CN111177878B - 衍生仿真场景筛选方法、装置和终端 - Google Patents
衍生仿真场景筛选方法、装置和终端 Download PDFInfo
- Publication number
- CN111177878B CN111177878B CN201811329675.5A CN201811329675A CN111177878B CN 111177878 B CN111177878 B CN 111177878B CN 201811329675 A CN201811329675 A CN 201811329675A CN 111177878 B CN111177878 B CN 111177878B
- Authority
- CN
- China
- Prior art keywords
- derived
- interaction
- original
- scene
- simulation
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提出一种衍生仿真场景筛选方法、装置和终端,包括:确定原始仿真场景中主车与障碍物之间的交互任务;获取交互任务对应的原始交互参数值,根据交互任务和原始交互参数值获取交互阈值;在由原始仿真场景生成的衍生仿真场景中,获取与交互任务对应的衍生交互参数值;根据衍生交互参数值和交互阈值对衍生仿真场景进行筛选。能够在海量的衍生仿真场景中筛选出与原始仿真场景关联度较大的仿真场景,去除可能脱离原始仿真场景的关联度较小的仿真场景。还可以对衍生仿真场景进行场景复杂等级划分,利用场景复杂等级对所有的衍生仿真场景进行排序,以间接评测自动驾驶能力。
Description
技术领域
本发明涉及自动驾驶技术领域,涉及一种衍生仿真场景筛选方法、装置和终端。
背景技术
近年来,自动驾驶汽车和自动驾驶相关技术得到了广泛关注。自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车,能够给人类带来诸如减少交通事故、减少交通拥堵、节省能源、让人拥有更多的自由时间等等很多好处,是未来汽车的发展方向。自动驾驶车的仿真的意义就是在虚拟环境中验证自动驾驶算法,虚拟环境包括道路、障碍车、行人、天气。
自动驾驶汽车的开发测试的过程中,需要在原始场景或构建的海量仿真场景中对自动驾驶算法进行验证。各个仿真场景具备对应的评级优分数,以间接评测自动驾驶能力。目前获得海量仿真场景的方法可以是利用软件衍生更多的衍生仿真场景,丰富仿真场景的数量,满足仿真场景的多样性。然而,生成的衍生仿真场景可能和原始仿真场景脱离,但无法及时准确的发现是哪些衍生仿真场景脱离了原始仿真场景,最终导致算法验证的误差。
发明内容
本发明实施例提供一种衍生仿真场景筛选方法、装置和终端,以至少解决现有技术中的以上技术问题。
第一方面,本发明实施例提供了一种衍生仿真场景筛选方法,包括:
确定原始仿真场景中主车与障碍物之间的交互任务;
获取所述交互任务对应的原始交互参数值,根据所述交互任务和所述原始交互参数值获取交互阈值;
在由所述原始仿真场景生成的衍生仿真场景中,获取与所述交互任务对应的衍生交互参数值;
根据所述衍生交互参数值和所述交互阈值对所述衍生仿真场景进行筛选。
在一种实施方式中,根据所述衍生交互参数值和所述交互阈值对所述衍生仿真场景进行筛选,包括:
根据所述衍生交互参数值和所述交互阈值计算所述衍生仿真场景与所述原始仿真场景之间的场景关联度;
判断所述场景关联度是否大于预设关联阈值,若是,则筛选出所述衍生仿真场景。
在一种实施方式中,获取所述交互任务对应的原始交互参数值,包括:
根据所述交互任务的开始时间戳和结束时间戳,确定交互任务时间段;
获取所述交互任务时间段内的多帧原始仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的原始距离;
从提取出的多个所述原始距离中确定所述主车和所述障碍物之间的原始平均距离、原始最大距离以及原始最小距离。
在一种实施方式中,根据所述交互任务和所述原始交互参数值获取交互阈值,包括:
根据所述交互任务分别确定所述原始平均距离、所述原始最大距离以及所述原始最小距离对应的误差范围;
根据所述原始平均距离、所述原始最大距离以及所述原始最小距离及其对应的误差范围分别得到平均距离阈值、最大距离阈值以及最小距离阈值。
在一种实施方式中,获取与所述交互任务对应的衍生交互参数值,包括:
获取所述交互任务时间段内的多帧衍生仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的衍生距离;
从提取到的多个所述衍生距离中确定所述主车和所述障碍物之间的衍生平均距离、衍生最大距离以及衍生最小距离。
在一种实施方式中,根据所述衍生交互参数值和所述交互阈值计算所述衍生仿真场景与所述原始仿真场景之间的场景关联度,包括:
将所述衍生平均距离与所述平均距离阈值、所述衍生平均距离与所述平均距离阈值以及所述衍生平均距离与所述平均距离阈值分别进行比较,生成平均距离关联度、最大距离关联度以及最小距离关联度;
根据所述平均距离关联度、所述最大距离关联度以及所述最小距离关联度生成所述场景关联度。
在一种实施方式中,筛选出所述衍生仿真场景之后,还包括:
根据所述场景关联度对所述衍生仿真场景进行场景复杂等级的划分;
利用所述场景复杂等级对所有的所述衍生仿真场景进行排序。
第二方面,本发明实施例提供了一种衍生仿真场景筛选装置,包括:
交互任务确定模块,用于确定原始仿真场景中主车与障碍物之间的交互任务;
原始交互参数值获取模块,用于获取所述交互任务对应的原始交互参数值;
交互阈值获取模块,用于根据所述交互任务和所述原始交互参数值获取交互阈值;
衍生交互参数值获取模块,用于在由所述原始仿真场景生成的衍生仿真场景中,获取与所述交互任务对应的衍生交互参数值;
衍生仿真场景筛选模块,用于根据所述衍生交互参数值和所述交互阈值对所述衍生仿真场景进行筛选。
在一种实施方式中,所述衍生仿真场景筛选模块包括:
场景关联度计算单元,用于根据所述衍生交互参数值和所述交互阈值计算所述衍生仿真场景与所述原始仿真场景之间的场景关联度;
衍生仿真场景筛选单元,用于判断所述场景关联度是否大于预设关联阈值,若是,则筛选出所述衍生仿真场景。
在一种实施方式中,所述原始交互参数值获取模块包括:
交互任务时间段确定单元,用于根据所述交互任务的开始时间戳和结束时间戳,确定交互任务时间段;
原始距离提取单元,用于获取所述交互任务时间段内的多帧原始仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的原始距离;
原始交互参数获取单元,用于从提取出的多个所述原始距离中确定所述主车和所述障碍物之间的原始平均距离、原始最大距离以及原始最小距离。
在一种实施方式中,所述交互阈值获取模块包括:
误差范围确定单元,用于根据所述交互任务分别确定所述原始平均距离、所述原始最大距离以及所述原始最小距离对应的误差范围;
交互阈值计算单元,用于根据所述原始平均距离、所述原始最大距离以及所述原始最小距离及其对应的误差范围分别得到平均距离阈值、最大距离阈值以及最小距离阈值。
在一种实施方式中,所述衍生交互参数值获取模块包括:
衍生距离提取单元,用于获取所述交互任务时间段内的多帧衍生仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的衍生距离;
衍生交互参数值确定单元,用于从提取到的多个所述衍生距离中确定所述主车和所述障碍物之间的衍生平均距离、衍生最大距离以及衍生最小距离。
在一种实施方式中,所述场景关联度计算单元包括:
距离关联度计算子单元,用于将所述衍生平均距离与所述平均距离阈值、所述衍生平均距离与所述平均距离阈值以及所述衍生平均距离与所述平均距离阈值分别进行比较,生成平均距离关联度、最大距离关联度以及最小距离关联度;
场景关联度计算子单元,用于根据所述平均距离关联度、所述最大距离关联度以及所述最小距离关联度生成所述场景关联度。
在一种实施方式中,所述装置还包括:
衍生仿真场景排序模块,用于根据所述场景关联度对所述衍生仿真场景进行场景复杂等级的划分,利用所述场景复杂等级对所有的所述衍生仿真场景进行排序。
第三方面,本发明实施例提供了一种衍生仿真场景筛选终端,所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,衍生仿真场景筛选终端的结构中包括处理器和存储器,所述存储器用于存储支持衍生仿真场景筛选终端执行上述第一方面中衍生仿真场景筛选方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述衍生仿真场景筛选终端还可以包括通信接口,用于衍生仿真场景筛选终端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存储介质,用于存储衍生仿真场景筛选装置所用的计算机软件指令,其包括用于执行上述第一方面中衍生仿真场景筛选方法为衍生仿真场景筛选装置所涉及的程序。
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,该计算机程序在被处理器执行时实现上述第一方面中衍生仿真场景筛选方法。
上述技术方案中的一个技术方案具有如下优点或有益效果:能够在海量的衍生仿真场景中筛选出与原始仿真场景关联度较大的仿真场景,去除可能脱离原始仿真场景的关联度较小的仿真场景。还可以对衍生仿真场景进行场景复杂等级划分,利用场景复杂等级对所有的衍生仿真场景进行排序,以间接评测自动驾驶能力。
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为本发明实施例提供的一种衍生仿真场景筛选方法流程图;
图2为本发明实施例提供的另一种衍生仿真场景筛选方法流程图;
图3为本发明实施例提供的另一种衍生仿真场景筛选方法流程图;
图4为本发明实施例提供的另一种衍生仿真场景筛选方法流程图;
图5为本发明实施例提供的一种衍生仿真场景筛选装置框图;
图6为本发明实施例提供的另一种衍生仿真场景筛选装置框图;
图7为本发明实施例提供的另一种衍生仿真场景筛选装置框图;
图8为本发明实施例提供的一种衍生仿真场景筛选终端示意图。
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。
实施例一
在一种具体实施方式中,如图1所示,提供了一种衍生仿真场景筛选方法,包括:
步骤S10:确定原始仿真场景中主车与障碍物之间的交互任务。
步骤S20:获取交互任务对应的原始交互参数值,根据交互任务和原始交互参数值获取交互阈值。
步骤S30:在由原始仿真场景生成的衍生仿真场景中,获取与交互任务对应的衍生交互参数值。
步骤S40:根据衍生交互参数值和交互阈值对衍生仿真场景进行筛选。
在一种示例中,原始仿真场景中的交互任务可以是主车以80迈的速度进入障碍车所在的车道,同时超过车速是60迈的障碍车。根据此交互任务衍生出海量衍生仿真场景,通过不同的方法衍生出来的衍生仿真场景中主车和障碍车的交互任务会发生变化。但是,这些海量衍生仿真场景中的交互任务已经脱离原始场景中的交互任务,也就是关联性较小。例如,主车以80迈的速度超出的60迈的障碍车,但是并未在进入障碍车车道的同时超车。交互任务对应的原始交互参数值可以是主车在超过障碍车过程中的时间维度上的距离、车速等,根据具体的交互任务确定交互参数值。不同的交互任务,不同的原始交互参数值对应不同的交互阈值。例如,在交互任务中,主车超车的速度范围在70迈到90迈之间,才能与原始仿真场景中的超车任务相关联。因此,交互阈值可以包括最小超车车速和最大超车车速。在一个衍生仿真场景中,主车以75迈的速度超出的60迈的障碍车,同时进入障碍车车道。衍生交互参数值可以是主车超过障碍车的过程中在时间维度上的距离、车速等。最后,通过比较衍生交互参数值和交互阈值,筛选出与原始仿真场景关联较大的衍生仿真场景。
当然,包括但不限于上述实施方式,根据不同的交互任务进行适应性调整,均在本实施方式的保护范围内。本实施方式能够在海量的衍生仿真场景中筛选出与原始仿真场景关联度较大的仿真场景,去除可能脱离原始仿真场景的关联度较小的仿真场景。还可以对衍生仿真场景进行场景复杂等级划分,利用场景复杂等级对所有的衍生仿真场景进行排序,以间接评测自动驾驶能力。
在一种实施方式中,如图2所示,步骤S40包括:
步骤S401:根据衍生交互参数值和交互阈值计算衍生仿真场景与原始仿真场景之间的场景关联度。
步骤S402:判断场景关联度是否大于预设关联阈值,若是,则筛选出衍生仿真场景。
由于衍生交互参数值可包括根据交互任务确定的距离、速度等多种参数,每种参数得到的多个衍生交互参数值进行比较,得到各种参数对应的关联度,结合多个参数的关联度得到场景关联度。之后,通过场景关联度和预设关联阈值的比较结果来筛选关联度较高的衍生仿真场景。
在一种实施方式中,如图3所示,步骤S20中,获取交互任务对应的原始交互参数值,包括:
步骤S201:根据交互任务的开始时间戳和结束时间戳,确定交互任务时间段;
步骤S202:获取交互任务时间段内的多帧原始仿真场景,并分别提取每帧场景中主车与障碍物之间的原始距离;
步骤S203:从提取出的多个原始距离中确定主车和障碍物之间的原始平均距离、原始最大距离以及原始最小距离。
一种示例中,在某一时间维度上,每帧场景都标注有时间标签,例如,开始时间戳和结束时间戳,通过获取时间戳来确定交互任务时间段。根据交互任务可获取交互任务时间段内的多帧场景,在每帧场景中提取主车和障碍物之间的原始距离。通过对多帧场景进行分析和计算得到原始平均距离、原始最大距离以及原始最小距离。当然,包括但不限于上述实施方式,还可以在每帧场景中提取速度等参数,根据交互任务适应性的确定原始交互参数值,均在本实施方式的保护范围内。
在一种实施方式中,如图3所示,步骤S20中,根据交互任务和原始交互参数值获取交互阈值,包括:
步骤S204:根据交互任务分别确定原始平均距离、原始最大距离以及原始最小距离对应的误差范围;
步骤S205:根据原始平均距离、原始最大距离以及原始最小距离及其对应的误差范围分别得到平均距离阈值、最大距离阈值以及最小距离阈值。
一种示例中,原始仿真场景中的交互任务可以是主车以80迈的速度进入障碍车所在的车道,同时超过车速是60迈的障碍车。在超车的过程中,时间维度上获取的多帧场景中,主车和障碍车之间的距离有误差范围,超出误差范围,可能会使衍生仿真场景中的交互任务脱离原始仿真场景中的交互任务。因此,通过对交互任务的分析,得到误差范围,将衍生交互参数值控制在误差范围内,进而得到关联度较高的衍生仿真场景。
在一种实施方式中,如图3所示,步骤S30包括:
步骤S301:获取交互任务时间段内的多帧衍生仿真场景,并分别提取每帧场景中主车与障碍物之间的衍生距离;
步骤S302:从提取到的多个衍生距离中确定主车和障碍物之间的衍生平均距离、衍生最大距离以及衍生最小距离。
根据原始仿真场景中的交互任务可在衍生仿真场景中获取相同交互任务所在时间段内的多帧场景,在每帧场景中提取主车和障碍物之间的衍生距离,通过对多帧场景进行分析和计算得到衍生平均距离、衍生最大距离以及衍生最小距离。当然,包括但不限于上述实施方式,还可以在每帧场景中提取速度等参数,根据交互任务以及原始交互参数值适应性的确定衍生交互参数值,均在本实施方式的保护范围内。
在一种实施方式中,如图3所示,步骤S401包括:
步骤S411:将衍生平均距离与平均距离阈值、衍生平均距离与平均距离阈值以及衍生平均距离与平均距离阈值分别进行比较,生成平均距离关联度、最大距离关联度以及最小距离关联度。
步骤S412:根据平均距离关联度、最大距离关联度以及最小距离关联度生成场景关联度。
在一种示例中,可以通过计算衍生平均距离与平均距离阈值的比值,衍生平均距离与平均距离阈值的比值,衍生平均距离与平均距离阈值的比值得到各自的关联度。再根据平均距离关联度、最大距离关联度以及最小距离关联度计算这个场景的场景关联度。当然,包括但不限于上述实施方式,还可以计算其它种类的关联度,均在本实施方式的保护范围内。
在一种实施方式中,如图4所示,步骤S40之后,还包括:
步骤S50:根据场景关联度对衍生仿真场景进行场景复杂等级的划分,利用场景复杂等级对所有的衍生仿真场景进行排序。
场景关联度较高表示相对原始仿真场景更复杂,场景关联度越高场景复杂等级越高。通过根据场景复杂等级对衍生仿真场景进行排序,达到更精确筛选的目的。
实施例二
在另一种具体实施方式中,如图5所示,提供了一种衍生仿真场景筛选装置,包括:
交互任务确定模块10,用于确定原始仿真场景中主车与障碍物之间的交互任务;
原始交互参数值获取模块20,用于获取交互任务对应的原始交互参数值;
交互阈值获取模块30,用于根据交互任务和原始交互参数值获取交互阈值;
衍生交互参数值获取模块40,用于在由原始仿真场景生成的衍生仿真场景中,获取与交互任务对应的衍生交互参数值;
衍生仿真场景筛选模块50,用于根据衍生交互参数值和交互阈值对衍生仿真场景进行筛选。
在一种实施方式中,如图6所示,衍生仿真场景筛选模块50包括:
场景关联度计算单元501,用于根据衍生交互参数值和交互阈值计算衍生仿真场景与原始仿真场景之间的场景关联度;
衍生仿真场景筛选单元502,用于判断场景关联度是否大于预设关联阈值,若是,则筛选出衍生仿真场景。
在一种实施方式中,如图6所示,原始交互参数值获取模块20包括:
交互任务时间段确定单元201,用于根据交互任务的开始时间戳和结束时间戳,确定交互任务时间段;
原始距离提取单元202,用于获取交互任务时间段内的多帧原始仿真场景,并分别提取每帧场景中所述主车与障碍物之间的原始距离;
原始交互参数获取单元203,用于从提取出的多个原始距离中确定主车和障碍物之间的原始平均距离、原始最大距离以及原始最小距离。
在一种实施方式中,如图6所示,交互阈值获取模块30包括:
误差范围确定单元301,用于根据交互任务分别确定原始平均距离、原始最大距离以及原始最小距离对应的误差范围;
交互阈值计算单元302,用于根据原始平均距离、原始最大距离以及原始最小距离及其对应的误差范围分别得到平均距离阈值、最大距离阈值以及最小距离阈值。
在一种实施方式中,如图6所示,衍生交互参数值获取模块40包括:
衍生距离提取单元401,用于获取交互任务时间段内的多帧衍生仿真场景,并分别提取每帧场景中主车与障碍物之间的衍生距离;
衍生交互参数值确定单元402,用于从提取到的多个衍生距离中确定主车和障碍物之间的衍生平均距离、衍生最大距离以及衍生最小距离。
在一种实施方式中,场景关联度计算单元501包括:
距离关联度计算子单元,用于将衍生平均距离与所述平均距离阈值、衍生平均距离与平均距离阈值以及衍生平均距离与平均距离阈值分别进行比较,生成平均距离关联度、最大距离关联度以及最小距离关联度;
场景关联度计算子单元,用于根据平均距离关联度、最大距离关联度以及最小距离关联度生成场景关联度。
在一种实施方式中,如图7所示,所述装置还包括:
衍生仿真场景排序模块60,用于根据场景关联度对衍生仿真场景进行场景复杂等级的划分,利用场景复杂等级对所有的衍生仿真场景进行排序。
实施例三
本发明实施例提供了一种衍生仿真场景筛选终端,如图8所示,包括:
存储器400和处理器500,存储器400内存储有可在处理器500上运行的计算机程序。处理器500执行所述计算机程序时实现上述实施例中的衍生仿真场景筛选方法。存储器400和处理器500的数量可以为一个或多个。
通信接口600,用于存储器400和处理器500与外部进行通信。
存储器400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400、处理器500以及通信接口600独立实现,则存储器400、处理器500以及通信接口600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)总线或扩展工业标准体系结构(EISA,Extended Industry StandardComponent)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8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400、处理器500以及通信接口600集成在一块芯片上,则存储器400、处理器500及通信接口600可以通过内部接口完成相互间的通信。
实施例四
一种计算机可读存储介质,其存储有计算机程序,所述程序被处理器执行时实现如实施例一包括的任一所述的衍生仿真场景筛选方法。
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实施例一包括的任一所述的衍生仿真场景筛选方法。
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。计算机可读介质的更具体的示例(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。
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。
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)
1.一种衍生仿真场景筛选方法,其特征在于,包括:
确定原始仿真场景中主车与障碍物之间的交互任务;
获取所述交互任务对应的原始交互参数值,根据所述交互任务和所述原始交互参数值获取交互阈值;
在由所述原始仿真场景生成的衍生仿真场景中,获取与所述交互任务对应的衍生交互参数值;
根据所述衍生交互参数值和所述交互阈值对所述衍生仿真场景进行筛选。
2.根据权利要求1所述的方法,其特征在于,根据所述衍生交互参数值和所述交互阈值对所述衍生仿真场景进行筛选,包括:
根据所述衍生交互参数值和所述交互阈值计算所述衍生仿真场景与所述原始仿真场景之间的场景关联度;
判断所述场景关联度是否大于预设关联阈值,若是,则筛选出所述衍生仿真场景。
3.根据权利要求2所述的方法,其特征在于,获取所述交互任务对应的原始交互参数值,包括:
根据所述交互任务的开始时间戳和结束时间戳,确定交互任务时间段;
获取所述交互任务时间段内的多帧原始仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的原始距离;
从提取出的多个所述原始距离中确定所述主车和所述障碍物之间的原始平均距离、原始最大距离以及原始最小距离。
4.根据权利要求3所述的方法,其特征在于,根据所述交互任务和所述原始交互参数值获取交互阈值,包括:
根据所述交互任务分别确定所述原始平均距离、所述原始最大距离以及所述原始最小距离对应的误差范围;
根据所述原始平均距离、所述原始最大距离以及所述原始最小距离及其对应的误差范围分别得到平均距离阈值、最大距离阈值以及最小距离阈值。
5.根据权利要求4所述的方法,其特征在于,获取与所述交互任务对应的衍生交互参数值,包括:
获取所述交互任务时间段内的多帧衍生仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的衍生距离;
从提取到的多个所述衍生距离中确定所述主车和所述障碍物之间的衍生平均距离、衍生最大距离以及衍生最小距离。
6.根据权利要求5所述的方法,其特征在于,根据所述衍生交互参数值和所述交互阈值计算所述衍生仿真场景与所述原始仿真场景之间的场景关联度,包括:
将所述衍生平均距离与所述平均距离阈值、所述衍生最大距离与所述最大距离阈值以及所述衍生最小距离与所述最小距离阈值分别进行比较,生成平均距离关联度、最大距离关联度以及最小距离关联度;
根据所述平均距离关联度、所述最大距离关联度以及所述最小距离关联度生成所述场景关联度。
7.根据权利要求2至6任一项所述的方法,其特征在于,筛选出所述衍生仿真场景之后,还包括:
根据所述场景关联度对所述衍生仿真场景进行场景复杂等级的划分;
利用所述场景复杂等级对所有的所述衍生仿真场景进行排序。
8.一种衍生仿真场景筛选装置,其特征在于,包括:
交互任务确定模块,用于确定原始仿真场景中主车与障碍物之间的交互任务;
原始交互参数值获取模块,用于获取所述交互任务对应的原始交互参数值;
交互阈值获取模块,用于根据所述交互任务和所述原始交互参数值获取交互阈值;
衍生交互参数值获取模块,用于在由所述原始仿真场景生成的衍生仿真场景中,获取与所述交互任务对应的衍生交互参数值;
衍生仿真场景筛选模块,用于根据所述衍生交互参数值和所述交互阈值对所述衍生仿真场景进行筛选。
9.如权利要求8所述的装置,其特征在于,所述衍生仿真场景筛选模块包括:
场景关联度计算单元,用于根据所述衍生交互参数值和所述交互阈值计算所述衍生仿真场景与所述原始仿真场景之间的场景关联度;
衍生仿真场景筛选单元,用于判断所述场景关联度是否大于预设关联阈值,若是,则筛选出所述衍生仿真场景。
10.如权利要求9所述的装置,其特征在于,所述原始交互参数值获取模块包括:
交互任务时间段确定单元,用于根据所述交互任务的开始时间戳和结束时间戳,确定交互任务时间段;
原始距离提取单元,用于获取所述交互任务时间段内的多帧原始仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的原始距离;
原始交互参数获取单元,用于从提取出的多个所述原始距离中确定所述主车和所述障碍物之间的原始平均距离、原始最大距离以及原始最小距离。
11.如权利要求10所述的装置,其特征在于,所述交互阈值获取模块包括:
误差范围确定单元,用于根据所述交互任务分别确定所述原始平均距离、所述原始最大距离以及所述原始最小距离对应的误差范围;
交互阈值计算单元,用于根据所述原始平均距离、所述原始最大距离以及所述原始最小距离及其对应的误差范围分别得到平均距离阈值、最大距离阈值以及最小距离阈值。
12.如权利要求11所述的装置,其特征在于,所述衍生交互参数值获取模块包括:
衍生距离提取单元,用于获取所述交互任务时间段内的多帧衍生仿真场景,并分别提取每帧场景中所述主车与所述障碍物之间的衍生距离;
衍生交互参数值确定单元,用于从提取到的多个所述衍生距离中确定所述主车和所述障碍物之间的衍生平均距离、衍生最大距离以及衍生最小距离。
13.如权利要求12所述的装置,其特征在于,所述场景关联度计算单元包括:
距离关联度计算子单元,用于将所述衍生平均距离与所述平均距离阈值、所述衍生最大距离与所述最大距离阈值以及所述衍生最小距离与所述最小距离阈值分别进行比较,生成平均距离关联度、最大距离关联度以及最小距离关联度;
场景关联度计算子单元,用于根据所述平均距离关联度、所述最大距离关联度以及所述最小距离关联度生成所述场景关联度。
14.如权利要求12所述的装置,其特征在于,所述装置还包括:
衍生仿真场景排序模块,用于根据所述场景关联度对所述衍生仿真场景进行场景复杂等级的划分,利用所述场景复杂等级对所有的所述衍生仿真场景进行排序。
15.一种衍生仿真场景筛选终端,其特征在于,包括:
一个或多个处理器;
存储器,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1-7中任一所述的方法。
16.一种计算机可读存储介质,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1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811329675.5A CN111177878B (zh) | 2018-11-09 | 2018-11-09 | 衍生仿真场景筛选方法、装置和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811329675.5A CN111177878B (zh) | 2018-11-09 | 2018-11-09 | 衍生仿真场景筛选方法、装置和终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177878A CN111177878A (zh) | 2020-05-19 |
CN111177878B true CN111177878B (zh) | 2023-06-27 |
Family
ID=70645978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811329675.5A Active CN111177878B (zh) | 2018-11-09 | 2018-11-09 | 衍生仿真场景筛选方法、装置和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177878B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112684720A (zh) * | 2020-12-28 | 2021-04-20 | 北京三快在线科技有限公司 | 一种仿真测试的方法及装置 |
CN112883589B (zh) * | 2021-03-18 | 2022-08-30 | 中国人民解放军国防科技大学 | 一种场景关联度计算方法、装置、计算机设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266132A (zh) * | 2008-04-30 | 2008-09-17 | 西安工业大学 | 基于mpfg运动矢量的行车障碍检测方法 |
CN104050319A (zh) * | 2014-06-13 | 2014-09-17 | 浙江大学 | 一种实时在线验证复杂交通控制算法的方法 |
JP2014175905A (ja) * | 2013-03-11 | 2014-09-22 | Honda Access Corp | 車両用撮像装置及び撮像補助装置 |
CN104251991A (zh) * | 2014-09-25 | 2014-12-31 | 中国科学院电子学研究所 | 一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法 |
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 |
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 |
WO2018096562A1 (en) * | 2016-11-24 | 2018-05-31 | INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) | System and method for controlling vehicle motion in a simulation environment |
CN108287483A (zh) * | 2018-01-17 | 2018-07-17 | 北京航空航天大学 | 一种面向产品维修性验证的沉浸式虚拟维修仿真方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT514754B1 (de) * | 2013-09-05 | 2018-06-15 | Avl List Gmbh | Verfahren und Vorrichtung zur Optimierung von Fahrassistenzsystemen |
US11087639B2 (en) * | 2016-04-04 | 2021-08-10 | The Raymond Corporation | Systems and methods for vehicle simulation |
US10489529B2 (en) * | 2016-10-14 | 2019-11-26 | Zoox, Inc. | Scenario description language |
-
2018
- 2018-11-09 CN CN201811329675.5A patent/CN111177878B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266132A (zh) * | 2008-04-30 | 2008-09-17 | 西安工业大学 | 基于mpfg运动矢量的行车障碍检测方法 |
JP2014175905A (ja) * | 2013-03-11 | 2014-09-22 | Honda Access Corp | 車両用撮像装置及び撮像補助装置 |
CN104050319A (zh) * | 2014-06-13 | 2014-09-17 | 浙江大学 | 一种实时在线验证复杂交通控制算法的方法 |
CN104251991A (zh) * | 2014-09-25 | 2014-12-31 | 中国科学院电子学研究所 | 一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法 |
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 |
WO2018096562A1 (en) * | 2016-11-24 | 2018-05-31 | INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) | System and method for controlling vehicle motion in a simulation environment |
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 |
CN108287483A (zh) * | 2018-01-17 | 2018-07-17 | 北京航空航天大学 | 一种面向产品维修性验证的沉浸式虚拟维修仿真方法及系统 |
Non-Patent Citations (2)
Title |
---|
危险换道驾驶行为预测方法研究;熊晓夏;陈龙;梁军;蔡英凤;江浩斌;陈月霞;;汽车工程(第09期);全文 * |
智能车场景建模及仿真;郑磊;刘涛;王宇;蒋鑫;王新竹;;汽车技术(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111177878A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10360460B2 (en) | Method and device of lane departure warning and automobile driving assistance system | |
CN111091739B (zh) | 自动驾驶场景的生成方法、装置和存储介质 | |
CN111142402B (zh) | 仿真场景构建方法、装置和终端 | |
CN113762406B (zh) | 数据的挖掘方法、装置和电子设备 | |
CN102479327A (zh) | 目标识别系统,以及用于汽车的障碍识别系统和方法 | |
CN111177878B (zh) | 衍生仿真场景筛选方法、装置和终端 | |
JPWO2008020544A1 (ja) | 車両検知装置,車両検知方法並びに車両検知プログラム | |
CN115099051A (zh) | 自动驾驶的仿真测试场景生成方法、装置、车辆及存储介质 | |
CN111435446A (zh) | 一种基于LeNet车牌识别方法及装置 | |
CN113436175B (zh) | 车图像分割质量的评估方法、装置、设备及存储介质 | |
CN107944425A (zh) | 道路标志的识别方法和装置 | |
CN111444911B (zh) | 车牌识别模型的训练方法及装置、车牌识别方法及装置 | |
CN113313110B (zh) | 一种车牌类型识别模型构建及车牌类型识别方法 | |
CN117315406B (zh) | 一种样本图像处理方法、装置及设备 | |
CN113903014A (zh) | 车道线预测方法、装置及电子设备、计算机可读存储介质 | |
CN110567733A (zh) | 基于acc的失效场景判定方法及系统、服务器及介质 | |
CN116824152A (zh) | 基于点云的目标检测方法及装置、可读存储介质、终端 | |
CN115311522A (zh) | 用于自动驾驶的目标检测方法及装置、电子设备及介质 | |
US9858165B2 (en) | Method and apparatus for designing vision based software applications | |
CN110555344B (zh) | 车道线识别方法、装置、电子设备、存储介质 | |
CN114495056A (zh) | 停车场柱子检测方法、检测装置、车辆及存储介质 | |
CN115270495A (zh) | 一种车辆自动换道的测试方法及装置 | |
CN111091581B (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 | |
CN113902999A (zh) | 一种跟踪方法、装置、设备及介质 | |
CN110659384B (zh) | 视频结构化分析方法及装置 |
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 |