一种面向智能网联汽车的数据闭环装置及系统制造方法及图纸

技术编号：44018298 阅读：20 留言：0更新日期：2025-01-15 01:03

本发明专利技术公开了一种面向智能网联汽车的数据闭环装置及系统，具体涉及人工智能技术领域，所述一种面向智能网联汽车的数据闭环装置包括数据采集模块、标注训练模块、仿真验证模块，以及模型部署模块；所述一种面向智能网联汽车的数据闭环系统是指数据采集模块将采集到的数据上传给标注训练模块，并接收模型部署模块传递的新模型；标注训练模块接收来自数据采集模块的数据，进行标记用于训练机器学习模型，并将训练好的模型传送给仿真训练模块，仿真训练模块接收来自标注训练模块的模型，进行仿真验证，并使用OTA技术将通过仿真验证的模型下发给模型部署模块，模型部署模块接收来自仿真验证模块传输的模型，并将重新部署将其应用于数据采集模块中。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及人工智能，更具体地说，本专利技术涉及一种面向智能网联汽车的数据闭环装置及系统。

技术介绍

1、

2、

3、交通强国与道路设施的智能化，以及运载工具的智能化息息相关。车与路的协同不仅推进了智能网联汽车的发展，也促进了智慧交通体系的构建。

4、当前，智能汽车是利用数据采集车单独采集数据，然后离线利用采集的数据来训练模型，再把训练好的模型部署在车上，整个过程没有形成数据闭环，不利于ai模型的迭代升级。而且车端算力有限，如果不有效利用后台的算力，车载数据成几何倍数的增长，车载算力将远远无法满足要求，而且太高的算力对车端散热来说也是一个巨大的挑战。

技术实现思路

1、为了克服现有技术的上述缺陷，本专利技术的实施例提供一种面向智能网联汽车的数据闭环装置及系统，以解决上述
技术介绍
中提出的问题。

2、为实现上述目的，本专利技术提供如下技术方案，一种面向智能网联汽车的数据闭环装置，包括数据采集模块、标注训练模块、仿真验证模块，以及模型部署模块；

3、数据采集模块：通过传感器采集汽车周围环境的数据，并将采集到的数据上传至标注训练模块进行处理和分析，并接收模型部署模块传递的新模型，利用新部署的模型重新进行数据采集工作，并将采集好的数据重新上传给标注训练模块；

4、标注训练模块：接收来自数据采集模块的数据，并对采集到的数据进行标注和处理，使用标记好的数据来训练机器学习模型，并将生成训练好的模型传送给仿真验证模块；

5、仿真验证模块：接收来自标注训练模块的训练好的模型，在虚拟环境中进行仿真验证，并使用ota技术将通过仿真验证的模型下发给模型部署模块；

6、模型部署模块：接收来自仿真验证模块传输的模型，基于tensorrt进行工程化部署，并将重新部署的模型应用于数据采集模块。

7、在一个优选地实施方式中，所述数据采集模块，将其部署在的车载设备上，通过传感器采集汽车周围环境的数据，将采集到的数据上传至标注训练模块进行处理和分析，并接收模型部署模块传递的新模型，利用新部署的模型重新进行数据采集工作，并将采集好的数据重新上传给标注训练模块，具体步骤如下：

8、步骤a1、数据采集与预处理：使用车载传感器持续地采集汽车周围的环境数据，包括道路情况、附近车辆的位置和速度、行人行为的图像、视频、雷达数据，并打上时间戳，记录数据生成的时间，对采集到的数据进行预处理，包括数据去噪、坐标系转换、数据格式转换操作，以便后续处理和分析；

9、步骤a2、数据传输：将预处理后的数据通过数据传输协议上传至云端中进行存储，供标注训练模块进行处理和分析；

10、步骤a3、数据质量控制：在数据上传至云端后进行数据质量控制，包括数据完整性检查、异常数据识别和修复，以确保后续的标注和训练工作的准确性和可靠性；

11、步骤a4、接收新部署的模型：接收模型部署模块传递的新模型，根据新部署的模型重新进行数据采集工作，收集更新后的环境数据；

12、步骤a5、数据上传至标注训练模块：将采集好的数据经过处理和压缩后，再次通过安全的数据传输协议将数据上传至标注训练模块。

13、在一个优选地实施方式中，所述标注训练模块，将其部署在云端，接收来自数据采集模块的数据，并对采集到的数据进行标注和处理，使用标记好的数据来训练机器学习模型，并将生成训练好的模型传送给仿真验证模块，具体步骤：

14、步骤b1、数据标注：接收来自数据采集模块上传的图像、视频、雷达数据，所述接收数据包括车辆、行人和道路标识目标信息，使用计算机视觉算法对接收到的数据进行标注，标记出其中的车辆、行人和道路标识目标，所述标注数据包括目标类别、位置坐标和边界信息；

15、步骤b2、特征提取：在标注完成后，对标记好的数据进行特征提取，包括颜色、纹理、形状和空间特征，并将提取的颜色、纹理、形状和空间特征组合成特征向量，作为输入数据用于训练模型；

16、步骤b3、模型训练：使用标记好的数据和提取的特征来训练卷积神经网络模型，并将训练好的模型进行优化，以提高模型的性能和泛化能力；

17、步骤b4、传送至仿真验证模块：将经过训练和优化的模型传送至仿真验证模块，以进行虚拟环境中的仿真验证和测试，并接收来自仿真验证模块的验证结果，以改进训练数据。

18、在一个优选地实施方式中，所述步骤b2特征提取中，在标注完成后，对标记好的数据进行特征提取，包括颜色、纹理、形状和空间特征，进一步包括以下步骤：

19、步骤b201、颜色特征：使用直方图统计方法将图像转换为rgb颜色空间，统计每个通道的像素值分布，得到颜色直方图；

20、步骤b202、纹理特征：使用局部二值模式对图像进行局部二值化，并统计每个像素点的局部纹理模式，用于描述图像的纹理信息；

21、步骤b203、形状特征：使用边缘检测算法检测图像中的边缘信息；

22、步骤b204、空间特征：使用标注信息中的边界框坐标作为空间特征。

23、在一个优选地实施方式中，所述步骤b3模型训练中，使用标记好的数据和提取的特征来训练卷积神经网络模型，进一步包括以下步骤：

24、步骤b301、模型构建：构建由多个卷积层、池化层和全连接层组成的卷积神经网络模型，用于目标检测；

25、步骤b302、超参数调优：调整模型的超参数，包括学习率、批量大小、优化器类型；

26、步骤b303、模型训练：使用标记好的数据和提取的特征来训练卷积神经网络模型，使用反向传播算法来更新模型参数；

27、步骤b304、交叉验证：使用交叉验证技术对训练好的模型进行评估，以提高模型的性能和泛化能力。

28、在一个优选地实施方式中，所述仿真验证模块，将其部署在云端，接收来自标注训练模块的训练好的模型，在虚拟环境中进行仿真验证，并使用ota技术将通过仿真验证的模型下发给模型部署模块，具体步骤如下：

29、步骤c1、仿真场景设计：选择虚拟仿真环境，并设计各种道路条件和交通情况的仿真场景，包括不同的天气条件、路面状态、车辆行为；

30、步骤c2、模型集成：将标注训练模块训练好的模型集成到仿真环境中，利用集成的模型在虚拟环境中进行目标检测和预测，并标注模型的输出结果；

31、步骤c3、验证结果分析：分析模型在不同仿真场景下的表现，包括目标检测的准确性、预测的稳定性，记录验证结果；

32、步骤c4、模型下发：使用ota技术将通过仿真验证的模型下发给模型部署模块。

33、在一个优选地实施方式中，所述步骤c4模型下发中，使用ota技术将通过仿真验证的模型下发给模型部署模块，进一步包括以下步骤：

34、步骤c401、模型推送：模型推送：将经过仿真验证的模型进行打包，并在ota平台上创建一个ota任务；

35、步骤c402、数据传输：本文档来自技高网...

【技术保护点】

1.一种面向智能网联汽车的数据闭环装置，其特征在于：包括数据采集模块、标注训练模块、仿真验证模块，以及模型部署模块；

2.根据权利要求1所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述数据采集模块，通过传感器采集汽车周围环境的数据，并将采集到的数据上传至标注训练模块进行处理和分析，并接收模型部署模块传递的新模型，利用新部署的模型重新进行数据采集工作，并将采集好的数据重新上传给标注训练模块，具体步骤如下：

3.根据权利要求2所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述标注训练模块，接收来自数据采集模块的数据，并对采集到的数据进行标注和处理，使用标记好的数据来训练机器学习模型，并将生成训练好的模型传送给仿真验证模块，具体步骤：

4.根据权利要求3所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述步骤B2特征提取中，在标注完成后，对标记好的数据进行特征提取，包括颜色、纹理、形状和空间特征，进一步包括以下步骤：

5.根据权利要求4所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述步骤B3模型训练中，使

6.根据权利要求5所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述仿真验证模块，接收来自标注训练模块的训练好的模型，在虚拟环境中进行仿真验证，并使用OTA技术将通过仿真验证的模型下发给模型部署模块，具体步骤如下：

7.根据权利要求6所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述步骤C4模型下发中，使用OTA技术将通过仿真验证的模型下发给模型部署模块，进一步包括以下步骤：

8.根据权利要求7所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述模型部署模块，接收来自仿真验证模块传输的模型，基于TensorRT进行工程化部署，并将重新部署的模型应用于数据采集模块，具体步骤如下：

9.一种面向智能网联汽车的数据闭环系统应用于如权利要求1-8中任一项所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述数据闭环系统通过数据采集模块将采集到的数据上传给标注训练模块，并接收模型部署模块传递的新模型；标注训练模块接收来自数据采集模块的数据，进行标记用于训练机器学习模型，并将训练好的模型传送给仿真训练模块；仿真训练模块接收来自标注训练模块的模型，进行仿真验证，并使用OTA技术将通过仿真验证的模型下发给模型部署模块；模型部署模块接收来自仿真验证模块传输的模型，并将重新部署将其应用于数据采集模块中，进行数据采集模块、标注训练模块、仿真验证模块和模型部署模块的重复迭代。

...

【技术特征摘要】

1.一种面向智能网联汽车的数据闭环装置，其特征在于：包括数据采集模块、标注训练模块、仿真验证模块，以及模型部署模块；

4.根据权利要求3所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述步骤b2特征提取中，在标注完成后，对标记好的数据进行特征提取，包括颜色、纹理、形状和空间特征，进一步包括以下步骤：

5.根据权利要求4所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述步骤b3模型训练中，使用标记好的数据和提取的特征来训练卷积神经网络模型，进一步包括以下步骤：

6.根据权利要求5所述的一种面向智能网联汽车的数据闭环装置，其特征在于：所述仿...

【专利技术属性】
技术研发人员：郝奕，罗勇，傅选锋，
申请(专利权)人：上海上禹智途汽车科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人