本申请涉及一种传感器检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：当车载终端监测到车辆处于驾驶模式时，则获取车辆驾驶过程中的场景数据，以及获取车辆的传感器实时数据，并根据车辆驾驶过程中的场景数据，确定车辆所处的场景类型，进而根据车辆所处的场景类型，获取该场景类型下车辆的传感器目标数据，对传感器实时数据和传感器目标数据进行匹配，并根据匹配结果确定车辆的传感器是否存在异常。从而能够实现对车辆的传感器是否存在异常进行自动检测，且不依赖于专业人员在专业场所通过仪器仪表对车辆上的传感器进行故障诊断，不仅提高了对车辆传感器的检测效率，且节省了检测成本。且节省了检测成本。且节省了检测成本。
【技术实现步骤摘要】
传感器检测方法、装置、计算机设备和计算机程序产品
[0001]本申请涉及汽车
，特别是涉及一种传感器检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着汽车智能化技术的发展，驾驶体验越来越受到广大车主的关注。目前驾驶体验主要依赖于智能硬件，如车辆中的各种传感器。
[0003]传统技术中，为了提高驾驶的安全性及用户体验，一般会定期通过仪器仪表对车辆上的传感器进行故障诊断，以检测传感器是否存在异常。从而避免由于传感器异常而导致的安全问题以及驾驶功能无法使用的问题。
[0004]然而，目前通过仪器仪表对车辆上的传感器进行故障诊断的方式，主要依赖于专业人员在专业场所进行检测，从而导致检测效率低。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高检测效率的传感器检测方法、装置、计算机设备、存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种传感器检测方法。所述方法包括：
[0007]当监测到车辆处于驾驶模式时，获取所述车辆驾驶过程中的场景数据，以及获取所述车辆的传感器实时数据；
[0008]根据所述车辆驾驶过程中的场景数据，确定所述车辆所处的场景类型；
[0009]根据所述车辆所处的场景类型，获取所述场景类型下所述车辆的传感器目标数据；
[0010]对所述传感器实时数据和所述传感器目标数据进行匹配，并根据匹配结果确定所述车辆的传感器是否存在异常。
[0011]在其中一个实施例中，所述场景数据包括场景时序特征和场景点云特征；所述当监测到车辆处于驾驶模式时，获取所述车辆驾驶过程中的场景数据，包括：当监测到车辆处于驾驶模式时，实时采集所述车辆驾驶过程中的车辆信号、定位信息、所述车辆的雷达标定参数以及所述车辆的雷达点云数据；对所述车辆驾驶过程中的车辆信号和定位信息进行时序分析处理，得到所述车辆驾驶过程中的场景时序特征；对所述车辆驾驶过程中所述车辆的雷达标定参数，以及所述车辆的雷达点云数据进行点云数据分析处理，得到所述车辆驾驶过程中的场景点云特征。
[0012]在其中一个实施例中，采用基于注意力机制的编解码模型进行时序分析处理；所述对所述车辆驾驶过程中的车辆信号和定位信息进行时序分析处理，得到所述车辆驾驶过程中的场景时序特征，包括：将所述车辆驾驶过程中的车辆信号，以及定位信息输入所述基于注意力机制的编解码模型，得到所述车辆驾驶过程中的场景时序特征。
[0013]在其中一个实施例中，采用分割模型进行点云数据分析处理；所述对所述车辆驾
驶过程中所述车辆的雷达标定参数，以及所述车辆的雷达点云数据进行点云数据分析处理，得到所述车辆驾驶过程中的场景点云特征，包括：将所述车辆驾驶过程中所述车辆的雷达标定参数，以及所述车辆的雷达点云数据输入所述分割模型，得到所述车辆驾驶过程中的场景点云特征。
[0014]在其中一个实施例中，所述场景数据包括场景时序特征和场景点云特征；所述根据所述车辆驾驶过程中的场景数据，确定所述车辆所处的场景类型，包括：将所述车辆驾驶过程中的场景时序特征和场景点云特征输入场景分类模型，得到所述车辆所处的场景类型。
[0015]在其中一个实施例中，所述场景分类模型的获取方法包括：获取样本车辆处于不同场景类型下的样本数据；其中，所述样本数据包括所述样本车辆所处的场景类型、所述场景类型下的场景时序特征样本集和场景点云特征样本集；采用所述样本数据训练基础分类模型，得到所述场景分类模型。
[0016]在其中一个实施例中，所述基础分类模型包括神经网络分类模型、最近邻分类模型、决策树分类模型、贝叶斯分类模型以及线性分类模型中的至少一种。
[0017]在其中一个实施例中，所述传感器目标数据包括所述传感器正常状态下的目标参数，以及所述目标参数对应的参数取值范围；所述传感器实时数据包括所述传感器的实时参数以及所述实时参数对应的参数值；所述对所述传感器实时数据和所述传感器目标数据进行匹配，并根据匹配结果确定所述车辆的传感器是否存在异常，包括：当所述传感器的实时参数与所述场景类型下所述传感器的目标参数不一致时，确定所述传感器实时数据与所述传感器目标数据的匹配结果为不匹配，并确定所述车辆的传感器存在异常；或者，当所述传感器的实时参数与所述场景类型下所述传感器的目标参数一致，但所述实时参数对应的参数值不满足对应的目标参数的参数取值范围时，确定所述传感器实时数据与所述传感器目标数据的匹配结果为不匹配，并确定所述车辆的传感器存在异常。
[0018]在其中一个实施例中，所述传感器目标数据包括所述传感器正常状态下的目标参数，以及所述目标参数对应的参数取值范围；所述传感器实时数据包括所述传感器的实时参数以及所述实时参数对应的参数值；所述对所述传感器实时数据和所述传感器目标数据进行匹配，并根据匹配结果确定所述车辆的传感器是否存在异常包括：将所述传感器正常状态下的目标参数、所述目标参数对应的参数取值范围、所述传感器的实时参数以及所述实时参数对应的参数值，输入相似度计算模型，得到所述传感器实时数据与所述传感器目标数据之间的相似度；当所述相似度小于相似度阈值时，确定所述传感器实时数据与所述传感器目标数据的匹配结果为不匹配，并确定所述车辆的传感器存在异常。
[0019]在其中一个实施例中，所述确定所述车辆的传感器存在异常之后，所述方法还包括：上报所述传感器的异常结果，所述异常结果包括所述传感器存在异常的结果。
[0020]在其中一个实施例中，所述驾驶模式包括人工驾驶模式和自动驾驶模式中的任一种。
[0021]第二方面，本申请还提供了一种传感器检测装置。所述装置包括：
[0022]驾驶监测模块，被配置为执行当监测到车辆处于驾驶模式时，获取所述车辆驾驶过程中的场景数据，以及获取所述车辆的传感器实时数据；
[0023]场景类型确定模块，被配置为执行根据所述车辆驾驶过程中的场景数据，确定所
述车辆所处的场景类型；
[0024]数据查询模块，被配置为执行根据所述车辆所处的场景类型，获取所述场景类型下所述车辆的传感器目标数据；
[0025]异常检测模块，被配置为执行对所述传感器实时数据和所述传感器目标数据进行匹配，并根据匹配结果确定所述车辆的传感器是否存在异常。
[0026]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述方法的步骤。
[0027]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述方法的步骤。
[0028]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面所述方法的步骤。
[0029]上述传感器检测方法、装置、计算机设备、存储介质和计本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种传感器检测方法，其特征在于，所述方法包括：当监测到车辆处于驾驶模式时，获取所述车辆驾驶过程中的场景数据，以及获取所述车辆的传感器实时数据；根据所述车辆驾驶过程中的场景数据，确定所述车辆所处的场景类型；根据所述车辆所处的场景类型，获取所述场景类型下所述车辆的传感器目标数据；对所述传感器实时数据和所述传感器目标数据进行匹配，并根据匹配结果确定所述车辆的传感器是否存在异常。2.根据权利要求1所述的方法，其特征在于，所述场景数据包括场景时序特征和场景点云特征；所述当监测到车辆处于驾驶模式时，获取所述车辆驾驶过程中的场景数据，包括：当监测到车辆处于驾驶模式时，实时采集所述车辆驾驶过程中的车辆信号、定位信息、所述车辆的雷达标定参数以及所述车辆的雷达点云数据；对所述车辆驾驶过程中的车辆信号和定位信息进行时序分析处理，得到所述车辆驾驶过程中的场景时序特征；对所述车辆驾驶过程中所述车辆的雷达标定参数，以及所述车辆的雷达点云数据进行点云数据分析处理，得到所述车辆驾驶过程中的场景点云特征。3.根据权利要求2所述的方法，其特征在于，采用基于注意力机制的编解码模型进行时序分析处理；所述对所述车辆驾驶过程中的车辆信号和定位信息进行时序分析处理，得到所述车辆驾驶过程中的场景时序特征，包括：将所述车辆驾驶过程中的车辆信号，以及定位信息输入所述基于注意力机制的编解码模型，得到所述车辆驾驶过程中的场景时序特征。4.根据权利要求2所述的方法，其特征在于，采用分割模型进行点云数据分析处理；所述对所述车辆驾驶过程中所述车辆的雷达标定参数，以及所述车辆的雷达点云数据进行点云数据分析处理，得到所述车辆驾驶过程中的场景点云特征，包括：将所述车辆驾驶过程中所述车辆的雷达标定参数，以及所述车辆的雷达点云数据输入所述分割...
【专利技术属性】
技术研发人员：周佳，刘国翌，佘晓丽，任少卿，
申请(专利权)人：安徽蔚来智驾科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。