一种基于自认知方式的数据采集方法、设备及系统

摘要

本发明提供一种基于自认知方式的数据采集方法，应用于车机终端，所述车机终端开始运行智驾主任务，并接收采集的环境信息，所述车机终端的自认知服务在后台空载运行；所述车机终端在运行智能驾驶主任务时，对所述环境信息进行分析以输出分析结果，触发车辆中的设定服务，并将所述分析结果发送给所述自认知服务；所述自认知服务接收所述环境信息，以及接收所述分析结果，并监测车辆驾驶过程中的驾驶数据，分析周期内的驾驶数据是否与所述分析结果有分歧；若有分歧，记录所述分析结果和所述环境信息；若无分歧，丢弃所述分析结果和所述环境信息。本发明通过自认知服务判断智驾主任务的分析结果，若发现分歧则触发数据采集，可以高效采集长尾数据。

说明书

技术领域

本发明涉及智能驾驶技术领域，具体涉及一种基于自认知方式的数据采集方法、设备及系统。

背景技术

智能驾驶技术方兴未艾，而新技术研发需要采集大量的数据，现有技术主要集中在驾驶操控与自动驾驶范畴下的数据采集，而针对目前绝大部分未达到较高智能驾驶能力的车辆，以上方案无法部署实施，并且，对于其他驾驶情景下的数据，如用户的语音输入等，也没有有效的方式对这些数据进行采集。

发明内容

有鉴于此，本发明提供一种基于自认知方式的数据采集方法、设备及系统，能够有效收集智能驾驶数据。

为解决上述技术问题，本发明采用以下技术方案：

根据本发明实施例的基于自认知方式的数据采集方法，应用于车机终端，包括：

车机终端开始运行智能驾驶主任务，并接收采集的环境信息，车机终端的自认知服务在后台空载运行；

车机终端运行智能驾驶主任务时，对环境信息进行分析以输出分析结果，触发车辆中的设定服务，并将分析结果发送给自认知服务；

自认知服务接收环境信息，以及接收分析结果，并监测车辆驾驶过程中的驾驶数据，分析监测周期内的驾驶数据是否与分析结果有分歧；

若有分歧，车机终端记录分析结果和环境信息；

若无分歧，车机终端丢弃分析结果和环境信息。

进一步地，环境信息包括视频、语音等中的一种或多种。

进一步地，驾驶数据包括车辆信号、交互行为等中的一种或多种。

进一步地，车机终端运行智能驾驶主任务时，对环境信息进行分析以输出分析结果，触发车辆中的设定服务，并将分析结果发送给自认知服务，包括：

智能驾驶主任务中的算法对环境信息进行实时分析计算；

智能驾驶主任务将算法开始运行的信号发送给自认知服务；

自认知服务接收到信号后接收环境信息。

本发明另一方面实施例提供一种车机终端，其特征在于，包括：

主任务执行模块，用于获取并分析收集的环境信息以输出分析结果，环境信息包括视频、语音等中的一种或多种；

自认知服务执行模块，用于接收环境信息和分析结果，并监测驾驶数据，以及判断驾驶数据与分析结果有无分歧，并记录有分歧的分析结果和环境信息。

本发明另一方面实施例提供一种数据采集系统，包括：传感器、车机终端；

传感器，传感器用于采集行车环境中的环境信息和驾驶数据；

车机终端，车机终端用于对环境信息进行分析并输出分析结果，并判断驾驶数据和分析结果有无分歧；

若有分歧，所车机终端记录分析结果和环境信息；

若无分歧，车机终端丢弃分析结果和环境信息。

进一步地，环境信息包括视频、语音等中的一种或多种。

进一步地，驾驶数据包括车辆信号、交互行为等中的一种或多种。

进一步地，车机终端还用于根据分析计算结果触发车辆中的设定服务。

更进一步地，车机终端还用于保存与驾驶数据有分歧的分析计算结果和环境信息。

本发明的上述技术方案至少具有如下有益效果之一：

1.本发明实施例的方法，通过自认知服务监测驾驶数据以判断智能驾驶主任务的分析是否正确，提高了收集数据的效率；

2.本发明实施例针对不同的任务设计不同的策略，并收集不同任务情景下的行车数据，可以有效拓展数据来源。

附图说明

图1为本发明实施例的基于自认知方式的数据采集方法的架构图；

图2为本发明实施例的基于自认知方式的数据采集方法的流程图；

图3为本发明实施例的一种车机终端的结构示意图；

图4为本发明实施例的基于自认知方式的数据采集系统的结构示意图；

图5为本发明实施例的基于自认知方式的数据采集系统的SoC框图。

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在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有技术中，智能驾驶中的数据收集主要集中在驾驶操控与自动驾驶范畴下的数据采集，而针对目前绝大部分未达到较高智能驾驶能力的车辆，以上方案无法部署实施，数据的采集收到限制而导致出现数据长尾问题。本发明采用一种基于自认知方式的数据采集方法、设备及系统，能够在不同的情景下，收集驾驶数据，由此，提高了收集数据的效率。

参考图1，本图1示出了一系统架构场景图，该场景图包括车机终端110和传感器140，车机终端包括主任务执行模块120和自认知服务模块130。其中传感器140可以包括摄像头，麦克风等设备。传感器140可以采集环境信息以及驾驶员的驾驶数据，环境信息可以是视频、语音等信息，驾驶数据可以包括驾驶员的行为动作，如旋转方向盘、打转向灯等行为。车机终端110的主任务执行模块120获取并分析收集的环境信息以输出分析结果，例如，传感器140发现前方红灯后，主任务执行模块120输出前方应当停车的分析结果。自认知服务执行模块130接收环境信息和分析结果，并监测驾驶数据，以及判断驾驶数据与所述分析结果有无分歧，例如，主任务执行模块120输出停车的分析结果。但是自认知服务执行模块130根据驾驶数据分析用户并没有停车，则认为驾驶数据与所述分析结果有分歧。若用户停车了，恰好与停车的输出结果相同，则认为无分析。有分歧时车机终端110记录分析结果和传感器采集的环境信息。本发明的方法通过自认知服务执行模块130对主任务执行模块分析后的情况，进行后续的监督和验证，从而收集有分歧结果，便于数据的收集，可以高效的采集数据，解决长尾问题。

参考图2，图2为本发明实施例基于自认知方式的数据采集方法的流程图。

如图1所示，根据基于自认知方式的数据采集方法的流程图，该流程图包括S210-S240，下面对几个步骤详细描述：

S210，车机终端运行智能驾驶主任务并接收环境信息。

具体来说，车机终端会在车辆驾驶过程中，收集环境信息并交由智能驾驶主任务进行处理，更具体来说，环境信息包括车辆驾驶过程中收集的视频、音频等中的一种或多种，例如，前方红绿灯的图像数据。

S220，自认知服务在车机终端后台空载运行。

具体来说，此时，自认知服务空载在后台空载运行，并等待车机终端传入收集到的环境信息。

S230，智能驾驶主任务分析环境信息并输出分析结果。

具体来说，智能驾驶主任务中的算法对环境信息进行实时分析计算，并将算法开始运行的信号发送给自认知服务。更具体来说，智能驾驶主任务中的算法会对环境信息进行分析判断，以模拟驾驶员下一步的处理，例如，在收到前方红绿灯的图像数据后，会对此时红绿灯状态进行分析，若智能驾驶主任务分析认为红绿灯此时为红灯，则会做出驾驶员应在前方停车的判断，反之，则会做出驾驶员会在前方继续通行的判断。

进一步地，智能驾驶主任务会触发车辆中的具体服务，以上述内容为例，智能驾驶主任务可以触发车辆的停车提醒服务，由此，可以辅助驾驶员进行判断，提升驾驶体验。

更进一步地，智能驾驶主任务并将分析结果输出到自认知服务。

S240，自认知服务接收环境信息和分析结果并监测驾驶数据。

具体来说，自认知服务会在接收到智能驾驶主任务的分析结果后持续监测车辆的驾驶数据，例如，可以监测车辆的控制信号、交互行为等中的一种或多种，更具体来说，以上述内容为例，在接收到智能驾驶主任务发送的基于红绿灯情况判断的车辆应于前方停车的分析结果后，自认知服务会开始持续监测车辆驾驶情况，并监测车辆有无刹车信号。

S250，自认知服务分析监测周期内的驾驶数据是否与分析结果有分歧。

若有分歧，则自认知服务执行S260，记录分析结果和环境信息。

若无分歧，则自认知服务执行S270，丢弃分析结果和环境信息。

以上为基于自认知方式的数据采集方法的具体流程，下面举例进行说明，当车辆前方遭遇红绿灯，车机终端检测到前方红绿灯的图像，并将图像数据分别发送给智能驾驶主任务于自认知服务，智能驾驶主任务根据车辆收集的红绿灯图像数据进行分析，判断此时红绿灯是红灯应当在前方停车，并将分析结果发送至自认知服务，同时在车机终端提示驾驶员前方应当停车。

自认知服务在接收到智能驾驶主任务发送的分析结果后，会在一定时间内持续监测驾驶行为，如果发现驾驶行为于分析结果相同，车辆在前方停车等待，则自认知服务不需要记录数据，丢弃分析结果和环境信息，反之，则会记录分析结果和环境信息。通过自认知服务监测驾驶数据，并于智能驾驶主任务的分析结果进行对比，如有分歧则触发数据收集，由此，可以有效的提高长尾数据采集的效率。

以上是对基于自认知方式的数据采集方法的一例情况进行的说明，而在实际使用中，本发明可以针对不同的驾驶情景触发不同的服务，并收集不同驾驶情景下产生的长尾数据。例如，可以是前车启动情景，对应的就是前车启动提醒服务，也可以是驾驶员状态监测情景，对应驾驶员疲劳分心提醒服务。本发明从各种各样的行车情景收集数据，由此，可以使收集的数据更加广泛和全面。

本发明另一方面实施例提供一种车机终端，图3示出了车机终端的结构示意图，包括：主任务执行模块310，自认知服务执行模块320；

主任务执行模块，用于获取并分析收集的环境信息以输出分析结果，环境信息包括视频、语音等中的一种或多种；

自认知服务执行模块，用于监测驾驶数据，判断驾驶数据与分析结果有无分歧，并记录有分歧的分析结果和环境信息。

具体来说，主任务执行模块通过多个服务收集不同的环境信息，例如，可以通过车内视觉服务、车外视觉服务或语音服务收集环境信息等，以车内视觉服务为例，车内视觉服务可以捕捉驾驶员的瞳孔数据以及心跳数据等，以确定驾驶员是否疲劳驾驶。

自认知服务执行模块则有与主任务执行模块中不同服务对应的自认知任务，例如，可以有前车启动自认知任务、车内DMS自认知任务等，以前车启动自认知任务为例，前车启动自认知任务会在主任务执行模块输出前车已经启动的分析结果后，监测车辆是否启动跟车以判断分析结果与环境信息有无分歧，若有分歧，则会触发数据收集。

本发明另一方面实施例提供一种数据采集系统，图4示出了数据采集系统的结构示意图，包括：传感器410、车机终端420。

传感器410可以包括摄像头，麦克风等设备，用于采集行车环境中的环境信息和驾驶数据；

车机终端420用于对环境信息进行分析并输出分析结果，并判断驾驶数据和分析结果有无分歧；

若有分歧，所车机终端记录分析结果和环境信息；

若无分歧，车机终端丢弃分析结果和环境信息。

进一步地，传感器包含一个或多个，由此，可以收集各个情景下的行车数据，可以有效扩大数据收集来源。

进一步地，环境信息包括视频、语音等中的一种或多种。例如，可以是驾驶员心率、前方车况等。

进一步地，驾驶数据包括车辆信号、交互行为等中的一种或多种。例如，可以是车辆启动或停止信号，驾驶员语音输入等信息。

进一步地，车机终端还用于根据分析计算结果触发车辆中的具体服务。

更进一步地，车机终端还用于保存与驾驶数据有分歧的分析计算结果和环境信息。

需要说明的是，本发明的基于自认知方式的数据采集系统中各个设备执行上述实施例的方法，其具体功能作用可参考上述实施例的描述，此处不再赘述。

现在参考图5，所示为根据本申请的一实施例的SoC(System on Chip，片上系统)1300的框图。在图5中，相似的部件具有同样的附图标记。另外，虚线框是更先进的SoC的可选特征。在图5中，SoC1300包括：互连单元1350，其被耦合至应用处理器1310；系统代理单元1380；总线控制器单元1390；集成存储器控制器单元1340；一组或一个或多个协处理器1320，其可包括集成图形逻辑、图像处理器、音频处理器和视频处理器；静态随机存取存储器(Static Random Access Memory，SRAM)单元1330；直接存储器存取(DMA)单元1360。在一个实施例中，协处理器1320包括专用处理器，诸如例如网络或通信处理器、压缩引擎、GPGPU、高吞吐量MIC处理器、或嵌入式处理器等。

静态随机存取存储器(SRAM)单元1330中可以包括用于存储数据和/或指令的一个或多个计算机可读介质。计算机可读存储介质中可以存储有指令，具体而言，存储有该指令的暂时和永久副本。该指令可以包括：由处理器中的至少一个单元执行时使Soc1300执行根据上述实施例中的数据采集方法，具体可参照上述实施例图2所示的方法，在此不再赘述。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。