CN111797526A - 一种仿真测试场景构建方法及装置 - Google Patents
一种仿真测试场景构建方法及装置 Download PDFInfo
- Publication number
- CN111797526A CN111797526A CN202010624033.9A CN202010624033A CN111797526A CN 111797526 A CN111797526 A CN 111797526A CN 202010624033 A CN202010624033 A CN 202010624033A CN 111797526 A CN111797526 A CN 111797526A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- scene
- preset time
- time period
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 106
- 238000004088 simulation Methods 0.000 title claims abstract description 101
- 238000010276 construction Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 91
- 230000003068 static effect Effects 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 description 7
- 238000011056 performance test Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种仿真测试场景构建方法及装置，本发明中构建仿真测试场景所需的预设时间段内的车辆运行信息、车辆所在场景信息、车辆模型初始运行状态信息以及被测算法初始执行状态信息都是从实际车辆运行目标场景中提取的，本发明是基于实际车辆运行中的场景数据孪生构建仿真测试场景，提高了仿真测试场景与实际车辆运行场景的匹配度，构建的仿真测试场景更加符合实际行车状况，从而在利用仿真测试场景进行测试的过程中，能够减小仿真测试场景失真对测试结果的影响，提高仿真测试结果的准确性。
Description
技术领域
本发明涉及仿真测试技术领域，更具体的说，是涉及一种仿真测试场景构建方法及装置。
背景技术
仿真测试是智能驾驶技术开发过程的重要环节，仿真测试方式可以对智能驾驶技术进行算法功能验证和性能测试。在仿真测试之前，需要对仿真测试场景进行构建。
目前采用的仿真测试场景都是由人工方式进行构建的，然而人工构建仿真测试场景的方式，受制于设计者专业知识以及想象能力的限制，导致人工构建的仿真测试场景与实际车辆运行场景的匹配度低，最终会对仿真测试结果造成影响。
发明内容
有鉴于此，本发明提供了一种仿真测试场景构建方法及装置，以克服现有技术中人工构建的仿真测试场景与实际车辆运行场景的匹配度低，对仿真测试结果造成影响的问题。
一种仿真测试场景构建方法，所述方法包括：
从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；
从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；
从实际车辆运行目标场景中提取预设时间段内的车辆运行信息以及车辆所在场景信息，所述预设时间段以所述预设时刻作为起始时刻；
获取实际车辆运行目标场景相关的地图数据；
至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
优选的，在从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息之前，所述方法还包括：
对实际车辆运行场景进行分析，从所述实际车辆运行场景中提取出包含预设异常状态的场景，作为实际车辆运行目标场景。
优选的，从实际车辆运行目标场景中提取预设时间段内的车辆所在场景信息包括：
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息以及车辆所在场景动态信息。
优选的，所述从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息包括：
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景的深度点云信息以及视频信息；
利用所述车辆所在场景的深度点云信息，生成车道信息；
利用所述车辆所在场景的视频信息，生成静态道路交通标志信息；
至少结合所述车道信息以及所述静态道路交通标志信息，生成车辆所在场景静态信息。
优选的，从实际车辆运行目标场景中提取预设时间段内的车辆所在场景动态信息包括：
至少从实际车辆运行目标场景中提取预设时间段内的交通车辆动态信息以及行人动态信息；
至少利用所述交通车辆动态信息以及所述行人动态信息，生成预设时间段内的车辆所在场景动态信息。
优选的，所述从实际车辆运行目标场景中提取预设时间段内的车辆运行信息包括：
利用实际车辆运行目标场景中实际车辆的传感器采集的信息，得到预设时间段内的车辆运行信息。
优选的，所述至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景，包括：
至少基于所述预设时间段内的车辆所在场景信息以及地图数据，构建虚拟场景；
至少基于所述车辆模型初始运行状态信息设定车辆模型的初始运行状态，并基于所述被测算法初始执行状态信息，设定车辆模型中被测算法的初始化状态；
至少基于所述车辆模型的初始运行状态、所述车辆模型中被测算法的初始化状态以及所述预设时间段内的车辆运行信息，构建车辆模型；
依据构建的虚拟场景以及车辆模型，结合仿真方式，生成仿真测试场景。
一种仿真测试场景构建装置，所述装置包括：
车辆模型运行信息提取单元，用于从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；
执行状态信息提取单元，用于从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；
车辆运行信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆运行信息，所述预设时间段以所述预设时刻作为起始时刻；
车辆所在场景信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景信息；
地图数据获取单元，用于获取实际车辆运行目标场景相关的地图数据；
场景构建单元，用于至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
优选的，所述装置还包括：
状态异常场景提取单元，用于对实际车辆运行场景进行分析，从所述实际车辆运行场景中提取出包含预设异常状态的场景，作为实际车辆运行目标场景。
优选的，所述车辆所在场景信息提取单元包括：
静态信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息；
动态信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景动态信息。
经由上述的技术方案可知，与现有技术相比，本发明提供了一种仿真测试场景构建方法及装置，从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；从实际车辆运行目标场景中提取预设时间段内的车辆运行信息以及车辆所在场景信息，所述预设时间段以所述预设时刻作为起始时刻；获取实际车辆运行目标场景相关的地图数据；至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。由此可知，本发明中构建仿真测试场景所需的预设时间段内的车辆运行信息、车辆所在场景信息、车辆模型初始运行状态信息以及被测算法初始执行状态信息都是从实际车辆运行目标场景中提取的，本发明是基于实际车辆运行中的场景数据孪生构建仿真测试场景，提高了仿真测试场景与实际车辆运行场景的匹配度，构建的仿真测试场景更加符合实际行车状况，从而在利用仿真测试场景进行测试的过程中，能够减小仿真测试场景失真对测试结果的影响，提高测试结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种仿真测试场景构建方法的流程图；
图2为本发明实施例提供的另一种仿真测试场景构建方法的流程图；
图3为本发明实施例提供的一种仿真测试场景构建装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
仿真测试场景是目前智能及无人驾驶算法开发过程中的重要环节，仿真测试场景支持智能及无人驾驶算法的功能验证和性能测试。目前主流的车辆测试仿真软件除了支持传统的车辆性能测试场景构建外，均开始探索能够支持复杂交通环境下的智能及无人驾驶的仿真测试场景的构建。
目前采用的仿真测试场景都是由人工方式进行构建的，具体的，在3D虚拟软件环境中，通过人工主观定义的静态道路标准文件(如OpenDrive格式)和动态场景标准文件(如OpenScenario格式)来生成。人工定义静态道路标准文件和动态场景标准文件的方式对设计者的专业知识和空间想象能力高度依赖，且设计结果受限于设计人员对场景的主观理解。实际车辆场景复杂多变，人工构建设计的仿真场景很难有效覆盖智能及无人驾驶车辆仿真测试所需的典型场景，仿真测试场景种类少。并且人工构建设计的仿真场景，受制于设计者专业知识以及想象能力的限制，导致人工构建的仿真测试场景与实际车辆运行场景的匹配度低，最终会对仿真测试结果造成影响。
为了解决上述技术问题，发明人通过研究，提出了如下一种仿真测试场景构建方法，从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；从实际车辆运行目标场景中提取预设时间段内的车辆运行信息以及车辆所在场景信息，所述预设时间段以所述预设时刻作为起始时刻；获取实际车辆运行目标场景相关的地图数据；至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
由此可知，本发明中构建仿真测试场景所需的预设时间段内的车辆运行信息、车辆所在场景信息、车辆模型初始运行状态信息以及被测算法初始执行状态信息都是从实际车辆运行目标场景中提取的，本发明是基于实际车辆运行中的场景数据孪生构建仿真测试场景，并不是设计人员主观设计的，仿真测试场景的构建结果并不依赖于设计者的专业知识和空间想象能力，提高了仿真测试场景与实际车辆运行场景的匹配度，构建的仿真测试场景更加符合实际行车状况，从而在利用仿真测试场景进行测试的过程中，能够减小仿真测试场景失真对测试结果的影响，提高测试结果的准确性。
并且，目前车辆全部场景中包含了实车测试场景、传统仿真虚拟场景、法规场景等，其中法规场景存在于实车测试场景和传统仿真虚拟场景的有限交集之中，所以法规场景能够覆盖的车辆测试场景十分有限，通常仅能满足单车性能测试的需求，无力应对智能和无人驾驶车辆的复杂场景测试需求。而本发明是基于实际车辆运行中的场景数据孪生构建仿真测试场景，能够尽量有效覆盖智能及无人驾驶车辆仿真测试所需的典型场景，从而丰富仿真测试场景的类型，经过测试对比，本发明构建的仿真测试场景能够满足L5(5级)及以下智能或无人车辆的功能和性能测试场景需求。扩大仿真测试场景的范围。
下面对本发明实施例提供的仿真测试场景构建方法进行介绍，图1为本发明实施例提供的仿真测试场景构建方法的流程图，参照图1，本发明实施例提供的仿真测试场景构建方法可以包括：
步骤S100、从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；
车辆运行信息指的是与车辆的运行状态相关的信息，例如车速、加速度、航向、方向盘转角等，本发明实施例不做具体限定。
预设时刻可以依据实际车辆运行目标场景中实际车辆的实际运行状态而确定，还可以由本领域技术人员进行设定，本发明实施例并不做具体限定。
可选的，预设时刻可以为实际车辆运行目标场景中实际车辆的某个特定运行状态出现的起始时刻。例如，预设时刻可以为实际车辆运行目标场景中实际车辆转弯、过隧道、过路口等运行状态出现的起始时刻，还可以是实际车辆运行目标场景中实际车辆运行状态出现异常状况的起始时刻等，本发明实施例不做具体限定。
预设时刻对应的车辆运行信息可以通过实际车辆运行目标场景中实际车辆的传感器采集的信息而得到，如根据实际车辆的惯性导航测量系统，激光雷达，摄像头，轮速，方向盘转角等车载传感器信息采集的信息而得到。
需要说明的是，本发明实施例可以从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，然后对预设时刻对应的车辆运行信息进行分析处理，得到车辆模型初始运行状态信息。
步骤S110、从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；
由于被测算法的执行状态信息具体为实际车辆控制器内部的信息，可以通过车载总线记录仪从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息。具体的，可以通过车载总线记录仪从实际车辆运行目标场景中实际车辆的CAN(Controller Area Network，控制器局域网络)传输报文中提取所述预设时刻对应的被测算法的执行状态信息。
被测算法指的是将要在仿真测试场景中进行测试的算法，被测算法例如可以为：目标检测算法、行驶决策算法、轨迹跟随算法、主动避障算法、操纵稳定性算法、力矩分配算法等，预设时刻对应的被测算法的执行状态信息指的是预设时刻被测算法所执行到的状态的信息。
步骤S120、从实际车辆运行目标场景中提取预设时间段内的车辆运行信息以及车辆所在场景信息，所述预设时间段以所述预设时刻作为起始时刻；
从实际车辆运行目标场景中提取预设时间段内的车辆运行信息包括：
利用实际车辆运行目标场景中实际车辆的传感器采集的信息，得到预设时间段内的车辆运行信息。如根据实际车辆的惯性导航测量系统，激光雷达，摄像头，轮速，方向盘转角等车载传感器信息采集的信息而得到预设时间段内的车辆运行信息。
可选的，车辆所在场景信息也可以通过实际车辆运行目标场景中实际车辆的传感器对实际车辆的行车场景数据进行采集得到。
本发明实施例可以对实际车辆行驶所在的场景中的所有任何静态或动态的人、物进行分析，从而从实际车辆运行目标场景中提取预设时间段内的车辆所在场景信息，车辆所在场景信息例如可以包含道路曲率、坡度、路面附着、静态交通标志、周围静、动态交通障碍等信息，本发明实施例不做具体限定。
预设时间段以所述预设时刻作为起始时刻，由于预设时刻可以依据实际车辆运行目标场景中实际车辆的实际运行状态而确定，预设时间段的终止时刻也可以依据实际车辆运行目标场景中实际车辆的实际运行状态而确定。
可选的，预设时间段的起始时刻可以为实际车辆运行目标场景中实际车辆的某个特定运行状态出现的起始时刻，预设时间段的终止时刻可以为实际车辆运行目标场景中实际车辆的上述特定运行状态出现的终止时刻。例如，预设时间段的起始时刻可以为实际车辆运行目标场景中实际车辆转弯、过隧道、过路口等运行状态出现的起始时刻，相应的，预设时间段的终止时刻可以为实际车辆运行目标场景中实际车辆转弯、过隧道、过路口等运行状态出现的终止时刻；
预设时间段的起始时刻还可以是实际车辆运行目标场景中实际车辆运行状态出现异常状况的起始时刻等，相应的，预设时间段的终止时刻可以为实际车辆运行目标场景中实际车辆运行状态出现异常状况的终止时刻，本发明实施例不做具体限定。
步骤S130、获取实际车辆运行目标场景相关的地图数据；
需要说明的是，本发明实施例中的步骤S100-步骤S130的执行不分先后顺序，可以同时执行，也可以先后执行。例如可以从实际车辆运行目标场景中确定出预设时刻之后，首先提取预设时刻对应的车辆运行信息、被测算法的执行状态信息，然后再从实际车辆运行目标场景中确定出以预设时刻作为起始时刻的预设时间段，再提取预设时间段内的车辆运行信息以及车辆所在场景信息。还可以直接从实际车辆运行目标场景中确定出预设时刻之后，再从实际车辆运行目标场景中确定出以预设时刻作为起始时刻的预设时间段，然后同时或先后提取预设时刻对应的车辆运行信息、预设时刻对应的被测算法的执行状态信息，预设时间段内的车辆运行信息以及预设时间段内的车辆所在场景信息，本发明实施例不做具体限定。
步骤S140、至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
可选的，在得到预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据之后，可以对预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据进行处理，转化成构建仿真测试场景所能够直接采用的数据格式之后，才能够利用转化的数据构建仿真测试场景。
可选的，本发明实施例构建的仿真测试场景可以实现对被测算法的功能和性能两个方面进行测试，算法功能例如包括轨迹跟随、主动避障、操纵稳定性等，算法性能例如包括功能完成的可靠性和鲁棒性指标等，本发明实施例不做具体限定。
可选的，本发明实施例构建的仿真测试场景可以实现对MIL(Model In The Loop，模型在环)测试、SIL(Software In The Loop，软件在环)测试、HIL(Hardware In TheLoop，硬件在环)测试等方面的仿真测试。
本发明提供了一种仿真测试场景构建方法，从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；从实际车辆运行目标场景中提取预设时间段内的车辆运行信息以及车辆所在场景信息，所述预设时间段以所述预设时刻作为起始时刻；获取实际车辆运行目标场景相关的地图数据；至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。由此可知，本发明中构建仿真测试场景所需的预设时间段内的车辆运行信息、车辆所在场景信息、车辆模型初始运行状态信息以及被测算法初始执行状态信息都是从实际车辆运行目标场景中提取的，本发明是基于实际车辆运行中的场景数据孪生构建仿真测试场景，提高了仿真测试场景与实际车辆运行场景的匹配度，构建的仿真测试场景更加符合实际行车状况，从而在利用仿真测试场景进行测试的过程中，能够减小仿真测试场景失真对测试结果的影响，提高测试结果的准确性。
本发明实施例可以基于实际车辆运行中的场景数据孪生重构出仿真测试场景，从而能够实现很多实际车辆运行目标场景的复现，从而实现对被测算法的可复现性验证。
下面对本发明实施例提供的仿真测试场景构建方法进行进一步的详细介绍，图2为本发明实施例提供的另一种仿真测试场景构建方法的流程图，参照图2，本发明实施例提供的仿真测试场景构建方法可以包括：
步骤S200、对实际车辆运行场景进行分析，从所述实际车辆运行场景中提取出包含预设异常状态的场景，作为实际车辆运行目标场景；
可选的，本发明实施例对实际车辆运行场景中实际车辆的运行状态进行分析，还可以对实际车辆运行场景中实际车辆的被测算法的功能和性能两个方面进行分析，得到包含预设异常状态的场景，预设异常状态的场景至少可以包括：实际车辆的运行状态出现异常状态的场景，和/或，实际车辆的被测算法的功能和/或性能出现异常状态的场景。
步骤S210、从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；
需要说明的是，本发明实施例中利用车载传感器对实际车辆的车辆运行信息进行采集，基于对车辆运行信息的采集结果，本发明实施例可采用如下公式所示的三自由六状态双输入非线性系统提供车辆模型初始运行状态信息：
下表1提供如上公式涉及到的各个参数的具体信息：
表1
其中，
为X的导数，
为vx的导数，
为Y的导数，
为vy的导数，
为ψ的导数，
为γ的导数。
需要说明的是，道路纵向坡度θ可以通过车载GPS与地图解算出。
通过对上述三自由六状态双输入非线性系统，进行线性化，离散化等处理，可实现对不同的输入组合的动态响应实现预测，利用下述公式(2)对上述公式(1)进行简化，得到车辆模型初始运行状态信息。
x(0)＝{X(0),vx(0),Y(0),vy(0),ψ(0),γ(0)}T (2)
上述公式(2)中各个变量都是利用车载传感器对实际车辆的车辆运行信息进行采集得到的，下面介绍下上述公式(2)中各个变量的具体获取方式：
X(0)可以通过车载GPS(Global Positioning System，全球定位系统)+车载IMU(InertialMeasurement Unit，惯性测量单元)推算以及坐标变换的方式获取；
vx(0)可以通过车载IMU采集融合动力学模型的方式获取；
vy(0)可以通过车载IMU采集融合动力学模型的方式获取；
Y(0)可以通过车载GPS+IMU推算以及坐标变换的方式获取；
Ψ(0)可以通过车载摄像头/激光雷达识别以及坐标变换或9轴IMU磁力计的方式获取；
γ(0)可以通过车载IMU采集直接获取。
步骤S220、从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；
步骤S230、从实际车辆运行目标场景中提取预设时间段内的车辆运行信息以及车辆所在场景信息；
所述预设时间段以所述预设时刻作为起始时刻。
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景信息包括：
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息以及车辆所在场景动态信息。
可选的，车辆所在场景静态信息包括的是车辆所在场景中静态实物的状态信息，车辆所在场景动态信息包括的是车辆所在场景中动态实物的状态信息。
所述从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息包括：
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景的深度点云信息以及视频信息；利用所述车辆所在场景的深度点云信息，生成车道信息；利用所述车辆所在场景的视频信息，生成静态道路交通标志信息；至少结合所述车道信息以及所述静态道路交通标志信息，生成车辆所在场景静态信息。
需要说明的是，本发明实施例中利用车载传感器(如激光雷达、摄像头等)对实际车辆的行车数据进行采集，得到预设时间段内的车辆所在场景的深度点云信息以及视频信息，利用所述车辆所在场景的深度点云信息，具体可以对车道线和道路边界进行识别，并进行车道曲线和宽度拟合，生成车道信息；利用所述车辆所在场景的视频信息，可以对红绿灯等交通标志进行识别(可自动识别或者可以直接将政府公布的道路标示信息输入)，并对识别的对象进行标注(标注对象名称)，生成静态道路交通标志信息；最后至少结合所述车道信息以及所述静态道路交通标志信息，生成车辆所在场景静态信息，车辆所在场景静态信息可以以OpenDrive文件的形式提供。
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景动态信息包括：至少从实际车辆运行目标场景中提取预设时间段内的交通车辆动态信息以及行人动态信息；至少利用所述交通车辆动态信息以及所述行人动态信息，生成预设时间段内的车辆所在场景动态信息。
需要说明的是，本发明实施例中利用车载传感器(如激光雷达、摄像头等)对车辆行车过程中的动态场景采集，重点提取预定的关键路测场景，采用一系列机器学习算法实现对行进中的交通车辆和行人的动态识别，辨识出动态交通目标的位置信息，最终用于形成动态场景真值信息并生成文件。至少利用所述交通车辆动态信息以及所述行人动态信息，生成预设时间段内的车辆所在场景动态信息，预设时间段内的车辆所在场景动态信息可以以OpenScennario文件的形式提供。
步骤S240、获取实际车辆运行目标场景相关的地图数据；
需要说明的是，本发明实施例中的步骤S210-步骤S240的执行不分先后顺序，可以同时执行，也可以先后执行。
步骤S250、至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
可选的，本发明实施例中至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景，包括：
至少基于所述预设时间段内的车辆所在场景信息以及地图数据，构建虚拟场景；至少基于所述车辆模型初始运行状态信息设定车辆模型的初始运行状态，并基于所述被测算法初始执行状态信息，设定车辆模型中被测算法的初始化状态；至少基于所述车辆模型的初始运行状态、所述车辆模型中被测算法的初始化状态以及所述预设时间段内的车辆运行信息，构建车辆模型；依据构建的虚拟场景以及车辆模型，结合仿真方式，生成仿真测试场景。
具体的，本发明实施例可以在专业车辆和场景仿真软件中，按照上述方法构建虚拟场景以及车辆模型，同时按照已提取的被测算法初始执行状态信息对算法进行初始化。通过高精度虚拟场景重构结合高精度车辆模型仿真，对实测车辆在问题场景中的现象进行精准复现。在此基础上，调整被测算法的参数或重新设计新的算法，仿真求解虚拟问题场景下新算法的车辆模型响应，并将符合要求的新算法提交实车测试，进入新的迭代开发过程。从而实现对被测算法的测试。
本发明中构建仿真测试场景所需的预设时间段内的车辆运行信息、车辆所在场景信息、车辆模型初始运行状态信息以及被测算法初始执行状态信息都是从实际车辆运行目标场景中提取的，本发明是基于实际车辆运行中的场景数据孪生构建仿真测试场景，提高了仿真测试场景与实际车辆运行场景的匹配度，构建的仿真测试场景更加符合实际行车状况，从而在利用仿真测试场景进行测试的过程中，能够减小仿真测试场景失真对测试结果的影响，提高测试结果的准确性。并且，利用本发明构建的仿真测试场景能够加快被测算法的测试，加快算法开发迭代的过程。
下面对本申请实施例提供的仿真测试场景构建装置进行介绍，下文描述的仿真测试场景构建装置可与上文仿真测试场景构建方法相互对应参照。
图3为本申请实施例提供的仿真测试场景构建装置的结构框图，参照图3，所述仿真测试场景构建装置包括：
车辆模型运行信息提取单元300，用于从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；
执行状态信息提取单元310，用于从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；
车辆运行信息提取单元320，用于从实际车辆运行目标场景中提取预设时间段内的车辆运行信息，所述预设时间段以所述预设时刻作为起始时刻；
车辆所在场景信息提取单元330，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景信息；
地图数据获取单元340，用于获取实际车辆运行目标场景相关的地图数据；
场景构建单元350，用于至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
可选的，所述仿真测试场景构建装置还包括：
状态异常场景提取单元，用于对实际车辆运行场景进行分析，从所述实际车辆运行场景中提取出包含预设异常状态的场景，作为实际车辆运行目标场景。
可选的，所述车辆所在场景信息提取单元包括：
静态信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息；
动态信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景动态信息。
可选的，所述静态信息提取单元包括：
深度点云信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景的深度点云信息；
视频信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景的视频信息；
车道信息生成单元，用于利用所述车辆所在场景的深度点云信息，生成车道信息；
静态交通标志生成单元，用于利用所述车辆所在场景的视频信息，生成静态道路交通标志信息；
静态信息生成单元，用于至少结合所述车道信息以及所述静态道路交通标志信息，生成车辆所在场景静态信息。
可选的，所述动态信息提取单元包括：
车辆动态信息提取单元，用于至少从实际车辆运行目标场景中提取预设时间段内的交通车辆动态信息；
行人动态信息提取单元，用于至少从实际车辆运行目标场景中提取预设时间段内的行人动态信息；
至少利用所述交通车辆动态信息以及所述行人动态信息，生成预设时间段内的车辆所在场景动态信息。
可选的，所述车辆运行信息提取单元具体用于：
利用实际车辆运行目标场景中实际车辆的传感器采集的信息，得到预设时间段内的车辆运行信息。
可选的，所述场景构建单元包括：
虚拟场景构建单元，用于至少基于所述预设时间段内的车辆所在场景信息以及地图数据，构建虚拟场景；
算法初始状态设定单元，用于至少基于所述车辆模型初始运行状态信息设定车辆模型的初始运行状态，并基于所述被测算法初始执行状态信息，设定车辆模型中被测算法的初始化状态；
车辆模型构建单元，用于至少基于所述车辆模型的初始运行状态、所述车辆模型中被测算法的初始化状态以及所述预设时间段内的车辆运行信息，构建车辆模型；
仿真测试场景生成单元，用于依据构建的虚拟场景以及车辆模型，结合仿真方式，生成仿真测试场景。
本说明书中各个实施例中记载的技术特征可以相互替换或组合，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种仿真测试场景构建方法，其特征在于，所述方法包括：
从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；
从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；
从实际车辆运行目标场景中提取预设时间段内的车辆运行信息以及车辆所在场景信息，所述预设时间段以所述预设时刻作为起始时刻；
获取实际车辆运行目标场景相关的地图数据；
至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
2.根据权利要求1所述的方法，其特征在于，在从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息之前，所述方法还包括：
对实际车辆运行场景进行分析，从所述实际车辆运行场景中提取出包含预设异常状态的场景，作为实际车辆运行目标场景。
3.根据权利要求1所述的方法，其特征在于，从实际车辆运行目标场景中提取预设时间段内的车辆所在场景信息包括：
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息以及车辆所在场景动态信息。
4.根据权利要求3所述的方法，其特征在于，所述从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息包括：
从实际车辆运行目标场景中提取预设时间段内的车辆所在场景的深度点云信息以及视频信息；
利用所述车辆所在场景的深度点云信息，生成车道信息；
利用所述车辆所在场景的视频信息，生成静态道路交通标志信息；
至少结合所述车道信息以及所述静态道路交通标志信息，生成车辆所在场景静态信息。
5.根据权利要求3所述的方法，其特征在于，从实际车辆运行目标场景中提取预设时间段内的车辆所在场景动态信息包括：
至少从实际车辆运行目标场景中提取预设时间段内的交通车辆动态信息以及行人动态信息；
至少利用所述交通车辆动态信息以及所述行人动态信息，生成预设时间段内的车辆所在场景动态信息。
6.根据权利要求1所述的方法，其特征在于，所述从实际车辆运行目标场景中提取预设时间段内的车辆运行信息包括：
利用实际车辆运行目标场景中实际车辆的传感器采集的信息，得到预设时间段内的车辆运行信息。
7.根据权利要求1所述的方法，其特征在于，所述至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景，包括：
至少基于所述预设时间段内的车辆所在场景信息以及地图数据，构建虚拟场景；
至少基于所述车辆模型初始运行状态信息设定车辆模型的初始运行状态，并基于所述被测算法初始执行状态信息，设定车辆模型中被测算法的初始化状态；
至少基于所述车辆模型的初始运行状态、所述车辆模型中被测算法的初始化状态以及所述预设时间段内的车辆运行信息，构建车辆模型；
依据构建的虚拟场景以及车辆模型，结合仿真方式，生成仿真测试场景。
8.一种仿真测试场景构建装置，其特征在于，所述装置包括：
车辆模型运行信息提取单元，用于从实际车辆运行目标场景中提取预设时刻对应的车辆运行信息，作为车辆模型初始运行状态信息；
执行状态信息提取单元，用于从实际车辆运行目标场景中实际车辆的整车传输信息中，提取所述预设时刻对应的被测算法的执行状态信息，作为被测算法初始执行状态信息；
车辆运行信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆运行信息，所述预设时间段以所述预设时刻作为起始时刻；
车辆所在场景信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景信息；
地图数据获取单元，用于获取实际车辆运行目标场景相关的地图数据；
场景构建单元，用于至少基于所述预设时间段内的车辆运行信息、预设时间段内的车辆所在场景信息、车辆模型初始运行状态信息、被测算法初始执行状态信息以及地图数据，构建仿真测试场景。
9.根据权利要求8所述的装置，其特征在于，还包括：
状态异常场景提取单元，用于对实际车辆运行场景进行分析，从所述实际车辆运行场景中提取出包含预设异常状态的场景，作为实际车辆运行目标场景。
10.根据权利要求8所述的装置，其特征在于，所述车辆所在场景信息提取单元包括：
静态信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景静态信息；
动态信息提取单元，用于从实际车辆运行目标场景中提取预设时间段内的车辆所在场景动态信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010624033.9A CN111797526B (zh) | 2020-06-30 | 2020-06-30 | 一种仿真测试场景构建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010624033.9A CN111797526B (zh) | 2020-06-30 | 2020-06-30 | 一种仿真测试场景构建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111797526A true CN111797526A (zh) | 2020-10-20 |
| CN111797526B CN111797526B (zh) | 2024-04-12 |
Family
ID=72810901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010624033.9A Active CN111797526B (zh) | 2020-06-30 | 2020-06-30 | 一种仿真测试场景构建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111797526B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112307566A (zh) * | 2020-11-12 | 2021-02-02 | 安徽江淮汽车集团股份有限公司 | 车辆仿真测试方法、装置、设备及存储介质 |
| CN112466123A (zh) * | 2021-02-02 | 2021-03-09 | 四川紫荆花开智能网联汽车科技有限公司 | 智能网联汽车测试场景在封闭测试场的布置方法 |
| CN113157579A (zh) * | 2021-01-11 | 2021-07-23 | 北京赛目科技有限公司 | 一种基于场景的自动驾驶仿真测试方法及装置 |
| CN113625594A (zh) * | 2021-07-30 | 2021-11-09 | 中汽创智科技有限公司 | 一种自动驾驶仿真方法及仿真系统 |
| CN114063476A (zh) * | 2022-01-14 | 2022-02-18 | 杭州宏景智驾科技有限公司 | 领航辅助软件在环仿真测试方法、系统、设备及存储介质 |
| CN114547835A (zh) * | 2020-11-27 | 2022-05-27 | 北京千乘科技有限公司 | 一种基于数字孪生的无人驾驶测试方法、设备及储存介质 |
| CN115937421A (zh) * | 2022-12-13 | 2023-04-07 | 昆易电子科技(上海)有限公司 | 仿真视频数据的生成方法、图像生成装置及可读存储介质 |
| CN117094182A (zh) * | 2023-10-19 | 2023-11-21 | 中汽研（天津）汽车工程研究院有限公司 | V2v交通场景构建方法及v2x虚实融合测试系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007133599A2 (en) * | 2006-05-08 | 2007-11-22 | Mts Systems Corporation | Vehicle testing and simulation using integrated simulation model and physical parts |
| CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
-
2020
- 2020-06-30 CN CN202010624033.9A patent/CN111797526B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007133599A2 (en) * | 2006-05-08 | 2007-11-22 | Mts Systems Corporation | Vehicle testing and simulation using integrated simulation model and physical parts |
| CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 马志成;王立;李志斌;: "自动驾驶整车在环仿真平台研究及模拟实现", 汽车实用技术, no. 03 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112307566A (zh) * | 2020-11-12 | 2021-02-02 | 安徽江淮汽车集团股份有限公司 | 车辆仿真测试方法、装置、设备及存储介质 |
| CN112307566B (zh) * | 2020-11-12 | 2023-07-18 | 安徽江淮汽车集团股份有限公司 | 车辆仿真测试方法、装置、设备及存储介质 |
| CN114547835A (zh) * | 2020-11-27 | 2022-05-27 | 北京千乘科技有限公司 | 一种基于数字孪生的无人驾驶测试方法、设备及储存介质 |
| CN113157579A (zh) * | 2021-01-11 | 2021-07-23 | 北京赛目科技有限公司 | 一种基于场景的自动驾驶仿真测试方法及装置 |
| CN113157579B (zh) * | 2021-01-11 | 2022-05-17 | 北京赛目科技有限公司 | 一种基于场景的自动驾驶仿真测试方法及装置 |
| CN112466123B (zh) * | 2021-02-02 | 2021-04-23 | 四川紫荆花开智能网联汽车科技有限公司 | 智能网联汽车测试场景在封闭测试场的布置方法 |
| CN112466123A (zh) * | 2021-02-02 | 2021-03-09 | 四川紫荆花开智能网联汽车科技有限公司 | 智能网联汽车测试场景在封闭测试场的布置方法 |
| CN113625594A (zh) * | 2021-07-30 | 2021-11-09 | 中汽创智科技有限公司 | 一种自动驾驶仿真方法及仿真系统 |
| CN113625594B (zh) * | 2021-07-30 | 2024-04-26 | 中汽创智科技有限公司 | 一种自动驾驶仿真方法及仿真系统 |
| CN114063476A (zh) * | 2022-01-14 | 2022-02-18 | 杭州宏景智驾科技有限公司 | 领航辅助软件在环仿真测试方法、系统、设备及存储介质 |
| CN115937421A (zh) * | 2022-12-13 | 2023-04-07 | 昆易电子科技(上海)有限公司 | 仿真视频数据的生成方法、图像生成装置及可读存储介质 |
| CN115937421B (zh) * | 2022-12-13 | 2024-04-02 | 昆易电子科技(上海)有限公司 | 仿真视频数据的生成方法、图像生成装置及可读存储介质 |
| CN117094182A (zh) * | 2023-10-19 | 2023-11-21 | 中汽研（天津）汽车工程研究院有限公司 | V2v交通场景构建方法及v2x虚实融合测试系统 |
| CN117094182B (zh) * | 2023-10-19 | 2024-03-12 | 中汽研（天津）汽车工程研究院有限公司 | V2v交通场景构建方法及v2x虚实融合测试系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111797526B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111797526B (zh) | 一种仿真测试场景构建方法及装置 | |
| KR102523886B1 (ko) | 스몰 타깃 검출 방법 및 장치 | |
| EP3877740B1 (en) | Method and system for modifying a control unit of an autonomous car | |
| CN108508881B (zh) | 自动驾驶控制策略调整方法、装置、设备及存储介质 | |
| CN110796007B (zh) | 场景识别的方法与计算设备 | |
| CN111582189B (zh) | 交通信号灯识别方法、装置、车载控制终端及机动车 | |
| CN111261016B (zh) | 道路地图的构建方法、装置和电子设备 | |
| KR101689805B1 (ko) | Obd, gps 및 블랙박스 영상정보를 이용한 교통사고 현장 재현시스템 및 그 방법 | |
| CN113343461A (zh) | 自动驾驶车辆的仿真方法、装置、电子设备及存储介质 | |
| CN111177887A (zh) | 一种基于真实驾驶场景构造仿真轨迹数据的方法和装置 | |
| CN111291697A (zh) | 用于识别障碍物的方法和装置 | |
| CN111091023A (zh) | 一种车辆检测方法、装置及电子设备 | |
| CN113012215A (zh) | 一种空间定位的方法、系统及设备 | |
| CN111260549A (zh) | 道路地图的构建方法、装置和电子设备 | |
| CN111401255A (zh) | 用于识别分歧路口的方法和装置 | |
| KR20220109526A (ko) | 차량 주행 위험 예측 시스템 및 그 방법 | |
| CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
| CN115469635A (zh) | 自动驾驶仿真测试功能安全的验证方法、装置及设备 | |
| CN115616937A (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
| CN112097784A (zh) | 一种地图传感器地图匹配结果的验证方法及装置 | |
| CN111881121A (zh) | 一种自动驾驶数据填充方法和装置 | |
| CN114743395B (zh) | 一种信号灯检测方法、装置、设备及介质 | |
| CN115249407B (zh) | 指示灯状态识别方法、装置、电子设备、存储介质及产品 | |
| TWI668141B (zh) | Virtual thermal image driving data generation system | |
| US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101 Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |