一种适用移动场景的数据交互同步方法及系统与流程

1.本发明属于数据交互同步技术领域，具体涉及一种适用移动场景的数据交互同步方法及系统。


背景技术：

2.汽车模拟驾驶，也被称为汽车驾驶仿真。是用高科技手段如三维图像即时生成技术、汽车动力学仿真物理系统、大视场显示技术(如多通道立体投影系统)、六自由度(6dof)运动平台(或三自由度(3dof)运动平台)、用户输入硬件系统、立体声音响、中控系统等构造出一种人工环境。虚拟驾驶让体验者在一个虚拟的驾驶环境中，感受到接近真实效果的视觉、听觉和体感的汽车驾驶体验。具有驾驶模拟效果逼真、节能、安全、经济，不受时间、气候、场地的限制，驾驶训练效率高、培训周期短等优势。
3.然而在模拟驾驶过程中，为保证对车辆移动环境感知，我们会使用不同的传感器来进行多种途径的环境感知，然后通过虚拟现实设备和增强显示设备展现给测试人员。现有设备中，xr端是指通过计算机、人工智能等技术以及可穿戴设备产生的一个真实与虚拟结合、可人机交互的环境。(xr)扩展现实包括(vr)虚拟现实、(ar)增强现实和(mr)混合现实，被称为未来虚拟现实交互的最终形态。然而目前xr端(xr包含虚拟现实及增强显示)通常适用于居家或者静止场景，在车辆移动场景中，xr端与智能汽车进行数据交互时，无法适配车辆移动场景下姿态的匹配，容易造成眩晕。


技术实现要素：

4.针对上述现有技术的不足，本发明提供了一种适用移动场景的数据交互同步方法及系统，旨在解决在车辆移动场景中，当前xr端与智能汽车进行数据交互时，无法适配于车辆移动场景下的姿态匹配过程，容易造成眩晕的问题。
5.为实现以上目的，本技术采用如下技术方案：
6.第一方面，本技术提供了一种适用移动场景的数据交互同步方法，包括以下步骤：
7.s1：车载终端获取移动场景下的车辆数据和车辆数据的获取时间戳，将所述车辆数据和车辆数据的获取时间戳的数据格式转换为目标通信数据格式；
8.s2：车载终端按照目标通讯协议定期将目标通信数据格式的车辆数据和车辆数据的获取时间戳发送至xr前端；xr前端包括vr设备、ar设备和mr设备；
9.s3：xr前端接收目标通信数据格式的车辆数据和车辆数据的获取时间戳并进行解析，同时将接收到所述车辆数据时的时间作为数据接收时间戳；
10.s4：xr前端根据解析结果获取车辆数据和车辆数据的获取时间戳，并对车辆数据进行数据预测和误差过滤，同时基于数据接收时间戳和解析出的车辆数据的获取时间戳，与车载终端进行车辆数据交互同步。
11.进一步地，所述车辆数据包括车辆设备信息、车辆行驶姿态、车辆驾驶姿态、车辆运行状态、车周环境状态和车辆控制数据。
12.进一步地，所述对车辆数据进行数据预测的过程具体包括：依据解析结果获得的车辆数据，获得车辆的gps定位数据、车辆速度和陀螺仪数据；使用线性回归模型，以当前gps定位数据中的gps定位点为预测点，判断gps定位点是否有更新，若gps定位点有更新，则在最新的gps定位点的基础上利用车辆速度和陀螺仪数据预测出下一个gps定位点，作为最新的预测点进行下一阶段数据预测；若gps定位点没有更新，则在当前预测点的基础上利用车辆速度和陀螺仪数据预测出下一个gps定位点，作为最新的预测点进行下一阶段数据预测。
13.进一步地，所述利用车辆速度和陀螺仪数据预测出下一个gps定位点的过程具体包括：
14.根据当前gps定位点的位置，确定陀螺仪方向，根据车辆速度和车载终端的数据上传间隔周期预测出车辆下一个gps定位点的位置距离，预测过程采用下式实现：s1＝vt，其中s1是车辆当前gps定位点与下一个gps定位点之间的位置距离，v是车辆速度，t是车载终端的数据上传间隔周期；
15.依据位置距离s1和当前gps定位点的位置，计算出下一个gps定位点的位置区间，计算过程如下式所示：s＝s(gps)+s1
16.其中，s是下一个gps定位点的位置区间，s(gps)是当前gps定位点的位置坐标；
17.最后依据陀螺仪方向，在下一个gps定位点的位置区间s中预测出下一个gps定位点的位置坐标，进行插值移动到预测出的下一个gps定位点的位置。
18.进一步地，所述目标通讯协议为tcp通讯协议或蓝牙通讯协议中的一种或多种。
19.第二方面，本技术提供了一种适用移动场景的数据交互同步系统，采用上述的一种适用移动场景的数据交互同步方法实现，包括车载终端和xr前端，所述车载终端通过tcp或蓝牙连接所述xr前端；车载终端用于采集移动场景下车载终端的车辆数据和车辆数据的获取时间戳，将所述车辆数据和车辆数据的获取时间戳的数据格式转换为目标通信数据格式，按照目标通讯协议将目标通信数据格式的车辆数据和车辆数据的获取时间戳发送至xr前端；xr前端用于接收目标通信数据格式的车辆数据和车辆数据的获取时间戳并进行解析，根据解析结果获取车辆数据和车辆数据的获取时间戳，并对车辆数据进行数据预测和误差过滤，同时将接收到所述车辆数据时的时间作为数据接收时间戳，利用车辆数据的获取时间戳与车辆数据的获取时间戳完成xr前端与车载终端之间的车辆数据交互同步。
20.进一步地，所述车载终端包括数据采集模块、中央处理器和数据传输模块；其中，数据采集模块用于采集智能汽车的车辆数据；
21.中央处理器用于通过车载自动诊断系统或can协议或obd协议读取数据采集模块采集的车辆数据和车辆数据的获取时间戳，并按照目标通信数据格式对车辆数据和车辆数据的获取时间戳进行格式转换；
22.数据传输模块用于通过目标通讯协议将格式转换后的车辆数据和车辆数据的获取时间戳传输至xr前端。
23.进一步地，所述数据采集模块包括gps定位器、速度传感器、陀螺仪和加速度传感器；所述中央处理器分别与gps定位器、速度传感器、陀螺仪和加速度传感器连接。
24.本技术采用以上技术方案，至少具备以下有益效果：
25.本技术方案提供的一种适用移动场景的数据交互同步方法及系统，方法先利用车
载终端获取移动场景下的车辆数据和车辆数据的获取时间戳，将所述车辆数据和车辆数据的获取时间戳的数据格式转换为目标通信数据格式；车载终端按照目标通讯协议定期将目标通信数据格式的车辆数据和车辆数据的获取时间戳发送至xr前端；然后xr前端接收目标通信数据格式的车辆数据和车辆数据的获取时间戳并进行解析，同时将接收到所述车辆数据时的时间作为数据接收时间戳；最后xr前端根据解析结果获取车辆数据和车辆数据的获取时间戳，并对车辆数据进行数据预测和误差过滤，同时基于数据接收时间戳和解析出的车辆数据的获取时间戳，与车载终端进行车辆数据交互同步。本技术方案中，xr端能够在移动场景中，获取到智能车机端的数据，通过数据处理、预测、过滤等处理，实现了xr前端实时与智能汽车进行姿态同步，数据同步和时间同步，从而消除或改善在车辆移动场景中游玩xr端时的眩晕感。
26.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
27.为了更清楚地说明本技术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。
28.图1是根据一实施例示出的适用移动场景的数据交互同步方法步骤流程图；
29.图2是根据一实施例示出的gps定位点预测流程图；
30.图3是根据一实施例示出的高频噪声和低频噪声原理图；
31.图4是根据一实施例示出的适用移动场景的数据交互同步系统架构示意图；
32.附图中：1-车载终端，2-xr前端。
具体实施方式
33.为使本技术的目的、技术方案和优点更加清楚，下面将对本技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本技术所保护的范围。
34.请参阅图1，图1是根据一示例性实施例示出的一种适用移动场景的数据交互同步方法步骤流程图。如图1所示，本技术提供的数据交互同步方法包括以下步骤：
35.s1：车载终端获取移动场景下的车辆数据和车辆数据的获取时间戳，将所述车辆数据和车辆数据的获取时间戳的数据格式转换为目标通信数据格式；
36.s2：车载终端按照目标通讯协议定期将目标通信数据格式的车辆数据和车辆数据的获取时间戳发送至xr前端；其中，xr前端包括vr设备、ar设备和mr设备；
37.s3：xr前端接收目标通信数据格式的车辆数据和车辆数据的获取时间戳并进行解析，同时将接收到所述车辆数据时的时间作为数据接收时间戳；
38.s4：xr前端根据解析结果获取车辆数据和车辆数据的获取时间戳，并对车辆数据进行数据预测和误差过滤，同时基于数据接收时间戳和解析出的车辆数据的获取时间戳，
与车载终端进行车辆数据交互同步。
39.其中，xr前端包括vr设备、(ar)增强现实设备和(mr)混合现实设备，例如pico neo3、occuls quest2、htc wave等。xr前端采用3d开发引擎进行数据处理，用于与智能汽车端数据交互，可以作为前端处理。
40.车辆数据是指智能汽通过车载终端发送给xr前端的交互数据，车辆数据包括车辆设备信息、车辆行驶姿态、车辆驾驶姿态、车辆运行状态、车周环境状态和车辆控制数据。
41.具体的，本技术方案中，vr设备与车辆之间交互的车辆数据需求内容包括：
42.1.车辆设备信息同步：品牌、车型、配置、系统版本号、can协议或obd协议版本号；
43.2.车辆行驶姿态：位置、速度、方位(欧拉角)；
44.3.车辆驾驶状态：方向盘(转角和转速)、油/电门深度、刹车深度、档位；
45.4.车辆运行状态：车门(含后尾门)开关状态、车窗(含天窗)状态、空调状态、座椅、dms系统、香氛状态、音响状态等；
46.5.车周环境状态：借鉴adas数据+基于位置的地图数据；
47.6.车辆控制：车门开关、车窗开关、空调调节、座椅调节、香氛调节、音响调节等。
48.进一步地，在一个实施例中，为实现汽车与vr设备实现智能互联，需要在车载端与vr端之间建立目标通信协议，实现数据交互。本技术方案中，智能汽车端提供的数据，通过obd或者can协议读取车载终端的陀螺仪，gps，速度数据，并以车载终端作为服务器端，使用目标数据通信格式将获取的数据发送给xr前端，让前端对车载终端数据进行处理。
49.其中，目标数据通信格式可根据实际需求进行选择，可选用json数据格式、protobuf数据格式等数据通信格式进行通信。本技术方案中通讯数据暂定以json数据为主，xr前端发送请求到服务器之间的通讯协议规则，如下所示：
50.{
51.requestcode:“1000000”，//请求通讯协议码以1xxxxxx开头作为定义，如1000001,1000002表示前端发送给机端
52.requestdata:”{}”,//请求通讯数据，以json内容作为定义
53.}
54.服务器机端发送给前端数据规则，如下所示：
55.{
56.requestcode:“2000000”,//请求通讯协议码以2xxxxxxx开头作为定义，如2000001，2000002表示机端发送给前端；
57.requestmsg:”success”，//返回数据消息内容，succuss表示返回成功，fail表示失败；
58.requestdata:”{}”,//返回json数据内容，具体json数据体根据requestcode来定义；
59.}
60.进一步地，在一个实施例中，目标通讯协议为tcp通讯协议或蓝牙通讯协议中的一种或多种。tcp通讯协议采用tcp socket构建局域网，使用wifi或usb实现局域网通信。同时，车载终端的数据主动发送周期设定为毫秒级，具体可以根据实际需求设定。目标通讯协议适用于车载端(ele box、车机sdk)向vr端发送传感器等数据的场景。xr前端通过tcp获取
车载终端数据，并进行json解析，读取的gps点，速度，陀螺仪这些数据进行处理，与智能汽车进行姿态同步。
61.具体的，本技术方案中，车载终端获取移动场景下的车辆数据时还获取了车辆数据的获取时间戳，xr前端根据车辆数据的获取时间戳建立起时间同步机制，通过gps或北斗时间矫正本地时间保持同步，或者使用车载终端与xr前端之间的时间偏移量进行计算保持同步。智能汽车通过车载终端与xr前端对数据时间进行同步，保持了数据的实效性。
62.由于智能汽车端的数据于前端交互过程中，会出现数据延迟，以及陀螺仪的数据和gps，车速也会出现延迟，那么我们通过计算车载终端中的每个数据获取的时间戳，进行判定哪个数据对应在哪个时间戳，时时刻刻保持数据的同步性，同时发送给前端中的数据也进行一次时间戳和数据判断，再进行计算一次，保持时效性。
63.每个车辆数据分别提供对应的时间戳字段，时间戳字段使用unix timestamp类型。精确到毫秒级。车载终端侧发送数据，使用记录的原始时间戳，因此两个数据的时间戳可能不同。xr前端侧会根据车辆数据的时间戳，进行对不同数据实现采样和插值等逻辑。
64.此外，车载终端作为服务端，需要提供ip获取方式。车辆和通信盒子如果存在wifi，需要提供热点能力，通过通信的灯来指示wifi热点开启，服务启动，客户端连接等状态。
65.当xr前端连接服务端后，需要进行一次握手，具体流程为：
66.client-》server：握手请求；0x01一个字节；#后续扩展xr前端设备的状态同步；
67.server-》client:握手应答；服务状况；supported functions(4bytes)；数据格式(2byte)；协议版本(2byte)；vin：64bytes(车辆编码)。协议仅适用于车载端(ele box、车机sdk)向vr端发送传感器等数据的场景。
68.xr前端通过tcp或蓝牙获取车机端数据，并进行json解析，读取的gps点，速度，陀螺仪这些数据进行处理，与智能汽车进行姿态同步。
69.请参照图2，本技术方案中，对车辆数据进行数据预测的过程具体包括：依据解析结果获得的车辆数据，获得车辆的gps定位数据、车辆速度和陀螺仪数据；使用线性回归模型，以当前gps定位数据中的gps定位点为预测点，判断gps定位点是否有更新，若gps定位点有更新，则在最新的gps定位点的基础上利用车辆速度和陀螺仪数据预测出下一个gps定位点，作为最新的预测点进行下一阶段数据预测；若gps定位点没有更新，则在当前预测点的基础上利用车辆速度和陀螺仪数据预测出下一个gps定位点，作为最新的预测点进行下一阶段数据预测。
70.进一步地，所述利用车辆速度和陀螺仪数据预测出下一个gps定位点的过程具体包括：
71.根据当前gps定位点的位置，确定陀螺仪方向，根据车辆速度和车载终端的数据上传间隔周期预测出车辆下一个gps定位点的位置距离，预测过程采用下式实现：s1＝vt，其中s1是车辆当前gps定位点与下一个gps定位点之间的位置距离，v是车辆速度，t是车载终端的数据上传间隔周期；
72.依据位置距离s1和当前gps定位点的位置，计算出下一个gps定位点的位置区间，计算过程如下式所示：s＝s(gps)+s1
73.其中，s是下一个gps定位点的位置区间，s(gps)是当前gps定位点的位置坐标；
74.最后依据陀螺仪方向，在下一个gps定位点的位置区间s中预测出下一个gps定位点的位置坐标，进行插值移动到预测出的下一个gps定位点的位置。
75.进一步地，在本技术方案中，误差过滤过程使用互补滤波和卡尔曼滤波过滤数据误差，防止处理数据误差、偏差。
76.其中，对于卡尔曼滤波处理数据误差方法，由于直接利用陀螺仪测量得到的角速率信息积分计算姿态，姿态漂移十分严重。基于这两个方面，在利用kalman滤波方法进行姿态估计时，作为滤波器状态模型的非线性姿态微分方程可以进行近似化处理，变为简单的线性方程，如下式所示：
[0077][0078]
其中，θ为俯仰角；γ为横滚角；ψ为航向角。在姿态更新计算中，ω
x
、ωy、ωz为陀螺仪三轴角速度测量值，显然，陀螺仪测量值不可避免的存在测量误差，其中的零漂(ε
x
、εy、εz)是最为重要的误差。基于此，选定状态变量如下：(由于目前实验仅使用加速度计，z方向的参数得不到有效估计，因此暂时先这样确定状态)
[0079]
x＝[θ γ ψ ε
x εy
]t x＝[θ γ ψ ε
x εy]
t
[0080]
则状态方程建立为：
[0081][0082]
这里，f为状态转移矩阵；表示为陀螺仪三轴角速度测量值。
[0083]
具体的，量测模型的建立过程为：
[0084]
由于mems传感器精度很差，加上该模型是个简化的线性模型，因此需要使用加速度计得到的姿态角对积分姿态进行校正。其中，由加速度计得到的俯仰角θ和横滚角γ(由加速度计测量的重力与实际重力之间的关系不难推得)如下所示：
[0085][0086][0087]
其中，f为加速度计的测量信息。将(3)和(4)作为量测信息z，则车辆姿态滤波器的量测方程很容易得到：
[0088][0089]
其中，h为量测转移矩阵，v为量测噪声。值得说明的是，这里将载体运动导致的姿态角误差均看做姿态测量噪声。
[0090]
至此，通过状态方程(2)、量测信息(3)和(4)、及量测方程(5)可进行kalman滤波更新计算估计出姿态角和陀螺仪零漂误差。
[0091]
kalman滤波更新计算过程具体包括：
[0092]
a).一步预测估计:：
[0093][0094]
其中，离散化的状态转移矩阵φ为：
[0095]
φ＝i+f
·
tsφ＝i+f
·
ts
ꢀꢀ
(6)
[0096]
控制量u
k+1
为u
k+1
*ts，其中的ts为更新周期。
[0097]
b).一步预测估计误差的协方差：
[0098]
p
k+1/k
＝φ
·
pkφ
t
+qkp
k+1/k
＝φ
·
pk·
φ
t
+qkꢀꢀ
(7)
[0099]
其中，qk为系统噪声方差阵。
[0100]
c).滤波增益矩阵：
[0101]kk
＝p
k+1/k
·ht
·
(h
·
p
k+1/k
·ht
+rk)-1kk
＝p
k+1/k
·ht
·
(h
·
p
k+1/k
·ht
+rk)-1
ꢀꢀ
(8)
[0102]
其中，rk为量测噪声方差阵。
[0103]
d).状态估计
[0104][0105]
e).状态估计误差的协方差
[0106]
p
k+1
＝p
k+1/k-kk·h·
p
k+1/k
p
k+1
＝p
k+1/k-kk·h·
p
k+1/k
ꢀꢀ
(10)
[0107]
至此，通过式(6)-(10)即可对姿态角和陀螺漂移实现估计。但是，直接使用(6)-(10)式计算十分复杂，尤其是式(8)中还存在矩阵求逆计算，导致算法实时性下降。
[0108]
然而，系统模型和量测模型十分简单，状态估计误差阵中仅有几个元素不为0，因此状态估计误差协方差阵中的元素可以直接计算,，从而避免冗余的矩阵运算，提高算法实时性。
[0109]
每次kalman滤波迭代更新后，pk中除对角线元素不为0外，只有pk(1,4)、pk(4,1)、pk(2,5)和pk(5,2)不为0，且pk(1,4)＝pk(4,1)、pk(2,5)＝pk(5,2)。
[0110]
得到
[0111][0112][0113]
为简化计算，令
[0114][0115][0116][0117][0118][0119][0120][0121]
滤波增益kk为
[0122]
[0123]
令
[0124][0125][0126][0127][0128]
则估计误差的协方差阵为
[0129][0130]
由此，姿态估计的机上执行程序可总结如下：a).一步预测估计
[0131][0132][0133][0134][0135][0136]
b).一步预测估计误差的协方差
[0137][0138][0139][0140][0141][0142][0143]
c).滤波增益
[0144]
[0145][0146][0147][0148]
d).状态估计值
[0149][0150][0151][0152][0153][0154]
f).估计误差的协方差
[0155][0156][0157][0158][0159]
进一步地，参照图3，本技术方案中的互补滤波主要是滤除信号中高频噪声和低频噪声，其中，低频噪声采用低通滤波器进行滤除，滤除过程采用低通滤波公式实现：
[0160][0161]
高频噪声采用高通滤波器进行滤除，高频噪声滤除过程采用高通滤波公式实现：
[0162][0163]
第二方面，本技术方案提供了了一种适用移动场景的数据交互同步系统，采用本技术方案提供的一种适用移动场景的数据交互同步方法实现。请参照图4，系统包括车载终端和xr前端，所述车载终端通过tcp或蓝牙连接所述xr前端；车载终端用于采集移动场景下车载终端的车辆数据和车辆数据的获取时间戳，将所述车辆数据和车辆数据的获取时间戳的数据格式转换为目标通信数据格式，按照目标通讯协议将目标通信数据格式的车辆数据和车辆数据的获取时间戳发送至xr前端；xr前端用于接收目标通信数据格式的车辆数据和车辆数据的获取时间戳并进行解析，根据解析结果获取车辆数据和车辆数据的获取时间戳，并对车辆数据进行数据预测和误差过滤，同时将接收到所述车辆数据时的时间作为数据接收时间戳，利用车辆数据的获取时间戳与车辆数据的获取时间戳完成xr前端与车载终端之间的车辆数据交互同步。
[0164]
进一步地，在一个实施例中，车载终端包括数据采集模块、中央处理器和数据传输模块。其中，数据采集模块用于采集智能汽车的车辆数据；
[0165]
中央处理器用于通过车载自动诊断系统或can协议读取数据采集模块采集的车辆数据和车辆数据的获取时间戳，并按照目标通信数据格式对车辆数据和车辆数据的获取时间戳进行格式转换；
[0166]
数据传输模块用于通过目标通讯协议将格式转换后的车辆数据和车辆数据的获取时间戳传输至xr前端。
[0167]
进一步地，在一个实施例中，数据采集模块包括gps定位器、速度传感器、陀螺仪和加速度传感器；所述中央处理器分别与gps定位器、速度传感器、陀螺仪和加速度传感器连接。
[0168]
进一步地，在一个实施例中，数据传输模块可以采用蓝牙传输模块和5g/4g/3g网络通信模块实现，通过局域网通信或者蓝牙无线通信的方式传递车辆数据。
[0169]
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
[0170]
需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”、“多”的含义是指至少两个。
[0171]
应该理解，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者可能同时存在居中元件；当一个元件被称为“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件，此外，这里使用的“连接”可以包括无线连接；使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
[0172]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0173]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0174]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。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。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0175]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0176]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0177]
尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种适用移动场景的数据交互同步方法，其特征在于，包括以下步骤：s1：车载终端获取移动场景下的车辆数据和车辆数据的获取时间戳，将所述车辆数据和车辆数据的获取时间戳的数据格式转换为目标通信数据格式；s2：车载终端按照目标通讯协议定期将目标通信数据格式的车辆数据和车辆数据的获取时间戳发送至xr前端；xr前端包括vr设备、ar设备和mr设备；s3：xr前端接收目标通信数据格式的车辆数据和车辆数据的获取时间戳并进行解析，同时将接收到所述车辆数据时的时间作为数据接收时间戳；s4：xr前端根据解析结果获取车辆数据和车辆数据的获取时间戳，并对车辆数据进行数据预测和误差过滤，同时基于数据接收时间戳和解析出的车辆数据的获取时间戳，与车载终端进行车辆数据交互同步。2.根据权利要求1所述的一种适用移动场景的数据交互同步方法，其特征在于，所述车辆数据包括车辆设备信息、车辆行驶姿态、车辆驾驶姿态、车辆运行状态、车周环境状态和车辆控制数据。3.根据权利要求1所述的一种适用移动场景的数据交互同步方法，其特征在于，所述对车辆数据进行数据预测的过程具体包括：依据解析结果获得的车辆数据，获得车辆的gps定位数据、车辆速度和陀螺仪数据；使用线性回归模型，以当前gps定位数据中的gps定位点为预测点，判断gps定位点是否有更新，若gps定位点有更新，则在最新的gps定位点的基础上利用车辆速度和陀螺仪数据预测出下一个gps定位点，作为最新的预测点进行下一阶段数据预测；若gps定位点没有更新，则在当前预测点的基础上利用车辆速度和陀螺仪数据预测出下一个gps定位点，作为最新的预测点进行下一阶段数据预测。4.根据权利要求3所述的一种适用移动场景的数据交互同步方法，其特征在于，所述利用车辆速度和陀螺仪数据预测出下一个gps定位点的过程具体包括：根据当前gps定位点的位置，确定陀螺仪方向，根据车辆速度和车载终端的数据上传间隔周期预测出车辆下一个gps定位点的位置距离，预测过程采用下式实现：s1＝vt，其中s1是车辆当前gps定位点与下一个gps定位点之间的位置距离，v是车辆速度，t是车载终端的数据上传间隔周期；依据位置距离s1和当前gps定位点的位置，计算出下一个gps定位点的位置区间，计算过程如下式所示：s＝s(gps)+s1其中，s是下一个gps定位点的位置区间，s(gps)是当前gps定位点的位置坐标；最后依据陀螺仪方向，在下一个gps定位点的位置区间s中预测出下一个gps定位点的位置坐标，进行插值移动到预测出的下一个gps定位点的位置。5.根据权利要求1所述的一种适用移动场景的数据交互同步方法，其特征在于，所述目标通讯协议为tcp通讯协议或蓝牙通讯协议中的一种或多种。6.一种适用移动场景的数据交互同步系统，采用上述权利要求1～5任意一项所述的一种适用移动场景的数据交互同步方法实现，其特征在于，包括车载终端和xr前端，所述车载终端通过tcp或蓝牙连接所述xr前端；车载终端用于采集移动场景下车载终端的车辆数据和车辆数据的获取时间戳，将所述车辆数据和车辆数据的获取时间戳的数据格式转换为目标通信数据格式，按照目标通讯协议将目标通信数据格式的车辆数据和车辆数据的获取时间戳发送至xr前端；xr前端用于接收目标通信数据格式的车辆数据和车辆数据的获取时间
戳并进行解析，根据解析结果获取车辆数据和车辆数据的获取时间戳，并对车辆数据进行数据预测和误差过滤，同时将接收到所述车辆数据时的时间作为数据接收时间戳，利用车辆数据的获取时间戳与车辆数据的获取时间戳完成xr前端与车载终端之间的车辆数据交互同步。7.根据权利要求6所述的一种适用移动场景的数据交互同步系统，其特征在于，所述车载终端包括数据采集模块、中央处理器和数据传输模块；其中，数据采集模块用于采集智能汽车的车辆数据；中央处理器用于通过车载自动诊断系统或can协议或obd协议读取数据采集模块采集的车辆数据和车辆数据的获取时间戳，并按照目标通信数据格式对车辆数据和车辆数据的获取时间戳进行格式转换；数据传输模块用于通过目标通讯协议将格式转换后的车辆数据和车辆数据的获取时间戳传输至xr前端。8.根据权利要求7所述的一种适用移动场景的数据交互同步系统，其特征在于，所述数据采集模块包括gps定位器、速度传感器、陀螺仪和加速度传感器；所述中央处理器分别与gps定位器、速度传感器、陀螺仪和加速度传感器连接。

技术总结
本申请提供了一种适用移动场景的数据交互同步方法及系统，涉及数据交互同步技术领域，方法包括：车载终端获取移动场景下的车辆数据和车辆数据的获取时间戳，将二者的数据格式转换为目标通信数据格式，按照目标通讯协议定期将车载终端获取的数据发送至XR前端；XR前端接收车载终端获取的数据后进行解析，同时将接收到数据时的时间作为数据接收时间戳，并根据解析出的车辆数据和车辆数据的获取时间戳进行数据预测和误差过滤，同时基于数据接收时间戳和解析出的车辆数据的获取时间戳与车载终端进行数据交互同步。本发明实现了XR前端实时与智能汽车进行姿态同步，数据同步和时间同步，从而消除或改善在车辆移动场景中游玩XR端时的眩晕感。时的眩晕感。时的眩晕感。


技术研发人员：陈鹏鑫
受保护的技术使用者：小象智能（深圳）有限公司
技术研发日：2022.12.09
技术公布日：2023/7/11