[发明专利]数据的解析方法、装置、设备及存储介质

权利要求书

1.一种数据的解析方法，其特征在于，包括：

获取自动驾驶集卡车采集的多个数据包，每个数据包中包括带有时间信息的初始雷达数据和带有时间信息的多模态数据；

根据预先确定的感兴趣数据的时间信息，从每个数据包中提取出与所述时间信息对应的初始雷达数据和多模态数据；

对于每个数据包，将提取出的初始雷达数据进行格式转换及合并处理，得到雷达点云数据，所述雷达点云数据为标准坐标系下的雷达点云数据；

将提取出的多模态数据与所述雷达点云数据根据时间信息进行匹配处理，得到解析后的数据；

对每个数据包解析后的数据进行合并处理，得到所述多个数据包合并解析后的数据，所述合并解析后的数据用于生成点云图中的点云线部分。

2.根据权利要求1所述的方法，其特征在于，所述初始雷达数据包括多个方位的初始雷达数据，每个方位的初始雷达数据对应独立的坐标系；

所述对于每个数据包，将提取出的初始雷达数据进行格式转换及合并处理，得到雷达点云数据，包括：

对每个方位的初始雷达数据进行反序列化处理，得到每个方位处理后的雷达数据；

对每个方位处理后的雷达数据进行坐标格式转换，得到标准坐标系下的每个方位的标准雷达点云数据；

对所述每个方位的标准雷达点云数据进行合并处理，得到整合后的雷达点云数据。

3.根据权利要求2所述的方法，其特征在于，所述对每个方位处理后的雷达数据进行坐标格式转换，得到标准坐标系下的每个方位的标准雷达点云数据，包括：

获取所述自动驾驶集卡车的类型，所述自动驾驶集卡车的类型包括：带挂车的集卡车和不带挂车的集卡车；

根据所述自动驾驶集卡车的类型及每个方位预设的标定配置参数，生成每个方位对应的转换矩阵；

将所述每个方位处理后的雷达数据与每个方位对应的转换矩阵相乘，得到标准坐标系下的每个方位的标准雷达点云数据。

4.根据权利要求3所述的方法，其特征在于，若所述自动驾驶集卡车的类型为带挂车的集卡车；

所述根据所述自动驾驶集卡车的类型及每个方位预设的标定配置参数，生成每个方位对应的转换矩阵，包括：

获取所述自动驾驶集卡车的挂车与车头的夹角数据、车身长度；

根据所述夹角数据、所述车身长度及所述每个方位预设的标定配置参数，生成每个方位对应的转换矩阵。

5.根据权利要求3所述的方法，其特征在于，若所述自动驾驶集卡车的类型为不带挂车的集卡车；

所述根据所述自动驾驶集卡车的类型及每个方位预设的标定配置参数，生成每个方位对应的转换矩阵，包括：

根据所述每个方位预设的标定配置参数，生成每个方位对应的转换矩阵。

6.根据权利要求4或5所述的方法，其特征在于，所述对所述每个方位的标准雷达点云数据进行合并处理，得到整合后的雷达点云数据，包括：

获取每个方位的标准雷达点云数据的时间信息；

根据标准雷达点云数据的消息类型，确定主方位的标准雷达点云数据；

根据预设的指针算法，从其余方位的标准雷达点云数据中确定出与所述主方位的标准雷达点云数据的时间信息的绝对值差值满足预设阈值关系的标准雷达点云数据；

将满足预设阈值关系的标准雷达点云数据与所述主方位的标准雷达点云数据进行合并处理，得到整合后的雷达点云数据。

7.根据权利要求6所述的方法，其特征在于，所述将提取出的多模态数据与所述雷达点云数据根据时间信息进行匹配处理，得到解析后的数据，包括：

将提取出的多模态数据进行反序列化处理，得到处理后的多模态数据，所述多模态数据包括定位数据、相机数据、障碍物检测数据；

根据整合后的雷达点云数据中的时间信息，将处理后的所述多模态数据根据所述时间信息进行匹配对齐，得到解析后的数据。

8.根据权利要求7所述的方法，其特征在于，还包括：

根据所述多个数据包合并解析后的数据，生成掩码信息，所述掩码信息用于生成点云图中的非点云线部分。