CN108594819A - 自动驾驶车载计算资源管理***和方法 - Google Patents
自动驾驶车载计算资源管理***和方法 Download PDFInfo
- Publication number
- CN108594819A CN108594819A CN201810414692.2A CN201810414692A CN108594819A CN 108594819 A CN108594819 A CN 108594819A CN 201810414692 A CN201810414692 A CN 201810414692A CN 108594819 A CN108594819 A CN 108594819A
- Authority
- CN
- China
- Prior art keywords
- container
- resource
- service
- vehicle
- automatic pilot
- 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 23
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000013480 data collection Methods 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims description 81
- 230000006870 function Effects 0.000 claims description 19
- 230000001939 inductive effect Effects 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000002955 isolation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明自动驾驶车载计算资源管理方法,涉及自动驾驶技术领域,利用容器技术将车载计算单元的硬件资源进行统一管理,根据核心传感器的实时采集数据处理任务和自动驾驶智能决策控制任务,动态分配物理硬件资源,生成相互隔离的多个容器运行环境,独立执行各自任务;根据实际运行状况动态调整资源,实现各个自动驾驶业务应用的智能协同;并通过资源预留、资源限制、资源抢夺多种容器管理策略,完成自动驾驶车辆的安全行驶。本发明在保证计算任务执行环境隔离的同时,提高计算资源的利用率,有效降低硬件能耗;相较于单主机方式,降低单机故障带来的风险,提升自动驾驶整体安全性。本发明还提出了自动驾驶车载计算资源管理***。
Description
技术领域
本发明涉及边缘计算、自动驾驶和容器技术领域,具体的说是一种自动驾驶车载计算资源管理***和方法。
背景技术
随着云计算的发展,各类应用***已经渐渐转向云端,云端中心聚合了大量的物理硬件资源,如服务器、网络、内存及存储等,采用虚拟化技术将其进行抽取、转换后统一呈现出来,实现了异构网络计算资源的统一分配、调度和管理,集中建设数据中心大大降低了计算和存储的成本。虚拟化技术作为一种资源管理技术,有效的解决了高性能物理硬件资源产能过剩超配问题以及老旧硬件资源利用率过低带来的重组重用问题,将底层硬件物理资源透明化,从而最大化的利用硬件资源。
近年来,微服务架构开始流行,相对重型的hypervisor为首的虚拟化技术在很多场景下,渐渐被容器技术所替代。容器技术可以按需构建操作***实例,并以进程的方式提供给应用来使用,这样降低了基本的***开销,容器技术实现了资源的独立和隔离,提供了轻量化、环境一致性的运行环境,已经成为一种被大家广泛认可的物理硬件资源共享方式,为应用开发者和***运维人员提供了极大的灵活性。
自动驾驶是汽车产业与人工智能、视觉计算、物联网、雷达、高精地图、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域发展的主要方向,其通过车载核心计算单元,在没有任何人类主动的操作下,自动安全地操作机动车辆。相较于传统汽车,自动驾驶汽车增加了高清摄像头、激光雷达、高精度定位装置等核心传感器,并通过传感器实时采集数据,配合高精地图,利用车载计算单元进行实时高效的推理决策,并反馈给车辆线控***实现自动驾驶。在这一过程中,车载核心计算单元需要提供大量计算资源,满足各类传感设备的数据结构化需求,同时要完成车辆的模型推理和控制决策。与此同时,受限于汽车的体积和能耗的要求,使得车载核心计算单元无法采用云中心的解决方案。在这种情况下,如何有效的利用容器技术为自动驾驶车辆提供高效的计算资源,根据行车场景合理分配资源实现计算最优化,并能保证驾驶安全成为亟需解决的问题。
发明内容
本发明针对目前技术发展的需求和不足之处,提供一种自动驾驶车载计算资源管理***和方法。
本发明所述自动驾驶车载计算资源管理***,解决上述技术问题采用的技术方案如下:所述基于自动驾驶车载计算资源管理***,其***架构包括核心传感器、车载计算单元和车辆线孔***;利用容器技术将车载计算单元的硬件资源进行统一管理,根据核心传感器的实时采集数据处理任务和自动驾驶智能决策控制任务,动态分配物理硬件资源,生成相互隔离的多个容器运行环境,独立执行各自任务;根据实际运行状况动态调整资源,实现各个自动驾驶业务应用的智能协同;并通过资源预留、资源限制、资源抢夺多种容器管理策略,完成自动驾驶车辆的安全行驶;其中,
所述核心传感器包含实现自动驾驶功能用到的传感设备,通过核心传感器实时采集车辆行驶环境数据;
所述车载计算单元整体框架分为四层:物理计算资源层、ROS实时操作***层、业务运行环境容器层和应用层;其中,所述物理计算资源层,包含多个主机,这些主机是实现自动驾驶功能的中心部件;
所述ROS实时操作***层,部署在物理计算资源层之上,用于保证数据采集和决策控制的实时性;所述业务运行环境容器层,部署在ROS实时操作***层之上,用于部署容器运行环境;所述应用层,用于运行容器管理服务和自动驾驶业务应用;
所述容器管理服务将根据业务需求动态分配和管理资源,利用车载计算单元完成传感数据的采集、多种传感设备数据的融合和协同,并根据预先训练的自动驾驶决策控制模型完成实时推理决策,通过CAN总线反馈给车辆线控***,完成车辆控制响应。
具体的,所述核心传感器包括:多路高清摄像头、激光雷达、毫米波雷达、V2X传感设备、高精度定位装置;
每个主机包括计算、存储和网络物理硬件资源,以及FPGA或GPU硬件加速部件。
具体的,所述应用层具体包括容器管理应用、高精地图、决策控制应用、紧急制动应用、CAN总线控制、数据采集应用。
具体的,所述自动驾驶车载计算资源管理***进行自动驾驶计算资源初始化,内容包括:
所述车载计算单元加载预设的容器管理配置信息,基于ROS实时操作***,完成容器管理服务的初始化,其中将预留部分计算资源用于紧急制动关键业务应用;
所述车载计算单元通过容器管理服务连接核心传感器,按照预设的资源分配配置信息,加载应用服务容器镜像,启动容器应用服务;所述核心传感器数据采集应用服务运行在容器中,连接核心传感器,并采集来自核心传感器的环境数据,进行结构化处理;
所述车载计算单元通过容器管理服务加载CAN总线车辆状况数据采集服务容器镜像,并启动容器应用服务;所述CAN总线车辆状况数据采集服务运行在容器中,实时采集车辆状况数据,进行结构化处理;
所述车载计算单元通过容器管理服务加载高精地图应用服务容器镜像,并启动容器应用服务;所述高精地图应用服务运行在容器中,提供高精地图服务,结合高精定位装置获取周边环境数据及道路数据;
所述车载计算单元通过容器管理服务加载CAN总线车辆控制服务容器镜像,并启动容器应用服务;所述CAN总线车辆控制服务运行在容器中,等待控制指令;
所述车载计算单元通过容器管理服务加载自动驾驶决策控制服务容器镜像,并启动容器推理决策控制应用服务;所述自动驾驶推理决策控制应用服务运行在容器中,并与各个采集应用服务进行交互,实现数据集中,并根据其自动驾驶决策模型完成决策计算任务,实时反馈给所述的CAN总线车辆控制服务;
所述车载计算单元通过容器管理服务将至少两个主机中加载紧急制动服务容器镜像,并启动应用服务;所述紧急制动服务运行在容器中,并与其它应用服务容器保持心跳,实时监控其资源及运行状况,同时监听端口等待指令。
具体的,所述自动驾驶车载计算资源管理***进行自动驾驶计算资源管理,内容包括:
所述车载计算单元通过容器管理服务对FPGA、GPU进行标记,针对深度学习推理场景,使用指定主机加载容器服务;
所述车载计算单元通过容器管理服务监控自动驾驶汽车的容器及硬件资源状况;若容器已分配的计算资源已达到临界值,出现资源不足现象,则优先给关键计算分配使用预留资源;当容器资源利用率达到饱和状况,若关键应用资源不足,则抢夺非关键业务应用的资源;若出现非关键应用容器运行异常,则关掉容器回收资源,重新分配资源,加载容器镜像并启动应用;若出现关键应用容器运行异常,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,重新分配资源,加载容器镜像并启动应用,重新开启自动驾驶功能;
若某个主机出现硬件异常,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,判断剩余可用主机数量,若存在不少于两个可用主机,则将断电主机运行的容器镜像加载到其他主机中,重新开启自动驾驶功能;
所述车载计算单元通过容器管理服务收集不同车辆行驶场景的计算资源数据,并根据当前行驶状况个性化场景动态优化调整资源。
本发明还提出自动驾驶车载计算资源管理方法,利用容器技术将车载计算单元的硬件资源进行统一管理,根据核心传感器的实时采集数据处理任务和自动驾驶智能决策控制任务,动态分配物理硬件资源,生成相互隔离的多个容器运行环境,独立执行各自任务;根据实际运行状况动态调整资源,实现各个自动驾驶业务应用的智能协同;并通过资源预留、资源限制、资源抢夺多种容器管理策略,完成自动驾驶车辆的安全行驶;
所述车载计算单元由多个主机构成,是实现自动驾驶功能的中心部件,在车载计算单元之上,部署ROS实时操作***来保证数据采集和决策控制的实时性,在ROS操作***之上部署容器运行环境,其中运行容器管理服务和自动驾驶业务应用;所述核心传感器包含实现自动驾驶功能用到的传感设备;
所述容器管理服务将根据业务需求动态分配和管理资源,利用所述的车载计算单元完成传感数据的采集、多种传感设备数据的融合和协同,并根据预先训练的自动驾驶决策控制模型完成实时推理决策,通过CAN总线反馈给车辆线控***,完成车辆控制响应。
具体的,所述核心传感器包括:多路高清摄像头、激光雷达、毫米波雷达、V2X传感设备、高精度定位装置;
每个主机包括计算、存储和网络物理硬件资源,以及FPGA或GPU硬件加速部件。
具体的,所述应用层具体包括容器管理应用、高精地图、决策控制应用、紧急制动应用、CAN总线控制、数据采集应用。
本发明所述自动驾驶车载计算资源管理***和方法,与现有技术相比具有的有益效果是:本发明利用容器技术合理的分配管理自动驾驶车载计算资源,将自动驾驶计算根据场景、计算类别、结果影响程度等多种因素动态分配资源,把计算任务分别在多个容器中独立运行,并能够根据场景变化实现资源弹性伸缩;
在保证计算任务执行环境隔离的同时,提高了计算资源的利用率,并且有效的降低了硬件能耗;相比较单主机的方式,多主机容器化的方式降低了单机故障带来的风险,提升了自动驾驶整体安全性;相比较hypervisor虚拟化方式,容器化方式将占用更少的计算资源,极大提升了自动驾驶应用的运行效率,更加轻量级的容器方式满足自动驾驶ROS实时操作***对实时性的要求,微服务化的容器应用减少了故障恢复时间,提升了自动驾驶***整体的健壮性;另外,关键计算任务的多副本运行以及通过资源指定、资源预留、资源限制、资源抢夺等多种容器管理策略,高效的利用资源的同时,保证了关键计算的高可用性,最大程度的保障了自动驾驶车辆的行驶安全。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术内容,下面对本发明实施例或现有技术中所需要的附图做简单介绍。显而易见的,下面所描述附图仅仅是本发明的一部分实施例,对于本领域技术人员来说,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,但均在本发明的保护范围之内。
附图1为所述自动驾驶车载计算单元的示意图;
附图2为自动驾驶计算资源初始化的流程图;
附图3为自动驾驶计算资源管理的流程图。
具体实施方式
为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白,以下结合具体实施例,对本发明的技术方案进行清查、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下获得的所有实施例,都在本发明的保护范围之内。
实施例
本实施例提出自动驾驶车载计算资源管理***,安装使用在自动驾驶车辆中,所述自动驾驶车辆是具备自动驾驶功能的汽车;该自动驾驶车载计算资源管理***的架构包括核心传感器、车载计算单元和车辆线孔***,核心传感器与车载计算单元连接,将采集到的车辆行驶环境数据传输至车载计算单元,利用车载计算单元进行实时高效的推理决策,车载计算单元连接至车辆线控***,将得到的推理决策结果反馈给车辆线控***,实现车辆自动驾驶;其中,
核心传感器包含实现自动驾驶功能用到的传感设备,进一步核心传感器可以包括:多路高清摄像头、激光雷达、毫米波雷达、V2X传感设备、高精度定位装置;通过核心传感器实时采集车辆行驶环境数据;
如附图1所示,车载计算单元整体框架分为四层:物理计算资源层、ROS实时操作***层、业务运行环境容器层和应用层;其中,物理计算资源层,包含多个主机,这些主机是实现自动驾驶功能的中心部件;进一步,每个主机包括计算、存储和网络等物理硬件资源,此外,每个主机还包括FPGA或GPU等硬件加速部件;
ROS实时操作***层,部署在物理计算资源层之上,用于保证数据采集和决策控制的实时性;业务运行环境容器层,部署在ROS实时操作***层之上,用于部署容器运行环境;应用层,用于运行容器管理服务和自动驾驶业务应用,进一步,应用层具体包括容器管理应用、高精地图、决策控制应用、紧急制动应用、CAN总线控制、数据采集应用等;
容器管理服务将根据业务需求动态分配和管理资源,利用车载计算单元完成传感数据的采集、多种传感设备数据的融合和协同,并根据预先训练的自动驾驶决策控制模型完成实时推理决策,通过CAN总线反馈给车辆线控***,完成车辆控制响应。
本实施例提出自动驾驶车载计算资源管理***,利用容器技术将车载计算单元的硬件资源进行统一管理,根据核心传感器的实时采集数据处理任务和自动驾驶智能决策控制等任务,动态分配(计算、存储、网络等)物理硬件资源,生成相互隔离的多个容器运行环境,独立执行各自任务;根据实际运行状况动态调整资源,减少自动驾驶车载计算单元业务运行的互相影响,实现各个自动驾驶业务应用的智能协同。另外,通过资源预留、资源限制、资源抢夺等多种容器管理策略,保证核心关键计算的高可用性,完成自动驾驶车辆的安全行驶。
本实施例还提出了自动驾驶车载计算资源管理方法,其技术方案与上述自动驾驶车载计算资源管理***的可以相互参考,首先需要进行自动驾驶计算资源初始化,如附图2所示,这一操作的主要实现过程包括:
步骤1、自动驾驶汽车启动供电***,为车载计算单元供电,完成主机供电启动;
步骤2、车载计算单元加载ROS实时操作***;
步骤3、车载计算单元加载预设的容器管理配置信息,基于ROS实时操作***,完成容器管理服务的初始化,其中将预留部分计算资源用于紧急制动等关键业务应用;
步骤4、车载计算单元通过容器管理服务连接核心传感器,按照预设的资源分配配置信息,分别加载应用服务容器镜像,并启动容器应用服务;
步骤5、核心传感器数据采集应用服务运行在容器中,连接核心传感器,并采集来自核心传感器的环境数据,进行结构化处理;
步骤6、车载计算单元通过容器管理服务加载CAN总线车辆状况数据采集服务容器镜像,并启动容器应用服务;
步骤7、CAN总线车辆状况数据采集服务运行在容器中,实时采集车辆状况数据,进行结构化处理;
步骤8、车载计算单元通过容器管理服务加载高精地图应用服务容器镜像,并启动容器应用服务;
步骤9、高精地图应用服务运行在容器中,提供高精地图服务,结合高精定位装置获取周边环境数据及道路数据;
步骤10、车载计算单元通过容器管理服务加载CAN总线车辆控制服务容器镜像,并启动容器应用服务;
步骤11、CAN总线车辆控制服务运行在容器中,等待控制指令;
步骤12、车载计算单元通过容器管理服务加载自动驾驶决策控制服务容器镜像,并启动容器推理决策控制应用服务;
步骤13、自动驾驶推理决策控制应用服务运行在容器中,并与各个采集应用服务进行交互,实现数据集中,并根据其自动驾驶决策模型完成决策计算任务,实时反馈给所述的CAN总线车辆控制服务;
步骤14、车载计算单元通过容器管理服务将至少两个主机中加载紧急制动服务容器镜像,并启动应用服务;
步骤15、紧急制动服务运行在容器中,并与其它应用服务容器保持心跳,实时监控其资源及运行状况,同时监听端口等待指令;
步骤16、自动驾驶汽车计算单元运行状态正常,计算资源初始化完成。
使用本实施例自动驾驶车载计算资源管理方法,完成自动驾驶计算资源初始化后,进行自动驾驶计算资源管理,如附图3所示,这一操作过程具体包括:
步骤1、车载计算单元通过容器管理服务对FPGA、GPU等专用硬件进行标记,涉及深度学习推理等场景,则使用指定主机加载容器服务;
步骤2、车载计算单元通过容器管理服务监控自动驾驶汽车的容器及硬件资源状况;
步骤3、如果容器已分配的计算资源已达到临界值,出现资源不足现象,则优先给关键计算分配使用预留资源;
步骤4、当容器资源利用率达到饱和状况,如果关键应用资源不足,则抢夺非关键业务应用的资源,保证核心功能的运行;
步骤5、如果出现非关键应用容器运行异常,例如V2X传感设备数据采集应用、某个后向高清摄像头数据采集应用等,则关掉容器回收资源,重新分配资源,加载容器镜像并启动应用;
步骤6、如果出现关键应用容器运行异常,例如前置高清摄像头数据采集服务、推理决策服务等,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,重新分配资源,加载容器镜像并启动应用,重新开启自动驾驶功能;
步骤7、如果某个主机出现硬件异常,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,判断剩余可用主机数量,如果存在不少于两个可用主机,则将断电主机运行的容器镜像加载到其他主机中,重新开启自动驾驶功能;
步骤8、车载计算单元通过容器管理服务收集不同车辆行驶场景的计算资源数据,并根据当前行驶状况个性化场景动态优化调整资源。
以上应用具体个例对本发明的原理及实施方式进行了详细阐述,这些实施例只是用于帮助理解本发明的核心技术内容,并不用于限制本发明的保护范围,本发明的技术方案不限制于上述具体实施方式内。基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作出的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (10)
1.自动驾驶车载计算资源管理***,其特征在于, 其***架构包括核心传感器、车载计算单元和车辆线孔***;利用容器技术将车载计算单元的硬件资源进行统一管理,根据核心传感器的实时采集数据处理任务和自动驾驶智能决策控制任务,动态分配物理硬件资源,生成相互隔离的多个容器运行环境,独立执行各自任务;根据实际运行状况动态调整资源,实现各个自动驾驶业务应用的智能协同;并通过资源预留、资源限制、资源抢夺多种容器管理策略,完成自动驾驶车辆的安全行驶;其中,
所述核心传感器包含实现自动驾驶功能用到的传感设备,通过核心传感器实时采集车辆行驶环境数据;
所述车载计算单元整体框架分为四层:物理计算资源层、ROS实时操作***层、业务运行环境容器层和应用层;其中,所述物理计算资源层,包含多个主机,这些主机是实现自动驾驶功能的中心部件;
所述ROS实时操作***层,部署在物理计算资源层之上,用于保证数据采集和决策控制的实时性;所述业务运行环境容器层,部署在ROS实时操作***层之上,用于部署容器运行环境;所述应用层,用于运行容器管理服务和自动驾驶业务应用;
所述容器管理服务将根据业务需求动态分配和管理资源,利用车载计算单元完成传感数据的采集、多种传感设备数据的融合和协同,并根据预先训练的自动驾驶决策控制模型完成实时推理决策,通过CAN总线反馈给车辆线控***,完成车辆控制响应。
2.根据权利要求1所述自动驾驶车载计算资源管理***,其特征在于,所述核心传感器包括:多路高清摄像头、激光雷达、毫米波雷达、V2X传感设备、高精度定位装置;
每个主机包括计算、存储和网络物理硬件资源,以及FPGA或GPU硬件加速部件。
3.根据权利要求2所述自动驾驶车载计算资源管理***,其特征在于,所述应用层具体包括容器管理应用、高精地图、决策控制应用、紧急制动应用、CAN总线控制、数据采集应用。
4.根据权利要求3所述自动驾驶车载计算资源管理***,其特征在于,所述自动驾驶车载计算资源管理***进行自动驾驶计算资源初始化,内容包括:
所述车载计算单元加载预设的容器管理配置信息,基于ROS实时操作***,完成容器管理服务的初始化,其中将预留部分计算资源用于紧急制动关键业务应用;
所述车载计算单元通过容器管理服务连接核心传感器,按照预设的资源分配配置信息,加载应用服务容器镜像,启动容器应用服务;所述核心传感器数据采集应用服务运行在容器中,连接核心传感器,并采集来自核心传感器的环境数据,进行结构化处理;
所述车载计算单元通过容器管理服务加载CAN总线车辆状况数据采集服务容器镜像,并启动容器应用服务;所述CAN总线车辆状况数据采集服务运行在容器中,实时采集车辆状况数据,进行结构化处理;
所述车载计算单元通过容器管理服务加载高精地图应用服务容器镜像,并启动容器应用服务;所述高精地图应用服务运行在容器中,提供高精地图服务,结合高精定位装置获取周边环境数据及道路数据;
所述车载计算单元通过容器管理服务加载CAN总线车辆控制服务容器镜像,并启动容器应用服务;所述CAN总线车辆控制服务运行在容器中,等待控制指令;
所述车载计算单元通过容器管理服务加载自动驾驶决策控制服务容器镜像,并启动容器推理决策控制应用服务;所述自动驾驶推理决策控制应用服务运行在容器中,并与各个采集应用服务进行交互,实现数据集中,并根据其自动驾驶决策模型完成决策计算任务,实时反馈给所述的CAN总线车辆控制服务;
所述车载计算单元通过容器管理服务将至少两个主机中加载紧急制动服务容器镜像,并启动应用服务;所述紧急制动服务运行在容器中,并与其它应用服务容器保持心跳,实时监控其资源及运行状况,同时监听端口等待指令。
5.根据权利要求4所述自动驾驶车载计算资源管理***,其特征在于,所述自动驾驶车载计算资源管理***进行自动驾驶计算资源管理,内容包括:
所述车载计算单元通过容器管理服务对FPGA、GPU进行标记,针对深度学习推理场景,使用指定主机加载容器服务;
所述车载计算单元通过容器管理服务监控自动驾驶汽车的容器及硬件资源状况;若容器已分配的计算资源已达到临界值,出现资源不足现象,则优先给关键计算分配使用预留资源;当容器资源利用率达到饱和状况,若关键应用资源不足,则抢夺非关键业务应用的资源;若出现非关键应用容器运行异常,则关掉容器回收资源,重新分配资源,加载容器镜像并启动应用;若出现关键应用容器运行异常,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,重新分配资源,加载容器镜像并启动应用,重新开启自动驾驶功能;
若某个主机出现硬件异常,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,判断剩余可用主机数量,若存在不少于两个可用主机,则将断电主机运行的容器镜像加载到其他主机中,重新开启自动驾驶功能;
所述车载计算单元通过容器管理服务收集不同车辆行驶场景的计算资源数据,并根据当前行驶状况个性化场景动态优化调整资源。
6.自动驾驶车载计算资源管理方法,其特征在于,利用容器技术将车载计算单元的硬件资源进行统一管理,根据核心传感器的实时采集数据处理任务和自动驾驶智能决策控制任务,动态分配物理硬件资源,生成相互隔离的多个容器运行环境,独立执行各自任务;根据实际运行状况动态调整资源,实现各个自动驾驶业务应用的智能协同;并通过资源预留、资源限制、资源抢夺多种容器管理策略,完成自动驾驶车辆的安全行驶;
所述车载计算单元由多个主机构成,是实现自动驾驶功能的中心部件,在车载计算单元之上,部署ROS实时操作***来保证数据采集和决策控制的实时性,在ROS操作***之上部署容器运行环境,其中运行容器管理服务和自动驾驶业务应用;所述核心传感器包含实现自动驾驶功能用到的传感设备;
所述容器管理服务将根据业务需求动态分配和管理资源,利用所述的车载计算单元完成传感数据的采集、多种传感设备数据的融合和协同,并根据预先训练的自动驾驶决策控制模型完成实时推理决策,通过CAN总线反馈给车辆线控***,完成车辆控制响应。
7.根据权利要求6所述自动驾驶车载计算资源管理方法,其特征在于,所述核心传感器包括:多路高清摄像头、激光雷达、毫米波雷达、V2X传感设备、高精度定位装置;
每个主机包括计算、存储和网络物理硬件资源,以及FPGA或GPU硬件加速部件。
8.根据权利要求7所述自动驾驶车载计算资源管理方法,其特征在于,所述应用层具体包括容器管理应用、高精地图、决策控制应用、紧急制动应用、CAN总线控制、数据采集应用。
9.根据权利要求8所述自动驾驶车载计算资源管理方法,其特征在于,进行自动驾驶计算资源初始化,这一操作过程包括:
步骤1、自动驾驶汽车启动供电***,为车载计算单元供电,完成主机供电启动;
步骤2、车载计算单元加载ROS实时操作***;
步骤3、车载计算单元加载预设的容器管理配置信息,基于ROS实时操作***,完成容器管理服务的初始化,其中将预留部分计算资源用于紧急制动等关键业务应用;
步骤4、车载计算单元通过容器管理服务连接核心传感器,按照预设的资源分配配置信息,分别加载应用服务容器镜像,并启动容器应用服务;
步骤5、核心传感器数据采集应用服务运行在容器中,连接核心传感器,并采集来自核心传感器的环境数据,进行结构化处理;
步骤6、车载计算单元通过容器管理服务加载CAN总线车辆状况数据采集服务容器镜像,并启动容器应用服务;
步骤7、CAN总线车辆状况数据采集服务运行在容器中,实时采集车辆状况数据,进行结构化处理;
步骤8、车载计算单元通过容器管理服务加载高精地图应用服务容器镜像,并启动容器应用服务;
步骤9、高精地图应用服务运行在容器中,提供高精地图服务,结合高精定位装置获取周边环境数据及道路数据;
步骤10、车载计算单元通过容器管理服务加载CAN总线车辆控制服务容器镜像,并启动容器应用服务;
步骤11、CAN总线车辆控制服务运行在容器中,等待控制指令;
步骤12、车载计算单元通过容器管理服务加载自动驾驶决策控制服务容器镜像,并启动容器推理决策控制应用服务;
步骤13、自动驾驶推理决策控制应用服务运行在容器中,并与各个采集应用服务进行交互,实现数据集中,并根据其自动驾驶决策模型完成决策计算任务,实时反馈给所述的CAN总线车辆控制服务;
步骤14、车载计算单元通过容器管理服务将至少两个主机中加载紧急制动服务容器镜像,并启动应用服务;
步骤15、紧急制动服务运行在容器中,并与其它应用服务容器保持心跳,实时监控其资源及运行状况,同时监听端口等待指令;
步骤16、自动驾驶汽车计算单元运行状态正常,计算资源初始化完成。
10.根据权利要求9所述自动驾驶车载计算资源管理方法,其特征在于,进行自动驾驶计算资源管理,这一操作过程包括:
步骤1、车载计算单元通过容器管理服务对FPGA、GPU等专用硬件进行标记,涉及深度学习推理等场景,则使用指定主机加载容器服务;
步骤2、车载计算单元通过容器管理服务监控自动驾驶汽车的容器及硬件资源状况;
步骤3、如果容器已分配的计算资源已达到临界值,出现资源不足现象,则优先给关键计算分配使用预留资源;
步骤4、当容器资源利用率达到饱和状况,如果关键应用资源不足,则抢夺非关键业务应用的资源,保证核心功能的运行;
步骤5、如果出现非关键应用容器运行异常,例如V2X传感设备数据采集应用、某个后向高清摄像头数据采集应用等,则关掉容器回收资源,重新分配资源,加载容器镜像并启动应用;
步骤6、如果出现关键应用容器运行异常,例如前置高清摄像头数据采集服务、推理决策服务等,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,重新分配资源,加载容器镜像并启动应用,重新开启自动驾驶功能;
步骤7、如果某个主机出现硬件异常,则优先调度执行紧急制动应用服务,完成自动驾驶的安全降速停车,车辆安全停止后,判断剩余可用主机数量,如果存在不少于两个可用主机,则将断电主机运行的容器镜像加载到其他主机中,重新开启自动驾驶功能;
步骤8、车载计算单元通过容器管理服务收集不同车辆行驶场景的计算资源数据,并根据当前行驶状况个性化场景动态优化调整资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810414692.2A CN108594819A (zh) | 2018-05-03 | 2018-05-03 | 自动驾驶车载计算资源管理***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810414692.2A CN108594819A (zh) | 2018-05-03 | 2018-05-03 | 自动驾驶车载计算资源管理***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108594819A true CN108594819A (zh) | 2018-09-28 |
Family
ID=63619615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810414692.2A Pending CN108594819A (zh) | 2018-05-03 | 2018-05-03 | 自动驾驶车载计算资源管理***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108594819A (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377778A (zh) * | 2018-11-15 | 2019-02-22 | 济南浪潮高新科技投资发展有限公司 | 一种基于多路rdma和v2x的协同自动驾驶***及方法 |
CN109408197A (zh) * | 2018-09-29 | 2019-03-01 | 上海理想信息产业(集团)有限公司 | 一种边缘计算引擎的实现方法及装置 |
CN109445959A (zh) * | 2018-10-17 | 2019-03-08 | 北京技德终端技术有限公司 | 一种传感器数据处理实时操作*** |
CN109649395A (zh) * | 2018-12-29 | 2019-04-19 | 驭势科技(北京)有限公司 | 一种基于计算资源的自动驾驶调整方法及车载设备 |
CN109714422A (zh) * | 2018-12-28 | 2019-05-03 | 深圳市易成自动驾驶技术有限公司 | 基于自动驾驶的计算资源共享方法、***及可读存储介质 |
CN109739222A (zh) * | 2018-12-12 | 2019-05-10 | 济南浪潮高新科技投资发展有限公司 | 一种应用于自动驾驶汽车的Edge Computing Rack平台、***及方法 |
CN109739650A (zh) * | 2018-12-28 | 2019-05-10 | 驭势科技(北京)有限公司 | 一种分配数据处理资源的方法及装置 |
CN109885392A (zh) * | 2019-01-03 | 2019-06-14 | 北京百度网讯科技有限公司 | 分配车载计算资源的方法以及装置 |
CN109941211A (zh) * | 2019-03-22 | 2019-06-28 | 清华大学 | 一种汽车智能驾驶***结构共用型架构及构建方法 |
CN109951561A (zh) * | 2019-03-28 | 2019-06-28 | 浙江数值跳跃网络科技有限公司 | 基于云端容器技术的去中心化基础运行环境管理*** |
CN110001660A (zh) * | 2018-12-17 | 2019-07-12 | 蔚来汽车有限公司 | 一种分布式多核异构*** |
CN110022349A (zh) * | 2019-01-17 | 2019-07-16 | 重庆邮电大学 | 一种基于边缘计算的异构工业网络设备组态微服务方法 |
CN110070181A (zh) * | 2019-04-30 | 2019-07-30 | 深圳朴生智能科技有限公司 | 一种用于边缘计算设备的深度学习的优化方法 |
CN110310512A (zh) * | 2019-07-10 | 2019-10-08 | 中国联合网络通信集团有限公司 | 一种基于5g物联网容器技术的停车场定置管理方法及*** |
CN110568852A (zh) * | 2019-10-12 | 2019-12-13 | 深圳市布谷鸟科技有限公司 | 一种自动驾驶***及其控制方法 |
CN110955886A (zh) * | 2019-11-08 | 2020-04-03 | 广州供电局有限公司 | 基于沙箱的数据安全融合服务装置及其方法 |
CN111240751A (zh) * | 2019-12-27 | 2020-06-05 | 深圳市众鸿科技股份有限公司 | 一种基于车载智能座舱的硬件隔离方法及*** |
CN111666133A (zh) * | 2019-03-05 | 2020-09-15 | 北京图森智途科技有限公司 | 一种自动驾驶车辆的车载基础设施 |
CN111831391A (zh) * | 2020-06-08 | 2020-10-27 | 北京百度网讯科技有限公司 | 自动驾驶仿真***之中预置容器的管理方法和装置 |
CN111882665A (zh) * | 2020-09-28 | 2020-11-03 | 蘑菇车联信息科技有限公司 | 车辆驾驶辅助***及方法 |
CN112000458A (zh) * | 2019-02-25 | 2020-11-27 | 通用汽车环球科技运作有限责任公司 | 汽车计算任务配置给有异构能力的联网设备的方法和装置 |
CN112261584A (zh) * | 2020-10-13 | 2021-01-22 | 恒大新能源汽车投资控股集团有限公司 | 一种地理围栏确定方法、装置及电子设备 |
WO2021022987A1 (zh) * | 2019-08-05 | 2021-02-11 | 腾讯科技(深圳)有限公司 | 车路协同装置和方法、电子设备和存储介质 |
CN112579253A (zh) * | 2020-12-02 | 2021-03-30 | 科东(广州)软件科技有限公司 | 一种管理容器的方法及*** |
CN112585583A (zh) * | 2020-07-17 | 2021-03-30 | 华为技术有限公司 | 数据处理方法、装置及智能车辆 |
CN113348646A (zh) * | 2018-12-20 | 2021-09-03 | 大众汽车股份公司 | 在将计算算力从车辆转移到至少一个边缘云计算机时运行车辆的方法 |
CN113460085A (zh) * | 2021-06-28 | 2021-10-01 | 东风汽车集团股份有限公司 | 面向服务的自动驾驶网络设计和通信方法及计算机设备 |
CN113873623A (zh) * | 2021-09-03 | 2021-12-31 | 许继集团有限公司 | 一种基于容器技术的输电节点设备及低功耗控制方法 |
WO2022063148A1 (en) * | 2020-09-23 | 2022-03-31 | Qualcomm Incorporated | Resource selection under congested conditions |
CN115118725A (zh) * | 2022-06-28 | 2022-09-27 | 国汽智控(北京)科技有限公司 | 动态车云计算方法、装置、电子设备及存储介质 |
CN115509726A (zh) * | 2022-11-17 | 2022-12-23 | 南京芯驰半导体科技有限公司 | 一种传感器数据访问*** |
WO2024036618A1 (en) * | 2022-08-19 | 2024-02-22 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Dynamic signal transfer configuration for driverless vehicle remote monitoring |
WO2024098333A1 (zh) * | 2022-11-10 | 2024-05-16 | 华为技术有限公司 | 调整计算资源的方法、装置及智能驾驶设备 |
WO2024116627A1 (ja) * | 2022-11-28 | 2024-06-06 | 株式会社デンソー | 制御装置、リソース管理方法、リソース管理プログラム |
WO2024140335A1 (zh) * | 2022-12-29 | 2024-07-04 | 合肥杰发科技有限公司 | 基于多核***的cpu资源分配以及任务处理的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105490860A (zh) * | 2015-12-24 | 2016-04-13 | 北京奇虎科技有限公司 | 部署应用程序运行环境的方法、装置及*** |
WO2018014282A1 (en) * | 2016-07-21 | 2018-01-25 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Efficient communications amongst computing nodes for operating autonomous vehicles |
WO2018068427A1 (zh) * | 2016-10-13 | 2018-04-19 | 北京百度网讯科技有限公司 | 用于开发无人驾驶车辆应用的方法和装置 |
-
2018
- 2018-05-03 CN CN201810414692.2A patent/CN108594819A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105490860A (zh) * | 2015-12-24 | 2016-04-13 | 北京奇虎科技有限公司 | 部署应用程序运行环境的方法、装置及*** |
WO2018014282A1 (en) * | 2016-07-21 | 2018-01-25 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Efficient communications amongst computing nodes for operating autonomous vehicles |
WO2018068427A1 (zh) * | 2016-10-13 | 2018-04-19 | 北京百度网讯科技有限公司 | 用于开发无人驾驶车辆应用的方法和装置 |
Non-Patent Citations (7)
Title |
---|
JEFF NICKOLOFF: "《Docker实战》", 31 January 2017, 电子工业出版社 * |
PHILIP MASEK 等: "Systematic evaluation of sandboxed software deployment for real-time software on the example of a self-driving heavy vehicle", 《2016 IEEE 19TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》 * |
SHAOSHAN LIU: "A Unified Cloud Platform for Autonomous Driving", 《COMPUTER》 * |
何承 等: "《城市交通大数据》", 31 January 2015, 上海科学技术出版社 * |
刘纪原: "《自然灾害与空间信息体系》", 30 September 2013, 中国宇航出版社 * |
张鑫: "《Hadoop源代码分析》", 31 August 2014, 中国铁道出版社 * |
高登: "《云计算与Hadoop应用技术研究》", 31 December 2017, 吉林大学出版社 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408197A (zh) * | 2018-09-29 | 2019-03-01 | 上海理想信息产业(集团)有限公司 | 一种边缘计算引擎的实现方法及装置 |
CN109445959A (zh) * | 2018-10-17 | 2019-03-08 | 北京技德终端技术有限公司 | 一种传感器数据处理实时操作*** |
CN109377778B (zh) * | 2018-11-15 | 2021-04-06 | 浪潮集团有限公司 | 一种基于多路rdma和v2x的协同自动驾驶***及方法 |
CN109377778A (zh) * | 2018-11-15 | 2019-02-22 | 济南浪潮高新科技投资发展有限公司 | 一种基于多路rdma和v2x的协同自动驾驶***及方法 |
CN109739222A (zh) * | 2018-12-12 | 2019-05-10 | 济南浪潮高新科技投资发展有限公司 | 一种应用于自动驾驶汽车的Edge Computing Rack平台、***及方法 |
CN110001660A (zh) * | 2018-12-17 | 2019-07-12 | 蔚来汽车有限公司 | 一种分布式多核异构*** |
CN113348646A (zh) * | 2018-12-20 | 2021-09-03 | 大众汽车股份公司 | 在将计算算力从车辆转移到至少一个边缘云计算机时运行车辆的方法 |
CN113348646B (zh) * | 2018-12-20 | 2023-08-11 | 大众汽车股份公司 | 运行车辆的方法、用于车辆的控制设备和车辆 |
CN109739650A (zh) * | 2018-12-28 | 2019-05-10 | 驭势科技(北京)有限公司 | 一种分配数据处理资源的方法及装置 |
CN109739650B (zh) * | 2018-12-28 | 2021-04-16 | 驭势科技(北京)有限公司 | 一种分配数据处理资源的方法及装置 |
WO2020133205A1 (zh) * | 2018-12-28 | 2020-07-02 | 驭势科技(北京)有限公司 | 一种分配数据处理资源的方法及装置 |
CN109714422A (zh) * | 2018-12-28 | 2019-05-03 | 深圳市易成自动驾驶技术有限公司 | 基于自动驾驶的计算资源共享方法、***及可读存储介质 |
CN109649395B (zh) * | 2018-12-29 | 2023-12-01 | 驭势科技(北京)有限公司 | 一种基于计算资源的自动驾驶调整方法及车载设备 |
CN109649395A (zh) * | 2018-12-29 | 2019-04-19 | 驭势科技(北京)有限公司 | 一种基于计算资源的自动驾驶调整方法及车载设备 |
CN109885392A (zh) * | 2019-01-03 | 2019-06-14 | 北京百度网讯科技有限公司 | 分配车载计算资源的方法以及装置 |
CN110022349A (zh) * | 2019-01-17 | 2019-07-16 | 重庆邮电大学 | 一种基于边缘计算的异构工业网络设备组态微服务方法 |
CN112000458A (zh) * | 2019-02-25 | 2020-11-27 | 通用汽车环球科技运作有限责任公司 | 汽车计算任务配置给有异构能力的联网设备的方法和装置 |
CN111666133A (zh) * | 2019-03-05 | 2020-09-15 | 北京图森智途科技有限公司 | 一种自动驾驶车辆的车载基础设施 |
CN109941211A (zh) * | 2019-03-22 | 2019-06-28 | 清华大学 | 一种汽车智能驾驶***结构共用型架构及构建方法 |
CN109951561A (zh) * | 2019-03-28 | 2019-06-28 | 浙江数值跳跃网络科技有限公司 | 基于云端容器技术的去中心化基础运行环境管理*** |
CN110070181A (zh) * | 2019-04-30 | 2019-07-30 | 深圳朴生智能科技有限公司 | 一种用于边缘计算设备的深度学习的优化方法 |
CN110310512A (zh) * | 2019-07-10 | 2019-10-08 | 中国联合网络通信集团有限公司 | 一种基于5g物联网容器技术的停车场定置管理方法及*** |
CN110310512B (zh) * | 2019-07-10 | 2021-02-19 | 中国联合网络通信集团有限公司 | 一种基于5g物联网容器技术的停车场定置管理方法及*** |
WO2021022987A1 (zh) * | 2019-08-05 | 2021-02-11 | 腾讯科技(深圳)有限公司 | 车路协同装置和方法、电子设备和存储介质 |
KR20210130213A (ko) * | 2019-08-05 | 2021-10-29 | 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 | 차량-도로 협력 장치 및 방법, 전자 디바이스 및 저장 매체 |
US11974201B2 (en) | 2019-08-05 | 2024-04-30 | Tencent Technology (Shenzhen) Company Limited | Vehicle-road collaboration apparatus and method, electronic device, and storage medium |
KR102567204B1 (ko) * | 2019-08-05 | 2023-08-14 | 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 | 차량-도로 협력 장치 및 방법, 전자 디바이스 및 저장 매체 |
CN110568852A (zh) * | 2019-10-12 | 2019-12-13 | 深圳市布谷鸟科技有限公司 | 一种自动驾驶***及其控制方法 |
CN110955886A (zh) * | 2019-11-08 | 2020-04-03 | 广州供电局有限公司 | 基于沙箱的数据安全融合服务装置及其方法 |
CN110955886B (zh) * | 2019-11-08 | 2022-06-21 | 广州供电局有限公司 | 基于沙箱的数据安全融合服务装置及其方法 |
CN111240751B (zh) * | 2019-12-27 | 2024-06-07 | 深圳市众鸿科技股份有限公司 | 一种基于车载智能座舱的硬件隔离方法及*** |
CN111240751A (zh) * | 2019-12-27 | 2020-06-05 | 深圳市众鸿科技股份有限公司 | 一种基于车载智能座舱的硬件隔离方法及*** |
CN111831391B (zh) * | 2020-06-08 | 2023-09-22 | 北京百度网讯科技有限公司 | 自动驾驶仿真***之中预置容器的管理方法和装置 |
CN111831391A (zh) * | 2020-06-08 | 2020-10-27 | 北京百度网讯科技有限公司 | 自动驾驶仿真***之中预置容器的管理方法和装置 |
CN112585583A (zh) * | 2020-07-17 | 2021-03-30 | 华为技术有限公司 | 数据处理方法、装置及智能车辆 |
CN112585583B (zh) * | 2020-07-17 | 2021-12-03 | 华为技术有限公司 | 数据处理方法、装置及智能车辆 |
WO2022063148A1 (en) * | 2020-09-23 | 2022-03-31 | Qualcomm Incorporated | Resource selection under congested conditions |
CN111882665A (zh) * | 2020-09-28 | 2020-11-03 | 蘑菇车联信息科技有限公司 | 车辆驾驶辅助***及方法 |
CN112261584A (zh) * | 2020-10-13 | 2021-01-22 | 恒大新能源汽车投资控股集团有限公司 | 一种地理围栏确定方法、装置及电子设备 |
CN112579253A (zh) * | 2020-12-02 | 2021-03-30 | 科东(广州)软件科技有限公司 | 一种管理容器的方法及*** |
CN112579253B (zh) * | 2020-12-02 | 2021-10-19 | 科东(广州)软件科技有限公司 | 一种管理容器的方法及*** |
CN113460085A (zh) * | 2021-06-28 | 2021-10-01 | 东风汽车集团股份有限公司 | 面向服务的自动驾驶网络设计和通信方法及计算机设备 |
CN113873623B (zh) * | 2021-09-03 | 2024-04-16 | 许继集团有限公司 | 一种基于容器技术的输电节点设备及低功耗控制方法 |
CN113873623A (zh) * | 2021-09-03 | 2021-12-31 | 许继集团有限公司 | 一种基于容器技术的输电节点设备及低功耗控制方法 |
CN115118725A (zh) * | 2022-06-28 | 2022-09-27 | 国汽智控(北京)科技有限公司 | 动态车云计算方法、装置、电子设备及存储介质 |
WO2024036618A1 (en) * | 2022-08-19 | 2024-02-22 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Dynamic signal transfer configuration for driverless vehicle remote monitoring |
WO2024098333A1 (zh) * | 2022-11-10 | 2024-05-16 | 华为技术有限公司 | 调整计算资源的方法、装置及智能驾驶设备 |
CN115509726B (zh) * | 2022-11-17 | 2023-03-14 | 南京芯驰半导体科技有限公司 | 一种传感器数据访问*** |
CN115509726A (zh) * | 2022-11-17 | 2022-12-23 | 南京芯驰半导体科技有限公司 | 一种传感器数据访问*** |
WO2024116627A1 (ja) * | 2022-11-28 | 2024-06-06 | 株式会社デンソー | 制御装置、リソース管理方法、リソース管理プログラム |
WO2024140335A1 (zh) * | 2022-12-29 | 2024-07-04 | 合肥杰发科技有限公司 | 基于多核***的cpu资源分配以及任务处理的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108594819A (zh) | 自动驾驶车载计算资源管理***和方法 | |
CN112925657A (zh) | 一种车路云协同处理***及方法 | |
US20200082304A1 (en) | Method, Apparatus and Device for Scheduling Unmanned Vehicles and Storage Medium | |
CN102541069B (zh) | 偏离损失的避免操纵 | |
CN108428357A (zh) | 一种用于智能网联车的平行遥控驾驶*** | |
CN110428161A (zh) | 一种基于端边云架构的无人驾驶矿车云智能调度方法 | |
WO2020207504A1 (zh) | 分布集中式自动驾驶*** | |
CN107444393A (zh) | 制动***控制方法及装置 | |
CN111105155B (zh) | 一种基于角色的群体无人***协同任务管理方法 | |
CN105739531A (zh) | 一种基于无人机空中管理平台的无人机控制*** | |
CN113867895A (zh) | 基于车云计算集群的车端功能运行方法、装置及设备 | |
CN107357641A (zh) | 一种云计算中任务调度方法 | |
CN111158900B (zh) | 轻量化分布式并行计算***及方法 | |
Bächle et al. | Model predictive control allocation in electric vehicle drive trains | |
CN109941211A (zh) | 一种汽车智能驾驶***结构共用型架构及构建方法 | |
CN112849230B (zh) | 一种磁浮交通地面分区集成控制方法、装置及其应用*** | |
CN107478238A (zh) | 一种新能源汽车无人驾驶***及控制方法 | |
CN110442428A (zh) | Docker容器的协调方法 | |
CN109697880A (zh) | 无人车停车位分配方法、装置、设备及存储介质 | |
CN104512403B (zh) | 用于显示环保车辆的再生制动效率的方法和*** | |
CN113358116A (zh) | 飞行器及其路线规划方法和路线规划算法 | |
CN114884998A (zh) | 一种协作式软件定义车载网络***、调度方法及cacc | |
CN105210324B (zh) | 策略与计费规则功能虚拟化方法、装置及*** | |
CN109969176A (zh) | 一种自动驾驶汽车紧急制动控制的方法及*** | |
CN102556339A (zh) | 一种管理飞机在地面上运动的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |