CN111199088B - 复现场景数据的方法和装置 - Google Patents

复现场景数据的方法和装置 Download PDF

Info

Publication number
CN111199088B
CN111199088B CN201811289524.1A CN201811289524A CN111199088B CN 111199088 B CN111199088 B CN 111199088B CN 201811289524 A CN201811289524 A CN 201811289524A CN 111199088 B CN111199088 B CN 111199088B
Authority
CN
China
Prior art keywords
scene data
real
real scene
simulation
planning
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
Application number
CN201811289524.1A
Other languages
English (en)
Other versions
CN111199088A (zh
Inventor
万全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811289524.1A priority Critical patent/CN111199088B/zh
Publication of CN111199088A publication Critical patent/CN111199088A/zh
Application granted granted Critical
Publication of CN111199088B publication Critical patent/CN111199088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Train Traffic Observation, Control, And Security (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提出一种复现场景数据的方法和装置,其中方法包括:选取路测事故发生之前N个不同时刻的真实场景数据,所述N为大于1的整数;分别采用各个真实场景数据设置仿真平台,将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务,在仿真平台中运行所述无人驾驶车辆的算法,得到仿真规划信息;获取无人驾驶车辆在对应真实场景中的真实规划信息;比较所述仿真规划信息与真实规划信息,得到相似度;获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据。本发明能够保证在仿真系统中复现的事故场景数据的真实度。

Description

复现场景数据的方法和装置
技术领域
本发明涉及无人驾驶车辆技术领域,尤其涉及一种复现场景数据的方法、装置、设备及计算机可读存储介质。
背景技术
在无人驾驶车辆路测过程中,不可避免会遇到策略故障,导致无人驾驶车辆的行为不可预期,这种情况下不得不出现司机紧急接管。为了解决这些故障,需要将路测事故的场景数据在仿真系统中复现,以便后续在仿真系统中运行无人驾驶车辆算法,并根据运行结果优化无人驾驶车辆算法。
但是,目前尚没有成熟的复现事故场景数据的方法,以保证在仿真系统中复现的事故场景数据的真实度。
发明内容
本发明实施例提供一种复现场景数据的方法及装置,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复现场景数据的方法,包括:
选取路测事故发生之前N个不同时刻的真实场景数据,所述N为大于1的整数;
分别采用各个真实场景数据设置仿真平台,将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务,在仿真平台中运行所述无人驾驶车辆的算法,得到仿真规划信息;获取无人驾驶车辆在对应真实场景中的真实规划信息;比较所述仿真规划信息与真实规划信息,得到相似度;
获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据。
在一种实施方式中,所述获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据,包括:
获取对应的相似度大于预设阈值的真实场景数据,从获取的真实场景数据中选取与所述路测事故的发生时刻间隔最短的真实场景数据,将选取的真实场景数据作为复现的场景数据。
在一种实施方式中,所述选取路测事故发生之前N个不同时刻的真实场景数据,包括:
按照预设的时间间隔,从路测事故发生时刻开始,向前选取N个时刻的真实场景数据。
在一种实施方式中,
所述仿真规划信息包括仿真规划轨迹信息;
所述真实规划信息包括真实规划轨迹信息;
所述比较所述仿真规划信息与真实规划信息,包括:比较所述仿真规划轨迹信息与真实规划轨迹信息。
第二方面,本发明实施例提供了一种复现场景数据的装置,包括:
选取模块,用于选取路测事故发生之前N个不同时刻的真实场景数据,所述N为大于1的整数;
比较模块,用于分别采用各个真实场景数据设置仿真平台,将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务,在仿真平台中运行所述无人驾驶车辆的算法,得到仿真规划信息;获取无人驾驶车辆在对应真实场景中的真实规划信息;比较所述仿真规划信息与真实规划信息,得到相似度;
复现模块,用于获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据。
在一种实施方式中,所述复现模块用于:
获取对应的相似度大于预设阈值的真实场景数据,从获取的真实场景数据中选取与所述路测事故的发生时刻间隔最短的真实场景数据,将选取的真实场景数据作为复现的场景数据。
在一种实施方式中,所述选取模块用于:
按照预设的时间间隔,从路测事故发生时刻开始,向前选取N个时刻的真实场景数据。
在一种实施方式中,
所述比较模块得到的仿真规划信息包括仿真规划轨迹信息;
所述比较模块获取的真实规划信息包括真实规划轨迹信息;
所述比较模块还用于比较所述仿真规划轨迹信息与真实规划轨迹信息。
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,复现场景数据的设备的结构中包括处理器和存储器,所述存储器用于复现场景数据的装置执行上述第一方面中复现场景数据的方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述复现场景数据的设备还可以包括通信接口,用于复现场景数据的设备与其他设备或通信网络通信。
第三方面,本发明实施例提供了一种计算机可读存储介质,用于存储复现场景数据的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复现场景数据的方法为复现场景数据的装置所涉及的程序。
第四方面,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本发明任一实施例所述的方法。
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:
本发明实施例选取路测事故发生之前多个不同时刻的真实场景数据,利用仿真平台运行这些场景对应的任务,并将仿真得到的仿真规划信息与原始路测的真实规划信息对比,将相似度大于预设阈值的真实场景数据作为复现的场景数据,从而保证仿真系统中复现的事故场景数据的真实度。
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为本发明实施例的一种复现场景数据的方法实现流程图;
图2为本发明实施例中选取的N个真实场景数据的示意图;
图3为本发明实施例步骤S12中针对各个真实场景数据的实现流程图;
图4为本发明实施例中步骤S13的实现流程图;
图5为本发明实施例的一种复现场景数据的装置结构示意图;
图6为本发明实施例的一种复现场景数据的设备结构示意图。
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复现场景数据的方法和装置。下面分别通过以下实施例进行技术方案的展开描述。
参见图1,图1为本发明实施例的一种复现场景数据的方法实现流程图,包括:
S11:选取路测事故发生之前N个不同时刻的真实场景数据,所述N为大于1的整数。
在本实施例中,可以按照预设的时间间隔,从路测事故发生时刻开始,向前选取N个时刻的真实场景数据。
例如,可以按照1秒的时间间隔,向前选取5~20个时刻的真实场景数据。如果将路测事故发生时刻记为T,可以选取T之前1秒、T之前2秒、……、T之前N秒的N个真实场景数据。参见图2,图2为本发明实施例中选取的N个真实场景数据的示意图。
S12:分别采用各个真实场景数据设置仿真平台,将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务,在仿真平台中所述运行无人驾驶车辆的算法,得到仿真规划信息;获取无人驾驶车辆在对应真实场景中的真实规划信息;比较所述仿真规划信息与真实规划信息,得到相似度。
在本实施例中,仿真平台可以指为无人驾驶车辆提供仿真测试的计算机平台。仿真平台通过传感器仿真、车辆动力学仿真、高级图形处理、交通流仿真、数字仿真、道路建模等技术模拟路测环境,并添加算法,搭建相对真实的驾驶场景,来完成自动驾驶车辆的测试工作。
S13:获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据。
在步骤S12和S13中,分别针对选取的各个真实场景数据进行仿真,并将仿真结果与真实运行结果进行比较,将比较结果最接近的真实场景数据作为复现的场景数据。以下结合附图3和图4对上述过程详细介绍。
如图3为本发明实施例中S12中针对各个真实场景数据的实现流程图,包括:
S121:采用真实场景数据设置仿真平台。
在本实施例中,可以将仿真平台中的仿真场景数据设置为与真实场景数据相同。
S122:将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务。
在本实施例中,可以提取无人驾驶车辆在对应的真实场景中运行时的任务,将无人驾驶车辆的算法的任务设置为与该提取的任务相同。
通过上述步骤S121和S122,实现了仿真环境与真实环境完全一致。这里的“环境”一方面包括车辆运行时的外部场景,另一方面包括车辆自身的任务。容易理解的是,上述步骤S121和步骤S122并无执行先后顺序的限制。
S123:在仿真平台中运行无人驾驶车辆的算法,得到仿真规划(Planning)信息。其中,Planning也可以称为策略。
S124:获取无人驾驶车辆在对应真实场景中的真实规划(Planning)信息。
容易理解的是,上述步骤S123和步骤S124并无执行先后顺序的限制。
S125:比较步骤S123中得到的仿真规划信息与步骤S124中获取的真实规划信息,得到二者的相似度。
由于通过上述步骤S121和S122实现了仿真环境与真实环境完全一致,那么,在运行环境完全一致的情况下得到的仿真规划信息和真实规划信息就具有可比性。二者相似度越高,表明对应真实场景数据的真实度越高,越能够复现路测事故的场景。
在本实施例中,步骤S123中的仿真规划信息可以包括仿真规划轨迹信息,步骤S124中的真实规划信息可以包括真实规划轨迹信息。相应地,步骤S125比较仿真规划轨迹信息与真实规划轨迹信息,得到二者的相似度。
至于规划信息中的其他信息,例如速度信息、加速度信息等,在本发明的其他实施例中,也可以综合对比这些信息,得到仿真规划信息与真实规划信息的相似度。
获取各个真实场景数据对应的相似度之后,可以根据相似度选取作为复现场景的真实场景数据,即执行步骤S13。
如图4为本发明实施例中步骤S13的实现流程图,包括:
S131:获取对应的相似度大于预设阈值的真实场景数据。
在本实施例中,针对相似度预先设置一个阈值。当某个真实场景数据对应的相似度大于预设阈值时,表明该真实场景数据的真实度满足要求,能够作为复现的场景数据。
S132:从获取的真实场景数据中选取与路测事故发生时刻间隔最短的真实场景数据,将选取的真实场景数据作为复现的场景数据。
例如,路测事故发生时刻为T。当前获取到2个对应的相似度大于预设阈值的真实场景数据,其中真实场景数据1的发生时刻为T之前2秒的时刻,真实场景数据2的发生时刻为T之前5秒的时刻时,选取更接近T的真实场景数据1作为复现的场景数据。
在本实施例中,如果获取到对应的相似度大于预设阈值的真实场景数据多于1个,则可以选取与路测事故发生时刻最近的真实场景数据,作为复现的场景数据。当然,如果获取到对应的相似度大于预设阈值的真实场景数据等于1个,则直接将该真实场景数据作为复现的场景数据。
可见,本发明实施例提出的复现场景数据的方法,首先选取路测事故发生之前多个不同时刻的真实场景数据,利用仿真平台运行这些场景对应的任务,并将仿真得到的仿真规划信息与原始路测的真实规划信息对比,将相似度大于预设阈值、并且前置时间最短的真实场景数据作为复现的场景数据,从而保证仿真系统中复现的事故场景数据的真实度。
本发明实施例还提出一种复现场景数据的装置。参见图5,图5为本发明实施例的一种复现场景数据的装置结构示意图,包括:
选取模块510,用于选取路测事故发生之前N个不同时刻的真实场景数据,所述N为大于1的整数;
比较模块520,用于分别采用各个真实场景数据设置仿真平台,将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务,在仿真平台中运行所述无人驾驶车辆的算法,得到仿真规划信息;获取无人驾驶车辆在对应真实场景中的真实规划信息;比较所述仿真规划信息与真实规划信息,得到相似度;
复现模块530,用于获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据。
在一种实施方式中,选取模块510用于:
按照预设的时间间隔,从路测事故发生时刻开始,向前选取N个时刻的真实场景数据。
在一种实施方式中,比较模块520得到的仿真规划信息包括仿真规划轨迹信息;
比较模块520获取的真实规划信息包括真实规划轨迹信息;
比较模块520还用于比较所述仿真规划轨迹信息与真实规划轨迹信息。
在一种实施方式中,复现模块530用于:
获取对应的相似度大于预设阈值的真实场景数据,从获取的真实场景数据中选取与所述路测事故的发生时刻间隔最短的真实场景数据,将选取的真实场景数据作为复现的场景数据。
本发明实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
本发明实施例还提出一种复现场景数据的设备,如图6为本发明实施例的的设备结构示意图,包括:
存储器11和处理器12,存储器11存储有可在处理器12上运行的计算机程序。所述处理器12执行所述计算机程序时实现上述实施例中的复现场景数据的方法。所述存储器11和处理器12的数量可以为一个或多个。
所述设备还可以包括:
通信接口13,用于与外界设备进行通信,进行数据交换传输。
存储器11可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
如果存储器11、处理器12和通信接口13独立实现,则存储器11、处理器12和通信接口13可以通过总线相互连接并完成相互之间的通信。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 Architecture)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,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11、处理器12和通信接口13集成在一块芯片上,则存储器11、处理器12和通信接口13可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现如上任一实施例所述的方法。
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如上任一实施例所述的方法。
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。
综上所述,本发明实施例提出的复现场景数据的方法和装置,首先,选取路测事故发生之前多个不同时刻的真实场景数据,利用仿真平台运行这些场景对应的任务,并将仿真得到的仿真规划信息与原始路测的真实规划信息对比。之后,将相似度大于预设阈值、并且前置时间最短的真实场景数据作为复现的场景数据,从而保证仿真系统中复现的事故场景数据的真实度。
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 (8)

1.一种复现场景数据的方法,其特征在于,所述方法包括:
选取路测事故发生之前N个不同时刻的真实场景数据,所述N为大于1的整数;
分别采用各个真实场景数据设置仿真平台,将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务,在仿真平台中运行所述无人驾驶车辆的算法,得到仿真规划信息;获取无人驾驶车辆在对应真实场景中的真实规划信息;比较所述仿真规划信息与真实规划信息,得到相似度;
获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据;
其特征在于,所述获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据,包括:
获取对应的相似度大于预设阈值的真实场景数据,从获取的真实场景数据中选取与所述路测事故的发生时刻间隔最短的真实场景数据,将选取的真实场景数据作为复现的场景数据。
2.根据权利要求1所述的方法,其特征在于,所述选取路测事故发生之前N个不同时刻的真实场景数据,包括:
按照预设的时间间隔,从路测事故发生时刻开始,向前选取N个时刻的真实场景数据。
3.根据权利要求1所述的方法,其特征在于,
所述仿真规划信息包括仿真规划轨迹信息;
所述真实规划信息包括真实规划轨迹信息;
所述比较所述仿真规划信息与真实规划信息,包括:比较所述仿真规划轨迹信息与真实规划轨迹信息。
4.一种复现场景数据的装置,其特征在于,所述装置包括:
选取模块,用于选取路测事故发生之前N个不同时刻的真实场景数据,所述N为大于1的整数;
比较模块,用于分别采用各个真实场景数据设置仿真平台,将无人驾驶车辆的算法的任务设置为所述真实场景数据对应的任务,在仿真平台中运行所述无人驾驶车辆的算法,得到仿真规划信息;获取无人驾驶车辆在对应真实场景中的真实规划信息;比较所述仿真规划信息与真实规划信息,得到相似度;
复现模块,用于获取对应的相似度大于预设阈值的真实场景数据,将获取的真实场景数据作为复现的场景数据;
其特征在于,所述复现模块还用于:
获取对应的相似度大于预设阈值的真实场景数据,从获取的真实场景数据中选取与所述路测事故的发生时刻间隔最短的真实场景数据,将选取的真实场景数据作为复现的场景数据。
5.根据权利要求4所述的装置,其特征在于,所述选取模块还用于:
按照预设的时间间隔,从路测事故发生时刻开始,向前选取N个时刻的真实场景数据。
6.根据权利要求4所述的装置,其特征在于,
所述比较模块得到的仿真规划信息包括仿真规划轨迹信息;
所述比较模块获取的真实规划信息包括真实规划轨迹信息;
所述比较模块还用于比较所述仿真规划轨迹信息与真实规划轨迹信息。
7.一种复现场景数据的设备,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1-3中任一所述的方法。
8.一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1-3中任一所述的方法。
CN201811289524.1A 2018-10-31 2018-10-31 复现场景数据的方法和装置 Active CN111199088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811289524.1A CN111199088B (zh) 2018-10-31 2018-10-31 复现场景数据的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811289524.1A CN111199088B (zh) 2018-10-31 2018-10-31 复现场景数据的方法和装置

Publications (2)

Publication Number Publication Date
CN111199088A CN111199088A (zh) 2020-05-26
CN111199088B true CN111199088B (zh) 2023-06-20

Family

ID=70745881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811289524.1A Active CN111199088B (zh) 2018-10-31 2018-10-31 复现场景数据的方法和装置

Country Status (1)

Country Link
CN (1) CN111199088B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859635A (zh) * 2020-07-03 2020-10-30 中国人民解放军海军航空大学航空作战勤务学院 一种基于多粒度建模技术的仿真系统及构建方法
CN112328477B (zh) * 2020-11-02 2023-08-15 东软睿驰汽车技术(沈阳)有限公司 自动驾驶算法测试用例的生成方法、装置和电子设备
CN113222331B (zh) * 2021-03-29 2024-03-05 北京中交兴路信息科技有限公司 识别车辆事故真实性的方法、装置、设备及存储介质
CN114067610B (zh) * 2021-09-22 2023-03-17 广州文远知行科技有限公司 一种错过岔道口事故的仿真场景构建方法及装置
CN115407747B (zh) * 2022-07-26 2024-05-17 中国第一汽车股份有限公司 数据处理方法、装置以及一种车辆

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010016660A (ja) * 2008-07-04 2010-01-21 Sony Corp シーンチェンジ検出装置、シーンチェンジ検出方法およびプログラム
US8670972B1 (en) * 2007-06-07 2014-03-11 West Corporation Method and apparatus for voice recognition unit simulation
JP2016206879A (ja) * 2015-04-21 2016-12-08 本田技研工業株式会社 パラメータ分類装置並びにパラメータ分類装置を用いた移動体模擬運動生成装置及び移動体運動生成装置
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
CN107678306A (zh) * 2017-10-09 2018-02-09 驭势(上海)汽车科技有限公司 动态场景信息录制和仿真回放方法、装置、设备及介质
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
CN108416783A (zh) * 2018-02-01 2018-08-17 湖北工业大学 基于全卷积神经网路的道路场景分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951627A (zh) * 2017-03-15 2017-07-14 北京百度网讯科技有限公司 车辆自动驾驶的仿真测试方法、装置、设备及计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8670972B1 (en) * 2007-06-07 2014-03-11 West Corporation Method and apparatus for voice recognition unit simulation
JP2010016660A (ja) * 2008-07-04 2010-01-21 Sony Corp シーンチェンジ検出装置、シーンチェンジ検出方法およびプログラム
JP2016206879A (ja) * 2015-04-21 2016-12-08 本田技研工業株式会社 パラメータ分類装置並びにパラメータ分類装置を用いた移動体模擬運動生成装置及び移動体運動生成装置
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
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
CN107678306A (zh) * 2017-10-09 2018-02-09 驭势(上海)汽车科技有限公司 动态场景信息录制和仿真回放方法、装置、设备及介质
CN108416783A (zh) * 2018-02-01 2018-08-17 湖北工业大学 基于全卷积神经网路的道路场景分割方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于Veins平台的VANET动态路径规划仿真设计;王丹;孟强;;电子技术与软件工程(第15期);全文 *
无人机与智能车协同导航系统的设计;任涛;赵思佳;程瑞;吕云鹏;张鑫月;;沈阳大学学报(自然科学版)(第05期);全文 *
面向车联网环境的车辆移动模型研究进展;唐蕾;段宗涛;康军;马峻岩;刘若辰;;长安大学学报(自然科学版)(第05期);全文 *

Also Published As

Publication number Publication date
CN111199088A (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN111199088B (zh) 复现场景数据的方法和装置
JP7546560B2 (ja) 運転者支援システムを試験するための方法及び装置
EP3690754A1 (en) Method and device for creating traffic scenario with domain adaptation on virtual driving environment for testing, validating, and training autonomous vehicle
CN109032103B (zh) 无人驾驶车辆的测试方法、装置、设备及存储介质
EP3709231A1 (en) Vehicle track planning method, device, computer device and computer-readable storage medium
CN111123735A (zh) 自动驾驶仿真运行方法和装置
KR101742536B1 (ko) 주행 성능 테스트 장치, 이를 이용한 테스트 시스템 및 이를 이용한 테스트 방법
CN110830547A (zh) 基于区块链存证的无人驾驶信息存储方法及装置
CN111199087B (zh) 场景识别方法和装置
EP3620945A1 (en) Obstacle distribution simulation method, device and terminal based on multiple models
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
CN109857118B (zh) 无人车规划驾驶策略的方法、装置、设备及存储介质
CN111159833B (zh) 无人驾驶车辆算法的评估的方法和装置
CN115402344A (zh) 泊车场景仿真方法和装置
CN111199083B (zh) 复现无人驾驶车辆事故数据的方法和装置
KR101690280B1 (ko) 주행 성능 테스트 장치, 이를 이용한 테스트 시스템 및 이를 이용한 테스트 방법
CN114692295A (zh) 车辆性能边界的确定方法、装置、终端设备及存储介质
CN111199084B (zh) 动力学模型的接入方法和装置
CN111125857B (zh) 分布式仿真方法和装置
CN116107252A (zh) 车辆自主换道参数的标定方法、装置、电子设备及介质
CN115756566A (zh) 车辆避免实线换道的方法及装置
CN111090269B (zh) 基于生成对抗网络的传感器模拟方法、装置和存储介质
US20240062592A1 (en) Method and system for performing a virtual test
KR102702524B1 (ko) 운전자 보조 시스템을 테스트하기 위한 방법 및 장치
WO2023037576A1 (ja) 車両制御システム及び車両制御方法

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