CN109902430A - 交通场景生成方法、装置、系统、计算机设备和存储介质 - Google Patents
交通场景生成方法、装置、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109902430A CN109902430A CN201910191157.XA CN201910191157A CN109902430A CN 109902430 A CN109902430 A CN 109902430A CN 201910191157 A CN201910191157 A CN 201910191157A CN 109902430 A CN109902430 A CN 109902430A
- Authority
- CN
- China
- Prior art keywords
- traffic
- dynamic traffic
- dynamic
- scene
- data
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及自动驾驶仿真技术领域,特别是涉及交通场景生成方法、系统、装置、计算机设备和存储介质。所述交通场景生成方法应用于现场端,包括以下步骤:获取道路现场动态交通数据;处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端。所述交通场景生成方法应用于云端包括以下步骤:获取现场端传输的动态交通元素语义描述信息和动态交通元素运动信息;根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。本发明通过采集道路现场的数据生成动态模拟现场,可以为自动驾驶仿真系统提供更真实的动态交通场景,从而提高了自动驾驶仿真系统的有效性,大幅缩减道路试验里程。
Description
技术领域
本发明涉及自动驾驶仿真技术领域,特别是涉及动态交通场景生成方法、系统、装置、计算机设备和存储介质。
背景技术
自动驾驶车辆必须经过大量的道路试验才能验证其安全性和可靠性,由于试验里程巨大(上百万公里)及无法制造极端交通事故场景,仿真测试成为自动驾驶车辆算法训练和验证的必须工具,这已经成为业界共识。
仿真系统对于动态交通场景的构建通常使用以下几种方法:1、结构化方法(典型场景方法)。这是ADAS系统((Advanced Driving Assistant System,即高级驾驶辅助系统)常见的用于场地测试和仿真测试用的场景构建方法,其特点是所有过程都是事先规划,可以复现,因此也不具有随机性和智能性,仅模拟简单的、特定的场景。2、AI方法。这是一种比较新的自动驾驶仿真系统的动态交通场景构造方法,所有的车辆和行人通过AI编程,能够具有一定的智能和随机性,可以部分真实的模拟动态交通场景。这种方法的效果取决于所使用的AI算法智能程度,例如Nivida公司利用深度学习技术,提出了计算机自动生成动态交通场景的方法。但是,无论如何,不能完全模拟真实动态交通场景(特别是不同的国家、城市甚至十字路口都毫无疑问存在不同的特点),而且这种方法会要求海量的计算资源。3、宏观仿真。通过将宏观交通流仿真方法获得的交通流数据用于规划微观仿真(自动驾驶仿真系统)中的车辆和行人的动态行为,与静态交通场景一起构建一个动态交通场景,例如SUMO(Simulation of Urban Mobility)宏观交通流仿真系统与开源自动驾驶仿真系统CARLA的结合。这种方法的优点是可以充分利用已有的、成熟的并经过验证的宏观交通流模拟软件的数据,但是无法给出车辆、行人的微观行为(如偏离车道、突然加速、制动等)。4、道路采集方法。利用安装有激光雷达、摄像头的采集车在实际道路上行驶,并记录数据,并将此数据用于仿真系统的动态交通场景数据输入。这种方法的优点是数据真实可靠。缺点也是显而易见的:1、成本高昂;2、数据量巨大,而且即使有海量数据,也仅能反应部分动态交通场景。
可见,现有技术提供的仿真测试用动态交通场景的生成方法不能为自动驾驶的仿真系统提供一个足够真实的,具有海量数据的动态交通环境,从而保证仿真系统中自动驾驶系统训练或者验证的有效性。
发明内容
基于此,有必要针对上述的问题,提供一种交通场景生成方法、装置、系统、计算机设备和存储介质。
本发明实施例是这样实现的,一种交通场景生成方法,应用于现场端,所述方法包括以下步骤:
获取道路现场动态交通数据;
处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端。
在另一个实施例中,本发明提供了一种交通场景生成方法,应用于云端,所述方法包括以下步骤:
获取现场端传输的动态交通元素语义描述信息和动态交通元素运动信息;
根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。
在本发明另一个实施例中,还提供了一种交通场景生成装置,应用于现场端,所述装置包括:
动态交通数据获取模块,用于获取道路现场动态交通数据;
动态交通数据处理模块,用于处理所述动态交通数据得到动态交通元素语义描述和动态交通元素运动信息,所述动态交通元素包括行人、车辆、可变信号标识。
在本发明另一个实施例中,还提供了一种交通场景生成装置,应用于云端,所述装置包括:
匹配模块,用于根据所述动态交通元素语义描述匹配出相应的虚拟动态交通元素;
动态场景生成模块,用于根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。
在本发明一个实施例中,还提供了一种交通场景生成系统,所述系统包括:
现场端,用于执行上述实施例中现场端的方法的步骤;
云端,与所述现场端通信,用于执行上述实施例中云端的方法的步骤。
本发明一个实施例还提供了一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述交通场景生成方法的步骤。
本发明一个实施例还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述交通场景生成方法的步骤。
本发明实施例提供了一种交通场景生成方法、系统、装置、计算机设备和存储介质,本发明通过现场端采集道路现场数据并进行处理,云端利用现场端传回的数据生成动态交通场景。通过上述方法,本发明可以为自动驾驶仿真系统提供无限的、近乎真实的动态交通场景,从而极大的提高了自动驾驶仿真系统的有效性,可以大幅缩减自动驾驶车辆的道路试验里程。
附图说明
图1为一个实施例中一种交通场景生成方法的应用环境图;
图2为一个实施例中一种交通场景生成方法应用于现场端的流程图;
图3为图2中步骤S102的具体流程图;
图4为一个实施例中一种交通场景生成方法应用于现场端的流程图;
图5为图4中步骤S302的具体流程图;
图6为一个实施例中一种交通场景生成装置应用于现场端的结构图;
图7为图6中动态交通数据处理模块102的结构图;
图8为一个实施例中一种交通场景生成装置应用于云端的结构图;
图9为图8中动态场景生成模块202的结构图;
图10为一个实施例中一种交通场景生成系统的工作时序图;
图11为一个实施例中计算机设备的内部结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
图1为一个实施例中提供的一种交通场景生成方法的应用环境图,如图1所示,在该应用环境中,包括现场端100、云端200、自动驾驶系统300。
在本发明实施例中,现场端100可以设置于十字路口、环岛、机动车与非机动车混合路段、车流量大等路段,当然,此处给出的仅仅是示例,并不用于限制现场端100的设置地点,方案实施中可以根据具体需要选择设置位置与形式,本发明对此不作限制。在本发明实施例中,现场端100可以使用摄像头、激光传感器、超声波雷达等中的一种或多种的组合,实际上还可以使用道路采集车等可移动设备。
在本发明实施例中,云端200与现场端300可以通过有线或者无线的方式进行即时数据传输,当然也可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。在本发明实施例中,云端200可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器,需要理解,本发明采用云端200命名仅是相对于现场端100而言,并不用于限定其具体形式必须采用云计算的方式实现。
在本发明实施例中,自动驾驶系统可以仅仅是自动驾驶设备的数据控制系统,也可以是完整的自动驾驶设备,自动驾驶系统与云端200相连,利用云端200生成的交通场景对自动驾驶系统进行模拟测试。
本发明的使用场景可以与现有的自动驾驶模拟系统相结合,实现无限量动态交通数据的生成,可以模拟真实的交通环境,加快自动驾驶系统的仿真模拟,增强对真实道路环境的适应性。
在一个实施例中,如图2所示,提出了一种交通场景生成方法,本实施例主要以该方法应用于上述图1中的现场端100来举例说明。具体可以包括以下步骤:
步骤S101,获取道路现场动态交通数据。
在本发明实施例中,道路现场可以是十字路口、环岛、机动车与非机动车混合路段、车流量大等路段,当然,此处给出的仅仅是示例,并不用于限制道路现场的具体形式,方案实施中可以根据具体需要选择需要的道路现场,本发明对此不作限制。在本发明实施例中,道路现场数据的获取可以使用摄像头、激光传感器、超声波雷达等中的一种或多种的组合,实际上还可以使用道路采集车等可移动设备,当然,采用道路采集车并不意味着一定要进行移动采集,可以依需要定点采集,采用道路采集车的形式仅为了便于移动,改变采集地点。
步骤S102,处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端。
在本发明实施例中,通过处理动态交通数据得到动态交通元素与运动相关的信息,动态交通元素语义描述信息例如可以是:中年、男性、正常身高的行人;2008款、黑色、别克轿车;红灯,剩余时间10秒。当然,这里仅仅给出几种常用的元素属性,并不用于限制具体属性项目,需要理解的是,这些属性项目都是可以通过对动态交通元素数据进行分析得到的,且对于自动驾驶控制有帮助的信息,例如可以用于判断该元素的尺寸,从而计算发生碰撞的可能;判断元素的运动,避免事故的发生;判断元素的性别年龄,从而为车速控制提供数据来源等。在本发明实施例中,动态交通元素运动信息用于描述动态交通元素的运动状态,例如停止、加速、减速、匀速行驶等。在本发明实施例中,数据向云端的传输可以采用有线的方式也可以采用无线的方式进行,实际上,还可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。
在本发明实施例提供了一种交通场景生成方法,该方法应用于现场端,可以采集道路现场的交通元素并提取相关的运动信息,通过这种方法,一方面为自动驾驶系统的道路模拟提供了近乎无限的真实数据来源,且成本小,易于实现;此外,通过这种方式,由于只需要传输提取出的相关运动信息,可以极大地降低数据传输的量,为实时模拟创造了条件,可以有效地降低模拟端的数据存储要求,便于模拟真实场景。
在一个实施例中,步骤S102中动态交通数据具体可以包括行人信息、车辆信息以及可变交通信号标识的状态信息;
所述行人信息包括行人的性别、年龄、身高以及运动状态;
所述车辆信息包括车辆的颜色、型号、尺寸以及运动状态;
所述可变交通信号标识的状态信息包括可变交通信号标识的图案、颜色以及时间显示。
在本发明实施例中,动态交通数据包括行人信息、车辆信息以及可变交通信号标识的状态信息。其中行人信息可以包括用于描述行人的性别、年龄及其运动信息,例如中年、男性、正常身高的行人;车辆信息可以包括用于描述车辆属性及其运动的信息,例如:2008款、黑色、别克轿车;可变交通信号标识包括红绿灯、行人指示灯及其它可变信息灯,例如:红灯,剩余时间10秒。
在本发明实施例提供了一种交通场景生成方法,该方法应用于现场端,可以通过采集道路现场的动态交通元素的变化为交通场景的生成提供即时海量数据,生成的交通场景是动态的,是真实场景的模拟,提高了模拟的真实性。
在一个实施例中,如图3所示,步骤S202即处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端,具体可以包括以下步骤:
步骤S201,识别所述动态交通数据中的动态交通元素并转换为动态交通元素语义描述信息。
在本发明实施例中,识别动态交通数据中的动态元素并转化为对应的动态交通元素语义描述,目的在于为交通场景的生成提供真实的数据来源;本发明区别于现有技术,并不直接使用采集到的动态交通数据,而是提取其关键信息,一方面同样可以实现真实场景的再现,另一方面极大地降低了数据传输量,可以动态模拟真实交通场景。在本发明实施例中,动态交通元素语义描述信息主要为动态交通元素的属性信息,例如行人的身高、年龄、性别,车辆的型号、尺寸、颜色;指示灯的当前状态及时间显示等。
步骤S202,对识别出的所述动态交通元素的运动状态进行跟踪记录得到动态交通元素运动信息,所述动态交通元素运动信息包括所述动态元素的位置、姿态信息;
在本发明实施例中,识别动态交通数据中的动态元素并跟踪记录得到动态交通元素运动信息,目的在于为交通场景的生成提供真实的数据来源;本发明区别于现有技术,并不直接使用采集到的动态交通数据,而是提取其关键信息,一方面同样可以实现真实场景的再现,另一方面极大地降低了数据传输量,可以动态模拟真实交通场景。在本发明实施例中,动态交通元素运动信息用于描述动态交通元素的运动状态,例如速度的大小、方向以及运动趋势预测等。
步骤S203,将所述动态交通元素语义描述信息以及动态交通元素运动信息传输给云端。
在本发明实施例中,数据向云端的传输可以采用有线的方式也可以采用无线的方式进行,实际上,还可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。但是若需要生成即时的交通动态场景,应当采用有线或者无线进行即时数据传输。
本发明实施例提供了一种交通场景生成方法,通过采集道路现场的交通元素信息,识别动态交通元素的属性及其运动状态并传输给云端,通过这种方式,可以采集到无限量的真实场景数据,进而模拟真实交通环境,并且极大地降低了数据传输的要求,可以实现真实交通环境即时模拟,加快自动驾驶系统的模拟训练。
在一个实施例中,如图4所示,提供了一种交通场景生成方法,本实施例主要以该方法应用于上述图1中的现场端100来举例说明。具体可以包括以下步骤:
步骤S301,获取现场端传输的动态交通元素语义描述信息和动态交通元素运动信息。
在本发明实施例中,动态交通元素语义描述信息主要为动态交通元素的属性信息,例如行人的身高、年龄、性别,车辆的型号、尺寸、颜色;指示灯的当前状态及时间显示等。动态交通元素运动信息用于描述动态交通元素的运动状态,例如速度的大小、方向以及运动趋势预测等。数据的获取可以采用有线的方式也可以采用无线的方式进行,实际上,还可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。但是若需要生成即时的交通动态场景,应当采用有线或者无线进行即时数据传输
步骤S302,根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。
在本发明实施例中,云端预设有静态交通场景数据,例如街道、道路、绿化、固定交通标识等,此部分数据保存于相应数据库中,根据需要调用;为了提高模拟交通场景的真实性,交通场景的组成除了静态数据还包括动态数据,例如行人、车辆、可变交通信号标识等。在本发明实施例中,动态数据表现为虚拟动态交通元素,虚拟动态交通元素根据现场端传输的数据生成或者调用,之后与静态场景结合得到动态交通场景。
在本发明实施例提供了一种交通场景生成方法,应用于云端,本发明利用现场端传输的数据生成或者调用相应的场景构成数据,生成动态交通场景,且生成的动态交通场景可以随着真实场景变动更新,通过这种方式,可以获得海量的真实交通场景数据,从而加快自动驾驶系统的模拟训练,提高训练效果。
在一个实施例中,如图5所示,步骤S302即根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景,具体包括以下步骤:
步骤S401,获取与所述道路现场匹配的预设静态交通场景数据。
在本发明实施例中,预设静态场景交通场景数据包括但不限于街道、道路、绿化、固定交通标识等,此部分数据保存于相应数据库中,根据需要调用。本发明对于存储该部分的数据库的形式不作限制,可以存储于云端本地,也可以存储于另一云端系统中。
步骤S402,在所述静态交通场景中生成所述虚拟动态交通元素。
在本发明实施例中,虚拟动态交通元素包括行人、车辆以及可变交通信号标识,这里的虚拟是相对于真实场景而言的,可以是可见模型,也可以是纯数字化的不可见信息,自动驾驶系统通过识别可见模型或者接收这可见数字信息进行自动驾驶控制。在本发明中,虚拟动态交通元素生成的依据是现场端传输的动态交通元素语义描述,根据动态交通元素语义描述,既可以从数据库中调用预存的虚拟动态元素模块,也可以即时生成相应的虚拟动态交通元素。
步骤S403,根据所述动态交通元素运动信息控制所述虚拟动态交通元素的运动,从而得到动态交通场景。
在本发明实施例中,通过接收到的动态交通元素运动信息控制虚拟动态交通元素的运动,从而实现交通场景的动态变化。运动变化的控制可以即时的,也可是非即时的,即时的是指利用现场端传输过来的动态交通元素运动信息即时地控制虚拟动态交通元素的运动,实现数据的即时采集即时使用,无需较大的存储空间,对硬件要求低;当然,接收现场端的数据后也可以预存一段时间后集中使用。
在本发明实施例提供了一种交通场景生成方法,应用于云端,本发明包括生成或者调用静态交通场景数据、虚拟动态交通元素从而生成交通场景,且这种交通场景是动态的,其中的虚拟动态交通元素可以模拟真实现场对应交通元素的运动,因此,这种交通场景的数据量是海量的,不需要人为更改即可得到模拟真实场景,可以极大地提高自动驾驶系统的仿真效果。
在一个实施例中,如图6所示,提供了一种交通场景生成装置,本实施例主要以该装置应用于上述图1中的现场端100来举例说明,具体可以包括:
动态交通数据获取模块101,用于获取道路现场动态交通数据。
在本发明实施例中,道路现场可以是十字路口、环岛、机动车与非机动车混合路段、车流量大等路段,当然,此处给出的仅仅是示例,并不用于限制道路现场的具体形式,方案实施中可以根据具体需要选择需要的道路现场,本发明对此不作限制。在本发明实施例中,道路现场数据的获取可以使用摄像头、激光传感器、超声波雷达等中的一种或多种的组合,实际上还可以使用道路采集车等可移动设备,当然,采用道路采集车并不意味着一定要进行移动采集,可以依需要定点采集,采用道路采集车的形式仅为了便于移动,改变采集地点。
动态交通数据处理模块102,用于处理所述动态交通数据得到动态交通元素语义描述和动态交通元素运动信息,所述动态交通元素包括行人、车辆、可变信号标识。
在本发明实施例中,通过处理动态交通数据得到动态交通元素与运动相关的信息,动态交通元素语义描述信息例如可以是:中年、男性、正常身高的行人;2008款、黑色、别克轿车;红灯,剩余时间10秒。当然,这里仅仅给出几种常用的元素属性,并不用于限制具体属性项目,需要理解的是,这些属性项目都是可以通过对动态交通元素数据进行分析得到的,且对于自动驾驶控制有帮助的信息,例如可以用于判断该元素的尺寸,从而计算发生碰撞的可能;判断元素的运动,避免事故的发生;判断元素的性别年龄,从而为车速控制提供数据来源等。在本发明实施例中,动态交通元素运动信息用于描述动态交通元素的运动状态,例如停止、加速、减速、匀速行驶等。在本发明实施例中,数据向云端的传输可以采用有线的方式也可以采用无线的方式进行,实际上,还可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。
在本发明实施例提供了一种交通场景生成装置,该装置应用于现场端,可以采集道路现场的交通元素并提取相关的运动信息,通过这种方法,一方面为自动驾驶系统的道路模拟提供了近乎无限的真实数据来源,且成本小,易于实现;此外,通过这种方式,由于只需要传输提取出的相关运动信息,可以极大地降低数据传输的量,为实时模拟创造了条件,可以有效地降低模拟端的数据存储要求,便于模拟真实场景。
在一个实施例中,动态交通数据获取模块101中动态交通数据具体可以包括行人信息、车辆信息以及可变交通信号标识的状态信息;
所述行人信息包括行人的性别、年龄、身高以及运动状态;
所述车辆信息包括车辆的颜色、型号、尺寸以及运动状态:
所述可变交通信号标识的状态信息包括可变交通信号标识的图案、颜色以及时间显示。
在本发明实施例中,动态交通数据包括行人信息、车辆信息以及可变交通信号标识的状态信息。其中行人信息可以包括用于描述行人的性别、年龄及其运动信息,例如中年、男性、正常身高的行人;车辆信息可以包括用于描述车辆属性及其运动的信息,例如:2008款、黑色、别克轿车;可变交通信号标识包括红绿灯、行人指示灯及其它可变信息灯,例如:红灯,剩余时间10秒。
在本发明实施例提供了一种交通场景生成方法,该方法应用于现场端,可以通过采集道路现场的动态交通元素的变化为交通场景的生成提供即时海量数据,生成的交通场景是动态的,是真实场景的模拟,提高了模拟的真实性。
在一个实施例中,如图7所示,动态交通数据处理模块102具体可以包括:
识别单元1021,用于识别所述动态交通数据中的动态交通元素并转换为动态交通元素语义描述信息。
在本发明实施例中,识别动态交通数据中的动态元素并转化为对应的动态交通元素语义描述,目的在于为交通场景的生成提供真实的数据来源;本发明区别于现有技术,并不直接使用采集到的动态交通数据,而是提取其关键信息,一方面同样可以实现真实场景的再现,另一方面极大地降低了数据传输量,可以动态模拟真实交通场景。在本发明实施例中,动态交通元素语义描述信息主要为动态交通元素的属性信息,例如行人的身高、年龄、性别,车辆的型号、尺寸、颜色;指示灯的当前状态及时间显示等。
跟踪记录单元1022,用于对识别出的所述动态交通元素的运动状态进行跟踪记录得到动态交通元素运动信息,所述动态交通元素运动信息包括所述动态元素的位置、姿态信息。
在本发明实施例中,识别动态交通数据中的动态元素并跟踪记录得到动态交通元素运动信息,目的在于为交通场景的生成提供真实的数据来源;本发明区别于现有技术,并不直接使用采集到的动态交通数据,而是提取其关键信息,一方面同样可以实现真实场景的再现,另一方面极大地降低了数据传输量,可以动态模拟真实交通场景。在本发明实施例中,动态交通元素运动信息用于描述动态交通元素的运动状态,例如速度的大小、方向以及运动趋势预测等。
传输单元1023,用于将所述动态交通元素语义描述信息以及动态交通元素运动信息传输给云端。
在本发明实施例中,数据向云端的传输可以采用有线的方式也可以采用无线的方式进行,实际上,还可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。但是若需要生成即时的交通动态场景,应当采用有线或者无线进行即时数据传输。
本发明实施例提供了一种交通场景生成装置,通过采集道路现场的交通元素信息,识别动态交通元素的属性及其运动状态并传输给云端,通过这种方式,可以采集到无限量的真实场景数据,进而模拟真实交通环境,并且极大地降低了数据传输的要求,可以实现真实交通环境即时模拟,加快自动驾驶系统的模拟训练。
在一个实施例中,如图8所示,提供了一种交通场景生成装置,本实施例主要以该装置应用于上述图1中的云端200来举例说明,具体可以包括:
匹配模块201,用于根据所述动态交通元素语义描述匹配出相应的虚拟动态交通元素。
在本发明实施例中,动态交通元素语义描述信息主要为动态交通元素的属性信息,例如行人的身高、年龄、性别,车辆的型号、尺寸、颜色;指示灯的当前状态及时间显示等。动态交通元素运动信息用于描述动态交通元素的运动状态,例如速度的大小、方向以及运动趋势预测等。数据的获取可以采用有线的方式也可以采用无线的方式进行,实际上,还可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。但是若需要生成即时的交通动态场景,应当采用有线或者无线进行即时数据传输
动态场景生成模块202,用于根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。
在本发明实施例中,云端预设有静态交通场景数据,例如街道、道路、绿化、固定交通标识等,此部分数据保存于相应数据库中,根据需要调用;为了提高模拟交通场景的真实性,交通场景的组成除了静态数据还包括动态数据,例如行人、车辆、可变交通信号标识等。在本发明实施例中,动态数据表现为虚拟动态交通元素,虚拟动态交通元素根据现场端传输的数据生成或者调用,之后与静态场景结合得到动态交通场景。
在本发明实施例提供了一种交通场景生成装置,应用于云端,本发明利用现场端传输的数据生成或者调用相应的场景构成数据,生成动态交通场景,且生成的动态交通场景可以随着真实场景变动更新,通过这种方式,可以获得海量的真实交通场景数据,从而加快自动驾驶系统的模拟训练,提高训练效果。
在一个实施例中,动态场景生成模块202具体包括:
静态交通场景数据获取单元2021,用于获取与所述道路现场匹配的预设静态交通场景数据。
在本发明实施例中,预设静态场景交通场景数据包括但不限于街道、道路、绿化、固定交通标识等,此部分数据保存于相应数据库中,根据需要调用。本发明对于存储该部分的数据库的形式不作限制,可以存储于云端本地,也可以存储于另一云端系统中。
虚拟动态交通元素生成单元2022,用于在所述静态交通场景中生成所述虚拟动态交通元素。
在本发明实施例中,虚拟动态交通元素包括行人、车辆以及可变交通信号标识,这里的虚拟是相对于真实场景而言的,可以是可见模型,也可以是纯数字化的不可见信息,自动驾驶系统通过识别可见模型或者接收这可见数字信息进行自动驾驶控制。在本发明中,虚拟动态交通元素生成的依据是现场端传输的动态交通元素语义描述,根据动态交通元素语义描述,既可以从数据库中调用预存的虚拟动态元素模块,也可以即时生成相应的虚拟动态交通元素。
动态交通场景生成单元2023,用于根据所述动态交通元素运动信息控制所述虚拟动态交通元素的运动,从而得到动态交通场景。
在本发明实施例中,通过接收到的动态交通元素运动信息控制虚拟动态交通元素的运动,从而实现交通场景的动态变化。运动变化的控制可以即时的,也可是非即时的,即时的是指利用现场端传输过来的动态交通元素运动信息即时地控制虚拟动态交通元素的运动,实现数据的即时采集即时使用,无需较大的存储空间,对硬件要求低;当然,接收现场端的数据后也可以预存一段时间后集中使用。
在本发明实施例提供了一种交通场景生成装置,应用于云端,本发明包括生成或者调用静态交通场景数据、虚拟动态交通元素从而生成交通场景,且这种交通场景是动态的,其中的虚拟动态交通元素可以模拟真实现场对应交通元素的运动,因此,这种交通场景的数据量是海量的,不需要人为更改即可得到模拟真实场景,可以极大地提高自动驾驶系统的仿真效果。
在本一个实施例中,提供了一种交通场景生成系统,所述系统包括:
现场端,用于执行上述任一个实施例所述的应用于现场端的交通场景生成方法的步骤;
云端,与所述现场端通信,用于执行上述任一个实施例所述的应用于云端的交通场景生成方法的步骤。
在本发明实施例中,如图10所示,为本发明提供的一种交通场景生成系统的工作时序图,其基本过程为:现场端获取道路现场动态交通数据,并由道路现场动态交通数据得到动态交通元素语义信息描述以及动态交通元素运动信息,并将两者传输给云端;云端接收到动态交通元素语义信息描述得到虚拟动态交通元素,调用相应的静态交通场景数据,并在静态场景数据中生成虚拟动态交通元素,由动态交通元素运动信息控制虚拟动态交通元素的运动,得到动态交通场景。
在本发明实施例中,现场端可以设置于十字路口、环岛、机动车与非机动车混合路段、车流量大等路段,当然,此处给出的仅仅是示例,并不用于限制现场端的设置地点,方案实施中可以根据具体需要选择设置位置与形式,本发明对此不作限制。在本发明实施例中,现场端可以使用摄像头、激光传感器、超声波雷达等中的一种或多种的组合,实际上还可以使用道路采集车等可移动设备。
在本发明实施例中,云端与现场端可以通过有线或者无线的方式进行即时数据传输,当然也可以采用非即时传输的方式,例如使用可移动数据存储器实现数据转移等形式,本发明对此不作限制。在本发明实施例中,云端可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器,需要理解,本发明采用云端命名仅是相对于现场端而言,并不用于限定其具体形式必须采用云计算的方式实现。
本发明实施例提供了一种交通场景生成系统,通过现场端采集道路现场的数据,传输到云端进行真实现场的模拟,为自动驾驶系统提供了海量的真实路况模拟数据,可以提高自动驾驶系统模拟驾驶的有效性,加快模拟进度。
图11示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的现场端100(或云端200)。如图11所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现交通场景生成方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行交通场景生成方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的交通场景生成装置可以实现为一种计算机程序的形式,计算机程序可在如图11所示的计算机设备上运行。计算机设备的存储器中可存储组成该交通场景生成装置的各个程序模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的交通场景生成方法中的步骤。
在一个实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明提供的交通场景生成方法的步骤。
在一个实施例中,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行本发明提供的交通场景生成方法的步骤。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种交通场景生成方法,应用于现场端,所述方法包括:
获取道路现场动态交通数据;
处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端。
2.根据权利要求1所述的一种交通场景生成方法,其特征在于,所述动态交通数据包括行人信息、车辆信息以及可变交通信号标识的状态信息;
所述行人信息包括行人的性别、年龄、身高以及运动状态;
所述车辆信息包括车辆的颜色、型号、尺寸以及运动状态;
所述可变交通信号标识的状态信息包括可变交通信号标识的图案、颜色以及时间显示。
3.根据权利要求1所述的一种交通场景生成方法,其特征在于,所述处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端,具体包括以下步骤:
识别所述动态交通数据中的动态交通元素并转换为动态交通元素语义描述信息;
对识别出的所述动态交通元素的运动状态进行跟踪记录得到动态交通元素运动信息,所述动态交通元素运动信息包括所述动态元素的位置、姿态信息;
将所述动态交通元素语义描述信息以及动态交通元素运动信息传输给云端。
4.一种交通场景生成方法,应用于云端,所述方法包括:
获取现场端传输的动态交通元素语义描述信息和动态交通元素运动信息;
根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。
5.根据权利要求4所述的一种交通场景生成方法,其特征在于,所述根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景,具体包括以下步骤:
获取与所述道路现场匹配的预设静态交通场景数据;
在所述静态交通场景中生成所述虚拟动态交通元素;
根据所述动态交通元素运动信息控制所述虚拟动态交通元素的运动,从而得到动态交通场景。
6.一种交通场景生成装置,应用于现场端,所述装置包括:
动态交通数据获取模块,用于获取道路现场动态交通数据;
动态交通数据处理模块,用于处理所述动态交通数据得到动态交通元素语义描述和动态交通元素运动信息,所述动态交通元素包括行人、车辆、可变信号标识。
7.一种交通场景生成装置,应用于云端,所述装置包括:
匹配模块,用于根据所述动态交通元素语义描述匹配出相应的虚拟动态交通元素;
动态场景生成模块,用于根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。
8.一种交通场景生成系统,所述系统包括:
现场端,用于执行权利要求1~3作一项所述的方法;
云端,与所述现场端通信,用于执行权利要求4~5作一项所述方法。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至3或者4至5中任一项权利要求所述一种交通场景生成方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至3或者4至5中任一项权利要求所述一种交通场景生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910191157.XA CN109902430A (zh) | 2019-03-13 | 2019-03-13 | 交通场景生成方法、装置、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910191157.XA CN109902430A (zh) | 2019-03-13 | 2019-03-13 | 交通场景生成方法、装置、系统、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109902430A true CN109902430A (zh) | 2019-06-18 |
Family
ID=66952173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910191157.XA Pending CN109902430A (zh) | 2019-03-13 | 2019-03-13 | 交通场景生成方法、装置、系统、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902430A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765661A (zh) * | 2019-11-22 | 2020-02-07 | 北京京东乾石科技有限公司 | 自动驾驶仿真场景生成方法及装置、电子设备、存储介质 |
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 |
CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
CN110853393A (zh) * | 2019-11-26 | 2020-02-28 | 清华大学 | 智能网联车辆测试场数据采集与融合方法及系统 |
CN111060924A (zh) * | 2019-12-02 | 2020-04-24 | 北京交通大学 | 一种slam与目标跟踪方法 |
CN111841012A (zh) * | 2020-06-23 | 2020-10-30 | 北京航空航天大学 | 一种自动驾驶模拟仿真系统及其测试资源库建设方法 |
CN112698578A (zh) * | 2019-10-22 | 2021-04-23 | 北京车和家信息技术有限公司 | 一种自动驾驶模型的训练方法及相关设备 |
CN112859810A (zh) * | 2021-01-13 | 2021-05-28 | 自行科技(武汉)有限公司 | 一种基于Carla平台的ADAS算法验证方法及装置 |
CN113704993A (zh) * | 2021-08-25 | 2021-11-26 | 上海尔纯数据科技有限公司 | 一种交通场景数字化方法 |
CN113947893A (zh) * | 2021-09-03 | 2022-01-18 | 网络通信与安全紫金山实验室 | 一种自动驾驶车辆行车场景还原方法及系统 |
CN114637882A (zh) * | 2022-05-17 | 2022-06-17 | 深圳市华世智能科技有限公司 | 基于计算机图形技术生成带标记样本的方法 |
CN114913492A (zh) * | 2022-04-19 | 2022-08-16 | 清华大学 | 智能车路系统场景生成方法、系统、存储介质及计算设备 |
CN115148033A (zh) * | 2021-03-31 | 2022-10-04 | 丰田自动车株式会社 | 交通控制系统、交通控制方法和存储介质 |
CN117634135A (zh) * | 2023-10-16 | 2024-03-01 | 广州汽车集团股份有限公司 | 虚拟交通场景的建立方法、系统、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110128A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于交通信息元素知识库的交通信息转化方法和装置 |
CN103853736A (zh) * | 2012-11-29 | 2014-06-11 | 北京掌城科技有限公司 | 交通信息语音查询系统及其语音处理单元 |
CN109213126A (zh) * | 2018-09-17 | 2019-01-15 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车测试系统和方法 |
-
2019
- 2019-03-13 CN CN201910191157.XA patent/CN109902430A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110128A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于交通信息元素知识库的交通信息转化方法和装置 |
CN103853736A (zh) * | 2012-11-29 | 2014-06-11 | 北京掌城科技有限公司 | 交通信息语音查询系统及其语音处理单元 |
CN109213126A (zh) * | 2018-09-17 | 2019-01-15 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车测试系统和方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
CN112698578B (zh) * | 2019-10-22 | 2023-11-14 | 北京车和家信息技术有限公司 | 一种自动驾驶模型的训练方法及相关设备 |
CN112698578A (zh) * | 2019-10-22 | 2021-04-23 | 北京车和家信息技术有限公司 | 一种自动驾驶模型的训练方法及相关设备 |
CN110765661A (zh) * | 2019-11-22 | 2020-02-07 | 北京京东乾石科技有限公司 | 自动驾驶仿真场景生成方法及装置、电子设备、存储介质 |
CN110853393A (zh) * | 2019-11-26 | 2020-02-28 | 清华大学 | 智能网联车辆测试场数据采集与融合方法及系统 |
CN110853393B (zh) * | 2019-11-26 | 2020-12-11 | 清华大学 | 智能网联车辆测试场数据采集与融合方法及系统 |
CN111060924A (zh) * | 2019-12-02 | 2020-04-24 | 北京交通大学 | 一种slam与目标跟踪方法 |
CN111841012A (zh) * | 2020-06-23 | 2020-10-30 | 北京航空航天大学 | 一种自动驾驶模拟仿真系统及其测试资源库建设方法 |
CN111841012B (zh) * | 2020-06-23 | 2024-05-17 | 北京航空航天大学 | 一种自动驾驶模拟仿真系统及其测试资源库建设方法 |
CN112859810A (zh) * | 2021-01-13 | 2021-05-28 | 自行科技(武汉)有限公司 | 一种基于Carla平台的ADAS算法验证方法及装置 |
CN115148033A (zh) * | 2021-03-31 | 2022-10-04 | 丰田自动车株式会社 | 交通控制系统、交通控制方法和存储介质 |
CN113704993B (zh) * | 2021-08-25 | 2024-04-26 | 娄底职业技术学院 | 一种交通场景数字化方法 |
CN113704993A (zh) * | 2021-08-25 | 2021-11-26 | 上海尔纯数据科技有限公司 | 一种交通场景数字化方法 |
CN113947893A (zh) * | 2021-09-03 | 2022-01-18 | 网络通信与安全紫金山实验室 | 一种自动驾驶车辆行车场景还原方法及系统 |
CN114913492A (zh) * | 2022-04-19 | 2022-08-16 | 清华大学 | 智能车路系统场景生成方法、系统、存储介质及计算设备 |
CN114637882A (zh) * | 2022-05-17 | 2022-06-17 | 深圳市华世智能科技有限公司 | 基于计算机图形技术生成带标记样本的方法 |
CN114637882B (zh) * | 2022-05-17 | 2022-08-19 | 深圳市华世智能科技有限公司 | 基于计算机图形技术生成带标记样本的方法 |
CN117634135A (zh) * | 2023-10-16 | 2024-03-01 | 广州汽车集团股份有限公司 | 虚拟交通场景的建立方法、系统、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902430A (zh) | 交通场景生成方法、装置、系统、计算机设备和存储介质 | |
Zhang et al. | Parallel vision for intelligent transportation systems in metaverse: Challenges, solutions, and potential applications | |
CN107844635B (zh) | 实现bim信息与交通仿真信息集成系统及其集成方法 | |
CN111061167B (zh) | 一种面向智能网联示范区的混合现实自动驾驶的测试方法及虚拟测试平台 | |
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 | |
CN105975721B (zh) | 事故重现碰撞仿真建立方法及基于车辆实时运动状态的事故重现碰撞仿真方法 | |
Essa et al. | Simulated traffic conflicts: do they accurately represent field-measured conflicts? | |
US10096158B2 (en) | Method and system for virtual sensor data generation with depth ground truth annotation | |
CN111813650B (zh) | 可视化无人车决策控制仿真测试方法及系统 | |
CN109461342B (zh) | 一种用于无人驾驶机动车的教学系统及其教学方法 | |
CN110764494A (zh) | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 | |
Sun et al. | Development and application of an integrated traffic simulation and multi-driving simulators | |
CN112785842B (zh) | 一种在线交通流仿真系统 | |
CN101916311A (zh) | 轨道交通自动驾驶系统模型开发与仿真测试系统与方法 | |
CN114168457A (zh) | 自动驾驶汽车测试场景生成方法及系统 | |
CN110189517A (zh) | 一种面向车联网隐私保护研究的仿真实验平台 | |
CN109376664A (zh) | 机器学习训练方法、装置、服务器和介质 | |
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 | |
Zhi et al. | Analysis on the development status of intelligent and connected vehicle test site | |
Ji et al. | Perspective, survey and trends: Public driving datasets and toolsets for autonomous driving virtual test | |
CN111983934A (zh) | 一种无人车仿真测试用例生成方法及系统 | |
CN111581306B (zh) | 一种行车轨迹模拟方法及装置 | |
CN114488851B (zh) | 基于数字孪生技术的自动驾驶测试方法、装置及系统 | |
CN115148025B (zh) | 一种交通目标轨迹预测方法及可读存储介质 | |
CN109472301A (zh) | 一种车辆长度计算方法、装置、系统及计算机设备 |
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 |