System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于软硬件一体化集成问题,尤其涉及一种跨架构、跨系统、跨平台的软件部署方法。
技术介绍
1、针对无人系统高端智能控制器的发展需求,对多款硬件平台进行了通用智能算法库的部署与测试,具体包括对采用不同串行总线pcie模式(包括ep模式与soc模式)、不同操作系统(包括euleros、openeuler系统)、不同芯片(海思cpu、鲲鹏920cpu、昇腾310)的可控硬件平台进行软件部署实测,以一个完整的gvd路径规划算法为例,分别部署于atlas500智能小站、pr210ki服务器与ares500ai边缘智能计算平台三个不同的硬件平台上,并在线播放rosbag数据包,进行多机通信与算法功能测试。测试结果表明,在atlas500智能小站上运行ep模式、海思cpueuleros系统、arm架构,会出现部署ubuntu的docker,运行roscore失败,cpu性能太差。在pr210ki服务器上运行ep模式、openeuler系统、arm架构,会出现部署ubuntu的docker,运行roscore失败,单核cpu占用率99,7%,难以运行其他任务。
2、因此,亟需提出一种跨架构、跨系统、跨平台的软件部署方法,以适应硬件平台的计算性能。
技术实现思路
1、针对现有技术不足,本专利技术提供了一种跨架构、跨系统、跨平台的软件部署方法。
2、第一方面,本专利技术实施例提供了一种跨架构、跨系统、跨平台的软件部署方法,应用于第一算法,所述方法包括:
3、
4、在待迁移的嵌入式硬件平台上安装容器部署环境,将第一主机上的ubuntu操作系统的容器拷贝到嵌入式硬件平台的容器部署环境中,直接运行容器部署的第一算法;
5、嵌入式硬件平台与多个第二主机的ros主从机建立通信;所述第二主机与传感器耦接,第二主机通过发布ros话题传播传感器数据,嵌入式硬件平台上的ubuntu容器中运行的第一算法通过订阅该话题接收到ros话题传播的传感器数据,从而实现对传感器数据的接收与处理。
6、第二方面,本专利技术实施例提供了一种跨架构、跨系统、跨平台的软件部署方法,应用于第一算法,所述方法包括:
7、将第一算法直接在嵌入式硬件平台上的euler或openeuler操作系统上进行交叉编译,编译成功后将传感器接入嵌入式硬件平台,运行编译后的第一算法。
8、第三方面,本专利技术实施例提供了一种跨架构、跨系统、跨平台的软件部署方法,应用于第二算法,所述方法包括:
9、在ubuntu操作系统、x86架构、gpu处理器的开发主机上通过cann 工具将应用第二算法的神经网络模型进行格式转换,包括:将格式为.pth的神经网络模型转换成格式为.onnx的文件,再将格式为.onnx的文件转换为嵌入式硬件平台的智能计算处理器支持的.om模型;
10、在嵌入式硬件平台上配置cann nnrt推理环境,嵌入式硬件平台加载格式转换后的.om模型从而进行模型推理。
11、第四方面,本专利技术实施例提供了一种电子设备,包括存储器和处理器,所述存储器与所述处理器耦接;其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现上述的跨架构、跨系统、跨平台的软件部署方法。
12、第五方面,本专利技术实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的跨架构、跨系统、跨平台的软件部署方法。
13、与现有技术相比,本专利技术的有益效果为:本专利技术将需部署的软件算法分为第一算法、第二算法,针对第一算法设计了用于单独开发测试阶段的快速迁移测试模式,以及在功能验证阶段的完整功能验证模式;针对第二算法设计模型转换推理模式。本专利技术通过跨架构、跨系统、跨平台的软件部署,以适应硬件平台的计算性能。
本文档来自技高网...【技术保护点】
1.一种跨架构、跨系统、跨平台的软件部署方法,其特征在于,应用于第一算法,所述方法包括:
2.根据权利要求1所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,所述第一算法选自滤波估计算法、优化估计算法、图像特征提取算法和里程估计算法;所述滤波估计算法包括卡尔曼滤波、扩展卡尔曼滤波;所述优化估计算法包括高斯牛顿优化算法、LM优化算法;所述图像特征提取算法包括尺度不变特征提取算法SIFT、局部特征提取算法ORB;所述里程估计算法包括快速鲁棒激光雷达-惯性里程计FastLIO2、单目视觉惯性导航VINSMono。
3.根据权利要求1或2所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,在第一主机上部署ARM架构虚拟机,在ARM架构虚拟机上安装容器,并配置一Ubuntu操作系统的容器;在容器中部署第一算法,并进行编译包括:
4.根据权利要求1所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,在待迁移的嵌入式硬件平台上安装容器部署环境,将第一主机上的Ubuntu操作系统的容器拷贝到嵌入式硬件平台的容器部署环境中,直接运行容器部署的第一算
5.根据权利要求1所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,嵌入式硬件平台与多个第二主机的ROS主从机建立通信包括:
6.一种跨架构、跨系统、跨平台的软件部署方法,其特征在于,应用于第一算法,所述方法包括:
7.一种跨架构、跨系统、跨平台的软件部署方法,其特征在于,应用于第二算法,所述方法包括:
8.根据权利要求6所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,所述第二算法为包括卷积神经网络CNN、强化学习RL在内的智能算法。
9.一种电子设备,包括存储器和处理器,其特征在于,所述存储器与所述处理器耦接;其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现上述权利要求1-8任一项所述的跨架构、跨系统、跨平台的软件部署方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的跨架构、跨系统、跨平台的软件部署方法。
...【技术特征摘要】
1.一种跨架构、跨系统、跨平台的软件部署方法,其特征在于,应用于第一算法,所述方法包括:
2.根据权利要求1所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,所述第一算法选自滤波估计算法、优化估计算法、图像特征提取算法和里程估计算法;所述滤波估计算法包括卡尔曼滤波、扩展卡尔曼滤波;所述优化估计算法包括高斯牛顿优化算法、lm优化算法;所述图像特征提取算法包括尺度不变特征提取算法sift、局部特征提取算法orb;所述里程估计算法包括快速鲁棒激光雷达-惯性里程计fastlio2、单目视觉惯性导航vinsmono。
3.根据权利要求1或2所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,在第一主机上部署arm架构虚拟机,在arm架构虚拟机上安装容器,并配置一ubuntu操作系统的容器;在容器中部署第一算法,并进行编译包括:
4.根据权利要求1所述的跨架构、跨系统、跨平台的软件部署方法,其特征在于,在待迁移的嵌入式硬件平台上安装容器部署环境,将第一主机上的ubuntu操作系统的容器拷贝到嵌入式硬件平台...
【专利技术属性】
技术研发人员:焦艳梅,许可淳,贾慎涵,陆汪涛,王越,熊蓉,
申请(专利权)人:浙江大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。