System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 无码高潮少妇毛多水多水免费,少妇伦子伦精品无码STYLES,无码毛片一区二区三区中文字幕 
  • 

  • 
<ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>
    

    

    
    
      
    
          
          
    
            
    
                
    
                    
    
                        
    
                            
    一種面向智能網聯汽車的數據閉環裝置及系統制造方法及圖紙
    
                            
    技術編號：44018298 閱讀：18 留言：0更新日期：2025-01-15 01:03
    
                        
    
                        
    
                            
                            本發明專利技術公開了一種面向智能網聯汽車的數據閉環裝置及系統，具體涉及人工智能技術領域，所述一種面向智能網聯汽車的數據閉環裝置包括數據采集模塊、標注訓練模塊、仿真驗證模塊，以及模型部署模塊；所述一種面向智能網聯汽車的數據閉環系統是指數據采集模塊將采集到的數據上傳給標注訓練模塊，并接收模型部署模塊傳遞的新模型；標注訓練模塊接收來自數據采集模塊的數據，進行標記用于訓練機器學習模型，并將訓練好的模型傳送給仿真訓練模塊，仿真訓練模塊接收來自標注訓練模塊的模型，進行仿真驗證，并使用OTA技術將通過仿真驗證的模型下發給模型部署模塊，模型部署模塊接收來自仿真驗證模塊傳輸的模型，并將重新部署將其應用于數據采集模塊中。
    
                            
                            
    


    
                            

                            
    【技術實現步驟摘要】
    
                                
    本專利技術涉及人工智能，更具體地說，本專利技術涉及一種面向智能網聯汽車的數據閉環裝置及系統。

    技術介紹
    1、
    2、
    3、交通強國與道路設施的智能化，以及運載工具的智能化息息相關。車與路的協同不僅推進了智能網聯汽車的發展，也促進了智慧交通體系的構建。
    4、當前，智能汽車是利用數據采集車單獨采集數據，然后離線利用采集的數據來訓練模型，再把訓練好的模型部署在車上，整個過程沒有形成數據閉環，不利于ai模型的迭代升級。而且車端算力有限，如果不有效利用后臺的算力，車載數據成幾何倍數的增長，車載算力將遠遠無法滿足要求，而且太高的算力對車端散熱來說也是一個巨大的挑戰。

    技術實現思路
    1、為了克服現有技術的上述缺陷，本專利技術的實施例提供一種面向智能網聯汽車的數據閉環裝置及系統，以解決上述
    技術介紹
    中提出的問題。
    2、為實現上述目的，本專利技術提供如下技術方案，一種面向智能網聯汽車的數據閉環裝置，包括數據采集模塊、標注訓練模塊、仿真驗證模塊，以及模型部署模塊；
    3、數據采集模塊：通過傳感器采集汽車周圍環境的數據，并將采集到的數據上傳至標注訓練模塊進行處理和分析，并接收模型部署模塊傳遞的新模型，利用新部署的模型重新進行數據采集工作，并將采集好的數據重新上傳給標注訓練模塊；
    4、標注訓練模塊：接收來自數據采集模塊的數據，并對采集到的數據進行標注和處理，使用標記好的數據來訓練機器學習模型，并將生成訓練好的模型傳送給仿真驗證模塊；
    5、仿真驗證模塊：接收來自標注訓練模塊的訓練好的模型，在虛擬環境中進行仿真驗證，并使用ota技術將通過仿真驗證的模型下發給模型部署模塊；
    6、模型部署模塊：接收來自仿真驗證模塊傳輸的模型，基于tensorrt進行工程化部署，并將重新部署的模型應用于數據采集模塊。
    7、在一個優選地實施方式中，所述數據采集模塊，將其部署在的車載設備上，通過傳感器采集汽車周圍環境的數據，將采集到的數據上傳至標注訓練模塊進行處理和分析，并接收模型部署模塊傳遞的新模型，利用新部署的模型重新進行數據采集工作，并將采集好的數據重新上傳給標注訓練模塊，具體步驟如下：
    8、步驟a1、數據采集與預處理：使用車載傳感器持續地采集汽車周圍的環境數據，包括道路情況、附近車輛的位置和速度、行人行為的圖像、視頻、雷達數據，并打上時間戳，記錄數據生成的時間，對采集到的數據進行預處理，包括數據去噪、坐標系轉換、數據格式轉換操作，以便后續處理和分析；
    9、步驟a2、數據傳輸：將預處理后的數據通過數據傳輸協議上傳至云端中進行存儲，供標注訓練模塊進行處理和分析；
    10、步驟a3、數據質量控制：在數據上傳至云端后進行數據質量控制，包括數據完整性檢查、異常數據識別和修復，以確保后續的標注和訓練工作的準確性和可靠性；
    11、步驟a4、接收新部署的模型：接收模型部署模塊傳遞的新模型，根據新部署的模型重新進行數據采集工作，收集更新后的環境數據；
    12、步驟a5、數據上傳至標注訓練模塊：將采集好的數據經過處理和壓縮后，再次通過安全的數據傳輸協議將數據上傳至標注訓練模塊。
    13、在一個優選地實施方式中，所述標注訓練模塊，將其部署在云端，接收來自數據采集模塊的數據，并對采集到的數據進行標注和處理，使用標記好的數據來訓練機器學習模型，并將生成訓練好的模型傳送給仿真驗證模塊，具體步驟：
    14、步驟b1、數據標注：接收來自數據采集模塊上傳的圖像、視頻、雷達數據，所述接收數據包括車輛、行人和道路標識目標信息，使用計算機視覺算法對接收到的數據進行標注，標記出其中的車輛、行人和道路標識目標，所述標注數據包括目標類別、位置坐標和邊界信息；
    15、步驟b2、特征提取：在標注完成后，對標記好的數據進行特征提取，包括顏色、紋理、形狀和空間特征，并將提取的顏色、紋理、形狀和空間特征組合成特征向量，作為輸入數據用于訓練模型；
    16、步驟b3、模型訓練：使用標記好的數據和提取的特征來訓練卷積神經網絡模型，并將訓練好的模型進行優化，以提高模型的性能和泛化能力；
    17、步驟b4、傳送至仿真驗證模塊：將經過訓練和優化的模型傳送至仿真驗證模塊，以進行虛擬環境中的仿真驗證和測試，并接收來自仿真驗證模塊的驗證結果，以改進訓練數據。
    18、在一個優選地實施方式中，所述步驟b2特征提取中，在標注完成后，對標記好的數據進行特征提取，包括顏色、紋理、形狀和空間特征，進一步包括以下步驟：
    19、步驟b201、顏色特征：使用直方圖統計方法將圖像轉換為rgb顏色空間，統計每個通道的像素值分布，得到顏色直方圖；
    20、步驟b202、紋理特征：使用局部二值模式對圖像進行局部二值化，并統計每個像素點的局部紋理模式，用于描述圖像的紋理信息；
    21、步驟b203、形狀特征：使用邊緣檢測算法檢測圖像中的邊緣信息；
    22、步驟b204、空間特征：使用標注信息中的邊界框坐標作為空間特征。
    23、在一個優選地實施方式中，所述步驟b3模型訓練中，使用標記好的數據和提取的特征來訓練卷積神經網絡模型，進一步包括以下步驟：
    24、步驟b301、模型構建：構建由多個卷積層、池化層和全連接層組成的卷積神經網絡模型，用于目標檢測；
    25、步驟b302、超參數調優：調整模型的超參數，包括學習率、批量大小、優化器類型；
    26、步驟b303、模型訓練：使用標記好的數據和提取的特征來訓練卷積神經網絡模型，使用反向傳播算法來更新模型參數；
    27、步驟b304、交叉驗證：使用交叉驗證技術對訓練好的模型進行評估，以提高模型的性能和泛化能力。
    28、在一個優選地實施方式中，所述仿真驗證模塊，將其部署在云端，接收來自標注訓練模塊的訓練好的模型，在虛擬環境中進行仿真驗證，并使用ota技術將通過仿真驗證的模型下發給模型部署模塊，具體步驟如下：
    29、步驟c1、仿真場景設計：選擇虛擬仿真環境，并設計各種道路條件和交通情況的仿真場景，包括不同的天氣條件、路面狀態、車輛行為；
    30、步驟c2、模型集成：將標注訓練模塊訓練好的模型集成到仿真環境中，利用集成的模型在虛擬環境中進行目標檢測和預測，并標注模型的輸出結果；
    31、步驟c3、驗證結果分析：分析模型在不同仿真場景下的表現，包括目標檢測的準確性、預測的穩定性，記錄驗證結果；
    32、步驟c4、模型下發：使用ota技術將通過仿真驗證的模型下發給模型部署模塊。
    33、在一個優選地實施方式中，所述步驟c4模型下發中，使用ota技術將通過仿真驗證的模型下發給模型部署模塊，進一步包括以下步驟：
    34、步驟c401、模型推送：模型推送：將經過仿真驗證的模型進行打包，并在ota平臺上創建一個ota任務；
    35、步驟c402、數據傳輸：本文檔來自技高網...
                            
    
                            
    【技術保護點】
    
                                
    1.一種面向智能網聯汽車的數據閉環裝置，其特征在于：包括數據采集模塊、標注訓練模塊、仿真驗證模塊，以及模型部署模塊；
    2.根據權利要求1所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述數據采集模塊，通過傳感器采集汽車周圍環境的數據，并將采集到的數據上傳至標注訓練模塊進行處理和分析，并接收模型部署模塊傳遞的新模型，利用新部署的模型重新進行數據采集工作，并將采集好的數據重新上傳給標注訓練模塊，具體步驟如下：
    3.根據權利要求2所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述標注訓練模塊，接收來自數據采集模塊的數據，并對采集到的數據進行標注和處理，使用標記好的數據來訓練機器學習模型，并將生成訓練好的模型傳送給仿真驗證模塊，具體步驟：
    4.根據權利要求3所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述步驟B2特征提取中，在標注完成后，對標記好的數據進行特征提取，包括顏色、紋理、形狀和空間特征，進一步包括以下步驟：
    5.根據權利要求4所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述步驟B3模型訓練中，使用標記好的數據和提取的特征來訓練卷積神經網絡模型，進一步包括以下步驟：
    6.根據權利要求5所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述仿真驗證模塊，接收來自標注訓練模塊的訓練好的模型，在虛擬環境中進行仿真驗證，并使用OTA技術將通過仿真驗證的模型下發給模型部署模塊，具體步驟如下：
    7.根據權利要求6所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述步驟C4模型下發中，使用OTA技術將通過仿真驗證的模型下發給模型部署模塊，進一步包括以下步驟：
    8.根據權利要求7所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述模型部署模塊，接收來自仿真驗證模塊傳輸的模型，基于TensorRT進行工程化部署，并將重新部署的模型應用于數據采集模塊，具體步驟如下：
    9.一種面向智能網聯汽車的數據閉環系統應用于如權利要求1-8中任一項所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述數據閉環系統通過數據采集模塊將采集到的數據上傳給標注訓練模塊，并接收模型部署模塊傳遞的新模型；標注訓練模塊接收來自數據采集模塊的數據，進行標記用于訓練機器學習模型，并將訓練好的模型傳送給仿真訓練模塊；仿真訓練模塊接收來自標注訓練模塊的模型，進行仿真驗證，并使用OTA技術將通過仿真驗證的模型下發給模型部署模塊；模型部署模塊接收來自仿真驗證模塊傳輸的模型，并將重新部署將其應用于數據采集模塊中，進行數據采集模塊、標注訓練模塊、仿真驗證模塊和模型部署模塊的重復迭代。
    ...
                            
    
                            
    【技術特征摘要】
    
                                
    1.一種面向智能網聯汽車的數據閉環裝置，其特征在于：包括數據采集模塊、標注訓練模塊、仿真驗證模塊，以及模型部署模塊；
    2.根據權利要求1所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述數據采集模塊，通過傳感器采集汽車周圍環境的數據，并將采集到的數據上傳至標注訓練模塊進行處理和分析，并接收模型部署模塊傳遞的新模型，利用新部署的模型重新進行數據采集工作，并將采集好的數據重新上傳給標注訓練模塊，具體步驟如下：
    3.根據權利要求2所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述標注訓練模塊，接收來自數據采集模塊的數據，并對采集到的數據進行標注和處理，使用標記好的數據來訓練機器學習模型，并將生成訓練好的模型傳送給仿真驗證模塊，具體步驟：
    4.根據權利要求3所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述步驟b2特征提取中，在標注完成后，對標記好的數據進行特征提取，包括顏色、紋理、形狀和空間特征，進一步包括以下步驟：
    5.根據權利要求4所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述步驟b3模型訓練中，使用標記好的數據和提取的特征來訓練卷積神經網絡模型，進一步包括以下步驟：
    6.根據權利要求5所述的一種面向智能網聯汽車的數據閉環裝置，其特征在于：所述仿...
                            
    
                            
    【專利技術屬性】
    
                                技術研發人員：郝奕，羅勇，傅選鋒，
    
        申請(專利權)人：上海上禹智途汽車科技有限公司，
    
        類型：發明
    
        國別省市：
    
                            
    
                            
                        
    
                    
    
                    
                    
                     
                
    
                
                
    
                    
    
                        網友詢問留言
                        已有0條評論
                    
    
                    
    
                        
    
                            
      
                                
    • 
                                
						

      還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。
      


                              
                            
    
                            
    
                                 1 

                            
    
                        
    
                        
                        
    
                            
    
                              
                            
    
                            
                        
    
                    
    
                
    
            
    
              
             
          
    
      
    
    
    

    
    
    




  


主站蜘蛛池模板：
国产精品无码一区二区在线观
|
西西444www无码大胆|
亚洲av中文无码乱人伦在线播放|
亚洲精品～无码抽插|
永久免费av无码不卡在线观看|
精品久久久久久无码人妻|
亚洲啪啪AV无码片|
97碰碰碰人妻视频无码|
一本一道av中文字幕无码|
久久精品日韩av无码|
人妻av无码一区二区三区|
国产高清无码视频|
无码人妻av一区二区三区蜜臀|
亚洲国产精品无码一线岛国|
无码国内精品久久人妻麻豆按摩|
18禁无遮挡无码国产免费网站|
亚洲av中文无码|
AV无码久久久久不卡蜜桃|
国产综合无码一区二区三区|
无码国模国产在线观看|
亚洲中文字幕无码中文字|
无码人妻一区二区三区在线视频|
亚洲中久无码不卡永久在线观看|
亚洲中文无码mv|
人妻无码久久一区二区三区免费|
国产成人AV一区二区三区无码|
日韩人妻系列无码专区|
亚洲爆乳少妇无码激情|
人妻丰满熟妇岳AV无码区HD|
亚洲va无码手机在线电影|
中文无码喷潮在线播放|
久久久久成人精品无码|
国产成人无码精品久久久性色
|
麻豆aⅴ精品无码一区二区|
亚洲中文字幕无码爆乳AV|
亚洲精品无码不卡在线播HE|
亚洲av永久无码制服河南实里|
亚洲av永久无码精品古装片
|
国内精品无码一区二区三区|
精品无人区无码乱码毛片国产|
亚洲AV中文无码乱人伦|