一种算力资源的配置方法及设备技术

本申请实施例公开了一种算力资源的配置方法及设备，可应用于自动驾驶领域，可应用在智能汽车、自动驾驶汽车、网联汽车等上，包括：车辆任意一个域控制器(DCU)接收云服务器或上位机发送的与DCU对应的算力配置数据，算力配置数据包括该DCU中各类型处理器(包括处理器核)的预设配置数量，DCU根据算力配置数据解复位DCU中的目标处理器，并在车辆采集到的感知信息属于该DCU处理范畴情况下，基于解复位的目标处理器处理该感知信息。算力配置数据支持近端升级(UDS)或远端升级(OTA)进行更新，可按需更新算力配置数据以实现对DCU中算力资源的调整，在保证业务顺利进行的前提下节约算力资源，避免DCU出厂时对应的算力配置数据只能固化于eFuse中无法修改的情形。化于eFuse中无法修改的情形。化于eFuse中无法修改的情形。

【技术实现步骤摘要】
一种算力资源的配置方法及设备


[0001]本申请涉及自动驾驶领域，尤其涉及一种算力资源的配置方法及设备。

技术介绍

[0002]汽车自专利技术以来，经历一百多年的发展，已经成为人们生活中不可或缺的一部分，随着生活水平的提高，人们对出行的舒适性、便捷性等要求越来越高，汽车随之朝着智能化方向演进。随着自动驾驶的来临，由于需要实现多传感器接入、融合、感知、定位、规控等功能，就需要硬件提供大量的算力，原有的一个功能对应一个电子控制单元(electronic control unit，ECU)的分布式计算架构已经无法适应需求，比如GPS、摄像头、激光雷达、毫米波雷达以及轮速传感器等数据(也可称为感知信息)都要在一个计算中心内进行处理以保证输出结果对整车自动驾驶的最优，因此中心化结构的域控制器(domain control unit，DCU)、多域控制器(multi domain controller，MDC)等逐步成为了发展趋势。
[0003]自动驾驶的处理器，通常有多核中央处理器(central processing unit，CPU)、图形处理器(graphics processing unit，GPU)、视频处理器(video processing unit，VPU)、神经网络处理器(neural network processing unit，NPU)、张量处理单元(tensor processing unit，TPU)、数字信号处理(digital signal processing，DSP)单元、图像信号处理(image signal processing，ISP)单元、AI core、Vector core等，一个DCU可包括上述一种或多种处理器(处理器核也看作是一种处理器)。如图1所示的DCU就包括x+1个ISP、y+1个GPU、m+1个CPU和n+1个AI core，当一个DCU的结构固定后，意味着该DCU包括的处理器类型及各类型处理器的数量也已固定，由于每种类型的处理器具备的算力资源是由处理器本身结构决定，根据处理器类型和结构就可大致估算出对应处理器具备的算力资源。因此，在DCU出厂前，将该DCU包括的各个类型处理器的总数量作为算力配置数据烧写在该DCU中的eFuse内，如图1中的x+1个ISP、y+1个GPU、m+1个CPU和n+1个AI core就是所述的算力配置数据。
[0004]上述这种算力资源配置方法是将DCU内所有处理器(包括处理器核)都进行了配置，这是因为在DCU出厂前无法准确预估后续不同自动驾驶功能所需的算力，只能按最大算力资源进行烧写配置，而在DCU的实际应用过程中，可能并不需要用到这么大的算力资源，造成资源浪费；其次，算力配置数据是烧写在eFuse中，eFuse作为一次性可编程存储器，后续无法更改。

技术实现思路

[0005]本申请实施例提供了一种算力资源的配置方法及设备，该方法中的算力配置数据可由提供统一诊断服务(unified diagnostic services，UDS)的上位机进行近端升级时发送或由提供空中下载(over the air，OTA)的云服务器进行远端升级时发送，用于通过按需调整算力配置数据实现对DCU算力资源的调整。
[0006]基于此，本申请实施例提供以下技术方案：
[0007]第一方面，本申请实施例首先提供一种算力资源的配置方法，可应用于自动驾驶领域，可应用在智能汽车、自动驾驶汽车、网联汽车等上，该方法包括：首先，DCU接收上位机或云服务器发送的与该DCU对应的第一算力配置数据，该DCU为车辆上的任意一个DCU，该DCU包括至少一个处理器，该第一算力配置数据包括该DCU中各个类型的处理器的预设配置数量，该预设配置数量可根据该DCU的历史算力资源的消耗情况以及该DCU的运行业务的具体情况进行设置，需要注意的是，由于DCU中包括的各个类型的处理器可以是多核处理器，例如，各个类型处理器内部还可能包括多个CPU Core、GPU Core、ISP Core、Vector Core等，在一些实施方式中，还可以对各个类型处理器内部的Core数进行配置，也就是在本申请的一些实施方式中，所述的处理器除了可以是指普通的CPU、GPU等处理器外，还可以是指处理器核，即上述各种Core，为便于理解，在本申请实施例中，将普通处理器以及处理器核统称为处理器。此外，各个类型的处理器的运行主频也可配置在该算力配置数据中，具体不做限定，也就是说，算力配置数据可以通过配置DCU中各个类型处理器个数、处理器运行主频及处理器内各Core数进行表征。DCU接收到上位机或云服务器发送的与该DCU对应的第一算力配置数据后，就可根据该第一算力配置数据解复位该DCU内对应的处理器(可称为目标处理器)，从而得到解复位后的目标处理器。
[0008]在本申请上述实施方式中，当自动驾驶车辆的控制器为DCU，第一算力配置数据支持上位机通过近端升级方式(即UDS)或远端升级方式(即OTA)进行更新，使得后续可按需更新第一算力配置数据以实现对DCU中算力资源的调整，从而可支持后续不同规格的驾驶业务场景时处理器的动态配置诉求，在保证业务顺利进行的前提下节约算力资源，避免了DCU出厂时对应的算力配置数据只能固化于eFuse中无法修改的情形，增强了后续驾驶业务场景不断变化的适应性。
[0009]在第一方面的一种可能的设计中，DCU基于第一算力配置数据解复位出该DCU内的目标处理器后，在自动驾驶车辆通过传感器采集到感知信息，且感知信息属于该DCU的处理范畴的情况下，该DCU就基于上述解复位后得到的目标处理器对采集到的感知信息进行处理。
[0010]在本申请上述实施方式中，DCU可基于解复位后的目标处理器处理对应的感知信息，感知信息反映了驾驶业务场景，因此，本申请实施例可增强驾驶业务场景不断变化的适应性。
[0011]在第一方面的一种可能的设计中，不管第一算力配置数据是由上位机发送还是由云服务器发送，该第一算力配置数据可以包含在在一个目标文件(可称为第一文件)中，然后由上位机或由云服务器将该第一文件向DCU发送。
[0012]在本申请上述实施方式中，具体阐述了可将第一算力配置数据包含在在第一文件中，实现了每个独立的DCU与第一算力配置数据的一一对应，便于控制和管理，具备可实现性。
[0013]在第一方面的一种可能的设计中，第一文件为经过加密的文件。需要说明的是，第一文件的加密的方式可以是对称加密，即加密和解密的秘钥使用的是同一个；加密的方式也可以是非对称加密，即非对称加密需要两个秘钥，这两个秘钥分别为公开秘钥和私有秘钥，如果用公开密钥对数据进行加密，只有用对应的私有密钥才能解密，如果用私有密钥对数据进行加密，那么只有用对应的公开密钥才能解密。在本申请实施例中，对加密的方式不
做限定。
[0014]在本申请上述实施方式中，该第一文件可以是经过了加密的文件，以防止第一算力配置数据被随意修改，提高了数据的安全性。
[0015]在第一方面的一种可能的设计中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种算力资源的配置方法，应用于车辆，其特征在于，包括：域控制器(DCU)接收云服务器或上位机发送的与所述DCU对应的第一算力配置数据，所述DCU为所述车辆上的任意一个DCU，所述DCU包括至少一个处理器，所述第一算力配置数据包括所述DCU中至少一个类型的处理器的预设配置数量；所述DCU根据所述第一算力配置数据解复位所述DCU中的目标处理器，得到解复位后的目标处理器。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述车辆通过传感器采集到感知信息，且所述感知信息属于所述DCU的处理范畴的情况下，所述DCU基于所述解复位后的目标处理器处理所述感知信息。3.根据权利要求1
‑
2中任一项所述的方法，其特征在于，所述域控制器(DCU)接收云服务器或上位机发送的与所述DCU对应的第一算力配置数据包括：所述DCU接收云服务器或上位机发送的与所述DCU对应的第一文件，所述第一文件内包含所述第一算力配置数据。4.根据权利要求3所述的方法，其特征在于，所述第一文件为经过加密的文件。5.根据权利要求3
‑
4中任一项所述的方法，其特征在于，所述第一文件包括：License文件或自定义文件。6.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所述DCU根据所述第一算力配置数据解复位所述DCU中的目标处理器包括：所述DCU对所述第一算力配置数据进行合法性校验；在所述第一算力配置数据通过合法性校验的情况下，所述DCU根据所述第一算力配置数据解复位所述DCU中的目标处理器。7.根据权利要求1
‑
6中任一项所述的方法，其特征在于，在所述DCU根据所述第一算力配置数据解复位所述DCU中的目标处理器之前，所述方法还包括：所述DCU在第一时刻将所述第一算力配置数据进行备份，得到第一备份数据，所述第一算力配置数据为处于第一时刻下的算力配置数据，所述第一备份数据为处于所述第一时刻下的备份数据；所述DCU将所述第一算力配置数据和所述第一备份数据分别存储于所述DCU内的不同存储模块。8.根据权利要求7所述的方法，其特征在于，在所述DCU将所述第一算力配置数据和所述第一备份数据分别存储于所述DCU内的不同存储模块之后，所述方法还包括：所述DCU周期性判断第二算力配置数据与第二备份数据是否一致，所述第二算力配置数据为处于当前时刻下的算力配置数据，所述第二备份数据为处于所述当前时刻下的备份数据；在所述第二算力配置数据与所述第二备份数据不一致的情况下，对所述第二算力配置数据与所述第二备份数据进行校验对齐。9.一种算力资源的配置方法，应用于车辆，其特征在于，包括：多域控制器(MDC)通过主域控制器(DCU)接收云服务器或上位机发送的与所述MDC对应的第三算力配置数据，所述MDC为所述车辆上的任意一个MDC，所述MDC包括多个DCU，所述主DCU为所述多个DCU中的一个，所述多个DCU中的每个DCU包括至少一个处理器，所述第三算
力配置数据包括所述每个DCU中至少一个类型的处理器的预设配置数量；所述MDC通过所述主DCU将所述第三算力配置数据向所述多个DCU中除所述主DCU之外的其他DCU发送；所述MDC通过所述多个DCU各自根据所述第三算力配置数据解复位各自DCU中的目标处理器，得到解复位后的目标处理器。10.根据权利要求9所述的方法，其特征在于，所述方法还包括：在所述车辆通过传感器采集到感知信息，且所述感知信息属于所述MDC的处理范畴的情况下，所述MDC基于所述解复位后的目标处理器处理所述感知信息。11.根据权利要求9
‑
10中任一项所述的方法，其特征在于，所述多域控制器(MDC)通过主域控制器(DCU)接收云服务器或上位机发送的与所述MDC对应的第三算力配置数据包括：所述MDC通过所述主DCU接收云服务器或上位机发送的与所述MDC对应的第二文件，所述第二文件内包含所述第三算力配置数据。12.根据权利要求11所述的方法，其特征在于，所述第二文件为经过加密的文件。13.根据权利要求11
‑
12中任一项所述的方法，其特征在于，所述第二文件包括：License文件或自定义文件。14.根据权利要求9
‑
13中任一项所述的方法，其特征在于，所述MDC通过所述多个DCU各自根据所述第三算力配置数据解复位各自DCU中的目标处理器包括：所述MDC通过所述多个DCU各自对所述第三算力配置数据进行合法性校验；在所述第三算力配置数据通过合法性校验的情况下，所述MDC通过所述多个DCU各自根据所述第三算力配置数据解复位各自DCU中的目标处理器。15.根据权利要求9
‑
14中任一项所述的方法，其特征在于，所述方法还包括：所述MDC通过所述主DCU周期性判断所述多个DCU内每个DCU中处于当前时刻下的各个第四算力配置数据是否一致；在所述各个第四算力配置数据存在不一致的情况下，所述MDC通过所述主DCU对所述各个第四算力配置数据进行校验对齐。16.一种域控制器(DCU)，应用于车辆，其特征在于，所述DCU包括：接收模块，用于接收云服务器或上位机发送的与所述DCU对应的第一算力配置数据，所述DCU为所述车辆上的任意一个DCU，所述DCU包括至少一个处理器，所述第一算力配置数据包括所述DCU中至少一个类型的处理器的预设配置数量；解复位模块，用于根据...

【专利技术属性】
技术研发人员：周慧强，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：