一种自动驾驶域控制器的系统及控制方法与流程

本发明涉及自动驾驶，特别是涉及一种自动驾驶域控制器的系统及控制方法。

背景技术：

1、所谓“域”就是将汽车电子系统根据功能划分为若干个功能块，每个功能块内部的系统架构由域控制器为主导搭建，用一个高算力的多核中央计算机取代以往的多个分布式ecu架构。目前的功能域可分为动力总成、底盘控制、车身控制、智能座舱、自动驾驶这五个主要的域。在每个域中，域控制器负责处理域内部的功能控制和转发，需要控制器本身具备强大的处理功率和超高的实时性能以及大量的通信外设。

2、现有的自动驾驶域控制器采用的是先采集道路信息，再标注，之后训练模型，最后移植到域控制器内，模型无法自动更新。

技术实现思路

1、为解决上述技术问题，本发明采用的一个技术方案是：一种自动驾驶域控制器的控制方法，包括如下步骤：

2、s1相机采集的视频流进入域控制器内，首先经过检测芯片，得到的检测框和类别结果传递给控制单元；

3、s2根据检测框抠图得到的特征图传送到训练芯片端准备进行模型训练；

4、s3训练芯片会存储一定数量的特征图和标签文件，当数据量达到阈值，结合经验存储中之前训练得到的模型的基础上增加训练结果，将融合训练得到的结果反馈给检测芯片并更新模型；

5、s4检测芯片则会将检测结果反馈给经验存储，在经验存储中包含经典的模板匹配算法，该模块会对反馈回来的结果进行模板匹配，若匹配结果总的准确率大于上次更新的准确率，则认定此次更新有效，则经验存储会对模型进行替换，换成最新的训练结果，若最新准确率小于等于旧的准确率，则不对模型进行替换。

6、进一步地，所述步骤s1中的检测芯片预装训练过的模型。

7、进一步地，所述检测芯片和训练芯片中主要采用的算法为yolov5算法。

8、进一步地，所述s3中训练芯片的数据输入及读取过程采用多维度的数据作为数据输入，包括输入为图片和txt文件内容的标注信息，还添加了原有模型解析的数据结果。

9、本方案还提供了一种自动驾驶域控制器的系统，包括以下模块：

10、视频图像模块，使用相机采集视频流进入域控制器内；

11、检测芯片模块，芯片预装训练过的模型，得到检测框和类别结果；

12、控制单元模块，域控制器的控制模块；

13、训练芯片模块，用于存储一定数量的特征图和标签文件，对模型进行训练；

14、融合训练模块，用于结合经验存储中之前训练得到的模型的基础上增加训练结果；

15、经验存储模块，经验存储中包含经典的模板匹配算法，该模块会对反馈回来的结果进行模板匹配，若匹配结果总的准确率大于上次更新的准确率，则认定此次更新有效，则经验存储会对模型进行替换，换成最新的训练结果，若最新准确率小于等于旧的准确率，则不对模型进行替换。

16、本发明的有益效果如下：

17、本发明在数据输入及读取过程中借鉴强化学习算法对数据的读入进行改进，以多维度的数据作为数据输入，在经典的yolo算法中输入为图片和标注信息(txt文件内容)，本发明系统引入的数据除了这两种还添加了原有模型解析的数据结果；并且本发明引入强化学习算法中的经验存储机制和模块，该模块将提前预置或之前迭代训练的模型结果进行拆解，得到数据结果作为新的数据输入，新采集的图片及检测结果则作为新的补充数据在原有经验的基础上更新迭代，进行新一轮的模型融合训练。

18、本发明引入强化学习算法中的行为批判机制(actor-critic机制)，对最新训练得到的结果进行评判。

19、使用本发明的域控制器可进行自动训练，无需再重复采集标注和训练移植模型。

技术特征：

1.一种自动驾驶域控制器的控制方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种自动驾驶域控制器的控制方法，其特征在于：所述步骤s1中的检测芯片预装训练过的模型。

3.根据权利要求1所述的一种自动驾驶域控制器的控制方法，其特征在于：所述检测芯片和训练芯片中主要采用的算法为yolov5算法。

4.根据权利要求1所述的一种自动驾驶域控制器的控制方法，其特征在于：所述s3中训练芯片的数据输入及读取过程采用多维度的数据作为数据输入，包括输入为图片和txt文件内容的标注信息，还添加了原有模型解析的数据结果。

5.一种自动驾驶域控制器的系统，其特征在于，包括以下模块：

技术总结本发明公开了一种自动驾驶域控制器的系统及控制方法，涉及主动驾驶技术领域，该系统包括视频图像模块、检测芯片模块、控制单元模块、训练芯片模块、融合训练模块和经验存储模块。本发明在数据输入及读取过程中借鉴强化学习算法对数据的读入进行改进，以多维度的数据作为数据输入，在经典的yolo算法中输入为图片和标注信息，本发明系统引入的数据除了这两种还添加了原有模型解析的数据结果；并且本发明引入强化学习算法中的经验存储机制和模块，该模块将提前预置或之前迭代训练的模型结果进行拆解，得到数据结果作为新的数据输入，新采集的图片及检测结果则作为新的补充数据在原有经验的基础上更新迭代，进行新一轮的模型融合训练，使用本发明的域控制器可进行自动训练，无需再重复采集标注和训练移植模型。技术研发人员：杨明珠,邓云腾,王亚龙受保护的技术使用者：昆山小眼探索信息科技有限公司技术研发日：技术公布日：2024/9/12