CN111123733B - 自动驾驶仿真方法、装置、设备及计算机可读介质 - Google Patents
自动驾驶仿真方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN111123733B CN111123733B CN201811289402.2A CN201811289402A CN111123733B CN 111123733 B CN111123733 B CN 111123733B CN 201811289402 A CN201811289402 A CN 201811289402A CN 111123733 B CN111123733 B CN 111123733B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- simulation
- selection data
- data
- self
- 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
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Abstract
本发明公开了一种自动驾驶仿真方法、装置、设备及计算机可读介质,该自动驾驶仿真装置包括:游戏仿真车辆操纵单元,用于操纵多用户车辆竞技仿真平台中作为自身仿真车的仿真车;数据采集单元,用于采集所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据;标注单元,用于根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注。
Description
技术领域
本发明涉及自动驾驶技术,尤其涉及一种自动驾驶仿真方法及装置、设备和计算机可读介质。
背景技术
现有端到端深入学习方法的输入是当前无人车视场中的图像,输出是当前的转向角度,中间使用卷积神经网络进行学习。这种方法相对简单,其需要的训练数据是人驾驶车辆采集的图像以及在采集图像时同时记录的人为控制的转向的角度等。
这样的方式,采集数据的成本很大,而且即便付出很大的成本,也很难获得足够多的数据,有关事故等的数据尤其难以收集。另外,不同的司机面对相同情况也可能做出不同的决策。因此,训练数据中很可能会存在冲突的现象。例如:当前方出现车辆时,有的人会选择超车,有的人会选择跟车。因而会对卷积神经网络的学习造成困扰。以上的情况导致有时仿真的结果不尽如人意。
发明内容
本发明实施例提供了自动驾驶仿真方法、装置、设备及计算机可读介质,以解决或缓解现有技术中的一个或多个技术问题。
第一方面,本发明实施例提供了一种自动驾驶仿真装置,包括:游戏仿真车辆操纵单元,用于操纵多用户车辆竞技仿真平台中作为自身仿真车的仿真车;数据采集单元,用于采集所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据;标注单元,用于根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注,并进行学习。
根据一种实施方式,所述游戏仿真车辆操纵单元包括:信息接收单元,用于接收来自所述多用户车辆竞技仿真平台的、操纵所述自身仿真车所需要的信息;信息处理单元,用于对所接收的信息进行处理,生成操作指令;操纵单元,用于根据所述操作指令操纵所述自身仿真车。
根据一种实施方式,所述标注单元根据所述场景数据,对所述自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果进行比较,将驾驶效果好的操纵选择数据确定为正样本,将驾驶效果差的操纵选择数据确定为负样本。
根据一种实施方式,所述标注单元根据所述场景数据,除预定场景外,将所述自身仿真车的操纵选择数据产生的驾驶效果为发生事故和所述参与者仿真车的操纵选择数据产生的驾驶效果为发生事故的操纵选择数据确定为负样本。
根据一种实施方式,所述自动驾驶仿真装置还包括反馈接收单元,所述反馈接收单元用于针对作为正样本的操纵选择数据,接收做出该操纵选择时利用的信息。
根据一种实施方式,所述标注单元根据所述场景数据,对于自身仿真车和全部或超出预定比例的参与者仿真车均选用的操纵选择数据,如果均未导致事故,则将该操纵选择数据确定为正样本。
根据本发明的第二方面,提供了一种自动驾驶仿真方法,包括:操纵多用户车辆竞技仿真平台中作为自身仿真车的仿真车;获取所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据;根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注。
根据一种实施方式,获取所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据包括:接收来自所述多用户车辆竞技仿真平台的、操纵所述自身仿真车所需要的信息;对所接收的信息进行处理,生成操作指令;根据所述操作指令操纵所述自身仿真车。
根据一种实施方式,根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注包括:根据所述场景数据,对所述自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果进行比较,将驾驶效果好的操纵选择数据确定为正样本,将驾驶效果差的操纵选择数据确定为负样本。
根据一种实施方式,根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注包括:根据所述场景数据,除预定场景外,将所述自身仿真车的操纵选择数据产生的驾驶效果为发生事故和所述参与者仿真车的操纵选择数据产生的驾驶效果为发生事故的操纵选择数据确定为负样本。
根据一种实施方式,还包括针对作为正样本的操纵选择数据,接收做出该操纵选择时利用的信息。
第三方面,在一个可能的设计中,自动驾驶仿真设备的结构中包括处理器和存储器,所述存储器用于存储支持自动驾驶仿真设备执行上述第二方面中的法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述自动驾驶仿真设备还可以包括通信接口,用于自动驾驶仿真设备与其他设备或通信网络通信。
第四方面,本发明实施例提供了一种计算机可读介质,用于存储自动驾驶仿真设备所用的计算机软件指令,其包括用于执行上述第一方面的方法所涉及的程序。
第五方面,本发明实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
根据本发明的一些实施方式,可以非常方便地获得大量数据,在某些实施方式中,不必上路就能得到人类司机的驾驶数据,同时也能避免现实环境中因无人驾驶故障而导致事故。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本发明公开的一些实施方式,而不应将其视为是对本发明范围的限制。
图1为依据本发明的一种实施方式的自动驾驶仿真装置的示意图;
图2示出了依据本发明的一种实施方式的游戏仿真车辆操纵单元的示意图;
图3示出了依据本发明的另一实施方式的自动驾驶仿真装置的示意图;
图4示出了依据本发明一种实施方式的自动驾驶仿真方法的示意性流程图;
图5示出了依据本发明的一种实施方式的步骤S100的示意性流程图;
图6示出了依据本发明的一种实施方式的一种自动驾驶仿真设备的示意图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本发明的精神或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的而非限制性的。本发明实施例主要提供了一种自动驾驶仿真方法及装置,下面分别通过以下实施例进行技术方案的展开描述。
图1为依据本发明的一种实施方式的自动驾驶仿真装置的示意图。如图1所示,依据本发明的一种实施方式的自动驾驶仿真装置包括游戏仿真车辆操纵单元100、数据采集单元200和标注单元300。游戏仿真车辆操纵单元100用于操纵多用户汽车竞技仿真平台中的仿真汽车,即自身仿真车;数据采集单元200用于采集所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所操纵的参与者仿真车的操纵选择数据。标注单元300根据该场景数据、在所述多用户汽车竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注。驾驶效果例如是否发生事故、是否平稳、是否达成预定目标等。
所述多用户汽车竞技仿真平台用于多个选手在相同的场景中进行竞技,目前已经有很多此类的商品。例如飙车、虚拟驾驶仿真平台、开源赛车游戏TORCS、极品飞车等。本发明的实施方式可以利用现有的赛车游戏也可以自行开发新的赛车游戏,在此不做限定。
游戏仿真车辆操纵单元100用于操纵多用户汽车竞技仿真平台中的仿真汽车,因而其组成与所使用的多用户汽车竞技仿真平台相关。在一种实施方式中,该竞技仿真平台具有信息提供单元(例如VR头盔或VR眼镜)和操纵单元(如操纵杆、键盘等)。该信息提供单元可用于提供对游戏仿真车辆进行操作的信息。图2示出了依据本发明的一种实施方式的游戏仿真车辆操纵单元的示意图。如图2所示,游戏仿真车辆操纵单元100对应地具有信息接收单元(例如观看装置)110、信息处理单元120和操纵单元130。信息接收单元110用于接收所述信息提供单元提供的操纵自身仿真车所必须的信息,例如用于获取VR头盔或眼镜中提供的图像。这例如可以采用单目或双目摄像机来实现。所接收的信息中包括场景信息,例如所面对的障碍物、其他车辆、行人等。所接收的信息中也可包括游戏操作信息或规则信息。信息处理单元120用于对所接收的信息进行处理,生成操作指令。该信息处理单元120可以采用神经网络模型来实现。操纵单元130用于根据所述操作指令操纵该竞技仿真平台的操作单元进而操纵自身仿真车。例如操纵单元130可以为可以根据指令使操纵杆左右方向、前后方向移动的装置,从而操纵自身仿真车。采用这种技术方案对现有的游戏改变较少。
在一种实施方式中,游戏仿真车辆操纵单元100可以建立与多用户汽车竞技仿真平台的直接连接。从而从该游戏中直接获得信息,并直接根据操作指令对自身仿真车进行操作。根据这种实施方式,游戏仿真车辆操纵单元同样可以包括信息接收单元、信息处理单元和操纵单元这三个单元。在此实施方式中,信息接收单元110可以是一个接口单元也可以是前面描述的观看装置,用于获得游戏所提供的游戏画面等操纵自身仿真车所必须的游戏信息,信息处理装置120对所接收的信息进行处理,生成操作指令。操纵单元130直接通过游戏的接口将操作指令传递给游戏,从而操纵自身仿真车。这种技术方案尤其适合于自行编制多用户汽车竞技仿真平台的情况,省略了对游戏操作装置的操纵过程,使得某种程度上,降低了干扰。
数据采集单元200用于获取所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据。
在一种实施方式中,自身仿真车经历的场景数据是信息接收单元110(例如观看装置)所获得数据和/或图像。自身仿真车的操纵选择数据是信息处理单元120生成的,因而将它们对应地存储起来即可。对于其他车辆(参与者仿真车)的操纵选择数据的采集,可以通过单独的采集装置,例如摄像机,自行采集。也可以从与本发明的装置相独立的采集装置处获得,例如接收这些采集装置传来的图像。也可以从信息接收单元110所获得数据和/或图像中解析出来。在某些实施方式中,信息接收单元110所获得数据和/或图像中会包括参与者仿真车的图像或数据,因而可以将该参与者仿真车的场景数据和操纵选择数据解析出来。
当然,从所获得数据和/或图像中进行解析与自行采集(或者从外部接收)可以结合进行。
在一种示例中,所述的其他游戏参与者可以选定为人类,例如经验丰富的人类司机。在一种实施方式中,在人类司机的座位之后,设置摄像头,从而通过该摄像头所获得图像中获知该人类司机的操作选择。
标注单元300根据在所述多用户汽车竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注,标注的数据可用于以后的操纵选择学习。
自身仿真车的操纵选择数据产生的驾驶效果以及所述参与者仿真车的操纵选择数据所产生的驾驶效果例如在面对山体落石情况下,有的参与者选择了紧急刹车,结果撞上落石或者被落石砸中,或者有些参与者选择加速通过,结果躲过落石等。对于出现事故的情况下,一般会给予负面评价,作为反面样本(负样本)。当然也会根据具体的场景来进行判断。例如在某些情况下,发生事故是不可避免的情况下,那么产生了最小伤害的操作选择会被认为是正面的,可以作为正面样本(正样本)。在某些情况下,原本可以驾驶得更加平稳,却进行紧急刹车,导致乘客不舒服,也可以对该操作出负面评价。即根据场景产生相对较好结果的操纵选择被认为是正面的。
在一种实施方式中,自身仿真车和全部或超出预定比例的参与者仿真车均选用的操纵选择数据,如果均未导致事故,则可以认为这些操纵选择数据是正面的。
在一种实施方式中,全部或超出预定比例的自身仿真车和参与者仿真车均选用的操纵选择数据,如果均未导致事故,则可以认为这些操纵选择数据是正面的。
自身仿真车的操纵选择数据产生的驾驶效果以及所述参与者仿真车的操纵选择数据所产生的驾驶效果还有一个比较效应,将自身仿真车的操纵选择数据产生的驾驶效果与所述参与者仿真车的操纵选择数据所产生的驾驶效果进行比较,将驾驶效果好的操纵选择数据标注为负样本,将驾驶效果差的操纵选择数据标注为正样本。在一种实施方式中,除非特定场景,如果驾驶效果好的操纵选择数据所产生的驾驶效果仍是发生事故,则该操纵选择数据仍被标注为负样本。
在一种实施方式中,给特定的评价指标更高的权重。例如可以给最快到达这个竞赛的评价指标较高的权重,并按照是否符合这个指标来进行标注,并根据最终的结果进行评判。这种方案基本上依据特定指标进行评价并进而确定数据标注结果,将非常适合于特定的情景。例如发生紧急情况下,可能最快到达现场比舒适更为重要。
图3示出了依据本发明的另一实施方式的自动驾驶仿真装置的示意图。如图3所示,依据本发明的另一实施方式的自动驾驶仿真装置还包括反馈接收单元400。反馈接收单元400用于针对作为正样本的操纵选择数据,接收做出该操纵选择时利用的信息。这些利用的信息例如是后视镜中的后方车辆、左右侧的车辆的车速等。这些信息可以用于以后的学习和优化。
图4示出了依据本发明一种实施方式的自动驾驶仿真方法的示意性流程图。如图4所示,依据本发明的一种实施方式的自动驾驶方法包括:步骤S100,操纵多用户汽车竞技仿真平台中的作为自身仿真车的仿真车;步骤S200获得所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据;步骤S300,根据所获得的场景数据、自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注,并进行学习。可以采用现在已知或以后获知的各种方法进行学习,例如深度神经网络学习等。
应该注意,本发明中,参与者仿真车可以有多辆。
步骤S100用于操纵多用户汽车竞技仿真平台中的仿真汽车,作为自身仿真车。图5示出了依据本发明的一种实施方式的步骤S100的示意流程图。如图5所示,根据本发明的一种实施方式,步骤S100包括:S110,接收来自所述多用户汽车竞技仿真平台的、操纵所述自身仿真车所需要的信息;S120,对所接收的信息进行处理,生成操作指令,该步骤可以采用神经网络模型来实现;以及S130,根据所述操作指令操纵所述自身仿真车。
步骤S200用于采集所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据。
步骤S130根据在所述多用户汽车竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注,并进行学习。
自身仿真车的操纵选择数据产生的驾驶效果以及所述参与者仿真车的操纵选择数据所产生的驾驶效果例如在面对山体落石情况下,有的参与者选择了紧急刹车,结果撞上落石或者被落石砸中,或者有些参与者选择加速通过,结果躲过落石等。对于出现事故的情况下,一般会给予负面评价,作为反面样本(负样本)。当然也会根据具体的场景来进行判断。例如在某些情况下,在预定的场景,发生事故是不可避免的情况下,那么产生了最小伤害的操作选择会被认为是正面的,可以作为正面样本(正样本)。在某些情况下,原本可以驾驶得更加平稳,却进行紧急刹车,导致乘客不舒服,也可以对该操作出负面评价。即根据场景产生相对较好结果的操纵选择被认为是正面的。
自身仿真车的操纵选择数据产生的驾驶效果以及所述参与者仿真车的操纵选择数据所产生的驾驶效果还有一个比较效应,根据另一种实施方式,将自身仿真车的操纵选择数据产生的驾驶效果与所述参与者仿真车的操纵选择数据所产生的驾驶效果进行比较,将驾驶效果差的操纵选择数据标注为负样本,将驾驶效果差的操纵选择数据标注为正样本。
在一种实施方式中,给特定的评价指标更高的权重。例如可以给最快到达这个竞赛的评价指标较高的权重,并按照是否符合这个指标来进行标注,并根据最终的结果进行评判。这种方案基本上依据特定指标进行评价并进而确定数据标注结果,将非常适合于特定的情景。例如发生紧急情况下,可能最快到达现场比舒适更为重要。
根据本发明的一种实施方式,可以进一步包括反馈接收步骤,针对人类(例如司机)做出的作为正样本的操纵选择数据,接收做出该操纵选择时所利用的信息。这些信息例如是后视镜中的后方车辆等。
本发明的自动驾驶仿真方法和自动驾驶仿真装置互为补充,可以根据对自动驾驶仿真装置的描述来理解自动驾驶仿真方法,也可以根据对自动驾驶仿真方法的描述来理解自动驾驶仿真装置。对于重复的部分,不再赘述。
尽管本发明的以上实施例是以汽车为示例示出的,但是本发明的车辆或车不仅仅包括汽车,还可以包括飞机等飞行器。
在另一个实施例中,本发明还提供一种自动驾驶仿真设备,如图6所示,该设备包括:存储器610和处理器620,存储器610内存储有可在处理器620上运行的计算机程序。所述处理器620执行所述计算机程序时实现上述实施例中的方法。所述存储器610和处理器620的数量可以为一个或多个。
该设备还包括:
通信接口630,用于与外界设备进行通信,进行数据交互传输。
存储器610可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器610、处理器620和通信接口630独立实现,则存储器610、处理器620和通信接口630可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA,Industry Standard Architecture)总线、外部设备互连(PCI,PeripheralComponent Interconnect)总线或扩展工业标准体系结构(EISA,Extended IndustryStandard Component)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器610、处理器620及通信接口630集成在一块芯片上,则存储器610、处理器620及通信接口630可以通过内部接口完成相互间的通信。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
本发明实施例所述的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或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式只读存储器(CDROM)。另外,计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
在本发明实施例中,计算机可读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、传播或者传输用于指令执行系统、输入法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、射频(Radio Frequency,RF)等等,或者上述的任意合适的组合。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器,磁盘或光盘等。
本发明实施例提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令在被处理器执行时实现如上任一实施例所述的方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (16)
1.一种自动驾驶仿真装置,其特征在于,包括:
游戏仿真车辆操纵单元,用于操纵多用户车辆竞技仿真平台中作为自身仿真车的仿真车;
数据采集单元,用于获得所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其使用的参与者仿真车的操纵选择数据;所述自身仿真车的操纵选择数据为根据多用户车辆竞技仿真平台的信息提供单元提供的场景信息确定的;
标注单元,用于根据所述场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果的比较结果,进行数据标注。
2.根据权利要求1所述的自动驾驶仿真装置,其特征在于,所述游戏仿真车辆操纵单元包括:
信息接收单元,用于接收来自所述多用户车辆竞技仿真平台的、操纵所述自身仿真车所需要的信息;
信息处理单元,用于对所接收的信息进行处理,生成操作指令;
操纵单元,用于根据所述操作指令操纵所述自身仿真车。
3.根据权利要求1所述的自动驾驶仿真装置,其特征在于,所述标注单元根据所述场景数据,对所述自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果进行比较,将驾驶效果好的操纵选择数据确定为正样本,将驾驶效果差的操纵选择数据确定为负样本。
4.根据权利要求1所述的自动驾驶仿真装置,其特征在于,所述标注单元根据所述场景数据,除预定场景外,将所述自身仿真车的操纵选择数据产生的驾驶效果为发生事故和所述参与者仿真车的操纵选择数据产生的驾驶效果为发生事故的操纵选择数据均确定为负样本。
5.根据权利要求1所述的自动驾驶仿真装置,其特征在于,所述标注单元根据所述场景数据,对于自身仿真车和全部或超出预定比例的参与者仿真车均选用的操纵选择数据,如果均未导致事故,则将该操纵选择数据确定为正样本。
6.根据权利要求1所述的自动驾驶仿真装置,其特征在于,所述参与者仿真车为一个或更多个,由人类操纵。
7.根据权利要求6所述的自动驾驶仿真装置,其特征在于,所述自动驾驶仿真装置还包括反馈接收单元,所述反馈接收单元用于针对所述人类做出的作为正样本的操纵选择数据,接收做出该操纵选择时利用的信息。
8.一种自动驾驶仿真方法,其特征在于,包括:
操纵多用户车辆竞技仿真平台中作为自身仿真车的仿真车;
获取所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其使用的参与者仿真车的操纵选择数据;所述自身仿真车的操纵选择数据为根据多用户车辆竞技仿真平台的信息提供单元提供的场景信息确定的;
根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果的比较结果,进行数据标注。
9.根据权利要求8所述的方法,其特征在于,获取所述自身仿真车经历的场景数据、自身仿真车的操纵选择数据以及同场景情况下其他游戏参与者对其所述使用的参与者仿真车的操纵选择数据包括:
接收来自所述多用户车辆竞技仿真平台的、操纵所述自身仿真车所需要的信息;
对所接收的信息进行处理,生成操作指令;
根据所述操作指令操纵所述自身仿真车。
10.根据权利要求8所述的方法,其特征在于,根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注包括:
根据所述场景数据,对所述自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果进行比较,将驾驶效果好的操纵选择数据确定为正样本,将驾驶效果差的操纵选择数据确定为负样本。
11.根据权利要求8所述的方法,其特征在于,根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注包括:
根据所述场景数据,除预定场景外,将所述自身仿真车的操纵选择数据产生的驾驶效果为发生事故和所述参与者仿真车的操纵选择数据产生的驾驶效果为发生事故的操纵选择数据确定为负样本。
12.根据权利要求8所述的方法,其特征在于,根据所获得的场景数据以及在所述多用户车辆竞技仿真平台中,自身仿真车的操纵选择数据产生的驾驶效果和所述参与者仿真车的操纵选择数据产生的驾驶效果,进行数据标注包括:
根据所述场景数据,对于自身仿真车和全部或超出预定比例的参与者仿真车均选用的操纵选择数据,如果均未导致事故,则将该操纵选择数据确定为正样本。
13.根据权利要求8所述的方法,其特征在于,所述参与者仿真车为一个或更多个,由人类操纵。
14.根据权利要求13所述的方法,其特征在于,所述方法还包括针对所述人类做出的作为正样本的操纵选择数据,接收做出该操纵选择时的利用的信息。
15.一种自动驾驶仿真设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求8-14中任一项所述的方法。
16.一种计算机可读介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求8-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811289402.2A CN111123733B (zh) | 2018-10-31 | 2018-10-31 | 自动驾驶仿真方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811289402.2A CN111123733B (zh) | 2018-10-31 | 2018-10-31 | 自动驾驶仿真方法、装置、设备及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111123733A CN111123733A (zh) | 2020-05-08 |
CN111123733B true CN111123733B (zh) | 2022-10-11 |
Family
ID=70494043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811289402.2A Active CN111123733B (zh) | 2018-10-31 | 2018-10-31 | 自动驾驶仿真方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111123733B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113467276B (zh) * | 2021-09-03 | 2021-12-07 | 中国汽车技术研究中心有限公司 | 基于智能驾驶仿真赛事云平台的智能驾驶仿真方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206097570U (zh) * | 2016-07-01 | 2017-04-12 | 中国海洋大学 | 基于虚拟现实的游艇模拟驾驶仿真装置 |
CN106652643A (zh) * | 2016-10-12 | 2017-05-10 | 大连文森特软件科技有限公司 | 一种基于虚拟现实技术的驾驶训练仿真系统 |
CN106682602A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市华尊科技股份有限公司 | 一种驾驶员行为识别方法及终端 |
CN107153363A (zh) * | 2017-05-08 | 2017-09-12 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车的仿真测试方法及装置、设备与可读介质 |
CN107766876A (zh) * | 2017-09-19 | 2018-03-06 | 平安科技(深圳)有限公司 | 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质 |
CN108062875A (zh) * | 2017-12-30 | 2018-05-22 | 上海通创信息技术股份有限公司 | 一种基于虚拟现实及大数据在线分析的云驾驶培训系统 |
CN108423005A (zh) * | 2017-02-15 | 2018-08-21 | 福特全球技术公司 | 用于自主车辆的基于反馈的控制模型的生成 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8351342B2 (en) * | 2005-06-23 | 2013-01-08 | Qualcomm Incorporated | System determination emulator for analysis and testing |
-
2018
- 2018-10-31 CN CN201811289402.2A patent/CN111123733B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206097570U (zh) * | 2016-07-01 | 2017-04-12 | 中国海洋大学 | 基于虚拟现实的游艇模拟驾驶仿真装置 |
CN106652643A (zh) * | 2016-10-12 | 2017-05-10 | 大连文森特软件科技有限公司 | 一种基于虚拟现实技术的驾驶训练仿真系统 |
CN106682602A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市华尊科技股份有限公司 | 一种驾驶员行为识别方法及终端 |
CN108423005A (zh) * | 2017-02-15 | 2018-08-21 | 福特全球技术公司 | 用于自主车辆的基于反馈的控制模型的生成 |
CN107153363A (zh) * | 2017-05-08 | 2017-09-12 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车的仿真测试方法及装置、设备与可读介质 |
CN107766876A (zh) * | 2017-09-19 | 2018-03-06 | 平安科技(深圳)有限公司 | 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质 |
CN108062875A (zh) * | 2017-12-30 | 2018-05-22 | 上海通创信息技术股份有限公司 | 一种基于虚拟现实及大数据在线分析的云驾驶培训系统 |
Non-Patent Citations (1)
Title |
---|
驾驶人应激训练仿真系统设计与实现;陈颖;《重庆交通大学学报(自然科学版)》;20151031(第05期);第95-99页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111123733A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11496870B2 (en) | Smart device | |
US10625676B1 (en) | Interactive driving system and method | |
CN110036635B (zh) | 用于使用视频捕获设备经由针对乘客的增强的显示来缓解晕动病的系统、方法和计算机可读介质 | |
US20230315093A1 (en) | Augmenting autonomous driving with remote viewer recommendation | |
DE102015118489B4 (de) | Fernbedienung eines autonomen Fahrzeugs in einer unerwarteten Umgebung | |
CN109358614A (zh) | 自动驾驶方法、系统、装置及可读存储介质 | |
JP7241972B2 (ja) | ユーザの運転の好みに適応した自動運転車の制御 | |
CN109709956A (zh) | 一种自动驾驶车辆速度控制多目标优化的跟驰算法 | |
US20040263693A1 (en) | Mixture model for motion lines in a virtual reality environment | |
CN109827586B (zh) | 自动驾驶车辆速度规划方法、装置和设备 | |
CN113665593B (zh) | 一种车辆智能驾驶纵向控制方法、系统及存储介质 | |
CN111201503A (zh) | 在机动车辆中运行至少一副虚拟现实眼镜的方法和系统 | |
CN111874007A (zh) | 基于知识与数据驱动的无人车分层决策方法、系统、装置 | |
CN111123733B (zh) | 自动驾驶仿真方法、装置、设备及计算机可读介质 | |
CN106362402A (zh) | 基于在线可视化编程的vr驾驶游戏制作与体验系统 | |
JP6016996B1 (ja) | 車両の操舵制御装置および操舵制御方法 | |
CN114924649A (zh) | 基于虚拟驾驶的车载娱乐方法、车载娱乐系统及存储介质 | |
US20090051690A1 (en) | Motion line switching in a virtual environment | |
US11262963B2 (en) | Method for operating at least one pair of electronic augmented reality glasses in a motor vehicle, and display device for a motor vehicle | |
EP3699810B1 (en) | Classification technique for assessing a visibility degradation in image data units | |
CN114114954A (zh) | 一种无人设备的控制方法及装置 | |
WO2024032149A1 (zh) | 一种显示方法、控制装置和车辆 | |
US20200349857A1 (en) | Virtual reality pc case / simulation chassis | |
CN111091581A (zh) | 基于生成对抗网络的行人轨迹模拟方法、装置和存储介质 | |
CN115571165B (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |