可选地，所述行驶状态参数包括天气信息、车速信息、位置信息、车道信息以及障碍物信息；
所述目标数据包括由激光雷达采集到的点云数据、由无线电雷达采集到的雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据。
可选地，所述确定模块220具体配置为：
在所述行驶状态参数表征所述车辆处于停车状态的情况下，将所述车辆记录所述车辆外部图像数据的频率确定为第一图像记录频率，并将所述车辆记录除所述车辆外部图像数据外的其他目标数据的频率确定为最低记录频率，其中，所述第一图像记录频率小于所述车辆的基准图像记录频率；
在所述行驶状态参数表征位于所述车辆预设范围内的障碍物的数量大于预设障碍物阈值时，将所述车辆记录所述车辆外部图像数据的频率确定为第二图像记录频率，所述第二图像记录频率大于所述基准图像记录频率；
在所述行驶状态参数表征所述车辆处于夜间行驶状态时，将所述车辆记录所述车辆外部图像数据的频率确定为第三图像记录频率，所述第三图像记录频率小于所述基准图像记录频率且大于所述第一图像记录频率。
可选地，所述确定模块220具体配置为：
在所述行驶状态参数表征所述激光雷达采集到的点云数据的置信度小于预设置信度阈值时，将所述车辆记录所述点云数据的频率确定为第一点云记录频率，其中，所述第一点云记录频率小于所述车辆的基准点云记录频率；
在所述行驶状态参数表征所述车辆所处的行驶环境的变化幅度小于预设幅度时，将所述车辆记录所述点云数据的频率确定为第二点云记录频率，其中，所述第二点云记录频率小于所述基准点云记录频率。
可选地，所述确定模块220具体配置为：
在所述行驶状态参数表征所述车辆的车速大于第一车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第一频率；
在所述行驶状态参数表征所述车辆的车速小于第二车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第二频率；
在所述行驶状态参数表征所述车辆所处的行驶环境导致所述车辆姿态数据失真时，将所述车辆记录所述车辆姿态数据的频率确定为第三频率；
其中，所述第二车速阈值小于所述第一车速阈值，所述第二频率小于所述第一频率，所述第三频率小于所述第二频率。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的车辆数据采集方法的步骤。
参阅图3，图3是一示例性实施例示出的一种车辆的功能框图示意图。车辆600可以被配置为完全或部分自动驾驶模式。例如，车辆600可以通过感知***620获取其周围的环境信息，并基于对周边环境信息的分析得到自动驾驶策略以实现完全自动驾驶，或者将分析结果呈现给用户以实现部分自动驾驶。
车辆600可包括各种子***，例如，信息娱乐***610、感知***620、决策控制***630、驱动***640以及计算平台650。可选的，车辆600可包括更多或更少的子***，并且每个子***都可包括多个部件。另外，车辆600的每个子***和部件可以通过有线或者无线的方式实现互连。
在一些实施例中，信息娱乐***610可以包括通信***611，娱乐***612以及导航***613。
通信***611可以包括无线通信***，无线通信***可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信***可使用3G蜂窝通信，例如CDMA、EVD0、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信***可利用WiFi与无线局域网(wireless local area network，WLAN)通信。在一些实施例中，无线通信***可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信***，例如，无线通信***可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
娱乐***612可以包括显示设备，麦克风和音响，用户可以基于娱乐***在车内收听广播，播放音乐；或者将手机和车辆联通，在显示设备上实现手机的投屏，显示设备可以为触控式，用户可以通过触摸屏幕进行操作。
在一些情况下，可以通过麦克风获取用户的语音信号，并依据对用户的语音信号的分析实现用户对车辆600的某些控制，例如调节车内温度等。在另一些情况下，可以通过音响向用户播放音乐。
导航***613可以包括由地图供应商所提供的地图服务，从而为车辆600提供行驶路线的导航，导航***613可以和车辆的全球定位***621、惯性测量单元622配合使用。地图供应商所提供的地图服务可以为二维地图，也可以是高精地图。
感知***620可包括感测关于车辆600周边的环境的信息的若干种传感器。例如，感知***620可包括全球定位***621(全球定位***可以是GPS***，也可以是北斗***或者其他定位***)、惯性测量单元(inertial measurement unit，IMU)622、激光雷达623、毫米波雷达624、超声雷达625以及摄像装置626。感知***620还可包括被监视车辆600的内部***的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆600的安全操作的关键功能。
全球定位***621用于估计车辆600的地理位置。
惯性测量单元622用于基于惯性加速度来感测车辆600的位姿变化。在一些实施例中，惯性测量单元622可以是加速度计和陀螺仪的组合。
激光雷达623利用激光来感测车辆600所位于的环境中的物体。在一些实施例中，激光雷达623可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他***组件。
毫米波雷达624利用无线电信号来感测车辆600的周边环境内的物体。在一些实施例中，除了感测物体以外，毫米波雷达624还可用于感测物体的速度和/或前进方向。
超声雷达625可以利用超声波信号来感测车辆600周围的物体。
摄像装置626用于捕捉车辆600的周边环境的图像信息。摄像装置626可以包括单目相机、双目相机、结构光相机以及全景相机等，摄像装置626获取的图像信息可以包括静态图像，也可以包括视频流信息。
决策控制***630包括基于感知***620所获取的信息进行分析决策的计算***631，决策控制***630还包括对车辆600的动力***进行控制的整车控制器632，以及用于控制车辆600的转向***633、油门634和制动***635。
计算***631可以操作来处理和分析由感知***620所获取的各种信息以便识别车辆600周边环境中的目标、物体和/或特征。目标可以包括行人或者动物，物体和/或特征可包括交通信号、道路边界和障碍物。计算***631可使用物体识别算法、运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪等技术。在一些实施例中，计算***631可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。计算***631可以将所获取的各种信息进行分析并得出对车辆的控制策略。
整车控制器632可以用于对车辆的动力电池和引擎641进行协调控制，以提升车辆600的动力性能。
转向***633可操作来调整车辆600的前进方向。例如在一个实施例中可以为方向盘***。
油门634用于控制引擎641的操作速度并进而控制车辆600的速度。
制动***635用于控制车辆600减速。制动***635可使用摩擦力来减慢车轮644。在一些实施例中，制动***635可将车轮644的动能转换为电流。制动***635也可采取其他形式来减慢车轮644转速从而控制车辆600的速度。
驱动***640可包括为车辆600提供动力运动的组件。在一个实施例中，驱动***640可包括引擎641、能量源642、传动***643和车轮644。引擎641可以是内燃机、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎641将能量源642转换成机械能量。
能量源642的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源642也可以为车辆600的其他***提供能量。
传动***643可以将来自引擎641的机械动力传送到车轮644。传动***643可包括变速箱、差速器和驱动轴。在一个实施例中，传动***643还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮644的一个或多个轴。
车辆600的部分或所有功能受计算平台650控制。计算平台650可包括至少一个处理器651，处理器651可以执行存储在例如存储器652这样的非暂态计算机可读介质中的指令653。在一些实施例中，计算平台650还可以是采用分布式方式控制车辆600的个体组件或子***的多个计算设备。
处理器651可以是任何常规的处理器，诸如商业可获得的CPU。可替换地，处理器651还可以包括诸如图像处理器(Graphic Process Unit，GPU)，现场可编程门阵列(FieldProgrammable Gate Array，FPGA)、片上***(System on Chip，SOC)、专用集成芯片(Application Specific Integrated Circuit，ASIC)或它们的组合。尽管图3功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，处理器只执行与特定于组件的功能相关的计算。
在本公开实施方式中，处理器651可以执行上述的车辆数据采集方法。
在此处所描述的各个方面中，处理器651可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。
在一些实施例中，存储器652可包含指令653(例如，程序逻辑)，指令653可被处理器651执行来执行车辆600的各种功能。存储器652也可包含额外的指令，包括向信息娱乐***610、感知***620、决策控制***630、驱动***640中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令653以外，存储器652还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆600在自主、半自主和/或手动模式中操作期间被车辆600和计算平台650使用。
计算平台650可基于从各种子***(例如，驱动***640、感知***620和决策控制***630)接收的输入来控制车辆600的功能。例如，计算平台650可利用来自决策控制***630的输入以便控制转向***633来避免由感知***620检测到的障碍物。在一些实施例中，计算平台650可操作来对车辆600及其子***的许多方面提供控制。
可选地，上述这些组件中的一个或多个可与车辆600分开安装或关联。例如，存储器652可以部分或完全地与车辆600分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图3不应理解为对本公开实施例的限制。
在道路行进的自动驾驶汽车，如上面的车辆600，可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶汽车所要调整的速度。
可选地，车辆600或者与车辆600相关联的感知和计算设备(例如计算***631、计算平台650)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆600能够基于预测的识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)何种稳定状态。在这个过程中，也可以考虑其它因素来确定车辆600的速度，诸如，车辆600在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆600的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的车辆)的安全横向和纵向距离。
上述车辆600可以为各种类型的行驶工具，例如，轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、娱乐车、火车等等，本公开实施例不做特别的限定。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的车辆数据采集方法的代码部分。
在另一示例性实施例中，还提供一种芯片，包括处理器和接口；所述处理器用于读取指令以执行所述车辆数据采集方法。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种车辆数据采集方法，其特征在于，包括：
获取车辆的行驶状态参数；
根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率；
根据所述目标记录频率，记录所述目标数据。
2.根据权利要求1所述的方法，其特征在于，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
将所述行驶状态参数作为判断模型的输入，获得所述车辆记录目标数据的目标记录频率；
其中，所述判断模型是利用标记有记录频率的历史行驶状态参数对机器学习模型进行训练而获得的。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
根据所述目标记录频率，向目标终端发送所述目标数据。
4.根据权利要求1或2所述的方法，其特征在于，所述行驶状态参数包括天气信息、车速信息、位置信息、车道信息以及障碍物信息；
所述目标数据包括由激光雷达采集到的点云数据、由无线电雷达采集到的雷达数据、车辆外部图像数据、车辆内部图像数据、车身信号数据以及车辆姿态数据。
5.根据权利要求4所述的方法，其特征在于，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
在所述行驶状态参数表征所述车辆处于停车状态的情况下，将所述车辆记录所述车辆外部图像数据的频率确定为第一图像记录频率，并将所述车辆记录除所述车辆外部图像数据外的其他目标数据的频率确定为最低记录频率，其中，所述第一图像记录频率小于所述车辆的基准图像记录频率；
在所述行驶状态参数表征位于所述车辆预设范围内的障碍物的数量大于预设障碍物阈值时，将所述车辆记录所述车辆外部图像数据的频率确定为第二图像记录频率，所述第二图像记录频率大于所述基准图像记录频率；
在所述行驶状态参数表征所述车辆处于夜间行驶状态时，将所述车辆记录所述车辆外部图像数据的频率确定为第三图像记录频率，所述第三图像记录频率小于所述基准图像记录频率且大于所述第一图像记录频率。
6.根据权利要求4所述的方法，其特征在于，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
在所述行驶状态参数表征所述激光雷达采集到的点云数据的置信度小于预设置信度阈值时，将所述车辆记录所述点云数据的频率确定为第一点云记录频率，其中，所述第一点云记录频率小于所述车辆的基准点云记录频率；
在所述行驶状态参数表征所述车辆所处的行驶环境的变化幅度小于预设幅度时，将所述车辆记录所述点云数据的频率确定为第二点云记录频率，其中，所述第二点云记录频率小于所述基准点云记录频率。
7.根据权利要求4所述的方法，其特征在于，所述根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率，包括：
在所述行驶状态参数表征所述车辆的车速大于第一车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第一频率；
在所述行驶状态参数表征所述车辆的车速小于第二车速阈值时，将所述车辆记录所述雷达数据、所述车身信号数据、所述车辆姿态数据以及所述车辆内部图像数据的频率确定为对应的第二频率；
在所述行驶状态参数表征所述车辆所处的行驶环境导致所述车辆姿态数据失真时，将所述车辆记录所述车辆姿态数据的频率确定为第三频率；
其中，所述第二车速阈值小于所述第一车速阈值，所述第二频率小于所述第一频率，所述第三频率小于所述第二频率。
8.一种车辆数据采集装置，其特征在于，包括：
获取模块，配置为获取车辆的行驶状态参数；
确定模块，配置为根据所述行驶状态参数，确定所述车辆记录目标数据的目标记录频率；
记录模块，配置为根据所述目标记录频率，记录所述目标数据。
9.一种车辆，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令，实现如权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210726815.2A CN115116161A (zh) | 2022-06-23 | 2022-06-23 | 车辆数据采集方法、装置、存储介质以及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210726815.2A CN115116161A (zh) | 2022-06-23 | 2022-06-23 | 车辆数据采集方法、装置、存储介质以及车辆 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115116161A true CN115116161A (zh) | 2022-09-27 |
Family
ID=83329358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210726815.2A Pending CN115116161A (zh) | 2022-06-23 | 2022-06-23 | 车辆数据采集方法、装置、存储介质以及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115116161A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117155737A (zh) * | 2023-10-30 | 2023-12-01 | 泉州市搏浪科技集团有限公司 | 一种基于can总线的车辆数据采集分析*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009099033A (ja) * | 2007-10-18 | 2009-05-07 | Denso Corp | 車両周辺画像撮影制御装置および車両周辺画像撮影制御装置に用いるプログラム |
| US20180130271A1 (en) * | 2016-11-04 | 2018-05-10 | Hitachi, Ltd. | Vehicle Operation Data Collection Apparatus, Vehicle Operation Data Collection System, and Vehicle Operation Data Collection Method |
| CN109857002A (zh) * | 2019-01-15 | 2019-06-07 | 北京百度网讯科技有限公司 | 数据采集方法、装置、设备及计算机可读存储介质 |
| CN110930689A (zh) * | 2018-09-20 | 2020-03-27 | 比亚迪股份有限公司 | 基于行车记录仪的路况数据动态采集方法和装置 |
| CN111986347A (zh) * | 2020-07-20 | 2020-11-24 | 汉海信息技术(上海)有限公司 | 设备管理方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-23 CN CN202210726815.2A patent/CN115116161A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009099033A (ja) * | 2007-10-18 | 2009-05-07 | Denso Corp | 車両周辺画像撮影制御装置および車両周辺画像撮影制御装置に用いるプログラム |
| US20180130271A1 (en) * | 2016-11-04 | 2018-05-10 | Hitachi, Ltd. | Vehicle Operation Data Collection Apparatus, Vehicle Operation Data Collection System, and Vehicle Operation Data Collection Method |
| CN110930689A (zh) * | 2018-09-20 | 2020-03-27 | 比亚迪股份有限公司 | 基于行车记录仪的路况数据动态采集方法和装置 |
| CN109857002A (zh) * | 2019-01-15 | 2019-06-07 | 北京百度网讯科技有限公司 | 数据采集方法、装置、设备及计算机可读存储介质 |
| CN111986347A (zh) * | 2020-07-20 | 2020-11-24 | 汉海信息技术(上海)有限公司 | 设备管理方法、装置、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117155737A (zh) * | 2023-10-30 | 2023-12-01 | 泉州市搏浪科技集团有限公司 | 一种基于can总线的车辆数据采集分析*** |
| CN117155737B (zh) * | 2023-10-30 | 2024-06-04 | 泉州市搏浪科技集团有限公司 | 一种基于can总线的车辆数据采集分析*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113128303A (zh) | 一种自动驾驶方法、相关设备及计算机可读存储介质 | |
| CN114779790B (zh) | 识别障碍物方法、装置、车辆、服务器、存储介质及芯片 | |
| WO2021065626A1 (ja) | 交通制御システム、交通制御方法及び制御装置 | |
| CN115042821B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
| CN115123257B (zh) | 路面减速带位置识别方法、装置、车辆、存储介质及芯片 | |
| CN115100377B (zh) | 地图构建方法、装置、车辆、可读存储介质及芯片 | |
| CN115035494A (zh) | 图像处理方法、装置、车辆、存储介质及芯片 | |
| CN115116161A (zh) | 车辆数据采集方法、装置、存储介质以及车辆 | |
| CN115202234B (zh) | 仿真测试方法、装置、存储介质和车辆 | |
| CN112654547A (zh) | 驾驶提醒的方法、装置及*** | |
| CN114842440B (zh) | 自动驾驶环境感知方法、装置、车辆及可读存储介质 | |
| CN115056784B (zh) | 车辆控制方法、装置、车辆、存储介质及芯片 | |
| CN115042814A (zh) | 交通灯状态识别方法、装置、车辆及存储介质 | |
| CN115871523A (zh) | 电池加热方法、装置、车辆、可读存储介质及芯片 | |
| CN115221151A (zh) | 车辆数据的传输方法、装置、车辆、存储介质及芯片 | |
| CN115203457A (zh) | 图像检索方法、装置、车辆、存储介质及芯片 | |
| CN115205848A (zh) | 目标检测方法、装置、车辆、存储介质及芯片 | |
| CN115100630A (zh) | 障碍物检测方法、装置、车辆、介质及芯片 | |
| CN115115707B (zh) | 车辆落水检测方法、车辆、计算机可读存储介质及芯片 | |
| CN115139946B (zh) | 车辆落水检测方法、车辆、计算机可读存储介质及芯片 | |
| CN114822216B (zh) | 生成车位地图的方法、装置、车辆、存储介质及芯片 | |
| CN115063639B (zh) | 生成模型的方法、图像语义分割方法、装置、车辆及介质 | |
| CN114852092B (zh) | 方向盘脱手检测方法、装置、可读存储介质及车辆 | |
| CN114802435B (zh) | 车辆控制方法、装置、车辆、存储介质及芯片 | |
| CN115407344B (zh) | 栅格地图创建方法、装置、车辆及可读存储介质 |
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 |