CN109085764A - 无人驾驶仿真场景的创建方法及装置 - Google Patents
无人驾驶仿真场景的创建方法及装置 Download PDFInfo
- Publication number
- CN109085764A CN109085764A CN201810821432.7A CN201810821432A CN109085764A CN 109085764 A CN109085764 A CN 109085764A CN 201810821432 A CN201810821432 A CN 201810821432A CN 109085764 A CN109085764 A CN 109085764A
- Authority
- CN
- China
- Prior art keywords
- road
- unmanned
- sub
- road type
- map
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例提供一种无人驾驶仿真场景的创建方法及装置。该方法包括:确定各无人驾驶仿真场景所对应的道路类型,道路类型中包含用于完成无人驾驶仿真场景所需的道路描述;根据道路类型中所包含的道路描述在地图上进行道路标记;根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,子图集中包含道路类型以及道路地图数据。本发明实施例的方法,提高了创建无人驾驶仿真场景的效率。
Description
技术领域
本发明实施例涉及计算机应用技术领域,尤其涉及一种无人驾驶仿真场景的创建方法及装置。
背景技术
无人驾驶汽车,即无人车,是一种集自动控制、视觉计算、体系结构等众多技术于一体的智能汽车,主要依靠车内的以计算机系统为主的驾驶控制系统来实现无人驾驶,在民用及军用等众多领域中有着广阔的应用前景。为了提高无人车的安全性,使其能够满足应用需求,对其进行大量测试是必不可少的。现有对于无人车的测试方式主要包括:构建无人车测试基地进行测试、在真实道路环境中进行测试、仿真测试等。相较于构建无人车测试基地进行测试,以及在真实道路环境中进行测试的高成本、高风险,仿真测试以其低成本、零风险成为无人车测试的一个重要手段。
进行无人车仿真测试,首先需要创建无人驾驶仿真场景。地图是仿真场景创建依赖的基础,现有的无人驾驶仿真场景创建使用原始地图数据,通过人工查找符合仿真场景要求的道路位置,并依据仿真场景描述的主车和障碍车的位置及运动关系,通过界面操作分别完成主车和障碍车的行驶起始点、终止点及障碍车运行中的轨迹及速度设置。创建大量仿真场景时,需要人工进行多次查找。
综上所述,现有无人驾驶仿真场景的创建方法创建仿真场景的效率低,无法满足无人车测试中所需的大量的、更新频率较高的仿真场景需求。
发明内容
本发明实施例提供一种无人驾驶仿真场景的创建方法及装置,用以解决现有无人驾驶仿真场景创建效率低的问题。
第一方面,本发明实施例提供一种无人驾驶仿真场景的创建方法,包括:
确定各无人驾驶仿真场景所对应的道路类型,道路类型中包含用于完成无人驾驶仿真场景所需的道路描述;
根据道路类型中所包含的道路描述在地图上进行道路标记;
根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,子图集中包含道路类型以及道路地图数据。
在一种可能的实现方式中,道路类型,包括下述一种或者多种道路描述:
有无红绿灯、十字路口、丁字路口、单向单车道、单向双车道、单向三车道、直行路,有无人行道、左转专用道、右转专用道。
在一种可能的实现方式中,根据道路类型中所包含的道路描述在地图上进行道路标记,包括下述标记过程中的一种或多种:
对地图上的每一个路口进行标记;
根据进入路口的四个方向的道路个数标记该路口是十字路还是丁字路;
根据道路单向车道的个数标记该车道是单向单车道、单向双车道还是单向三车道;
对任何两个不包含其它路口的路口之间的路段标记为直行路;
根据路口周边元素是否包含左转专用道标记或者右转专用道标记,将车道标记左转专用道或者右转专用道;
根据路口周边元素是否包含人行道标记,将道路标记为人行道。
在一种可能的实现方式中,根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,包括:
针对每种道路类型,从进行了道路标记的地图中截取满足该道路类型的需求的子图;
将满足该道路类型的需求的全部子图与该道路类型进行关联存储,形成与各无人驾驶仿真场景对应的子图集。
在一种可能的实现方式中,从进行了道路标记的地图中截取满足该道路类型的需求的子图,包括:
根据预设的截取控制参数,从进行了道路标记的地图中截取满足该道路类型的需求的子图。
在一种可能的实现方式中,预设的截取控制参数,包括下述参数中的一种或多种:
子图中心点位置、子图面积大小、子图形状。
在一种可能的实现方式中,根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集之后,还包括:
接收输入的无人驾驶场景信息;
根据无人驾驶场景信息,确定道路类型;
确定与道路类型对应的子图集;
采用子图集进行无人驾驶场景的创建。
在一种可能的实现方式中,确定与道路类型对应的子图集之前,还包括:
获取子图集的过滤需求;
确定与道路类型对应的子图集,包括:
根据过滤需求对子图集进行过滤,得到过滤后的子图集。
在一种可能的实现方式中,根据过滤需求对子图集进行过滤,得到过滤后的子图集,包括:
根据过滤需求对子图集中的道路地图数据进行解析,确定不满足过滤需求的子图,并将子图从子图集中过滤掉,得到过滤后的子图集。
第二方面,本发明实施例提供一种无人驾驶仿真场景的创建装置,包括:
确定模块,用于确定各无人驾驶仿真场景所对应的道路类型,道路类型中包含用于完成无人驾驶仿真场景所需的道路描述;
标记模块,用于根据道路类型中所包含的道路描述在地图上进行道路标记;
分解模块,用于根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,子图集中包含道路类型以及道路地图数据。
第三方面,本发明实施例提供一种电子设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如第一方面任一项所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如第一方面任一项所述的方法。
本发明实施例提供的无人驾驶仿真场景的创建方法及装置,通过确定各无人驾驶仿真场景所对应的道路类型,根据道路类型中所包含的道路描述在地图上进行道路标记,根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,子图集中包含道路类型以及道路地图数据。一个子图集中包括了大量符合无人驾驶仿真场景要求的道路位置,创建大量仿真场景时无需再通过人工进行多次查找,提高了无人驾驶仿真场景的创建效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为本发明提供的无人驾驶仿真场景的创建方法一实施例的流程图;
图2为本发明提供的无人驾驶仿真场景的创建方法又一实施例的流程图;
图3为本发明提供的地图分解一实施例的示意图;
图4为本发明提供的无人驾驶仿真场景的创建装置一实施例的结构示意图;
图5为本发明提供的电子设备一实施例的结构示意图。
通过上述附图,已示出本发明明确的实施例,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发明构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
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发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明的说明书和权利要求书中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明中的“第一”和“第二”只起标识作用,而不能理解为指示或暗示顺序关系、相对重要性或者隐含指明所指示的技术特征的数量。“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本发明的说明书中通篇提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
需要说明的是,在本发明各实施例中,主车表示待测试的无人车,障碍车表示对主车进行干扰的车辆。
图1为本发明提供的无人驾驶仿真场景的创建方法一实施例的流程图。如图1所示,本实施例提供的方法可以包括:
步骤S101、确定各无人驾驶仿真场景所对应的道路类型,道路类型中包含用于完成无人驾驶仿真场景所需的道路描述。
对无人车进行测试是为了测试无人车应对各种情况的性能,以便进行改进,提高无人车的安全性。因此,无人驾驶仿真场景需要尽可能的覆盖所有情况,避免漏测。
可选的,道路类型可以包括下述一种或者多种道路描述:
有无红绿灯、十字路口、丁字路口、单向单车道、单向双车道、单向三车道、直行路,有无人行道、左转专用道、右转专用道。
道路类型可以是上述道路描述的组合。例如,道路类型可以是有红绿灯的十字路、单向双车道的直行路、有人行道的丁字路等。
举例来说,当无人驾驶仿真场景为障碍车从主车左后方进行超车,则用于完成该无人驾驶仿真场景创建的道路类型可以为单向车道数大于2的直行路。
步骤S102、根据道路类型中所包含的道路描述在地图上进行道路标记。
可选的,根据道路类型中所包含的道路描述在地图上进行道路标记,可以包括下述标记过程中的一种或多种:
对地图上的每一个路口进行标记。如可以根据该路口是否设置有红绿灯,将该路口标记为有/无红绿灯的路口。
根据进入路口的四个方向的道路个数标记该路口是十字路还是丁字路。可选的,还可以根据进入路口的各个方向的道路个数进行标记,如进入一个路口的道路个数为五个,可以标记该路口为五岔路。
根据道路单向车道的个数标记该车道是单向单车道、单向双车道还是单向三车道。可选的,还可以根据双向车道的个数进行标记,如双向双车道、双向四车道、双向六车道等。
对任何两个不包含其它路口的路口之间的路段标记为直行路。
可以根据路口周边元素是否包含左转专用道标记或者右转专用道标记,将车道标记左转专用道或者右转专用道。
可以根据路口周边元素是否包含人行道标记,将道路标记为人行道。
可以根据道路是否设置了单行标志进行标记,若设置了,则可以将道路标记为单行路。
为了使仿真测试能够真实反映主车的自动驾驶能力,本实施例中的地图可以选取真实道路地图,如可以选取各个城市的道路地图数据用于进行测试。
步骤S103、根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,子图集中包含道路类型以及道路地图数据。
可选的,根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,可以包括:
针对每种道路类型,从进行了道路标记的地图中截取满足该道路类型的需求的子图。
可选的,可以根据预设的截取控制参数,从进行了道路标记的地图中截取满足该道路类型的需求的子图。
可选的,预设的截取控制参数,可以包括下述参数中的一种或多种:
子图中心点位置、子图面积大小、子图形状。
例如,当根据待测试无人驾驶仿真场景确定的道路类型为有红绿的十字路时,可以先从进行了道路标记的地图中选取所有标记为十字路的路段,然后再从其中筛选出有红绿灯的路段,截取所需的子图。可以选取十字路中两条道路交叉点作为子图中心点的位置,可以设置截取子图的形状为正方形、长方形、圆形等,可以通过设置截取的子图沿十字路口向四个方向延伸预设距离对子图面积进行设置。
将满足该道路类型的需求的全部子图与该道路类型进行关联存储,形成与各无人驾驶仿真场景对应的子图集。
例如,对进行了道路标记的地图进行分解,可以得到如下子图集:
子图集1:{无红绿灯十字路:[道路11:(map_data_11),...,道路1n:(map_data_1n)]};
子图集2:{有红绿灯有人行道丁字路:[道路21:(map_data_21),...,道路2m:(map_data_2m)]};
子图集3:{直行路:[道路31:(map_data_31),...,道路3p:(map_data_3p)]};
子图集4:{有红绿灯十字路:[道路41:(map_data_41),...,道路4q:(map_data_4q)]}。
可以理解的是,不同道路类型对应的子图集所包括的道路数据之间可以出现重叠。例如,子图集3中包括的直行路31正好是子图集4中包括的有红绿灯十字路41和42两个路口之间的路段,则31可以分别与41和42有部分重叠。
需要说明的是,在本发明实施例中,对于一份原始地图数据,只需进行一次道路标记,对进行了道路标记的地图只需执行一次地图分解,后续在进行无人驾驶仿真场景创建时,只需确定该无人驾驶仿真场景所需的道路类型,然后根据确定的道路类型选取相应的子图集,进行无人驾驶仿真场景的创建,提高了创建仿真场景的效率
下面通过一个具体的例子来说明本实施例提供的方法如何提高无人驾驶仿真场景的创建效率。
例如,对于某个无人驾驶仿真场景需要进行1000次不同道路位置的仿真测试,现有技术则需要通过人工查找1000个符合无人驾驶仿真场景要求的道路位置,工作量大,时间周期长,效率低,且在道路位置的确定上容易受技术人员的主观意愿影响。
而本实施例提供的方法,只需确定该无人驾驶仿真场景所需的道路类型,假如该无人驾驶仿真场景所需道路类型为直行路,则可以选取经分解得到的子图集3,从子图集3中所包括的p个道路位置中,选取1000个不同的道路位置进行仿真测试。提高了无人驾驶仿真场景的创建效率。具体的,可以在子图集中随机选取1000个不同的道路位置,用于创建无人驾驶仿真场景,避免了技术人员主观意愿的影响,使得测试更加客观。
本实施例提供的无人驾驶仿真场景的创建方法,通过确定各无人驾驶仿真场景所对应的道路类型,根据道路类型中所包含的道路描述在地图上进行道路标记,根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,子图集中包含道路类型以及道路地图数据。一个子图集中包括了大量符合无人驾驶仿真场景要求的道路位置,创建大量仿真场景时无需再通过人工进行多次查找,提高了无人驾驶仿真场景的创建效率。
在上述实施例的基础上,可选的,在根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集之后,还可以包括:
接收输入的无人驾驶场景信息。
根据无人驾驶场景信息,确定道路类型。例如,当接收到的无人驾驶场景信息为障碍车从右后方对主车进行超车,则确定道路类型为直行路;当接收到的无人驾驶场景信息为测试主车在十字路口对于信号灯的响应性能,则确定道路类型为有红绿灯的十字路。
确定与道路类型对应的子图集。例如,当确定道路类型为直行路,则确定与之对应的子图集为子图集3;当确定道路类型为有红绿灯的十字路,则确定与之对应的子图集为子图集4。
采用子图集进行无人驾驶场景的创建。使用选定的子图集,创建所需的无人驾驶仿真场景。
可选的,在确定与道路类型对应的子图集之前,还可以包括:
获取子图集的过滤需求。例如,对于障碍车右后方超越主车的场景,根据障碍车的运行轨迹以及行驶速度,经计算确定完成超车场景需要的直行路的长度需要大于500米,因此在该仿真场景下,子图集的过滤需求为长度大于500米。
确定与道路类型对应的子图集,包括:
根据过滤需求对子图集进行过滤,得到过滤后的子图集。将子图集3中所有长度小于等于500米的路段过滤掉,过滤后的子图集中的所有路段的长度都大于500米,满足创建场景的需求。
可选的,根据过滤需求对子图集进行过滤,得到过滤后的子图集,可以包括:
根据过滤需求对子图集中的道路地图数据进行解析,确定不满足过滤需求的子图,并将子图从子图集中过滤掉,得到过滤后的子图集。
在上述实施例的基础上,本实施例对上述实施例进行结合。图2为本发明提供的无人驾驶仿真场景的创建方法又一实施例的流程图。如图2所示,本实施例提供的方法可以包括:
步骤S201、接收输入的无人驾驶场景信息。
步骤S202、根据无人驾驶场景信息,确定道路类型。
步骤S203、根据预先获取的子图集合,确定与道路类型对应的子图集。所述预先获取的子图集合,是根据各无人驾驶仿真场景所对应的道路类型对进行了道路标记的地图进行分解所获取的,覆盖了各个无人驾驶仿真场景所需的道路类型。
步骤S204、获取子图集的过滤需求,根据过滤需求对子图集进行过滤,得到过滤后的子图集。
步骤S205、采用过滤后的子图集进行无人驾驶场景的创建。
本实施例提供的无人驾驶仿真场景的创建方法,通过根据接收到的无人驾驶场景信息,确定道路类型,并在预先获取的子图集合中确定与该道路类型对应的子图集,并根据过滤需求对该子图集进行过滤,采用过滤后的子图集进行无人驾驶场景的创建,提高了无人驾驶仿真场景的创建效率。
图3为本发明提供的地图分解一实施例的示意图。如图3所示,通过根据道路类型中所包含的道路描述在原始地图上进行道路标记,本实施例中从进行了道路标记的原始地图分解得到了直行路子图集、有红绿灯的十字路子图集和无红绿灯的十字路子图集。本实施例仅仅是一种示意,并不对本发明形成任何限制。各子图中心点位置、子图面积大小、子图形状可以根据需要进行设置。
本发明实施例还提供一种无人驾驶仿真场景的创建装置,请参见图4所示,本发明实施例仅以图4为例进行说明,并不表示本发明仅限于此。图4为本发明提供的无人驾驶仿真场景的创建装置一实施例的结构示意图。如图4所示,本实施例提供的无人驾驶仿真场景的创建装置40可以包括:确定模块401、标记模块402和分解模块403。
确定模块401,用于确定各无人驾驶仿真场景所对应的道路类型,道路类型中包含用于完成无人驾驶仿真场景所需的道路描述。
标记模块402,用于根据道路类型中所包含的道路描述在地图上进行道路标记。
分解模块403,用于根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集,子图集中包含道路类型以及道路地图数据。
本实施例的装置,可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
可选的,道路类型可以包括下述一种或者多种道路描述:有无红绿灯、十字路口、丁字路口、单向单车道、单向双车道、单向三车道、直行路,有无人行道、左转专用道、右转专用道。
可选的,标记模块402具体可以用于下述标记过程中的一种或多种:
对地图上的每一个路口进行标记;
根据进入路口的四个方向的道路个数标记该路口是十字路还是丁字路;
根据道路单向车道的个数标记该车道是单向单车道、单向双车道还是单向三车道;
对任何两个不包含其它路口的路口之间的路段标记为直行路;
根据路口周边元素是否包含左转专用道标记或者右转专用道标记,将车道标记左转专用道或者右转专用道;
根据路口周边元素是否包含人行道标记,将道路标记为人行道。
可选的,分解模块403具体可以用于,
针对每种道路类型,从进行了道路标记的地图中截取满足该道路类型的需求的子图;
将满足该道路类型的需求的全部子图与该道路类型进行关联存储,形成与各无人驾驶仿真场景对应的子图集。
可选的,从进行了道路标记的地图中截取满足该道路类型的需求的子图,可以包括:
根据预设的截取控制参数,从进行了道路标记的地图中截取满足该道路类型的需求的子图。
可选的,预设的截取控制参数可以包括下述参数中的一种或多种:
子图中心点位置、子图面积大小、子图形状。
可选的,根据道路类型对进行了道路标记的地图进行分解,得到与各无人驾驶仿真场景对应的子图集之后,还可以包括:
接收输入的无人驾驶场景信息;
根据无人驾驶场景信息,确定道路类型;
确定与道路类型对应的子图集;
采用子图集进行无人驾驶场景的创建。
可选的,确定与道路类型对应的子图集之前,还可以包括:
获取子图集的过滤需求;
确定与道路类型对应的子图集,包括:
根据过滤需求对子图集进行过滤,得到过滤后的子图集。
可选的,根据过滤需求对子图集进行过滤,得到过滤后的子图集,可以包括:
根据过滤需求对子图集中的道路地图数据进行解析,确定不满足过滤需求的子图,并将子图从子图集中过滤掉,得到过滤后的子图集。
本发明实施例还提供一种电子设备,请参见图5所示,本发明实施例仅以图5为例进行说明,并不表示本发明仅限于此。图5为本发明提供的电子设备一实施例的结构示意图。该电子设备可以是终端设备,如计算机、平板设备、个人数字助理等;还可以是网络设备,包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机组成的一个超级虚拟计算机。如图5所示,本实施例提供的电子设备50可以包括:存储器501、处理器502和总线503。其中,总线503用于实现各元件之间的连接。
存储器501中存储有计算机程序,计算机程序被处理器502执行时可以实现上述任一方法实施例提供的无人驾驶仿真场景的创建方法的技术方案。
其中,存储器501和处理器502之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接,如可以通过总线503连接。存储器501中存储有实现无人驾驶仿真场景的创建方法的计算机程序,包括至少一个可以软件或固件的形式存储于存储器501中的软件功能模块,处理器502通过运行存储在存储器501内的软件程序以及模块,从而执行各种功能应用以及数据处理。
存储器501可以是,但不限于,随机存取存储器(Random Access Memory,简称:RAM),只读存储器(Read Only Memory,简称:ROM),可编程只读存储器(ProgrammableRead-Only Memory,简称:PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,简称:EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,简称:EEPROM)等。其中,存储器501用于存储程序,处理器502在接收到执行指令后,执行程序。进一步地,上述存储器501内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通信,从而提供其他软件组件的运行环境。
处理器502可以是一种集成电路芯片,具有信号的处理能力。上述的处理器502可以是通用处理器,包括中央处理器(Central Processing Unit,简称:CPU)、网络处理器(Network Processor,简称:NP)等。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。可以理解,图5的结构仅为示意,还可以包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件和/或软件实现。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时可以实现上述任一方法实施例提供的无人驾驶仿真场景的创建方法。本实施例中的计算机可读存储介质可以是计算机能够存取的任何可用介质,或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备,可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如SSD)等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种无人驾驶仿真场景的创建方法,其特征在于,包括:
确定各无人驾驶仿真场景所对应的道路类型,所述道路类型中包含用于完成无人驾驶仿真场景所需的道路描述;
根据所述道路类型中所包含的道路描述在地图上进行道路标记;
根据所述道路类型对进行了道路标记的地图进行分解,得到与所述各无人驾驶仿真场景对应的子图集,所述子图集中包含道路类型以及道路地图数据。
2.根据权利要求1所述的方法,其特征在于,所述道路类型,包括下述一种或者多种道路描述:
有无红绿灯、十字路口、丁字路口、单向单车道、单向双车道、单向三车道、直行路,有无人行道、左转专用道、右转专用道。
3.根据权利要求2所述的方法,其特征在于,所述根据所述道路类型中所包含的道路描述在地图上进行道路标记,包括下述标记过程中的一种或多种:
对地图上的每一个路口进行标记;
根据进入路口的四个方向的道路个数标记该路口是十字路还是丁字路;
根据道路单向车道的个数标记该车道是单向单车道、单向双车道还是单向三车道;
对任何两个不包含其它路口的路口之间的路段标记为直行路;
根据路口周边元素是否包含左转专用道标记或者右转专用道标记,将车道标记左转专用道或者右转专用道;
根据路口周边元素是否包含人行道标记,将道路标记为人行道。
4.根据权利要求1所述的方法,其特征在于,所述根据所述道路类型对进行了道路标记的地图进行分解,得到与所述各无人驾驶仿真场景对应的子图集,包括:
针对每种道路类型,从进行了道路标记的地图中截取满足该道路类型的需求的子图;
将满足该道路类型的需求的全部子图与该道路类型进行关联存储,形成与所述各无人驾驶仿真场景对应的子图集。
5.根据权利要求4所述的方法,其特征在于,所述从进行了道路标记的地图中截取满足该道路类型的需求的子图,包括:
根据预设的截取控制参数,从进行了道路标记的地图中截取满足该道路类型的需求的子图。
6.根据权利要求5所述的方法,其特征在于,所述预设的截取控制参数,包括下述参数中的一种或多种:
子图中心点位置、子图面积大小、子图形状。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述道路类型对进行了道路标记的地图进行分解,得到与所述各无人驾驶仿真场景对应的子图集之后,还包括:
接收输入的无人驾驶场景信息;
根据所述无人驾驶场景信息,确定道路类型;
确定与所述道路类型对应的子图集;
采用所述子图集进行无人驾驶场景的创建。
8.根据权利要求7所述的方法,其特征在于,所述确定与所述道路类型对应的子图集之前,还包括:
获取子图集的过滤需求;
所述确定与所述道路类型对应的子图集,包括:
根据所述过滤需求对所述子图集进行过滤,得到过滤后的子图集。
9.根据权利要8所述的方法,其特征在于,所述根据所述过滤需求对所述子图集进行过滤,得到过滤后的子图集,包括:
根据所述过滤需求对所述子图集中的道路地图数据进行解析,确定不满足所述过滤需求的子图,并将所述子图从所述子图集中过滤掉,得到过滤后的子图集。
10.一种无人驾驶仿真场景的创建装置,其特征在于,包括:
确定模块,用于确定各无人驾驶仿真场景所对应的道路类型,所述道路类型中包含用于完成无人驾驶仿真场景所需的道路描述;
标记模块,用于根据所述道路类型中所包含的道路描述在地图上进行道路标记;
分解模块,用于根据所述道路类型对进行了道路标记的地图进行分解,得到与所述各无人驾驶仿真场景对应的子图集,所述子图集中包含道路类型以及道路地图数据。
11.一种电子设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-9任一项所述的无人驾驶仿真场景的创建方法。
12.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-9任一项所述的无人驾驶仿真场景的创建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810821432.7A CN109085764B (zh) | 2018-07-24 | 2018-07-24 | 优化无人驾驶仿真场景创建的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810821432.7A CN109085764B (zh) | 2018-07-24 | 2018-07-24 | 优化无人驾驶仿真场景创建的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109085764A true CN109085764A (zh) | 2018-12-25 |
CN109085764B CN109085764B (zh) | 2020-01-07 |
Family
ID=64838250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810821432.7A Active CN109085764B (zh) | 2018-07-24 | 2018-07-24 | 优化无人驾驶仿真场景创建的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109085764B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110579216A (zh) * | 2019-09-12 | 2019-12-17 | 百度在线网络技术(北京)有限公司 | 测试场景库构建方法、装置、电子设备和介质 |
CN111680362A (zh) * | 2020-05-29 | 2020-09-18 | 北京百度网讯科技有限公司 | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 |
CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040101043A1 (en) * | 2002-11-25 | 2004-05-27 | Dynamic Digital Depth Research Pty Ltd | Image encoding system |
US20050256721A1 (en) * | 2001-12-13 | 2005-11-17 | Microsoft Corporation | Interactive water effects using texture coordinate shifting |
JP2011107025A (ja) * | 2009-11-19 | 2011-06-02 | Clarion Co Ltd | ナビゲーション装置 |
CN102881046A (zh) * | 2012-09-07 | 2013-01-16 | 山东神戎电子股份有限公司 | 三维电子地图的生成方法 |
CN104183023A (zh) * | 2014-07-25 | 2014-12-03 | 天津多微信息技术有限公司 | 一种分布式虚拟环境中多场景图的构建方法 |
CN105427003A (zh) * | 2015-12-30 | 2016-03-23 | 北京航空航天大学 | 一种基于出行需求分析的公交站点部署方法 |
CN107358642A (zh) * | 2017-07-17 | 2017-11-17 | 深圳天珑无线科技有限公司 | 一种建立三维图像的方法、装置及计算机可读存储介质 |
CN107807542A (zh) * | 2017-11-16 | 2018-03-16 | 北京北汽德奔汽车技术中心有限公司 | 自动驾驶仿真系统 |
-
2018
- 2018-07-24 CN CN201810821432.7A patent/CN109085764B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050256721A1 (en) * | 2001-12-13 | 2005-11-17 | Microsoft Corporation | Interactive water effects using texture coordinate shifting |
US20040101043A1 (en) * | 2002-11-25 | 2004-05-27 | Dynamic Digital Depth Research Pty Ltd | Image encoding system |
JP2011107025A (ja) * | 2009-11-19 | 2011-06-02 | Clarion Co Ltd | ナビゲーション装置 |
CN102881046A (zh) * | 2012-09-07 | 2013-01-16 | 山东神戎电子股份有限公司 | 三维电子地图的生成方法 |
CN104183023A (zh) * | 2014-07-25 | 2014-12-03 | 天津多微信息技术有限公司 | 一种分布式虚拟环境中多场景图的构建方法 |
CN105427003A (zh) * | 2015-12-30 | 2016-03-23 | 北京航空航天大学 | 一种基于出行需求分析的公交站点部署方法 |
CN107358642A (zh) * | 2017-07-17 | 2017-11-17 | 深圳天珑无线科技有限公司 | 一种建立三维图像的方法、装置及计算机可读存储介质 |
CN107807542A (zh) * | 2017-11-16 | 2018-03-16 | 北京北汽德奔汽车技术中心有限公司 | 自动驾驶仿真系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110579216A (zh) * | 2019-09-12 | 2019-12-17 | 百度在线网络技术(北京)有限公司 | 测试场景库构建方法、装置、电子设备和介质 |
CN110579216B (zh) * | 2019-09-12 | 2022-02-18 | 阿波罗智能技术(北京)有限公司 | 测试场景库构建方法、装置、电子设备和介质 |
CN111680362A (zh) * | 2020-05-29 | 2020-09-18 | 北京百度网讯科技有限公司 | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 |
CN111680362B (zh) * | 2020-05-29 | 2023-08-11 | 北京百度网讯科技有限公司 | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 |
CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
CN112668153B (zh) * | 2020-12-11 | 2024-03-22 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109085764B (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108931927B (zh) | 无人驾驶仿真场景的创建方法及装置 | |
CN106483952B (zh) | 用于识别用于自主操作的候选路段的方法、系统和介质 | |
US9459111B2 (en) | Methods and apparatus for estimating power usage | |
CN111123920A (zh) | 一种自动驾驶仿真测试场景生成方法和装置 | |
CN103700314B (zh) | 一种位置定位方法、装置及电子地图 | |
CN114399916B (zh) | 一种数字孪生智慧城市交通的虚拟红绿灯控制提醒方法 | |
CN109085764A (zh) | 无人驾驶仿真场景的创建方法及装置 | |
KR102427961B1 (ko) | 정밀지도 데이터 기반 가상환경 생성 방법 및 시스템 | |
CN114518122A (zh) | 行车导航方法、装置、计算机设备、存储介质和计算机程序产品 | |
CN109544443A (zh) | 一种路线图生成方法及装置 | |
US20120197618A1 (en) | Architecture and method for realistic vehicular networking and applications visualization | |
CN113793500B (zh) | 城市交通道路可计算路网的构建方法及系统 | |
CN109118820A (zh) | 一种城市停车诱导信息动态仿真方法及系统 | |
CN110070259B (zh) | 一种基于gis空间大数据分析的安防设备智慧选址方法 | |
CN110516564A (zh) | 路面检测方法和装置 | |
CN116935656B (zh) | 道路交通数据处理方法、装置、电子设备及存储介质 | |
CN107588779B (zh) | 一种基于任意两节点间行程时间的车辆智能导航方法 | |
CN114676541B (zh) | 一种交通仿真的方法、相关装置、设备以及存储介质 | |
CN112991741B (zh) | 交通流预测方法和装置 | |
Zubaer et al. | Towards simulating non-lane based heterogeneous road traffic of less developed countries using authoritative polygonal GIS map | |
CN114973674A (zh) | 交通拥堵的治理方法、装置、设备和存储介质 | |
CN114185320B (zh) | 一种无人系统集群的测评方法、装置、系统及存储介质 | |
Singh et al. | Traffic prediction using machine learning and IoT | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
Fehon et al. | Modeling active traffic management with paramics |
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 |