CN113495562A - 仿真路径生成方法、装置、设备以及计算机存储介质 - Google Patents
仿真路径生成方法、装置、设备以及计算机存储介质 Download PDFInfo
- Publication number
- CN113495562A CN113495562A CN202110633928.3A CN202110633928A CN113495562A CN 113495562 A CN113495562 A CN 113495562A CN 202110633928 A CN202110633928 A CN 202110633928A CN 113495562 A CN113495562 A CN 113495562A
- Authority
- CN
- China
- Prior art keywords
- target
- road
- noise
- initial
- bezier curve
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000009826 distribution Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 15
- 238000012549 training Methods 0.000 description 11
- 238000013178 mathematical model Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
Abstract
本发明实施例涉及自动驾驶技术领域,公开了一种仿真路径生成方法、装置、设备以及计算机存储介质,该方法包括:获取目标道路的道路参数;根据道路参数确定目标道路对应的目标贝塞尔曲线;对目标贝塞尔曲线进行噪声添加处理,得到目标道路对应的目标仿真路径。通过上述方式,本发明实施例提高了仿真路径的仿真效果。
Description
技术领域
本发明实施例涉及自动驾驶技术领域,具体涉及一种仿真路径生成方法、装置、设备以及计算机存储介质。
背景技术
目前在自动驾驶领域中,在训练驾驶控制器时需要大量的各种类型的道路对应的仿真路径数据,而现有技术中仿真路径数据的获取一般通过是人工到各种道路现场采集车道线信息后进行图像处理,或者参照理想的数学模型拟合生成道路对应的曲线。
发明人在实施现有技术中的过程中发现:人工采集道路数据的效率较低,而参照理想数学模型生成的仿真路径的仿真效果不佳。因此需要一种效率更高并且仿真效果更好的仿真路径生成方法。
发明内容
鉴于上述问题,本发明实施例提供了一种仿真路径生成方法、装置、设备以及计算机存储介质,用于解决现有技术中存在的仿真路径生成的仿真效果不佳的问题。
根据本发明实施例的一个方面,提供了一种仿真路径生成方法,所述方法包括:
获取目标道路的道路参数;
根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线;
对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数包括道路曲率半径;所述方法还包括:
根据所述道路曲率半径确定多个控制点;
根据所述控制点生成初始贝塞尔曲线;
对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,所述方法还包括:
确定所述道路曲率半径的变化率;
根据所述变化率确定所述控制点的个数;
根据所述道路曲率半径和所述控制点的个数确定各个所述控制点的坐标。
在一种可选的方式中,所述道路参数还包括道路长度;所述方法还包括:
根据所述道路长度确定离散系数;
根据所述离散系数对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,所述方法还包括:
获取采集噪声数据;
根据所述采集噪声数据确定初始噪声化参数;
根据所述初始噪声化参数和所述道路参数对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数还包括道路宽度;所述方法还包括:
根据所述初始噪声化参数和所述道路宽度确定目标噪声方差和目标噪声均值;
根据所述目标噪声方差和所述目标噪声均值对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标仿真路径。
在一种可选的方式中,所述初始噪声化参数包括采集精度和初始噪声分布数据;所述方法还包括:
根据所述初始噪声分布数据确定初始噪声方差和初始噪声均值;
根据所述道路宽度和所述采集精度对所述初始噪声方差和初始噪声均值分别进行归一化处理,得到所述目标噪声方差和所述目标噪声均值。
根据本发明实施例的另一方面,提供了一种仿真路径生成装置,包括:
获取模块,用于获取目标道路的道路参数;
确定模块,用于根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线;
处理模块,用于对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
根据本发明实施例的另一方面,提供了一种仿真路径生成设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如所述仿真路径生成方法的操作。
根据本发明实施例的又一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使仿真路径生成设备执行如所述仿真路径生成方法的操作。
本发明实施例中首先通过获取目标道路的道路参数;然后根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线,从而得到仿真路径生成的基础,最后对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径,以使得目标仿真路径与真实车辆行驶环境中的道路路径更加接近,提高了基于目标仿真路径进行自动驾驶车辆控制器训练的准确性,由此本发明能够克服现有技术中所采取的基于理想的数学模型生成仿真路径所导致的仿真效果较差的技术缺陷以及人工实地获取道路数据进行路径生成的效率较低的技术缺陷,提高了仿真路径的仿真效果和生成效率。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的仿真路径生成方法的流程示意图;
图2示出了本发明实施例提供的仿真路径生成装置的结构示意图;
图3示出了本发明实施例提供的仿真路径生成设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
在进行具体的本发明实施例的仿真路径生成方法的说明之前,先对相关名词进行解释:
贝塞尔曲线:应用于二维图形应用程序的数学曲线,贝塞尔曲线经过两个端点,并与特征多边形的第一条边和最后一条边相切。一个n次贝塞尔曲线可以用n+1个控制点来表示,n阶贝塞尔方程可以表示为:
其中,p0、p1以及p2为控制点的坐标,p(u)表示由上述控制点拟合出的曲线的表达式。
高斯噪声:即概率密度函数服从高斯分布的噪声,是数字图像中一种常见的噪声。其表达式为:
其中,μ是高斯噪声的噪声均值,σ2是高斯噪声的噪声方差。在任何通信系统中,高斯噪声都是存在的,它作为加性噪声叠加到接收信号上。即区别于乘性噪声,高斯噪声与是否接收到信号无关,其随着通信设备的开启而始终存在。
车道保持:即使得车辆一直保持在某个车道内行驶,在辅助驾驶以及自动驾驶领域中,车道保持的实现过程一般为:通过传感设备如摄像头来识别当前道路的车道边界线,在检测到车辆所在的车道边界线后,即进行车道线跟踪,在检测到车辆偏离了车道方向时,通过预设的控制程序进行控制,使得车辆一直在车道线内行驶。
图1示出了本发明实施例提供的仿真路径生成方法的流程图,该方法由计算机处理设备执行。该计算机处理设备可以包括手机、笔记本电脑等。如图1所示,该方法包括以下步骤:
步骤101:获取目标道路的道路参数。
在本发明的一个实施例中,目标道路是待生成目标仿真路径的道路,道路参数可以包括目标道路的道路名称、道路长度、道路宽度以及道路曲率半径等。
其中,道路曲率半径可以是目标道路中每单位长度的子路段对应的曲率半径;每单位长度可以是10m;道路长度、道路宽度以及道路曲率半径可以根据道路名称在预设的道路信息平台中进行查询,道路信息平台可以是如中国公路信息网等。
在本发明的再一个实施例中,还可以获取目标道路的道路坐标,根据道路坐标进行计算得到上述道路参数。
步骤102:根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线。
在本发明的一个实施例中,根据道路参数确定出控制点信息;控制点信息包括目标数目个控制点分别对应的坐标。然后将控制坐标带入对应阶数的贝塞尔曲线方程进行求解,得到目标贝塞尔曲线。
其中,目标数目可以是预设的,如贝塞尔曲线拟合道路路径中常用的2阶或3阶,也可以是根据道路参数进行分析得到的,从而使得生成的贝塞尔曲线更加贴近真实的目标道路的形状。各个控制点的坐标可以根据道路参数中的道路曲率半径确定。
在本发明的一个实施例中,生成的目标贝塞尔曲线可以用于在计算机中拟合目标道路对应的路径数据,从而可以将该路径数据用于自动驾驶的控制器的训练等用途,训练完成的控制器可以在真实的道路环境中实现车道保持,从而实现辅助驾驶或自动驾驶。
在本发明的再一个实施例中,步骤102还至少包括:
步骤1021:根据所述道路曲率半径确定多个控制点。
在本发明的一个实施例中,按照预设的横纵坐标比例,如使用固定横坐标间距,纵坐标采用预设区间(如[-20,20])随机生成数据,确定两个控制点分别作为起点和终点。然后在起点与终点之间,确定其他控制点,根据各个控制点的连线生成特征多边形,确定该特征多边形的内切曲线,以使得该内切曲线的曲率半径为所述道路曲率半径。
在本发明的再一个实施例中,为了实现更好的仿真路径拟合效果,可以根据道路形状来确定所需要的控制点个数,如当道路形状是较为标准的圆弧型时,较少数量的控制点即可对圆弧型路段进行拟合,而当道路形状是变化较曲折的S弯型时,需要更多的控制点才能较好地完成道路路径的仿真。
而道路形状可以用道路曲率半径来表征,因此,在本发明的再一个实施例中,步骤1021还至少包括:
步骤211:确定所述道路曲率半径的变化率。
在本发明的一个实施例中,可以将目标道路中包括的各个子路段对应的曲率半径与相邻子路段对应的曲率半径进行比较,得到目标道路对应的道路曲率半径变化曲线,根据该曲率半径变化曲线确定变化率。
其中,子路段的划分可以是如步骤101中的根据预设的单位长度进行划分,也可以是根据道路曲率半径大于预设的曲率半径阈值的各个路段,将目标路段划分为多个子路段。
步骤212:根据所述变化率确定所述控制点的个数。
在本发明的一个实施例中,将变化率与预设的变化率阈值进行比较,当变化率小于变化率阈值时,将控制点个数确定为第一数目,当变化率大于变化率阈值时,将控制点个数确定为第二数目。其中,第一数目可以是3个,第二数目可以是4-6个。预设的变化率阈值可以设置得较小,如为0.1,从而将S弯型道路与圆弧型道路区分开来。
步骤213:根据所述道路曲率半径和所述控制点的个数确定各个所述控制点的坐标。
在本发明的一个实施例中,确定两个控制点分别作为起点和终点。然后在起点与终点之间,确定其他控制点,根据各个控制点的连线生成特征多边形,确定该特征多边形的内切曲线,以使得该内切曲线的曲率半径为所述道路曲率半径,从而确定出各个控制点的坐标。
步骤1022:根据所述控制点生成初始贝塞尔曲线。
在本发明的一个实施例中,可以使用固定横坐标间距,纵坐标采用预设区间(如[-20,20])随机生成数据,根据目标阶数的贝塞尔曲线生成方程对控制点系数进行求解,得到初始贝塞尔曲线。其中,目标阶数为控制点数量减一。
在本发明的一个实施例中,可以针对步骤101中划分的每一个单位长度的子路段生成对应的子初始贝塞尔曲线,然后按照各个路段的位置关系将各个子初始贝塞尔曲线进行依次拼接,得到目标道路对应的初始贝塞尔曲线。
步骤1023:对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
对初始贝塞尔曲线进行离散化处理,使得各个初始贝塞尔曲线中的各个轨迹点以一定步长进行等比扩散,得到与目标道路的道路长度所匹配的目标贝塞尔曲线。
在本发明的再一个实施例中,所述道路参数还包括道路长度;步骤1023还至少包括:
步骤231:根据所述道路长度确定离散系数。
在本发明的一个实施例中,前述贝塞尔方程表达式中的u即离散系数,离散系数反映了从根据控制点生成的初始贝塞尔曲线到投入使用的目标贝塞尔曲线之间的拉伸比例,可以根据道路长度进行预设的长度区间的匹配,根据匹配到的长度区间对应的预设的离散系数。道路长度越大,离散系数也越大,在本发明的再一个实施例中,u可以取0.01。
步骤232:根据所述离散系数对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在本发明的再一个实施例中,还可以按照一定的步长,以X轴坐标或Y轴坐标为基础对初始贝塞尔曲线中的各个轨迹点进行离散化处理。
步骤103:对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在实际的自动驾驶以及辅助驾驶中,控制器在进行车道保持时所依据的是传感器采集到的道路环境数据。而由于传感器本身的物理结构,道路环境数据中会包含一定的采集噪声数据,而该采集噪声数据一般是呈现高斯分布的。
因此,在本发明的一个实施例中,为了提高仿真路径的仿真效果,使得机器生成的仿真路径与根据实地道路采集数据生成的道路路径的拟合效果近似,可以生成道路数据采集环境中的高斯噪声数据,将该高斯噪声数据添加到目标贝塞尔曲线中,得到目标仿真路径。
因此,在本发明的再一个实施例中,步骤103还至少包括:
步骤1031:获取采集噪声数据。
在本发明的一个实施例中,采集噪声数据包括道路数据采集过程中存在的环境噪声数据以及设备噪声数据,本发明实施例主要根据设备噪声数据进行噪声添加处理。其中,道路数据采集过程包括人工或机器到道路现场,通过摄像机等传感设备实地对道路数据进行采集,采集的道路数据一般包括道路的图像数据、视频数据等。
步骤1032:根据所述采集噪声数据确定初始噪声化参数。
在本发明的一个实施例中,初始噪声化参数包括采集精度和初始噪声分布数据;初始化噪声参数用于表征真实的道路数据采集环境中的噪声均值水平和分布特征,从而根据该噪声分布特征可以在实验室中模拟出真实采集的道路数据。采集精度指的是采集道路数据的设备的设备精度。
步骤1033:根据所述初始噪声化参数和所述道路参数对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在本发明的一个实施例中,根据道路参数对初始噪声化参数进行归一化处理,根据归一化处理得到的噪声化参数生成噪声数据。将噪声数据添加到目标贝塞尔曲线上,得到目标仿真路径。
考虑到设备精度一般不受具体的道路环境影响,因此道路越窄,设备精度对其车道线检测的准确度的影响越大,而随着道路宽度的增大,设备误差对于车道拟合的影响程度会相对减小,因此需要根据采集精度以及道路宽度来确定目标噪声化参数,然后根据目标噪声化参数生成噪声数据,使得噪声数据更加符合当前道路宽度上实际的噪声对道路采集数据的准确度的影响水平。
在本发明的再一个实施例中,所述道路参数还包括道路宽度;步骤1033还至少包括:
步骤331:根据所述初始噪声化参数和所述道路宽度确定目标噪声方差和目标噪声均值。
在本发明的一个实施例中,所述初始噪声化参数包括采集精度和初始噪声分布数据;其中,采集精度指的是在道路现场采集道路数据时所使用的传感设备的设备精度。初始噪声分布数据指的是采集设备自身的噪声分布数据,噪声分布数据中包括初始噪声均值、初始噪声方差等。
举例说明,当传感设备为摄影机时,其设备精度一般为20cm-50cm,初始噪声均值可以为0.1,初始噪声方差可以为0.2。
步骤331还至少包括:步骤3311:根据所述初始噪声分布数据确定初始噪声方差和初始噪声均值。
在本发明的一个实施例中,初始噪声分布数据指的是摄像机等传感设备在采集道路数据时所存在的设备噪声分布数据。
步骤3312:根据所述道路宽度和所述采集精度对所述初始噪声方差和初始噪声均值分别进行归一化处理,得到所述目标噪声方差和所述目标噪声均值。
在本发明的一个实施例中,将道路宽度与设备精度的比值确定为归一化因子,根据归一化因子对初始噪声方差和初始噪声均值归一化处理。
举例说明,若初始噪声方差为0.2,初始噪声均值为0.1,道路宽度为5m,设备精度为20cm,则归一化因子为20cm/5m=0.04;
从而归一化得到的目标噪声方差为0.2*0.04=0.008,目标噪声均值0.1*0.04=0.004。
步骤332:根据所述目标噪声方差和所述目标噪声均值对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标仿真路径。
在本发明的一个实施例中,分别以目标贝塞尔曲线中的每一个轨迹点的坐标为基础,将根据目标噪声方差和目标噪声均值生成的目标噪声添加到该轨迹点上,将噪声添加后的各个点的坐标按照目标贝塞尔曲线中的次序依次组合得到所述目标仿真路径。
在本发明的再一个实施例中,根据目标噪声方差和目标噪声均值生成的目标噪声的过程可以通过Simulink中的Gaussian noise generator来完成。其中,Simulink是Matlab中的一种可视化仿真工具,Gaussian noise generator即高斯噪声发生器,是Simulink中的提供一个功能模块,用于生成高斯噪声数据。
在本发明的再一个实施例中,将多个不同的目标组成路径样本集;根据该路径样本集对自动驾驶的控制器进行训练,从而实现真实数据训练的效率。提高准确率并且节省人工现场采用训练数据的成本。
在本发明的再一个实施例中,可以将前述步骤中的仿真路径生成方法进行打包和封装,提供一个调用接口,使得仿真路径生成可以作为一项基础的IT设施得到更广泛和便捷的应用,从而进一步提高自动驾驶以及辅助驾驶领域中的驾驶控制器的训练效率。
在本发明的再一个实施例中,可以封装到pipeline工具等开源引擎中。Pipeline是基于Jenkins的流水线式工作的自动化工具,支持分布式部署以及持续集成等,其中,Jenkins是一个支持多种自动化模式的自动化引擎。
本发明实施例提供的仿真路径生成方法首先通过获取目标道路的道路参数;然后根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线,从而得到仿真路径生成的基础,最后对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径,以使得目标仿真路径与真实车辆行驶环境中的道路路径更加接近,提高了基于目标仿真路径进行自动驾驶车辆控制器训练的准确性。
由此本发明实施例提供的仿真路径生成方法能够克服现有技术中所采取的基于理想的数学模型生成仿真路径所导致的仿真效果较差的技术缺陷以及人工实地获取道路数据进行路径生成的效率较低的技术缺陷,提高了仿真路径的仿真效果和生成效率。
图2示出了本发明实施例提供的仿真路径生成装置的结构示意图。如图2所示,该装置200包括:获取模块201、确定模块202和处理模块203。
在一种可选的方式中,获取模块201,用于获取目标道路的道路参数;
确定模块202,用于根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线;
处理模块203,用于对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数包括道路曲率半径;确定模块202还用于:
根据所述道路曲率半径确定多个控制点;
根据所述控制点生成初始贝塞尔曲线;
对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,确定模块202还用于:
确定所述道路曲率半径的变化率;
根据所述变化率确定所述控制点的个数;
根据所述道路曲率半径和所述控制点的个数确定各个所述控制点的坐标。
在一种可选的方式中,所述道路参数还包括道路长度;确定模块202还用于:
根据所述道路长度确定离散系数;
根据所述离散系数对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,处理模块203还用于:
获取采集噪声数据;
根据所述采集噪声数据确定初始噪声化参数;
根据所述初始噪声化参数和所述道路参数对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数还包括道路宽度;处理模块203还用于:
根据所述初始噪声化参数和所述道路宽度确定目标噪声方差和目标噪声均值;
根据所述目标噪声方差和所述目标噪声均值对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标仿真路径。
在一种可选的方式中,所述初始噪声化参数包括采集精度和初始噪声分布数据;处理模块203还用于:
根据所述初始噪声分布数据确定初始噪声方差和初始噪声均值;
根据所述道路宽度和所述采集精度对所述初始噪声方差和初始噪声均值分别进行归一化处理,得到所述目标噪声方差和所述目标噪声均值。
本发明实施例提供的仿真路径生成装置首先通过获取目标道路的道路参数;然后根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线,从而得到仿真路径生成的基础,最后对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径,以使得目标仿真路径与真实车辆行驶环境中的道路路径更加接近,提高了基于目标仿真路径进行自动驾驶车辆控制器训练的准确性。
由此本发明实施例提供的仿真路径生成装置能够克服现有技术中所采取的基于理想的数学模型生成仿真路径所导致的仿真效果较差的技术缺陷以及人工实地获取道路数据进行路径生成的效率较低的技术缺陷,提高了仿真路径的仿真效果和生成效率。
图3示出了本发明实施例提供的仿真路线生成设备的结构示意图,本发明具体实施例并不对仿真路线生成设备的具体实现做限定。
如图3所示,该仿真路线生成设备可以包括:处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。
其中:处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304,用于与其它设备比如客户端或其它服务器等的网元通信。处理器302,用于执行程序310,具体可以执行上述用于仿真路线生成方法实施例中的相关步骤。
具体地,程序310可以包括程序代码,该程序代码包括计算机可执行指令。
处理器302可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。仿真路线生成设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器306,用于存放程序310。存储器306可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序310具体可以被处理器302调用使仿真路线生成设备执行以下操作:
获取目标道路的道路参数;
根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线;
对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数包括道路曲率半径;所述程序310被处理器302调用使仿真路线生成设备执行以下操作:
根据所述道路曲率半径确定多个控制点;
根据所述控制点生成初始贝塞尔曲线;
对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,所述程序310被处理器302调用使仿真路线生成设备执行以下操作:
确定所述道路曲率半径的变化率;
根据所述变化率确定所述控制点的个数;
根据所述道路曲率半径和所述控制点的个数确定各个所述控制点的坐标。
在一种可选的方式中,所述道路参数还包括道路长度;所述程序310被处理器302调用使仿真路线生成设备执行以下操作:
根据所述道路长度确定离散系数;
根据所述离散系数对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,所述程序310被处理器302调用使仿真路线生成设备执行以下操作:
获取采集噪声数据;
根据所述采集噪声数据确定初始噪声化参数;
根据所述初始噪声化参数和所述道路参数对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数还包括道路宽度;所述程序310被处理器302调用使仿真路线生成设备执行以下操作:
根据所述初始噪声化参数和所述道路宽度确定目标噪声方差和目标噪声均值;
根据所述目标噪声方差和所述目标噪声均值对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标仿真路径。
在一种可选的方式中,所述初始噪声化参数包括采集精度和初始噪声分布数据;所述程序310被处理器302调用使仿真路线生成设备执行以下操作:
根据所述初始噪声分布数据确定初始噪声方差和初始噪声均值;
根据所述道路宽度和所述采集精度对所述初始噪声方差和初始噪声均值分别进行归一化处理,得到所述目标噪声方差和所述目标噪声均值。
本发明实施例提供的仿真路径生成设备首先通过获取目标道路的道路参数;然后根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线,从而得到仿真路径生成的基础,最后对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径,以使得目标仿真路径与真实车辆行驶环境中的道路路径更加接近,提高了基于目标仿真路径进行自动驾驶车辆控制器训练的准确性。
由此本发明实施例提供的仿真路径生成设备能够克服现有技术中所采取的基于理想的数学模型生成仿真路径所导致的仿真效果较差的技术缺陷以及人工实地获取道路数据进行路径生成的效率较低的技术缺陷,提高了仿真路径的仿真效果和生成效率。
本发明实施例提供了一种计算机可读存储介质,所述存储介质存储有至少一可执行指令,该可执行指令在仿真路线生成设备上运行时,使得所述仿真路线生成设备执行上述任意方法实施例中的仿真路线生成方法。
可执行指令具体可以用于使得仿真路线生成设备执行以下操作:
获取目标道路的道路参数;
根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线;
对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数包括道路曲率半径;所述可执行指令使所述仿真路线生成设备执行以下操作:
根据所述道路曲率半径确定多个控制点;
根据所述控制点生成初始贝塞尔曲线;
对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,所述可执行指令使所述仿真路线生成设备执行以下操作:
确定所述道路曲率半径的变化率;
根据所述变化率确定所述控制点的个数;
根据所述道路曲率半径和所述控制点的个数确定各个所述控制点的坐标。
在一种可选的方式中,所述道路参数还包括道路长度;所述可执行指令使所述仿真路线生成设备执行以下操作:
根据所述道路长度确定离散系数;
根据所述离散系数对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
在一种可选的方式中,所述可执行指令使所述仿真路线生成设备执行以下操作:
获取采集噪声数据;
根据所述采集噪声数据确定初始噪声化参数;
根据所述初始噪声化参数和所述道路参数对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
在一种可选的方式中,所述道路参数还包括道路宽度;所述可执行指令使所述仿真路线生成设备执行以下操作:
根据所述初始噪声化参数和所述道路宽度确定目标噪声方差和目标噪声均值;
根据所述目标噪声方差和所述目标噪声均值对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标仿真路径。
在一种可选的方式中,所述初始噪声化参数包括采集精度和初始噪声分布数据;所述可执行指令使所述仿真路线生成设备执行以下操作:
根据所述初始噪声分布数据确定初始噪声方差和初始噪声均值;
根据所述道路宽度和所述采集精度对所述初始噪声方差和初始噪声均值分别进行归一化处理,得到所述目标噪声方差和所述目标噪声均值。
本发明实施例提供的计算机存储介质首先通过获取目标道路的道路参数;然后根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线,从而得到仿真路径生成的基础,最后对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径,以使得目标仿真路径与真实车辆行驶环境中的道路路径更加接近,提高了基于目标仿真路径进行自动驾驶车辆控制器训练的准确性。
由此本发明实施例提供的计算机存储介质能够克服现有技术中所采取的基于理想的数学模型生成仿真路径所导致的仿真效果较差的技术缺陷以及人工实地获取道路数据进行路径生成的效率较低的技术缺陷,提高了仿真路径的仿真效果和生成效率。
本发明实施例提供一种仿真路线生成装置,用于执行上述仿真路线生成方法。
本发明实施例提供了一种计算机程序,所述计算机程序可被处理器调用使仿真路线生成设备执行上述任意方法实施例中的仿真路线生成方法。
本发明实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令在计算机上运行时,使得所述计算机执行上述任意方法实施例中的仿真路线生成方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种仿真路径生成方法,其特征在于,所述方法包括:
获取目标道路的道路参数;
根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线;
对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
2.根据权利要求1所述的方法,其特征在于,所述道路参数包括道路曲率半径;所述根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线,进一步包括:
根据所述道路曲率半径确定多个控制点;
根据所述控制点生成初始贝塞尔曲线;
对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
3.根据权利要求2所述的方法,其特征在于,所述根据所述道路曲率半径确定多个控制点,进一步包括:
确定所述道路曲率半径的变化率;
根据所述变化率确定所述控制点的个数;
根据所述道路曲率半径和所述控制点的个数确定各个所述控制点的坐标。
4.根据权利要求2所述的方法,其特征在于,所述道路参数还包括道路长度;所述对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线,进一步包括:
根据所述道路长度确定离散系数;
根据所述离散系数对所述初始贝塞尔曲线进行离散化处理,得到所述目标贝塞尔曲线。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径,进一步包括:
获取采集噪声数据;
根据所述采集噪声数据确定初始噪声化参数;
根据所述初始噪声化参数和所述道路参数对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
6.根据权利要求5所述的方法,其特征在于,所述道路参数还包括道路宽度;所述根据所述初始噪声化参数和所述道路参数对所述对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径,进一步包括:
根据所述初始噪声化参数和所述道路宽度确定目标噪声方差和目标噪声均值;
根据所述目标噪声方差和所述目标噪声均值对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标仿真路径。
7.根据权利要求6所述的方法,其特征在于,所述初始噪声化参数包括采集精度和初始噪声分布数据;所述根据所述初始噪声化参数和所述道路宽度确定目标噪声方差和目标噪声均值,进一步包括:
根据所述初始噪声分布数据确定初始噪声方差和初始噪声均值;
根据所述道路宽度和所述采集精度对所述初始噪声方差和初始噪声均值分别进行归一化处理,得到所述目标噪声方差和所述目标噪声均值。
8.一种仿真路径生成装置,其特征在于,所述装置包括:
获取模块,用于获取目标道路的道路参数;
确定模块,用于根据所述道路参数确定所述目标道路对应的目标贝塞尔曲线;
处理模块,用于对所述目标贝塞尔曲线进行噪声添加处理,得到所述目标道路对应的目标仿真路径。
9.一种仿真路径生成设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的仿真路径生成方法的操作。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在仿真路径生成设备上运行时,使得仿真路径生成设备执行如权利要求1-7任意一项所述的仿真路径生成方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110633928.3A CN113495562B (zh) | 2021-06-07 | 2021-06-07 | 仿真路径生成方法、装置、设备以及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110633928.3A CN113495562B (zh) | 2021-06-07 | 2021-06-07 | 仿真路径生成方法、装置、设备以及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113495562A true CN113495562A (zh) | 2021-10-12 |
CN113495562B CN113495562B (zh) | 2024-03-29 |
Family
ID=77997729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110633928.3A Active CN113495562B (zh) | 2021-06-07 | 2021-06-07 | 仿真路径生成方法、装置、设备以及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113495562B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220035972A1 (en) * | 2020-07-28 | 2022-02-03 | Verizon Patent And Licensing Inc. | Systems and methods for denoising gps signals using simulated models |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060105416A (ko) * | 2005-04-01 | 2006-10-11 | 사우스이스트 유니버시티 | 다중안테나 시스템의 소프트 복조 및 소프트 변조 방법 |
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
CN109062080A (zh) * | 2018-11-01 | 2018-12-21 | 浙江明度智控科技有限公司 | 一种基于agv的仿真控制方法和系统 |
CN109154821A (zh) * | 2017-11-30 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 轨迹生成方法、装置和无人驾驶地面车辆 |
CN110516880A (zh) * | 2019-08-29 | 2019-11-29 | 广州小鹏汽车科技有限公司 | 一种路径处理方法及系统、车辆 |
CN111189453A (zh) * | 2020-01-07 | 2020-05-22 | 深圳南方德尔汽车电子有限公司 | 基于Bezier全局路径规划方法、装置、计算机设备及存储介质 |
CN111221334A (zh) * | 2020-01-17 | 2020-06-02 | 清华大学 | 一种用于自动驾驶汽车仿真的环境传感器模拟方法 |
CN112363413A (zh) * | 2020-12-31 | 2021-02-12 | 奥特酷智能科技(南京)有限公司 | 一种生成仿真车自动行驶路径的方法 |
CN112435573A (zh) * | 2020-11-24 | 2021-03-02 | 北京赛目科技有限公司 | 一种用于自动驾驶仿真测试的地图绘制方法及装置 |
CN112465925A (zh) * | 2020-11-20 | 2021-03-09 | 北京赛目科技有限公司 | 一种用于仿真测试的车道线的处理方法及装置 |
WO2021073455A1 (zh) * | 2019-10-18 | 2021-04-22 | 上海商汤临港智能科技有限公司 | 路径生成方法及装置、电子设备和存储介质 |
-
2021
- 2021-06-07 CN CN202110633928.3A patent/CN113495562B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060105416A (ko) * | 2005-04-01 | 2006-10-11 | 사우스이스트 유니버시티 | 다중안테나 시스템의 소프트 복조 및 소프트 변조 방법 |
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
CN109154821A (zh) * | 2017-11-30 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 轨迹生成方法、装置和无人驾驶地面车辆 |
CN109062080A (zh) * | 2018-11-01 | 2018-12-21 | 浙江明度智控科技有限公司 | 一种基于agv的仿真控制方法和系统 |
CN110516880A (zh) * | 2019-08-29 | 2019-11-29 | 广州小鹏汽车科技有限公司 | 一种路径处理方法及系统、车辆 |
WO2021073455A1 (zh) * | 2019-10-18 | 2021-04-22 | 上海商汤临港智能科技有限公司 | 路径生成方法及装置、电子设备和存储介质 |
CN111189453A (zh) * | 2020-01-07 | 2020-05-22 | 深圳南方德尔汽车电子有限公司 | 基于Bezier全局路径规划方法、装置、计算机设备及存储介质 |
CN111221334A (zh) * | 2020-01-17 | 2020-06-02 | 清华大学 | 一种用于自动驾驶汽车仿真的环境传感器模拟方法 |
CN112465925A (zh) * | 2020-11-20 | 2021-03-09 | 北京赛目科技有限公司 | 一种用于仿真测试的车道线的处理方法及装置 |
CN112435573A (zh) * | 2020-11-24 | 2021-03-02 | 北京赛目科技有限公司 | 一种用于自动驾驶仿真测试的地图绘制方法及装置 |
CN112363413A (zh) * | 2020-12-31 | 2021-02-12 | 奥特酷智能科技(南京)有限公司 | 一种生成仿真车自动行驶路径的方法 |
Non-Patent Citations (3)
Title |
---|
付梦印; 等: ""自主车仿真系统中场景建模与视觉仿真实现"", 《计算机仿真》, vol. 24, no. 12 * |
谢鑫: ""基于线段提取的车道识别方法研究"", 《东北石油大学》 * |
陈成; 等: ""基于四阶贝塞尔曲线的无人车可行轨迹规划"", 《自动化学报》, vol. 3, no. 41 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220035972A1 (en) * | 2020-07-28 | 2022-02-03 | Verizon Patent And Licensing Inc. | Systems and methods for denoising gps signals using simulated models |
Also Published As
Publication number | Publication date |
---|---|
CN113495562B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875766B (zh) | 图像处理的方法、装置、系统及计算机存储介质 | |
US9443297B2 (en) | System and method for selective determination of point clouds | |
JP7073247B2 (ja) | 車線境界線検出モデルを生成するための方法、車線境界線を検出するための方法、車線境界線検出モデルを生成するための装置、車線境界線を検出するための装置、機器、コンピュータ読み取り可能な記憶媒体およびコンピュータプログラム | |
CN109410218B (zh) | 用于生成车辆损伤信息的方法和装置 | |
EP3321842B1 (en) | Lane line recognition modeling method, apparatus, storage medium, and device, recognition method and apparatus, storage medium, and device | |
CN106767852B (zh) | 一种生成探测目标信息的方法、装置和设备 | |
CN109492656B (zh) | 用于输出信息的方法和装置 | |
CN112085056B (zh) | 目标检测模型生成方法、装置、设备及存储介质 | |
CN111797526B (zh) | 一种仿真测试场景构建方法及装置 | |
CN114514524A (zh) | 多智能体模拟 | |
US20220156483A1 (en) | Efficient three-dimensional object detection from point clouds | |
CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
CN111696072A (zh) | 彩色图像的直线检测方法、装置、电子设备及存储介质 | |
CN113495562B (zh) | 仿真路径生成方法、装置、设备以及计算机存储介质 | |
CN115578326A (zh) | 一种道路病害识别方法、系统、设备及存储介质 | |
CN111428566A (zh) | 一种形变目标跟踪系统及方法 | |
JP4921847B2 (ja) | 対象物の三次元位置推定装置 | |
Rahman et al. | An image based approach to compute object distance | |
CN110827337B (zh) | 确定车载相机的姿态的方法、装置和电子设备 | |
CN112541515A (zh) | 模型训练方法、驾驶数据处理方法、装置、介质和设备 | |
CN108805121B (zh) | 一种车牌检测定位方法、装置、设备及计算机可读介质 | |
CN115542301A (zh) | 激光雷达外部参数的校准方法、装置、设备及存储介质 | |
CN114898332A (zh) | 一种基于自动驾驶的车道线识别方法及系统 | |
Neves et al. | Combination and mutation strategies to support test data generation in the context of autonomous vehicles | |
WO2022187251A1 (en) | Generating scene flow labels from point clouds using object labels |
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 | ||
CB02 | Change of applicant information |
Address after: 518000 401, Building B1, Nanshan Zhiyuan, No. 1001, Xueyuan Avenue, Changyuan Community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Applicant after: Shenzhen Saifang Technology Co.,Ltd. Address before: 518000 room 701, building B1, Nanshan wisdom garden, 1001 Xueyuan Avenue, Changyuan community, Taoyuan Street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Daotong Intelligent Automobile Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |