CN112394918A - 一种自动驾驶应用的开发方法及处理方法、系统 - Google Patents

一种自动驾驶应用的开发方法及处理方法、系统 Download PDF

Info

Publication number
CN112394918A
CN112394918A CN202110078592.9A CN202110078592A CN112394918A CN 112394918 A CN112394918 A CN 112394918A CN 202110078592 A CN202110078592 A CN 202110078592A CN 112394918 A CN112394918 A CN 112394918A
Authority
CN
China
Prior art keywords
component
road scene
basic
automatic driving
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110078592.9A
Other languages
English (en)
Other versions
CN112394918B (zh
Inventor
吕飞
张道杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoqi Intelligent Control Beijing Technology Co Ltd
Original Assignee
Guoqi Intelligent Control Beijing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guoqi Intelligent Control Beijing Technology Co Ltd filed Critical Guoqi Intelligent Control Beijing Technology Co Ltd
Priority to CN202110078592.9A priority Critical patent/CN112394918B/zh
Publication of CN112394918A publication Critical patent/CN112394918A/zh
Application granted granted Critical
Publication of CN112394918B publication Critical patent/CN112394918B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/30Creation or generation of source code
    • G06F8/33Intelligent editors

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供的一种自动驾驶应用的开发方法及处理方法、系统,该自动驾驶应用的开发方法包括:获取目标自动驾驶应用开发的目标道路场景要求;从预设组件库中提取满足目标道路场景要求的多个基础组件,基础组件为具有自动驾驶功能的对象;将各基础组件进行组合生成组合组件;获取各基础组件对应的道路场景适用条件;基于各基础组件对应的道路场景适用条件配置组合组件对应的道路场景适用条件,并基于组合组件生成目标自动驾驶应用。通过实施本发明,提高了自动驾驶应用的开发速度。

Description

一种自动驾驶应用的开发方法及处理方法、系统
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种自动驾驶应用的开发方法及处理方法、系统。
背景技术
现阶段的自动驾驶应用开发方法一般采用嵌入式开发,或利用AUTOSAR工具链,由车厂一级供应商或主机厂研发团队进行自动驾驶应用的设计和开发。
随着自动驾驶的发展,以及智能座舱的快速普及,车厂和消费者需要更多、更复杂、快速更新的应用。未来,针对高等级的自动驾驶场景,潜在的自动驾驶或相关应用需求数量可能在百余个甚至千余个。然而目前采用的嵌入式或基于AUTOSAR工具链的开发方法更多地适用于功能简单、功能种类少的低级别自动驾驶场景,在面对更多、更复杂的应用需求时,其开发方式在时间效率、开发成本、灵活性等方面已不适用,从而导致开发效率低,开发难度高。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中目前的自动驾驶应用开发方法开发效率低,开发难度高的缺陷,从而提供一种自动驾驶应用的开发方法及处理方法、系统。
为达到上述目的,本发明提供如下技术方案:
第一方面,本发明实施例提供一种自动驾驶应用的开发方法,包括:获取目标自动驾驶应用开发的目标道路场景要求;从预设组件库中提取满足所述目标道路场景要求的多个基础组件,所述基础组件为具有自动驾驶功能的对象;将各基础组件进行组合生成组合组件;获取各基础组件对应的道路场景适用条件;基于各基础组件对应的道路场景适用条件配置所述组合组件对应的道路场景适用条件,并基于所述组合组件生成所述目标自动驾驶应用。
可选地,所述基于各基础组件对应的道路场景适用条件配置所述组合组件对应的道路场景适用条件,包括:计算各基础组件对应的道路场景适用条件的交集;将所述交集确定为所述组合组件对应的道路场景适用条件。
可选地,自动驾驶应用的开发方法,还包括:基于所述组合组件对所述预设组件库进行更新。
第二方面,本发明实施例提供一种自动驾驶应用的处理方法,包括:获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,所述当前目标自动驾驶应用为采用本发明实施例第一方面所述的自动驾驶应用开发方法开发的目标自动驾驶应用;基于所述组件信息确定构成所述组合组件的各基础组件;基于所述当前道路场景数据和预设仲裁模型,确定各基础组件的权重;调用各基础组件分别得到所述当前道路场景数据对应的基础处理结果;基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成所述当前目标自动驾驶应用的目标处理结果。
可选地,所述基于所述当前道路场景数据和预设仲裁模型,确定各基础组件的权重,包括:计算所述当前道路场景数据与各基础组件的道路场景适用条件的匹配度;将所述匹配度输入所述预设仲裁模型,确定各基础组件的权重。
可选地,自动驾驶应用的处理方法,还包括:对所述预设仲裁模型进行更新。
可选地,所述对所述预设仲裁模型进行更新,包括:获取所述目标处理结果对应的标准处理结果;根据所述目标处理结果与所述标准处理结果间的差异,对所述预设仲裁模型进行更新。
第三方面,本发明实施例提供一种自动驾驶应用开发系统,包括:第一获取模块,用于获取目标自动驾驶应用开发的目标道路场景要求;第一提取模块,用于从预设组件库中提取满足所述目标道路场景要求的多个基础组件,所述基础组件为具有自动驾驶功能的对象;第一组合模块,用于将各基础组件进行组合生成组合组件;第二获取模块,用于获取各基础组件对应的道路场景适用条件;第一处理模块,用于基于各基础组件对应的道路场景适用条件配置所述组合组件对应的道路场景适用条件,并基于所述组合组件生成所述目标自动驾驶应用。
第四方面,本发明实施例提供一种自动驾驶应用的处理系统,包括:第三获取模块,用于获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,所述当前目标自动驾驶应用为采用本发明实施例第一方面所述的自动驾驶应用的开发方法开发的目标自动驾驶应用;第二处理模块,用于基于所述组件信息确定构成所述组合组件的各基础组件;第三处理模块,用于基于所述当前道路场景数据和预设仲裁模型,确定各基础组件的权重;第四处理模块,用于调用各基础组件分别得到所述当前道路场景数据对应的基础处理结果;第一融合模块,用于基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成所述当前目标自动驾驶应用的目标处理结果。
第五方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的自动驾驶应用的开发方法或本发明实施例第二方面所述的自动驾驶应用的处理方法。
第六方面,本发明实施例提供一种计算机设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行本发明实施例第一方面所述的自动驾驶应用的开发方法或本发明实施例第二方面所述的自动驾驶应用的处理方法。
本发明技术方案,具有如下优点:
本发明提供的自动驾驶应用的开发方法,包括:获取目标自动驾驶应用开发的目标道路场景要求;从预设组件库中提取满足目标道路场景要求的多个基础组件,基础组件为具有自动驾驶功能的对象;将各基础组件进行组合生成组合组件;获取各基础组件对应的道路场景适用条件;基于各基础组件对应的道路场景适用条件配置组合组件对应的道路场景适用条件,并基于组合组件生成目标自动驾驶应用。在自动驾驶应用的开发过程中,通过将各基础组件进行组合生成组合组件,利用现有的应用组合生成复杂度更高的新应用,避免了从零开发新应用,提高了自动驾驶应用的开发速度,降低了开发成本。
本发明提供的自动驾驶应用的处理方法,包括:获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,当前目标自动驾驶应用为采用上述实施例的自动驾驶应用开发方法开发的目标自动驾驶应用;基于组件信息确定构成组合组件的各基础组件;基于当前道路场景数据和预设仲裁模型,确定各基础组件的权重;调用各基础组件分别得到当前道路场景数据对应的基础处理结果;基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成当前目标自动驾驶应用的目标处理结果。通过采用上述实施例的自动驾驶应用开发方法开发的目标自动驾驶应用,将各基础组件进行组合生成组合组件,并利用预设仲裁模型将各基础组件对应的基础处理结果进行融合输出,以提高自动驾驶应用的开发速度,降低开发成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中自动驾驶应用的开发方法的一个具体示例的流程图;
图2为本发明实施例中基础组件组合过程示意图;
图3为本发明实施例中自动驾驶应用的处理方法的一个具体示例的流程图;
图4为本发明实施例中自动驾驶应用的开发系统的一个具体示例的原理框图;
图5为本发明实施例中自动驾驶应用的处理系统的一个具体示例的原理框图;
图6为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供一种自动驾驶应用的开发方法,如图1所示,包括如下步骤:
步骤S10:获取目标自动驾驶应用开发的目标道路场景要求。
在一具体实施例中,自动驾驶操作系统根据自动驾驶应用的开发需求,获取目标自动驾驶应用开发的目标道路场景要求。在本发明实施例中,目标道路场景要求可通过摄像头、激光雷达、高精度地图等方式获取。具体地,目标道路场景要求包括:道路类型、天气状况、限速标准等数据。
步骤S11:从预设组件库中提取满足目标道路场景要求的多个基础组件,基础组件为具有自动驾驶功能的对象。
在一具体实施例中,预设组件库是容纳所有基础组件的容器,并为基础组件提供架构和管理方法。例如,预设组件库为基础组件设置组件之间的组合关系、组件之间的依赖关系。存储于预设组件库中的每个基础组件均为具有一定应用功能的对象,且有标准的数据结构定义。每个组件均可单独形成一个应用,用于实现某种自动驾驶场景应用。在本发明实施例中,基础组件为加速、刹车、转向、ACC(自适应巡航系统)及LKA(车道保持辅助系统)。以ACC为例,表1为ACC组件定义表。
表1
Figure DEST_PATH_IMAGE001
步骤S12:将各基础组件进行组合生成组合组件。
在一具体实施例中,从预设组件库中提取出的每个基础组件均可单独满足目标道路场景的部分要求,但无法满足目标道路场景的全部要求。因此,需将多个基础组件进行组合生成组合组件,以满足目标道路场景的全部要求。在本发明实施例中,组合组件通过各基础组件提供的组件接口组合形成。
步骤S13:获取各基础组件对应的道路场景适用条件。
在一具体实施例中,每个基础组件均具有一套适用域和组件功能,即属性表。适用域是指车辆周围的环境模型,即各基础组件对应的道路场景适用条件。基础组件开启或关闭主要是由目标道路场景要求决定的。当目标道路场景要求满足其适用域时,触发对应的基础组件开启。例如:某基础组件的开启条件是:前方50米道路无视觉障碍物,且前方40米道路无毫米波雷达障碍物,且当前车速小于70km/h,且为城市快速路道路环境。在本发明实施例中,如图2所示,基础组件在组合时,第一基础组件的适用域满足目标道路场景要求第一子集,可以单独形成第一应用,实现某种自动驾驶场景应用;第二基础组件的适用域满足目标道路场景要求第二子集,可以单独形成第二应用,实现某种自动驾驶场景应用。将第一基础组件和第二基础组件进行组合生成组合组件,可实现更复杂的第三应用。通过此种组件组合方法,可避免从零开发第三应用。
步骤S14:基于各基础组件对应的道路场景适用条件配置组合组件对应的道路场景适用条件,并基于组合组件生成目标自动驾驶应用。
在一具体实施例中,基于各基础组件对应的道路场景适用条件配置组合组件对应的道路场景适用条件,包括如下步骤:
步骤S141:计算各基础组件对应的道路场景适用条件的交集;
步骤S142:将交集确定为组合组件对应的道路场景适用条件。
在本发明实施例中,对于两个独立的基础组件,若存在组合关系,则组合后的组合组件适用域是两个基础组件适用域的交集,即:在更严格的自动驾驶条件下可激活组合组件。例如,图2中所示的组合组件的适用域为第一基础组件和第二基础组件适用域的交集。
本发明提供的自动驾驶应用的开发方法,包括:获取目标自动驾驶应用开发的目标道路场景要求;从预设组件库中提取满足目标道路场景要求的多个基础组件,基础组件为具有自动驾驶功能的对象;将各基础组件进行组合生成组合组件;获取各基础组件对应的道路场景适用条件;基于各基础组件对应的道路场景适用条件配置组合组件对应的道路场景适用条件,并基于组合组件生成目标自动驾驶应用。在自动驾驶应用的开发过程中,通过将各基础组件进行组合生成组合组件,利用现有的应用组合生成复杂度更高的新应用,避免了从零开发新应用,提高了自动驾驶应用的开发速度,降低了开发成本。
在一实施例中,自动驾驶应用的开发方法,还包括如下步骤:
步骤S15:基于组合组件对预设组件库进行更新。
在一具体实施例中,通过将预设组件库中的各基础组件进行组合生成组合组件,实现了对预设组件库的更新。
本发明实施例还提供一种自动驾驶应用的处理方法,如图3所示,包括如下步骤:
步骤S20:获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,当前目标自动驾驶应用为采用上述实施例中的自动驾驶应用开发方法开发的目标自动驾驶应用。
在一具体实施例中,针对当前道路场景,自动驾驶操作系统在进行自动驾驶应用的处理时,首先需获取当前道路场景数据,及当前目标自动驾驶应用对应的组合组件的组件信息。在本发明实施例中,当前道路场景数据包括:道路类型、天气状况、限速标准等数据。当前目标自动驾驶应用对应的组合组件的组件信息为组合组件对应的道路场景适用条件、组合组件的组成方式等信息。
步骤S21:基于组件信息确定构成组合组件的各基础组件。
在一具体实施例中,根据组合组件的组成方式确定构成组合组件的各基础组件。
步骤S22:调用各基础组件分别得到当前道路场景数据对应的基础处理结果。
在一具体实施例中,由于各基础组件均可以单独完成自动驾驶场景应用。因此,在对自动驾驶应用进行处理时,首先启用上述步骤提取的各基础组件,得到当前道路场景下各基础组件对应的基础处理结果。然后根据各基础组件对应的基础处理结果再进行更复杂自动驾驶应用的开发。
步骤S23:基于当前道路场景数据和预设仲裁模型,确定各基础组件的权重。
在一具体实施例中基于当前道路场景数据和预设仲裁模型,确定各基础组件的权重,包括如下步骤:
步骤S231:计算当前道路场景数据与各基础组件的道路场景适用条件的匹配度;
步骤S232:将匹配度输入预设仲裁模型,确定各基础组件的权重。
在本发明实施例中,通过将当前道路场景数据与各基础组件的道路场景适用条件进行匹配对比,计算得到各基础组件对应的匹配度。将匹配度输入预设仲裁模型中,预设仲裁模型根据各匹配度的比例关系确定各基础组件的权重。在本发明实施例中,预设仲裁模型可采用神经网络训练方法,具体地,可以为Adagrad、RMSProp 、Momentum、NAG或拟牛顿法,仅以此为例,不以此为限。
步骤S24:基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成当前目标自动驾驶应用的目标处理结果。
在一具体实施例中,在确定好各基础组件的权重后,各基础组件基于自身权重将各自的基础处理结果进行融合处理,得到当前目标自动驾驶应用的目标处理结果。
本发明提供的自动驾驶应用的处理方法,包括:获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,当前目标自动驾驶应用为采用上述实施例的自动驾驶应用开发方法开发的目标自动驾驶应用;基于组件信息确定构成组合组件的各基础组件;基于当前道路场景数据和预设仲裁模型,确定各基础组件的权重;调用各基础组件分别得到当前道路场景数据对应的基础处理结果;基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成当前目标自动驾驶应用的目标处理结果。通过采用上述实施例的自动驾驶应用开发方法开发的目标自动驾驶应用,将各基础组件进行组合生成组合组件,并利用预设仲裁模型将各基础组件对应的基础处理结果进行融合输出,以提高自动驾驶应用的开发速度,降低开发成本。
在一实施例中,自动驾驶应用的处理方法,还包括如下步骤:
步骤S25:对预设仲裁模型进行更新。
在一具体实施例中,对预设仲裁模型进行更新,包括如下步骤:
步骤S251:获取目标处理结果对应的标准处理结果;
步骤S252:根据目标处理结果与标准处理结果间的差异,对预设仲裁模型进行更新。
在本发明实施例中,通过开发阶段的人工训练,或运行阶段的闭环数据引擎获取目标处理结果对应的标准处理结果,根据目标处理结果与标准处理结果间的差异,对预设仲裁模型进行人工干预,以优化预设仲裁模型。
本发明实施例还提供一种自动驾驶应用的开发系统,如图4所示,包括:
第一获取模块10,用于获取目标自动驾驶应用开发的目标道路场景要求。详细内容参见上述实施例中步骤S10的相关描述,在此不再赘述。
第一提取模块11,用于从预设组件库中提取满足目标道路场景要求的多个基础组件,基础组件为具有自动驾驶功能的对象。详细内容参见上述实施例中步骤S11的相关描述,在此不再赘述。
第一组合模块12,用于将各基础组件进行组合生成组合组件。详细内容参见上述实施例中步骤S12的相关描述,在此不再赘述。
第二获取模块13,用于获取各基础组件对应的道路场景适用条件。详细内容参见上述实施例中步骤S13的相关描述,在此不再赘述。
第一处理模块14,用于基于各基础组件对应的道路场景适用条件配置组合组件对应的道路场景适用条件,并基于组合组件生成目标自动驾驶应用。详细内容参见上述实施例中步骤S14的相关描述,在此不再赘述。
本发明提供的自动驾驶应用的开发系统,在自动驾驶应用的开发过程中,通过将各基础组件进行组合生成组合组件,利用现有的应用组合生成复杂度更高的新应用,避免了从零开发新应用,提高了自动驾驶应用的开发速度,降低了开发成本。
本发明实施例还提供一种自动驾驶应用的处理系统,如图5所示,包括:
第三获取模块20,用于获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,当前目标自动驾驶应用为采用上述自动驾驶应用的开发方法开发的目标自动驾驶应用。详细内容参见上述实施例中步骤S20的相关描述,在此不再赘述。
第二处理模块21,用于基于组件信息确定构成组合组件的各基础组件。详细内容参见上述实施例中步骤S21的相关描述,在此不再赘述。
第三处理模块22,用于基于当前道路场景数据和预设仲裁模型,确定各基础组件的权重。详细内容参见上述实施例中步骤S22的相关描述,在此不再赘述。
第四处理模块23,用于调用各基础组件分别得到当前道路场景数据对应的基础处理结果。详细内容参见上述实施例中步骤S23的相关描述,在此不再赘述。
第一融合模块24,用于基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成当前目标自动驾驶应用的目标处理结果。详细内容参见上述实施例中步骤S24的相关描述,在此不再赘述。
本发明提供的自动驾驶应用的处理系统,通过采用上述实施例的自动驾驶应用开发方法开发的目标自动驾驶应用,将各基础组件进行组合生成组合组件,并利用预设仲裁模型将各基础组件对应的基础处理结果进行融合输出,以提高自动驾驶应用的开发速度,降低开发成本。
本发明实施例还提供一种计算机设备,如图6所示,该设备可以包括处理器61和存储器62,其中处理器61和存储器62可以通过总线或者其他方式连接,图6以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit,CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器62作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的对应的程序指令/模块。处理器61通过运行存储在存储器62中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器62可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器61所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器62可选包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、企业内网、移动通信网及其组合。
一个或者多个模块存储在存储器62中,当被处理器61执行时,执行本发明实施例的方法。
上述计算机设备具体细节可以对应参阅图1-图3所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-StateDrive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (11)

1.一种自动驾驶应用的开发方法,其特征在于,包括:
获取目标自动驾驶应用开发的目标道路场景要求;
从预设组件库中提取满足所述目标道路场景要求的多个基础组件,所述基础组件为具有自动驾驶功能的对象;
将各基础组件进行组合生成组合组件;
获取各基础组件对应的道路场景适用条件;
基于各基础组件对应的道路场景适用条件配置所述组合组件对应的道路场景适用条件,并基于所述组合组件生成所述目标自动驾驶应用。
2.根据权利要求1所述的自动驾驶应用的开发方法,其特征在于,所述基于各基础组件对应的道路场景适用条件配置所述组合组件对应的道路场景适用条件,包括:
计算各基础组件对应的道路场景适用条件的交集;
将所述交集确定为所述组合组件对应的道路场景适用条件。
3.根据权利要求1所述的自动驾驶应用的开发方法,其特征在于,还包括:
基于所述组合组件对所述预设组件库进行更新。
4.一种自动驾驶应用的处理方法,其特征在于,包括:
获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,所述当前目标自动驾驶应用为采用如权利要求1-3任一项所述的自动驾驶应用的开发方法开发的目标自动驾驶应用;
基于所述组件信息确定构成所述组合组件的各基础组件;
基于所述当前道路场景数据和预设仲裁模型,确定各基础组件的权重;
调用各基础组件分别得到所述当前道路场景数据对应的基础处理结果;
基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成所述当前目标自动驾驶应用的目标处理结果。
5.根据权利要求4所述的自动驾驶应用的处理方法,其特征在于,所述基于所述当前道路场景数据和预设仲裁模型,确定各基础组件的权重,包括:
计算所述当前道路场景数据与各基础组件的道路场景适用条件的匹配度;
将所述匹配度输入所述预设仲裁模型,确定各基础组件的权重。
6.根据权利要求4所述的自动驾驶应用的处理方法,其特征在于,还包括:
对所述预设仲裁模型进行更新。
7.根据权利要求6所述的自动驾驶应用的处理方法,其特征在于,所述对所述预设仲裁模型进行更新,包括:
获取所述目标处理结果对应的标准处理结果;
根据所述目标处理结果与所述标准处理结果间的差异,对所述预设仲裁模型进行更新。
8.一种自动驾驶应用的开发系统,其特征在于,包括:
第一获取模块,用于获取目标自动驾驶应用开发的目标道路场景要求;
第一提取模块,用于从预设组件库中提取满足所述目标道路场景要求的多个基础组件,所述基础组件为具有自动驾驶功能的对象;
第一组合模块,用于将各基础组件进行组合生成组合组件;
第二获取模块,用于获取各基础组件对应的道路场景适用条件;
第一处理模块,用于基于各基础组件对应的道路场景适用条件配置所述组合组件对应的道路场景适用条件,并基于所述组合组件生成所述目标自动驾驶应用。
9.一种自动驾驶应用的处理系统,其特征在于,包括:
第三获取模块,用于获取当前道路场景数据及当前目标自动驾驶应用对应的组合组件的组件信息,所述当前目标自动驾驶应用为采用如权利要求1-3任一项所述的自动驾驶应用的开发方法开发的目标自动驾驶应用;
第二处理模块,用于基于所述组件信息确定构成所述组合组件的各基础组件;
第三处理模块,用于基于所述当前道路场景数据和预设仲裁模型,确定各基础组件的权重;
第四处理模块,用于调用各基础组件分别得到所述当前道路场景数据对应的基础处理结果;
第一融合模块,用于基于各基础组件的权重对各基础组件对应的基础处理结果进行融合处理,生成所述当前目标自动驾驶应用的目标处理结果。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-3任一项所述的自动驾驶应用的开发方法或权利要求4-7任一项所述的自动驾驶应用的处理方法。
11.一种计算机设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1-3任一项所述的自动驾驶应用的开发方法或权利要求4-7任一项所述的自动驾驶应用的处理方法。
CN202110078592.9A 2021-01-21 2021-01-21 一种自动驾驶应用的开发方法及处理方法、系统 Active CN112394918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110078592.9A CN112394918B (zh) 2021-01-21 2021-01-21 一种自动驾驶应用的开发方法及处理方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110078592.9A CN112394918B (zh) 2021-01-21 2021-01-21 一种自动驾驶应用的开发方法及处理方法、系统

Publications (2)

Publication Number Publication Date
CN112394918A true CN112394918A (zh) 2021-02-23
CN112394918B CN112394918B (zh) 2021-08-03

Family

ID=74625140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110078592.9A Active CN112394918B (zh) 2021-01-21 2021-01-21 一种自动驾驶应用的开发方法及处理方法、系统

Country Status (1)

Country Link
CN (1) CN112394918B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115509518A (zh) * 2022-09-20 2022-12-23 国科础石(重庆)软件有限公司 自动驾驶功能软件系统、构建方法、电子设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100147511A1 (en) * 2008-12-11 2010-06-17 Schlumberger Technology Corporation Injection well surveillance system
US20120072159A1 (en) * 2010-09-16 2012-03-22 Linsong Wang Universal quality assurance automation framework
CN108073419A (zh) * 2018-01-04 2018-05-25 广州供电局有限公司 一种电力企业移动应用公共组件库的实现方法
CN108334087A (zh) * 2018-01-25 2018-07-27 广州大学 一种基于软件定义的平台化高级驾驶辅助系统
CN109284095A (zh) * 2018-08-07 2019-01-29 北京云迹科技有限公司 基于开放型机器人系统的用户自开发应用的方法
CN110059123A (zh) * 2019-04-15 2019-07-26 福建省星云大数据应用服务有限公司 一种数据可用不可见的政务数据开发方法及系统
CN111639859A (zh) * 2020-06-01 2020-09-08 腾讯科技(深圳)有限公司 人工智能ai解决方案的模板生成方法和装置及存储介质
CN111694495A (zh) * 2020-06-18 2020-09-22 上海泛微网络科技股份有限公司 一种快速对接第三方app平台的方法、系统和存储介质
CN111782192A (zh) * 2020-07-02 2020-10-16 浪潮云信息技术股份公司 一种混合模式开发移动办公系统的方法
CN111930381A (zh) * 2020-09-21 2020-11-13 知学云(北京)科技有限公司 一种支持SaaS多租户系统的个性化页面配置方法
CN112069205A (zh) * 2020-09-30 2020-12-11 北京百度网讯科技有限公司 用于业务应用的处理方法、装置、智能工作站和电子设备
CN112202899A (zh) * 2020-09-30 2021-01-08 北京百度网讯科技有限公司 用于工作流的处理方法、装置、智能工作站和电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100147511A1 (en) * 2008-12-11 2010-06-17 Schlumberger Technology Corporation Injection well surveillance system
US20120072159A1 (en) * 2010-09-16 2012-03-22 Linsong Wang Universal quality assurance automation framework
CN108073419A (zh) * 2018-01-04 2018-05-25 广州供电局有限公司 一种电力企业移动应用公共组件库的实现方法
CN108334087A (zh) * 2018-01-25 2018-07-27 广州大学 一种基于软件定义的平台化高级驾驶辅助系统
CN109284095A (zh) * 2018-08-07 2019-01-29 北京云迹科技有限公司 基于开放型机器人系统的用户自开发应用的方法
CN110059123A (zh) * 2019-04-15 2019-07-26 福建省星云大数据应用服务有限公司 一种数据可用不可见的政务数据开发方法及系统
CN111639859A (zh) * 2020-06-01 2020-09-08 腾讯科技(深圳)有限公司 人工智能ai解决方案的模板生成方法和装置及存储介质
CN111694495A (zh) * 2020-06-18 2020-09-22 上海泛微网络科技股份有限公司 一种快速对接第三方app平台的方法、系统和存储介质
CN111782192A (zh) * 2020-07-02 2020-10-16 浪潮云信息技术股份公司 一种混合模式开发移动办公系统的方法
CN111930381A (zh) * 2020-09-21 2020-11-13 知学云(北京)科技有限公司 一种支持SaaS多租户系统的个性化页面配置方法
CN112069205A (zh) * 2020-09-30 2020-12-11 北京百度网讯科技有限公司 用于业务应用的处理方法、装置、智能工作站和电子设备
CN112202899A (zh) * 2020-09-30 2021-01-08 北京百度网讯科技有限公司 用于工作流的处理方法、装置、智能工作站和电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘秋艳等: "多要素评价中指标权重的确定方法评述", 《知识管理论坛,HTTP://WWW.KMF.AC.CN/STATIC/PUBLISH/CD/65/A2/1CCF324A24B0591C2CDE00341B/KMF2017-6-500.PDF》 *
腾讯新闻: "华为发布MDC智能驾驶计算平台白皮书【全文报告】", 《腾讯网,HTTPS://NEW.QQ.COM/RAIN/A/20201028A0JCH300》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115509518A (zh) * 2022-09-20 2022-12-23 国科础石(重庆)软件有限公司 自动驾驶功能软件系统、构建方法、电子设备及存储介质
CN115509518B (zh) * 2022-09-20 2024-02-27 国科础石(重庆)软件有限公司 自动驾驶功能软件系统、构建方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN112394918B (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
US20220214182A1 (en) Method, system, terminal, and storage medium for rapid generation of reference lines
CN112249034B (zh) 一种汽车大脑系统及车辆驾驶控制方法
CN113534768A (zh) 用于自动驾驶系统监控和管理的方法和系统
CN116880462B (zh) 自动驾驶模型、训练方法和自动驾驶方法和车辆
US20230213636A1 (en) Sensor alignment
CN112394918B (zh) 一种自动驾驶应用的开发方法及处理方法、系统
US12013251B2 (en) Dynamic map generation with focus on construction and localization field of technology
CN114047760B (zh) 路径规划方法、装置、电子设备及自动驾驶车辆
US11531842B2 (en) Invertible depth network for image reconstruction and domain transfers
KR20230086664A (ko) 맵 매칭 방법, 장치, 전자기기 및 저장 매체
US20230347925A1 (en) Agent and scenario modeling extracted via an mbse classification on a large number of real-world data samples
CN116776999A (zh) 自动驾驶系统中的自我监督网络的联合学习的系统和方法
CN113946729B (zh) 针对车辆的数据处理方法、装置、电子设备和介质
CN115965682A (zh) 一种车辆可通行区域确定方法、装置及计算机设备
CN113850909B (zh) 点云数据处理方法、装置、电子设备及自动驾驶设备
CN115346184A (zh) 一种车道信息检测方法、终端及计算机存储介质
US11182652B2 (en) Methods and system for inferring perception based on augmented feature maps of a perception network
CN116385825B (zh) 模型联合训练方法、装置及车辆
CN113298696A (zh) 具有深度神经网络的rccc到rgb域转化
CN116844134B (zh) 目标检测方法、装置、电子设备、存储介质及车辆
CN115019278B (zh) 一种车道线拟合方法、装置、电子设备和介质
US20240355042A1 (en) Fusing neural radiance fields by registration and blending
US20230334876A1 (en) End-to-end learned lane boundary detection based on a transformer
US11704385B2 (en) Traffic light detection auto-labeling and federated learning based on vehicle-to-infrastructure communications
CN118443005A (zh) 地图构建方法、装置、车辆、存储介质及计算机程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant