CN109446662A - 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质 - Google Patents
车辆仿真轨迹的生成方法及装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109446662A CN109446662A CN201811288134.2A CN201811288134A CN109446662A CN 109446662 A CN109446662 A CN 109446662A CN 201811288134 A CN201811288134 A CN 201811288134A CN 109446662 A CN109446662 A CN 109446662A
- Authority
- CN
- China
- Prior art keywords
- simulation track
- vehicle
- track
- random process
- process model
- 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.)
- Pending
Links
Classifications
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种车辆仿真轨迹的生成方法及装置、计算机设备及存储介质。所述方法包括:获取目标道路的仿真轨迹的时间数据;将仿真轨迹的时间数据输入随机过程模型,获取仿真轨迹的位置坐标数据,位置坐标数据和时间数据对应形成仿真轨迹;其中,随机过程模型由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。本发明实施例的技术方案解决了现有技术中通过人为设定交通车的行驶轨迹,使得交通车的行驶轨迹不符合车辆动力学约束,导致难以给无人驾驶车辆提供有效的测试环境的技术缺陷,使得交通车的行驶轨迹可以更加符合车辆动力学约束,可以更加拟人化,提高无人驾驶车辆的自动驾驶仿真场景测试结果的正确性以及有效性。
Description
技术领域
本发明实施例涉及轨迹仿真技术领域,尤其涉及一种车辆仿真轨迹的生成方法及装置、计算机设备及存储介质。
背景技术
无人驾驶车辆是一种新型的智能汽车,主要通过各类传感器对车辆周围的环境和车辆自身的状态信息进行感知,并做出相应的决策规划,最终通过向车辆的执行机构发出控制指令来实现车辆的全自动运行,达到车辆无人驾驶的目的。
无人驾驶车辆在出厂之前都需要经过各种严格的测试,其中就包括在有其它交通车参与行驶的实际道路中,对无人驾驶车辆的驾驶水平进行测试的项目,即自动驾驶仿真场景测试。交通车的行驶轨迹对自动驾驶仿真场景测试的结果的准确度有较大影响。目前自动驾驶仿真场景中交通车的行驶轨迹通常是人为设定的固定轨迹。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:人为设定的轨迹有时不符合车辆动力学约束,按照这样的轨迹行驶的交通车难以体现人类驾驶的特点,进而难以给无人驾驶车辆提供有效的测试环境。
发明内容
有鉴于此,本发明实施例提供了一种车辆仿真轨迹的生成方法及装置、计算机设备及存储介质,以优化现有的交通车的仿真轨迹的确定方法。
在第一方面,本发明实施例提供了一种车辆仿真轨迹的生成方法,包括:
获取目标道路的仿真轨迹的时间数据;
将所述仿真轨迹的时间数据输入随机过程模型,获取所述仿真轨迹的位置坐标数据,所述位置坐标数据和所述时间数据对应形成仿真轨迹;
其中,所述随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
在第二方面,本发明实施例提供了一种车辆仿真轨迹的生成装置,包括:
时间数据获取模块,用于获取目标道路的仿真轨迹的时间数据;
仿真轨迹生成模块,用于将所述仿真轨迹的时间数据输入随机过程模型,获取所述仿真轨迹的位置坐标数据,所述位置坐标数据和所述时间数据对应形成仿真轨迹;
其中,所述随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
在第三方面,本发明实施例提供了一种计算机设备,所述计算机设备包括:
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本发明任意实施例所述的车辆仿真轨迹的生成方法。
在第四方面,本发明实施例提供了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本发明任意实施例所述的车辆仿真轨迹的生成方法。
本发明实施例提供了一种车辆仿真轨迹的生成方法及装置、计算机设备及存储介质,通过使用由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练得到的随机过程模型,以及仿真轨迹的时间数据,获取仿真轨迹的位置坐标数据进而确定仿真轨迹,解决了现有技术中通过人为设定交通车的行驶轨迹,使得交通车的行驶轨迹不符合车辆动力学约束,导致难以给无人驾驶车辆提供有效的测试环境的技术缺陷,使得交通车的行驶轨迹可以更加符合车辆动力学约束,且可以更加拟人化,提高无人驾驶车辆的自动驾驶仿真场景测试结果的正确性以及有效性。
附图说明
图1是本发明实施例一提供的一种车辆仿真轨迹的生成方法的流程图;
图2是本发明实施例二提供的一种车辆仿真轨迹的生成方法的流程图;
图3是本发明实施例三提供的一种车辆仿真轨迹的生成装置的结构图;
图4是本发明实施例四提供的一种计算机设备的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明具体实施例作进一步的详细描述。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内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种车辆仿真轨迹的生成方法的流程图,本实施例的方法可以由车辆仿真轨迹的生成装置来执行,该装置可通过硬件和/或软件的方式实现,并一般可集成于计算机设备中。本实施例的方法具体包括:
S101、获取目标道路的仿真轨迹的时间数据。
可知的是无人驾驶车辆在进行自动驾驶仿真场景测试时,会在测试道路中另外设置多辆无人驾驶车作为交通车,每一辆交通车都会按照事前输入的行驶轨迹行驶。由于交通车的作用在于给被测试的无人驾驶车辆提供一个真实的驾驶环境,所以如果交通车的行驶轨迹更加接近人类的行车轨迹,那么可以对被测试的无人驾驶进行更加有效的道路测试。通过本实施例中的步骤101以及步骤102所生成的仿真轨迹与人类的行车轨迹较为接近,该仿真轨迹应用于交通车,可以给被测试的无人驾驶车辆提供更加真实的驾驶环境。
在本实施例中,目标道路具体是指可用于对无人驾驶车辆进行仿真场景测试的道路。依据具体的无人驾驶车辆的测试项目,目标道路可以是一条弯曲的道路,可以是一条笔直的道路,可以是包括有环岛、十字路口以及桥梁的道路,还可以是乡村土路等等。
进一步地,目标道路可以是具体的一条道路,也可以是一组属性相同的道路。属性相同的道路具体是指道路的路况以及道路所包括的行车场景均较为相似的道路。举例来说,目标道路具体可以是多条宽度相近的笔直道路,具体还可以是多条曲率以及宽度均相近的弯曲道路。
可以理解的是,一条仿真轨迹一般是由多个位置不同的仿真轨迹点连接而成的,仿真轨迹点的连接顺序一般是由各个仿真轨迹点的时间确定的,其中,各个仿真轨迹点的时间具体是指车辆到达该仿真轨迹点的绝对时间,或是相对时间。
同样地,在本实施例中,仿真轨迹也是由多个不同的仿真轨迹点连接而成的,且每一个仿真轨迹点都同时具有时间值以及位置坐标值。仿真轨迹的时间数据具体是指仿真轨迹中每一个仿真轨迹点的时间值的集合,该时间值的集合可以体现交通车到达仿真轨迹中各个仿真轨迹点的先后顺序。
S102、将仿真轨迹的时间数据输入随机过程模型,获取仿真轨迹的位置坐标数据,位置坐标数据和时间数据对应形成仿真轨迹,其中,随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
在本实施例中,仿真轨迹是通过随机过程模型获取的,其中,随机过程模型典型的可以是高斯过程模型等。
进一步地,本实施例所使用的随机过程模型是通过下述过程训练得到的:
A、获取至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹。
在本实施例中,驾驶人员的行驶轨迹对应的目标道路既可以是同一条道路,也可以是一组属性相同的道路(属性相同的道路的含义与步骤101中所述内容相同)中的不同道路等,本实施例对此不进行限制。
由于驾驶人员既有常规型的,激进型的,也有保守型的,那么可以使用同一类型的驾驶人员的行驶轨迹对随机过程模型进行训练,以使得训练后的随机过程模型所确定的仿真轨迹具有相同的且明确的驾驶属性(即常规型、激进型或保守型)。进而,可以通过不同类型的驾驶人员的行驶轨迹,分别对随机过程模型进行训练,得到多个可分别确定不同驾驶属性的仿真轨迹的随机过程模型,然后可以依据实际需求分别获取不同驾驶属性的仿真轨迹,以为无人驾驶车辆提供更加真实的驾驶环境。所以,在本实施例中,至少两个驾驶人员可以是属于同一类型驾驶人员。
在本实施例中,行驶轨迹也是由多个位置不同的行驶轨迹点连接而成的,且每一个行驶轨迹点都同时具有时间值以及位置坐标值。其中,不同的行驶轨迹点的时间值可以体现驾驶员驾驶车辆到达不同的行驶轨迹点的先后顺序。其中,位置坐标值具体可以是行驶轨迹点所在道路位置对应的二维平面坐标值。
B、将至少两条行驶轨迹中的轨迹点的时间值以及位置坐标值,分别作为随机过程模型的输入和输出,对随机过程模型进行训练,其中,用于对随机过程模型进行训练的轨迹点的时间值至少包括起步时间值、至少一个中途时间值和终点时间值。
在本实施例中,在获取行驶轨迹之后,会使用行驶轨迹中的行驶轨迹点的时间值以及位置坐标值对随机过程模型进行训练,训练的过程具体可以为:依次将所有行驶轨迹中所有的行驶轨迹点的时间值以及位置坐标值分别作为随机过程模型的输入和输出,以此完成对随机过程模型的训练。
进一步地,在对随机过程模型进行训练时,为了减小计算量也可以仅从所有行驶轨迹点中选取一部分轨迹点作为样本对随机过程模型进行训练。但是,为了使训练后的随机过程模型所确定的仿真轨迹为一条完整的轨迹,即该轨迹应经过整条目标道路,所选取的轨迹点的时间值应至少包括起步时间值、至少一个中途时间值和终点时间值。其中,起步时间值具体是指任一条行驶轨迹的行驶起始轨迹点的时间值,终点时间值具体是指任一条行驶轨迹的行驶终止轨迹点的时间值,中途时间值具体是指所有行驶轨迹点的时间值中,除起步时间值以及终点时间值以外的其他时间值。
通过上述步骤A和步骤B完成了对随机过程模型的训练,得到了训练后的随机过程模型。
在本实施例中,通过训练后的随机过程模型获取仿真轨迹的方法具体可以为将仿真轨迹的时间数据依次分别输入随机过程模型,进而得到与时间数据中的每一个时间值对应的位置坐标值,然后依据时间值的前后顺序,将各个位置坐标值对应的轨迹点进行连接,进而得到一条仿真轨迹。
本发明实施例提供了一种车辆仿真轨迹的生成方法,通过使用由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练得到的随机过程模型,以及仿真轨迹的时间数据,获取仿真轨迹的位置坐标数据进而确定仿真轨迹,解决了现有技术中通过人为设定交通车的行驶轨迹,使得交通车的行驶轨迹不符合车辆动力学约束,导致难以给无人驾驶车辆提供有效的测试环境的技术缺陷,使得交通车的行驶轨迹可以更加符合车辆动力学约束,且可以更加拟人化,提高无人驾驶车辆的自动驾驶仿真场景测试结果的正确性以及有效性。
实施例二
图2是本发明实施例二提供的一种车辆仿真轨迹的生成方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,给出了一种增加仿真轨迹检验过程,以及增加随机过程模型重新训练的步骤的具体实施方式。
相应的,本实施例的方法具体包括:
S201、获取目标道路的仿真轨迹的时间数据。
S202、将仿真轨迹的时间数据输入随机过程模型,获取仿真轨迹的位置坐标数据,位置坐标数据和时间数据对应形成仿真轨迹,其中,随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
S203、根据轨迹跟随算法,获取仿真轨迹对应的车辆操控数据。
可以理解的是,通过步骤201和步骤202所确定的仿真轨迹有可能不满足车辆动力学约束的,还有可能会超出目标道路对应的可行驶范围,因此,在本实施例中,首先通过步骤203至步骤207判断仿真轨迹是否满足车辆动力学约束,然后通过步骤208至步骤210判断满足车辆动力学约束的仿真轨迹是否在可行驶范围内。
在本实施例中示例性地,先对仿真轨迹是否满足车辆动力学约束进行判断,然后对仿真轨迹是否属于可行驶范围进行判断。也可以先对仿真轨迹是否属于可行驶范围进行判断,然后再对仿真轨迹是否满足车辆动力学约束进行判断。
在本实施例中的判断仿真轨迹是否满足车辆动力学约束的过程,首先是使用轨迹跟随算法计算仿真轨迹对应的车辆操控数据,其中,车辆操控数据具体可以包括方向盘转角、油门踏板数据以及制动踏板数据等。
S204、将车辆操控数据输入车辆动力学模型,获取仿真轨迹对应的车辆仿真行驶数据。
在本实施例中,在获取车辆操控数据之后,会依次将每一组车辆操控数据(对应于一条仿真轨迹的车辆操控数据)分别输入车辆动力学模型,以获取仿真轨迹分别对应的车辆仿真行驶数据。其中,车辆仿真行驶数据具体可以包括侧向加速度以及跟随误差。
S205、判断仿真轨迹中各仿真轨迹点对应的所有车辆仿真行驶数据是否满足设定数值范围,若是,则执行步骤206,若否,则执行步骤207。
在本实施例中,只有当仿真轨迹对应的车辆行驶数据满足设定数据范围时,才确认该仿真轨迹为正确的仿真轨迹。其中,侧向加速度应小于0.5g,最大跟随误差应小于0.7m。
S206、确定仿真轨迹为正确仿真轨迹。
S207、确定仿真轨迹为不正确仿真轨迹,并弃用该不正确仿真轨迹。
S208、获取目标道路对应的可行驶范围。
在本实施例中,目标道路对应的可行书范围具体可以是通过高精度地图确定的。示例性地,对于直线道路来说,高精度地图中包括有该直线道路的中心线数据以及道路宽度数据,依据中心线数据以及道路宽度数据可以判断仿真轨迹是否超范围。
S209、根据正确仿真轨迹中的仿真轨迹点以及可行驶范围,确定仿真轨迹是否为合格仿真轨迹。
在本实施例中,只有一条仿真轨迹中的所有仿真轨迹点均在可行驶范围内,才确认该条仿真轨迹为合格仿真轨迹。
S210、根据不合格仿真轨迹的数量占比确定随机过程模型是否合格。
在本实施例中,会根据不合格仿真轨迹的数量占比来确定随机过程模型是否合格,如果不合格仿真轨迹的数量占比大于设定占比阈值,则确定随机过程模型不合格。其中,设定占比阈值典型的可以是80%。
S211、如果确定随机过程模型不合格,则获取行驶轨迹对应的曲率数值组。
在本实施例中,如果确定随机过程模型不合格,则会通过步骤211至步骤213重新对随机过程模型进行训练。
首先通过步骤211至步骤212从原有的用于训练随机过程模型的行驶轨迹中筛选出曲率不合格的轨迹,并弃用曲率不合格的行驶轨迹。其中,曲率不合格的行驶轨迹具体是指对应的曲率数值中包括有大于设定曲率阈值的曲率的行驶轨迹。
S212、将包括有大于设定曲率阈值的曲率的曲率阈值组所对应的行驶轨迹确定为不合格行驶轨迹,并将行驶轨迹中不合格行驶轨迹以外的轨迹确定为合格行驶轨迹。
S213、将合格行驶轨迹中的轨迹点的时间值以及位置坐标值分别作为随机过程模型的输入和输出,重新对随机过程模型进行训练。
本发明实施例提供了一种车龄仿真轨迹的生成方法,该方法增加了仿真轨迹检验的过程,可以准确筛选出不符合车辆动力学约束以及超出可行驶范围的仿真轨迹,还增加了随机过程模型重新训练的步骤,进一步提高通过随机过程模型所确定的仿真轨迹的有效性。
实施例三
图3是本发明实施例三提供的一种车辆仿真轨迹的生成装置的结构图。如图3所示,所述装置包括:时间数据获取模块301以及仿真轨迹生成模块302,其中:
时间数据获取模块301,用于获取目标道路的仿真轨迹的时间数据;
仿真轨迹生成模块302,用于将仿真轨迹的时间数据输入随机过程模型,获取仿真轨迹的位置坐标数据,位置坐标数据和时间数据对应形成仿真轨迹;
其中,随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
本发明实施例提供了一种车辆仿真轨迹的生成装置,该装置首先通过时间数据获取模块301获取目标道路的仿真轨迹的时间数据,然后通过仿真轨迹生成模块302将仿真轨迹的时间数据输入随机过程模型,获取仿真轨迹的位置坐标数据,位置坐标数据和时间数据对应形成仿真轨迹;其中,随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
该装置解决了现有技术中通过人为设定交通车的行驶轨迹,使得交通车的行驶轨迹不符合车辆动力学约束,导致难以给无人驾驶车辆提供有效的测试环境的技术缺陷,使得交通车的行驶轨迹可以更加符合车辆动力学约束,且可以更加拟人化,提高无人驾驶车辆的自动驾驶仿真场景测试结果的正确性以及有效性。
在上述各实施例的基础上,随机过程模型的训练过程可以包括:
获取至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹;
将至少两条行驶轨迹中的轨迹点的时间值以及位置坐标值,分别作为随机过程模型的输入和输出,对随机过程模型进行训练;
其中,用于对随机过程模型进行训练的轨迹点的时间值至少包括起步时间值、至少一个中途时间值和终点时间值。
在上述各实施例的基础上,至少两个驾驶人员可以属于同一类型驾驶人员。
在上述各实施例的基础上,同一类型驾驶人员具体可以为:
激进型驾驶人员、保守型驾驶人员或常规型驾驶人员。
在上述各实施例的基础上,随机过程模型可以为高斯过程模型。
在上述各实施例的基础上,还可以包括:
车辆操控数据获取模块,用于根据轨迹跟随算法,获取仿真轨迹对应的车辆操控数据;
车辆仿真行驶数据获取模块,用于将车辆操控数据输入车辆动力学模型,获取仿真轨迹对应的车辆仿真行驶数据;
判断模块,用于判断所述车辆仿真行驶数据是否满足设定数值范围;
正确仿真轨迹确定模块,用于根据判断结果确定仿真轨迹是否为正确仿真轨迹。
在上述各实施例的基础上,车辆操控数据至少可以包括:方向盘转角、油门踏板数据以及制动踏板数据;
车辆仿真行驶数据至少包括:侧向加速度以及跟随误差。
在上述各实施例的基础上,还可以包括:
获取目标道路对应的可行驶范围;
合格仿真轨迹确定模块,用于根据仿真轨迹中的仿真轨迹点以及可行驶范围,确定仿真轨迹是否为合格仿真轨迹。
在上述各实施例的基础上,还可以包括:
模型是否合格确定模块,用于根据不合格仿真轨迹的数量占比确定随机过程模型是否合格。
在上述各实施例的基础上,还可以包括:
曲率获取模块,用于根据不合格仿真轨迹的数量占比确定随机过程模型是否合格之后,如果确定随机过程模型不合格,则获取行驶轨迹对应的曲率数值组;
曲率判断模块,用于将包括有大于设定曲率阈值的曲率的曲率数值组所对应的行驶轨迹确定为不合格行驶轨迹,并将行驶轨迹中不合格行驶轨迹以外的轨迹确定为合格行驶轨迹;
模型训练模块,用于将合格行驶轨迹中的轨迹点的时间值以及位置坐标值分别作为随机过程模型的输入和输出,重新对随机过程模型进行训练。
本发明实施例所提供的车辆仿真轨迹的生成装置可用于执行本发明任意实施例提供的车辆仿真轨迹的生成方法,具备相应的功能模块,实现相同的有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12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4所示,计算机设备12以通用计算设备的形式表现。计算机设备12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16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18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。
计算机设备12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计算机设备12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28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)30和/或高速缓存存储器32。计算机设备12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34可以用于读写不可移动的、非易失性磁介质(图未显示,通常称为“硬盘驱动器”)。尽管图中未示出,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18相连。存储器28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42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42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42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12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22进行。并且,计算机设备12还可以通过网络适配器20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20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12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16通过运行存储在系统存储器28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车辆仿真轨迹的生成方法。也即:获取目标道路的仿真轨迹的时间数据;将所述仿真轨迹的时间数据输入随机过程模型,获取所述仿真轨迹的位置坐标数据,所述位置坐标数据和所述时间数据对应形成仿真轨迹;其中,所述随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
实施例五
本发明实施例五还提供了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本发明实施例所述的车辆仿真轨迹的生成方法。也即:获取目标道路的仿真轨迹的时间数据;将所述仿真轨迹的时间数据输入随机过程模型,获取所述仿真轨迹的位置坐标数据,所述位置坐标数据和所述时间数据对应形成仿真轨迹;其中,所述随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
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 (13)
1.一种车辆仿真轨迹的生成方法,其特征在于,包括:
获取目标道路的仿真轨迹的时间数据;
将所述仿真轨迹的时间数据输入随机过程模型,获取所述仿真轨迹的位置坐标数据,所述位置坐标数据和所述时间数据对应形成仿真轨迹;
其中,所述随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
2.根据权利要求1所述的方法,其特征在于,所述随机过程模型的训练过程包括:
获取至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹;
将至少两条行驶轨迹中的轨迹点的时间值以及位置坐标值,分别作为所述随机过程模型的输入和输出,对所述随机过程模型进行训练;
其中,用于对所述随机过程模型进行训练的轨迹点的时间值至少包括起步时间值、至少一个中途时间值和终点时间值。
3.根据权利要求2所述的方法,其特征在于,所述至少两个驾驶人员属于同一类型驾驶人员。
4.根据权利要求3所述的方法,其特征在于,同一类型驾驶人员具体为:
激进型驾驶人员、保守型驾驶人员或常规型驾驶人员。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述随机过程模型为高斯过程模型。
6.根据权利要求1-4中任一项所述的方法,其特征在于,还包括:
根据轨迹跟随算法,获取所述仿真轨迹对应的车辆操控数据;
将所述车辆操控数据输入车辆动力学模型,获取所述仿真轨迹对应的车辆仿真行驶数据;
判断所述车辆仿真行驶数据是否满足设定数值范围;
根据判断结果确定所述仿真轨迹是否为正确仿真轨迹。
7.根据权利要求6所述的方法,其特征在于,所述车辆操控数据至少包括:方向盘转角、油门踏板数据以及制动踏板数据;
所述车辆仿真行驶数据至少包括:侧向加速度以及跟随误差。
8.根据权利要求1所述的方法,其特征在于,还包括:
获取所述目标道路对应的可行驶范围;
根据所述仿真轨迹中的所述仿真轨迹点以及所述可行驶范围,确定所述仿真轨迹是否为合格仿真轨迹。
9.根据权利要求8所述的方法,其特征在于,还包括:
根据不合格仿真轨迹的数量占比确定所述随机过程模型是否合格。
10.根据权利要求9所述的方法,其特征在于,根据不合格仿真轨迹的数量占比确定所述随机过程模型是否合格之后,还包括:
如果确定所述随机过程模型不合格,则获取所述行驶轨迹对应的曲率数值组;
将包括有大于设定曲率阈值的曲率的曲率数值组所对应的行驶轨迹确定为不合格行驶轨迹,并将所述行驶轨迹中不合格行驶轨迹以外的轨迹确定为合格行驶轨迹;
将所述合格行驶轨迹中的轨迹点的时间值以及位置坐标值分别作为所述随机过程模型的输入和输出,重新对所述随机过程模型进行训练。
11.一种车辆仿真轨迹的生成装置,其特征在于,包括:
时间数据获取模块,用于获取目标道路的仿真轨迹的时间数据;
仿真轨迹生成模块,用于将所述仿真轨迹的时间数据输入随机过程模型,获取所述仿真轨迹的位置坐标数据,所述位置坐标数据和所述时间数据对应形成仿真轨迹;
其中,所述随机过程模型,由至少两个驾驶人员在目标道路中进行车辆驾驶的行驶轨迹训练而获得。
12.一种计算机设备,其特征在于,所述计算机设备包括:
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1-10中任一项所述的车辆仿真轨迹的生成方法。
13.一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1-10中任一项所述的车辆仿真轨迹的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288134.2A CN109446662A (zh) | 2018-10-31 | 2018-10-31 | 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288134.2A CN109446662A (zh) | 2018-10-31 | 2018-10-31 | 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109446662A true CN109446662A (zh) | 2019-03-08 |
Family
ID=65550026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811288134.2A Pending CN109446662A (zh) | 2018-10-31 | 2018-10-31 | 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446662A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689613A (zh) * | 2019-09-18 | 2020-01-14 | 广州大学 | 车辆道路仿真场景构建方法、装置、介质和设备 |
CN111010414A (zh) * | 2019-04-29 | 2020-04-14 | 当家移动绿色互联网技术集团有限公司 | 仿真数据同步方法、装置、存储介质及电子设备 |
CN111274336A (zh) * | 2019-12-18 | 2020-06-12 | 浙江大华技术股份有限公司 | 目标轨迹的处理方法、装置、存储介质及电子装置 |
CN111767360A (zh) * | 2020-07-02 | 2020-10-13 | 北京百度网讯科技有限公司 | 路口虚拟车道标注的方法及装置 |
CN111959496A (zh) * | 2020-06-29 | 2020-11-20 | 北京百度网讯科技有限公司 | 用于车辆横向控制的模型生成方法、装置及电子设备 |
CN112269325A (zh) * | 2020-12-21 | 2021-01-26 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真方法和装置、存储介质及电子设备 |
CN112286206A (zh) * | 2020-11-17 | 2021-01-29 | 苏州智加科技有限公司 | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 |
CN112486817A (zh) * | 2020-11-27 | 2021-03-12 | 北京百度网讯科技有限公司 | 一种数据更新的测评方法、装置、设备及存储介质 |
CN112651127A (zh) * | 2020-12-26 | 2021-04-13 | 浙江天行健智能科技有限公司 | 一种基于高斯过程回归的保守车辆行为泛化模拟方法 |
CN112836395A (zh) * | 2021-03-10 | 2021-05-25 | 北京车和家信息技术有限公司 | 一种车辆行驶数据模拟方法、装置、电子设备及存储介质 |
CN113327264A (zh) * | 2021-06-01 | 2021-08-31 | 星觅(上海)科技有限公司 | 轨迹拟合方法、装置、设备及存储介质 |
CN113761701A (zh) * | 2020-09-11 | 2021-12-07 | 北京京东乾石科技有限公司 | 目标仿真控制的方法和装置 |
WO2022099928A1 (zh) * | 2020-11-10 | 2022-05-19 | 之江实验室 | 一种驾驶员参与的无人车驾驶软件仿真测试装置与方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101025766A (zh) * | 2006-12-22 | 2007-08-29 | 北京交通大学 | 城市轨道交通线路折返能力的分析方法 |
CN104834776A (zh) * | 2015-04-30 | 2015-08-12 | 吉林大学 | 一种微观交通仿真中交通车辆建模仿真系统及方法 |
CN105448157A (zh) * | 2016-01-05 | 2016-03-30 | 北京交通大学 | 一种通用型列车模拟驾驶系统及方法 |
US20170032067A1 (en) * | 2013-01-10 | 2017-02-02 | International Business Machines Corporation | Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network |
CN107452242A (zh) * | 2017-07-05 | 2017-12-08 | 广东工业大学 | 一种基于北斗导航的汽车模型半实物仿真系统 |
CN108446463A (zh) * | 2018-03-02 | 2018-08-24 | 南京航空航天大学 | 融合车辆动力学的微观交通流协同仿真平台、仿真方法及安全评价方法 |
CN108694367A (zh) * | 2017-04-07 | 2018-10-23 | 北京图森未来科技有限公司 | 一种驾驶行为模型的建立方法、装置和系统 |
-
2018
- 2018-10-31 CN CN201811288134.2A patent/CN109446662A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101025766A (zh) * | 2006-12-22 | 2007-08-29 | 北京交通大学 | 城市轨道交通线路折返能力的分析方法 |
US20170032067A1 (en) * | 2013-01-10 | 2017-02-02 | International Business Machines Corporation | Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network |
CN104834776A (zh) * | 2015-04-30 | 2015-08-12 | 吉林大学 | 一种微观交通仿真中交通车辆建模仿真系统及方法 |
CN105448157A (zh) * | 2016-01-05 | 2016-03-30 | 北京交通大学 | 一种通用型列车模拟驾驶系统及方法 |
CN108694367A (zh) * | 2017-04-07 | 2018-10-23 | 北京图森未来科技有限公司 | 一种驾驶行为模型的建立方法、装置和系统 |
CN107452242A (zh) * | 2017-07-05 | 2017-12-08 | 广东工业大学 | 一种基于北斗导航的汽车模型半实物仿真系统 |
CN108446463A (zh) * | 2018-03-02 | 2018-08-24 | 南京航空航天大学 | 融合车辆动力学的微观交通流协同仿真平台、仿真方法及安全评价方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111010414A (zh) * | 2019-04-29 | 2020-04-14 | 当家移动绿色互联网技术集团有限公司 | 仿真数据同步方法、装置、存储介质及电子设备 |
CN111010414B (zh) * | 2019-04-29 | 2022-06-21 | 北京五一视界数字孪生科技股份有限公司 | 仿真数据同步方法、装置、存储介质及电子设备 |
CN110689613A (zh) * | 2019-09-18 | 2020-01-14 | 广州大学 | 车辆道路仿真场景构建方法、装置、介质和设备 |
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 |
CN111274336B (zh) * | 2019-12-18 | 2023-05-09 | 浙江大华技术股份有限公司 | 目标轨迹的处理方法、装置、存储介质及电子装置 |
CN111274336A (zh) * | 2019-12-18 | 2020-06-12 | 浙江大华技术股份有限公司 | 目标轨迹的处理方法、装置、存储介质及电子装置 |
CN111959496A (zh) * | 2020-06-29 | 2020-11-20 | 北京百度网讯科技有限公司 | 用于车辆横向控制的模型生成方法、装置及电子设备 |
CN111767360A (zh) * | 2020-07-02 | 2020-10-13 | 北京百度网讯科技有限公司 | 路口虚拟车道标注的方法及装置 |
CN111767360B (zh) * | 2020-07-02 | 2024-06-11 | 阿波罗智能技术(北京)有限公司 | 路口虚拟车道标注的方法及装置 |
CN113761701A (zh) * | 2020-09-11 | 2021-12-07 | 北京京东乾石科技有限公司 | 目标仿真控制的方法和装置 |
WO2022099928A1 (zh) * | 2020-11-10 | 2022-05-19 | 之江实验室 | 一种驾驶员参与的无人车驾驶软件仿真测试装置与方法 |
CN112286206A (zh) * | 2020-11-17 | 2021-01-29 | 苏州智加科技有限公司 | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 |
CN112286206B (zh) * | 2020-11-17 | 2024-01-23 | 苏州智加科技有限公司 | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 |
CN112486817B (zh) * | 2020-11-27 | 2023-11-07 | 北京百度网讯科技有限公司 | 一种数据更新的测评方法、装置、设备及存储介质 |
CN112486817A (zh) * | 2020-11-27 | 2021-03-12 | 北京百度网讯科技有限公司 | 一种数据更新的测评方法、装置、设备及存储介质 |
CN112269325A (zh) * | 2020-12-21 | 2021-01-26 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真方法和装置、存储介质及电子设备 |
CN112269325B (zh) * | 2020-12-21 | 2021-03-16 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真方法和装置、存储介质及电子设备 |
CN112651127A (zh) * | 2020-12-26 | 2021-04-13 | 浙江天行健智能科技有限公司 | 一种基于高斯过程回归的保守车辆行为泛化模拟方法 |
CN112836395A (zh) * | 2021-03-10 | 2021-05-25 | 北京车和家信息技术有限公司 | 一种车辆行驶数据模拟方法、装置、电子设备及存储介质 |
CN113327264A (zh) * | 2021-06-01 | 2021-08-31 | 星觅(上海)科技有限公司 | 轨迹拟合方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446662A (zh) | 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质 | |
CN109522673B (zh) | 一种测试方法、装置、设备和存储介质 | |
CN109583776A (zh) | 一种车辆体感评测方法、装置、电子设备、介质和车辆 | |
CN109358526A (zh) | 基于仿真的自动驾驶循迹算法的软件在环测试方法 | |
CN113408141B (zh) | 一种自动驾驶测试方法、装置及电子设备 | |
JP6898101B2 (ja) | 車両のエネルギー効率を分析するためのシステムおよび方法 | |
CN108319249B (zh) | 基于驾驶模拟器的无人驾驶算法综合测评系统及方法 | |
CN109435955A (zh) | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 | |
CN109491369A (zh) | 车辆实际控制单元的性能评估方法、装置、设备和介质 | |
CN109032103A (zh) | 无人驾驶车辆的测试方法、装置、设备及存储介质 | |
CN110163176A (zh) | 车道线变化位置识别方法、装置、设备和介质 | |
CN109035831A (zh) | 交通指示灯的识别方法、装置、设备、存储介质及车辆 | |
US10599788B2 (en) | Predicting target characteristic data | |
CN109406166A (zh) | 无人车的分级方法、装置、设备、存储介质和车辆 | |
CN109297725A (zh) | 车辆边界能力的测试方法、装置、设备、介质和车辆 | |
CN109697169A (zh) | 一种自动驾驶系统的测试方法和装置 | |
CN110220535A (zh) | 车辆仪器表测试方法、装置、系统、设备和存储介质 | |
CN116310799A (zh) | 语义信息与几何约束相结合的动态特征点剔除方法 | |
Fu et al. | Efficient safety-enhanced velocity planning for autonomous driving with chance constraints | |
CN109360294A (zh) | 无人车的评价方法、装置、计算机设备及存储介质 | |
CN117668413A (zh) | 考虑多类行驶要素的自动驾驶综合决策评估方法及装置 | |
CN115236997A (zh) | 预测控制方法、装置、设备及计算机可读存储介质 | |
CN116167255B (zh) | 一种基于vtd的车路协同闭环仿真测试方法及系统 | |
CN112781888A (zh) | 测试车辆的系统和方法 | |
Lee et al. | Mode confusion in driver interfaces for adaptive cruise control systems |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211020 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |