一种智能驾驶系统、方法、设备及介质技术方案

本申请公开了一种智能驾驶系统、方法、设备及介质，涉及智能驾驶技术领域，包括：数据采集模块、数据处理模块、车辆控制模块；数据采集模块包括摄像头和超声波雷达，用于采集目标车辆的周围环境数据；数据处理模块通过预设轻量化AI算法模型对周围环境数据计算，得到目标标记及可行驶区域；预设轻量化AI算法模型为将泊车与行车的深度学习模型整合后得到的算法模型；车辆控制模块用于根据目标标记及可行驶区域执行泊车和行车动作。本申请中，精简的系统架构解决了由于传感器堆积导致的整车架构开发复杂及成本过高问题，以及解决了数据使用率不高的问题，同时能够满足L2+的功能场景需求；轻量化AI算法模型提高了数据处理效率。轻量化AI算法模型提高了数据处理效率。轻量化AI算法模型提高了数据处理效率。

【技术实现步骤摘要】
一种智能驾驶系统、方法、设备及介质


[0001]本专利技术涉及智能驾驶
，特别涉及一种智能驾驶系统、方法、设备及介质。

技术介绍

[0002]近些年来，智能驾驶技术有着快速发展及广泛应用，逐渐已成为汽车智能化的核心要素之一，伴随的问题是传感器的堆积导致整车架构开发复杂及开发成本过高，同时也给消费者带来了经济负担。
[0003]此外，大量传感器采集到的数据会产生数据冗余，使得数据的使用率不高，因此，如何提高数据的使用率以及提高对数据的处理效率也是本领域技术人员需要持续探索的问题。
[0004]综上所述，如何精简整车架构以及降低开发成本，并提高数据的使用率以及对数据的处理效率，是本领域亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种智能驾驶系统、方法、设备及介质。能够精简整车架构开发复杂以及降低开发成本，并提高对数据的感知效率，其具体方案如下：
[0006]第一方面，本申请公开了一种智能驾驶系统，包括：数据采集模块、数据处理模块、车辆控制模块；
[0007]所述数据采集模块，包括摄像头和超声波雷达，并用于通过所述摄像头以及所述超声波雷达采集目标车辆的周围环境数据；
[0008]所述数据处理模块，用于通过预设轻量化AI算法模型对所述周围环境数据进行计算，以识别得到所述目标车辆周围环境的目标标记以及所述目标车辆的可行驶区域；其中，所述预设轻量化AI算法模型为将泊车的深度学习模型与行车的深度学习模型整合后得到的算法模型；
[0009]所述车辆控制模块，用于根据所述目标标记以及所述可行驶区域执行泊车以及行车动作，以实现智能化辅助驾驶。
[0010]可选的，所述摄像头，包括：部署于所述目标车辆的车体的前侧、后侧、左侧以及右侧的鱼眼摄像头和部署于所述目标车辆的车顶前侧的前视摄像头和部署于所述目标车辆的车顶后侧的后视摄像头。
[0011]可选的，所述数据处理模块，用于：
[0012]通过预设轻量化AI算法模型对所述鱼眼摄像头、所述前视摄像头以及所述超声波雷达采集到的第一周围环境数据进行计算，以识别得到所述目标车辆周围环境的第一目标标记以及所述目标车辆的第一可行驶区域；
[0013]相应的，所述车辆控制模块，用于根据所述第一目标标记以及所述第一可行驶区域执行泊车动作，以实现智能化辅助泊车。
[0014]可选的，所述数据处理模块，用于：
[0015]通过预设轻量化AI算法模型对所述鱼眼摄像头、所述后视摄像头以及所述超声波雷达采集到的第二周围环境数据进行计算，以识别得到所述目标车辆周围环境的第二目标标记以及所述目标车辆的第二可行驶区域；
[0016]相应的，所述车辆控制模块，用于根据所述第二目标标记以及所述第二可行驶区域执行行车动作，以实现智能化辅助行车。
[0017]可选的，所述预设轻量化AI算法模型包括多个颈部网络和头部网络，并且针对不同的目标标记识别任务以及可行驶区域识别任务，所述预设轻量化AI算法模型分别采用独立的颈部网络和头部网络。
[0018]可选的，所述智能驾驶系统，还包括：
[0019]数据预处理模块，用于对所述目标车辆的周围环境数据进行数据脱敏预处理、数据标注处理以及数据检查处理，并用于对处理后的所述周围环境数据进行自动化管理。
[0020]可选的，所述智能驾驶系统，还包括：
[0021]视觉抽象模块，用于基于第一预设中间件实现应用层与底层所述周围环境数据之间的解耦；
[0022]运行调度环境模块，用于基于第二预设中间件实现同构核间、异构核间、以及不同操作系统间的高效通讯和零拷贝的高效数据共享；并用于对数据类型进行标准化封装。
[0023]第二方面，本申请公开了一种智能驾驶方法，包括：
[0024]通过摄像头以及超声波雷达采集目标车辆的周围环境数据；
[0025]通过预设轻量化AI算法模型对所述周围环境数据进行计算，以识别得到所述目标车辆周围环境的目标标记以及所述目标车辆的可行驶区域；其中，所述预设轻量化AI算法模型为将泊车的深度学习模型与行车的深度学习模型整合后得到的算法模型；
[0026]根据所述目标标记以及所述可行驶区域执行泊车以及行车动作，以实现智能化辅助驾驶。
[0027]第三方面，本申请公开了一种电子设备，包括：
[0028]存储器，用于保存计算机程序；
[0029]处理器，用于执行所述计算机程序，以实现前述公开的智能驾驶方法。
[0030]第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的智能驾驶方法。
[0031]可见，本申请提出一种智能驾驶系统，包括数据采集模块、数据处理模块、车辆控制模块；所述数据采集模块，包括摄像头和超声波雷达，并用于通过所述摄像头以及所述超声波雷达采集目标车辆的周围环境数据；所述数据处理模块，用于通过预设轻量化AI算法模型对所述周围环境数据进行计算，以识别得到所述目标车辆周围环境的目标标记以及所述目标车辆的可行驶区域；其中，所述预设轻量化AI算法模型为将泊车的深度学习模型与行车的深度学习模型整合后得到的算法模型；所述车辆控制模块，用于根据所述目标标记以及所述可行驶区域执行泊车以及行车动作，以实现智能化辅助驾驶。由此可见，本申请中，只需使用摄像头以及超声波雷达作为传感器采集目标车辆的周围环境数据，相较于传统的使用各种复杂类型的雷达传感器，本申请能够精简智能驾驶系统架构，这样一来，解决了由于传感器堆积导致的整车架构开发复杂及成本过高问题，以及解决了数据使用率不高的问题，同时能够满足自动泊车以及行车的L2+的功能场景需求；另一方面，本申请将泊车
的深度学习模型与行车的深度学习模型整合后得到所述预设轻量化AI算法模型，如此一来，在泊车的深度学习任务与行车的深度学习任务中，提高了对于传感器采集到的环境数据的处理效率。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0033]图1为本申请公开的一种智能驾驶系统的结构示意图；
[0034]图2为本申请公开的一种摄像头及超声波雷达的布局结构示意图；
[0035]图3为本申请公开的一种具体的智能驾驶的结构示意图；
[0036]图4为本申请公开的一种基于视觉的算法架构设计方案的流程图；
[0037]图5为本申请公开的一种基于预设轻量化AI算法模型处理4路语言摄像头、1路前视摄像头以及1路后视摄像头输入的流程图；
[0038]图6为本申请公开的一种具体的智能驾驶的结构示意图；
[0039]图7为本申请公开的一种不同系统以及不同内核之间进行通信的结构示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能驾驶系统，其特征在于，包括：数据采集模块、数据处理模块、车辆控制模块；所述数据采集模块，包括摄像头和超声波雷达，并用于通过所述摄像头以及所述超声波雷达采集目标车辆的周围环境数据；所述数据处理模块，用于通过预设轻量化AI算法模型对所述周围环境数据进行计算，以识别得到所述目标车辆周围环境的目标标记以及所述目标车辆的可行驶区域；其中，所述预设轻量化AI算法模型为将泊车的深度学习模型与行车的深度学习模型整合后得到的算法模型；所述车辆控制模块，用于根据所述目标标记以及所述可行驶区域执行泊车以及行车动作，以实现智能化辅助驾驶。2.根据权利要求1所述的智能驾驶系统，其特征在于，所述摄像头，包括：部署于所述目标车辆的车体的前侧、后侧、左侧以及右侧的鱼眼摄像头和部署于所述目标车辆的车顶前侧的前视摄像头和部署于所述目标车辆的车顶后侧的后视摄像头。3.根据权利要求2所述的智能驾驶系统，其特征在于，所述数据处理模块，用于：通过预设轻量化AI算法模型对所述鱼眼摄像头、所述前视摄像头以及所述超声波雷达采集到的第一周围环境数据进行计算，以识别得到所述目标车辆周围环境的第一目标标记以及所述目标车辆的第一可行驶区域；相应的，所述车辆控制模块，用于根据所述第一目标标记以及所述第一可行驶区域执行泊车动作，以实现智能化辅助泊车。4.根据权利要求2所述的智能驾驶系统，其特征在于，所述数据处理模块，用于：通过预设轻量化AI算法模型对所述鱼眼摄像头、所述后视摄像头以及所述超声波雷达采集到的第二周围环境数据进行计算，以识别得到所述目标车辆周围环境的第二目标标记以及所述目标车辆的第二可行驶区域；相应的，所述车辆控制模块，用于根据所述第二目标标记以及所述第二可行驶区域执行行车动作...

【专利技术属性】
技术研发人员：司正敏，陶维，
申请(专利权)人：知行汽车科技苏州股份有限公司，
类型：发明
国别省市：