CN111580493B - 一种自动驾驶仿真方法、系统及介质 - Google Patents

Abstract

本申请公开一种自动驾驶仿真方法、系统及介质，利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据；基于时间戳对仿真定位数据和第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据，进而确定每一位置点的感知数据；获取当前位置点的上一位置点的控制执行结果，以此确定当前位置点对应的局部路径规划数据；利用局部路径规划数据控制目标对象进行自动驾驶测试；利用自动驾驶测试过程中产生的仿真定位数据对原始定位数据和第二传感器数据进行更新，并重复上述自动驾驶测试的步骤至测试结束，可实现采用真实世界采集的数据对目标对象进行闭环测试，对仿真系统中任意模块的验证测试。

Description

一种自动驾驶仿真方法、系统及介质

技术领域

本申请涉及仿真领域，具体涉及一种自动驾驶仿真方法、系统及介质。

背景技术

自动驾驶已经成为汽车行业的发展趋势，对于自动驾驶感知、定位、规划决策及控制等方面的研究正如火如荼地进行。为了保障自动驾驶车辆的安全性，车辆必须要经过数以百万级公里数的测试、验证，故自动驾驶对仿真平台的依赖越来越大。通常，自动驾驶车辆的系统可分为三个模块：一是感知模块，相当于人的眼睛，通过传感器实时采集周边环境状态；二是规划决策模块，相当于人的大脑，规划处驾驶路径，并将规划路径转化为可执行的油门、刹车、转向等指令；三是控制模块，相当于人的手和脚，用于控制车辆进行油门、刹车、转向等操作的执行。

现有技术中可以通过真实世界采集的数据对仿真平台中的部分模块进行验证，但该方式无法对规划决策、控制等模块进行验证。现有技术还包括采用仿真平台中创建模拟环境及交通流，对自动驾驶中的感知、定位、规划决策、控制等全部模块进行验证，但该方式中由于环境、交通流、传感器模型都是虚拟的，不具备真实传感器的噪声及其他影响因素，当选择性回放制定模块或传感器数据，来排查单一问题时，无法在修参后形成闭环，进行自动驾驶仿真验证。

发明内容

为了克服现有技术存在的缺点与不足，本申请公开一种自动驾驶仿真方法、系统及介质，能够在闭环仿真测试中对任意模块的参数进行修改，实现仿真系统验证测试的全面化。

为了达到上述申请的目的，本申请提供了一种自动驾驶仿真方法，所述方法包括：

利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据；

基于时间戳对仿真定位数据和所述第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据；

根据所述与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据；

获取当前位置点的上一位置点的控制执行结果；

根据当前位置点的感知数据和所述上一位置点的控制执行结果，确定所述当前位置点对应的局部路径规划数据；

利用所述局部路径规划数据控制目标对象进行自动驾驶测试；

利用所述自动驾驶测试过程中产生的仿真定位数据对所述原始定位数据和所述第二传感器数据进行更新，并重复上述自动驾驶测试的步骤，直至测试目标抵达测试终点。

本申请另一方面还提供一种自动驾驶仿真系统，所述系统包括：

传感器数据采集模块，用于利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据；

多维时空对齐处理模块，用于基于时间戳对仿真定位数据和所述第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据；

感知模块，用于根据所述与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据；

动力学模块，用于利用所述局部路径规划数据控制目标对象进行自动驾驶测试以及获取当前位置点的上一位置点的控制执行结果；

规控模块，用于根据当前位置点的感知数据和所述上一位置点的控制执行结果，确定当前位置点对应的局部路径规划数据；

数据包管理模块，用于利用所述自动驾驶测试过程中产生的仿真定位数据对所述原始定位数据和所述第二传感器数据进行更新。

本申请另一方面还提供一种自动驾驶仿真介质，所述介质包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的多维时空参差仿真方法。

实施本申请，具有如下有益效果：

利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据；基于时间戳对仿真定位数据和所述第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据；根据所述与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据；获取当前位置点的上一位置点的控制执行结果；根据当前位置点的感知数据和所述上一位置点的控制执行结果，确定所述当前位置点对应的局部路径规划数据；利用所述局部路径规划数据控制目标对象进行自动驾驶测试；利用所述自动驾驶测试过程中产生的仿真定位数据对所述原始定位数据和所述第二传感器数据进行更新，并重复上述自动驾驶测试的步骤，直至测试目标抵达测试终点，可以实现采用真实世界采集的数据对目标对象进行闭环测试，在闭环仿真测试中对任意模块的参数进行修改，实现仿真系统验证测试的全面化。

附图说明

为了更清楚地说明本申请的技术方案，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的前提下，还可以根据这些附图获得其它附图。

图1为本申请实施例部分提供的一种自动驾驶仿真方法的流程图。

图2为本申请另一实施例提供的一种自动驾驶仿真方法的流程图。

图3为本申请另一实施例提供的一种自动驾驶仿真方法的流程图。

图4为本申请另一实施例提供的一种自动驾驶仿真方法的流程图。

图5为本申请另一实施例提供的一种自动驾驶仿真方法的流程图。

图6为本申请实施例部分提供的一种自动驾驶仿真系统的结构示意图。

图7为本申请另一实施例提供的一种自动驾驶仿真系统的结构示意图。

图8为本申请另一实施例提供的一种自动驾驶仿真系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，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作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

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、产品或服务器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它步骤或单元。

为了实现申请的技术方案，让更多的工程技术工作者容易了解和应用本申请，将结合具体的实施例，进一步阐述本申请的工作原理。

本申请可应用于自动驾驶测试领域，具体可应用于自动驾驶仿真系统中对全模块的测试验证。

请参考图1，其所示为本申请实施例提供的一种自动驾驶仿真方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例列入的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序，在需要对自动驾驶全模块进行仿真测试时，可以按照实施例或附图所示的方法顺序执行。具体的，如图1所示，该方法包括：

S101：利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据。

具体的，将真实对象放在真实场景中行驶，利用多种传感器采集行驶过程中的第一传感器数据。其中，真实对象可以包括驾驶员驾驶的车辆或者自动驾驶车辆，第一传感器数据包括按照行驶的时间轨迹记录的数据，时间轨迹为多个时间戳按先后顺序排列的集合。

在一些实施例中，多种传感器可以包括：超声波雷达、激光雷达、摄像头和毫米波雷达。超声波雷达可以对短距离的物体进行三维映射。激光雷达可以探测静态和动态物体，并采集到被探测物体的高分辨率的几何图形、距离图像和速度图像。摄像头可以采集图像或者视频。毫米波雷达可以利用无线电波对物体进行探测和定位。

S103：基于时间戳对仿真定位数据和第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据。

其中，第一传感器数据为真实场景中采集的数据，仿真定位数据为仿真系统虚拟场景中的定位数据。具体的，多维时空对齐处理包括建立真实场景中时间戳与仿真系统中位置点一一对应的关系。根据真实场景中的时间戳与仿真系统中位置点一一对应的关系，从仿真定位数据和第一传感器数据中提取所需位置点对应的数据，得到原始定位数据和第二传感器数据。

S105：根据与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据。

具体的，可以利用深度学习神经网络运算、传感器融合以及坐标转换算法运算对原始定位数据和第二传感器数据进行处理，得到感知数据。其中，感知数据包括绝对坐标中目标对象相对于障碍物的方向或者距离等数据。

S107：获取当前位置点的上一位置点的控制执行结果。

具体的，在当前位置点的上一位置点，规控模块发出控制命令，目标对象响应于控制指令作出驾驶处理，得到该位置点的控制执行结果，其中，控制执行结果可以包括转向角度、刹车减速以及油门加速等控制执行结果。

在一些实施例中，如图2所示，该方法还包括：

S2071：构建动力学模型。

具体的，动力学模型可以表征作用于目标对象的力与运动的关系，例如纵向速度控制，通过控制轮胎转速实现；横向航向控制，通过控制轮胎转角实现等。动力学模型的构建，可以用于分析车辆驾驶的平顺性和车辆执行控制指令的稳定性。

S2073：将当前位置点的上一位置点的控制指令输入动力学模型进行动力学处理，得到当前位置点的上一位置点的控制执行结果。

本说明书实施例，可以利用动力学模型对输入的控制指令进行计算，输出的结果即该位置点的控制执行结果。在仿真的初始点，动力学模型的输入还包括目标对象的起始位置，该起始位置可以人工设置。目标对象的起始位置主要包括目标对象在UTM(网格系统坐标，UniversalTransverseMercator)中的起始位置数据，以及对应的航向角。该起始位置对应的时间戳为按时间排序的第一个时间戳。

上述实施例利用构建动力学模型，将控制指令输入动力学模型可以直接得到控制执行结果，其处理效率高，并且可以根据实际需求对动力学模型进行便捷修改，机动性高。

在另外的实施例中，如图3所示，该方法还包括：

S3071：搭建车辆在环台架。

S3073：将当前位置点的上一位置点的控制指令输入所述车辆在环台架进行仿真运行，得到所述当前位置点的上一位置点的控制执行结果。

在上述实施例中，车辆在环台架贴近实际车辆状态，在车辆在环台架中运行控制指令，得到的控制执行结果可靠性高。

S109：根据当前位置点的感知数据和上一位置点的控制执行结果，确定当前位置点对应的局部路径规划数据。

由当前位置点的感知数据和上一位置点的控制执行结果，规控模块对当前位置点的期望数据进行规划决策，从而确定当前位置点对应的局部路径规划数据。具体的，由当前位置点的感知数据可以决策换道行为和跟驰行为，例如换道意图、换道可行性分析、目标车道选择、车道保持等。再结合上一位置点的控制执行结果，例如车辆的转向角度、油门加速、刹车减速等状态，并基于行驶安全性、行车效率以及乘坐舒适性进行处理，从而产生期望方向盘转角和期望加速度等局部路径规划数据。

S111：利用局部路径规划数据控制目标对象进行自动驾驶测试。

具体的，基于局部路径规划数据生成控制命令，对目标对象进行自动驾驶测试。该自动驾驶测试可以对全模块进行仿真验证，也可以用于排查单一模块的参数设定问题。

S113：利用自动驾驶测试过程中产生的仿真定位数据对原始定位数据和第二传感器数据进行更新，并重复S105至S113的步骤，直至测试目标抵达测试终点。

具体的，测试终点为仿真系统虚拟环境中的终点，同时，该测试终点与真实场景中车辆驾驶抵达的终点相对应。仿真系统虚拟环境中的终点位置的传感器数据应当为真实场景中车辆驾驶终点的传感器数据。利用自动驾驶测试过程中产生的仿真定位数据对原始定位数据和第二传感器数据进行更新，再作为感知模块的输入，可以实现仿真系统的闭环，使仿真系统虚拟环境中的目标对象沿规划的路径行驶至测试终点。

在上述的实施例中，本申请通过利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据，数据包管理模块基于时间戳对仿真定位数据和第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据；感知模块根据与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据；获取当前位置点的上一位置点的控制执行结果；规控模块根据当前位置点的感知数据和上一位置点的控制执行结果，确定当前位置点对应的局部路径规划数据，可以实现采用真实世界采集的数据对目标对象进行闭环测试，对仿真系统中全模块进行验证测试。

在另外的实施例中，如图4所示，该方法包括：

S401：利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据。

S4021：获取局部路径规划数据。

具体的，该局部路径规划数据包括初始局部路径规划数据和自动驾驶仿真中产生的局部路径规划数据。

S4023：从局部路径规划数据中提取仿真定位数据。

通常情况下，规控模块将局部路径规划数据发送给数据包管理模块，数据包管理模块中存储有局部路径规划数据。数据包管理模块可以从局部路径规划数据中进行提取得到仿真定位数据。具体的，可以采用弗莱纳坐标系进行局部路径表示，在局部路径规划数据中提取出弗莱纳坐标系的S值和路径标识数据。弗莱纳坐标系是以目标对象自身为原点，坐标轴相互垂直，其中纵向S轴是沿着参考线的方向，横向D轴是沿着参考线的法向。实际应用时，可以将道路中心线作为参考线，弗莱纳坐标系的S值即目标对象在纵向S轴上与参考线的距离。在局部路径规划数据中提取的仿真定位数据为弗莱纳坐标系的S值和路径标识数据。

S403：基于时间戳对仿真定位数据和第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据。

S405：根据与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据。

S407：获取当前位置点的上一位置点的控制执行结果。

S409：根据当前位置点的感知数据和上一位置点的控制执行结果，确定当前位置点对应的局部路径规划数据。

S411：利用局部路径规划数据控制目标对象进行自动驾驶测试。

S413：利用自动驾驶测试过程中产生的仿真定位数据对原始定位数据和第二传感器数据进行更新，并重复S405至S413的步骤，直至测试目标抵达测试终点。

在另外一些实施例中，如图5所示，该方法包括：

S501：利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据。

S503：基于时间戳对仿真定位数据和第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据。

S504：高精地图模块获取高精地图数据。

S505：感知模块根据与时间戳对应的位置点的原始定位数据、第二传感器数据和高精地图数据确定每一位置点的感知数据。

S507：获取当前位置点的上一位置点的控制执行结果。

S509：规控模块根据当前位置点的感知数据和上一位置点的控制执行结果，确定当前位置点对应的局部路径规划数据。

S511：利用局部路径规划数据控制目标对象进行自动驾驶测试。

S513：利用自动驾驶测试过程中产生的仿真定位数据对原始定位数据和第二传感器数据进行更新，并重复S105至S111的步骤，直至测试目标抵达测试终点。

上述实施例中，高精地图数据中的道路交通信息元素丰富细致，并且能够反映目标对象和周围环境之间的相对位置。在原始定位数据、第二传感器数据的基础上加上高精地图数据，感知模块可以得到更加准确细致的感知数据，提高了自动驾驶车辆行驶的安全性和可靠性。

在另外一些实施例中，在根据当前位置点的感知数据和上一位置点的控制执行结果之前，该方法还包括：

对上一位置点的控制执行结果进行数据处理，动力学模型软件输出仿真定位数据和控制执行结果给数据处理模块，数据处理模块使用预设的协议对仿真定位数据和控制执行结果进行数据封装，得到数据封装包，规控模块可以接收到封装后的数据。

本申请另一方面还提供一种自动驾驶仿真系统的实施例，如图6所示，该系统600包括：

传感器数据采集模块601，用于利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据；

多维时空对齐处理模块603，用于基于时间戳对仿真定位数据和所述第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据；

感知模块605，用于根据所述与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据；

动力学模块607，用于利用所述局部路径规划数据控制目标对象进行自动驾驶测试，以及获取当前位置点的上一位置点的控制执行结果；

规控模块609，用于根据当前位置点的感知数据和所述上一位置点的控制执行结果，确定当前位置点对应的局部路径规划数据；

数据包管理模块611，用于利用所述自动驾驶测试过程中产生的仿真定位数据对所述原始定位数据和所述第二传感器数据进行更新。

在另外一些实施例中，如图7所示，该系统600还包括：

高精地图模块604，用于产生高精地图数据。

在另外一些实施例中，如图8所示，该系统600还包括：

数据处理模块608，用于利用预设协议对所述仿真定位数据和所述控制执行结果进行数据封装，得到数据封装包，并将所述数据封装包发送给所述规控模块。

本申请另一方面还提供一种自动驾驶仿真介质，所述介质包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的自动驾驶仿真方法。

上述说明已经充分揭露了本申请的具体实施方式。需要指出的是，熟悉该领域的技术人员对本申请的具体实施方式所做的任何改动均不脱离本申请的权利要求书的范围。相应地，本申请的权利要求的范围也并不仅仅局限于前述具体实施方式。

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，对于装置、系统和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也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，上述提到的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较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种自动驾驶仿真方法，其特征在于，所述方法包括：

利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据，所述第一传感器数据为按照所述自动驾驶车辆的行驶时间轨迹记录的数据，所述第一传感器数据包括多种雷达数据；

获取局部路径规划数据；

采用弗莱纳坐标系进行局部路径表示，从所述局部路径规划数据中提取弗莱纳坐标系的S值和路径标识数据，并将所述弗莱纳坐标系的S值和路径标识数据作为仿真定位数据，其中，所述S值为所述自动驾驶车辆在纵向S轴上与参考线的距离；

基于时间戳对仿真定位数据和所述第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据；

根据所述与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据；

获取当前位置点的上一位置点的控制执行结果；

基于当前位置点的感知数据决策包括换道意图、换道可行性分析、目标车道选择、车道保持的换道行为和跟驰行为；根据所述换道行为、跟驰行为和上一位置点的控制执行结果，产生包括期望方向转盘角和期望加速度的局部路径规划数据；

利用所述局部路径规划数据控制目标对象进行自动驾驶测试；

利用所述自动驾驶测试过程中产生的仿真定位数据对所述原始定位数据和所述第二传感器数据进行更新，并重复上述自动驾驶测试的步骤，直至测试目标抵达测试终点。

2.根据权利要求1所述的方法，其特征在于，所述基于时间戳对仿真定位数据和所述第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据之前，所述方法还包括：

获取局部路径规划数据，所述局部路径规划数据包括初始局部路径规划数据和自动驾驶仿真中产生的局部路径规划数据；

从所述局部路径规划数据中提取仿真定位数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取高精地图数据；

相应的，利用原始定位数据和第二传感器数据得到感知数据替换为：

利用所述高精地图数据、所述原始定位数据和所述第二传感器数据得到感知数据。

4.根据权利要求1所述的方法，其特征在于，所述获取当前位置点的上一位置点的控制执行结果包括：

构建动力学模型；

将当前位置点的上一位置点的控制指令输入所述动力学模型进行动力学处理，得到所述当前位置点的上一位置点的控制执行结果。

5.根据权利要求1所述的方法，其特征在于，所述获取当前位置点的上一位置点的控制执行结果包括：

搭建车辆在环台架；

将当前位置点的上一位置点的控制指令输入所述车辆在环台架进行仿真运行，得到所述当前位置点的上一位置点的控制执行结果。

6.根据权利要求1所述的方法，其特征在于，所述多种传感器包括：超声波雷达、激光雷达、摄像头和毫米波雷达。

7.一种自动驾驶仿真系统，其特征在于，所述系统用于实现权利要求1-6任一所述的自动驾驶仿真方法，所述系统包括：

传感器数据采集模块，用于利用多种传感器采集自动驾驶车辆在真实场景中的第一传感器数据，所述第一传感器数据包括按照所述自动驾驶车辆的行驶时间轨迹记录的数据，所述第一传感器数据包括多种雷达数据；

路径规划数据获取模块，用于获取局部路径规划数据；

仿真定位数据确定模块，用于采用弗莱纳坐标系进行局部路径表示，从所述局部路径规划数据中提取弗莱纳坐标系的S值和路径标识数据，并将所述弗莱纳坐标系的S值和路径标识数据作为仿真定位数据，其中，所述S值为所述自动驾驶车辆在纵向S轴上与参考线的距离；

多维时空对齐处理模块，用于基于时间戳对仿真定位数据和所述第一传感器数据进行多维时空对齐处理，确定仿真系统中与时间戳对应的位置点的原始定位数据和第二传感器数据；

感知模块，用于根据所述与时间戳对应的位置点的原始定位数据和第二传感器数据确定每一位置点的感知数据；

动力学模块，用于利用所述局部路径规划数据控制目标对象进行自动驾驶测试以及获取当前位置点的上一位置点的控制执行结果；

规控模块，用于基于当前位置点的感知数据决策包括换道意图、换道可行性分析、目标车道选择、车道保持的换道行为和跟驰行为；根据所述换道行为、跟驰行为和上一位置点的控制执行结果，产生包括期望方向转盘角和期望加速度的局部路径规划数据；

数据包管理模块，用于利用所述自动驾驶测试过程中产生的仿真定位数据对所述原始定位数据和所述第二传感器数据进行更新。

8.根据权利要求7所述的系统，其特征在于，所述系统还包括：

高精地图模块，用于产生高精地图数据。

9.根据权利要求7所述的系统，其特征在于，所述系统还包括：

数据处理模块，用于利用预设协议对所述仿真定位数据和所述控制执行结果进行数据封装，得到数据封装包，并将所述数据封装包发送给所述规控模块。

10.一种自动驾驶仿真介质，其特征在于，所述介质包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-6任一所述的自动驾驶仿真方法。

Images