CN112560253B - 驾驶场景的重构方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种驾驶场景的重构方法、装置、设备及存储介质。包括：对获取的车联网数据进行预处理；提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；将所述车辆行驶数据输入动力学模型中进行仿真，获得在所述完整驾驶行程中的车辆行为信息；根据所述车辆行为信息重构道路信息；将所述道路信息、所述动力学模型和所述车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景。本发明实施例提供的驾驶场景的重构方法，融合车联网信号数据和动力学模型，获取车辆行为信息，并基于车辆行为信息重构道路信息，实现自然驾驶场景的重构，具有良好的适应性，具有场景真实度高、场景覆盖率高及场景还原度高等优点。

Description

驾驶场景的重构方法、装置、设备及存储介质

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种驾驶场景的重构方法、装置、设备及存储介质。

背景技术

自动驾驶是未来汽车发展的趋势，自动驾驶汽车实现上路之前必须经过严格功能安全测试，测试场景是自动驾驶测试的核心要素，自动驾驶功能安全测试取决于测试场景的覆盖度，场景覆盖度越高，自动驾驶功能失效率越低，不同的自动驾驶功能所对应的测试场景也不同，目前场景的主要来源为标准法规和专家经验，以上渠道获得测试场景的数量和评价维度均有限，远达不到自动驾驶功能测试场景覆盖度的要求。

发明内容

本发明实施例提供一种驾驶场景的重构方法、装置、设备及存储介质，可以丰富自动驾驶在测试时所需的驾驶场景，从而提高对自动驾驶测试的可靠性。

第一方面，本发明实施例提供了一种驾驶场景的重构方法，包括：

对获取的车联网数据进行预处理；

提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；

将所述车辆行驶数据输入动力学模型中进行仿真，获得在所述完整驾驶行程中的车辆行为信息；

根据所述车辆行为信息重构道路信息；

将所述道路信息、所述动力学模型和所述车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景。

进一步地，对获取的车联网数据进行预处理，包括：

将车辆网数据由JSON格式转化为列表格式；

对列表格式中的异常数据进行筛选，并对筛选后的数据按照时间进行排序。

进一步地，提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据，包括：

将点火事件作为驾驶行程的开始标识，将熄火事件作为驾驶行程的结束标识；

提取在点火事件与熄火事件之间的车辆行驶数据。

进一步地，在将所述车辆行驶数据输入动力学模型中进行仿真之前还包括：

获取用户实际驾驶车辆的动力学参数；

根据所述动力学参数建立动力学模型。

进一步地，根据所述车辆行为信息重构道路信息，包括：

根据所述车辆行为信息确定车辆在行驶过程中的工况数据；所述工况包括变道工况、超车工况、转弯工况及组合工况中的至少一种；

根据所述工况数据生成车道线数据；

基于所述车道线数据对路面添加纹理数据，获得路面数据；

根据所述车道线数据和所述路面数据重构道路信息。

进一步地，所述车辆行驶数据速度、加速度、油门开度及方向盘转角。

第二方面，本发明实施例还提供了一种驾驶场景的重构装置，包括：

数据处理模块，用于对获取的车联网数据进行预处理；

车辆行驶数据获取模块，用于提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；

车辆行为信息获取模块，用于将所述车辆行驶数据输入动力学模型中进行仿真，获得在所述完整驾驶行程中的车辆行为信息；

道路信息重构模块，用于根据所述车辆行为信息重构道路信息；

目标驾驶场景获取模块，用于将所述道路信息、所述动力学模型和所述车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景。

进一步地，数据处理模块，还用于：

将车辆网数据由JSON格式转化为列表格式；

对列表格式中的异常数据进行筛选，并对筛选后的数据按照时间进行排序。

第三方面，本发明实施例还提供一种计算机设备，所述设备包括：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实施例所述的驾驶场景的重构方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例所述的驾驶场景的重构方法。

本发明实施例公开的驾驶场景的重构方法、装置、设备及存储介质。对获取的车联网数据进行预处理；提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；将车辆行驶数据输入动力学模型中进行仿真，获得在完整驾驶行程中的车辆行为信息；根据车辆行为信息重构道路信息；将道路信息、动力学模型和车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景。本发明实施例提供的驾驶场景的重构方法，融合车联网信号数据和动力学模型，获取车辆行为信息，并基于车辆行为信息重构道路信息，实现自然驾驶场景的重构，同时可根据不同自动驾驶功能需求，识别不同的场景数据，具有良好的适应性，具有场景真实度高、场景覆盖率高及场景还原度高等优点。

附图说明

图1是本发明实施例一中的一种驾驶场景的重构方法的流程图；

图2是本发明实施例一中的驾驶场景的重构方法的示例图；

图3是本发明实施例二中的一种驾驶场景的重构装置的结构示意图；

图4是本发明实施例三中的一种计算机设备的结构示意图。

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为本发明实施例一提供的一种驾驶场景的重构方法的流程图，本实施例可适用于对驾驶场景进行重构的情况，该方法可以由驾驶场景的重构装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有驾驶场景的重构功能的设备中，该设备可以是服务器或服务器集群等电子设备。如图1所示，具体包括如下步骤：

步骤110，对获取的车联网数据进行预处理。

其中，车联网数据可以是从云端数据库获取的，该数据可以是由与数据库连接的车辆上传的，包括车辆在行驶过程中产生的各种数据。

具体的，对获取的车联网数据进行预处理的方式可以是：将车辆网数据由JSON格式转化为列表格式；对列表格式中的异常数据进行筛选，并对筛选后的数据按照时间进行排序。

步骤120，提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据。

其中，车辆行驶数据可以包括速度、加速度、油门开度及方向盘转角等。具体的，首先需要对预处理后的车联网数据进行行程识别，将点火事件(WEAKUP)作为驾驶行程的开始标识，将熄火事件(STALLED)作为驾驶行程的结束标识，记录结束时间、行驶里程。最后提取在点火事件与熄火事件之间的车辆行驶数据。本实施例中，可根据测试功能需求，通过不同的判定逻辑，对提取的车辆行驶数据进行进一步细分，并记录相应数据。

步骤130，将车辆行驶数据输入动力学模型中进行仿真，获得在完整驾驶行程中的车辆行为信息。

其中，动力学模型可以是用户实际驾驶车辆的虚拟模型。动力学模型的获取过程可以是：获取用户实际驾驶车辆的动力学参数；根据动力学参数建立动力学模型。

其中，动力学参数可以包括车辆的外型结构参数、动力性参数及制动性参数等。根据动力学参数可以搭建车辆的虚拟模型。

本实施例中，将提取的车辆行驶数据输入动力学模型中，可以获得车辆在整个行程中的车辆行为信息。车辆行为信息反映车辆在实际行驶过程中的信息。

步骤140，根据车辆行为信息重构道路信息。

其中，道路信息包括道路线信息及路面信息。具体的，根据车辆行为信息重构道路信息的方式可以是：根据车辆行为信息确定车辆在行驶过程中的工况数据；根据工况数据生成车道线数据；基于车道线数据对路面添加纹理数据，获得路面数据；根据车道线数据和路面数据重构道路信息。

其中，工况包括变道工况、超车工况、转弯工况及组合工况中的至少一种。本实施例中，首先过双移线形状分析等算法识别车辆行驶数据中变道、超车、转弯及组合工况，融合识别的工况数据，沿车辆行驶轨迹生成相应的车道线数据，车道线的宽度和颜色可自定义；然后基于生成的车道线，添加路面纹理数据，生成路面铺面数据，实现道路信息重构。

步骤150，将道路信息、动力学模型和车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景。

具体的，将道路信息、动力学模型和车辆行驶数据导入自动驾驶场景仿真软件，生成基于车联网数据的自然驾驶重构场景。通过重构得到的场景既包含用户实际驾驶车辆动态信息数据，同时包含驾驶轨迹所对应的道路信息，从静态和动态全方面还原和重构用户的自然驾驶场景。

示例性的，图2是本实施例中的驾驶场景的重构方法的示例图。

本实施例的技术方案，对获取的车联网数据进行预处理；提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；将车辆行驶数据输入动力学模型中进行仿真，获得在完整驾驶行程中的车辆行为信息；根据车辆行为信息重构道路信息；将道路信息、动力学模型和车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景。本发明实施例提供的驾驶场景的重构方法，融合车联网信号数据和动力学模型，获取车辆行为信息，并基于车辆行为信息重构道路信息，实现自然驾驶场景的重构，同时可根据不同自动驾驶功能需求，识别不同的场景数据，具有良好的适应性，具有场景真实度高、场景覆盖率高及场景还原度高等优点。

实施例二

图3是本发明实施例二中提供的一种驾驶场景的重构装置的结构示意图。如图3所示，该装置包括：

数据处理模块210，用于对获取的车联网数据进行预处理；

车辆行驶数据获取模块220，用于提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；

车辆行为信息获取模块230，用于将车辆行驶数据输入动力学模型中进行仿真，获得在完整驾驶行程中的车辆行为信息；

道路信息重构模块240，用于根据车辆行为信息重构道路信息；

目标驾驶场景获取模块250，用于将道路信息、动力学模型和车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景。

数据处理模块210，还用于：

将车辆网数据由JSON格式转化为列表格式；

对列表格式中的异常数据进行筛选，并对筛选后的数据按照时间进行排序。

可选的，车辆行驶数据获取模块220，还用于：

将点火事件作为驾驶行程的开始标识，将熄火事件作为驾驶行程的结束标识；

提取在点火事件与熄火事件之间的车辆行驶数据。

可选的，还包括：动力学模型建立模块，用于：

获取用户实际驾驶车辆的动力学参数；

根据动力学参数建立动力学模型。

可选的，道路信息重构模块240，还用于：

根据车辆行为信息确定车辆在行驶过程中的工况数据；工况包括变道工况、超车工况、转弯工况及组合工况中的至少一种；

根据工况数据生成车道线数据；

基于车道线数据对路面添加纹理数据，获得路面数据；

根据车道线数据和路面数据重构道路信息。

可选的，车辆行驶数据包括速度、加速度、油门开度及方向盘转角。

上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。

实施例三

图4为本发明实施例三提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的计算机设备312的框图。图4显示的计算机设备312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。设备312是典型的驾驶场景的重构功能的计算设备。

如图4所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。

总线318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(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

计算机设备312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312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。

存储装置328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(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312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334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(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，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318相连。存储装置328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326的程序336，可以存储在例如存储装置328中，这样的程序模块326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326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312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312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322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312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312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、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的驾驶场景的重构方法。

实施例四

本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例中的驾驶场景的重构方法。

本发明上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取图片处理参数；根据所述图片处理参数调用canvas画布方式和/或可缩放矢量图形SVG方式对待处理图片进行处理，获得目标图片。

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公开的操作的计算机程序代码，上述程序设计语言包括但不限于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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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 (9)

1.一种驾驶场景的重构方法，其特征在于，包括：

对获取的车联网数据进行预处理；

提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；

将所述车辆行驶数据输入动力学模型中进行仿真，获得在所述完整驾驶行程中的车辆行为信息；

根据所述车辆行为信息重构道路信息；所述道路信息包括路线信息和路面信息；

将所述道路信息、所述动力学模型和所述车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景；

在将所述车辆行驶数据输入动力学模型中进行仿真之前还包括：

获取用户实际驾驶车辆的动力学参数；

根据所述动力学参数建立动力学模型。

2.根据权利要求1所述的方法，其特征在于，对获取的车联网数据进行预处理，包括：

将车辆网数据由JSON格式转化为列表格式；

对列表格式中的异常数据进行筛选，并对筛选后的数据按照时间进行排序。

3.根据权利要求1所述的方法，其特征在于，提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据，包括：

将点火事件作为驾驶行程的开始标识，将熄火事件作为驾驶行程的结束标识；

提取在点火事件与熄火事件之间的车辆行驶数据。

4.根据权利要求1所述的方法，其特征在于，根据所述车辆行为信息重构道路信息，包括：

根据所述车辆行为信息确定车辆在行驶过程中的工况数据；所述工况包括变道工况、超车工况、转弯工况及组合工况中的至少一种；

根据所述工况数据生成车道线数据；

基于所述车道线数据对路面添加纹理数据，获得路面数据；

根据所述车道线数据和所述路面数据重构道路信息。

5.根据权利要求1-4任一所述的方法，其特征在于，所述车辆行驶数据包括速度、加速度、油门开度及方向盘转角。

6.一种驾驶场景的重构装置，其特征在于，包括：

数据处理模块，用于对获取的车联网数据进行预处理；

车辆行驶数据获取模块，用于提取预处理后的车联网数据中完整驾驶行程中的车辆行驶数据；

车辆行为信息获取模块，用于将所述车辆行驶数据输入动力学模型中进行仿真，获得在所述完整驾驶行程中的车辆行为信息；

道路信息重构模块，用于根据所述车辆行为信息重构道路信息；所述道路信息包括路线信息和路面信息；

目标驾驶场景获取模块，用于将所述道路信息、所述动力学模型和所述车辆行驶数据输入自动驾驶场景仿真模型中进行重构，获得目标驾驶场景；

在将所述车辆行驶数据输入动力学模型中进行仿真之前还包括：

获取用户实际驾驶车辆的动力学参数；

根据所述动力学参数建立动力学模型。

7.根据权利要求6所述的装置，其特征在于，所述数据处理模块，还用于：

将车辆网数据由JSON格式转化为列表格式；

对列表格式中的异常数据进行筛选，并对筛选后的数据按照时间进行排序。

8.一种计算机设备，其特征在于，所述设备包括：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权利要求1-5任一所述的驾驶场景的重构方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-5中任一所述的驾驶场景的重构方法。

Images