一种基于pegasus平台的自动驾驶的感知模型测试方法和系统技术方案

本发明专利技术公开一种基于pegasus平台的自动驾驶的感知模型测试方法和系统，其中，该基于pegasus平台的自动驾驶的感知模型测试方法包括：获取与自动驾驶相关的场景环境图像数据；在pegasus平台上，使用tensorRT工具对神经网络生成的感知模型进行tensorRT化；使用tensorRT化的感知模型，对场景环境图像数据进行推理计算。本发明专利技术的技术方案能解决现有技术中不同车载计算平台对同一感知模型的兼容性差，测试工作量大且调试周期长，影像感知模型测试效率的问题。

【技术实现步骤摘要】
一种基于pegasus平台的自动驾驶的感知模型测试方法和系统
本专利技术涉及电子设备
，尤其涉及一种基于pegasus平台的自动驾驶的感知模型测试方法和系统。
技术介绍
自动驾驶技术的飞速发展推动了自动驾驶汽车的快速迭代，但自动驾驶汽车在量产前需要进行大量的里程测试，以确保其行驶域的安全性。自动驾驶汽车主要依靠摄像头、扫描仪或激光雷达等视觉传感器对场景环境进行感知，然后再由决策控制系统进行路径规划和控制，因此自动驾驶的感知模型的测试效果至关重要。当前，自动驾驶的感知模型大多是通过深度学习算法训练的神经网络模型进行的。具体在研发人员训练好感知模型后，使用该感知模型在上车测试之前提前进行大量测试，在实验室就把各种情况考虑到，这样能提高后续测试效率，节省上车测试的成本。对于研发好的感知模型，车端部署工程师需要比较不同车载计算平台之间的性能差异。对于性能差异的比较，目前主要通过人工将感知模型输入至嵌入式的车载计算平台进行迁移测试。如果要对不同计算平台进行性能测试，需要工程师按照各车载计算平台的要求逐一进行迁移测试。然而因为本文档来自技高网...

【技术保护点】
1.一种基于pegasus平台的自动驾驶的感知模型测试方法，其特征在于，包括：/n获取与自动驾驶相关的场景环境图像数据；/n在pegasus平台上，使用tensorRT工具对神经网络生成的感知模型进行tensorRT化；/n使用tensorRT化的所述感知模型，对所述场景环境图像数据进行推理计算。/n

【技术特征摘要】
1.一种基于pegasus平台的自动驾驶的感知模型测试方法，其特征在于，包括：
获取与自动驾驶相关的场景环境图像数据；
在pegasus平台上，使用tensorRT工具对神经网络生成的感知模型进行tensorRT化；
使用tensorRT化的所述感知模型，对所述场景环境图像数据进行推理计算。


2.根据权利要求1所述的感知模型测试方法，其特征在于，所述获取与自动驾驶相关的场景环境图像数据的步骤，包括：
摄取与自动驾驶相关的场景环境图像；
使用图像信号处理技术对所述场景环境图像进行信号处理；
对信号处理后的所述场景环境图像进行软解码，得到与所述场景环境图像对应的视频流数据；
按照预定帧率截取所述视频流数据，得到所述场景环境图像数据。


3.根据权利要求1所述的感知模型测试方法，其特征在于，所述使用tensorRT工具对神经网络生成的感知模型进行tensorRT化的步骤，包括：
将所述神经网络训练生成的感知模型转化为onnx模型；
使用所述tensorRT工具将所述onnx模型进行tensorRT化，得到tensorRT化的所述感知模型。


4.根据权利要求1所述的感知模型测试方法，其特征在于，所述使用tensorRT化的感知模型，对场景环境图像数据进行推理计算的步骤，包括：
使用Socket监听网络将监听到的场景环境图像数据推送至所述pegasus平台的tensorRT化的感知模型；
使用所述tensorRT化的感知模型对所述场景环境图像数据进行推理计算。


5.根据权利要求1所述的感知模型测试方法，其特征在于，所述根据tensorRT化的感知模型，对场景环境图像数据进行推理计算的步骤，包括：
在除所述pegasus平台外的其他测试平台上部署Socket监听网络；
使用所述Socket监听网络监听所述其他测试平台的场景环境图像数据；
使用所述Socket监听网络将所述场景环境图像数据推送至所述pegasus平台；
使用所述pegasus平台上tensorRT化的感知模型对所述场景环境图像数据进行推理计算，得到推理结果；
使用所述Socket监听网络将所述推理结果返回至所述其他测试平台。


6.一种基于pegasus平台的自动驾驶的感...

【专利技术属性】
技术研发人员：龚湛，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32