CN111563046A - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN111563046A CN111563046A CN202010413231.0A CN202010413231A CN111563046A CN 111563046 A CN111563046 A CN 111563046A CN 202010413231 A CN202010413231 A CN 202010413231A CN 111563046 A CN111563046 A CN 111563046A
- Authority
- CN
- China
- Prior art keywords
- information
- perception
- algorithm
- decision planning
- evaluation information
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3604—Software analysis for verifying properties of programs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了用于生成信息的方法和装置,涉及自动驾驶领域。具体实现方案为:基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息;响应于确定上述虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息;基于上述目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度,其中,感知效果异常信息是基于障碍物信息生成的;基于所确定的置信度,生成决策规划算法的决策规划评价信息。该实现方案提高了所生成信息的准确性。
Description
技术领域
本公开实施例涉及计算机技术领域,具体涉及自动驾驶技术。
背景技术
自动驾驶汽车又称无人驾驶汽车,是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车依靠人工智能、计算机视觉、雷达、全球定位系统及高精地图等技术,能够自动获取车辆周围的环境信息并进行决策和路径规划,从而实现完全不依赖人类操作的自动驾驶。针对自动驾驶系统系统进行测试是确保自动驾驶汽车安全的重要环节。
自动驾驶系统中各模块之前具有上下游关系。下游模块可以对上游模块的输出结果进行进一步的分析,最终实现对自动驾驶车辆的控制。现阶段,在对各模块对应算法进行评价时,往往各模块之间相对独立,无法整体上关联上下游模块效果。例如,当下游模块发生问题时不能确定问题是上游模块引起的,还是下游模块自身问题引起的。
发明内容
本公开提供了一种用于生成信息的方法和装置。
根据本公开的第一方面,提供了一种用于生成信息的方法,该方法包括:基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息;响应于确定上述虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息;基于上述目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度,其中,感知效果异常信息是基于障碍物信息生成的;基于所确定的置信度,生成决策规划算法的决策规划评价信息。
根据本公开的第二方面,提供了一种用于生成信息的装置,该装置包括:处理单元,被配置成基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息;第一确定单元,被配置成响应于确定上述虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息;第二确定单元,被配置成基于上述目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度,其中,感知效果异常信息是基于障碍物信息生成的;生成单元,被配置成基于所确定的置信度,生成决策规划算法的决策规划评价信息。
根据本公开的第三方面,提供了一种电子设备,其特征在于,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行如第一方面中任一项上述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,上述计算机指令用于使上述计算机执行如第一方面中任一项上述的方法。
根据本申请的技术在虚拟车辆发生行驶问题时,首先基于目标障碍物信息对应的感知效果异常信息确定因决策规划算法导致行驶问题的置信度,而后再基于所确定的置信度生成决策规划算法的决策规划评价信息,从而减少了由于感知算法的感知异常对决策规划算法的评价的影响,即减少上游模块出现问题对下游模块评价的影响,从而使生成的信息更加准确。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请的用于生成信息的方法的一个实施例的流程图;
图2是根据本申请的用于生成信息的方法的一个应用场景的示意图;
图3是根据本申请的用于生成信息的方法的又一个实施例的流程图;
图4是根据本申请的用于生成信息的装置的一个实施例的结构示意图;
图5是用来实现本申请实施例的用于生成信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了根据本公开的用于生成信息的方法的一个实施例的流程100。该用于生成信息的方法包括:
S101,基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息。
在本实施例中,用于生成信息的方法的执行主体内可以设置有自动驾驶仿真平台。自动驾驶仿真平台可以通过软件来模拟自动驾驶车辆以及自动驾驶车辆所在的环境。这里,通过软件模拟的自动驾驶车辆即为虚拟车辆,通过软件模拟的环境即为虚拟环境。举例来说,自动驾驶仿真平台可以访问与自动驾驶车辆相关的各种数据,例如,真实自动驾驶车辆的车载传感器采集的数据,来模拟自动驾驶车辆和自动驾驶车辆所在的环境。自动驾驶仿真平台还可以运行自动驾驶车辆的相关算法。例如,定位算法、感知算法、决策规划算法等等。这样,执行主体可以基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息。
这里,感知算法可以用于根据各类车载传感器采集的道路信息进行障碍物识别,得到障碍物信息。其中,车载传感器可以包括但不限于:图像传感器、点云数据传感器、定位数据传感器等等。障碍物信息可以包括与障碍物相关的各种信息,包括但不限于:障碍物位置、障碍物类别、障碍物大小、障碍物移动速度、障碍物移动方向等等。作为示例,感知算法可以对真实自动驾驶车辆行驶过程中车载传感器所采集的多帧真实道路信息进行分析处理,得到针对各帧真实道路信息的障碍物信息。
这里,决策规划算法可以用于根据感知算法输出的障碍物信息生成用于对虚拟车辆进行车辆控制的车辆控制信息。作为示例,决策规划算法可以实现多种功能。举例来说,决策规划算法首先可以进行全局路径规划,比如,在收到一个目的地信息后,结合高精度地图和本车当前的位置,生成一条全局路径,作为后续局部路径规划的参考和引导。之后,可以进行行为决策,比如,在得到全局路径后,可以根据环境信息(例如,障碍物信息、道路交通标识、红绿灯信息等),以及本车当前的行驶路径等信息,做出具体的行为决策,如,变道超车、跟车行驶、让行、停车等等。最后,可以进行运动规划,比如,根据具体的行为决策,生成车辆控制信息,这里,车辆控制信息可以是一系列控制信号(例如,加速度、方向盘转角、档位、灯光等等),实现车辆的自动行驶。
S102,响应于确定虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息。
在本实施例中,执行主体可以检测虚拟车辆行驶中是否发生预设的行驶问题。举例来说,预设的行驶问题可以包括紧急刹车、与障碍物碰撞、变道卡滞等等。这里,紧急刹车可以是指在预设时间段内车辆速度变化超过预设的速度变化阈值。与障碍物碰撞可以是指虚拟车辆与虚拟环境中的障碍物的位置出现交叠。变道卡滞可以是指虚拟车辆在变道时出现停顿,如,预设时间段内停止不动。如果确定虚拟车辆行驶中发生预设的行驶问题,则执行主体可以确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息。
实践中,执行主体可以按障碍物信息生成时所使用的真实道路信息的采集顺序将所生成的障碍物信息进行排序。虚拟车辆行驶时,将排序后的障碍物信息依次输入到决策规划算法,由决策规划算法依据接收的障碍物信息生成车辆控制信息,以控制车辆行驶。因此,当确定发生行驶问题时,可以确定导致发生问题的车辆控制信息生成时所依据的障碍物信息。
S103,基于目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度。
在本实施例中,对于感知算法生成的障碍物信息,执行主体可以首先判断障碍物信息对应的感知效果异常信息。这里,感知效果异常信息可以用于描述障碍物信息的感知是否出现异常,以及出现异常的障碍物信息的感知效果异常类型。感知效果异常信息可以是基于障碍物信息生成的,例如,可以是基于相邻的两个或多个采集时刻采集的两组或多组真实道路数据所识别出的障碍物信息生成的。
作为示例,障碍物信息的感知效果异常类型可以包括但不限于:1)障碍物速度方向突变。障碍物速度方向突变可以是指同一障碍物的速度方向短时间内(例如,在小于预设的时间内)出现较大改变(如,改变角度超过预设角度阈值),例如,前车的速度方向突然从正向变成了反向,又例如,侧方车辆的速度方向突然从正向变成了朝向自动驾驶车辆所在车道等等。2)障碍物速度大小突变。障碍物速度大小突变可以是指同一障碍物(例如,前方车辆或者侧方车辆)的大小短时间内出现较大改变。3)障碍物多边形轮廓突变。障碍物多边形轮廓突变可以是指同一障碍物对应的多边形轮廓在短时间内出现较大改变。4)障碍物多边形轮廓凸点突变。障碍物多边形轮廓凸点突变可以是指障碍物多边形轮廓的凸点朝虚拟车辆方向延伸突变。5)虚假障碍物闪现,虚假障碍物闪现可以是指突然出现,之后也没有再出现的障碍物,这种障碍物可能是误检的障碍物,例如,由于信号噪声导致的出现的障碍物。6)预设距离内虚假障碍物闪现,可以是指距离虚拟车辆预设范围内突然出现,之后都没有再出现的障碍物。7)障碍物类别突变,可以是指同一障碍物的类别突然发生变化。8)障碍物追踪标识突变,可以是指同一障碍物的标识突然发生变化。9)障碍物分割错误,可以包括障碍物的过分割和障碍物的欠分割。
之后,执行主体可以根据目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度。举例来说,置信度可以是0到1之间数值,置信度越大,表明行驶问题是因决策规划算法导致的可能越大。作为一个示例,如果根据目标障碍物信息对应的感知效果异常信息确定目标障碍物信息的感知没有出现异常,则表明行驶问题是因决策规划算法导致的,因此,可以将置信度设置为最大。作为另一个示例,如果确定目标障碍物信息的感知出现异常,则可以根据目标障碍物信息的感知效果异常类型确定置信度的数值。举例来说,执行主体内可以预先设置有感知效果异常类型与置信度的数值的对应关系。该对应关系可以根据历史经验人为设定的。
S104,基于所确定的置信度,生成决策规划算法的决策规划评价信息。
在本实施例中,执行主体可以根据因决策规划算法导致行驶问题的置信度,生成决策规划算法的决策规划评价信息。这里,决策规划评价信息可以用于评价决策规划算法效果的好坏。决策规划评价信息可以是根据因决策规划算法导致行驶问题的置信度确定的各种统计信息。举例来说,对于多个行驶问题,可以得到多个置信度,可以将多个置信度求和后再除以虚拟车辆行驶的距离,从而统计得到每预设距离内出现行驶问题的概率,并将统计得到的概率作为决策规划评价信息。
在本实施例的一些可选的实现方式中,上述S104还可以具体如下进行:基于行驶问题所属的类型和所对应的置信度,确定决策规划算法针对各类型的行驶问题的决策规划评价信息。
在本实现方式中,执行主体可以确定行驶问题的类型。举例来说,行驶问题的类型可以包括但不限于:紧急刹车、与障碍物碰撞、变道卡滞等等。之后,执行主体可以根据行驶问题所属的类型和所对应的置信度,确定决策规划算法针对各类型的行驶问题的决策规划评价信息。举例来说,对于类型紧急刹车,执行主体首先可以确定类型为紧急刹车的行驶问题对应的置信度的和,再除以虚拟车辆行驶的距离,从而统计得到每预设距离内出现类型为紧急刹车的行驶问题的概率,并将统计得到的概率作为针对类型为紧急刹车的行驶问题的决策规划评价信息。通过本实现方式,可以生成各类型的行驶问题的决策规划评价信息,从而确定决策规划算法针对不同类型的行驶问题的表现优劣。
在本实施例的一些可选的实现方式中,上述用于生成信息的方法还可以包括图1中未示出的以下内容:
首先,基于不同版本的决策规划算法,生成针对不同版本的决策规划评价信息。
在实现方式中,执行主体内部可以存储有不同版本的决策规划算法。执行主体可以基于S101~S104分别生成针对不同版本的决策规划评价信息。
然后,将针对不同版本的决策规划评价信息进行展示。
在本实现方式中,执行主体可以将针对不同版本的决策规划评价信息进行展示,以供测试人员进行查看。通过本实现方式可以展示不同版本的决策规划算法的决策规划评价信息,提高了信息展示的丰富程度,有利于对比不同版本的决策规划算法之间的效果差异。
继续参见图2,图2是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图2的应用场景中,执行主体首先基于决策规划算法对感知算法生成的障碍物信息处进行处理,得到用于控制虚拟车辆201行驶的车辆控制信息。之后,响应于确定虚拟车辆201行驶中发生多次紧急刹车,针对每一次紧急刹车,执行主体可以确定导致紧急刹车发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息,举例来说,针对某一次紧急刹车确定的目标障碍物信息包括障碍物1、障碍物2和障碍物3的障碍物信息。然后,基于目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致紧急刹车的置信度。最后,基于多次紧急刹车所确定的置信度,生成决策规划算法的决策规划评价信息。
本公开的上述实施例提供的方法在虚拟车辆发生行驶问题时,首先基于目标障碍物信息对应的感知效果异常信息确定因决策规划算法导致行驶问题的置信度,而后再基于所确定的置信度生成决策规划算法的决策规划评价信息,从而减少了由于感知算法的感知异常对决策规划算法的评价的影响,即减少上游模块出现问题对下游模块评价的影响,从而使生成的信息更加准确。
进一步参考图3,其示出了用于生成信息的方法的又一个实施例的流程图300。该用于生成信息的方法的流程300,包括以下步骤:
S301,基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息。
在本实施例中,S301与图1所示实施例的S101类似,此处不再赘述。
S302,响应于确定虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息。
在本实施例中,S302与图1所示实施例的S102类似,此处不再赘述。
S303,基于目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度。
在本实施例中,S303与图1所示实施例的S103类似,此处不再赘述。
S304,基于所确定的置信度,生成决策规划算法的决策规划评价信息。
在本实施例中,S304与图1所示实施例的S104类似,此处不再赘述。
S305,根据感知效果异常信息,生成感知算法的感知评价信息。
在本实施例中,感知算法生成障碍物信息之后,执行主体可以基于障碍物信息和预设的规则确定感知效果异常信息。之后,执行主体还可以根据障碍物信息的感知效果异常信息,生成感知算法的感知评价信息。举例来说,执行主体可以根据感知效果异常信息判断感知算法生成的障碍物信息中,哪些障碍物信息出现了感知异常。而后,执行主体可以对出现感知异常的障碍物信息进行统计分析,例如,统计感知异常的障碍物信息的数量,又例如,统计感知异常的障碍物信息的数量占障碍物信息的总数量的百分比。最后,可以将统计分析结果作为感知算法的感知评价信息。
在本实施例的一些可选的实现方式中,感知效果异常信息可以包括感知效果异常类型。以及上述S305可以具体如下进行:基于感知效果异常信息的感知效果异常类型,确定感知算法针对不同感知效果异常类型的感知评价信息。
在本实现方式中,感知效果异常信息可以包括感知效果异常类型。举例来说,感知效果异常类型可以包括但不限于以下至少一种:障碍物速度方向突变、障碍物速度大小突变、障碍物多边形轮廓突变、障碍物多边形轮廓凸点突变、虚假障碍物闪现、预设距离内虚假障碍物闪现、障碍物类别突变等等。执行主体可以根据感知效果异常信息的感知效果异常类型,确定感知算法针对不同感知效果异常类型的感知评价信息。以感知效果异常类型为虚假障碍物闪现为例,执行主体首先可以统计感知效果异常类型为虚假障碍物闪现的感知效果异常信息的数量,之后,再除以障碍物信息的总数量,从而得到感知算法出现虚假障碍物闪现这种类型的感知效果异常的概率,并将得到概率作为针对虚假障碍物闪现的感知评价信息。通过本实现方式,可以生成针对不同感知效果异常的感知评价信息,从而确定感知算法针对不同类型的感知效果异常的表现优劣。
S306,根据感知算法的感知评价信息和决策规划算法的决策规划评价信息,确定感知评价信息和决策规划评价信息之间的关联关系。
在本实施例中,执行主体可以根据感知算法的感知评价信息和决策规划算法的决策规划评价信息,确定感知评价信息和决策规划评价信息之间的关联关系。举例来说,执行主体可以采用相关分析方法对感知评价信息和决策规划评价信息进行相关分析,从而确定感知评价信息和决策规划评价信息之间的关联关系。实践中,如果感知算法生成的障碍物信息出现异常,则可能会影响决策规划算法,使决策规划算法生成的车辆控制信息出现错误。例如,感知算法生成虚假障碍物的障碍物信息的频率增高,则会导致决策规划算法生成的用于紧急刹车的车辆控制信息增多,也就是说,虚假障碍物的出现频率与紧急刹车之间存在一定的关联关系。实际使用中,当确定感知评价信息和决策规划评价信息之间的关联关系之后,可以通过各种方式利用该关联关系。例如,可以根据关联关系和决策规划评价信息验证感知评价信息的可信度。
在本实施例的一些可选的实现方式中,上述用于生成信息的方法还可以包括图3中未示出的以下内容:
首先,基于不同版本的感知算法,生成针对不同版本的感知评价信息。
在本实现方式中,执行主体内部可以存储有不同版本的感知算法。执行主体可以基于S305分别生成针对不同版本的感知算法的感知评价信息。
然后,将针对不同版本的感知评价信息进行展示。
在本实现方式中,执行主体可以将针对不同版本的感知评价信息进行展示,以供测试人员进行查看。通过本实现方式可以展示不同版本的感知算法的感知评价信息,提高了信息展示的丰富程度,有利于对比不同版本的感知算法之间的效果差异。
从图3中可以看出,与图1对应的实施例相比,本实施例的用于生成信息的方法的流程300突出了确定感知评价信息和决策规划评价信息之间关联关系的步骤。由此,本实施例描述的方法还可以使生成的信息更加丰富。
进一步参考图4,作为对上述各图所示方法的实现。本公开提供了一种用于生成信息的装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的用于生成信息的装置400包括:处理单元401、第一确定单元402、第二确定单元403和生成单元404。其中,处理单元401被配置成基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息;第一确定单元402被配置成响应于确定上述虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息;第二确定单元403被配置成基于上述目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度,其中,感知效果异常信息是基于障碍物信息生成的;生成单元404被配置成基于所确定的置信度,生成决策规划算法的决策规划评价信息。
在本实施例的一些可选的实现方式中,上述装置400还包括:第一信息生成单元(图中未示出),被配置成根据感知效果异常信息,生成感知算法的感知评价信息;关系确定单元(图中未示出),被配置成根据感知算法的感知评价信息和决策规划算法的决策规划评价信息,确定感知评价信息和决策规划评价信息之间的关联关系。
在本实施例的一些可选的实现方式中,上述装置400还包括:第二信息生成单元(图中未示出),被配置成基于不同版本的感知算法,生成针对不同版本的感知评价信息;第一展示单元(图中未示出),被配置成将针对不同版本的感知评价信息进行展示。
在本实施例的一些可选的实现方式中,感知效果异常信息包括感知效果异常类型;以及上述第一信息生成单元进一步被配置成:基于感知效果异常信息的感知效果异常类型,确定感知算法针对不同感知效果异常类型的感知评价信息。
在本实施例的一些可选的实现方式中,上述装置400还包括:第三信息生成单元(图中未示出),被配置成基于不同版本的决策规划算法,生成针对不同版本的决策规划评价信息;第二展示信息(图中未示出),被配置成将针对不同版本的决策规划评价信息进行展示。
在本实施例的一些可选的实现方式中,上述生成单元404进一步被配置成:基于行驶问题所属的类型和所对应的置信度,确定决策规划算法针对各类型的行驶问题的决策规划评价信息。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的用于生成信息的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的用于生成信息的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于生成信息的方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于生成信息的方法对应的程序指令/模块(例如,附图4所示的处理单元401、第一确定单元402、第二确定单元403和生成单元404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于生成信息的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于生成信息的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至用于生成信息的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于生成信息的方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与用于生成信息的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在虚拟车辆发生行驶问题时,首先基于目标障碍物信息对应的感知效果异常信息确定因决策规划算法导致行驶问题的置信度,而后再基于所确定的置信度生成决策规划算法的决策规划评价信息,从而减少了由于感知算法的感知异常对决策规划算法的评价的影响,即减少上游模块出现问题对下游模块评价的影响,从而使生成的信息更加准确。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种用于生成信息的方法,包括:
基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息;
响应于确定所述虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息;
基于所述目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度,其中,感知效果异常信息是基于障碍物信息生成的;
基于所确定的置信度,生成决策规划算法的决策规划评价信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
根据感知效果异常信息,生成感知算法的感知评价信息;
根据感知算法的感知评价信息和决策规划算法的决策规划评价信息,确定感知评价信息和决策规划评价信息之间的关联关系。
3.根据权利要求2所述的方法,其中,所述方法还包括:
基于不同版本的感知算法,生成针对不同版本的感知评价信息;
将针对不同版本的感知评价信息进行展示。
4.根据权利要求2所述的方法,其中,感知效果异常信息包括感知效果异常类型;以及
所述根据感知效果异常信息,生成感知算法的感知评价信息,包括:
基于感知效果异常信息的感知效果异常类型,确定感知算法针对不同感知效果异常类型的感知评价信息。
5.根据权利要求1所述的方法,其中,所述方法还包括:
基于不同版本的决策规划算法,生成针对不同版本的决策规划评价信息;
将针对不同版本的决策规划评价信息进行展示。
6.根据权利要求1所述的方法,其中,所述基于所确定的置信度,生成决策规划算法的决策规划评价信息,包括:
基于行驶问题所属的类型和所对应的置信度,确定决策规划算法针对各类型的行驶问题的决策规划评价信息。
7.一种用于生成信息的装置,包括:
处理单元,被配置成基于决策规划算法对感知算法生成的障碍物信息进行处理,得到用于控制虚拟车辆行驶的车辆控制信息;
第一确定单元,被配置成响应于确定所述虚拟车辆行驶中发生预设的行驶问题,确定导致行驶问题发生的车辆控制信息生成时所依据的障碍物信息为目标障碍物信息;
第二确定单元,被配置成基于所述目标障碍物信息对应的感知效果异常信息,确定因决策规划算法导致行驶问题的置信度,其中,感知效果异常信息是基于障碍物信息生成的;
生成单元,被配置成基于所确定的置信度,生成决策规划算法的决策规划评价信息。
8.根据权利要求7所述的装置,其中,所述装置还包括:
第一信息生成单元,被配置成根据感知效果异常信息,生成感知算法的感知评价信息;
关系确定单元,被配置成根据感知算法的感知评价信息和决策规划算法的决策规划评价信息,确定感知评价信息和决策规划评价信息之间的关联关系。
9.根据权利要求8所述的装置,其中,所述装置还包括:
第二信息生成单元,被配置成基于不同版本的感知算法,生成针对不同版本的感知评价信息;
第一展示单元,被配置成将针对不同版本的感知评价信息进行展示。
10.根据权利要求8所述的装置,其中,感知效果异常信息包括感知效果异常类型;以及
所述第一信息生成单元进一步被配置成:
基于感知效果异常信息的感知效果异常类型,确定感知算法针对不同感知效果异常类型的感知评价信息。
11.根据权利要求7所述的装置,其中,所述装置还包括:
第三信息生成单元,被配置成基于不同版本的决策规划算法,生成针对不同版本的决策规划评价信息;
第二展示信息,被配置成将针对不同版本的决策规划评价信息进行展示。
12.根据权利要求7所述的方法,其中,所述生成单元进一步被配置成:
基于行驶问题所属的类型和所对应的置信度,确定决策规划算法针对各类型的行驶问题的决策规划评价信息。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413231.0A CN111563046B (zh) | 2020-05-15 | 2020-05-15 | 用于生成信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413231.0A CN111563046B (zh) | 2020-05-15 | 2020-05-15 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111563046A true CN111563046A (zh) | 2020-08-21 |
CN111563046B CN111563046B (zh) | 2023-07-18 |
Family
ID=72074756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010413231.0A Active CN111563046B (zh) | 2020-05-15 | 2020-05-15 | 用于生成信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563046B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112540365A (zh) * | 2020-12-10 | 2021-03-23 | 中国第一汽车股份有限公司 | 一种评估方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150112571A1 (en) * | 2013-10-22 | 2015-04-23 | Honda Research Institute Europe Gmbh | Composite confidence estimation for predictive driver assistant systems |
US20160167226A1 (en) * | 2014-12-16 | 2016-06-16 | Irobot Corporation | Systems and Methods for Capturing Images and Annotating the Captured Images with Information |
CN105788330A (zh) * | 2016-04-29 | 2016-07-20 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的实时路况预警方法和装置 |
US20170068506A1 (en) * | 2015-09-03 | 2017-03-09 | Shure Acquisition Holdings, Inc. | Soft decision audio decoding system |
US9632502B1 (en) * | 2015-11-04 | 2017-04-25 | Zoox, Inc. | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions |
US20180011485A1 (en) * | 2016-07-07 | 2018-01-11 | Applied Minds, Llc | Systems and methods for centralized control of autonomous vehicles |
US10074279B1 (en) * | 2017-03-07 | 2018-09-11 | Denso International America, Inc. | Inference-aware motion planning |
CN108583578A (zh) * | 2018-04-26 | 2018-09-28 | 北京领骏科技有限公司 | 用于自动驾驶车辆的基于多目标决策矩阵的车道决策方法 |
CN110364009A (zh) * | 2019-07-16 | 2019-10-22 | 华人运通(上海)自动驾驶科技有限公司 | 基于路侧设备的行驶规划方法、装置、路侧设备和存储介质 |
CN110843771A (zh) * | 2019-10-17 | 2020-02-28 | 北京百度网讯科技有限公司 | 障碍物识别方法、装置、电子设备及存储介质 |
-
2020
- 2020-05-15 CN CN202010413231.0A patent/CN111563046B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150112571A1 (en) * | 2013-10-22 | 2015-04-23 | Honda Research Institute Europe Gmbh | Composite confidence estimation for predictive driver assistant systems |
US20160167226A1 (en) * | 2014-12-16 | 2016-06-16 | Irobot Corporation | Systems and Methods for Capturing Images and Annotating the Captured Images with Information |
US20170068506A1 (en) * | 2015-09-03 | 2017-03-09 | Shure Acquisition Holdings, Inc. | Soft decision audio decoding system |
US9632502B1 (en) * | 2015-11-04 | 2017-04-25 | Zoox, Inc. | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions |
CN105788330A (zh) * | 2016-04-29 | 2016-07-20 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的实时路况预警方法和装置 |
US20180011485A1 (en) * | 2016-07-07 | 2018-01-11 | Applied Minds, Llc | Systems and methods for centralized control of autonomous vehicles |
US10074279B1 (en) * | 2017-03-07 | 2018-09-11 | Denso International America, Inc. | Inference-aware motion planning |
CN108583578A (zh) * | 2018-04-26 | 2018-09-28 | 北京领骏科技有限公司 | 用于自动驾驶车辆的基于多目标决策矩阵的车道决策方法 |
CN110364009A (zh) * | 2019-07-16 | 2019-10-22 | 华人运通(上海)自动驾驶科技有限公司 | 基于路侧设备的行驶规划方法、装置、路侧设备和存储介质 |
CN110843771A (zh) * | 2019-10-17 | 2020-02-28 | 北京百度网讯科技有限公司 | 障碍物识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
JESSICAVAN BRUMMELEN: "Autonomous vehicle perception: The technology of today and tomorrow", 《TRANSPORTATION RESEARCH PART C: EMERGING TECHNOLOGIES》 * |
JESSICAVAN BRUMMELEN: "Autonomous vehicle perception: The technology of today and tomorrow", 《TRANSPORTATION RESEARCH PART C: EMERGING TECHNOLOGIES》, vol. 89, 30 April 2018 (2018-04-30), pages 384 - 406, XP085364303, DOI: 10.1016/j.trc.2018.02.012 * |
武历颖: "无人驾驶汽车环境信息提取及运动决策方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
武历颖: "无人驾驶汽车环境信息提取及运动决策方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, no. 5, 15 July 2017 (2017-07-15), pages 035 - 4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112540365A (zh) * | 2020-12-10 | 2021-03-23 | 中国第一汽车股份有限公司 | 一种评估方法、装置、设备及存储介质 |
CN112540365B (zh) * | 2020-12-10 | 2022-07-12 | 中国第一汽车股份有限公司 | 一种评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111563046B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111122175B (zh) | 测试自动驾驶系统的方法以及装置 | |
CN111625950B (zh) | 自动驾驶仿真场景重建方法、装置、设备和介质 | |
CN111273268B (zh) | 自动驾驶障碍物类型的识别方法、装置及电子设备 | |
CN111680362B (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
CN111739344B (zh) | 一种预警方法、装置及电子设备 | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
CN113408141A (zh) | 一种自动驾驶测试方法、装置及电子设备 | |
CN113370911B (zh) | 车载传感器的位姿调整方法、装置、设备和介质 | |
CN114415628A (zh) | 自动驾驶测试方法及装置、电子设备和存储介质 | |
CN111783536A (zh) | 变道合理性评估方法、装置、设备以及存储介质 | |
CN113635912B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
CN111982144B (zh) | 导航方法、装置、电子设备及计算机可读介质 | |
CN111361560B (zh) | 自动驾驶中控制车辆行驶的方法、装置、电子设备 | |
CN115221722A (zh) | 自动驾驶车辆的仿真测试方法、模型训练方法和设备 | |
CN112859829B (zh) | 一种车辆控制方法、装置、电子设备和介质 | |
CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN111563046B (zh) | 用于生成信息的方法和装置 | |
CN111724598B (zh) | 用于自动驾驶规划路径的方法、装置、设备以及存储介质 | |
CN111681417B (zh) | 交通路口渠化调整方法和装置 | |
CN111597707B (zh) | 仿真场景的处理方法、装置、设备以及存储介质 | |
CN111231952B (zh) | 车辆控制方法、装置及设备 | |
CN111731240A (zh) | 急刹车合理性评估方法、装置、设备以及存储介质 | |
CN111814724A (zh) | 车道数的识别方法、装置、设备及存储介质 | |
CN112213117B (zh) | 一种车辆测试的方法、装置、设备以及存储介质 | |
CN115214722A (zh) | 自动驾驶方法、装置、电子设备、存储介质及车辆 |
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 |