[发明专利]一种新能源无人车车载深度学习模型更新方法

说明书

技术领域

本发明涉及无人驾驶技术领域，具体涉及一种新能源无人车车载深度学习模型更新方法和系统。

背景技术

深度学习神经网络技术最近几年取得了巨大的突破，特别在语音和图像识别应用上有质的飞跃，在无人车云平台上需要大规模分布式地执行深度学习程序，生成深度学习模型，搭载了精确的深度学习模型的无人车可提升对环境的识别性能。而精确的深度学习模型的生成并不容易，需要充分分析车载传感器采集的海量道路信息。目前，如何更新车载的深度学习模型是亟需解决的问题。

更新车载的深度学习模型包括道路信息上传、模型学习和模型下载。其中，现有的道路信息上传方法是，通过每天卸载车载硬盘，将存储于车载硬盘的传感器采集的海量数据人工拷贝至计算机，再将数据上传至无人车云平台或者，通过无线通讯网络，如4G网络，实时将传感器采集的海量道路信息上传至无人车云平台；而现有的模型下载方法通常是通过车载硬盘拷贝或无线通讯网络定期更新车载的深度学习模型。

卸载车载硬盘上传数据的方法人为干预过多、效率较低，而且每天拆卸硬盘也易对硬盘造成损坏；无线通信网络上传数据和下载深度学习模型的方法，因；无线通信网络数据带宽往往较小，例如，4G网络速度只有100Mbps，海量的数据上传需要较长的时间，数据传输效率低，而且，在无线通信网络未能覆盖的地方，有可能导致数据无法正常上传，出现数据漏传的现象，另外，利用无线通信网络上传海量的数据往往需要较大的一笔费用。

发明内容

本申请提供一种新能源无人车车载深度学习模型更新方法，在无人车充电的同时，利用充电桩将无人车采集的道路信息上传至无人车云平台重新生成深度学习模型，再将生成好的深度学习模型回传无人车，更新车载深度学习模型，深度学习模型更新更方便、效率更高。

一种实施例中提供一种新能源无人车车载深度学习模型更新方法，该方法适用的新能源无人车的充电枪接入口包括：电能输入接口和第一数据接口，相应地，充电枪设置有对应的电能输出接口和第二数据接口，该方法包括：

充电枪连接步骤，所述充电枪接入口与充电桩的充电枪相连接，新能源无人车通过所述电能输入接口和电能输出接口获得充电的同时，还通过所述第一数据接口输出车载传感器采集的、存储于车载硬盘中的道路信息；

车载数据上传步骤，充电桩通过所述第二数据接口获取所述第一数据接口输出的道路信息，充电桩将获取的所述道路信息通过光纤上传至无人车云平台；

模型生成步骤，无人车云平台根据接收到的道路信息，重新生成深度学习模型；

模型下载步骤，无人车云平台将生成的深度学习模型数据通过光纤传输至充电桩，充电桩再通过充电枪将重新生成的深度学习模型数据传输至车载硬盘，从而更新车载深度学习模型。

在一些实施例，所述模型下载步骤还包括：

无人车云平台还可通过无线通信网络将重新生成的深度学习模型数据下载至车载硬盘，从而更新车载深度学习模型。

在一些实施例，所述第一数据接口还输出新能源无人车编号信息。

在一些实施例，所述道路信息上传步骤包括：

充电桩获取新能源无人车编号信息和新能源无人车传感器采集的道路信息；

充电桩将获取的所述新能源无人车编号信息通过光纤上传至无人车云平台；

无人车云平台根据所述新能源无人车编号信息，生成注册信息或查询注册信息，并向充电桩反馈已注册信息；

充电桩接收到已注册信息后，将获取的所述道路信息通过光纤上传至无人车云平台；

无人车云平台根据所述注册信息，存储所述道路信息。

依据上述实施例，由于本申请在新能源无人车的充电枪接入口与充电桩的充电枪相连接后，利用充电桩和光纤上传车载传感器采集的道路信息，使得无人车在充电的时候，无人车平台可根据上传的道路信息重新生成深度学习模型，重新生成的深度学习模型被光纤和充电桩回传至无人车的车载硬盘，更新车载深度学习模型，相比现有技术，数据传输效率更高、成本较低，深度学习模型更新方法更方便、效率更高。

附图说明

图1为一种实施例的新能源无人车充电枪接入口示意图；

图2为一种实施例的充电枪接口示意图；

图3为本申请提供的一种新能源无人车车载深度学习模型更新方法流程图；

图4为本申请提供的新能源无人车车载深度学习模型更新状态示意图；

图5为一种实施例的新能源无人车车载深度学习模型更新过程示意图。

具体实施方式