CN111310302B - 一种测试场景生成方法和装置 - Google Patents
一种测试场景生成方法和装置 Download PDFInfo
- Publication number
- CN111310302B CN111310302B CN202010047517.1A CN202010047517A CN111310302B CN 111310302 B CN111310302 B CN 111310302B CN 202010047517 A CN202010047517 A CN 202010047517A CN 111310302 B CN111310302 B CN 111310302B
- Authority
- CN
- China
- Prior art keywords
- test
- risk
- obstacle
- obstacles
- fitting
- 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
Abstract
本申请提供了一种测试场景生成方法和装置,所述方法包括:获取场景测试需求,以及预设危险度函数;其中,所述危险度函数为根据测试障碍物对被测车辆产生最大危险度时的运行状态拟合的函数;根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点,并根据危险度函数确定所述位置点对应测试障碍物的运行信息;根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景。该方法能够根据测试需求高效、准确地生成合理的测试场景。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种测试场景生成方法和装置。
背景技术
自动驾驶、智能驾驶、无人车技术已经从人类的设想慢慢发展到已经具有试验车上路的阶段了,自动驾驶行业已经持续火热了很长一段时间,但业内对于实现相对复杂的场景下的全自动驾驶的预期却不太乐观。这里的很大程度上是因为无法较好的测试证明一辆无人车的智能驾驶算法的功能性、安全性等性能。交通是很严肃的一个社会场景,如果出现事故后果可能会十分严重。
交通场景中,各个实体如车辆、自行车、行人、路人等,也可称为障碍物的相对行为充满了不确定性。如果有障碍物出现在无人车的运动轨迹上,或是有障碍物的运动轨迹和无人车的运动轨迹有所重合,都会产生危险。而无人车的周围车辆密度的不同也会导致无人车的危险程度不同。
无人车正式上路之后,遇到危险是否会发生事故,在大样本下,可能会发生多少事故,发生事故导致的后果严重程度的高低,在很大程度上取决于无人车在实验测试阶段接受测试的多少和测试的质量,所以如何设计针对无人车的测试尤为重要。
在实际应用中,将无人车直接投放实际环境中测试显然是不合理的,因此如何模拟生成需要的测试场景是对无人车进行测试亟待需要解决的问题。
发明内容
有鉴于此,本申请提供一种测试场景生成方法和装置,能够根据测试需求高效、准确地生成合理的测试场景。
为解决上述技术问题,本申请的技术方案是这样实现的:
在一个实施例中,提供了一种测试场景生成方法,所述方法包括:
获取场景测试需求,以及预设危险度函数;其中,所述危险度函数为根据测试障碍物对被测车辆产生最大危险度时的运行状态拟合的函数;
根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点,并根据危险度函数确定所述位置点对应测试障碍物的运行信息;
根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景。
在另一个实施例中,提供了一种测试场景生成装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如下步骤:
获取场景测试需求,以及预设危险度函数;其中,所述危险度函数为根据测试障碍物对被测车辆产生最大危险度时的运行状态拟合的函数;
根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点,并根据危险度函数确定所述位置点对应测试障碍物的运行信息;
根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景。
在另一个实施例中,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如所述测试场景生成方法的步骤。
在另一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述测试场景生成方法的步骤。
由上面的技术方案可见,上述实施例中根据场景测试需求,以及预先生成的危险度函数选择布局测试障碍物的位置点,以及所述位置点对应测试障碍物的运行信息,根据所述运行信息生成所述测试障碍物的运行轨迹,组成测试场景。该方案能够根据测试需求高效、准确地生成合理的测试场景。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中预设危险度函数生成流程示意图;
图2为测试区域划分示意图;
图3为本申请实施例中通过棋盘格式选择拟合点的示意图;
图4为本申请实施例中确定在拟合点处布局障碍物时相对于被测车辆的最大危险度的流程示意图;
图5为本申请实施例中被测车辆与模拟障碍物的相对运行示意图;
图6为本申请实施例中的AS示意图;
图7为本申请实施例中测试场景生成示意图;
图8为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
下面以具体实施例对本发明的技术方案进行详细说明。下面几个具体实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本申请实施例中一种测试场景生成方法,根据场景测试需求,以及预先生成的危险度函数选择布局测试障碍物的位置点,以及所述位置点对应测试障碍物的运行信息,根据所述运行信息生成所述测试障碍物的运行轨迹,组成测试场景。该方案能够根据测试需求高效、准确地生成合理的测试场景。
本申请实施例中在生成测试场景之前,先需要获取预先生成的预设危险度函数,参见图1,图1为本申请实施例中预设危险度函数生成流程示意图。
具体步骤为:
步骤101,以被测车辆为中心,将测试区域按照距离所述被测车辆从近到远划分为真空区域和非真空区域。
参见图2,图2为测试区域划分示意图。图2中的真空区域根据被测车辆的面积确定,通常远小于非真空区域,为了更真实模拟现实环境,这一区域内不会部署测试障碍物。
步骤102,在非真空区域中选择拟合点。
本申请实施例中可以根据经验在非真空区域中选择拟合点,根据实际场景,距离被测车辆比较远时,与被测车辆的,碰撞时间会比较长,被车车辆也比较容易多播,基于上述考虑,将所述非真空区域按照距离所述被测车辆从近到远划分为第一区域和第二区域;其中,第一区域即选择拟合点多的区域,也可以称为稠密区,第二区域即选择拟合点少的区域,也可称为稀疏区。
在所述第一区域和所述第二区域分别以棋盘格式选择拟合点,即方格的交叉点上选择拟合点;
其中,在所述第一区域选择拟合点的棋盘格长度小于在所述第二区域选择拟合点的棋盘格长度。
针对第一区域和第二区域的棋盘格长度可以根据实际需要设置,如可以设置为第二区域的棋盘格长度是第一区域的棋盘格长度的2倍;但不限于此。
本申请实施例中如果测试区域取到很大,也不是特别具备测试意义,反而增加数据处理量,如可以设置第一区域的环带宽度可以为两个车身或车道宽度,针对第二区域的环带宽度可以为五到十个车身长度,但不限于这样的测试区域。
参见图3,图3为本申请实施例中通过棋盘格式选择拟合点的示意图。图3中在真空区域中不选择拟合点,将第一区域和第二区域的棋盘格的交叉点作为拟合点。
步骤103,遍历所述拟合点,计算所述拟合点布局模拟障碍物时相对于被测车辆的最大危险度,以及对应模拟障碍物的运行信息。
本申请实施例中遍历所述拟合点,计算所述拟合点布局模拟障碍物时相对于被测车辆的最大危险度,以及对应模拟障碍物的运行信息的具体实现如下:
参见图4,图4为本申请实施例中确定在拟合点处布局障碍物时相对于被测车辆的最大危险度的流程示意图。具体步骤为:
步骤401,遍历所述拟合点,以所述中心为原点,在横纵坐标的两个方向上设置多组相对速度和相对加速度。
针对每个拟合点,确定最大危险度的过程类似,以一个被测障碍物(车辆)为例。
参见图5,图5为本申请实施例中被测车辆与模拟障碍物的相对运行示意图。
图5中以被测车辆作为坐标系的原点,该被测车辆的运动方向作为y轴正方向,运动方向的垂直方向的右侧作为x轴的正向,相对于被测设备测试障碍物的位置为(x,y)、速度为(Vx,Vy)、加速度为(Ax,Ay)。
步骤402,针对每组相对速度和相对加速度根据碰撞时间TTC和躲避范围AS计算危险度。
其中,TTC为在对应相对速度和相对加速度下测试障碍物与被测车辆会碰撞的时间,AS为2π与部署模拟障碍物相对被测车辆的图形面积所占角度的差值。
下面分别给出碰撞时间TTC和AS的确定过程:
针对TTC:
对于车辆感知来说,车辆无法感知到还没有发生的事情,既无法预知下一秒其他车辆是否还会保持上一秒的数据不变化;第二,对于无穷的变化与可能,基于此,本申请实施例中采取某一瞬间获取得到的车辆信息,作为之后一段时间车辆的运动情况分析是否在轨迹上两车会发生碰撞,如果会发生碰撞计算对应的发生碰撞的时间。
已知模拟障碍物在某一瞬间的位置、相对速度、相对加速度,即可生成模拟障碍物相对于被测车辆的位置、时间变化函数X(t)、Y(t),即将所述中心(被测车辆)作为XY轴坐标的原点,生成模拟障碍物相对于被测车辆的以时间为变量的位置函数X(t)和Y(t);
确定X2(t)+Y2(t)≤r2是否有解,如果是,确定TTC为最小解t0(也就是说当存在多个解时,将其中的最下解作为TTC);否则,确定TTC为无穷大;其中,r为中心点与所述拟合点的连线同真空区域的边缘线的交点与所述中心点之间的距离;所述中心点为所述中心对应的点;
通过为了方便计算,可以将真空区域划分为如图1所示的矩形,如设置为矩形时,r为中心点与模拟点的连线同所述矩形的边框的交点,与中心点之间的距离;也可以设置为圆形,如设置为圆形时,r为该圆形的半径。
针对AS:
在确定AS时可以确定针对第一区域和第二区域中的模拟障碍物分别确定,由于较远的模拟障碍物对于被车车辆在躲避选择上并不困难,因此,本申请实施例中在确定AS时,可以仅确定第一区域内的模拟障碍物对于被测车辆的躲避影响。
确定AS的过程如下:
其中,Ai为一个模拟障碍物相对应于测试车辆的图形面积所占角度。
参见图6,图6为本申请实施例中的AS示意图。图6中以存在一个被测障碍物(交通车辆)为例,其中,A1表示所述交通车辆相对于被测车辆的图像面积所占角度,则AS=2π-A。
所述据碰撞时间TTC和躲避范围AS计算危险度,包括:
计算危险度为TTC与AS的乘积的倒数。
即危险度DD=1/(TTC×AS)。
在计算危险度时,若TTC为无穷大,则确定危险度为0;
针对第二区域中的测试障碍物AS设置为1,即针对第二区域中的模拟障碍物计算危险度时AS=1,即DD=1/TTC。
针对设置的每组速度、加速度可以分别获取一个危险度。
每组速度加速度可以按照从小到大的顺序进行危险度的确定,也可以按照从大到小的顺序进行危险度的确定,还可以随机选择直到遍历所有组速度加速度,也就是说遍历每组速度加速度分别确定了对应的危险度即可。
设置加速度速度时,可以使用步长的方式分组,针对每组加速度速度计算危险度,即针对每个步长的加速度速度进行危险度的确定。
步骤403,获取模拟障碍物相对于被测车辆的最大危险度,并确定在危险度最大时对应的相对加速度和相对速度。
本申请实施例中可以在所有组加速度速度对应的危险度确定后,在所有危险度中选择一个最大危险度,并同时确定在获取该最大危险度时对应的加速度、速度。
还可以边确定危险度,边寻找最大危险度,以从小到大速度加速度确定危险度为例,具体如下:
针对每组加速度速度顺序进行危险度确定,当发现危险度下降后在最近的两个步长里使用二分法寻找最大的危险度,并记录,记录后回到开始的加速度速度组继续寻找,当达到最大加速度、速度时记录当前位置的最大危险度和对应的速度加速度。
其中,在确定最大危险度时,为每个测试障碍物分配真空区域。
至此,可以确定每个模拟障碍物相对被测车辆的最大危险度。
步骤104,使用所述拟合点布局模拟障碍物在最大危险度时的运行信息拟合危险度函数。
这里的运行信息包括位置(x,y)、加速度(Ax,Ay)、速度(Vx,Vy),可表示为(x,y,Vx,Vy,Ax,Ay)
使用所有模拟障碍的最大危险度,以及在最大危险度时对应的运行信息拟合一个函数S(DD)。
S(DD)=Gn(x,y,Vx,Vy,Ax,Ay)。
至此,完成危险度函数的生成。
将危险度函数存储,可以用于测试场景的生成。
本申请实施例中具体实现时,通过选取测试场景中一些拟合点来确定最大危险度对应的运行信息,并通过所有运行信息拟合危险度函数,进而可以确定测试场景中的每个位置点对应的运行信息,能够提到数据处理效率。
下面结合附图,详细说明测试场景的生成过程:
参见图7,图7为本申请实施例中测试场景生成示意图。具体步骤为:
步骤701,获取场景测试需求,以及预设危险度函数。
其中,所述危险度函数为根据测试障碍物对被测车辆产生最大危险度时的运行状态拟合的函数。
本申请实施例中的场景测试需求,即要求生成什么样的测试场景,通常的测试场景可以分为两类:
第一类为碰撞场景,碰撞场景又可分为:FC(前向碰撞)、IC(交叉路口碰撞)、EB(紧急制动)、逆向碰撞、路障行人碰撞等。
第二类为异常场景,异常场景又可分为车辆失控、车辆异常等。
各种场景的定义,以及确定的过程给出如下描述,但是还是不限于下述给出的描述:
第一步,将被测试车辆与交通车辆的运动情况与路网拟合,判断场景是否出现车辆越界。对于一条道路,将其分为若干的路段,但此时不划分车道。将车辆的四个点,依此与路段边界作对比,判断其是否在路段内。若四个点都在路段内,则视为车辆没有出界。
第二步,对于环境中的每一个交通车辆,计算一遍其对于被测试车辆的TTC。
第三步,选择与被测试车辆之间TTC最小的交通车辆设为最后发生事故的车辆。
第四步,检查发生事故的车辆的状态,判断其是正常行驶还是出现异常状况。
第五步,对于正常行驶的车辆来说,计算发生碰撞时的交通状态并识别产生碰撞的交通参与者,对于交通参与者为行人、路障等直接将场景分到对应归类,对于参与者全部为车辆的情况,进行下一步分析。
第六步,对于参与者全部为车辆的情况,计算发生碰撞时所有交通参与者的运动状态,对于运动方向相同的且加速度方向相同的分到前向碰撞当中,对于运动方向相反的分到逆向碰撞。
第七步,对所有的碰撞场景标记路网状态,例如发生在路段中和十字路口。
需求的测试场景可以为上述场景中的一种,或任意组合。
步骤702,根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点,以及所述位置点对应测试障碍物的运行信息。
根据场景测试需求确定需要在测试场景中部署测试障碍物的位置点,确定位置点后可以根据位置信息基于所述危险度函数确定该位置点的运行信息。
本实施例中根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点之后,所述根据危险度函数确定所述位置点对应测试障碍物的运行信息之前,所述方法进一步包括:
过滤掉布局测试障碍物时被测车辆无法躲避危险对应的位置点;
过滤掉布局测试障碍物时与被测车辆不会发生碰撞危险的位置点。
上述实现是对一些意义不大的测试点对应的轨迹生成的场景的过滤,针对上述给出的两种过滤情况分别进行举例说明:
第一种:过滤掉布局测试障碍物时被测车辆无法躲避危险对应的位置点;
如生成了四辆车前后左右紧贴被测车辆,其中任何一个车辆向被车车辆运行方向变道或急刹车、突然加速、被测试车辆将一定出现危险。
这种情况一般很少出现,即使出现了,被测车辆也无法躲避,这样的场景定义为无意义的场景,需要过滤掉对应位置点部署测试车辆的情况。
第二种:过滤掉布局测试障碍物时与被测车辆不会发生碰撞危险的位置点;
也就是说该位置点对应的最大危险度为0,说明不会与被测车辆发生碰撞,这样的位置点也应该被过滤掉,如大多位于处于第二区域中的位置点。
步骤703,根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景。
本步骤中根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景,包括:
设置所述测试障碍物的运行信息对应的时间点为设定时间点t,将所述设定时间点之前第一预设时间对应的时间点设置为起始时间点t-t0,将所述设定时间点之后第二预设时间对应的时间点设置为结束时间点t+t1;
基于所述设定时间点、所述起始时间点和所述结束时间点,根据所述运行信息生成所述测试障碍物的运行轨迹,组成测试场景。
由于知道一位置点部署测试障碍物时的运行信息,将被测障碍物经过这一点的时间设置为测试场景中的一个时刻,可以获取该时刻前一些时间的和后一些时间的运行信息,进而可以模拟出一段时间的运行轨迹,具体生成什么样的轨迹可以根据预先设置的轨迹生成规则来生成,本申请是时候了中对轨迹生成规则不进行限制。
这样可以针对每个测试障碍物生成一个初始状态到产生危险状态再到结束的状态的一个轨迹;
将所有符合测试场景的位置点部署对应测试障碍物,并按照预设的轨迹运行,即可生成需要的测试场景。
本申请实施例中无论在生成测试场景,还是在生成危险度函数的过程中,设置的障碍物(模拟障碍物和测试障碍物)由于是相对被测车辆的,因此,可以包括静态的障碍物,也可以包括动态的障碍物,这些障碍物可以为:路障、车辆、人、自行车等。
只要根据具体的障碍物为其分配对应的真空区域即可,如对车辆、自行车、路障可以根据对应实体的面积设置真空区域,针对人、以及较小的路障也可以作为点处理,即不设置真空区域,即真空区域设置为0即可。
本申请实施例中可以自动生成大量会对无人车行驶产生威胁的测设场景。因为使用了不同密度的网格对无人车周围的空间进行了覆盖,并连续计算不同条件下的场景对无人车的危险度,可以大幅度提高无人车测试场景的覆盖度。
因为使用了TTC和AS结合的危险度计算方式,可以使无人车测试的危险度能够更加清晰、科学的计算,可以生成科学有效的测试场景。
因为对于测试环境中的实体的设置使用了相对状态,所以本发明可以大大降低初始化场景库时的时间复杂度。
因为对场景中实例使用了相对状态设置,并且对不同的实例进行了冲突域的区分,自动生成包括行人、自行车、车辆、路障等实例的大量测试场景。
基于上述实现,本申请实施例中可以提供一种高效、准确地提供合理的测试场景。
在另一个实施例中,还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述拼租用户推荐方法的步骤。
在另一个实施例中,还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时可实现所述拼租用户推荐方法中的步骤。
图8为本发明实施例提供的电子设备的实体结构示意图。如图8所示,该电子设备可以包括:处理器(Processor)810、通信接口(Communications Interface)820、存储器(Memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行如下方法:
获取场景测试需求,以及预设危险度函数;其中,所述危险度函数为根据测试障碍物对被测车辆产生最大危险度时的运行状态拟合的函数;
根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点,并根据危险度函数确定所述位置点对应测试障碍物的运行信息;
根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (8)
1.一种测试场景生成方法,其特征在于,所述方法包括:
获取场景测试需求,以及预设危险度函数;其中,所述危险度函数为根据测试障碍物对被测车辆产生最大危险度时的运行状态拟合的函数;
根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点,并根据危险度函数确定所述位置点对应测试障碍物的运行信息;
根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景;
其中,生成所述预设危险度函数,包括:
以被测车辆为中心,将测试区域按照距离所述被测车辆从近到远划分为真空区域和非真空区域;
在非真空区域中选择拟合点;
遍历所述拟合点,计算所述拟合点布局模拟障碍物时相对于被测车辆的最大危险度,以及对应模拟障碍物的运行信息;
使用所述拟合点布局模拟障碍物在最大危险度时的运行信息拟合危险度函数;
其中,所述遍历所述拟合点,计算所述拟合点布局模拟障碍物时相对于被测车辆的最大危险度,以及对应模拟障碍物的运行信息,包括:
遍历所述拟合点,以所述中心为原点,在横纵坐标的两个方向上设置多组相对速度和相对加速度;
针对每组相对速度和相对加速度根据碰撞时间TTC和躲避范围AS计算危险度;其中,TTC为在对应相对速度和相对加速度下模拟障碍物与被测车辆会碰撞的时间,AS为2π与部署模拟障碍物相对被测车辆的图形面积所占角度的差值;
获取模拟障碍物相对于被测车辆的最大危险度,并确定在危险度最大时对应的相对加速度和相对速度;其中,在确定最大危险度时,为每个模拟障碍物分配真空区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景,包括:
设置所述测试障碍物的运行信息对应的时间点为设定时间点,将所述设定时间点之前第一预设时间对应的时间点设置为起始时间点,将所述设定时间点之后第二预设时间对应的时间点设置为结束时间点;
基于所述设定时间点、所述起始时间点和所述结束时间点,根据所述运行信息生成所述测试障碍物的运行轨迹,组成测试场景。
3.根据权利要求1所述的方法,其特征在于,所述根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点之后,所述根据危险度函数确定所述位置点对应测试障碍物的运行信息之前,所述方法进一步包括:
过滤掉布局测试障碍物时被测车辆无法躲避危险对应的位置点;
过滤掉布局测试障碍物时与被测车辆不会发生碰撞危险的位置点。
4.根据权利要求1所述的方法,其特征在于,所述在非真空区域中选择拟合点,包括:
将所述非真空区域按照距离所述被测车辆从近到远划分为第一区域和第二区域;
在所述第一区域和所述第二区域分别以棋盘格式选择拟合点,其中,在所述第一区域选择拟合点的棋盘格长度小于在所述第二区域选择拟合点的棋盘格长度。
5.根据权利要求4所述的方法,其特征在于,
确定TTC,包括:将所述中心作为XY轴坐标的原点,生成模拟障碍物相对于被测车辆的以时间为变量的位置函数X(t)和Y(t);
确定X2(t)+Y2(t)≤r2是否有解,如果是,确定TTC为最小解t0;否则,确定TTC为无穷大;其中,r为中心点与所述拟合点的连线同真空区域的边缘线的交点与所述中心点之间的距离;所述中心点为所述中心对应的点;
所述据碰撞时间TTC和躲避范围AS计算危险度,包括:
计算危险度为TTC与AS的乘积的倒数。
6.根据权利要求5所述的方法,其特征在于,
在确定AS时,针对第一区域中的模拟障碍物确定AS;
在计算危险度时,若TTC为无穷大,则确定危险度为0;针对第二区域中的测试障碍物AS设置为1。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述测试障碍物包括:路障、车辆、人、自行车;
所述模拟障碍物包括:路障、车辆、人、自行车。
8.一种测试场景生成装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如下步骤:
获取场景测试需求,以及预设危险度函数;其中,所述危险度函数为根据测试障碍物对被测车辆产生最大危险度时的运行状态拟合的函数;
根据所述危险度函数,以及场景测试需求在测试场景中选择布局测试障碍物的位置点,并根据危险度函数确定所述位置点对应测试障碍物的运行信息;
根据所述测试障碍物的运行信息生成所述测试障碍物的运行轨迹,组成测试场景;
其中,生成所述预设危险度函数,包括:
以被测车辆为中心,将测试区域按照距离所述被测车辆从近到远划分为真空区域和非真空区域;
在非真空区域中选择拟合点;
遍历所述拟合点,计算所述拟合点布局模拟障碍物时相对于被测车辆的最大危险度,以及对应模拟障碍物的运行信息;
使用所述拟合点布局模拟障碍物在最大危险度时的运行信息拟合危险度函数;
其中,所述遍历所述拟合点,计算所述拟合点布局模拟障碍物时相对于被测车辆的最大危险度,以及对应模拟障碍物的运行信息,包括:
遍历所述拟合点,以所述中心为原点,在横纵坐标的两个方向上设置多组相对速度和相对加速度;
针对每组相对速度和相对加速度根据碰撞时间TTC和躲避范围AS计算危险度;其中,TTC为在对应相对速度和相对加速度下模拟障碍物与被测车辆会碰撞的时间,AS为2π与部署模拟障碍物相对被测车辆的图形面积所占角度的差值;
获取模拟障碍物相对于被测车辆的最大危险度,并确定在危险度最大时对应的相对加速度和相对速度;其中,在确定最大危险度时,为每个模拟障碍物分配真空区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010047517.1A CN111310302B (zh) | 2020-01-16 | 2020-01-16 | 一种测试场景生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010047517.1A CN111310302B (zh) | 2020-01-16 | 2020-01-16 | 一种测试场景生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111310302A CN111310302A (zh) | 2020-06-19 |
CN111310302B true CN111310302B (zh) | 2022-06-17 |
Family
ID=71148860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010047517.1A Active CN111310302B (zh) | 2020-01-16 | 2020-01-16 | 一种测试场景生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310302B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114112435A (zh) * | 2021-11-29 | 2022-03-01 | 中国公路工程咨询集团有限公司 | 面向智能网联车在环场景导向自适应评价测试方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557904A (zh) * | 2018-12-06 | 2019-04-02 | 百度在线网络技术(北京)有限公司 | 一种测试方法、装置、设备和介质 |
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 |
CN110008577A (zh) * | 2019-04-01 | 2019-07-12 | 清华大学 | 基于最差全局危险度搜索的车辆自动换道功能测评方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT507035B1 (de) * | 2008-07-15 | 2020-07-15 | Airbus Defence & Space Gmbh | System und verfahren zur kollisionsvermeidung |
-
2020
- 2020-01-16 CN CN202010047517.1A patent/CN111310302B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557904A (zh) * | 2018-12-06 | 2019-04-02 | 百度在线网络技术(北京)有限公司 | 一种测试方法、装置、设备和介质 |
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 |
CN110008577A (zh) * | 2019-04-01 | 2019-07-12 | 清华大学 | 基于最差全局危险度搜索的车辆自动换道功能测评方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111310302A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113486531B (zh) | 一种车辆行驶路径规划方法、设备及系统 | |
JP6925796B2 (ja) | 車両を運転する際に当該車両の運転者を支援する方法及びシステム、車両、並びにコンピュータプログラム | |
CN112487617B (zh) | 基于碰撞模型的风险预防方法、装置、设备及存储介质 | |
CN113272838A (zh) | 虚拟场景生成方法、装置、计算机设备和存储介质 | |
CN110047276A (zh) | 障碍物车辆的拥堵状态确定方法、装置和相关产品 | |
JP6850324B2 (ja) | マルチモデルに基づく障害物分布シミュレーション方法、装置、端末及びプログラム | |
CN112345272A (zh) | 一种场景库的自动驾驶仿真测试方法及装置 | |
CN112327806B (zh) | 自动驾驶的测试方法、装置、电子设备和存储介质 | |
CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
JP2021047644A (ja) | 電子制御装置 | |
CN111310302B (zh) | 一种测试场景生成方法和装置 | |
CN115735107A (zh) | 用于提供要测试的交通场景的测试过程的计算机实现的方法 | |
CN116034345A (zh) | 用于测试驾驶员辅助系统的方法和系统 | |
CN115795808A (zh) | 一种自动驾驶决策危险场景生成方法、系统、设备及介质 | |
CN113867367B (zh) | 测试场景的处理方法、装置及计算机程序产品 | |
CN108052893B (zh) | 一种识别远光灯是否开启的方法及设备 | |
US10417358B2 (en) | Method and apparatus of obtaining feature information of simulated agents | |
Kaur et al. | Scenario-based simulation of intelligent driving functions using neural networks | |
KR20190064147A (ko) | 공중촬영 영상을 이용한 차량 행태 분석 시스템 및 이를 이용한 분석 방법 | |
CN111444604B (zh) | 一种虚拟测试场景的检测方法及装置 | |
CN114764392A (zh) | 用于确定交通场景相似度值的计算机实现方法和测试单元 | |
CN117413257A (zh) | 用于测试车辆用司机辅助系统的方法和系统 | |
CN114414259A (zh) | 车辆的防碰撞测试方法、装置、电子设备及存储介质 | |
CN113029155A (zh) | 机器人自动导航方法及装置、电子设备、存储介质 | |
CN113268057A (zh) | 无人驾驶车辆的避障处理方法及装置 |
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 |