CN112380137A - 一种自动驾驶场景的确定方法、装置、设备及存储介质 - Google Patents

一种自动驾驶场景的确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112380137A
CN112380137A CN202011411655.XA CN202011411655A CN112380137A CN 112380137 A CN112380137 A CN 112380137A CN 202011411655 A CN202011411655 A CN 202011411655A CN 112380137 A CN112380137 A CN 112380137A
Authority
CN
China
Prior art keywords
scene
target
vehicle
driving
sequence
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
Application number
CN202011411655.XA
Other languages
English (en)
Inventor
程汉
章烨
王宝宗
戴一凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Suzhou Automotive Research Institute of Tsinghua University
Original Assignee
Tsinghua University
Suzhou Automotive Research Institute of Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Suzhou Automotive Research Institute of Tsinghua University filed Critical Tsinghua University
Priority to CN202011411655.XA priority Critical patent/CN112380137A/zh
Publication of CN112380137A publication Critical patent/CN112380137A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了一种自动驾驶场景的确定方法、装置、设备及存储介质。其中,该方法包括:根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。通过将不同场景划分为场景标签,并在场景标签下划分出具体的场景要素,实现对各个场景要素的独立选择,组合成完整的场景序列,实现了对目标场景的精准确定,避免选择重复的自动驾驶场景,提高场景确定效率。

Description

一种自动驾驶场景的确定方法、装置、设备及存储介质
技术领域
本发明实施例涉及车辆测试技术,尤其涉及一种自动驾驶场景的确定方法、装置、设备及存储介质。
背景技术
自动驾驶是多个科技领域深度融合的时代产物,自动驾驶汽车已经从实验室走向实地测试及商业化示范的阶段,自动驾驶技术在正面临着进入市场前的测试验证环节。
自动驾驶场景分析技术是自动驾驶测试过程中的关键性技术,在处理高等级自动驾驶汽车的测试场景规划问题时,通常的做法是采集典型的自动驾驶场景数据,从采集到的数据中选择目标场景。但自动驾驶场景数据的采集无法实现对自动驾驶场景的灵活变动,忽视了测试场景集的覆盖度与测试的全面性等问题,导致自动驾驶场景分类模糊,自动驾驶场景的确定效率和精度较低。
发明内容
本发明实施例提供一种自动驾驶场景的确定方法、装置、设备及存储介质,以提高自动驾驶场景的确定效率和精度。
第一方面,本发明实施例提供了一种自动驾驶场景的确定方法,该方法包括:
根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;
根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;
将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。
第二方面,本发明实施例还提供了一种自动驾驶场景的确定装置,该装置包括:
标签确定模块,用于根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;
要素确定模块,用于根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;
场景确定模块,用于将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。
第三方面,本发明实施例还提供了一种自动驾驶场景的确定设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任意实施例所述的自动驾驶场景的确定方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的自动驾驶场景的确定方法。
本发明实施例根据待测车辆当前所处的驾驶场所,从预先设置的多种场景标签中确定至少一个目标场景标签,每个场景标签中包括一个或多个候选场景要素,根据驾驶信息,可以选择至少一个目标场景要素,将目标场景要素进行组合,得到的序列即为目标驾驶场景序列。解决了现有技术中,自动驾驶场景难以根据车辆测试情况进行任意改变的问题,实现对自动驾驶场景的灵活变动,提高了自动驾驶场景的确定效率和精度。
附图说明
图1是本发明实施例一中的一种自动驾驶场景的确定方法的流程示意图;
图2是本发明实施例二中的一种自动驾驶场景的确定方法的流程示意图;
图3是本发明实施例三中的一种自动驾驶场景的确定装置的结构框图;
图4是本发明实施例四中的一种自动驾驶场景的确定设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种自动驾驶场景的确定方法的流程示意图,本实施例可适用于为待测试的车辆确定自动驾驶场景的情况,该方法可以由一种自动驾驶场景的确定装置来执行。如图1所示,该方法具体包括如下步骤:
步骤110、根据待测车辆的当前驾驶场所,确定与当前驾驶场所关联的至少一个目标场景标签。
其中,待测车辆为自动驾驶车辆,将待测车辆当前所处的驾驶环境作为当前驾驶场所,驾驶场所是待测车辆所处的道路的场所,例如,驾驶场所可以是机场、矿山、码头和景区等。若待测车辆正处于机场的跑道上,则当前驾驶场所为机场。
预先设置多个候选场景标签,不同驾驶场所可以关联不同的候选场景标签,不同驾驶场所关联的候选场景标签之间可以存在重复。可以采用不同的划分维度设置场景标签,以一个或多个场景标签表示具体的驾驶场景。例如,场景标签可以包括道路类型、车道方向、车道数、道路断面类型、是否与滑道相交、天气条件、路面条件、时段和照明等。设置不同驾驶场所与场景标签的关联关系,例如,驾驶场所为景区,关联的场景标签为道路类型、车道方向、车道数、道路断面类型、天气条件、路面条件、时段和照明。若驾驶场所为机场,则关联的场景标签还可以包括是否与滑道相交。在确定当前驾驶场所后,根据预设的关联关系,确定与当前驾驶场所关联的至少一个目标场景标签。
本实施例中,可选的,在根据待测车辆的当前驾驶场所,确定与当前驾驶场所关联的至少一个目标场景标签之前,还包括:获取待测车辆的当前位置信息,根据当前位置信息确定待测车辆的当前驾驶场所。
具体的,可以采用GPS定位装置确定待测车辆的当前位置信息,也可以采用摄像头拍摄待测车辆的周边环境作为当前位置信息,根据当前位置信息可以确定待测车辆所在的当前驾驶场所。例如,摄像头拍摄到周边环境的照片,识别出周边环境中有候机楼,则确定当前驾驶场所为机场。这样设置的有益效果在于,可以实时辨别待测车辆的当前驾驶场所,以便根据当前驾驶场所确定驾驶场景,进行车辆的测试,提高车辆测试与周边环境之间的关联性,提高车辆测试的准确性。
本实施例中,可选的,根据待测车辆的当前驾驶场所,确定与当前驾驶场所关联的至少一个目标场景标签,包括:根据待测车辆的当前驾驶场所,从预设的候选场景标签中选择与当前驾驶场所关联的至少一个目标场景标签。
具体的,预设多个候选场景标签,将候选场景标签与各个驾驶场所进行关联保存,例如,对于矿山而言,候选场景标签可以包括车道方向标签、天气条件标签和照明标签,车道方向标签中可以具体表明车道的不同方向,天气标签可以具体表明不同的天气状况,照明标签可以表明当前场景是否要提供照明。在确定当前驾驶场所后,从预设的候选场景标签中进行选择,得到与当前驾驶场所关联的一个或多个目标场景标签。这样设置的有益效果在于,根据当前驾驶场所,确定目标场景标签,减小了场景标签的选择范围,从目标场景标签中确定最终的自动驾驶场景,提高自动驾驶场景的确定效率和精度,避免数据混乱。
步骤120、根据待测车辆的当前驾驶信息,从目标场景标签的候选场景要素中选择目标场景要素。
其中,当前驾驶信息可以包括待测车辆当前的车辆行为等动态信息,也可以包括待测车辆周边环境等相对静态的信息,静态的信息可以是指车道和天气等在短时间内不会发生变化的信息,动态的信息是指待测车辆的加速或减速等行为信息。当前驾驶信息可以由预设的传感器或摄像头等设备获取。每个场景标签中可以包括一个或多个候选场景要素,候选场景要素是场景标签的不同情况分类,例如,场景标签为照明,候选场景要素可以包括“是”和“否”,表示存在照明和不存在照明;场景标签为路面条件,候选场景要素可以包括“干燥”、“湿滑”、“积水”和“结冰”。工作人员可以根据测试要求,手动选择需要的候选场景要素作为目标场景元素,例如,测试要求是在照明情况下进行车辆的行驶,则照明场景标签的目标场景要素为“是”。也可以根据待测车辆的当前驾驶信息确定目标场景要素,例如,车辆上的摄像头拍摄到当前路面条件为结冰的状态,则可以确定测试是要在结冰状态下进行,路面条件的目标场景要素为“结冰”。
本实施例中,可选的,目标场景要素包括静态场景要素;相应地,根据待测车辆的当前驾驶信息,从目标场景标签的候选场景要素中选择目标场景要素,包括:根据待测车辆的当前驾驶信息,确定待测车辆所要行驶的目标路径的静态信息;根据预设的静态信息与静态场景标签的关联关系,从目标场景标签中筛选出与静态信息相关联的静态场景标签;从静态场景标签的候选场景要素中选择目标场景要素。
具体的,在目标场景标签中,可以包括静态场景标签,静态场景标签中的候选场景要素为静态场景要素。静态场景标签是指在一段时间内,由该场景标签所表示的信息不会发生变化的场景标签,由静态场景标签所表示的信息即为静态场景要素的具体内容。例如,静态场景标签可以包括道路类型、车道方向、车道数、道路断面类型、是否与滑道相交、天气条件、路面条件、时段和照明等。待测车辆当前所在的道路类型为平直道路,“道路类型”为静态场景标签,“平直道路”是该静态场景标签中的静态场景要素,也是目标场景标签。预先确定静态场景标签所关联的静态信息,例如,静态信息为当前的天气,则关联的静态场景标签为“天气条件”。
获取待测车辆的当前驾驶信息,当前驾驶信息可以由待测车辆上的摄像头或其他传感器采集。从当前驾驶信息中筛选出与目标路径相关的静态信息,可以根据当前驾驶信息确定目标路径,路标路径为待测车辆的待测路径。当前驾驶信息中可以包括待测路径的起点和终点,根据起点和终点,可以确定目标路径。与目标路径有关的静态信息为在一段预设时间内不会发生变化的信息,例如,静态信息可以包括目标路径的道路类型、车道方向、车道数、道路断面类型、是否与滑道相交、天气条件、路面条件和照明情况等。预先设置候选场景标签中的静态场景标签,在确定目标场景标签后,得到目标场景标签中的静态场景标签。预先设置静态场景标签与静态信息之间的关联关系,即确定每一个静态场景标签所对应的静态信息。确定当前驾驶信息中的静态信息,根据静态信息确定目标场景标签中涉及到这些静态信息的静态场景标签。若目标场景标签中的静态场景标签有标签一、标签二和标签三,与目标路径的静态信息有关的静态场景标签为标签一和标签二,则不考虑目标场景标签中的标签三,不需要对标签三中的候选场景要素进行选择。在确定与静态信息相关的静态场景标签后,可以根据车辆的测试要求或采集到的静态信息,从静态场景标签的候选场景要素中确定目标场景要素。例如,静态信息表明了目标路径为单向车道,则确定涉及到的静态场景标签为“车道方向”,该静态场景标签的目标场景要素为“单向”。这样设置的有益效果在于,可以从目标场景标签中筛选出需要的静态场景标签,淘汰没有涉及到的静态场景标签,避免无用标签过多造成数据混乱,提高目标场景要素的确定精度和确定效率。
本实施例中,可选的,目标场景标签还包括动态场景标签;相应地,根据待测车辆的当前驾驶信息,从目标场景标签的候选场景要素中选择目标场景要素,还包括:根据待测车辆的当前驾驶信息,确定待测车辆的车辆行为;根据预设的车辆行为与动态场景标签的关联关系,从目标场景标签中筛选出符合车辆行为的动态场景标签;从动态场景标签的候选场景要素中选择目标场景要素。
具体的,目标场景标签可以包括静态场景标签和动态场景标签,动态场景标签中的候选场景要素为动态场景要素。动态场景标签是指待测车辆由该场景标签所表示的信息会不定时发生变化的场景标签,待测车辆由动态场景标签所表示的信息即为动态场景要素的具体内容。例如,动态场景标签可以是车辆行驶状态,该动态场景标签中的候选场景要素可以包括加速、减速、启动和停止等。
获取待测车辆的当前驾驶信息,从当前驾驶信息中筛选出待测车辆的车辆行为信息,车辆行为的信息即为动态信息。例如,可以通过速度传感器确定待测车辆的速度变化。预先划分所有候选场景标签中的动态场景标签,在确定目标场景标签后,得到目标场景标签中的动态场景标签。预先设置动态场景标签与车辆行为之间的关联关系,即确定每一个动态场景标签所对应的车辆行为信息。确定当前驾驶信息中的车辆行为信息,根据车辆行为信息确定目标场景标签中涉及到这些车辆行为信息的动态场景标签。例如,将“雨刷器”作为一个动态场景标签,若车辆行为信息中表示雨刷器正在使用,则可以从“雨刷器”这个动态场景标签中选择“正在使用”这个场景要素。这样设置的有益效果在于,可以从目标场景标签中筛选出需要的动态场景标签,避免无用标签过多造成数据混乱,将静态场景要素和动态场景要素分别进行确定,提高了目标场景要素的确定精度和确定效率。
步骤130、将目标场景要素进行组合,得到待测车辆的目标驾驶场景序列。
其中,在得到各个目标场景要素后,将目标场景要素按照预设的排列方式进行组合,得到一串目标驾驶场景序列,从而确定待测车辆的目标驾驶场景。例如,预设的排列方式是将目标场景要素进行依次排列,目标场景要素为A、B、C、D和E,则目标驾驶场景序列可以是ABCDE。
本实施例的技术方案,根据待测车辆当前所处的驾驶场所,从预先设置的多种场景标签中确定至少一个目标场景标签,每个场景标签中包括一个或多个候选场景要素,根据驾驶信息,可以选择至少一个目标场景要素,将目标场景要素进行组合,得到的序列即为目标驾驶场景序列。解决了现有技术中,自动驾驶场景难以根据车辆测试情况进行任意改变的问题,实现对自动驾驶场景的灵活变动,提高了自动驾驶场景的确定效率和精度。
实施例二
图2为本发明实施例二所提供的一种自动驾驶场景的确定方法的流程示意图,本实施例以上述实施例为基础进行进一步的优化,该方法可以由一种自动驾驶场景的确定装置来执行。如图2所示,该方法具体包括如下步骤:
步骤210、根据待测车辆的当前驾驶场所,确定与当前驾驶场所关联的至少一个目标场景标签。
步骤220、根据候选场景要素之间的逻辑关系和预设的测试要求,从目标场景标签中筛选出至少一个必要场景要素组成必要场景序列,并筛选出至少一个异常场景要素组成异常场景序列。
其中,在每个候选场景标签的候选场景要素之间可以存在一定的逻辑关系,逻辑关系可以包括互斥关系和组合关系。互斥关系是指某目标场景标签下的候选场景要素不能同时选择,即该目标场景标签中的候选场景要素只能选择其中一个。组合关系是指某目标场景标签下的候选场景要素可以同时选择,即可以将目标场景标签中的一个或多个候选场景要素作为目标场景要素。例如,目标场景标签为“车道方向”,该目标场景标签的候选场景要素为“单向”和“双向”,候选场景要素的逻辑关系为互斥,在选择该目标场景标签的目标场景要素时,只能选择“单向”或“双向”。又例如,目标场景标签为“道路断面类型”,该目标场景标签的候选场景要素为“机动车道”、“人行横道”和“紧急停车带”,候选场景要素的逻辑关系为组合,在选择该目标场景标签的目标场景要素时,可以只选择其中一个候选场景要素作为目标场景要素,也可以选择两个或三个候选场景要素作为目标场景要素。通过设置候选场景要素之间的逻辑关系,可以限制各场景要素之间的组合关系,避免相冲突的候选场景要素被选择,提高自动驾驶场景的确定精度,有利于实现车辆的测试。
预设的测试要求可以是预先设定在测试过程中必须存在的候选场景要素或必须不存在的候选场景要素。例如,夜间时段机场货运需要照明,则在夜间的时间段,“照明”场景标签的目标场景要素一定是开启照明的情况。根据候选场景要素之间的逻辑关系和预设的测试要求,可以确定目标驾驶场景序列中一定存在的必要场景序列和必不存在的异常场景序列。必要场景序列中的场景要素为必要场景要素,异常场景序列中的场景要素为异常场景要素。例如,不存在单向四车道,则异常场景要素为“车道方向”这个场景标签中的“单向”场景要素和“车道数”这个场景标签中的“四车道”场景要素,异常场景序列为“单向四车道”。又例如,车辆测试场景的道路必须包含机动车道,则必要场景要素为“道路断面类型”这个场景标签中的“机动车道”场景标签,必要场景序列为“机动车道”。在选择“道路断面类型”的目标场景要素时,可以选择单个的“机动车道”,也可以选择“机动车道”和“人行横道”,也可以选择“机动车道”和“紧急停车带”,还可以选择“机动车道”、“人行横道”和“紧急停车带”。
步骤230、根据待测车辆的当前驾驶信息,从目标场景标签的候选场景要素中选择目标场景要素。
其中,在选择目标场景要素时,可以参考必要场景序列和异常场景序列进行选择,优先考虑必要场景序列中的场景要素。若选择的目标场景要素为异常场景序列中的场景要素,则将异常场景要素中已选择的场景要素之外的场景要素进行淘汰,避免目标驾驶场景序列中出现异常场景序列。
步骤240、将目标场景要素进行组合,得到待测车辆的目标驾驶场景序列。
步骤250、将目标驾驶场景序列与必要场景序列以及异常场景序列进行对比,确定目标驾驶场景序列是否满足必要场景序列和异常场景序列的要求,若满足,则确定目标驾驶场景序列正确。
其中,在得到目标驾驶场景序列后,将目标驾驶场景序列与必要场景序列以及异常场景序列进行比较,确定目标驾驶场景序列是否满足必要场景序列和异常场景序列的要求。可以确定目标驾驶场景序列中是否存在必要场景序列和异常场景序列,从而确定目标驾驶场景序列是否正确。
本实施例中,可选的,在将目标场景要素进行组合,得到待测车辆的目标驾驶场景序列之后,还包括:将目标驾驶场景序列与必要场景序列进行比较,确定目标驾驶场景序列是否存在必要场景序列;若不存在,则确定目标驾驶场景序列出现错误,提示工作人员重新确定目标驾驶场景序列;将目标驾驶场景序列与异常场景序列进行比较,确定目标驾驶场景序列是否存在异常场景序列;若存在,则确定目标驾驶场景序列出现错误,提示工作人员重新确定目标驾驶场景序列。
具体的,可以将目标驾驶场景序列与必要场景序列进行比较,确定目标驾驶场景序列是否存在必要场景序列,例如,目标驾驶场景序列为ABCDE,必要场景序列为AB,则确定目标驾驶场景中存在必要场景序列;目标驾驶场景序列为ACDE,必要场景序列为AB,则确定目标驾驶场景中不存在必要场景序列。若目标驾驶场景中不存在必要场景序列,则确定目标驾驶场景序列出现错误,可以发出提示信息,提示工作人员重新确定目标驾驶场景序列,以进行车辆测试。将目标驾驶场景序列与异常场景序列进行比较,确定目标驾驶场景序列是否存在异常场景序列。例如,目标驾驶场景序列为ABCDE,异常场景序列为EF,则确定目标驾驶场景序列中不存在异常场景序列。若目标驾驶场景序列中存在异常场景序列,则确定目标驾驶场景序列出现错误,发出提示信息,提示工作人员重新确定目标驾驶场景序列。若目标驾驶场景序列中存在必要场景序列,且不存在异常场景序列,则确定目标驾驶场景序列满足必要场景序列和异常场景序列的要求,目标驾驶场景序列确定正确。这样设置的有益效果在于,通过必要场景序列和异常场景序列,可以对目标驾驶场景序列进行检查,避免目标驾驶场景序列确认错误,提高自动驾驶场景的确定精度。
本发明实施例根据待测车辆当前所处的驾驶场所,从预先设置的多种场景标签中确定至少一个目标场景标签,每个场景标签中包括一个或多个场景要素,根据驾驶信息,可以选择至少一个目标场景要素,将目标场景要素进行组合,得到的序列即为目标驾驶场景。在确定目标驾驶场景之前,先确定必要场景序列和异常场景序列,根据必要场景序列和异常场景序列对目标驾驶场景序列进行检查。解决了现有技术中,自动驾驶场景难以根据车辆测试情况进行改变的问题,实现对自动驾驶场景的灵活变动,提高了自动驾驶场景的确定效率和精度。
实施例三
图3为本发明实施例三所提供的一种自动驾驶场景的确定装置的结构框图,可执行本发明任意实施例所提供的一种自动驾驶场景的确定方法,具备执行方法相应的功能模块和有益效果。如图3所示,该装置具体包括:
标签确定模块301,用于根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;
要素确定模块302,用于根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;
场景确定模块303,用于将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。
可选的,该装置还包括:
场所确定模块,用于在根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签之前,获取待测车辆的当前位置信息,根据所述当前位置信息确定待测车辆的当前驾驶场所。
可选的,标签确定模块301,具体用于:
根据待测车辆的当前驾驶场所,从预设的候选场景标签中选择与所述当前驾驶场所关联的至少一个目标场景标签。
可选的,所述目标场景标签包括静态场景标签;
相应地,要素确定模块302,具体用于:
根据待测车辆的当前驾驶信息,确定待测车辆所要行驶的目标路径的静态信息;
根据预设的所述静态信息与静态场景标签的关联关系,从目标场景标签中筛选出与所述静态信息相关联的静态场景标签;
从所述静态场景标签的候选场景要素中选择目标场景要素。
可选的,所述目标场景标签还包括动态场景标签;
相应地,要素确定模块302,还具体用于:
根据所述待测车辆的当前驾驶信息,确定所述待测车辆的车辆行为;
根据预设的所述车辆行为与动态场景标签的关联关系,从所述目标场景标签中筛选出符合所述车辆行为的动态场景标签;
从所述动态场景标签的候选场景要素中选择目标场景要素。
可选的,该装置还包括:
序列筛选模块,用于在根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素之前,根据所述候选场景要素之间的逻辑关系和预设的测试要求,从所述目标场景标签中筛选出至少一个必要场景要素组成必要场景序列,并筛选出至少一个异常场景要素组成异常场景序列。
可选的,该装置还包括:
必要序列比较模块,用于将所述目标驾驶场景序列与必要场景序列进行比较,确定所述目标驾驶场景序列是否存在所述必要场景序列;
若不存在,则确定所述目标驾驶场景序列出现错误,提示工作人员重新确定目标驾驶场景序列;
异常序列比较模块,用于将所述目标驾驶场景序列与异常场景序列进行比较,确定所述目标驾驶场景序列是否存在所述异常场景序列;
若存在,则确定所述目标驾驶场景序列出现错误,提示工作人员重新确定目标驾驶场景序列。
本发明实施例根据待测车辆当前所处的驾驶场所,从预先设置的多种场景标签中确定至少一个目标场景标签,每个场景标签中包括一个或多个候选场景要素,根据驾驶信息,可以选择至少一个目标场景要素,将目标场景要素进行组合,得到的序列即为目标驾驶场景序列。解决了现有技术中,自动驾驶场景难以根据车辆测试情况进行任意改变的问题,实现对自动驾驶场景的灵活变动,提高了自动驾驶场景的确定效率和精度。
实施例四
图4是本发明实施例四提供的一种自动驾驶场景的确定设备的结构示意图。自动驾驶场景的确定设备可以是一种计算机设备,图4示出了适于用来实现本发明实施方式的示例性计算机设备400的框图。图4显示的计算机设备400仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备400以通用计算设备的形式表现。计算机设备400的组件可以包括但不限于:一个或者多个处理器或者处理单元401,系统存储器402,连接不同系统组件(包括系统存储器402和处理单元401)的总线403。
总线403表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备400典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备400访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器402可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)404和/或高速缓存存储器405。计算机设备400可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统406可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块407的程序/实用工具408,可以存储在例如存储器402中,这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备400也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信,还可与一个或者多个使得用户能与该计算机设备400交互的设备通信,和/或与使得该计算机设备400能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且,计算机设备400还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器412通过总线403与计算机设备400的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备400使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元401通过运行存储在系统存储器402中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种自动驾驶场景的确定方法,包括:
根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;
根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;
将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的一种自动驾驶场景的确定方法,包括:
根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;
根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;
将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是,但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种自动驾驶场景的确定方法,其特征在于,包括:
根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;
根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;
将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。
2.根据权利要求1所述的方法,其特征在于,在根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签之前,还包括:
获取待测车辆的当前位置信息,根据所述当前位置信息确定待测车辆的当前驾驶场所。
3.根据权利要求1所述的方法,其特征在于,根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签,包括:
根据待测车辆的当前驾驶场所,从预设的候选场景标签中选择与所述当前驾驶场所关联的至少一个目标场景标签。
4.根据权利要求1所述的方法,其特征在于,所述目标场景标签包括静态场景标签;
相应地,根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素,包括:
根据待测车辆的当前驾驶信息,确定待测车辆所要行驶的目标路径的静态信息;
根据预设的所述静态信息与静态场景标签的关联关系,从目标场景标签中筛选出与所述静态信息相关联的静态场景标签;
从所述静态场景标签的候选场景要素中选择目标场景要素。
5.根据权利要求1所述的方法,其特征在于,所述目标场景标签还包括动态场景标签;
相应地,根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素,还包括:
根据所述待测车辆的当前驾驶信息,确定所述待测车辆的车辆行为;
根据预设的所述车辆行为与动态场景标签的关联关系,从所述目标场景标签中筛选出符合所述车辆行为的动态场景标签;
从所述动态场景标签的候选场景要素中选择目标场景要素。
6.根据权利要求1所述的方法,其特征在于,在根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素之前,还包括:
根据所述候选场景要素之间的逻辑关系和预设的测试要求,从所述目标场景标签中筛选出至少一个必要场景要素组成必要场景序列,并筛选出至少一个异常场景要素组成异常场景序列。
7.根据权利要求6所述的方法,其特征在于,在将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列之后,还包括:
将所述目标驾驶场景序列与必要场景序列进行比较,确定所述目标驾驶场景序列是否存在所述必要场景序列;
若不存在,则确定所述目标驾驶场景序列出现错误,提示工作人员重新确定目标驾驶场景序列;
将所述目标驾驶场景序列与异常场景序列进行比较,确定所述目标驾驶场景序列是否存在所述异常场景序列;
若存在,则确定所述目标驾驶场景序列出现错误,提示工作人员重新确定目标驾驶场景序列。
8.一种自动驾驶场景的确定装置,其特征在于,包括:
标签确定模块,用于根据待测车辆的当前驾驶场所,确定与所述当前驾驶场所关联的至少一个目标场景标签;
要素确定模块,用于根据所述待测车辆的当前驾驶信息,从所述目标场景标签的候选场景要素中选择目标场景要素;
场景确定模块,用于将所述目标场景要素进行组合,得到所述待测车辆的目标驾驶场景序列。
9.一种自动驾驶场景的确定设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的自动驾驶场景的确定方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的自动驾驶场景的确定方法。
CN202011411655.XA 2020-12-04 2020-12-04 一种自动驾驶场景的确定方法、装置、设备及存储介质 Pending CN112380137A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011411655.XA CN112380137A (zh) 2020-12-04 2020-12-04 一种自动驾驶场景的确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011411655.XA CN112380137A (zh) 2020-12-04 2020-12-04 一种自动驾驶场景的确定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112380137A true CN112380137A (zh) 2021-02-19

Family

ID=74590451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011411655.XA Pending CN112380137A (zh) 2020-12-04 2020-12-04 一种自动驾驶场景的确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112380137A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609016A (zh) * 2021-08-05 2021-11-05 北京赛目科技有限公司 车辆自动驾驶测试场景的构建方法、装置、设备及介质
CN115544817A (zh) * 2022-12-02 2022-12-30 广汽埃安新能源汽车股份有限公司 驾驶场景生成方法、装置、电子设备和计算机可读介质
WO2023123130A1 (zh) * 2021-12-29 2023-07-06 华为技术有限公司 用于自动驾驶系统的方法、装置、电子设备和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109406166A (zh) * 2018-10-30 2019-03-01 百度在线网络技术(北京)有限公司 无人车的分级方法、装置、设备、存储介质和车辆
CN109829395A (zh) * 2019-01-15 2019-05-31 北京百度网讯科技有限公司 基于无人车的数据处理方法、装置、设备以及存储介质
US20200019793A1 (en) * 2018-07-16 2020-01-16 Cortica Ltd. Transportation prediction system and method
CN110717475A (zh) * 2019-10-18 2020-01-21 北京汽车集团有限公司 自动驾驶场景分类方法及系统
CN110796007A (zh) * 2019-09-27 2020-02-14 华为技术有限公司 场景识别的方法与计算设备
WO2020053170A1 (de) * 2018-09-10 2020-03-19 Volkswagen Aktiengesellschaft Verfahren zum erzeugen einer informationssammlung zu fahrszenarien wenigstens eines fahrzeugs, sowie fahrzeug, anordnung und daraus bestehendes system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200019793A1 (en) * 2018-07-16 2020-01-16 Cortica Ltd. Transportation prediction system and method
WO2020053170A1 (de) * 2018-09-10 2020-03-19 Volkswagen Aktiengesellschaft Verfahren zum erzeugen einer informationssammlung zu fahrszenarien wenigstens eines fahrzeugs, sowie fahrzeug, anordnung und daraus bestehendes system
CN109406166A (zh) * 2018-10-30 2019-03-01 百度在线网络技术(北京)有限公司 无人车的分级方法、装置、设备、存储介质和车辆
CN109829395A (zh) * 2019-01-15 2019-05-31 北京百度网讯科技有限公司 基于无人车的数据处理方法、装置、设备以及存储介质
CN110796007A (zh) * 2019-09-27 2020-02-14 华为技术有限公司 场景识别的方法与计算设备
CN110717475A (zh) * 2019-10-18 2020-01-21 北京汽车集团有限公司 自动驾驶场景分类方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609016A (zh) * 2021-08-05 2021-11-05 北京赛目科技有限公司 车辆自动驾驶测试场景的构建方法、装置、设备及介质
CN113609016B (zh) * 2021-08-05 2024-03-15 北京赛目科技股份有限公司 车辆自动驾驶测试场景的构建方法、装置、设备及介质
WO2023123130A1 (zh) * 2021-12-29 2023-07-06 华为技术有限公司 用于自动驾驶系统的方法、装置、电子设备和介质
CN115544817A (zh) * 2022-12-02 2022-12-30 广汽埃安新能源汽车股份有限公司 驾驶场景生成方法、装置、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN112380137A (zh) 一种自动驾驶场景的确定方法、装置、设备及存储介质
US11400928B2 (en) Driverless vehicle testing method and apparatus, device and storage medium
CN109255341B (zh) 障碍物感知错误数据的提取方法、装置、设备及介质
CN108091141B (zh) 车牌识别系统
US20210179135A1 (en) Autonomous Driving System and Method of Vehicle Using V2x Communication
CN109284801B (zh) 交通指示灯的状态识别方法、装置、电子设备及存储介质
CN110427444B (zh) 导航引导点挖掘方法、装置、设备和存储介质
CN109387208B (zh) 一种地图数据的处理方法、装置、设备和介质
CN109118797B (zh) 信息共享方法、装置、设备及存储介质
CN109035831A (zh) 交通指示灯的识别方法、装置、设备、存储介质及车辆
CN107766872B (zh) 一种识别光照驾驶场景的方法和装置
CN111765904B (zh) 自动驾驶车辆的测试方法、装置、电子设备和介质
CN111311906B (zh) 路口距离的检测方法、装置、电子设备和存储介质
CN111380546A (zh) 基于平行道路的车辆定位方法、装置、电子设备和介质
JP2017102672A (ja) 地理位置情報特定システム及び地理位置情報特定方法
CN114202924B (zh) 冗余交通限制信息的识别方法及装置、电子设备和介质
CN111551190B (zh) 自动驾驶确定定位能力的方法、装置、设备及介质
CN111354217A (zh) 停车路线确定方法、装置、设备及介质
CN110111018B (zh) 评估车辆感测能力的方法、装置、电子设备及存储介质
CN110567468A (zh) 道路轨迹获取方法、设备及存储介质
CN109635868B (zh) 障碍物类别的确定方法、装置、电子设备及存储介质
CN112396125B (zh) 一种定位测试场景的分类方法、装置、设备及存储介质
US11963066B2 (en) Method for indicating parking position and vehicle-mounted device
CN112182132B (zh) 一种地铁用户的识别方法、系统、设备和存储介质
CN112102648B (zh) 一种空余车位推送方法、装置、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