CN105956268B - 应用于无人驾驶汽车的测试场景构建方法和装置 - Google Patents

应用于无人驾驶汽车的测试场景构建方法和装置 Download PDF

Info

Publication number
CN105956268B
CN105956268B CN201610284404.7A CN201610284404A CN105956268B CN 105956268 B CN105956268 B CN 105956268B CN 201610284404 A CN201610284404 A CN 201610284404A CN 105956268 B CN105956268 B CN 105956268B
Authority
CN
China
Prior art keywords
attribute information
road
road conditions
pedestrian
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610284404.7A
Other languages
English (en)
Other versions
CN105956268A (zh
Inventor
韩峥
徐益
胡太群
韩枫慧
谭楚亭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201610284404.7A priority Critical patent/CN105956268B/zh
Publication of CN105956268A publication Critical patent/CN105956268A/zh
Priority to US15/280,371 priority patent/US20170316127A1/en
Application granted granted Critical
Publication of CN105956268B publication Critical patent/CN105956268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了应用于无人驾驶汽车的测试场景构建方法和装置。该方法的一具体实施方式包括：获取包含场景对象的路况图像，场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；基于路况图像，获取场景对象的属性信息；基于场景对象和属性信息，构建无人驾驶汽车的测试场景。实现了利用真实的道路对象、交通标识对象、车辆对象、行人对象的属性构建无人驾驶汽车的测试场景，从而还原出真实的路况作为无人驾驶汽车的测试场景，进而提升对无人驾驶汽车的测试的准确性。

Description

应用于无人驾驶汽车的测试场景构建方法和装置
技术领域
本申请涉及人工智能领域，具体涉及无人驾驶汽车领域，尤其涉及应用于无人驾驶汽车的测试场景构建方法和装置。
背景技术
车辆测试是提升车辆安全性的重要手段。在对车辆进行测试时，需要设置包含道路、车辆、行人等元素的测试场景，然后，对测试场景进行仿真，完成对车辆的测试。目前，在设置测试场景时，通常采用的方式为：以人工方式设置场景中的各个元素的位置、速度等属性。
然而，当采用上述方式设置测试场景时，一方面，需要针对每一个元素的属性，设置元素所有可能出现的数值，导致开销巨大。另一方面，任意元素的属性因人工设置而引起的与实际情况的误差均会进一步增加整个测试场景的误差，导致测试场景失真，进而降低车辆测试的准确性。
发明内容
本申请提供了应用于无人驾驶汽车的测试场景构建方法和装置，用于解决上述背景技术部分存在的技术问题。
第一方面，本申请提供了应用于无人驾驶汽车的测试场景构建方法，该方法包括：获取包含场景对象的路况图像，场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；基于路况图像，获取场景对象的属性信息；基于场景对象和属性信息，构建无人驾驶汽车的测试场景。
第二方面，本申请提供了应用于无人驾驶汽车的测试场景构建装置，该装置包括：图像获取单元，配置用于获取包含场景对象的路况图像，场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；属性信息获取单元，配置用于基于路况图像，获取场景对象的属性信息；场景构建单元，配置用于基于场景对象和属性信息，构建无人驾驶汽车的测试场景。
本申请提供的应用于无人驾驶汽车的测试场景构建方法和装置，通过获取包含场景对象的路况图像，场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；基于路况图像，获取场景对象的属性信息；基于场景对象和属性信息，构建无人驾驶汽车的测试场景。实现了利用真实的道路对象、交通标识对象、车辆对象、行人对象的属性构建无人驾驶汽车的测试场景，从而还原出真实的路况作为无人驾驶汽车的测试场景，进而提升对无人驾驶汽车的测试的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了根据本申请的应用于无人驾驶汽车的测试场景构建方法的一个实施例的流程图；
图2示出了本申请中的对无人驾驶汽车的测试场景进行仿真的一个示例性原理图；
图3示出了根据本申请的应用于无人驾驶汽车的测试场景构建装置的一个实施例的结构示意图；
图4是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1，其示出了根据本申请的应用于无人驾驶汽车的测试场景构建方法的一个实施例的流程100。该方法包括以下步骤：
步骤101，获取包含场景对象的路况图像。
在本实施例中，可以预先选取出一些用于构建无人驾驶汽车的测试场景的场景对象，用于构建无人驾驶汽车的测试场景的场景对象可以包括但不限于：道路对象、交通标识对象、车辆对象、行人对象。
在本实施例的一些可选的实现方式中，获取包含场景对象的路况图像包括：从第三方交通监控平台获取通过设置于城市道路的路口的摄像头采集到的路况图像。
在本实施例中，路况图像可以为监控城市交通状况的第三方交通监控平台，例如交通管理局的交通监控平台通过设置于城市道路的各个路口的摄像头采集到的路况图像。设置于城市道路的各个路口的摄像头采集到的路况图像可以包含道路对象、道路上的交通标识对象、道路上的车辆对象、行人对象。交通标识对象可以包括但不限于：车道线、交通标志牌、指示标线、红绿灯。
步骤102，基于路况图像，获取场景对象的属性信息。
在本实施例中，场景对象的属性信息包括：拓扑结构、行进速度、行进方向、行进状态。
在本实施例中，在通过步骤101获取到包含道路对象、道路对象上的车辆对象、行人对象等场景对象的路况图像之后，可以基于路况图像，获取场景对象的属性信息。
在本实施例的一些可选的实现方式中，基于路况图像，获取场景对象的属性信息包括：从电子地图中获取与路况图像的拍摄位置对应的路段中的道路的拓扑结构、交通标识的位置；将拓扑结构、位置作为道路对象、交通标识对象的属性信息。
在本实施例中，可以根据路况图像的拍摄位置，确定电子地图中拍摄位置对应的路段。然后，可以在电子地图中获取拍摄位置对应的路段的道路的拓扑结构、道路上的交通标识以及交通标识在道路上的位置。将道路的拓扑结构以及交通标识在道路上的位置作为道路对象、交通标识对象的属性信息。从而获取到道路对象、交通标识对象的属性信息。
在本实施例的一些可选的实现方式中，基于路况图像，获取场景对象的属性信息包括：分别确定路况图像中每一帧路况图像中的车辆对象、行人对象的位置；基于每一帧路况图像中的车辆对象和行人对象的位置，分别计算车辆对象和行人对象的行进速度、行进方向、行进状态；将车辆对象和行人对象的行进速度、行进方向、行进状态作为车辆对象和行人对象的属性信息。
在本实施例中，可以首先对路况图像中的车辆对象和行人对象进行识别。例如，可以通过深度学习模型对路况图像中的车辆对象和行人对象进行识别。在对路况图像中的车辆对象和行人对象进行识别之后，可以确定车辆对象和行人对象在图像中的位置。然后，可以根据车辆对象和行人对象在图像中的位置以及采集图像的摄像头对应的坐标系与车辆对象和行人对象的位置对应的坐标系之间的对应关系，计算出车辆对象和行人对象的位置。
在本实施例中，可以根据多个采集时间连续的路况图像中车辆对象和行人对象的位置，计算车辆对象和行人对象的行进速度、行进方向、行进状态。然后，将计算出的车辆对象和行人对象的行进速度、行进方向、行进状态作为车辆对象和行人对象的属性信息。从而获取到车辆对象和行人对象的行进速度、行进方向、行进状态等属性信息。
在本实施例中，可以采用以下方式计算行进速度、行进方向：以计算车辆对象的行进速度、行进方向为例，对于车辆对象的行进速度，可以获取分别获取多个采集时间连续的多帧路况图像中的第一帧路况图像中车辆的轮廓的中心点的坐标和最后一帧路况图像中车辆的轮廓的中心点的坐标。然后，可以计算上述最后一个路况图像中车辆的轮廓的中心点的坐标与第一个路况图像中车辆的轮廓的中心点的坐标的差值。可以将该差值除多个采集时间连续的多帧路况图像对应的采集时间，即可得到该时间段内的车辆的平均速度。对于车辆对象的行进方向，可以根据车道线位置与车辆的位置，确定车辆的位置与车道线的偏移量，从而根据该偏移量，确定车辆的行进方向。可以基于上述确定车辆对象的行进速度、行进方向的过程，确定行人对象的行进速度、行进方向。
在本实施例中，可以采用以下方式计算车辆对象和行人对象的行进状态：以计算车辆对象的行进状态为例，可以根据采集时间相邻的路况图像中车辆的轮廓的中心点的坐标的变化，判断车辆的状态。例如，当两个采集时间相邻的路况图像中车辆的轮廓的中心点的坐标的变化小于阈值时，可以判断车辆对象进行了刹车，则车辆对象的行进状态可以为刹车状态。可以基于上述确定车辆对象的行进状态的过程，确定行人对象的行进状态。
步骤103，基于属性信息，构建无人驾驶汽车的测试场景。
在本实施例中，可以在通过步骤102获取场景对象的属性信息，例如，道路对象的拓扑结构、交通标识对象的位置、车辆对象和行人对象的行进速度、行进方向、行进状态之后，可以利用道路对象、交通标识对象、车辆对象、行人对象等场景对象以及道路对象、交通标识对象、车辆对象、行人对象的属性信息，构建无人驾驶汽车的测试场景。从而，在构建出的测试场景中，道路对象的拓扑结构为真实道路的拓扑结构，交通标识对象的位置为交通标识对象在道路中的真实位置，车辆和行人的行进速度、行进方向、行进状态则为真实的车辆和行人的行进速度、行进方向、行进状态。从而还原出真实的路况，将真实的路况作为无人驾驶汽车的测试环境。
在本实施例的一些可选的实现方式中，在基于场景对象和属性信息，构建无人驾驶汽车的测试场景之后，还包括：基于属性信息，配置仿真器中与场景对象对应的仿真对象的属性；利用仿真器基于仿真对象对无人驾驶汽车的测试场景进行仿真。
在本实施例的一些可选的实现方式中，仿真器为开源车辆测试环境仿真框架OpenDrive。
在本实施例中，在构建出测试场景之后，可以通过仿真器对构建出的无人驾驶汽车的测试场景进行仿真，从而在真实的路况中对无人驾驶汽车进行测试。
在本实施例中，仿真器可以为开源车辆测试环境仿真框架OpenDrive框架。在OpenDrive框架中，包含道路对象对应的仿真对象、交通标识对象对应的仿真对象、车辆对象对应的仿真对象、自定义的类型的仿真对象，例如行人对象对应的仿真对象。
在对无人驾驶汽车的测试环境进行仿真时，可以首先在OpenDrive框架中创建道路对象、交通标识对象、车辆对象、行人对象对应的仿真对象。然后，可以利用获取到道路对象、交通标识对象、车辆对象、行人对象配置仿真对象的属性。例如，可以将获取到道路对象、交通标识对象、车辆对象、行人对象的属性信息赋值给对应的仿真对象的相应的属性。从而，在利用OpenDrive框架对构建出的无人驾驶汽车的测试场景进行仿真时，可以利用配置后的各个仿真对象还原出真实的道路对象的拓扑结构、交通标识对象在道路中的真实位置、真实的车辆和行人的行进速度、行进方向、行进状态。从而还原出真实的路况，将真实的路况作为无人驾驶汽车的测试环境，进而提升对无人驾驶汽车的测试的准确性。
请参考图2，其示出了本申请中的对无人驾驶汽车的测试场景进行仿真的一个示例性原理图。
在对无人驾驶汽车的测试场景进行仿真时，可以首先获取到设置在城市道路的路口上的摄像头采集到的路况图像。在获取到设置在城市道路的路口上的摄像头采集到的路况图像之后，可以获取真实道路、交通标识、车辆、行人对象的属性，即获取道路对象、交通标识对象、车辆对象、行人对象的属性信息。道路对象的属性信息包括道路对象的拓扑结构、交通标识对象的属性信息包括交通标识对象的位置。车辆对象和行人对象的属性信息包括车辆对象和行人对象的行进速度、行进方向、行进状态。
可以根据道路对象、交通标识对象、车辆对象、行人对象等场景对象以及获取到的道路对象、交通标识对象、车辆对象、行人对象等场景对象的属性信息，构建无人驾驶汽车的测试场景，该测试场景也称之为仿真场景。仿真场景中包含真实的道路的拓扑结构、交通标识在道路上所处的真实位置、道路上的车辆对象、行人对象真实的行进速度、行进方向、行进状态。
可以基于不同的路段中的道路对象、交通标识对象、车辆对象、行人对象的属性，构建多个不同的仿真场景。在构建多个不同的仿真场景之后，可以利用仿真器对不同的仿真场景进行仿真。从而还原出真实的路况，将真实的路况作为无人驾驶汽车的测试场景，完成对无人驾驶汽车的测试。
请参考图3，作为对上述各图所示方法的实现，本申请提供了一种应用于无人驾驶汽车的测试场景构建装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例的应用于无人驾驶汽车的测试场景构建装置300包括：图像获取单元301，属性信息获取单元302，场景构建单元303。其中，图像获取单元301配置用于获取包含场景对象的路况图像，场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；属性信息获取单元302配置用于基于路况图像，获取场景对象的属性信息；场景构建单元303配置用于基于场景对象和属性信息，构建无人驾驶汽车的测试场景。
在本实施例的一些可选的实现方式中，图像获取单元301包括：路况图像获取子单元，配置用于从第三方交通监控平台获取通过设置于城市道路的路口的摄像头采集到的路况图像。
在本实施例的一些可选的实现方式中，属性信息获取单元302包括：第一属性信息获取子单元(未示出)，配置用于从电子地图中获取与路况图像的拍摄位置对应的路段中的道路的拓扑结构、交通标识的位置；第一属性信息配置子单元(未示出)，配置用于将拓扑结构、位置作为道路对象、交通标识对象的属性信息。
在本实施例的一些可选的实现方式中，属性信息获取单元302包括：第二属性信息获取子单元(未示出)，配置用于分别确定路况图像中每一帧路况图像中的车辆对象和行人对象的位置；计算子单元(未示出)，配置用于基于每一帧路况图像中的车辆对象和行人对象的位置，分别计算车辆对象和行人对象的行进速度、行进方向、行进状态；第二属性信息配置子单元(未示出)，配置用于将车辆对象和行人对象的行进速度、行进方向、行进状态作为车辆对象和行人对象的属性信息。
在本实施例的一些可选的实现方式中，装置300还包括：仿真对象配置单元(未示出)，配置用于基于属性信息，配置仿真器中与场景对象对应的仿真对象的属性；仿真单元(未示出)，配置用于利用仿真器基于仿真对象对无人驾驶汽车的测试场景进行仿真。
在本实施例的一些可选的实现方式中，仿真器为开源车辆测试环境仿真框架OpenDrive。
图4示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有系统400操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分709经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取包含场景对象的路况图像，所述场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；基于所述路况图像，获取所述场景对象的属性信息；基于所述场景对象和属性信息，构建无人驾驶汽车的测试场景。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种应用于无人驾驶汽车的测试场景构建方法，其特征在于，所述方法包括：
获取包含场景对象的路况图像，所述场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；
基于所述路况图像，获取所述场景对象的属性信息，基于所述路况图像，获取所述场景对象的属性信息包括：分别确定路况图像中每一帧路况图像中的车辆对象和行人对象的位置；基于每一帧路况图像中的车辆对象和行人对象的位置，分别计算车辆对象和行人对象的行进速度、行进方向、行进状态；将车辆对象和行人对象的行进速度、行进方向、行进状态作为车辆对象和行人对象的属性信息；
基于所述场景对象和属性信息，构建无人驾驶汽车的测试场景。
2.根据权利要求1所述的方法，其特征在于，所述获取包含场景对象的路况图像包括：从第三方交通监控平台获取通过设置于城市道路的路口的摄像头采集到的路况图像。
3.根据权利要求1-2之一所述的方法，其特征在于，基于所述路况图像，获取所述场景对象的属性信息包括：
从电子地图中获取与所述路况图像的拍摄位置对应的路段中的道路的拓扑结构、交通标识的位置；
将所述拓扑结构、交通标识的位置作为所述道路对象、交通标识对象的属性信息。
4.根据权利要求1所述的方法，其特征在于，在基于所述场景对象和属性信息，构建无人驾驶汽车的测试场景之后，所述方法还包括：
基于所述属性信息，配置仿真器中与所述场景对象对应的仿真对象的属性；
利用所述仿真器基于所述仿真对象对无人驾驶汽车的测试场景进行仿真。
5.根据权利要求4所述的方法，其特征在于，所述仿真器为开源车辆测试环境仿真框架OpenDrive。
6.一种应用于无人驾驶汽车的测试场景构建装置，其特征在于，所述装置包括：
图像获取单元，配置用于获取包含场景对象的路况图像，所述场景对象包括：道路对象、交通标识对象、车辆对象、行人对象；
属性信息获取单元，配置用于基于所述路况图像，获取所述场景对象的属性信息，所述属性信息获取单元包括：第二属性信息获取子单元，配置用于分别确定路况图像中每一帧路况图像中的车辆对象和行人对象的位置；计算子单元，配置用于基于每一帧路况图像中的车辆对象和行人对象的位置，分别计算车辆对象和行人对象的行进速度、行进方向、行进状态；第二属性信息配置子单元，配置用于将车辆对象和行人对象的行进速度、行进方向、行进状态作为车辆对象和行人对象的属性信息；
场景构建单元，配置用于基于所述场景对象和属性信息，构建无人驾驶汽车的测试场景。
7.根据权利要求6所述的装置，其特征在于，所述图像获取单元包括：
路况图像获取子单元，配置用于从第三方交通监控平台获取通过设置于城市道路的路口的摄像头采集到的路况图像。
8.根据权利要求6-7之一所述的装置，其特征在于，所述属性信息获取单元包括：
第一属性信息获取子单元，配置用于从电子地图中获取与所述路况图像的拍摄位置对应的路段中的道路的拓扑结构、交通标识的位置；
第一属性信息配置子单元，配置用于将所述拓扑结构、交通标识的位置作为所述道路对象、交通标识对象的属性信息。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：
仿真对象配置单元，配置用于基于所述属性信息，配置仿真器中与所述场景对象对应的仿真对象的属性；
仿真单元，配置用于利用所述仿真器基于所述仿真对象对无人驾驶汽车的测试场景进行仿真。
10.根据权利要求9所述的装置，其特征在于，所述仿真器为开源车辆测试环境仿真框架OpenDrive。
CN201610284404.7A 2016-04-29 2016-04-29 应用于无人驾驶汽车的测试场景构建方法和装置 Active CN105956268B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201610284404.7A CN105956268B (zh) 2016-04-29 2016-04-29 应用于无人驾驶汽车的测试场景构建方法和装置
US15/280,371 US20170316127A1 (en) 2016-04-29 2016-09-29 Method and apparatus for constructing testing scenario for driverless vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610284404.7A CN105956268B (zh) 2016-04-29 2016-04-29 应用于无人驾驶汽车的测试场景构建方法和装置

Publications (2)

Publication Number Publication Date
CN105956268A CN105956268A (zh) 2016-09-21
CN105956268B true CN105956268B (zh) 2018-01-02

Family

ID=56914396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610284404.7A Active CN105956268B (zh) 2016-04-29 2016-04-29 应用于无人驾驶汽车的测试场景构建方法和装置

Country Status (2)

Country Link
US (1) US20170316127A1 (zh)
CN (1) CN105956268B (zh)

Families Citing this family (73)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376061B (zh) * 2016-10-13 2019-12-10 北京百度网讯科技有限公司 用于开发无人驾驶车辆应用的方法和装置
CN107992016A (zh) * 2016-10-26 2018-05-04 法乐第(北京)网络科技有限公司 一种无人驾驶车辆模拟测试方法
CN107991898A (zh) * 2016-10-26 2018-05-04 法乐第(北京)网络科技有限公司 一种无人驾驶车辆模拟测试装置及电子设备
CN106556518B (zh) * 2016-11-25 2020-03-31 特路（北京）科技有限公司 自动驾驶车辆通过视觉干扰区的能力的测试方法及测试场
CN108267322A (zh) * 2017-01-03 2018-07-10 北京百度网讯科技有限公司 对自动驾驶性能进行测试的方法和系统
CN106950952B (zh) * 2017-03-10 2020-04-03 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的农田环境感知方法
CN106951627A (zh) * 2017-03-15 2017-07-14 北京百度网讯科技有限公司 车辆自动驾驶的仿真测试方法、装置、设备及计算机可读存储介质
CN108734949A (zh) * 2017-04-18 2018-11-02 百度在线网络技术（北京）有限公司 无人驾驶车辆仿真平台构建方法、装置、设备及存储介质
CN107063710B (zh) * 2017-04-21 2020-06-30 百度在线网络技术（北京）有限公司 用于测试无人车的方法和装置
CN109032102B (zh) * 2017-06-09 2020-12-18 百度在线网络技术（北京）有限公司 无人驾驶车辆测试方法、装置、设备及存储介质
US10031526B1 (en) * 2017-07-03 2018-07-24 Baidu Usa Llc Vision-based driving scenario generator for autonomous driving simulation
CN107403038B (zh) * 2017-07-05 2020-10-30 同济大学 一种智能汽车虚拟快速测试方法
CN109211575B (zh) * 2017-07-05 2020-11-20 百度在线网络技术（北京）有限公司 无人驾驶汽车及其场地测试方法、装置及可读介质
US20190072978A1 (en) * 2017-09-01 2019-03-07 GM Global Technology Operations LLC Methods and systems for generating realtime map information
CN107766872B (zh) * 2017-09-05 2020-08-04 百度在线网络技术（北京）有限公司 一种识别光照驾驶场景的方法和装置
CN107844858B (zh) * 2017-10-25 2021-11-02 驭势科技（北京）有限公司 一种用于智能驾驶场景确定定位特征及布局的方法与系统
CN107727411B (zh) * 2017-10-30 2019-09-27 青岛慧拓智能机器有限公司 一种自动驾驶车辆测评场景生成系统及方法
CN108133484B (zh) * 2017-12-22 2022-01-28 北京奇虎科技有限公司 基于场景分割的自动驾驶处理方法及装置、计算设备
CN108319250B (zh) * 2017-12-25 2021-06-18 浙江合众新能源汽车有限公司 智能驾驶汽车试验方法
US10880285B2 (en) 2018-01-03 2020-12-29 Baidu Usa Llc Self-driving vehicle test authentication
CN108332977B (zh) * 2018-01-23 2020-06-12 常熟昆仑智能科技有限公司 一种对智能网联汽车测试场景的分类分析方法
CN108458880A (zh) * 2018-01-29 2018-08-28 上海测迅汽车科技有限公司 无人驾驶整车受控场景测试方法
CN108334055B (zh) * 2018-01-30 2021-10-15 赵兴华 车辆自动驾驶算法的检验方法、装置、设备及存储介质
CN110276985B (zh) * 2018-03-16 2020-12-15 华为技术有限公司 自动驾驶安全评估方法、装置和系统
CN108508867B (zh) * 2018-03-23 2020-09-01 卡斯柯信号有限公司 基于行为驱动脚本的车载控制器软件测试系统及方法
CN108595811B (zh) * 2018-04-16 2022-03-11 东南大学 一种用于无人车训练模拟的突发性事件仿真方法
CN108765235A (zh) * 2018-05-09 2018-11-06 公安部交通管理科学研究所 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法
CN110456757B (zh) * 2018-06-20 2022-08-19 上海车右智能科技有限公司 一种无人驾驶车辆的整车测试方法及系统
CN108931927B (zh) * 2018-07-24 2019-07-30 百度在线网络技术（北京）有限公司 无人驾驶仿真场景的创建方法及装置
CN108959813B (zh) * 2018-07-26 2021-01-15 北京理工大学 一种智能车辆道路导航环境模型的仿真建模方法
CN109164785B (zh) * 2018-08-24 2019-08-30 百度在线网络技术（北京）有限公司 自动驾驶车辆的仿真测试方法、装置、设备及存储介质
CN109215342A (zh) * 2018-09-12 2019-01-15 五方智能车科技有限公司 一种智能车路况信息接收与分析能力测试平台
CN111091581B (zh) * 2018-10-24 2023-06-16 百度在线网络技术（北京）有限公司 基于生成对抗网络的行人轨迹模拟方法、装置和存储介质
CN109353345B (zh) * 2018-10-29 2021-03-19 百度在线网络技术（北京）有限公司 车辆控制方法、装置、设备、介质和车辆
CN111123734A (zh) * 2018-10-31 2020-05-08 百度在线网络技术（北京）有限公司 用于无人车的复杂场景测试方法、装置及存储介质
CN109446371A (zh) * 2018-11-09 2019-03-08 苏州清研精准汽车科技有限公司 一种智能汽车仿真测试场景库生成方法及测试系统和方法
CN111179585B (zh) * 2018-11-09 2021-12-07 上海汽车集团股份有限公司 自动驾驶车辆的场地测试方法及装置
CN110134024A (zh) * 2018-11-12 2019-08-16 初速度（苏州）科技有限公司 车辆自动驾驶虚拟环境中特殊标志物的构建方法
CN109740222B (zh) * 2018-12-25 2023-06-20 国汽(北京)智能网联汽车研究院有限公司 一种针对汽车网联化场景的测试装置和系统
CN111462475B (zh) * 2019-01-18 2021-12-10 上汽通用汽车有限公司 实时交互式动态交通流的测试系统
CN109886338A (zh) * 2019-02-25 2019-06-14 苏州清研精准汽车科技有限公司 一种智能汽车测试图像标注方法、装置、系统及存储介质
CN110085078B (zh) * 2019-03-29 2024-05-24 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种用于智能网联汽车智能驾驶辅助实验及实训教学的台架轨道系统
CN110209146B (zh) * 2019-05-23 2020-12-01 杭州飞步科技有限公司 自动驾驶车辆的测试方法、装置、设备及可读存储介质
CN112069643B (zh) * 2019-05-24 2023-10-10 北京车和家信息技术有限公司 一种自动驾驶仿真场景生成方法及装置
CN110210361B (zh) * 2019-05-26 2021-06-22 初速度（苏州）科技有限公司 一种测试场景的创建方法及装置、车载终端
CN110186469A (zh) * 2019-05-31 2019-08-30 北京主线科技有限公司 测试无人驾驶系统的测试用数据生成方法和系统
CN112149836B (zh) * 2019-06-28 2024-05-24 杭州海康威视数字技术股份有限公司 一种机器学习程序更新方法、装置及设备
DE102019209535A1 (de) * 2019-06-28 2020-12-31 Robert Bosch Gmbh Verfahren zum Bereitstellen einer digitalen Straßenkarte
CN110232257B (zh) * 2019-07-02 2020-10-23 吉林大学 一种自动驾驶测试场景的构建方法及其难度系数计算方法
CN110795813A (zh) * 2019-08-14 2020-02-14 腾讯科技（深圳）有限公司 一种交通仿真方法及装置
CN110533768B (zh) * 2019-08-18 2023-01-13 武汉中海庭数据技术有限公司 一种仿真交通场景生成方法及系统
CN110795818B (zh) * 2019-09-12 2022-05-17 腾讯科技（深圳）有限公司 一种确定虚拟测试场景方法、装置、电子设备和存储介质
CN110689613B (zh) * 2019-09-18 2023-04-14 广州大学 车辆道路仿真场景构建方法、装置、介质和设备
CN110675476A (zh) * 2019-09-25 2020-01-10 武汉光庭信息技术股份有限公司 一种直观传达自动驾驶场景定义的方法和装置
CN110979345B (zh) * 2019-11-22 2021-05-07 东软睿驰汽车技术（沈阳）有限公司 一种车辆控制系统的验证方法及装置
CN110705134A (zh) * 2019-12-13 2020-01-17 中智行科技有限公司 行驶测试方法、装置、设备及计算机可读存储介质
CN111311906B (zh) * 2020-02-11 2021-07-13 北京百度网讯科技有限公司 路口距离的检测方法、装置、电子设备和存储介质
CN111623997B (zh) * 2020-05-26 2022-04-15 湖南行必达网联科技有限公司 车辆试验场的构建方法、装置、电子设备及可读存储介质
CN111797003A (zh) * 2020-05-27 2020-10-20 中汽数据有限公司 一种基于vtd软件搭建虚拟测试场景的方法
CN111862263A (zh) * 2020-05-29 2020-10-30 广东中科臻恒信息技术有限公司 自动驾驶汽车测试场景构建方法、设备、存储介质
CN111881520B (zh) * 2020-07-31 2022-01-11 广州文远知行科技有限公司 一种自动驾驶测试的异常检测方法、装置、计算机设备及存储介质
CN114091223A (zh) * 2020-08-24 2022-02-25 华为技术有限公司 一种仿真交通流的构建方法及仿真设备
CN114495481A (zh) * 2020-11-13 2022-05-13 阿里巴巴集团控股有限公司 路况确定方法、装置、电子设备及计算机可读存储介质
CN112487617B (zh) * 2020-11-19 2024-03-08 平安科技（深圳）有限公司 基于碰撞模型的风险预防方法、装置、设备及存储介质
CN112735164B (zh) * 2020-12-25 2022-08-05 北京智能车联产业创新中心有限公司 测试数据构建方法及测试方法
CN112783766A (zh) * 2021-01-15 2021-05-11 北京小马慧行科技有限公司 模拟车辆运行场景的编辑系统和编辑方法
CN112989568B (zh) * 2021-02-06 2023-04-07 武汉光庭信息技术股份有限公司 仿真场景三维道路自动化构建方法和装置
CN113570727B (zh) * 2021-06-16 2024-04-16 阿波罗智联(北京)科技有限公司 场景文件的生成方法、装置、电子设备及存储介质
CN113589794A (zh) * 2021-07-30 2021-11-02 中汽院智能网联科技有限公司 一种虚实结合的自动驾驶整车测试系统
CN113949996B (zh) * 2021-10-11 2022-10-28 重庆大学 用于车路协同测试场景采集回放的数据处理方法及系统
CN113674610B (zh) * 2021-10-22 2022-02-08 北京智能车联产业创新中心有限公司 可变道路形态的自动驾驶封闭测试场设计方法
CN115167182B (zh) * 2022-09-07 2022-11-29 禾多科技（北京）有限公司 自动驾驶仿真测试方法、装置、设备和计算机可读介质
CN116046417B (zh) * 2023-04-03 2023-11-24 安徽深信科创信息技术有限公司 自动驾驶感知局限测试方法、装置、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6411898B2 (en) * 2000-04-24 2002-06-25 Matsushita Electric Industrial Co., Ltd. Navigation device
CN103207090B (zh) * 2013-04-09 2016-02-24 北京理工大学 一种无人驾驶车辆环境模拟测试系统及测试方法
CN105069842A (zh) * 2015-08-03 2015-11-18 百度在线网络技术（北京）有限公司 道路三维模型的建模方法和装置

Also Published As

Publication number Publication date
CN105956268A (zh) 2016-09-21
US20170316127A1 (en) 2017-11-02

Similar Documents

Publication Publication Date Title
CN105956268B (zh) 应用于无人驾驶汽车的测试场景构建方法和装置
CN109946995A (zh) 自动驾驶的仿真测试方法、装置及智能终端
US20190164007A1 (en) Human driving behavior modeling system using machine learning
CN108256431B (zh) 一种手部位置标识方法及装置
CN107609502A (zh) 用于控制无人驾驶车辆的方法和装置
US10885240B2 (en) Deterministic simulation framework for autonomous vehicle testing
CN108921200A (zh) 用于对驾驶场景数据进行分类的方法、装置、设备和介质
US12099351B2 (en) Operational testing of autonomous vehicles
CN110009903B (zh) 一种交通事故现场还原方法
CN113297667B (zh) 一种智能驾驶数据闭环的方法及系统
CN106779089A (zh) 测试方法和装置
CN115185205A (zh) 智能驾驶仿真方法、系统、终端设备和可读存储介质
CN114328448A (zh) 基于模仿学习算法的高速公路车辆跟驰行为重构方法
WO2021146905A1 (zh) 基于深度学习的场景模拟器构建方法、装置和计算机设备
CN112966334A (zh) 一种生成交通场景属性标签的方法、系统及装置
CN108959805A (zh) 一种自动驾驶的硬件在环仿真的云平台及方法
CN114676541B (zh) 一种交通仿真的方法、相关装置、设备以及存储介质
CN112785083B (zh) 到达时间的预估方法、装置、电子设备以及存储介质
CN113743386B (zh) 车道线生成方法、装置、设备及存储介质
Bai et al. Cyber mobility mirror for enabling cooperative driving automation: A co-simulation platform
CN115857685A (zh) 一种感知算法数据闭环方法及相关装置
CN115499467A (zh) 基于数字孪生的智能网联车测试平台及其搭建方法与系统
Miska et al. Opentraffic-an open source platform for traffic simulation
Pikus et al. The application of virtual logic models to simulate real environment for testing advanced driving-assistance systems
CN115438517B (zh) 仿真地图生成方法、电子设备及计算机存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant