CN114274977B - 自动驾驶控制方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供一种自动驾驶控制方法、装置、设备及存储介质，自动驾驶车辆中的车载终端在每个处理周期开始时，获取自动驾驶车辆的当前运行车速，基于当前运行车速和预设运算指标，确定当前处理周期的时长，该预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长，进而在当前处理周期的时长内，基于预设策略，处理自动驾驶车辆的自动驾驶任务。该技术方案中，车载终端可以基于当前运行车速自动更新当前处理周期的时长，既保证了自动驾驶任务的执行，又降低了车载计算平台的资源消耗，更好的平衡了性能和能耗。

Description

自动驾驶控制方法、装置、设备及存储介质

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种自动驾驶控制方法、装置、设备及存储介质。

背景技术

随着人工智能技术的发展和车辆工业的不断进步，车辆的自动驾驶技术也是愈发成熟。自动驾驶不仅能够将车辆行驶的危险性降到最低，而且能够减轻用户繁重的驾驶任务，因此，自动驾驶也是未来车辆发展的一种趋势。

现有技术中，车载计算平台是自动驾驶车辆的核心部件，主要用于实现自动驾驶的感知融合、决策规划、控制等功能。通常情况下，车载计算平台的处理器和各种外设(例如，传感器等)在车辆自动运行过程中，全程以全速(设定的最大速度)运行，以保证自动驾驶功能的正常运行。

然而，在实际应用中，自动驾驶车辆可能会行驶在不同的状态，例如，等红灯状态、低速行驶状态，这时全速运行的车载计算平台的性能是过剩的，存在资源浪费的问题。

发明内容

本申请提供一种自动驾驶控制方法、装置、设备及存储介质，以克服现有自动驾驶功能控制过程中存在的资源浪费问题。

第一方面，本申请提供一种自动驾驶控制方法，应用于自动驾驶车辆中的车载终端，所述方法包括：

在每个处理周期开始时，获取自动驾驶车辆的当前运行车速；

基于所述当前运行车速和预设运算指标，确定当前处理周期的时长，所述预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长；

在所述当前处理周期的时长内，基于预设策略，处理所述自动驾驶车辆的自动驾驶任务。

在第一方面的一种可能设计中，所述在所述当前处理周期的时长内，基于预设策略，处理所述自动驾驶车辆的自动驾驶任务，包括：

获取预设的全速运行时长，所述全速运行时长大于或等于每个处理周期内完成各个自动驾驶任务所需的最大时长；

根据所述当前处理周期的时长和所述全速运行时长，确定所述当前处理周期的低功耗运行时长；

针对所述当前处理周期，在所述全速运行时长内以全速运行模式处理所述自动驾驶车辆的自动驾驶任务，在所述低功耗运行时长内以低功耗运行模式处理所述自动驾驶车辆的自动驾驶任务。

在第一方面的另一种可能设计中，所述基于所述当前运行车速和预设运算指标，确定当前处理周期的时长，包括：

根据所述当前运行车速，确定所述自动驾驶车辆的状态；

根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长。

可选的，所述根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长，包括：

将所述当前运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入如下公式(1)，确定当前处理周期的时长；

其中，T为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v为当前运行车速，v_max为所述最大运行车速。

可选的，所述方法还包括：

获取所述自动驾驶车辆在当前处理周期的前一个处理周期内的运行车速；

相应的，所述根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长，包括：

根据所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，确定所述当前处理周期的时长。

可选的，所述根据所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，确定所述当前处理周期的时长，包括：

将所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入公式(2)，确定所述当前处理周期的时长；

其中，n为当前处理周期的序号，T_n为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v_max为所述最大运行车速，v_n为当前处理周期内的运行车速，v_n-1为前一个处理周期内的运行车速。

在第一方面的再一种可能设计中，在所述基于所述当前运行车速和预设运算指标，确定当前处理周期的时长之前，所述方法还包括：

获取所述自动驾驶车辆在预设时间段内的车速变化规律；

根据所述车速变化规律和所述当前运行车速，确定所述自动驾驶车辆所处的运行场景，所述运行场景包括如下任意一种：停车等待状态、前向运行状态、泊车状态；

获取所述运行场景对应的预设运算指标，不同的运行场景对应不同的预设运算指标。

第二方面，本申请实施例提供一种自动驾驶控制装置，应用于自动驾驶车辆中的车载终端，所述装置包括：

获取模块，用于在每个处理周期开始时，获取自动驾驶车辆的当前运行车速；

确定模块，用于基于所述当前运行车速和预设运算指标，确定当前处理周期的时长，所述预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长；

处理模块，用于在所述当前处理周期的时长内，基于预设策略，处理所述自动驾驶车辆的自动驾驶任务。

在第二方面的一种可能设计中，所述处理模块，具体用于：

获取预设的全速运行时长，所述全速运行时长大于或等于每个处理周期内完成各个自动驾驶任务所需的最大时长；

根据所述当前处理周期的时长和所述全速运行时长，确定所述当前处理周期的低功耗运行时长；

针对所述当前处理周期，在所述全速运行时长内以全速运行模式处理所述自动驾驶车辆的自动驾驶任务，在所述低功耗运行时长内以低功耗运行模式处理所述自动驾驶车辆的自动驾驶任务。

在第二方面的另一种可能设计中，所述确定模块，具体用于：

根据所述当前运行车速，确定所述自动驾驶车辆的状态；根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长。

可选的，所述确定模块，具体用于将所述当前运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入如下公式(1)，确定当前处理周期的时长；

其中，T为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v为当前运行车速，v_max为所述最大运行车速。

可选的，所述获取模块，还用于获取所述自动驾驶车辆在当前处理周期的前一个处理周期内的运行车速；

相应的，所述确定模块，具体用于根据所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，确定所述当前处理周期的时长。

可选的，所述确定模块，具体用于将所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入公式(2)，确定所述当前处理周期的时长；

其中，n为当前处理周期的序号，T_n为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v_max为所述最大运行车速，v_n为当前处理周期内的运行车速，v_n-1为前一个处理周期内的运行车速。

在第二方面的再一种可能设计中，所述获取模块，还用于获取所述自动驾驶车辆在预设时间段内的车速变化规律；

所述确定模块，还用于：

根据所述车速变化规律和所述当前运行车速，确定所述自动驾驶车辆所处的运行场景，所述运行场景包括如下任意一种：停车等待状态、前向运行状态、泊车状态；

确定所述运行场景对应的预设运算指标，不同的运行场景对应不同的预设运算指标。

第三方面，本申请实施例提供一种车载终端，包括：存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器执行所述计算机程序时以实现如上述第一方面及各种可能设计所述的方法。

第四方面，本申请实施例提供一种车辆，包括：车载终端和车载外设；

所述车载终端为上述第二方面及各种可能设计所述的自动驾驶控制装置。

第五方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机指令，所述计算机指令用于实现上述第一方面及各种可能设计所述的车载资源的处理方法。

第六方面，本申请提供一种计算机程序产品，包括：计算机程序，所述计算机程序被处理器执行时实现上述第一方面及各种可能设计所述的车载资源的处理方法。

本申请实施例提供的自动驾驶控制方法、装置、设备及存储介质，自动驾驶车辆中的车载终端在每个处理周期开始时，获取自动驾驶车辆的当前运行车速，基于当前运行车速和预设运算指标，确定当前处理周期的时长，该预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长，进而在当前处理周期的时长内，基于预设策略，处理自动驾驶车辆的自动驾驶任务。该技术方案中，车载终端可以基于当前运行车速自动更新当前处理周期的时长，既保证了自动驾驶任务的执行，又降低了车载计算平台的资源消耗，更好的平衡了性能和能耗。

附图说明

图1是本申请实施例提供的一种智能交通网络的应用场景示意图；

图2是本申请提供的自动驾驶控制方法实施例一的流程示意图；

图3为本申请提供的自动驾驶控制方法实施例二的流程示意图；

图4为本申请提供的自动驾驶控制方法实施例三的流程示意图；

图5为本申请提供的自动驾驶控制方法实施例四的流程示意图；

图6是本申请提供的自动驾驶控制装置实施例的结构示意图；

图7是本申请提供的车载终端实施例的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

随着人工智能的快速崛起，各种人工智能(artificial intelligence，AI)芯片、软件算法也在屡屡突破，自动驾驶车辆的研究越来越深入。通常情况下，为了保证自动驾驶车辆的正常运行，自动驾驶车辆上将会搭载处理性能强大的车载计算平台，并配备较多的外设，例如，传感器、摄像头、雷达等较多的传感器件，而且，在自动驾驶功能开启的情况下，车载计算平台和外设均工作在全速模式，以最大可能的保证车辆运行安全。

在自动驾驶车辆中，本申请实施例所述的车载计算平台是自动驾驶车辆的核心部件，相当于自动驾驶车辆的大脑，主要用于实现自动驾驶的感知融合、决策规划、控制等功能。因而，在自动驾驶功能开启时，车载计算平台和外设一直工作在全速模式，即自动驾驶系统在不同的车速和场景下传感器不仅全开，而且处理器处理速度都是全速。

然而，在自动驾驶车辆中，从电机到传感器、通信、控制系统以及影音娱乐都需要依赖于车辆上的有限的电池供电。如果车载计算平台和外设一直工作在全速模式，可能会出现耗电量大的问题。而且，自动驾驶车辆处于等红灯状态、低速行驶状态时，全速运行的车载计算平台的性能是过剩的，即实际上是用不到的，这是对能源的一种浪费。

针对上述技术问题，本申请的技术构思过程如下：发明人发现现有自动驾驶系统基本不考虑应用场景对系统计算性能的动态需求，一般都按照静态的、最大性能去处理，但不同的应用场景对系统计算性能的动态需求不同，例如，当实际应用中如等红灯、低速行驶状态下，并不需要计算平台全速运行，计算的周期也并不需要和高速运行周期一样，所以，全速运行的车载计算平台的性能在多数运行状态下是过剩的，因而，如果可以采用流水线变周期的方式调整不同场景下的运行周期，则可以实现节能的目的。

基于上述技术构思过程，本申请实施例提供了一种自动驾驶控制方法，自动驾驶车辆中的车载终端在每个处理周期开始时，获取自动驾驶车辆的当前运行车速，基于当前运行车速和预设运算指标，确定当前处理周期的时长，该预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长，进而在当前处理周期的时长内，基于预设策略，处理自动驾驶车辆的自动驾驶任务。该技术方案中，车载终端可以基于当前运行车速自动更新当前处理周期的时长，既保证了自动驾驶任务的执行，又降低了车载计算平台的资源消耗，更好的平衡了性能和能耗。

下面在介绍本申请的具体方案之前，首先对本申请的应用背景进行说明。可选的，本申请实施例提供的自动驾驶控制方法可适用于智能交通网络中。图1是本申请实施例提供的一种智能交通网络的应用场景示意图。如图1所示，该智能交通网络可以包括行驶在行驶道上的车辆111至车辆114、位于行驶道上的障碍物12和云端服务器13。

可选的，本申请实施例中的车辆可以是自动驾驶车辆，也可以是有人驾驶车辆，车辆上均安装有车载终端和车载传感器，该车载终端可以用于与该智能交通网络中的云端服务器13进行信息交互。

可理解，本申请实施例以自动驾驶车辆处理自动驾驶任务进行说明，例如，车辆111为自动驾驶车辆，本申请实施例中的车载终端也可以称为车载计算平台，其可以在自动驾驶功能激活运行状态下，控制处理器以周期方式运行自动驾驶相关任务程序，包括但不限于感知、决策、规划及控制任务程序，可理解，各个任务程序可并行执行，此次不作限定。

在实际应用中，自动驾驶车辆在行驶道上行驶时，需要车载终端利用车载的计算资源执行自动驾驶任务，例如，遇到障碍物变道、在十字路口按照交规行驶、礼让行人等操作，以满足自动驾驶的功能。

可选的，为了同时满足自动驾驶车辆的安全驾驶和低能耗的目的，本申请实施例中，本申请实施例采用流水线变周期的运行方式，通过在不同的场景下调整运行周期，从而实现对自动驾驶车辆上车载计算平台的全速运行和低功耗运行比例调整，实现节能的目的。

可选的，在实际应用中，有些车辆内还设置有行车电脑或车载单元(on boardunit，OBU)，有些车辆内搭载有用户终端例如手机，以及持有用户终端的用户等。车辆的行车电脑或OBU均可与云端服务器13通信。

可以理解的是，图1所示的应用场景中各对象只是示意性说明，本申请实施例并不对该智能交通网络包括的对象进行具体限定。在该智能交通网络中，车辆和车辆之间可以进行无线通信，各个车辆和云端服务器13之间可进行无线通信等等。

下面，结合上述图1所示的智能交通网络，通过具体实施例对本申请的技术方案进行详细说明。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。

图2是本申请提供的自动驾驶控制方法实施例一的流程示意图。该自动驾驶控制方法以自动驾驶车辆中的车载终端作为执行主体进行解释说明。如图2所示，该自动驾驶控制方法可以包括如下步骤：

S201、在每个处理周期开始时，获取自动驾驶车辆的当前运行车速。

在实际应用中，车载终端的车载计算平台，即，车载计算平台包括搭载的处理器系统会周期性处理自动驾驶相关任务。由于车载终端中处理器系统的处理周期与自动驾驶的运行场景有关，自动驾驶的运行场景主要体现在车辆的运行速度上，因而，为了确定处理器系统的处理周期，车载终端在每个处理周期开始时，可以获取自动驾驶车辆的当前运行车速，以便确定处理器系统的当前处理周期的时长。

S202、基于当前运行车速和预设运算指标，确定当前处理周期的时长。

其中，该预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长。

示例性的，在本申请的实施例中，车载终端中预先存储有预设运算指标，该预设运算指标包括并不局限于如下指标中的至少一项：最大处理周期、最小处理周期和最大运行车速。

可选的，在本申请的实施例中，假设在单个处理周期内完成各个自动驾驶任务(即，自动驾驶任务程序)的最长时间为t_max，本实施例中，将其称为全速运行时长，单个处理周期用处理周期T表示，为了实现自动驾驶功能，全速运行时长t_max和处理周期T满足公式T>t_max。

在本申请的实施例中，处理器系统的处理周期T是可变的，并且，满足T_min<T<T_max。其中，T_min为处理器系统运行的最小处理周期，且满足T_min>t_max，即处理器系统运行的最小处理周期必须大于单周期内完成各个任务最长的耗时时间，这个时间t_max可以通过计算和统计得到一个确切值，也可以通过系统限定，如t_max＝95ms。T_min是一个系统设定值，例如设定T_min＝100ms，同理，T_max为处理器系统运行的最大处理周期，其也是一个系统设定值，例如可以设定为T_max＝2s。

可选的，为了自动驾驶车辆的运行安全，车载计算平台中的预设运算指标中还包括：最大运行车速，其是自动驾驶车辆的自动驾驶功能在激活状态下所允许的最高车速v_max。

可理解，在实际应用中，T_min、T_max、t_max以及v_max在不同的自动驾驶系统中均可以进行独立设定，本申请实施例不限定T_min、T_max、t_max以及v_max的具体取值，其可以根据实际场景设定，此处不作赘述。

在本步骤中，车载终端可以将获取到的当前运行车速以及上述预设运算指标，输入到预先设定的计算公式中，以确定当前处理周期的时长。关于该步骤的具体实现可以参见下述图4所示实施例中的记载，此处不作赘述。

S203、在当前处理周期的时长内，基于预设策略，处理自动驾驶车辆的自动驾驶任务。

可选的，在本实施例中，车载终端在确定出当前处理周期的时长后，针对当前处理周期，首先可以获取车载终端中的预设策略，并在当前处理周期的时长内，基于该预设策略，处理自动驾驶车辆的自动驾驶任务。

示例性的，预设策略可以是在每个处理周期中的不同时间段内以不同的运行模式执行自动驾驶任务，不同的运行模式可以是处理器系统的不同处理速度，本申请实施例不对该预设策略的具体实现进行限定。

本申请实施例提供的自动驾驶控制方法，自动驾驶车辆中的车载终端在每个处理周期开始时，获取自动驾驶车辆的当前运行车速，基于当前运行车速和预设运算指标，确定当前处理周期的时长，该预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长，进而在当前处理周期的时长内，基于预设策略，处理自动驾驶车辆的自动驾驶任务。该技术方案中，车载终端可以基于当前运行车速自动更新当前处理周期的时长，既保证了自动驾驶任务的执行，又降低了车载计算平台的资源消耗，更好的平衡了性能和能耗。

可选的，在上述实施例的基础上，图3为本申请提供的自动驾驶控制方法实施例二的流程示意图。如图3所示，在本实施例中，上述S203可以通过如下步骤实现：

S301、获取预设的全速运行时长，该全速运行时长大于或等于每个处理周期内完成各个自动驾驶任务所需的最大时长。

可选的，在本申请的实施例中，S203中的预设策略具体可以是在每个处理周期内，处理器系统可以以全速运行模式运行全速运行时长，以完成各个自动驾驶任务，然后进入低功耗运行模式，直到该处理周期结束，进而，在下个处理周期开始后继续恢复全速运行模式。

相应的，在本步骤中，针对当前处理周期，车载终端可以从预设运算指标中获取预设的全速运行时长，然后在当前处理周期的时长内，基于上述预设策略，处理自动驾驶车辆的自动驾驶任务。

S302、根据当前处理周期的时长和全速运行时长，确定当前处理周期的低功耗运行时长。

示例性的，在将每个处理周期的时长划分为全速运行时长和低功耗运行时长时，由于处理器系统的处理周期是可变的，因而，每个处理周期内的低功耗运行时长也是可变的。

在本步骤中，针对当前处理周期，在确定出当前处理周期的时长和预设的全速运行时长后，便可以确定出当前处理周期的低功耗运行时长。具体的，当前处理周期的低功耗运行时长等于当前处理周期的时长减去上述全速运行时长后的时长。

S303、针对当前处理周期，在全速运行时长内以全速运行模式处理自动驾驶车辆的自动驾驶任务，在低功耗运行时长内以低功耗运行模式处理自动驾驶车辆的自动驾驶任务。

可选的，车载终端在确定出当前处理周期的时长后，可以将其配置到车载计算平台的处理器系统中，并按照预设策略在当前处理周期的时长内处理自动驾驶车辆的自动驾驶任务。

可选的，在本实施例中，车载终端的车载计算平台在当前处理周期内，先在全速运行时长t_max的时间内以全速运行模式完成各个自动驾驶任务的处理，然后进入低功耗运行模式，直到当前处理周期结束，然后在下个处理周期开始后继续恢复全速运行模式。

可理解，在本申请的实施例中，低功耗运行模式包括但不限于处理器降低运行频率、关闭不用的外部设备、关闭不用的通信通道、控制外部设备进行低功耗模式等措施。例如，处理器在全速运行模式时的运行频率为x1，处理器在低功耗运行模式时的运行频率为x2，且x2小于x1；可选的，外部设备可以是各传感器；关闭不用的通信通道即各组件之间无需通信时，关闭通信链接等；控制外部设备进行低功耗模式，可以是控制传感器等外部设备进入休眠或待机状态等。本申请实施例并不对各措施的具体实现进行限定，其可以根据实际场景确定，此处不作赘述。

示例性的，假设当前处理周期T的时长为200ms，全速运行时长t_max＝100ms，功耗为100W，低功耗运行时长为100ms，功耗为10W，则处理器系统在当前处理周期内的平均功耗为55W，而现有技术中，处理器系统在整个处理周期内均全速运行的功耗为100W，因而，本申请的技术方案比现有技术中处理器系统全速运行时的功耗降低了45W。

由于自动驾驶车辆在处理器系统的整个处理周期内不会一直以最高速度行驶，自动驾驶车辆在堵车、低速行驶、等红灯等场景下时，其速度会相对较低，因而，利用本申请所述的技术方案，即针对当前处理周期，在全速运行时长内以全速运行模式处理自动驾驶车辆的自动驾驶任务，在低功耗运行时长内以低功耗运行模式处理自动驾驶车辆的自动驾驶任务，可以实现周期的自动调整，降低功耗，实现了节能减排的效果。

可选的，在上述实施例的基础上，图4为本申请提供的自动驾驶控制方法实施例三的流程示意图。如图4所示，在本实施例中，上述S202可以通过如下步骤实现：

S401、根据当前运行车速，确定自动驾驶车辆的状态。

在本申请的实施例中，车载终端获取到自动驾驶车辆的当前运行车速后，可以根据该当前运行车速的大小，确定自动驾驶车辆的状态，例如，停车等待状态或运行状态等，此处不限定自动驾驶车辆状态的具体实现。

具体的，在当前运行车速等于0时，自动驾驶车辆的状态为停车等待状态，在当前运行车速不等于0时，自动驾驶车辆的状态为运行状态。

可理解，停车等待状态可以是由于堵车导致自动驾驶车辆处于停车等待状态，也可以是由于等红灯致使自动驾驶车辆处于停车等待状态。运行状态可以是正常的前行状态，也可以是前后行调整的泊车状态，本申请实施例不对停车等待状态和运行状态的具体含义进行限定。

S402、根据自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长。

示例性的，车载终端在确定出自动驾驶车辆的状态后，便可以获取该状态对应的预设运算指标，计算当前处理周期的时长。

可选的，该预设运算指标可以包括最大处理周期、最小处理周期和最大运行车速，相应的，在本实施例的一种可能设计中，该S402可以通过如下方式实现：

将当前运行车速、最大处理周期、最小处理周期和最大运行车速，代入如下公式(1)，确定当前处理周期的时长；

其中，T为当前处理周期的时长，T_min为最小处理周期，T_max为最大处理周期，v为当前运行车速，v_max为最大运行车速。

作为一种示例，在当前运行车速v等于0时，将v＝0代入上述公式(1)，可得T＝T_max，也即，当自动驾驶车辆处于停车等待状态时，当前处理周期的时长与最大处理周期的时长相同。

作为另一种示例，若当前运行车速v不等于0，则当前处理周期的时长与当前运行车速、最大处理周期、最小处理周期以及最大运行车速相关。其中，最大运行车速v_max为自动驾驶功能激活状态下所允许的最高车速，例如，通过评估车载计算平台的处理能力，可以将v_max设定为80km/h，可理解，本实施例不对其进行限定。

可理解，自动驾驶车辆的运行状态也可以分为加速运行状态、匀速运行状态及减速运行状态等不同情况，在不同情况下，求解当前处理周期的具体计算公式也不同，因而，这时还需要获取当前处理周期的前一处理周期的运行车速。

因而，在本申请的实施例中，该自动驾驶控制方法还可以包括如下步骤：

获取自动驾驶车辆在当前处理周期的前一个处理周期内的运行车速。

具体的，车载终端在计算当前处理周期的时长时，可以获取其在前一个处理周期内的运行车速。例如，若当前处理周期的当前运行车速用v_n表示，则当前处理周期的前一个处理周期内的运行车速用v_n-1表示，其中，n表示当前处理周期的序号。

相应的，步骤S402(根据自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长)具体可以通过如下步骤实现：

根据当前运行车速、前一个处理周期内的运行车速、最大处理周期、最小处理周期和最大运行车速，确定当前处理周期的时长。

可选的，在本申请的实施例中，车载终端根据检测到的自动驾驶车辆的当前运行速度，在每个处理周期开始时计算当前处理周期T_n的时长。

具体的，车载终端可以将当前运行车速、前一个处理周期内的运行车速、最大处理周期、最小处理周期和最大运行车速，代入公式(2)，确定当前处理周期的时长；

其中，n为当前处理周期的序号，T_n为当前处理周期的时长，T_min为最小处理周期，T_max为最大处理周期，v_max为最大运行车速，v_n为当前处理周期内的运行车速，v_n-1为前一个处理周期内的运行车速。

根据公式(2)可知，根据自动驾驶车辆的运行状态，当前处理周期的时长分别如下：

若自动驾驶车辆处于停车等待状态，即当前运行车速v_n＝0，则当前处理周期T_n＝T_max；

若自动驾驶车辆处于匀加速运行状态，即，当前处理周期的当前运行车速v_n大于前一个处理周期内的运行车速v_n-1，此时，当前处理周期的时长等于

若自动驾驶车辆处于匀速运行状态，即，当前处理周期的当前运行车速v_n等于前一个处理周期内的运行车速v_n-1，此时，当前处理周期的时长等于T_n＝T_n-1；

若自动驾驶车辆处于匀减速运行状态，即，当前处理周期的当前运行车速v_n小于前一个处理周期内的运行车速v_n-1，此时，当前处理周期的时长等于

本申请实施例提供的自动驾驶控制方法，通过根据当前运行车速，确定自动驾驶车辆的状态，然后根据自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长。该技术方案中，车载终端可以基于自动驾驶车辆的不同运行状态自动调整不同的处理周期，使得自动驾驶车辆不会一直以最高速行驶，降低了车载计算平台的功耗，实现了节能减排的效果。

可选的，在上述实施例的基础上，图5为本申请提供的自动驾驶控制方法实施例四的流程示意图。如图5所示，在上述S202之前，该自动驾驶控制方法还可以包括如下步骤：

S501、获取自动驾驶车辆在预设时间段内的车速变化规律。

示例性的，车载终端可以采集自动驾驶车辆在预设时间段内的车速信息，进而根据该预设时间段内的车速信息，确定车速变化规律。

可选的，预设时间段可以是当前处理周期内最开始的某一时间段，此处不作限定。

S502、根据该车速变化规律和当前运行车速，确定自动驾驶车辆所处的运行场景。

其中，该运行场景包括如下任意一种：停车等待状态、前向运行状态、泊车状态。

在本实施例中，车载终端可以根据自动驾驶车辆的车速变化是否规律，以及当前运行车速是否为0，共同确定自动驾驶车辆所处的运行场景。

例如，在车速变化规律等于0，且当前运行车速等于0时，确定自动驾驶车辆处于停车等待状态。

示例性的，在车速变化规律为匀减速、匀速或匀加速，且当前运行车速不等于0时，确定自动驾驶车辆处于前向运行状态。

示例性的，在车速变化不规律，且当前运行车速不等于0时，可以确定自动驾驶车辆处于泊车状态。

可理解，本申请实施例并不限定各运行场景的具体含义和表现，其可以根据实际场景或设定实现，此处不作赘述。

S503、确定上述运行场景对应的预设运算指标，不同的运行场景对应不同的预设运算指标。

可选的，在本申请的实施例中，车载终端在自动驾驶功能激活状态时，车载终端可以针对车辆所处的不同运行场景设定不同的预设运算指标，进而在自动驾驶车辆处于不同的运行场景时，确定出对应的预设运算指标，进而为准确计算当前处理周期的时长奠定基础。

示例性的，在自动驾驶功能运行期间，车载终端可根据车辆运行环境，根据对应运行场景调整预设运算指标，例如，最大处理周期、最小处理周期、全速运行时长、最大运行车速等。因而，在自动驾驶车辆的运行场景发生变化时，车载终端可以控制车载计算平台以预设运算指标计算当前处理周期的时长。

示例性的，假设不同运行场景对应的预设运算指标中最大处理周期不同，具体的，当自动驾驶车辆处于停车等待状态时，最大处理周期可以为T_x1，当自动驾驶车辆处于泊车状态时，最大处理周期可以为T_x2等。可理解，本申请实施例并不限定不同运行场景对应的预设运算指标的具体实现。

进一步的，在本申请的实施例中，当自动驾驶车辆的自动驾驶功能启动后，车载终端的车载计算平台启动，并完成初始化工作，包括设定T_min、T_max、v_max等预设运算指标。此外，车载计算平台启动完成后，还可以设定处理器系统的初始处理周期T₀，且T₀＝T_max。

在本实施例中，通过获取自动驾驶车辆在预设时间段内的车速变化规律，根据车速变化规律和当前运行车速，确定自动驾驶车辆所处的运行场景，该运行场景包括如下任意一种：停车等待状态、前向运行状态、泊车状态，进而获取运行场景对应的预设运算指标，不同的运行场景对应不同的预设运算指标。该技术方案中，车载终端可以确定出自动驾驶车辆所处的运行场景，并获取该运行场景对应的预设运算指标，其为后续准确计算当前处理周期的时长奠定了基础，从而提供了节能减排的前提条件。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

图6是本申请提供的自动驾驶控制装置实施例的结构示意图。该自动驾驶控制装置可以集成在车载终端中实现，也可以通过车载终端实现。参照图6所示，该自动驾驶控制装置可以包括：

获取模块601，用于在每个处理周期开始时，获取自动驾驶车辆的当前运行车速；

确定模块602，用于基于所述当前运行车速和预设运算指标，确定当前处理周期的时长，所述预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长；

处理模块603，用于在所述当前处理周期的时长内，基于预设策略，处理所述自动驾驶车辆的自动驾驶任务。

在本实施例的一种可能设计，所述处理模块603，具体用于：

获取预设的全速运行时长，所述全速运行时长大于或等于每个处理周期内完成各个自动驾驶任务所需的最大时长；

根据所述当前处理周期的时长和所述全速运行时长，确定所述当前处理周期的低功耗运行时长；

针对所述当前处理周期，在所述全速运行时长内以全速运行模式处理所述自动驾驶车辆的自动驾驶任务，在所述低功耗运行时长内以低功耗运行模式处理所述自动驾驶车辆的自动驾驶任务。

在本实施例的另一种可能设计中，所述确定模块602，具体用于：

根据所述当前运行车速，确定所述自动驾驶车辆的状态；根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长。

可选的，所述确定模块602，具体用于将所述当前运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入如下公式(1)，确定当前处理周期的时长；

其中，T为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v为当前运行车速，v_max为所述最大运行车速。

可选的，所述获取模块601，还用于获取所述自动驾驶车辆在当前处理周期的前一个处理周期内的运行车速；

相应的，所述确定模块602，具体用于根据所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，确定所述当前处理周期的时长。

可选的，所述确定模块602，具体用于将所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入公式(2)，确定所述当前处理周期的时长；

其中，n为当前处理周期的序号，T_n为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v_max为所述最大运行车速，v_n为当前处理周期内的运行车速，v_n-1为前一个处理周期内的运行车速。

在本实施例的再一种可能设计中，所述获取模块601，还用于获取所述自动驾驶车辆在预设时间段内的车速变化规律；

所述确定模块602，还用于：

根据所述车速变化规律和所述当前运行车速，确定所述自动驾驶车辆所处的运行场景，所述运行场景包括如下任意一种：停车等待状态、前向运行状态、泊车状态；

确定所述运行场景对应的预设运算指标，不同的运行场景对应不同的预设运算指标。

本申请实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，在此不再赘述。

可理解，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘solid state disk(SSD))等。

图7是本申请提供的车载终端实施例的结构示意图。如图7所示，该车载终端可以包括：处理器701和存储器702。

其中，存储器702用于存储计算机程序，处理器701用于执行该计算机程序以实现如上述方法实施例的技术方案。

可选的，该车载终端还可以包括：通信接口703和系统总线704，存储器702和通信接口703通过系统总线704与处理器701连接并完成相互间的通信，通信接口703用于和其他设备进行通信。

可选的，在本申请的实施例中，车载终端可以是电子控制单元ECU(electroniccontrol unit，ECU)，又称“行车电脑”、“车载电脑”等。

可选的，通信接口703具体可以通过收发器实现。在工程机械领域中，系统总线704一般通过控制器局域网总线(Controller Area Network-BUS，CAN-BUS)技术实现，或者车载以太网技术实现。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。可理解，本申请实施例不对系统总线704的技术实现以及总线类型进行限定，其可以根据实际需求确定。

可选的，本申请实施例还提供一种车辆，该车辆可以包括：车载终端和和车载外设；其中，该车载终端为上述的自动驾驶控制装置。关于车载终端的具体功能原理可以参见方法实施例所述的方法，此处不作赘述。

可选的，本申请实施例还提供了计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令用于实现上述方法实施例的技术方案。

可选的，本申请实施例还提供一种运行指令的芯片，所述芯片用于执行上述方法实施例中车载终端所述的技术方案。

本申请实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述方法实施例的技术方案。

本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。

可以理解的是，在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。而且，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (16)

1.一种自动驾驶控制方法，应用于自动驾驶车辆中的车载终端，其特征在于，所述方法包括：

在每个处理周期开始时，获取自动驾驶车辆的当前运行车速；

基于所述当前运行车速和预设运算指标，确定当前处理周期的时长，所述预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长；

在所述当前处理周期的时长内，基于预设策略，处理所述自动驾驶车辆的自动驾驶任务；

所述在所述当前处理周期的时长内，基于预设策略，处理所述自动驾驶车辆的自动驾驶任务，包括：

获取预设的全速运行时长，所述全速运行时长大于或等于每个处理周期内完成各个自动驾驶任务所需的最大时长；

根据所述当前处理周期的时长和所述全速运行时长，确定所述当前处理周期的低功耗运行时长；

针对所述当前处理周期，在所述全速运行时长内以全速运行模式处理所述自动驾驶车辆的自动驾驶任务，在所述低功耗运行时长内以低功耗运行模式处理所述自动驾驶车辆的自动驾驶任务。

2.根据权利要求1所述的方法，其特征在于，所述基于所述当前运行车速和预设运算指标，确定当前处理周期的时长，包括：

根据所述当前运行车速，确定所述自动驾驶车辆的状态；

根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长。

3.根据权利要求2所述的方法，其特征在于，所述根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长，包括：

将所述当前运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入如下公式(1)，确定当前处理周期的时长；

其中，T为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v为当前运行车速，v_max为所述最大运行车速。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取所述自动驾驶车辆在当前处理周期的前一个处理周期内的运行车速；

相应的，所述根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长，包括：

根据所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，确定所述当前处理周期的时长。

5.根据权利要求4所述的方法，其特征在于，所述根据所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，确定所述当前处理周期的时长，包括：

将所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入公式(2)，确定所述当前处理周期的时长；

其中，n为当前处理周期的序号，T_n为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v_max为所述最大运行车速，v_n为当前处理周期内的运行车速，v_n-1为前一个处理周期内的运行车速。

6.根据权利要求1至5任一项所述的方法，其特征在于，在所述基于所述当前运行车速和预设运算指标，确定当前处理周期的时长之前，所述方法还包括：

获取所述自动驾驶车辆在预设时间段内的车速变化规律；

根据所述车速变化规律和所述当前运行车速，确定所述自动驾驶车辆所处的运行场景，所述运行场景包括如下任意一种：停车等待状态、前向运行状态、泊车状态；

获取所述运行场景对应的预设运算指标，不同的运行场景对应不同的预设运算指标。

7.一种自动驾驶控制装置，应用于自动驾驶车辆中的车载终端，其特征在于，所述装置包括：

获取模块，用于在每个处理周期开始时，获取自动驾驶车辆的当前运行车速；

确定模块，用于基于所述当前运行车速和预设运算指标，确定当前处理周期的时长，所述预设运算指标包括如下指标中的至少一项：最大处理周期、最小处理周期、最大运行车速、全速运行时长；

处理模块，用于在所述当前处理周期的时长内，基于预设策略，处理所述自动驾驶车辆的自动驾驶任务；

所述处理模块，具体用于：

获取预设的全速运行时长，所述全速运行时长大于或等于每个处理周期内完成各个自动驾驶任务所需的最大时长；

根据所述当前处理周期的时长和所述全速运行时长，确定所述当前处理周期的低功耗运行时长；

针对所述当前处理周期，在所述全速运行时长内以全速运行模式处理所述自动驾驶车辆的自动驾驶任务，在所述低功耗运行时长内以低功耗运行模式处理所述自动驾驶车辆的自动驾驶任务。

8.根据权利要求7所述的装置，其特征在于，所述确定模块，具体用于：

根据所述当前运行车速，确定所述自动驾驶车辆的状态；

根据所述自动驾驶车辆的状态和预设运算指标，确定当前处理周期的时长。

9.根据权利要求8所述的装置，其特征在于，所述确定模块，具体用于将所述当前运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入如下公式(1)，确定当前处理周期的时长；

其中，T为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v为当前运行车速，v_max为所述最大运行车速。

10.根据权利要求9所述的装置，其特征在于，所述获取模块，还用于获取所述自动驾驶车辆在当前处理周期的前一个处理周期内的运行车速；

相应的，所述确定模块，具体用于根据所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，确定所述当前处理周期的时长。

11.根据权利要求10所述的装置，其特征在于，所述确定模块，具体用于将所述当前运行车速、所述前一个处理周期内的运行车速、所述最大处理周期、所述最小处理周期和所述最大运行车速，代入公式(2)，确定所述当前处理周期的时长；

其中，n为当前处理周期的序号，T_n为当前处理周期的时长，T_min为所述最小处理周期，T_max为所述最大处理周期，v_max为所述最大运行车速，v_n为当前处理周期内的运行车速，v_n-1为前一个处理周期内的运行车速。

12.根据权利要求7至11任一项所述的装置，其特征在于，所述获取模块，还用于获取所述自动驾驶车辆在预设时间段内的车速变化规律；

所述确定模块，还用于：

根据所述车速变化规律和所述当前运行车速，确定所述自动驾驶车辆所处的运行场景，所述运行场景包括如下任意一种：停车等待状态、前向运行状态、泊车状态；

确定所述运行场景对应的预设运算指标，不同的运行场景对应不同的预设运算指标。

13.一种车载终端，其特征在于，包括：存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述计算机程序以实现上述权利要求1至6任一项所述的自动驾驶控制方法。

14.一种车辆，其特征在于，包括：车载终端和车载外设；

所述车载终端为上述权利要求7至12任一项所述的自动驾驶控制装置。

15.一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中存储有计算机指令，所述计算机指令被处理器执行时用于实现如上述权利要求1至6任一项所述的自动驾驶控制方法。

16.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述权利要求1至6任一项所述的自动驾驶控制方法。