CN111027195A - 仿真场景的生成方法、装置及设备 - Google Patents
仿真场景的生成方法、装置及设备 Download PDFInfo
- Publication number
- CN111027195A CN111027195A CN201911219681.XA CN201911219681A CN111027195A CN 111027195 A CN111027195 A CN 111027195A CN 201911219681 A CN201911219681 A CN 201911219681A CN 111027195 A CN111027195 A CN 111027195A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- data
- information
- sensing data
- structured 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.)
- Granted
Links
Images
Abstract
本申请公开了仿真场景的生成方法、装置及设备,涉及智能驾驶技术领域,尤其涉及仿真场景生成技术领域。本申请公开的技术方案为:获取采集装置在预设场景中采集的多个时刻的传感数据,预设场景中包括至少一个障碍物;将传感数据转换为结构化数据,结构化数据包括各障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;对结构化数据中的至少一个障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。与人工编辑仿真场景相比,大大降低了生成仿真场景的成本,还提高了仿真场景的生成效率。
Description
技术领域
本申请涉及智能驾驶技术领域,尤其涉及一种仿真场景的生成方法、装置及设备。
背景技术
近年来智能驾驶技术发展迅速。为了确保智能驾驶系统的安全性,需要采用大量的仿真场景对智能驾驶系统进行验证。具体的,采用仿真技术生成多个仿真场景,借助生成的仿真场景对智能驾驶系统的算法和性能进行测试。
目前,在生成仿真场景时,主要采用人工编辑的方式,即,由人工编辑生成场景参数,然后将场景参数与简单的运动模型结合,得到对应的仿真场景。
然而,上述方式生成仿真场景的成本较大,无法满足生成大规模仿真场景的需求。
发明内容
本申请提供一种仿真场景的生成方法、装置及设备,能够降低生成仿真场景的成本,满足生成大规模仿真场景的需求。
第一方面,本申请提供一种仿真场景的生成方法,包括:获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物;将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。
本申请中,通过将预设场景对应的传感数据转换为结构化数据,并对结构化数据中的障碍物的轨迹信息进行调整,可以得到大量的仿真场景,与人工编辑仿真场景相比,大大降低了生成仿真场景的成本,还提高了仿真场景的生成效率。另外,由于仿真场景是通过对预设场景中的障碍物的轨迹信息进行调整生成的,仿真场景中保留了预设场景的部分信息,使得生成的仿真场景是与预设场景类似的,提高了仿真场景的真实性。
一种可能的实现方式中,所述传感数据为连续采集的多帧数据,所述将所述传感数据转换为结构化数据,包括:针对第一传感数据,从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息,并将所述第一障碍物的运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第一传感数据为所述传感数据中的任一帧数据,所述第一障碍物为所述预设场景中的被采集到所述第一传感数据中的任一障碍物。
一种可能的实现方式中,所述从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息,并将所述第一障碍物的运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中,包括:从所述第一传感数据中获取第一障碍物的标识;判断所述结构化数据中是否存在所述第一障碍物的标识;若存在,则从所述第一传感数据中获取所述第一障碍物的第一运行状态信息,并将所述第一运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第一运行状态信息包括:当前位置信息、当前朝向信息和当前速度信息;若不存在,则从所述第一传感数据中获取所述第一障碍物的第二运行状态信息,在所述结构化数据中新增所述第一障碍物的标识,并将所述第二运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第二运行状态信息包括:当前位置信息和当前朝向信息。
一种可能的实现方式中,所述从所述第一传感数据中获取所述第一障碍物的第一运行状态信息,包括:从所述第一传感数据中获取所述第一障碍物的当前位置信息和当前朝向信息;从第二传感数据中获取所述第一障碍物的历史位置信息,所述第二传感数据为所述传感数据中的一帧数据,且所述第二传感数据对应的帧号小于所述第一传感数据对应的帧号;根据所述当前位置信息、所述历史位置信息、以及所述第二传感数据与所述第一传感数据之间的采集时间间隔,获取所述第一障碍物的当前速度信息。
一种可能的实现方式中,所述针对第一传感数据,从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息之前,还包括:对所述传感数据中的多帧数据进行采样,得到采样后的传感数据;所述第一传感数据为所述采样后的传感数据中的任一帧数据。
通过在将传感数据转换为结构化数据之前,先对传感数据进行采样,能够降低后续转换过程的数据处理量,提高仿真场景的生成效率。
一种可能的实现方式中,所述将所述传感数据转换为结构化数据之前,还包括:对所述传感数据进行降噪处理,以使所述传感数据中的各所述障碍物的信息满足预设条件;其中,所述预设条件包括下述中的至少一项:所述障碍物的尺寸大于或者等于尺寸阈值,所述障碍物的出现时长大于或者等于时长阈值,所述障碍物的尺寸变化率小于或者等于变化率阈值,所述障碍物的运行轨迹平滑度大于或者等于平滑度阈值。
一种可能的实现方式中,所述对所述传感数据进行降噪处理,以使所述传感数据中的各所述障碍物满足预设条件,包括下述中的至少一项:若所述传感数据中包括第二障碍物的信息,所述第二障碍物在所述传感数据中的出现时长小于所述时长阈值,和/或,所述第二障碍物的尺寸小于所述尺寸阈值,则将所述传感数据中的所述第二障碍物的信息去除;或者,若所述传感数据中包括第三障碍物的信息,所述第三障碍物在所述传感数据中的第i帧和第j帧出现,且在第k帧未出现,i<k<j,则在所述第k帧中增加所述第三障碍物的信息;或者,若所述传感数据中包括第四障碍物的信息,所述第四障碍物在所述传感数据中的至少两帧数据出现,且所述至少两帧数据中的所述第四障碍物的尺寸变化率大于所述变化率阈值,则对所述至少两帧数据中的所述第四障碍物的信息进行修正。
上述的实现方式中,经过上述降噪处理后的传感数据,对预设场景的描述趋于完美,由于减少了噪声的影响,在后续将传感数据转换为结构化数据时,能够提高数据转换的准确性。
一种可能的实现方式中,所述将所述传感数据转换为结构化数据之后,还包括:对所述结构化数据中的各所述障碍物的轨迹信息进行加噪处理。
一种可能的实现方式中,所述对所述结构化数据中的各所述障碍物的轨迹信息进行加噪处理,包括下述中的至少一项:在所述结构化数据中增加噪声障碍物的轨迹信息;或者,对所述结构化数据中的同一障碍物对应的轨迹信息进行加噪处理。
上述的实现方式中,经过上述加噪处理后的结构化数据,所描述的场景更趋于真实的预设场景。由于结构化数据所描述的场景更加真实,也保证了对结构化数据进行调整得到的仿真场景的真实性。这样,利用生成的仿真场景对智能驾驶系统进行测试,保证了测试结果的准确性,提高了智能驾驶的安全性。
第二方面,本申请提供一种仿真场景的生成装置,包括:获取模块,用于获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物;处理模块,用于将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;生成模块,用于对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。
一种可能的实现方式中,所述传感数据为连续采集的多帧数据,所述处理模块具体用于:针对第一传感数据,从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息,并将所述第一障碍物的运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第一传感数据为所述传感数据中的任一帧数据,所述第一障碍物为所述预设场景中的被采集到所述第一传感数据中的任一障碍物。
一种可能的实现方式中,所述处理模块具体用于:从所述第一传感数据中获取第一障碍物的标识;判断所述结构化数据中是否存在所述第一障碍物的标识;若存在,则从所述第一传感数据中获取所述第一障碍物的第一运行状态信息,并将所述第一运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第一运行状态信息包括:当前位置信息、当前朝向信息和当前速度信息;若不存在,则从所述第一传感数据中获取所述第一障碍物的第二运行状态信息,在所述结构化数据中新增所述第一障碍物的标识,并将所述第二运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第二运行状态信息包括:当前位置信息和当前朝向信息。
一种可能的实现方式中,所述处理模块具体用于:从所述第一传感数据中获取所述第一障碍物的当前位置信息和当前朝向信息;从第二传感数据中获取所述第一障碍物的历史位置信息,所述第二传感数据为所述传感数据中的一帧数据,且所述第二传感数据对应的帧号小于所述第一传感数据对应的帧号;根据所述当前位置信息、所述历史位置信息、以及所述第二传感数据与所述第一传感数据之间的采集时间间隔,获取所述第一障碍物的当前速度信息。
一种可能的实现方式中,所述处理模块还用于:对所述传感数据中的多帧数据进行采样,得到采样后的传感数据;所述第一传感数据为所述采样后的传感数据中的任一帧数据。
一种可能的实现方式中,所处处理模块还用于:对所述传感数据进行降噪处理,以使所述传感数据中的各所述障碍物的信息满足预设条件;其中,所述预设条件包括下述中的至少一项:所述障碍物的尺寸大于或者等于尺寸阈值,所述障碍物的出现时长大于或者等于时长阈值,所述障碍物的尺寸变化率小于或者等于变化率阈值,所述障碍物的运行轨迹平滑度大于或者等于平滑度阈值。
一种可能的实现方式中,所述处理模块具体用于:若所述传感数据中包括第二障碍物的信息,所述第二障碍物在所述传感数据中的出现时长小于所述时长阈值,和/或,所述第二障碍物的尺寸小于所述尺寸阈值,则将所述传感数据中的所述第二障碍物的信息去除;或者,若所述传感数据中包括第三障碍物的信息,所述第三障碍物在所述传感数据中的第i帧和第 j帧出现,且在第k帧未出现,i<k<j,则在所述第k帧中增加所述第三障碍物的信息;或者,若所述传感数据中包括第四障碍物的信息,所述第四障碍物在所述传感数据中的至少两帧数据出现,且所述至少两帧数据中的所述第四障碍物的尺寸变化率大于所述变化率阈值,则对所述至少两帧数据中的所述第四障碍物的信息进行修正。
一种可能的实现方式中,所述处理模块还用于:对所述结构化数据中的各所述障碍物的轨迹信息进行加噪处理。
一种可能的实现方式中,所述处理模块具体用于:在所述结构化数据中增加噪声障碍物的轨迹信息;或者,对所述结构化数据中的同一障碍物对应的轨迹信息进行加噪处理。
第三方面,本申请提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面任一项所述的方法。
第四方面,本申请提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如第一方面任一项所述的方法。
本申请提供的仿真场景的生成方法、装置及设备,该方法包括:获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物;将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。本实施例中,通过将预设场景对应的传感数据转换为结构化数据,并对结构化数据中的障碍物的轨迹信息进行调整,可以得到大量的仿真场景,与人工编辑仿真场景相比,大大降低了生成仿真场景的成本,还提高了仿真场景的生成效率。另外,由于仿真场景是通过对预设场景中的障碍物的轨迹信息进行调整生成的,仿真场景中保留了预设场景的部分信息,使得生成的仿真场景是与预设场景类似的,提高了仿真场景的真实性。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例中仿真场景的生成方法的原理示意图;
图2为本申请一个实施例提供的仿真场景的生成方法的流程示意图;
图3为本申请一个实施例提供的传感数据的示意图;
图4为本申请一个实施例提供的将传感数据转换为结构化数据的过程示意图;
图5为本申请另一个实施例提供的仿真场景的生成方法的流程示意图;
图6为本申请又一个实施例提供的仿真场景的生成方法的流程示意图;
图7为本申请一个实施例提供的预设场景的示意图;
图8为本申请一个实施例提供的仿真场景的生成装置的结构示意图;
图9为本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如前所述,目前在生成仿真场景时,主要采用人工编辑的方式,即,由人工编辑生成场景参数,然后将场景参数与简单的运动模型结合,得到对应的仿真场景。该方式生成仿真场景的成本较大,无法满足生成大规模仿真场景的需求。
为了解决上述问题,本申请提供一种仿真场景的生成方法。图1为本申请实施例中仿真场景的生成方法的原理示意图。如图1所示,本实施例的方法可以由仿真设备执行。示例性的,通过采集装置对预设场景进行采集得到预设场景对应的传感数据。将传感数据输入至仿真设备中,仿真设备可以由一个预设场景生成多个仿真场景。这样,基于预设场景生成多个仿真场景,规避了人工生成仿真场景成本高的问题,能够满足生成大规模仿真场景的需求。另外,由于仿真场景是基于预设场景生成的,仿真场景中保留了预设场景的部分信息,使得生成的仿真场景是与预设场景类似的,提高了仿真场景的真实性。进而,利用仿真场景对智能驾驶系统进行验证,能够保证验证效果,提供智能驾驶的安全性。
需要说明的是,本申请提供的仿真场景的生成方法,可适用于任意需要生成仿真场景的领域,包括但不限于:智能驾驶领域、虚拟现实领域等。为了描述方便,本申请实施例中均以智能驾驶领域为例进行描述。
下面结合几个具体的实施例对本申请的技术方案进行详细描述。下面几个实施例可以相互结合,对于相同或者相似的内容在某些实施例中可能不再重复描述。
图2为本申请一个实施例提供的仿真场景的生成方法的流程示意图。如图2所示,本实施例的方法,包括:
S201:获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物。
本实施例的仿真场景的生成方法可以由仿真场景的生成装置执行。该装置可以为软件和/或硬件的形式。该装置可以集成到电子设备中,例如集成到图1所示的仿真设备中。该仿真设备可以是车载设备,还可以是独立于车辆的其他电子设备。
本申请中的预设场景可以是路测时车辆(主车)所行驶的场景。预设场景中可以包括一个或者多个障碍物。其中,障碍物是指与主车一同参与交通的交通参与者。本申请中的障碍物是指非固定的障碍物,也就是说,障碍物在预设场景中会发生移动。障碍物包括但不限于:除主车之外的其他车辆、行人、非机动车等。
示例性的,在车辆上或者道路上设置有采集装置。采集装置包括但不限于:摄像头、传感器、雷达等。在车辆行驶过程中,采集装置对车辆行驶的场景进行实时采集,得到传感数据。能够理解,采集到的传感数据中会记录该预设场景中的各障碍物的运行状态信息。
以采集装置为摄像头为例,在车辆行驶过程中,摄像头对车辆行驶的场景进行实时的视频采集,得到视频数据。视频数据中记录了各个障碍物的运行状态信息。其中,视频中的每一帧图像中可以包括一个或者多个障碍物的运行状态信息。当然,有些图像帧中也可能不包括任何障碍物的运行状态信息。
可选的,本实施例中的传感数据可以为连续采集的多帧数据。例如:传感数据可以为连续采集的多帧图像数据,还可以为多帧点云数据等。
能够理解,采集装置采集到的传感数据是以时间顺序对各障碍物的运行状态信息进行记录的。换句话说,传感数据是以时间为主键对各个障碍物的运行信息进行记录的。因此,本实施例中的传感数据也可以称为“流式数据”。
图3为本申请一个实施例提供的传感数据的示意图。以传感数据为图像数据为例,假设传感数据中包括4个图像帧。如图3所示,以两个障碍物为例,分别为:障碍物1为行人,障碍物2为自行车。第1帧中记录了障碍物1的运行状态信息。第2帧中记录了障碍物1和障碍物2的运行状态信息。第3帧中记录了障碍物1和障碍物2的运行状态信息。第4帧中记录了障碍物1的运行状态信息。其中,每个障碍物的运行状态信息可以包括:障碍物的位置、包围盒的大小(例如图3中的虚线框,指示的是障碍物的尺寸)等。
由图3可知,由于各个障碍物是处于运动状态的,且各个障碍物在预设场景中的运行轨迹以及运行速度可能不同,因此,各个障碍物在传感数据中的出现时间以及结束时间也可能不同。有些时刻的传感数据中可能记录了一个障碍物的运行状态信息,有些时刻的传感数据中可能记录了多个障碍物的运行状态信息,有些时刻的传感数据中可能记录了0个障碍物的运行状态信息。
S202:将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息。
本实施例中,将流式的传感数据转换为以障碍物为主键的结构化数据。结构化数据中包括各障碍物的轨迹信息。其中,每个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息。也就是说,将传感数据中的每个障碍物的运行状态信息提取出来形成该障碍物对应的轨迹信息。
一种可能的实施方式中,可以采用如下可行的方式将传感数据转换为结构化数据。针对第一传感数据,从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息,并将所述第一障碍物的运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中。其中,所述第一传感数据为所述传感数据中的任一帧数据,所述第一障碍物为所述预设场景中的被采集到所述第一传感数据中的任一障碍物。
下面举例说明。图4为本申请一个实施例提供的将传感数据转换为结构化数据的过程示意图。如图4所示,将第1帧中的障碍物1的运行状态信息(例如:位置信息、朝向信息、速度信息等)提取出来,作为结构化数据中障碍物1对应的运行状态信息1;将第2帧中的障碍物1的运行状态信息提取出来,作为结构化数据中障碍物1对应的运行状态信息2;将第2帧中的障碍物2的运行状态信息提取出来,作为结构化数据中障碍物 2对应的运行状态信息1。以此类推,对第3帧和第4帧作类似的处理,得到如图4所示的结构化数据。
由图4可知,本实施例中的结构化数据是以障碍物为主键进行记录的。从图4所示的结构化数据中,可以直观得到每个障碍物的轨迹信息。
需要说明的是,结构化数据可以由多种表示形式,本实施例对于结构化数据的表示形式不作限定,图4所示仅为一种可能的示例。
S203:对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。
应理解,本实施例中对传感数据经过S202的转换处理,得到的是预设场景对应的结构化数据。即,该结构化数据描述的还是预设场景的信息。也就是说,结构化数据是采用各个障碍物独立的轨迹信息来对预设场景进行描述。
得到预设场景对应的结构化数据后,可以通过对该结构化数据中的其中一个或者多个障碍物的轨迹信息进行调整,得到新的仿真场景对应的结构化数据。
以图4为例,可以通过对障碍物1的轨迹信息进行调整,比如改变障碍物1的运行速度,得到一个或者多个仿真场景。还可以通过对障碍物1 的轨迹信息进行调整,比如改变障碍物1的位置,得到一个或者多个仿真场景。还可以通过将障碍物2的轨迹信息删除,得到新的仿真场景。还可以通过对障碍物2的轨迹信息进行调整,比如改变障碍物2的朝向,得到一个或者多个仿真场景。
由此可见,将预设场景对应的仿真场景转换为结构化数据后,通过对该结构化数据中的障碍物的轨迹信息进行调整,可以得到多个仿真场景对应的结构化数据。这些仿真场景可以用来对智能驾驶系统的算法或性能进行验证。与人工编辑仿真场景相比,大大降低了生成仿真场景的成本,还提高了仿真场景的生成效率。另外,由于仿真场景是通过对预设场景中的障碍物的轨迹信息进行调整生成的,仿真场景中保留了预设场景的部分信息,使得生成的仿真场景是与预设场景类似的,提高了仿真场景的真实性。进而,利用仿真场景对智能驾驶系统进行验证,能够保证验证效果,提供智能驾驶的安全性。
本实施例提供的仿真场景的生成方法,包括:获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物;将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。本实施例中,通过将预设场景对应的传感数据转换为结构化数据,并对结构化数据中的障碍物的轨迹信息进行调整,可以得到大量的仿真场景,与人工编辑仿真场景相比,大大降低了生成仿真场景的成本,还提高了仿真场景的生成效率。另外,由于仿真场景是通过对预设场景中的障碍物的轨迹信息进行调整生成的,仿真场景中保留了预设场景的部分信息,使得生成的仿真场景是与预设场景类似的,提高了仿真场景的真实性。
图5为本申请另一个实施例提供的仿真场景的生成方法的流程示意图。本实施例的方法可以作为图2所示实施例中S202的一种可能的实施方式。如图5所示,本实施例的方法包括:
S501:获取传感数据中的每一帧数据(第一传感数据)。
本实施例中,遍历传感数据中的每一帧数据执行S501至S508。为了描述方便,将当前处理的每一帧数据称为第一传感数据。
由于传感数据是连续采集的多帧数据,相邻帧之间的数据帧之间具有相似性,若对每帧数据均执行本实施例的方法,可能会导致数据处理量较大。因此,一种可能的实施方式中,在S501之前还可以包括:对传感数据中的多帧数据进行采样,得到采样后的传感数据。例如,可以按照预设的帧间隔对多帧数据进行采样,得到采样后的传感数据。这样,可以仅对采样后的传感数据执行本实施例的方法,即,第一传感数据为采样后的传感数据中的任一帧数据,从而能够降低数据处理量。
S502:从第一传感数据中获取每个障碍物(第一障碍物)的标识。
本实施例中,针对第一传感数据,遍历第一传感数据中的每个障碍物执行S502至S508。为了描述方便,将当前处理的每个障碍物称为第一障碍物。
一种可能的场景中,传感数据可以是采集装置采集到的原始数据。该场景中,需要对第一传感数据中的每个障碍物进行识别,得到该障碍物的尺寸、位置、朝向等信息。若该障碍物是之前帧中未出现的障碍物,则为该障碍物分配标识。若该障碍物是之前帧中出现的障碍物,则获取在之前帧中为该障碍物分配的标识。
另一种可能的场景中,传感数据还可以是对采集装置采集到的数据经过分析处理后的数据。例如,对采集装置采集到的每一帧图像数据进行识别,识别得到该图像数据中的每个障碍物的标识、尺寸、位置、朝向等信息。也就是说,传感图像中不仅包括该图像数据,还包括对该图像数据中的各障碍物的识别信息。这样,可以从第一传感数据中直接获取每个障碍物的识别信息。
能够理解,对传感数据中的同一障碍物,其在各帧传感数据中的标识是相同的。
S503:判断结构化数据中是否存在第一障碍物的标识。若存在,则执行S504至S505,若不存在,则执行S506至S508。
一个示例中,可以通过查询结构化数据,判断结构化数据中是否存在第一障碍物的标识。如果不存在,说明该第一障碍物为新出现的障碍物,需要在结构化数据中新增该第一障碍物的标识。如果存在,则说明该第一障碍物是之前出现过的障碍物,则无需在结构化数据中新增标识。
另一个示例中,还可以查询第一传感数据的前一帧数据中是否存在该第一障碍物。如果上一帧数据中不存在,则说明该第一障碍物为新出现的障碍物,即结构化数据中不存在该第一障碍物的标识。如果上一帧数据中存在,则说明该第一障碍物是之前出现过的障碍物,即结构化数据中存在该第一障碍物的标识。
S504:从第一传感数据中获取第一障碍物的第一运行状态信息,所述第一运行状态信息包括:当前位置信息、当前朝向信息和当前速度信息。
S505:将第一运行状态信息添加至结构化数据中与第一障碍物的标识对应的轨迹信息中。
其中,当前位置信息可以是指第一障碍物的坐标/经纬度等信息。当前朝向信息可以是指第一障碍物的朝向角信息。第一障碍物的当前位置信息和当前朝向信息可以从第一传感数据中获取。第一障碍物的当前速度信息可以通过第一传感数据和第一传感数据的之前帧数据获取。
示例性的,从所述第一传感数据中获取所述第一障碍物的当前位置信息和当前朝向信息;从第二传感数据中获取所述第一障碍物的历史位置信息,所述第二传感数据为所述传感数据中的一帧数据,且所述第二传感数据对应的帧号小于所述第一传感数据对应的帧号;根据所述当前位置信息、所述历史位置信息、以及所述第二传感数据与所述第一传感数据之间的采集时间间隔,获取所述第一障碍物的当前速度信息。
本实施例中,在第一障碍物为之前出现过的障碍物时,将获取的第一运行状态信息作为第一障碍物的当前轨迹点,添加至结构化数据中与第一障碍物的标识对应的轨迹信息中。这样,在结构化数据中保存的第一障碍物的信息包括:当前位置信息、当前朝向信息和当前速度信息。
S506:从第一传感数据中获取第一障碍物的第二运行状态信息,所述第二运行状态信息包括:当前位置信息和当前朝向信息。
S507:在结构化数据中新增第一障碍物的标识。
S508:将第二运行状态信息添加至结构化数据中与第一障碍物的标识对应的轨迹信息中。
本实施例中,在第一障碍物为新出现的障碍物时,说明结构化数据中不存在该第一障碍物的标识,因此,需要在结构化数据中新增第一障碍物的标识。可以从第一传感数据中获取第一障碍物的当前位置信息和当前朝向信息。具体获取方式与S504类似,此处不再赘述。这样,将获取的第二运行状态信息作为第一障碍物的当前轨迹点,添加至结构化数据中与第一障碍物的标识对应的轨迹信息中。即,在结构化数据中保存的第一障碍物的信息包括:当前位置信息和当前朝向信息。
通过上述S501至S508的遍历过程,可以实现将传感数据转换为结构化数据。在结构化数据中,以障碍物的标识为主键,记录各障碍物在每个时刻对应的运行状态信息。
图6为本申请又一个实施例提供的仿真场景的生成方法的流程示意图。如图6所示,本实施例的方法包括:
S601:获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物。
其中,S601的具体实施方式与图2所示实施例中的S201类似,此处不再赘述。
S602:对所述传感数据进行降噪处理,以使所述传感数据中的各所述障碍物的信息满足预设条件。
其中,所述预设条件包括下述中的至少一项:所述障碍物的尺寸大于或者等于尺寸阈值,所述障碍物的出现时长大于或者等于时长阈值,所述障碍物的尺寸变化率小于或者等于变化率阈值,所述障碍物的运行轨迹平滑度大于或者等于平滑度阈值。
本实施例与图2所示实施例的一个不同之处在于,在将传感数据转换为结构化数据之前,先对传感数据进行降噪处理,其目的是对传感数据进行清洗,使得传感数据所描述的预设场景趋于完美化。
其中,降噪处理可以包括下述中的一项或多项:障碍物降噪处理、障碍物轨迹平滑处理、障碍物包围盒稳定处理。
由于受到天气(比如:雾天、雾霾天、雨天、雪天)或者传感器等因素影响,传感数据中可能会存在噪声障碍物(比如尺寸很小且出现时间很短的障碍物)。因此,可以通过障碍物降噪处理将传感数据中的噪声障碍物去除。示例性的,若所述传感数据中包括第二障碍物的信息,所述第二障碍物在所述传感数据中的出现时长小于所述时长阈值,和/或,所述第二障碍物的尺寸小于所述尺寸阈值,则将所述传感数据中的所述第二障碍物的信息去除。
对于采集装置感知到的障碍物,可能会由于丢帧或者其他因素影响,使得障碍物的运行轨迹不是连续的,例如障碍物的轨迹存在跳变。因此,可以通过对障碍物的轨迹进行平滑处理,使得障碍物的轨迹趋于平滑。示例性的,若所述传感数据中包括第三障碍物的信息,所述第三障碍物在所述传感数据中的第i帧和第j帧出现,且在第k帧未出现,i<k<j,则在所述第k帧中增加所述第三障碍物的信息,使得第三障碍物在上述各帧中的轨迹趋于平滑。
由于障碍物的移动性,使得采集装置感知到的障碍物的包围盒可能会存在忽大忽小的情况,因此可以对障碍物的包围盒进行稳定处理。示例性的,若所述传感数据中包括第四障碍物的信息,所述第四障碍物在所述传感数据中的至少两帧数据出现,且所述至少两帧数据中的所述第四障碍物的尺寸变化率大于所述变化率阈值,则对所述至少两帧数据中的所述第四障碍物的信息进行修正,使得第四障碍物在各帧中的包围盒的大小趋于稳定。
能够理解,经过上述降噪处理后的传感数据,对预设场景的描述趋于完美,由于减少了噪声的影响,在后续将传感数据转换为结构化数据时,能够提高数据转换的准确性。
S603:将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息。
其中,S603的具体实施过程可以参见图2和图3所示实施例,此处不再赘述。
S604:对所述结构化数据中的各所述障碍物的轨迹信息进行加噪处理。
本实施例与图2所示实施例的另一个不同之处在于,在将传感数据转换为结构化数据之后,还对结构化数据进行加噪处理,即,对结构化数据所描述的场景不完美化,使得结构化数据所描述的场景更趋于真实的预设场景。
其中,加噪处理可以包括下述中的一项或者多项:在所述结构化数据中增加噪声障碍物的轨迹信息;或者,对所述结构化数据中的同一障碍物对应的轨迹信息进行加噪处理。
示例性的,可以根据预设场景的特征,生成符合该预设场景的噪声模型。根据噪声模型生成噪声障碍物,并将生成的噪声障碍物添加至结构化数据中。其中,噪声障碍物是指在预设场景中增加的一种虚拟的障碍物。另外,还可以对结构化数据中的同一障碍物的轨迹信息进行加噪。例如:对同一障碍物在不同时刻的位置信息添加一些符合噪声模型的扰动,或者,对同一障碍物在不同时刻的朝向信息添加一些符合噪声模型的扰动,或者,对同一障碍物在不同时刻的速度信息添加一些符合噪声模型的扰动,或者,对同一障碍物在不同时刻的包围盒大小添加一些符合噪声模型的扰动,等。
能够理解,经过上述加噪处理后的结构化数据,所描述的场景更趋于真实的预设场景。由于结构化数据所描述的场景更加真实,也保证了对结构化数据进行调整得到的仿真场景的真实性。这样,利用生成的仿真场景对智能驾驶系统进行测试,保证了测试结果的准确性,提高了智能驾驶的安全性。
S605:对经所述加噪处理后的结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。
其中,S605的具体实施方式与图2中的S203类似,此处不再赘述。
本实施例中,通过将预设场景对应的传感数据转换为结构化数据,并对结构化数据中的障碍物的轨迹信息进行调整,可以得到大量的仿真场景,与人工编辑仿真场景相比,大大降低了生成仿真场景的成本,还提高了仿真场景的生成效率。另外,在将传感数据转换为结构化数据之前,先对传感数据进行降噪处理,使得传感数据所描述的场景趋于完美,能够提高转换后的结构化数据的准确性。在将传感数据转换为结构化数据之后,再对结构化数据进行加噪处理,使得结构化数据所描述的场景与真实的预设场景更加接近,保证后由该结构化数据生成的仿真场景的真实性。进而,利用生成的仿真场景对智能驾驶系统进行测试,保证了测试结果的准确性,提高了智能驾驶的安全性。
图7为本申请一个实施例提供的预设场景的示意图。如图7所示,该预设场景中包括:主车10和多个障碍物,例如障碍物可以包括:车辆21、行人22和自行车23。对该预设场景进行路测采集,得到传感数据之后。可以利用本实施例的方法对传感数据进行转换,得到结构化数据。示例性的,结构化数据可以采用如下表1表示(需要说明的是,下述表1仅为一种可能的示例,本申请并不以此为限)。以障碍物21为例,{位置1、朝向1}表示的是障碍物21在时刻1对应的运行状态信息;{位置2、朝向2、速度2}表示的是障碍物21在时刻2对应的运行状态信息;{位置3、朝向 3、速度3}表示的是障碍物21在时刻3对应的运行状态信息;依次类推。
得到结构化数据后,通过对结构化数据中的障碍物的轨迹信息进行调整,可以得到大量的仿真场景,与人工编辑仿真场景相比,大大降低了生成仿真场景的成本,还提高了仿真场景的生成效率。
表1
图8为本申请一个实施例提供的仿真场景的生成装置的结构示意图。本实施例的仿真场景的生成装置可以为软件和/或硬件的形式。如图8所示,本实施例提供的仿真场景的生成装置800,包括:获取模块801、处理模块802和生成模块803。其中,
获取模块801,用于获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物;处理模块802,用于将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;生成模块803,用于对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。
一种可能的实现方式中,所述传感数据为连续采集的多帧数据,所述处理模块802具体用于:针对第一传感数据,从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息,并将所述第一障碍物的运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第一传感数据为所述传感数据中的任一帧数据,所述第一障碍物为所述预设场景中的被采集到所述第一传感数据中的任一障碍物。
一种可能的实现方式中,所述处理模块802具体用于:从所述第一传感数据中获取第一障碍物的标识;判断所述结构化数据中是否存在所述第一障碍物的标识;若存在,则从所述第一传感数据中获取所述第一障碍物的第一运行状态信息,并将所述第一运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第一运行状态信息包括:当前位置信息、当前朝向信息和当前速度信息;若不存在,则从所述第一传感数据中获取所述第一障碍物的第二运行状态信息,在所述结构化数据中新增所述第一障碍物的标识,并将所述第二运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第二运行状态信息包括:当前位置信息和当前朝向信息。
一种可能的实现方式中,所述处理模块802具体用于:从所述第一传感数据中获取所述第一障碍物的当前位置信息和当前朝向信息;从第二传感数据中获取所述第一障碍物的历史位置信息,所述第二传感数据为所述传感数据中的一帧数据,且所述第二传感数据对应的帧号小于所述第一传感数据对应的帧号;根据所述当前位置信息、所述历史位置信息、以及所述第二传感数据与所述第一传感数据之间的采集时间间隔,获取所述第一障碍物的当前速度信息。
一种可能的实现方式中,所述处理模块802还用于:对所述传感数据中的多帧数据进行采样,得到采样后的传感数据;所述第一传感数据为所述采样后的传感数据中的任一帧数据。
一种可能的实现方式中,所处处理模块802还用于:对所述传感数据进行降噪处理,以使所述传感数据中的各所述障碍物的信息满足预设条件;其中,所述预设条件包括下述中的至少一项:所述障碍物的尺寸大于或者等于尺寸阈值,所述障碍物的出现时长大于或者等于时长阈值,所述障碍物的尺寸变化率小于或者等于变化率阈值,所述障碍物的运行轨迹平滑度大于或者等于平滑度阈值。
一种可能的实现方式中,所述处理模块802具体用于:若所述传感数据中包括第二障碍物的信息,所述第二障碍物在所述传感数据中的出现时长小于所述时长阈值,和/或,所述第二障碍物的尺寸小于所述尺寸阈值,则将所述传感数据中的所述第二障碍物的信息去除;或者,若所述传感数据中包括第三障碍物的信息,所述第三障碍物在所述传感数据中的第i帧和第j帧出现,且在第k帧未出现,i<k<j,则在所述第k帧中增加所述第三障碍物的信息;或者,若所述传感数据中包括第四障碍物的信息,所述第四障碍物在所述传感数据中的至少两帧数据出现,且所述至少两帧数据中的所述第四障碍物的尺寸变化率大于所述变化率阈值,则对所述至少两帧数据中的所述第四障碍物的信息进行修正。
一种可能的实现方式中,所述处理模块802还用于:对所述结构化数据中的各所述障碍物的轨迹信息进行加噪处理。
一种可能的实现方式中,所述处理模块802具体用于:在所述结构化数据中增加噪声障碍物的轨迹信息;或者,对所述结构化数据中的同一障碍物对应的轨迹信息进行加噪处理。
本实施例提供的仿真场景的生成装置,可用于执行上述任一方法实施例中的仿真场景的生成方法,其实现原理和技术效果类似,此处不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的仿真场景的生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器701 为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的仿真场景的生成方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的仿真场景的生成方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的仿真场景的生成方法对应的程序指令/模块(例如,附图8所示的获取模块801、处理模块802和生成模块803)。处理器701通过运行存储在存储器702 中的非瞬时软件程序、指令以及模块,从而执行服务器或者终端设备的各种功能应用以及数据处理,即实现上述方法实施例中的仿真场景的生成方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如,LED) 和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和 /或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种仿真场景的生成方法,其特征在于,包括:
获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物;
将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;
对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。
2.根据权利要求1所述的方法,其特征在于,所述传感数据为连续采集的多帧数据,所述将所述传感数据转换为结构化数据,包括:
针对第一传感数据,从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息,并将所述第一障碍物的运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;
其中,所述第一传感数据为所述传感数据中的任一帧数据,所述第一障碍物为所述预设场景中的被采集到所述第一传感数据中的任一障碍物。
3.根据权利要求2所述的方法,其特征在于,所述从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息,并将所述第一障碍物的运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中,包括:
从所述第一传感数据中获取第一障碍物的标识;
判断所述结构化数据中是否存在所述第一障碍物的标识;
若存在,则从所述第一传感数据中获取所述第一障碍物的第一运行状态信息,并将所述第一运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第一运行状态信息包括:当前位置信息、当前朝向信息和当前速度信息;
若不存在,则从所述第一传感数据中获取所述第一障碍物的第二运行状态信息,在所述结构化数据中新增所述第一障碍物的标识,并将所述第二运行状态信息添加至所述结构化数据中与所述第一障碍物的标识对应的轨迹信息中;其中,所述第二运行状态信息包括:当前位置信息和当前朝向信息。
4.根据权利要求3所述的方法,其特征在于,所述从所述第一传感数据中获取所述第一障碍物的第一运行状态信息,包括:
从所述第一传感数据中获取所述第一障碍物的当前位置信息和当前朝向信息;
从第二传感数据中获取所述第一障碍物的历史位置信息,所述第二传感数据为所述传感数据中的一帧数据,且所述第二传感数据对应的帧号小于所述第一传感数据对应的帧号;
根据所述当前位置信息、所述历史位置信息、以及所述第二传感数据与所述第一传感数据之间的采集时间间隔,获取所述第一障碍物的当前速度信息。
5.根据权利要求2所述的方法,其特征在于,所述针对第一传感数据,从所述第一传感数据中获取第一障碍物的标识以及所述第一障碍物的运行状态信息之前,还包括:
对所述传感数据中的多帧数据进行采样,得到采样后的传感数据;所述第一传感数据为所述采样后的传感数据中的任一帧数据。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述将所述传感数据转换为结构化数据之前,还包括:
对所述传感数据进行降噪处理,以使所述传感数据中的各所述障碍物的信息满足预设条件;
其中,所述预设条件包括下述中的至少一项:所述障碍物的尺寸大于或者等于尺寸阈值,所述障碍物的出现时长大于或者等于时长阈值,所述障碍物的尺寸变化率小于或者等于变化率阈值,所述障碍物的运行轨迹平滑度大于或者等于平滑度阈值。
7.根据权利要求6所述的方法,其特征在于,所述对所述传感数据进行降噪处理,以使所述传感数据中的各所述障碍物满足预设条件,包括下述中的至少一项:
若所述传感数据中包括第二障碍物的信息,所述第二障碍物在所述传感数据中的出现时长小于所述时长阈值,和/或,所述第二障碍物的尺寸小于所述尺寸阈值,则将所述传感数据中的所述第二障碍物的信息去除;
或者,
若所述传感数据中包括第三障碍物的信息,所述第三障碍物在所述传感数据中的第i帧和第j帧出现,且在第k帧未出现,i<k<j,则在所述第k帧中增加所述第三障碍物的信息;
或者,
若所述传感数据中包括第四障碍物的信息,所述第四障碍物在所述传感数据中的至少两帧数据出现,且所述至少两帧数据中的所述第四障碍物的尺寸变化率大于所述变化率阈值,则对所述至少两帧数据中的所述第四障碍物的信息进行修正。
8.根据权利要求1至5任一项所述的方法,其特征在于,所述将所述传感数据转换为结构化数据之后,还包括:
对所述结构化数据中的各所述障碍物的轨迹信息进行加噪处理。
9.根据权利要求8所述的方法,其特征在于,所述对所述结构化数据中的各所述障碍物的轨迹信息进行加噪处理,包括下述中的至少一项:
在所述结构化数据中增加噪声障碍物的轨迹信息;
或者,
对所述结构化数据中的同一障碍物对应的轨迹信息进行加噪处理。
10.一种仿真场景的生成装置,其特征在于,包括:
获取模块,用于获取采集装置在预设场景中采集的多个时刻的传感数据,所述预设场景中包括至少一个障碍物;
处理模块,用于将所述传感数据转换为结构化数据,所述结构化数据包括各所述障碍物的轨迹信息,一个障碍物的轨迹信息包括该障碍物在每个时刻的运行状态信息;
生成模块,用于对所述结构化数据中的至少一个所述障碍物的轨迹信息进行调整,得到仿真场景对应的结构化数据。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219681.XA CN111027195B (zh) | 2019-12-03 | 2019-12-03 | 仿真场景的生成方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219681.XA CN111027195B (zh) | 2019-12-03 | 2019-12-03 | 仿真场景的生成方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027195A true CN111027195A (zh) | 2020-04-17 |
CN111027195B CN111027195B (zh) | 2023-02-28 |
Family
ID=70204023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911219681.XA Active CN111027195B (zh) | 2019-12-03 | 2019-12-03 | 仿真场景的生成方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027195B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597707A (zh) * | 2020-05-14 | 2020-08-28 | 北京百度网讯科技有限公司 | 仿真场景的处理方法、装置、设备以及存储介质 |
CN113608187A (zh) * | 2021-09-17 | 2021-11-05 | 沈阳铁路信号有限责任公司 | 一种模拟铁路障碍物生成的方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256233A (zh) * | 2018-01-18 | 2018-07-06 | 中国第汽车股份有限公司 | 基于驾驶员风格的智能车轨迹规划及跟踪方法和系统 |
CN109146898A (zh) * | 2018-09-07 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种仿真数据量增强方法、装置以及终端 |
CN109900493A (zh) * | 2019-02-20 | 2019-06-18 | 苏州风图智能科技有限公司 | 无人车测试场景中的障碍物模拟方法及装置 |
CN109934164A (zh) * | 2019-03-12 | 2019-06-25 | 杭州飞步科技有限公司 | 基于轨迹安全度的数据处理方法和装置 |
CN109927719A (zh) * | 2017-12-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 |
CN109993849A (zh) * | 2019-03-22 | 2019-07-09 | 山东省科学院自动化研究所 | 一种自动驾驶测试场景再现模拟方法、装置及系统 |
CN110020748A (zh) * | 2019-03-18 | 2019-07-16 | 杭州飞步科技有限公司 | 轨迹预测方法、装置、设备和存储介质 |
CN110245406A (zh) * | 2019-06-05 | 2019-09-17 | 腾讯科技(深圳)有限公司 | 行驶仿真方法、装置及存储介质 |
CN110287529A (zh) * | 2019-05-23 | 2019-09-27 | 杭州飞步科技有限公司 | 测试方法、装置、设备以及存储介质 |
US20190317511A1 (en) * | 2018-04-17 | 2019-10-17 | Baidu Usa Llc | Method for generating prediction trajectories of obstacles for autonomous driving vehicles |
CN110414098A (zh) * | 2019-07-12 | 2019-11-05 | 北京三快在线科技有限公司 | 一种仿真测试环境的生成方法及装置 |
-
2019
- 2019-12-03 CN CN201911219681.XA patent/CN111027195B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109927719A (zh) * | 2017-12-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 |
CN108256233A (zh) * | 2018-01-18 | 2018-07-06 | 中国第汽车股份有限公司 | 基于驾驶员风格的智能车轨迹规划及跟踪方法和系统 |
US20190317511A1 (en) * | 2018-04-17 | 2019-10-17 | Baidu Usa Llc | Method for generating prediction trajectories of obstacles for autonomous driving vehicles |
CN109146898A (zh) * | 2018-09-07 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 一种仿真数据量增强方法、装置以及终端 |
CN109900493A (zh) * | 2019-02-20 | 2019-06-18 | 苏州风图智能科技有限公司 | 无人车测试场景中的障碍物模拟方法及装置 |
CN109934164A (zh) * | 2019-03-12 | 2019-06-25 | 杭州飞步科技有限公司 | 基于轨迹安全度的数据处理方法和装置 |
CN110020748A (zh) * | 2019-03-18 | 2019-07-16 | 杭州飞步科技有限公司 | 轨迹预测方法、装置、设备和存储介质 |
CN109993849A (zh) * | 2019-03-22 | 2019-07-09 | 山东省科学院自动化研究所 | 一种自动驾驶测试场景再现模拟方法、装置及系统 |
CN110287529A (zh) * | 2019-05-23 | 2019-09-27 | 杭州飞步科技有限公司 | 测试方法、装置、设备以及存储介质 |
CN110245406A (zh) * | 2019-06-05 | 2019-09-17 | 腾讯科技(深圳)有限公司 | 行驶仿真方法、装置及存储介质 |
CN110414098A (zh) * | 2019-07-12 | 2019-11-05 | 北京三快在线科技有限公司 | 一种仿真测试环境的生成方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597707A (zh) * | 2020-05-14 | 2020-08-28 | 北京百度网讯科技有限公司 | 仿真场景的处理方法、装置、设备以及存储介质 |
CN111597707B (zh) * | 2020-05-14 | 2023-09-29 | 北京百度网讯科技有限公司 | 仿真场景的处理方法、装置、设备以及存储介质 |
CN113608187A (zh) * | 2021-09-17 | 2021-11-05 | 沈阳铁路信号有限责任公司 | 一种模拟铁路障碍物生成的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111027195B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7262513B2 (ja) | 駐車モデルの生成方法及び装置、電子機器及び記憶媒体 | |
CN112528786B (zh) | 车辆跟踪方法、装置及电子设备 | |
CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN110659600B (zh) | 物体检测方法、装置及设备 | |
CN110910658A (zh) | 交通信号控制方法、装置、计算机设备和存储介质 | |
CN110929639A (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
CN111723768A (zh) | 车辆重识别的方法、装置、设备和存储介质 | |
CN111225236B (zh) | 生成视频封面的方法、装置、电子设备以及计算机可读存储介质 | |
CN110968718A (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN110717933B (zh) | 针对运动物体漏检的后处理方法、装置、设备和介质 | |
CN110929669A (zh) | 数据标注方法及装置 | |
CN110703732B (zh) | 相关性检测方法、装置、设备及计算机可读存储介质 | |
JP7200207B2 (ja) | 地図生成方法、地図生成装置、電子機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム | |
CN111027195B (zh) | 仿真场景的生成方法、装置及设备 | |
CN112584077A (zh) | 视频的插帧方法、装置及电子设备 | |
CN111767853A (zh) | 车道线检测方法和装置 | |
CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
CN112257604A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN111291681A (zh) | 车道线变化信息的检测方法、装置及设备 | |
CN111339877A (zh) | 盲区的长度检测方法、装置、电子设备及存储介质 | |
CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
CN112581533B (zh) | 定位方法、装置、电子设备及存储介质 | |
CN111783600A (zh) | 一种人脸识别模型训练方法、装置、设备及介质 |
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: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |