[发明专利]算力分配方法、装置、计算机设备和存储介质

权利要求书

1.一种算力分配方法，其特征在于，所述方法包括：

当自动驾驶车辆在规划路径内行驶，通过多个方向的车载传感器获取当前时刻预设范围内每个方向的车载传感器采集的路面信息；

获取自动驾驶车辆当前时刻的驾驶信息；

将当前时刻预设范围内每个方向的车载传感器采集的路面信息和当前时刻所述驾驶信息输入仿生算力分配模型，确定对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息。

2.根据权利要求1所述的方法，其特征在于，所述当自动驾驶车辆在规划路径内行驶，通过多个方向的车载传感器获取当前时刻预设范围内每个方向的车载传感器采集的路面信息包括：

通过前向车载传感器获取当前时刻预设范围内的前向路面信息、后向车载传感器获取当前时刻预设范围内的后向路面信息、左侧车载传感器获取当前时刻预设范围内的左侧路面信息以及右侧车载传感器获取当前时刻预设范围内的右侧路面信息。

3.根据权利要求1所述的方法，其特征在于，所述获取自动驾驶车辆当前时刻的驾驶信息包括：

获取自动驾驶车辆当前时刻的行为信息和速度信息。

4.根据权利要求3所述的方法，其特征在于，所述将当前时刻预设范围内每个方向的车载传感器采集的路面信息和当前时刻所述驾驶信息输入仿生算力分配模型，确定对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息包括：

将所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息、行为信息和速度信息输入所述仿生算力分配模型，输出对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息。

5.根据权利要求4所述的方法，其特征在于，所述将所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息、行为信息和速度信息输入所述仿生算力分配模型，输出对所述每个方向的车载传感器采集的路面信息进行运算的下一时刻和下一时刻自动驾驶车辆的驾驶信息包括：

分别根据所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息，分别确定所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标以及右侧路面信息对应的右侧静态目标和右侧动态目标；

分别根据前向静态目标和前向动态目标、后向静态目标和后向动态目标、左侧静态目标和左侧动态目标以及右侧静态目标和右侧动态目标，分别确定所述前向路面信息对应的前向算力需求、后向路面信息对应的后向算力需求、左侧路面信息对应的左侧算力需求以及右侧路面信息对应的右侧算力需求；

分别根据前向算力需求、后向算力需求、左侧算力需求和右侧算力需求，分别确定对所述前向车载传感器采集的前向路面信息进行运算的下一时刻、对所述后向车载传感器采集的后向路面信息进行运算的下一时刻、对所述左侧车载传感器采集的左侧路面信息进行运算的下一时刻和对所述右侧车载传感器采集的右侧路面信息进行运算的下一时刻；

获取所述自动驾驶车辆的预设总算力；

根据行为信息、速度信息所述自动驾驶车辆的预设总算力、前向算力需求、后向算力需求、左侧算力需求和右侧算力需求，确定下一时刻自动驾驶车辆的行为信息和速度信息。

6.根据权利要求5所述的方法，其特征在于，所述分别根据所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息，分别确定所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标以及右侧路面信息对应的右侧静态目标和右侧动态目标包括：

获取深度学习网络；

采用深度学习网络分别对所述前向路面信息、后向路面信息、左侧路面信息、右侧路面信息进行处理，得到所述前向路面信息对应的前向静态目标和前向动态目标、后向路面信息对应的后向静态目标和后向动态目标、左侧路面信息对应的左侧静态目标和左侧动态目标和右侧路面信息对应的右侧静态目标和右侧动态目标。