CN112382079B - 一种面向车路协同的路侧感知模拟仿真方法和系统 - Google Patents
一种面向车路协同的路侧感知模拟仿真方法和系统 Download PDFInfo
- Publication number
- CN112382079B CN112382079B CN202010995044.8A CN202010995044A CN112382079B CN 112382079 B CN112382079 B CN 112382079B CN 202010995044 A CN202010995044 A CN 202010995044A CN 112382079 B CN112382079 B CN 112382079B
- Authority
- CN
- China
- Prior art keywords
- road
- traffic
- drive test
- virtual scene
- 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.)
- Active
Links
- 230000008447 perception Effects 0.000 title claims abstract description 61
- 238000004088 simulation Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012360 testing method Methods 0.000 claims abstract description 110
- 230000003068 static effect Effects 0.000 claims description 55
- 238000009877 rendering Methods 0.000 claims description 38
- 238000012800 visualization Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 241001464837 Viridiplantae Species 0.000 claims description 8
- 238000009434 installation Methods 0.000 abstract description 14
- 238000010801 machine learning Methods 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 7
- 230000003245 working effect Effects 0.000 abstract description 5
- 238000012549 training Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种面向车路协同的路侧感知模拟仿真方法和系统,为路侧感知进行实际道路测试前提供一个虚拟环境进行仿真测试,从而可以大大降低路侧感知测试的成本与安全风险,同时也可以加快路侧感知的开发进度,借助仿真环境可以分析传感器实际安装前与环境之间的关系,可视化显示对应的工作效果,从而为传感器的实际安装提供参考,另外,通过仿真系统直接输出用于机器学习所需要的训练数据与测试数据,可以极大地降低人工采集这些数据所需要花费的时间和成本。
Description
技术领域
本发明实施例涉及智能交通技术领域,尤其涉及一种面向车路协同的路侧感知模拟仿真方法和系统。
背景技术
智能交通系统通过人工智能与信息通讯技术可以有效提升道路交通的安全和效率,目前已经得到广泛的认可,它包含“聪明的车”和“智慧的路”两部分。车路协同是智能交通发展的高级阶段,通过通讯协议,将路侧感知传感器(摄像头、激光雷达、毫米波雷达等)的感知结果与自动驾驶汽车车载感知传感器的感知结果进行融合与分析,从而克服单一车载感知时出现的视觉盲区、遮挡等问题,增强了感知的范围与准确性,达到全域感知效果,车路协同用来实现车与车以及车与路侧系统之间的通信,使车辆能够更好地感知周围环境,接受辅助驾驶的相关信息,让道路监管部门能够更有效地处理交通事故。
其中,路侧感知是车路协同应用开发的重要组成部分,通过在路侧部署传感器,将采集到的路面信息经V2X(Vehicle to X,车用无线通信技术)通信给到车辆,使车辆拥有超视距的感知能力。在实际应用中,为达到最优的路侧感知效果,不同的场景往往需要不同的RSU(Road Side Unit,路侧单元)配置,RSU的选型及安装是一个耗时耗力的过程,另外,交通参与者的识别是路侧感知的核心,基于机器学习的识别算法需要大量的标签数据,而人工打标签被验证是一个效率极其低下的方式。而随着近些年计算机硬件性能的不断提升,将仿真技术应用于智能交通领域成为了各类研发机构加速开发进程的必要手段。
当前智能交通领域的模拟仿真主要用于自动驾驶算法验证,V2X通讯,车载传感器数据采集等,关于路侧感知的模拟仿真几乎没有,在实际环境中进行RSU的安装调节耗时耗力,不能提前得知RSU安装后的效果。路侧感知同样需要基于机器学习的识别算法,但是采用真实数据需要人工打标签,而这一方式效率极其低下,而且成本高。
发明内容
本发明实施例提供一种面向车路协同的路侧感知模拟仿真方法和系统,以解决现有技术中RSU安装调节时,采用真实数据需要人工打标签,而这一方式效率极其低下,而且成本高的问题。
第一方面,本发明实施例提供一种面向车路协同的路侧感知模拟仿真方法,包括:
构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;
对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理;
提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统。
作为优选的,所述静态环境为预设虚拟场景内状态不发生变化的事物,所述静态环境包括用于车辆行驶的车道、建筑、绿植和路灯;所述动态交通包括预设虚拟场景内具备动态特性的交通管控设备、人流和车流;所述路测单元包括摄像头、激光雷达、毫米波雷达、V2X通讯设备。
作为优选的,对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理,具体包括:
通过图新引擎对静态环境、动态交通和路测单元中的所有可见虚拟物体进行渲染;
对路测单元采集的实时信息进行可视化显示,以对路测单元中各传感器的参数进行调节,所述实时信息包括三维点云、实时图像和障碍物尺寸。
作为优选的,所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据,具体包括:
基于路测单元中各传感器逐帧采集静态环境和动态交通的实时信息;
将采集的每一帧实时信息进行格式化,以生成第一交通状态数据。
作为优选的,还包括:
接收外部系统发送的外部数据并发送至路测单元。
第二方面,本发明实施例提供一种面向车路协同的路侧感知模拟仿真系统,包括虚拟场景构建模块、图形渲染及可视化模块和数据采集与收发模块;
所述虚拟场景构建模块,用于构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;
所述图形渲染及可视化模块,用于对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理;
所述数据采集与收发模块,用于提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统;接收外部系统发送的外部数据并发送至路测单元。
作为优选的,所述虚拟场景构建模块包括静态环境子模块、动态交通子模块和路测单元子模块;
所述静态环境子模块用于构建静态环境,所述静态环境为预设虚拟场景内状态不发生变化的事物,所述静态环境包括用于车辆行驶的车道、建筑、绿植和路灯;
所述动态交通子模块用于构建动态交通,所述动态交通包括预设虚拟场景内具备动态特性的交通管控设备、人流和车流;
所述路测单元子模块用于构建路测单元中的各个传感器,所述路测单元包括摄像头、激光雷达、毫米波雷达、V2X通讯设备。
作为优选的,所述图形渲染及可视化模块包括三维场景渲染子模块和传感器信息可视化子模块;
所述三维场景渲染子模块通过图新引擎对静态环境、动态交通和路测单元中的所有可见虚拟物体进行渲染;
所述传感器信息可视化子模块对路测单元采集的实时信息进行可视化显示,以对路测单元中各传感器的参数进行调节,所述实时信息包括三维点云、实时图像和障碍物尺寸。
第三方面,本发明实施例提供一种电子设备,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第一方面实施例所述面向车路协同的路侧感知模拟仿真方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如本发明第一方面实施例所述面向车路协同的路侧感知模拟仿真方法的步骤。
本发明实施例提供的一种面向车路协同的路侧感知模拟仿真方法和系统,为路侧感知进行实际道路测试前提供一个虚拟环境进行仿真测试,从而可以大大降低路侧感知测试的成本与安全风险,同时也可以加快路侧感知的开发进度,借助仿真环境可以分析传感器实际安装前与环境之间的关系,可视化显示对应的工作效果,从而为传感器的实际安装提供参考,另外,通过仿真系统直接输出用于机器学习所需要的训练数据与测试数据,可以极大地降低人工采集这些数据所需要花费的时间和成本。
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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的面向车路协同的路侧感知模拟仿真方法示意图;
图2为根据本发明实施例的面向车路协同的路侧感知模拟仿真方法框图;
图3为根据本发明实施例的虚拟场景构建示意图;
图4为根据本发明实施例的数据采集与收发示意图;
图5为根据本发明实施例的不同高度和角度下激光雷达点云覆盖示意图;图6为根据本发明实施例的图形渲染及可视化示意图;
图7为根据本发明实施例的三维点云数据与车辆真值数据融合后的一帧数据示意图;
图8为根据本发明实施例的面向车路协同的路侧感知模拟仿真系统示意图;
图9为根据本发明实施例的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本申请实施例中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请实施例中的术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列部件或单元的系统、产品或设备没有限定于已列出的部件或单元,而是可选地还包括没有列出的部件或单元,或可选地还包括对于这些产品或设备固有的其它部件或单元。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
当前智能交通领域的模拟仿真主要用于自动驾驶算法验证,V2X通讯,车载传感器数据采集等,关于路侧感知的模拟仿真几乎没有,在实际环境中进行RSU的安装调节耗时耗力,不能提前得知RSU安装后的效果。路侧感知同样需要基于机器学习的识别算法,但是采用真实数据需要人工打标签,而这一方式效率极其低下,而且成本高。
因此,本发明实施例提供一种面向车路协同的路侧感知模拟仿真方法和系统,为路侧感知进行实际道路测试前提供一个虚拟环境进行仿真测试,从而可以大大降低路侧感知测试的成本与安全风险,同时也可以加快路侧感知的开发进度,借助仿真环境可以分析传感器实际安装前与环境之间的关系,可视化显示对应的工作效果,从而为传感器的实际安装提供参考,另外,通过仿真系统直接输出用于机器学习所需要的训练数据与测试数据,可以极大地降低人工采集这些数据所需要花费的时间和成本。以下将通过多个实施例进行展开说明和介绍。
图1和图2为本发明实施例提供一种面向车路协同的路侧感知模拟仿真方法示意图,包括:
构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;
对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理;
提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统。
在本实施例中,通过构建路测感知虚拟场景,对实际场景中的各个交通环境进行模拟,包括静态环境、动态交通和路测单元的模拟仿真,为路侧感知进行实际道路测试前提供一个虚拟环境进行仿真测试,借助仿真环境可以分析传感器实际安装前与环境之间的关系,可视化显示对应的工作效果,从而为传感器的实际安装提供参考,另外,通过仿真系统直接输出用于机器学习所需要的训练数据与测试数据,可以极大地降低人工采集这些数据所需要花费的时间和成本。
在一个实施例中,所述静态环境为预设虚拟场景内状态不发生变化的事物,所述静态环境包括用于车辆行驶的车道、建筑、绿植和路灯;所述动态交通包括预设虚拟场景内具备动态特性的交通管控设备、人流和车流;所述路测单元包括摄像头、激光雷达、毫米波雷达、V2X通讯设备。
在本实施例中,如图3中所示,静态环境主要包括用于车辆行驶的车道,场景内的建筑,区域内的绿植、路灯等,这些构成了模拟场景的客观环境,并且不随仿真测试过程中其它条件的变化而改变。动态交通主要指仿真中具备动态特性的管控、车流、人流等部分,包括红绿灯仿真,机动车仿真,非机动车仿真,行人仿真等。路侧单元是路侧传感器的统一部署平台,常见路侧传感器包括摄像头、激光雷达、毫米波雷达、V2X通讯设备等,路侧单元既可以采集静态环境与动态交通的实时信息,也可以向动态交通发送实时控制指令。
在一个实施例中,对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理,具体包括:
通过图新引擎对静态环境、动态交通和路测单元中的所有可见虚拟物体进行渲染;
对路测单元采集的实时信息进行可视化显示,以对路测单元中各传感器的参数进行调节,所述实时信息包括三维点云、实时图像和障碍物尺寸。
在本实施例中,如图4中所示,主要通过图形引擎对虚拟物体进行高清渲染,包括三维场景渲染和传感器信息可视化。三维场景渲染针对虚拟场景构建模块内所有可见物体进行渲染,包括静态环境、动态交通和路侧单元,传感器信息可视化主要针对路侧单元内传感器采集到的信息进行可视化地显示,便于对传感器参数进行调节,如激光雷达产生的三维点云,摄像头采集的二维图像,毫米波雷达感知的障碍物尺寸等。
在本实施例中,能够实现可视化地显示传感器在虚拟环境中的工作效果,当虚拟环境与真实环境一致时,通过在仿真系统种调节传感器的型号与布置参数,观察对应可视化效果,得到最优的参数,为真实环境中的选型与布局提供参考。如通过调节激光雷达的安装高度与倾斜角度可以得到其点云在路面上的分布情况,根据可视化的分布效果可以判断出最优的高度和角度范围,如图5所示。
在一个实施例中,所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据,具体包括:
基于路测单元中各传感器逐帧采集静态环境和动态交通的实时信息;
将采集的每一帧实时信息进行格式化,以生成第一交通状态数据。
在本实施例中,主要包括传感器数据采集,虚拟环境真值数据采集,以及数据的接收与发送。
如图6中所示,传感器数据采集是指将每一帧的传感器收集信息进行格式化生成数据文件,如三维点云数据需要包括相对于激光雷达的坐标信息(x,y,z)值以及对激光线束的反射强度值intensity。虚拟环境真值数据是指相对于仿真系统是已知的但无法通过传感器直接采集的信息,如动态交通里的车辆真值数据,包括车辆的位置坐标,朝向,包围盒大小,标签等。数据的接收是指将前面采集到的数据通过一定的通讯方式向指定的外部系统发送数据,同样,数据的接收是指按一定的通讯方式(如图5中通过预设的数据收发模块)将外部系统发送的数据接收并给到路侧单元,从而参与虚拟场景的控制,这里的通讯方式包括但不限于ROS、ROS2、CyberRT等。
在本实施例中,能够实现快速生成用于机器学习的训练集与测试集数据。将仿真系统中同一时间的传感器采集到的数据与通过系统获取到的真值数据进行组合即可得到用于机器学习的带标签数据,如在系统刷新的同一帧中,将激光雷达输出的三维点云数据文件与路面上存在的车辆真值数据文件进行融合,则可以得到用于基于三维点云的车辆识别机器学习模型建立所需的训练数据的完整一帧,如图7所示,图中方框表示车辆,其按实际车辆大小进行等比例缩放。
在一个实施例中,还包括:
接收外部系统发送的外部数据并发送至路测单元。
第二方面,本发明实施例提供一种面向车路协同的路侧感知模拟仿真系统,基于上述各实施例中的面向车路协同的路侧感知模拟仿真方法,如图8中所示,包括虚拟场景构建模块10、图形渲染及可视化模块20和数据采集与收发模块30;
所述虚拟场景构建模块10,用于构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;
所述图形渲染及可视化模块20,用于对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理;
所述数据采集与收发模块30,用于提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统;接收外部系统发送的外部数据并发送至路测单元。
在一个实施例中,所述虚拟场景构建模块10包括静态环境子模块101、动态交通子模块102和路测单元子模块103;
所述静态环境子模块101用于构建静态环境,所述静态环境为预设虚拟场景内状态不发生变化的事物,所述静态环境包括用于车辆行驶的车道、建筑、绿植和路灯;
所述动态交通子模块102用于构建动态交通,所述动态交通包括预设虚拟场景内具备动态特性的交通管控设备、人流和车流;
所述路测单元子模块103用于构建路测单元中的各个传感器,所述路测单元包括摄像头、激光雷达、毫米波雷达、V2X通讯设备。
在一个实施例中,所述图形渲染及可视化模块20包括三维场景渲染子模块201和传感器信息可视化子模块202;
所述三维场景渲染子模块201通过图新引擎对静态环境、动态交通和路测单元中的所有可见虚拟物体进行渲染;
所述传感器信息可视化子模块202对路测单元采集的实时信息进行可视化显示,以对路测单元中各传感器的参数进行调节,所述实时信息包括三维点云、实时图像和障碍物尺寸。
数据采集与收发模块30包括数据采集子模块301和数据收发子模块302;数据采集子模块301将每一帧的传感器收集信息进行格式化生成数据文件,如三维点云数据需要包括相对于激光雷达的坐标信息(x,y,z)值以及对激光线束的反射强度值intensity。数据收发子模块302还用于采集与交通状态相关虚拟环境真值数据,虚拟环境真值数据是指相对于仿真系统是已知的但无法通过传感器直接采集的信息,如动态交通里的车辆真值数据,包括车辆的位置坐标,朝向,包围盒大小,标签等。数据收发子模块302将前面采集到的数据通过一定的通讯方式向指定的外部系统发送数据,同样,数据的接收是指按一定的通讯方式(如图5中通过预设的数据收发模块)将外部系统发送的数据接收并给到路侧单元,从而参与虚拟场景的控制,这里的通讯方式包括但不限于ROS、ROS2、CyberRT等。
基于相同的构思,本发明实施例还提供了一种实体结构示意图,如图9所示,该服务器可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行如上述各实施例所述面向车路协同的路侧感知模拟仿真方法的步骤。例如包括:
构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;
对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理;
提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
基于相同的构思,本发明实施例还提供一种非暂态计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包含至少一段代码,该至少一段代码可由主控设备执行,以控制主控设备用以实现如上述各实施例所述面向车路协同的路侧感知模拟仿真方法的步骤。例如包括:
构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;
对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理;
提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统。
基于相同的技术构思,本申请实施例还提供一种计算机程序,当该计算机程序被主控设备执行时,用以实现上述方法实施例。
所述程序可以全部或者部分存储在与处理器封装在一起的存储介质上,也可以部分或者全部存储在不与处理器封装在一起的存储器上。
基于相同的技术构思,本申请实施例还提供一种处理器,该处理器用以实现上述方法实施例。上述处理器可以为芯片。
综上所述,本发明实施例提供的一种面向车路协同的路侧感知模拟仿真方法和系统,为路侧感知进行实际道路测试前提供一个虚拟环境进行仿真测试,从而可以大大降低路侧感知测试的成本与安全风险,同时也可以加快路侧感知的开发进度,借助仿真环境可以分析传感器实际安装前与环境之间的关系,可视化显示对应的工作效果,从而为传感器的实际安装提供参考,另外,通过仿真系统直接输出用于机器学习所需要的训练数据与测试数据,可以极大地降低人工采集这些数据所需要花费的时间和成本。
本发明的各实施方式可以任意进行组合,以实现不同的技术效果。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidStateDisk)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种面向车路协同的路侧感知模拟仿真方法,其特征在于,包括:
构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;所述静态环境为预设虚拟场景内状态不发生变化的事物,所述静态环境包括用于车辆行驶的车道、建筑、绿植和路灯;所述动态交通包括预设虚拟场景内具备动态特性的交通管控设备、人流和车流;所述路测单元包括摄像头、激光雷达、毫米波雷达和V2X通讯设备;
对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理:通过图形引擎对静态环境、动态交通和路测单元中的所有可见虚拟物体进行渲染,包括静态环境渲染、动态交通渲染和路侧单元渲染;对路测单元采集的实时信息进行可视化显示,以对路测单元中各传感器的参数进行调节,所述实时信息包括三维点云、实时图像和障碍物尺寸;
提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统。
2.根据权利要求1所述的面向车路协同的路侧感知模拟仿真方法,其特征在于,所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据,具体包括:
基于路测单元中各传感器逐帧采集静态环境和动态交通的实时信息;
将采集的每一帧实时信息进行格式化,以生成第一交通状态数据。
3.根据权利要求1所述的面向车路协同的路侧感知模拟仿真方法,其特征在于,还包括:
接收外部系统发送的外部数据并发送至路测单元。
4.一种面向车路协同的路侧感知模拟仿真系统,其特征在于,包括虚拟场景构建模块、图形渲染及可视化模块和数据采集与收发模块;
所述虚拟场景构建模块,用于构建路测感知虚拟场景,所述路测感知虚拟场景包括静态环境、动态交通和路测单元;所述路测单元采集静态环境和动态交通的实时信息,得到第一交通状态数据;所述静态环境为预设虚拟场景内状态不发生变化的事物,所述静态环境包括用于车辆行驶的车道、建筑、绿植和路灯;所述动态交通包括预设虚拟场景内具备动态特性的交通管控设备、人流和车流;所述路测单元包括摄像头、激光雷达、毫米波雷达、V2X通讯设备;
所述图形渲染及可视化模块,用于对所述路测感知虚拟场景进行高清渲染,并对路测单元采集到的第一交通状态数据进行可视化处理:所述图形渲染及可视化模块包括三维场景渲染子模块和传感器信息可视化子模块;所述三维场景渲染子模块通过图形引擎对静态环境、动态交通和路测单元中的所有可见虚拟物体进行渲染,包括静态环境渲染、动态交通渲染和路侧单元渲染;所述传感器信息可视化子模块对路测单元采集的实时信息进行可视化显示,以对路测单元中各传感器的参数进行调节,所述实时信息包括三维点云、实时图像和障碍物尺寸;
所述数据采集与收发模块,用于提取路测感知虚拟场景中与交通状态相关的真值数据作为第二交通状态数据,将所述第一交通状态数据和第二交通状态数据发送至指定的外部系统;接收外部系统发送的外部数据并发送至路测单元。
5.根据权利要求4所述的面向车路协同的路侧感知模拟仿真系统,其特征在于,所述虚拟场景构建模块包括静态环境子模块、动态交通子模块和路测单元子模块;
所述静态环境子模块用于构建静态环境,所述静态环境为预设虚拟场景内状态不发生变化的事物,所述静态环境包括用于车辆行驶的车道、建筑、绿植和路灯;
所述动态交通子模块用于构建动态交通,所述动态交通包括预设虚拟场景内具备动态特性的交通管控设备、人流和车流;
所述路测单元子模块用于构建路测单元中的各个传感器,所述路测单元包括摄像头、激光雷达、毫米波雷达和V2X通讯设备。
6.一种电子设备,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至3任一项所述面向车路协同的路侧感知模拟仿真方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至3任一项所述面向车路协同的路侧感知模拟仿真方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995044.8A CN112382079B (zh) | 2020-09-21 | 2020-09-21 | 一种面向车路协同的路侧感知模拟仿真方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010995044.8A CN112382079B (zh) | 2020-09-21 | 2020-09-21 | 一种面向车路协同的路侧感知模拟仿真方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112382079A CN112382079A (zh) | 2021-02-19 |
CN112382079B true CN112382079B (zh) | 2022-10-04 |
Family
ID=74586225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010995044.8A Active CN112382079B (zh) | 2020-09-21 | 2020-09-21 | 一种面向车路协同的路侧感知模拟仿真方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112382079B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631151B (zh) * | 2021-03-09 | 2021-05-25 | 中智行科技有限公司 | 一种仿真测试方法及装置 |
CN113920729A (zh) * | 2021-10-11 | 2022-01-11 | 华录易云科技有限公司 | 一种基于路侧感知系统对交通参与者感知能力的评价方法 |
CN114374624B (zh) * | 2021-12-17 | 2024-06-14 | 信通院车联网创新中心(成都)有限公司 | V2x路侧终端功能性信息下发功能仿真测试方法 |
CN114580213B (zh) * | 2022-05-05 | 2022-07-15 | 国汽智控(北京)科技有限公司 | 多阶段路侧仿真方法、装置、设备和存储介质 |
CN115118744B (zh) * | 2022-05-09 | 2023-08-04 | 同济大学 | 一种面向车路协同的元宇宙构建系统及方法 |
CN115292913A (zh) * | 2022-07-22 | 2022-11-04 | 上海交通大学 | 一种面向车路协同的路测感知仿真系统 |
CN116680186B (zh) * | 2023-06-14 | 2023-11-14 | 北京市计量检测科学研究院 | 一种车路协同自动驾驶仿真测试方法、设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150043592A (ko) * | 2013-10-11 | 2015-04-23 | 한양대학교 산학협력단 | V2x 시뮬레이션 장치, 방법 및 컴퓨터 프로그램 제품 |
CN206864060U (zh) * | 2017-02-04 | 2018-01-09 | 阿亦睿机器人科技(上海)有限公司 | 一种智能交通沙盘模拟系统 |
KR20190134171A (ko) * | 2018-05-25 | 2019-12-04 | 한양대학교 산학협력단 | 교통 시뮬레이터와 연동 가능한 wave 시뮬레이터 |
CN110164128B (zh) * | 2019-04-23 | 2020-10-27 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110674565A (zh) * | 2019-08-28 | 2020-01-10 | 同济大学 | 一种车路协同系统的在环仿真方法及平台 |
CN111309599A (zh) * | 2020-01-21 | 2020-06-19 | 同济大学 | 一种车路协同系统测试方法及架构 |
-
2020
- 2020-09-21 CN CN202010995044.8A patent/CN112382079B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112382079A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112382079B (zh) | 一种面向车路协同的路侧感知模拟仿真方法和系统 | |
WO2021226776A1 (zh) | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 | |
Jung et al. | 3D virtual intersection sight distance analysis using lidar data | |
CN112199991B (zh) | 一种应用于车路协同路侧感知的仿真点云滤波方法和系统 | |
CN112204343A (zh) | 高清晰地图数据的可视化 | |
CN109508579B (zh) | 用于获取虚拟点云数据的方法及装置 | |
CN110795819A (zh) | 自动驾驶仿真场景的生成方法和装置、存储介质 | |
GB2536770A (en) | Virtual sensor testbed | |
CN111339876B (zh) | 用于识别场景中各区域类型的方法和装置 | |
CN113607184B (zh) | 车辆导航方法、装置、电子设备及存储介质 | |
US20240017747A1 (en) | Method and system for augmenting lidar data | |
CN109839922B (zh) | 用于控制无人驾驶车辆的方法及装置 | |
CN108520635B (zh) | 一种混合现实道路显示系统 | |
CN109931950B (zh) | 一种实景导航方法、系统及终端设备 | |
CN114859754B (zh) | 一种抬头显示系统的仿真测试方法和仿真测试系统 | |
WO2024016877A1 (zh) | 一种面向车路协同的路测感知仿真系统 | |
CN108665556B (zh) | 一种基于混合现实的路政指示显示方法及存储介质 | |
CN112598993A (zh) | 基于cim的城市地图平台可视化方法、装置及相关产品 | |
CN112631151B (zh) | 一种仿真测试方法及装置 | |
CN108711298B (zh) | 一种混合现实道路显示方法 | |
JP2019519051A (ja) | 知的照明システム、照明デバイス、車両、車載端末、車両運転支援システム及び車両運転支援方法 | |
CN108648480B (zh) | 一种基于混合现实的道路隔离模型显示方法及存储介质 | |
CN113205087B (zh) | 一种感知信息处理方法、装置、设备及计算机可读存储介质 | |
CN114643984A (zh) | 驾驶避险方法、装置、设备、介质及产品 | |
CN114387407A (zh) | 一种基于三维通道模型的大件货物运输通过性评估方法 |
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 |