CN109444904B - 定位测试数据的生成方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种定位测试数据的生成方法、装置、设备及存储介质，该方法包括：获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据；获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据；根据设定样本数据和参考样本数据，确定设定场景的定位数据与参考场景的定位数据的差异特征；根据差异特征和目标地理区域的实测定位数据，生成目标地理区域在设定场景下的模拟定位数据。本发明实施例的技术方案实现了当要获取某一个区域的设定场景的定位数据时，可以通过不同场景下的差异特征来确定，提高获取各个区域、各种天气下定位数据的便捷性、以及方便进行测试的技术效果。

Description

定位测试数据的生成方法、装置、设备及存储介质

技术领域

本发明实施例涉及定位数据处理技术，尤其涉及一种定位测试数据的生成方法、装置、设备及存储介质。

背景技术

随着车辆驾驶的自动化技术水平的提高，各种车辆定位技术也不断的发展。常见的车辆定位手段包括：卫星定位、蜂窝基站定位、激光点云定位、以及超声定位等多种。各种定位手段需在车辆上安装不同的检测设备，并配合以软件算法来计算定位数据，各种硬件和软件构成定位系统。

不同的定位系统有各自的适用条件和极端情况(corner case)，要在离线测试时发现更多的问题，需要大量的定位数据进行覆盖，即，针对各种场景下采集到的定位数据进行计算，以检测计算出的定位结果是否满足要求。为了高效的发现共性问题，推进同类问题的修复，可以对场景分类，使用相应的定位数据覆盖进行测试。典型的场景是按照天气区分的，如在晴朗天气下和下雪天气下，定位系统得到的定位结果可能是不一样的，需要在下雪这种极端情况下进行覆盖测试。

但是，现有技术中,一些稀缺场景的定位数据采集是比较难获取的，需要测试车辆进行实测。特别是极端天气的定位数据，难以全面获取各个区域在各种天气下的多次定位数据，来进行测试。

发明内容

本发明实施例提供一种定位测试数据的生成方法、装置、设备和介质，以实现便捷的生成各个区域、各种天气下的定位数据，方便进行测试的技术效果。

第一方面，本发明实施例提供了一种定位测试数据的生成方法，该方法包括：

获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据；

获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据；

根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征；

根据所述差异特征和目标地理区域的实测定位数据，生成所述目标地理区域在设定场景下的模拟定位数据。

第二方面，本发明实施例还提供了一种定位测试数据的生成装置，该装置包括：

获取样本数据模块，用于获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据；

获取参考数据模块，用于获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据；

确定差异特征模块，用于根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征；

确定模拟定位数据模块，用于根据所述差异特征和目标地理区域的实测定位数据，生成所述目标地理区域在设定场景下的模拟定位数据。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述定位测试数据的生成方法。

第四方面，本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述定位测试数据的生成方法。

本发明实施例的技术方案，通过分别获取设定场景、参考场景下，相同地理区域内，车辆实测采集的定位数据，并对设定样本数据和参考样本数据进行一系列处理，确定设定样本数据和参考样本数据之间的差异特征，根据该差异特征以及目标地理区域内实测样本数据，可以确定设定场景下的模拟定位数据，解决了现有技术中比较难以获得各个区域，不同天气下的多次定位数据，实现了当要获取某一个区域的设定场景的定位数据时，可以通过不同场景下的差异特征来确定，提高获取各个区域、各种天气下定位数据的便捷性、以及方便进行测试的技术效果。

附图说明

为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。

图1是本发明实施例一所提供的一种定位测试数据的生成方法流程示意图；

图2是本发明实施例三所提供的一种定位测试数据的生成装置的结构示意图；

图3是本发明实施例四所提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一所提供的一种定位测试数据的生成方法流程示意图，本实施例可适用于获取任意场景下的定位数据，该方法可以由定位测试数据的生成装置来执行，该装置可以通过软件和/或硬件的形式实现。

如图1所述，本实施例的方法包括：

S110、获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据。

需要说明的是，社会环境中的对象可以包括静止的对象和运动的对象。其中，静止的对象可以是道路、树木、建筑物等。运动的对象可以是，在道路上行驶的车辆、行人等。当采集社会环境对象中的数据信息时，可以通过采集设备来获取，可选的，激光雷达、摄像机以及蜂窝基站中的一种或者多种。由于运动对象的数据对车辆定位测试影响较小，可以将采集到的运动对象数据过滤掉，保留静止对象的数据。采集设备可以固定安装在采集实体上，可选的，激光雷达安装在车辆上，当然也可以应用到其它设备上，可以根据实际需求进行设置。若安装在车辆上，当车辆行驶时，激光雷达就可以采集不同场景下的定位数据。

示例性的，在车辆行驶的过程中，激光雷达向外发射激光束，并且可以接收来自各个静止对象和运动对象返回的信号，进而获取各个静止对象和运动对象的三维数据，此时的三维数据可以是点云数据。

其中，设定场景可以理解为稀缺环境场景，即极端环境，可选的，下雪、下雨、沙尘、雾霾等天气，可以将与正常环境不同的场景均称为稀缺场景。样本地理区域可以是，从公路中选取其中的一段作为数据采集区域，即采集该路段内的定位数据，可选的，笔直平坦的公路、有拐角的平坦道路、或者是崎岖山路等，该路段的路程可以为1000m。车辆实测可以理解为，车辆在样本地理区域内行驶时，采集的定位数据。

定位数据的采集，可以通过卫星、激光雷达、或者蜂窝基站中的一种或者多种结合在一起来获取。可选的，定位数据的采集装置为激光雷达，那么定位数据可以是点云数据。也就是说，定位数据是什么与采集设备有直接关系。其中，激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是，向目标发射探测信号(激光束)后,可以接收到的从目标反射回来的信号(目标回波)，与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对飞机、导弹等目标进行探测、跟踪和识别。上述所提及的目标可以理解，路上行人、行驶的车辆、建筑物、信号灯以及公交站等信息。

设定样本数据，就可以理解为在设定场景下，定位数据采集设备采集到的定位数据。示例性的，在下雨的天气下，将安装在车辆上的激光雷达，采集到的路人数据、车辆数据、建筑物数据等，作为设定样本数据。

还需要说明的是，此时采集到的样本数据，可以包括：公路上的真实存在的分界线，可选的，虚线或者实线，若道路上没有分界线可以根据采集到的道路信息，确定虚拟的分界线；还可以确定目标车辆在行驶的过程中，周围的标志性建筑数据、以及障碍物等数据。

S120、获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据。

其中，参考场景可以是常见环境场景，可选的，晴朗的天气，此时可以对环境的温度以及光线的强度不做限定。参考场景下的样本地理区域，与设定场景下的样本地理区域相同，原因在于，相同地理区域内的定位数据才具备可比较性，若是地理区域有差别，采集到的定位数据自身就存在差异，此时不能够确定不同场景下定位数据的差异性。

将正常环境下的采集到的定位数据，作为参考样本数据。其中，定位数据的采集均是由安装在车辆中的至少一个定位数据采集装置来获取的。因此，不同的采集设备，采集到的设定样本数据和参考样本数据对应的数据类型也不相同，可选的，激光雷达采集的是点云数据。

S130、根据设定样本数据和参考样本数据，确定设定场景的定位数据与参考场景的定位数据的差异特征。

需要说明的是，不同的场景下，可选的，下雨天、下雪天、晴朗天气以及雾霾天气等，激光雷达、卫星以及蜂窝基站等采集相同地方的定位数据，可能会存在一定的差异。也就是说，不同的场景对采集到的定位数据有一定影响。

为了能够确定不同场景下，定位数据之间的差异，可以分别获取不同场景下的定位数据。由于正常天气下的定位数据是比较容易获取的，可以将正常环境下的定位数据，分别与极端天气下环境数据进行比较，进而分别确定正常环境参考样本数据，与任意极端天气下的定位数据之间的差异特征。

其中，差异特征可以是，设定样本数据与参考样本数据，在对应区域、或者对应位置点之间的数据差值集中范围，此时的差值范围是经过多次试验得到的，具有一定的代表性。

具体的，可以分别获取相同路段，晴朗天气下采集的参考样本数据，下雨、下雪、沙尘等极端天气下采集的设定样本数据。将晴朗天气下获取的定位数据，分别与下雨、下雪、沙尘暴等极端天气下的定位数据进行处理，分别确定正常天气、与下雨、下雪、沙尘等天气定位数据差值的集中范围，将每一种天气对应的差值集中范围，作为与该天气对应的差异特征。

在上述技术方案的技术上，还可以将地理区域分两种情况，可选的，平坦道路、崎岖不平的道路，获取正常环境下平坦道路的定位数据与设定环境下的定位数据，对该定位数据进行处理确定平坦道路上对应的差异特征，采用相同的方式获取崎岖不平道路上的差异特征。还可以按时间段进行划分，将早上六点到晚上六点作为第一时间段，晚上六点到第二天早上六点作为第二个时间段，分别获取不同时间段内的、不同场景下的定位数据，进而确定在不同时间段内，不同场景下定位数据之间的误差范围或者差值是多少。

S140、根据差异特征和目标地理区域的实测定位数据，生成目标地理区域在设定场景下的模拟定位数据。

其中，目标地理区域可以理解为，用户或者工作人员想要获取其中某一区域内的定位数据。此时的实测定位数据可以是，在当前场景下，车辆在目标地理区域行驶过程中采集到的定位数据。设定场景下的模拟数据，可以是用户任意设置的与实测场景相同、或者不同的场景。可选的，实测场景为晴朗天气，那么设定场景可以是下雨、或者下雪场景等；若实测场景为下雨，那么设定场景可以是晴朗天气等。

在确定了设定场景下和参考场景下的差异特征之后，当要获取某一个目标地理区域内设定场景下的定位数据时，可以先获取目标地理区域参考场景下的参考定位数据，根据差异特征的集中范围，使采集的定位数据加上或者减去等方法，确定设定场景定位数据。

示例性的，下雪天的定位数据比晴朗天气定位数据小0.2，采集到的目标地理区域内，晴朗天气下的定位数据，工作人员要获取该区域下雪天气下的定位数据，可以是将采集到的全部定位数据减去0.2，得到下雪天目标地理区域内的定位数据。

根据差异特征，获取不同场景下的定位数据的好处的在于，在车辆行驶的过程中，若出现极端的天气，可以根据差异特征值，快速获取极端天气下的定位数据，使车辆快速的响应该数据，及时做出相应的措施，提高车辆行驶安全性的技术效果。

本发明实施例的技术方案，通过分别获取设定场景、参考场景下，相同地理区域内，车辆实测采集的定位数据，并对设定样本数据和参考样本数据进行一系列处理，确定设定样本数据和参考样本数据之间的差异特征，根据该差异特征以及目标地理区域内实测样本数据，可以确定设定场景下的模拟定位数据，解决了现有技术中比较难以获得各个区域，不同天气下的多次定位数据，实现了当要获取某一个区域的设定场景的定位数据时，可以通过不同场景下的差异特征来确定，提高获取各个区域、各种天气下定位数据的便捷性、以及方便进行测试的技术效果。

实施例二

在上述实施例的基础可知，可以根据设定样本数据和参考样本数据，确定设定场景的定位数据与参考场景的定位数据的差异特征。当定位数据不同时，相应的确定的差异特征也不相同。

可选的，定位数据为点云数据，那么根据点云数据确定差异特征，可以是：针对一组所述设定样本数据和所述参考样本数据，分别计算点云反射强度平均值，并计算平均值差值，其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；统计所述样本地理区域中多个单位片区所对应的反射强度平均值差值的集中范围值，作为所述差异特征。

其中，在对不同场景下的定位数据进行处理之前，可以将样本地理区域划分为至少一个单位片区。可选的，样本区域为平坦的公路，路程为1000m，可以将1000m路程每十米作为一个单位，划分为100组，即每10m的路程作为一个单位片区。当然，工作人员可以根据实际需求设置划分的组数。可选的，若是选取的样本地理区域，建筑物较为密集、行人较多、或者道路状况较为复杂，每一个单位片区的距离可以短一些，组数较为多一些，可以分别对多组定位数据进行处理，进而得到的结果更加准确；若选取的样本地理区域，几乎没有什么建筑物、行人也较少，此时单位片区的距离可以长一些，组数较为少一些，可以提高确定差异特征的效率。

在相同的单位片区内，获取正常环境下参考样本数据，与下雨或者下雪等天气下的设定样本数据，分别获取在该单位片区内，相同位置点的点云反射强度，统计不同位置点反射强度差值，确定反射强度差值的集中范围；当然，也可以计算在该单位片区内，正常环境下点云反射强度的平均值，以及下雨或者下雪天气下，点云反射强度的平均值，并计算两者之间的差值。采取同样的方式，计算第二组区域内，正常环境下的点云反射强度平均值，下雨、下雪天气下点云反射强度的平均值，并计算平均值差值，以此类推，获得全部单位片区内，反射强度平均值差值，统计所有反射强度差值的集中范围，将该范围作为定位数据的差异特征，即参考场景下和稀缺场景下的差异特征。

可选的，定位数据为点云数据，根据获取到的定位数据确定差异特征，还可以是：确定一组设定样本数据和参考样本数据中，每个栅格区域内点云数据点的数量差异值；其中，一组设定样本数据和参考样本数据为样本地理区域中的一个单位片区的定位数据；统计样本地理区域中多个单位片区所对应各栅格区域的数据差异值的集中范围值，作为差异特征。

其中，每个栅格可以理解为，激光雷达所处三维空间按预设的规则，划分一个一个的独立的空间。预设的规则可以是，将三维空间划分为由立方米大小的立方体构成，还可以是由一定体积的长方体，或者圆柱体等构成，预设规则可以根据实际情况进行设定，在此不做限定。可选的，该三维空间是由500个立方体构成的。当采用激光雷达来获取点云数据时，激光雷达可以发射出一定数量的激光扫描射线，可选的，36条或者64条，激光扫描线会经过虚拟的栅格，即激光扫描线经过500个立方体。可以统计每个栅格内激光点云的数量，不同栅格内激光点云数量不同。原因在于，根据激光的回波特性，距离发射源越近的栅格，激光点云的数量就越多，距离发射源越远的栅格，激光点云的数量就越少。

获取正常场景以及稀缺场景下，相同栅格中激光点云数量，并计算相同栅格内激光点云数量的差值。统计500个栅格中，每个栅格内正常环境和稀缺环境下激光点云数量差值，将得到的500个差值中出现频率最高、或者差值集中出现的范围作为差异特征。

可选的，定位数据可以是卫星数据，根据卫星数据确定差异特征，可以是：确定一组设定样本数据和参考样本数据，各自的搜星数量的差异值；其中，一组设定样本数据和参考样本数据为样本地理区域中的一个单位片区的定位数据；统计样本地理区域中多个单位片区所对应的搜星数量差异值的集中范围值，作为差异特征。

其中，卫星定位系统是一种使用卫星对某些物体进行准确定位的技术，可以实现在任意时刻、地区上的任意一点都可以同时观测到4颗卫星，以便实现导航、定位等功能。依然可以将本地理区域划分为至少一个单位片区，分别统计至少一个单位片区内，正常环境和稀缺环境下可以探测到的卫星数量。计算不同场景下，相同单位片区内搜星数量的差值，即可以搜集到的卫星数量。若搜星数量差值百分之八十都是1，则将1作为设定样本数据和参考样本数据之间的差异特征。

可选的，定位数据可以是卫星数据，根据卫星数据确定差异特征，还可以是：确定一组所述设定样本数据和所述参考样本数据，各个卫星定位解算状态的占比的差异值；其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；统计所述样本地理区域中多个单位片区所对应的卫星定位解算状态占比差异值的集中范围值，作为所述差异特征。

其中，卫星定位计算状态可以理解为，定位数据的传输速度以及传输定位的时间等。依然可以将本地理区域划分为至少一个单位片区，具体划分的方式可参见上述介绍。分别统计在相同单位片区内，不同场景下获取到定位数据的时间等。在各单位片区内，计算稀缺环境下获取定位数据的时间，与正常环境下获取定位数据的时间的比值。若各单位片区内时间比值的众数，将该众数作为特征差异。计算所有样本数据和参考数据中不同解算状态的占比差值，例如单点定位、正常定位状态在总的数据中各自占比，统计所有样本中各状态占比差值的集中范围。

在上述技术方案的基础上，可以对设定样本数据和参考样本数据进行训练，可选的，将不同天气下的样本数据，分别与正常环境下的参考数据进行训练，得到与每一种天气相对应的差异特征模型。可以理解为，在相同区域内对下雨天采集的样本数据，与正常环境下采集的样本数据进行训练，得到与下雨天气相对应的神经网络模型。

可选的，将多个样本地理区域的所述设定样本数据和所述参考样本数据，输入神经网络模型进行训练，以获得确定差异特征的神经网络模型。

为了提高神经网络模型的准确性以及通用性，可以获多个不同区域内的设定样本数据和参考样本数据。可以将参考样本数据作为输入参数，设定样本数据作为输出结果，将输入参数输入到神经网络模型中，根据输出结果训练神经网络模型。可以得到与差异特征相对应的神经网络模型。

需要说明的是，为了得到不同天气下的神经网络模型，可以将不同天气下的定位数据进行分类后，分别输入到与神经网络模型中，得到与不同场景相对应的神经网络模型。当需要获取其中一个地方，设定场景下的定位数据，可以根据实际采集的定位数据，输入至相对应的神经网络模型中，就能够确定设定场景下的定位数据，提高了获取设定场景定位数据的效率。

本发明实施例的技术方案，通过分别获取设定场景、参考场景下，相同地理区域内，车辆实测采集的定位数据，并对设定样本数据和参考样本数据进行一系列处理，确定设定样本数据和参考样本数据之间的差异特征，根据该差异特征以及目标地理区域内实测样本数据，可以确定设定场景下的模拟定位数据，解决了现有技术中比较难以获得各个区域，不同天气下的多次定位数据，实现了当要获取某一个区域的设定场景的定位数据时，可以通过不同场景下的差异特征来确定，提高获取各个区域、各种天气下定位数据的便捷性、以及方便进行测试的技术效果。

实施例三

图2为本发明实施例三所提供的一种定位测试数据的生成装置，该装置可以配置于车载客户端中，该装置包括：获取样本数据模块210、获取参考数据模块220、确定差异特征模块230、确定模拟定位数据模块240.

其中，获取样本数据模块210，用于获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据；获取参考数据模块220，用于获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据；确定差异特征模块230，用于根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征；确定模拟定位数据模块240，用于根据所述差异特征和目标地理区域的实测定位数据，生成所述目标地理区域在设定场景下的模拟定位数据。

在上述技术方案的基础上，所述参考场景为常见环境场景，所述设定场景为稀缺环境场景，其中，所述常见环境场景为晴朗天气，所述稀缺环境场景为下雨、下雪或沙尘天气。

在上述技术方案的基础上，所述定位数据对应的采集方式包括下述至少一个：卫星、点云和蜂窝基站。

在上述各技术方案的基础上，定位数据为点云数据，则确定定位差异特征模块还包括：

获取点云反射强度平均值单元，用于针对一组所述设定样本数据和所述参考样本数据，分别计算点云反射强度平均值，并计算平均值差值，其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；第一统计差异特征单元，用于统计所述样本地理区域中多个单位片区所对应的反射强度平均值差值的集中范围值，作为所述差异特征。

在上述各技术方案的基础上，定位数据为点云数据，则确定定位差异特征模块还包括：

获取点云数据点的数量差异值单元，用于确定一组所述设定样本数据和所述参考样本数据中，每个栅格区域内点云数据点的数量差异值；其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；第二统计差异特征单元，用于统计所述样本地理区域中多个单位片区所对应各栅格区域的数据差异值的集中范围值，作为所述差异特征。

在上述各技术方案的基础上，定位数据为点云数据，则确定定位差异特征模块还包括：

获取搜星数量差异单元，用于确定一组所述设定样本数据和所述参考样本数据，各自的搜星数量的差异值；其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；第三确定差异特征单元，用于统计所述样本地理区域中多个单位片区所对应的搜星数量差异值的集中范围值，作为所述差异特征。

在上述各技术方案的基础上，定位数据为卫星数据，则确定定位差异特征模块还包括：

获取卫星定位解算状态的占比的差异值单元，用于确定一组所述设定样本数据和所述参考样本数据，各个卫星定位解算状态的占比的差异值；其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；第四确定差异特征单元，用于统计所述样本地理区域中多个单位片区所对应的卫星定位解算状态占比差异值的集中范围值，作为所述差异特征。

在上述各技术方案的基础上，确定差异特征模块，还用于将多个样本地理区域的所述设定样本数据和所述参考样本数据，输入神经网络模型进行训练，以获得确定差异特征的神经网络模型。

本发明实施例的技术方案，通过分别获取设定场景、参考场景下，相同地理区域内，车辆实测采集的定位数据，并对设定样本数据和参考样本数据进行一系列处理，确定设定样本数据和参考样本数据之间的差异特征，根据该差异特征以及目标地理区域内实测样本数据，可以确定设定场景下的模拟定位数据，解决了现有技术中比较难以获得各个区域，不同天气下的多次定位数据，实现了当要获取某一个区域的设定场景的定位数据时，可以通过不同场景下的差异特征来确定，提高获取各个区域、各种天气下定位数据的便捷性、以及方便进行测试的技术效果。

本发明实施例所提供的定位测试数据的生成装置可执行本发明任意实施例所提供的定位测试数据的生成方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例四

图3为本发明实施例四提供的一种设备的结构示意图。图3示出了适于用来实现本发明实施例实施方式的示例性设备30的框图。图3显示的设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，设备30以通用计算设备的形式表现。设备30的组件可以包括但不限于：一个或者多个处理器或者处理单元301，系统存储器302，连接不同系统组件(包括系统存储器302和处理单元301)的总线303。

总线303表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

设备30典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备30访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器302可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)33303和/或高速缓存存储器305。设备30可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统306可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线303相连。存储器302可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块307的程序/实用工具308，可以存储在例如存储器302中，这样的程序模块307包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块307通常执行本发明所描述的实施例中的功能和/或方法。

设备30也可以与一个或多个外部设备309(例如键盘、指向设备、显示器310等)通信，还可与一个或者多个使得用户能与该设备30交互的设备通信，和/或与使得该设备30能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口311进行。并且，设备30还可以通过网络适配器312与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器312通过总线303与设备30的其它模块通信。应当明白，尽管图3中未示出，可以结合设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元301通过运行存储在系统存储器302中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种定位测试数据的生成方法。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种定位测试数据的生成方法。

该方法包括：获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据；获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据；根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征；根据所述差异特征和目标地理区域的实测定位数据，生成所述目标地理区域在设定场景下的模拟定位数据。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种定位测试数据的生成方法，其特征在于，包括：

获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据；

获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据；

根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征；

根据所述差异特征和目标地理区域的实测定位数据，生成所述目标地理区域在设定场景下的模拟定位数据；

所述参考场景为常见环境场景，所述设定场景为稀缺环境场景。

2.根据权利要求1所述的方法，其特征在于，所述常见环境场景为晴朗天气，所述稀缺环境场景为下雨、下雪或沙尘天气。

3.根据权利要求1所述的方法，其特征在于，所述定位数据对应的采集方式包括下述至少一个：卫星、激光雷达和蜂窝基站。

4.根据权利要求1-3任一所述的方法，其特征在于，定位数据为点云数据，则根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征包括：

针对一组所述设定样本数据和所述参考样本数据，分别计算点云反射强度平均值，并计算平均值差值，其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；

统计所述样本地理区域中多个单位片区所对应的反射强度平均值差值的集中范围值，作为所述差异特征。

5.根据权利要求1-3任一所述的方法，其特征在于，定位数据为点云数据，则根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征包括：

确定一组所述设定样本数据和所述参考样本数据中，相同栅格区域内点云数据点的数量差值；其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；

统计所述样本地理区域中多个单位片区所对应各栅格区域的数据差值的集中范围值，作为所述差异特征。

6.根据权利要求1-3任一所述的方法，其特征在于，定位数据为卫星数据，则根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征包括：

确定一组所述设定样本数据和所述参考样本数据，各自的搜星数量的差异值；其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；

统计所述样本地理区域中多个单位片区所对应的搜星数量差异值的集中范围值，作为所述差异特征。

7.根据权利要求1-3任一所述的方法，其特征在于，定位数据为卫星数据，则根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征包括：

确定一组所述设定样本数据和所述参考样本数据，各个卫星定位解算状态的占比的差异值；其中，所述一组所述设定样本数据和所述参考样本数据为所述样本地理区域中的一个单位片区的定位数据；

统计所述样本地理区域中多个单位片区所对应的卫星定位解算状态占比差异值的集中范围值，作为所述差异特征。

8.根据权利要求1-3任一所述的方法，其特征在于，根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征包括：

将多个样本地理区域的所述设定样本数据和所述参考样本数据，输入神经网络模型进行训练，以获得确定差异特征的神经网络模型。

9.一种定位测试数据的生成装置，其特征在于，包括：

获取样本数据模块，用于获取在设定场景下针对样本地理区域进行车辆实测以采集的定位数据，作为设定样本数据；

获取参考数据模块，用于获取在参考场景下针对样本地理区域进行车辆实测以采集的定位数据，作为参考样本数据；

确定差异特征模块，用于根据所述设定样本数据和参考样本数据，确定所述设定场景的定位数据与参考场景的定位数据的差异特征；

确定模拟定位数据模块，用于根据所述差异特征和目标地理区域的实测定位数据，生成所述目标地理区域在设定场景下的模拟定位数据；

所述参考场景为常见环境场景，所述设定场景为稀缺环境场景。

10.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述定位测试数据的生成方法。

11.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述定位测试数据的生成方法。

Images