[发明专利]一种用于自动驾驶的系统及其部署方法

说明书

本发明公开一种用于自动驾驶的系统，其采用双模型框架，包括第一模型及第二模型。其中第一模型由第一模块提供，用于输出车辆姿态、道路信息，以及第二模型由第二模块提供，用于规划驾驶轨迹。此外，其还包括控制模块，以根据第一、第二模型输出的车辆姿态及驾驶轨迹，输出控制信号实现辅助驾驶。该系统在低成本的单个设备上完成简单的端到端模型部署，实现了L2自动驾驶各个场景功能，有效解决了当前L2+自动驾驶方案算法系统复杂，部署困难，硬件成本高的问题。

技术领域

本发明涉及自动驾驶技术领域，特别涉及一种用于自动驾驶的系统及其部署方法。

背景技术

随着大数据、深度学习算法以及芯片算力的不断发展，自动驾驶技术也已经发展到了一定阶段。由于算法模型的鲁棒性不足以及硬件成本较高等因素，这导致了复杂冗余的软硬件系统和相应的高成本之间的矛盾，这也使得现有的高阶自动驾驶方案，例如L4，仍主要用于实验研究，无法商业落地。因此，目前量产落地的自动驾驶方案仍然是以L2+为主。在硬件感知方面，主流的自动驾驶感知方案主要以相机作为感知方案和以相机、雷达的组合作为感知方案。在算法模型方面，通常网络模型包括感知、规划、决策及控制几个模块，或者将其中几个模块合并，比如将感知和规划合并，从原始图片输入直接输出规划路线，再作用到控制模块。

现有的基于L2+的自动驾驶算法部署方案存在一定的局限性。随着模型算法复杂度日益增加，导致计算量、参数量大幅增加，继而需要较高的芯片算力，硬件成本也随之增加。芯片算力虽然已有较大提升，例如Atlan系列算力最高可达1000TOPS。但是其仅部分地解决了算法的计算量问题，且芯片算力的盲目增加和系统的执行效率并不是成线性关系，如果芯片算力没有充分利用，也会产生性能过剩问题，导致硬件性价比降低。

综上所述，现有的自动驾驶算法的网络模型结构设计往往较复杂，因此其算法部署依赖较高算力平台，硬件成本高，量产落地困难。

发明内容

针对现有技术中的部分或全部问题，本发明一方面提供一种用于自动驾驶的系统，包括：

第一模块，用于提供第一模型，以输出车辆姿态、道路信息；

第二模块，用于提供第二模型，以规划驾驶轨迹；以及

控制模块，用于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。

进一步地，所述第一模块及第二模块部署于同一硬件设备上。

进一步地，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。

进一步地，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；

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。

进一步地，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。

进一步地，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。

进一步地，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；