CN113032285B - 一种高精地图测试方法、装置、电子设备及存储介质 - Google Patents
一种高精地图测试方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113032285B CN113032285B CN202110562145.0A CN202110562145A CN113032285B CN 113032285 B CN113032285 B CN 113032285B CN 202110562145 A CN202110562145 A CN 202110562145A CN 113032285 B CN113032285 B CN 113032285B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- precision map
- simulation
- simulated
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种高精地图测试方法、装置、电子设备及存储介质，方法包括：构建仿真测试场景；构建目标车辆的车辆建模信息；基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；获取自动驾驶仿真运行过程中输出的车辆运动状态以及仿真测试场景对应的真值传感信息，对高精地图进行测评。实现了无需搭建测试场景，并且避免了采用实车进行测试可能引发的安全问题。
Description
技术领域
本申请涉及智能车辆技术领域，特别是涉及一种高精地图测试方法、装置、电子设备及存储介质。
背景技术
自动驾驶技术是当前车辆智能化技术的前沿，自动驾驶能够减少交通事故、减少燃料使用和能源消耗，并且可以从根本上改变道路人员交通和货物运输，使整个社会收益，自动驾驶的开发和验证工作备受行业重视。
单纯依靠局部的感知实现高级自动驾驶是很难的，通常高级自动驾驶要结合高精地图，高精地图能够让自动驾驶车辆提前感知前方异常场景，实现更安全的驾驶。
其中，验证高精地图在自动驾驶中的应用是一个重要课题。
例如，对于新制作的高精地图，或者子元素发生变化的高精地图，需要测试高精地图对自动驾驶系统的适用情况，即测试在该高精地图和自动驾驶系统的指引下，车辆行驶过程的安全性、舒适性等指标。
现有方案中，采用实车测试方式，需要搭建测试场景，然而有些测试场景较为复杂，搭建成本较高。
此外，在自动驾驶算法尚不成熟的阶段，若直接将算法部署在实车上运行自动驾驶进行高精地图测试，易引发交通事故，存在安全隐患。
发明内容
本申请实施例的目的在于提供一种高精地图测试方法、装置、电子设备及存储介质，以实现安全、高效的进行高精地图测试。具体技术方案如下：
为实现上述目的，本申请实施例提供了一种高精地图测试方法，所述方法包括：
基于目标高精地图数据构建仿真测试场景；
构建目标车辆的车辆建模信息，所述车辆建模信息包括车辆动力学信息和三维数模信息；
获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；
基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；
基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；
获取自动驾驶仿真运行过程中输出的车辆运动状态以及所述仿真测试场景对应的真值传感信息，基于车辆运动状态和真值传感信息对目标高精地图进行测评，其中，测评结果表示所述目标高精地图对自动驾驶的适用系数。
可选的，所述基于目标高精地图构建仿真测试场景的步骤，包括：
在所述目标高精地图的基础上，进行静态场景编辑和动态场景编辑，得到仿真测试场景。
可选的，所配置的车辆动力学信息为14自由度；
所配置的目标车辆的三维数模信息包含的车辆几何参数等同于测试实车的三维数模信息包含的车辆几何参数。
可选的，所述获取仿真交通信息包括：
构建目标车辆的仿真传感器信息，该仿真传感器信息包含的内外参数等同于测试实车的传感器信息包含的内外参数；
仿真传感信息通过感知算法转换为仿真交通信息。
可选的，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通预测信息的方法包括：
仿真交通信息包含仿真障碍物的当前运动状态；
根据仿真障碍物的当前运动状态、仿真测试场景和目标高精地图的先验信息，获得仿真障碍物自当前时间起预设时间段内的行为预测信息；
所述行为预测信息构成仿真交通预测信息。
可选的，所述方法还包括：
变更所述目标高精地图中的子元素，并基于变更后的高精地图进行仿真测试；
对比基于所述目标高精地图的指标测评结果和基于所述变更后的高精地图的指标测评结果。
可选的，所述变更所述目标高精地图中的子元素的步骤，包括：
变更所述目标高精地图中的车道车速限制、变更所述目标高精地图中的车道实虚线、偏移所述目标高精地图中的交通信号灯、和/或偏移所述目标高精地图中的车道线。
为实现上述目的，本申请实施例还提供了一种高精地图测试装置，所述装置包括：
场景构建模块，用于基于目标高精地图数据构建仿真测试场景；
仿真车辆构建模块，用于构建目标车辆的车辆建模信息，所述车辆建模信息包括车辆动力学信息和三维数模信息；
预测模块，用于获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；
规划模块，用于基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；
控制模块，用于基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；
测评模块，用于获取自动驾驶仿真运行过程中输出的车辆运动状态以及所述仿真测试场景对应的真值传感信息，基于车辆运动状态和真值传感信息对目标高精地图进行测评，其中，测评结果表示所述目标高精地图对自动驾驶的适用系数。
为实现上述目的，本申请实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一方法步骤。
为实现上述目的，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法步骤。
本申请实施例的有益效果：
采用本申请实施例提供的高精地图测试方法、装置、电子设备及存储介质，基于目标高精地图数据构建仿真测试场景；构建目标车辆的车辆建模信息，车辆建模信息包括车辆动力学信息和三维数模信息；获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；获取自动驾驶仿真运动过程中输出的车辆运动状态以及仿真测试场景对应的真值传感信息，测评高精地图或在其子元素修改后，对于高级自动驾驶控制策略的适用情况和相应车辆的自动驾驶性能。
本发明构建的仿真平台软件在环结合自动驾驶闭环验证高精度地图，实现排查高精度地图制作的问题。
可见，能够模拟车辆在仿真测试场景的行驶过程，从而根据车辆行驶过程中产生的车辆运动状态等信息进行自动驾驶性能测评，以确定高精地图对于高级自动驾驶系统的自动驾驶策略的适用情况。无需搭建测试场景，并且避免了采用实车进行测试可能引发的安全问题。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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实施例。
图1为本申请实施例提供的高精地图测试方法的一种流程示意图；
图2为本申请实施例提供的高精地图测试系统的一种结构示意图；
图3为本申请实施例提供的高精地图测试装置的一种结构示意图；
图4为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本申请保护的范围。
为了解决现有方案中采用实车进行高精地图测试，搭建测试场景成本高且存在安全隐患的技术问题，本申请实施例提供了一种高精地图测试方法、装置、电子设备及存储介质。
参见图1，图1为本申请实施例提供的高精地图测试方法的一种流程示意图，方法可以包括以下步骤：
S101：基于目标高精地图数据构建仿真测试场景。
本申请实施例中，在制作高精地图、或对高精地图的子元素进行修改后，基于需要验证的目标高精地图数据构建仿真测试场景。通过构建的仿真平台在环结合自动驾驶闭环验证高精度地图，实现排查高精度地图制作的问题。
本申请实施例中，高精地图测试过程中，可以联合自动驾驶仿真器和自动驾驶控制系统来模拟车辆的行驶过程。其中自动驾驶仿真器和自动驾驶控制系统可以集成在同一电子设备中，也可以分置于不同电子设备，并建立高质量的通信连接。
本申请实施例中，自动驾驶仿真器支持高精度的车辆动力学模型的建模和仿真；支持多种传感器的物理建模和仿真；支持仿真场景的构建，支持高精地图的编辑，包括车道线、标识牌、红绿灯等静态场景编辑，以及行人、车辆等动态场景编辑；支持提供仿真场景的真值传感信息；支持一定格式高精地图的导入、导出；支持与自动驾驶控制系统的联合仿真的通信能力，即保证自动驾驶仿真器与自动驾驶控制系统通信质量较高；支持安装在个人电脑等终端设备并通过显示器将高精地图和自动驾驶仿真测试场景可视化显示。
本申请实施例中，与自动驾驶仿真器联合进行仿真的自动驾驶控制系统可以与实际自动驾驶中车载终端搭载的自动驾驶控制系统相同。区别在于，实际自动驾驶过程中，自动驾驶控制系统接收的是自动驾驶实车的传感器数据、车辆运动状态等数据，而本申请提供的高精地图测试方法中，自动驾驶控制系统接收的是自动驾驶仿真器发送的仿真车辆的仿真传感器数据、仿真车辆运动状态等数据。
本申请实施例中，可以预先将目标高精地图分别导入自动驾驶仿真器和自动驾驶控制系统。
本申请实施例中，可以基于目标高精地图数据构建仿真测试场景。具体的，在目标高精地图的基础上，进行静态场景编辑和动态场景编辑，得到仿真测试场景。
其中，静态场景编辑包括针对车道线、标识牌、红绿灯等静态物体的编辑；动态场景编辑包括针对行人、车辆等动态物体的编辑。
S102：构建目标车辆的车辆建模信息，车辆建模信息包括车辆动力学信息和三维数模信息。
本申请实施例中，目标车辆表示自动驾驶仿真器中的仿真车辆，是通过建模产生的，用来模拟测试实车。
具体的，可以配置目标车辆的车辆建模信息，包括车辆动力学信息和三维数模信息。
作为一个示例，可以配置目标车辆的车辆动力学精度为14自由度，以较好的模拟车辆运动的动力学表现。
此外，配置目标车辆的三维数模信息，包括目标车辆的几何参数，例如轴距、车长等，所配置的目标车辆的三维数模信息包含的车辆几何参数等同于测试实车的三维数模信息包含的车辆几何参数。
S103：获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息，生成仿真交通行为预测信息。
在本申请的一种实施例中，可以构建目标车辆的仿真传感器信息和本车的状态信息，该仿真传感器信息包含的内外参数等同于测试实车的传感器信息包含的内外参数。
其中，所构建的目标车辆的仿真传感器不限于激光雷达、摄像头、全球定位系统(Global Positioning System，GPS)、惯性测量单元（Inertial Measurement Unit，IMU）等。
进一步的，通过感知算法将仿真传感信息转换为仿真交通信息。
其中，仿真交通信息可以包括仿真障碍物的当前运动状态，例如仿真障碍物的位置、方向、尺寸、类别、速度和加速度等。
本申请实施例中，在确定路径规划轨迹之后，自动驾驶控制器可以基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息。
具体的，可以采用卡尔曼滤波、或博弈论等算法生成仿真交通行为预测信息。
仿真交通行为预测信息可以包括对障碍物的行为预测，例如预测仿真障碍物接下来几秒内的位置、运动状态等。
具体的，在本申请的一种实施例中，可以根据仿真障碍物的当前运动状态、仿真测试场景和目标高精地图的先验信息，获得仿真障碍物子当前时间起预设时间段内的行为预测信息。该行为预测信息可以构成仿真交通预测信息。
S104：基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划。
本申请实施例中，自动驾驶控制器可以结合仿真测试场景、车辆建模信息、仿真定位信息和仿真交通信息进行路径规划，生成实时的局部路径规划和/或全局路径规划，即计算出可供执行的安全且舒适的行驶路径。
进一步的，可以将生成的实时局部路径规划和/或全局路径规划包含的轨迹信息反馈，作为生成仿真交通行为预测信息的信息输入之一。
也就是说，在所确定的轨迹信息的基础上，根据仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息。
S105：基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真。
本申请实施例中，自动驾驶控制器可以基于实时局部路径规划和/或全局路径规划生成车辆控制指令，将实时生成的车辆控制指令传输至自动驾驶仿真器。
自动驾驶仿真器可以结合车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真。
也就是说，在测试过程中，自动驾驶仿真器和自动驾驶控制系统实时进行数据交互，模拟目标车辆在仿真测试场景的行驶过程。
S106：获取自动驾驶仿真运动过程中输出的车辆运动状态以及仿真测试场景对应的真值传感信息，测评目标车辆的自动驾驶性能，基于车辆运动状态和真值传感信息对目标高精地图进行测评。
其中，测评结果表示所述目标高精地图对自动驾驶的适用系数。
在上述测试过程中，自动驾驶仿真器可以实时输出车辆运动状态，结合仿真测试场景对应的真值传感器，即可测评目标车辆的自动驾驶性能，基于车辆运动状态和真值传感信息对目标高精地图进行测评。
其中，真值传感信息可以包括仿真测试场景中障碍物的真实运动状态。
本申请实施例中，可以根据需求选取需要测评的自动驾驶性能，作为一个示例，可以分别对目标车辆的自动驾驶过程进行安全性评估、舒适性评估和节能性评估。
其中，安全性评估中，可以根据目标车辆是否发生撞车事故、是否违反交通规则等进行评估。舒适性评估中，可以根据目标车辆在仿真行驶过程中的车辆运动状态确定晕车系数、颠簸系数等，进而评估舒适性，例如，若目标车辆的加速度变化较为频繁，晕车系数较高。节能性评估中，可以根据目标车辆的仿真油耗或仿真电耗进行评估。
进一步的，测评方法为：仿真过程中时刻进行着通过本车状态的各个参数以及仿真器的真值传感器，进行高级自动驾驶车辆的安全性（有无违反交通规则、有无撞车事故等等）、舒适性（晕车、颠簸、冲击等）、节能性（油耗或者电能消耗）的对比测试。
进一步的，分析仿真环境高级自动驾驶车辆的安全性（有无违反交通规则、有无撞车事故等等）、舒适性（晕车、颠簸、冲击等）、节能性（油耗或者电能消耗）测试结果，找出新建的高精地图，对于高级自动驾驶系统的自动驾驶策略的适用情况和自动驾驶车辆的安全性、舒适性、节能性情况。
上述自动驾驶性能指标能够直接反映高精地图制作的好坏程度，也可以理解为高精地图对于自动驾驶的适用情况。
例如，若高精地图制作的不够精良，即不符合自动驾驶的标准，则基于该高精地图进行的自动驾驶仿真，最终的自动驾驶性能指标较差。而高精地图制作精良时，能够符合自动驾驶的标准，则基于该高精地图进行的自动驾驶仿真，最终的自动驾驶性能指标较优。
采用本申请实施例提供的高精地图测试方法，基于目标高精地图数据构建仿真测试场景；构建目标车辆的车辆建模信息，车辆建模信息包括车辆动力学信息和三维数模信息；获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；获取自动驾驶仿真运动过程中输出的车辆运动状态以及仿真测试场景对应的真值传感信息，基于车辆运动状态和真值传感信息对目标高精地图进行测评。
可见，能够模拟车辆在仿真测试场景的行驶过程，从而根据车辆行驶过程中产生的车辆运动状态等信息进行自动驾驶性能测评，以确定高精地图对于高级自动驾驶系统的自动驾驶策略的适用情况。无需搭建测试场景，并且避免了采用实车进行测试可能引发的安全问题。
本申请的另一个实施例中，为了测试高精地图的子元素变更后，对于自动驾驶控制系统的适用情况，可以对目标高精地图中的子元素进行变更，并基于变更后的高精地图进行仿真测试。
其中，子元素变更可以包括：变更目标高精地图中的车道车速限制、变更目标高精地图中的车道实虚线、偏移目标高精地图中的交通信号灯、和/或偏移目标高精地图中的车道线（例如停止线、斑马线）等。
也就是说，对于变更子元素之后的目标高精地图，重新执行步骤S101-S106，得到基于变更子元素后的高精地图进行仿真测试的自动驾驶指标测评结果。
本申请实施例中，可以对比基于目标高精地图的性能测评结果和基于变更子元素后的高精地图的性能测评结果，从而测试高精地图的子元素变更后，对于自动驾驶控制系统的适用情况。
本申请实施例中，自动驾驶控制系统可以包括感知算法模块、定位模块、预测算法模块、规划算法模块和控制算法模块，各个模块之间协同处理。
具体的，定位模块可以基于车载传感器数据中的激光雷达数据完成车辆定位，也可以接收仿真器发送的车辆位置实现车辆定位。
感知算法模块可以基于感知算法对仿真传感信息进行处理，输出仿真交通信息，可以包括动态、静态的障碍物信息、交通信号灯信息、车道线信息、行人斑马线信息等。其中，输入感知算法模块的仿真传感信息可以包括激光雷达或毫米波雷达的点云数据、车载相机的RGB图像数据等。
预测算法模块作为感知算法模块的后继模块，即结合感知算法模块输出的仿真交通信息，仿真测试场景、路径规划的轨迹信息以及目标高精地图的先验信息，通过卡尔曼滤波、或博弈论等算法，生成仿真交通行为预测信息，例如预测障碍物接下来几秒内的位置、运动状态等信息。
规划算法模块可以结合仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划。进一步的，规划算法模块生成的实时局部路径规划和/或全局路径规划的轨迹信息再反馈到预测算法模块作为生成仿真交通行为预测信息的信息输入之一。
控制算法模块可以基于实时局部路径规划和/或全局路径规划，生成目标车辆的控制指令，例如转向盘转角、加速度接口数据、制动减速度接口数据、节气门接口数据等。
本申请实施例还提供了一种高精地图测试系统，具体可以包括自动驾驶仿真器、自动驾驶控制系统和测评模块。
具体的，自动驾驶仿真器可以用于：基于目标高精地图数据构建仿真测试场景；构建目标车辆的车辆建模信息，车辆建模信息包括车辆动力学信息和三维数模信息。
自动驾驶控制系统可以用于：获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真。
测评模块可以用于：获取自动驾驶仿真运行过程中输出的车辆运动状态以及仿真测试场景对应的真值传感信息，测评目标车辆的自动驾驶性能，并基于车辆运动状态和真值传感信息对目标高精地图进行测评。
本申请实施例中，高精地图测试系统还可以包括产品规划模块，产品规划模块可以用于拟定对于高精度地图需要变更的子元素，并确定针对自动驾驶性能测评的评分机制。
本申请实施例中，高精地图测试系统还可以场景库模块，场景库模块可以存储多个仿真测试场景并对仿真测试场景进行管理，并且可以通过与自动驾驶仿真器之间的接口导入仿真测试场景。
参见图2，图2为本申请实施例提供的高精地图测试系统的一种结构示意图，如图2所示。场景库模块可以为自动驾驶仿真器提供仿真场景数据，自动驾驶仿真器构建仿真场景、进行车辆动力学建模以及物理传感器建模，将实时的仿真传感器信息发送至自动驾驶控制系统，自动驾驶控制系统中的感知算法模块、预测算法模块、定位模块、规划算法模块、控制算法模块之间协同处理，生成车控指令，将实时生成的车控指令发送至自动驾驶仿真器，自动驾驶仿真器根据车控指令仿真车辆的运行过程。在整个仿真过程中，自动驾驶仿真器实时向测评模块输出车辆运行状态和真值传感器信息，测评模块可以基于产品规划模块拟定的测评评分机制，对自动驾驶的各项性能进行测评，即在仿真过程中时刻进行着通过本车状态的各个参数以及仿真器的真值传感器确定高级自动驾驶车辆的安全性（有无违反交通规则、有无撞车事故等等）、舒适性（晕车、颠簸、冲击等）、节能性（油耗或者电能消耗）的对比测试。
具体的，分析仿真环境高级自动驾驶车辆的安全性（有无违反交通规则、有无撞车事故等等）、舒适性（晕车、颠簸、冲击等）、节能性（油耗或者电能消耗）测试结果，找出高精度地图在子元素（例如车道车速限制、车道实虚线、交通信号灯偏移、停止线偏移、斑马线偏移等）变化后对于高级自动驾驶软件环境的适用情况和自动驾驶车辆的安全性舒适性节能性情况。
相应于本申请实施例提供的高精地图测试方法，本申请实施例还提供了一种高精地图测试装置，参见图3，图3为本申请实施例提供的高精地图测试装置的一种结构示意图，装置可以包括以下模块：
场景构建模块301，用于基于目标高精地图数据构建仿真测试场景；
仿真车辆构建模块302，用于构建目标车辆的车辆建模信息，所述车辆建模信息包括车辆动力学信息和三维数模信息；
预测模块303，用于获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；
规划模块304，用于基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；
控制模块305，用于基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；
测评模块306，用于获取自动驾驶仿真运行过程中输出的车辆运动状态以及所述仿真测试场景对应的真值传感信息，基于车辆运动状态和真值传感信息对目标高精地图进行测评，其中，测评结果表示所述目标高精地图对自动驾驶的适用系数。
采用本申请实施例提供的高精地图测试装置，基于目标高精地图数据构建仿真测试场景；构建目标车辆的车辆建模信息，车辆建模信息包括车辆动力学信息和三维数模信息；获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；获取自动驾驶仿真运动过程中输出的车辆运动状态以及仿真测试场景对应的真值传感信息，测评高精地图或在其子元素修改后，对于高级自动驾驶控制策略的适用情况和相应车辆的自动驾驶性能。
可见，能够模拟车辆在仿真测试场景的行驶过程，从而根据车辆行驶过程中产生的车辆运动状态等信息进行自动驾驶性能测评，以确定高精地图对于高级自动驾驶系统的自动驾驶策略的适用情况。无需搭建测试场景，并且避免了采用实车进行测试可能引发的安全问题。
其中，方法和装置是基于同一申请构思的，由于方法和装置解决问题的原理相似，因此装置和方法的实施可以相互参见，重复之处不再赘述。
本申请实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
基于目标高精地图数据构建仿真测试场景；
构建目标车辆的车辆建模信息，所述车辆建模信息包括车辆动力学信息和三维数模信息；
获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；
基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；
基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；
获取自动驾驶仿真运行过程中输出的车辆运动状态以及所述仿真测试场景对应的真值传感信息，基于车辆运动状态和真值传感信息对目标高精地图进行测评，其中，测评结果表示所述目标高精地图对自动驾驶的适用系数。
上述电子设备提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
采用本申请实施例提供的电子设备，基于目标高精地图数据构建仿真测试场景；构建目标车辆的车辆建模信息，车辆建模信息包括车辆动力学信息和三维数模信息；获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通预测信息生成实时局部路径规划和/或全局路径规划；基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；获取自动驾驶仿真运动过程中输出的车辆运动状态以及仿真测试场景对应的真值传感信息，测评高精地图或在其子元素修改后，对于高级自动驾驶控制策略的适用情况和相应车辆的自动驾驶性能。
可见，能够模拟车辆在仿真测试场景的行驶过程，从而根据车辆行驶过程中产生的车辆运动状态等信息进行自动驾驶性能测评，以确定高精地图对于高级自动驾驶系统的自动驾驶策略的适用情况。无需搭建测试场景，并且避免了采用实车进行测试可能引发的安全问题。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一高精地图测试方法的步骤。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一高精地图测试方法的步骤。
在上述实施例中，可以全部或部分地通过系统、硬件、固件或者其任意组合来实现。当使用系统实现时，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实施例所述的流程或功能。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（DSL））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Solid State Disk (SSD)）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于高精地图测试装置、系统、电子设备、计算机可读存储介质及计算机程序产品实施例而言，由于其基本相似于高精地图测试方法实施例，所以描述的比较简单，相关之处参见自动驾驶仿真测试方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (9)
1.一种高精地图测试方法，其特征在于，所述方法包括：
基于目标高精地图数据构建仿真测试场景；
构建目标车辆的车辆建模信息，所述车辆建模信息包括车辆动力学信息和三维数模信息；
获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；
基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通行为预测信息生成实时局部路径规划和/或全局路径规划；
基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；
获取自动驾驶仿真运行过程中输出的车辆运动状态以及所述仿真测试场景对应的真值传感信息，基于车辆运动状态和真值传感信息对目标高精地图进行测评，其中，测评结果表示所述目标高精地图对自动驾驶的适用系数；
所述基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息的方法包括：
仿真交通信息包含仿真障碍物的当前运动状态；根据仿真障碍物的当前运动状态、仿真测试场景和目标高精地图的先验信息，获得仿真障碍物自当前时间起预设时间段内的行为预测信息；所述行为预测信息构成仿真交通行为预测信息；
所述方法还包括：
变更所述目标高精地图中的子元素，并基于变更后的高精地图进行仿真测试；
对比基于所述目标高精地图的指标测评结果和基于所述变更后的高精地图的指标测评结果。
2.根据权利要求1所述的方法，其特征在于，所述实时局部路径规划和/或全局路径规划包含轨迹信息；所述方法还包括：
将所述轨迹信息作为生成所述仿真交通行为预测信息的信息输入之一。
3.根据权利要求1所述的方法，其特征在于，所述基于目标高精地图构建仿真测试场景的步骤，包括：
在所述目标高精地图的基础上，进行静态场景编辑和动态场景编辑，得到仿真测试场景。
4.根据权利要求1所述的方法，其特征在于，
所配置的车辆动力学信息为14自由度；
所配置的目标车辆的三维数模信息包含的车辆几何参数等同于测试实车的三维数模信息包含的车辆几何参数。
5.根据权利要求1所述的方法，其特征在于，所述获取仿真交通信息包括：
构建目标车辆的仿真传感器信息，该仿真传感器信息包含的内外参数等同于测试实车的传感器信息包含的内外参数；
仿真传感信息通过感知算法转换为仿真交通信息。
6.根据权利要求1所述的方法，其特征在于，所述变更所述目标高精地图中的子元素的步骤，包括：
变更所述目标高精地图中的车道车速限制、变更所述目标高精地图中的车道实虚线、偏移所述目标高精地图中的交通信号灯、和/或偏移所述目标高精地图中的车道线。
7.一种高精地图测试装置，其特征在于，所述装置包括：
场景构建模块，用于基于目标高精地图数据构建仿真测试场景；
仿真车辆构建模块，用于构建目标车辆的车辆建模信息，所述车辆建模信息包括车辆动力学信息和三维数模信息；
预测模块，用于获取仿真交通信息，基于仿真交通信息、仿真测试场景和目标高精地图的先验信息生成仿真交通行为预测信息；仿真交通信息包含仿真障碍物的当前运动状态；根据仿真障碍物的当前运动状态、仿真测试场景和目标高精地图的先验信息，获得仿真障碍物自当前时间起预设时间段内的行为预测信息；所述行为预测信息构成仿真交通行为预测信息；
规划模块，用于基于仿真测试场景、车辆建模信息、仿真定位信息和仿真交通行为预测信息生成实时局部路径规划和/或全局路径规划；
控制模块，用于基于实时局部路径规划和/或全局路径规划生成车辆控制指令；基于车辆控制指令和车辆建模信息运行目标车辆的自动驾驶仿真；
测评模块，用于获取自动驾驶仿真运行过程中输出的车辆运动状态以及所述仿真测试场景对应的真值传感信息，基于车辆运动状态和真值传感信息对目标高精地图进行测评，其中，测评结果表示所述目标高精地图对自动驾驶的适用系数；
所述测评模块，还用于：变更所述目标高精地图中的子元素，并基于变更后的高精地图进行仿真测试；对比基于所述目标高精地图的指标测评结果和基于所述变更后的高精地图的指标测评结果。
8.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110562145.0A CN113032285B (zh) | 2021-05-24 | 2021-05-24 | 一种高精地图测试方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110562145.0A CN113032285B (zh) | 2021-05-24 | 2021-05-24 | 一种高精地图测试方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113032285A CN113032285A (zh) | 2021-06-25 |
| CN113032285B true CN113032285B (zh) | 2021-08-13 |
Family
ID=76455505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110562145.0A Active CN113032285B (zh) | 2021-05-24 | 2021-05-24 | 一种高精地图测试方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113032285B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705000B (zh) * | 2021-08-27 | 2024-05-10 | 西安交通大学 | 一种基于仿真场景的自动驾驶教育小车测试方法及系统 |
| CN113516749B (zh) * | 2021-09-14 | 2021-12-17 | 中国汽车技术研究中心有限公司 | 自动驾驶视觉传感器数据采集方法、装置、设备及介质 |
| CN115880890A (zh) * | 2021-09-26 | 2023-03-31 | 华为技术有限公司 | 地图有效性检测方法和相关产品 |
| CN113686595B (zh) * | 2021-09-26 | 2024-05-28 | 国汽智控(北京)科技有限公司 | 车辆耐久测试方法、装置、云控平台及系统 |
| CN113885496B (zh) * | 2021-09-29 | 2023-07-21 | 三一专用汽车有限责任公司 | 智能驾驶仿真传感器模型及智能驾驶仿真方法 |
| CN114035545A (zh) * | 2021-11-08 | 2022-02-11 | 苏州挚途科技有限公司 | 自动驾驶算法仿真测试方法、装置及电子设备 |
| CN114280959A (zh) * | 2021-12-27 | 2022-04-05 | 招商局检测车辆技术研究院有限公司 | 云地协同的整车场地在环仿真测试系统 |
| CN114397829A (zh) * | 2022-01-06 | 2022-04-26 | 中国第一汽车股份有限公司 | 用于构建自动驾驶仿真场景的方法、装置、设备及介质 |
| CN114077218B (zh) * | 2022-01-19 | 2022-04-22 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
| CN114582124B (zh) * | 2022-03-02 | 2023-08-04 | 北京京东乾石科技有限公司 | 场景编辑方法、装置、介质及电子设备 |
| CN115048015B (zh) * | 2022-05-27 | 2023-09-05 | 北京宾理信息科技有限公司 | 基于高精地图的自动驾驶仿真场景搭建方法和系统 |
| CN115167182B (zh) * | 2022-09-07 | 2022-11-29 | 禾多科技（北京）有限公司 | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 |
| CN115203062B (zh) * | 2022-09-15 | 2022-12-09 | 清华大学苏州汽车研究院（吴江） | 自动驾驶测试系统、方法、电子设备及存储介质 |
| CN116050083A (zh) * | 2022-12-16 | 2023-05-02 | 北京斯年智驾科技有限公司 | 自动驾驶死锁的仿真测试方法、装置、设备及介质 |
| CN116167164B (zh) * | 2023-02-16 | 2023-11-10 | 深圳国芯人工智能有限公司 | 一种基于智能测试的软件系统 |
| CN116933509A (zh) * | 2023-07-07 | 2023-10-24 | 西安深信科创信息技术有限公司 | 自动驾驶交通流仿真方法、系统、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109726426A (zh) * | 2018-11-12 | 2019-05-07 | 初速度（苏州）科技有限公司 | 一种车辆自动驾驶虚拟环境构建方法 |
| CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
| CN110704318A (zh) * | 2019-09-27 | 2020-01-17 | 武汉中海庭数据技术有限公司 | 一种地图数据自动化测试方法、终端装置及存储介质 |
| CN111338232A (zh) * | 2020-02-26 | 2020-06-26 | 杭州飞步科技有限公司 | 自动驾驶仿真方法及装置 |
| CN111578926A (zh) * | 2020-04-16 | 2020-08-25 | 天津大学 | 一种基于自动驾驶平台的地图生成与导航避障的方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106767914B (zh) * | 2016-12-02 | 2020-03-10 | 百度在线网络技术（北京）有限公司 | 用于测试基于高精度地图规划的路径的方法和装置 |
| CN108445503B (zh) * | 2018-03-12 | 2021-09-14 | 吉林大学 | 基于激光雷达与高精度地图融合的无人驾驶路径规划算法 |
| CN108803607B (zh) * | 2018-06-08 | 2021-06-01 | 北京领骏科技有限公司 | 一种用于自动驾驶的多功能仿真系统 |
| CN108681264A (zh) * | 2018-08-10 | 2018-10-19 | 成都合纵连横数字科技有限公司 | 一种智能车辆数字化仿真测试装置 |
| CN109215092B (zh) * | 2018-09-10 | 2020-03-13 | 百度在线网络技术（北京）有限公司 | 仿真场景的生成方法及装置 |
| CN109946995A (zh) * | 2019-03-26 | 2019-06-28 | 湖北亿咖通科技有限公司 | 自动驾驶的仿真测试方法、装置及智能终端 |
| CN111259545B (zh) * | 2020-01-15 | 2023-08-08 | 吉利汽车研究院（宁波）有限公司 | 智能驾驶虚拟仿真云平台 |
-
2021
- 2021-05-24 CN CN202110562145.0A patent/CN113032285B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109726426A (zh) * | 2018-11-12 | 2019-05-07 | 初速度（苏州）科技有限公司 | 一种车辆自动驾驶虚拟环境构建方法 |
| CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
| CN110704318A (zh) * | 2019-09-27 | 2020-01-17 | 武汉中海庭数据技术有限公司 | 一种地图数据自动化测试方法、终端装置及存储介质 |
| CN111338232A (zh) * | 2020-02-26 | 2020-06-26 | 杭州飞步科技有限公司 | 自动驾驶仿真方法及装置 |
| CN111578926A (zh) * | 2020-04-16 | 2020-08-25 | 天津大学 | 一种基于自动驾驶平台的地图生成与导航避障的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113032285A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113032285B (zh) | 一种高精地图测试方法、装置、电子设备及存储介质 | |
| Chen et al. | A novel integrated simulation and testing platform for self-driving cars with hardware in the loop | |
| JP7075366B2 (ja) | 運転場面データを分類するための方法、装置、機器及び媒体 | |
| CN111897305B (zh) | 一种基于自动驾驶的数据处理方法、装置、设备及介质 | |
| WO2023207016A1 (zh) | 一种基于数字孪生云控平台的自动驾驶测试系统和方法 | |
| CN108334055B (zh) | 车辆自动驾驶算法的检验方法、装置、设备及存储介质 | |
| CN111123735B (zh) | 自动驾驶仿真运行方法和装置 | |
| Essa et al. | Simulated traffic conflicts: do they accurately represent field-measured conflicts? | |
| Xinxin et al. | Csg: Critical scenario generation from real traffic accidents | |
| CN112740188A (zh) | 使用偏差进行基于日志的模拟 | |
| US11385991B1 (en) | Collision evaluation for log-based simulations | |
| Wishart et al. | Literature review of verification and validation activities of automated driving systems | |
| Wang et al. | Simulation and application of cooperative driving sense systems using prescan software | |
| CN114365108A (zh) | 虚拟环境下的自动驾驶车辆模拟方法 | |
| CN115777088A (zh) | 车辆运行安全模型测试系统 | |
| KR20230159308A (ko) | 첨단 운전자 보조 시스템(adas) 및/또는 자동화된 운전 시스템(ads)을 교정하고 검증하기 위한 방법, 시스템 및 컴퓨터 프로그램 제품 | |
| CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
| Varga et al. | System architecture for scenario-in-the-loop automotive testing | |
| CN112883489A (zh) | 自动驾驶汽车仿真系统 | |
| Peng | Connected and automated vehicles | |
| CN111258312A (zh) | 可移动模型及其控制方法、装置、系统、设备和存储介质 | |
| Song et al. | Automatic Driving Joint Simulation Technology and Platform Design | |
| Meftah et al. | A survey on autonomous vehicles simulators. | |
| US20240092375A1 (en) | Autonomous vehicle sensor calibration algorithm evaluation | |
| US20240160804A1 (en) | Surrogate model for vehicle simulation |
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 |