CN113191030A - 一种自动驾驶测试场景构建方法及装置 - Google Patents
一种自动驾驶测试场景构建方法及装置 Download PDFInfo
- Publication number
- CN113191030A CN113191030A CN202110740017.0A CN202110740017A CN113191030A CN 113191030 A CN113191030 A CN 113191030A CN 202110740017 A CN202110740017 A CN 202110740017A CN 113191030 A CN113191030 A CN 113191030A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- control parameter
- vehicle
- scene
- target 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 80
- 238000012360 testing method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 51
- 230000001133 acceleration Effects 0.000 claims description 32
- 230000010354 integration Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 description 15
- 230000006399 behavior Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/61—Scene description
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种自动驾驶测试场景构建方法及装置，方法包括：获得目标车辆在目标场景行驶中采集的图像帧序列及点云帧序列、定位传感器数据；基于图像帧序列，确定目标场景中车道信息及车道线信息并构建场景构建格式地图；利用图像帧序列及点云帧序列，确定各图像帧所对应点云帧中各参与车辆的点云数据及位置坐标；基于各点云帧中各参与车辆的点云数据及位置坐标，确定各参与车辆的横纵控制参数信息；基于定位传感器数据，确定目标车辆的定位坐标及行驶动态信息并确定目标车辆的横纵控制参数信息；获得图像帧序列对应的天气信息；利用场景构建格式地图及上述信息，构建目标场景的自动驾驶测试场景，以实现对自动驾驶场景的自动化构建。
Description
技术领域
本发明涉及自动化测试技术领域，具体而言，涉及一种自动驾驶测试场景构建方法及装置。
背景技术
近年来，随着汽车行业的快速发展和汽车保有量的持续增长，人们对于汽车的功能要求也越来越高，因此，智能化即自动驾驶作为汽车的重要发展趋势也是备受关注。随着自动驾驶等级的提高，如何高效的测试和验证自动驾驶车辆系统性能的稳定性和实现完全自动驾驶的智能算法，已经成为至关重要的一个环节。
目前，自动驾驶车辆测试可分为两类：实车测试和虚拟仿真测试。实车测试需要耗费大量人力以及时间，因此，自动驾驶虚拟仿真测试就起到了至关重要的作用。自动驾驶虚拟仿真测试指通过计算机仿真技术，建立现实静态环境与动态交通场景的数学模型，让自动驾驶汽车与算法在虚拟交通场景中进行驾驶测试。
目前的自动驾驶虚拟仿真测试所使用的自动驾驶场景，一般需要人工在仿真软件中进行搭建，或者人工筛选采集数据进而利用所筛选的采集数据进行搭建，上述过程中，耗费人力及时间成本较多，减缓推进仿真测试进程。
发明内容
本发明提供了一种自动驾驶测试场景构建方法及装置，以实现对自动驾驶场景的自动化构建，减低场景构建人力及时间成本，推进仿真测试进程。具体的技术方案如下：
第一方面，本发明实施例提供了一种自动驾驶场景构建方法，所述方法包括：
获得目标车辆在目标场景行驶过程中所采集的图像帧序列及其对应的点云帧序列和定位传感器数据；
基于所述图像帧序列，确定所述目标场景中车道信息以及车道线信息，并基于所述车道信息以及车道线信息，构建场景构建格式地图；
利用所述图像帧序列以及所述点云帧序列，确定所述图像帧序列中各图像帧所对应点云帧中各参与车辆所对应点云数据及位置坐标；并基于各点云帧中各参与车辆所对应点云数据及位置坐标，确定各参与车辆对应的横纵控制参数信息；
基于所述定位传感器数据，确定所述目标车辆在各指定采集时刻对应的行驶动态信息；并利用所述目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息，确定所述目标车辆对应的横纵控制参数信息；
获得所述图像帧序列对应的天气信息；
利用所述场景构建格式地图、各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息，构建所述目标场景的自动驾驶测试场景。
可选的，所述利用所述场景构建格式地图、各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息，构建所述目标场景的自动驾驶测试场景的步骤，包括:
利用预设场景整合格式，对各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息进行整合，得到场景构建整合文件；
利用所述场景构建整合文件以及所述场景构建格式地图，构建所述目标场景的自动驾驶测试场景。
可选的，所述基于各点云帧中各参与车辆所对应点云数据及其位置坐标，确定各参与车辆对应的横纵控制参数信息的步骤，包括：
针对每一参与车辆，基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，确定各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息；并将各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息转换为第一预设格式，以得到各参与车辆对应的第一预设格式的横纵控制参数信息。
可选的，所述行驶动态信息包括目标车辆在各指定采集时刻对应的速度和/或加速度；
所述利用所述目标车辆在各指定采集时刻对应的行驶动态信息，确定所述目标车辆对应的横纵控制参数信息的步骤，包括：
针对每一指定采集时刻，利用所述目标车辆在该指定采集时刻的定位坐标，及所述目标车辆在该指定采集时刻的前一指定采集时刻的定位坐标，确定所述目标车辆对应的横控制参数信息；并将所述横控制参数信息转换为第一预设格式；
利用所述目标车辆在各指定采集时刻的速度信息和/或加速度，和/或所述目标车辆在各指定采集时刻的定位坐标，确定所述目标车辆对应的纵控制参数信息，并将所述纵控制参数信息转换为第一预设格式，以得到所述目标车辆对应的第一预设格式的横纵控制参数信息。
可选的，所述获得所述图像帧序列对应的天气信息的步骤，包括：
第一种实现方式：
获得针对所述图像帧序列所输入的天气信息，确定为所述图像帧序列对应的天气信息；
第二种实现方式：
获得用于探测天气情况的预设传感器所采集的所述图像帧序列对应的天气信息，确定为所述图像帧序列对应的天气信息。
第二方面，本发明实施例提供了一种自动驾驶场景构建装置，所述装置包括：
第一获得模块，被配置为获得目标车辆在目标场景行驶过程中所采集的图像帧序列及其对应的点云帧序列和定位传感器数据；
第一确定模块，被配置为基于所述图像帧序列，确定所述目标场景中车道信息以及车道线信息，并基于所述车道信息以及车道线信息，构建场景构建格式地图；
第二确定模块，被配置为利用所述图像帧序列以及所述点云帧序列，确定所述图像帧序列中各图像帧所对应点云帧中各参与车辆所对应点云数据及位置坐标；并基于各点云帧中各参与车辆所对应点云数据及位置坐标，确定各参与车辆对应的横纵控制参数信息；
第三确定模块，被配置为基于所述定位传感器数据，确定所述目标车辆在各指定采集时刻对应的行驶动态信息；并利用所述目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息，确定所述目标车辆对应的横纵控制参数信息；
第二获得模块，被配置为获得所述图像帧序列对应的天气信息；
构建模块，被配置为利用所述场景构建格式地图、各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息，构建所述目标场景的自动驾驶测试场景。
可选的，所述构建模块，被具体配置为利用预设场景整合格式，对各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息进行整合，得到场景构建整合文件；
利用所述场景构建整合文件以及所述场景构建格式地图，构建所述目标场景的自动驾驶测试场景。
可选的，所述第二确定模块，被具体配置为针对每一参与车辆，基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，确定各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息；并将各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息转换为第一预设格式，以得到各参与车辆对应的第一预设格式的横纵控制参数信息。
可选的，所述行驶动态信息包括目标车辆在各指定采集时刻对应的速度和/或加速度；
所述第三确定模块，被具体配置为针对每一指定采集时刻，利用所述目标车辆在该指定采集时刻的定位坐标，及所述目标车辆在该指定采集时刻的前一指定采集时刻的定位坐标，确定所述目标车辆对应的横控制参数信息；并将所述横控制参数信息转换为第一预设格式；
利用所述目标车辆在各指定采集时刻的速度信息和/或加速度，和/或所述目标车辆在各指定采集时刻的定位坐标，确定所述目标车辆对应的纵控制参数信息，并将所述纵控制参数信息转换为第一预设格式，以得到所述目标车辆对应的第一预设格式的横纵控制参数信息。
可选的，所述第二获得模块，被具体配置为
获得针对所述图像帧序列所输入的天气信息，确定为所述图像帧序列对应的天气信息；
或，获得用于探测天气情况的预设传感器所采集的所述图像帧序列对应的天气信息，确定为所述图像帧序列对应的天气信息。
由上述内容可知，本发明实施例提供的一种自动驾驶场景构建方法及装置，获得目标车辆在目标场景行驶过程中所采集的图像帧序列及其对应的点云帧序列和定位传感器数据；基于图像帧序列，确定目标场景中车道信息以及车道线信息，并基于车道信息以及车道线信息，构建场景构建格式地图；利用图像帧序列以及点云帧序列，确定图像帧序列中各图像帧所对应点云帧中各参与车辆所对应点云数据及位置坐标；并基于各点云帧中各参与车辆所对应点云数据及位置坐标，确定各参与车辆对应的横纵控制参数信息；基于定位传感器数据，确定目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息；并利用目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息，确定目标车辆在各采集指定采集时刻的横纵控制参数信息；获得图像帧序列对应的天气信息；利用场景构建格式地图、各参与车辆对应的横纵控制参数信息、目标车辆对应的横纵控制参数信息以及天气信息，构建目标场景的自动驾驶测试场景。
应用本发明实施例，可以直接基于行驶过程所采集的图像帧序列及其对应的点云帧序列和定位传感器数据，自动构建出场景构建格式地图、目标车辆的横纵控制参数信息以及各参与车辆的横纵控制参数信息，并获得行驶过程中的天气信息，以得到场景构建所需的各要素，进而结合构建自动驾驶测试场景，实现对目标场景的自动驾驶测试场景的自动构建，减低场景构建人力及时间成本，推进仿真测试进程。当然，实施本发明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。
本发明实施例的创新点包括：
1、可以直接基于行驶过程所采集的图像帧序列及其对应的点云帧序列和定位传感器数据，自动构建出场景构建格式地图、目标车辆的横纵控制参数信息以及各参与车辆的横纵控制参数信息，并获得行驶过程中的天气信息，以得到场景构建所需的各要素，进而结合构建自动驾驶测试场景，实现对目标场景的自动驾驶测试场景的自动构建，减低场景构建人力及时间成本，推进仿真测试进程。
2、将各参与车辆以及目标车辆的横纵控制参数信息，转换为可直接用于构建自动驾驶测试场景的第一格式的横纵控制参数信息，为后续的场景构建提供基础。
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简单介绍。显而易见地，下面描述中的附图仅仅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为本发明实施例提供的自动驾驶测试场景构建方法的一种流程示意图；
图2为本发明实施例提供的自动驾驶测试场景构建装置的一种结构示意图。
具体实施方式
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、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，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付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。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种自动驾驶测试场景构建方法及装置，以实现对自动驾驶场景的自动化构建，减低场景构建人力及时间成本，推进仿真测试进程。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的自动驾驶测试场景构建方法的一种流程示意图。该方法可以包括如下步骤：
S101：获得目标车辆在目标场景行驶过程中所采集的图像帧序列及其对应的点云帧序列和定位传感器数据。
本发明实施例所提供的自动驾驶测试场景构建方法，可以应用于任一具有计算能力的电子设备，该电子设备可以为终端或者服务器。在一种实现中，实现该方法的功能软件可以以单独的客户端软件的形式存在，也可以以目前相关的客户端软件的插件的形式存在，这都是可以的。
目标车辆设置有图像采集设备、雷达设备以及定位设备，图像采集设备用于在目标车辆在目标场景的行驶过程中，针对目标车辆的周围环境采集图像帧，雷达设备用于在目标车辆在目标场景的行驶过程中，针对目标车辆的周围环境采集点云帧，其中，点云帧包括点云数据。定位设备用于在目标车辆在目标场景的行驶过程中，针对目标车辆采集其定位传感器数据，其中，定位传感器数据可以包括位置信息和/或行驶动态信息，行驶动态信息包括但不限于：速度、角速度以及加速度。
其中，定位设备可以包括但不限于IMU（Inertial measurement unit ，惯性测量单元）GPS（Global Positioning System ，全球定位系统）以及GNSS（Global NavigationSatellite System ，全球卫星导航系统/全球导航卫星系统）等。
目标场景可以是车辆行驶的任一场景。
目标车辆在目标场景行驶过程中，目标车辆的图像采集设备可以针对目标车辆所处位置的周围环境采集图像帧，得到图像帧序列；且其雷达设备可以针对目标车辆所处位置的周围环境采集点云帧，得到点云帧序列；且其定位设备可以针对目标车辆的行驶过程采集得到定位传感器数据。图像帧、点云帧以及定位传感器数据之间存在对应关系。目标车辆获得图像帧序列及其对应的点云帧序列和定位传感器数据之后，将其所获得的图像帧序列及其对应的点云帧序列和定位传感器数据发送至电子设备。
S102：基于图像帧序列，确定目标场景中车道信息以及车道线信息，并基于车道信息以及车道线信息，构建场景构建格式地图。
本步骤中，电子设备基于预设车道线检测算法对图像帧序列中各图像帧进行检测，得到各帧图像帧的检测结果，进而结合各图像帧的检测结果以及计算视觉算法，确定得到车道信息以及车道线信息，其中，车道信息可以包括但不限于：图像帧对应的车道的数量、位置以及宽度等。车道线信息包括但不限于：车道线的位置以及车道线的属性信息以及形状信息等，其中，车道线的属性信息包括：实线或虚线。车道的位置可以是基于预设空间直角坐标系下的位置，该预设空间直角坐标系可以为目标车辆所在的车体坐标系，或者世界坐标系，这都是可以的。
一种情况中，预设车道线检测算法可以是：基于标注有车道和/或车道线的图像训练所得的神经网络模型。或者，可以是：灰度处理、边缘检测以及ROI（Region of Interest，感兴趣区域）等算法的集合。本发明实施例并不对预设检测算法的具体类型进行限定，任一可以实现对图像中车道信息以及车道线信息的检测确定算法，均可以应用于本发明实施例中。
进而，电子设备对车道信息以及车道线信息进行预设处理及标准化后，构建得到场景构建格式地图。即将车道信息以及车道线信息转换成场景构建格式，得到场景构建格式地图其中，该场景构建格式可以为OpenDrive格式，相应的，场景构建格式地图可以是OpenDrive地图。
S103：利用图像帧序列以及点云帧序列，确定图像帧序列中各图像帧所对应点云帧中各参与车辆所对应点云数据及位置坐标；并基于各点云帧中各参与车辆所对应点云数据及位置坐标，确定各参与车辆对应的横纵控制参数信息。
本步骤中，电子设备针对图像帧序列中每一图像帧，利用预设目标检测算法，从该图像帧中检测出各图像目标，并基于所检测出的图像目标从该图像帧所对应的点云帧中确定该图像目标对应的点云数据，其中，该图像目标包括车辆。
电子设备将所检测出的目标车辆周围的车辆确定为参与车辆。一种情况，目标车辆周围的车辆可以包括目标车辆所在车道的前后车以及相邻车道的预设范围内的车辆。该预设范围可以包括：图像采集设备和/或雷达设备可探测的范围。
电子设备基于该图像帧对应的目标车辆的定位位置坐标以及该图像帧所对应点云帧中各参与车辆的点云数据，确定各参与车辆的位置坐标，以确定出各点云帧中各参与车辆的点云数据及位置坐标。进而，将各点云帧中各参与车辆所对应点云数据及位置坐标按照预设标签格式进行转换，得到各参与车辆对应的横纵控制参数信息。
一种情况，预设标签格式可以为OpenScenario中的相应标签格式。
S104：基于定位传感器数据，确定目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息；并利用目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息，确定目标车辆在采集指定采集时刻的横纵控制参数信息。
可以理解的是，图像帧与点云帧以及定位传感器数据存在对应关系，本发明实施例中所提到的各指定采集时刻，可以指指定数据所对应的采集时刻，其中，该指定数据可以为：图像帧、点云帧或定位传感器数据。
在一种情况中，定位传感器数据可以包括但不限于：目标车辆的加速度、角速度、相对位移以及定位坐标，通过定位传感器数据，确定目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息。目标车辆的行驶动态信息可以包括以下信息中的至少一种：速度以及加速度。
电子设备将目标车辆在该图像帧所对应采集指定采集时刻的定位坐标以及行驶动态信息按照预设标签格式进行转换，得到目标车辆对应的横纵控制参数信息。
S105：获得图像帧序列对应的天气信息。
其中，该天气信息为描述目标车辆在目标场景中行驶过程中的天气情况的信息。天气信息包括但不限于：晴天、雨天、阴天、雪天和冰雹天、光照强度信息、雨雪强度信息、中午、早上和晚上以及具体日期信息等。
在本发明的一种实现方式中，所述S105，可以包括如下步骤：
第一种实现方式：
获得针对图像帧序列所输入的天气信息，确定为图像帧序列对应的天气信息；
第二种实现方式：
获得用于探测天气情况的预设传感器所采集的图像帧序列对应的天气信息，确定为图像帧序列对应的天气信息。
本实现方式中，一方面，图像帧序列对应的天气信息可以是工作人员根据图像帧所表现的情况，确定其对应的天气信息，并输入电子设备，电子设备获得针对图像帧序列所输入的天气信息，确定为图像帧序列对应的天气信息。另一方面，目标车辆可以设置有用于探测天气情况的预设传感器，目标车辆在目标场景的行驶过程中，预设传感器可以实时或周期性的探测目标场景的天气情况，得到天气信息，并反馈给电子设备，作为图像帧序列对应的天气信息。在一种情况中，上述预设传感器可以包括：雨量光线传感器(RLS，RainLight Sensor)。
S106：利用场景构建格式地图、各参与车辆对应的横纵控制参数信息、目标车辆对应的横纵控制参数信息以及天气信息，构建目标场景的自动驾驶测试场景。
本步骤中，电子设备对各参与车辆对应的横纵控制参数信息进行整合，确定出各参与车辆的交通行为，得到参与交通流，并利用目标车辆对应的横纵控制参数信息，确定出目标车辆的交通行为，进而将利用场景构建格式地图、各参与车辆的交通行为、目标车辆的交通行为以及天气信息，构建目标场景的自动驾驶测试场景。
其中，交通行为包括车辆的行驶轨迹信息。
在本发明的一种实现方式中，所述S106，可以包括如下步骤:
利用预设场景整合格式，对各参与车辆对应的横纵控制参数信息、目标车辆对应的横纵控制参数信息以及天气信息进行整合，得到场景构建整合文件；
利用场景构建整合文件以及场景构建格式地图，构建目标场景的自动驾驶测试场景。
其中，该预设场景整合格式可以是基于OpenScenario格式所设置的格式，即将各参与车辆对应的横纵控制参数信息、目标车辆对应的横纵控制参数信息以及天气信息整合成预设场景整合格式，得到场景构建整合文件，以可导入任何支持OpenScenario格式的自动驾驶仿真测试平台，进行使用。
电子设备得到包含目标车辆在目标场景中行驶过程的各场景要素的场景构建整合文件之后，利用场景构建整合文件以及场景构建格式地图，构建目标场景的自动驾驶测试场景，以能够结合场景构建整合文件以及场景构建格式地图，实现对目标车辆行驶过程的重塑以及回放，实现自动驾驶测试场景的自动化构建。一种情况，电子设备还可以支持对目标场景的自动驾驶测试场景的泛化处理，以可以自动化的得到更多的自动驾驶测试场景。
应用本发明实施例，可以直接基于行驶过程所采集的图像帧序列及其对应的点云帧序列和定位传感器数据，自动构建出场景构建格式地图、目标车辆的横纵控制参数信息以及各参与车辆的横纵控制参数信息，并获得行驶过程中的天气信息，以得到场景构建所需的各要素，进而结合构建自动驾驶测试场景，实现对目标场景的自动驾驶测试场景的自动构建，减低场景构建人力及时间成本，推进仿真测试进程。
在本发明的另一实施例中，所述S103，可以包括如下步骤：
针对每一参与车辆，基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，确定各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息；并将各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息转换为第一预设格式，以得到各参与车辆对应的第一预设格式的横纵控制参数信息。
参与车辆所对应点云数据在各参考点云帧的位置坐标可以为：参与车辆所对应点云数据在预设空间直角坐标系下的坐标，该预设空间直角坐标系可以为目标车辆所在的车体坐标系，也可以为世界坐标系，这都是可以的。
其中，参与车辆对应的参考点云帧指：包含该参与车辆的点云数据的点云帧。
本实现方式中，电子设备可以基于图像帧序列以及点云帧序列，得到每一参与车辆在其对应的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标。针对每一参考车辆，基于该参与车辆所对应点云数据在各参考点云帧的位置坐标，确定该参与车辆在各参考点云帧中所在车道。其中，若参与车辆在某一参考点云帧中所在车道的车道标识与该参考点云帧的上一帧中所在车道的车道标识发生变化，即参与车辆出现变道行为。
结合该参与车辆其对应的各参考点云帧之间的关联关系，以及该参与车辆在各参考点云帧中所在车道，确定该参与车辆对应的横控制参数信息，其中，参与车辆对应的横控制参数信息至少包括：该参与车辆在行驶过程中每次变道过程的变道个数、变道方向以及变道时间，即生成一个Lateral。其中，一种情况中，参与车辆对应的横控制参数信息还包括各变道过程，相对于目标车辆在行驶过程中的起始时间和终止时间。
每次变道过程的变道时间可以通过采集点云帧的传感器的帧率以及车道变化经过的点云帧帧数确定，例如：若采集点云帧的传感器的帧率为10Hz，则表征采集点云帧的传感器每100ms采集一帧点云帧，在参与车辆一次变道过程中车道变化经过的点云帧帧数为20帧，相应的，该次变道过程的变道时间=20帧*100ms=2秒。
每次变道过程的变道个数以及变道方向可以通过预设值表示，例如通过数字表示一个变道过程的变道个数，通过正负表示变道方向，例如：变道方向左正右负，若预设值Target=“-1”，表征参与车辆向右变一个车道。
对于参与车辆的纵控制参数信息的确定过程，一种情况可以是：首先确定参与车辆的参考点云帧的总帧数，并基于该参与车辆所对应点云数据在各参考点云帧的位置坐标
，以及参与车辆的参考点云帧的总帧数以及采集点云帧的传感器的帧率，确定出该参与车辆对应的纵控制参数信息，其中，参与车辆对应的纵控制参数信息至少包括：参与车辆的目标速度及其加速度。
其中，参与车辆的目标速度
，
表示参与车辆的参考点云帧的总帧数，
表示采集点云帧的传感器的帧率，
表示参与车辆的参考点云帧中最后一帧对应的位置坐标，
表示参与车辆的参考点云帧中次最后一帧对应的位置坐标。
目标速度可以指所对应参与车辆的最终的速度。
一种实现，可以认为参与车辆为匀速行驶，其加速度为0。或者可以设置参与车辆的加速度为以预设加速度值。
在另一种实现中，若基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，可以确定出该参与车辆在各参考点云帧的速度，电子设备可以根据参与车辆对应的参考点云帧的帧数以及采集点云帧的传感器的帧率，确定该参与车辆对应的纵控制参数信息。
具体的，参与车辆对应的加速度=
（2），其中，
表示该参与车辆在其对应的参考点云帧中最后一帧的速度，
表示该参与车辆在其对应的参考点云帧中第一帧的速度。
目标车辆对应的目标速度=
。
一种情况，若存在图像帧序列中仅一帧图像帧包含参与车辆A，且相应的，点云帧序列中间一帧点云帧存在该参与车辆A对应的点云数据的情况，通过该图像帧序列以及点云帧序列仅能确定出该参与车辆对应的一帧位置坐标和速度，则可以认为该参与车辆A为从目标车辆的图像采集设备和/或雷达设备不可探测的范围进入到目标车辆的图像采集设备和/或雷达设备可探测的范围的车辆，相应的，可以确定该参与车辆A为匀速运动，即确定该参与车辆A对应的加速度为0。后续的，得到该参与车辆A的更多的速度信息，可以基于上述公式（2）计算其加速度。
在另一种实现中，若基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，可以确定出该参与车辆在各参考点云帧的速度和加速度，可以通过可以根据该参与车辆的参考点云帧的帧数、该参与车辆在各参考点云帧的加速度以及速度，确定该参与车辆对应的纵控制参数信息。
具体的，参与车辆的加速度=
（3）；其中，
表示参与车辆在第i帧参考点云帧对应的加速度，i的取值范围为[1，n]之间的整数。
参与车辆的目标速度=
。
后续的，将参与车辆的横控制参数信息和纵控制参数信息转换为第一预设格式，以得到各参与车辆对应的第一预设格式的横纵控制参数信息。该第一预设格式即上述的预设标签格式。
在本发明的另一实施例中，该行驶动态信息包括目标车辆在各图像帧所对应采集指定采集时刻的速度信息和/或加速度；
所述S104，可以包括如下步骤：
针对每一图像帧，利用目标车辆在该图像帧所对应采集指定采集时刻的定位坐标，及目标车辆在该图像帧的前一帧图像所对应采集指定采集时刻的定位坐标，确定目标车辆在该图像帧所对应采集指定采集时刻的横控制参数信息；并将横控制参数信息转换为第一预设格式；
利用目标车辆在各图像帧所对应采集指定采集时刻的速度信息和/或加速度，和/或目标车辆在该图像帧所对应采集指定采集时刻的定位坐标，确定目标车辆在各图像帧所对应采集指定采集时刻的纵控制参数信息，并将纵控制参数信息转换为第一预设格式，以得到目标车辆在各图像帧所对应采集指定采集时刻的第一预设格式的横纵控制参数信息。
本实现方式中，确定目标车辆对应的横控制参数信息的过程，可以参见上述确定参与车辆对应的横控制参数信息的过程，在此不再赘述。
在确定目标车辆对应的纵控制参数信息的过程中，可以根据行驶动态信息所包括的不同信息，采取不同方式，确定目标车辆对应的纵控制参数信息。相应的，在行驶动态信息包括各指定采集时刻的速度的情况下，电子设备可以根据目标车辆在目标场景行驶过程中的各行驶状态阶段对应的指定数据的帧数以及指定数据对应的采集设备的帧率，确定目标车辆对应的纵控制参数信息，纵控制参数信息包括各行驶状态阶段对应的目标车辆对应的目标速度和加速度。
目标车辆在某一行驶状态阶段对应的目标速度可以指该目标车辆在该行驶状态阶段对应的最终的速度。
具体的，目标车辆对应的加速度=
（4），其中，
表示某一行驶状态阶段对应的指定数据的帧数，
表示该行驶状态阶段对应的指定数据对应的采集设备的帧率；
表示行驶状态阶段对应的最后一帧指定数据的速度，
表示行驶状态阶段对应的第一帧指定数据的速度。
目标车辆对应的目标速度=
。
其中，上述行驶状态阶段可以指目标车辆在目标场景行驶过程的全阶段，也可以指目标车辆在目标场景行驶过程中产生不同行驶行为的阶段，其中，不同行驶行为包括但不限于：匀速行驶以及变速行驶，其中，变速行驶还可以包括加速行驶和减速行驶。
在行驶动态信息包括每帧图像帧所对应采集指定采集时刻的速度和加速度的情况下，可以通过可以根据目标车辆在目标场景行驶过程中的各行驶状态阶段对应的指定数据的帧数、各指定数据对应的加速度以及速度，确定目标车辆对应的各行驶状态阶段对应的纵控制参数信息。
具体的，某一行驶状态阶段对应的加速度=
（5）；其中，
表示行驶状态阶段中第j帧指定数据对应的加速度，j的取值范围为[1，m2]之间的整数，m2表示该行驶状态阶段对应的指定数据的帧数。
某一行驶状态阶段对应的目标速度=
，其中，
表示行驶状态阶段中最后一帧指定数据所对应采集时刻的速度。
相应于上述方法实施例，本发明实施例提供了一种自动驾驶测试场景构建装置，如图2所示，所述装置可以包括：
第一获得模块210，被配置为获得目标车辆在目标场景行驶过程中所采集的图像帧序列及其对应的点云帧序列和定位传感器数据；
第一确定模块220，被配置为基于所述图像帧序列，确定所述目标场景中车道信息以及车道线信息，并基于所述车道信息以及车道线信息，构建场景构建格式地图；
第二确定模块230，被配置为利用所述图像帧序列以及所述点云帧序列，确定所述图像帧序列中各图像帧所对应点云帧中各参与车辆所对应点云数据及位置坐标；并基于各点云帧中各参与车辆所对应点云数据及位置坐标，确定各参与车辆对应的横纵控制参数信息；
第三确定模块240，被配置为基于所述定位传感器数据，确定所述目标车辆在各指定采集时刻对应的行驶动态信息；并利用所述目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息，确定所述目标车辆对应的横纵控制参数信息；
第二获得模块250，被配置为获得所述图像帧序列对应的天气信息；
构建模块260，被配置为利用所述场景构建格式地图、各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息，构建所述目标场景的自动驾驶测试场景。
应用本发明实施例，可以直接基于行驶过程所采集的图像帧序列及其对应的点云帧序列和定位传感器数据，自动构建出场景构建格式地图、目标车辆的横纵控制参数信息以及各参与车辆的横纵控制参数信息，并获得行驶过程中的天气信息，以得到场景构建所需的各要素，进而结合构建自动驾驶测试场景，实现对目标场景的自动驾驶测试场景的自动构建，减低场景构建人力及时间成本，推进仿真测试进程。
在本发明的另一实施例中，所述构建模块260，被具体配置为利用预设场景整合格式，对各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息进行整合，得到场景构建整合文件；
利用所述场景构建整合文件以及所述场景构建格式地图，构建所述目标场景的自动驾驶测试场景。
在本发明的另一实施例中，所述第二确定模块230，被具体配置为针对每一参与车辆，基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，确定各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息；并将各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息转换为第一预设格式，以得到各参与车辆对应的第一预设格式的横纵控制参数信息。
在本发明的另一实施例中，所述行驶动态信息包括目标车辆在各指定采集时刻对应的速度和/或加速度；
所述第三确定模块240，被具体配置为针对每一指定采集时刻，利用所述目标车辆在该指定采集时刻的定位坐标，及所述目标车辆在该指定采集时刻的前一指定采集时刻的定位坐标，确定所述目标车辆对应的横控制参数信息；并将所述横控制参数信息转换为第一预设格式；
利用所述目标车辆在各指定采集时刻的速度信息和/或加速度，和/或所述目标车辆在各指定采集时刻的定位坐标，确定所述目标车辆对应的纵控制参数信息，并将所述纵控制参数信息转换为第一预设格式，以得到所述目标车辆对应的第一预设格式的横纵控制参数信息。
在本发明的另一实施例中，所述第二获得模块250，被具体配置为
获得针对所述图像帧序列所输入的天气信息，确定为所述图像帧序列对应的天气信息；
或，获得用于探测天气情况的预设传感器所采集的所述图像帧序列对应的天气信息，确定为所述图像帧序列对应的天气信息。
上述系统、装置实施例与方法实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。装置实施例是基于方法实施例得到的，具体的说明可以参见方法实施例部分，此处不再赘述。本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
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实施例技术方案的精神和范围。
Claims (10)
1.一种自动驾驶测试场景构建方法，其特征在于，所述方法包括：
获得目标车辆在目标场景行驶过程中所采集的图像帧序列及其对应的点云帧序列和定位传感器数据；
基于所述图像帧序列，确定所述目标场景中车道信息以及车道线信息，并基于所述车道信息以及车道线信息，构建场景构建格式地图；
利用所述图像帧序列以及所述点云帧序列，确定所述图像帧序列中各图像帧所对应点云帧中各参与车辆所对应点云数据及位置坐标；并基于各点云帧中各参与车辆所对应点云数据及位置坐标，确定各参与车辆对应的横纵控制参数信息；
基于所述定位传感器数据，确定所述目标车辆在各指定采集时刻对应的行驶动态信息；并利用所述目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息，确定所述目标车辆对应的横纵控制参数信息；
获得所述图像帧序列对应的天气信息；
利用所述场景构建格式地图、各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息，构建所述目标场景的自动驾驶测试场景。
2.如权利要求1所述的方法，其特征在于，所述利用所述场景构建格式地图、各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息，构建所述目标场景的自动驾驶测试场景的步骤，包括:
利用预设场景整合格式，对各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息进行整合，得到场景构建整合文件；
利用所述场景构建整合文件以及所述场景构建格式地图，构建所述目标场景的自动驾驶测试场景。
3.如权利要求1所述的方法，其特征在于，所述基于各点云帧中各参与车辆所对应点云数据及其位置坐标，确定各参与车辆对应的横纵控制参数信息的步骤，包括：
针对每一参与车辆，基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，确定各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息；并将各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息转换为第一预设格式，以得到各参与车辆对应的第一预设格式的横纵控制参数信息。
4.如权利要求1-3任一项所述的方法，其特征在于，所述行驶动态信息包括目标车辆在各指定采集时刻对应的速度和/或加速度；
所述利用所述目标车辆在各指定采集时刻对应的行驶动态信息，确定所述目标车辆对应的横纵控制参数信息的步骤，包括：
针对每一指定采集时刻，利用所述目标车辆在该指定采集时刻的定位坐标，及所述目标车辆在该指定采集时刻的前一指定采集时刻的定位坐标，确定所述目标车辆对应的横控制参数信息；并将所述横控制参数信息转换为第一预设格式；
利用所述目标车辆在各指定采集时刻的速度信息和/或加速度，和/或所述目标车辆在各指定采集时刻的定位坐标，确定所述目标车辆对应的纵控制参数信息，并将所述纵控制参数信息转换为第一预设格式，以得到所述目标车辆对应的第一预设格式的横纵控制参数信息。
5.如权利要求1所述的方法，其特征在于，所述获得所述图像帧序列对应的天气信息的步骤，包括：
第一种实现方式：
获得针对所述图像帧序列所输入的天气信息，确定为所述图像帧序列对应的天气信息；
第二种实现方式：
获得用于探测天气情况的预设传感器所采集的所述图像帧序列对应的天气信息，确定为所述图像帧序列对应的天气信息。
6.一种自动驾驶测试场景构建装置，其特征在于，所述装置包括：
第一获得模块，被配置为获得目标车辆在目标场景行驶过程中所采集的图像帧序列及其对应的点云帧序列和定位传感器数据；
第一确定模块，被配置为基于所述图像帧序列，确定所述目标场景中车道信息以及车道线信息，并基于所述车道信息以及车道线信息，构建场景构建格式地图；
第二确定模块，被配置为利用所述图像帧序列以及所述点云帧序列，确定所述图像帧序列中各图像帧所对应点云帧中各参与车辆所对应点云数据及位置坐标；并基于各点云帧中各参与车辆所对应点云数据及位置坐标，确定各参与车辆对应的横纵控制参数信息；
第三确定模块，被配置为基于所述定位传感器数据，确定所述目标车辆在各指定采集时刻对应的行驶动态信息；并利用所述目标车辆在各指定采集时刻对应的定位坐标以及行驶动态信息，确定所述目标车辆对应的横纵控制参数信息；
第二获得模块，被配置为获得所述图像帧序列对应的天气信息；
构建模块，被配置为利用所述场景构建格式地图、各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息，构建所述目标场景的自动驾驶测试场景。
7.如权利要求6所述的装置，其特征在于，所述构建模块，被具体配置为利用预设场景整合格式，对各参与车辆对应的横纵控制参数信息、所述目标车辆对应的横纵控制参数信息以及所述天气信息进行整合，得到场景构建整合文件；
利用所述场景构建整合文件以及所述场景构建格式地图，构建所述目标场景的自动驾驶测试场景。
8.如权利要求6所述的装置，其特征在于，所述第二确定模块，被具体配置为针对每一参与车辆，基于包含该参与车辆所对应点云数据的各参考点云帧之间的关联关系以及该参与车辆所对应点云数据在各参考点云帧的位置坐标，确定各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息；并将各参考点云帧中该参与车辆对应的横控制参数信息和纵控制参数信息转换为第一预设格式，以得到各参与车辆对应的第一预设格式的横纵控制参数信息。
9.如权利要求6所述的装置，其特征在于，所述行驶动态信息包括目标车辆在各指定采集时刻对应的速度和/或加速度；
所述第三确定模块，被具体配置为针对每一指定采集时刻，利用所述目标车辆在该指定采集时刻的定位坐标，及所述目标车辆在该指定采集时刻的前一指定采集时刻的定位坐标，确定所述目标车辆对应的横控制参数信息；并将所述横控制参数信息转换为第一预设格式；
利用所述目标车辆在各指定采集时刻的速度信息和/或加速度，和/或所述目标车辆在各指定采集时刻的定位坐标，确定所述目标车辆对应的纵控制参数信息，并将所述纵控制参数信息转换为第一预设格式，以得到所述目标车辆对应的第一预设格式的横纵控制参数信息。
10.如权利要求6所述的装置，其特征在于，所述第二获得模块，被具体配置为
获得针对所述图像帧序列所输入的天气信息，确定为所述图像帧序列对应的天气信息；
或，获得用于探测天气情况的预设传感器所采集的所述图像帧序列对应的天气信息，确定为所述图像帧序列对应的天气信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110740017.0A CN113191030A (zh) | 2021-07-01 | 2021-07-01 | 一种自动驾驶测试场景构建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110740017.0A CN113191030A (zh) | 2021-07-01 | 2021-07-01 | 一种自动驾驶测试场景构建方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113191030A true CN113191030A (zh) | 2021-07-30 |
Family
ID=76976898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110740017.0A Pending CN113191030A (zh) | 2021-07-01 | 2021-07-01 | 一种自动驾驶测试场景构建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191030A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113342701A (zh) * | 2021-08-04 | 2021-09-03 | 北京赛目科技有限公司 | 无人驾驶仿真系统与被测无人驾驶软件交互的方法及装置 |
| CN113706682A (zh) * | 2021-08-18 | 2021-11-26 | 北京赛目科技有限公司 | 一种无人驾驶仿真系统对道路进行三维渲染的方法及装置 |
| CN113947893A (zh) * | 2021-09-03 | 2022-01-18 | 网络通信与安全紫金山实验室 | 一种自动驾驶车辆行车场景还原方法及系统 |
| CN114580355A (zh) * | 2022-02-08 | 2022-06-03 | 武汉光庭信息技术股份有限公司 | 一种仿真数据转换方法、系统、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110009765A (zh) * | 2019-04-15 | 2019-07-12 | 合肥工业大学 | 一种自动驾驶车辆场景数据系统及场景格式转化方法 |
| CN111123920A (zh) * | 2019-12-10 | 2020-05-08 | 武汉光庭信息技术股份有限公司 | 一种自动驾驶仿真测试场景生成方法和装置 |
| CN111579251A (zh) * | 2020-04-16 | 2020-08-25 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测试场景的确定方法、装置、设备及存储介质 |
| CN112287566A (zh) * | 2020-11-24 | 2021-01-29 | 北京亮道智能汽车技术有限公司 | 一种自动化驾驶场景库生成方法、系统及电子设备 |
-
2021
- 2021-07-01 CN CN202110740017.0A patent/CN113191030A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110009765A (zh) * | 2019-04-15 | 2019-07-12 | 合肥工业大学 | 一种自动驾驶车辆场景数据系统及场景格式转化方法 |
| CN111123920A (zh) * | 2019-12-10 | 2020-05-08 | 武汉光庭信息技术股份有限公司 | 一种自动驾驶仿真测试场景生成方法和装置 |
| CN111579251A (zh) * | 2020-04-16 | 2020-08-25 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测试场景的确定方法、装置、设备及存储介质 |
| CN112287566A (zh) * | 2020-11-24 | 2021-01-29 | 北京亮道智能汽车技术有限公司 | 一种自动化驾驶场景库生成方法、系统及电子设备 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113342701A (zh) * | 2021-08-04 | 2021-09-03 | 北京赛目科技有限公司 | 无人驾驶仿真系统与被测无人驾驶软件交互的方法及装置 |
| CN113706682A (zh) * | 2021-08-18 | 2021-11-26 | 北京赛目科技有限公司 | 一种无人驾驶仿真系统对道路进行三维渲染的方法及装置 |
| CN113706682B (zh) * | 2021-08-18 | 2022-05-17 | 北京赛目科技有限公司 | 一种无人驾驶仿真系统对道路进行三维渲染的方法及装置 |
| CN113947893A (zh) * | 2021-09-03 | 2022-01-18 | 网络通信与安全紫金山实验室 | 一种自动驾驶车辆行车场景还原方法及系统 |
| CN114580355A (zh) * | 2022-02-08 | 2022-06-03 | 武汉光庭信息技术股份有限公司 | 一种仿真数据转换方法、系统、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191030A (zh) | 一种自动驾驶测试场景构建方法及装置 | |
| CN109583415B (zh) | 一种基于激光雷达与摄像机融合的交通灯检测与识别方法 | |
| US11248925B2 (en) | Augmented road line detection and display system | |
| Khan et al. | Unmanned aerial vehicle–based traffic analysis: Methodological framework for automated multivehicle trajectory extraction | |
| CN113342701A (zh) | 无人驾驶仿真系统与被测无人驾驶软件交互的方法及装置 | |
| CN102208013A (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
| CN111351502B (zh) | 用于从透视图生成环境的俯视图的方法，装置和计算机程序产品 | |
| JP6950832B2 (ja) | 位置座標推定装置、位置座標推定方法およびプログラム | |
| WO2021195955A1 (zh) | 检测车辆行驶场景的复杂度的方法和装置 | |
| KR102308456B1 (ko) | 라이다 및 카메라 수집정보 기반 수종탐지 시스템 및 이를 이용한 수종탐지방법, 수종탐지방법을 수행하는 프로그램이 수록된 기록매체 | |
| CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
| CN113252022A (zh) | 一种地图数据处理方法及装置 | |
| 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 | |
| CN117612127B (zh) | 场景生成方法、装置和存储介质及电子设备 | |
| CN113255553B (zh) | 一种基于振动信息监督的可持续学习方法 | |
| CN112446915A (zh) | 一种基于图像组的建图方法及装置 | |
| CN103605960A (zh) | 一种基于不同焦距视频图像融合的交通状态识别方法 | |
| CN113807282A (zh) | 一种数据处理方法、设备以及可读存储介质 | |
| CN117452946A (zh) | 一种基于数字孪生的智能汽车远程驾驶方法及系统 | |
| CN112712098B (zh) | 图像数据处理方法及装置 | |
| CN112651991B (zh) | 视觉定位方法、装置及计算机系统 | |
| CN115379408B (zh) | 基于场景感知的v2x多传感器融合方法及装置 | |
| CN110956875A (zh) | 一种基于环境感知的驾驶技能考试评判设备、系统及方法 | |
| CN111077893B (zh) | 一种基于多灭点的导航方法、电子设备和存储介质 | |
| CN112530270B (zh) | 一种基于区域分配的建图方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |