车辆数据的处理方法、装置、车辆以及云端与流程

1.本技术涉及车辆控制技术领域，更具体地，涉及一种车辆数据的处理方法、装置、车辆以及云端。


背景技术：

2.车联网属于物联网的一种，是指按照一定的通信协议和数据交互标准，在“人-车-路-云”之间进行信息交换的网络，即首先实现汽车智能网联化，再利用各种传感技术，感知车辆状态信息，并借助无线通信网络与大数据分析技术实现交通的智能化管理。
3.数据是车联网中的关键部分，智能网联汽车的数据包括行车数据、用户数据、环境数据、生态数据和产业链数据等。其中，行车数据是车辆在运行过程中产生、采集、回传的数据，主要是通过车辆的can(controller area network，控制器局域网络)总线传输该行车数据至tbox，由tbox将行车数据发送至云端。
4.当前基于can总线的行车数据上传方案中，行车数据中每个对象(对象主要是车辆传感器或控制器等状态)的信号需要定义消息长度和起止位置，而在自动驾驶过程中，感知或决策的数据常常是长度不固定的数据，因此，采用该固定消息长度和起始位置的手段难以准确的描述行车数据。


技术实现要素：

5.有鉴于此，本技术提出了一种车辆数据的处理方法、装置、车辆以及云端，以解决上述问题。
6.第一方面，本技术实施例提供了一种车辆数据的处理方法，方法包括：获取目标车辆对应的感知轨迹数据以及预测轨迹数据，预测轨迹数据是通过车辆轨迹预测模型对目标车辆的行车数据处理后获得；从预测轨迹数据中获取每个障碍物的预测数据；从感知轨迹数据中获取每个障碍物的感知数据；根据每个障碍物对应的预测数据以及感知数据，得到针对车辆轨迹预测模型的预测评价指标；根据预测评价指标，得到针对车辆数据的处理结果。
7.第二方面，本技术实施例提供了一种车辆数据的处理装置，装置包括：第一获取模块，用于获取目标车辆对应的感知轨迹数据以及预测轨迹数据，预测轨迹数据是通过车辆轨迹预测模型对目标车辆的行车数据处理后获得；第二获取模块，用于从预测轨迹数据中获取每个障碍物的预测数据；第三获取模块，用于从感知轨迹数据中获取每个障碍物的感知数据；指标获得模块，用于根据每个障碍物对应的预测数据以及感知数据，得到针对电子设备轨迹预测模型的预测评价指标；结果获得模块，用于根据预测评价指标，得到针对电子设备轨迹预测模型的评估结果。
8.第三方面，本技术实施例提供了一种电子设备，电子设备包括：
9.一个或多个处理器；
10.存储器；
11.一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行上述第一方面的方法。
12.本技术实施例提供一种车辆数据的处理方法、装置、车辆以及云端，在本技术中直接根据每个所述目标类别下的对象的描述信息，生成每个所述目标类别的结构体数据，并对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据，并不需要限定每个对象的信号的消息长度和起止位置，使得可以根据实际获取到的每个所述目标类别下的对象的描述信息，灵活的生成结构体数据，降低了限定消息长度和起止位置导致的数据不准确的情况发生，提高了行车数据的准确度。
13.本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
14.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例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的一些实施例，对于本领域技术人员来讲，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。
15.图1示出了根据本技术一个实施例提出的一种应用场景的示意图。
16.图2示出了根据本技术一个实施例提出的一种车辆数据的处理方法流程图。
17.图3示出了根据本技术又一个实施例提出的一种车辆数据的处理方法流程图。
18.图4示出了根据本技术再一个实施例提出的一种车辆数据的处理方法流程图。
19.图5示出了根据本技术再一个实施例提出的一种车辆数据的处理方法流程图。
20.图6示出了本技术实施例中一种行车数据的处理流程示意图。
21.图7示出了本技术一个实施例提出的一种车辆数据的处理装置的结构框图。
22.图8示出了本技术一个实施例提出的又一种车辆数据的处理装置的结构框图
23.图9示出了本技术实施例提供的一种车辆的结构框图。
24.图10示出了本技术实施例提供的一种云端的结构框图。
25.图11示出了本技术实施例提供的一种计算机可读存储介质的结构框图。
具体实施方式
26.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.如图1所示，本技术实施例所适用的应用场景包括车辆10和云端20，车辆10和云端20通过有线网络或者无线网络通信连接。车辆10可以是具有自动驾驶功能的轿车、客车、suv以及货车等。
28.云端20可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
29.其中，车辆10可以采集行车数据，并对行车数据进行处理，得到序列化行车数据，
并将序列化行车数据发送至云端，由云端20将序列化行车数据存储，得到存储行车数据。
30.云端20还可以对存储行车数据进行解析，得到原来的行车数据，以便于用户或云端20对行车数据进行分析或管理。
31.参照图2，图2示出了根据本技术一个实施例提出的一种车辆数据的处理方法流程图，方法用于车辆，方法包括：
32.s110、获取车辆在行车过程中的行车数据，行车数据包括至少一个目标类别下的对象的描述信息。
33.在本技术中，行车数据可以是指车辆在自动驾驶过程中或手动驾驶过程中，通过车辆中的各个传感器采集到的数据，目标类别可以是包括障碍物、行人、路径、车辆状态、红绿灯、车道信息中的一个或多个，每个目标类别下的对象的描述信息包括该目标类别下的至少一个对象的描述信息，其中，路径可以是指车辆正在行驶的道路名称或编号等。
34.例如，目标类别包括行人和障碍物，共对应3个行人和2个障碍物，行车数据可以指该三个行人各自对应的描述信息以及该两个障碍物各自对应的描述信息。
35.其中，不同目标类别的对象的描述信息所包括的主要内容可以不同，例如，障碍物的描述信息可以包括障碍物的id、类型(类型可以包括主类型和子类型)以及位置(可以是三维坐标的形式)，行人的描述信息可以包括行人的id、类型以及位置(可以是三维坐标的形式)。
36.s120、根据每个目标类别下的对象的描述信息，生成每个目标类别的结构体数据。
37.针对每个目标类别，根据该目标类别下的全部对象的描述信息，得到该目标类别的结构体数据。因为一个目标类别的对象可能包括多个，可以根据protobuf的规则，定义目标类别下的对象的描述信息为repeated类，即可以出现一次或多次。
38.[0039][0040]
在该结构体数据中，示出了障碍物的描述信息，每个障碍物的描述信息(可选)包括id、主类型(maintype)、子类型(subtype)以及位置(坐标xyz)、速度(velx、vely)、角度(yawang)、角速度(yawrate)、长宽高(length、width、width)、移动状态(movingst)、灯状态(lampst)、颜色(color)。
[0041]
s130、对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。
[0042]
得到每个目标类别的结构体数据之后，可以根据各个目标类别的结构体数据得到最终结构体数据，在对最终结构体数据进行序列化，将最终结构体数据序列化为二进制数据，得到序列化行车数据。
[0043]
因为每个目标类别的数据可能来自不同的节点，不同的数据采集周期内，目标类别的数据可能并不会更新，因此定义目标类别为可选消息optional。
[0044]
例如，目标类别包括障碍物、行人、路径、车辆状态、红绿灯、车道线、车道、道路、停止线、道路标志，最终结构体数据可以如下：
[0045][0046]
其中，最终结构体数据中定义障碍物消息ipc_obj、行人消息ipc_ped、路径消息ipc_path、车辆状态消息ipc_vs、红绿灯消息ipc_tfl、车道线消息ipc_ll、车道消息ipc_lane、道路消息ipc_road、停止线消息ipc_sl、道路标志消息ipc_lm。
[0047]
本实施例中，直接根据每个目标类别下的对象的描述信息，生成每个目标类别的结构体数据，并对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据，并不需要限定每个对象的信号的消息长度和起止位置，使得可以根据实际获取到的每个目标类别下的对象的描述信息，灵活的生成结构体数据，降低了限定消息长度和起止位置导致的数据不准确的情况发生，提高了行车数据的准确度。
[0048]
参照图3，图3示出了根据本技术又一个实施例提出的一种车辆数据的处理方法流程图，方法用于车辆，方法包括：
[0049]
s210、获取车辆在行车过程中的行车数据，行车数据包括至少一个目标类别下的对象的描述信息。
[0050]
s220、根据每个目标类别下的对象的描述信息，生成每个目标类别的结构体数据。
[0051]
其中，s210-s220的描述参照上文s110-s120的描述，此处不再赘述。
[0052]
s230、获取采集行车数据的时间信息，作为目标时间信息。
[0053]
目标时间信息可以是时间戳的方式被记录。行车数据可以是按照一定采集周期采集的，每次采集行车数据时，即获取当前时间作为目标时间信息。
[0054]
s240、对目标时间信息以及至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。
[0055]
得到目标时间信息以及至少一个目标类别的结构体数据之后，可以根据标时间信息以及各个目标类别的结构体数据，得到最终结构体数据，最终结构体数据包括各个目标类别的结构体数据以及时间戳，再对最终结构体数据进行序列化，得到序列化行车数据。
[0056]
通过行车数据的时间戳(timestamp)，对采集的行车数据添加时间戳，方便对行车数据进行解析后，排查延迟、丢包等情况。
[0057]
作为一种实施方式，s240可以包括：根据目标时间信息以及至少一个目标类别的结构体数据，生成目标格式的数据文件；对数据文件进行序列化，得到序列化行车数据。
[0058]
在本技术中，目标格式可以是指idl(interactive data language，交互式数据语言)，也即，得到的最终结构体数据存储在idl文件中，然后在对idl文件中的最终结构体数据进行序列化，得到序列化行车数据。
[0059]
在本技术中，对结构体数据添加时间戳，便于根据时间戳确定结构体数据的获取时间，从而便于根据获取时间确定行车数据的延迟、丢包等情况，提高了行车数据的分析效率和准确性。
[0060]
参照图4，图4示出了根据本技术再一个实施例提出的一种车辆数据的处理方法流程图，方法用于车辆，方法包括：
[0061]
s310、获取车辆在行车过程中的行车数据，行车数据包括至少一个目标类别下的对象的描述信息。
[0062]
s320、根据每个目标类别下的对象的描述信息，生成每个目标类别的结构体数据。
[0063]
s330、对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。
[0064]
其中，s310-s330的描述参照上文s110-s130的描述，此处不再赘述。
[0065]
s340、通过消息队列遥测传输协议，将序列化行车数据发送至云端，以使云端将序列化行车数据存储于预置存储系统，得到存储行车数据。
[0066]
在本实施例中，车辆采集到行车数据后，对行车数据进行处理的，得到序列化行车数据，然后将序列化行车数据发送至tbox(或vbox)，由tbox(或vbox)通过消息队列遥测传输协议(mqtt)将序列化行车数据以报文的形式发送至mqtt-broker，再由mqtt-broker根据规则引擎将包括序列化行车数据的报文桥接至云端中的kafka(kafka是由apache软件基金会开发的一个开源流处理平台，由scala和java编写，kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据)，由kafka将包括序列化行车数据的报文存储于对应车辆的目录中，得到包括序列化行车数据的报文，作为存储行车数据。
[0067]
传输的序列化行车数据可以是pb数据类型的数据，也即，通过消息队列遥测传输协议，将pb数据类型的序列化行车数据发送至云端的kafka。
[0068]
在本实施例中，通过消息队列遥测传输协议发送序列化行车数据，并不需要通过can总线的方式进行传输，避免了带宽限制导致的can总线传输效率过低的情况发生，提高了序列化行车数据的发送效率。
[0069]
参照图5，图5示出了根据本技术再一个实施例提出的一种车辆数据的处理方法流程图，方法用于云端，方法包括：
[0070]
s410、从预置存储系统获取存储车辆数据，存储车辆数据是根据车辆发送的序列化行车数据获得的，序列化行车数据是对至少一个目标类别的结构体数据进行序列化之后
获得，每个目标类别的结构体数据是根据每个目标类别下的对象的描述信息获得，每个目标类别下的对象的描述信息是车辆在行车过程中获取的。
[0071]
其中，s410的描述参照上文s310-s340的描述，此处不再赘述。
[0072]
需要说明的是，可以是从云端的kafka中获取对应的存储车辆数据，以便于进行后续解析步骤。
[0073]
s420、根据存储车辆数据的字段名称，在存储车辆数据中获取序列化行车数据。
[0074]
获取到的存储车辆数据是pb型数据，在云端的kafka中，存储行车数据对应的kafkarecord中定义车辆vin、车系名vehicleseries、车型编码vehiclemodelcode、数据类型datatype、structuredatas结构化数据，其中，structuredatas里面包含idl文件编号和包括序列化行车数据的报文。
[0075]
在本实施例中，kafkarecord包括的字段名称参照表1，表1如下：
[0076]
表1
[0077][0078]
可以将包括字段名称为“structuredatas”的数据确定为目标数据，并在目标数据中提取包括序列化行车数据的报文。
[0079]
字段名称为“structuredatas”的目标数据包括的字段参照表2，表2如下：
[0080]
表2
[0081]
字段名称类型释义注释idlnointidl文件编号 originalmsgstring报文 [0082]
可以在字段名称为“structuredatas”的目标数据中确定字段名称为“originalmsg”的数据作为包括序列化行车数据的报文。得到包括序列化行车数据的报文之后，在报文中可以获取到序列化行车数据。
[0083]
s430、对序列化行车数据进行反序列化，得到至少一个目标类别下的对象各自的描述信息。
[0084]
得到序列化行车数据之后，对序列化行车数据进行反序列化，得到至少一个目标类别下的对象各自的描述信息，以便于根据至少一个目标类别下的对象各自的描述信息，对车辆进行分析。
[0085]
在本实施例中，对云端数据进行解析，得到原始的目标类别下的对象各自的描述信息，以便于对车辆进行数据分析，提高了数据分析效率。
[0086]
为更清楚的了解本技术的方案，结合以具体示例，对本技术的车辆数据的处理方法进行解释。该场景中，行车数据为自动驾驶车辆的行车数据。
[0087]
如图6所示，车辆的自动驾驶控制器获取车辆的行车数据，并对行车数据进行处理，得到序列化行车数据，并通过以太网以及tcp/ip协议，经由车辆的网关，将行车数据发送至tbox，再由tbox将序列化行车数据以报文的形式通过无线通信(4g或5g)以及消息队列遥测传输协议(mqtt)发送至云端。
[0088]
云端接收到包括序列化行车数据的报文之后，通过规则引擎进行处理，以将包括序列化行车数据的报文存储于kafka，得到存储行车数据。
[0089]
作为一种实施方式，还可以通过规则引擎获取存储行车数据，通过云端的处理模块，对pb型的存储行车数据进行处理，以提取到包括序列化行车数据的报文，再对序列化行车数据进行反序列化，以实现数据解析，得到原行车数据。
[0090]
得到原始行车数据后，还可以对原始行车数据进行落库，以便于根据落库的行车数据进行离线分析；还可以通过云端的kafka对原始行车数据进行实时监控，便于云端监控车辆的自动驾驶情况。
[0091]
参照图7，图7示出了本技术一个实施例提出的一种车辆数据的处理装置的结构框图。装置700用于车辆，装置700包括：
[0092]
第一获取模块710，用于获取车辆在行车过程中的行车数据，行车数据包括至少一个目标类别下的对象的描述信息；
[0093]
结构数据生成模块720，用于根据每个目标类别下的对象的描述信息，生成每个目标类别的结构体数据；
[0094]
序列化模块730，用于对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。
[0095]
进一步的，装置还包括存储模块，用于通过消息队列遥测传输协议，将序列化行车数据发送至云端，以使云端将序列化行车数据存储于预置存储系统，得到存储行车数据。
[0096]
进一步的，序列化模块730，还用于获取采集行车数据的时间信息，作为目标时间信息；对目标时间信息以及至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。
[0097]
进一步的，序列化模块730，还用于根据目标时间信息以及至少一个目标类别的结构体数据，生成目标格式的数据文件；对数据文件进行序列化，得到序列化行车数据。
[0098]
参照图8，图8示出了本技术又一个实施例提出的一种车辆数据的处理装置的结构框图。装置800用于车辆，装置800包括：
[0099]
第二获取模块810，用于从预置存储系统获取存储车辆数据，存储车辆数据是根据车辆发送的序列化行车数据获得的，序列化行车数据是对至少一个目标类别的结构体数据进行序列化之后获得，每个目标类别的结构体数据是根据每个目标类别下的对象的描述信息获得，每个目标类别下的对象的描述信息是车辆在行车过程中获取的；
[0100]
第三获取模块820，用于根据存储车辆数据的字段名称，在存储车辆数据中获取序列化行车数据；
[0101]
反序列化模块830，用于对序列化行车数据进行反序列化，得到至少一个目标类别下的对象各自的描述信息。
[0102]
需要说明的是，本技术中装置实施例与前述方法实施例是相互对应的，装置实施例中具体的原理可以参见前述方法实施例中的内容，此处不再赘述。
[0103]
请参阅图9，其示出了本技术实施例提供的一种车辆900的结构框图。本技术中的车辆900可以包括一个或多个如下部件：处理器910、存储器920以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器920中并被配置为由一个或多个处理器910执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。
[0104]
其中，处理器910可以包括一个或者多个处理核。处理器910利用各种接口和线路连接整个车辆900内的各个部分，通过运行或执行存储在存储器920内的指令、程序、代码集或指令集，以及调用存储在存储器920内的数据，执行车辆900的各种功能和处理数据。可选地，处理器910可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field－programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器910可集成中央处理器(central processing unit，cpu)、图形处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责待显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器910中，单独通过一块通信芯片进行实现。
[0105]
存储器920可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。存储器920可用于存储指令、程序、代码、代码集或指令集。存储器920可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储车辆900在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
[0106]
请参阅图10，其示出了本技术实施例提供的一种云端1000的结构框图。通常，云端包括：至少一个处理器1001、存储器1002以及存储在存储器上并可在处理器上运行的应用软件的安装程序，应用软件的安装程序配置为实现如前的应用软件的安装方法的步骤。
[0107]
处理器1001可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1001可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。
[0108]
存储器1002可以包括一个或多个存储介质，该存储介质可以是非暂态的。存储器1002还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1002中的非暂态的存储介质用于存储至少一个指令，该至少一个指令用于被处理器1001所执行以实现本技术中方法实施例提供的应用软件的安装方法。
[0109]
在一些实施例中，终端还可选包括有：通信接口1003和至少一个外围设备。处理器1001、存储器1002和通信接口1003之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口1003相连。具体地，外围设备包括：射频电路1004、显示屏1005和电源1006中的至少一种。
[0110]
通信接口1003可被用于将i/o(input/output，输入/输出)相关的至少一个外围设
备连接到处理器1001和存储器1002。在一些实施例中，处理器1001、存储器1002和通信接口1003被集成在同一芯片或电路板上；在一些其他实施例中，处理器1001、存储器1002和通信接口1003中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
[0111]
射频电路1004用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路1004通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1004将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1004包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。
[0112]
显示屏1005用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1005是触摸显示屏时，显示屏1005还具有采集在显示屏1005的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1001进行处理。此时，显示屏1005还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。
[0113]
电源1006用于为电子设备中的各个组件进行供电。电源1006可以是交流电、直流电、一次性电池或可充电电池。当电源1006包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
[0114]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0115]
在本技术所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。
[0116]
另外，在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0117]
参考图11，图11示出了本技术实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质1100中存储有程序代码，该程序代码可被处理器调用执行上述方法实施例中所描述的方法。
[0118]
计算机可读存储介质1100可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读存储介质900包括非易失性计算机可读存储介质(non-transitory computer-readable storage medium)。计算机可读存储介质1100具有执行上述方法中的任何方法步骤的程序代码1110的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码1110可以例如以适当形式进行压缩。
[0119]
综上，本技术提供的一种标定图样生成方法、标定图样配准方法、装置以及车辆，在获取标定场景后，获取与标定场景对应的伪随机阵列，基于伪随机阵列以及多种图形基元生成标定图样，伪随机阵列用于确定图形基元在标定图样中的位置。通过上述方式使得，可以基于不同标定场景生成不同的伪随机阵列，使得可以基于不同的伪随机阵列生成不同的标定图样，从而提高了不同标定场景下传感器标定的准确性。
[0120]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管
参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各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，并不驱使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。