[发明专利]一种辅助驾驶方法、装置、车载终端和云端服务器

说明书

本发明实施例公开了一种辅助驾驶方法、装置、车载终端和云端服务器，该方法包括：获取图像采集装置采集的图像信息，以及车辆当前所在位置信息；向云端服务器发送静态渲染模型获取请求，静态渲染模型获取请求中包括车辆当前所在位置信息；接收云端服务器根据车辆当前所在位置信息反馈的静态渲染模型，静态渲染模型为以车辆当前所在位置为中心，预设范围内的静态渲染模型，静态渲染模型为对固态物体进行渲染的模型；根据静态渲染模型，对图像信息进行差异化分析，获取动态物体渲染图像，以便车载终端根据静态渲染模型和动态物体渲染图像，辅助驾驶。

技术领域

本发明实施例涉及计算机技术领域，具体涉及一种辅助驾驶方法、装置、车载终端和云端服务器。

背景技术

随着人工智能技术的应用越来越广泛，各个领域都已经开始涉及人工智能技术。例如汽车领域，存在高级驾驶辅助系统(Advanced Driving Assistant System，简称ADAS)。

其主要是通过深度学习(AI deep learning)算法，对车载终端的摄像头采集实时图片、音频、视频等进行运算，让AI模型自动识别车道线、行人建筑等。一旦确定行驶过程中存在障碍物时，可以及时采取有效措施进行规避，为自动驾驶实现保驾护航。

但是，这种方式存在如下缺陷：

第一，随着车载终端的摄像头像素越来越高，所采集的图片、音频、视频等数据量越来越大，为数据运算的速度带来挑战，运算需要越来越多的GPU资源，功耗高。对于计算能力，也是成指数级增长。如果，为了保证图像渲染质量、数据分析准确性等，就必须在车载终端中集成大量GPU，但是由于车载终端内部体积有限，那么无限制的集成GPU必然是很难实现的。另外一种方式就是设计专用GPU，从开发、试用到批量生产本身就是一个漫长的过程，而且既然是准用GPU，必然要提高成本，也不能够很快普及。

那么，如何才能够保证车载终端占用体积小、构造成本低的前提下，还能够保证图像数据处理速度，用以实现辅助驾驶成为本申请所要解决的技术问题。

发明内容

为此，本发明实施例提供一种辅助驾驶方法、装置、车载终端和云端服务器，以解决现有技术中车载终端计算能力有限，无法保证大量图像数据的处理速度，进而不能更好的实现辅助驾驶的技术问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，提供了一种辅助驾驶方法，该方法包括：

获取图像采集装置采集的图像信息，以及车辆当前所在位置信息；

向云端服务器发送静态渲染模型获取请求，静态渲染模型获取请求中包括车辆当前所在位置信息；

接收云端服务器根据车辆当前所在位置信息反馈的静态渲染模型，静态渲染模型为以车辆当前所在位置为中心，预设范围内的静态渲染模型，静态渲染模型为对固态物体进行渲染的模型；

根据静态渲染模型，对图像信息进行差异化分析，获取动态物体渲染图像；

根据静态渲染模型和动态物体渲染图像，执行辅助驾驶。

进一步地，根据静态渲染模型，对图像信息进行差异化分析，获取动态物体渲染图像之前，方法还包括：

对图像采集装置采集的图像信息进行图像渲染处理。

根据本发明实施例的第二方面，提供了一种辅助驾驶方法，该方法包括：

获取车载终端上传的图像信息以及车辆当前所在的位置信息；

根据位置信息，从预构建的数据库中获取以车辆当前所在的位置为中心，预设范围内的静态渲染模型；

根据静态渲染模型，对图像信息进行差异性分析，获取动态物体渲染图像；