[发明专利]一种用于自动驾驶的系统及其部署方法

权利要求书

1.一种用于自动驾驶的系统，其特征在于，包括：

第一模块，其被配置为提供第一模型，所述第一模型被配置为输出车辆姿态、道路信息；

第二模块，其被配置为提供第二模型，所述第二模型包括端到端隐式学习网络，且被配置为规划驾驶轨迹；以及

控制模块，其被配置为根据所述车辆姿态及驾驶轨迹，输出控制信号，进行辅助驾驶。

2.如权利要求1所述的系统，其特征在于，所述第一模型为设备端的原始模型，以及所述第二模块为定制模型，通过指定格式部署至所述设备端，其中所述设备端从相机底层数据流中获取图像原始数据。

3.如权利要求1所述的系统，其特征在于，所述第一模型与第二模型通过多线程同步方式进行输出节点的同步。

4.如权利要求3所述的系统，其特征在于，所述多线程同步方式包括：

主进程初始化两个子线程；

通过所述两个子线程将输入数据分别发送给所述第一模型及第二模型的运行进程；

在所述第一模型及第二模型的运行进程上同步运行所述第一模型及第二模型，并返回对应的子线程；

主进程通过线程锁的方式读取所述第二模型的线程数据，然后读取所述第一模型的线程数据；以及

主进程将所述第一模型及第二模型的线程数据填充至预设的数据结构中，并发送给所述控制模块。

5.如权利要求4所述的系统，其特征在于，所述主进程采用C++进程，以及所述第一模型及第二模型的运行进程采用Python进程，其中所述C++进程中的文件描述符通过execvp的argv参数传递至所述Python进程，且所述Python进程的数据读写包括poll机制。

6.如权利要求1所述的系统，其特征在于，所述第二模型的驾驶轨迹规划包括：

将相机输入的图片进行视角转换，以获取预设视角下的指定区域的图像；

将前后两帧经视角转换后的图片进行叠加，形成输入特征矩阵；

将所述输入特征矩阵输入特征提取网络以提取得到特征矩阵；

在所述特征矩阵中融合时序信息；以及

根据融合了时序信息的特征进行驾驶轨迹预测。

7.一种如权利要求1至6任一所述的系统的部署方法，其特征在于，包括：

在PC端对第二模型进行仿真验证；以及

将所述第二模型转换为设备端部署格式，并添加至所述设备端，其中所述设备端采用第一模型作为原始模型。

8.如权利要求7所述的部署方法，其特征在于，所述仿真验证包括模型训练、后处理、ONNX格式转换以及仿真器验证。

9.如权利要求8所述的部署方法，其特征在于，所述模型训练的输入数据为YUV420格式。

10.如权利要求8所述的部署方法，其特征在于，所述模型训练还包括减小待预测的数据范围，包括：

在输出轨迹的X方向坐标加入exp函数映射；以及

在输出轨迹的Y方向坐标引入sinh函数映射。

11.一种自动驾驶方法，其特征在于，包括：

提供第一模型，所述第一模型被配置为输出车辆姿态、道路信息；

提供第二模型，所述第二模型包括端到端隐式学习网络，且被配置为规划驾驶轨迹；以及

根据所述车辆姿态及驾驶轨迹，输出控制信号，进行辅助驾驶。