算力分配方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种算力分配方法、装置、计算机设备和存储介质。所述方法包括：当自动驾驶车辆在规划路径内行驶，通过多个方向的车载传感器获取当前时刻预设范围内每个方向的车载传感器采集的路面信息；再获取自动驾驶车辆当前时刻的驾驶信息；进而将当前时刻预设范围内每个方向的车载传感器采集的路面信息和当前时刻所述驾驶信息输入仿生算力分配模型，确定对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息。采用本方法能够提高系统可用性、提高感知性能、降低算力成本。降低算力成本。降低算力成本。

【技术实现步骤摘要】
算力分配方法、装置、计算机设备和存储介质


[0001]本申请涉及自动驾驶
，特别是涉及一种算力分配方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着信息和控制技术的发展，自动驾驶技术逐步被用户所接受。自动驾驶不仅能将汽车行驶的危险性降到最低，而且能够减轻用户繁重的驾驶任务。因此，自动驾驶技术成为汽车发展的必然趋势。
[0003]环境感知模块通过车载传感器探测自动驾驶车辆周围环境，通过深度学习技术实现对车载传感器的感知图像进行识别、分割、测距等等。但是深度学习需要使用算力较大，而且每台自动驾驶车辆使用多台甚至十多台视觉传感器，对车载计算平台是巨大挑战。现有技术中，主要使用高精地图提供的静态目标信息，在有静态目标时才使用相关算力，例如高精地图提示前方较近距离内有红绿灯，才开始使用算力计算能够拍摄到红绿灯的摄像头传回的图像，识别红绿灯，并辨别红绿灯颜色。
[0004]然而，目前的方法，存在实用性差或成本高等问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高系统可用性、提高感知性能、降低算力成本的算力分配方法、装置、计算机设备和存储介质。
[0006]一种算力分配方法，所述方法包括：
[0007]当自动驾驶车辆在规划路径内行驶，通过多个方向的车载传感器获取当前时刻预设范围内每个方向的车载传感器采集的路面信息；
[0008]获取自动驾驶车辆当前时刻的驾驶信息；
[0009]将当前时刻预设范围内每个方向的车载传感器采集的路面信息和当前时刻所述驾驶信息输入仿生算力分配模型，确定对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息。
[0010]在其中一个实施例中，所述当自动驾驶车辆在规划路径内行驶，通过多个方向的车载传感器获取当前时刻预设范围内每个方向的车载传感器采集的路面信息包括：
[0011]通过前向车载传感器获取当前时刻预设范围内的前向路面信息、后向车载传感器获取当前时刻预设范围内的后向路面信息、左侧车载传感器获取当前时刻预设范围内的左侧路面信息以及右侧车载传感器获取当前时刻预设范围内的右侧路面信息。
[0012]在其中一个实施例中，所述获取自动驾驶车辆当前时刻的驾驶信息包括：
[0013]获取自动驾驶车辆当前时刻的行为信息和速度信息。
[0014]在其中一个实施例中，所述将当前时刻预设范围内每个方向的车载传感器采集的路面信息和当前时刻所述驾驶信息输入仿生算力分配模型，确定对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息包括：
[0015]将所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息、行为信息和速度信息输入所述仿生算力分配模型，输出对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息。
[0016]在其中一个实施例中，所述将所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息、行为信息和速度信息输入所述仿生算力分配模型，输出对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息包括：
[0017]分别根据所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息，分别确定所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标以及右侧路面信息对应的右侧静态目标和右侧动态目标；
[0018]分别根据前向静态目标和前向动态目标、后向静态目标和后向动态目标、左侧静态目标和左侧动态目标以及右侧静态目标和右侧动态目标，分别确定所述前向路面信息对应的前向算力需求、后向路面信息对应的后向算力需求、左侧路面信息对应的左侧算力需求以及右侧路面信息对应的右侧算力需求；
[0019]分别根据前向算力需求、后向算力需求、左侧算力需求和右侧算力需求，分别确定对所述前向车载传感器采集的前向路面信息进行运算的下一时刻、对所述后向车载传感器采集的后向路面信息进行运算的下一时刻、对所述左侧车载传感器采集的左侧路面信息进行运算的下一时刻和对所述右侧车载传感器采集的右侧路面信息进行运算的下一时刻；
[0020]获取所述自动驾驶车辆的预设总算力；
[0021]根据行为信息、速度信息所述自动驾驶车辆的预设总算力、前向算力需求、后向算力需求、左侧算力需求和右侧算力需求，确定下一时刻自动驾驶车辆的行为信息和速度信息。
[0022]在其中一个实施例中，所述分别根据所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息，分别确定所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标以及右侧路面信息对应的右侧静态目标和右侧动态目标包括：
[0023]获取深度学习网络；
[0024]采用深度学习网络分别对所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息进行处理，得到所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标和右侧路面信息对应的右侧静态目标和右侧动态目标。
[0025]在其中一个实施例中，所述分别根据前向静态目标和前向动态目标、后向静态目标和后向动态目标、左侧静态目标和左侧动态目标以及右侧静态目标和右侧动态目标，分别确定所述前向路面信息对应的前向算力需求、后向路面信息对应的后向算力需求、左侧路面信息对应的左侧算力需求以及右侧路面信息对应的右侧算力需求包括：
[0026]获取采用深度学习网络对所述前向路面信息进行处理所对应的前向网络算力需求、采用深度学习网络对所述后向路面信息进行处理所对应的后向网络算力需求、采用深度学习网络对所述左侧路面信息进行处理所对应的左侧网络算力需求和采用深度学习网
络对所述右侧路面信息进行处理所对应的右侧网络算力需求；
[0027]分别根据前向网络算力需求、后向网络算力需求、左侧网络算力需求和右侧网络算力需求，分别确定前向静态目标算力需求、后向静态目标算力需求、左侧静态目标算力需求和右侧静态目标算力需求；
[0028]识别所述前向动态目标中的至少一个动态目标类型、所述后向动态目标中的至少一个动态目标类型、所述左侧动态目标中的至少一个动态目标类型和所述右侧动态目标中的至少一个动态目标类型；
[0029]分别调取所述前向动态目标中的至少一个动态目标类型中子动态目标对应的子动态目标系数、所述后向动态目标中的至少一个动态目标类型中子动态目标对应的子动态目标系数、所述左侧动态目标中的至少一个动态目标类型中子动态目标对应的子动态目标系数和所述右侧动态目标中的至少一个动态目标类型中子动态目标对应的子动态目标系数；
[0030]分别根据所述前向动态目标中的至少一个动态目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种算力分配方法，其特征在于，所述方法包括：当自动驾驶车辆在规划路径内行驶，通过多个方向的车载传感器获取当前时刻预设范围内每个方向的车载传感器采集的路面信息；获取自动驾驶车辆当前时刻的驾驶信息；将当前时刻预设范围内每个方向的车载传感器采集的路面信息和当前时刻所述驾驶信息输入仿生算力分配模型，确定对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息。2.根据权利要求1所述的方法，其特征在于，所述当自动驾驶车辆在规划路径内行驶，通过多个方向的车载传感器获取当前时刻预设范围内每个方向的车载传感器采集的路面信息包括：通过前向车载传感器获取当前时刻预设范围内的前向路面信息、后向车载传感器获取当前时刻预设范围内的后向路面信息、左侧车载传感器获取当前时刻预设范围内的左侧路面信息以及右侧车载传感器获取当前时刻预设范围内的右侧路面信息。3.根据权利要求1所述的方法，其特征在于，所述获取自动驾驶车辆当前时刻的驾驶信息包括：获取自动驾驶车辆当前时刻的行为信息和速度信息。4.根据权利要求3所述的方法，其特征在于，所述将当前时刻预设范围内每个方向的车载传感器采集的路面信息和当前时刻所述驾驶信息输入仿生算力分配模型，确定对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息包括：将所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息、行为信息和速度信息输入所述仿生算力分配模型，输出对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息。5.根据权利要求4所述的方法，其特征在于，所述将所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息、行为信息和速度信息输入所述仿生算力分配模型，输出对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息包括：分别根据所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息，分别确定所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标以及右侧路面信息对应的右侧静态目标和右侧动态目标；分别根据前向静态目标和前向动态目标、后向静态目标和后向动态目标、左侧静态目标和左侧动态目标以及右侧静态目标和右侧动态目标，分别确定所述前向路面信息对应的前向算力需求、后向路面信息对应的后向算力需求、左侧路面信息对应的左侧算力需求以及右侧路面信息对应的右侧算力需求；分别根据前向算力需求、后向算力需求、左侧算力需求和右侧算力需求，分别确定对所述前向车载传感器采集的前向路面信息进行运算的下一时刻、对所述后向车载传感器采集的后向路面信息进行运算的下一时刻、对所述左侧车载传感器采集的左侧路面信息进行运算的下一时刻和对所述右侧车载传感器采集的右侧路面信息进行运算的下一时刻；
获取所述自动驾驶车辆的预设总算力；根据行为信息、速度信息所述自动驾驶车辆的预设总算力、前向算力需求、后向算力需求、左侧算力需求和右侧算力需求，确定下一时刻自动驾驶车辆的行为信息和速度信息。6.根据权利要求5所述的方法，其特征在于，所述分别根据所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息，分别确定所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标以及右侧路面信息对应的右侧静态目标和右侧动态目标包括：获取深度学习网络；采用深度学习网络分别对所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息进行处理，得到所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标和右侧路面信息对应的右侧静态目标和右侧动态目标。7.根据权利要求6所述的方法，其特征在于，所述分别根据前向静态目标和前向动态目标、后向静态目标和后向动态目标、左侧静态目标和左侧动态目...

【专利技术属性】
技术研发人员：王平，原诚寅，
申请(专利权)人：北京新能源汽车技术创新中心有限公司，
类型：发明
国别省市：