CN112560324A - 用于输出信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于输出信息的方法和装置。上述方法的一具体实施方式包括：确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数；确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息；根据道路参数以及配置信息，在仿真器中构建模拟场景；利用传感器参数以及运动信息，在仿真器中确定传感器模型；利用传感器模型采集模拟场景中障碍物的第一障碍物数据；将第一障碍物数据从仿真器中输出。该实施方式可以通过仿真的方法获得用于训练的障碍物数据，减少了训练数据采集过程中的耗时和成本。

Description

用于输出信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

针对深度神经网络，许多研究已经表明，网络能从大量带有标注的训练样本中学习得到模型。训练得到的模型可应用于自然和人为问题，包括无人车自主行进任务，且具有优异的性能。但网络的良好性能需要大量训练数据，而不同领域、不同任务所需的训练数据不完全相同。若在现实世界中针对性地采集数据并进行标注，耗时且成本昂贵。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：确定模拟场景的道路参数以及采集上述模拟场景的数据的传感器参数；确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息；根据上述道路参数以及上述配置信息，在仿真器中构建模拟场景；利用上述传感器参数以及上述运动信息，在仿真器中确定传感器模型；利用上述传感器模型采集上述模拟场景中障碍物的第一障碍物数据；将上述第一障碍物数据从上述仿真器中输出。

在一些实施例中，上述方法还包括：获取实际场景中车辆前方的障碍物的第二障碍物数据以及上述车辆的运动信息；确定上述第二障碍物数据中的噪声信息；根据上述噪声信息，处理上述第一障碍物数据。

在一些实施例中，上述确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息，包括：解析上述第二障碍物数据，确定上述实际场景中障碍物的属性信息；对上述障碍物的属性信息和上述车辆的运动信息进行格式转换；将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入上述仿真器，得到行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。

在一些实施例中，上述对上述障碍物的属性信息和上述车辆的运动信息进行格式转换，包括：根据上述实际场景中障碍物的属性信息以及车辆的运动信息，确定上述车辆是否发生碰撞和接管；响应于确定上述车辆发生碰撞和接管，对发生碰撞和接管时上述障碍物的属性信息以及上述车辆的运动信息进行格式转换。

在一些实施例中，上述方法还包括：标注上述第二障碍物数据；利用标注后的第二障碍物数据以及上述第一障碍物数据训练机器学习模型。

第二方面，本申请实施例提供了一种用于输出信息的装置，包括：第一参数确定单元，被配置成确定模拟场景的道路参数以及采集上述模拟场景的数据的传感器参数；第二参数确定单元，被配置成确定行驶在上述模拟场景中的障碍物的配置信息以及传感器的运动信息；模拟场景构建单元，被配置成根据上述道路参数以及上述配置信息，在仿真器中构建模拟场景；传感器模型确定单元，被配置成利用上述传感器参数以及上述运动信息，在仿真器中确定传感器模型；障碍物数据采集单元，被配置成利用上述传感器模型采集上述模拟场景中障碍物的第一障碍物数据；障碍物数据输出单元，被配置成将上述第一障碍物数据从上述仿真器中输出。

在一些实施例中，上述装置还包括：障碍物数据获取单元，被配置成获取实际场景中车辆前方的障碍物的第二障碍物数据以及上述车辆的运动信息；噪声信息确定单元，被配置成确定上述第二障碍物数据中的噪声信息；障碍物数据处理单元，被配置成根据上述噪声信息，处理上述第一障碍物数据。

在一些实施例中，上述第二参数确定单元进一步被配置成：解析上述第二障碍物数据，确定上述实际场景中障碍物的属性信息；对上述障碍物的属性信息和上述车辆的运动信息进行格式转换；将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入上述仿真器，得到行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。

在一些实施例中，上述第二参数确定单元进一步被配置成：根据上述实际场景中障碍物的属性信息以及车辆的运动信息，确定上述车辆是否发生碰撞和接管；响应于确定上述车辆发生碰撞和接管，对发生碰撞和接管时上述障碍物的属性信息以及上述车辆的运动信息进行格式转换。

在一些实施例中，上述装置还包括：障碍物数据标注单元，被配置成标注上述第二障碍物数据；模型训练单元，被配置成利用标注后的第二障碍物数据以及上述第一障碍物数据训练机器学习模型。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一实施例所描述的方法。

本申请的上述实施例提供的用于输出信息的方法和装置，可以确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数。也可以确定在模拟场景中的障碍物的配置信息以及传感器的运动信息。然后，可以根据道路参数以及配置信息，在仿真器中构建模拟场景。并利用传感器参数以及运动信息，在仿真器中确定传感器模型。并利用传感器模型采集模拟场景中障碍物的第一障碍物数据。最后，将第一障碍物数据从仿真器中输出。本实施例的方法，可以通过仿真的方法获得用于训练的障碍物数据，减少了训练数据采集过程中的耗时和成本。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于输出信息的方法的一个实施例的流程图；

图3是根据本申请的用于输出信息的方法的一个应用场景的示意图；

图4是根据本申请的用于输出信息的方法中确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息的一个实施例的流程图；

图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101，车辆102，网络103和服务器104。网络103用以在终端设备101，车辆102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101通过网络103接收车辆102上安装的激光雷达传感器或图像采集装置采集的点云数据或图像数据，也可以通过终端设备101与服务器104交互，以接收或发送消息等。例如，用户可以通过终端设备101将模拟场景的参数发送给服务器104。终端设备101上可以安装有各种通讯客户端应用，例如网页浏览器应用即时通信工具、邮箱客户端、社交平台软件等。

终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏并且支持仿真模拟的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器104可以是提供各种服务的服务器，例如对终端设备101发送的信息进行处理的后台服务器。后台服务器可以对接收到的仿真参数等数据进行分析等处理，并将处理结果输出。

需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器104为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于输出信息的方法可以由终端设备101执行，也可以由服务器104执行。相应地，用于输出信息的装置可以设置于终端设备101中，也可以设置于服务器104中。

应该理解，图1中的终端设备、车辆、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、车辆、网络和服务器。

继续参考图2，示出了根据本申请的用于输出信息的方法的一个实施例的流程200。本实施例的用于输出信息的方法，包括以下步骤：

步骤201，确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数。

在本实施例中，用于输出信息的方法的执行主体(例如图1所示的终端设备101或服务器104)来确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数。例如，执行主体为终端设备时，其可以通过接收用户输入的道路参数和传感器参数来确定。当执行主体为服务器时，其可以接收终端设备发送的道路参数和传感器参数来确定。

本实施例中，执行主体中可以安装有自动驾驶仿真器，用户可以通过设置其中的道路参数和传感器参数。道路参数可以表示道路的宽度、车道数量、非机动车道的位置等等。传感器参数可以包括传感器的品牌、型号、安装位置、数量等等。传感器可以包括激光雷达传感器、毫米波雷达传感器和照相机等。

步骤202，确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。

本实施例中，执行主体还可以确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。上述障碍物的配置信息可以包括障碍物的类型、数量以及运动信息等。传感器的运动信息可以包括传感器所安装的车辆的速度、方向等等。

在本实施例的一些可选的实现方式中，上述配置信息以及运动信息可以由人工设置得到。即，用户可以通过终端设备输入障碍物的配置信息以及传感器的运动信息，然后将上述信息输入自动驾驶仿真器中。

在本实施例的一些可选的实现方式中，上述配置信息以及运动信息可以由实际场景中采集到的障碍物数据得到。例如，执行主体可以获取多个实际场景中采集到的障碍物数据，然后分别分析各障碍物的类型、数量、位置和速度。并将各障碍物的数据作为配置信息。同样的，执行主体也可以获取多个实际场景中采集到的车辆的行驶信息，并将上述行驶信息作为运动信息。

步骤203，根据道路参数以及配置信息，在仿真器中构建模拟场景。

执行主体中可以安装有仿真器，该仿真器可以是现有的自动驾驶仿真器，例如，carmaker或carsim等。在确定道路参数以及配置信息后，执行主体设置上述仿真器，这样可以在仿真器中构建出模拟场景。上述模拟场景中包括道路和行驶在道路中各车道上的障碍物。

步骤204，利用传感器参数以及运动信息，在仿真器中确定传感器模型。

执行主体可以利用传感器参数以及运动信息来设置仿真器，从而在仿真器中确定传感器模型。上述传感器模型中包括了传感器在车辆上的安装位置以及传感器的运动信息。上述传感器模型可以根据传感器的品牌、型号来采集模拟场景中障碍物的数据。例如，以特定频率拍摄障碍物的图像，或以特定频率发射激光，以采集障碍物的点云数据。

步骤205，利用传感器模型采集模拟场景中障碍物的第一障碍物数据。

在本实施例中，执行主体可以在仿真器中利用传感器模型来采集所构建的模拟场景中障碍物的第一障碍物数据。上述第一障碍物数据可以包括点云数据和/或图像数据。

步骤206，将第一障碍物数据从仿真器输出。

执行主体通过模拟场景得到上述第一障碍物数据后，可以将上述第一障碍物数据从仿真器输出。由于模拟场景中障碍物的类型都是预先设置好的，则第一障碍物数据中障碍物的类型都是已知的，不需要标注。则上述第一障碍物数据可以作为训练样本，用于深度神经网络的训练，减少了获取训练样本的成本和耗时。

继续参见图3，图3是根据本实施例的用于输出信息的方法的一个应用场景的示意图。在图3的应用场景中，自动驾驶仿真器安装在终端设备中，用户可以通过终端设备设置自动驾驶仿真器中的道路参数以及传感器参数。同时，用户可以将实际场景中采集的障碍物的信息以及车辆的运动信息，作为自动驾驶仿真器中障碍物的配置信息以及传感器的运动信息。并利用各参数和信息，在自动驾驶仿真器中构建模拟场景和传感器模型。在利用传感器模型采集完模拟场景中障碍物的第一障碍物数据后，可以将上述第一障碍物数据从自动驾驶仿真器输出，以用于后续的深度神经网络的训练。

本申请的上述实施例提供的用于输出信息的方法，可以确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数。也可以确定在模拟场景中的障碍物的配置信息以及传感器的运动信息。然后，可以根据道路参数以及配置信息，在仿真器中构建模拟场景。并利用传感器参数以及运动信息，在仿真器中确定传感器模型。并利用传感器模型采集模拟场景中障碍物的第一障碍物数据。最后，将第一障碍物数据从仿真器中输出。本实施例的方法，可以通过仿真的方法获得用于训练的障碍物数据，减少了训练数据采集过程中的耗时和成本。

继续参见图4，其示出了根据本申请的用于输出信息的方法中确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息的一个实施例的流程400。如图4所示，本实施例的用于输出信息的方法中可以通过以下步骤来确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息：

步骤401，获取实际场景中车辆前方的障碍物的第二障碍物数据以及车辆的运动信息。

本实施例中，执行主体可以获取实际场景中车辆前方的障碍物的第二障碍物数据以及车辆的运动信息。第二障碍物数据可以包括点云数据和/或图像数据。车辆的运动信息可以包括车辆的行驶速度和方向。

在本实施例的一些可选的实现方式中，执行主体可以在获取第二障碍物数据后，可以确定第二障碍物数据中的噪声信息。然后，执行主体可以根据上述噪声信息，来处理第一障碍物数据。具体的，执行主体可以将上述噪声信息增加到上述第一障碍物数据中。由于第一障碍物数据是由仿真模拟得到，也就是说第一障碍物数据中不包括噪声信息。通过这种处理，可以提高第一障碍物数据的真实性。

步骤402，解析第二障碍物数据，确定实际场景中障碍物的属性信息。

本实施例中，执行主体在获取到第二障碍物数据后，可以对第二障碍物数据进行解析，确定实际场景中障碍物的属性信息。上述属性信息可以包括的障碍物的类型、数量和运动信息。具体的，执行主体可以利用预先训练的障碍物识别模型，来识别障碍物数据中的障碍物，确定障碍物的类型、数量。还可以利用障碍物数据中相邻两帧的障碍物数据，来确定障碍物的运动信息，例如速度和方向等。

步骤403，对障碍物的属性信息和车辆的运动信息进行格式转换。

执行主体可以对障碍物的属性信息和车辆的运动信息进行格式转换。具体的，执行主体可以将上述信息的格式转换成自动驾驶仿真器接受的格式，以便在将格式转换后的信息输入自动驾驶仿真器后，能够直接根据上述障碍物的属性信息和车辆的运动信息来设置模拟场景。

在本实施例的一些可选的实现方式中，上述步骤403具体可以通过图4中未示出的以下步骤来实现：根据实际场景中障碍物的属性信息以及车辆的运动信息，确定车辆是否发生碰撞和接管；响应于确定车辆发生碰撞和接管，对发生碰撞和接管时障碍物的属性信息以及车辆的运动信息进行格式转换。

本实现方式中，执行主体可以根据实际场景中障碍物的属性信息以及车辆的运动信息，确定车辆是否发生碰撞和接管。此处，执行主体可以根据属性信息中的位置以及运动信息中的位置，来确定车辆是否与障碍物发生碰撞。执行主体还可以根据车辆的速度信息，来确定是否发生碰撞。同时执行主体还可以根据车辆的运动信息来确定车辆是否被接管。此处，接管是指车辆由自动驾驶模式切换到人工驾驶模式。或者自动驾驶车辆停止自动驾驶，改由驾驶员驾驶。

执行主体在确定车辆发生碰撞和接管后，执行主体可以对发生碰撞和接管时，障碍物的属性信息和车辆的运动信息进行格式转换。这样，仿真器可以对一些重点的、容易出现事故的场景进行仿真，得到特殊场景中的障碍物数据。

步骤404，将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入仿真器，得到行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。

在对障碍物的属性信息进行格式转换后，可以将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入仿真器。这样，仿真器可以直接将上述障碍物的属性信息作为模拟场景中障碍物的配置信息。即，实际场景中包括的障碍物的数量、类型和运动信息都与模拟场景中障碍物的数量、类型和运动信息相同。仿真器还可以直接将车辆的运动信息作为模拟场景中传感器的运动信息。

在本实施例的一些可选的实现方式中，上述方法还可以具体包括图4中未示出的以下步骤：标注第二障碍物数据；利用标注后的第二障碍物数据以及第一障碍物数据训练机器学习模型。

本实现方式中，执行主体可以对实际场景中采集的第二障碍物数据进行标注。这样，就可以得到标注的第二障碍物数据。然后，执行主体可以利用标注后的第二障碍物数据以及第一障碍物数据训练机器学习模型。由于第一障碍物数据是由仿真器得到的，所以不需要对其进行标注。这样可以丰富机器学习模型的训练样本，同时不需要耗费过多的成本和时间。

本申请的上述实施例提供的方法，可以在仿真时，充分利用在实际场景中采集的障碍物数据和车辆的运动信息，提高了仿真得到的障碍物数据的准确性，也不需要用户对仿真数据进行过多的设置。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于输出信息的装置500包括：第一参数确定单元501、第二参数确定单元502、模拟场景构建单元503、传感器模型确定单元504、障碍物数据采集单元505以及障碍物数据输出单元506。

第一参数确定单元501，被配置成确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数。

第二参数确定单元502，被配置成确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。

模拟场景构建单元503，被配置成根据道路参数以及配置信息，在仿真器中构建模拟场景。

传感器模型确定单元504，被配置成利用传感器参数以及运动信息，在仿真器中确定传感器模型。

障碍物数据采集单元505，被配置成利用传感器模型采集模拟场景中障碍物的第一障碍物数据。

障碍物数据输出单元506，被配置成将第一障碍物数据从仿真器中输出。

在本实施例的一些可选的实现方式中，装置500还可以进一步包括图5中未示出的：障碍物数据获取单元、噪声信息确定单元以及障碍物数据处理单元。

障碍物数据获取单元，被配置成获取实际场景中车辆前方的障碍物的第二障碍物数据以及车辆的运动信息。

噪声信息确定单元，被配置成确定第二障碍物数据中的噪声信息。

障碍物数据处理单元，被配置成根据噪声信息，处理第一障碍物数据。

在本实施例的一些可选的实现方式中，第二参数确定单元502进一步被配置成：解析第二障碍物数据，确定实际场景中障碍物的属性信息；对障碍物的属性信息和车辆的运动信息进行格式转换；将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入仿真器，得到行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息。

在本实施例的一些可选的实现方式中，第二参数确定单元502进一步被配置成：根据实际场景中障碍物的属性信息以及车辆的运动信息，确定车辆是否发生碰撞和接管；响应于确定车辆发生碰撞和接管，对发生碰撞和接管时障碍物的属性信息以及车辆的运动信息进行格式转换。

在本实施例的一些可选的实现方式中，装置500还可以进一步包括图5中未示出的：障碍物数据标注单元和模型训练单元。

障碍物数据标注单元，被配置成标注第二障碍物数据。

模型训练单元，被配置成利用标注后的第二障碍物数据以及第一障碍物数据训练机器学习模型。

应当理解，用于输出信息的装置500中记载的单元501至单元506分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于输出信息的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所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。在本公开的实施例中，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。而在本公开的实施例中，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。

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：确定模拟场景的道路参数以及采集模拟场景的数据的传感器参数；确定行驶在模拟场景中的障碍物的配置信息以及传感器的运动信息；根据道路参数以及配置信息，在仿真器中构建模拟场景；利用传感器参数以及运动信息，在仿真器中确定传感器模型；利用传感器模型采集模拟场景中障碍物的第一障碍物数据；将第一障碍物数据从仿真器中输出。

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实施例的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)。

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。

描述于本公开的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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一参数确定单元、第二参数确定单元、模拟场景构建单元、传感器模型确定单元、障碍物数据采集单元和障碍物数据输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一参数确定单元还可以被描述为“确定模拟场景的道路参数以及采集所述模拟场景的数据的传感器参数的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于输出信息的方法，包括：

确定模拟场景的道路参数以及采集所述模拟场景的数据的传感器参数；

确定行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息；

根据所述道路参数以及所述配置信息，在仿真器中构建模拟场景；

利用所述传感器参数以及所述运动信息，在仿真器中确定传感器模型；

利用所述传感器模型采集所述模拟场景中障碍物的第一障碍物数据；

将所述第一障碍物数据从所述仿真器中输出。

2.根据权利要求1所述的方法，其中，所述方法还包括：

获取实际场景中车辆前方的障碍物的第二障碍物数据以及所述车辆的运动信息；

确定所述第二障碍物数据中的噪声信息；

根据所述噪声信息，处理所述第一障碍物数据。

3.根据权利要求2所述的方法，其中，所述确定行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息，包括：

解析所述第二障碍物数据，确定所述实际场景中障碍物的属性信息；

对所述障碍物的属性信息和所述车辆的运动信息进行格式转换；

将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入所述仿真器，得到行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息。

4.根据权利要求3所述的方法，其中，所述对所述障碍物的属性信息和所述车辆的运动信息进行格式转换，包括：

根据所述实际场景中障碍物的属性信息以及车辆的运动信息，确定所述车辆是否发生碰撞和接管；

响应于确定所述车辆发生碰撞和接管，对发生碰撞和接管时所述障碍物的属性信息以及所述车辆的运动信息进行格式转换。

5.根据权利要求2所述的方法，其中，所述方法还包括：

标注所述第二障碍物数据；

利用标注后的第二障碍物数据以及所述第一障碍物数据训练机器学习模型。

6.一种用于输出信息的装置，包括：

第一参数确定单元，被配置成确定模拟场景的道路参数以及采集所述模拟场景的数据的传感器参数；

第二参数确定单元，被配置成确定行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息；

模拟场景构建单元，被配置成根据所述道路参数以及所述配置信息，在仿真器中构建模拟场景；

传感器模型确定单元，被配置成利用所述传感器参数以及所述运动信息，在仿真器中确定传感器模型；

障碍物数据采集单元，被配置成利用所述传感器模型采集所述模拟场景中障碍物的第一障碍物数据；

障碍物数据输出单元，被配置成将所述第一障碍物数据从所述仿真器中输出。

7.根据权利要求6所述的装置，其中，所述装置还包括：

障碍物数据获取单元，被配置成获取实际场景中车辆前方的障碍物的第二障碍物数据以及所述车辆的运动信息；

噪声信息确定单元，被配置成确定所述第二障碍物数据中的噪声信息；

障碍物数据处理单元，被配置成根据所述噪声信息，处理所述第一障碍物数据。

8.根据权利要求7所述的装置，其中，所述第二参数确定单元进一步被配置成：

解析所述第二障碍物数据，确定所述实际场景中障碍物的属性信息；

对所述障碍物的属性信息和所述车辆的运动信息进行格式转换；

将格式转换后的障碍物的属性信息以及将格式转换后的车辆的运动信息输入所述仿真器，得到行驶在所述模拟场景中的障碍物的配置信息以及传感器的运动信息。

9.根据权利要求8所述的装置，其中，所述第二参数确定单元进一步被配置成：

根据所述实际场景中障碍物的属性信息以及车辆的运动信息，确定所述车辆是否发生碰撞和接管；

响应于确定所述车辆发生碰撞和接管，对发生碰撞和接管时所述障碍物的属性信息以及所述车辆的运动信息进行格式转换。

10.根据权利要求7所述的装置，其中，所述装置还包括：

障碍物数据标注单元，被配置成标注所述第二障碍物数据；

模型训练单元，被配置成利用标注后的第二障碍物数据以及所述第一障碍物数据训练机器学习模型。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images