一种数据处理方法及装置与流程

本发明涉及智能驾驶技术领域，具体而言，涉及一种数据处理方法及装置。

背景技术：

智能驾驶道路测试是指，获得大量的路测数据，对路测数据进行分析，并且对当前测试过程中测试车辆发生的不满意驾驶行为进行记录及分析。其中，路测数据包括测试车辆在行驶过程中产生的视频数据、雷达数据、定位数据、车辆状态数据等等。路测数据是智能驾驶道路测试的基础数据。

在相关技术中，采用移动终端获取大量的路测数据并对其进行显示，以供各个测试人员查看，并由测试人员检测路测数据中的问题。同时，测试车辆还会将大量的路测数据发送至其他存储设备，以便存储起来进行后续更进一步的处理。以上对路测数据的处理方式比较繁琐，处理效率较低。

技术实现要素：

本发明提供了一种数据处理方法及装置，以简化对路测数据的处理流程，提高处理效率。具体的技术方案如下。

第一方面，本发明实施例提供了一种数据处理方法，该方法包括：

获取智能车辆中多个采集设备采集的待检测路测数据，将所述待检测路测数据存储至缓存区中；

根据预设的预警检测特征，对所述待检测路测数据进行检测，得到针对所述待检测路测数据的预警结果；

判断所述缓存区中的路测数据是否满足预设的存储条件；

如果是，则将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果存储至预设存储空间。

可选的，所述判断所述缓存区中的路测数据是否满足预设的存储条件的步骤，包括：

判断所述缓存区的剩余存储空间是否小于第一预设空间阈值；或者，

判断所述缓存区的已存储空间是否大于第二预设空间阈值；或者，

判断所述缓存区的剩余存储空间占总存储空间的比例是否小于第一预设比例阈值；或者，

判断所述缓存区的已存储空间占总存储空间的比例是否大于第二预设比例阈值。

可选的，所述待检测路测数据包括以下内容中的至少一种：

图像传感器采集的图像；超声波雷达采集的第一数据；激光雷达采集的第二数据；毫米波雷达采集的第三数据；惯性测量单元采集的第四数据；轮速计采集的第五数据；车辆控制器输出的表示车辆部件状态的第六数据以及定位设备采集的第七数据。

可选的，在所述待检测路测数据包括图像的情况下，当判定所述缓存区中的路测数据满足预设的存储条件时，所述方法还包括：

针对再次获取到的所述智能车辆中的图像传感器采集的图像，根据预设的图像压缩比，对再次获取到的图像进行压缩；

将压缩后的图像作为待检测路测数据，返回执行所述将所述待检测路测数据存储至缓存区中的步骤。

可选的，所述获取智能车辆中多个采集设备采集的待检测路测数据的步骤，包括：

获取预设时长内智能车辆中第一采集设备采集的第一初始路测数据和第二采集设备采集的第二初始路测数据；其中，所述第一采集设备采集数据的频率大于所述第二采集设备采集数据的频率；

从所述第一初始路测数据中选取所述第二初始路测数据的总数量个数据，将选取的数据与所述第二初始路测数据进行关联，将关联后的数据作为具有相同时间戳的待检测路测数据。

可选的，所述根据预设的预警检测特征，对所述待检测路测数据进行检测，得到针对所述待检测路测数据的预警结果的步骤，包括：

当所述待检测路测数据为所述图像时，将所述图像输入预先训练的预警检测模型中，由所述预警检测模型根据预先训练的模型参数确定所述图像中的第一预警结果；其中，所述预警检测网络是根据样本图像中的预警检测特征对卷积神经网络训练得到；或者，

当所述待检测路测数据为所述第一数据、所述第二数据、所述第三数据中的一种雷达数据时，根据所述雷达数据确定所述智能车辆的周围物体状态信息，将所述周围物体状态信息与第一预设阈值进行比较，根据比较结果确定针对所述雷达数据的第二预警结果；或者，

当所述待检测路测数据为所述第四数据、所述第五数据、所述第六数据、所述第七数据中的一种车辆状态数据时，将所述车辆状态数据与第二预设阈值进行比较，根据比较结果确定针对所述车辆状态数据的第三预警结果；或者，

将所述第一预警结果、所述第二预警结果和所述第三预警结果中的至少两种进行比较，根据比较结果确定针对所述待检测路测数据的第五预警结果。

可选的，所述将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果存储至预设存储空间的步骤，包括：

将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果存储至本地磁盘；或者，将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果发送至云端服务器，以使所述云端服务器存储所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果。

第二方面，本发明实施例提供了一种数据处理装置，该装置包括：

获取模块，被配置为获取智能车辆中多个采集设备采集的待检测路测数据；

第一存储模块，被配置为将所述待检测路测数据存储至缓存区中；

检测模块，被配置为根据预设的预警检测特征，对所述待检测路测数据进行检测，得到针对所述待检测路测数据的预警结果；

判断模块，被配置为判断所述缓存区中的路测数据是否满足预设的存储条件；

第二存储模块，被配置为当判定所述缓存区中的路测数据是否满足预设的存储条件时，将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果存储至预设存储空间。

可选的，所述判断模块具体被配置为：

判断所述缓存区的剩余存储空间是否小于第一预设空间阈值；或者，

判断所述缓存区的已存储空间是否大于第二预设空间阈值；或者，

判断所述缓存区的剩余存储空间占总存储空间的比例是否小于第一预设比例阈值；或者，

判断所述缓存区的已存储空间占总存储空间的比例是否大于第二预设比例阈值。

可选的，所述待检测路测数据包括以下内容中的至少一种：

图像传感器采集的图像；超声波雷达采集的第一数据；激光雷达采集的第二数据；毫米波雷达采集的第三数据；惯性测量单元采集的第四数据；轮速计采集的第五数据；车辆控制器输出的表示车辆部件状态的第六数据以及定位设备采集的第七数据。

可选的，所述装置还包括：

压缩模块，被配置为在所述待检测路测数据包括图像的情况下，当判定所述缓存区中的路测数据满足预设的存储条件时，针对再次获取到的所述智能车辆中的图像传感器采集的图像，根据预设的图像压缩比，对再次获取到的图像进行压缩；将压缩后的图像作为待检测路测数据，返回执行所述第一存储模块。

可选的，所述获取模块，具体被配置为：

获取预设时长内智能车辆中第一采集设备采集的第一初始路测数据和第二采集设备采集的第二初始路测数据；其中，所述第一采集设备采集数据的频率大于所述第二采集设备采集数据的频率；

从所述第一初始路测数据中选取所述第二初始路测数据的总数量个数据，将选取的数据与所述第二初始路测数据进行关联，将关联后的数据作为具有相同时间戳的待检测路测数据。

可选的，所述检测模块，具体被配置为：

当所述待检测路测数据为所述图像时，将所述图像输入预先训练的预警检测模型中，由所述预警检测模型根据预先训练的模型参数确定所述图像中的第一预警结果；其中，所述预警检测网络是根据样本图像中的预警检测特征对卷积神经网络训练得到；或者，

当所述待检测路测数据为所述第一数据、所述第二数据、所述第三数据中的一种雷达数据时，根据所述雷达数据确定所述智能车辆的周围物体状态信息，将所述周围物体状态信息与第一预设阈值进行比较，根据比较结果确定针对所述雷达数据的第二预警结果；或者，

当所述待检测路测数据为所述第四数据、所述第五数据、所述第六数据、所述第七数据中的一种车辆状态数据时，将所述车辆状态数据与第二预设阈值进行比较，根据比较结果确定针对所述车辆状态数据的第三预警结果；或者，

将所述第一预警结果、所述第二预警结果和所述第三预警结果中的至少两种进行比较，根据比较结果确定针对所述待检测路测数据的第五预警结果。

可选的，所述第二存储模块，具体被配置为：

当判定所述缓存区中的路测数据是否满足预设的存储条件时，将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果存储至本地磁盘；或者，将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果发送至云端服务器，以使所述云端服务器存储所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果。

由上述内容可知，本发明实施例提供的一种数据处理方法及装置，可以获取待检测路测数据，将待检测路测数据存储至缓存区中，根据预设的预警检测特征，对待检测路测数据进行检测，得到针对待检测路测数据的预警结果，并在缓存区中的路测数据满足预设的存储条件时，将缓存区中的路测数据以及对应的预警结果存储至预设存储空间。这样就实现了在一次处理过程中将数据采集、数据预警检测以及数据存储三个环节均进行实施，避免数据预警检测和数据存储分开由不同主体实施、在不同时段进行时的繁琐流程；同时，相比于多个测试人员采用查看的方式检测路测数据中的问题，采用机器对路测数据进行预警检测能够节省人力，提高处理效率。因此，本发明实施例能够简化对路测数据的处理流程，提高处理效率。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

本发明实施例的创新点包括：

1、将数据采集、数据预警检测以及数据存储三个环节在一个主体中实施完成，能够简化处理流程，提高效率。采用处理能力较强的设备对路测数据进行预警检测，代替测试人员人工检测路测数据中的问题，能够提高处理效率。

2、在存储过程中，当缓存剩余空间较小时，针对再次接收的图像进行压缩处理，以减少数据量，避免缓存被占满时发生数据丢失，保证数据安全性。

3、当各个采集设备的采集频率不同时，针对数据个数不同的各个采集设备的路测数据，可以根据采集频率较低的路测数据的数量，从采集频率较高的路测数据中选取部分路测数据，并进行关联，以实现各个不同采集设备的路测数据之间的一致性处理，这样能够使得在对路测数据进行预警检测时处理更方便实施，准确性更高。

附图说明

为了更清楚地说明本发明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介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例。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他的附图。

图1为本发明实施例提供的数据处理方法的一种流程示意图；

图2为图1中步骤s110的一种流程示意图；

图3(1)为本发明实施例提供的服务器与智能车辆之间传输数据的一种示意图；

图3(2)为本发明实施例提供的服务器内部各个程序对路测数据的处理流程示意图；

图4为本发明实施例提供的数据处理装置的一种结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

当智能车辆在测试状态下或者在非测试状态下上路行驶时，均会产生大量路测数据，这些路测数据包括智能车辆上装载的各种传感器采集的数据，以及车辆油门、刹车、方向盘等部件的状态数据。这些数据对于后期的分析、评估、测试都有很重要的意义。

本发明实施例公开了一种数据处理方法及装置，能够简化对路测数据的处理流程，提高处理效率。下面对本发明实施例进行详细说明。

图1为本发明实施例提供的数据处理方法的一种流程示意图。该方法应用于电子设备，该电子设备可以为具有较强计算处理能力的设备，例如服务器等。该电子设备可以位于智能车辆之外的地方，也可以位于智能车辆上，这些都是可行的。该方法具体包括以下步骤s110～s140。

s110：获取智能车辆中多个采集设备采集的待检测路测数据，将待检测路测数据存储至缓存区中。

其中，智能车辆可以为用于智能驾驶道路测试时的测试车辆，也可以为非测试状态下的智能驾驶车辆。智能车辆中的采集设备可以包括图像传感器、超声波雷达、激光雷达、毫米波雷达、惯性测量单元(inertialmeasurementunit，imu)、轮速计、车辆控制器和定位设备等。其中，定位设备可以为全球定位系统(globalpositioningsystem，gps)或北斗卫星导航系统(beidounavigationsatellitesystem，bds)等。

待检测路测数据包括以下内容中的至少一种：图像传感器采集的图像；超声波雷达采集的第一数据；激光雷达采集的第二数据；毫米波雷达采集的第三数据；惯性测量单元采集的第四数据；轮速计采集的第五数据以及车辆控制器输出的表示车辆部件状态的第六数据；定位设备采集的第七数据。其中，车辆部件可以包括方向盘、油门、刹车、雨刷、车灯等。第六数据可以包括：对智能车辆进行智能驾驶控制时的控制参数和智能车辆在智能驾驶控制下实际反馈的车辆状态数据。例如，控制参数可以包括车辆的方向盘控制量、油门控制量等。实际反馈的车辆状态数据包括方向盘的实际改变量、油门的实际改变量等。

路测数据为智能车辆在道路上行驶时各个采集设备产生的数据。智能车辆中的各个采集设备可以按照预设的时间周期，将采集的数据发送至电子设备。电子设备可以直接接收采集设备发送的待检测路测数据。采集设备与电子设备可以通过以太网传输数据。

缓存区为电子设备中的缓存区。当电子设备接收到待检测路测数据时，可以将接收的待检测路测数据直接存储在缓存区中。

s120：根据预设的预警检测特征，对待检测路测数据进行检测，得到针对待检测路测数据的预警结果。

其中，预警检测特征包括针对各种路测数据的预警检测特征，例如，针对图像的图像预警检测特征，针对超声波雷达数据的超声波雷达预警检测特征，针对激光雷达数据的激光雷达预警检测特征，针对毫米波雷达的毫米波雷达预警检测特征，针对惯性测量单元的惯性测量预警检测特征，针对轮速计的轮速预警检测特征，针对车辆部件状态的车辆部件预警检测特征，以及针对定位设备的定位预警检测特征，等等。

例如，图像预警检测特征可以包括表示周围物体与智能车辆距离过近的图像特征，周围物体包括周围车辆、周围交通设施、周围的人等情况。超声波雷达预警检测特征、激光雷达预警检测特征和毫米波雷达预警检测特征，可以包括表示周围障碍物与智能车辆距离过近的图像特征等。惯性测量预警检测特征，可以包括表示智能车辆的惯性测量量超出正常范围的特征。轮速预警检测特征，可以包括表示智能车辆的轮速超出正常范围的特征。车辆部件预警检测特征，可以包括表示智能车辆的部件状态数据超出正常范围的特征。定位预警检测特征，可以包括表示智能车辆的定位位置超出预设范围的特征。

在对待检测路测数据进行检测时，可以根据预设的每种预警检测特征，分别对每种待检测路测数据进行检测，得到针对该种待检测路测数据的预警结果。也可以在分别得到每种待检测路测数据的预警结果时，结合每种待检测路测数据的预警结果，得到综合预警结果。

预警结果可以包括存在预警内容和不存在预警内容两种情况。当存储预警内容时，预警结果还可以包括具体的预警内容。预警结果可以采用文件的形式存储在缓存区中。该文件可以为电子表格(excel)文件或其他文件等。

s130：判断缓存区中的路测数据是否满足预设的存储条件，如果是，则执行步骤s140。如果否，则可以不予以处理。

缓存区中的路测数据包含上述待检测路测数据，也可以包含在所述待检测路测数据之前存储至该缓存区中的路测数据。当缓存区中的路测数据满足预设的存储条件时，认为缓存区中的数据量已经足够多，可以将缓存区中的路测数据存储至预设存储空间。实施本步骤的判断过程可以间隔性地将缓存区中的数据存储至预设存储空间，避免频繁存储造成资源浪费。

本步骤具体可以包括以下实施方式：

判断缓存区的剩余存储空间是否小于第一预设空间阈值；或者，判断缓存区的已存储空间是否大于第二预设空间阈值；或者，判断缓存区的剩余存储空间占总存储空间的比例是否小于第一预设比例阈值；或者，判断缓存区的已存储空间占总存储空间的比例是否大于第二预设比例阈值。

其中，第一预设空间阈值和第二预设空间阈值均为预先设置，第一预设空间阈值小于第二预设空间阈值。第一预设比例阈值和第二预设比例阈值均为预先设置，第一预设比例阈值小于第二预设比例阈值。上述第一预设空间阈值和第二预设空间阈值，以及第一预设比例阈值和第二预设比例阈值，均可以为根据实际的存储经验确定的值。

s140：将缓存区中包含待检测路测数据的路测数据以及对应的预警结果存储至预设存储空间。

其中，预设存储空间可以为电子设备的本地磁盘，也可以为云端服务器，也可以是两者结合。例如，根据预设存储规则，将缓存区中的第一路测数据以及对应的预警结果存储至本地磁盘，将缓存区中的第二路测数据存储至云端服务器。预设存储规则可以为根据预警结果制定的规则，例如，将预警结果表示不存在预警内容的路测数据作为第一路测数据，将预警结果表示存在预警内容的路测数据作为第二路测数据。

本步骤具体可以包括：将缓存区中包含待检测路测数据的路测数据以及对应的预警结果存储至本地磁盘；或者，将缓存区中包含待检测路测数据的路测数据以及对应的预警结果发送至云端服务器，以使云端服务器存储缓存区中包含待检测路测数据的路测数据以及对应的预警结果。

由上述内容可知，本实施例可以获取待检测路测数据，将待检测路测数据存储至缓存区中，根据预设的预警检测特征，对待检测路测数据进行检测，得到针对待检测路测数据的预警结果，并在缓存区中的路测数据满足预设的存储条件时，将缓存区中的路测数据以及对应的预警结果存储至预设存储空间。这样就实现了在一次处理过程中将数据采集、数据预警检测以及数据存储三个环节均进行实施，避免数据预警检测和数据存储分开由不同主体实施、在不同时段进行时的繁琐流程；同时，相比于多个测试人员采用查看的方式检测路测数据中的问题，采用机器对路测数据进行预警检测能够节省人力，提高处理效率。因此，本实施例能够简化对路测数据的处理流程，提高处理效率。

在本发明的另一实施例中，图1所示实施例中，在待检测路测数据包括图像的情况下，当判定缓存区中的路测数据满足预设的存储条件时，该方法还包括以下步骤1a和2a。

步骤1a：针对再次获取到的智能车辆中的图像传感器采集的图像，根据预设的图像压缩比，对再次获取到的图像进行压缩。

由于各个采集设备采集的待检测路测数据中，图像的数据量比较大，为了避免缓存区存满时导致缓存区中数据丢失，可以对再次获取到的图像进行压缩，以减少数据量，为将缓存区中的路测数据以及对应的预警结果存储至预设存储空间赢取时间。

图像压缩比可以为根据经验值预先确定的。例如，再次获取到的图像的分辨率为1024px*768px，图像压缩比中包含的目标分辨率为800px*600px，则可以将再次获取到的图像压缩到分辨率为800px*600px。这样能够减少图像的数据量。

步骤2a：将压缩后的图像作为待检测路测数据，返回执行步骤s110中将待检测路测数据存储至缓存区中的步骤。

在判定缓存区中的路测数据满足预设的存储条件的情况下，当再次获取到的待检测路测数据包括图像之外的其他数据时，可以将压缩后的图像和其他数据均作为待检测路测数据，返回执行步骤s110中将待检测路测数据存储至缓存区中的步骤。

步骤s130，判断缓存区中的路测数据是否满足预设的存储条件的步骤，可以是周期性执行的。当将缓存区的路测数据存储至预设存储空间之后，即判定缓存区中的路测数据不满足预设的存储条件时，当再次获取到的智能车辆中的图像传感器采集的图像时，可以不对该图像进行压缩，直接将该图像存储至缓存区即可。

综上，本实施例中可以对缓存区的存储空间进行实时监控，当缓存区剩余空间较小时，对再次获取的图像进行压缩，能够减少数据量，避免缓存区被占满时发送数据丢失，保证数据安全。

在本发明的另一实施例中，图1所示实施例中，步骤s110，获取智能车辆中多个采集设备采集的待检测路测数据的步骤，可以采用图2所述的流程示意图，具体包括：

步骤s110a：获取预设时长内智能车辆中第一采集设备采集的第一初始路测数据和第二采集设备采集的第二初始路测数据。

其中，第一采集设备采集数据的频率大于第二采集设备采集数据的频率。预设时长可以为根据经验设定的预设值，例如可以为1s或其他值。当第一采集设备采集数据的频率大于第二采集设备采集数据的频率时，在预设时长内采集得到的第一初始路测数据的数据大于第二初始路测数据的数量。

假设，第一采集设备为毫米波雷达，其采集频率为每秒钟10个数据，第二采集设备为图像传感器，其采集频率为每秒钟1个图像。

为了得到同步性较高的各类传感器数据，也为了便于后续对路测数据进行检测时更方便，需要对第一初始路测数据和第二初始路测数据进行同步。

步骤s110b：从第一初始路测数据中选取第二初始路测数据的总数量个数据，将选取的数据与第二初始路测数据进行关联，将关联后的数据作为具有相同时间戳的待检测路测数据。

本步骤中，以采集频率较低的采集设备在预设时长内得到的数据的总数量为基准，从采集频率较高的采集设备在预设时长内得到的数据中选取部分数据，使得两种数据的数量一致，并对两种数据进行关联，即实现了对数据的同步。

在从第一初始路测数据中选取第二初始路测数据的总数量个数据时，可以从第一初始路测数据中选取采集时刻最晚的第二初始路测数据的总数量个数据。在选取出数据之后，还可以将选取出的数据的时间戳更新为第二初始路测数据的时间戳，这样能够实现时间戳的一致。

例如，在1s时长内，图像传感器采集了1个图像，该图像的时间戳为秒级别。毫米波雷达在1s内采集了10个雷达数据，该10个雷达数据的时间戳为毫秒级别。从10雷达数据中选取采集时刻最晚的1个雷达数据，将该雷达数据的时间戳更新为图像的时间戳，并将该雷达数据与图像进行关联，即得到一组同时刻采集的数据。

在另一种实施方式中，当智能车辆中还包括第三采集设备时，即获取的预设时长内的数据还包括第三采集设备采集的第三初始路测数据时，第三采集设备采集数据的频率大于第二采集设备采集数据的频率，即第二采集设备采集数据的频率为最小。在这种情况下，从第三初始路测数据中选取第二初始路测数据的总数量个数据，将选取的数据与第二初始路测数据进行关联，将关联后的数据作为具有相同时间戳的待检测路测数据。

在另一实施方式中，可以将第一初始路测数据中选取后剩余的数据存储至本地磁盘或云端服务器，以便后续需要时能够从本地磁盘或云端服务器获取到。

综上，本实施例中，当各个采集设备的采集频率不同时，针对数据个数不同的各个采集设备的路测数据，可以根据采集频率较低的路测数据的数量，从采集频率较高的路测数据中选取部分路测数据，并进行关联，以实现各个不同采集设备的路测数据之间的一致性和同步性处理，这样能够使得在对路测数据进行预警检测时处理更方便实施，准确性更高。

在本发明的另一实施例中，图1所示实施例中，步骤s120，根据预设的预警检测特征，对待检测路测数据进行检测，得到针对待检测路测数据的预警结果的步骤，具体可以包括以下实施方式。

当待检测路测数据为图像时，可以将图像输入预先训练的预警检测模型中，由预警检测模型根据预先训练的模型参数确定该图像中的第一预警结果。其中，预警检测网络是根据样本图像中的预警检测特征对卷积神经网络训练得到。

具体在训练模型时，可以对样本图像中的预警区域和预警结果进行标注。当预警检测网络训练完成时，该预警检测网络能够使得样本图像与标注内容进行关联。第一预警结果可以包括诸如检测图像中前车过近、有行人或者停车位置不当等内容。

或者，当待检测路测数据为第一数据、第二数据、第三数据中的一种雷达数据时，根据雷达数据确定智能车辆的周围物体状态信息，将周围物体状态信息与第一预设阈值进行比较，根据比较结果确定针对雷达数据的第二预警结果。

其中，上述周围物体可以包括周围车辆、周围建筑、周围的人等中的一种或多种。周围物体状态信息包括速度、距离等信息。第一预设阈值可以理解为预设的速度、距离等。第二预警结果可以包括周围物体的速度过大或过小，周围物体距离智能车辆过近等。

根据雷达数据确定智能车辆的周围物体状态信息，可以包括根据雷达数据确定智能车辆的周围物体的速度和/或距离等信息。其具体实施方式可以参考相关技术，此处不再赘述。

第一数据、第二数据和第三数据均可以称为雷达数据，均可以适用于上述确定第二预警结果的实施方式。

或者，当待检测路测数据为第四数据、第五数据、第六数据、第七数据中的一种车辆状态数据时，将车辆状态数据与第二预设阈值进行比较，根据比较结果确定针对车辆状态数据的第三预警结果。

其中，车辆状态数据包括车辆的速度、加速度、角速度、车辆轮子转速、方向盘角度、油门大小、刹车大小、雨刷速度、车辆的定位位置等中的一种或多种。第二预设阈值可以为预设数值或预设数值范围。第三预警结果可以包括车辆状态数据超出第二预设阈值的结果。

或者，将第一预警结果、第二预警结果和第三预警结果中的至少两种进行比较，根据比较结果确定针对待检测路测数据的第五预警结果。

例如，将第一预警结果与第二预警结果进行比较，查看第一预警结果与第二预警结果的内容是否一致，如果不一致，则得到检测结果不一致的第五预警结果。这可以说明雷达设备可能存在问题等情况。

下面结合具体实例来说明本发明实施例。

图3(1)为本发明实施例提供的服务器和智能车辆之间传输数据的一种示意图。智能车辆中安装有相机0～相机9共10个相机，以及其他传感器。其他传感器包括毫米波雷达(radar)、轮速计、imu和激光雷达(lidar)。智能车辆可以向服务器发送相机0～相机9采集的图像，发送其他传感器采集的数据，以及对智能车辆进行智能驾驶控制时的控制参数和控制器局域网络总线(controllerareanetwork，can)0～can8等各路can信号数据，各路can信号可以理解为智能车辆在智能驾驶控制下实际反馈的车辆状态数据。其中，服务器通过以太网接收智能车辆中的各个采集设备发送的信号。

服务器内部可以包括主控程序、图像压缩程序、缓存监控程序和预警检测程序。服务器内部各个程序对路测数据的处理流程可以参见图3(2)所示。其中，主控程序接收智能车辆中各个采集设备发送的路测数据，缓存监控程序实时地检测服务器的缓存占用情况。当缓存区的已存储空间不大于第二预设空间阈值时，主控程序将路测数据存储至缓存中。当缓存区的已存储空间大于第二预设空间阈值时，图像压缩程序对再次接收的路测数据中的图像进行压缩，以尽可能避免出现缓存区被占满、信息丢失的问题。主控程序将压缩后的图像也存储至缓存区中。

当路测数据存储至缓存区时，预警检测程序可以对路测数据进行预警检测，得到预警结果，并将预警结果存储至缓存区。

同时，当缓存监控程序检测到缓存区的已存储空间已大于第二预设空间阈值时，主控程序会将缓存区中的路测数据以及对应的预警结果存储至本地磁盘。

智能车辆中其他传感器采集的数据，可以是其他服务器发送至该服务器的。其他服务器为该服务器之外的服务器。其他服务器直接接收智能车辆中其他传感器采集的数据，并去除非正常数据，将处理后的数据发送至该服务器。该服务器接收其他服务器发送的其他传感器采集的数据。

图4为本发明实施例提供的数据处理装置的一种结构示意图。该装置包括：

获取模块410，被配置为获取智能车辆中多个采集设备采集的待检测路测数据；

第一存储模块420，被配置为将所述待检测路测数据存储至缓存区中；

检测模块430，被配置为根据预设的预警检测特征，对所述待检测路测数据进行检测，得到针对所述待检测路测数据的预警结果；

判断模块440，被配置为判断所述缓存区中的路测数据是否满足预设的存储条件；

第二存储模块450，被配置为当判定所述缓存区中的路测数据是否满足预设的存储条件时，将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果存储至预设存储空间。

在本发明的另一实施例中，图4所示实施例中，判断模块440具体被配置为：

判断所述缓存区的剩余存储空间是否小于第一预设空间阈值；或者，

判断所述缓存区的已存储空间是否大于第二预设空间阈值；或者，

判断所述缓存区的剩余存储空间占总存储空间的比例是否小于第一预设比例阈值；或者，

判断所述缓存区的已存储空间占总存储空间的比例是否大于第二预设比例阈值。

在本发明的另一实施例中，图4所示实施例中，待检测路测数据包括以下内容中的至少一种：

图像传感器采集的图像；超声波雷达采集的第一数据；激光雷达采集的第二数据；毫米波雷达采集的第三数据；惯性测量单元采集的第四数据；轮速计采集的第五数据；车辆控制器输出的表示车辆部件状态的第六数据以及定位设备采集的第七数据。

在本发明的另一实施例中，图4所示实施例中，该装置还包括：

压缩模块(图中未示出)，被配置为在所述待检测路测数据包括图像的情况下，当判定所述缓存区中的路测数据满足预设的存储条件时，针对再次获取到的所述智能车辆中的图像传感器采集的图像，根据预设的图像压缩比，对再次获取到的图像进行压缩；将压缩后的图像作为待检测路测数据，返回执行所述第一存储模块。

在本发明的另一实施例中，图4所示实施例中，获取模块410具体被配置为：

获取预设时长内智能车辆中第一采集设备采集的第一初始路测数据和第二采集设备采集的第二初始路测数据；其中，所述第一采集设备采集数据的频率大于所述第二采集设备采集数据的频率；

从所述第一初始路测数据中选取所述第二初始路测数据的总数量个数据，将选取的数据与所述第二初始路测数据进行关联，将关联后的数据作为具有相同时间戳的待检测路测数据。

在本发明的另一实施例中，图4所示实施例中，检测模块430具体被配置为：

当所述待检测路测数据为所述图像时，将所述图像输入预先训练的预警检测模型中，由所述预警检测模型根据预先训练的模型参数确定所述图像中的第一预警结果；其中，所述预警检测网络是根据样本图像中的预警检测特征对卷积神经网络训练得到；或者，

当所述待检测路测数据为所述第一数据、所述第二数据、所述第三数据中的一种雷达数据时，根据所述雷达数据确定所述智能车辆的周围物体状态信息，将所述周围物体状态信息与第一预设阈值进行比较，根据比较结果确定针对所述雷达数据的第二预警结果；或者，

当所述待检测路测数据为所述第四数据、所述第五数据、所述第六数据、第七数据中的一种车辆状态数据时，将所述车辆状态数据与第二预设阈值进行比较，根据比较结果确定针对所述车辆状态数据的第三预警结果；或者，

将所述第一预警结果、所述第二预警结果和所述第三预警结果中的至少两种进行比较，根据比较结果确定针对所述待检测路测数据的第五预警结果。

在本发明的另一实施例中，图4所示实施例中，第二存储模块450具体被配置为：

当判定所述缓存区中的路测数据是否满足预设的存储条件时，将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果存储至本地磁盘；或者，将所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果发送至云端服务器，以使所述云端服务器存储所述缓存区中包含所述待检测路测数据的路测数据以及对应的预警结果。

上述装置实施例与方法实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。装置实施例是基于方法实施例得到的，具体的说明可以参见方法实施例部分，此处不再赘述。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。