CN110673636B - 无人驾驶仿真测试系统及方法、存储介质 - Google Patents
无人驾驶仿真测试系统及方法、存储介质 Download PDFInfo
- Publication number
- CN110673636B CN110673636B CN201910945646.XA CN201910945646A CN110673636B CN 110673636 B CN110673636 B CN 110673636B CN 201910945646 A CN201910945646 A CN 201910945646A CN 110673636 B CN110673636 B CN 110673636B
- Authority
- CN
- China
- Prior art keywords
- control operation
- information
- driving simulator
- simulation
- target control
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本公开提供了一种无人驾驶仿真测试系统及方法、存储介质,其中,无人驾驶仿真测试系统包括:驾驶模拟器,用于在仿真模拟环境中模拟无人驾驶设备进行行驶;决策确定模块,用于确定所述驾驶模拟器在所述仿真模拟环境中行驶时需要执行的第一目标控制操作;控制模块,用于控制所述驾驶模拟器执行所述第一目标控制操作;第一测试模块,用于测试所述驾驶模拟器执行所述第一目标控制操作是否属于正常行驶对应的控制操作。
Description
技术领域
本公开涉及无人驾驶领域,具体涉及一种无人驾驶仿真测试系统及方法、存储介质。
背景技术
如今无人驾驶高速发展,对于无人驾驶的测试也迫在眉睫。目前大多数无人驾驶的测试方式都是基于实车路测。
但是,实车路测无法保证测试过程中的绝对安全,时常会出现测试危险,如撞人或车等,且只能测试比较安全的一些样例,无法测试极端情况,路测消耗人力、物力资源大,成本高,另外每天测试里程有限,无法快速堆积大量里程进行分析。
发明内容
有鉴于此,本公开提供了一种无人驾驶仿真测试系统及方法、存储介质。
根据本公开实施例的第一方面,提供一种无人驾驶仿真测试系统,所述系统包括:驾驶模拟器,用于在仿真模拟环境中模拟无人驾驶设备进行行驶;决策确定模块,用于确定所述驾驶模拟器在所述仿真模拟环境中行驶时需要执行的第一目标控制操作;控制模块,用于控制所述驾驶模拟器执行所述第一目标控制操作;第一测试模块,用于测试所述驾驶模拟器执行所述第一目标控制操作是否属于正常行驶对应的控制操作。
在一些可选实施例中,所述系统还包括:预测模块,用于基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器在下一时刻的道路环境信息;定位模块,用于确定所述驾驶模拟器在所述仿真模拟环境中当前位置的定位信息;路由模块,用于基于所述定位信息,生成从所述当前位置到预设目的地的目标路由信息;所述决策确定模块用于基于所述道路环境信息、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在行驶时需要执行的所述第一目标控制操作。
在一些可选实施例中,所述预测模块包括:第一预测子模块,用于基于所述交通信息真值中障碍物的位置信息,预测所述驾驶模拟器在下一时刻是否需要进行避障处理;第二预测子模块,用于基于所述交通信息真值中交通信号灯的指示信息,预测所述驾驶模拟器在下一时刻是否需要按照所述指示信息确定所述第一目标控制操作。
在一些可选实施例中,所述路由模块包括:第一确定子模块,用于基于所述定位信息,确定从所述当前位置到所述预设目的地的至少一个可选路径的路由信息;第二确定子模块,用于在所述至少一个可选路径的路由信息中,选择符合仿真测试路径规划需求的一个作为所述目标路由信息。
在一些可选实施例中,所述决策确定模块包括以下至少之一子模块:第三确定子模块,用于在所述道路环境信息指示需要进行避障处理,确定所述第一目标控制操作为刹车操作;第四确定子模块,用于在所述道路环境信息指示需要进行避障处理,且所述目标路由信息指示所述当前位置存在可以变更的车道时,确定所述第一目标控制操作为刹车操作和/或变更车道操作;第五确定子模块,用于在所述道路环境信息指示需要按照所述指示信息确定所述第一目标控制操作,将与所述指示信息对应的预设控制操作作为所述第一目标控制操作;第六确定子模块,用于在所述道路环境信息指示不需要进行避障处理且不需要按照所述指示信息确定所述第一目标控制操作时,确定所述第一目标控制操作为加油门操作;第七确定子模块,用于在所述目标路由信息指示需要拐弯时,确定所述第一目标控制操作为变更车道操作和拐弯操作。
在一些可选实施例中,所述系统还包括:第一测试调整模块,用于在所述第一测试模块确定所述驾驶模拟器执行所述第一目标控制操作不属于正常行驶对应的控制操作时,基于所述第一目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述决策确定模块的第一神经网络的网络参数。
在一些可选实施例中,所述系统还包括:第一感知仿真模块,用于在所述第一测试模块确定所述驾驶模拟器执行所述第一目标控制操作属于正常行驶对应的控制操作之后,基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第一交通信息仿真值;所述决策确定模块还用于基于所述第一交通信息仿真值、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在行驶过程中需要执行的所述第二目标控制操作;第二测试模块,用于测试所述驾驶模拟器执行所述第二目标控制操作是否属于正常行驶对应的控制操作。
在一些可选实施例中,所述系统还包括:第二测试调整模块,用于在所述第二测试模块确定所述驾驶模拟器执行所述第二目标控制操作不属于正常行驶对应的控制操作时,基于所述第二目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述第一感知仿真模块的第二神经网络的网络参数。
在一些可选实施例中,所述系统还包括:第二感知仿真模块,用于基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第二交通信息仿真值;第三测试模块,用于测试所述第二交通信息仿真值是否与所述交通信息真值匹配;所述决策确定模块还用于在所述第三测试模块确定所述第二交通信息仿真值与所述交通信息真值匹配之后,确定所述驾驶模拟器在所述仿真模拟环境中行驶时需要执行的第一目标控制操作。
在一些可选实施例中,所述系统还包括:第三测试调整模块,用于在所述第三测试模块确定所述第二交通信息仿真值与所述交通信息真值不匹配时,基于所述交通信息真值与所述第二交通信息仿真值之间的差异,调整组成所述第二感知仿真模块的第三神经网络的网络参数。
在一些可选实施例中,所述系统还包括:数据采集模块,用于在所述驾驶模拟器在仿真模拟环境中行驶时,获取所述驾驶模拟器采集的位于所述驾驶模拟器前方的所述图像、所述雷达点云、所述分割真值图和所述深度图中的至少一项。
根据本公开实施例的第二方面,提供一种无人驾驶仿真测试方法,所述方法用于无人驾驶仿真测试系统,包括:确定无人驾驶仿真测试系统中的驾驶模拟器在所述无人驾驶仿真测试系统提供的仿真模拟环境中行驶时需要执行的第一目标控制操作;控制所述驾驶模拟器执行所述第一目标控制操作;测试所述驾驶模拟器执行所述第一目标控制操作是否属于正常行驶对应的控制操作;其中,所述无人驾驶仿真测试系统中采用权利要求1-11任一项所述的系统。
在一些可选实施例中,所述方法还包括:基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器在下一时刻的道路环境信息;确定所述驾驶模拟器在所述仿真模拟环境中当前位置的定位信息;基于所述定位信息,生成从所述当前位置到预设目的地的目标路由信息;所述确定无人驾驶仿真测试系统中的驾驶模拟器在所述无人驾驶仿真测试系统提供的仿真模拟环境中行驶时需要执行的第一目标控制操作,包括:基于所述道路环境信息、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在所述模拟仿真环境中行驶时需要执行的所述第一目标控制操作。
在一些可选实施例中,所述基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器在下一时刻的道路环境信息,包括:基于所述交通信息真值中障碍物的位置信息,预测所述驾驶模拟器在下一时刻是否需要进行避障处理;基于所述交通信息真值中交通信号灯的指示信息,预测所述驾驶模拟器在下一时刻是否需要按照所述指示信息确定所述第一目标控制操作。
在一些可选实施例中,所述基于所述定位信息,生成从所述当前位置到预设目的地的目标路由信息,包括:基于所述定位信息,确定从所述当前位置到所述预设目的地的至少一个可选路径的路由信息;在所述至少一个可选路径的路由信息中,选择符合仿真测试路径规划需求的一个作为所述目标路由信息。
在一些可选实施例中,所述基于所述道路环境信息、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在所述模拟仿真环境中行驶时需要执行的所述第一目标控制操作,包括以下至少一项:在所述道路环境信息指示需要进行避障处理,确定所述第一目标控制操作为刹车操作;在所述道路环境信息指示需要进行避障处理,且所述目标路由信息指示所述当前位置存在可以变更的车道时,确定所述第一目标控制操作为刹车操作和/或变更车道操作;在所述道路环境信息指示需要按照所述指示信息确定所述第一目标控制操作,将与所述指示信息对应的预设控制操作作为所述第一目标控制操作;在所述道路环境信息指示不需要进行避障处理且不需要按照所述指示信息确定所述第一目标控制操作时,确定所述第一目标控制操作为加油门操作;在所述目标路由信息指示需要拐弯时,确定所述第一目标控制操作为变更车道操作和拐弯操作。
在一些可选实施例中,所述方法还包括:在确定所述驾驶模拟器执行的所述第一目标控制操作不属于正常行驶对应的控制操作时,基于所述第一目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述无人驾驶仿真测试系统中的所述决策确定模块的第一神经网络的网络参数。
在一些可选实施例中,所述方法还包括:在确定所述驾驶模拟器执行所述第一目标控制操作属于正常行驶对应的控制操作之后,基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第一交通信息仿真值;基于所述第一交通信息仿真值、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在行驶过程中需要执行的所述第二目标控制操作;测试所述驾驶模拟器执行所述第二目标控制操作是否属于正常行驶对应的控制操作。
在一些可选实施例中,所述方法还包括:在确定所述驾驶模拟器执行所述第二目标控制操作不属于正常行驶对应的控制操作时,基于所述第二目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述无人驾驶仿真测试系统中的所述第一感知仿真模块的第二神经网络的网络参数。
在一些可选实施例中,所述方法还包括:基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第二交通信息仿真值;测试所述第二交通信息仿真值是否与所述交通信息真值匹配;在确定所述第二交通信息仿真值与所述交通信息真值匹配之后,执行所述确定无人驾驶仿真测试系统中的驾驶模拟器在所述无人驾驶仿真测试系统提供的仿真模拟环境中行驶时需要执行的第一目标控制操作的步骤。
在一些可选实施例中,所述方法还包括:在确定所述第二交通信息仿真值与所述交通信息真值不匹配时,基于所述交通信息真值与所述第二交通信息仿真值之间的差异,调整组成所述无人驾驶仿真测试系统中的所述第二感知仿真模块的第三神经网络的网络参数。
在一些可选实施例中,所述方法还包括:在所述驾驶模拟器在所述仿真模拟环境中行驶时,获取所述驾驶模拟器采集的位于所述驾驶模拟器前方的所述图像、所述雷达点云、所述分割真值图和所述深度图中的至少一项。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述第二方面中任一项所述的无人驾驶仿真测试方法。
根据本公开实施例的第四方面,提供一种无人驾驶仿真测试装置,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器中存储的可执行指令,实现第二方面中任一项所述的无人驾驶仿真测试方法。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开实施例中,可以通过驾驶模拟器自动在仿真模拟环境中模拟无人驾驶设备进行行驶,决策确定模块确定驾驶模拟器在仿真模拟环境中行驶时需要执行的第一目标控制操作之后,由控制模块控制该驾驶模拟器执行所述第一目标控制操作,并通过第一测试模块测试驾驶模拟器执行第一目标控制操作之后,是否属于正常行驶对应的操作。从而实现了在仿真模拟环境中进行无人驾驶测试的目的,增加了测试里程,提高了测试安全性,加快了优化无人驾驶测试的算法优化迭代速度,降低了无人驾驶测试成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本公开根据一示例性实施例示出的一种无人驾驶仿真测试系统框图;
图2是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图3是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图4是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图5是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图6是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图7是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图8A至8D是本公开根据一示例性实施例示出的图像、雷达点云、分割真值图和深度图的示意图;
图9是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图10是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图11是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试系统框图;
图12A至12B是本公开根据一示例性实施例示出的无人驾驶仿真测试系统框图;
图13是本公开根据一示例性实施例示出的一种无人驾驶仿真测试方法流程图;
图14是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试方法流程图;
图15是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试方法流程图;
图16是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试方法流程图;
图17是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试方法流程图;
图18是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试方法流程图;
图19是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试方法流程图;
图20是本公开根据一示例性实施例示出的另一种无人驾驶仿真测试方法流程图。
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公开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、本公开的一些方面相一致的装置和方法的例子。
在本公开运行的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所运行的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中运行的术语“和/或”是指并包含一张或多张相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所运行的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本公开实施例提供了一种无人驾驶仿真测试系统,可以模拟无人驾驶设备例如无人机、无人驾驶车辆等在仿真模拟环境中行驶,通过控制驾驶模拟器执行不同的控制操作,模拟无人驾驶实际路测过程,提升了无人驾驶测试过程的安全性。
本公开实施例提供了一种无人驾驶仿真测试系统,例如图1所示,该系统可以包括:驾驶模拟器101、决策确定模块102、控制模块103和第一测试模块104。
其中,驾驶模拟器101可以在仿真模拟环境中模拟无人驾驶设备进行行驶,例如可以在仿真模拟环境为城市主要交通道路时,模拟无人驾驶车辆踩油门,遇到红灯进行刹车,变更车道等等。
决策确定模块102则可以在驾驶模拟器101在仿真模拟环境中行驶时,确定驾驶模拟器101需要执行的第一目标控制操作,可选地,第一目标控制操作可以包括但不限于油门大小控制、方向盘转向控制、速度大小控制、启动停车控制、档位切换控制、车灯状态控制、雨刷器状态控制、车载摄像头清洁控制等中的至少一项。
控制模块103可以控制驾驶模拟器101执行决策确定模块102确定的第一目标控制操作。控制模块103可以根据第一目标控制操作生成相应的控制信号,发送给驾驶模拟器101,由驾驶模拟器101基于该控制信号执行相应的第一目标控制操作。
第一测试模块104可以测试驾驶模拟器101执行所述第一目标控制操作是否属于正常行驶所对应的控制操作。
例如,仿真模拟环境为城市主要交通道路时,驾驶模拟器101处于某个路口,执行第一目标控制操作为刹车,如果此时该路口的信号灯为绿灯且前方没有车辆或行人,那么正常行驶所对应的控制操作为加油门操作,此时第一测试模块104可以确定驾驶模拟器101执行所述第一目标控制操作不属于正常行驶所对应的控制操作。
再例如,仿真模拟环境为城市主要交通道路时,驾驶模拟器101处于某条道路,执行第一目标控制操作为变更车道操作和拐弯操作,如果驾驶模拟器101需要行驶的路线需要拐弯,且驾驶模拟器101当前位于直行车道上,那么正常行驶所对应的控制操作也是变更车道操作和拐弯操作,此时第一测试模块104可以确定驾驶模拟器101执行所述第一目标控制操作属于正常行驶所对应的控制操作。
上述实施例中,通过驾驶模拟器自动在仿真模拟环境中模拟无人驾驶设备进行行驶,决策确定模块确定驾驶模拟器在仿真模拟环境中行驶时需要执行的第一目标控制操作之后,由控制模块控制该驾驶模拟器执行所述第一目标控制操作,并通过第一测试模块测试驾驶模拟器执行第一目标控制操作之后,是否属于正常行驶。从而实现了在仿真模拟环境中进行无人驾驶测试的目的,增加了测试里程,提高了测试安全性,加快了优化无人驾驶测试的算法优化迭代速度,降低了无人驾驶测试成本。
在一些可选实施例中,决策确定模块102可以基于所述仿真模拟环境中给定的交通信息真值和所述驾驶模拟器101在所述仿真模拟环境中当前位置的定位信息,确定所述驾驶模拟器在所述仿真模拟环境中行驶时需要执行的所述第一目标控制操作。
其中,交通信息真值可以包括但不限于该仿真模拟环境中交通信号灯所在的位置和对应的信号,可移动障碍物例如行人、正在行驶的车辆等所在的位置和移动方向、移动速度等,固定位置障碍物例如建筑物,停靠在路边的车辆所在的位置,车道信息等等。
驾驶模拟器101在所述仿真模拟环境中当前位置的定位信息可以包括驾驶模拟器当前所在位置的GPS(Global Positioning System,全球定位系统)信息和设置在该驾驶模拟器101上的IMU(Inertial measurement unit,惯性测量单元)信息。
在一些可选实施例中,例如图2所示,该系统还可以包括:预测模块105、定位模块106和路由模块107。
其中,预测模块105可以基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器101在下一时刻的道路环境信息,可选地,道路环境信息可以指示驾驶模拟器101在下一时刻是否需要进行避障处理,这里的障碍物包括可移动障碍物,例如行人或正在行驶的车辆等,还包括固定位置的障碍物,例如建筑物、停靠在路边的车辆等。
其中,交通信息真值可以包括但不限于该仿真模拟环境中交通信号灯和/或交通标志所在的位置和对应的信号,可移动障碍物例如行人、正在行驶的车辆等所在的位置和移动方向、移动速度等,固定位置障碍物例如建筑物,停靠在路边的车辆所在的位置,车道信息等等。
预测模块105还可以预测驾驶模拟器101在下一时刻是否需要按照交通信号灯的指示信息确定所述第一目标控制操作。例如交通信号灯为红灯,则相应确定第一目标控制操作为刹车操作。另外,预测模块105还可以根据交通标志的指示信息确定第一目标控制操作。例如,交通标志为限速,目前驾驶模拟器101的速度已经超过了该交通标志的最高限速值,则可以确定第一目标控制操作为刹车操作,控制驾驶模拟器101的速度降低到小于或等于最高限速值。
当然,在本公开实施例中,预测模块105也可以同时根据交通信号灯和交通标志所在的位置和对应的信号来确定第一目标控制操作。例如,交通信号灯距离驾驶模拟器101的距离值为200米,交通信号灯为绿灯,交通标志为限速60公里/小时,驾驶模拟器101当前的速度为50公里/小时,此时预测模块105可以确定第一目标控制操作为加油门操作,且控制驾驶模拟器101的车速达到60公里/小时后,不再执行加油门操作。另外,在驾驶模拟器101即将行驶到交通信号灯所在的路口时,为了确保通过路口时车辆和行人的安全,预测模块105可以确定第一目标操作为刹车操作,从而控制驾驶模拟器101的速度降低。定位模块106则可以根据驾驶模拟器101采集的GPS(Global Positioning System,全球定位系统)信息和IMU Inertial measurement unit,惯性测量单元)信息确定驾驶模拟器101在所述仿真模拟环境中当前位置的定位信息。例如在当前地图上所在的车道信息等。
路由模块107可以根据定位模块106确定的定位信息,生成驾驶模拟器101从当前位置到预设目的地的目标路由信息。
可选地,目标路由信息包括从当前位置到预设目的地需要经过的道路的道路信息,例如分别需要经过道路A、道路B和道路C,道路A包括一条直行车道、一条左拐弯车道,一条右拐弯车道,道路B包括2条直行车道,道路C包括一条可以同时直行和右拐弯的车道,以及一条左拐弯车道。
决策确定模块102可以基于上述道路环境信息、定位信息和目标路由信息,确定驾驶模拟器在行驶过程中需要执行的所述第一目标控制操作。
在一些可选实施例中,例如图3所示,预测模块105可以包括第一预测子模块105-1和第二预测子模块105-2。
其中,第一预测子模块105-1可以基于所述交通信息真值中障碍物的位置信息,预测所述驾驶模拟器在下一时刻是否需要进行避障处理。
例如第一预测子模块可以根据驾驶模拟器101当前位置和交通信息真值中障碍物的位置信息,确定不同障碍物与驾驶模拟器101的距离值,在该距离值小于预设值时,确定驾驶模拟器101在下一时刻是否需要进行避障处理。同样地,这里的障碍物包括可移动障碍物,例如行人或行驶中的其他车辆等,和固定位置障碍物,例如建筑物、路边施工路障等。
第二预测子模块105-1可以基于所述交通信息真值中交通信号灯的指示信息,预测所述驾驶模拟器在下一时刻是否需要按照所述指示信息确定所述第一目标控制操作。
例如交通信号灯的指示信息指示该信号灯从绿灯切换为红灯,或当前为红灯,下一时刻切换到绿灯,则预测驾驶模拟器在下一时刻需要按照所述指示信息确定所述第一目标控制操作。
在一些可选实施例中,例如图4所示,路由模块106包括第一确定子模块106-1和第二确定子模块106-2。
其中,第一确定子模块106-1可以基于所述定位信息,确定从所述当前位置到所述预设目的地的至少一个可选路径的路由信息。
例如当前位置为A,预设目的地为B,至少一个可选路径包括从A-C-B,从A-D-E-B,或者从A-D-F-B。第一确定子模块106-1可以确定上述三个可选路径各自需要经过的道路信息,其中,道路信息可以包括道路名称、道路长度、道路上是否存在堵车等,第一确定子模块106-1可以直接将道路信息作为对应的路由信息。在本公开实施例中,可选地,路由信息中除了可以包括上述道路信息,还可以包括每条道路对应的车道线信息。第一确定子模块106-1可以调用实景地图程序、导航程序或预先为驾驶模拟器101设置的仿真测试环境中多条道路的车道线信息,确定符合仿真测试路径规划需求的道路中每条道路对应的车道线信息。
例如,可选路径A-D-E-B的路由信息包括A、D、E和B四条道路的道路信息和每条道路的车道线信息,其中,A道路的道路名称为长江路,长度为d1,不堵车,A道路共包括3条车道线,按照道路A向道路D的行驶方向来看,由左至右分别为左拐弯车道线、直行和右拐弯车道线、右拐弯车道线。其他道路D、E和B的路由信息同样包括道路信息和每条道路的车道线信息。
第二确定子模块106-2可以在所述至少一个可选路径的路由信息中,选择符合仿真测试路径规划需求的一个作为所述目标路由信息。可选地。仿真测试路径规划需求可以根据距离值、是否堵车等确定。
例如仿真测试路径规划需求为距离值最长,上述三条道路中A-D-F-B距离最长,则A-D-F-B对应的路由信息为目标路由信息。
或者仿真测试路径规划需求为不堵车,上述三条道路中A-C-B不堵车,则A-C-B对应的路由信息为目标路由信息。其中,目标路由信息中包括了A-C-B中A、C和B三条道路的道路信息和每条道路的车道线信息。
在一些实施例中,例如图5所示,决策确定模块102可以包括第三确定子模块102-1、第四确定子模块102-2、第五确定子模块102-3、第六确定子模块102-4和第七确定子模块102-5中的至少一个子模块。
其中,第三确定子模块102-1可以在所述道路环境信息指示需要进行避障处理,确定所述第一目标控制操作为刹车操作。
进一步地,第四确定子模块102-2可以在道路环境信息指示需要进行避障处理,且根据所述目标路由信息所包括的车道线信息确定所述当前位置存在可以变更的车道,此时对应的所述第一目标控制操作可以为刹车操作和/或变更车道操作。
例如响应于道路环境信息的指示确定需要进行避障处理,且根据所述目标路由信息指示需要由道路A右拐弯切换到道路C,目前道路A上的车道线信息按照行驶方向由左至右分别为左拐弯车道线、直行和右拐弯车道线、右拐弯车道线,右拐弯车道有两条,因此第四确定子模块102-2可以确定当前位置存在可以变更的车道,为了躲避该障碍物,可以让第一目标控制操作为刹车操作和变更车道操作。或者第一目标控制操作可以只包括刹车操作或变更车道操作。
第五确定子模块102-3可以在道路环境信息指示需要按照所述指示信息确定所述第一目标控制操作,将与所述指示信息对应的预设控制操作作为所述第一目标控制操作。
例如,道路环境信息指示信号灯为红灯,红灯对应的预设控制操作为刹车操作,则第一目标控制操作也为刹车操作。
或者道路环境信息指示信号灯由红灯切换为绿灯,对应的预设控制操作为踩油门操作,则第一目标控制操作也为踩油门操作。
第六确定子模块102-4可以在道路环境信息指示不需要进行避障处理且不需要按照所述指示信息确定所述第一目标控制操作时,确定所述第一目标控制操作为加油门操作。
第七确定子模块102-5可以在目标路由信息指示需要拐弯时,确定所述第一目标控制操作为变更车道操作和拐弯操作。
例如驾驶模拟器101在直行车道上行驶,目标路由信息指示下一时刻需要拐弯,那么第一目标控制操作可以是变更车道操作和拐弯操作。
在一些可选实施例中,例如图6所示,该系统还可以包括第一测试调整模块108。
决策确定模块102可以由第一神经网络组成,输入值包括道路环境信息、所述定位信息和所述目标路由信息,输出值为第一目标控制操作。其中,第一神经网络可以采用但不限于GoogleNet、VGG、Alexnet、Resnet等神经网络模型,且可以包括多层,例如可以包括卷积层、批量归一化层、池化层、连接层、分割层等。
在第一测试模块104确定所述驾驶模拟器执行所述第一目标控制操作不属于正常行驶对应的控制操作时,可以由第一测试调整模块108基于第一目标控制操作与所述驾驶模拟器101正常行驶时对应的控制操作,调整组成所述决策确定模块102的第一神经网络的网络参数,最终让第一目标控制操作与驾驶模拟器101正常行驶时对应的控制操作的差异符合预定容差条件甚至一致。可选地,第一神经网络的网络参数可以包括但不限于第一神经网络的学习率、任一层的层数、迭代次数等。
在本公开实施例中,驾驶模拟器101正常行驶时对应的控制操作可以在确定了驾驶模拟器101所处的仿真模拟环境后,根据实际路测经验得到。例如仿真模拟环境是根据实际城市道路建立的,那么根据实际路测经验可以确定驾驶模拟器101在正常行驶时需要进行避障、按照交通信号灯和/或交通标志以及预设规划路径进行行驶等,符合实际路测经验的控制操作均可以作为驾驶模拟器101正常行驶时对应的控制操作。
可以将驾驶模拟器101正常行驶时对应的控制操作存放在第一测试模块104中,由第一测试模块104在驾驶模拟器101行驶时,确定驾驶模拟器执行所述第一目标控制操作是否属于正常行驶对应的控制操作。
例如,第一测试模块104中预先存储了根据实际路测经验得到的驾驶模拟器101正常行驶时对应的控制操作,假设是驾驶模拟器在行驶到路口时如果交通信号灯为绿灯,正常行驶时对应的控制操作应该为刹车操作,以达到降低行驶速度的目的。
第一测试调整模块108在对决策确定模块102所包括的第一神经网络进行训练时,可以从第一测试模块104中获取根据实际路测经验得到的驾驶模拟器101正常行驶时对应的控制操作,比较第一目标控制操作和驾驶模拟器101正常行驶时对应的控制操作,调整决策确定模块102所包括的第一神经网络的网络参数,使得第一神经网络的损失函数的损失值最小,即最终让第一目标控制操作与驾驶模拟器101正常行驶时对应的控制操作的差异符合预定容差条件甚至一致。
例如,驾驶模拟器101在行驶到路口时如果交通信号灯为绿灯,决策确定模块102所包括的第一神经网络输出的第一目标控制操作为踩油门操作,第一测试调整模块108根据从第一测试模块104中获取的正常行驶时对应的控制操作为刹车操作,那么第一测试调整模块108可以调高第一神经网络的学习率和迭代次数,让决策确定模块102所包括的第一神经网络输出的第一目标控制操作为刹车操作,或考虑到预定容差条件,可以让第一目标控制操作为空,即不执行刹车或加油门操作。
本公开实施例实现了在无人驾驶仿真环境中对决策确定模块102的仿真测试的目的。
在一些可选实施例中,在完成对决策确定模块102的仿真测试之后,还可以对基于驾驶模拟器101采集的原始数据确定第一交通信息仿真值的过程进行测试。其中,第一交通信息仿真值是与交通信息真值对应的在仿真测试环境中根据原始数据得到的交通信息,例如,交通信息仿真值可以包括但不限于该仿真模拟环境中根据原始数据确定的交通信号灯和/或交通标志所在的位置和对应的信号,可移动障碍物例如行人、正在行驶的车辆等所在的位置和移动方向、移动速度等,障碍物例如建筑物或行人,停靠在路边的车辆所在的位置,车道信息、危险物等等。
例如图7所示,该系统还可以包括第一感知仿真模块201和第二测试模块202。
其中,可以在对决策确定模块102完成训练之后,即第一测试调整模块108调整第一神经网络的网络参数之后,第一测试模块104确定驾驶模拟器101执行的第一目标操作属于正常行驶时对应的控制操作之后,第一感知仿真模块201再基于驾驶模拟器101在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的原始数据,包括图像、雷达点云、分割真值图和深度图中的至少一项,确定第一交通信息仿真值。
其中,分割真值图可以是对图像进行语义分割后得到的包括多个像素点分别对应的用逻辑代数(布尔代数)表示的图,深度图则是与距离有关的信息的图像或图像通道。图像、雷达点云、分割真值图和深度图依次可以例如图8A至8D所示。在本公开实施例中,图像是二维数据,可以基于图像确定前方是否有障碍物或交通信号灯,结合分割真值图可以确定交通信号灯颜色,雷达点云数据是三维数据,结合深度图可以确定与障碍物的距离值,从而得到第一交通信息仿真值。
例如对图像进行图像识别,识别出前方存在障碍物,例如行人,或者识别出前方有交通信号灯,根据分割真值图中交通信号灯对应的像素值,可以确定出交通信号灯是红灯、绿灯还是黄灯。进一步地,如果基于图像确定前方存在障碍物,由于雷达点云数据是三维数据,结合深度图可以确定障碍物距离当前所在位置的距离值。还可以采用间隔预设时间段拍摄的连续两次的雷达点云数据结合深度图,确定障碍物是否进行了移动以及如果进行了移动,则该障碍物在预设时间段内移动的距离值,从而可以根据障碍物在预设时间段内移动的距离值计算出障碍物移动的速度。相应地,决策确定模块102可以基于第一感知仿真模块201确定的第一交通信息仿真值预测所述驾驶模拟器在下一时刻的道路环境信息,进一步地,决策确定模块102根据第一交通信息仿真值预测的所述驾驶模拟器在下一时刻的道路环境信息、定位模块106确定的驾驶模拟器101在所述仿真模拟环境中当前位置的定位信息以及路由模块107确定的目标路由信息,确定所述驾驶模拟器101在行驶过程中需要执行的所述第二目标控制操作。确定第二目标控制操作的过程与确定第一目标控制操作的过程相同,在此不再赘述。
第二测试模块202可以测试所述驾驶模拟器101执行所述第二目标控制操作是否属于正常行驶对应的控制操作,测试方式与第一测试模块201测试所述驾驶模拟器101执行所述第一目标控制操作是否属于正常行驶对应的控制操作的方式相同,在此不再赘述。
在一些可选实施例中,第一感知仿真模块201可以由第二神经网络组成,输入值为原始数据,输出值为交通仿真值。其中,第二神经网络可以采用但不限于GoogleNet、VGG、Alexnet、Resnet等神经网络模型,且可以包括多层,例如第二神经网络可以包括但不限于卷积层、批量归一化层、池化层、连接层、分割层等。
相应地,例如图9所示,该系统还可以包括第二测试调整模块203。
在本公开实施例中,可以将驾驶模拟器101正常行驶时对应的控制操作存放在第一测试模块104中,在驾驶模拟器101行驶时,第二测试模块202从第一测试模块104中获取正常行驶对应的控制操作,从而确定驾驶模拟器101执行的所述第二目标控制操作是否属于正常行驶对应的控制操作。
由于之前已经对决策确定模块102进行了训练,在本公开实施例中,可以通过第二测试调整模块203调整第一感知仿真模块201所包括的第二神经网络的网络参数,让决策确定模块102根据第一感知仿真模块201所包括的第二神经网络输出的交通信息仿真值、定位模块106输出的定位信息和路由模块107输出的目标路由信息,确定第二目标控制操作。可选地,第二神经网络的网络参数可以包括但不限于第二神经网络的学习率、任一层的层数、迭代次数等。例如,第一感知仿真模块201根据原始数据,得到的交通信息仿真值包括需要进行避障处理且不存在可变更的车道,决策确定模块102输出的第二目标操作为变更车道,从第一测试模块104中获取的正常行驶时对应的控制操作为刹车操作,则第二测试调整模块203可以调整组成第一感知仿真模块201的第二神经网络的网络参数,例如增加卷积层的层数,使得决策确定模块102输出的第二目标操作为刹车操作。
上述实施例中,在决策确定模块102测试完成后,再对第一感知仿真模块201进行测试,提高交通信息仿真值的准确性。
在一些可选实施例中,还可以先对交通信息仿真值进行训练,然后再对决策确定模块102进行训练。
例如图10所示,该系统还可以包括第二感知仿真模块204和第三测试模块205。
第二感知仿真模块204,用于基于所述驾驶模拟器101在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第二交通信息仿真值。
本公开实施例中,还可以由第二感知仿真模块204先根据采集到的原始数据,例如驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第二交通信息仿真值。第二感知仿真模块204确定第二交通信息仿真值的方式与第一感知仿真模块201确定第一交通信息仿真值的方式相同,在此不再赘述。
第三测试模块205,用于测试所述第二交通信息仿真值是否与所述交通信息真值匹配。
在本公开实施例中,第二交通信息仿真值如果与预先设置的交通信息真值满足预定的容错差异设置一致时,确定第二交通信息仿真值与交通信息真值匹配。可选地,交通信息真值可以存放在第三测试模块205中。
决策确定模块102可以在第三测试模块205确定所述第二交通信息仿真值与所述交通信息真值匹配之后,再确定所述驾驶模拟器101在所述仿真模拟环境中行驶时需要执行的第一目标控制操作。
相应地,例如图11所示,该系统还可以包括第三测试调整模块206。
第三测试调整模块206用于在所述第三测试模块205确定所述第二交通信息仿真值与所述交通信息真值不匹配时,基于所述交通信息真值与所述第二交通信息仿真值之间的差异,调整组成所述第二感知仿真模块204的第三神经网络的网络参数。其中,第三神经网络可以采用但不限于GoogleNet、VGG、Alexnet、Resnet等神经网络模型,且可以包括多层网络,例如第二神经网络可以包括但不限于卷积层、批量归一化层、池化层、连接层、分割层等。
第三测试调整模块206在对第二感知仿真模块204所包括的第三神经网络进行训练时,可以从第三测试模块205中获取交通信息真值,比较第三神经网络输出的第二交通信息仿真值与交通信息真值之间的差异,调整第二感知仿真模块204所包括的第三神经网络的网络参数,让第三神经网络输出的第二交通信息仿真值与交通信息真值同样满足交通信息所对应的预定容差条件甚至一致。
例如,第三测试模块205中存放的交通信息真值为交通标志限速60公里/小时,第三测试调整模块206可以调高第三神经网络的学习率,让第二感知仿真模块204所包括的第三神经网络输出的交通信息仿真值与第三测试模块205中存放的交通信息真值差异符合预定容差条件甚至一致。
本公开实施例中,第二感知仿真模块204根据第三测试调整模块206调整后的第三神经网络的网络参数输出第二交通信息仿真值,如果第三测试模块205确定第二交通信息仿真值与交通信息真值匹配,此时可以再对决策确定模块102所包括的第一神经网络进行训练,让决策确定模块102输出的第一目标操作属于正常行驶对应的控制操作,训练方法与上述实施例中对第一神经网络的训练方式相同,在此不再赘述。
上述实施例中,还可以先对第二感知仿真模块进行训练,再对决策确定模块进行训练,从而提升整个无人驾驶仿真测试系统模拟实际测试的准确性。
在一些可选实施例中,例如图12A或图12B所示,该系统还可以包括数据采集模块301。
数据采集模块301可以在所述驾驶模拟器101在仿真模拟环境中模拟无人驾驶设备进行行驶的过程中,实时获取所述驾驶模拟器101采集的位于所述驾驶模拟器101前方的图像、雷达点云、分割真值图和深度图中的至少一项,依次如图8A至8D所示。其中,获取到的图像、雷达点云、分割真值图和深度图可以用于进行物体3D点云还原等。
上述实施例中,可以直接从驾驶模拟器中提取图像、雷达点云、分割真值图和深度图中的至少一项,无需消耗大量人力对无人驾驶实际路测采集到的图像进行标注,降低了采集数据的成本。
与前述系统实施例相对应,本公开还提供了方法的实施例。
本公开实施例还提供了一种无人驾驶仿真测试方法,例如图13所示,该方法可以包括:
在步骤401中,确定无人驾驶仿真测试系统中的驾驶模拟器在所述无人驾驶仿真测试系统提供的仿真模拟环境中行驶时需要执行的第一目标控制操作。
在步骤402中,控制所述驾驶模拟器执行所述第一目标控制操作。在步骤403中,测试所述驾驶模拟器执行所述第一目标控制操作是否属于正常行驶对应的控制操作。
其中,所述无人驾驶仿真测试系统中采用权利要求1-11任一项所述的系统。
在一些可选实施例中,例如图14所示,所述方法还包括:
在步骤404中,基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器在下一时刻的道路环境信息。
在步骤405中,确定所述驾驶模拟器在所述仿真模拟环境中当前位置的定位信息。
在步骤406中,基于所述定位信息,生成从所述当前位置到预设目的地的目标路由信息。
相应地,步骤401包括:
基于所述道路环境信息、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在所述模拟仿真环境中行驶时需要执行的所述第一目标控制操作。
在一些可选实施例中,步骤404包括:
基于所述交通信息真值中障碍物的位置信息,预测所述驾驶模拟器在下一时刻是否需要进行避障处理;
基于所述交通信息真值中交通信号灯的指示信息,预测所述驾驶模拟器在下一时刻是否需要按照所述指示信息确定所述第一目标控制操作。
在一些可选实施例中,步骤406包括:
基于所述定位信息,确定从所述当前位置到所述预设目的地的至少一个可选路径的路由信息;
在所述至少一个可选路径的路由信息中,选择符合仿真测试路径规划需求的一个作为所述目标路由信息。
在一些可选实施例中,步骤401包括以下至少一项:
在所述道路环境信息指示需要进行避障处理,确定所述第一目标控制操作为刹车操作;
在所述道路环境信息指示需要进行避障处理,且所述目标路由信息指示所述当前位置存在可以变更的车道时,确定所述第一目标控制操作为刹车操作和/或变更车道操作;
在所述道路环境信息指示需要按照所述指示信息确定所述第一目标控制操作,将与所述指示信息对应的预设控制操作作为所述第一目标控制操作;
在所述道路环境信息指示不需要进行避障处理且不需要按照所述指示信息确定所述第一目标控制操作时,确定所述第一目标控制操作为加油门操作;
在所述目标路由信息指示需要拐弯时,确定所述第一目标控制操作为变更车道操作和拐弯操作。
在一些可选实施例中,例如图15所示,所述方法还包括:
在步骤407中,在确定所述驾驶模拟器执行的所述第一目标控制操作不属于正常行驶对应的控制操作时,基于所述第一目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述无人驾驶仿真测试系统中的所述决策确定模块的第一神经网络的网络参数。
在一些可选实施例中,例如图16所示,所述方法还包括:
在步骤408中,在确定所述驾驶模拟器执行所述第一目标控制操作属于正常行驶对应的控制操作之后,基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第一交通信息仿真值;
在步骤409中,基于所述第一交通信息仿真值、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在行驶过程中需要执行的所述第二目标控制操作;
在步骤410中,测试所述驾驶模拟器执行所述第二目标控制操作是否属于正常行驶对应的控制操作。
在一些可选实施例中,例如图17所示,所述方法还包括:
在步骤411中,在确定所述驾驶模拟器执行所述第二目标控制操作不属于正常行驶对应的控制操作时,基于所述第二目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述无人驾驶仿真测试系统中的所述第一感知仿真模块的第二神经网络的网络参数。
在一些可选实施例中,例如图18所示,所述方法还包括:
在步骤412中,基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第二交通信息仿真值;
在步骤413中,测试所述第二交通信息仿真值是否与所述交通信息真值匹配;
在确定所述第二交通信息仿真值与所述交通信息真值匹配之后,执行步骤401。
在一些可选实施例中,例如图19所示,所述方法还包括:
在步骤414中,在确定所述第二交通信息仿真值与所述交通信息真值不匹配时,基于所述交通信息真值与所述第二交通信息仿真值之间的差异,调整组成所述无人驾驶仿真测试系统中的所述第二感知仿真模块的第三神经网络的网络参数。
在一些可选实施例中,例如图20所示,所述方法还包括:
在步骤415中,在所述驾驶模拟器在所述仿真模拟环境中行驶时,获取所述驾驶模拟器采集的位于所述驾驶模拟器前方的所述图像、所述雷达点云、所述分割真值图和所述深度图中的至少一项。
对于方法实施例而言,由于其基本对应于系统实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的方法实施例仅仅是示意性的。可以根据实际的需要选择其中的步骤来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本公开实施例还提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序用于执行上述任一项所述的无人驾驶仿真测试方法。
在一些可选实施例中,本公开实施例提供了一种计算机程序产品,包括计算机可读代码,当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如上任一实施例提供的无人驾驶仿真测试方法的指令。
在一些可选实施例中,本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的无人驾驶仿真测试方法的操作。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质(包括易失性和非易失性存储介质),在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
本公开实施例还提供了一种无人驾驶仿真测试装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为调用所述存储器中存储的可执行指令,实现上述任一项所述的无人驾驶仿真测试方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或者惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
以上所述仅为本公开的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (24)
1.一种无人驾驶仿真测试系统,其特征在于,所述系统包括:
驾驶模拟器,用于在仿真模拟环境中模拟无人驾驶设备进行行驶;
决策确定模块,用于确定所述驾驶模拟器在所述仿真模拟环境中行驶时需要执行的第一目标控制操作;其中,所述第一目标控制操作是基于交通信息真值、所述驾驶模拟器在所述仿真模拟环境中当前位置的定位信息和基于所述定位信息生成的从所述当前位置到预设目的地的目标路由信息确定的;
控制模块,用于控制所述驾驶模拟器执行所述第一目标控制操作;
第一测试模块,用于测试所述驾驶模拟器执行所述第一目标控制操作是否属于正常行驶对应的控制操作;
所述决策确定模块还用于确定所述驾驶模拟器在行驶过程中需要执行的第二目标控制操作;其中,所述第二目标控制操作是基于在确定所述第一目标控制操作属于正常行驶对应的控制操作之后所确定的第一交通信息仿真值、所述定位信息和所述目标路由信息确定的。
2.根据权利要求1所述的系统,其特征在于,所述系统还包括:
预测模块,用于基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器在下一时刻的道路环境信息;
定位模块,用于确定所述驾驶模拟器在所述仿真模拟环境中当前位置的定位信息;
路由模块,用于基于所述定位信息,生成从所述当前位置到预设目的地的目标路由信息;
所述决策确定模块用于基于所述道路环境信息、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在行驶时需要执行的所述第一目标控制操作。
3.根据权利要求2所述的系统,其特征在于,所述预测模块包括:
第一预测子模块,用于基于所述交通信息真值中障碍物的位置信息,预测所述驾驶模拟器在下一时刻是否需要进行避障处理;
第二预测子模块,用于基于所述交通信息真值中交通信号灯的指示信息,预测所述驾驶模拟器在下一时刻是否需要按照所述指示信息确定所述第一目标控制操作。
4.根据权利要求2或3所述的系统,其特征在于,所述路由模块包括:
第一确定子模块,用于基于所述定位信息,确定从所述当前位置到所述预设目的地的至少一个可选路径的路由信息;
第二确定子模块,用于在所述至少一个可选路径的路由信息中,选择符合仿真测试路径规划需求的一个作为所述目标路由信息。
5.根据权利要求2所述的系统,其特征在于,所述决策确定模块包括以下至少之一子模块:
第三确定子模块,用于在所述道路环境信息指示需要进行避障处理,确定所述第一目标控制操作为刹车操作;
第四确定子模块,用于在所述道路环境信息指示需要进行避障处理,且所述目标路由信息指示所述当前位置存在可以变更的车道时,确定所述第一目标控制操作为刹车操作和/或变更车道操作;
第五确定子模块,用于在所述道路环境信息指示需要按照指示信息确定所述第一目标控制操作,将与所述指示信息对应的预设控制操作作为所述第一目标控制操作;
第六确定子模块,用于在所述道路环境信息指示不需要进行避障处理且不需要按照所述指示信息确定所述第一目标控制操作时,确定所述第一目标控制操作为加油门操作;
第七确定子模块,用于在所述目标路由信息指示需要拐弯时,确定所述第一目标控制操作为变更车道操作和拐弯操作。
6.根据权利要求1所述的系统,其特征在于,所述系统还包括:
第一测试调整模块,用于在所述第一测试模块确定所述驾驶模拟器执行所述第一目标控制操作不属于正常行驶对应的控制操作时,基于所述第一目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述决策确定模块的第一神经网络的网络参数。
7.根据权利要求6所述的系统,其特征在于,所述系统还包括:
第一感知仿真模块,用于在所述第一测试模块确定所述驾驶模拟器执行所述第一目标控制操作属于正常行驶对应的控制操作之后,基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第一交通信息仿真值;
所述决策确定模块还用于基于所述第一交通信息仿真值、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在行驶过程中需要执行的所述第二目标控制操作;
第二测试模块,用于测试所述驾驶模拟器执行所述第二目标控制操作是否属于正常行驶对应的控制操作。
8.根据权利要求7所述的系统,其特征在于,所述系统还包括:
第二测试调整模块,用于在所述第二测试模块确定所述驾驶模拟器执行所述第二目标控制操作不属于正常行驶对应的控制操作时,基于所述第二目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述第一感知仿真模块的第二神经网络的网络参数。
9.根据权利要求1所述的系统,其特征在于,所述系统还包括:
第二感知仿真模块,用于基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第二交通信息仿真值;
第三测试模块,用于测试所述第二交通信息仿真值是否与所述交通信息真值匹配;
所述决策确定模块还用于在所述第三测试模块确定所述第二交通信息仿真值与所述交通信息真值匹配之后,确定所述驾驶模拟器在所述仿真模拟环境中行驶时需要执行的第一目标控制操作。
10.根据权利要求9所述的系统,其特征在于,所述系统还包括:
第三测试调整模块,用于在所述第三测试模块确定所述第二交通信息仿真值与所述交通信息真值不匹配时,基于所述交通信息真值与所述第二交通信息仿真值之间的差异,调整组成所述第二感知仿真模块的第三神经网络的网络参数。
11.根据权利要求7所述的系统,其特征在于,所述系统还包括:
数据采集模块,用于在所述驾驶模拟器在仿真模拟环境中行驶时,获取所述驾驶模拟器采集的位于所述驾驶模拟器前方的所述图像、所述雷达点云、所述分割真值图和所述深度图中的至少一项。
12.一种无人驾驶仿真测试方法,其特征在于,所述方法用于无人驾驶仿真测试系统,包括:
确定无人驾驶仿真测试系统中的驾驶模拟器在所述无人驾驶仿真测试系统提供的仿真模拟环境中行驶时需要执行的第一目标控制操作;其中,所述第一目标控制操作是基于交通信息真值、所述驾驶模拟器在所述仿真模拟环境中当前位置的定位信息和基于所述定位信息生成的从所述当前位置到预设目的地的目标路由信息确定的;
控制所述驾驶模拟器执行所述第一目标控制操作;测试所述驾驶模拟器执行所述第一目标控制操作是否属于正常行驶对应的控制操作;
所述方法还包括:
确定所述驾驶模拟器在行驶过程中需要执行的第二目标控制操作;其中,所述第二目标控制操作是基于在确定所述第一目标控制操作属于正常行驶对应的控制操作之后所确定的第一交通信息仿真值、所述定位信息和所述目标路由信息确定的;
其中,所述无人驾驶仿真测试系统中采用权利要求1-11任一项所述的系统。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器在下一时刻的道路环境信息;
确定所述驾驶模拟器在所述仿真模拟环境中当前位置的定位信息;
基于所述定位信息,生成从所述当前位置到预设目的地的目标路由信息;
所述确定无人驾驶仿真测试系统中的驾驶模拟器在所述无人驾驶仿真测试系统提供的仿真模拟环境中行驶时需要执行的第一目标控制操作,包括:
基于所述道路环境信息、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在模拟仿真环境中行驶时需要执行的所述第一目标控制操作。
14.根据权利要求13所述的方法,其特征在于,所述基于所述仿真模拟环境中给定的交通信息真值,预测所述驾驶模拟器在下一时刻的道路环境信息,包括:
基于所述交通信息真值中障碍物的位置信息,预测所述驾驶模拟器在下一时刻是否需要进行避障处理;
基于所述交通信息真值中交通信号灯的指示信息,预测所述驾驶模拟器在下一时刻是否需要按照所述指示信息确定所述第一目标控制操作。
15.根据权利要求13或14所述的方法,其特征在于,所述基于所述定位信息,生成从所述当前位置到预设目的地的目标路由信息,包括:
基于所述定位信息,确定从所述当前位置到所述预设目的地的至少一个可选路径的路由信息;
在所述至少一个可选路径的路由信息中,选择符合仿真测试路径规划需求的一个作为所述目标路由信息。
16.根据权利要求13所述的方法,其特征在于,所述基于所述道路环境信息、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在所述模拟仿真环境中行驶时需要执行的所述第一目标控制操作,包括以下至少一项:
在所述道路环境信息指示需要进行避障处理,确定所述第一目标控制操作为刹车操作;
在所述道路环境信息指示需要进行避障处理,且所述目标路由信息指示所述当前位置存在可以变更的车道时,确定所述第一目标控制操作为刹车操作和/或变更车道操作;
在所述道路环境信息指示需要按照指示信息确定所述第一目标控制操作,将与所述指示信息对应的预设控制操作作为所述第一目标控制操作;
在所述道路环境信息指示不需要进行避障处理且不需要按照所述指示信息确定所述第一目标控制操作时,确定所述第一目标控制操作为加油门操作;
在所述目标路由信息指示需要拐弯时,确定所述第一目标控制操作为变更车道操作和拐弯操作。
17.根据权利要求12所述的方法,其特征在于,所述方法还包括:
在确定所述驾驶模拟器执行的所述第一目标控制操作不属于正常行驶对应的控制操作时,基于所述第一目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述无人驾驶仿真测试系统中的所述决策确定模块的第一神经网络的网络参数。
18.根据权利要求17所述的方法,其特征在于,所述方法还包括:
在确定所述驾驶模拟器执行所述第一目标控制操作属于正常行驶对应的控制操作之后,基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第一交通信息仿真值;
基于所述第一交通信息仿真值、所述定位信息和所述目标路由信息,确定所述驾驶模拟器在行驶过程中需要执行的所述第二目标控制操作;
测试所述驾驶模拟器执行所述第二目标控制操作是否属于正常行驶对应的控制操作。
19.根据权利要求18所述的方法,其特征在于,所述方法还包括:
在确定所述驾驶模拟器执行所述第二目标控制操作不属于正常行驶对应的控制操作时,基于所述第二目标控制操作与所述驾驶模拟器正常行驶时对应的控制操作,调整组成所述无人驾驶仿真测试系统中的第一感知仿真模块的第二神经网络的网络参数。
20.根据权利要求12所述的方法,其特征在于,所述方法还包括:
基于所述驾驶模拟器在仿真模拟环境中模拟无人驾驶设备进行行驶时采集到的所述驾驶模拟器前方的图像、雷达点云、分割真值图和深度图中的至少一项,确定第二交通信息仿真值;
测试所述第二交通信息仿真值是否与所述交通信息真值匹配;
在确定所述第二交通信息仿真值与所述交通信息真值匹配之后,执行所述确定无人驾驶仿真测试系统中的驾驶模拟器在所述无人驾驶仿真测试系统提供的仿真模拟环境中行驶时需要执行的第一目标控制操作的步骤。
21.根据权利要求20所述的方法,其特征在于,所述方法还包括:
在确定所述第二交通信息仿真值与所述交通信息真值不匹配时,基于所述交通信息真值与所述第二交通信息仿真值之间的差异,调整组成所述无人驾驶仿真测试系统中的第二感知仿真模块的第三神经网络的网络参数。
22.根据权利要求18所述的方法,其特征在于,所述方法还包括:
在所述驾驶模拟器在所述仿真模拟环境中行驶时,获取所述驾驶模拟器采集的位于所述驾驶模拟器前方的所述图像、所述雷达点云、所述分割真值图和所述深度图中的至少一项。
23.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求12-22任一项所述的无人驾驶仿真测试方法。
24.一种无人驾驶仿真测试装置,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器中存储的可执行指令,实现权利要求12-22任一项所述的无人驾驶仿真测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910945646.XA CN110673636B (zh) | 2019-09-30 | 2019-09-30 | 无人驾驶仿真测试系统及方法、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910945646.XA CN110673636B (zh) | 2019-09-30 | 2019-09-30 | 无人驾驶仿真测试系统及方法、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110673636A CN110673636A (zh) | 2020-01-10 |
CN110673636B true CN110673636B (zh) | 2023-01-31 |
Family
ID=69080700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910945646.XA Active CN110673636B (zh) | 2019-09-30 | 2019-09-30 | 无人驾驶仿真测试系统及方法、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110673636B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113574530A (zh) * | 2020-02-12 | 2021-10-29 | 深圳元戎启行科技有限公司 | 行驶场景信息处理方法、装置、电子设备和可读存储介质 |
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 |
CN113254336B (zh) * | 2021-05-24 | 2022-11-08 | 公安部道路交通安全研究中心 | 自动驾驶汽车交通法规符合性仿真测试方法及系统 |
CN113156837B (zh) * | 2021-06-24 | 2021-09-17 | 深圳慧拓无限科技有限公司 | 矿区自动驾驶矿卡仿真模型构建方法、装置、介质及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834552A (zh) * | 2015-04-30 | 2015-08-12 | 吉林大学 | 一种驾驶模拟器获得交通环境信息的快速截取引擎 |
CN109100155A (zh) * | 2018-07-09 | 2018-12-28 | 长安大学 | 一种无人车在环快速仿真测试系统和方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114643995A (zh) * | 2015-11-04 | 2022-06-21 | 祖克斯有限公司 | 用于自主车辆的模拟系统和方法 |
KR101832593B1 (ko) * | 2016-02-02 | 2018-02-27 | 국방과학연구소 | 다수의 지상무인체계 임무통제와 통신기능 점검을 위한 개발용 시뮬레이터 구축방법 및 시스템 |
WO2018002910A1 (en) * | 2016-06-28 | 2018-01-04 | Cognata Ltd. | Realistic 3d virtual world creation and simulation for training automated driving systems |
CN106153352B (zh) * | 2016-07-04 | 2018-08-10 | 江苏大学 | 一种无人驾驶车辆测试验证平台及其测试方法 |
CN107991898A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试装置及电子设备 |
CN107992016A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试方法 |
US10489993B2 (en) * | 2017-04-25 | 2019-11-26 | GM Global Technology Operations LLC | Emulator hardware-in-loop architecture and control logic for vehicle steer-by-wire test system |
CN107506830A (zh) * | 2017-06-20 | 2017-12-22 | 同济大学 | 面向智能汽车规划决策模块的人工智能训练平台 |
CN108520155B (zh) * | 2018-04-11 | 2020-04-28 | 大连理工大学 | 基于神经网络的车辆行为模拟方法 |
CN108829087B (zh) * | 2018-07-19 | 2019-09-10 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统 |
CN109976340B (zh) * | 2019-03-19 | 2022-02-08 | 中国人民解放军国防科技大学 | 一种基于深度增强学习的人机协同动态避障方法及系统 |
CN110209146B (zh) * | 2019-05-23 | 2020-12-01 | 杭州飞步科技有限公司 | 自动驾驶车辆的测试方法、装置、设备及可读存储介质 |
-
2019
- 2019-09-30 CN CN201910945646.XA patent/CN110673636B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834552A (zh) * | 2015-04-30 | 2015-08-12 | 吉林大学 | 一种驾驶模拟器获得交通环境信息的快速截取引擎 |
CN109100155A (zh) * | 2018-07-09 | 2018-12-28 | 长安大学 | 一种无人车在环快速仿真测试系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110673636A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110673636B (zh) | 无人驾驶仿真测试系统及方法、存储介质 | |
US11554785B2 (en) | Driving scenario machine learning network and driving environment simulation | |
US11698263B2 (en) | Safety and comfort constraints for navigation | |
US20220121550A1 (en) | Autonomous Vehicle Testing Systems and Methods | |
CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
CN111133485B (zh) | 自主交通工具的对象预测优先级排序系统和方法 | |
US10496099B2 (en) | Systems and methods for speed limit context awareness | |
US20200134494A1 (en) | Systems and Methods for Generating Artificial Scenarios for an Autonomous Vehicle | |
US10852721B1 (en) | Autonomous vehicle hybrid simulation testing | |
JP2021504812A (ja) | 自律車両のための物体相互作用予測システムおよび方法 | |
GB2622499A (en) | Aligning road information for navigation | |
US11615702B2 (en) | Determining vehicle path | |
US20230150549A1 (en) | Hybrid log simulated driving | |
US20220234575A1 (en) | Vehicle operation using maneuver generation | |
CN116187475A (zh) | 轨迹预测模型生成方法及装置、模型训练方法及装置 | |
CN113743469A (zh) | 一种融合多源数据及综合多维指标的自动驾驶决策方法 | |
CN116917828A (zh) | 基于日志数据在仿真环境中实例化对象 | |
CN114787894A (zh) | 感知误差模型 | |
Twaddle et al. | Integration of an external bicycle model in SUMO | |
US20240001966A1 (en) | Scenario-based training data weight tuning for autonomous driving | |
US11837090B2 (en) | System and methods of adaptive traffic rule-based decision making for autonomous driving | |
CN116929364A (zh) | 用于未预见场景的自动驾驶车辆的轨迹规划 | |
JP2024509086A (ja) | 運転シミュレーションにおけるエージェント変換 | |
WO2024072787A1 (en) | Perception system for an autonomous vehicle | |
CN117010154A (zh) | 一种自动驾驶传感器仿真置信度评估方法、系统及装置 |
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 |