【技術實現步驟摘要】
本專利技術涉及輔助駕駛，具體涉及一種基于自動駕駛的多任務感知方法、系統和智能終端。
技術介紹
1、智能駕駛是汽車產業與人工智能、物聯網等新興前沿技術深度融合的產物，是當今全球汽車行業與交通出行領域智能化發展的主要方向。多任務并發運行是車載駕駛環境下實際存在的問題，已有的處理手段是針對不同任務設計不同的感知模型，這樣一來，在系統實際運行中，存在多任務并發處理的問題，不僅爭搶資源，而且也加劇了系統設計的復雜性，降低了系統的運行效率。
2、鑒于此，提供一種基于自動駕駛的多任務感知方法、系統和智能終端，以解決多任務并發場景下，多個感知模型并行導致的系統復雜度高，運行效率低下的問題，就成為本領域技術人員亟待解決的問題。
技術實現思路
1、為此，本專利技術實施例提供一種基于自動駕駛的多任務感知方法、系統和智能終端，以解決多任務并發場景下，多個感知模型并行導致的系統復雜度高，運行效率低下的問題，從而在保證多任務并發處理效果的前提下，降低系統的復雜程度，提高系統運行效率。
2、為了實現上述目的，本專利技術實施例提供如下技術方案：
3、本專利技術提供一種基于自動駕駛的多任務感知方法，所述方法包括：
4、分別獲取多個相機的視頻流數據；
5、將各所述視頻流數據分別輸入預存的特征預處理模型，以得到各所述特征預處理模型輸出的多個特征空間，以生成各所述特征空間構成的序列特征空間；
6、基于預設的空間合并原則和約束條件，對各所述特征空間進行
7、將組合后的序列特征空間分別輸入預先存儲的多個任務模型，以分別得到各所述任務模型輸出的識別結果；
8、將各所述識別結果輸入感知融合模塊，以得到融合結果。
9、在一些實施例中，分別獲取多個相機的視頻流數據，之前還包括：
10、基于單一時間源同步觸發算法或異步觸發算法，對多個相機進行時間同步，并在時間同步的情況下，分別獲取各所述相機的視頻流數據。
11、在一些實施例中，預存的特征預處理模型為結構相同的網絡模型或結構不同的網絡模型。
12、在一些實施例中，所述空間合并原則為：對相近裝配位置的相機做特征空間合并。
13、在一些實施例中，所述約束條件包括：
14、對于目標級任務模型，合并多個特征空間；
15、對于像素級任務模型，合并相鄰特征空間。
16、在一些實施例中，所述任務模型包括檢測任務模型、識別任務模型、跟蹤任務模型、分割任務模型和深度任務模型。
17、在一些實施例中，所述融合結果的表達式為：
18、
19、其中，表示各識別結果，ψ表示感知融合模塊的參數，表示任務模型。
20、本專利技術還提供一種基于自動駕駛的多任務感知系統，所述系統包括：
21、數據采集單元，用于分別獲取多個相機的視頻流數據；
22、特征提取單元，用于將各所述視頻流數據分別輸入預存的特征預處理模型，以得到各所述特征預處理模型輸出的多個特征空間，以得到各所述特征空間構成的序列特征空間；
23、特征組合單元，用于基于預設的空間合并原則和約束條件，對各所述特征空間進行空間組合，以得到組合后的序列特征空間；
24、任務識別單元，用于將組合后的序列特征空間分別輸入預先存儲的多個任務模型，以分別得到各所述任務模型輸出的識別結果；
25、結果融合單元，用于將各所述識別結果輸入感知融合模塊，以得到融合結果。
26、本專利技術還提供一種智能終端，所述智能終端包括：數據采集裝置、處理器和存儲器；
27、所述數據采集裝置用于采集數據；所述存儲器用于存儲一個或多個程序指令；所述處理器，用于執行一個或多個程序指令，用以執行如上所述的方法。
28、本專利技術還提供一種計算機可讀存儲介質，所述計算機存儲介質中包含一個或多個程序指令，所述一個或多個程序指令用于執行如上所述的方法。
29、本專利技術所提供的基于自動駕駛的多任務感知方法和系統，通過分別獲取多個相機的視頻流數據；將各所述視頻流數據分別輸入預存的特征預處理模型，以得到各所述特征預處理模型輸出的多個特征空間，以得到各所述特征空間構成的序列特征空間；基于預設的空間合并原則和約束條件，對各所述特征空間進行空間組合，以得到組合后的序列特征空間；將組合后的序列特征空間分別輸入預先存儲的多個任務模型，以分別得到各所述任務模型輸出的識別結果；將各所述識別結果輸入感知融合模塊，以得到融合結果。
30、這樣，本專利技術所提供的方法和系統基于車載駕駛環境實際應用場景遇到的系統問題，針對復雜環境下的多任務深度學習感知模型的處理流程，可以將多個獨立調度的任務集合到一個系統模型中進行處理，解決了系統運行中的復雜調度問題，使低效的多任務并發調度變為高效的獨立任務運行，極大地提升了系統運行的穩定性和安全性，硬件系統的運行效率顯著提升。從而解決了多任務并發場景下，多個感知模型并行導致的系統復雜度高，運行效率低下的問題，以便在保證多任務并發處理效果的前提下，降低了系統的復雜程度，提高了系統運行效率。
本文檔來自技高網...【技術保護點】
1.一種基于自動駕駛的多任務感知方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，分別獲取多個相機的視頻流數據，之前還包括：
3.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，預存的特征預處理模型為結構相同的網絡模型或結構不同的網絡模型。
4.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，所述空間合并原則為：對相近裝配位置的相機做特征空間合并。
5.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，所述約束條件包括：
6.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，所述任務模型包括檢測任務模型、識別任務模型、跟蹤任務模型、分割任務模型和深度任務模型。
7.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，所述融合結果的表達式為：?其中，表示各識別結果，Ψ表示感知融合模塊的參數，表示任務模型。
8.一種基于自動駕駛的多任務感知系統，其特征在于，所述系統包括：
9.一
10.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質中包含一個或多個程序指令，所述一個或多個程序指令用于執行如權利要求1-7任一項所述的方法。
...【技術特征摘要】
1.一種基于自動駕駛的多任務感知方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，分別獲取多個相機的視頻流數據，之前還包括：
3.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，預存的特征預處理模型為結構相同的網絡模型或結構不同的網絡模型。
4.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，所述空間合并原則為：對相近裝配位置的相機做特征空間合并。
5.根據權利要求1所述的基于自動駕駛的多任務感知方法，其特征在于，所述約束條件包括：
6.根據權利要求1所述的基于自動駕駛的多...
【專利技術屬性】
技術研發人員：蔡普光，王群，肖堅，林文濤，馬騁，盧樹沛，陳彬，
申請(專利權)人：北京中科慧眼科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。