CN111783226A - 生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质 - Google Patents
生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111783226A CN111783226A CN202010606833.8A CN202010606833A CN111783226A CN 111783226 A CN111783226 A CN 111783226A CN 202010606833 A CN202010606833 A CN 202010606833A CN 111783226 A CN111783226 A CN 111783226A
- Authority
- CN
- China
- Prior art keywords
- data
- scene
- automatic driving
- generating
- parameter
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000003993 interaction Effects 0.000 claims abstract description 58
- 230000006399 behavior Effects 0.000 claims description 24
- 230000002452 interceptive effect Effects 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005293 physical law Methods 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质，涉及计算机技术中的自动驾驶技术领域。具体实现方案为：获取自动驾驶场景的离线数据，所述离线数据包括所述自动驾驶场景中场景模型的运行数据；根据所述离线数据生成所述自动驾驶场景的离线度量参数；在主车处于运行状态时，获取所述自动驾驶场景的在线数据，所述在线数据包括所述主车与所述场景模型之间的交互数据；根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数；根据所述离线度量参数和所述在线度量参数生成所述自动驾驶场景的度量参数。根据本申请的技术能够提高对于自动驾驶场景评估的准确性和合理性。
Description
技术领域
本申请涉及计算机技术中的自动驾驶技术，尤其涉及一种生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质。
背景技术
随着自动驾驶技术的发展，为了节约测试成本，提高测试安全性，通常需要建立自动驾驶的仿真场景，以对自动驾驶进行仿真测试，相关技术中主要通过人工评价方式对自动驾驶的场景进行评估。
发明内容
本公开提供了一种生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质。
根据本公开的一方面，提供了一种生成自动驾驶场景度量参数的方法，包括：
获取自动驾驶场景的离线数据，所述离线数据包括所述自动驾驶场景中场景模型的运行数据；
根据所述离线数据生成所述自动驾驶场景的离线度量参数；
在主车处于运行状态时，获取所述自动驾驶场景的在线数据，所述在线数据包括所述主车与所述场景模型之间的交互数据；
根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数；
根据所述离线度量参数和所述在线度量参数生成所述自动驾驶场景的度量参数。
根据本公开的另一方面，提供了一种生成自动驾驶场景度量参数的装置，包括：
离线数据获取模块，用于获取自动驾驶场景的离线数据，所述离线数据包括所述自动驾驶场景中场景模型的运行数据；
第一生成模块，用于根据所述离线数据生成所述自动驾驶场景的离线度量参数；
在线数据获取模块，用于在主车处于运行状态时，获取所述自动驾驶场景的在线数据，所述在线数据包括所述主车与所述场景模型之间的交互数据；
第二生成模块，用于根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数；
度量参数生成模块，用于根据所述离线度量参数和所述在线度量参数生成所述自动驾驶场景的度量参数。
根据本公开的另一方面，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以上任一项所述的方法。
根据本公开的另一方面，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以上任一项所述的方法。。
根据本申请的技术能够提高对于自动驾驶场景评估的准确性和合理性。
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是根据本申请第一实施例的示意图；
图2是根据本申请第二实施例的示意图；
图3是用来实现本申请实施例的生成自动驾驶场景度量参数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。
本申请提供了一种生成自动驾驶场景度量参数的方法。
如图1所示，在一个实施例中，该种生成自动驾驶场景度量参数的方法包括：
步骤S101：获取自动驾驶场景的离线数据。
本实施例中，首先获取自动驾驶场景的离线数据，离线数据包括自动驾驶场景中场景模型的运行数据。
自动驾驶场景指的是利用计算机技术对自动驾驶过程进行仿真模拟过程中搭建的虚拟场景，具体可以是路测场景，也可以是根据实际测试过程重建的场景。
场景模型具体指的是在自动驾驶场景中建立的车辆、行人、道路上的障碍物等模型。
场景在运行过程中，会产生运行数据，例如场景中的车辆的行驶数据、行人的运动数据等每一场景模型自身产生的数据，以及车辆针对行人或障碍物的规避数据等多个场景模型之间交互产生的数据。本实施例中，将这些在自动驾驶场景自动运行过程中产生的数据定义为离线数据。
步骤S102：根据所述离线数据生成所述自动驾驶场景的离线度量参数。
在获取了离线数据之后，对这些离线数据进行检测，以获取对自动驾驶场景的离线数据进行度量的离线度量参数，从而对从离线度量对自动驾驶场景进行评估。
也可以理解为，该离线度量参数为用于评估自动驾驶场景自身运行合理性的参数。
在一个可选的具体实施方式中，该步骤S102具体包括：
获取所述场景模型的状态参数；
根据物理规律校验所述状态参数；
根据校验结果生成第一参数作为所述自动驾驶场景的离线度量参数。
上述场景模型的状态参数主要包括场景模型的运动轨迹、运动方向和朝向之间的一致性参数、速度与路况的匹配程度参数、加速度与路况的匹配程度参数、场景模型的尺寸参数、场景模型的生命周期参数中的一项或多项。
运动轨迹、运动方向和朝向之间的一致性指的是运动轨迹、运动方向和朝向应当相同，以场景模型为一车辆为例说明，车辆的运动方向应当与车辆的朝向是一致的，如果车辆的朝向和车辆的运动方向不一致，则说明可能在建模过程中出现了错误，同理，如果车辆的运动方向并非沿着车辆的运动轨迹的切线方向，则同样说明所建立的模型存在异常。
速度与路况的匹配程度以及加速度和路况的匹配程度指的是不同路况下，车辆的速度和加速度是受限的。
例如在拥挤路段，如果车速过高或加速度过大可能会对交通安全造成影响，说明车辆的驾驶策略可能存在异常；又如，在泥泞路况下，受到实际路况影响，车辆的最大速度及最大加速度相对于普通路况较低，这时，如果车辆的速度或加速度过快，则说明建模可能存在异常。
场景模型的尺寸参数、场景模型的生命周期参数等则应当根据实际情况进行校验，例如，如果某一型号的车辆的长度或高度与实际的车辆存在较大差异，则证明建模出现了错误。
这样，通过客观存在的物理规律对场景模型的状态进行参数，相当于从宏观层面对自动驾驶场景的真实性程度进行检测，能够发现场景模型本身存在的异常问题，提高场景的真实性和可靠性。
在一个可选的具体实施方式中，该步骤S102还可以进一步包括：
获取所述场景模型在多帧图像中的位置信息和运动参数；
检测所述场景模型在不同两帧图像中的位置参数变化量和运动参数变化量；
根据检测结果生成第二参数作为所述自动驾驶场景的离线度量参数。
本实施例中，还可以进一步从微观层面对场景的离线数据进行校验。具体的，获取多帧图像，并根据场景模型在不同帧图像中的位置参数变化量和运动参数变化量校验场景模型是否合理。
例如，如果所校验的图像为相邻的多帧图像，场景模型具体为一车辆。在这多帧图像中，车辆的速度均相同，即速度变化量为0，也就是说，车辆在短时间内速度没有发生变化，是可能存在的，则自动驾驶场景很可能不存在异常。又如，如果车辆在多帧图像中大部分图像中的瞬时速度为70千米每小时，而仅在某一帧图像中的瞬时速度为75千米每小时，那么说明，车辆的速度发生了突变，说明建模存在异常。
实施时，可以通过对位置参数，以及速度、加速度、朝向等运动参数进行校验，以确定场景是否存在异常。
通过对自动驾驶场景从微观角度进行帧级别的评价，有助于快速准确的发现场景中可能存在的问题，加速对于场景本身属性的迭代效率。
步骤S103：在主车处于运行状态时，获取所述自动驾驶场景的在线数据，所述在线数据包括所述主车与所述场景模型之间的交互数据。
本实施例中的主车指的是进行自动驾驶测试的车辆，在该主车处于运行状态以进行自动驾驶测试时，会与场景模型形成交互，这一过程中产生的数据称作主车与场景模型之间的交互数据。
例如，主车在形式过程中可能由于路面上存在其他车辆而需要进行的跟车、超车等驾驶操作，而场景模型包括的车辆或行人可能需要规避主车而调整运动方式，这些场景模型与主车之间受到彼此影响而发生交互产生的数据为在线数据中的交互数据。
步骤S104：根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数。
在一个可选的具体实施方式中，该步骤S104包括：
根据所述在线数据获取所述场景模型与所述主车之间的交互次数；
获取所述场景模型和所述主车之间交互的交互类型；
根据所述交互次数和所述交互类型生成主车与场景的交互多样性参数作为所述自动驾驶场景的在线度量参数。
场景模型与主车之间的交互类型主要指的是主车与场景模型之间的交互方式，例如可能包括超车、跟车、错车、停车避让等不同类型的交互方式。
该交互类型和交互次数主要用于横梁自动驾驶场景的多样性。例如，在一个自动驾驶仿真场景内进行的一次仿真测试过程中，如果一共发生了20次交互，该20次交互均为跟车交互；在另一个自动驾驶仿真场景内进行的基本相同的仿真测试过程中，同样发生了20次交互，这20次交互包括跟车、超车、停车避让等不同类型的交互。显然，上述第二个自动驾驶仿真场景中的交互方式更具有多样性。
在实际行驶过程中，不同车辆的交互类型应当是多种多样的，上述第二个具体实施方式中的交互方式更贴近实际情况，其多样性较为丰富，因此对于自动驾驶的仿真场景，因此，基于该自动驾驶场景进行的仿真测试可靠性更高。因此，通过根据交互次数和交互类型进行检测以生成交互多样性参数，能够提高对于自动驾驶场景的智能性的评估准确程度。
进一步的，在一个可选的具体实施方式中，该步骤S104还进一步包括：
根据所述在线数据和所述离线数据获取场景模型针对主车生成的第一交互行为；
根据所述在线数据获取主车针对所述场景模型生成的第二交互行为；
根据所述第一交互行为和所述第二交互行为生成所述场景模型的博弈数据和所述主车的博弈数据作为所述自动驾驶场景的在线度量参数。
本实施例中的第一交互行为指的是在引入主车之后，场景模型相应的作出的交互行为。而第二交互行为则指的是主车针对场景模型的存在作出的交互行为。
以场景模型为一车辆为例说明，主车位于该车辆后方行驶，且加速接近该车辆。该车辆可以选择保持原速度行驶、向右侧变道以避让车道或择加速行驶作为第一驾驶策略，；主车可以选择减速跟车或加速超车作为第二驾驶策略。该车辆选择的第一驾驶策略即为第一交互行为，而主车所选择的第二驾驶策略即为第二交互行为。
通过对于第一交互行为和第二交互行为进行评估，能够确定场景模型自动驾驶算法的合理性，加快自动驾驶算法的迭代效率。
步骤S105：根据所述离线度量参数和所述在线度量参数生成所述自动驾驶场景的度量参数。
最后，综合上述离线度量参数生成针对自动驾驶场景的总体评估的度量参数，从而便于后续进一步对自动驾驶场景有针对性的作出改进。
本实施例通过分别对离线数据和在线数据进行度量，能够从多角度的评估自动驾驶场景的合理性和准确性有助于有针对性的对自动驾驶场景作出改进，充分考虑了场景的各方面属性，能够满足不同用户的使用需求。
本申请还提供了一种生成自动驾驶场景度量参数的装置。
如图2所示，在一个实施例中，该生成自动驾驶场景度量参数的装置200包括：
离线数据获取模块201，用于获取自动驾驶场景的离线数据，所述离线数据包括所述自动驾驶场景中场景模型的运行数据；
第一生成模块202，用于根据所述离线数据生成所述自动驾驶场景的离线度量参数；
在线数据获取模块203，用于在主车处于运行状态时，获取所述自动驾驶场景的在线数据，所述在线数据包括所述主车与所述场景模型之间的交互数据；
第二生成模块204，用于根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数；
度量参数生成模块205，用于根据所述离线度量参数和所述在线度量参数生成所述自动驾驶场景的度量参数。
可选的，所述第一生成模块202包括：
第一获取子模块，用于获取所述场景模型的状态参数，所述状态参数包括所述场景模型的运动轨迹、运动方向和朝向之间的一致性参数、所述速度与路况的匹配程度参数、加速度与路况的匹配程度参数、场景模型的尺寸参数、场景模型的生命周期参数中的一项或多项；
校验子模块，用于根据物理规律校验所述状态参数；
第一生成子模块，用于根据校验结果生成第一参数作为所述自动驾驶场景的离线度量参数。
可选的，所述第一生成模块202还包括：
第二获取子模块，用于获取所述场景模型在多帧图像中的位置信息和运动参数；
检测子模块，用于检测所述场景模型在不同两帧图像中的位置参数变化量和运动参数变化量；
第二生成子模块，用于根据检测结果生成第二参数作为所述自动驾驶场景的离线度量参数。
可选的，所述第二生成模块204包括：
第三获取子模块，用于根据所述在线数据获取所述场景模型与所述主车之间的交互次数；
第四获取子模块，用于获取所述场景模型和所述主车之间交互的交互类型；
第三生成子模块，用于根据所述交互次数和所述交互类型生成主车与场景的交互多样性参数作为所述自动驾驶场景的在线度量参数。
可选的，所述第二生成模块204还包括：
第五获取子模块，用于根据所述在线数据和所述离线数据获取场景模型针对主车生成的第一交互行为；
第六获取子模块，用于根据所述在线数据获取主车针对所述场景模型生成的第二交互行为；
第四生成模块，用于根据所述第一交互行为和所述第二交互行为生成所述场景模型的博弈数据和所述主车的博弈数据作为所述自动驾驶场景的在线度量参数。
本申请提供的生成自动驾驶场景度量参数的装置200能够实现上述生成自动驾驶场景度量参数的方法实施例的各个步骤，并能实现相同或相似的技术效果，此处不再赘述。
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3所示，是根据本申请实施例的生成自动驾驶场景度量参数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3所示，该电子设备包括：一个或多个处理器301、存储器302，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3中以一个处理器301为例。
存储器302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生成自动驾驶场景度量参数的方法。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生成自动驾驶场景度量参数的方法。
存储器302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生成自动驾驶场景度量参数的方法对应的程序指令/模块(例如，附图2所示的离线数据获取模块201、第一生成模块202、在线数据获取模块203、第二生成模块204、度量参数生成模块205)。处理器301通过运行存储在存储器302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生成自动驾驶场景度量参数的方法。
存储器302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生成自动驾驶场景度量参数的电子设备的使用所创建的数据等。此外，存储器302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302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至生成自动驾驶场景度量参数的电子设备。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。
生成自动驾驶场景度量参数的方法的电子设备还可以包括：输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息，以及产生与生成自动驾驶场景度量参数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304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，能够提高对于自动驾驶场景评估的准确性和合理性。
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 (12)
1.一种生成自动驾驶场景度量参数的方法，包括：
获取自动驾驶场景的离线数据，所述离线数据包括所述自动驾驶场景中场景模型的运行数据；
根据所述离线数据生成所述自动驾驶场景的离线度量参数；
在主车处于运行状态时，获取所述自动驾驶场景的在线数据，所述在线数据包括所述主车与所述场景模型之间的交互数据；
根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数；
根据所述离线度量参数和所述在线度量参数生成所述自动驾驶场景的度量参数。
2.根据权利要求1所述的方法，其中，所述根据所述离线数据生成所述自动驾驶场景的离线度量参数，包括：
获取所述场景模型的状态参数，所述状态参数包括所述场景模型的运动轨迹、运动方向和朝向之间的一致性参数、所述速度与路况的匹配程度参数、加速度与路况的匹配程度参数、场景模型的尺寸参数、场景模型的生命周期参数中的一项或多项；
根据物理规律校验所述状态参数；
根据校验结果生成第一参数作为所述自动驾驶场景的离线度量参数。
3.根据权利要求2所述的方法，其中，所述根据所述离线数据生成所述自动驾驶场景的离线度量参数，还包括：
获取所述场景模型在多帧图像中的位置信息和运动参数；
检测所述场景模型在不同两帧图像中的位置参数变化量和运动参数变化量；
根据检测结果生成第二参数作为所述自动驾驶场景的离线度量参数。
4.根据权利要求1所述的方法，其中，所述根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数，包括：
根据所述在线数据获取所述场景模型与所述主车之间的交互次数；
获取所述场景模型和所述主车之间交互的交互类型；
根据所述交互次数和所述交互类型生成主车与场景的交互多样性参数作为所述自动驾驶场景的在线度量参数。
5.根据权利要求4所述的方法，其中，所述根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数，还包括：
根据所述在线数据和所述离线数据获取场景模型针对主车生成的第一交互行为；
根据所述在线数据获取主车针对所述场景模型生成的第二交互行为；
根据所述第一交互行为和所述第二交互行为生成所述场景模型的博弈数据和所述主车的博弈数据作为所述自动驾驶场景的在线度量参数。
6.一种生成自动驾驶场景度量参数的装置，包括：
离线数据获取模块，用于获取自动驾驶场景的离线数据，所述离线数据包括所述自动驾驶场景中场景模型的运行数据；
第一生成模块，用于根据所述离线数据生成所述自动驾驶场景的离线度量参数；
在线数据获取模块，用于在主车处于运行状态时，获取所述自动驾驶场景的在线数据，所述在线数据包括所述主车与所述场景模型之间的交互数据；
第二生成模块，用于根据所述在线数据和所述离线数据生成所述自动驾驶场景的在线度量参数；
度量参数生成模块，用于根据所述离线度量参数和所述在线度量参数生成所述自动驾驶场景的度量参数。
7.根据权利要求6所述的装置，其中，所述第一生成模块包括：
第一获取子模块，用于获取所述场景模型的状态参数，所述状态参数包括所述场景模型的运动轨迹、运动方向和朝向之间的一致性参数、所述速度与路况的匹配程度参数、加速度与路况的匹配程度参数、场景模型的尺寸参数、场景模型的生命周期参数中的一项或多项；
校验子模块，用于根据物理规律校验所述状态参数；
第一生成子模块，用于根据校验结果生成第一参数作为所述自动驾驶场景的离线度量参数。
8.根据权利要求7所述的装置，其中，所述第一生成模块还包括：
第二获取子模块，用于获取所述场景模型在多帧图像中的位置信息和运动参数；
检测子模块，用于检测所述场景模型在不同两帧图像中的位置参数变化量和运动参数变化量；
第二生成子模块，用于根据检测结果生成第二参数作为所述自动驾驶场景的离线度量参数。
9.根据权利要求6所述的装置，其中，所述第二生成模块包括：
第三获取子模块，用于根据所述在线数据获取所述场景模型与所述主车之间的交互次数；
第四获取子模块，用于获取所述场景模型和所述主车之间交互的交互类型；
第三生成子模块，用于根据所述交互次数和所述交互类型生成主车与场景的交互多样性参数作为所述自动驾驶场景的在线度量参数。
10.根据权利要求9所述的装置，其中，所述第二生成模块还包括：
第五获取子模块，用于根据所述在线数据和所述离线数据获取场景模型针对主车生成的第一交互行为；
第六获取子模块，用于根据所述在线数据获取主车针对所述场景模型生成的第二交互行为；
第四生成模块，用于根据所述第一交互行为和所述第二交互行为生成所述场景模型的博弈数据和所述主车的博弈数据作为所述自动驾驶场景的在线度量参数。
11.一种电子设备，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1-5中任一项所述的方法。
12.一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1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010606833.8A CN111783226B (zh) | 2020-06-29 | 2020-06-29 | 生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010606833.8A CN111783226B (zh) | 2020-06-29 | 2020-06-29 | 生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111783226A true CN111783226A (zh) | 2020-10-16 |
| CN111783226B CN111783226B (zh) | 2024-03-19 |
Family
ID=72759921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010606833.8A Active CN111783226B (zh) | 2020-06-29 | 2020-06-29 | 生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111783226B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538734A (zh) * | 2021-07-30 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 用于处理驾驶数据的方法、装置、电子设备及存储介质 |
| CN115777088A (zh) * | 2020-12-17 | 2023-03-10 | 移动眼视力科技有限公司 | 车辆运行安全模型测试系统 |
| CN115879332A (zh) * | 2023-03-01 | 2023-03-31 | 北京千种幻影科技有限公司 | 驾驶模拟器运动平台控制方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103200419A (zh) * | 2013-03-05 | 2013-07-10 | 同济大学 | 一种高速识别视频内容变化程度的方法 |
| DE102018128290A1 (de) * | 2017-11-14 | 2019-05-16 | GM Global Technology Operations LLC | Verfahren und vorrichtung zum erzeugen von szenarien und parametrischen sweeps für die entwicklung und bewertung von autonomen antriebssystemen |
| CN109948656A (zh) * | 2019-02-21 | 2019-06-28 | 百度在线网络技术（北京）有限公司 | 一种信息处理方法、装置及存储介质 |
| CN109948449A (zh) * | 2019-02-21 | 2019-06-28 | 百度在线网络技术（北京）有限公司 | 一种信息处理方法、装置及存储介质 |
| WO2019174397A1 (zh) * | 2018-03-16 | 2019-09-19 | 华为技术有限公司 | 自动驾驶安全评估方法、装置和系统 |
| CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶系统测试方法 |
| 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 |
| CN110823253A (zh) * | 2019-11-14 | 2020-02-21 | 北京百度网讯科技有限公司 | 基于无人车技术的数据处理方法、装置、设备及存储介质 |
| CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
| CN111143377A (zh) * | 2018-11-05 | 2020-05-12 | 百度在线网络技术（北京）有限公司 | 自动驾驶仿真数据收集方法、装置和系统 |
-
2020
- 2020-06-29 CN CN202010606833.8A patent/CN111783226B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103200419A (zh) * | 2013-03-05 | 2013-07-10 | 同济大学 | 一种高速识别视频内容变化程度的方法 |
| DE102018128290A1 (de) * | 2017-11-14 | 2019-05-16 | GM Global Technology Operations LLC | Verfahren und vorrichtung zum erzeugen von szenarien und parametrischen sweeps für die entwicklung und bewertung von autonomen antriebssystemen |
| WO2019174397A1 (zh) * | 2018-03-16 | 2019-09-19 | 华为技术有限公司 | 自动驾驶安全评估方法、装置和系统 |
| CN111143377A (zh) * | 2018-11-05 | 2020-05-12 | 百度在线网络技术（北京）有限公司 | 自动驾驶仿真数据收集方法、装置和系统 |
| CN109948656A (zh) * | 2019-02-21 | 2019-06-28 | 百度在线网络技术（北京）有限公司 | 一种信息处理方法、装置及存储介质 |
| CN109948449A (zh) * | 2019-02-21 | 2019-06-28 | 百度在线网络技术（北京）有限公司 | 一种信息处理方法、装置及存储介质 |
| CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶系统测试方法 |
| 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 |
| CN110823253A (zh) * | 2019-11-14 | 2020-02-21 | 北京百度网讯科技有限公司 | 基于无人车技术的数据处理方法、装置、设备及存储介质 |
| CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 周干;张嵩;罗悦齐;: "自动驾驶汽车仿真测试与评价方法进展", 汽车文摘, no. 04 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115777088A (zh) * | 2020-12-17 | 2023-03-10 | 移动眼视力科技有限公司 | 车辆运行安全模型测试系统 |
| CN113538734A (zh) * | 2021-07-30 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 用于处理驾驶数据的方法、装置、电子设备及存储介质 |
| CN115879332A (zh) * | 2023-03-01 | 2023-03-31 | 北京千种幻影科技有限公司 | 驾驶模拟器运动平台控制方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111783226B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7301077B2 (ja) | 自律走行システムのテスト方法、装置、電子機器、プログラム及びコンピュータ読み取り可能な記録媒体 | |
| EP3910431B1 (en) | Method and apparatus for simulating obstacle in unmanned simulation scene | |
| CN112965466B (zh) | 自动驾驶系统的还原测试方法、装置、设备及程序产品 | |
| CN111783226A (zh) | 生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质 | |
| CN111625950B (zh) | 自动驾驶仿真场景重建方法、装置、设备和介质 | |
| CN111091591A (zh) | 一种碰撞检测方法、装置、电子设备及存储介质 | |
| EP3862723A2 (en) | Method and apparatus for detecting map quality | |
| CN111611711B (zh) | 自动驾驶数据处理方法、装置及电子设备 | |
| CN111368760A (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
| CN112528786A (zh) | 车辆跟踪方法、装置及电子设备 | |
| CN111142129A (zh) | 定位系统测试方法、装置、设备及存储介质 | |
| CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
| CN111597987A (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
| CN115113528A (zh) | 神经网络模型的运行控制方法、装置、设备及介质 | |
| CN111623767A (zh) | Imu伪数据的生成方法、装置、电子设备及存储介质 | |
| CN111597707B (zh) | 仿真场景的处理方法、装置、设备以及存储介质 | |
| CN112784637A (zh) | 地面障碍物探测方法、装置、电子设备及存储介质 | |
| CN112926135B (zh) | 场景信息确定方法、装置、设备、存储介质和程序产品 | |
| CN112149828B (zh) | 基于深度学习框架的算子精度检测方法和装置 | |
| CN111371862B (zh) | 无人车调试方法、装置、服务器和介质 | |
| CN112528931A (zh) | 用于生成位置预测信息的方法、装置以及自动驾驶车辆 | |
| CN111563046B (zh) | 用于生成信息的方法和装置 | |
| CN110745139B (zh) | 车辆速度确定方法、装置及存储介质 | |
| CN110728721B (zh) | 外参的获取方法、装置和设备 | |
| CN112581526B (zh) | 障碍物检测的测评方法、装置、设备以及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |