基于自动驾驶系统的数据处理方法、装置、设备及产品与流程

1.本技术涉及自动驾驶技术领域，尤其涉及一种基于自动驾驶系统的数据处理方法、装置、设备及产品。


背景技术：

2.虚拟化技术，通常是指计算元件在虚拟的基础上而不是真实的基础上运行。可以同时运行多个操作系统，而且每一个操作系统中都有多个程序运行，每一个操作系统都运行在一个虚拟的cpu或者是虚拟主机上，可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。
3.目前，虚拟化技术包括裸机虚拟化、操作系统虚拟化等。其中，裸机虚拟化是指虚拟机直接运行在系统硬件上，创建硬件全仿真实例，被称为“裸机”型。操作系统虚拟是指虚拟机运行在传统操作系统上，同样创建的是硬件全仿真实例，被称为“托管”型。
4.上述虚拟机化的方案使用共有的异构计算集群，例如，cpu接收到中断请求，cpu暂停正在进行的工作，优先处理其他工作，自动驾驶系统中包括多个感知系统，多个感知系统同时工作，这种共用异构计算集群的方式不适用于自动驾驶系统，影响自动驾驶系统的实时性和稳定性。


技术实现要素：

5.本技术提供一种基于自动驾驶系统的数据处理方法、装置、设备及产品，用以解决现有的虚拟化方案并不适用于自动驾驶系统的问题。
6.第一方面，本技术提供一种基于自动驾驶系统的数据处理方法，包括：确定自动驾驶系统待创建虚拟机数量；确定待创建虚拟机对应的配置信息并根据配置信息创建对应数量的虚拟机；控制虚拟机安装对应的操作系统并控制虚拟机启用所述操作系统；控制虚拟机安装所述自动驾驶系统对应的子系统，并为虚拟机划分对应的异构计算集群；控制所述子系统在对应的虚拟机的操作系统上运行，并采用对应的异构计算集群对子系统中的数据进行处理。
7.第二方面，本技术提供一种数据处理装置，包括：第一确定单元，用于确定自动驾驶系统待创建虚拟机数量；第二确定单元，用于确定待创建虚拟机对应的配置信息并根据配置信息创建对应数量的虚拟机；控制单元，用于控制虚拟机安装对应的操作系统并控制虚拟机启用所述操作系统；控制虚拟机安装所述自动驾驶系统对应的子系统，并为虚拟机划分对应的异构计算集群；控制所述子系统在对应的虚拟机的操作系统上运行，并采用对应的异构计算集群对子系统中的数据进行处理。
8.第三方面，本发明提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面所述的方法。
9.第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
10.第五方面，本发明提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的方法。
11.本技术提供的一种基于自动驾驶系统的数据处理方法、装置、设备及产品，通过确定自动驾驶系统待创建虚拟机数量；确定待创建虚拟机对应的配置信息并根据配置信息创建对应数量的虚拟机；控制虚拟机安装对应的操作系统并控制虚拟机启用所述操作系统；控制虚拟机安装所述自动驾驶系统对应的子系统，并为虚拟机划分对应的异构计算集群；控制所述子系统在对应的虚拟机的操作系统上运行，并采用对应的异构计算集群对子系统中的数据进行处理，通过为自动驾驶子系统创建对应的虚拟机，在虚拟机上安装操作系统及子系统，并为各虚拟机划分对应的异构计算集群，使各子系统具备单独的异构计算集群，子系统之间相互独立存在且互不干扰，控制子系统在对应的虚拟机的操作系统上运行，采用各自对应的异构计算集群处理子系统中的数据，避免异构计算集群之间的相互干扰。
附图说明
12.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
13.图1是本发明提供的基于自动驾驶系统的数据处理方法的网络架构示意图；图2是本发明实施例一提供的基于自动驾驶系统的数据处理方法的流程示意图；图3是本发明实施例二提供的基于自动驾驶系统的数据处理方法的流程示意图；图4是本发明实施例三提供的基于自动驾驶系统的数据处理方法的流程示意图；图5是本发明实施例四提供的基于自动驾驶系统的数据处理方法的流程示意图；图6是本发明实施例五提供的基于自动驾驶系统的数据处理方法的流程示意图；图7是本发明实施例六提供的基于自动驾驶系统的数据处理方法的流程示意图；图8是本发明实施例七提供的基于自动驾驶系统的数据处理方法的流程示意图；图9是本发明实施例九提供的基于自动驾驶系统的数据处理方法的流程示意图；图10是本发明一实施例提供的数据处理装置的结构示意图；图11是用来实现本发明实施例的基于自动驾驶系统的数据处理方法的电子设备的框图。
14.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
15.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。
16.为了清楚理解本技术的技术方案，首先对现有技术的方案进行详细介绍。
17.现有技术中，hypervisor——一种运行在基础物理服务器和操作系统之间的中间软件层，可允许多个操作系统和应用共享硬件。hypervisors是一种在虚拟环境中的“元”操作系统。他们可以访问服务器上包括磁盘和内存在内的所有物理设备。当服务器启动并执行hypervisor时，它会加载所有虚拟机客户端的操作系统同时会分配给每一台虚拟机适量的内存，cpu等。虚拟化技术架构类型主要包括三种，裸机虚拟化、托管型虚拟化以及操作系统虚拟化。其中，裸机虚拟化是虚拟机直接运行在系统硬件上，创建硬件全仿真实例，被称为“裸机”。托管型虚拟化是虚拟机运行在传统操作系统上，同样创建的是硬件全仿真实例，被称为“托管”。操作系统虚拟化是指虚拟机运行在传统操作系统上，创建一个独立的虚拟化实例，指向底层托管操作系统。
18.而hypervisor对应的服务器的主要特征是共享，smp（symmetric multi processing）对称多处理系统内有许多紧耦合多处理器，cpu等异构计算集群共享，上述虚拟化方案使用共有的异构计算集群，例如，cpu接收到中断请求，cpu中断指当出现需要时，cpu暂时停止执行当前程序而执行处理新的程序。而自动驾驶系统中包括多个系统，例如多个感知系统，多个感知系统同时工作，若在使用到相同异构计算集群时，在出现中断时，部分感知系统使用受限，这种共用异构计算集群的方式不适用于自动驾驶系统，影响自动驾驶系统的实时性和稳定性。
19.所以针对现有技术中虚拟化方案并不适用于自动驾驶系统的问题，发明人在研究中发现，为自动驾驶子系统创建对应的虚拟机，在虚拟机上安装操作系统及子系统，并为各虚拟机划分对应的异构计算集群，使各子系统具备单独的异构计算集群，子系统之间相互独立存在且互不干扰，控制子系统在对应的虚拟机的操作系统上运行，采用各自对应的异构计算集群处理子系统中的数据，避免异构计算集群之间的相互干扰。
20.所以发明人基于上述的创造性发现，提出了本发明实施例的技术方案。下面对本发明实施例提供的基于自动驾驶系统的数据处理方法的应用场景进行介绍。
21.如图1所示，本发明实施例提供的基于自动驾驶系统的数据处理方法用于数据处理装置1中，数据处理装置1位于电子设备2中。数据处理装置1确定自动驾驶系统待创建虚拟机数量，其中，自动驾驶系统包括雷达感知子系统、通信子系统、图像感知子系统及车辆控制子系统。数据处理装置1确定待创建虚拟机对应的配置信息并根据配置信息创建对应数量的虚拟机，包括虚拟机2、虚拟机3、虚拟机4和虚拟机5；数据处理装置1控制虚拟机安装对应的操作系统并控制虚拟机（虚拟机2、虚拟机3、虚拟机4和虚拟机5）启用操作系统；数据处理装置1控制虚拟机2安装自动驾驶系统对应的雷达感知子系统（雷达感知子系统由雷达app及定位app构成），控制虚拟机3安装自动驾驶系统对应的通信子系统（通信子系统由云控app及网联app构成），控制虚拟机4安装自动驾驶系统对应的图像感知子系统（图像感知子系统由视觉app及深度学习app构成），控制虚拟机5安装自动驾驶系统对应的车辆控制子系统（车辆控制子系统由车辆控制app构成），数据处理装置1为虚拟机2、虚拟机3、虚拟机4
及虚拟机5划分对应的异构计算集群，其中，虚拟机2对应的异构计算集群为cpu1、cpu2、cpu5和cpu6。其中，虚拟机3对应的异构计算集群为cpu3、cpu4、cpu7和cpu8。其中，虚拟机4对应的异构计算集群为gpu1、gpu2、dsp1和dsp2。其中，虚拟机5对应的异构计算集群为mcu1和mcu2。数据处理装置1控制各子系统在对应的虚拟机的操作系统上运行，并采用对应的异构计算集群对子系统中的数据进行处理。为自动驾驶子系统创建对应的虚拟机，在虚拟机上安装操作系统及子系统，并为各虚拟机划分对应的异构计算集群，使各子系统具备单独的异构计算集群，子系统之间相互独立存在且互不干扰，控制子系统在对应的虚拟机的操作系统上运行，采用各自对应的异构计算集群处理子系统中的数据，避免异构计算集群之间的相互干扰。
22.实施例一图2是本发明实施例一提供的基于自动驾驶系统的数据处理方法的流程示意图，如图2所示，本实施例提供的基于自动驾驶系统的数据处理方法的执行主体为数据处理装置，该数据处理装置位于电子设备中，则本实施例提供的基于自动驾驶系统的数据处理方法包括以下步骤：步骤101，确定自动驾驶系统待创建虚拟机数量。
23.本实施例中，判断自动驾驶系统对应的主机是否存在对应的虚拟机，若确定自动驾驶系统对应的主机不存在对应的虚拟机，进一步确定自动驾驶系统待创建虚拟机数量，虚拟机数量由自动驾驶系统中的子系统数量决定。一台主机可以成为多个虚拟机，每个虚拟机可运行不同的操作系统，并且运行的程序都可以在相互独立的空间内运行而互不影响。
24.其中，主机为物理机，物理机是相对于虚拟机而言的对实体计算机的称呼。物理机提供给虚拟机以硬件环境，有时也称为“寄主”或“宿主”。
25.其中，若确定自动驾驶系统对应的主机存在对应的虚拟机，确定已有的虚拟机是否满足要求，具体地，确定已有的虚拟机的数量是否大于或等于待创建虚拟机数量，若已有的虚拟机的数量大于或等于待创建虚拟机数量，说明已有的虚拟机可满足要求，则执行步骤：控制虚拟机安装对应的操作系统；若已有的虚拟机数量小于待创建虚拟机数量，说明已有的虚拟机不满足要求，可将已有的虚拟机删除，执行步骤：确定待创建虚拟机对应的配置信息。
26.步骤102，确定待创建虚拟机对应的配置信息并根据配置信息创建对应数量的虚拟机。
27.本实施例中，根据主机的配置信息确定待创建虚拟机对应的配置信息，其中，主机的配置信息包括主机内存信息、cpu信息等。进一步根据虚拟机对应的配置信息创建对应数量的虚拟机。
28.步骤103，控制虚拟机安装对应的操作系统并控制虚拟机启用操作系统。
29.本实施例中，为虚拟机安装对应的操作系统，其中，操作系统（operating system，简称os）是管理和控制计算机硬件与软件资源的计算机程序，用户和计算机的接口，同时也是计算机硬件和其他软件的接口，操作系统的功能包括管理计算机系统的硬件、软件及数据资源，控制程序运行，改善人机界面，为其它应用软件提供支持等。控制虚拟机安装对应的操作系统，在安装完成后控制虚拟机启用操作系统。
30.步骤104，控制虚拟机安装自动驾驶系统对应的子系统，并为虚拟机划分对应的异构计算集群。
31.本实施例中，自动驾驶系统包括多个子系统，包括：雷达感知子系统、通信子系统、图像感知子系统、车辆控制子系统、方向感知子系统等。其中，雷达感知子系统包括激光雷达、测距雷达等，雷达感知子系统用于测距以及定位等。通信子系统用于通信。图像感知系统包括摄像装置，图像感知子系统用于感知环境信息。方向感知子系统用于感知方向及车辆的横向位移。车辆控制子系统，用于控制车辆，例如控制车辆的行驶方向、行驶速度等。自动驾驶系统还包括主控系统，主控系统与各子系统之间通信连接，子系统与子系统之间通信连接，其中，主控系统安装在主机上。控制虚拟机安装对应的子系统，一个虚拟机上安装一个子系统，并为各虚拟机划分对应的异构计算集群，为各虚拟机配备各自的异构计算集群。其中，异构计算集群包括数字信号处理器dsp、微型处理器gpu、微控制单元mcu及中央处理器cpu。
32.步骤105，控制子系统在对应的虚拟机的操作系统上运行，并采用对应的异构计算集群对子系统中的数据进行处理。
33.本实施例中，控制子系统在对应的虚拟机的操作系统上运行，采用对应的异构计算集群对子系统中的数据进行处理，主要包括数据提取及识别，具体地，控制各虚拟机对对应的子系统获取的数据进行特征提取，得到特征向量，对特征向量进行识别，得到识别数据，完成对数据的处理。将各子系统对应的识别数据进行融合。
34.本实施例中，为自动驾驶子系统创建对应的虚拟机，在虚拟机上安装操作系统及子系统，并为各虚拟机划分对应的异构计算集群，使各子系统具备单独的异构计算集群，子系统之间相互独立存在且互不干扰，控制子系统在对应的虚拟机的操作系统上运行，采用各自对应的异构计算集群处理子系统中的数据，避免异构计算集群之间的相互干扰。
35.实施例二图3是本发明实施例二提供的基于自动驾驶系统的数据处理方法的流程示意图，如图3所示，在本发明实施例一提供的基于自动驾驶系统的数据处理方法的基础上，对步骤101进行了进一步的细化，包括以下步骤：步骤1011，获取自动驾驶系统对应的子系统数量。
36.本实施例中，自动驾驶系统包括多个子系统，包括雷达感知子系统、通信子系统、图像感知子系统、车辆控制子系统、方向感知子系统等。获取自动驾驶系统对应的子系统数量，进一步根据自动驾驶系统的子系统数量确定待创建虚拟机数量。
37.步骤1012，将自动驾驶系统对应的子系统数量确定为自动驾驶系统待创建虚拟机数量。
38.本实施例中，将自动驾驶系统的子系统数量作为自动驾驶系统待创建的虚拟机数量，为每个子系统建立一个虚拟机，使得各子系统在单独的虚拟机上运行，子系统之间互不干扰。
39.实施例三图4是本发明实施例三提供的基于自动驾驶系统的数据处理方法的流程示意图，如图4所示，在本发明实施例一提供的基于自动驾驶系统的数据处理方法的基础上，对步骤102进行了进一步的细化，包括以下步骤：
步骤1021，获取主机配置信息。
40.本实施例中，主机配置信息包括主机内存大小、cpu数量等，根据主机配置为虚拟机分配cpu和内存。所分配的cpu和内存数目不超过主机cpu和内存数目，还需要为主机预留一部分资源。
41.步骤1022，根据主机配置信息及虚拟机数量确定虚拟机对应的配置信息。
42.本实施例中，根据主机配置信息和虚拟机数量得到虚拟机的配置信息，例如，根据主机内存大小和虚拟机的数量计算虚拟机可分配的内存大小。
43.实施例四图5是本发明实施例四提供的基于自动驾驶系统的数据处理方法的流程示意图，如图5所示，在本发明实施例三提供的基于自动驾驶系统的数据处理方法的基础上，对步骤1022进行了进一步的细化，包括以下步骤：步骤1022a，根据主机内存大小及虚拟机数量确定虚拟机对应的内存大小，并根据cpu数量及虚拟机数量确定虚拟机对应的cpu数量。
44.本实施例中，根据主机内存大小及虚拟机数量确定虚拟机对应的内存大小，例如，主机内存大小为8g，待创建虚拟机数量为3个，主机将内存大小进行平均分配，主机预留2g内存，为各虚拟机分配2g内存。或获取预设内存分配策略，根据预设内存分配策略、主机内存大小及虚拟机数量确定虚拟机对应的内存大小，其中，预设内存分配策略由用户预先设定。进一步根据cpu数量及虚拟机数量确定虚拟机的cpu数量，可采用平均分配的方式进行cpu的划分，或者还可获取预设cpu分配策略，根据预设cpu分配策略、cpu数量及虚拟机数量确定虚拟机的cpu数量，平均分配只是其中的一种分配方式。
45.步骤1022b，将虚拟机对应的内存大小及虚拟机对应的cpu数量确定为虚拟机对应的配置信息。
46.本实施例中，进一步将虚拟机对应的内存大小及虚拟机对应的cpu数量确定为虚拟机对应的配置信息，进一步根据虚拟机的配置信息创建对应数量的虚拟机。
47.可选地，对步骤1022进行了进一步的细化，包括以下步骤：步骤1022c，根据主机内存大小及虚拟机数量确定虚拟机对应的内存大小，根据cpu数量及虚拟机数量确定虚拟机对应的cpu数量，并根据硬盘容量以及虚拟机数量确定虚拟机对应的硬盘容量。
48.本实施例中，主机配置信息包括主机内存大小、cpu数量及硬盘信息，根据主机硬盘容量以及虚拟机数量确定虚拟机对应的硬盘容量，为各虚拟机划分单独的存储空间，用于存储各虚拟机对应的子系统的数据。
49.步骤1022d，将虚拟机对应的内存大小、虚拟机对应的cpu数量及虚拟机对应的硬盘容量确定为虚拟机对应的配置信息。
50.本实施例中，将虚拟机对应的内存大小、虚拟机对应的cpu数量及虚拟机对应的硬盘容量确定为虚拟机对应的配置信息，进一步根据虚拟机的配置信息创建对应数量的虚拟机。
51.实施例五图6是本发明实施例五提供的基于自动驾驶系统的数据处理方法的流程示意图，如图6所示，在本发明实施例一提供的基于自动驾驶系统的数据处理方法的基础上，对步骤
103进行了进一步的细化，包括以下步骤：步骤1031，获取对应的操作系统对应的安装包。
52.本实施例中，对应的操作系统为桌面操作系统，桌面操作系统主要有两大类，windows操作系统和unix操作系统。unix操作系统：mac os x，linux发行版。微软公司windows操作系统：windows xp，windows vista，windows 7，windows 8等。获取unix操作系统或windows操作系统对应的安装包。操作系统并不限于上述操作系统，还可以是其他适合的可用于虚拟机的操作系统。
53.步骤1032，控制虚拟机采用安装包安装对应的操作系统，并在安装后控制虚拟机启用对应的操作系统。
54.本实施例中，控制虚拟机采用获取的安装包安装对应的操作系统，并在安装后控制各虚拟机启动对应的操作系统，各虚拟机安装的操作系统可以相同或不同。
55.实施例六图7是本发明实施例六提供的基于自动驾驶系统的数据处理方法的流程示意图，如图7所示，在本发明实施例一提供的基于自动驾驶系统的数据处理方法的基础上，对步骤104中控制虚拟机安装自动驾驶系统对应的子系统进行了进一步的细化，包括以下步骤：步骤1041，获取虚拟机对应的自动驾驶子系统对应的应用程序安装包。
56.本实施例中，自动驾驶系统包括多个子系统，各子系统由对应的应用程序构成，自动驾驶系统中的雷达感知子系统包括雷达应用程序，定位应用程序。自动驾驶系统中的图像感知子系统包括视觉应用程序、深度学习应用程序。自动驾驶系统中的通信子系统包括网联应用程序、云控应用程序。各虚拟机对应一个子系统，获取各虚拟机对应的子系统对应的应用程序安装包。
57.步骤1042，控制虚拟机采用应用程序安装包安装对应的应用程序，以使虚拟机完成自动驾驶系统对应的子系统的安装。
58.本实施例中，控制各虚拟机采用对应的应用程序安装包安装对应的应用程序，例如，控制虚拟机采用雷达应用程序安装包安装雷达应用程序，并控制该虚拟机采用定位应用程序安装包安装定位应用程序。各虚拟机完成对应的应用程序的安装即完成自动驾驶系统对应的子系统的安装。
59.实施例七图8是本发明实施例七提供的基于自动驾驶系统的数据处理方法的流程示意图，如图8所示，在本发明实施例一提供的基于自动驾驶系统的数据处理方法的基础上，对步骤104中为虚拟机划分对应的异构计算集群进行了进一步的细化，包括以下步骤：步骤104a，确定子系统所需的异构计算集群类型，异构计算集群类型包括：数字信号处理器dsp、微型处理器gpu、微控制单元mcu及cpu。
60.本实施例中，异构计算集群类型包括dsp，gpu，mcu及cpu。确定子系统所需的异构计算集群类型，不同子系统所需的异构计算集群类型之间存在差异，例如有的系统所需的异构计算集群类型为gpu，还有的子系统所需的异构计算集群类型为mcu。
61.步骤104b，根据子系统所需的异构计算集群类型对本地异构计算集群进行划分，以获得各子系统对应的异构计算集群。
62.本实施例中，根据各子系统所需的异构计算集群类型对主机的异构计算集群即本
地异构计算集群进行划分，得到各子系统对应的异构计算集群。子系统对应的异构计算集群为该子系统专属的异构计算集群，各子系统使用各自的异构计算集群，子系统之间不受干扰，例如，cpu在使用时，同时接收到几个中断时，响应优先级最高的中断请求，正在进行的中断过程不能被同级或低优先级的中断请求所中断，正在进行的低优先级中断服务，能被高优先级中断请求所中断，若某两个子系统所需的异构计算集群类型相同，均是cpu，两个子系统运行时可能存相互干扰，因此，为各子系统分配单独的异构计算集群。
63.步骤104c，将各子系统对应的异构计算集群分配至各子系统对应的虚拟机。
64.本实施例中，将各子系统所需的异构计算集群分配至各个子系统对应的虚拟机，各子系统分配单独的异构计算集群，各子系统对应各自的虚拟机，在子系统运行时，不会造成相互干扰。
65.实施例八在本发明实施例七提供的基于自动驾驶系统的数据处理方法的基础上，对步骤104b进行了进一步的细化，包括以下步骤：步骤104b1，若子系统为雷达感知子系统，则确定该子系统所需的异构计算集群类型为cpu。
66.本实施例中，自动驾驶系统包括雷达感知子系统、通信子系统、图像感知子系统、车辆控制子系统及方向感知子系统等，若子系统为雷达感知子系统，确定该子系统在运行时所需的异构计算集群类型为cpu，进一步主机根据主机配置信息为子系统对应的虚拟机分配cpu。
67.步骤104b2，若子系统为通信子系统，则确定该子系统所需的异构计算集群类型为cpu。
68.本实施例中，若子系统为通信子系统，确定该子系统在运行时所需的异构计算集群类型为cpu，主机根据主机配置信息为子系统对应的虚拟机分配cpu。
69.步骤104b3，若子系统为图像感知子系统，则确定该子系统所需的异构计算集群类型为gpu及dsp。
70.本实施例中，若子系统为图像感知系统，确定该子系统在运行时所需的异构计算集群类型为gpu及dsp，主机根据主机配置信息为子系统对应的虚拟机分配gpu及dsp。
71.步骤104b4，若子系统为车辆控制子系统，则确定该子系统所需的异构计算集群类型为mcu。
72.本实施例中，若子系统为车辆控制子系统，确定该子系统在运行时所需的异构计算集群类型为mcu，主机根据主机配置信息为子系统对应的虚拟机分配mcu。
73.步骤104b5，若子系统为方向感知子系统，则确定该子系统所需的异构计算集群类型为cpu。
74.本实施例中，若子系统为方向感知子系统，确定该子系统所需的异构计算集群类型为cpu，主机根据主机配置信息为子系统对应的虚拟机分配cpu。
75.实施例九图9是本发明实施例九提供的基于自动驾驶系统的数据处理方法的流程示意图，如图9所示，在本发明实施例一提供的基于自动驾驶系统的数据处理方法的基础上，步骤105之后，还包括以下步骤：
步骤106，将各子系统对应的处理后的数据进行融合，得到融合后的数据。
76.本实施例中，获取各子系统对应的处理后的数据，将各子系统对应的处理后的数据进行融合，其中，融合算法可采用原始数据融合、特征融合、决策层融合算法等，得到融合后的数据。
77.步骤107，对融合后的数据进行降噪处理，得到最优状态估计数据。
78.本实施例中，对融合后的数据进行滤波降噪处理，具体地，可采用卡尔曼滤波，将来自不同子系统的测量数据融合在一起，一定程度上去除噪声，得到最优状态估计数据，卡尔曼滤波工作过程分为预测和测量更新，根据上一时刻的状态和系统数学模型预测当前时刻的状态，然后将预测的状态与当前时刻的测量值进行“加权”，加权后的结果作为实际状态的最优估计，车辆真实的距离、速度、角度等状态量兼顾物理模型预测值和传感器对应的数值，状态量迭代更新的同时，状态量误差也同步更新。
79.步骤108，采用最优状态估计数据控制车辆运行。
80.本实施例中，采用最优状态估计数据对车辆的自动驾驶进行控制，具体地，采用最优状态估计数据对刹车、油门的控制量、车辆的行驶方向、车辆的行驶速度进行控制。
81.图10是本发明一实施例提供的数据处理装置的结构示意图，如图10所示，本实施例提供的数据处理装置200包括第一确定单元201，第二确定单元202，控制单元203。
82.其中，第一确定单元201，用于确定自动驾驶系统待创建虚拟机数量。第二确定单元202，用于确定待创建虚拟机对应的配置信息并根据配置信息创建对应数量的虚拟机。控制单元203，用于用于控制虚拟机安装对应的操作系统并控制虚拟机启用操作系统；控制虚拟机安装自动驾驶系统对应的子系统，并为虚拟机划分对应的异构计算集群；控制子系统在对应的虚拟机的操作系统上运行，并采用对应的异构计算集群对子系统中的数据进行处理。
83.可选地，第一确定单元，还用于获取自动驾驶系统对应的子系统数量；将自动驾驶系统对应的子系统数量确定为自动驾驶系统待创建虚拟机数量。
84.可选地，第二确定单元，还用于获取主机配置信息；根据主机配置信息及虚拟机数量确定虚拟机对应的配置信息。
85.可选地，第二确定单元，还用于根据主机内存大小及虚拟机数量确定虚拟机对应的内存大小，并根据cpu数量及虚拟机数量确定虚拟机对应的cpu数量；将虚拟机对应的内存大小及虚拟机对应的cpu数量确定为虚拟机对应的配置信息。
86.可选地，控制单元，还用于获取对应的操作系统对应的安装包；控制虚拟机采用安装包安装对应的操作系统，并在安装后控制虚拟机启用对应的操作系统。
87.可选地，控制单元，还用于获取虚拟机对应的自动驾驶子系统对应的应用程序安装包；控制虚拟机采用应用程序安装包安装对应的应用程序，以使虚拟机完成自动驾驶系统对应的子系统的安装。
88.可选地，控制单元，还用于确定子系统所需的异构计算集群类型，异构计算集群类型包括：数字信号处理器dsp、微型处理器gpu、微控制单元mcu及cpu；根据子系统所需的异构计算集群类型对本地异构计算集群进行划分，以获得各子系统对应的异构计算集群；将各子系统对应的异构计算集群分配至各子系统对应的虚拟机。
89.可选地，控制单元，还用于若子系统为雷达感知子系统，则确定该子系统所需的异
构计算集群类型为cpu；若子系统为通信子系统，则确定该子系统所需的异构计算集群类型为cpu；若子系统为图像感知子系统，则确定该子系统所需的异构计算集群类型为gpu及dsp；若子系统为车辆控制子系统，则确定该子系统所需的异构计算集群类型为mcu；若子系统为方向感知子系统，则确定该子系统所需的异构计算集群类型为cpu。
90.可选地，控制单元，还用于将各子系统对应的处理后的数据进行融合，得到融合后的数据；对融合后的数据进行降噪处理，得到最优状态估计数据；采用最优状态估计数据控制车辆运行。
91.图11是用来实现本发明实施例的基于自动驾驶系统的数据处理方法的电子设备的框图，如图11所示，该电子设备300包括：处理器301、以及与处理器301通信连接的存储器302。
92.存储器302存储计算机执行指令；处理器301执行存储器302存储的计算机执行指令，使得处理器执行上述任意一个实施例提供的方法。
93.在示例性实施例中，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行上述任意一个实施例中的方法。
94.在示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行上述任意一个实施例中的方法。
95.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
96.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。