一种边缘计算方法、装置及可读存储介质制造方法及图纸

本申请提供了一种边缘计算方法、装置及可读存储介质，首先对交通元素的感知数据分层后进行目标感知计算，然后再对目标进行数据融合，形成本区域内的高精动态地图，最后根据场景触发生成对交通元素的协同控制指令。通过道路感知和边缘计算单元，获取精准、可靠的实时交通元素动态数据，并发出对交通元素的强协同、强控制的协同控制指令，实现“以路控车”的协同控制功能，保证了复杂交通场景下多车协同控制的可靠性及安全性。控制的可靠性及安全性。控制的可靠性及安全性。

【技术实现步骤摘要】
一种边缘计算方法、装置及可读存储介质


[0001]本申请涉及边缘计算
，尤其涉及一种边缘计算方法、装置及可读存储介质。

技术介绍

[0002]近年来，自动驾驶技术迅猛发展，在机场、园区、港口等封闭的交通环境中，适合自动驾驶技术的普及应用，自动驾驶代替有人驾驶，可以节约大量人力成本，并有效发挥自动驾驶车辆自动感知、实时通讯、定位精准等优势，提高交通服务安全性能和作业效率。然而，自动驾驶目前采用的是单车智能模式，即依赖于自动驾驶车辆自身的感知能力和算力，感知能力和算力比较有限，并且，车辆在行驶过程中受限于车载感知设备的视距和视角的影响会存在感知盲区，因此，单车智能模式存在可靠性低、安全性差的问题。
[0003]车路协同是在单车智能自动驾驶的基础上，通过道路上设置的感知检测设备(如摄像头、雷达等)对道路交通环境进行实时感知、高精度定位，同时路侧RSU和车载OBU进行数据交互，实现车与车、车与路、车与网、车与人之间不同程度的信息交互共享(网络互联化)，对车辆实时发出安全警示，扩展了车辆的视野，提高了安全性。但在大车流的路线交叉、并线、汇入汇出等多车交互场景，车路协同的安全警示模式很难做到多车高效协作通行。

技术实现思路

[0004]本申请实施例提供了一种边缘计算方法、装置及可读存储介质，至少能够解决相关技术中多车交互场景下多车协同控制的可靠性以及安全性较差的问题。
[0005]本申请实施例第一方面提供了一种边缘计算方法，包括：
[0006]接收车载感知设备发送的车辆感知数据，以及接收车辆所属片区的道路感知设备发送的道路交通态势感知数据；
[0007]基于所述车辆感知数据以及所述道路交通态势感知数据计算目标特征数据；其中，所述目标特征数据包括所述片区的场内目标及相应特征值；
[0008]对所述目标特征数据进行融合得到融合数据，并基于所述融合数据生成所述片区相应的高精地图动态数据；
[0009]根据所述高精地图动态数据以及所述场内目标的作业任务，生成各所述场内目标的协同控制指令；
[0010]分别向各所述场内目标发送相应的所述协同控制指令。
[0011]本申请实施例第二方面提供了一种边缘计算装置，包括：
[0012]接收模块，用于接收车载感知设备发送的车辆感知数据，以及接收车辆所属片区的道路感知设备发送的道路交通态势感知数据；
[0013]计算模块，用于基于所述车辆感知数据以及所述道路交通态势感知数据计算目标特征数据；其中，所述目标特征数据包括所述片区的场内目标及相应特征值；
[0014]融合模块，用于对所述目标特征数据进行融合得到融合数据，并基于所述融合数据生成所述片区相应的高精地图动态数据；
[0015]生成模块，用于根据所述高精地图动态数据以及所述场内目标的作业任务，生成各所述场内目标的协同控制指令；
[0016]发送模块，用于分别向各所述场内目标发送相应的所述协同控制指令。
[0017]本申请实施例第三方面提供了一种电子装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述本申请实施例第一方面提供的边缘计算方法中的各步骤。
[0018]本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述本申请实施例第一方面提供的边缘计算方法中的各步骤。
[0019]由上可见，根据本申请方案所提供的边缘计算方法、装置及可读存储介质，首先对交通元素的感知数据分层后进行目标感知计算，然后再对目标进行数据融合，形成本区域内的高精动态地图，最后根据场景触发生成对交通元素的协同控制指令。通过道路感知和边缘计算单元，获取精准、可靠的实时交通元素动态数据，并发出对交通元素的强协同、强控制的协同控制指令，实现“以路控车”的协同控制功能，保证了复杂交通场景下多车协同控制的可靠性及安全性。
附图说明
[0020]图1为本申请第一实施例提供的边缘计算设备所处的总体系统结构示意图；
[0021]图2为本申请第一实施例提供的边缘计算方法的流程示意图；
[0022]图3为本申请第一实施例提供的场面感知设备对场内目标的感知周期示意图；
[0023]图4为本申请第一实施例提供的场面感知设备对场内目标特征感知采样的时空分析示意图；
[0024]图5为本申请第二实施例提供的边缘计算装置的程序模块示意图；
[0025]图6为本申请第三实施例提供的电子装置的结构示意图。
具体实施方式
[0026]为使得本申请的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0027]在交通流量大、交叉路口多的复杂交通场景，有必要采用路侧智能系统为主导的强协同、强控制的模式，构建一个由路侧智能系统主导的协作式交通系统，涵盖不同程度的车辆自动化类型(车辆自动化)，实现车辆与道路之间优化协同控制功能(交通协作化)。即通过道路感知和边缘计算单元，获取精准、可靠的实时交通元素动态数据，并发出对交通元素的强协同、强控制的协同控制指令，实现“以路控车”的协同控制功能。
[0028]边缘计算是路侧智能系统的核心单元，承担了路侧的感知计算、数据融合、场景触发、协同控制、指令发出等一系列复杂快速的计算功能，是路侧智能系统等关键设备。
[0029]为了解决相关技术中多车交互场景下多车协同控制的可靠性以及安全性较差的问题，本申请第一实施例提供了一种边缘计算方法，应用于边缘计算设备，如图1所示为本实施例的边缘计算设备所处的总体系统结构示意图，本实施例的不同边缘计算设备分别负责不同场面分区，道路感知设备和路侧通讯设备RSU是多个边缘计算设备所组成的边缘计算系统的外围设备，三者构成路侧智能系统。
[0030]道路感知设备是指固定在道路侧的智能传感设备，可以包括如激光雷达、毫米波雷达、微波雷达、摄像头、地埋车检器等各种智能传感设备，以及V2X路侧通讯设备RSU和车载通讯设备OBU等，也可以是传感设备的组合体，如微波雷达视频一体机、毫米波雷达视频一体机等。传感设备对周边交通态势进行感知，如摄像头利用光成像或热成像技术，生成可视化图像或视频流；激光雷达、毫米波雷达等设备则是利用信号反射原理，感知周边物体，生成点云信号，实现对周边环境感知等；除此以外，还有其他数据采集方式，如通过地磁感知车辆通过信息、RSU接收OBU广播的其载体信息等。
[0031]本实施例的场内目标是指车辆、行人、自行车、障碍物等交通参与者，在实际应用中主要是指车辆，包括自动驾驶车辆和有人驾驶车辆。车辆搭载了车载感知设备、车载通讯单元OBU、控制器等，其中OBU和RSU之间进行V2X车路本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘计算方法，其特征在于，包括：接收车载感知设备发送的车辆感知数据，以及接收车辆所属片区的道路感知设备发送的道路交通态势感知数据；基于所述车辆感知数据以及所述道路交通态势感知数据计算目标特征数据；其中，所述目标特征数据包括所述片区的场内目标及相应特征值；对所述目标特征数据进行融合得到融合数据，并基于所述融合数据生成所述片区相应的高精地图动态数据；根据所述高精地图动态数据以及所述场内目标的作业任务，生成各所述场内目标的协同控制指令；分别向各所述场内目标发送相应的所述协同控制指令。2.根据权利要求1所述的边缘计算方法，其特征在于，所述基于所述车辆感知数据以及所述道路交通态势感知数据计算目标特征数据的步骤，包括：基于所述车辆感知数据以及所述道路交通态势感知数据识别所述场内目标，得到目标集合；对所述目标集合中所有所述场内目标进行坐标变换，将所有所述场内目标变换到场地实际坐标中；基于数据感知时长以及目标识别时长，对所述目标集合进行时间同步处理；其中，所述数据感知时长为传感器感知数据所需时长，所述目标识别时长为识别所述场内目标所需时长；基于卡尔曼滤波对各所述场内目标进行运动轨迹模拟，构造相应的第一目标轨迹函数；根据所述第一目标轨迹函数对各所述场内目标进行定时特征采样，得到目标特征数据。3.根据权利要求1所述的边缘计算方法，其特征在于，所述对所述目标特征数据进行融合得到融合数据的步骤，包括：基于不同传感器类型，对所述目标特征数据进行分组关联，得到新目标特征数据；标定所述新目标特征数据中分组目标的身份信息；基于卡尔曼滤波对所述分组目标进行运动轨迹模拟，构造相应的第二目标轨迹函数；基于所述第二目标轨迹函数对所述分组目标进行运动轨迹预测；根据所述第二目标轨迹函数在分组模拟轨迹上进行定时特征采样，得到融合数据。4.根据权利要求3所述的边缘计算方法，其特征在于，所述基于所述融合数据生成所述片区相应的高精地图动态数据的步骤，包括：基于所述身份信息获取所述场内目标相应的目标类型；根据所述目标类型确定相应的目标属性值；基于所述目标属性值构造所述场内目标在当前平面空间的几何结构；将所述几何结构进行空间变换，变换至以场景数字地图为基准的平面空间图层；将所述平面空间图层与场景基础图层进行融合，并标注图层元素，生成所述片区相应的高精地图动态数据。5.根据权利要求4所述的边缘计算方法，其特征在于，所述根据所述高精地图动态数据
以及所述场内目标的作业任务，...

【专利技术属性】
技术研发人员：刘鹏，
申请(专利权)人：刘鹏，
类型：发明
国别省市：