CN113822892A - 仿真雷达的评测方法、装置、设备及计算机程序产品 - Google Patents

Abstract

本申请实施例公开一种仿真雷达的评测方法、装置、设备及计算机程序产品，可应用于自动驾驶领域；方法包括：获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；确定对仿真雷达进行真实性评测时所需的评测指标，并按照评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析，得到数据分析结果；基于数据分析结果确定评测指标的指标值，并根据评测指标的指标值评测仿真雷达的真实性。本申请实施例可以实现对仿真雷达的真实性进行评测，从而提供客观公正的真实性评测结果。

Description

仿真雷达的评测方法、装置、设备及计算机程序产品

技术领域

本申请涉及互联网技术领域，具体涉及计算机技术领域，尤其涉及一种仿真雷达的评测方法、装置、设备及计算机程序产品。

背景技术

在自动驾驶领域中，考虑到雷达传感器（可简称雷达）能够精确探测对象距离，且抗有源干扰能力强，不受光照影响等特效，常常将雷达与相机、GPS（Global PositioningSystem，全球定位系统）设备组合，并基于传感器融合技术作为感知算法模块的重要输入源。由于交通仿真是自动驾驶技术落地实施前的重要阶段，通过预先进行交通仿真，可使得自动驾驶技术在实际应用时保持较优的性能；因此，为保证交通仿真效果，通常需要对真实的物理雷达进行仿真建模，并将建模得到的仿真雷达接入自动驾驶车辆仿真系统中，以作为感知输入的一个重要设备。经研究表明，目前业界都是着重于如何仿真建模得到仿真雷达，缺少一种评测仿真雷达的性能的方法。

发明内容

本申请实施例提供了一种仿真雷达的评测方法、装置、设备及计算机程序产品，可以实现对仿真雷达的真实性进行评测，从而提供客观公正的真实性评测结果。

一方面，本申请实施例提供了一种仿真雷达的评测方法，所述方法包括：

获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；

获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；

确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；

基于所述数据分析结果确定所述评测指标的指标值，并根据所述评测指标的指标值评测所述仿真雷达的真实性。

另一方面，本申请实施例提供了一种仿真雷达的评测装置，所述装置包括：

获取单元，用于获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；

所述获取单元，还用于获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；

评测单元，用于确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；

所述评测单元，用于基于所述数据分析结果分别计算所述各个评测指标的指标值，并根据所述各个评测指标的指标值评测所述仿真雷达的真实性。

另一种实施方式中，所述评测指标包括：点云总数差异性指标；所述点云总数差异性指标的计算需求包括：采用所述物理点云数据帧的点云总数以及所述仿真点云数据帧的点云总数，进行指标值计算的需求；相应的，评测单元在用于按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果时，可具体用于：

按照所述点云总数差异性指标的计算需求，统计所述物理点云数据帧中的全部点的总数量，得到所述物理点云数据帧的点云总数；以及，统计所述仿真点云数据帧中的全部点的总数量，得到所述仿真点云数据帧的点云总数；其中，数据分析结果包括：所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数。

另一种实施方式中，评测单元在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

对所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数进行差值运算，得到点云总数差值；基于所述点云总数差值和所述物理点云数据帧的点云总数，计算所述点云总数差异性指标的指标值。

另一种实施方式中，所述评测指标包括：单对象点云差异性指标；所述单对象点云差异性指标的计算需求包括：采用单个物理被测对象的点云属性信息以及相应的仿真被测对象的点云属性信息，进行指标值计算的需求；相应的，评测单元在用于按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果时，可具体用于：

按照所述单对象点云差异性指标的计算需求，对所述物理点云数据帧进行分割处理，得到每个物理被测对象的点云数据；以及对所述仿真点云数据帧进行分割处理，得到每个仿真被测对象的点云数据；分别对所述每个物理被测对象的点云数据进行属性识别，得到所述每个物理被测对象的点云属性信息；以及，分别对所述每个仿真被测对象的点云数据进行属性识别，得到所述每个仿真被测对象的点云属性信息；其中，数据分析结果包括：所述每个物理被测对象的点云属性信息以及所述每个仿真被测对象的点云属性信息。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括相应被测对象的点云数；相应的，评测单元在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

对第i个物理被测对象的点云数，和第i个仿真被测对象的点云数进行差值运算，得到差值运算结果，i∈[1，m]；基于所述差值运算结果和所述第i个物理被测对象的点云数，计算所述第i个物理被测对象和所述第i个仿真被测对象之间的点云数差异度；根据计算得到的点云数差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；相应的，评测单元在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

基于第i个物理被测对象对应的各个点的坐标值，和第i个仿真被测对象对应的各个点的坐标值，计算所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点之间的距离值，i∈[1，m]；根据计算得到的距离值，对所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点进行配对处理，得到一个或多个点对；一个点对包括：所述第i个物理被测对象对应的一个点，以及所述第i个仿真被测对象对应的一个点；分别根据每个点对中的两个点的坐标值，计算所述每个点对的坐标差异度；并对各个点对的坐标差异度进行求和或均值运算，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云坐标差异度；根据计算得到的点云坐标差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；相应的，评测单元在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

采用第i个物理被测对象对应的各个点的坐标值，构建所述第i个物理被测对象的点云坐标向量；采用第i个仿真被测对象对应的各个点的坐标值，构建所述第i个仿真被测对象的点云坐标向量，i∈[1，m]；采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度；根据计算得到的点云几何特性差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，评测单元在用于采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度时，可具体用于：

采用余弦相似度算法对构建得到的两个点云坐标向量进行相似度运算，并将运算得到的向量相似度，作为所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性相似度；对所述点云几何特性相似度进行反余弦处理，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度。

另一种实施方式中，评测单元在用于根据所述评测指标的指标值评测所述仿真雷达的真实性时，可具体用于：

根据所述评测指标的指标值，确定所述仿真雷达和所述物理雷达之间的雷达相似度；基于所述雷达相似度评测所述仿真雷达的真实性，得到真实性评测结果。

另一种实施方式中，所述目标物理评测场景属于Q个物理评测场景中的任一个物理评测场景，Q为大于1的整数；其中，不同物理评测场景中的物理被测对象属于不同类别，且一个物理评测场景对应一个仿真评测场景；一个物理评测场景和相应的仿真评测场景，用于确定所述仿真雷达的一个真实性评测结果；评测单元还可用于：在通过所述Q个物理评测场景和Q个仿真评测场景，得到所述仿真雷达的Q个真实性评测结果后，若根据所述Q个真实性评测结果确定所述仿真雷达满足参数调整条件，则对所述仿真雷达的参数进行调整。

再一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括输入接口和输出接口，所述计算机设备还包括：

处理器，适于实现一条或多条指令；以及，

计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如下步骤：

获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；

获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；

确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；

基于所述数据分析结果确定所述评测指标的指标值，并根据所述评测指标的指标值评测所述仿真雷达的真实性。

再一方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行上述所提及的仿真雷达的评测方法。

再一方面，本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序；所述计算机程序被处理器执行时，实现上述所提及的仿真雷达的评测方法。

本申请实施例可获取由被仿真的物理雷达在目标物理评测场景中所扫描得到的物理点云数据帧，以及由仿真雷达在目标仿真评测场景中所扫描得到的仿真点云数据帧。其次，可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析；这样可使得数据分析结果中的任一数据对于后续计算评测指标的指标值均是有用的，保证数据分析结果的准确性，还可避免因盲目地进行数据分析而浪费处理资源，达到节省处理资源的目的。在得到数据分析结果后，便可基于数据分析结果确定评测指标的指标值，从而根据该评测指标的指标值实现对仿真雷达的真实性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进行三维建模得到的，因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景信息之间的一致性，从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采集到的，进而保证后续真实性评测的客观公正性，提供一个客观公正的真实性评测结果。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例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附图。

图1是本申请实施例提供的一种仿真雷达的真实性评测方案的流程示意图；

图2是本申请实施例提供的一种仿真雷达的评测方法的流程示意图；

图3a是本申请实施例提供的一种物理被测对象的第一种摆放示意图；

图3b是本申请实施例提供的一种物理被测对象的第二种摆放示意图；

图3c是本申请实施例提供的一种物理被测对象的第三种摆放示意图；

图3d是本申请实施例提供的一种物理雷达扫描物理被测对象的示意图；

图4是本申请另一实施例提供的一种仿真雷达的评测方法的流程示意图；

图5a是本申请实施例提供的一种通过Q个物理评测场景和Q个仿真评测场景，对仿真雷达进行真实性评测的流程示意图；

图5b是本申请实施例提供的一种对仿真雷达进行参数调整的逻辑示意图；

图6是本申请实施例提供的一种仿真雷达的评测装置的结构示意图；

图7是本申请实施例提供的一种计算机设备的结构示意图。

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。

人工智能（Artificial Intelligence，AI）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。

随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如：自动驾驶、无人驾驶、常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人机、机器人、智能医疗、智能客服、智能视频服务，等等。其中，自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术。自动驾驶测试技术通常可包括交通仿真和实车测试（即控制车辆在实际车道上行驶），且交通仿真作为一种零风险、快速迭代、可复现的测试方法，为自动驾驶技术上路奠定了坚实的基础。所谓的交通仿真又可称为道路交通仿真，其是研究复杂交通问题的重要工具；尤其是当一个系统过于复杂，无法用简单抽象的数学模型描述时，交通仿真的作用就更为突出。交通仿真可以清晰地辅助分析预测交通堵塞的地段和原因，对城市规划、交通工程和交通管理的有关方案进行比较和评价，在问题成为现实以前，尽量避免，或有所准备。总结而言，交通仿真技术是应用仿真硬件和仿真软件通过仿真实验，借助某些数值计算和问题求解，反映系统行为或过程的仿真模型技术。

针对自动驾驶测试技术所涉及的交通仿真，本申请实施例提出了一种仿真雷达的真实性评测方案（或称为仿真雷达的真实性验证方案），以对交通仿真中的仿真雷达进行真实性评测。所谓的仿真雷达是指：通过对物理雷达（即真实存在的雷达）进行仿真建模所得到的雷达，仿真雷达的实质可理解成是一个模型。此处所提及的雷达可以是激光雷达、毫米波雷达或者其他雷达等等；所谓的激光雷达是指可通过发射激光束对环境中的对象进行扫描，从而输出对象的点云数据的雷达，所谓的毫米波雷达则是一种工作在毫米波波段探测的雷达，其主要通过发射电磁波来对环境中的对象进行扫描，从而输出对象的点云数据。其中，点云数据是指通过雷达所获取的、带有空间坐标的多个采样点（后续简称点）所构成的集合。为便于阐述，后续所提及的雷达均以激光雷达为例进行说明；即后续所提及的仿真雷达可以是仿真激光雷达，后续所提及的物理雷达可以是物理激光雷达。

在具体实现中，本申请实施例所提出的仿真雷达的真实性评测方案的大致原理如下：首先，可在固定的评测场地中放置被仿真的物理雷达以及物理被测对象，从而搭建出一个目标物理评测场景；并可对该目标物理评测场景进行三维建模，得到与该物理评测场景一致的目标仿真评测场景，该目标仿真评测场景中可包括：通过仿真该物理雷达所得到的仿真雷达，以及物理被测对象所对应的仿真被测对象。其次，可调用物理雷达对目标物理评测场景中的物理被测对象进行扫描，并输出一个物理点云数据帧至计算机设备；以及调用仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，并输出一个仿真点云数据帧至计算机设备，如图1所示。然后，计算机设备可基于接收到的物理点云数据帧和仿真点云数据帧对仿真雷达的真实性进行评测；具体的，计算机设备可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求，分别对接收到的物理点云数据帧和仿真点云数据帧进行数据分析，并基于数据分析结果计算评测指标的指标值，从而根据评测指标的指标值对该仿真雷达的真实性进行评测。

其中，上述所提及的计算机设备可以是终端或服务器。此处所提及的终端可以包括但不限于：智能手机、平板电脑、笔记本电脑、台式计算机、智能穿戴设备（如智能手表）、智能电视、智能车载终端等；终端内可安装并运行各式各样的应用，如以路网数据为基础的地图导航应用（或路线规划应用）、地图开放平台对应的应用、社交应用等等。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN（Content Delivery Network，内容分发网络）、以及大数据和人工智能平台等基础云计算服务的云服务器，等等。

需要说明的是，①上述图1只是示例性地表征了本申请实施例所提出的仿真雷达的真实性评测方案，并不对此进行限定。例如，在图1所示的目标物理评测场景中，是以一个物理被测对象且该物理被测对象是以行人为例进行说明的；而在实际评测时，目标物理评测场景中的物理被测对象的数量可不局限于1个，且物理被测对象可不局限于行人，还可以是车辆、建筑物等。②上述图1是以计算机设备（终端或服务器）基于物理点云数据帧和仿真点云数据帧，对仿真雷达进行真实性评测为例进行说明的；而在实际评测中，也可由终端和服务器共同完成对仿真雷达的真实性评测。例如，可由终端按照对仿真雷达进行真实性评测时所需的评测指标的计算需求，分别对接收到的物理点云数据帧和仿真点云数据帧进行数据分析，得到数据分析结果；然后，由服务器基于终端得到的数据分析结果，计算评测指标的指标值，从而根据评测指标的指标值对该仿真雷达的真实性进行评测。

通过上述描述可见，本申请实施例可填补仿真雷达真实性验证技术方案的空白，能够有效地验证各种仿真雷达的真实性，为客观真实地评测仿真雷达模型，提供了完善的评测指标和可行的评测方案；通过该方案可为自动驾驶仿真系统中的仿真雷达提供客观公正的真实性评测结果，从而实现评价各种仿真雷达模型的优劣和真实性。

基于上述仿真雷达的评测方案的相关描述，本申请实施例提出一种仿真雷达的评测方法；该仿真雷达的评测方法可以由上述所提及的计算机设备（即终端或服务器）执行，或者由终端和服务器共同执行。为便于阐述，本申请实施例主要以计算机设备执行该仿真雷达的评测方法为例进行说明；请参见图2，该仿真雷达的评测方法可包括以下步骤S201-S204：

S201，获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧。

其中，物理评测场景是指基于真实的评测场地所搭建的评测场景，而物理被测对象是指在真实的评测场地中放置的被测对象。在具体实现中，物理被测对象可以是真实交通场景所涉及的任一真实对象，如车辆、建筑物、植被、行人、锥形桶等。也就是说，本申请实施例可以通过在评测场地中放置真实对象（行人、车辆等），来搭建目标物理评测场景。或者，该物理被测对象也可以是用于代表真实交通场景中的任一真实对象的物体；具体的，物理被测对象的表面材质可以是诸如金属、建筑物材料、木材、服装材料或塑料等材质，且物理被测对象可具有三角形、正方形、圆形或菱形等几何形状，从而使得该物理被测对象可用于代表真实交通场景中的不同真实对象，如车辆、建筑物、植被、行人、锥形桶，等等。也就是说，本申请实施例可以在评测场地中放置指定材质且指定几何形状的物理以代表相应的真实对象，来搭建目标物理评测场景；通过此方式，可降低评测场景的搭建成本和搭建难度。

在一种实施方式中，目标物理评测场景中的物理被测对象的数量可以是1个；在此实施方式下，物理被测对象可以位于评测场地中的任意位置，且物理被测对象和物理雷达之间的距离小于或等于物理雷达的最大探测距离；也就是说，此情况下的目标物理评测场景的搭建方式可以是：在评测场地中标记出物理雷达所处的位置，得到雷达标记点；可在距离雷达标记点的最大探测距离内，选取任一点标记为对象标记点；然后，将物理雷达放置在雷达标记点，以及将物理被测对象放置在对象标记点，从而搭建出目标物理评测场景。通过约束物理被测对象和物理雷达之间的距离不大于最大探测距离，可使得物理雷达能够完整准确地扫描到物理被测对象，从而保证物理点云数据帧的完整性和准确性。

另一种实施方式中，目标物理评测场景中的物理被测对象的数量可以是m个，m为大于1的整数；在此实施方式下，目标物理评测场景中的m个物理被测对象可以属于同一类别，且m个物理被测对象中的各个物理被测对象的对象尺寸不同；例如，m个物理被测对象可以是大小不一的车辆，或者大小不一的锥形桶，等等。并且，在目标物理评测场景中，是以物理雷达所处的位置为起点，沿着一条直线，按照与物理雷达的距离从近到远，且对象尺寸从小到大的摆放方式，依次摆放m个物理被测对象的。也就是说，此情况下的目标物理评测场景的搭建方式可以是：在评测场地中标记出物理雷达所处的位置，得到雷达标记点；在距离雷达标记点的最大探测距离内，以雷达标记点为起点，沿着一条直线每隔一段距离标记一个对象标记点，以得到m个对象标记点；其次，确定m个对象标记点中的每个对象标记点和雷达标记点之间的距离值，并按照对象尺寸与被分配的对象标记点对应的距离值成正相关的分配原则，分别为每个物理被测对象分配一个对象标记点；然后，可将物理雷达放置在雷达标记点，以及将各个物理被测对象放置在相应的被分配的对象标记点，从而搭建出目标物理评测场景。

例如，设物理被测对象为三角牌检测物，且物理被测对象的数量为4个（即m=4）；则可在固定的评测场地中，依据物理雷达的最大探测距离，以雷达标记点O为起点，沿着一条直线并按照间隔10米的距离，标记各个物理被测对象所需处于的放置位置，以得到4个对象标记点；然后，可按照从近到远，对象尺寸从小到大的方式，在各个标记点处分别放置同一类别的物理被测对象（即三角牌检测物）。相应的，这4个三角牌检测物的摆放示意图可参见图3a所示，以雷达标记点O为基准，4个三角牌检测物与雷达标记点O的距离从近到远依次为10米、20米、30米、40米。通过图3a可见，通过按照从近到远依次放置从小到大的物理被测对象，可保证近处的物理被测对象不会遮挡完后方的物理被测对象，这样可使得物理雷达能够完整准确地扫描到各个物理被测对象，从而保证物理点云数据帧的完整性和准确性。并且，通过使所有物理被测对象位于同一条直线上，即所有物理被测对象的中心点与地面垂线的交点在同一条直线上，可便于物理雷达一次性对所有物理被测对象进行扫描，提升扫描效率和便利性，从而提升物理点云数据帧的采集效率；并且，还可使得扫描出的各个物理被测对象的点云数据的中心位于同一直线上，从而便于后续从物理点云数据帧中准确地分割出各个物理被测对象的点云数据，提升点云数据分割的准确性并降低点云数据分割的复杂度。

需要说明的是，图3a只是示例性地表征了各个物理被测对象的摆放方式，并不对此进行限定。例如，在图3a中是等间隔地放置各个物理被测对象的，即任意相邻物理被测对象之间的间隔是相同的；在其他实施例中，也可以采用非等间隔地方式放置各个物理被测对象，即各个相邻物理被测对象之间的间隔可以不同，如按照从近到远的顺序，第一个物理被测对象和物理雷达之间的距离可以是10米，而第二个物理被测对象和第一个物理被测对象之间的距离可以是20米，第三个物理被测对象和第二个物理被测对象之间的距离可以是30米等等。又如，在图3a中是按照同一个摆放方向并沿着一条直线放置各个物理被测对象的；在其他实施例中，也可按照同一个摆放方向但不沿着一条直线放置各个物理被测对象，如图3b所示；或者，也可不沿着同一个摆放方向放置各个物理被测对象，如图3c所示。应理解的是，当按照图3b或图3c所示的方式摆放各个物理被测对象时，各个物理被测对象的对象尺寸可相同或不同，对此不作限定。并且，当各个物理被测对象未在同一条直线或同一个摆放方向时，物理雷达可通过角度转动的方式实现完整扫描到各个物理被测对象，从而输出物理点云数据帧，如图3d所示。

S202，获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧。

其中，仿真雷达是通过仿真物理雷达得到的。目标仿真评测场景是通过对目标物理评测场景进行三维建模得到的，目标仿真评测场景中的仿真被测对象是通过对物理被测对象进行仿真建模得到的。可理解的是，目标仿真评测场景和目标物理评测场景之间具有一致性；也就是说，目标仿真评测场景和目标物理评测场景是两个完全相同的场景，目标仿真评测场景和目标物理评测场景的区别在于：目标仿真评测场景位于仿真系统中，而目标物理评测场景位于真实的物理空间中而已。

那么可理解的是：当目标物理评测场景中的物理被测对象的数量是1个时，目标仿真评测场景中的仿真被测对象的数量也为1个；且物理被测对象和物理雷达之间的位置关系，与仿真被测对象和仿真雷达之间的位置关系是相同的。当目标物理评测场景中的物理被测对象的数量是m（m为大于1的整数）个时，目标仿真评测场景中的仿真被测对象的数量也为m个；且m个物理被测对象和物理雷达之间的位置关系，与m个仿真被测对象和仿真雷达之间的位置关系是相同的。并且此情况下，物理点云数据帧是对m个物理被测对象进行扫描得到的，仿真点云数据帧是对m个仿真被测对象进行扫描得到的；也就是说，物理点云数据帧中包括每个物理被测对象的点云数据，仿真点云数据帧中包括每个仿真被测对象的点云数据。

具体的，任一被测对象的点云数据可至少包括：对任一被测对象进行扫描所得到的点云中的各个点以及每个点的坐标值，任一点的坐标值用于指示任一点在相应评测场景中所处的三维空间位置；其中，任一被测对象可以是任一物理被测对象或者任一仿真被测对象。进一步的，任一被测对象的点云数据还可包括以下至少一项：对任一被测对象进行扫描所得到的每个点的反射强度（intensity）、颜色信息（如RGB值，R表示红色、G表示绿色、B表示蓝色），等等。

S203，确定对仿真雷达进行真实性评测时所需的评测指标，并按照评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析，得到数据分析结果。

在本申请实施例中，评测指标可包括以下至少一个：点云总数差异性指标、单对象点云差异性指标、点云反射强度差异性指标、点云颜色差异性指标等等。其中，①点云总数差异性指标用于衡量：物理点云数据帧和仿真点云数据帧之间的点云总数差异。②单对象点云差异性指标用于衡量：单个物理被测对象和相应的单个仿真对象之间的点云数差异、点云坐标差异以及点云几何特性差异中的至少一种差异。③点云反射强度差异性指标用于衡量：物理点云数据帧中的点云和仿真点云数据帧中的点云之间的整体反射强度差异；或者用于衡量：单个物理被测对象的点云和相应单个仿真对象的点云之间的整体反射强度差异。④点云颜色差异性指标用于衡量：物理点云数据帧中的点云和仿真点云数据帧中的点云之间的整体颜色差异；或者用于衡量：单个物理被测对象的点云和相应单个仿真对象的点云之间的整体颜色差异。

每个评测指标可具有相应的计算需求，任一评测指标的计算需求用于指示：计算任一评测指标的指标值所需的数据。例如，①点云总数差异性指标的计算需求可包括：采用物理点云数据帧的点云总数以及仿真点云数据帧的点云总数，进行指标值计算的需求。②单对象点云差异性指标的计算需求可包括：采用单个物理被测对象的点云属性信息以及相应的仿真被测对象的点云属性信息，进行指标值计算的需求；任一点云属性信息可以包括但不限于：相应被测对象的点云数（即对相应被测对象进行扫描得到的点云中的全部点的数量），对相应被测对象进行扫描得到的点云中的各个点的坐标值，等等。③点云反射强度差异性指标的计算需求可包括：采用物理点云数据帧中的各个点的反射强度以及仿真点云数据帧中的各个点的反射强度，进行指标值计算的需求；或者包括：采用单个物理被测对象的各个点的反射强度以及相应单个仿真对象的各个点的反射强度，进行指标值计算的需求。④点云颜色差异性指标的计算需求可包括：采用物理点云数据帧中的各个点的颜色信息以及仿真点云数据帧中的各个点的颜色信息，进行指标值计算的需求；或者包括：采用单个物理被测对象的各个点的颜色信息以及相应单个仿真对象的各个点的颜色信息，进行指标值计算的需求。

应理解的是，计算机设备在按照评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析的过程中，若评测指标中包括多个指标（即至少两个指标时），则计算机设备可分别按照评测指标中的各个指标的计算需求，对物理点云数据帧和仿真点云数据帧进行数据分析，从而得到数据分析结果。基于此，当评测指标包括点云总数差异性指标时，数据分析结果可包括：物理点云数据帧的点云总数和仿真点云数据帧的点云总数。当评测指标包括单对象点云差异性指标时，数据分析结果可包括：每个物理被测对象的点云属性信息以及每个仿真被测对象的点云属性信息。当评测指标包括点云反射强度差异性指标时，数据分析结果可包括：物理点云数据帧中的各个点的反射强度以及仿真点云数据帧中的各个点的反射强度；当评测指标包括点云颜色差异性指标时，数据分析结果可包括：物理点云数据帧中的各个点的颜色信息以及仿真点云数据帧中的各个点的颜色信息。

S204，基于数据分析结果确定评测指标的指标值，并根据评测指标的指标值评测仿真雷达的真实性。

在具体实施过程中，基于数据分析结果确定评测指标的指标值的具体实施方式可以是：若评测指标只包括一个指标，则可直接采用评测指标的指标值计算方式，根据数据分析结果中的各个数据进行指标值计算，得到评测指标的指标值。若评测指标中包括至少两个指标，则可从数据分析结果中确定每个指标对应的数据，分别采用每个指标的指标值计算方式，根据每个指标对应的数据进行指标值计算，得到每个指标的指标值；即此情况下，评测指标的指标值具体包括了每个指标的指标值。

在得到评测指标的指标值后，计算机设备可根据评测指标的指标值评测仿真雷达的真实性。具体的，若评测指标只包括一个指标，则由于评测指标是用于衡量差异性的指标，因此计算机设备可通过判断评测指标的指标值与预期的差异性阈值之间的大小关系，来确定仿真雷达的真实性。或者，计算机设备可按照指标值和相似度成反比的原则，基于评测指标的指标值确定仿真雷达和物理雷达之间的雷达相似度，从而基于雷达相似度来评测仿真雷达的真实性。若评测指标包括多个指标，则计算机设备可对各个指标的指标值进行融合，并根据融合结果确定仿真雷达和物理雷达之间的雷达相似度，从而基于雷达相似度评测仿真雷达的真实性。或者，计算机设备也可对各个指标的指标值进行融合，将融合结果作为仿真雷达和物理雷达之间的雷达差异度，从而通过判断雷达差异度与预期的差异性阈值之间的大小关系，来确定仿真雷达的真实性。

本申请实施例可获取由被仿真的物理雷达在目标物理评测场景中所扫描得到的物理点云数据帧，以及由仿真雷达在目标仿真评测场景中所扫描得到的仿真点云数据帧。其次，可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析；这样可使得数据分析结果中的任一数据对于后续计算评测指标的指标值均是有用的，保证数据分析结果的准确性，还可避免因盲目地进行数据分析而浪费处理资源，达到节省处理资源的目的。在得到数据分析结果后，便可基于数据分析结果确定评测指标的指标值，从而根据该评测指标的指标值实现对仿真雷达的真实性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进行三维建模得到的，因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景信息之间的一致性，从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采集到的，进而保证后续真实性评测的客观公正性，提供一个客观公正的真实性评测结果。

基于上述图2所示的方法实施例，本申请实施例提供的另一种仿真雷达的评测方法。在本申请实施例中，仍以计算机设备执行该仿真雷达的评测方法为例进行说明；请参见图4，该仿真雷达的评测方法可包括以下步骤S401-S408：

S401，获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧。

S402，获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧。

S403，确定对仿真雷达进行真实性评测时所需的评测指标。

S404，按照评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析，得到数据分析结果。

在一种实施方式中，评测指标可包括点云总数差异性指标；那么相应的，步骤S404的具体实施方式可包括：按照点云总数差异性指标的计算需求，统计物理点云数据帧中的全部点的总数量，得到物理点云数据帧的点云总数；以及，统计仿真点云数据帧中的全部点的总数量，得到仿真点云数据帧的点云总数。在此情况下，数据分析结果可包括：物理点云数据帧的点云总数和仿真点云数据帧的点云总数。

另一种实施方式中，评测指标可包括单对象点云差异性指标；那么相应的，步骤S404的具体实施方式可包括：按照单对象点云差异性指标的计算需求，对物理点云数据帧进行分割处理，得到每个物理被测对象的点云数据；以及对仿真点云数据帧进行分割处理，得到每个仿真被测对象的点云数据。具体的，计算机设备可通过采用预设的分割算法来实现分割处理。其次，可分别对每个物理被测对象的点云数据进行属性识别，得到每个物理被测对象的点云属性信息；以及，分别对每个仿真被测对象的点云数据进行属性识别，得到每个仿真被测对象的点云属性信息。在此情况下，数据分析结果包括：每个物理被测对象的点云属性信息以及每个仿真被测对象的点云属性信息。其中，任一点云属性信息包括以下至少一项：相应被测对象的点云数，以及相应被测对象的各个点云的坐标值，等等；相应被测对象的点云数具体是指：对相应被测对象进行扫描得到的点云中的点的总数量。

需要说明的是，由前述可知：评测指标可包括以下至少一个：点云总数差异性指标、单对象点云差异性指标、点云反射强度差异性指标、点云颜色差异性指标，等等。上述具体阐述了在采用点云总数差异性指标和单对象点云差异性指标的情况下，步骤S404的具体实施方式；由于针对点云反射强度差异性指标以及点云颜色差异性指标所采用的数据分析方式，与针对点云总数差异性指标或者单对象点云差异性指标所采用的数据分析方式类似，因此在此不再赘述。同理，后续也均以点云总数差异性指标和单对象点云差异性指标这两个指标为例，对步骤S405的具体实施方式进行阐述。

S405，基于数据分析结果确定评测指标的指标值。

在一种实施方式中，当评测指标包括点云总数差异性指标时，数据分析结果可包括：物理点云数据帧的点云总数和仿真点云数据帧的点云总数。那么步骤S405的具体实施方式可包括：将物理点云数据帧的点云总数和仿真点云数据帧的点云总数之间的比值，确定为点云总数差异性指标的指标值。或者，步骤S405的具体实施方式可包括：计算机设备可先对物理点云数据帧的点云总数和仿真点云数据帧的点云总数进行差值运算，得到点云总数差值。然后，计算机设备可基于点云总数差值和物理点云数据帧的点云总数，计算点云总数差异性指标的指标值。具体的，计算机设备可对点云总数差值进行绝对值运算，得到点云总数差值绝对值；将点云总数差值绝对值和物理点云数据帧的点云总数之间的比值，确定为点云总数差异性指标的指标值。

其中，点云总数差值绝对值和物理点云数据帧的点云总数之间的比值，可以采用小数形式进行表示，也可以采用百分比形式进行表示，对此不作限定；当该比值的形式为百分比形式时，点云总数差异性指标的指标值可理解成是点云总数绝对百分比。基于此，采用S表示仿真点云数据帧的点云总数，采用R表示物理点云数据帧的点云总数，采用P_cnt表示点云总数差异性指标的指标值，则点云总数差异性指标的指标值的计算公式可参见下述公式1.1所示：

式1.1

另一种实施方式中，当评测指标包括单对象点云差异性指标时，数据分析结果可包括：每个物理被测对象的点云属性信息以及每个仿真被测对象的点云属性信息。那么步骤S405的具体实施方式可包括以下一种或多种：

实施方式一：当任一点云属性信息包括相应被测对象的点云数时，计算机设备可对数据分析结果中的第i个物理被测对象的点云数，和第i个仿真被测对象的点云数进行差值运算，得到差值运算结果；其中，i∈[1，m]。然后，计算机设备可基于差值运算结果和第i个物理被测对象的点云数，计算第i个物理被测对象和第i个仿真被测对象之间的点云数差异度。具体的，计算机设备可对差值运算结果的绝对值和第i个物理被测对象的点云数之间的比值，确定为第i个物理被测对象和第i个仿真被测对象之间的点云数差异度。其中，点云数差异度可以采用小数形式进行表示，也可以采用百分比形式进行表示，对此不作限定；当点云数差异度的形式为百分比形式时，由于被测对象的形状属于几何图形，因此点云数差异度可理解成是几何图形中点云总数绝对百分比。基于此，采用S_i表示第i个仿真被测对象的点云数（即仿真雷达落在第i个几何图形中的点云数），采用R_i表示第i个物理被测对象的点云数（即物理雷达落在第i个几何图形中的点云数），采用P_cnt_i表示第i个物理被测对象和第i个仿真被测对象之间的点云数差异度，则该点云数差异度的计算公式可参见下述公式1.2所示：

式1.2

需要说明的是，上述只是示例性地列举了一种点云数差异度的计算方式，并非穷举；例如，在其他实施例中，计算机设备也可将第i个物理被测对象的点云数和第i个仿真被测对象的点云数之间的比值，确定为第i个物理被测对象和第i个仿真被测对象之间的点云数差异度。

在得到点云数差异度后，计算机设备可根据计算得到的点云数差异度，确定单对象点云差异性指标的第i个指标值。具体的，计算机设备可直接将点云数差异度确定为单对象点云差异性指标的第i个指标值。或者，计算机设备还可通过下述实施方式二计算点云坐标差异度，通过实施方式三计算点云几何特性差异度中的至少一种，从而将点云坐标差异度和点云几何特性差异度中的至少一种，与点云数差异度进行加权平均处理，得到单对象点云差异性指标的第i个指标值。

实施方式二：当任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值时，计算机设备可基于第i个物理被测对象对应的各个点的坐标值，和第i个仿真被测对象对应的各个点的坐标值，计算第i个物理被测对象对应的各个点和第i个仿真被测对象对应的各个点之间的距离值。其次，可根据计算得到的距离值，对第i个物理被测对象对应的各个点和第i个仿真被测对象对应的各个点进行配对处理，得到一个或多个点对；一个点对包括：第i个物理被测对象对应的一个点，以及第i个仿真被测对象对应的一个点。需要说明的是，本申请实施例对配对处理的具体方式不作限定。例如，计算机设备可将距离值最小作为配对标准，从而进行配对处理；也就是说，针对第i个物理被测对象对应的任一点，计算机设备可根据任一点和第i个仿真被测对象对应的各个点之间的距离值，从第i个仿真被测对象对应的全部点中选取距离值最小的点，并采用被选取的点和第i个物理被测对象对应的任一点构建一个点对。可选的，计算机设备在从第i个仿真被测对象对应的全部点中选取出距离值最小的点后，还可先判断选取的点和该任一点之间的距离是否小于距离阈值；若小于，则采用被选取的点和第i个物理被测对象的任一点构建一个点对；否则，则舍弃该任一点。

然后，计算机设备可分别根据每个点对中的两个点的坐标值，计算每个点对的坐标差异度，并对各个点对的坐标差异度进行求和或均值运算，得到第i个物理被测对象和第i个仿真被测对象之间的点云坐标差异度。最后，可根据计算得到的点云坐标差异度，确定单对象点云差异性指标的第i个指标值；具体的，计算机设备可直接将点云坐标差异度确定为单对象点云差异性指标的第i个指标值。或者，计算机设备可将点云数差异度和点云几何特性差异度中的至少一种，与点云坐标差异度进行加权平均处理，得到单对象点云差异性指标的第i个指标值。

需要说明的是，点云中的每个点的坐标值均是三维的，即每个点的坐标值可包括横坐标值（x坐标值）、纵坐标值（y坐标值）以及竖坐标值（z坐标值）。计算机设备在计算点云坐标差异度的过程中，可以是直接根据每个点对中的两个点的坐标值（x，y，z），计算每个点对的坐标差异度，从而直接对每个点对的坐标差异度进行求和或均值运算，得到点云坐标差异度。或者，计算机设备也可在横向维度、纵向维度以及竖向维度等各个维度下，分别计算每个点对在各个维度下的坐标差异度，然后以维度为单位，对各个点对在每个维度下的坐标差异度进行求和或均值运算，得到第i个物理被测对象和第i个仿真被测对象在每个维度下的坐标差异度，进而对第i个物理被测对象和第i个仿真被测对象在各个维度下的坐标差异度进行均值计算，得到第i个物理被测对象和第i个仿真被测对象之间的点云坐标差异度。

其中，第i个物理被测对象和第i个仿真被测对象在每个维度下的坐标差异度可以采用小数形式进行表示，也可以采用百分比形式进行表示，对此不作限定；当采用百分比形式进行表示时，通过均值运算所得到的第i个物理被测对象和第i个仿真被测对象在横向维度下的坐标差异度可理解成是几何图形中x坐标值的平均绝对百分比误差（采用MAPE_X_i表示），通过均值运算所得到的第i个物理被测对象和第i个仿真被测对象在纵向维度下的坐标差异度可理解成是几何图形中y坐标值的平均绝对百分比误差（采用MAPE_Y_i表示），通过均值运算所得到的第i个物理被测对象和第i个仿真被测对象在竖向维度下的坐标差异度可理解成是几何图形中z坐标值的平均绝对百分比误差（采用MAPE_Z_i表示）。基于此，通过均值运算所得到的第i个物理被测对象和第i个仿真被测对象在各个维度下的坐标差异度的计算公式可参见下述公式1.3-1.5所示：

式1.3

式1.4

式1.5

在上述公式1.3-1.5中，n表示对第i个物理被测对象对应的各个点和第i个仿真被测对象对应的各个点进行配对处理后，所得到的点对的数量。S_x_i,j表示第j个点对中的第i个仿真被测对象对应的点的x坐标值，R_x_i,j表示第j个点对中的第i个物理被测对象对应的点的x坐标值。同理，S_y_i,j表示第j个点对中的第i个仿真被测对象对应的点的y坐标值，R_y_i,j表示第j个点对中的第i个物理被测对象对应的点的y坐标值；S_z_i,j表示第j个点对中的第i个仿真被测对象对应的点的z坐标值，R_z_i,j表示第j个点对中的第i个物理被测对象对应的点的z坐标值。

相应的，对第i个物理被测对象和第i个仿真被测对象在各个维度下的坐标差异度进行均值计算，得到第i个物理被测对象和第i个仿真被测对象之间的点云坐标差异度（采用MAPE_i表示）的计算公式可参见下述公式1.6所示：

式1.6

实施方式三：当任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值时，计算机设备可采用第i个物理被测对象对应的各个点的坐标值，构建第i个物理被测对象的点云坐标向量；采用第i个仿真被测对象对应的各个点的坐标值，构建第i个仿真被测对象的点云坐标向量。具体的，采用S_X_i,j表示第i个仿真被测对象对应的第j个点的x坐标值，采用S_Y_i,j表示第i个仿真被测对象对应的第j个点的y坐标值，采用S_Z_i,j表示第i个仿真被测对象对应的第j个点的z坐标值；同理，采用R_X_i,j表示第i个物理被测对象对应的第j个点的x坐标值，采用R_Y_i,j表示第i个物理被测对象对应的第j个点的y坐标值，采用R_Z_i,j表示第i个物理被测对象对应的第j个点的z坐标值。那么，第i个仿真被测对象的点云坐标向量（S_V_i），以及第i个物理被测对象的点云坐标向量（R_V_i）可参见下述：

其次，计算机设备可采用构建得到的两个点云坐标向量，确定第i个物理被测对象和第i个仿真被测对象之间的点云几何特性差异度。具体的，计算机设备可采用余弦相似度算法对构建得到的两个点云坐标向量进行相似度运算，并将运算得到的向量相似度，作为第i个物理被测对象和第i个仿真被测对象之间的点云几何特性相似度。再对点云几何特性相似度进行反余弦处理，得到第i个物理被测对象和第i个仿真被测对象之间的点云几何特性差异度。其中，向量相似度的计算公式以及点云几何特性差异度的计算公式可分别参见下述公式1.7和公式1.8所示：

式1.7

式1.8

在上述公式1.7-1.8中，C_i表示向量相似度，Difference_i表示第i个物理被测对象和第i个仿真被测对象之间的点云几何特性差异度；S_V_ij表示S_V_i的第j个分量，R_V_ij表示R_V_i的第j个分量。

最后，计算机设备可根据计算得到的点云几何特性差异度，确定单对象点云差异性指标的第i个指标值。具体的，计算机设备可直接将点云几何特性差异度确定为单对象点云差异性指标的第i个指标值。或者，计算机设备可将点云数差异度和点云坐标差异度中的至少一种，与点云几何特性差异度进行加权平均处理，得到单对象点云差异性指标的第i个指标值。

基于上述描述可知，一个物理被测对象的点云属性信息和相应的仿真被测对象的点云属性信息，可用于确定单对象点云差异性指标的一个指标值。因此，当物理被测对象的数量为m个时，单对象点云差异性指标的指标值的数量为m个。并且，在计算机设备计算单对象点云差异性指标的指标值时，上述三种实施方式均被采用，则单对象点云差异性指标的第i个指标值可以是对点云数差异度、点云坐标差异度与点云几何特性差异度这三个差异度进行加权平均处理得到的；采用D_cnt_i表示单对象点云差异性指标的第i个指标值，则此情况下的第i个指标值的计算公式可参见下述公式1.9所示：

式1.9

在上述公式1.9中，α表示点云数差异度的权重，β表示点云坐标差异度的权重，γ表示点云几何特性差异度的权重；其中，α+β+γ=1。

S406，根据评测指标的指标值，确定仿真雷达和物理雷达之间的雷达相似度。

当评测指标只包括单对象点云差异性指标时，评测指标的指标值可包括该单对象点云差异性指标的m个指标值；由于单对象点云差异性指标的第i个指标值反映的是第i个物理被测对象和第i个仿真被测对象之间的点云差异，因此计算机设备在执行步骤S406时，可先根据单对象点云差异性指标的第i个指标值，计算第i个物理被测对象和第i个仿真被测对象之间的点云相似度（Similarity_i）；在得到各个物理被测对象和相应仿真被测对象之间的点云相似度后，可对各个点云相似度进行均值运算，将均值运算结果（Similarity）作为仿真雷达和物理雷达之间的雷达相似度。其中，Similarity_i的计算公式和Similarity的计算公式可参见下述公式2.0和公式2.1所示：

式2.0

式2.1

类似的，当评测指标只包括点云总数差异性指标时，由于点云总数差异性指标的指标值反映的是物理点云数据帧和仿真点云数据帧之间的点云总数的差异，因此计算机设备在执行步骤S406时，可采用基准数值（如数值1）对点云总数差异性指标的指标值进行差值运算，从而将运算得到的差值作为仿真雷达和物理雷达之间的雷达相似度。应理解的是，当评测指标包括点云总数差异性指标和单对象点云差异性指标时，则计算机设备在通过上述公式2.1得到均值运算结果，以及通过基准数值（如数值1）对点云总数差异性指标的指标值进行差值运算后，可对均值运算结果和运算得到的差值做进一步的求和处理，得到仿真雷达和物理雷达之间的雷达相似度。

S407，基于雷达相似度评测仿真雷达的真实性，得到真实性评测结果。

在具体实施过程中，计算机设备可比较雷达相似度和预设的相似度阈值进行比较。若雷达相似度大于或等于相似度阈值，则确定仿真雷达在目标仿真评测场景中通过真实性评测；若雷达相似度小于相似度阈值，则确定仿真雷达在目标仿真评测场景中未通过真实性评测，从而得到真实性评测结果。或者，计算机设备也可直接将雷达相似度作为仿真雷达的真实度，从而得到包含该真实度的真实性评测结果。

在得到真实性评测结果后，计算机设备还可进一步根据该真实性评测结果确定仿真雷达是否存在参数调整需求。具体的，若真实性评测结果用于指示仿真雷达未通过真实性评测，或用于指示仿真雷达和物理雷达之间的雷达相似度小于相似度阈值，则可确定仿真雷达存在参数调整需求，从而触发执行步骤S408。

S408，若根据真实性评测结果确定仿真雷达存在参数调整需求，则对仿真雷达的参数进行调整。

在具体实现中，由于仿真雷达是通过仿真建模得到的，因此仿真雷达本质是一个仿真模型；基于此，可朝着使仿真雷达达到收敛的方向，调整仿真雷达的参数。可见，计算机设备在仿真雷达和物理雷达的差异性较大的情况下，智能地调节仿真模型（即仿真雷达）的参数，从而实现自动对仿真雷达进行改进优化，可在一定程度上节省人工调参的成本。

本申请实施例可获取由被仿真的物理雷达在目标物理评测场景中所扫描得到的物理点云数据帧，以及由仿真雷达在目标仿真评测场景中所扫描得到的仿真点云数据帧。其次，可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析；这样可使得数据分析结果中的任一数据对于后续计算评测指标的指标值均是有用的，保证数据分析结果的准确性，还可避免因盲目地进行数据分析而浪费处理资源，达到节省处理资源的目的。在得到数据分析结果后，便可基于数据分析结果确定评测指标的指标值，从而根据该评测指标的指标值实现对仿真雷达的真实性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进行三维建模得到的，因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景信息之间的一致性，从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采集到的，进而保证后续真实性评测的客观公正性，提供一个客观公正的真实性评测结果。

需要说明的是，在实际评测过程中，计算机设备可预先搭建Q个物理评测场景和相应的Q个仿真评测场景，一个物理评测场景对应一个仿真评测场景，且不同物理评测场景中的物理被测对象属于不同类型；从而实现分别在每个物理评测场景和相应的仿真评测场景下，对仿真雷达的真实性进行评测，进而保证真实性评测的全面性。其中，Q为大于1的整数。在此情况下，上述图2或图4所示的方法实施例中所提及的目标物理评测场景属于Q个物理评测场景中的任一个物理评测场景。基于上述图2或图4所示的方法实施例可知，一个物理评测场景和相应的仿真评测场景，用于确定仿真雷达的一个真实性评测结果；因此计算机设备可重复执行Q次图2或图4所示的各个步骤，以得到Q个真实性评测结果。

下面结合图5a所示的流程图，对通过Q个物理评测场景和Q个仿真评测场景，对仿真雷达进行真实性评测的大致流程进行阐述：

首先，可在固定的评测场地中标记出雷达标记点，依据物理雷达的最大探测距离，按照间隔10米的距离，分别标记出m个对象标记点以指示物理被测对象所处的位置。按照从近到远的方式，在m个对象标记点处分别放置从小到大的同一类别的m个物理被测对象，一个对象标记点处放置一个物理被测对象。按照此方式，通过改变评测场地中的物理被测对象，来建立Q个物理评测场景。在建立Q个物理评测场景后，可通过三维建模方式，将不同的物理评测场景制作成三维模型，作为仿真系统里的对应仿真评测场景。需要说明的是，在将物理雷达部署到评测场地的雷达标记点后，可调整物理雷达的高度及角度，确保其能扫描到所有物理被测对象，同时记录物理雷达的位置信息和参数；其中，位置信息包括X、Y、Z等，参数包括水平和垂直FOV（FieldofView，视场角）、扫描频率等。

其次，可通过物理雷达分别对各物理评测场景中的物理被测对象进行扫描，使得物理雷达在各物理评测场景中输出相应的物理点云数据帧。另外，可通过仿真雷达分别对各仿真评测场景中的仿真被测对象进行扫描，得到各仿真评测场景对应的仿真点云数据帧。具体的，可将根据仿真系统接口，将仿真雷达模型（即仿真雷达）接入仿真系统，并可根据之前记录的物理雷达的位置和参数，在仿真系统中为仿真激光雷达设备设置对应的配置信息。在仿真系统中，依次之前创建的各个仿真评测场景作为输入数据发送给仿真雷达，使得仿真雷达对不同的仿真评测场景中的仿真被测对象进行扫描，从而分别记录下仿真雷达在各个仿真评测场景中输出的仿真点云数据帧。

然后，可根据获取到的物理点云数据帧和仿真点云数据帧，分别计算各仿真评测场景对应的评测指标的指标值，从而根据各仿真评测场景对应的评测指标的指标值对仿真雷达的真实性评测，得到仿真雷达的Q个真实性评测结果。进一步的，计算机设备在得到各个仿真评测场景对应的评测指标的指标值后，还可通过数据管理模块、数据库、GUI（Graphical User Interface，图形用户界面）报表展示模块，将每个仿真评测场景对应的评测指标的指标值存储在数据库中，最终通过GUI报表向用户展示每个仿真评测场景对应的评测指标的指标值。或者，计算机设备也可将各个仿真评测场景对应的真实性评测结果存储至数据库，并通过GUI报表向用户展示每个仿真评测场景对应的真实性评测结果。

进一步的，计算机设备在通过Q个物理评测场景和Q个仿真评测场景，得到仿真雷达的Q个真实性评测结果后，还可根据Q个真实性评测结果确定仿真雷达满足参数调整条件，如图5b所示。其中，参数调整条件可包括但不限于：Q个真实性评测结果中，存在预期数量的真实性评测结果指示仿真雷达未通过真实性评测；该预设数量可根据经验值或业务需求设定，如预期数量可以为1，或预期数量可以等于Q，等等。若根据Q个真实性评测结果确定仿真雷达满足参数调整条件，则可对仿真雷达的参数进行调整。具体的，计算机设备在根据Q个真实性评测结果确定仿真雷达满足参数调整条件后，可直接对仿真雷达的参数进行调整。或者，计算机设备在确定仿真雷达满足参数调整条件后，可进一步判断仿真雷达是否无法收敛；若无法收敛，则结束整个流程，若可以收敛，则可对仿真雷达的参数进行调整。在调整参数后，计算机设备可迭代执行图5a和图5b所示的流程，以对仿真雷达的参数进行迭代的优化更新。

其中，仿真雷达的参数可通过判断仿真雷达是否无法收敛的方式可以是：确定仿真雷达已被进行参数调整的历史次数，若历史次数大于次数阈值，则可表明多次优化仿真雷达仍无法提升仿真雷达的参数趋于稳定，使得仿真雷达仍需进行参数调整，那么便可确定仿真雷达无法收敛。另外，对仿真雷达的参数进行调整的方式可以是：确定前一次对仿真雷达所采用的参数调整方向，并判断当前的Q个真实性评测结果是否优于前一次获取到的Q个真实性评测结果；若优于，则继续按照前一次对仿真雷达所采用的参数调整方向，对仿真雷达进行参数调整；若不优于，则按照与前一次对仿真雷达所采用的参数调整方向相反的方向，对仿真雷达进行参数调整。其中，若当前的Q个真实性评测结果中用于指示仿真雷达未通过真实性评测的真实性评测结果的数量，少于前一次获取到的Q个真实性评测结果中用于指示仿真雷达未通过真实性评测的真实性评测结果的数量，则可确定当前的Q个真实性评测结果优于前一次获取到的Q个真实性评测结果。

基于上述描述可知，本申请实施例针对自动驾驶仿真系统给出了一种客观的仿真雷达的评测方法和相应的评测指标，该评测方法可按照仿真系统接口需求，将仿真雷达接入仿真系统中，并在仿真系统依次改变仿真被测物体，从而分别收集仿真雷达所输出的仿真点云数据帧，并基于仿真点云数据帧计算出各种仿真评测场景对应的评测指标的指标值，进而根据指标值综合评测仿真雷达的真实性，以提供仿真雷达的真实性评测结果；通过提供真实性评测结果，可在真实性评测结果指示仿真雷达具有高度真实性和一致性时，让用户更加信任仿真系统，进而提高和推广仿真系统的使用率和普及率。并且，本申请实施例可自适应调节仿真雷达的参数，通过自动对仿真雷达进行改进优化，可极大地节省人工调参的成本。

基于上述仿真雷达的评测方法实施例的描述，本申请实施例还公开了一种仿真雷达的评测装置，所述仿真雷达的评测装置可以是运行于计算机设备中的一个计算机程序（包括程序代码）。该仿真雷达的评测装置可以执行图2或图4所示的仿真雷达的评测方法。请参见图6，所述仿真雷达的评测装置可以运行如下单元：

获取单元601，用于获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；

所述获取单元601，还用于获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；

评测单元602，用于确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；

所述评测单元602，用于基于所述数据分析结果确定所述评测指标的指标值，并根据所述评测指标的指标值评测所述仿真雷达的真实性。

在一种实施方式中，所述评测指标包括：点云总数差异性指标；所述点云总数差异性指标的计算需求包括：采用所述物理点云数据帧的点云总数以及所述仿真点云数据帧的点云总数，进行指标值计算的需求；

相应的，评测单元602在用于按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果时，可具体用于：

按照所述点云总数差异性指标的计算需求，统计所述物理点云数据帧中的全部点的总数量，得到所述物理点云数据帧的点云总数；

以及，统计所述仿真点云数据帧中的全部点的总数量，得到所述仿真点云数据帧的点云总数；

其中，数据分析结果包括：所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数。

另一种实施方式中，评测单元602在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

对所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数进行差值运算，得到点云总数差值；

基于所述点云总数差值和所述物理点云数据帧的点云总数，计算所述点云总数差异性指标的指标值。

另一种实施方式中，所述评测指标包括：单对象点云差异性指标；所述单对象点云差异性指标的计算需求包括：采用单个物理被测对象的点云属性信息以及相应的仿真被测对象的点云属性信息，进行指标值计算的需求；

相应的，评测单元602在用于按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果时，可具体用于：

按照所述单对象点云差异性指标的计算需求，对所述物理点云数据帧进行分割处理，得到每个物理被测对象的点云数据；以及对所述仿真点云数据帧进行分割处理，得到每个仿真被测对象的点云数据；

分别对所述每个物理被测对象的点云数据进行属性识别，得到所述每个物理被测对象的点云属性信息；以及，分别对所述每个仿真被测对象的点云数据进行属性识别，得到所述每个仿真被测对象的点云属性信息；

其中，数据分析结果包括：所述每个物理被测对象的点云属性信息以及所述每个仿真被测对象的点云属性信息。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括相应被测对象的点云数；相应的，评测单元602在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

对第i个物理被测对象的点云数，和第i个仿真被测对象的点云数进行差值运算，得到差值运算结果，i∈[1，m]；

基于所述差值运算结果和所述第i个物理被测对象的点云数，计算所述第i个物理被测对象和所述第i个仿真被测对象之间的点云数差异度；

根据计算得到的点云数差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；相应的，评测单元602在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

基于第i个物理被测对象对应的各个点的坐标值，和第i个仿真被测对象对应的各个点的坐标值，计算所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点之间的距离值，i∈[1，m]；

根据计算得到的距离值，对所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点进行配对处理，得到一个或多个点对；一个点对包括：所述第i个物理被测对象对应的一个点，以及所述第i个仿真被测对象对应的一个点；

分别根据每个点对中的两个点的坐标值，计算所述每个点对的坐标差异度；并对各个点对的坐标差异度进行求和或均值运算，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云坐标差异度；

根据计算得到的点云坐标差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；相应的，评测单元602在用于基于所述数据分析结果确定所述评测指标的指标值时，可具体用于：

采用第i个物理被测对象对应的各个点的坐标值，构建所述第i个物理被测对象的点云坐标向量；采用第i个仿真被测对象对应的各个点的坐标值，构建所述第i个仿真被测对象的点云坐标向量，i∈[1，m]；

采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度；

根据计算得到的点云几何特性差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，评测单元602在用于采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度时，可具体用于：

采用余弦相似度算法对构建得到的两个点云坐标向量进行相似度运算，并将运算得到的向量相似度，作为所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性相似度；

对所述点云几何特性相似度进行反余弦处理，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度。

另一种实施方式中，评测单元602在用于根据所述评测指标的指标值评测所述仿真雷达的真实性时，可具体用于：

根据所述评测指标的指标值，确定所述仿真雷达和所述物理雷达之间的雷达相似度；

基于所述雷达相似度评测所述仿真雷达的真实性，得到真实性评测结果。

另一种实施方式中，所述目标物理评测场景属于Q个物理评测场景中的任一个物理评测场景，Q为大于1的整数；

其中，不同物理评测场景中的物理被测对象属于不同类别，且一个物理评测场景对应一个仿真评测场景；一个物理评测场景和相应的仿真评测场景，用于确定所述仿真雷达的一个真实性评测结果；

评测单元602还可用于：在通过所述Q个物理评测场景和Q个仿真评测场景，得到所述仿真雷达的Q个真实性评测结果后，若根据所述Q个真实性评测结果确定所述仿真雷达满足参数调整条件，则对所述仿真雷达的参数进行调整。

根据本申请的一个实施例，图2以及图4所示的方法所涉及的各个步骤均可以是由图6所示的仿真雷达的评测装置中的各个单元来执行的。例如，图2中所示的步骤S201-步骤S202均可由图6中所示的获取单元601来执行，步骤S203-S204均可由图6中所示的评测单元602来执行；又如，图4中所示的步骤S401-步骤S402均可由图6中所示的获取单元601来执行，步骤S403-S408均可由图6中所示的评测单元602来执行，等等。

根据本申请的另一个实施例，图6所示的仿真雷达的评测装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个（些）单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本申请的其它实施例中，基于仿真雷达的评测装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。

根据本申请的另一个实施例，可以通过在包括中央处理单元（CPU）、随机存取存储介质（RAM）、只读存储介质（ROM）等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2或图4中所示的相应方法所涉及的各步骤的计算机程序（包括程序代码），来构造如图6中所示的仿真雷达的评测装置设备，以及来实现本申请实施例的仿真雷达的评测方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。

本申请实施例可获取由被仿真的物理雷达在目标物理评测场景中所扫描得到的物理点云数据帧，以及由仿真雷达在目标仿真评测场景中所扫描得到的仿真点云数据帧。其次，可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析；这样可使得数据分析结果中的任一数据对于后续计算评测指标的指标值均是有用的，保证数据分析结果的准确性，还可避免因盲目地进行数据分析而浪费处理资源，达到节省处理资源的目的。在得到数据分析结果后，便可基于数据分析结果确定评测指标的指标值，从而根据该评测指标的指标值实现对仿真雷达的真实性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进行三维建模得到的，因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景信息之间的一致性，从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采集到的，进而保证后续真实性评测的客观公正性，提供一个客观公正的真实性评测结果。

基于上述方法实施例以及装置实施例的描述，本申请实施例还提供一种计算机设备。请参见图7，该计算机设备至少包括处理器701、输入接口702、输出接口703以及计算机存储介质704。其中，计算机设备内的处理器701、输入接口702、输出接口703以及计算机存储介质704可通过总线或其他方式连接。计算机存储介质704可以存储在计算机设备的存储器中，所述计算机存储介质704用于存储计算机程序，所述计算机程序包括程序指令，所述处理器701用于执行所述计算机存储介质704存储的程序指令。处理器701（或称CPU（Central Processing Unit，中央处理器））是计算机设备的计算核心以及控制核心，其适于实现一条或多条指令，具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能。

在一个实施例中，本申请实施例所述的处理器701可以用于进行一系列的仿真雷达的评测处理，具体包括：获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；基于所述数据分析结果确定所述评测指标的指标值，并根据所述评测指标的指标值评测所述仿真雷达的真实性，等等。

本申请实施例还提供了一种计算机存储介质（Memory），所述计算机存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了计算机设备的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序（包括程序代码）。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器；可选的，还可以是至少一个位于远离前述处理器的计算机存储介质。

在一个实施例中，可由处理器加载并执行计算机存储介质中存放的一条或多条指令，以实现上述有关图2或图4所示的仿真雷达的评测方法实施例中的方法的相应步骤；具体实现中，计算机存储介质中的一条或多条指令由处理器加载并执行如下步骤：

获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；

获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；

确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；

基于所述数据分析结果确定所述评测指标的指标值，并根据所述评测指标的指标值评测所述仿真雷达的真实性。

在一种实施方式中，所述评测指标包括：点云总数差异性指标；所述点云总数差异性指标的计算需求包括：采用所述物理点云数据帧的点云总数以及所述仿真点云数据帧的点云总数，进行指标值计算的需求；

相应的，在按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果时，所述一条或多条指令可由处理器加载并具体执行：

按照所述点云总数差异性指标的计算需求，统计所述物理点云数据帧中的全部点的总数量，得到所述物理点云数据帧的点云总数；

以及，统计所述仿真点云数据帧中的全部点的总数量，得到所述仿真点云数据帧的点云总数；

其中，数据分析结果包括：所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数。

另一种实施方式中，在基于所述数据分析结果确定所述评测指标的指标值时，所述一条或多条指令可由处理器加载并具体执行：

对所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数进行差值运算，得到点云总数差值；

基于所述点云总数差值和所述物理点云数据帧的点云总数，计算所述点云总数差异性指标的指标值。

另一种实施方式中，所述评测指标包括：单对象点云差异性指标；所述单对象点云差异性指标的计算需求包括：采用单个物理被测对象的点云属性信息以及相应的仿真被测对象的点云属性信息，进行指标值计算的需求；

相应的，在按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果时，所述一条或多条指令可由处理器加载并具体执行：

按照所述单对象点云差异性指标的计算需求，对所述物理点云数据帧进行分割处理，得到每个物理被测对象的点云数据；以及对所述仿真点云数据帧进行分割处理，得到每个仿真被测对象的点云数据；

分别对所述每个物理被测对象的点云数据进行属性识别，得到所述每个物理被测对象的点云属性信息；以及，分别对所述每个仿真被测对象的点云数据进行属性识别，得到所述每个仿真被测对象的点云属性信息；

其中，数据分析结果包括：所述每个物理被测对象的点云属性信息以及所述每个仿真被测对象的点云属性信息。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括相应被测对象的点云数；相应的，在基于所述数据分析结果确定所述评测指标的指标值时，所述一条或多条指令可由处理器加载并具体执行：

对第i个物理被测对象的点云数，和第i个仿真被测对象的点云数进行差值运算，得到差值运算结果，i∈[1，m]；

基于所述差值运算结果和所述第i个物理被测对象的点云数，计算所述第i个物理被测对象和所述第i个仿真被测对象之间的点云数差异度；

根据计算得到的点云数差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；相应的，在基于所述数据分析结果确定所述评测指标的指标值时，所述一条或多条指令可由处理器加载并具体执行：

基于第i个物理被测对象对应的各个点的坐标值，和第i个仿真被测对象对应的各个点的坐标值，计算所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点之间的距离值，i∈[1，m]；

根据计算得到的距离值，对所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点进行配对处理，得到一个或多个点对；一个点对包括：所述第i个物理被测对象对应的一个点，以及所述第i个仿真被测对象对应的一个点；

分别根据每个点对中的两个点的坐标值，计算所述每个点对的坐标差异度；并对各个点对的坐标差异度进行求和或均值运算，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云坐标差异度；

根据计算得到的点云坐标差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；相应的，在基于所述数据分析结果确定所述评测指标的指标值时，所述一条或多条指令可由处理器加载并具体执行：

采用第i个物理被测对象对应的各个点的坐标值，构建所述第i个物理被测对象的点云坐标向量；采用第i个仿真被测对象对应的各个点的坐标值，构建所述第i个仿真被测对象的点云坐标向量，i∈[1，m]；

采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度；

根据计算得到的点云几何特性差异度，确定所述单对象点云差异性指标的第i个指标值。

另一种实施方式中，在采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度时，所述一条或多条指令可由处理器加载并具体执行：

采用余弦相似度算法对构建得到的两个点云坐标向量进行相似度运算，并将运算得到的向量相似度，作为所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性相似度；

对所述点云几何特性相似度进行反余弦处理，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度。

另一种实施方式中，在根据所述评测指标的指标值评测所述仿真雷达的真实性时，所述一条或多条指令可由处理器加载并具体执行：

根据所述评测指标的指标值，确定所述仿真雷达和所述物理雷达之间的雷达相似度；

基于所述雷达相似度评测所述仿真雷达的真实性，得到真实性评测结果。

另一种实施方式中，所述目标物理评测场景属于Q个物理评测场景中的任一个物理评测场景，Q为大于1的整数；

其中，不同物理评测场景中的物理被测对象属于不同类别，且一个物理评测场景对应一个仿真评测场景；一个物理评测场景和相应的仿真评测场景，用于确定所述仿真雷达的一个真实性评测结果；

所述一条或多条指令还可由处理器加载并具体执行：在通过所述Q个物理评测场景和Q个仿真评测场景，得到所述仿真雷达的Q个真实性评测结果后，若根据所述Q个真实性评测结果确定所述仿真雷达满足参数调整条件，则对所述仿真雷达的参数进行调整。

本申请实施例可获取由被仿真的物理雷达在目标物理评测场景中所扫描得到的物理点云数据帧，以及由仿真雷达在目标仿真评测场景中所扫描得到的仿真点云数据帧。其次，可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求，分别对物理点云数据帧和仿真点云数据帧进行数据分析；这样可使得数据分析结果中的任一数据对于后续计算评测指标的指标值均是有用的，保证数据分析结果的准确性，还可避免因盲目地进行数据分析而浪费处理资源，达到节省处理资源的目的。在得到数据分析结果后，便可基于数据分析结果确定评测指标的指标值，从而根据该评测指标的指标值实现对仿真雷达的真实性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进行三维建模得到的，因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景信息之间的一致性，从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采集到的，进而保证后续真实性评测的客观公正性，提供一个客观公正的真实性评测结果。

需要说明的是，根据本申请的一个方面，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述图2或图4所示的仿真雷达的评测方法实施例方面的各种可选方式中提供的方法。

并且，应理解的是，以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (15)

1.一种仿真雷达的评测方法，其特征在于，包括：

获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；

获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；

确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；

基于所述数据分析结果确定所述评测指标的指标值，并根据所述评测指标的指标值评测所述仿真雷达的真实性。

2.如权利要求1所述的方法，其特征在于，所述目标物理评测场景中的物理被测对象的数量，与所述目标仿真评测场景中的仿真被测对象的数量为m个；且m个物理被测对象和m个仿真被测对象一一对应，m为大于1的整数；

所述物理点云数据帧是对所述m个物理被测对象进行扫描得到的，所述仿真点云数据帧是对所述m个仿真被测对象进行扫描得到的。

3.如权利要求2所述的方法，其特征在于，所述目标物理评测场景中的m个物理被测对象属于同一类别，且所述m个物理被测对象中的各个物理被测对象的对象尺寸不同；

在所述目标物理评测场景中，是以所述物理雷达所处的位置为起点，沿着一条直线，按照与所述物理雷达的距离从近到远，且对象尺寸从小到大的摆放方式，依次摆放所述m个物理被测对象的。

4.如权利要求2或3所述的方法，其特征在于，所述评测指标包括：点云总数差异性指标；所述点云总数差异性指标的计算需求包括：采用所述物理点云数据帧的点云总数以及所述仿真点云数据帧的点云总数，进行指标值计算的需求；

所述按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果，包括：

按照所述点云总数差异性指标的计算需求，统计所述物理点云数据帧中的全部点的总数量，得到所述物理点云数据帧的点云总数；

以及，统计所述仿真点云数据帧中的全部点的总数量，得到所述仿真点云数据帧的点云总数；

其中，数据分析结果包括：所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数。

5.如权利要求4所述的方法，其特征在于，所述基于所述数据分析结果确定所述评测指标的指标值，包括：

对所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数进行差值运算，得到点云总数差值；

基于所述点云总数差值和所述物理点云数据帧的点云总数，计算所述点云总数差异性指标的指标值。

6.如权利要求2或3所述的方法，其特征在于，所述评测指标包括：单对象点云差异性指标；所述单对象点云差异性指标的计算需求包括：采用单个物理被测对象的点云属性信息以及相应的仿真被测对象的点云属性信息，进行指标值计算的需求；

所述按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果，包括：

按照所述单对象点云差异性指标的计算需求，对所述物理点云数据帧进行分割处理，得到每个物理被测对象的点云数据；以及对所述仿真点云数据帧进行分割处理，得到每个仿真被测对象的点云数据；

分别对所述每个物理被测对象的点云数据进行属性识别，得到所述每个物理被测对象的点云属性信息；以及，分别对所述每个仿真被测对象的点云数据进行属性识别，得到所述每个仿真被测对象的点云属性信息；

其中，数据分析结果包括：所述每个物理被测对象的点云属性信息以及所述每个仿真被测对象的点云属性信息。

7.如权利要求6所述的方法，其特征在于，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括相应被测对象的点云数；所述基于所述数据分析结果确定所述评测指标的指标值，包括：

对第i个物理被测对象的点云数，和第i个仿真被测对象的点云数进行差值运算，得到差值运算结果，i∈[1，m]；

基于所述差值运算结果和所述第i个物理被测对象的点云数，计算所述第i个物理被测对象和所述第i个仿真被测对象之间的点云数差异度；

根据计算得到的点云数差异度，确定所述单对象点云差异性指标的第i个指标值。

8.如权利要求6所述的方法，其特征在于，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；所述基于所述数据分析结果确定所述评测指标的指标值，包括：

基于第i个物理被测对象对应的各个点的坐标值，和第i个仿真被测对象对应的各个点的坐标值，计算所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点之间的距离值，i∈[1，m]；

根据计算得到的距离值，对所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点进行配对处理，得到一个或多个点对；一个点对包括：所述第i个物理被测对象对应的一个点，以及所述第i个仿真被测对象对应的一个点；

分别根据每个点对中的两个点的坐标值，计算所述每个点对的坐标差异度；并对各个点对的坐标差异度进行求和或均值运算，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云坐标差异度；

根据计算得到的点云坐标差异度，确定所述单对象点云差异性指标的第i个指标值。

9.如权利要求6所述的方法，其特征在于，所述单对象点云差异性指标的指标值的数量为m个，任一点云属性信息包括：对相应被测对象进行扫描得到的点云中的各个点的坐标值；所述基于所述数据分析结果确定所述评测指标的指标值，包括：

采用第i个物理被测对象对应的各个点的坐标值，构建所述第i个物理被测对象的点云坐标向量；采用第i个仿真被测对象对应的各个点的坐标值，构建所述第i个仿真被测对象的点云坐标向量，i∈[1，m]；

采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度；

根据计算得到的点云几何特性差异度，确定所述单对象点云差异性指标的第i个指标值。

10.如权利要求9所述的方法，其特征在于，所述采用构建得到的两个点云坐标向量，确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度，包括：

采用余弦相似度算法对构建得到的两个点云坐标向量进行相似度运算，并将运算得到的向量相似度，作为所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性相似度；

对所述点云几何特性相似度进行反余弦处理，得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度。

11.如权利要求1所述的方法，其特征在于，所述根据所述评测指标的指标值评测所述仿真雷达的真实性，包括：

根据所述评测指标的指标值，确定所述仿真雷达和所述物理雷达之间的雷达相似度；

基于所述雷达相似度评测所述仿真雷达的真实性，得到真实性评测结果。

12.如权利要求1所述的方法，其特征在于，所述目标物理评测场景属于Q个物理评测场景中的任一个物理评测场景，Q为大于1的整数；

其中，不同物理评测场景中的物理被测对象属于不同类别，且一个物理评测场景对应一个仿真评测场景；一个物理评测场景和相应的仿真评测场景，用于确定所述仿真雷达的一个真实性评测结果；

所述方法还包括：在通过所述Q个物理评测场景和Q个仿真评测场景，得到所述仿真雷达的Q个真实性评测结果后，若根据所述Q个真实性评测结果确定所述仿真雷达满足参数调整条件，则对所述仿真雷达的参数进行调整。

13.一种仿真雷达的评测装置，其特征在于，包括：

获取单元，用于获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描，所得到的物理点云数据帧；

所述获取单元，还用于获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描，所得到的仿真点云数据帧；其中，所述仿真雷达是通过仿真所述物理雷达得到的，所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的；

评测单元，用于确定对所述仿真雷达进行真实性评测时所需的评测指标，并按照所述评测指标的计算需求，分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析，得到数据分析结果；

所述评测单元，用于基于所述数据分析结果确定所述评测指标的指标值，并根据所述评测指标的指标值评测所述仿真雷达的真实性。

14.一种计算机设备，包括输入接口和输出接口，其特征在于，还包括：

处理器，适于实现一条或多条指令；以及，

计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如权利要求1-12任一项所述的仿真雷达的评测方法。

15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-12任一项所述的仿真雷达的评测方法。

Images