CN111680362A - 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种自动驾驶仿真场景获取方法、装置、设备及存储介质，涉及自动驾驶技术领域。具体实现方案为：响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；确定与各所述目标能力级场景所关联的至少一个目标语义级场景；确定与所述目标语义级场景所关联的至少一个目标场景实例；根据所述目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。本申请实施例实现了仿真场景的自动化选取，提高了仿真场景选取效率以及所选取仿真场景的代表性。

Description

一种自动驾驶仿真场景获取方法、装置、设备及存储介质

技术领域

本申请涉及计算机技术，尤其涉及自动驾驶技术，特别涉及一种自动驾驶仿真场景获取方法、装置、设备及存储介质。

背景技术

自动驾驶汽车又称无人驾驶车辆或轮式移动机器人，能够依靠人工智能、视觉计算、监控装置和全球定位系统等的协同合作，通过电脑系统自动安全地操作机动车辆。

为了提高自动驾驶汽车的性能，通常需要将车辆在不同场景下进行测试。为了节省测试成本和测试时间，在实车测试之前，需要借助自动驾驶仿真平台对车辆性能进行模拟仿真，而在模拟仿真过程中，仿真场景的获取至关重要。

现有技术中通常通过人工选择的方式，从自动驾驶场景库中选择仿真场景，导致场景选择过程效率较低，所选择场景具备一定的局限性，无法从整体上反映车辆性能。

发明内容

本申请提供了一种自动驾驶仿真场景获取方法、装置、设备及存储介质，以实现仿真场景的自动化选取，提高仿真场景选取效率以及所选取仿真场景的代表性。

根据第一方面，提供了一种自动驾驶仿真场景获取方法，包括：

响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；

确定与各所述目标能力级场景所关联的至少一个目标语义级场景；

确定与各所述目标语义级场景所关联的至少一个目标场景实例；

根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

根据第二方面，提供了一种自动驾驶仿真场景获取装置，包括：

能力级场景选取模块，用于响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；

语义级场景确定模块，用于确定与各所述目标能力级场景所关联的至少一个目标语义级场景；

场景实例确定模块，用于确定与各所述目标语义级场景所关联的至少一个目标场景实例；

场景获取请求响应模块，用于根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

根据第三方面，提供了一种电子设备，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第一方面提供的一种自动驾驶仿真场景获取方法。

根据第四方面，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，所述计算机指令用于使所述计算机执行第一方面提供的一种自动驾驶仿真场景获取方法。

本申请通过响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；确定与各目标能力级场景所关联的至少一个目标语义级场景；确定与各目标语义级场景所关联的至少一个目标场景实例；根据至少一个目标场景实例，生成仿真场景获取请求的响应信息进行响应。采用上述技术方案实现了仿真场景的自动化选取，提高了仿真场景选取效率以及所选取仿真场景的代表性。

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是本申请实施例提供的一种自动驾驶仿真场景获取方法的流程图；

图2是本申请实施例提供的另一种自动驾驶仿真场景获取方法的流程图；

图3A是本申请实施例提供的另一种自动驾驶仿真场景获取方法的流程图；

图3B是本申请实施例提供的一种场景实例扩展过程示意图；

图4是本申请实施例提供的一种自动驾驶仿真场景获取装置的结构图；

图5是用来实现本申请实施例的自动驾驶仿真场景获取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是本申请实施例提供的一种自动驾驶仿真场景获取方法的流程图，该实施例适用于对采用自动驾驶仿真平台对自动驾驶车辆进行模拟仿真时，进行仿真场景选取的情况，该方法由自动驾驶仿真场景获取装置执行，该装置采用软件和/或硬件实现，并具体配置于电子设备中。

如图1所示的一种自动驾驶仿真场景获取方法，包括：

S101、响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景。

当用户需要通过自动驾驶仿真平台对自动驾驶车辆进行仿真时，需要选取至少一个仿真场景，用于对车辆性能进行模拟仿真。用户可以通过对自动驾驶仿真平台中的按钮或虚拟图标等进行触发，生成仿真场景获取请求；相应的，承载有自动驾驶仿真平台的电子设备，接收该仿真场景获取请求，并对该仿真场景获取请求加以响应，以进行仿真场景的选取和生成。

为了能够实现对车辆不同的决策规划控制能力的仿真测试，通常会对仿真场景按照决策规划控制能力进行类别划分；为了反映路上的场景语义，进一步地，还可以对相同决策规划控制能力类别的仿真场景，根据场景语义进行分类。相应的，在进行仿真场景获取时，可以根据不同场景类别逐级进行仿真场景的确定。

示例性地，可以从预先设置的自动驾驶能力级场景中，选取至少一个目标能力级场景，对仿真场景进行初级筛选。

其中，自动驾驶能力级场景用于表征车辆的决策规划控制能力。示例性地，自动驾驶能力级场景可以包括：直线行驶、弯道行驶、坡路行驶、掉头行驶、进出主辅路、通过路口、通过环岛、通过立交桥、通过高架桥、通过隧道、通过收费站、驶入驶出匝道、通过铁路道口、通过高层建筑区域、通过减速带、通过人行横道、进出停车场、自动泊车、变换车道、靠边停车及起步、临时停车及起步、在不同材质路面上行驶、通过林荫路、依据限速要求行驶、遵守交通信号灯、遵守停止避让标志指示、遵守禁行和禁停标志标线、正确使用待行区、正确使用可变导向车道、识别并遵守限行指示、识别并正确使用限制性车道、识别并通过无车道标线区域、识别并响应车道导向指示、正确使用灯光和鸣笛、能检测出临时交通设施、能应对临时交通管制设施、能检测出路面深坑并应对、能检测出临时交通信号灯、依据警察或交通指挥人的指引行驶、能跟随前方车道内车辆行驶、应对行驶过程中前方出现的低速或静止障碍物、应对行驶过程中障碍物的切入或切出、应对违规行驶或危险行驶的车辆、能通过换道或超车以应对前方障碍物、能避让目标车道内的车辆并汇入车流、能检测相邻车道内的障碍物并应对、能应对路口范围内的障碍物并通过路口、应对占用部分车道的障碍物、应对前方借道行驶的障碍物、能检测出停车位周围障碍物，并完成泊车、能检测出目的地周围障碍物，并靠边停车、能识别并应对有警告提示的故障车辆或应急车辆、能识别不同类型障碍物、识别及应对次要障碍物与车辆上方障碍物、能检测出路面异物并应对、通过灯光、鸣笛、手势理解其他交通参与者的意图、应对光线变化、应对不同天气、应对高低温环境、接受输入的目的地并规划路线、按要求变更路线或临时停车、应对功能失效、应对系统入侵、意外情况发出警示及接管请求、意外情况下回退到最小风险状态并安全停车、以及具备网联通信能力等场景中的至少一个。需要说明的是，自动驾驶能力级场景可以由技术人员根据需要或经验值自主设定。

为了提高所选取的目标能力级场景的表征能力，在本申请实施例的一种可选实施方式中，从预先设置的自动驾驶能力级场景中，选取至少一个目标能力级场景，可以是：根据预先设置的各自动驾驶能力级场景的优先级信息，从各所述自动驾驶能力级场景中选取至少一个目标能力级场景。其中，优先级信息可以由技术人员根据仿真需求或经验值进行设定。

可选的，优先级信息可以是定性信息，用于表征不同自动驾驶能力级场景的优先级关系的相对大小；或者可选的，优先级信息还可以是定量信息，用于通过数值量化的方式表征不同自动驾驶能力级场景的优先级。

示例性地，根据预先设置的各自动驾驶能力级场景的优先级信息，从各所述自动驾驶能力级场景中选取至少一个目标能力级场景，可以是：从优先级信息最高的至少一个自动驾驶能力级场景中，选取至少一个目标能力级场景。

S102、确定与各所述目标能力级场景所关联的至少一个目标语义级场景。

由于相同自动驾驶能力级场景中可能包含有多种场景语义，例如对于“通过信号灯路口”能力，可以进一步划分为“信号灯路口直行遇到对向左转车辆”、和“信号灯路口右转遇到右转掉头车辆”等语义场景。因此，还可以在选取出至少一个目标能力级场景后，进行目标语义级场景的确定。

可选的，可以通过随机选取的方式确定与各目标能力级场景所关联的至少一个目标语义级场景。或者可选的，还可以按照一定的选取规则，从各目标能力级场景所关联的至少一个目标语义级场景。

示例性地，可以通过对车辆的历史仿真情况，确定针对当前目标能力级场景中各语义级场景的选取概率，根据选取概率从各语义级场景中选取至少一个目标语义级场景。

示例性地，还可以根据预先构建的自动驾驶能力级场景与语义级场景之间的对应关系，确定与各目标能力级场景所关联的至少一个目标语义级场景。

S103、确定与各所述目标语义级场景所关联的至少一个目标场景实例。

其中，不同语义级场景对应至少一个场景实例，用于通过运行该场景实例，在自动驾驶平台中进行仿真场景渲染。因此，在确定目标语义级场景之后，还需要进一步确定目标语义级场景所关联的场景实例，从而根据所确定的场景实例进行仿真场景的获取。

其中，目标场景实例中包括：地图拓扑结构、车辆位置、车辆行驶轨迹、障碍物的属性信息、障碍物的运行轨迹、以及交通信号灯信息中的至少一个信息。

可选的，可以通过随机选取的方式，确定与各目标语义场景所关联的至少一个目标场景实例。或者可选的，还可以按照一定的选取规则，从各目标语义级场景所关联的至少一个目标场景实例。

示例性地，可以根据对车辆的历史仿真情况，确定针对当前目标语义级场景中各场景实例的选取概率；根据选取概率从各场景实例中选取至少一个目标场景实例。

示例性地，还可以根据预先构建的语义级场景与场景实例之间的对应关系，确定与各目标语义级场景所关联的至少一个目标场景实例。

S104、根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

具体的，运行至少一个目标场景实例，在自动驾驶平台中生成与所运行的至少一个目标场景实例对应的仿真场景，并通过目标场景实例中设定的仿真参数，对自动驾驶车辆进行仿真测试。

本申请实施例通过响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；确定与各目标能力级场景所关联的至少一个目标语义级场景；确定与各目标语义级场景所关联的至少一个目标场景实例；根据至少一个目标场景实例，生成仿真场景获取请求的响应信息进行响应。上述技术方案通过对场景实例按照能力级、语义级和实例级进行三级划分，根据级别依次进行目标场景实例的确定，从而对仿真场景获取请求加以响应，得到相应的仿真场景，实现了仿真场景的自动化选取，提高了仿真场景的选取效率。另外，通过逐级确定的方式进行仿真场景的选取，使得所选取的仿真场景在对车辆进行仿真测试时，能够表征车辆的决策规划控制能力以及路上的场景语义分布，具备一定的代表性。

图2是本申请实施例提供的另一种自动驾驶仿真场景获取方法的流程图，该方法在上述各技术方案的基础上，进行了优化改进。

进一步地，将操作“确定与各所述目标能力级场景所关联的至少一个目标语义级场景”细化为“根据预先构建的自动驾驶能力级场景与语义级场景的对应关系，确定各所述目标能力级场景所关联的至少一个目标语义级场景”，以完善目标语义级场景的确定机制。

如图2所示的一种自动驾驶仿真场景获取方法，包括：

S201、响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景。

S202、根据预先构建的自动驾驶能力级场景与语义级场景的对应关系，确定各所述目标能力级场景所关联的至少一个目标语义级场景。

在本申请实施例的一种可选实施方式中，自动驾驶能力级场景与语义级场景的对应关系，可以采用人工构建的方式加以确定。

为了提高对应关系的构建效率，在本申请实施例的另一可选实施方式中，自动驾驶能力级场景与语义级场景的对应关系，还可以采用自动确定的方式加以实现。示例性地，可以识别车辆的路测数据中与当前自动驾驶能力级场景相匹配的数据片段；对数据片段进行分类，并确定各分类类别分别对应的语义级场景；构建当前自动驾驶能力级场景与确定的语义级场景的对应关系。

其中，路测数据包括感知数据、定位数据、车辆底盘数据和传感器相关参数等数据中的至少一种。其中，感知数据可以是障碍物感知数据等。

可选的，与当前自动驾驶能力级场景相匹配的数据片段，可以是与当前自动驾驶能力级场景的事件表达式相匹配的数据片段。其中，事件表达式可以由技术人员根据需要或经验值进行构建，不同自动驾驶能力级场景对应有不同的事件表达式。

在本申请实施例的一种可选实施方式中，对数据片段进行分类，并确定各分类类别分别对应的语义级场景，可以是：根据一定的分类规则，对数据片段进行分类；确定各分类类别分别对应的语义级场景。其中，确定各分类类别分别对应的语义级场景是指确定分类类别对应的语义级场景的场景名称或场景ID，该场景名称或场景ID可以通过人工来进行设置。

为了提高分类结果准确度，进而提高所确定的语义级场景的准确度，在本申请实施例的另一可选实施方式中，对数据片段进行分类，并确定各分类类别分别对应的语义级场景，可以是：对数据片段进行特征抽取，并根据所抽取特征对数据片段进行聚类；确定聚类后得到的各分类类别分别对应的语义级场景。

可选的，可以采用聚类算法，根据所抽取特征对数据片段进行聚类分析，根据聚类结果确定各数据片段的分类类别。其中，聚类算法可以是k-means(k均值)聚类算法或k-medoids(k中心点)聚类算法等。

由于不同自动驾驶能力级场景对应的特征维度不同，为了提高对不同自动驾驶能力级场景所抽取特征的准确度，进而提高最终所确定的语义级场景的准确度，在对数据片段进行特征抽取时，还可以基于当前自动驾驶能力级场景对应的预设特征维度，对数据片段进行特征抽取。其中，预设特征维度可以包括跟随行驶、跟车速度、跟车距离或跟车时间等中的至少一种。不同的自动驾驶能力级场景所对应的预设特征维度可以不同。

S203、确定与各所述目标语义级场景所关联的至少一个目标场景实例。

S204、根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

需要说明的是，在基于海量数据片段进行分类，并确定各分类类别对分别对应的语义级场景时，存在不同分类类别下的数据片段数量不均衡的问题，进而导致自动驾驶能力级场景所对应的语义级场景下场景实例数量失衡。为了避免由于场景实例失衡对目标场景实例的选取带来的影响，还可以在构建自动驾驶能力级场景与语义级场景的对应关系的过程中，在对数据片段进行分类，并确定各分类类别分别对应的语义级场景之后，根据分类类别中包含的数据片段的数量，确定分类类别对应的语义级场景的权重信息。

相应的，根据目标场景实例，生成仿真场景获取请求的响应信息进行响应时，根据各目标场景语义的权重信息，从各所述目标语义场景所关联的各所述目标场景实例中，选取满足数量限制条件的至少一个目标场景实例；根据选取的至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

举例说明，当确定的目标能力级场景为“通过信号灯路口”，相应的，目标语义级场景包括“信号灯路口直行遇到对向左转车辆”、“信号灯路口右转遇到右转掉头车辆”以及“信号灯直行遇到右侧右转车辆”时，若在构建自动驾驶能力级场景与语义级场景的对应关系时，“信号灯路口直行遇到对向左转车辆”、“信号灯路口右转遇到右转掉头车辆”以及“信号灯直行遇到右侧右转车辆”对关联的分类类别下的数据片段比例为1:2:3，那么相应的，同样依照1:2:3的比例进行各目标语义场景下的目标场景实例的确定。

其中，所满足的数量限制条件中的具体数值，可以由技术人员根据经验值设定为固定值。

可选的，为了提高所选取的仿真场景与自动驾驶仿真平台的承载能力的匹配度，还可以根据当前的系统吞吐量，确定数量限制条件，从而是所选取的目标场景实例能够满足计算资源的约束。

可选的，为了使所选取的仿真场景的数量能够满足仿真需求，还可以根据业务需求数据，确定数量限制条件。

可以理解的是，为了兼顾仿真需求与系统承载能力，还可以根据当前的系统吞吐量和业务需求数据，同时确定数量限制条件。

举例说明，若当前分布式计算系统每小时的计算量为5万个场景，当前任务队列中有30万个场景在排队，当前业务需求是万级别的场景且需要在一天内完成，那么若系统每天工作8小时，排队的任务需要6小时完成，剩余两小时可以完成10万个场景，因此确定需要推荐的场景数为10万个，也即数量限制条件为不大于10万。

本申请实施例通过将目标语义级场景的确定操作，细化为根据预先构建的自动驾驶能力级场景与语义级场景的对应关系，确定各目标能力场景所关联的至少一个目标语义级场景，完善了目标语义级场景的确定方式，为后续进行目标场景实例的选取奠定了基础。

图3A是本申请实施例提供的另一种自动驾驶仿真场景获取方法的流程图，该方法在上述各技术方案的基础上，进行了优化改进。

进一步地，将操作“确定与各所述目标语义级场景所关联的至少一个目标场景实例”细化为“根据预先构建的语义级场景与场景实例的对应关系，确定与各所述目标语义场景所关联的至少一个目标场景实例”，以完善目标场景实例的确定机制。

如图3A所示的一种自动驾驶仿真场景获取方法，包括：

S301、响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景。

S302、确定与各所述目标能力级场景所关联的至少一个目标语义级场景。

S303、根据预先构建的语义级场景与场景实例的对应关系，确定与各所述目标语义场景所关联的至少一个目标场景实例。

在本申请实施例的一种可选实施方式中，语义级场景与场景实例的对应关系，可以采用人工构建的方式加以确定。

为了提高对应关系的构建效率，在本申请实施例的另一可选实施方式中，语义级场景与场景实例的对应关系，还可以采用自动确定的方式加以实现。示例性地，可以对当前语义级场景的基础场景实例进行特征变换，得到扩展场景实例；构建当前语义级场景与基础场景实例和扩展场景实例的对应关系。

其中，基础场景实例可以由技术人员通过人工构建的方式加以确定。结合图3B所示的一种场景实例扩展过程示意图可知，通过特征变换的方式，能够基于一个基础场景实例衍生出多个扩展场景实例，进而提高了语义级场景与场景实例的对应关系的构建效率。

举例说明，对当前语义级场景的基础场景实例进行特征变换，可以是对基础场景实例中的数值数据进行数值变换。

需要说明的是，由于不同语义级场景对应的特征维度不同，为了保证扩展场景实例与相应的语义级场景的匹配度，在对当前语义级场景的基础场景实例进行特征变换时，还可以基于当前语义级场景对应的特征维度，对当前语义级场景的基础场景实例进行特征变换。不同语义级场景对应的特征维度可以不同。

示例性地，特征维度包括主车速度、障碍车速度、主车障碍车距离和信号持续时间等中的至少一种。

举例说明，当对主车执行遇到前方由车辆切入的语义级场景下，可以对基础场景实例中的主车速度、障碍车切入速度和主车障碍车距离这三个维度，对基础场景实例进行特征变换，得到扩展场景实例。

需要说明的是，由于在对基础场景实例进行扩展，生成扩展场景实例过程中，所生成的扩展场景实例可能与真实场景实例不符，为了提高使用仿真场景对车辆进行仿真测试的准确度，还可以对不符合真实场景实例的扩展场景实例进行裁剪。

可选的，可以通过人工审核的方式确定与真实场景实例不符的扩展场景实例，并将确定的扩展场景实例进行裁剪。或者可选的，预先建立无效场景实例库，用于累积与真实场景实例不符的扩展场景实例。相应的，在得到扩展场景实例后，将得到的扩展场景实例与无效场景实例库中的各场景实例进行匹配；若匹配成功，则将扩展场景实例进行裁剪。

在包含有车辆行驶轨迹的场景中，可能存在车辆行驶轨迹违背客观情况的现象，如路线错位、转弯夹角小于设定角度(如10度)、或设定距离(如20米)内连续转弯数量大于设定数量阈值(如5次)等情况。为了避免上述情况对车辆仿真测试结果带来影响，在本申请实施例的一种可选实施方式中，在生成扩展场景实例之后，还可以对扩展场景实例中的车辆行驶轨迹进行平滑处理。

S304、根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

本申请实施例通过将目标场景实例的确定操作，细化为根据预先构建的语义级场景与场景实例的对应关系，确定与各所述目标语义场景所关联的至少一个目标场景实例，完善了目标场景实例的确定方式，使得最终选取的仿真场景能够在能力级、语义级和实例级等不同级别中具备代表性。

图4是本申请实施例提供的一种自动驾驶仿真场景获取装置的结构图，该装置适用于对自动驾驶车辆进行模拟仿真时，进行仿真场景选取的情况，该装置采用软件和/或硬件实现，并具体配置于电子设备中。

如图4所示的一种自动驾驶仿真场景获取装置400，包括：能力级场景选取模块401、语义级场景确定模块402、场景实例确定模块403和场景获取请求响应模块404。其中，

能力级场景选取模块401，用于响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；

语义级场景确定模块402，用于确定与各所述目标能力级场景所关联的至少一个目标语义级场景；

场景实例确定模块403，用于确定与各所述目标语义级场景所关联的至少一个目标场景实例；

场景获取请求响应模块404，用于根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

本申请实施例通过能力级场景选取模块响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；通过语义级场景确定模块确定与各目标能力级场景所关联的至少一个目标语义级场景；通过场景实例确定模块确定与各目标语义级场景所关联的至少一个目标场景实例；通过场景获取请求响应模块根据至少一个目标场景实例，生成仿真场景获取请求的响应信息进行响应。上述技术方案通过对场景实例按照能力级、语义级和实例级进行三级划分，根据级别依次进行目标场景实例的确定，从而对仿真场景获取请求加以响应，得到相应的仿真场景，实现了仿真场景的自动化选取，提高了仿真场景的选取效率。另外，通过逐级确定的方式进行仿真场景的选取，使得所选取的仿真场景在对车辆进行仿真测试时，能够表征车辆的决策规划控制能力以及路上的场景语义分布，具备一定的代表性。

进一步地，语义级场景确定模块402，包括：

语义级场景确定单元，用于根据预先构建的自动驾驶能力级场景与语义级场景的对应关系，确定各所述目标能力级场景所关联的至少一个目标语义级场景。

进一步地，所述装置还包括，第一对应关系构建模块，具体包括：

数据片段识别单元，用于识别车辆的路测数据中与当前自动驾驶能力级场景相匹配的数据片段；

语义场景确定单元，用于对所述数据片段进行分类，并确定各分类类别分别对应的语义级场景；

第一对应关系构建单元，用于构建所述当前自动驾驶能力级场景与确定的语义级场景的对应关系。

进一步地，语义场景确定单元，包括：

数据片段聚类子单元，用于对所述数据片段进行特征抽取，并根据所抽取特征对所述数据片段进行聚类；

语义场景确定子单元，用于确定聚类后得到的各分类类别分别对应的语义级场景。

进一步地，数据片段聚类子单元，包括：

特征抽取从单元，用于基于当前自动驾驶能力级场景对应的预设特征维度，对所述数据片段进行特征抽取。

进一步地，该装置还包括，权重信息确定模块，用于：

在对所述数据片段进行分类，并确定各分类类别分别对应的语义级场景之后，根据所述分类类别中包含的数据片段的数量，确定所述分类类别对应的语义级场景的权重信息；

相应的，场景获取请求响应模块404，包括：

场景实例选取单元，用于根据各所述目标语义场景的权重信息，从各所述目标语义场景所关联的各所述目标场景实例中，选取满足数量限制条件的至少一个目标场景实例；

场景获取请求响应单元，用于根据选取的至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

进一步地，所述装置还包括：

数量限制条件确定模块，用于根据当前的系统吞吐量和/或业务需求数据，确定所述数量限制条件。

进一步地，场景实例确定模块403，包括：

场景实例确定单元，用于根据预先构建的语义级场景与场景实例的对应关系，确定与各所述目标语义场景所关联的至少一个目标场景实例。

进一步地，所述装置还包括，第二对应关系构建模块，具体包括：

场景实例扩展单元，用于对当前语义级场景的基础场景实例进行特征变换，得到扩展场景实例；

第二对应关系构建单元，用于构建所述当前语义级场景与所述基础场景实例和所述扩展场景实例的对应关系。

进一步地，场景实例扩展单元，包括：

特征变换子单元，用于基于所述当前语义级场景对应的预设特征维度，对所述当前语义级场景的基础场景实例进行特征变换。

进一步地，能力级场景选取模块401，包括：

能力级场景选取单元，用于根据预先设置的各自动驾驶能力级场景的优先级信息，从各所述自动驾驶能力级场景中选取至少一个目标能力级场景。

进一步地，所述场景实例中包括：地图拓扑结构、车辆位置、车辆行驶轨迹、障碍物的属性信息、障碍物的运行轨迹、以及交通信号灯信息中的至少一个信息。

上述自动驾驶仿真场景获取装置可执行本申请任意实施例所提供的自动驾驶仿真场景获取方法，具备执行自动驾驶仿真场景获取方法相应的功能模块和有益效果。

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，是实现本申请实施例的自动驾驶仿真场景获取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自动驾驶仿真场景获取方法。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自动驾驶仿真场景获取方法。

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自动驾驶仿真场景获取方法对应的程序指令/模块(例如，附图4所示的能力级场景选取模块401、语义级场景确定模块402、场景实例确定模块403和场景获取请求响应模块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自动驾驶仿真场景获取方法。

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；存储数据区可存储实现自动驾驶仿真场景获取方法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实现自动驾驶仿真场景获取方法的电子设备。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。

实现自动驾驶仿真场景获取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，以及产生与实现自动驾驶仿真场景获取方法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，通过响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；确定与各目标能力级场景所关联的至少一个目标语义级场景；确定与各目标语义级场景所关联的至少一个目标场景实例；根据至少一个目标场景实例，生成仿真场景获取请求的响应信息进行响应。上述技术方案通过对场景实例按照能力级、语义级和实例级进行三级划分，根据级别依次进行目标场景实例的确定，从而对仿真场景获取请求加以响应，得到相应的仿真场景，实现了仿真场景的自动化选取，提高了仿真场景的选取效率。另外，通过逐级确定的方式进行仿真场景的选取，使得所选取的仿真场景在对车辆进行仿真测试时，能够表征车辆的决策规划控制能力以及路上的场景语义分布，具备一定的代表性。

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 (20)

1.一种自动驾驶仿真场景获取方法，其特征在于，包括：

响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；

确定与各所述目标能力级场景所关联的至少一个目标语义级场景；

确定与各所述目标语义级场景所关联的至少一个目标场景实例；

根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

2.根据权利要求1所述的方法，其特征在于，确定与各所述目标能力级场景所关联的至少一个目标语义级场景，包括：

根据预先构建的自动驾驶能力级场景与语义级场景的对应关系，确定各所述目标能力级场景所关联的至少一个目标语义级场景。

3.根据权利要求2所述的方法，其特征在于，所述自动驾驶能力级场景与语义级场景的对应关系基于以下方式构建：

识别车辆的路测数据中与当前自动驾驶能力级场景相匹配的数据片段；

对所述数据片段进行分类，并确定各分类类别分别对应的语义级场景；

构建所述当前自动驾驶能力级场景与确定的语义级场景的对应关系。

4.根据权利要求3所述的方法，其特征在于，对所述数据片段进行分类，并确定各分类类别分别对应的语义级场景，包括：

对所述数据片段进行特征抽取，并根据所抽取特征对所述数据片段进行聚类；

确定聚类后得到的各分类类别分别对应的语义级场景。

5.根据权利要求4所述的方法，其特征在于，对所述数据片段进行特征抽取，包括：

基于当前自动驾驶能力级场景对应的预设特征维度，对所述数据片段进行特征抽取。

6.根据权利要求3所述的方法，其特征在于，在对所述数据片段进行分类，并确定各分类类别分别对应的语义级场景之后，所述方法还包括：

根据所述分类类别中包含的数据片段的数量，确定所述分类类别对应的语义级场景的权重信息；

相应的，根据所述目标场景实例，生成所述仿真场景获取请求的响应信息进行响应，包括：

根据各所述目标语义场景的权重信息，从各所述目标语义场景所关联的各所述目标场景实例中，选取满足数量限制条件的至少一个目标场景实例；

根据选取的至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

根据当前的系统吞吐量和/或业务需求数据，确定所述数量限制条件。

8.根据权利要求1所述的方法，其特征在于，确定与各所述目标语义级场景所关联的至少一个目标场景实例，包括：

根据预先构建的语义级场景与场景实例的对应关系，确定与各所述目标语义场景所关联的至少一个目标场景实例。

9.根据权利要求8所述的方法，其特征在于，所述语义级场景与场景实例的对应关系基于以下方式构建：

对当前语义级场景的基础场景实例进行特征变换，得到扩展场景实例；

构建所述当前语义级场景与所述基础场景实例和所述扩展场景实例的对应关系。

10.根据权利要求9所述的方法，其特征在于，对当前语义级场景的基础场景实例进行特征变换，包括：

基于所述当前语义级场景对应的预设特征维度，对所述当前语义级场景的基础场景实例进行特征变换。

11.根据权利要求1所述的方法，其特征在于，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景，包括：

根据预先设置的各自动驾驶能力级场景的优先级信息，从各所述自动驾驶能力级场景中选取至少一个目标能力级场景。

12.根据权利要求1-11任一项所述的方法，其特征在于，所述目标场景实例中包括：地图拓扑结构、车辆位置、车辆行驶轨迹、障碍物的属性信息、障碍物的运行轨迹、以及交通信号灯信息中的至少一个信息。

13.一种自动驾驶仿真场景获取装置，其特征在于，包括：

能力级场景选取模块，用于响应于接收到的仿真场景获取请求，从预先设置的自动驾驶能力级场景中选取至少一个目标能力级场景；

语义级场景确定模块，用于确定与各所述目标能力级场景所关联的至少一个目标语义级场景；

场景实例确定模块，用于确定与各所述目标语义级场景所关联的至少一个目标场景实例；

场景获取请求响应模块，用于根据所述至少一个目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

14.根据权利要求13所述的装置，语义级场景确定模块，包括：

语义级场景确定单元，用于根据预先构建的自动驾驶能力级场景与语义级场景的对应关系，确定各所述目标能力级场景所关联的至少一个目标语义级场景。

15.根据权利要求14所述的装置，其特征在于，所述装置还包括，第一对应关系构建模块，具体包括：

数据片段识别单元，用于识别车辆的路测数据中与当前自动驾驶能力级场景相匹配的数据片段；

语义场景确定单元，用于对所述数据片段进行分类，并确定各分类类别分别对应的语义级场景；

第一对应关系构建单元，用于构建所述当前自动驾驶能力级场景与确定的语义级场景的对应关系。

16.根据权利要求15所述的装置，其特征在于，语义场景确定单元，包括：

数据片段聚类子单元，用于对所述数据片段进行特征抽取，并根据所抽取特征对所述数据片段进行聚类；

语义场景确定子单元，用于确定聚类后得到的各分类类别分别对应的语义级场景。

17.根据权利要求16所述的装置，其特征在于，数据片段聚类子单元，包括：

特征抽取从单元，用于基于当前自动驾驶能力级场景对应的预设特征维度，对所述数据片段进行特征抽取。

18.根据权利要求15所述的装置，其特征在于，该装置还包括，权重信息确定模块，用于：

在对所述数据片段进行分类，并确定各分类类别分别对应的语义级场景之后，根据所述分类类别中包含的数据片段的数量，确定所述分类类别对应的语义级场景的权重信息；

相应的，场景获取请求响应模块，包括：

场景实例选取单元，用于根据各所述目标语义场景的权重信息，从各所述目标语义场景所关联的各所述目标场景实例中，选取满足数量限制条件的至少一个目标场景实例；

场景获取请求响应单元，用于根据选取的目标场景实例，生成所述仿真场景获取请求的响应信息进行响应。

19.一种电子设备，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1-12中任一项所述的一种自动驾驶仿真场景获取方法。

20.一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1-12中任一项所述的一种自动驾驶仿真场景获取方法。

Images