CN110395267A - 一种基于嵌入式gpu的深度学习驾驶辅助系统 - Google Patents

Abstract

本发明公开一种基于嵌入式GPU的深度学习驾驶辅助系统，用于解决路边临时泊车车距不规范，无法合理停车的问题以及现有的在路边临时泊车时需要拨打车辆里的挪车电话进行挪车停靠的问题；包括数据采集模块、数据库、处理器、挪车分析模块、被动泊车模块、信息发送模块、自动泊车子系统、位置分析模块、输入显示模块和积分计算模块；本发明通过位置分析模块对道路允许停车路段进行筛选和分类，当附近没有直接停车的车位，则驾驶者可以选择可挪车泊车路段进行泊车实现合理的利用车间距，被动泊车模块根据挪车距离控制挪车车辆向前或向后运动至对应的挪车距离，实现了自动调整停靠在路边的车间距。

Description

一种基于嵌入式GPU的深度学习驾驶辅助系统

技术领域

本发明涉及路边临时泊车驾驶辅助技术领域，尤其涉及一种基于嵌入式GPU的深度学习驾驶辅助系统。

背景技术

自动泊车辅助系统是为了实现自动停车而产生的系统，在众多的汽车配套产品中，与倒车安全有关的配套产品格外引人注目，配有倒车辅助系统的品牌车型也常常成为高档车配置的重要标志之一。不同的自动泊车系统采用不同的方法来检测汽车周围的物体。有些在汽车前后保险杠四周装上了感应器，它们既可以充当发送器，也可以充当接收器。这些感应器会发送信号，当信号碰到车身周边的障碍物时会反射回来。然后，车上的计算机会利用其接收信号所需的时间来确定障碍物的位置。其他一些系统则使用安装在保险杠上的摄像头或雷达来检测障碍物。但最终结果都是一样的：汽车会检测到已停好的车辆、停车位的大小以及与路边的距离，然后将车子驶入停车位。

但是在生活中，路边车辆停靠的间距参差不齐，一些路边车辆的间距比较大，但是这些车距又不能停靠一辆车，造成了车间距的浪费，如果想停车，就需要拨打车辆内的挪车电话，通过人工进行向前或向后挪车，才能调节相应的车距供其使用，比较麻烦和浪费时间。

在专利“CN108297862A自动驾驶汽车的泊车辅助系统”虽然实现了只要泊位能容下自动驾驶汽车和车头能正确入位和可轻松离开泊位；但存在的问题是：当车距不足的时候，是无法实现自动泊车的。

发明内容

本发明的目的在于提供一种基于嵌入式GPU的深度学习驾驶辅助系统；本发明通过位置分析模块对道路允许停车路段进行筛选和分类，当附近没有直接停车的车位，则驾驶者可以选择可挪车泊车路段进行泊车实现合理的利用车间距，通过驾驶辅助系统获取路边车距临时停靠车辆车距,然后挪车分析模块重新计算分配再挪车，解决了路边临时泊车车距不规范，无法合理停车的问题；被动泊车模块根据XQ_i或XH_n控制挪车车辆向前或向后运动至对应的挪车距离，实现了自动调整停靠在路边的车间距，解决了现有的在路边临时泊车时需要拨打车辆里的挪车电话进行挪车停靠的问题。

本发明所要解决的技术问题为：

(1)如何通过驾驶辅助系统获取路边车距临时停靠车辆车距,然后挪车分析模块重新计算分配再挪车，解决了路边临时泊车车距不规范，无法合理停车的问题；

(2)如何通过被动泊车模块对路边临时泊车的车辆统一挪车，解决了现有的需要拨打车辆里预留的挪车电话进行挪车停靠的问题。

本发明的目的可以通过以下技术方案实现：一种基于嵌入式GPU的深度学习驾驶辅助系统，包括数据采集模块、数据库、处理器、挪车分析模块、被动泊车模块、信息发送模块、自动泊车子系统、位置分析模块、输入显示模块和积分计算模块；

所述数据采集模块用于采集车辆的位置、地图数据和车辆对应驾驶人数据；所述车辆的位置包括待泊车车辆的位置及待泊车车辆的车身长度和已泊车的车辆位置；地图数据包括道路地图和道路允许停车路段、路段对应的长度以及允许停车的数量；车辆对应驾驶人数据包括姓名和联系电话；所述数据采集模块将采集的车辆的位置、地图数据和车辆对应驾驶人数据发送至数据库内进行存储；所述处理器用于获取车辆的位置和地图数据并发送至位置分析模块进行位置分析，位置分析模块用于分析道路停车位置，具体步骤如下：

步骤一：将道路允许停车路段记为A_i，i＝1……n；对应的路段距离记为B_i，i＝1……n；允许停车的数量记为C_i；i＝1……n；

步骤二：对道路允许停车路段进行筛选；

步骤三：对已泊车车辆相邻间距对优选泊车路段进行分类；

步骤四：将直接泊车路段和可挪车泊车路段通过处理器发送至输入显示模块；

所述输入显示模块用于显示直接泊车路段和可挪车泊车路段以及输入待泊车车辆驾驶人选择泊车路段和泊车时间，待泊车车辆驾驶人输入可挪车泊车路段和泊车时间并发送至处理器；处理器通过数据库获取得到待泊车车辆的积分值；当待泊车车辆的积分值大于设定阈值，则处理器产生“挪车指令”并将“挪车指令”和输入的可挪车泊车路段发送至挪车分析模块以及将输入的可挪车泊车路段和泊车时间发送至数据库；

所述挪车分析模块接收“挪车指令”后对输入的可挪车泊车路段进行挪车分析，挪车具体步骤如下：

W1：将输入的可挪车泊车路段上的已泊车车辆标记为挪车车辆；对输入的可挪车泊车路段中的已泊车车辆相邻间距D₁、D₂、……、D_n进行比较，选取最大的D_i为泊车停车点；i＝1……n；以泊车停车点为基准线划分车辆，并以道路允许停车路段上车辆的行驶方向为前方向，设定向前挪车车辆记为M₁、……、M_i；设定向后挪车车辆记为M_n-i、……、M_n；

W2：计算已泊车车辆的对应的挪车距离；利用公式k＝g+c-Di获取得到挪车距离k；通过分别计算向前挪车车辆的挪车总距离k1和向后挪车车辆的挪车总距离k2；k1+k2＝k；

W3：根据挪车总距离建立深度学习模型，并根据深度学习模型计算向前挪车车辆和向后挪车车辆的每辆车对应的挪车距离；利用深度学习模型获取得到向前挪车车辆的每辆车对应的挪车距离XQ_i；利用深度学习模型获取得到向后挪车车辆的每辆车对应的挪车距离XH_n；

W4：挪车分析模块将计算的XQ_i和XH_n分别发送至对应的挪车车辆内部的被动泊车模块、信息发送模块和数据库；

所述被动泊车模块用于根据XQ_i或XH_n控制挪车车辆向前或向后运动至对应的挪车距离；所述信息发送模块用于根据挪车车辆获取数据库内挪车车辆对应驾驶人的联系电话，并将挪车距离通过该联系电话发送至驾驶人移动终端上。

步骤二所述的对道路允许停车路段进行筛选的具体筛选步骤如下：

S1：选取道路允许停车路段的中心位置为计算点；通过计算点计算道路允许停车路段与待泊车车辆的位置之间的距离并记为H_i；i＝1……n；

S2：设定预设道路阈值为H_a；选取H_i<H_a的道路允许停车路段并将其标记为目标泊车路段；

S3：根据已泊车的车辆位置获取目标泊车路段上已泊车车辆的数量和已泊车车辆相互之间的间距；选取目标泊车路段上已泊车车辆的数量小于允许停车的数量Ci的路段并将其标记为优选泊车路段；

S4：对优选泊车路段中上已泊车车辆相互之间的间距计算；设定已泊车车辆记为M_i；i＝1……n；已泊车车辆相邻间距记为D₁、D₂、……、D_n；其中，D₁表示为已泊车车辆M₁与已泊车车辆M₂之间的停车车距；D₂表示为已泊车车辆M₂与已泊车车辆M₃之间的停车车距；依次类推。

步骤三所述的对已泊车车辆相邻间距对优选泊车路段进行分类的具体步骤如下：

S1：设定停车间距阈值记为D_B；将D₁、D₂、……、Dn分别与D_B进行差值计算；获取差值大于零的车距数量并将其标记为F；

S2：当车距数量F≥1，则将其优选泊车路段标记为直接泊车路段；

S3：当车距数量F＝0，利用公式L＝D₁+D₂+……+D_n获取得到泊车总车距L；

S4：设定待泊车车辆的车身长度记为g；当L≥g+c；c为预设间距固定值；则将该优先泊车路段标记为可挪车泊车路段；当L<g+c；则该优选泊车路段标记为不可泊车路段。

优选的，所述积分计算模块用于计算车辆的积分值，具体计算步骤如下：

S1：设定单位时间内挪车消耗的积分为R；待泊车车辆驾驶人输入的泊车时间记为T；设定挪车车辆M_i对应的积分值为J_i；待泊车车辆对应的积分值记为Ni；

S2：待泊车车辆选择可挪车泊车路段，则挪车后的分值为N_i＝N_i-1-R*T；N_i-1为待泊车车辆挪车对应的积分值；

S3：利用公式或获取得到挪车车辆M_i对应的积分值为J_i；J_i-1为挪车车辆挪车前对应的积分值；

S4：积分计算模块将计算的积分值发送至数据库内进行存储；

优选的，所述自动泊车子系统包括主动泊车模块和被动泊车模块；所述主动泊车模块用于将待泊车车辆自动停到选择的泊车停车点。

优选的，该方法包括以下步骤：

步骤一：通过数据采集模块采集车辆的位置、地图数据和车辆对应驾驶人数据并发送至位置分析模块；

步骤二：通过位置分析模块分析道路停车位置，进而对道路允许停车路段进行筛选，得到优选泊车路段；再根据已泊车车辆相邻间距对优选泊车路段进行分类，得到直接泊车路段、可挪车泊车路段和不可泊车路段；

步骤三：车辆驾驶人选择直接泊车路段、可挪车泊车路段进行泊车，选择直接泊车路段，则直接进行泊车，选择可挪车泊车路段，当待泊车车辆的积分值大于设定阈值，产生挪车指令；挪车指令发送至挪车分析模块；

步骤四：挪车分析模块对可挪车泊车路段进行分析，然后对可挪车泊车路段上的挪车车辆分析，选取最大的泊车停车点，并以此为基准线，计算其对应的挪车距离；利用深度学习模型得到每辆车对应的挪车距离；

步骤五：被动泊车模块根据每辆车对应的挪车距控制挪车车辆向前或向后运动至对应的挪车距离；

步骤六：信息发送模块根据挪车车辆获取数据库内挪车车辆对应驾驶人的联系电话，并将挪车距离通过该联系电话发送至驾驶人移动终端；从而实现泊车。

本发明的有益效果：

(1)本发明通过位置分析模块对道路允许停车路段进行筛选和分类，获取得到待泊车车辆附近的停车路段；当附近没有直接停车的车位，则驾驶者可以选择可挪车泊车路段进行泊车实现合理的利用车间距，通过驾驶辅助系统获取路边车距临时停靠车辆车距,然后挪车分析模块重新计算分配再挪车，解决了路边临时泊车车距不规范，无法合理停车的问题；

(2)本发明通过挪车分析模块对可挪车泊车路段进行挪车分析，计算已泊车车辆的对应的挪车距离；利用公式k＝g+c-Di获取得到挪车距离k；根据挪车总距离计算向前挪车车辆和向后挪车车辆的每辆车对应的挪车距离；被动泊车模块根据XQ_i或XH_n控制挪车车辆向前或向后运动至对应的挪车距离，实现了自动调整停靠在路边的车间距；解决了现有的在路边临时泊车时需要拨打车辆里的挪车电话进行挪车停靠的问题；

(3)本发明通过积分计算模块用于计算车辆的积分值，利用公式或获取得到挪车车辆对应的积分值；以便于挪车车辆下次进行挪车；解决了对挪车支付的费用问题。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明一种基于嵌入式GPU的深度学习驾驶辅助系统的原理框图；

图2是本发明的挪车车辆前后划分示意图；

图3是本发明一种基于嵌入式GPU的深度学习驾驶辅助系统的实现方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-3所示，本发明为一种基于嵌入式GPU的深度学习驾驶辅助系统，包括数据采集模块、数据库、处理器、挪车分析模块、被动泊车模块、信息发送模块、自动泊车子系统、位置分析模块、输入显示模块和积分计算模块；

数据采集模块用于采集车辆的位置、地图数据和车辆对应驾驶人数据；车辆的位置包括待泊车车辆的位置及待泊车车辆的车身长度和已泊车的车辆位置；地图数据包括道路地图和道路允许停车路段、路段对应的长度以及允许停车的数量；车辆对应驾驶人数据包括姓名和联系电话；数据采集模块将采集的车辆的位置、地图数据和车辆对应驾驶人数据发送至数据库内进行存储；处理器用于获取车辆的位置和地图数据并发送至位置分析模块进行位置分析，位置分析模块用于分析道路停车位置，具体步骤如下：

步骤一：将道路允许停车路段记为A_i，i＝1……n；对应的路段距离记为B_i，i＝1……n；允许停车的数量记为C_i；i＝1……n；

步骤二：对道路允许停车路段进行筛选；

S1：选取道路允许停车路段的中心位置为计算点；通过计算点计算道路允许停车路段与待泊车车辆的位置之间的距离并记为H_i；i＝1……n；

S2：设定预设道路阈值为H_a；选取H_i<H_a的道路允许停车路段并将其标记为目标泊车路段；

S3：根据已泊车的车辆位置获取目标泊车路段上已泊车车辆的数量和已泊车车辆相互之间的间距；选取目标泊车路段上已泊车车辆的数量小于允许停车的数量Ci的路段并将其标记为优选泊车路段；

S4：对优选泊车路段中上已泊车车辆相互之间的间距计算；设定已泊车车辆记为M_i；i＝1……n；已泊车车辆相邻间距记为D₁、D₂、……、D_n；其中，D₁表示为已泊车车辆M₁与已泊车车辆M₂之间的停车车距；D₂表示为已泊车车辆M₂与已泊车车辆M₃之间的停车车距；依次类推；

步骤三：对已泊车车辆相邻间距对优选泊车路段进行分类；具体步骤如下：

S1：设定停车间距阈值记为D_B；将D₁、D₂、……、D_n分别与D_B进行差值计算；获取差值大于零的车距数量并将其标记为F；

S2：当车距数量F≥1，则将其优选泊车路段标记为直接泊车路段；

S3：当车距数量F＝0，利用公式L＝D₁+D₂+……+D_n获取得到泊车总车距L；

S4：设定待泊车车辆的车身长度记为g；当L≥g+c；c为预设间距固定值；则将该优先泊车路段标记为可挪车泊车路段；当L<g+c；则该优选泊车路段标记为不可泊车路段；

步骤四：将直接泊车路段和可挪车泊车路段通过处理器发送至输入显示模块；

输入显示模块用于显示直接泊车路段和可挪车泊车路段以及输入待泊车车辆驾驶人选择泊车路段和泊车时间，待泊车车辆驾驶人输入可挪车泊车路段和泊车时间并发送至处理器；处理器通过数据库获取得到待泊车车辆的积分值；当待泊车车辆的积分值大于设定阈值，则处理器产生“挪车指令”并将“挪车指令”和输入的可挪车泊车路段发送至挪车分析模块以及将输入的可挪车泊车路段和泊车时间发送至数据库；

挪车分析模块接收“挪车指令”后对输入的可挪车泊车路段进行挪车分析，挪车具体步骤如下：

W1：将输入的可挪车泊车路段上的已泊车车辆标记为挪车车辆；对输入的可挪车泊车路段中的已泊车车辆相邻间距D₁、D₂、……、D_n进行比较，选取最大的D_i为泊车停车点；i＝1……n；以泊车停车点为基准线划分车辆，并以道路允许停车路段上车辆的行驶方向为前方向，如图2，设定向前挪车车辆记为M₁、……、M_i；设定向后挪车车辆记为M_n-i、……、M_n；

W2：计算已泊车车辆的对应的挪车距离；利用公式k＝g+c-Di获取得到挪车距离k；通过分别计算向前挪车车辆的挪车总距离k1和向后挪车车辆的挪车总距离k2；k1+k2＝k；通过计算所需挪车总距离，然后对车距进行分配，车距大的挪动距离比例大，车距小的挪动距离比例小；得到上述公式；

根据挪车总距离建立深度学习模型，并根据深度学习模型计算向前挪车车辆和向后挪车车辆的每辆车对应的挪车距离；利用深度学习模型获取得到向前挪车车辆的每辆车对应的挪车距离XQ_i；利用深度学习模型获取得到向后挪车车辆的每辆车对应的挪车距离XH_n；

W4：挪车分析模块将计算的XQ_i和XH_n分别发送至对应的挪车车辆内部的被动泊车模块、信息发送模块和数据库；

被动泊车模块用于根据XQ_i或XH_n控制挪车车辆向前或向后运动至对应的挪车距离；信息发送模块用于根据挪车车辆获取数据库内挪车车辆对应驾驶人的联系电话，并将挪车距离通过该联系电话发送至驾驶人移动终端上；

积分计算模块用于计算车辆的积分值，具体计算步骤如下：

S1：设定单位时间内挪车消耗的积分为R；待泊车车辆驾驶人输入的泊车时间记为T；设定挪车车辆M_i对应的积分值为J_i；待泊车车辆对应的积分值记为Ni；

S2：待泊车车辆选择可挪车泊车路段，则挪车后的分值为N_i＝N_i-1-R*T；N_i-1为待泊车车辆挪车对应的积分值；

S3：利用公式或获取得到挪车车辆M_i对应的积分值为J_i；J_i-1为挪车车辆挪车前对应的积分值；按照挪车的距离与总距离的比值计算积分值；

S4：积分计算模块将计算的积分值发送至数据库内进行存储；

自动泊车子系统包括主动泊车模块和被动泊车模块；主动泊车模块用于将待泊车车辆自动停到选择的泊车停车点；

当需要离开从泊车停靠点离开时，当前后车距不足以自动泊车离开时，通过挪车分析模块分析需要挪车的距离，然后通过自动调整前后车距实现挪车的功能；

一种基于嵌入式GPU的深度学习驾驶辅助系统的实现方法包括以下步骤：

步骤一：通过数据采集模块采集车辆的位置、地图数据和车辆对应驾驶人数据并发送至位置分析模块；

步骤二：通过位置分析模块分析道路停车位置，进而对道路允许停车路段进行筛选，得到优选泊车路段；再根据已泊车车辆相邻间距对优选泊车路段进行分类，得到直接泊车路段、可挪车泊车路段和不可泊车路段；可挪车泊车路段表示，该路段没有足够的车位停车距离，但通过车辆的挪到可以挪出足够的车位停车距离；

步骤三：车辆驾驶人选择直接泊车路段、可挪车泊车路段进行泊车，选择直接泊车路段，则直接进行泊车，选择可挪车泊车路段，当待泊车车辆的积分值大于设定阈值，产生挪车指令；挪车指令发送至挪车分析模块；

步骤四：挪车分析模块对可挪车泊车路段进行分析，然后对可挪车泊车路段上的挪车车辆分析，选取最大的泊车停车点，并以此为基准线，计算其对应的挪车距离；利用深度学习模型得到每辆车对应的挪车距离；

步骤五：被动泊车模块根据每辆车对应的挪车距控制挪车车辆向前或向后运动至对应的挪车距离；

步骤六：信息发送模块根据挪车车辆获取数据库内挪车车辆对应驾驶人的联系电话，并将挪车距离通过该联系电话发送至驾驶人移动终端；从而实现在没有足够停车距离的路边进行泊车的功能；

本发明的工作原理：通过处理器获取车辆的位置和地图数据并发送至位置分析模块进行位置分析；通过位置分析模块对道路允许停车路段进行筛选和分类，获取得到待泊车车辆附近的停车路段；当附近没有直接停车的车位，则驾驶者可以选择可挪车泊车路段进行停车，驾驶者选定可挪车泊车路段，当驾驶者对应的待泊车车辆积分值大于设定值时，对该选定可挪车泊车路段进行挪车分析；通过挪车分析模块计算该泊车路段的挪车车辆对应的挪车距离；然后通过被动泊车模块根据挪车距离进行挪车，使其泊车路段挪出相应泊停车点给待泊车车辆；待泊车车辆通过主动泊车模块将待泊车车辆自动停到选择的泊车停车点；积分计算模块用于计算车辆的积分值，利用公式或获取得到挪车车辆M_i对应的积分值为J_i；可挪车泊车路段中的已泊车车辆相邻间距D₁、D₂、……、D_n进行比较，选取最大的D_i为泊车停车点；设定向前挪车车辆和向后挪车车辆；计算已泊车车辆的对应的挪车距离；利用公式k＝g+c-Di获取得到挪车距离k；通过分别计算向前挪车车辆的挪车总距离k1和向后挪车车辆的挪车总距离k2；根据挪车总距离计算向前挪车车辆和向后挪车车辆的每辆车对应的挪车距离；利用深度学习模型获取得到向前挪车车辆的每辆车对应的挪车距离XQ_i；利用深度学习模型获取得到向后挪车车辆的每辆车对应的挪车距离XH_n；被动泊车模块用于根据XQ_i或XH_n控制挪车车辆向前或向后运动至对应的挪车距离。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，包括数据采集模块、数据库、处理器、挪车分析模块、被动泊车模块、信息发送模块、自动泊车子系统、位置分析模块、输入显示模块和积分计算模块；

所述数据采集模块用于采集车辆的位置、地图数据和车辆对应驾驶人数据；所述车辆的位置包括待泊车车辆的位置及待泊车车辆的车身长度和已泊车的车辆位置；地图数据包括道路地图和道路允许停车路段、路段对应的长度以及允许停车的数量；车辆对应驾驶人数据包括姓名和联系电话；所述数据采集模块将采集的车辆的位置、地图数据和车辆对应驾驶人数据发送至数据库内进行存储；所述处理器用于获取车辆的位置和地图数据并发送至位置分析模块进行位置分析，位置分析模块用于分析道路停车位置，具体步骤如下：

步骤一：将道路允许停车路段记为A_i，i＝1……n；对应的路段距离记为B_i，i＝1……n；允许停车的数量记为C_i；i＝1……n；

步骤二：对道路允许停车路段进行筛选；

步骤三：对已泊车车辆相邻间距对优选泊车路段进行分类；

步骤四：将直接泊车路段和可挪车泊车路段通过处理器发送至输入显示模块；

所述输入显示模块用于显示直接泊车路段和可挪车泊车路段以及输入待泊车车辆驾驶人选择泊车路段和泊车时间，待泊车车辆驾驶人输入可挪车泊车路段和泊车时间并发送至处理器；处理器通过数据库获取得到待泊车车辆的积分值；当待泊车车辆的积分值大于设定阈值，则处理器产生“挪车指令”并将“挪车指令”和输入的可挪车泊车路段发送至挪车分析模块以及将输入的可挪车泊车路段和泊车时间发送至数据库；

所述挪车分析模块接收“挪车指令”后对输入的可挪车泊车路段进行挪车分析，挪车具体步骤如下：

W1：将输入的可挪车泊车路段上的已泊车车辆标记为挪车车辆；对输入的可挪车泊车路段中的已泊车车辆相邻间距D₁、D₂、……、D_n进行比较，选取最大的D_i为泊车停车点；i＝1……n；以泊车停车点为基准线划分车辆，并以道路允许停车路段上车辆的行驶方向为前方向，设定向前挪车车辆记为M₁、……、M_i；设定向后挪车车辆记为M_n-i、……、M_n；

W2：计算已泊车车辆的对应的挪车距离；利用公式k＝g+c-Di获取得到挪车距离k；通过分别计算向前挪车车辆的挪车总距离k1和向后挪车车辆的挪车总距离k2；k1+k2＝k；

W3：根据挪车总距离建立深度学习模型，并根据深度学习模型计算向前挪车车辆和向后挪车车辆的每辆车对应的挪车距离；利用深度学习模型获取得到向前挪车车辆的每辆车对应的挪车距离XQ_i；利用深度学习模型获取得到向后挪车车辆的每辆车对应的挪车距离XHn；

W4：挪车分析模块将计算的XQ_i和XH_n分别发送至对应的挪车车辆内部的被动泊车模块、信息发送模块和数据库；

所述被动泊车模块用于根据XQ_i或XH_n控制挪车车辆向前或向后运动至对应的挪车距离；所述信息发送模块用于根据挪车车辆获取数据库内挪车车辆对应驾驶人的联系电话，并将挪车距离通过该联系电话发送至驾驶人移动终端上。

2.根据权利要求1所述的一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，步骤二所述的对道路允许停车路段进行筛选的具体筛选步骤如下：

S1：选取道路允许停车路段的中心位置为计算点；通过计算点计算道路允许停车路段与待泊车车辆的位置之间的距离并记为H_i；i＝1……n；

S2：设定预设道路阈值为H_a；选取H_i<H_a的道路允许停车路段并将其标记为目标泊车路段；

S3：根据已泊车的车辆位置获取目标泊车路段上已泊车车辆的数量和已泊车车辆相互之间的间距；选取目标泊车路段上已泊车车辆的数量小于允许停车的数量Ci的路段并将其标记为优选泊车路段；

S4：对优选泊车路段中上已泊车车辆相互之间的间距计算；设定已泊车车辆记为M_i；i＝1……n；已泊车车辆相邻间距记为D₁、D₂、……、D_n；其中，D₁表示为已泊车车辆M₁与已泊车车辆M₂之间的停车车距；D₂表示为已泊车车辆M₂与已泊车车辆M₃之间的停车车距；依次类推。

3.根据权利要求1所述的一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，步骤三所述的对已泊车车辆相邻间距对优选泊车路段进行分类的具体步骤如下：

S1：设定停车间距阈值记为D_B；将D1、D₂、……、D_n分别与D_B进行差值计算；获取差值大于零的车距数量并将其标记为F；

S2：当车距数量F≥1，则将其优选泊车路段标记为直接泊车路段；

S3：当车距数量F＝0，利用公式L＝D₁+D₂+……+D_n获取得到泊车总车距L；

S4：设定待泊车车辆的车身长度记为g；当L≥g+c；c为预设间距固定值；则将该优先泊车路段标记为可挪车泊车路段；当L<g+c；则该优选泊车路段标记为不可泊车路段。

4.根据权利要求1所述的一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，所述积分计算模块用于计算车辆的积分值，具体计算步骤如下：

S1：设定单位时间内挪车消耗的积分为R；待泊车车辆驾驶人输入的泊车时间记为T；设定挪车车辆M_i对应的积分值为J_i；待泊车车辆对应的积分值记为Ni；

S2：待泊车车辆选择可挪车泊车路段，则挪车后的分值为N_i＝N_i-1-R*T；N_i-1为待泊车车辆挪车对应的积分值；

S3：利用公式或获取得到挪车车辆M_i对应的积分值为J_i；J_i-1为挪车车辆挪车前对应的积分值；

S4：积分计算模块将计算的积分值发送至数据库内进行存储。

5.根据权利要求1所述的一种基于嵌入式GPU的深度学习驾驶辅助系统，其特征在于，所述自动泊车子系统包括主动泊车模块和被动泊车模块；所述主动泊车模块用于将待泊车车辆自动停到选择的泊车停车点。

6.根据权利要求1所述的一种基于嵌入式GPU的深度学习驾驶辅助系统的实现方法，其特征在于，该方法包括以下步骤：

步骤一：通过数据采集模块采集车辆的位置、地图数据和车辆对应驾驶人数据并发送至位置分析模块；

步骤二：通过位置分析模块分析道路停车位置，进而对道路允许停车路段进行筛选，得到优选泊车路段；再根据已泊车车辆相邻间距对优选泊车路段进行分类，得到直接泊车路段、可挪车泊车路段和不可泊车路段；

步骤三：车辆驾驶人选择直接泊车路段、可挪车泊车路段进行泊车，选择直接泊车路段，则直接进行泊车，选择可挪车泊车路段，当待泊车车辆的积分值大于设定阈值，产生挪车指令；挪车指令发送至挪车分析模块；

步骤四：挪车分析模块对可挪车泊车路段进行分析，然后对可挪车泊车路段上的挪车车辆分析，选取最大的泊车停车点，并以此为基准线，计算其对应的挪车距离；利用深度学习模型得到每辆车对应的挪车距离；

步骤五：被动泊车模块根据每辆车对应的挪车距控制挪车车辆向前或向后运动至对应的挪车距离；

步骤六：信息发送模块根据挪车车辆获取数据库内挪车车辆对应驾驶人的联系电话，并将挪车距离通过该联系电话发送至驾驶人移动终端；从而实现泊车。