CN116985830A - 车辆模式的运行方法、装置、车辆及存储介质 - Google Patents
车辆模式的运行方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN116985830A CN116985830A CN202310930146.5A CN202310930146A CN116985830A CN 116985830 A CN116985830 A CN 116985830A CN 202310930146 A CN202310930146 A CN 202310930146A CN 116985830 A CN116985830 A CN 116985830A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- directed acyclic
- algorithm module
- module
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 163
- 239000002243 precursor Substances 0.000 claims description 23
- 125000002015 acyclic group Chemical group 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 230000006854 communication Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 241000791900 Selene vomer Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000019580 granularity Nutrition 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/0095—Automatic control mode change
- B60W2050/0096—Control during transition between modes
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车辆模式的运行方法、装置、车辆及存储介质，该方法包括：基于共享上下文数据中的行泊状态数据，确定当前车辆模式，获取当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序，根据目标上下文数据、算法模块数据和模块执行顺序，生成当前车辆模式对应的有向无环图，基于有向无环图，执行当前车辆模式。从而利用上下文数据、算法模块数据和各个车辆模式的模块执行顺序，将车辆的多种车辆模式进行融合处理，生成有向无环图，根据有向无环图中各个模块的位置执行相应的车辆模式，对车辆模式进行一体化融合处理，提高了车辆数据的处理效率，同时也降低了车辆电子控制系统的成本。
Description
技术领域
本公开涉及自动驾驶技术领域，尤其涉及一种车辆模式的运行方法、装置、车辆及存储介质。
背景技术
相关技术中，大部分车型的汽车电子控制系统，采用的是分离式域控制器，即行车域控和泊车域控相分离。这种设计导致行车功能只能调用行车的芯片和传感器，例如，前视相机、毫米波雷达等；而泊车功能也只能调用泊车的芯片和传感器，例如，鱼眼相机、超声波雷达等。分离式的设计不仅导致ECU(Electronic Control Unit，电子控制单元)的数量增多，相应带来较高的成本，并且分离式的控制系统，使通信延迟增加，降低了数据的处理效率。
发明内容
为克服相关技术中存在的问题，本公开提供一种车辆模式的运行方法、装置、车辆及存储介质。
根据本公开实施例的第一方面，提供一种车辆模式的运行方法，包括：
基于共享上下文数据中的行泊状态数据，确定当前车辆模式；
获取所述当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序；
根据所述目标上下文数据、所述算法模块数据和所述模块执行顺序，生成所述当前车辆模式对应的有向无环图；
基于所述有向无环图，执行所述当前车辆模式。
可选地，所述基于所述有向无环图，执行所述当前车辆模式，包括：
根据所述有向无环图，确定各个算法模块数据对应的多个入度信息；
在所述多个入度信息中的目标入度信息与指定入度匹配的情况下，根据所述有向无环图，确定所述目标入度信息对应目标算法模块数据的后继算法模块节点；
生成所述后继算法模块节点的并行执行任务；
基于所述模块执行顺序和所述并行执行任务，执行所述当前车辆模式。
可选地，所述方法还包括：
根据所述有向无环图，确定不属于所述当前车辆模式下的其他算法模块数据；
将所述其他算法模块数据的运行状态调整为运行完成；
响应于调整后的所述运行状态，降低所述其他算法模块数据对应后续算法模块节点的入度值。
可选地，所述基于所述有向无环图，执行所述当前车辆模式，包括：
响应于接收到的子图创建指令，根据所述子图创建指令，确定有向无环子图像以及所述有向无环子图像对应的前驱后继关系；
根据所述前驱后继关系，确定所述有向无环图中的目标替换节点；
将所述有向无环图中的所述目标替换节点替换为所述有向无环子图像，以生成目标有向无环图；
基于所述目标有向无环图，执行所述当前车辆模式。
可选地，所述将所述目标替换节点替换为所述有向无环子图像，以生成目标有向无环图，包括：
降低所述目标替换节点对应后续算法模块节点的入度值，以生成目标后续算法模块节点；
根据所述目标后续算法模块节点，调整所述前驱后继关系，以生成目标前驱后继关系；
根据所述目标前驱后继关系、所述有向无环图和所述有向无环子图像，生成所述目标有向无环图。
可选地，所述根据所述目标上下文数据、所述算法模块数据和所述模块执行顺序，生成所述当前车辆模式对应的有向无环图，包括：
响应于接收到的模块更改指令，根据所述模块更改指令和所述算法模块数据，确定目标算法模块数据；
根据所述目标上下文数据、所述目标算法模块数据和所述模块执行顺序，生成所述有向无环图。
根据本公开实施例的第二方面，提供一种车辆模式的运行装置，包括：
确定模块，被配置为基于共享上下文数据中的行泊状态数据，确定当前车辆模式；
获取模块，被配置为获取所述当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序；
生成模块，被配置为根据所述目标上下文数据、所述算法模块数据和所述模块执行顺序，生成所述当前车辆模式对应的有向无环图；
执行模块，被配置为基于所述有向无环图，执行所述当前车辆模式。
可选地，所述执行模块，包括：
第一确定子模块，被配置为根据所述有向无环图，确定各个算法模块数据对应的多个入度信息；
第二确定子模块，被配置为在所述多个入度信息中的目标入度信息与指定入度匹配的情况下，根据所述有向无环图，确定所述目标入度信息对应目标算法模块数据的后继算法模块节点；
生成子模块，被配置为生成所述后继算法模块节点的并行执行任务；
执行子模块，被配置为基于所述模块执行顺序和所述并行执行任务，执行所述当前车辆模式。
根据本公开实施例的第三方面，提供一种车辆，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面中任一项所述车辆模式的运行方法的步骤。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的车辆模式的运行方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过上述方式，基于共享上下文数据中的行泊状态数据，确定当前车辆模式，获取当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序，根据目标上下文数据、算法模块数据和模块执行顺序，生成当前车辆模式对应的有向无环图，基于有向无环图，执行当前车辆模式。从而利用上下文数据、算法模块数据和各个车辆模式的模块执行顺序，将车辆的多种车辆模式进行融合处理，生成有向无环图，根据有向无环图中各个模块的位置执行相应的车辆模式，对车辆模式进行一体化融合处理，提高了车辆数据的处理效率，同时也降低了车辆电子控制系统的成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种车辆模式的运行方法的流程图。
图2是根据一示例性实施例示出的一种DAG的示意图。
图3是根据一示例性实施例示出的另一种车辆模式的运行方法的流程图。
图4是根据一示例性实施例示出的一种DAG子图像构建方法的示意图。
图5是根据一示例性实施例示出的一种车辆模式的运行装置的框图。
图6是根据一示例性实施例示出的一种车辆600的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是，本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种车辆模式的运行方法的流程图，如图1所示，该方法用于车辆终端中，包括以下步骤。
在步骤S11中，基于共享上下文数据中的行泊状态数据，确定当前车辆模式。
本实施例应用于车辆终端中，车辆终端装载在车辆上，以基于该车辆终端实现车辆的自动驾驶。为配合车辆在驾驶过程中的不同驾驶场景，以及不同驾驶需求，该车辆终端上可以装置多种车辆模式，基于该车辆模式完成不同的驾驶任务。其中，车辆模式可以包括正常行车模式、低速行驶模式、多种泊车模式等，车辆驾驶人员通过选择车辆终端上相应的运行模式对车辆进行相应的自动控制。不同车辆模式会调动车辆上不同的控制硬件，以完成相应的控制操作。本实施例中将不同车辆模式进行融合处理，集成在同一SOC(System onChip，系统级芯片)上，通过同享计算资源，来降低通信过程中的延迟，提升数据的融合处理效率。
其中，共享上下文数据为车辆终端对应不同控制硬件上传的车辆数据，该车辆数据可以包括：行车视频数据、环境图像数据、行驶参数数据、模式控制数据等。示例的，共享上下文数据中包括行泊状态数据，当用户通过控制操作选择车辆当前的运行状态时，会在共享上下文数据中生成相应的行泊状态数据，该行泊状态数据可以是用户选择的车辆模式档位信息，还可以是用户选择的模式信息。根据该行泊状态数据，来确定车辆的当前车辆模式。示例的，在一些实施方式中，可以在车辆终端中装载行泊一体状态机，通过该行泊一体状态机采集相应的车辆数据，根据车辆数据来确定车辆当前的车辆模式。其中，车辆的当前车辆模式可以是用户直接基于车辆模式选择装置进行选择的，还可以是行泊一体状态机基于当前车辆的行驶参数、运行数据、控制数据等车辆数据，基于相关车辆模式计算方式，计算确定用户当前需要或选择的车辆模式，其中，车辆模式为自动驾驶场景下，当前车辆的控制方式。示例的，车辆模式可以包括：用于自动驾驶场景下实现自动驾驶的正常行车模式，用于自动驾驶场景下堵车车况下的低速行驶模式，用于自动驾驶场景中自动泊车需求下的多种泊车模式等。
在步骤S12中，获取当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序。
不同车辆模式下车辆终端所调用的硬件装置不同，对应需要的上下文数据不同。例如，当车辆模式为正常行车模式时，在该模式下完成自动驾驶所需要的上下文数据为前置摄像装置、前置雷达装置、前视相机等硬件装置采集到的数据信息。当车辆模式为泊车模式时，在该模式下完成自动泊车所需要的上下文数据为超声雷达装置、鱼眼相机装置、鸟瞰图装置等硬件装置采集到的数据信息。
本实施例中基于各个车辆模式的运行逻辑，从存储车辆数据的上下文数据库中，获取当前车辆模式下的目标上下文数据。其中，上下文数据可以是车辆自动驾驶过程中各个传感器采集到的对应硬件装置的运行数据，可以包括历史运行数据和当前运行数据等，车辆在自动驾驶过程中将各个硬件装置的运行数据存储至数据库中，构成该目标上下文数据。各个算法模块数据基于相应的算法逻辑，可以从数据库中提取相应的目标上下文数据，以根据该算法模块数据进行对应的算法计算，输出判定结果。
车辆终端中配置有多种算法模块数据，车辆终端基于各个算法模块数据对车辆当前采集到的上下文数据进行运算，以输出当前车辆的行驶状态或车辆的控制指令，车辆终端基于该行驶状态或控制指令，以及各个算法模块数据的模块执行顺序，控制车辆执行相应的车辆模式。需要说明的是，同一算法模块数据可以同时出现在多个不同的车辆模式中，例如，算法模块数据为车辆俯视图算法数据，该车辆俯视图算法数据在正常行车模式下，完成变道超车逻辑时会用到该车辆俯视图算法数据来计算车辆当前的俯视图；在车辆处于泊车模式时，同样需要该车辆俯视图算法数据来计算车辆当前的俯视图。
示例的，本实施例中上下文数据库为车辆运行时产生的数据库资源，算法模块数据调用该数据库资源完成不同逻辑的数据运算，生成模式运行时需要的执行指令或中间结果数据。其中，算法模块数据为公用数据资源，可以根据不同车辆模式的运行逻辑对算法模块数据的模式执行顺序进行排序，按照该模块执行顺序、调用算法模块数据对目标上下文数据进行计算，并控制车辆终端执行运算结果，从而使车辆执行相应的车辆模式。因此，当车辆在执行相应车辆模式时，可以基于预设逻辑从公用数据资源中调用部分算法模块数据来进行执行。
不同算法模块数据对应的上下文数据不同，本实施例中可以在算法模块数据中为需要的目标上下文数据添加索引标签，当算法模块数据运行时，可以基于索引标签从上下文数据库中检索对应的目标上下文数据。车辆终端中基于各个模式的执行逻辑，建立了多个车辆模式与算法模块数据、模块执行顺序之间的映射关系，可以根据该映射关系确定当前车辆模式对应的算法模块数据和模块执行顺序。
在步骤S13中，根据目标上下文数据、算法模块数据和模块执行顺序，生成当前车辆模式对应的有向无环图。
在步骤S14中，基于有向无环图，执行当前车辆模式。
示例的，本实施例中基于上述步骤中确定的当前车辆模式的目标上下文数据、算法模块数据和模块执行顺序，生成当前车辆模式对应的DAG(Direct Acyclic Graph，有向无环图)，车辆终端可以根据该DAG图，执行当前车辆模式。图2是根据一示例性实施例示出的一种DAG的示意图，如图2所示，根据当前车辆模式，确定算法模块数据1-5，每个算法模块数据与其他算法模块数据之间通过目标上下文数据进行数据交互，其中目标上下文数据用来存储不同算法模块数据交互时必要的输入输出。通过各个算法模块数据进行逻辑解耦的方式，从而实现系统的灵活性和可扩展性，基于当前车辆模式的运行逻辑，完成各个算法模块数据的排序，进而生成执行时的DAG图像，车辆终端执行该DAG图像，以执行当前车辆模式。
可选地，在一种实施方式中，上述步骤S14，包括：
根据有向无环图，确定各个算法模块数据对应的多个入度信息；
在多个入度信息中的目标入度信息与指定入度匹配的情况下，根据有向无环图，确定目标入度信息对应目标算法模块数据的后继算法模块节点；
生成后继算法模块节点的并行执行任务；
基于模块执行顺序和并行执行任务，执行当前车辆模式。
示例的，本实施例中为提高车辆模式的响应顺序，在DAG图像中同一级别的算法模块数据可以同时执行，例如，入度信息为0的算法模块数据为父节点，其不需要其他算法模块数据的输出作为启动信号，因此，在执行DAG图像时，可以同时执行属于父节点的算法模块数据。
在一种实施方式中，对有向无环图进行识别，确定各个算法模块数据对应的入度信息，其中入度信息为当前算法模块数据的输入结果数量，在有向无环图中若存在3个其他算法模块数据指向当前算法模块数据，则当前算法模块数据对应的入度信息为3；若有向无环图中不存在其他算法模块数据指向该算法模块数据，则当前算法模块数据的入度信息为0。当目标算法模块数据的入度信息与指定入度相同时，则该目标算法模块数据为父节点。通过对算法模块数据的入度信息进行识别，从有向无环图对应的多个算法模块数据中，确定出可以并行执行的多个父节点，基于多个父节点下的后继算法模块节点，生成后继算法模块节点的并行执行任务，并基于该并行执行任务和模块执行顺序，执行当前车辆模式。
可选地，在另一种实施方式中，该方法还包括：
根据有向无环图，确定不属于当前车辆模式下的其他算法模块数据；
将其他算法模块数据的运行状态调整为运行完成；
响应于调整后的运行状态，降低其他算法模块数据对应后续算法模块节点的入度值。
示例的，本实施例中为避免在执行当前车辆模式时其他算法模块数据对DAG图像的干扰，将其他算法模块数据的运行状态调整为运行完成状态，并将该其他算法模块数据对应后继算法模块节点的入度值减一，从而切断DAG图像中该其他算法模块数据与后继算法模块节点之间的父子节点关系。
可选地，在另一种实施方式中，上述步骤S13，包括：
响应于接收到的模块更改指令，根据模块更改指令和算法模块数据，确定目标算法模块数据；
根据目标上下文数据、目标算法模块数据和模块执行顺序，生成有向无环图。
可以对算法模块数据进行更新，示例的，本实施例中向车辆终端中输入模块更新指令，基于该模块更新指令对算法模块数据进行更新，生成目标算法模块数据。再基于目标算法模块数据、目标上下文数据和模块执行顺序，生成对应的DAG图像。
通过上述方式，将非当前车辆模式下的其他算法模块数据标记为运行完成状态，同时将该父节点下的后继算法模块节点的入度值减一，以切断其他算法模块数据与后继算法模块节点之间的关联性，从而减少DAG图像执行过程中其他算法模块数据对当前车辆模式的影响。
通过上述方式，基于共享上下文数据中的行泊状态数据，确定当前车辆模式，获取当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序，根据目标上下文数据、算法模块数据和模块执行顺序，生成当前车辆模式对应的有向无环图，基于有向无环图，执行当前车辆模式。从而利用上下文数据、算法模块数据和各个车辆模式的模块执行顺序，将车辆的多种车辆模式进行融合处理，生成有向无环图，根据有向无环图中各个模块的位置执行相应的车辆模式，对车辆模式进行一体化融合处理，提高了车辆数据的处理效率，同时也降低了车辆电子控制系统的成本。
图3是根据一示例性实施例示出的另一种车辆模式的运行方法的流程图，如图3所示，该方法用于车辆终端中，上述步骤S14，包括以下步骤。
在步骤S141中，响应于接收到的子图创建指令，根据子图创建指令，确定有向无环子图像以及有向无环子图像对应的前驱后继关系。
车辆出厂前车辆终端中装载的算法模块数据对应的上下文数据和模块执行顺序均已经配置完成，为保证车辆的运行安全，车辆用户无法对各个车辆模式下对应的算法模块数据、目标上下文数据与算法模块数据之间的对应关系以及各个车辆模式下的模块执行顺序进行修改，而随着自动驾驶算法的不断实践和优化，车辆模式对应的算法模块数据也会不断的优化和更改，示例的，为提高车辆模式的执行精度，可以在车辆模式当前对应算法模块数据的基础上添加新的算法模块数据。
本实施例中可以基于车载读写装置，向车辆终端中输入基于当前车辆模式对应DAG图像的子图创建指令，该子图创建指令用于在现有DAG图像的基础上延展新的DAG子图像。示例的，子图创建指令中可以包括对应车辆模式的标识信息，根据该标识信息，从多个DAG图像中确定对应的DAG图像，以及DAG子图像在该DAG图像中的前驱后继关系。
在步骤S142中，根据前驱后继关系，确定有向无环图中的目标替换节点。
示例的，本实施例中根据前驱后继关系，确定DAG图像中用于替换的目标替换节点。可以根据前驱后继关系，可以在DAG图像中确定目标替换节点对应的父节点和子节点，从而确定目标替换节点在DAG图像中的位置。
在步骤S143中，将有向无环图中的目标替换节点替换为有向无环子图像，以生成目标有向无环图。
在步骤S144中，基于目标有向无环图，执行当前车辆模式。
根据DAG子图像对DAG图像中的目标替换节点进行替换，从而生成目标有向无环图。再基于目标有向无环图，执行当前车辆模式。通过上述方式，基于子图创建指令，向车辆模式中添加新的DAG子图像，完善和优化车辆模式。
可选地，在一种实施方式中，上述步骤S143，包括：
降低目标替换节点对应后续算法模块节点的入度值，以生成目标后续算法模块节点；
根据目标后续算法模块节点，调整前驱后继关系，以生成目标前驱后继关系；
根据目标前驱后继关系、有向无环图和有向无环子图像，生成目标有向无环图。
示例的，本实施例中为避免替换过程中影响目标替换节点对应后续算法模块节点的执行逻辑，当通过上述方式确定目标替换节点后，将目标替换节点对应后续算法模块节点的入度值减一，从而切断目标替换节点与后续算法模块节点之间的父子节点关系，生成目标后续算法模块节点。
根据目标后续算法模块节点，调整当前DAG图像中的前驱后继关系，生成目标前驱后继关系后，将DAG图像中的目标替换节点替换为DAG子图像，生成目标DAG图像。
示例的，图4是根据一示例性实施例示出的一种DAG子图像构建方法的示意图，如图4所示，为算法模块增加一个额外输入指令SubGraphPlan(子图任务创建的数据结构)，SubGraphPlan支持DAG子图像的添加任务，根据SubGraphPlan指令设置添加任务中DAG子图像的前驱和后继关系，在相关工作人员使用SubGraphPlan指令创建DAG子图时，父DAG图像与DAG子图像的并行调度过程如下，记父DAG图像为G，记创建的DAG子图像的节点为u，u为G中的一个节点；
1、增加一个任务，这个任务是DAG子图像的所有节点后继任务，该任务为更改父DAG内目标算法模块对应所有后继节点的入度值-1，并获得更新后的DAG子图像为G_sub。
2、替换DAG子图像G_sub，G中的节点u，同时更改对应的前驱和后继，记新的DAG子图像为G_up。
3、根据并行算法一继续并行调度目标DAG图像G_up。
如图4所示，原有向无环图包含五个算法模块D、A、B、C、E，在节点E的基础上，创建DAG子图subgraph E，subgraph E包含三个任务节点D1、A1、C1、B1，再在节点B1的基础上创建DAG子图subgraph B1，subgraph B1包含三个任务节点D2、A2、C2。
通过上述方式，创建DAG子图，可以将任务分解成不同颗粒度可并行的子任务，从而更好地利用车辆中的硬件资源。这种细粒度的并行化，支持可以提高算法的效率和性能，同时也可以减少计算时间和资源的浪费。在实际应用中，细粒度的并行化支持可以帮助我们更好地处理大规模极限场景数据和复杂后处理计算任务。因此，创建DAG子图细粒度并行是非常必要的，可以提高算法的效率和性能，同时也可以充分利用硬件资源，更好地满足行泊一体复杂场景的需求。
图5是根据一示例性实施例示出的一种车辆模式的运行装置的框图。参照图5，该装置包括：确定模块110、获取模块120、生成模块130和执行模块140。
确定模块110，被配置为基于共享上下文数据中的行泊状态数据，确定当前车辆模式；
获取模块120，被配置为获取当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序；
生成模块130，被配置为根据目标上下文数据、算法模块数据和模块执行顺序，生成当前车辆模式对应的有向无环图；
执行模块140，被配置为基于有向无环图，执行当前车辆模式。
可选地，执行模块140，包括：
第一确定子模块，被配置为根据有向无环图，确定各个算法模块数据对应的多个入度信息；
第二确定子模块，被配置为在多个入度信息中的目标入度信息与指定入度匹配的情况下，根据有向无环图，确定目标入度信息对应目标算法模块数据的后继算法模块节点；
生成子模块，被配置为生成后继算法模块节点的并行执行任务；
执行子模块，被配置为基于模块执行顺序和并行执行任务，执行当前车辆模式。
可选地，该装置100，还包括调整模块，该调整模块被配置为：
根据有向无环图，确定不属于当前车辆模式下的其他算法模块数据；
将其他算法模块数据的运行状态调整为运行完成；
响应于调整后的运行状态，降低其他算法模块数据对应后续算法模块节点的入度值。
可选地，执行模块140，包括：
第二确定子模块，被配置为响应于接收到的子图创建指令，根据子图创建指令，确定有向无环子图像以及有向无环子图像对应的前驱后继关系；
第三确定子模块，被配置为根据前驱后继关系，确定有向无环图中的目标替换节点；
替换子模块，被配置为将有向无环图中的目标替换节点替换为有向无环子图像，以生成目标有向无环图；
运行子模块，被配置为基于目标有向无环图，执行当前车辆模式。
可选地，替换子模块，被配置为：
降低目标替换节点对应后续算法模块节点的入度值，以生成目标后续算法模块节点；
根据目标后续算法模块节点，调整前驱后继关系，以生成目标前驱后继关系；
根据目标前驱后继关系、有向无环图和有向无环子图像，生成目标有向无环图。
可选地，生成模块，被配置为：
响应于接收到的模块更改指令，根据模块更改指令和算法模块数据，确定目标算法模块数据；
根据目标上下文数据、目标算法模块数据和模块执行顺序，生成有向无环图。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的车辆模式的运行方法的步骤。
图6是根据一示例性实施例示出的一种车辆600的框图。例如，车辆600可以是混合动力车辆，也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆600可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
参照图6，车辆600可包括各种子系统，例如，信息娱乐系统610、感知系统620、决策控制系统630、驱动系统640以及计算平台650。其中，车辆600还可以包括更多或更少的子系统，并且每个子系统都可包括多个部件。另外，车辆600的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。
在一些实施例中，信息娱乐系统610可以包括通信系统，娱乐系统以及导航系统等。
感知系统620可以包括若干种传感器，用于感测车辆600周边的环境的信息。例如，感知系统620可包括全球定位系统(全球定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制系统630可以包括计算系统、整车控制器、转向系统、油门以及制动系统。
驱动系统640可以包括为车辆600提供动力运动的组件。在一个实施例中，驱动系统640可以包括引擎、能量源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
车辆600的部分或所有功能受计算平台650控制。计算平台650可包括至少一个处理器651和存储器652，处理器651可以执行存储在存储器652中的指令653。
处理器651可以是任何常规的处理器，诸如商业可获得的CPU。处理器还可以包括诸如图像处理器(Graphic Process Unit，GPU)，现场可编程门阵列(Field ProgrammableGate Array，FPGA)、片上系统(System on Chip，SOC)、专用集成芯片(ApplicationSpecific Integrated Circuit，ASIC)或它们的组合。
存储器652可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
除了指令653以外，存储器652还可存储数据，例如道路地图，路线信息，车辆的位置、方向、速度等数据。存储器652存储的数据可以被计算平台650使用。
在本公开实施例中，处理器651可以执行指令653，以完成上述的车辆模式的运行方法的全部或部分步骤。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的车辆模式的运行方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种车辆模式的运行方法，其特征在于，包括：
基于共享上下文数据中的行泊状态数据，确定当前车辆模式；
获取所述当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序；
根据所述目标上下文数据、所述算法模块数据和所述模块执行顺序，生成所述当前车辆模式对应的有向无环图；
基于所述有向无环图，执行所述当前车辆模式。
2.根据权利要求1所述的运行方法，其特征在于，所述基于所述有向无环图，执行所述当前车辆模式，包括：
根据所述有向无环图，确定各个算法模块数据对应的多个入度信息；
在所述多个入度信息中的目标入度信息与指定入度匹配的情况下，根据所述有向无环图，确定所述目标入度信息对应目标算法模块数据的后继算法模块节点；
生成所述后继算法模块节点的并行执行任务；
基于所述模块执行顺序和所述并行执行任务，执行所述当前车辆模式。
3.根据权利要求2所述的运行方法，其特征在于，所述方法还包括：
根据所述有向无环图，确定不属于所述当前车辆模式下的其他算法模块数据；
将所述其他算法模块数据的运行状态调整为运行完成；
响应于调整后的所述运行状态，降低所述其他算法模块数据对应后续算法模块节点的入度值。
4.根据权利要求1所述的运行方法，其特征在于，所述基于所述有向无环图，执行所述当前车辆模式，包括：
响应于接收到的子图创建指令，根据所述子图创建指令，确定有向无环子图像以及所述有向无环子图像对应的前驱后继关系；
根据所述前驱后继关系，确定所述有向无环图中的目标替换节点；
将所述有向无环图中的所述目标替换节点替换为所述有向无环子图像，以生成目标有向无环图；
基于所述目标有向无环图，执行所述当前车辆模式。
5.根据权利要求4所述的运行方法，其特征在于，所述将所述目标替换节点替换为所述有向无环子图像，以生成目标有向无环图，包括：
降低所述目标替换节点对应后续算法模块节点的入度值，以生成目标后续算法模块节点；
根据所述目标后续算法模块节点，调整所述前驱后继关系，以生成目标前驱后继关系；
根据所述目标前驱后继关系、所述有向无环图和所述有向无环子图像，生成所述目标有向无环图。
6.根据权利要求1所述的运行方法，其特征在于，所述根据所述目标上下文数据、所述算法模块数据和所述模块执行顺序，生成所述当前车辆模式对应的有向无环图，包括：
响应于接收到的模块更改指令，根据所述模块更改指令和所述算法模块数据，确定目标算法模块数据；
根据所述目标上下文数据、所述目标算法模块数据和所述模块执行顺序，生成所述有向无环图。
7.一种车辆模式的运行装置，其特征在于，包括：
确定模块，被配置为基于共享上下文数据中的行泊状态数据，确定当前车辆模式；
获取模块，被配置为获取所述当前车辆模式下的目标上下文数据、算法模块数据和模块执行顺序；
生成模块，被配置为根据所述目标上下文数据、所述算法模块数据和所述模块执行顺序，生成所述当前车辆模式对应的有向无环图；
执行模块，被配置为基于所述有向无环图，执行所述当前车辆模式。
8.根据权利要求7所述的装置，其特征在于，所述执行模块，包括：
第一确定子模块，被配置为根据所述有向无环图，确定各个算法模块数据对应的多个入度信息；
第二确定子模块，被配置为在所述多个入度信息中的目标入度信息与指定入度匹配的情况下，根据所述有向无环图，确定所述目标入度信息对应目标算法模块数据的后继算法模块节点；
生成子模块，被配置为生成所述后继算法模块节点的并行执行任务；
执行子模块，被配置为基于所述模块执行顺序和所述并行执行任务，执行所述当前车辆模式。
9.一种车辆，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1～6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310930146.5A CN116985830A (zh) | 2023-07-26 | 2023-07-26 | 车辆模式的运行方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310930146.5A CN116985830A (zh) | 2023-07-26 | 2023-07-26 | 车辆模式的运行方法、装置、车辆及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116985830A true CN116985830A (zh) | 2023-11-03 |
Family
ID=88520829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310930146.5A Pending CN116985830A (zh) | 2023-07-26 | 2023-07-26 | 车辆模式的运行方法、装置、车辆及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116985830A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109855646A (zh) * | 2019-04-30 | 2019-06-07 | 奥特酷智能科技(南京)有限公司 | 分布集中式自动驾驶系统和方法 |
| CN112015402A (zh) * | 2020-07-14 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 业务场景快速建立方法、装置和电子设备 |
| CN112249035A (zh) * | 2020-12-16 | 2021-01-22 | 国汽智控(北京)科技有限公司 | 基于通用数据流架构的自动驾驶方法、装置及设备 |
| CN112783506A (zh) * | 2021-01-29 | 2021-05-11 | 展讯通信（上海）有限公司 | 一种模型运行方法及相关装置 |
| CN114228745A (zh) * | 2021-12-24 | 2022-03-25 | 北京百度网讯科技有限公司 | 驾驶系统模块控制方法、装置、设备、介质、产品及车辆 |
| CN115220787A (zh) * | 2021-04-17 | 2022-10-21 | 华为技术有限公司 | 驾驶控制指令生成方法、异构计算方法、相关装置及系统 |
| CN115640059A (zh) * | 2022-12-14 | 2023-01-24 | 清华大学 | 自动驾驶操作系统、电子设备及存储介质 |
| WO2023050745A1 (zh) * | 2021-09-29 | 2023-04-06 | 上海商汤智能科技有限公司 | 一种图像处理方法、装置、设备、介质及程序 |
-
2023
- 2023-07-26 CN CN202310930146.5A patent/CN116985830A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109855646A (zh) * | 2019-04-30 | 2019-06-07 | 奥特酷智能科技(南京)有限公司 | 分布集中式自动驾驶系统和方法 |
| CN112015402A (zh) * | 2020-07-14 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 业务场景快速建立方法、装置和电子设备 |
| CN112249035A (zh) * | 2020-12-16 | 2021-01-22 | 国汽智控(北京)科技有限公司 | 基于通用数据流架构的自动驾驶方法、装置及设备 |
| CN112783506A (zh) * | 2021-01-29 | 2021-05-11 | 展讯通信（上海）有限公司 | 一种模型运行方法及相关装置 |
| CN115220787A (zh) * | 2021-04-17 | 2022-10-21 | 华为技术有限公司 | 驾驶控制指令生成方法、异构计算方法、相关装置及系统 |
| WO2023050745A1 (zh) * | 2021-09-29 | 2023-04-06 | 上海商汤智能科技有限公司 | 一种图像处理方法、装置、设备、介质及程序 |
| CN114228745A (zh) * | 2021-12-24 | 2022-03-25 | 北京百度网讯科技有限公司 | 驾驶系统模块控制方法、装置、设备、介质、产品及车辆 |
| CN115640059A (zh) * | 2022-12-14 | 2023-01-24 | 清华大学 | 自动驾驶操作系统、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10459444B1 (en) | Autonomous vehicle fleet model training and testing | |
| US11688090B2 (en) | Shared median-scaling metric for multi-camera self-supervised depth evaluation | |
| CN111881519A (zh) | 一种自动驾驶的测试方法、装置、计算机设备及存储介质 | |
| CN114781635B (zh) | 模型部署方法、装置、设备和介质 | |
| US20190065838A1 (en) | Vehicle control apparatus, vehicle, vehicle control method, and storage medium | |
| US20240104452A1 (en) | On-demand transport selection process facilitating third-party autonomous vehicles | |
| US11436498B2 (en) | Neural architecture search system for generating a neural network architecture | |
| CN112712608B (zh) | 用于通过车辆收集性能数据的系统和方法 | |
| CN116366780B (zh) | 用于帧同步的帧序号确定方法、装置及车辆 | |
| CN116985830A (zh) | 车辆模式的运行方法、装置、车辆及存储介质 | |
| CN116343174A (zh) | 目标检测方法、装置、车辆和存储介质 | |
| CN115223015B (zh) | 模型训练方法、图像处理方法、装置和车辆 | |
| CN116168362A (zh) | 车辆感知模型的预训练方法、装置、电子设备及车辆 | |
| CN112710316A (zh) | 专注于构造和本地化技术领域的动态地图生成 | |
| CN111063214A (zh) | 一种车辆的定位方法、车载设备及存储介质 | |
| CN116385825B (zh) | 模型联合训练方法、装置及车辆 | |
| CN116758504A (zh) | 图像处理方法、装置、车辆与存储介质 | |
| JP7312856B2 (ja) | センサデータを処理するための方法および装置 | |
| CN114821543B (zh) | 障碍物检测方法、装置、车辆和存储介质 | |
| CN116070780B (zh) | 轨迹预测算法的评价方法、装置、介质及车辆 | |
| JP7261892B2 (ja) | 占有格子地図管理装置 | |
| CN115593439B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
| RU2795345C1 (ru) | Способы и системы обеспечения данных сканирования для принятия решений самоуправляемым транспортным средством | |
| CN115471513B (zh) | 点云分割方法及装置 | |
| US20230271628A1 (en) | Distributed processing of vehicle sensor data |
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 |