CN111783225A - 仿真系统中场景处理的方法及装置 - Google Patents
仿真系统中场景处理的方法及装置 Download PDFInfo
- Publication number
- CN111783225A CN111783225A CN202010597535.7A CN202010597535A CN111783225A CN 111783225 A CN111783225 A CN 111783225A CN 202010597535 A CN202010597535 A CN 202010597535A CN 111783225 A CN111783225 A CN 111783225A
- Authority
- CN
- China
- Prior art keywords
- data
- operation data
- scene
- time period
- virtual vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004088 simulation Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 title claims abstract description 53
- 230000006399 behavior Effects 0.000 claims abstract description 33
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 16
- 238000003672 processing method Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了仿真系统中场景处理的方法及装置,涉及自动驾驶、智能交通领域。具体实现方案为:获取虚拟车辆的运行数据,并判断运行数据对应的行为是否命中预设规则,其中,预设规则用于指示虚拟车辆的异常行为。若是,则获取运行数据对应的时间段以及命中的预设规则的规则名称。根据时间段,获取时间段的范围内的目标运行数据。根据规则名称和目标运行数据,生成场景。通过确定命中预设规则的运行数据对应的时间段,从而将时间段的范围内的数据作为目标运行数据,以及根据命中的预设规则的规则名称,生成场景,从而可以从众多的运行数据中针对性的得到需要的场景,以有效提升生成场景的准确率和效率。
Description
技术领域
本申请实施例涉及数据处理领域,尤其涉及一种仿真系统中场景处理的方法及装置,可用于自动驾驶、智能交通领域。
背景技术
在自动驾驶仿真系统中,会部署数量较多的用于自动驾驶的虚拟车辆,从而测试自动驾驶算法的运行效果。
其中,为了对自动驾驶算法进行验证,需要将各个虚拟车辆无法处理的情况保存为场景,目前,通常是将测试过程中,将虚拟车辆产生的所有运行数据均保存下来,并从其中随机截选运行数据,并保存为场景。
然而,随机截选的方式无法针对性的获取需要的场景,从而导致获取场景的准确率较低。
发明内容
本申请提供了一种仿真系统中用于场景处理的方法、装置、设备以及存储介质。
根据本申请的一方面,提供了一种仿真系统中场景处理的方法,包括:
获取虚拟车辆的运行数据,并判断所述运行数据对应的行为是否命中预设规则,其中,所述预设规则用于指示所述虚拟车辆的异常行为;
若是,则获取所述运行数据对应的时间段以及命中的所述预设规则的规则名称;
根据所述时间段,获取所述时间段的范围内的目标运行数据;
根据所述规则名称和所述目标运行数据,生成场景。
根据本申请的另一方面,提供了一种仿真系统中场景处理的装置,包括:
获取模块,用于获取虚拟车辆的运行数据,并判断所述运行数据对应的行为是否命中预设规则,其中,所述预设规则用于指示所述虚拟车辆的异常行为;
所述获取模块还用于,若是,则获取所述运行数据对应的时间段以及命中的所述预设规则的规则名称;
所述获取模块还用于,根据所述时间段,获取所述时间段的范围内的目标运行数据;
生成模块,用于根据所述规则名称和所述目标运行数据,生成场景。
根据本申请的另一方面,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如上述一方面所述的仿真系统中场景处理的方法。
根据本申请的另一方面,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,所述计算机指令用于使所述计算机执行如上述一方面所述的仿真系统中场景处理的方法。
根据本申请的技术,提升了生成场景的准确率和效率。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请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为本申请实施例提供的仿真系统中场景处理方法的系统示意图;
图2为本申请其中一实施例提供的仿真系统中场景处理的方法的流程图;
图3为本申请另一实施例提供的仿真系统中场景处理的方法的流程图;
图4为本申请实施例提供的存储队列示意图;
图5为本申请实施例提供的时间段和目标运行数据示意图;
图6为本申请实施例提供的删除目标运行数据示意图;
图7为本申请实施例提供的场景的示意图;
图8为本申请实施例提供的场景处理系统的处理单元示意图;
图9为本申请其中一实施例的仿真系统中场景处理的装置的结构示意图;
图10是用来实现本申请实施例的仿真系统中场景处理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。
在介绍本申请提供的场景处理方法之前,首先对本申请的场景处理方法的应用场景进行介绍,图1为本申请实施例提供的仿真系统中场景处理方法的系统示意图。
如图1所示:
在本实施例中,可以在服务器10中搭建仿真系统100,本实施例中的服务器10例如可以为硬件服务器,或者还可以为云服务器,本实施例对服务器10的具体实现方式不做限制,只要服务器10可以搭建仿真平台100即可。
其中,仿真系统100可以用于创建供虚拟车辆在其中行驶的仿真场景,例如仿真系统100可以部署多个用于自动驾驶的虚拟车辆,并根据虚拟车辆的运行数据测试算法的运行效果。
参见图1,在搭建的仿真系统100中,可以部署有虚拟车辆101、仿真硬件平台102和仿真软件平台103,其中,虚拟车辆101可以与仿真硬件平台102、仿真软件平台103进行交互。
在一种可能的实现方式中,本实施例中的仿真硬件平台102可以设置有摄像头、激光雷达、毫米波雷达、惯性导航系统等仿真的硬件结构,仿真软件平台103可以设置有感知单元、预测单元、路径单元、规划单元以及决策单元等相应功能的仿真的软件单元。
在实际实现过程中,可以在虚拟车辆101行驶过程中,基于仿真硬件平台102提供的硬件结构、仿真软件平台103的软件模块提供的方法来获取虚拟车辆101的运行数据,然后根据运行数据对算法的运行结果进行测试。
图1中仅示例性的介绍了一个虚拟车辆101,在实际实现过程中,虚拟车辆101的设置数量可以根据实际需求进行选择,本实施例对此不做限制。
目前,在城市规模的自动驾驶的仿真系统中,会同时部署数量较多的用于自动驾驶的虚拟车辆,从而测试算法的运行效果。
由于算法运行结果的不确定性,仿真平台会模拟部署的虚拟车辆将会遇到无法处理的情况,因此在仿真运行中,需要能够识别这些无法处理的情况,并将其保存为场景,用于后续对自动驾驶算法进行验证验证。
目前在自动驾驶测试中,存在以下两种场景处理方法:
方法一:保存所有的运行数据;
在目前的自动驾驶测试中,可以保存自动驾驶测试中虚拟车辆产生的所有运行数据,并从保存好的运行数据中随机截取部分运行数据作为场景,用于回归测试。
然而,随机截取部分运行数据的实现方式无法针对性的获取场景,从而导致场景的获取缺乏准确性,场景的获取缺乏准确性会导致算法测试的效率低下,并且在城市规模的自动驾驶仿真系统中,运行的虚拟车辆的数目是远远大于现实中自动驾驶车辆的数目的,因此保存所有的运行数据会消耗大量的存储空间,在城域规模的仿真下是不可行的。
方法二:人工筛选、截取并保存部分运行数据;
在现实的自动驾驶测试中,每辆测试车辆都存在安全员,因此安全员可以识别算法无法应对的情况并标记时间点,从而可以从连续的运行数据中截取片段并保存为场景用于算法的回归测试。
但是,在城市规模的自动驾驶的仿真系统中,虚拟车辆中并不存在安全员,因此针对仿真系统,通常是在算法运行完成之后,后续依赖人工在所有的运行数据中筛选需要的场景数据,然而,在城市规模的自动驾驶仿真系统中,虚拟车辆的数量是巨大的,因此运行数据也是海量的,在面对海量的运行数据时,依靠人工从中筛选需要的场景数据效率非常低下,也就是说依靠人工筛选的方式在仿真系统中是不可行的。
基于上述介绍的内容,可以确定的是,现有技术的实现方案无法准确高效的从大量的运行数据中选取需要的场景数据,从而导致获取场景数据的准确率和效率低下。
针对现有技术中的问题,本申请提供一种仿真系统中场景处理的方法,应用于数据处理领域中的自动驾驶、智能交通领域,以达到提升获取场景数据的准确率和效率的问题。
下面结合具体的实施例对本申请提供的仿真系统中场景处理的方法进行介绍,图2为本申请其中一实施例提供的仿真系统中场景处理的方法的流程图。
如图2所示,该方法包括:
S201、获取虚拟车辆的运行数据。
在本实施例中,虚拟车辆在运行过程中产生的数据均可以作为本实施例中的运行数据。
在一种可能的实现方式中,运行数据例如可以包括如下中的至少一种:摄像头数据、激光雷达点云数据、毫米波雷达数据、全球定位数据、惯性测量单元数据、自动驾驶算法输出数据、红绿灯数据、障碍物数据、行驶数据。
其中,自动驾驶算法输出数据例如可以为自动驾驶算法的输出结果;红绿灯数据例如可以包括车辆等待红灯的时长、等待绿灯的时长等;障碍物数据例如可以包括障碍物的大小、障碍物的位置、障碍物的速度、障碍物的朝向、障碍物的加速度等;行驶数据例如可以包括虚拟车辆的行驶速度、行驶加速度等。
虚拟车辆的运行数据的实现方式可以根据实际需求进行相应的添加和/或删除,本实施例对运行数据的具体实现方式不做限制。
在一种可能的实现方式中,例如可以将虚拟车辆的运行数据存储在队列中,则可以从队列中获取运行数据;或者还可以将虚拟车辆的运行数据存储在数组中,或者还可以将虚拟车辆的运行数据存储在键值对中,本实施例对运行数据的存储方式不做特别限制,只要根据存储运行数据的数据结构相应的进行数据的读取,即可获取到虚拟车辆的运行数据。
在本实施例中,一次可以获取一条运行数据,其中一条运行数据可以对应一个图像帧,或者一次还可以获取多条运行数据,本实施例对获取的运行数据的数量和大小不做限制。
S202、判断运行数据对应的行为是否命中预设规则,若是,则执行S203,若否,则执行S201。
其中,预设规则用于指示虚拟车辆的异常行为。
在一种可能的实现方式中,预设规则例如可以包括如下规则中的至少一种:
1)交通规则:交通规则用于判定虚拟车辆是否违反交通规则,例如可以包括闯红灯、急刹;
2)乘车体验规则:乘车体验规则用于判定虚拟车辆的乘车体验是否良好,例如可以包括急刹、急加速;
3)数值规则:数值规则用于判断虚拟车辆的行驶数据是否超过预设阈值,例如可以包括超速、加速度过大;
在其余可能的实现方式中,预设规则还可以包括任一种自定义的规则,其中自定义的规则可以用于判定虚拟车辆是否触发了用户关心的行为。
本实施例对预设规则的具体实现方式不做特别限制,凡是用于判断车辆是否存在异常行为的规则均可以作为本实施例中的预设规则。
在本实施例中,根据运行数据可以得到其对应的行为,例如可以根据运行数据中的红绿灯信息,得到闯红灯行为;再例如根据运行数据中的行驶速度,可以得到急刹行为、超速行为;再例如根据运行数据中的行驶加速度,可以得到加速度过大行为。
则可以判断运行数据对应的行为是否命中至少一个预设规则,例如基于上述介绍的内容,根据运行数据得到虚拟车辆的闯红灯行为,则可以确定闯红灯行为命中了闯红灯的预设规则,其余的命中预设规则的实现方式类似,此处不再赘述。
在一种可能的实现方式中,若运行数据对应的行为均没有命中预设规则,则可以重复上述的步骤S201和步骤S203,持续获取运行数据并进行判断,直至确定运行数据对应的行为命中预设规则。
S203、获取运行数据对应的时间段以及命中的预设规则的规则名称。
在另一种可能的实现方式中,若运行数据对应的行为命中了预设规则,则获取运行数据对应的时间段以及命中的预设规则的规则名称。
可以理解的是,运行数据可以对应多个行为,以及预设规则也可以存在多个,只要任意一个行为命中了任意一个预设规则,均可以确定运行数据对应的行为命中了预设规则。
在本实施例中,运行数据对应的时间段可以为:当前运行数据所对应的行为的持续时间段,例如当前运行数据对应的行为为闯红灯行为,其命中了闯红灯的规则,则运行数据对应的时间段就为闯红灯行为的持续时间段;再例如当前运行数据对应的行为为超速行为,其命中了超速的规则,则运行数据对应的时间段就为超速的时间段。
以及,本实施例中命中的预设规则的规则名称可以为上述介绍的闯红灯、超速等,各个预设规则的规则名称可以根据实际需求进行确定,其例如可以为文字含义的名称,如闯红灯、超速等,或者还可以为指代含义的字符名称,如1、2等,其中1例如可以对应闯红灯,2例如可以对应超速,本实施例对预设规则的规则名称的实现方式不做限制,只要其可以指示预设规则即可。
S204、根据时间段,获取时间段的范围内的目标运行数据。
S205、根据规则名称和目标运行数据,生成场景。
下面对S204和S205一起进行介绍:
在本实施例中,时间段为运行数据对应的行为的持续时间段,因此可以获取时间段的范围内的目标运行数据,则该目标运行数据就是命中的预设规则所对应的运行数据,例如命中的预设规则为闯红灯,则目标运行数据可以为闯红灯行为对应的运行数据。
以及,根据规则名称和目标运行数据,生成场景,在一种可能的实现方式中,可以将目标运行数据作为场景数据,将规则名称作为场景数据的描述,从而生成场景,例如当前生成了一个闯红灯的场景,该场景的描述为闯红灯,该场景的数据为闯红灯过程中的运行数据。
在本实施例中,通过根据时间段获取目标运行数据,并且根据规则名称和目标运行数据生成场景,能够有效保证生成的场景的完整性和可用性。
本申请实施例提供的仿真系统中场景处理的方法,包括:获取虚拟车辆的运行数据,并判断运行数据对应的行为是否命中预设规则,其中,预设规则用于指示虚拟车辆的异常行为。若是,则获取运行数据对应的时间段以及命中的预设规则的规则名称。根据时间段,获取时间段的范围内的目标运行数据。根据规则名称和目标运行数据,生成场景。通过确定命中预设规则的运行数据对应的时间段,从而将时间段的范围内的数据作为目标运行数据,以及根据命中的预设规则的规则名称,生成场景,从而可以从众多的运行数据中针对性的得到需要的场景,从而能够有效提升生成场景的准确率和效率。
在上述实施例的基础上,下面结合一个具体的实施例对本申请提供的仿真系统中场景处理的方法进行进一步的详细介绍,图3为本申请另一实施例提供的仿真系统中场景处理的方法的流程图,图4为本申请实施例提供的存储队列示意图,图5为本申请实施例提供的时间段和目标运行数据示意图,图6为本申请实施例提供的删除目标运行数据示意图,图7为本申请实施例提供的场景的示意图。
如图3所示,该方法包括:
S301、获取虚拟车辆在行驶过程中,通过虚拟车辆的摄像头拍摄得到的至少一个图像帧。
在本实施例中,仿真系统中的虚拟车辆可以包括虚拟摄像头,其中虚拟摄像头可以用于拍摄,得到虚拟车辆在行驶过程中的至少一个图像帧,其中虚拟车辆的摄像头拍摄得到的任意两个图像帧之间的时间间隔,可以根据实际需求进行选择,本实施例对此不做特别限制。
S302、按照至少一个图像帧的顺序,将虚拟车辆的运行数据写入存储队列中。
在本实施例中,至少一个图像帧对应有拍摄产生的顺序,则可以按照至少一个图像帧的顺序,将虚拟车辆的运行数据存储在队列中,从而可以保证存储队列中存储的运行数据是按照先后顺序进行存储的。
其中,队列具有先入先出的特点,因此通过将运行数据写入存储队列中,可以有效提升运行数据存储的规范性和效率。
其中,存储队列的实现方式可以如图4所示,例如可以按照图像帧的顺序,将虚拟车辆的运行数据依次写入存储队列的队尾,其中存储队列中的一条运行数据对应一个图像帧。
S303、从存储队列中读取虚拟车辆的运行数据。
本实施例中的运行数据存储在队列中,因此在获取虚拟车辆的运行数据时,可以根据存储队列进行运行数据的获取,例如参照图4,可以从存储队列的队首依次获取运行数据,因为队列先入先出的特点,可以有效提升数据读取的规范性和效率。
S304、判断运行数据对应的行为是否命中预设规则,其中,预设规则用于指示虚拟车辆的异常行为,若是,则执行S305,若否,则执行S303。
S305、获取运行数据对应的时间段以及命中的预设规则的规则名称。
其中,S304、S305的实现方式与S202、S203的实现方式相同,此处不再赘述。
S306、根据时间段,从存储队列中获取时间段的范围内的目标运行数据。
在一种可能的实现方式中,运行数据对应的时间段例如可以为图5所示意的时间段,图5中的队列的左侧为存储队列的队尾,队列的右侧为存储队列的队首,可以确定的是,在存储队列中,队首存储的是当前队列中时间最早的运行数据,因此左侧队尾的时间晚于右侧队首的时间,假设当前获取运行数据对应的时间段为图5所示的时间段,则可以从存储队列中获取时间段范围内的目标运行数据。
通过从存储队列中获取时间段范围内的目标运行数据,可以实现根据实际需求获取需要的场景数据,从而能够从海量的运行数据中准确高效的获取到需要的场景数据。
S307、确定时间段对应的结束时间。
S308、删除存储队列中结束时间之前的运行数据。
在本实施例中,时间段对应有起始时间和结束时间,其中起始时间和结束时间可以如图5所示,因为在城市规模的仿真系统中,虚拟车辆的数量是非常多的,因此会产生大量的运行数据,为了有效节省系统的存储空间,则可以确定时间段对应的结束时间,并且删除存储队列中结束时间之前的运行数据。
可以理解的是,在本实施例中,因为存储队列先进先出的特点,因此结束时间之前的运行数据已经是处理过的运行数据,所以删除存储队列中结束时间之前的运行数据不会造成有效数据的丢失,并且还能够有效节省系统的存储空间。
S309、将目标运行数据保存为场景数据,以及,根据规则名称,生成针对目标运行数据的场景描述。
S310、根据场景数据和场景描述,得到场景。
在本实施例中,目标运行数据为命中的预设规则所对应的行为,则可以将目标运行数据保存为场景数据,如图7所示,以及假设当前命中的预设规则的规则名称为闯红灯,则可以将闯红灯作为当前目标运行数据的场景描述,并且根据闯红灯的场景数据和闯红灯的场景描述,得到闯红灯的场景。
其余场景的实现方式类似,例如超速、逆行等场景,其具体的实现可以参照上述介绍,此处对此不再赘述。
S311、发送场景用于对自动驾驶算法的回归测试。
本实施例中在得到场景之后,可以发送场景用于对自动驾驶算法的回归测试。
在一种可能的实现方式中,用于生成场景的执行主体和用于进行回归测试的执行主体可以为不同的执行主体,以执行主体是服务器为例,例如本实施例中的生成场景的执行主体例如可以为服务器1,以及用于对自动驾驶算法测试的回归测试可以为服务器2,则服务器1在生成场景之后,可以向服务器2发送场景,以使得服务器2可以根据场景对自动驾驶算法进行回归测试。
或者,执行主体还可以为处理器、微处理器等其余可能的实现,其实现方式与上述介绍的服务器的实现方式类似,此处不再赘述。
本实施例中提供的方法可以从海量的运行数据中获取到需要的场景,因此在根据场景对自动驾驶算法进行回归测试时,能够有效提升算法测试的效率。
本申请实施例提供的场景处理方法及装置,包括:获取虚拟车辆在行驶过程中,通过虚拟车辆的摄像头拍摄得到的至少一个图像帧。按照至少一个图像帧的顺序,将虚拟车辆的运行数据写入存储队列中。从存储队列中读取虚拟车辆的运行数据。判断运行数据对应的行为是否命中预设规则,其中,预设规则用于指示虚拟车辆的异常行为,若是,则获取运行数据对应的时间段以及命中的预设规则的规则名称。根据时间段,从存储队列中获取时间段的范围内的目标运行数据。确定时间段对应的结束时间。删除存储队列中结束时间之前的运行数据。将目标运行数据保存为场景数据,以及,根据规则名称,生成针对目标运行数据的场景描述。根据场景数据和场景描述,得到场景。发送场景用于对自动驾驶算法的回归测试。通过存储队列进行运行数据的存储和读取,能够有效保证运行数据的处理的规范性和效率,并且通过从存储队列中获取时间段范围内的场景数据,以和规则名称生成场景,用于对自动驾驶算法的回归测试,能够从海量的运行数据中获取到需要的场景,从而提升了场景获取的准确率,以及提升了算法测试的效率。
在上述实施例的基础上,本申请实施例中的场景处理系统可以包括多个单元,每个单元用于执行不同的功能,下面结合各个单元对本申请提供的场景处理方法进行进一步地说明,图8为本申请实施例提供的场景处理系统的处理单元示意图。
如图8所示,本实施例中的场景处理系统包括记录单元、判别算法单元、截取算法单元。
在一种可能的实现方式中,记录单元用于在虚拟车辆的运行过程中记录运行数据,例如可以将运行数据记录在存储队列中,其中运行数据在上述实施例中已经进行了介绍,此处不再赘述。
以及本实施例中的判别算法单元可以接收记录单元存储的运行数据,并且依据预先定义的预设规则对运行数据进行判别,输出一系列的判别结果,其中判别结果例如可以为运行数据命中预设规则,或者还可以为运行数据没有命中预设规则,以及判别算法单元还可以输出命中预设规则的运行数据在存储队列对应的时间段。
其中截取算法单元用于接收判别算法单元的输出和记录单元存储的运行数据,从而根据判别结果和对应的时间段从运行数据中截取时间段对应的时间范围的目标运行数据,并且和判别结果一起保存为场景数据。
截取算法单元完成截取任务之后,会清除记录单元中存储的原始运行数据,只保留生成的场景数据,从而节省存储空间。
在本实施例中,通过根据判别结果和对应的时间段针对性的获取命中预设规则的目标运行数据,以生成场景,从而能够有效提升获取场景的准确率和效率,并且能够有效提升算法测试的效率。
图9为本申请其中一实施例的仿真系统中场景处理的装置的结构示意图。如图9所示,本实施例的仿真系统中场景处理的装置900可以包括:获取模块901和生成模块902。
获取模块901,用于获取虚拟车辆的运行数据,并判断所述运行数据对应的行为是否命中预设规则,其中,所述预设规则用于指示所述虚拟车辆的异常行为;
所述获取模块901还用于,若是,则获取所述运行数据对应的时间段以及命中的所述预设规则的规则名称;
所述获取模块901还用于,根据所述时间段,获取所述时间段的范围内的目标运行数据;
生成模块902,用于根据所述规则名称和所述目标运行数据,生成场景。
一种可能的实现方式中,所述生成模块902具体用于:
将所述目标运行数据保存为场景数据,以及,根据所述规则名称,生成针对所述目标运行数据的场景描述;
根据所述场景数据和所述场景描述,得到所述场景。
一种可能的实现方式中,其中,所述获取模块901具体用于:
从存储队列中读取虚拟车辆的运行数据。
一种可能的实现方式中,所述装置还包括:处理模块903;
所述处理模块903,用于确定所述时间段对应的结束时间;
删除所述存储队列中所述结束时间之前的运行数据。
一种可能的实现方式中,所述处理模块903还用于:
在所述从存储队列中读取虚拟车辆的运行数据之前,按照图像帧的顺序,将所述虚拟车辆的运行数据写入所述存储队列中,其中,所述运行数据包括如下中的至少一种:摄像头数据、激光雷达点云数据、毫米波雷达数据、全球定位数据、惯性测量单元数据、自动驾驶算法输出数据、红绿灯数据、障碍物数据、行驶数据。
一种可能的实现方式中,其中,所述获取模块901具体用于:
根据所述时间段,从所述存储队列中获取所述时间段的范围内的目标运行数据。
一种可能的实现方式中,所述处理模块903还用于:
根据所述场景对自动驾驶算法进行回归测试。
本实施例提供的仿真系统中场景处理的装置,可用于执行上述任一方法实施例中的仿真系统中场景处理的方法,其实现原理和技术效果类似,此处不作赘述。
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10所示,是根据本申请实施例的仿真系统中场景处理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10所示,该电子设备包括:一个或多个处理器1001、存储器1002,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10中以一个处理器1001为例。
存储器1002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仿真系统中场景处理的方法。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仿真系统中场景处理的方法。
存储器1002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仿真系统中场景处理的方法对应的程序指令/模块(例如,附图9所示的获取模块901、生成模块902和处理模块903)。处理器1001通过运行存储在存储器1002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仿真系统中场景处理的方法。
存储器1002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场景处理的电子设备的使用所创建的数据等。此外,存储器1002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1002可选包括相对于处理器1001远程设置的存储器,这些远程存储器可以通过网络连接至场景处理的电子设备。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。
仿真系统中场景处理的方法的电子设备还可以包括:输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接,图10中以通过总线连接为例。
输入装置1003可接收输入的数字或字符信息,以及产生与场景处理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1004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。
这些计算机程序(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机程序。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,通过确定命中预设规则的运行数据对应的时间段,从而将时间段的范围内的数据作为目标运行数据,以及根据命中的预设规则的规则名称,生成场景,从而可以从众多的运行数据中针对性的得到需要的场景,从而能够有效提升生成场景的准确率和效率。
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 (16)
1.一种仿真系统中场景处理的方法,包括:
获取虚拟车辆的运行数据,并判断所述运行数据对应的行为是否命中预设规则,其中,所述预设规则用于指示所述虚拟车辆的异常行为;
若是,则获取所述运行数据对应的时间段以及命中的所述预设规则的规则名称;
根据所述时间段,获取所述时间段的范围内的目标运行数据;
根据所述规则名称和所述目标运行数据,生成场景。
2.根据权利要求1所述的方法,其中,所述根据所述规则名称和所述目标运行数据,生成场景,包括:
将所述目标运行数据保存为场景数据,以及,根据所述规则名称,生成针对所述目标运行数据的场景描述;
根据所述场景数据和所述场景描述,得到所述场景。
3.根据权利要求1所述的方法,其中,所述获取虚拟车辆的运行数据,包括:
从存储队列中读取虚拟车辆的运行数据。
4.根据权利要求3所述的方法,所述方法还包括:
确定所述时间段对应的结束时间;
删除所述存储队列中所述结束时间之前的运行数据。
5.根据权利要求3所述的方法,所述从存储队列中读取虚拟车辆的运行数据之前,所述方法还包括:
获取所述虚拟车辆在行驶过程中,通过所述虚拟车辆的摄像头拍摄得到的至少一个图像帧;
按照所述至少一个图像帧的顺序,将所述虚拟车辆的运行数据写入所述存储队列中,其中,所述运行数据包括如下中的至少一种:摄像头数据、激光雷达点云数据、毫米波雷达数据、全球定位数据、惯性测量单元数据、自动驾驶算法输出数据、红绿灯数据、障碍物数据、行驶数据。
6.根据权利要求3所述的方法,其中,所述根据所述时间段,获取所述时间段的范围内的目标运行数据,包括:
根据所述时间段,从所述存储队列中获取所述时间段的范围内的目标运行数据。
7.根据权利要求1所述的方法,所述方法还包括:
发送所述场景用于对自动驾驶算法的回归测试。
8.一种仿真系统中场景处理的装置,包括:
获取模块,用于获取虚拟车辆的运行数据,并判断所述运行数据对应的行为是否命中预设规则,其中,所述预设规则用于指示所述虚拟车辆的异常行为;
所述获取模块还用于,若是,则获取所述运行数据对应的时间段以及命中的所述预设规则的规则名称;
所述获取模块还用于,根据所述时间段,获取所述时间段的范围内的目标运行数据;
生成模块,用于根据所述规则名称和所述目标运行数据,生成场景。
9.根据权利要求8所述的装置,其中,所述生成模块具体用于:
将所述目标运行数据保存为场景数据,以及,根据所述规则名称,生成针对所述目标运行数据的场景描述;
根据所述场景数据和所述场景描述,得到所述场景。
10.根据权利要求8所述的装置,其中,所述获取模块具体用于:
从存储队列中读取虚拟车辆的运行数据。
11.根据权利要求10所述的装置,所述装置还包括:处理模块;
所述处理模块,用于确定所述时间段对应的结束时间;
删除所述存储队列中所述结束时间之前的运行数据。
12.根据权利要求10所述的装置,所述处理模块还用于:
在所述从存储队列中读取虚拟车辆的运行数据之前,按照图像帧的顺序,将所述虚拟车辆的运行数据写入所述存储队列中,其中,所述运行数据包括如下中的至少一种:摄像头数据、激光雷达点云数据、毫米波雷达数据、全球定位数据、惯性测量单元数据、自动驾驶算法输出数据、红绿灯数据、障碍物数据、行驶数据。
13.根据权利要求10所述的装置,其中,所述获取模块具体用于:
根据所述时间段,从所述存储队列中获取所述时间段的范围内的目标运行数据。
14.根据权利要求8所述的装置,所述处理模块还用于:
发送所述场景用于对自动驾驶算法的回归测试。
15.一种电子设备,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权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597535.7A CN111783225A (zh) | 2020-06-28 | 2020-06-28 | 仿真系统中场景处理的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597535.7A CN111783225A (zh) | 2020-06-28 | 2020-06-28 | 仿真系统中场景处理的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111783225A true CN111783225A (zh) | 2020-10-16 |
Family
ID=72760683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010597535.7A Pending CN111783225A (zh) | 2020-06-28 | 2020-06-28 | 仿真系统中场景处理的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783225A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383674A (zh) * | 2020-11-09 | 2021-02-19 | 中国第一汽车股份有限公司 | 一种数据和视频同步显示方法、装置、车辆及介质 |
CN114111757A (zh) * | 2021-10-26 | 2022-03-01 | 北京百度网讯科技有限公司 | 地图数据的修复方法、装置、电子设备和可读存储介质 |
CN114546383A (zh) * | 2022-02-22 | 2022-05-27 | 江苏泽景汽车电子股份有限公司 | 一种驾驶场景展示方法、装置、电子设备及存储介质 |
CN114861321A (zh) * | 2022-05-30 | 2022-08-05 | 中国第一汽车股份有限公司 | 交通流仿真的问题场景提取方法、装置、设备及介质 |
CN115063905A (zh) * | 2022-06-08 | 2022-09-16 | 中国第一汽车股份有限公司 | 车辆数据的处理方法和装置、存储介质及电子装置 |
CN115148028A (zh) * | 2022-06-30 | 2022-10-04 | 北京小马智行科技有限公司 | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016125111A1 (en) * | 2015-02-05 | 2016-08-11 | Mohite Sumedh Hiraji | Systems and methods for monitoring and controlling vehicles |
CN108765017A (zh) * | 2018-05-31 | 2018-11-06 | 浪潮软件股份有限公司 | 一种预警数据的处理方法及装置 |
US20180354512A1 (en) * | 2017-06-09 | 2018-12-13 | Baidu Online Network Technology (Beijing) Co., Ltd. | Driverless Vehicle Testing Method and Apparatus, Device and Storage Medium |
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
CN110674790A (zh) * | 2019-10-15 | 2020-01-10 | 山东建筑大学 | 一种视频监控中异常场景处理方法及系统 |
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 |
CN111178454A (zh) * | 2020-01-03 | 2020-05-19 | 北京汽车集团有限公司 | 自动驾驶数据的标注方法、云端控制平台及存储介质 |
CN111243335A (zh) * | 2020-01-20 | 2020-06-05 | 上海大学 | 一种自主无人系统中的场景描述方法 |
-
2020
- 2020-06-28 CN CN202010597535.7A patent/CN111783225A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016125111A1 (en) * | 2015-02-05 | 2016-08-11 | Mohite Sumedh Hiraji | Systems and methods for monitoring and controlling vehicles |
US20180354512A1 (en) * | 2017-06-09 | 2018-12-13 | Baidu Online Network Technology (Beijing) Co., Ltd. | Driverless Vehicle Testing Method and Apparatus, Device and Storage Medium |
CN108765017A (zh) * | 2018-05-31 | 2018-11-06 | 浪潮软件股份有限公司 | 一种预警数据的处理方法及装置 |
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
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 |
CN110674790A (zh) * | 2019-10-15 | 2020-01-10 | 山东建筑大学 | 一种视频监控中异常场景处理方法及系统 |
CN111178454A (zh) * | 2020-01-03 | 2020-05-19 | 北京汽车集团有限公司 | 自动驾驶数据的标注方法、云端控制平台及存储介质 |
CN111243335A (zh) * | 2020-01-20 | 2020-06-05 | 上海大学 | 一种自主无人系统中的场景描述方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383674A (zh) * | 2020-11-09 | 2021-02-19 | 中国第一汽车股份有限公司 | 一种数据和视频同步显示方法、装置、车辆及介质 |
CN114111757A (zh) * | 2021-10-26 | 2022-03-01 | 北京百度网讯科技有限公司 | 地图数据的修复方法、装置、电子设备和可读存储介质 |
CN114546383A (zh) * | 2022-02-22 | 2022-05-27 | 江苏泽景汽车电子股份有限公司 | 一种驾驶场景展示方法、装置、电子设备及存储介质 |
CN114861321A (zh) * | 2022-05-30 | 2022-08-05 | 中国第一汽车股份有限公司 | 交通流仿真的问题场景提取方法、装置、设备及介质 |
CN115063905A (zh) * | 2022-06-08 | 2022-09-16 | 中国第一汽车股份有限公司 | 车辆数据的处理方法和装置、存储介质及电子装置 |
CN115063905B (zh) * | 2022-06-08 | 2024-06-14 | 中国第一汽车股份有限公司 | 车辆数据的处理方法和装置、存储介质及电子装置 |
CN115148028A (zh) * | 2022-06-30 | 2022-10-04 | 北京小马智行科技有限公司 | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 |
CN115148028B (zh) * | 2022-06-30 | 2023-12-15 | 北京小马智行科技有限公司 | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783225A (zh) | 仿真系统中场景处理的方法及装置 | |
CN109032102B (zh) | 无人驾驶车辆测试方法、装置、设备及存储介质 | |
CN111122175A (zh) | 测试自动驾驶系统的方法以及装置 | |
CN110675644B (zh) | 道路红绿灯的识别方法、装置、电子设备及存储介质 | |
CN114415628A (zh) | 自动驾驶测试方法及装置、电子设备和存储介质 | |
CN111680362A (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
CN111832557A (zh) | 电网巡检方法、装置、电子设备及存储介质 | |
CN111552646B (zh) | 用于回归测试的方法和装置 | |
CN111753701A (zh) | 应用程序的违规检测方法、装置、设备和可读存储介质 | |
US9772896B2 (en) | Identifying intervals of unusual activity in information technology systems | |
CN113091757B (zh) | 地图生成方法和装置 | |
CN113704116A (zh) | 自动驾驶车辆的数据处理方法、装置、电子设备和介质 | |
CN111292531A (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
CN111275011A (zh) | 移动红绿灯检测方法、装置、电子设备和存储介质 | |
CN111178323A (zh) | 基于视频的群体行为识别方法、装置、设备及存储介质 | |
CN113392793A (zh) | 用于识别车道线的方法、装置、设备、存储介质以及无人车 | |
US20220227388A1 (en) | Method and apparatus for determining green wave speed, and storage medium | |
CN111783600A (zh) | 一种人脸识别模型训练方法、装置、设备及介质 | |
CN113591580A (zh) | 图像标注方法、装置、电子设备和存储介质 | |
CN112579907A (zh) | 一种异常任务检测方法、装置、电子设备和存储介质 | |
CN110782551A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
CN112991735A (zh) | 交通流量监测系统的测试方法、装置及设备 | |
CN111768007A (zh) | 用于挖掘数据的方法和装置 | |
CN111756762A (zh) | 车辆安全性分析方法、装置、电子设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201016 |