数据质量监控

传感器数据

ID 传感器类型 相机型号 时间戳 文件路径 纬度 经度 高度 PSNR SSIM
1 camera ModelA 1674758400 /path/to/camera1.mp4 30.2672 120.1234 100.0 25.5 0.85
2 lidar ModelB 1674758400 /path/to/lidar1.pcd 30.2672 120.1234 100.0 N/A N/A
3 camera ModelA 1674758405 /path/to/camera2.mp4 30.2672 120.1234 100.0 26.0 0.88
4 lidar ModelB 1674758405 /path/to/lidar2.pcd 30.2672 120.1234 100.0 N/A N/A
5 camera ModelA 1674758410 /path/to/camera3.mp4 30.2672 120.1234 100.0 24.0 0.80
6 lidar ModelB 1674758410 /path/to/lidar3.pcd 30.2672 120.1234 100.0 N/A N/A

事件日志

ID 事件类型 关联表 关联ID 用户ID 详情
1 预处理 sensor_data 5 system {"algorithm": "bilateralFilter", "status": "warning", "message": "PSNR低于阈值，可能图像质量较差"}
2 数据采集 sensor_data 6 system {"status": "error", "message": "激光雷达数据包丢失"}
3 标注 annotation_data 1 algorithm {"algorithm": "YOLOv5", "status": "warning", "message": "在夜间场景下，行人检测召回率较低"}

质量数据

数据范围起始 数据范围结束 数据完整性 清洗精度 清洗召回率 MAE MSE
1674758400 1674758415 95.0 90.0 85.0 0.1 0.01
1674758415 1674758430 80.0 85.0 70.0 0.2 0.04

校准参数

传感器数据ID 旋转矩阵 平移向量
1 [[1,0,0],[0,1,0],[0,0,1]] [0,0,0]
2 [[1,0,0],[0,1,0],[0,0,1]] [0,0,0]

车辆状态

传感器数据ID 位置X 位置Y 位置Z 速度 姿态Roll 姿态Pitch 姿态Yaw
1 10.0 20.0 5.0 2.5 0.01 0.02 0.03
2 10.1 20.1 5.1 2.6 0.01 0.02 0.03

告警中心

时间同步误差超出阈值

优先级: 高

发生时间: 2024-01-26 10:00:00

车辆ID: Vehicle_B

传感器对: Camera_LiDAR

时间同步误差: 12ms (阈值: 10ms)

异常原因: 摄像头和激光雷达之间的时间同步出现问题，导致时间戳不一致。可能原因包括: 传感器硬件故障, 传感器驱动程序错误, 网络传输延迟, 软件配置错误

影响: 时间同步误差会导致数据融合算法的精度下降，影响目标检测和定位的准确性，从而影响自动驾驶系统的安全性。

解决方案: 检查传感器硬件连接和状态, 更新传感器驱动程序, 检查网络连接和延迟, 检查软件配置，确保时间同步参数正确, 使用时间同步算法进行补偿。

数据完整性低于95%

优先级: 中

发生时间: 2024-01-26 09:00:00

传感器类型: LiDAR

数据完整性: 92% (阈值: 95%)

异常原因: 激光雷达数据包丢失率过高，导致数据完整性低于阈值。可能原因包括: 传感器硬件故障, 网络传输问题, 存储系统故障

影响: 数据丢失会导致自动驾驶系统无法获取完整的环境信息，影响目标检测、定位和路径规划的准确性，从而影响自动驾驶系统的安全性。

解决方案: 检查传感器硬件连接和状态, 检查网络连接和带宽, 检查存储系统状态和容量, 使用数据重传机制进行数据恢复。

目标检测算法性能下降 (夜间场景)

优先级: 高

发生时间: 2024-01-26 11:00:00

场景: 夜间

算法: 行人检测

召回率: 80% (阈值: 85%)

异常原因: 行人检测算法在夜间场景下的性能下降，导致召回率低于阈值。可能原因包括: 光照条件不足, 算法对夜间场景的适应性不足, 夜间场景下行人特征不明显

影响: 行人检测性能下降会导致自动驾驶系统无法准确识别行人，影响自动驾驶系统的安全性。

解决方案: 使用图像增强算法提高夜间场景的光照度, 使用专门针对夜间场景优化的目标检测算法, 收集更多的夜间场景数据进行训练, 调整算法参数，提高夜间场景下的行人检测性能。

点击执行常见问题自动诊断和修复建议。

打开知识库，查找常见问题和解决方案。

对于可自动修复的异常，执行自动化修复。