自动驾驶车辆数采仿真方法、装置、设备及存储介质与流程

1.本发明涉及车联网信息处理技术领域，尤其涉及一种自动驾驶车辆数采仿真方法、装置、设备及存储介质。


背景技术：

2.自动驾驶为目前汽车产业的前沿技术，在自动驾驶领域，道路试验是前期研发和性能验证阶段必不可少的环节，该阶段的核心工作围绕道路试验车所收集的大量数据展开，而道路试验所产生的海量数据对云端的存储和计算负载都会带来较大的压力。
3.自动驾驶汽车技术需要汽车在路上进行长时间长里程的验证，但目前国家相关法律规定并未完善，企业开发的自动驾驶算法没有条件在实际道路上进行长时间测试；在自动驾驶汽车的开发过程中，需要采用相应的测试系统对自动驾驶车辆的性能进行评估和测试；相关技术中对自动驾驶车辆的测试通常使用实际车辆来进行测试，成本较高，且容易受到道路测试场景以及交通环境的限制，因此无法全面测试自动驾驶车辆的性能。


技术实现要素：

4.本发明的主要目的在于提供一种自动驾驶车辆数采仿真方法、装置、设备及存储介质，旨在解决现有技术中无法全面测试自动驾驶车辆的性能，测试成本较高，测试效率低下的技术问题。
5.第一方面，本发明提供一种自动驾驶车辆数采仿真方法，所述自动驾驶车辆数采仿真方法包括以下步骤：
6.采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；
7.将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；
8.对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景。
9.可选地，所述采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量，包括：
10.采集自动驾驶车辆在道路试验运行时的车端数据；
11.对所述车端数据进行时间同步，获得时间同步后的车载数据，并将所述车载数据存储在车载存储模块中；
12.定期对所述车载存储模块中的存储介质进行检测，获得日新增数据的存储容量。
13.可选地，所述对所述车端数据进行时间同步，获得时间同步后的车载数据，并将所述车载数据存储在车载存储模块中，包括：
14.以gnss模块为时间源，通过pps协议对车载数采终端进行授时；
15.由边缘计算模块充当主时间点，通过ptp协议分别向超声波雷达群、毫米波雷达群
与激光雷达群发出报文，并通过gmsl协议向摄像头群发出报文，同步相应的各传感器中的内部时钟；
16.在各传感器执行时间同步后，对所述车端数据标记时间戳信息，获得时间同步后的车载数据，并将所述车载数据实时存储在车载存储模块中。
17.可选地，所述将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据，包括：
18.根据所述存储容量计算剩余容量，在所述剩余容量不大于预设容量阈值时，启动数据交换功能；
19.从车载存储模块中获取车载存储介质，从中转服务器的空闲存储区中确定清除存储数据的空白存储介质；
20.将所述空白存储介质安装至所述车载存储模块的热插拔硬盘仓位中，将所述车端数据从所述车载存储介质复制到所述空白存储介质中，以完成数据交换；
21.将交换后的交换数据传输至云服务器，获得云数据。
22.可选地，所述将交换后的交换数据传输至云服务器，获得云数据，包括：
23.将交换后的交换数据通过有线网络传输模式批量上传至云服务器，对所述云服务器中的交换数据进行清洗并校验，获得校验无误的云数据。
24.可选地，所述对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景，包括：
25.定期对数据仓库模块进行全量索引，对所述云数据中已归档数据进行检验校准，获得真值数据；
26.根据仿真模拟模块对所述真值数据进行仿真，获得对应仿真模拟软件支持的格式的目标仿真数据；
27.将所述目标仿真数据通过仿真模拟软件渲染为虚拟道路场景数据，根据所述虚拟道路场景数据构建目标场景。
28.可选地，所述定期对数据仓库模块进行全量索引，对所述云数据中已归档数据进行检验校准，获得真值数据，包括：
29.定期对数据仓库模块进行全量索引，获得所述云数据中已归档的已归档数据；
30.在所述已归档数据中存在时间偏移现象时进行偏移修正；
31.按时间戳顺序对所述已归档数据进行逐帧检验，获得时间轴缺失的时间点，对3d点云数据进行帧间目标级位置插帧，对2d图像数据基于光流法或深度学习算法进行插帧，并对插帧后的目标数据进行坐标系统一校准，获得校准后的真值数据。
32.第二方面，为实现上述目的，本发明还提出一种自动驾驶车辆数采仿真装置，所述自动驾驶车辆数采仿真装置包括：
33.数据采集检测模块，用于采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；
34.数据交换模块，用于将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；
35.仿真模块，用于对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景。
36.第三方面，为实现上述目的，本发明还提出一种自动驾驶车辆数采仿真设备，所述自动驾驶车辆数采仿真设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶车辆数采仿真程序，所述自动驾驶车辆数采仿真程序配置为实现如上文所述的自动驾驶车辆数采仿真方法的步骤。
37.第四方面，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有自动驾驶车辆数采仿真程序，所述自动驾驶车辆数采仿真程序被处理器执行时实现如上文所述的自动驾驶车辆数采仿真方法的步骤。
38.本发明提出的自动驾驶车辆数采仿真方法，通过采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景，能够进行海量数据集中存储，避免了多个子系统出现数据冗余；以数仓为中心支撑各个功能节点，子模块部署灵活，容灾能力强；保证各个功能模块操作具有连续性，其中大部分流程可以自动化实施，降低了自动驾驶的测试成本，提高了自动驾驶车辆数据采集的精确度，提升了自动驾驶车辆数采仿真的速度和效率。
附图说明
39.图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；
40.图2为本发明自动驾驶车辆数采仿真方法第一实施例的流程示意图；
41.图3为本发明自动驾驶车辆数采仿真方法第二实施例的流程示意图；
42.图4为本发明自动驾驶车辆数采仿真方法第三实施例的流程示意图；
43.图5为本发明自动驾驶车辆数采仿真方法第四实施例的流程示意图；
44.图6为本发明自动驾驶车辆数采仿真方法第五实施例的流程示意图；
45.图7为本发明自动驾驶车辆数采仿真装置第一实施例的功能模块图。
46.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
47.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
48.本发明实施例的解决方案主要是：通过采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景，能够进行海量数据集中存储，避免了多个子系统出现数据冗余；以数仓为中心支撑各个功能节点，子模块部署灵活，容灾能力强；保证各个功能模块操作具有连续性，其中大部分流程可以自动化实施，降低了自动驾驶的测试成本，提高了自动驾驶车辆数据采集的精确度，提升了自动驾驶车辆数采仿真的速度和效率，解决了现有技术中无法全面测试自动驾驶车辆的性能，测试成本较高，测试效率低下的技术问题。
49.参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
50.如图1所示，该设备可以包括：处理器1001，例如cpu，通信总线1002、用户接口
1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
51.本领域技术人员可以理解，图1中示出的设备结构并不构成对该设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
52.如图1所示，作为一种存储介质的存储器1005中可以包括操作装置、网络通信模块、用户接口模块以及自动驾驶车辆数采仿真程序。
53.本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆数采仿真程序，并执行以下操作：
54.采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；
55.将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；
56.对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景。
57.本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆数采仿真程序，还执行以下操作：
58.采集自动驾驶车辆在道路试验运行时的车端数据；
59.对所述车端数据进行时间同步，获得时间同步后的车载数据，并将所述车载数据存储在车载存储模块中；
60.定期对所述车载存储模块中的存储介质进行检测，获得日新增数据的存储容量。
61.本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆数采仿真程序，还执行以下操作：
62.以gnss模块为时间源，通过pps协议对车载数采终端进行授时；
63.由边缘计算模块充当主时间点，通过ptp协议分别向超声波雷达群、毫米波雷达群与激光雷达群发出报文，并通过gmsl协议向摄像头群发出报文，同步相应的各传感器中的内部时钟；
64.在各传感器执行时间同步后，对所述车端数据标记时间戳信息，获得时间同步后的车载数据，并将所述车载数据实时存储在车载存储模块中。
65.本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆数采仿真程序，还执行以下操作：
66.根据所述存储容量计算剩余容量，在所述剩余容量不大于预设容量阈值时，启动数据交换功能；
67.从车载存储模块中获取车载存储介质，从中转服务器的空闲存储区中确定清除存储数据的空白存储介质；
68.将所述空白存储介质安装至所述车载存储模块的热插拔硬盘仓位中，将所述车端
数据从所述车载存储介质复制到所述空白存储介质中，以完成数据交换；
69.将交换后的交换数据传输至云服务器，获得云数据。
70.本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆数采仿真程序，还执行以下操作：
71.将交换后的交换数据通过有线网络传输模式批量上传至云服务器，对所述云服务器中的交换数据进行清洗并校验，获得校验无误的云数据。
72.本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆数采仿真程序，还执行以下操作：
73.定期对数据仓库模块进行全量索引，对所述云数据中已归档数据进行检验校准，获得真值数据；
74.根据仿真模拟模块对所述真值数据进行仿真，获得对应仿真模拟软件支持的格式的目标仿真数据；
75.将所述目标仿真数据通过仿真模拟软件渲染为虚拟道路场景数据，根据所述虚拟道路场景数据构建目标场景。
76.本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆数采仿真程序，还执行以下操作：
77.定期对数据仓库模块进行全量索引，获得所述云数据中已归档的已归档数据；
78.在所述已归档数据中存在时间偏移现象时进行偏移修正；
79.按时间戳顺序对所述已归档数据进行逐帧检验，获得时间轴缺失的时间点，对3d点云数据进行帧间目标级位置插帧，对2d图像数据基于光流法或深度学习算法进行插帧，并对插帧后的目标数据进行坐标系统一校准，获得校准后的真值数据。
80.本实施例通过上述方案，通过采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景，能够进行海量数据集中存储，避免了多个子系统出现数据冗余；以数仓为中心支撑各个功能节点，子模块部署灵活，容灾能力强；保证各个功能模块操作具有连续性，其中大部分流程可以自动化实施，降低了自动驾驶的测试成本，提高了自动驾驶车辆数据采集的精确度，提升了自动驾驶车辆数采仿真的速度和效率。
81.基于上述硬件结构，提出本发明自动驾驶车辆数采仿真方法实施例。
82.参照图2，图2为本发明自动驾驶车辆数采仿真方法第一实施例的流程示意图。
83.在第一实施例中，所述自动驾驶车辆数采仿真方法包括以下步骤：
84.步骤s10、采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量。
85.需要说明的是，所述车端数据为自动驾驶车辆在行驶过程中的车载数采终端采集的数据，通过对所述车端数据进行检测，可以获得每日新增的日新增数据的存储容量。
86.步骤s20、将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据。
87.可以理解的是，通过中转服务器可以将所述车端数据进行数据交换，从而可以将
交换后的交换数据上传至云服务器，可以获云服务器的云数据。
88.步骤s30、对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景。
89.应当理解的是，通过真值管理模块可以对云数据进行真值管理，从而获得真值数据，进而可以对所述真值数据进行仿真处理，获得目标仿真数据，通过仿真数据可以构建目标场景。
90.本实施例通过上述方案，通过采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景，能够进行海量数据集中存储，避免了多个子系统出现数据冗余；以数仓为中心支撑各个功能节点，子模块部署灵活，容灾能力强；保证各个功能模块操作具有连续性，其中大部分流程可以自动化实施，降低了自动驾驶的测试成本，提高了自动驾驶车辆数据采集的精确度，提升了自动驾驶车辆数采仿真的速度和效率。
91.进一步地，图3为本发明自动驾驶车辆数采仿真方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明自动驾驶车辆数采仿真方法第二实施例，在本实施例中，所述步骤s10具体包括以下步骤：
92.步骤s11、采集自动驾驶车辆在道路试验运行时的车端数据。
93.需要说明的是，自动驾驶车辆在在道路试验运行期间会产生对应的车端数据，可以通过车载终端中的车载数采终端实时采集。
94.步骤s12、对所述车端数据进行时间同步，获得时间同步后的车载数据，并将所述车载数据存储在车载存储模块中。
95.可以理解的是，由于车载传感器群的各个子模块内置时钟无法确保完全一致，需要进行时间同步，对所述车端数据进行时间同步后，可以获得时间同步后的车载数据，进而可以将同步后的所述车载数据进行存储，可以存储在车载存储模块中。
96.进一步的，所述步骤s12具体包括以下步骤：
97.以gnss模块为时间源，通过pps协议对车载数采终端进行授时；
98.由边缘计算模块充当主时间点，通过ptp协议分别向超声波雷达群、毫米波雷达群与激光雷达群发出报文，并通过gmsl协议向摄像头群发出报文，同步相应的各传感器中的内部时钟；
99.在各传感器执行时间同步后，对所述车端数据标记时间戳信息，获得时间同步后的车载数据，并将所述车载数据实时存储在车载存储模块中。
100.在具体实现中，车载终端的道路试验车在运行期间，由车载终端中的车载数采终端实时采集所述车载传感器群持续收集、感知外部数据，期间由于车载传感器群的各个子模块内置时钟无法确保完全一致，需要进行时间同步；在时间同步动作中，以全球导航卫星系统(global navigation satellite system，gnss)模块为时间源，通过可编程电源(programmable power supply，pps)协议对所述车载数采终端进行授时，由所述边缘计算模块充当主时间节点，分别通过精确时间协议(precise time protocol，ptp)协议向所述超声波雷达群、所述毫米波雷达群与所述激光雷达群发出报文，并通过千兆多媒体串行链
路(gigabit multimedia serial links，gmsl)协议向所述摄像头群发出报文，同步相应传感器中的内部时钟；各传感器执行时间同步后，所述数据采集模块将从所述车载传感器群中获取数据，并标记相应时间戳信息，实时保存至所述车载存储模块中。
101.步骤s13、定期对所述车载存储模块中的存储介质进行检测，获得日新增数据的存储容量。
102.应当理解的是，在进行存储介质存储后，可以定期对车载存储模块中的存储介质进行检测，可以获得每日新增的存储容量。
103.本实施例通过上述方案，通过采集自动驾驶车辆在道路试验运行时的车端数据；对所述车端数据进行时间同步，获得时间同步后的车载数据，并将所述车载数据存储在车载存储模块中；定期对所述车载存储模块中的存储介质进行检测，获得日新增数据的存储容量；能够获得准确的存储容量，进行海量数据集中存储，避免了多个子系统出现数据冗余；以数仓为中心支撑各个功能节点，子模块部署灵活，容灾能力强；保证各个功能模块操作具有连续性，其中大部分流程可以自动化实施，降低了自动驾驶的测试成本，提高了自动驾驶车辆数据采集的精确度。
104.进一步地，图4为本发明自动驾驶车辆数采仿真方法第三实施例的流程示意图，如图4所示，基于第一实施例提出本发明自动驾驶车辆数采仿真方法第三实施例，在本实施例中，所述步骤s20具体包括以下步骤：
105.步骤s21、根据所述存储容量计算剩余容量，在所述剩余容量不大于预设容量阈值时，启动数据交换功能。
106.需要说明的是，通过所述存储容量可以计算车载存储模块的剩余容量，进而可以将所述剩余容量与预设容量阈值进行比较，在所述剩余容量不大于预设容量阈值时，可以启动数据交换功能。
107.在具体实现中，定期对所述车载存储模块中的存储介质进行检测，对每日新增存储容量分别记为si(i即该存储介质开始存储数据的第i日)，并计算日均新增数据存储容量n为存储容量的统计日，剩余容量s
remain
，当满足时，可以启动数据交换流程。
108.步骤s22、从车载存储模块中获取车载存储介质，从中转服务器的空闲存储区中确定清除存储数据的空白存储介质。
109.可以理解的是，从车载存储模块中可以获取车载存储介质，并且可以从中转服务器的空闲存储区中确定清除存储数据的空白存储介质。
110.步骤s23、将所述空白存储介质安装至所述车载存储模块的热插拔硬盘仓位中，将所述车端数据从所述车载存储介质复制到所述空白存储介质中，以完成数据交换。
111.应当理解的是，将所述空白存储介质安装到所述车载存储模块的热插拔硬盘仓位中，进而可以将车载存储介质复制到空白存储介质中，从而完成数据交换。
112.在具体实现中，从所述车载存储模块中取出的存储介质a，并从中转数据交换模块的空闲存储区中取一已清除存储数据的空白存储介质b安装至所述车载存储模块令其保持继续工作，取出的存储介质a安装至所述中转数据交换模块数据交换区的热插拔硬盘仓位中，将数据从存储介质a复制至所述中转数据存储模块的存储介质中，复制完成后清除存储介质a中的数据，存储介质a数据清除完毕后进入所述中转数据交换模块的空闲存储区。
113.步骤s24、将交换后的交换数据传输至云服务器，获得云数据。
114.可以理解的是，将数据交换后的交换数据传输至云服务器后，可以获得云数据。
115.进一步的，所述步骤s24具体包括以下步骤：
116.将交换后的交换数据通过有线网络传输模式批量上传至云服务器，对所述云服务器中的交换数据进行清洗并校验，获得校验无误的云数据。
117.应当理解的是，中转数据上传模块每日将中转数据存储模块的数据通过有线网络传输模式批量上传至所述云端数据存储模块，完成数据传输后，经数据校验确认无误，所述云端数据存储模块对本批次传输完成的数据标记为“待处理”，并清空所述中转数据存储模块当前的数据。
118.在具体实现中，数据处理模块在每日云端数据存储模块从所述中转数据存储模块接收数据完毕后启动运行，按如下步骤处理数据：
119.1)对2d图像和3d点云数据进行清洗，去除数据取值与所述数据处理模块中预置规则库内对应规则不相符的数据、时间戳异常数据及格式异常数据。
120.2)对2d图像和3d点云数据进行采样，其中2d图像的采样基于视频相邻帧相似度进行采样，过滤相邻帧图像相似度高于阈值的图像；3d点云数据的采样基于点云库(point cloud library，pcl)库中的半径滤波、条件滤波、直通滤波与体素滤波等方式进行采样，分别用于过滤各类不同尺寸和面复杂度的点云目标。
121.3)采样完毕的2d图像和3d点云数据，根据自带的时间戳信息进行合并，对同时间戳范围的数据进行合并打包(例如业界常用的ros2bag数据包格式)
122.数据处理完毕后，所述数据处理模块对本批次处理完成的数据标记为“已归档”，并建立索引，纳入所述数据仓库模块的管理范围。
123.所述数据分析模块通过用户预先设定的各类分析模板、统计判断规则和业务查询条件，从数据仓库模块中根据索引中定位到对应数据，并以用户指定的分析模板和统计判断规则对数据定期进行在线或离线分析，并展示结果。
124.本实施例通过上述方案，通过根据所述存储容量计算剩余容量，在所述剩余容量不大于预设容量阈值时，启动数据交换功能；从车载存储模块中获取车载存储介质，从中转服务器的空闲存储区中确定清除存储数据的空白存储介质；将所述空白存储介质安装至所述车载存储模块的热插拔硬盘仓位中，将所述车端数据从所述车载存储介质复制到所述空白存储介质中，以完成数据交换；将交换后的交换数据传输至云服务器，获得云数据，能够进行海量数据集中存储，避免了多个子系统出现数据冗余；以数仓为中心支撑各个功能节点，子模块部署灵活，容灾能力强；保证各个功能模块操作具有连续性，其中大部分流程可以自动化实施，降低了自动驾驶的测试成本。
125.进一步地，图5为本发明自动驾驶车辆数采仿真方法第四实施例的流程示意图，如图5所示，基于第一实施例提出本发明自动驾驶车辆数采仿真方法第四实施例，在本实施例中，所述步骤s30具体包括以下步骤：
126.步骤s31、定期对数据仓库模块进行全量索引，对所述云数据中已归档数据进行检验校准，获得真值数据。
127.需要说明的是，定期对数据仓库模块进行全量索引，可以从所述云数据中获得已经归档的数据，进而对已归档数据进行检验，并且进行校准，从而可以获得真值数据。
128.步骤s32、根据仿真模拟模块对所述真值数据进行仿真，获得对应仿真模拟软件支持的格式的目标仿真数据。
129.应当理解的是，通过仿真模拟模块可以对所述真值数据进行数据仿真，从而可以生成对应仿真模拟软件支持的格式的目标仿真数据。
130.在具体实现中，仿真模拟模块基于所述数据仓库模块中标记为“已校准”的数据，导出为仿真模拟软件支持的格式，例如可以是业界常用的openx系列标准格式，本实施例对此不加以限制。
131.步骤s33、将所述目标仿真数据通过仿真模拟软件渲染为虚拟道路场景数据，根据所述虚拟道路场景数据构建目标场景。
132.可以理解的是，利用仿真模拟软件可以将所述目标仿真数据进行渲染，可以获得渲染后的虚拟道路场景数据，根据所述虚拟道路场景数据可以构建目标场景。
133.在具体实现中，通过仿真模拟软件将其渲染为虚拟道路场景，支持研发人员在该场景中进行在环仿真测试。
134.本实施例通过上述方案，通过定期对数据仓库模块进行全量索引，对所述云数据中已归档数据进行检验校准，获得真值数据；根据仿真模拟模块对所述真值数据进行仿真，获得对应仿真模拟软件支持的格式的目标仿真数据；将所述目标仿真数据通过仿真模拟软件渲染为虚拟道路场景数据，根据所述虚拟道路场景数据构建目标场景；降低了自动驾驶的测试成本，提高了自动驾驶车辆数据采集的精确度，提升了自动驾驶车辆数采仿真的速度和效率。
135.进一步地，图6为本发明自动驾驶车辆数采仿真方法第五实施例的流程示意图，如图6所示，基于第四实施例提出本发明自动驾驶车辆数采仿真方法第五实施例，在本实施例中，所述步骤s31，具体包括以下步骤：
136.步骤s311、定期对数据仓库模块进行全量索引，获得所述云数据中已归档的已归档数据。
137.需要说明的是，通过定期对数据仓库模块进行全量索引，可以获得所述云数据中标记为已归档的已归档数据。
138.步骤s312、在所述已归档数据中存在时间偏移现象时进行偏移修正。
139.应当理解的是，在所述已归档数据中存在时间偏移现象时，进行偏移修正，在实际操作中，若发现明显存在整体偏移的2d图像数据时间偏移现象，则进行人工预修正或进行机器修正，本实施例对此不加以限制。
140.步骤s313、按时间戳顺序对所述已归档数据进行逐帧检验，获得时间轴缺失的时间点，对3d点云数据进行帧间目标级位置插帧，对2d图像数据基于光流法或深度学习算法进行插帧，并对插帧后的目标数据进行坐标系统一校准，获得校准后的真值数据。
141.在具体实现中，按时间戳顺序进行逐帧检验，对于时间轴缺失的时间点，对3d点云数据进行帧间目标级位置插值，对2d图像数据基于光流法或深度学习算法进行插帧，确保时间轴内每个均匀分布的时间点均无数据缺失；对同一时间点的数据，不同传感器会产生各自的参考坐标系，分为惯性测量单元(inertial measurement unit，imu)/gnss、摄像头、雷达三大类；不同类型传感器各有不同的信号处理方式，其中摄像头与摄像头之间基于摄像头方位得出其夹角，进而得到坐标系变换关系；雷达与雷达、雷达与摄像头、雷达与imu/
gnss之间通过三维点位姿估计实现；通过上述方式完成多传感器数据的联合标定；完成联合标定的数据，由目标识别模型进行推理预测，生成结果标签；上述步骤执行完毕后，所述真值管理模块对本批次处理完成的数据及对应的目标标签标记为“已校准”，并建立索引，纳入所述数据仓库模块的管理范围。
142.本实施例通过上述方案，通过定期对数据仓库模块进行全量索引，获得所述云数据中已归档的已归档数据；在所述已归档数据中存在时间偏移现象时进行偏移修正；按时间戳顺序对所述已归档数据进行逐帧检验，获得时间轴缺失的时间点，对3d点云数据进行帧间目标级位置插帧，对2d图像数据基于光流法或深度学习算法进行插帧，并对插帧后的目标数据进行坐标系统一校准，获得校准后的真值数据，能够准确获得真值数据，提高了自动驾驶车辆数据采集的精确度，提升了自动驾驶车辆数采仿真的速度和效率。
143.相应地，本发明进一步提供一种自动驾驶车辆数采仿真装置。
144.参照图7，图7为本发明自动驾驶车辆数采仿真装置第一实施例的功能模块图。
145.本发明自动驾驶车辆数采仿真装置第一实施例中，该自动驾驶车辆数采仿真装置包括：
146.数据采集检测模块10，用于采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量。
147.数据交换模块20，用于将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据。
148.仿真模块30，用于对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景。
149.所述数据采集检测模块10，还用于采集自动驾驶车辆在道路试验运行时的车端数据；对所述车端数据进行时间同步，获得时间同步后的车载数据，并将所述车载数据存储在车载存储模块中；定期对所述车载存储模块中的存储介质进行检测，获得日新增数据的存储容量。
150.所述数据采集检测模块10，还用于以gnss模块为时间源，通过pps协议对车载数采终端进行授时；由边缘计算模块充当主时间点，通过ptp协议分别向超声波雷达群、毫米波雷达群与激光雷达群发出报文，并通过gmsl协议向摄像头群发出报文，同步相应的各传感器中的内部时钟；在各传感器执行时间同步后，对所述车端数据标记时间戳信息，获得时间同步后的车载数据，并将所述车载数据实时存储在车载存储模块中。
151.所述数据交换模块20，还用于根据所述存储容量计算剩余容量，在所述剩余容量不大于预设容量阈值时，启动数据交换功能；从车载存储模块中获取车载存储介质，从中转服务器的空闲存储区中确定清除存储数据的空白存储介质；将所述空白存储介质安装至所述车载存储模块的热插拔硬盘仓位中，将所述车端数据从所述车载存储介质复制到所述空白存储介质中，以完成数据交换；将交换后的交换数据传输至云服务器，获得云数据。
152.所述数据交换模块20，还用于将交换后的交换数据通过有线网络传输模式批量上传至云服务器，对所述云服务器中的交换数据进行清洗并校验，获得校验无误的云数据。
153.所述仿真模块30，还用于定期对数据仓库模块进行全量索引，对所述云数据中已归档数据进行检验校准，获得真值数据；根据仿真模拟模块对所述真值数据进行仿真，获得对应仿真模拟软件支持的格式的目标仿真数据；将所述目标仿真数据通过仿真模拟软件渲
染为虚拟道路场景数据，根据所述虚拟道路场景数据构建目标场景。
154.所述仿真模块30，还用于定期对数据仓库模块进行全量索引，获得所述云数据中已归档的已归档数据；在所述已归档数据中存在时间偏移现象时进行偏移修正；按时间戳顺序对所述已归档数据进行逐帧检验，获得时间轴缺失的时间点，对3d点云数据进行帧间目标级位置插帧，对2d图像数据基于光流法或深度学习算法进行插帧，并对插帧后的目标数据进行坐标系统一校准，获得校准后的真值数据。
155.其中，自动驾驶车辆数采仿真装置的各个功能模块实现的步骤可参照本发明自动驾驶车辆数采仿真方法的各个实施例，此处不再赘述。
156.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有自动驾驶车辆数采仿真程序，所述自动驾驶车辆数采仿真程序被处理器执行时实现如下操作：
157.采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；
158.将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；
159.对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景。
160.进一步地，所述自动驾驶车辆数采仿真程序被处理器执行时还实现如下操作：
161.采集自动驾驶车辆在道路试验运行时的车端数据；
162.对所述车端数据进行时间同步，获得时间同步后的车载数据，并将所述车载数据存储在车载存储模块中；
163.定期对所述车载存储模块中的存储介质进行检测，获得日新增数据的存储容量。
164.进一步地，所述自动驾驶车辆数采仿真程序被处理器执行时还实现如下操作：
165.以gnss模块为时间源，通过pps协议对车载数采终端进行授时；
166.由边缘计算模块充当主时间点，通过ptp协议分别向超声波雷达群、毫米波雷达群与激光雷达群发出报文，并通过gmsl协议向摄像头群发出报文，同步相应的各传感器中的内部时钟；
167.在各传感器执行时间同步后，对所述车端数据标记时间戳信息，获得时间同步后的车载数据，并将所述车载数据实时存储在车载存储模块中。
168.进一步地，所述自动驾驶车辆数采仿真程序被处理器执行时还实现如下操作：
169.根据所述存储容量计算剩余容量，在所述剩余容量不大于预设容量阈值时，启动数据交换功能；
170.从车载存储模块中获取车载存储介质，从中转服务器的空闲存储区中确定清除存储数据的空白存储介质；
171.将所述空白存储介质安装至所述车载存储模块的热插拔硬盘仓位中，将所述车端数据从所述车载存储介质复制到所述空白存储介质中，以完成数据交换；
172.将交换后的交换数据传输至云服务器，获得云数据。
173.进一步地，所述自动驾驶车辆数采仿真程序被处理器执行时还实现如下操作：
174.将交换后的交换数据通过有线网络传输模式批量上传至云服务器，对所述云服务器中的交换数据进行清洗并校验，获得校验无误的云数据。
175.进一步地，所述自动驾驶车辆数采仿真程序被处理器执行时还实现如下操作：
176.定期对数据仓库模块进行全量索引，对所述云数据中已归档数据进行检验校准，获得真值数据；
177.根据仿真模拟模块对所述真值数据进行仿真，获得对应仿真模拟软件支持的格式的目标仿真数据；
178.将所述目标仿真数据通过仿真模拟软件渲染为虚拟道路场景数据，根据所述虚拟道路场景数据构建目标场景。
179.进一步地，所述自动驾驶车辆数采仿真程序被处理器执行时还实现如下操作：
180.定期对数据仓库模块进行全量索引，获得所述云数据中已归档的已归档数据；
181.在所述已归档数据中存在时间偏移现象时进行偏移修正；
182.按时间戳顺序对所述已归档数据进行逐帧检验，获得时间轴缺失的时间点，对3d点云数据进行帧间目标级位置插帧，对2d图像数据基于光流法或深度学习算法进行插帧，并对插帧后的目标数据进行坐标系统一校准，获得校准后的真值数据。
183.本实施例通过上述方案，通过采集自动驾驶车辆的车端数据，对所述车端数据进行检测，获得日新增数据的存储容量；将所述车端数据与中转服务器进行数据交换，将交换后的交换数据传输至云服务器，获得云数据；对所述云数据进行真值管理获得真值数据，并对所述真值数据进行仿真获得目标仿真数据，根据所述目标仿真数据构建目标场景，能够进行海量数据集中存储，避免了多个子系统出现数据冗余；以数仓为中心支撑各个功能节点，子模块部署灵活，容灾能力强；保证各个功能模块操作具有连续性，其中大部分流程可以自动化实施，降低了自动驾驶的测试成本，提高了自动驾驶车辆数据采集的精确度，提升了自动驾驶车辆数采仿真的速度和效率。
184.需要说明的是，在本文中，术语“包括”、“包含”或者其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过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
185.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
186.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。