基于CPU和GPU的任务处理方法、电子设备及存储介质技术

本申请提供一种基于CPU和GPU的任务处理方法、电子设备及存储介质。方法包括：CPU获取待处理任务对应的数据集，数据集包括摄像头采集的图像、雷达数据、地图数据、车辆的运动信息中的至少一种；CPU对数据集进行预处理，并将经过预处理的数据集发送至GPU；GPU调用与待处理任务对应的算法模型，并通过算法模型基于预处理的数据集，执行待处理任务，得到执行结果。如此，CPU和GPU协同执行任务时，可以根据不同的任务灵活调用算法模型，以实现多种类任务的执行，有利于提高任务的执行效率，能够改善现有的CPU和GPU协同执行的任务种类单一的问题。的CPU和GPU协同执行的任务种类单一的问题。的CPU和GPU协同执行的任务种类单一的问题。

【技术实现步骤摘要】
基于CPU和GPU的任务处理方法、电子设备及存储介质


[0001]本专利技术涉及
，具体而言，涉及一种基于CPU和GPU的任务处理方法、电子设备及存储介质。

技术介绍

[0002]传统的数据处理通常利用CPU(Central Processing Unit，中央处理器)来计算；GPU(Graphics Processing Unit，图形处理器)通常做图像和图形相关运算。目前，存在CPU+GPU异构系统，以对传统数据和图像数据进行处理。然而，CPU+GPU异构系统能够执行的任务种类较为单一，无法实现多种类任务的执行。

技术实现思路

[0003]有鉴于此，本申请实施例的目的在于提供一种基于CPU和GPU的任务处理方法、电子设备及存储介质，能够改善CPU和GPU协同执行任务时，无法灵活实现多种类任务处理的问题。
[0004]为实现上述技术目的，本申请采用的技术方案如下：
[0005]第一方面，本申请实施例提供了一种基于CPU和GPU的任务处理方法，应用于具有CPU和GPU的电子设备，所述方法包括：
[0006]所述CPU获取待处理任务对应的数据集，所述数据集包括摄像头采集的图像、雷达数据、地图数据、车辆的运动信息中的至少一种；
[0007]所述CPU对所述数据集进行预处理，并将经过所述预处理的数据集发送至所述GPU；
[0008]所述GPU调用与所述待处理任务对应的算法模型，并通过所述算法模型基于所述预处理的数据集，执行所述待处理任务，得到执行结果。
[0009]结合第一方面，在一些可选的实施方式中，所述CPU对所述数据集进行预处理，并将经过所述预处理的数据集发送至所述GPU，包括：
[0010]所述CPU对所述数据集进行预处理，以及将所述待处理任务划分为M个子任务，M为大于1的整数；
[0011]所述CPU将经过所述预处理的数据集发送至所述GPU，以使GPU执行所述M个子任务。
[0012]结合第一方面，在一些可选的实施方式中，所述CPU对所述数据集进行预处理，以及将所述待处理任务划分为M个子任务，包括：
[0013]当所述待处理任务为目标检测任务时，所述CPU对所述数据集中的初始图像进行下采样，得到多个不同下采样尺寸的中间图像；
[0014]所述CPU根据所有所述中间图像中的anchor总个数，将所有anchor划分为M组，以将所述待处理任务划分为M个子任务。
[0015]结合第一方面，在一些可选的实施方式中，所述GPU调用与所述待处理任务对应的
算法模型，并通过所述算法模型基于所述预处理的数据集，执行所述待处理任务，得到执行结果，包括：
[0016]所述GPU调用与所述目标检测任务的子任务对应的算法模型，以作为第一算法模型；
[0017]针对M组anchor中的每组anchor，通过所述第一算法模型选择置信度大于第一预设阈值的anchor以作为候选anchor；
[0018]通过所述第一算法模型对所述候选anchor进行解码，以得到所述候选anchor对应的位置数据；
[0019]根据解码得到的所述候选anchor对应的位置数据，通过非极大值抑制NMS算法计算交并比IOU；
[0020]将IOU大于等于第二预设阈值的位置数据进行剔除；
[0021]重复执行步骤将小于所述第二预设阈值的位置数据，通过所述NMS算法计算交并比IOU，并将IOU大于等于所述第二预设阈值的位置数据进行剔除，直至得到与每个子任务的待识别目标对应的最优anchor的位置数据；
[0022]对所述M个子任务各自的最优anchor的位置数据进行合并，以得到所述执行结果。
[0023]结合第一方面，在一些可选的实施方式中，对所述M个子任务各自的最优anchor的位置数据进行合并，以得到所述执行结果，包括：
[0024]对所述M个子任务各自的最优anchor的位置数据进行合并；
[0025]当合并所有最优anchor的位置数据后，若存在重叠的所述待识别目标，则对重叠的所述待识别目标对应的最优anchor的位置数据，通过所述NMS算法确定所述目标检测任务的最终anchor的位置数据，以作为所述执行结果。
[0026]结合第一方面，在一些可选的实施方式中，所述GPU调用与所述待处理任务对应的算法模型，并通过所述算法模型基于所述预处理的数据集，执行所述待处理任务，得到执行结果，包括：
[0027]当所述待处理任务为轨迹预测任务时，所述GPU调用与所述轨迹预测任务对应的算法模型，以作为第二算法模型；
[0028]所述GPU根据所述数据集中车辆的运动信息，进行笛卡尔坐标与Frenet坐标的转换，或进行Frenet与笛卡尔坐标的转换，以进行坐标格式的统一，所述运动信息包括车辆的位置、行驶方向、车速及加速度；
[0029]所述GPU将统一坐标格式后的运动信息，输入所述第二算法模型，预估得到车辆在当前时间之后的预设时段内的行驶轨迹，以作为所述执行结果。
[0030]结合第一方面，在一些可选的实施方式中，所述方法还包括：
[0031]所述GPU通过加锁方式将所述执行结果发送至所述CPU。
[0032]结合第一方面，在一些可选的实施方式中，当存在多个待处理任务或多个子任务时，每个算法模型一一对应一个CUDA stream，以并行执行相应的任务。
[0033]第二方面，本申请实施例还提供一种电子设备，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行上述的方法。
[0034]第三方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储
介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
[0035]采用上述技术方案的专利技术，具有如下优点：
[0036]在本申请提供的技术方案中，由CPU收集数据集，并对数据集进行预处理，然后由GPU调用与待处理任务对应的算法模型，并通过所调用的算法模型根据预处理后的数据集来执行待处理任务。如此，CPU和GPU协同执行任务时，可以根据不同的任务灵活调用算法模型，以实现多种类任务的执行，能够改善现有的CPU和GPU协同执行的任务种类单一的问题。
附图说明
[0037]本申请可以通过附图给出的非限定性实施例进一步说明。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
[0038]图1为本申请实施例提供的电子设备执行任务的流程示意图。
[0039]图2为本申请实施例提供的基于CPU和GPU的任务处理方法的流程示意图。
具体实施方式
[0040]以下将结合附图和具体实施例对本申请进行详细说明，需要说明的是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CPU和GPU的任务处理方法，其特征在于，应用于具有CPU和GPU的电子设备，所述方法包括：所述CPU获取待处理任务对应的数据集，所述数据集包括摄像头采集的图像、雷达数据、地图数据、车辆的运动信息中的至少一种；所述CPU对所述数据集进行预处理，并将经过所述预处理的数据集发送至所述GPU；所述GPU调用与所述待处理任务对应的算法模型，并通过所述算法模型基于所述预处理的数据集，执行所述待处理任务，得到执行结果。2.根据权利要求1所述的方法，其特征在于，所述CPU对所述数据集进行预处理，并将经过所述预处理的数据集发送至所述GPU，包括：所述CPU对所述数据集进行预处理，以及将所述待处理任务划分为M个子任务，M为大于1的整数；所述CPU将经过所述预处理的数据集发送至所述GPU，以使GPU执行所述M个子任务。3.根据权利要求2所述的方法，其特征在于，所述CPU对所述数据集进行预处理，以及将所述待处理任务划分为M个子任务，包括：当所述待处理任务为目标检测任务时，所述CPU对所述数据集中的初始图像进行下采样，得到多个不同下采样尺寸的中间图像；所述CPU根据所有所述中间图像中的anchor总个数，将所有anchor划分为M组，以将所述待处理任务划分为M个子任务。4.根据权利要求3所述的方法，其特征在于，所述GPU调用与所述待处理任务对应的算法模型，并通过所述算法模型基于所述预处理的数据集，执行所述待处理任务，得到执行结果，包括：所述GPU调用与所述目标检测任务的子任务对应的算法模型，以作为第一算法模型；针对M组anchor中的每组anchor，通过所述第一算法模型选择置信度大于第一预设阈值的anchor以作为候选anchor；通过所述第一算法模型对所述候选anchor进行解码，以得到所述候选anchor对应的位置数据；根据解码得到的所述候选anchor对应的位置数据，通过非极大值抑制NMS算法计算交并比IOU；将IOU大于等于第二预设阈值的位置数据进行剔除；重复执行步骤将小于所述第二预设阈值的位置数据，通过所述NMS算法计算交并比IOU，并将IOU大于等于所述第二预设阈值的位置数据进行剔除，直至得到与每个子任务的待识别目标对应的最优anchor...

【专利技术属性】
技术研发人员：肖龙，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：