一种基于嵌入式GPU的深度学习驾驶辅助系统技术方案

本发明专利技术公开一种基于嵌入式GPU的深度学习驾驶辅助系统，用于解决路边临时泊车车距不规范，无法合理停车的问题以及现有的在路边临时泊车时需要拨打车辆里的挪车电话进行挪车停靠的问题；包括数据采集模块、数据库、处理器、挪车分析模块、被动泊车模块、信息发送模块、自动泊车子系统、位置分析模块、输入显示模块和积分计算模块；本发明专利技术通过位置分析模块对道路允许停车路段进行筛选和分类，当附近没有直接停车的车位，则驾驶者可以选择可挪车泊车路段进行泊车实现合理的利用车间距，被动泊车模块根据挪车距离控制挪车车辆向前或向后运动至对应的挪车距离，实现了自动调整停靠在路边的车间距。

A deep learning driving assistant system based on embedded GPU

【技术实现步骤摘要】
一种基于嵌入式GPU的深度学习驾驶辅助系统
本专利技术涉及路边临时泊车驾驶辅助
，尤其涉及一种基于嵌入式GPU的深度学习驾驶辅助系统。
技术介绍
自动泊车辅助系统是为了实现自动停车而产生的系统，在众多的汽车配套产品中，与倒车安全有关的配套产品格外引人注目，配有倒车辅助系统的品牌车型也常常成为高档车配置的重要标志之一。不同的自动泊车系统采用不同的方法来检测汽车周围的物体。有些在汽车前后保险杠四周装上了感应器，它们既可以充当发送器，也可以充当接收器。这些感应器会发送信号，当信号碰到车身周边的障碍物时会反射回来。然后，车上的计算机会利用其接收信号所需的时间来确定障碍物的位置。其他一些系统则使用安装在保险杠上的摄像头或雷达来检测障碍物。但最终结果都是一样的：汽车会检测到已停好的车辆、停车位的大小以及与路边的距离，然后将车子驶入停车位。但是在生活中，路边车辆停靠的间距参差不齐，一些路边车辆的间距比较大，但是这些车距又不能停靠一辆车，造成了车间距的浪费，如果想停车，就需要拨打车辆内的挪车电话，通过人工进行向前或向后挪车，才能调节相应的车距供其使用，比较麻烦和浪费时间。在专利“CN10829本文档来自技高网...

【技术保护点】
1.一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，包括数据采集模块、数据库、处理器、挪车分析模块、被动泊车模块、信息发送模块、自动泊车子系统、位置分析模块、输入显示模块和积分计算模块；所述数据采集模块用于采集车辆的位置、地图数据和车辆对应驾驶人数据；所述车辆的位置包括待泊车车辆的位置及待泊车车辆的车身长度和已泊车的车辆位置；地图数据包括道路地图和道路允许停车路段、路段对应的长度以及允许停车的数量；车辆对应驾驶人数据包括姓名和联系电话；所述数据采集模块将采集的车辆的位置、地图数据和车辆对应驾驶人数据发送至数据库内进行存储；所述处理器用于获取车辆的位置和地图数据并发送至位置分析模块进行位...

【技术特征摘要】
1.一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，包括数据采集模块、数据库、处理器、挪车分析模块、被动泊车模块、信息发送模块、自动泊车子系统、位置分析模块、输入显示模块和积分计算模块；所述数据采集模块用于采集车辆的位置、地图数据和车辆对应驾驶人数据；所述车辆的位置包括待泊车车辆的位置及待泊车车辆的车身长度和已泊车的车辆位置；地图数据包括道路地图和道路允许停车路段、路段对应的长度以及允许停车的数量；车辆对应驾驶人数据包括姓名和联系电话；所述数据采集模块将采集的车辆的位置、地图数据和车辆对应驾驶人数据发送至数据库内进行存储；所述处理器用于获取车辆的位置和地图数据并发送至位置分析模块进行位置分析，位置分析模块用于分析道路停车位置，具体步骤如下：步骤一：将道路允许停车路段记为Ai，i＝1……n；对应的路段距离记为Bi，i＝1……n；允许停车的数量记为Ci；i＝1……n；步骤二：对道路允许停车路段进行筛选；步骤三：对已泊车车辆相邻间距对优选泊车路段进行分类；步骤四：将直接泊车路段和可挪车泊车路段通过处理器发送至输入显示模块；所述输入显示模块用于显示直接泊车路段和可挪车泊车路段以及输入待泊车车辆驾驶人选择泊车路段和泊车时间，待泊车车辆驾驶人输入可挪车泊车路段和泊车时间并发送至处理器；处理器通过数据库获取得到待泊车车辆的积分值；当待泊车车辆的积分值大于设定阈值，则处理器产生“挪车指令”并将“挪车指令”和输入的可挪车泊车路段发送至挪车分析模块以及将输入的可挪车泊车路段和泊车时间发送至数据库；所述挪车分析模块接收“挪车指令”后对输入的可挪车泊车路段进行挪车分析，挪车具体步骤如下：W1：将输入的可挪车泊车路段上的已泊车车辆标记为挪车车辆；对输入的可挪车泊车路段中的已泊车车辆相邻间距D1、D2、……、Dn进行比较，选取最大的Di为泊车停车点；i＝1……n；以泊车停车点为基准线划分车辆，并以道路允许停车路段上车辆的行驶方向为前方向，设定向前挪车车辆记为M1、……、Mi；设定向后挪车车辆记为Mn-i、……、Mn；W2：计算已泊车车辆的对应的挪车距离；利用公式k＝g+c-Di获取得到挪车距离k；通过分别计算向前挪车车辆的挪车总距离k1和向后挪车车辆的挪车总距离k2；k1+k2＝k；W3：根据挪车总距离建立深度学习模型，并根据深度学习模型计算向前挪车车辆和向后挪车车辆的每辆车对应的挪车距离；利用深度学习模型获取得到向前挪车车辆的每辆车对应的挪车距离XQi；利用深度学习模型获取得到向后挪车车辆的每辆车对应的挪车距离XHn；W4：挪车分析模块将计算的XQi和XHn分别发送至对应的挪车车辆内部的被动泊车模块、信息发送模块和数据库；所述被动泊车模块用于根据XQi或XHn控制挪车车辆向前或向后运动至对应的挪车距离；所述信息发送模块用于根据挪车车辆获取数据库内挪车车辆对应驾驶人的联系电话，并将挪车距离通过该联系电话发送至驾驶人移动终端上。2.根据权利要求1所述的一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，步骤二所述的对道路允许停车路段进行筛选的具体筛选步骤如下：S1：选取道路允许停车路段的中心位置为计算点；通过计算点计算道路允许停车路段与待泊车车辆的位置之间的距离并记为Hi；i＝1……n；S2：设定预设道路阈值为Ha；选取Hi<Ha的道路允...

【专利技术属性】
技术研发人员：杨欧，
申请(专利权)人：深圳职业技术学院，
类型：发明
国别省市：广东,44