CN108230817A - 车辆驾驶模拟方法和装置、电子设备、系统、程序和介质 - Google Patents

车辆驾驶模拟方法和装置、电子设备、系统、程序和介质 Download PDF

Info

Publication number
CN108230817A
CN108230817A CN201711242310.4A CN201711242310A CN108230817A CN 108230817 A CN108230817 A CN 108230817A CN 201711242310 A CN201711242310 A CN 201711242310A CN 108230817 A CN108230817 A CN 108230817A
Authority
CN
China
Prior art keywords
simulating
vehicle
drive
scene
simulating 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.)
Granted
Application number
CN201711242310.4A
Other languages
English (en)
Other versions
CN108230817B (zh
Inventor
刘春晓
马政
张伟
曾仕元
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.)
Sensetime Group Ltd
Original Assignee
Sensetime Group 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 Sensetime Group Ltd filed Critical Sensetime Group Ltd
Priority to CN201711242310.4A priority Critical patent/CN108230817B/zh
Publication of CN108230817A publication Critical patent/CN108230817A/zh
Application granted granted Critical
Publication of CN108230817B publication Critical patent/CN108230817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00Simulators for teaching or training purposes
    • G09B9/02Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles

Abstract

本发明实施例公开了一种车辆驾驶模拟方法和装置、电子设备、系统、程序和介质,其中,方法包括:根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境;根据模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据模拟驾驶环境中运动目标运动状态的变化,动态更新风险区域;根据模拟驾驶环境和模拟车辆的控制量,实现模拟车辆的模拟驾驶,并基于风险区域对模拟车辆进行碰撞检测;响应于检测到模拟车辆发生碰撞,结束模拟车辆的本次模拟驾驶。本发明实施例使得模式驾驶行为更加贴合真实场景。

Description

车辆驾驶模拟方法和装置、电子设备、系统、程序和介质
技术领域
本发明涉及人工智能技术,尤其是一种车辆驾驶模拟方法和装置、电子设备、系统、程序和介质。
背景技术
随着科学技术的发展,无人驾驶技术开始慢慢地走进人们的生活。不过,现有的无人驾驶技术,例如基于多传感器的无人车技术,存在许多潜在问题,而在实际驾驶中慢慢通过路测找出这些问题所需的成本十分高昂。此时,需要一个仿真平台来模拟无人驾驶的整个过程,以便使用较小的成本找出现有无人驾驶技术存在的不足并加以改进。
发明内容
本发明实施例提供一种自动驾驶模拟技术。
根据本发明实施例的一个方面,提供的一种车辆驾驶模拟方法,包括:
根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境;
根据所述模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据所述模拟驾驶环境中运动目标运动状态的变化,动态更新所述风险区域;
根据所述模拟驾驶环境和所述模拟车辆的控制量,实现所述模拟车辆的模拟驾驶,并基于所述风险区域对所述模拟车辆进行碰撞检测;
响应于检测到所述模拟车辆发生碰撞,结束所述模拟车辆的本次模拟驾驶。
可选地,在本发明上述各方法实施例中,还包括:
接收所述驾驶环境参数的配置信息和所述模拟车辆的控制量,所述驾驶环境参数包括动态场景参数和静态场景参数;
所述根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境,包括:根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境,所述模拟驾驶环境包括动态场景和静态场景。
可选地,在本发明上述各方法实施例中,所述静态场景参数包括:所述驾驶环境的场景类型、道路、建筑物;
所述动态场景参数包括:所述模拟车辆所在车道、起止位置和运动路线、行驶状态,所述驾驶环境的交通灯,所述驾驶环境中的运动目标的类型、数量、位置和运动速度;所述动态场景包括:所述模拟车辆的起止位置和运动路线、行驶状态,以及所述模拟车辆的模拟驾驶环境中运动目标的运动状态。
可选地,在本发明上述各方法实施例中,根据所述模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据所述模拟驾驶环境中运动目标运动状态的变化,动态更新所述风险区域,包括:
根据所述静态场景中目标的目标类型和大小生成静态场景风险区域,以及根据所述动态场景中运动目标的类型、大小和运动速度、所述交通灯的状态变化,动态更新动态场景风险区域;所述风险区域包括所述静态场景风险区域和所述动态场景风险区域。
可选地,在本发明上述各方法实施例中,根据所述动态场景中运动目标的类型、大小和运动速度、所述交通灯的状态变化,动态更新动态场景风险区域,包括:
根据所述模拟车辆的运动路线的起止位置、所述模拟车辆的行驶状态和控制量,实时计算并更新所述模拟车辆的当前位置和当前行驶状态;根据所述运动目标的位置和运动速度实时计算并更新所述运动目标的当前位置和运动速度,并根据所述运动目标的当前位置、大小和运动速度实时生成并所述运动目标的风险区域;以及根据所述模拟车辆的当前位置和所述驾驶环境的交通灯的配置参数,实时获取所述模拟车辆所在车道的下一个交通灯的状态;所述动态场景风险区域包括所述运动目标的风险区域和所述下一个交通灯的状态为非通行状态时的禁行区域。
可选地,在本发明上述各方法实施例中,所述静态场景中目标包括:所述静态场景中与所述模拟车辆当前位置之间的距离在第一预设距离范围内的目标;
所述动态场景中运动目标包括:所述动态场景中与所述模拟车辆当前位置之间的距离在第二预设距离范围内的运动目标。
可选地,在本发明上述各方法实施例中,根据所述模拟驾驶环境和所述模拟车辆的控制量,实现所述模拟车辆的模拟驾驶,并基于所述风险区域对所述模拟车辆进行碰撞检测,包括:
根据所述运动目标的运动状态、所述模拟车辆的运动路线的起止位置、所述模拟车辆的行驶状态和控制量,动态更新所述动态场景,实现所述模拟车辆的模拟驾驶,并基于所述风险区域对所述模拟车辆进行碰撞检测。
可选地,在本发明上述各方法实施例中,还包括:
在所述模拟车辆的模拟驾驶过程中,实时获取所述模拟车辆的观测量,并根据所述模拟车辆的观测量更新所述模拟车辆的控制量;
所述模拟车辆的观测量包括:所述静态场景和所述动态场景中的障碍物距离所述模拟车辆的距离和所述模拟车辆的行驶状态;所述模拟车辆的控制量包括:所述模式车辆的方向盘转动角度和加减速控制信息。
可选地,在本发明上述各方法实施例中,所述模拟车辆的观测量还包括:所述静态场景和所述动态场景中的障碍物的运动速度、所述模拟车辆偏离所在车道中心的距离、所述模拟车辆偏离所在车道中心线方向的角度中的任意一项或多项。
可选地,在本发明上述各方法实施例中,所述实现所述模拟车辆的模拟驾驶,包括:
根据所述控制量控制所述模拟车辆执行相应的驾驶动作。
可选地,在本发明上述各方法实施例中,还包括:
根据所述模拟车辆是否发生碰撞,对所述模拟车辆的模拟驾驶行为进行评测,获得模拟驾驶行为的评测值。
可选地,在本发明上述各方法实施例中,还包括:
实时显示所述模拟车辆的观测量信息,或所述模拟车辆的观测量信息和模拟驾驶行为的评测值。
可选地,在本发明上述各方法实施例中,还包括:
根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图并显示;所述地图包括所述当期位置预设范围内的全局地图的缩略地图和/或所述全局地图的局部地图。
可选地,在本发明上述各方法实施例中,还包括:
根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画并播放所述动画。
可选地,在本发明上述各方法实施例中,还包括:
将实现所述车辆驾驶模拟方法的模拟装置的时间尺度统一为真实世界的时间尺度;
所述实时显示所述模拟车辆的观测量信息,或所述模拟车辆的观测量信息和模拟驾驶行为的评测值,包括:按照统一为真实世界的时间尺度,实时显示所述模拟车辆的观测量信息,或所述模拟车辆的观测量信息和模拟驾驶行为的评测值。
可选地,在本发明上述各方法实施例中,根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图并显示,包括:按照统一为真实世界的时间尺度,根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图并显示;和/或
根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画并播放所述动画,包括:按照统一为真实世界的时间尺度,根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画并播放所述动画。
可选地,在本发明上述各方法实施例中,根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图并显示,包括:根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图,并按照统一为真实世界的时间尺度,显示所述当期位置预设范围内的地图;和/或
根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画并播放所述动画,包括:根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画,并按照统一为真实世界的时间尺度,播放所述动画。
可选地,在本发明上述各方法实施例中,基于所述风险区域对所述模拟车辆进行碰撞检测,包括:
检测所述模拟车辆的当前位置是否位于所述风险区域内;
若所述模拟车辆的当前位置位于所述风险区域内,检测到所述模拟车辆发生碰撞;
否则,若所述模拟车辆的当前位置不位于所述风险区域内,检测到所述模拟车辆未发生碰撞。
可选地,在本发明上述各方法实施例中,还包括:
输出本次模拟驾驶的评测值;
结束所述模拟车辆的本次模拟驾驶之后,还包括:根据所述模拟车辆的观测量和本次模拟驾驶的评测值,调整所述模拟车辆发生碰撞时的控制量,并重新执行所述根据驾驶环境参数的配置信息生成模拟车辆的动态场景和静态场景的操作。
可选地,在本发明上述各方法实施例中,若检测到所述模拟车辆未发生碰撞,还包括:
更新所述驾驶环境参数的配置信息和所述模拟车辆的控制量中的至少一项,并针对至少一项更新后的所述驾驶环境参数的配置信息和所述模拟车辆的控制量,执行所述根据驾驶环境参数的配置信息生成模拟车辆的动态场景和静态场景的操作。
根据本发明实施例的另一个方面,提供的一种车辆驾驶模拟装置,包括:
场景生成模块,用于根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境;
风险区域生成模块,用于根据所述静态场景和所述动态场景中目标的目标类型、大小和运动速度生成风险区域,并根据所述动态场景中运动目标运动状态的变化,动态更新所述风险区域;
动态更新模块,用于根据所述模拟驾驶环境和所述模拟车辆的控制量,实现所述模拟车辆的模拟驾驶;
碰撞检测模块,用于基于所述风险区域对所述模拟车辆进行碰撞检测;
控制模块,用于响应于所述碰撞检测模块检测到所述模拟车辆发生碰撞,结束所述模拟车辆的本次模拟驾驶。
可选地,在本发明上述各装置实施例中,所述场景生成模块,具体用于:接收所述驾驶环境参数的配置信息和所述模拟车辆的控制量,所述驾驶环境参数包括动态场景参数和静态场景参数;以及根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境,所述模拟驾驶环境包括动态场景和静态场景。
可选地,在本发明上述各装置实施例中,所述静态场景参数包括:所述驾驶环境的场景类型、道路、建筑物;
所述动态场景参数包括:所述模拟车辆所在车道、起止位置和运动路线、行驶状态,所述驾驶环境的交通灯,所述驾驶环境中的运动目标的类型、数量、位置和运动速度;所述动态场景包括:所述模拟车辆的起止位置和运动路线、行驶状态,以及所述模拟车辆的模拟驾驶环境中运动目标的运动状态。
可选地,在本发明上述各装置实施例中,所述风险区域生成模块具体用于:
根据所述静态场景中目标的目标类型和大小生成静态场景风险区域,以及根据所述动态场景中运动目标的类型、大小和运动速度、所述交通灯的状态变化,动态更新动态场景风险区域;所述风险区域包括所述静态场景风险区域和所述动态场景风险区域。
可选地,在本发明上述各装置实施例中,所述风险区域生成模块根据所述动态场景中运动目标的类型、大小和运动速度、所述交通灯的状态变化,动态更新动态场景风险区域时,具体用于:
根据所述模拟车辆的运动路线的起止位置、所述模拟车辆的行驶状态和控制量,实时计算并更新所述模拟车辆的当前位置和当前行驶状态;根据所述运动目标的位置和运动速度实时计算并更新所述运动目标的当前位置和运动速度,并根据所述运动目标的当前位置、大小和运动速度实时生成并所述运动目标的风险区域;以及根据所述模拟车辆的当前位置和所述驾驶环境的交通灯的配置参数,实时获取所述模拟车辆所在车道的下一个交通灯的状态;所述动态场景风险区域包括所述运动目标的风险区域和所述下一个交通灯的状态为非通行状态时的禁行区域。
可选地,在本发明上述各装置实施例中,所述静态场景中目标包括:所述静态场景中与所述模拟车辆当前位置之间的距离在第一预设距离范围内的目标;
所述动态场景中运动目标包括:所述动态场景中与所述模拟车辆当前位置之间的距离在第二预设距离范围内的运动目标。
可选地,在本发明上述各装置实施例中,所述动态更新模块,具体用于根据所述运动目标的运动状态、所述模拟车辆的运动路线的起止位置、所述模拟车辆的行驶状态和控制量,动态更新所述动态场景,实现所述模拟车辆的模拟驾驶。
可选地,在本发明上述各装置实施例中,还包括:
获取模块,用于在所述模拟车辆的模拟驾驶过程中,实时获取所述模拟车辆的观测量,并根据所述模拟车辆的观测量更新所述模拟车辆的控制量;
所述模拟车辆的观测量包括:所述静态场景和所述动态场景中的障碍物距离所述模拟车辆的距离和所述模拟车辆的行驶状态;所述模拟车辆的控制量包括:所述模式车辆的方向盘转动角度和加减速控制信息。
可选地,在本发明上述各装置实施例中,所述模拟车辆的观测量还包括:所述静态场景和所述动态场景中的障碍物的运动速度、所述模拟车辆偏离所在车道中心的距离、所述模拟车辆偏离所在车道中心线方向的角度中的任意一项或多项。
可选地,在本发明上述各装置实施例中,所述动态更新模块实现所述模拟车辆的模拟驾驶时,具体用于:根据所述控制量控制所述模拟车辆执行相应的驾驶动作。
可选地,在本发明上述各装置实施例中,还包括:
评测模块,用于根据所述模拟车辆是否发生碰撞,对所述模拟车辆的模拟驾驶行为进行评测,获得模拟驾驶行为的评测值。
可选地,在本发明上述各装置实施例中,还包括:
显示模块,用于实时显示所述模拟车辆的观测量信息,或所述模拟车辆的观测量信息和模拟驾驶行为的评测值。
可选地,在本发明上述各装置实施例中,所述显示模块,还用于根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图并显示;所述地图包括所述当期位置预设范围内的全局地图的缩略地图和/或所述全局地图的局部地图。
可选地,在本发明上述各装置实施例中,还包括:
绘图显示模块,用于根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画并播放所述动画。
可选地,在本发明上述各装置实施例中,还包括:
时间同步模块,用于将实现所述车辆驾驶模拟装置的模拟装置的时间尺度统一为真实世界的时间尺度;
所述显示模块具体用于:按照统一为真实世界的时间尺度,实时显示所述模拟车辆的观测量信息,或所述模拟车辆的观测量信息和模拟驾驶行为的评测值。
可选地,在本发明上述各装置实施例中,所述显示模块具体用于:按照统一为真实世界的时间尺度,根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图并显示;和/或
所述绘图显示模块具体用于:按照统一为真实世界的时间尺度,根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画并播放所述动画。
可选地,在本发明上述各装置实施例中,所述显示模块具体用于根据所述模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成所述当期位置预设范围内的地图,并按照统一为真实世界的时间尺度,显示所述当期位置预设范围内的地图;和/或
所述绘图显示模块具体用于:根据所述模拟车辆的当前位置的动态场景和静态场景,实时生成所述当期位置预设范围内的动画,并按照统一为真实世界的时间尺度,播放所述动画。
可选地,在本发明上述各装置实施例中,所述碰撞检测模块具体用于:
检测所述模拟车辆的当前位置是否位于所述风险区域内;
若所述模拟车辆的当前位置位于所述风险区域内,检测到所述模拟车辆发生碰撞;
否则,若所述模拟车辆的当前位置不位于所述风险区域内,检测到所述模拟车辆未发生碰撞。
可选地,在本发明上述各装置实施例中,还包括:
输出模块,用于响应于检测到所述模拟车辆发生碰撞,输出本次模拟驾驶的评测值;
调整模块,用于在结束所述模拟车辆的本次模拟驾驶之后,根据所述模拟车辆的观测量和本次模拟驾驶的评测值,调整所述模拟车辆发生碰撞时的控制量,并由所述场景生成模块重新执行所述根据驾驶环境参数的配置信息生成模拟车辆的动态场景和静态场景的操作。
可选地,在本发明上述各装置实施例中,还包括:
更新模块,用于若检测到所述模拟车辆未发生碰撞,更新所述驾驶环境参数的配置信息和所述模拟车辆的控制量中的至少一项,并由所述场景生成模块针对至少一项更新后的所述驾驶环境参数的配置信息和所述模拟车辆的控制量,执行所述根据驾驶环境参数的配置信息生成模拟车辆的动态场景和静态场景的操作。
根据本发明实施例的又一个方面,提供的一种电子设备,包括:
处理器和本发明上述任一实施例所述的车辆驾驶模拟装置;
在处理器运行所述车辆驾驶模拟装置时,本发明上述任一实施例所述的车辆驾驶模拟装置中的单元被运行。
根据本发明实施例的又一个方面,提供的一种电子设备,包括:处理器和存储器;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行本发明上述任一实施例所述的车辆驾驶模拟方法中各步骤的操作。
根据本发明实施例的再一个方面,提供的一种计算机系统,包括:
存储器,存储可执行指令;
一个或多个处理器,与存储器通信以执行可执行指令从而完成本发明上述任一实施例所述的车辆驾驶模拟方法中各步骤的操作。
根据本发明实施例的再一个方面,提供的一种计算机程序,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现本发明上述任一实施例所述的车辆驾驶模拟方法中各步骤的指令。
根据本发明实施例的又一个方面,提供的一种计算机可读介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时实现本发明上述任一实施例所述的车辆驾驶模拟方法中各步骤的操作。
基于本发明上述实施例提供的车辆驾驶模拟方法和装置、电子设备、系统、程序和介质,根据驾驶环境参数的配置信息生成模拟驾驶环境;根据模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据模拟驾驶环境中运动目标运动状态的变化,动态更新风险区域;根据模拟驾驶环境和模拟车辆的控制量,实现模拟车辆的模拟驾驶,并基于风险区域对模拟车辆进行碰撞检测;响应于检测到模拟车辆发生碰撞,结束模拟车辆的本次模拟驾驶。本发明实施例可以通过配置驾驶环境参数的配置信息,模拟任意驾驶环境,来进行模拟车辆的模拟驾驶,并可以在模拟驾驶过程中检测模拟车辆是否发生碰撞,在模拟车辆发生碰撞时,结束模拟车辆的本次模拟驾驶,使得模式驾驶行为更加贴合真实场景。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1为本发明车辆驾驶模拟方法一个实施例的流程图。
图2为本发明实施例中道路系统的一个示例图。
图3为本发明实施例中十字路口场景的一个示例图。
图4为本发明实施例中直道场景的一个示例图。
图5为本发明实施例中风险区域的一个示例图。
图6为本发明实施例中9个离散驾驶动作的示意图。
图7为本发明实施例中模拟车辆在道路行驶场景的俯视图的一个示例。
图8为本发明实施例中距离分布图的一个示例。
图9为本发明实施例中显示界面的一个示例图。
图10为本发明车辆驾驶模拟方法另一个实施例的流程图。
图11为本发明车辆驾驶模拟装置一个实施例的结构示意图。
图12为本发明车辆驾驶模拟装置另一个实施例的结构示意图。
图13为本发明车辆驾驶模拟装置又一个实施例的结构示意图。
图14为本发明电子设备一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本发明车辆驾驶模拟方法一个实施例的流程图。如图1所示,该实施例的车辆驾驶模拟方法包括:
102,根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境。其中,驾驶环境参数例如可以包括:模拟车辆驾驶环境中的道路情况(例如,每条道路曲率、包括的车道数目、车道线、每个车道的宽度,每个车道上其他车辆的数目、行驶方向以及速度、车道限速,过马路行人的数目、速度,模拟车辆所在车道的车流方向、车道限速),场景类型,十字路口交通灯的状态,每个交通灯信号的持续时间,模拟车辆即待训练/测试汽车的出发点位置、初始速度等。其中场景类型例如可以是,直道、弯道、十字路口、高速公路等。
在本发明各实施例的一个可选示例中,模拟驾驶环境包括动态场景和静态场景。其中的动态场景例如可以包括:模拟车辆的起止位置和运动路线、行驶状态,以及模拟车辆的模拟驾驶环境中运动目标的运动状态。其中的动态场景例如可以包括:道路、建筑物等。
104,根据上述模拟驾驶环境中目标(也即:障碍物)的目标类型、大小和运动速度生成风险区域,包括风险区域的位置和大小,并根据上述模拟驾驶环境中运动目标运动状态的变化,动态更新该风险区域。
在本发明各实施例的一个可选示例中,该操作104可以包括:根据静态场景和动态场景中目标的目标类型、大小和运动速度生成风险区域,包括风险区域的位置和大小,并根据动态场景中运动目标运动状态的变化,动态更新该风险区域。
本发明实施例中,静态场景中的目标可以称为静止目标,动态场景中目标可以称为运动目标,动态场景中的运动目标是指,模拟车辆所在驾驶环境中除该模拟车辆以外的其他运动目标,例如行人、车辆、其他小动物等。风险区域用于描述模拟车辆所在驾驶环境中其他目标可能存在的区域范围,模拟车辆的车体进入或接触其他目标的风险区域,则认为该模拟车辆发生碰撞。
106,根据上述模拟驾驶环境和模拟车辆的控制量,动态更新动态场景,实现模拟车辆的模拟驾驶,并基于风险区域对模拟车辆进行碰撞检测。在模拟车辆的模拟驾驶过程中,可以根据控制量控制该模拟车辆执行相应的驾驶动作,例如,加速、减速、左转、右转等。
在本发明各实施例的一个可选示例中,该操作106可以包括:根据动态场景中运动目标的运动状态、模拟车辆的运动路线的起止位置、模拟车辆的行驶状态和控制量,动态更新动态场景,实现模拟车辆的模拟驾驶,并基于风险区域对模拟车辆进行碰撞检测。
本发明各实施例中的车辆可以分为两种:一种是宿主车(Host car)/本车辆(即:模拟车辆),该模拟车辆是可以被用于实现本发明各实施例方法的装置外接的控制器控制的车辆;另一种车是,僵尸车(zombie car)/其他车辆,这些车辆基于由本发明实施例的驾驶环境参数的配置信息中相应信息确定的路线行走,可以基于驾驶环境参数的配置信息中相应信息确定的避让规则躲避障碍物。
在本发明各实施例的一种可选示例中,在驾驶环境参数的配置信息中,其他车辆对模拟车辆的避让规则,可以在各次驾驶环境参数的配置信息中分别设置成不同种类,例如可以分别设置成:1)不避让;2)一定会避让;3)以一定概率避让;4)以一定特殊条件避让。
108,响应于检测到模拟车辆发生碰撞,结束模拟车辆的本次模拟驾驶。
基于本发明上述实施例提供的车辆驾驶模拟方法,根据驾驶环境参数的配置信息生成模拟驾驶环境;根据模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据模拟驾驶环境中运动目标运动状态的变化,动态更新风险区域;根据模拟驾驶环境和模拟车辆的控制量,实现模拟车辆的模拟驾驶,并基于风险区域对模拟车辆进行碰撞检测;响应于检测到模拟车辆发生碰撞,结束模拟车辆的本次模拟驾驶。本发明实施例可以通过配置驾驶环境参数的配置信息,模拟任意驾驶环境,来进行模拟车辆的模拟驾驶,并可以在模拟驾驶过程中检测模拟车辆是否发生碰撞,在模拟车辆发生碰撞时,结束模拟车辆的本次模拟驾驶,使得模式驾驶行为更加贴合真实场景。
基于本发明上述示例性实施例提供的车辆驾驶模拟方法,可以通过配置驾驶环境参数的配置信息,设置任意条件的动态场景和静态场景,例如每条道路的每个车道上其他车辆的数目、行驶方向以及速度,过马路行人的数目、速度,以及道路的类型(直道,弯道,十字路口),十字路口交通灯的状态,每个交通灯信号的持续时间等,来进行模拟车辆的模拟驾驶,并可以在模拟驾驶过程中检测模拟车辆是否发生碰撞,在模拟车辆发生碰撞时,结束模拟车辆的本次模拟驾驶,使得模式驾驶行为更加贴合真实场景。
在本发明车辆驾驶模拟方法的另一个实施例中,在上述操作102之前,还可以包括:
接收驾驶环境参数的配置信息和模拟车辆的控制量,其中,驾驶环境参数包括动态场景参数和静态场景参数。
其中,驾驶环境参数的配置信息例如可以是一个基于可扩展标示语言(ExtensiveMakeup Language,XML)的驾驶环境参数配置文件。如下表1所示,为基于XML的驾驶环境参数配置文件的一个应用示例,该驾驶环境参数配置文件中例如可以包括如下参数:
表1
在其中一个示例中,静态场景参数例如可以包括:驾驶环境的场景类型、道路情况中的道路和车道信息、建筑物等。动态场景参数例如可以包括:模拟车辆所在车道、起止位置(即:起点位置和终点位置)和运动路线、行驶状态,驾驶环境的交通灯,驾驶环境中运动目标的类型、数量、位置和运动速度、运动方向等。其中,本发明各实施例中驾驶环境中的运动目标是指,模拟车辆所在驾驶环境中除该模拟车辆以外的其他运动目标,例如行人、其他车辆、其他小动物等。运动目标的类型是指,该其他运动目标是人、车辆还是其他动物,例如宠物、家畜等。
驾驶环境的场景类型例如可以包括:高速路场景,城市场景中的十字路口、直线道路或弯道,并且道路上有行人以及其他车辆,模拟车辆所在车道包括单向车道、双向车道和潮汐车道,并同时包含单车道、双车道以及三车道,场景类型多样、包含的交通情况丰富。
另外,本发明各实施例中,在配置驾驶环境参数的配置信息时,可以将车辆的加速模型以及车辆物理结构(bicycle model)加入车辆驾驶模型建模中,即:在驾驶环境参数的配置信息中还包括模拟车辆的加速信息和物理结构信息,使得模拟驾驶更加贴近真实驾驶环境。
本发明实施例可以对车辆在各种场景中的整个行驶过程进行建模,构建包含模拟车辆、其他车辆、行人、道路、交通灯等的无人驾驶场景,可以自行设置道路上其他车辆的速度、其他车辆和过马路行人的数目以及车辆行驶的方向,提供车辆的行驶状态,例如速度、方向盘角度、前轮朝向等多种信息,可以自行设置车辆出发点的位置、速度、测试路面的曲率等基本行驶参数,设置灵活,并且将惯性加入汽车驾驶中,从而使得模拟驾驶更加贴近真实环境,以便通过在模拟驾驶过程中发现问题、解决问题来避免在真实环境中进行无人驾驶时出现碰撞等问题。
图2为本发明实施例中道路系统的一个示例图。如图2中的树形图所示,静态场景中的道路系统是一个树形结构,其中根节点是静态场景,静态场景可以进一步分成城市场景和高速路场景。其中城市场景又包括:十字路口场景,直道场景,弯道场景。以十字路口子场景为例,在这个子场景中又包含道路若干,每个道路包括车道若干。
如图3和图4所示,分别为十字路口场景、直道场景的一个示例图。图3和图4中,虚线代表道路中心线。如图3所示,在十字路口场景下,根据驾驶环境参数,模拟车辆需要驶向右侧,不过在右侧道路有行人在过马路,同时在十字路口还有其他车辆在行驶。此时,模拟车辆不仅需要避让行人,还要防止和其他车辆碰撞。在这里,行人过马路的状态(随机或确定)以及其他车辆的驾驶行为、避让规则等可以在驾驶环境参数的配置信息中自行设置。如图4所示,在直线道路场景下,根据驾驶环境参数,模拟车辆需要实现避让、超车、减速停车等动作来保证安全驾驶。其中,道路上其他车辆的行驶速度、行驶方向等都可以在驾驶环境参数的配置信息中自行设置。
本发明实施例中,模拟车辆行驶的道路情况可以自定义,例如道路的曲率、车道数目、车道宽度、车道上车辆的行驶方向。车道限速。车道限速等,场景设置修改灵活,可以方便的实现各种场景下的模式驾驶和测试。
在本发明车辆驾驶模拟方法各实施例的一个可选示例中,操作104可以包括:
根据静态场景和动态场景中目标的目标类型、大小和运动速度生成风险区域,并根据动态场景中运动目标运动状态的变化,动态更新风险区域,包括:
根据静态场景中目标的目标类型和大小生成静态场景风险区域,以及根据动态场景中运动目标的类型、大小和运动速度、交通灯的状态变化,动态更新动态场景风险区域;风险区域包括静态场景风险区域和动态场景风险区域。其中,静态场景中目标的目标类型即静态场景中障碍物的类型,例如可以包括:建筑物、树、道路边沿等。动态场景中运动目标的类型例如可以包括:车辆、行人等。
图5为本发明实施例中风险区域的一个示例图。由于实际应用中,驾驶车辆上传感器的观测以及驾驶环境中其他运动目标的运动具有不确定性,本发明实施例对这种不确定性进行了建模。如图5所示,根据其他运动目标的位置、和运动速度的大小和方向不确定性的大小生成一个风险区域,这个风险区域包括了其他运动目标在未来一段时间内可能出现的所有位置。
在上述示例中,根据动态场景中运动目标的类型、大小和运动速度、交通灯的状态变化,动态更新动态场景风险区域,可以包括:
根据模拟车辆的运动路线的起止位置、模拟车辆的行驶状态和控制量,实时计算并更新该模拟车辆的当前位置和当前行驶状态;根据运动目标的位置和运动速度实时计算并更新运动目标的当前位置和运动速度,并根据运动目标的当前位置、大小和运动速度实时生成并运动目标的风险区域;以及根据该模拟车辆的当前位置和驾驶环境的交通灯的配置参数,实时获取该模拟车辆所在车道的下一个交通灯的状态。其中,动态场景风险区域包括运动目标的风险区域和该下一个交通灯的状态为非通行状态时的禁行区域。
另外,基于模拟车辆在模拟驾驶过程中各时刻点的当前位置,可以记录该模拟车辆的行驶轨迹。
在本发明车辆驾驶模拟方法各实施例的一个可选示例中,静态场景中目标可以包括:静态场景中与模拟车辆当前位置之间的距离在第一预设距离范围内的目标;
动态场景中运动目标包括:动态场景中与模拟车辆当前位置之间的距离在第二预设距离范围内的运动目标。
另外,在基于本发明上述各车辆驾驶模拟方法的又一个实施例中,还可以包括:
在模拟车辆的模拟驾驶过程中,实时获取该模拟车辆的观测量,并根据该模拟车辆的观测量更新模拟车辆的控制量。
其中,模拟车辆的观测量例如可以包括:静态场景和动态场景中的障碍物到该模拟车辆的距离和该模拟车辆的行驶状态,例如,该模拟车辆的速度大小和方向、车体朝向、车前轮朝向等;另外,模拟车辆的观测量还可以选择性地包括以下任意一项或多项:静态场景和动态场景中障碍物的运动速度的大小和方向、模拟车辆偏离所在车道中心的距离、模拟车辆偏离所在车道中心线方向的角度。模拟车辆的控制量例如可以包括:模式车辆的方向盘转动角度(左转角度、右转角度)和加减速(加速或减速)控制信息。
在本发明车辆驾驶模拟方法各实施例的另一个可选示例中,驾驶动作可以分为离散驾驶动作和连续驾驶动作。其中,离散驾驶动作可以包括如下9个:不变、加速、减速、右转、左转、加速右转、加速左转、减速右转、减速左转。连续驾驶动作可以包括如下4个:不变、加速、减速、转弯为一个角度值(例如向左转30.5°)。如图6所示,为本发明实施例中9个离散驾驶动作的示意图。
在基于本发明上述各车辆驾驶模拟方法的再一个实施例中,还可以包括:
根据模拟车辆是否发生碰撞,对该模拟车辆的模拟驾驶行为进行评测,获得该模拟驾驶行为的评测值。
若模拟车辆没有与建筑物、其他行驶的车辆、行人等发生碰撞,可以根据预先设定的评判标准给出一个正的评测值。若模拟车辆与建筑物、其他行驶的车辆或行人等发生碰撞,可以根据预先设定的评判标准给出给一个负的评测值并结束本次模拟驾驶,该负的评测值的大小可以与模拟车辆在碰撞时的速度相关。
另外,在基于本发明上述各车辆驾驶模拟方法的又一个实施例中,还可以包括:
实时显示模拟车辆的观测量信息,或模拟车辆的观测量信息和模拟驾驶行为的评测值。
在基于本发明上述各车辆驾驶模拟方法的又一个实施例中,还可以包括:
根据模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成当期位置预设范围内的地图并显示,其中的地图可以包括:当期位置预设范围内的全局地图的缩略地图,或者全局地图的局部地图,或者包括全局地图的缩略地图和该全局地图的局部地图。
在基于本发明上述各车辆驾驶模拟方法的再一个实施例中,还可以包括:
根据模拟车辆的当前位置的动态场景和静态场景,实时生成当期位置预设范围内的动画并播放动画。
在基于本发明上述各车辆驾驶模拟方法的再一个实施例中,还可以包括:将实现车辆驾驶模拟方法的模拟装置的时间尺度统一为真实世界的时间尺度,例如模拟器中一秒钟的之间与真实世界一秒钟的时间长度一致。
相应地,实时显示该模拟车辆的观测量信息,或该模拟车辆的观测量信息和模拟驾驶行为的评测值,可以包括:按照统一为真实世界的时间尺度,实时显示模拟车辆的观测量信息,或模拟车辆的观测量信息和模拟驾驶行为的评测值。
根据模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成当期位置预设范围内的地图并显示,可以通过如下方式实现:按照统一为真实世界的时间尺度,根据模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成当期位置预设范围内的地图并显示;或者,根据模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成当期位置预设范围内的地图,并按照统一为真实世界的时间尺度,显示当期位置预设范围内的地图。
根据模拟车辆的当前位置的动态场景和静态场景,实时生成当期位置预设范围内的动画并播放动画,可以通过如下方式实现:按照统一为真实世界的时间尺度,根据模拟车辆的当前位置的动态场景和静态场景,实时生成当期位置预设范围内的动画并播放动画;或者,根据模拟车辆的当前位置的动态场景和静态场景,实时生成当期位置预设范围内的动画,并按照统一为真实世界的时间尺度,播放动画。
本发明实施例可以提供高维车辆驾驶信息和/或低维车辆驾驶信息两种驾驶信息。其中,低维车辆驾驶信息可以包括从安装在模拟车辆上的距离传感器、角度传感器、加速度传感器得到的模拟车辆和路面上其他车辆、道路边沿的距离信息,车头和道路中心线的夹角信息以及汽车的加速度信息。高维车辆驾驶信息为模拟车辆在道路行驶场景的俯视图的纯图像信息。另外,本发明实施例还可以给出模拟车辆周围的障碍物分布图,该障碍物分布图可以通过如下方式获得:以模拟车辆为中心,用该模式车辆上的激光测距雷达顺时针扫描一周得到该模拟车辆与其他车辆及障碍物之间的距离分布图。如图7所示,为本发明实施例中模拟车辆在道路行驶场景的俯视图的一个示例,如图8所示,为本发明实施例中距离分布图的一个示例。
基于本发明实施例,用户可以通过高维车辆驾驶信息和/或低维车辆驾驶信息实时了解模拟车辆的当前行驶状态。通过模拟车辆在道路行驶场景的俯视图或激光雷达扫描获得的距离分布图,将车辆的加速模型以及车辆物理结构加入车辆驾驶模型建模中,使得模拟驾驶更加贴近真实驾驶环境。
图9为本发明实施例中显示界面的一个示例图。如图9所示,可以不同的颜色表示模拟测量和其他目标,虚线代表道路中心线。在环形道路场景下,可以实时显示模拟车辆的速度、获得的评测值、方向盘角度、前轮朝向信息,并且有模拟车辆行驶的全局地图和该全局地图的缩略地图。当地图较大的时候,在主屏幕只显示距离模拟车辆预设距离(例如300米)范围内的局部地图,全局地图在缩略地图中显示。
图10为本发明车辆驾驶模拟方法另一个实施例的流程图。如图10所示,该实施例的车辆驾驶模拟方法包括:
202,根据驾驶环境参数的配置信息生成模拟车辆初始化的动态场景和静态场景。
其中的动态场景包括:模拟车辆的起止位置和运动路线、行驶状态,以及模拟车辆的模拟驾驶环境中运动目标的运动状态。
204,根据静态场景和动态场景中目标的目标类型、大小和运动速度生成初始化的风险区域,包括风险区域的位置和大小,并根据动态场景中运动目标运动状态的变化,动态更新该风险区域。
206,根据动态场景中运动目标的运动状态、模拟车辆的运动路线的起止位置、模拟车辆的行驶状态和控制量,动态更新动态场景,实现模拟车辆的模拟驾驶,在模拟车辆的模拟驾驶过程中,根据控制量控制该模拟车辆执行相应的驾驶动作,并实时检测该模拟车辆的当前位置是否位于风险区域内。
若模拟车辆的当前位置位于风险区域内,检测到模拟车辆发生碰撞,执行操作208。否则,若模拟车辆的当前位置不位于风险区域内,检测到模拟车辆未发生碰撞,执行操作210。
208,结束模拟车辆的本次模拟驾驶,并输出本次模拟驾驶的评测值。
210,根据模拟车辆的观测量和本次模拟驾驶的评测值,调整模拟车辆发生碰撞时的控制量,并将该模拟车辆归位至起点位置,然后重新开始执行操作202。
之后,不执行本实施例的后续流程。
将加速模型以及汽车物理结构(bicycle model)加入汽车驾驶模型建模中,并且在汽车行驶过程中会实时进行碰撞检测,当待训练/测试的车辆和路面上其他车辆,建筑物或者路沿,发生碰撞时会直接重新初始化,返回出发点重新开始训练,更加贴合真实场景。
212,输出本次模拟驾驶的评测值,更新驾驶环境参数的配置信息和模拟车辆的控制量中的至少一项,并针对至少一项更新后的驾驶环境参数的配置信息和模拟车辆的控制量,重新开始执行操作202。
本发明实施例提供的任一种车辆驾驶模拟方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本发明实施例提供的任一种车辆驾驶模拟方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本发明实施例提及的任一种车辆驾驶模拟方法。下文不再赘述。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图11为本发明车辆驾驶模拟装置一个实施例的结构示意图。该实施例的车辆驾驶模拟装置可用于实现本发明上述各车辆驾驶模拟方法实施例。如图11所示,该实施例的车辆驾驶模拟装置包括:场景生成模块,风险区域生成模块,动态更新模块,碰撞检测模块和控制模块。其中:
场景生成模块,用于根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境,该模拟驾驶环境例如可以包括动态场景和静态场景,其中的动态场景可以包括:模拟车辆的起止位置和运动路线、行驶状态,以及模拟车辆的模拟驾驶环境中运动目标的运动状态。另外,场景生成模块,还可以选择性地用于接收驾驶环境参数的配置信息和模拟车辆的控制量,该驾驶环境参数包括动态场景参数和静态场景参数。其中,静态场景参数例如可以包括:驾驶环境的场景类型、道路、建筑物。动态场景参数例如可以包括:模拟车辆所在车道、起止位置和运动路线、行驶状态,驾驶环境的交通灯,驾驶环境中的运动目标的类型、数量、位置和运动速度。
风险区域生成模块,用于根据上述模拟驾驶环境模拟驾驶环境和该模拟车辆的控制量,实现该模拟车辆的模拟驾驶。例如,根据上述静态场景和动态场景中目标的目标类型、大小和运动速度生成风险区域,并根据动态场景中运动目标运动状态的变化,动态更新风险区域。
动态更新模块,用于根据运动目标的运动状态、模拟车辆的运动路线的起止位置、模拟车辆的行驶状态和控制量,动态更新动态场景,实现模拟车辆的模拟驾驶。
在其中一个可选示例中,动态更新模块实现模拟车辆的模拟驾驶时,具体可用于:根据控制量控制模拟车辆执行相应的驾驶动作。其中,驾驶动作可以分为离散驾驶动作和连续驾驶动作。其中,离散驾驶动作可以包括如下9个:不变、加速、减速、右转、左转、加速右转、加速左转、减速右转、减速左转。连续驾驶动作可以包括如下4个:不变、加速、减速、转弯为一个角度值。
碰撞检测模块,用于基于风险区域对模拟车辆进行碰撞检测。
在其中一个可选示例中,碰撞检测模块具体用于:检测模拟车辆的当前位置是否位于风险区域内;若模拟车辆的当前位置位于风险区域内,检测到模拟车辆发生碰撞;否则,若模拟车辆的当前位置不位于风险区域内,检测到模拟车辆未发生碰撞。
控制模块,用于响应于碰撞检测模块检测到模拟车辆发生碰撞,结束模拟车辆的本次模拟驾驶。
基于本发明上述实施例提供的车辆驾驶模拟装置,根据驾驶环境参数的配置信息生成模拟驾驶环境;根据模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据模拟驾驶环境中运动目标运动状态的变化,动态更新风险区域;根据模拟驾驶环境和模拟车辆的控制量,实现模拟车辆的模拟驾驶,并基于风险区域对模拟车辆进行碰撞检测;响应于检测到模拟车辆发生碰撞,结束模拟车辆的本次模拟驾驶。本发明实施例可以通过配置驾驶环境参数的配置信息,模拟任意驾驶环境,来进行模拟车辆的模拟驾驶,并可以在模拟驾驶过程中检测模拟车辆是否发生碰撞,在模拟车辆发生碰撞时,结束模拟车辆的本次模拟驾驶,使得模式驾驶行为更加贴合真实场景。
基于本发明上述示例性实施例提供的车辆驾驶模拟装置,可以通过配置驾驶环境参数的配置信息,设置任意条件的动态场景和静态场景,例如每条道路的每个车道上其他车辆的数目、行驶方向以及速度,过马路行人的数目、速度,以及道路的类型(直道,弯道,十字路口),十字路口交通灯的状态,每个交通灯信号的持续时间等,来进行模拟车辆的模拟驾驶,并可以在模拟驾驶过程中检测模拟车辆是否发生碰撞,在模拟车辆发生碰撞时,结束模拟车辆的本次模拟驾驶,使得模式驾驶行为更加贴合真实场景。
在上述车辆驾驶模拟装置实施例的一个可选示例中,风险区域生成模块具体用于:根据静态场景中目标的目标类型和大小生成静态场景风险区域,以及根据动态场景中运动目标的类型、大小和运动速度、交通灯的状态变化,动态更新动态场景风险区域,该风险区域包括静态场景风险区域和动态场景风险区域。
示例性地,风险区域生成模块可以包括静态场景风险区域生成单元和动态场景风险区域生成单元,其中,静态场景风险区域生成单元用于根据静态场景中目标的目标类型和大小生成静态场景风险区域;动态场景风险区域生成单元,用于根据动态场景中运动目标的类型、大小和运动速度、交通灯的状态变化,动态更新动态场景风险区域,该风险区域包括静态场景风险区域和动态场景风险区域。
示例性地,风险区域生成模块根据动态场景中运动目标的类型、大小和运动速度、交通灯的状态变化,动态更新动态场景风险区域时,具体可用于:根据模拟车辆的运动路线的起止位置、模拟车辆的行驶状态和控制量,实时计算并更新模拟车辆的当前位置和当前行驶状态;根据运动目标的位置和运动速度实时计算并更新运动目标的当前位置和运动速度,并根据运动目标的当前位置、大小和运动速度实时生成并运动目标的风险区域;以及根据模拟车辆的当前位置和驾驶环境的交通灯的配置参数,实时获取模拟车辆所在车道的下一个交通灯的状态;动态场景风险区域包括运动目标的风险区域和下一个交通灯的状态为非通行状态时的禁行区域。
在一个可选示例中,静态场景中的目标可以是:静态场景中与模拟车辆当前位置之间的距离在第一预设距离范围内的目标;动态场景中的运动目标可以是:动态场景中与模拟车辆当前位置之间的距离在第二预设距离范围内的运动目标。
图12为本发明车辆驾驶模拟装置另一个实施例的结构示意图。如图12所示,与上述各实施例的车辆驾驶模拟装置相比,该实施例的车辆驾驶模拟装置还可以包括:获取模块,用于在模拟车辆的模拟驾驶过程中,实时获取模拟车辆的观测量,并根据模拟车辆的观测量更新模拟车辆的控制量。
其中,模拟车辆的观测量可以包括:静态场景和动态场景中的障碍物距离模拟车辆的距离和模拟车辆的行驶状态;模拟车辆的控制量包括:模式车辆的方向盘转动角度和加减速控制信息。另外,模拟车辆的观测量还可以包括:静态场景和动态场景中的障碍物的运动速度、模拟车辆偏离所在车道中心的距离、模拟车辆偏离所在车道中心线方向的角度中的任意一项或多项。
另外,再参见图12,在本发明车辆驾驶模拟装置的又一个实施例中,车辆驾驶模拟装置还可以包括:显示模块,用于实时显示模拟车辆的观测量信息。可选地,该显示模块还可用于根据模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成当期位置预设范围内的地图并显示,该地图包括当期位置预设范围内的全局地图的缩略地图和/或全局地图的局部地图。
另外,再参见图12,在本发明车辆驾驶模拟装置的再一个实施例中,车辆驾驶模拟装置还可以包括:绘图显示模块,用于根据模拟车辆的当前位置的动态场景和静态场景,实时生成当期位置预设范围内的动画并播放动画。
另外,再参见图12,在本发明车辆驾驶模拟装置的另一个实施例中,车辆驾驶模拟装置还可以包括:时间同步模块,用于将实现车辆驾驶模拟装置的模拟装置的时间尺度统一为真实世界的时间尺度。相应地,显示模块具体用于:按照统一为真实世界的时间尺度,实时显示模拟车辆的观测量信息,或模拟车辆的观测量信息和模拟驾驶行为的评测值。
在其中一个可选示例中,显示模块具体用于:按照统一为真实世界的时间尺度,根据模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成当期位置预设范围内的地图并显示;或者,根据模拟车辆的当前位置和该当期位置预设范围内的动态场景和静态场景,实时生成当期位置预设范围内的地图,并按照统一为真实世界的时间尺度,显示当期位置预设范围内的地图。
在另一个可选示例中,绘图显示模块具体用于:按照统一为真实世界的时间尺度,根据模拟车辆的当前位置的动态场景和静态场景,实时生成当期位置预设范围内的动画并播放动画;或者,根据模拟车辆的当前位置的动态场景和静态场景,实时生成当期位置预设范围内的动画,并按照统一为真实世界的时间尺度,播放动画。
图13为本发明车辆驾驶模拟装置又一个实施例的结构示意图。如图13所示,与上述各实施例相比,该实施例的车辆驾驶模拟装置还可以包括:评测模块,用于根据模拟车辆是否发生碰撞,对模拟车辆的模拟驾驶行为进行评测,获得模拟驾驶行为的评测值。
相应地,在该实施例中,显示模块还可以用于显示该模拟车辆的观测量信息和模拟驾驶行为的评测值。
另外,再参见图13,在本发明车辆驾驶模拟装置的进一步实施例中,车辆驾驶模拟装置还可以包括:输出模块和调整模块。其中:
输出模块,用于响应于检测到模拟车辆发生碰撞,输出本次模拟驾驶的评测值。
调整模块,用于在结束模拟车辆的本次模拟驾驶之后,根据模拟车辆的观测量和本次模拟驾驶的评测值,调整模拟车辆发生碰撞时采用的控制量,并由场景生成模块重新执行根据驾驶环境参数的配置信息生成模拟车辆的动态场景和静态场景的操作。
另外,再参见图13,在本发明车辆驾驶模拟装置的进一步实施例中,车辆驾驶模拟装置还可以包括:更新模块,用于若检测到模拟车辆未发生碰撞,更新驾驶环境参数的配置信息和模拟车辆的控制量中的至少一项,并由场景生成模块针对至少一项更新后的驾驶环境参数的配置信息和模拟车辆的控制量,执行根据驾驶环境参数的配置信息生成模拟车辆的动态场景和静态场景的操作。
本发明实施例提供的模拟驾驶装置,不仅将车辆物理模型加入车辆建模,测试场景多样,可以包括高速路场景,城市街道场景中的十字路口、直道、弯道等,同时可以实时进行碰撞检测,显示车辆行驶控制量、支持自定义道路类型并提供纯图像高维信息或速度距离等低维信息。另外,本发明实施例提供的模拟驾驶装置可以对车辆模拟驾驶行为按照预先设定好的评分规则进行评价,可以有效支持基于增强学习的算法在线接入模拟驾驶装置进行训练。
本发明实施例还提供了一种电子设备,包括本发明上述任一实施例的车辆驾驶模拟装置。
本发明实施例还提供了另一种电子设备,包括:
处理器和本发明上述任一实施例的车辆驾驶模拟装置;
在处理器运行车辆驾驶模拟装置时,本发明上述任一实施例的车辆驾驶模拟装置中的单元被运行。
另外,本发明实施例提供的又一种电子设备,包括:处理器、存储器、通信接口和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;
存储器用于存放至少一条可执行指令,可执行指令使处理器执行本发明上述任一实施例的车辆驾驶模拟方法中各步骤的操作。
此外,本发明实施例还提供了一种计算机系统,包括:
存储器,存储可执行指令;
一个或多个处理器,与存储器通信以执行可执行指令从而完成本发明上述任一实施例的车辆驾驶模拟方法中各步骤的操作。
另外,本发明实施例还提供了一种计算机程序,包括计算机可读代码,当该计算机可读代码在设备上运行时,设备中的处理器执行用于实现本发明上述任一实施例的车辆驾驶模拟方法中各步骤的指令。
另外,本发明实施例还提供了一种计算机可读介质,用于存储计算机可读取的指令,其特征在于,指令被执行时实现本发明上述任一实施例的车辆驾驶模拟方法中各步骤的操作。
图14为本发明电子设备一个实施例的结构示意图。下面参考图14,其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电子设备的结构示意图。如图14所示,该电子设备包括一个或多个处理器、通信部等,所述一个或多个处理器例如:一个或多个中央处理单元(CPU)1401,和/或一个或多个图像处理器(GPU)1413等,处理器可以根据存储在只读存储器(ROM)1402中的可执行指令或者从存储部分1408加载到随机访问存储器(RAM)1403中的可执行指令而执行各种适当的动作和处理。通信部1412可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,处理器可与只读存储器1402和/或随机访问存储器1403中通信以执行可执行指令,通过总线1404与通信部1412相连、并经通信部1412与其他目标设备通信,从而完成本申请实施例提供的任一车辆驾驶模拟方法对应的操作,例如,根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境;根据所述模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据所述模拟驾驶环境中运动目标运动状态的变化,动态更新所述风险区域;根据所述模拟驾驶环境和所述模拟车辆的控制量,实现所述模拟车辆的模拟驾驶,并基于所述风险区域对所述模拟车辆进行碰撞检测;响应于检测到所述模拟车辆发生碰撞,结束所述模拟车辆的本次模拟驾驶。
此外,在RAM 1403中,还可存储有装置操作所需的各种程序和数据。CPU1401、ROM1402以及RAM1403通过总线1404彼此相连。在有RAM1403的情况下,ROM1402为可选模块。RAM1403存储可执行指令,或在运行时向ROM1402中写入可执行指令,可执行指令使处理器1401执行上述通信方法对应的操作。输入/输出(I/O)接口1405也连接至总线1404。通信部1412可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在总线链接上。
以下部件连接至I/O接口1405:包括键盘、鼠标等的输入部分1406;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1407;包括硬盘等的存储部分1408;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1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1411也根据需要连接至I/O接口1405。可拆卸介质1411,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1411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1408。
需要说明的,如图14所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图14的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信部可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明公开的保护范围。
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,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令,例如,根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境的指令;根据所述模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据所述模拟驾驶环境中运动目标运动状态的变化,动态更新所述风险区域的指令;根据所述模拟驾驶环境和所述模拟车辆的控制量,实现所述模拟车辆的模拟驾驶,并基于所述风险区域对所述模拟车辆进行碰撞检测的指令;响应于检测到所述模拟车辆发生碰撞,结束所述模拟车辆的本次模拟驾驶的指令。在这样的实施例中,该计算机程序可以通过通信部分1409从网络上被下载和安装,和/或从可拆卸介质1411被安装。在该计算机程序被中央处理单元(CPU)1401执行时,执行本申请的方法中限定的上述功能。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于装置、系统、电子设备实施例而言,由于其与方法实施例基本对应,相关之处相互参见实施例的对应部分说明即可。
可能以许多方式来实现本发明的方法和装置、系统、电子设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、系统、电子设备。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种车辆驾驶模拟方法,其特征在于,包括:
根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境;
根据所述模拟驾驶环境中目标的目标类型、大小和运动速度生成风险区域,并根据所述模拟驾驶环境中运动目标运动状态的变化,动态更新所述风险区域;
根据所述模拟驾驶环境和所述模拟车辆的控制量,实现所述模拟车辆的模拟驾驶,并基于所述风险区域对所述模拟车辆进行碰撞检测;
响应于检测到所述模拟车辆发生碰撞,结束所述模拟车辆的本次模拟驾驶。
2.根据权利要求1所述的方法,其特征在于,还包括:
接收所述驾驶环境参数的配置信息和所述模拟车辆的控制量,所述驾驶环境参数包括动态场景参数和静态场景参数;
所述根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境,包括:根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境,所述模拟驾驶环境包括动态场景和静态场景。
3.根据权利要求2所述的方法,其特征在于,所述静态场景参数包括:所述驾驶环境的场景类型、道路、建筑物;
所述动态场景参数包括:所述模拟车辆所在车道、起止位置和运动路线、行驶状态,所述驾驶环境的交通灯,所述驾驶环境中的运动目标的类型、数量、位置和运动速度;所述动态场景包括:所述模拟车辆的起止位置和运动路线、行驶状态,以及所述模拟车辆的模拟驾驶环境中运动目标的运动状态。
4.一种车辆驾驶模拟装置,其特征在于,包括:
场景生成模块,用于根据驾驶环境参数的配置信息生成模拟车辆的模拟驾驶环境;
风险区域生成模块,用于根据所述静态场景和所述动态场景中目标的目标类型、大小和运动速度生成风险区域,并根据所述动态场景中运动目标运动状态的变化,动态更新所述风险区域;
动态更新模块,用于根据所述模拟驾驶环境和所述模拟车辆的控制量,实现所述模拟车辆的模拟驾驶;
碰撞检测模块,用于基于所述风险区域对所述模拟车辆进行碰撞检测;
控制模块,用于响应于所述碰撞检测模块检测到所述模拟车辆发生碰撞,结束所述模拟车辆的本次模拟驾驶。
5.一种电子设备,其特征在于,包括:权利要求4所述的车辆驾驶模拟装置。
6.一种电子设备,其特征在于,包括:
处理器和权利要求4所述的车辆驾驶模拟装置;
在处理器运行所述车辆驾驶模拟装置时,权利要求4所述的车辆驾驶模拟装置中的单元被运行。
7.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行权利要求1-3任一所述的车辆驾驶模拟方法中各步骤的操作。
8.一种计算机系统,其特征在于,包括:
存储器,存储可执行指令;
一个或多个处理器,与存储器通信以执行可执行指令从而完成权利要求1-3任一所述的车辆驾驶模拟方法中各步骤的操作。
9.一种计算机程序,包括计算机可读代码,其特征在于,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现权利要求1-3任一所述的车辆驾驶模拟方法中各步骤的指令。
10.一种计算机可读介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时实现权利要求1-3任一所述的车辆驾驶模拟方法中各步骤的操作。
CN201711242310.4A 2017-11-30 2017-11-30 车辆驾驶模拟方法和装置、电子设备、系统、程序和介质 Active CN108230817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711242310.4A CN108230817B (zh) 2017-11-30 2017-11-30 车辆驾驶模拟方法和装置、电子设备、系统、程序和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711242310.4A CN108230817B (zh) 2017-11-30 2017-11-30 车辆驾驶模拟方法和装置、电子设备、系统、程序和介质

Publications (2)

Publication Number Publication Date
CN108230817A true CN108230817A (zh) 2018-06-29
CN108230817B CN108230817B (zh) 2020-09-22

Family

ID=62653100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711242310.4A Active CN108230817B (zh) 2017-11-30 2017-11-30 车辆驾驶模拟方法和装置、电子设备、系统、程序和介质

Country Status (1)

Country Link
CN (1) CN108230817B (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108646718A (zh) * 2018-07-03 2018-10-12 吉林大学 汽车智能限速控制系统的检测设备
CN108648555A (zh) * 2018-07-03 2018-10-12 京东方科技集团股份有限公司 一种智能行车训练装置、系统及方法
CN109164785A (zh) * 2018-08-24 2019-01-08 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
CN109358620A (zh) * 2018-09-30 2019-02-19 北京金山安全软件有限公司 一种使用机器人赛车的方法、装置、电子设备及存储介质
CN109839106A (zh) * 2019-02-22 2019-06-04 上海蔚来汽车有限公司 驾驶模拟系统、车载信息娱乐系统的评估方法及系统
CN109887372A (zh) * 2019-04-16 2019-06-14 北京中公高远汽车试验有限公司 驾驶培训模拟方法、电子设备及存储介质
CN110428693A (zh) * 2019-07-31 2019-11-08 驭势科技(北京)有限公司 用户驾驶习惯培训方法、培训模块、车载设备及存储介质
CN110471535A (zh) * 2019-09-09 2019-11-19 北京精英智通科技股份有限公司 一种模拟驾驶交互方法、装置及设备和存储介质
CN110673595A (zh) * 2018-12-29 2020-01-10 长城汽车股份有限公司 车辆自动驾驶时避障的方法、系统及车辆
CN110750052A (zh) * 2019-09-30 2020-02-04 奇点汽车研发中心有限公司 驾驶模型的训练方法和装置、电子设备和介质
CN110795818A (zh) * 2019-09-12 2020-02-14 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
CN110929369A (zh) * 2018-08-31 2020-03-27 罗伯特·博世有限公司 用于运行自动化车辆的方法和设备以及存储介质
CN110992764A (zh) * 2019-12-27 2020-04-10 北京和利时电机技术有限公司 模拟驾驶控制系统、方法、装置和可读存储介质
CN111338232A (zh) * 2020-02-26 2020-06-26 杭州飞步科技有限公司 自动驾驶仿真方法及装置
CN111489588A (zh) * 2020-03-30 2020-08-04 腾讯科技(深圳)有限公司 车辆驾驶风险预警方法及装置、设备、存储介质
CN111707475A (zh) * 2019-03-18 2020-09-25 上海汽车集团股份有限公司 一种交通流模拟干扰测试方法及装置
CN111721311A (zh) * 2019-03-22 2020-09-29 北京京东尚科信息技术有限公司 碰撞验证方法和装置
CN111816022A (zh) * 2020-02-07 2020-10-23 北京嘀嘀无限科技发展有限公司 一种模拟场景的仿真方法、装置、存储介质以及电子设备
CN112034834A (zh) * 2019-05-15 2020-12-04 百度(美国)有限责任公司 使用强化学习来加速自动驾驶车辆的轨迹规划的离线代理
CN112230565A (zh) * 2020-10-28 2021-01-15 腾讯科技(深圳)有限公司 车辆的模拟驾驶方法、装置、电子设备及计算机可读存储介质
CN112345272A (zh) * 2021-01-11 2021-02-09 北京赛目科技有限公司 一种场景库的自动驾驶仿真测试方法及装置
CN112654933A (zh) * 2018-08-31 2021-04-13 罗伯特·博世有限公司 计算机实现的用于测试控制设备的模拟方法和装置
WO2021088504A1 (zh) * 2019-11-07 2021-05-14 北京市商汤科技开发有限公司 路口检测、神经网络训练及智能行驶方法、装置和设备
CN112987711A (zh) * 2019-11-30 2021-06-18 华为技术有限公司 自动驾驶规控算法优化方法及仿真测试装置
WO2022165811A1 (zh) * 2021-02-07 2022-08-11 华为技术有限公司 一种仿真方法以及相关设备
CN115777088A (zh) * 2020-12-17 2023-03-10 移动眼视力科技有限公司 车辆运行安全模型测试系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872559A (zh) * 2010-06-08 2010-10-27 广东工业大学 一种面向汽车驾驶模拟器的虚拟驾驶主动安全预警系统及预警方法
CN103223911A (zh) * 2012-01-30 2013-07-31 日立民用电子株式会社 车辆用碰撞危险预测装置
KR20160032397A (ko) * 2014-09-15 2016-03-24 한국철도기술연구원 피알티 차량용 주행 시뮬레이터
US20170123428A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Sensor-based object-detection optimization for autonomous vehicles
US20170124781A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Calibration for autonomous vehicle operation
WO2017079311A1 (en) * 2015-11-04 2017-05-11 Zoox, Inc. Resilient safety system for a robotic vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872559A (zh) * 2010-06-08 2010-10-27 广东工业大学 一种面向汽车驾驶模拟器的虚拟驾驶主动安全预警系统及预警方法
CN103223911A (zh) * 2012-01-30 2013-07-31 日立民用电子株式会社 车辆用碰撞危险预测装置
KR20160032397A (ko) * 2014-09-15 2016-03-24 한국철도기술연구원 피알티 차량용 주행 시뮬레이터
US20170123428A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Sensor-based object-detection optimization for autonomous vehicles
US20170124781A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Calibration for autonomous vehicle operation
WO2017079311A1 (en) * 2015-11-04 2017-05-11 Zoox, Inc. Resilient safety system for a robotic vehicle

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐国明: ""无人驾驶汽车半物理仿真系统的设计"", 《中国博士学位论文全文数据库 工程科技II辑》 *

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108648555A (zh) * 2018-07-03 2018-10-12 京东方科技集团股份有限公司 一种智能行车训练装置、系统及方法
CN108646718B (zh) * 2018-07-03 2023-11-10 吉林大学 汽车智能限速控制系统的检测设备
CN108646718A (zh) * 2018-07-03 2018-10-12 吉林大学 汽车智能限速控制系统的检测设备
CN109164785A (zh) * 2018-08-24 2019-01-08 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
CN112654933A (zh) * 2018-08-31 2021-04-13 罗伯特·博世有限公司 计算机实现的用于测试控制设备的模拟方法和装置
CN110929369A (zh) * 2018-08-31 2020-03-27 罗伯特·博世有限公司 用于运行自动化车辆的方法和设备以及存储介质
CN109358620A (zh) * 2018-09-30 2019-02-19 北京金山安全软件有限公司 一种使用机器人赛车的方法、装置、电子设备及存储介质
CN110673595A (zh) * 2018-12-29 2020-01-10 长城汽车股份有限公司 车辆自动驾驶时避障的方法、系统及车辆
CN109839106B (zh) * 2019-02-22 2021-07-23 上海蔚来汽车有限公司 驾驶模拟系统、车载信息娱乐系统的评估方法及系统
CN109839106A (zh) * 2019-02-22 2019-06-04 上海蔚来汽车有限公司 驾驶模拟系统、车载信息娱乐系统的评估方法及系统
CN111707475A (zh) * 2019-03-18 2020-09-25 上海汽车集团股份有限公司 一种交通流模拟干扰测试方法及装置
CN111721311A (zh) * 2019-03-22 2020-09-29 北京京东尚科信息技术有限公司 碰撞验证方法和装置
CN109887372A (zh) * 2019-04-16 2019-06-14 北京中公高远汽车试验有限公司 驾驶培训模拟方法、电子设备及存储介质
CN112034834A (zh) * 2019-05-15 2020-12-04 百度(美国)有限责任公司 使用强化学习来加速自动驾驶车辆的轨迹规划的离线代理
CN110428693A (zh) * 2019-07-31 2019-11-08 驭势科技(北京)有限公司 用户驾驶习惯培训方法、培训模块、车载设备及存储介质
CN110471535B (zh) * 2019-09-09 2023-08-29 北京精英智通科技股份有限公司 一种模拟驾驶交互方法、装置及设备和存储介质
CN110471535A (zh) * 2019-09-09 2019-11-19 北京精英智通科技股份有限公司 一种模拟驾驶交互方法、装置及设备和存储介质
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
CN110795818A (zh) * 2019-09-12 2020-02-14 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
CN110750052A (zh) * 2019-09-30 2020-02-04 奇点汽车研发中心有限公司 驾驶模型的训练方法和装置、电子设备和介质
WO2021088504A1 (zh) * 2019-11-07 2021-05-14 北京市商汤科技开发有限公司 路口检测、神经网络训练及智能行驶方法、装置和设备
CN112987711A (zh) * 2019-11-30 2021-06-18 华为技术有限公司 自动驾驶规控算法优化方法及仿真测试装置
CN110992764A (zh) * 2019-12-27 2020-04-10 北京和利时电机技术有限公司 模拟驾驶控制系统、方法、装置和可读存储介质
CN111816022A (zh) * 2020-02-07 2020-10-23 北京嘀嘀无限科技发展有限公司 一种模拟场景的仿真方法、装置、存储介质以及电子设备
CN111338232B (zh) * 2020-02-26 2023-09-05 杭州飞步科技有限公司 自动驾驶仿真方法及装置
CN111338232A (zh) * 2020-02-26 2020-06-26 杭州飞步科技有限公司 自动驾驶仿真方法及装置
CN111489588A (zh) * 2020-03-30 2020-08-04 腾讯科技(深圳)有限公司 车辆驾驶风险预警方法及装置、设备、存储介质
CN111489588B (zh) * 2020-03-30 2024-01-09 腾讯科技(深圳)有限公司 车辆驾驶风险预警方法及装置、设备、存储介质
CN112230565A (zh) * 2020-10-28 2021-01-15 腾讯科技(深圳)有限公司 车辆的模拟驾驶方法、装置、电子设备及计算机可读存储介质
CN115777088A (zh) * 2020-12-17 2023-03-10 移动眼视力科技有限公司 车辆运行安全模型测试系统
CN112345272A (zh) * 2021-01-11 2021-02-09 北京赛目科技有限公司 一种场景库的自动驾驶仿真测试方法及装置
WO2022165811A1 (zh) * 2021-02-07 2022-08-11 华为技术有限公司 一种仿真方法以及相关设备

Also Published As

Publication number Publication date
CN108230817B (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN108230817A (zh) 车辆驾驶模拟方法和装置、电子设备、系统、程序和介质
Dosovitskiy et al. CARLA: An open urban driving simulator
JP6832421B2 (ja) シミュレーションに基づく自動運転車の感知要求の評価方法
JP6757820B2 (ja) 重み付け幾何学的コストを有する区分的螺旋曲線を使用した基準線平滑化方法
Martinez et al. Beyond grand theft auto V for training, testing and enhancing deep learning in self driving cars
CN109947090A (zh) 用于自动驾驶车辆规划的非阻塞边界
CN110377024A (zh) 用于自动驾驶车辆的自动数据标注
CN109215433A (zh) 用于自动驾驶仿真的基于视觉的驾驶场景生成器
Mueller et al. Ue4sim: A photo-realistic simulator for computer vision applications
US20230150550A1 (en) Pedestrian behavior prediction with 3d human keypoints
GB2544391A (en) Virtual, road-surface-perception test bed
CN110750052A (zh) 驾驶模型的训练方法和装置、电子设备和介质
US20180011954A1 (en) Virtual Sensor-Data-Generation System and Method Supporting Development of Algorithms Facilitating Navigation of Railway Crossings in Varying Weather Conditions
US11899462B2 (en) Motion-plan validator for autonomous vehicle
CN111752258A (zh) 自主车辆的操作测试
Wong et al. Testing the safety of self-driving vehicles by simulating perception and prediction
CN105151044B (zh) 车辆辅助驾驶方法及装置
Yu et al. Autonomous vehicles digital twin: A practical paradigm for autonomous driving system development
CN110389582A (zh) 利用多个线索跟踪对象
Paranjape et al. A modular architecture for procedural generation of towns, intersections and scenarios for testing autonomous vehicles
JP2022129175A (ja) 車両評価方法及び車両評価装置
Sulkowski et al. In search of the ultimate autonomous driving simulator
CN115158309A (zh) 使用上下文敏感融合的因素轨迹预测
Tianwu et al. Virtual reality based independent travel training system for children with intellectual disability
Weaver The new driver's ED: Game developers teach Cruise's autonomous vehicles to understand gestures made by people on the street

Legal Events

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