CN111444604B - 一种虚拟测试场景的检测方法及装置 - Google Patents
一种虚拟测试场景的检测方法及装置 Download PDFInfo
- Publication number
- CN111444604B CN111444604B CN202010212658.4A CN202010212658A CN111444604B CN 111444604 B CN111444604 B CN 111444604B CN 202010212658 A CN202010212658 A CN 202010212658A CN 111444604 B CN111444604 B CN 111444604B
- Authority
- CN
- China
- Prior art keywords
- host vehicle
- entity
- area
- vehicle
- obstacle
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种虚拟测试场景的检测方法及装置,该方法包括:在待检测虚拟测试场景中确定主车的障碍实体;计算主车与障碍实体的碰撞时间、以及表征主车在碰撞时间内可躲避范围的弧度角;确定与碰撞时间和弧度角相对应的危险度,危险度用于表征待检测虚拟测试场景的合理性。基于本发明,可以检测虚拟测试场景的合理性,从而为虚拟仿真测试提供场景支持。
Description
技术领域
本发明涉及智能网联汽车测试技术领域,更具体地说,涉及一种用于自动生成的虚拟测试场景的检测方法及装置。
背景技术
自动驾驶、智能驾驶和无人车技术已经从设想发展到试验车上路的阶段。而无人车上路后的安全性能在很大程度上取决于实验测试阶段接受测试的数量质量。然而对于无人驾驶测试园区来说,可以提供的测试场景十分有限,因此,随着各种虚拟物理引擎的发展,虚拟仿真测试逐渐成为主流趋势。
对于虚拟仿真测试来说,设计测试环境是十分复杂的,且人为进行测试设计时,所设计测试场景的合理性存疑、且人为设计不可能做到对现实道路状况的完全覆盖,这就需要自动生成大量的覆盖度较高的无人车虚拟测试场景。
因此,如何判定自动生成的虚拟测试场景对于无人车的合理性,成为现阶段亟需解决的问题。
发明内容
有鉴于此,为解决上述问题,本发明提供一种虚拟测试场景的检测方法及装置。技术方案如下:
一种虚拟测试场景的检测方法,所述方法包括:
在待检测虚拟测试场景中确定主车的障碍实体;
计算所述主车与所述障碍实体的碰撞时间、以及表征所述主车在所述碰撞时间内可躲避范围的弧度角;
确定与所述碰撞时间和所述弧度角相对应的危险度,所述危险度用于表征所述待检测虚拟测试场景的合理性。
优选的,所述在待检测虚拟测试场景中确定主车的障碍实体,包括:
确定所述主车在所述待检测虚拟测试场景中的周边空间布局,所述周边空间布局包括由内到外依次排布的冲突域、稠密区和稀疏区,所述主车位于所述冲突域内、且所述冲突域的面积与所述主车的面积相匹配,所述冲突域的面积小于所述稠密区的面积,所述稠密区的面积小于所述稀疏区的面积;
将所述待检测虚拟测试场景中位于所述主车的稠密区内的实体作为所述主车的障碍实体。
优选的,所述计算所述主车与所述障碍实体的碰撞时间,包括:
计算所述主车与所述障碍实体的相对运动信息;
基于所述相对运动信息生成所述主车与所述障碍实体的横向变化函数和纵向变化函数,所述横向变化函数表征横向相对位置与时间的关系,所述纵向变化函数表征纵向相对位置与时间的关系;
通过对所述横向变化函数和所述纵向变化函数设置约束条件计算所述主车与所述障碍实体的碰撞时间。
优选的,所述约束条件与所述主车的冲突域和所述障碍实体的冲突域相匹配,所述主车的冲突域和所述障碍实体的冲突域为预先设置的。
优选的,计算表征所述主车在所述碰撞时间内可躲避范围的弧度角,包括:
计算所述障碍实体相对于所述主车的图形面积所占角度的迭加角度;
将2π与所述迭加角度之差作为表征所述主车在所述碰撞时间内可躲避范围的弧度角。
优选的,还包括:
输出与所述弧度角相对应的所述主车的周边车流密度。
一种虚拟测试场景的检测装置,所述装置包括:
第一确定模块,用于在待检测虚拟测试场景中确定主车的障碍实体;
计算模块,用于计算所述主车与所述障碍实体的碰撞时间、以及表征所述主车在所述碰撞时间内可躲避范围的弧度角;
第二确定模块,用于确定与所述碰撞时间和所述弧度角相对应的危险度,所述危险度用于表征所述待检测虚拟测试场景的合理性。
优选的,所述第一确定模块,具体用于:
确定所述主车在所述待检测虚拟测试场景中的周边空间布局,所述周边空间布局包括由内到外依次排布的冲突域、稠密区和稀疏区,所述主车位于所述冲突域内、且所述冲突域的面积与所述主车的面积相匹配,所述冲突域的面积小于所述稠密区的面积,所述稠密区的面积小于所述稀疏区的面积;将所述待检测虚拟测试场景中位于所述主车的稠密区内的实体作为所述主车的障碍实体。
优选的,用于计算所述主车与所述障碍实体的碰撞时间的所述计算模块,具体用于:
计算所述主车与所述障碍实体的相对运动信息;基于所述相对运动信息生成所述主车与所述障碍实体的横向变化函数和纵向变化函数,所述横向变化函数表征横向相对位置与时间的关系,所述纵向变化函数表征纵向相对位置与时间的关系;通过对所述横向变化函数和所述纵向变化函数设置约束条件计算所述主车与所述障碍实体的碰撞时间。
优选的,用于计算表征所述主车在所述碰撞时间内可躲避范围的弧度角的所述计算模块,具体用于:
计算所述障碍实体相对于所述主车的图形面积所占角度的迭加角度;将2π与所述迭加角度之差作为表征所述主车在所述碰撞时间内可躲避范围的弧度角。
以上本发明提供的虚拟测试场景的检测方法及装置,可以确定主车在待检测虚拟测试场景中的障碍实体,并通过计算主车与障碍实体的碰撞时间和表征主车碰撞时间内可躲避范围的弧度角来确定待检测虚拟测试场景的危险度,以此确定待检测虚拟测试场景的合理性。基于本发明,可以检测虚拟测试场景的合理性,从而为虚拟仿真测试提供场景支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的虚拟测试场景的检测方法的方法流程图;
图2为本申请实施例提供的主车的周边空间布局示意图;
图3为本申请实施例提供的主车坐标系的示意图;
图4为本申请实施例提供的弧度角计算的场景示意图;
图5为本申请实施例提供的虚拟测试场景的检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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,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(车辆、自行车、行人等)的行为充满了不确定性,同时场景中可能还会出现各种路障。如果有实体出现在无人车的运动轨迹上,或是有实体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。
然而,对于无人驾驶测试园区来说,可以提供的测试场景十分有限,如果要增删某个或某几个道路环境或对现有的道路环境进行更改会带来很大的成本,因此测试效果不佳。另外,如果测试中出现事故,其代价会很大。
随着各种虚拟物理引擎的发展,交通模拟仿真环境、车辆虚拟引擎也不断发展,虚拟仿真测试逐渐成为主流趋势。现在主流的车辆虚拟引擎有VTD、Prescan、Panosim等。以Panosim为例,车辆虚拟引擎可以仿真车辆、设置环境、道路、天气并且设计实验。
但对于虚拟仿真测试来说,设计测试环境是十分复杂的,且人为进行测试设计时,所设计测试场景的合理性存疑、且人为设计不可能做到对现实道路状况的完全覆盖,这就需要自动生成大量的覆盖度较高的无人车虚拟测试场景。而如何判定自动生成的虚拟测试场景对于无人车的合理性就成为了亟待解决的问题。本申请认为一个虚拟测试场景的危险度是否符合条件在很大程度上代表了虚拟测试场景的合理性。
当前对于车辆的行驶危险状态识别,主要依赖于机器视觉。而自动生成的虚拟测试场景对于无人车的危险度与在真实情况下车辆行驶时的危险度有一定的区别。这样的区别主要表现在对于交通车辆和无人车间的位置关系等数据无法通过机器视觉等方法获取,因此也就无法将机器视觉应用到自动生成的虚拟测试场景的危险度判定上来。本申请提供的虚拟测试场景的检测方案并不依赖于机器视觉。
为方便理解本申请,以下首先对无人车的危险来源进行说明:
无人车在道路上行驶的过程中,本申请认为危险的来源有两个,一个是外界条件,即其他实体对于本车的威胁程度。第二个是内部条件,无人车在从一个稳态到另一个稳态的过程当中,控制算法的选取或者设计有多大的可能使车辆产生失稳或者发生事故。
无人车的控制算法是根据对外部环境的感知,而产生的对无人车的一些控制指令。在很大程度上,控制算法这类内部因素对于无人车行驶过程中会发生危险的概率的影响也取决于外部条件的威胁程度,所以本申请对于危险度的定义仅仅考虑外部条件对于智能车行驶的影响。而外部条件当中,可以威胁到智能车行驶的实体主要就是同时在行驶的其他车辆。
本申请实施例提供一种虚拟测试场景的检测方法,该方法的方法流程图如图1所示,包括如下步骤:
S10,在待检测虚拟测试场景中确定主车的障碍实体。
本申请实施例中,在待检测虚拟测试场景中的实体对于主车(即被测的无人车)的影响上,距离较远的实体几乎不会影响到主车的躲避选择,而近距离的实体从各方面考虑都会对主车产生一定的影响,所以本申请可以将待检测虚拟测试场景中与主车的相对距离小于预设的距离阈值的实体作为主车的障碍实体,即对主车躲避选择有影响的实体。
在具体实现过程中,步骤S10“在待检测虚拟测试场景中确定主车的障碍实体”可以采用如下步骤:
确定主车在待检测虚拟测试场景中的周边空间布局,周边空间布局包括由内到外依次排布的冲突域、稠密区和稀疏区,主车位于冲突域内、且冲突域的面积与主车的面积相匹配,冲突域的面积小于稠密区的面积,稠密区的面积小于稀疏区的面积;将待检测虚拟测试场景中位于主车的稠密区内的实体作为主车的障碍实体。
本申请实施例中,将待检测虚拟测试场景中除主车外的实体分为位于近距离稠密区和远距离稀疏区的。但是在非常近的距离上,由于主车、除主车外的实体自身有一定的体积,除主车外的实体以车辆为例,主车和该车辆的中心不可能贴在一起,那样两车已经发生碰撞了,所以需要有一段距离的真空的冲突域。待检测虚拟测试场景中主车和其他实体都维护有一个自身的冲突域。
参见图2所示的主车的周边空间布局示意图。将主车的周边空间分为了三个不同区域,由内到外依次排布有冲突域、稠密区和稀疏区。其中,主车的冲突域内不可以摆放其他实体,冲突域的面积与主车的面积接近,稠密区的环带宽度为一到两个主车车身或车道宽度,稀疏区的环带宽度为五到十个主车车身或车道宽度。此外,稠密区的网格或位置点比稀疏区密集很多,呈同心圆或同心矩形由内到外依次摆放,这就可以增大较远距离车辆分布的尝试颗粒,在不影响场景生成效果的前提下减小生成算法的时间复杂性。
需要说明的是,对于不同实体可以设置不同的冲突域,即不同的车辆、自行车、行人、路障等所需要维护的冲突域不同。对于车辆、自行车和较大的路障来说,冲突域可以视为实体的面积,而对于行人和较小的路障来说,可以视为点,不设置冲突域。
S20,计算主车与障碍实体的碰撞时间、以及表征主车在碰撞时间内可躲避范围的弧度角。
本申请实施例中,可以通过主车与障碍实体各自的运动信息来预测两者的碰撞时间,如果障碍实体中有多个实体会与主车发生碰撞,则一一计算主车与障碍实体的碰撞时间,并选择其中最小的碰撞时间作为后续计算的基础。进一步,通过主车与障碍实体各自的运动信息来预测各个障碍实体在上述所选择的碰撞时间下的位置点,基于此确定主车在碰撞时间内可躲避范围。
具体实现过程中,步骤S20中“计算主车与障碍实体的碰撞时间”可以采用如下步骤:
计算主车与障碍实体的相对运动信息;基于相对运动信息生成主车与障碍实体的横向变化函数和纵向变化函数,横向变化函数表征横向相对位置与时间的关系,纵向变化函数表征纵向相对位置与时间的关系;通过对横向变化函数和纵向变化函数设置约束条件计算主车与障碍实体的碰撞时间。
参见图3所示的主车坐标系。本申请实施例中,以主车的中心作为坐标系的原点,以无人车的运动方向作为纵轴正方向、以无人车的运动方向的右侧作为横轴正方向,障碍实体相对于主车在位置、速度和加速度方面的相对运动信息以相对位置(X,Y)、相对速度(Vx,Vy)和相对加速度(Ax,Ay)表示。
进一步,在基于相对位置(x,y)、相对速度(Vx,Vy)和相对加速度(Ax,Ay)生成主车与障碍实体的横向变化函数和纵向变化函数的过程中,由于车辆无法感知到未来障碍实体的运动可能,因此本申请实施例中采用当前时间获得的相对运动信息作为后续分析轨迹上主车是否与障碍实体发生碰撞、以及发生碰撞时对应的碰撞时间计算的基础。
最后,已知障碍实体与主车在当前时间t0下的横向相对位置X(t0)、纵向相对位置Y(t0)、横向相对速度Vx(t0)、纵向相对速度Vy(t0)、横向相对加速度Ax(t0)和纵向相对加速度Ay(t0)。因此,障碍实体与主车的横向相对速度与时间的关系Vx(t)、纵向相对速度与时间的关系Vy(t)分别如以下公式(1)和公式(2)所示:
进一步,障碍实体与主车的横向相对位置与时间的关系、纵向相对位置与时间的关系分别如以下公式(3)和公式(4)所示:
此时,令X(t)=0、Y(t)=0,如果此时有解,则障碍实体与主车会发生碰撞,该解即碰撞时间。
在实际运算中,由于主车与障碍实体均为一定的体积,因此,可以约束条件与主车的冲突域和障碍实体的冲突域相匹配,主车的冲突域和障碍实体的冲突域为预先设置的。也就是说,将X(t)、Y(t)的约束条件设置为与主车的冲突域和障碍实体的冲突域相匹配的一个半径为r的圆内,该半径r的圆能够覆盖主车的冲突域和障碍实体的冲突域。约束条件如以下公式(5)所示:
X2(t)+Y2(t)<=r2 (5)
此时,如公式(4)有最小解、则障碍实体与主车会发生碰撞,该最小解即碰撞时间。
具体实现过程中,步骤S20中“计算表征主车在碰撞时间内可躲避范围的弧度角”可以采用如下步骤:
计算障碍实体相对于主车的图形面积所占角度的迭加角度;将2π与迭加角度之差作为表征主车在碰撞时间内可躲避范围的弧度角。
本申请实施例中,通过主车与障碍实体各自的运动信息来预测各个障碍实体在碰撞时间的位置点,进而按照如下公式(6)计算表征主车在碰撞时间内可躲避范围的弧度角AS:
AS=2π-∑A′i (6)
其中,A′i为第i个障碍物实体相对于主车的图形面积所占角度。图4为弧度角AS计算的场景示意图。
S30,确定与碰撞时间和弧度角相对应的危险度,危险度用于表征待检测虚拟测试场景的合理性。
本申请实施例中,无人车在行驶过程中,其他实体对于无人车的影响主要有两点:第一,其他实体和无人车的行驶轨迹有重合,既可能在一段时间之后发生碰撞。第二,其他实体在空间内的位置可能会使无人车丧失一定的避险选择。因此,本申请中危险度是将主车与障碍实体的碰撞时间和表征主车在碰撞时间内躲避范围的弧度角做一个叠加,可以按照如下公式(7)计算危险度:
DD=1/f(TTC,AS) (7)
其中,DD(DangerousDegree)表示危险度,TTC(TimeToCollision)表示碰撞时间、以秒为单位,AS(AvoidingCollisionSquare)表示表征主车在碰撞时间内躲避范围的弧度角、为角度为单位,f()可以是乘法等运算函数。
此外,在生成危险度较高的虚拟测试场景时,有些场景的危险度虽然特别高,但这些场景对于测试无人车的意义反而不大。比如,某虚拟测试场景中生成了四辆车前后左右紧贴主车,四辆车中任何一个车辆向主车行驶方向变道或者急刹车或者突然加速,主车一定会发生事故,危险度极大,但是由于这种场景出现后主车不可能有任何方法规避风险,因此这种虚拟测试场景的设置是没有意义的。
由于虚拟测试场景一般对应一个时段,因此本申请实施例还可以在生成虚拟测试场景的开始瞬间,采用聚类的方式去除无意义的虚拟测试场景,对生成的虚拟测试场景进行随机抽取,对被抽取到的场景对应的危险度进行K-means聚类,分为3类:分别为危险度过高的、危险度过低的和危险度适当的。由于过高的危险度超出了驾驶员或控制算法的能力极限、过低的危险度没有测试价值,因此去除危险度过高的和过低的虚拟测试场景,最终继续生成危险度适当的虚拟测试场景。
在其他一些实施例中,还可以输出与弧度角相对应的主车的周边车流密度。具体的,可以将弧度角的倒数作为主车的周边车流密度。
此外,本申请实施例中对于危险度的判定是基于主车与障碍实体的碰撞时间、以及表征主车在碰撞时间内可躲避范围的弧度角的。因为在稀疏区的实体不考虑在碰撞时间内可躲避范围,如果不会对碰撞时间产生较大影响,则认为其对主车的危险度并无太大影响,可以认为该主体作为障碍的意义不大。而如果一个实体进入稠密区,则一定会对主车的危险度产生影响,因此对于待检测的虚拟测试场景中的每一个实体都需要考虑其相对于主车的碰撞时间,而只需要考虑稠密区的实体对主车在碰撞时间内可躲避范围的影响。如果有若干实体的冲突域在初始状态有所冲突,可视为该虚拟测试场景无效。
具体的,在步骤S10“在待检测虚拟测试场景中确定主车的障碍实体”中,可以将待检测的虚拟测试场景中的每一个实体作为初始障碍实体,进一步通过计算主车与每个初始障碍实体的碰撞时间,并从中选择一个最小的碰撞时间作为最终确定障碍实体的基础。进一步通过初始障碍实体的运动信息来预测各个初始障碍实体在上述所选择的碰撞时间下的位置点,将位置点位于稠密区的初始障碍实体作为最终的障碍实体。而计算主车与每个初始障碍实体的碰撞时间可以参见步骤S20中“计算主车与障碍实体的碰撞时间”的公开内容。
本发明实施例提供的虚拟测试场景的检测方法,可以确定主车在待检测虚拟测试场景中的障碍实体,并通过计算主车与障碍实体的碰撞时间和表征主车碰撞时间内可躲避范围的弧度角来确定待检测虚拟测试场景的危险度,以此确定待检测虚拟测试场景的合理性。基于本发明,可以检测虚拟测试场景的合理性,从而为虚拟仿真测试提供场景支持。
基于上述实施例提供的虚拟测试场景的检测方法,本发明实施例还提供一种执行上述虚拟测试场景的检测方法的装置,该装置的结构示意图如图5所示,包括:
第一确定模块10,用于在待检测虚拟测试场景中确定主车的障碍实体;
计算模块20,用于计算主车与障碍实体的碰撞时间、以及表征主车在碰撞时间内可躲避范围的弧度角;
第二确定模块30,用于确定与碰撞时间和弧度角相对应的危险度,危险度用于表征待检测虚拟测试场景的合理性。
可选的,第一确定模块10,具体用于:
确定主车在待检测虚拟测试场景中的周边空间布局,周边空间布局包括由内到外依次排布的冲突域、稠密区和稀疏区,主车位于冲突域内、且冲突域的面积与主车的面积相匹配,冲突域的面积小于稠密区的面积,稠密区的面积小于稀疏区的面积;将待检测虚拟测试场景中位于主车的稠密区内的实体作为主车的障碍实体。
可选的,用于计算主车与障碍实体的碰撞时间的计算模块20,具体用于:
计算主车与障碍实体的相对运动信息;基于相对运动信息生成主车与障碍实体的横向变化函数和纵向变化函数,横向变化函数表征横向相对位置与时间的关系,纵向变化函数表征纵向相对位置与时间的关系;通过对横向变化函数和纵向变化函数设置约束条件计算主车与障碍实体的碰撞时间。
可选的,约束条件与主车的冲突域和障碍实体的冲突域相匹配,主车的冲突域和障碍实体的冲突域为预先设置的。
可选的,用于计算表征主车在碰撞时间内可躲避范围的弧度角的计算模块20,具体用于:
计算障碍实体相对于主车的图形面积所占角度的迭加角度;将2π与迭加角度之差作为表征主车在碰撞时间内可躲避范围的弧度角。
可选的,第二确定模块30,还用于:
输出与弧度角相对应的主车的周边车流密度。
本发明提供的虚拟测试场景的检测装置,可以确定主车在待检测虚拟测试场景中的障碍实体,并通过计算主车与障碍实体的碰撞时间和表征主车碰撞时间内可躲避范围的弧度角来确定待检测虚拟测试场景的危险度,以此确定待检测虚拟测试场景的合理性。基于本发明,可以检测虚拟测试场景的合理性,从而为虚拟仿真测试提供场景支持。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统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劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (4)
1.一种虚拟测试场景的检测方法,其特征在于,所述方法包括:
在待检测虚拟测试场景中确定主车的障碍实体;
计算所述主车与所述障碍实体的碰撞时间、以及表征所述主车在所述碰撞时间内可躲避范围的弧度角;
确定与所述碰撞时间和所述弧度角相对应的危险度,所述危险度用于表征所述待检测虚拟测试场景的合理性;
其中,所述在待检测虚拟测试场景中确定主车的障碍实体,包括:
确定所述主车在所述待检测虚拟测试场景中的周边空间布局,所述周边空间布局包括由内到外依次排布的冲突域、稠密区和稀疏区,所述主车位于所述冲突域内、且所述冲突域的面积与所述主车的面积相匹配,所述冲突域的面积小于所述稠密区的面积,所述稠密区的面积小于所述稀疏区的面积;
将所述待检测虚拟测试场景中位于所述主车的稠密区内的实体作为所述主车的障碍实体;
其中,所述计算所述主车与所述障碍实体的碰撞时间,包括:
计算所述主车与所述障碍实体的相对运动信息;
基于所述相对运动信息生成所述主车与所述障碍实体的横向变化函数和纵向变化函数,所述横向变化函数表征横向相对位置与时间的关系,所述纵向变化函数表征纵向相对位置与时间的关系;
通过对所述横向变化函数和所述纵向变化函数设置约束条件计算所述主车与所述障碍实体的碰撞时间;
其中,计算表征所述主车在所述碰撞时间内可躲避范围的弧度角,包括:
计算所述障碍实体相对于所述主车的图形面积所占角度的迭加角度;
将2π与所述迭加角度之差作为表征所述主车在所述碰撞时间内可躲避范围的弧度角。
2.根据权利要求1所述的方法,其特征在于,所述约束条件与所述主车的冲突域和所述障碍实体的冲突域相匹配,所述主车的冲突域和所述障碍实体的冲突域为预先设置的。
3.根据权利要求1所述的方法,其特征在于,还包括:
输出与所述弧度角相对应的所述主车的周边车流密度。
4.一种虚拟测试场景的检测装置,其特征在于,所述装置包括:
第一确定模块,用于在待检测虚拟测试场景中确定主车的障碍实体;
计算模块,用于计算所述主车与所述障碍实体的碰撞时间、以及表征所述主车在所述碰撞时间内可躲避范围的弧度角;
第二确定模块,用于确定与所述碰撞时间和所述弧度角相对应的危险度,所述危险度用于表征所述待检测虚拟测试场景的合理性;
其中,所述第一确定模块,具体用于:
确定所述主车在所述待检测虚拟测试场景中的周边空间布局,所述周边空间布局包括由内到外依次排布的冲突域、稠密区和稀疏区,所述主车位于所述冲突域内、且所述冲突域的面积与所述主车的面积相匹配,所述冲突域的面积小于所述稠密区的面积,所述稠密区的面积小于所述稀疏区的面积;将所述待检测虚拟测试场景中位于所述主车的稠密区内的实体作为所述主车的障碍实体;
其中,用于计算所述主车与所述障碍实体的碰撞时间的所述计算模块,具体用于:
计算所述主车与所述障碍实体的相对运动信息;基于所述相对运动信息生成所述主车与所述障碍实体的横向变化函数和纵向变化函数,所述横向变化函数表征横向相对位置与时间的关系,所述纵向变化函数表征纵向相对位置与时间的关系;通过对所述横向变化函数和所述纵向变化函数设置约束条件计算所述主车与所述障碍实体的碰撞时间;
其中,用于计算表征所述主车在所述碰撞时间内可躲避范围的弧度角的所述计算模块,具体用于:
计算所述障碍实体相对于所述主车的图形面积所占角度的迭加角度;将2π与所述迭加角度之差作为表征所述主车在所述碰撞时间内可躲避范围的弧度角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212658.4A CN111444604B (zh) | 2020-03-24 | 2020-03-24 | 一种虚拟测试场景的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212658.4A CN111444604B (zh) | 2020-03-24 | 2020-03-24 | 一种虚拟测试场景的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111444604A CN111444604A (zh) | 2020-07-24 |
CN111444604B true CN111444604B (zh) | 2023-09-15 |
Family
ID=71629630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010212658.4A Active CN111444604B (zh) | 2020-03-24 | 2020-03-24 | 一种虚拟测试场景的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111444604B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112997128B (zh) * | 2021-04-19 | 2022-08-26 | 华为技术有限公司 | 一种自动驾驶场景的生成方法、装置及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008282097A (ja) * | 2007-05-08 | 2008-11-20 | Toyota Central R&D Labs Inc | 衝突危険度推定装置及びドライバ支援装置 |
EP2138822A2 (de) * | 2008-06-27 | 2009-12-30 | Audi AG | Vorrichtung und Verfahren zum Herbeiführen von kollisionsnahen und kollisionsfreien Situationen zwischen einem Testfahrzeug und einem Kollisionsobjekt und Einrichtung zur Funktionsprüfung eines Fahrerassistenzsystems |
CN108444726A (zh) * | 2017-02-16 | 2018-08-24 | 上海汽车集团股份有限公司 | 车辆测试系统 |
CN109249930A (zh) * | 2018-08-10 | 2019-01-22 | 重庆大数据研究院有限公司 | 一种智能车碰撞安全预测方法 |
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 |
CN110795818A (zh) * | 2019-09-12 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015040634A2 (en) * | 2013-09-18 | 2015-03-26 | Muthukumar Prasad | Smart active adaptive autonomous short distance manoeuvring & directional warning system with optimal acceleration for avoiding or mitigating imminent & inevitable side impact and rear end collision |
-
2020
- 2020-03-24 CN CN202010212658.4A patent/CN111444604B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008282097A (ja) * | 2007-05-08 | 2008-11-20 | Toyota Central R&D Labs Inc | 衝突危険度推定装置及びドライバ支援装置 |
EP2138822A2 (de) * | 2008-06-27 | 2009-12-30 | Audi AG | Vorrichtung und Verfahren zum Herbeiführen von kollisionsnahen und kollisionsfreien Situationen zwischen einem Testfahrzeug und einem Kollisionsobjekt und Einrichtung zur Funktionsprüfung eines Fahrerassistenzsystems |
CN108444726A (zh) * | 2017-02-16 | 2018-08-24 | 上海汽车集团股份有限公司 | 车辆测试系统 |
CN109249930A (zh) * | 2018-08-10 | 2019-01-22 | 重庆大数据研究院有限公司 | 一种智能车碰撞安全预测方法 |
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 |
CN110795818A (zh) * | 2019-09-12 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
谢春荣 ; 万华森 ; 熊坚 ; .基于驾驶模拟器的危险场景设计研究.交通与计算机.2008,(03),全文. * |
郑磊 ; 刘涛 ; 王宇 ; 蒋鑫 ; 王新竹 ; .智能车场景建模及仿真.汽车技术.2018,(10),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111444604A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10896122B2 (en) | Using divergence to conduct log-based simulations | |
Shirazi et al. | Looking at intersections: a survey of intersection monitoring, behavior and safety analysis of recent studies | |
JP2018152056A (ja) | 視界に制限のある交差点への接近のためのリスクベースの運転者支援 | |
US20180120857A1 (en) | Road sign recognition | |
CN112106124A (zh) | 用于使用v2x和传感器数据的系统和方法 | |
Belbachir et al. | Simulation-driven validation of advanced driving-assistance systems | |
CN113724520B (zh) | 车路协同信息处理方法、装置、电子设备以及存储介质 | |
Noh et al. | Risk assessment for automatic lane change maneuvers on highways | |
CN111932881A (zh) | 交通路口管理方法、装置、终端设备及存储介质 | |
CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
CN113034970A (zh) | 安全性系统、自动化驾驶系统及其方法 | |
CN116390879A (zh) | 用于避免即将发生的碰撞的系统和方法 | |
CN116872921A (zh) | 一种车辆规避风险方法、系统、车辆及存储介质 | |
US11727694B2 (en) | System and method for automatic assessment of comparative negligence for one or more vehicles involved in an accident | |
CN111444604B (zh) | 一种虚拟测试场景的检测方法及装置 | |
CN113428160B (zh) | 危险场景的预测方法、装置、系统、电子设备及存储介质 | |
CN114834443A (zh) | 车辆控制的方法、装置、控制器和智能汽车 | |
CN113511215A (zh) | 一种混合自动驾驶决策方法、设备及计算机存储介质 | |
CN112590778B (zh) | 车辆控制的方法、装置、控制器和智能汽车 | |
CN117413257A (zh) | 用于测试车辆用司机辅助系统的方法和系统 | |
CN114348014A (zh) | 车道偏离预警方法、装置、车辆和介质 | |
CN113029155A (zh) | 机器人自动导航方法及装置、电子设备、存储介质 | |
CN114692289A (zh) | 自动驾驶算法测试方法及相关设备 | |
Kakade et al. | Autonomous Highway Overtaking | |
CN111310302A (zh) | 一种测试场景生成方法和装置 |
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 |