【技术实现步骤摘要】
本专利技术涉及辅助驾驶，具体涉及一种基于自动驾驶的多任务感知方法、系统和智能终端。
技术介绍
1、智能驾驶是汽车产业与人工智能、物联网等新兴前沿技术深度融合的产物，是当今全球汽车行业与交通出行领域智能化发展的主要方向。多任务并发运行是车载驾驶环境下实际存在的问题，已有的处理手段是针对不同任务设计不同的感知模型，这样一来，在系统实际运行中，存在多任务并发处理的问题，不仅争抢资源，而且也加剧了系统设计的复杂性，降低了系统的运行效率。
2、鉴于此，提供一种基于自动驾驶的多任务感知方法、系统和智能终端，以解决多任务并发场景下，多个感知模型并行导致的系统复杂度高，运行效率低下的问题，就成为本领域技术人员亟待解决的问题。
技术实现思路
1、为此，本专利技术实施例提供一种基于自动驾驶的多任务感知方法、系统和智能终端，以解决多任务并发场景下，多个感知模型并行导致的系统复杂度高，运行效率低下的问题，从而在保证多任务并发处理效果的前提下，降低系统的复杂程度，提高系统运行效率。
2、为了实现上述目的，本专利技术实施例提供如下技术方案：
3、本专利技术提供一种基于自动驾驶的多任务感知方法，所述方法包括：
4、分别获取多个相机的视频流数据；
5、将各所述视频流数据分别输入预存的特征预处理模型，以得到各所述特征预处理模型输出的多个特征空间，以生成各所述特征空间构成的序列特征空间；
6、基于预设的空间合并原则和约束条件，对各所述特征空间进行
7、将组合后的序列特征空间分别输入预先存储的多个任务模型，以分别得到各所述任务模型输出的识别结果；
8、将各所述识别结果输入感知融合模块，以得到融合结果。
9、在一些实施例中，分别获取多个相机的视频流数据，之前还包括：
10、基于单一时间源同步触发算法或异步触发算法，对多个相机进行时间同步，并在时间同步的情况下，分别获取各所述相机的视频流数据。
11、在一些实施例中，预存的特征预处理模型为结构相同的网络模型或结构不同的网络模型。
12、在一些实施例中，所述空间合并原则为：对相近装配位置的相机做特征空间合并。
13、在一些实施例中，所述约束条件包括：
14、对于目标级任务模型，合并多个特征空间；
15、对于像素级任务模型，合并相邻特征空间。
16、在一些实施例中，所述任务模型包括检测任务模型、识别任务模型、跟踪任务模型、分割任务模型和深度任务模型。
17、在一些实施例中，所述融合结果的表达式为：
18、
19、其中，表示各识别结果，ψ表示感知融合模块的参数，表示任务模型。
20、本专利技术还提供一种基于自动驾驶的多任务感知系统，所述系统包括：
21、数据采集单元，用于分别获取多个相机的视频流数据；
22、特征提取单元，用于将各所述视频流数据分别输入预存的特征预处理模型，以得到各所述特征预处理模型输出的多个特征空间，以得到各所述特征空间构成的序列特征空间；
23、特征组合单元，用于基于预设的空间合并原则和约束条件，对各所述特征空间进行空间组合，以得到组合后的序列特征空间；
24、任务识别单元，用于将组合后的序列特征空间分别输入预先存储的多个任务模型，以分别得到各所述任务模型输出的识别结果；
25、结果融合单元，用于将各所述识别结果输入感知融合模块，以得到融合结果。
26、本专利技术还提供一种智能终端，所述智能终端包括：数据采集装置、处理器和存储器；
27、所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如上所述的方法。
28、本专利技术还提供一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如上所述的方法。
29、本专利技术所提供的基于自动驾驶的多任务感知方法和系统，通过分别获取多个相机的视频流数据；将各所述视频流数据分别输入预存的特征预处理模型，以得到各所述特征预处理模型输出的多个特征空间，以得到各所述特征空间构成的序列特征空间；基于预设的空间合并原则和约束条件，对各所述特征空间进行空间组合，以得到组合后的序列特征空间；将组合后的序列特征空间分别输入预先存储的多个任务模型，以分别得到各所述任务模型输出的识别结果；将各所述识别结果输入感知融合模块，以得到融合结果。
30、这样，本专利技术所提供的方法和系统基于车载驾驶环境实际应用场景遇到的系统问题，针对复杂环境下的多任务深度学习感知模型的处理流程，可以将多个独立调度的任务集合到一个系统模型中进行处理，解决了系统运行中的复杂调度问题，使低效的多任务并发调度变为高效的独立任务运行，极大地提升了系统运行的稳定性和安全性，硬件系统的运行效率显著提升。从而解决了多任务并发场景下，多个感知模型并行导致的系统复杂度高，运行效率低下的问题，以便在保证多任务并发处理效果的前提下，降低了系统的复杂程度，提高了系统运行效率。
本文档来自技高网...【技术保护点】
1.一种基于自动驾驶的多任务感知方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，分别获取多个相机的视频流数据，之前还包括：
3.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，预存的特征预处理模型为结构相同的网络模型或结构不同的网络模型。
4.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，所述空间合并原则为：对相近装配位置的相机做特征空间合并。
5.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，所述约束条件包括：
6.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，所述任务模型包括检测任务模型、识别任务模型、跟踪任务模型、分割任务模型和深度任务模型。
7.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，所述融合结果的表达式为： 其中，表示各识别结果，Ψ表示感知融合模块的参数，表示任务模型。
8.一种基于自动驾驶的多任务感知系统，其特征在于，所述系统包括：
9.一
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种基于自动驾驶的多任务感知方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，分别获取多个相机的视频流数据，之前还包括：
3.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，预存的特征预处理模型为结构相同的网络模型或结构不同的网络模型。
4.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，所述空间合并原则为：对相近装配位置的相机做特征空间合并。
5.根据权利要求1所述的基于自动驾驶的多任务感知方法，其特征在于，所述约束条件包括：
6.根据权利要求1所述的基于自动驾驶的多...
【专利技术属性】
技术研发人员：蔡普光，王群，肖坚，林文涛，马骋，卢树沛，陈彬，
申请(专利权)人：北京中科慧眼科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。