基于边缘计算的分布式传感系统的制作方法

1.本技术涉及自动驾驶领域，尤其涉及一种基于边缘计算的分布式传感系统。


背景技术：

2.随着自动驾驶技术不断进步，自动驾驶解决方案中硬件组成越来越趋于复杂和多样化，诸如可见光图像传感器、红外图像传感器、激光雷达、毫米波雷达或超声波雷达等车规级传感器大量应用在自动驾驶解决方案中。随着数据的复杂度增加，数据量呈几何级增长，随之而来的问题是如何分析处理大量传感器捕获的数据，由于自动驾驶过程中车辆运动状态的改变依赖对于传感器捕获数据的处理分析，因此对于数据处理的时效性和便捷性提出较高要求，以此支撑自动驾驶功能正常工作。
3.按照传统的方式，车辆的各个传感器捕获数据后统一传输至主机系统或云计算平台进行分析处理，在面对随着数据的复杂度增加，数据量呈几何级增长的情况下，网络传输压力和数据延迟问题对车辆自动驾驶功能造成不利影响，大量数据传输至云端也会存在威胁数据安全的问题，而且，若主机系统或云端出现故障，自动驾驶车辆行驶的安全性存在风险。


技术实现要素：

4.有鉴于此，本技术提供了一种基于边缘计算的分布式传感系统。
5.为了解决上述技术问题，本技术采用了如下技术方案：
6.一种基于边缘计算的分布式传感系统，系统包括：
7.第一传感器组，用于获取车辆行驶过程中周围环境信息第一数据；
8.第二传感器组，用于获取车辆特征信息第二数据；
9.交换机，所述交换机与所述第一传感器组或所述第二传感器组连接，所述交换机与边缘计算模块连接，用于将所述第一数据或所述第二数据传输到边缘计算模块；
10.边缘计算模块，用于处理所述第一数据或所述第二数据得到第三数据；
11.存储模块，所述存储模块与所述边缘计算模块连接，用于存储所述第一数据、所述第二数据或所述第三数据；
12.第一无线路由模块，所述第一无线路由模块与所述交换机连接，用于将所述第三数据传输到云计算平台。
13.优选地，所述系统还包括第二无线路由模块，所述第二无线路由模块与所述交换机连接，用于与其他车辆的传感系统通过无线网络传输或接收所述第一数据、所述第二数据或所述第三数据。
14.优选地，所述系统还包括压缩解压模块，所述压缩解压模块与所述交换机连接，用于对所述第三数据压缩经由所述第一无线路模块传输至所述云计算平台，或用于对接收经由所述第一无线路模块来自所述云计算平台的数据解压。
15.优选地，所述系统还包括预处理模块，所述预处理模块与所述交换机和所述边缘
计算模块连接连接，用于对所述第一数据进行格式转换、数据加密或过滤处理。
16.优选地，所述系统还包括控制模块，所述控制模块与所述交换机和所述边缘计算模块连接，用于接收所述边缘计算模块发送的控制信号，经由所述交换机对所述传感器或车辆部件进行控制。
17.优选地，所述第一传感器组包括可见光图像传感器、红外图像传感器、激光雷达、毫米波雷达或超声波雷达。
18.优选地，所述第二传感器组包括温湿度传感器、胎压传感器、多轴陀螺仪、加速度传感器或震动传感器。
19.优选地，所述第一数据包括环境中目标对象特征、距离、道路状况或道路标志的原始数据。
20.优选地，所述第二数据包括车辆温度、湿度、胎压、加速度或震动幅度的原始数据。
21.相较于现有技术，本技术具有以下有益效果：
22.基于以上技术方案可知，本技术提供的基于边缘计算的分布式传感系统，通过在系统中设置交换机和边缘计算模块，实现了在离传感器获取的原始数据更近的边缘进行多类数据融合处理，在前端选择不同分析算法，充分发挥前端采集数据的价值，提高数据处理的时效性和便捷性，减少系统响应时延，节省网络带宽，还具有保护数据安全的作用，同时，还可以降低云端故障对车辆安全驾驶造成的系统性风险。本技术提供的系统还可通过无线路由模块将数据发送到云计算平台或其他车辆，构建智能车联网解决方案，提升车辆整体的智能驾驶水平，为用户提供安全、舒适、智能、高效的驾驶感受与交通服务，同时提高交通运行效率。
附图说明
23.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
24.图1是本技术实施例提供的基于边缘计算的分布式传感系统的逻辑框图。
具体实施方式
25.为使本实用新型的上述目的、特征和优点能够更加明显易懂，下面结合附图对本实用新型的具体实施方式做详细的说明。
26.在下面的描述中阐述了很多具体细节以便于充分理解本实用新型，但是本实用新型还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本实用新型内涵的情况下做类似推广，因此本实用新型不受下面公开的具体实施例的限制。
27.应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语
“ꢀ
包括”、
“ꢀ
包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要
素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
28.参考图1，图1为本技术提供的基于边缘计算的分布式传感系统的逻辑框图。
29.本技术实施例提供的基于边缘计算的分布式传感系统中包括众多传感器，按传感器的探测对象分类可将其分为两类，第一类传感器是探测车辆外部信息，即车辆行驶过程中周围环境信息，例如，该信息可以包括环境中目标对象特征、目标对象距离、道路状况或道路标志的原始数据；第二类传感器是探测车辆内部信息，即车辆自身的特征信息，例如，该信息可以包括车辆温度、湿度、胎压、加速度或震动幅度的原始数据。
30.第一类传感器包括可见光图像传感器、红外图像传感器、激光雷达、毫米波雷达或超声波雷达。
31.可见光图像传感器将目标物体通过镜头生成光学图像投射到图像传感器上，光信号转变为电信号，再经过模数转换后变为数字图像信号，最后送到数字信号处理器中进行处理，由数字信号处理器将信号处理成特定格式的图像输出。
32.红外图像传感器接收目标物体反射来的与热辐射对应的光谱范围内的电磁辐射，例如，波长为8微米至14微米的电磁波，通过热敏薄膜将光信号转化为电信号形式的原始数据，对原始数据进行处理得到红外图像。
33.激光雷达、毫米波雷达与超声波雷达原理近似，向目标发射探测信号,然后将接收到的从目标反射回来的信号与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数。
34.在一些实施例中，可见光图像传感器或红外图像传感器可以是带有偏振装置的图像传感器，由于物体反射和电磁辐射的过程中都会产生由自身性质决定的偏振特性，不同物体或同一物体的不同状态（例如，粗糙度、含水量、材料理化特性等）在热红外波段往往具有不同的偏振状态，利用目标表明辐射或反射偏振信息的红外偏振成像技术，可以综合获得目标的强度、偏振和图像等多维特征信息，有效提高目标与背景的对比度，突出目标的细节特征，增强目标识别效果，更全面、深入地了解目标的属性和行为。
35.第二类传感器包括温湿度传感器、胎压传感器、多轴陀螺仪、加速度传感器、震动传感器或雨量传感器。
36.温湿度传感器用于采集车载终端的内部工作环境状态数据，若监测到环境状态数据超过预定阈值，可向车内人员做出提示，例如，当环境温度超过60摄氏度或湿度超过90%时，车载终端发出危险警报提醒司机注意终端设备可能失效，应及时处理。
37.胎压传感器用于通过轮胎的转速差来判断轮胎是否异常，或者在汽车静止或者行驶过程中对轮胎气压和温度进行实时自动监测，并对轮胎高压、低压、高温进行及时报警，避免因轮胎故障引发的交通事故，以确保行车安全。
38.多轴陀螺仪或加速度传感器用于测量车辆角速度或加速度，可准确地描述车辆的线性运动和包括转弯变化的旋转运动，以判别物体的运动状态，实时监测车辆的行驶状态信息。
39.震动传感器实时采集车载终端的震动状态和车辆大幅度震动状态
40.本技术实施例提供的第一类和第二类传感器连接交换机，交换机还连接有边缘计算模块，交换机用于将多种传感器捕获到的数据传输到边缘计算模块，以便边缘计算模块对数据分析处理。
41.边缘计算模块接收到传感器数据后对数据分析处理，边缘计算模块包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。
42.在一些实施例中，两类传感器数据，有时需要融合处理，系统中交换机之间互相连接，以方便多类传感数据融合，为边缘计算模块进行融合数据处理进行支持。
43.例如，在车辆自动驾驶的过程中，边缘计算模块分别获取来自可见光图像传感器、红外图像传感器、多轴陀螺仪和加速度传感器的原始数据。将可见光图像和红外图像融合，可获取周围环境清楚、详细和全面的信息，具有消除晕光又提高图像细节特征的优点，通过图像目标识别算法识别出环境中的对象，再融合自多轴陀螺仪和加速度传感器的当前车辆运动信息，边缘计算模块可作出调整车辆运动状态的决策，输出能够改变车辆运动状态的运动控制信号，实现车辆智能自动驾驶。
44.本技术实施例提供的系统中有存储模块连接边缘计算模块，存储模块用于对数据暂存，该数据可以是传感器获取的原始数据，也可以是经过边缘计算模块处理后的数据。存储模块可包括一个或多个易失性存储装置，诸如，随机存取存储器(ram)、动态ram(dram)、同步dram(sdram)、静态ram(sram)或者其它类型的存储装置。
45.在一些实施例中，系统中包括预处理模块，预处理模块分别与交换机和边缘计算模块连接，预处理模块用于对传感器获取的原始数据进行数据格式的转换、数据加密、协议解析或对数据进行过滤处理。
46.在一些实施例中，系统中包括控制模块，控制模块与交换机和边缘计算模块连接，控制模块用于接收边缘计算模块或云计算平台的请求控制信号，输出控制信号作用于传感器，调整传感器的工作参数，例如，可以根据需要调整包括可见光传感器或红外传感器的相机的焦距和曝光时间。
47.预处理模块和控制模块包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。
48.边缘计算模块将传感器数据经过处理后，处理后的数据可以通过无线传输的形式经由第一无线路由模块发到云计算平台，进行更为复杂的计算处理。
49.第一无线路由模块具有接收和发送数据功能，可以将数据通过无线形式发送到云计算平台，该数据可以是边缘计算模块处理后的数据，也可以是传感器获取的原始数据。
50.第一无线路由模块可以是wifi收发器、红外收发器、蓝牙收发器、wimax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(gps)收发器)或其它射频(rf)收发器或者它们的组合。
51.在一些实施例中，系统中包括压缩解压模块，压缩解压模块与交换机和第一无线路由模块连接，压缩解压模块用于将即将发送到云计算平台的数据进行压缩，或对来自云计算平台返回的数据进行解压缩。数据被压缩后上传时能够减少上传时间。
52.在一些实施例中，边缘计算模块接收将预处理模块处理后的数据，对其进行分析处理后，将处理后的数据经由交换机传输到压缩解压模块，压缩解压模块对该处理后的数据进行压缩，压缩后将其发送到第一无线路由模块，通过无线的形式上传到云计算平台，云
计算平台接收到经过压缩的数据后解压该数据并进行更为复杂的计算处理，云计算平台对数据进行处理后，可以将数据压缩后再通过无线形式经由第一无线路由模块传输回压缩解压模块。
53.在一些实施例中，系统中包括第二无线路由模块，第二无线路由模块用于将传感器获取的原始数据通过无线的形式发送到其他车辆，起到共享数据的作用，实现车联网，提升车辆整体的智能驾驶水平，为用户提供安全、舒适、智能、高效的驾驶感受与交通服务，同时提高交通运行效率。
54.以上所述仅是本实用新型的优选实施方式，虽然本实用新型已以较佳实施例披露如上，然而并非用以限定本发实用新型。任何熟悉本领域的技术人员，在不脱离本实用新型技术方案范围情况下，都可利用上述揭示的方法和技术内容对实用新型技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本实用新型技术方案的内容，依据本实用新型的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰，均仍属于本实用新型技术方案保护的范围内。