CN114077797A - 基于道路通行法规的自动驾驶测试场景设计方法和装置 - Google Patents
基于道路通行法规的自动驾驶测试场景设计方法和装置 Download PDFInfo
- Publication number
- CN114077797A CN114077797A CN202111435869.5A CN202111435869A CN114077797A CN 114077797 A CN114077797 A CN 114077797A CN 202111435869 A CN202111435869 A CN 202111435869A CN 114077797 A CN114077797 A CN 114077797A
- Authority
- CN
- China
- Prior art keywords
- road
- dynamic
- key elements
- automatic driving
- driving behavior
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013461 design Methods 0.000 title claims abstract description 28
- 230000009471 action Effects 0.000 claims abstract description 46
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 17
- 230000003068 static effect Effects 0.000 claims description 53
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012827 research and development Methods 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 75
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Technology Law (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于自动驾驶测试场景设计技术领域,具体涉及基于道路通行法规的自动驾驶测试场景设计方法和装置,该方法包括:根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;利用驾驶行为特征生成驾驶行为画像;对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;从分解后的动作中提取自动驾驶测试场景的关键要素;利用关键要素构建自动驾驶测试场景。本申请提供的技术方案,实现了将道路通行规则全面引入和应用于自动驾驶测试场景中,不仅提高了自动驾驶测试的真实性、可靠性和准确性,还为自动驾驶技术的研发提供了保障。
Description
技术领域
本发明属于自动驾驶测试场景设计技术领域,具体涉及基于道路通行法规的自动驾驶测试场景设计方法和装置。
背景技术
道路通行规则是道路交通安全和合规的重要保障,自动驾驶车辆也应当遵守。但目前自动驾驶道路通行规则引入和应用不足,影响了自动驾驶车辆导入现有道路交通系统。因此,在自动驾驶汽车上道路通行前,在满足设计运行域与交通安全的前提下有执行道路通行规则的能力是至关重要的。
目前,可通过虚拟仿真测试、场地测试和道路测试等方式进行自动驾驶车辆对道路通行规则的执行能力测试,测试场景即为道路通行规则场景。但由于道路通行规则众多,且机器可读性差,所以相关技术中的仿真场景对自动驾驶道路通行规则引入和应用不足。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供基于道路通行法规的自动驾驶测试场景设计方法和装置,以解决现有技术中的仿真场景对自动驾驶道路通行规则引入和应用不足的问题。
根据本申请实施例的第一方面,提供一种基于道路通行法规的自动驾驶测试场景设计方法,所述方法包括:
根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;
利用所述驾驶行为特征生成驾驶行为画像;
对所述驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;
从所述分解后的动作中提取自动驾驶测试场景的关键要素;
利用所述关键要素构建自动驾驶测试场景。
进一步的,所述利用所述驾驶行为特征生成驾驶行为画像,包括:
基于聚类分析法,利用所述驾驶行为特征生成驾驶行为画像。
进一步的,所述驾驶行为画像包括:
车道通行、交通信号遵守、安全速度、安全距离、避让、停车、会车、掉头、变更车道、超车、路口通行、环形交叉口通行。
进一步的,所述从所述分解后的动作中提取自动驾驶测试场景的关键要素,包括:
从所述分解后的动作中提取静态信息和动态信息;
分别提取所述静态信息和所述动态信息中的关键要素,得到静态关键要素和动态关键要素。
进一步的,所述利用所述关键要素构建自动驾驶测试场景,包括:
根据所述关键要素中的静态关键要素和动态关键要素,分别进行所述自动驾驶测试场景的静态路网信息设计和动态路网信息设计;
利用所述静态路网信息设计建立标准格式的OpenDRIVE的静态路网地图,并生成图形道路数据osgb文件;
利用所述动态路网信息设计建立OpenScenarios动态场景描述文件;
通过所述OpenScenarios动态场景描述文件调用OpenDRIVE静态路网地图和图形道路数据osgb文件,并在所述OpenScenarios动态场景描述文件中根据动态路网信息建立动态工况,进行自动驾驶车辆的道路通行规则场景仿真,以构建自动驾驶测试场景。
根据本申请实施例的第二方面,提供一种基于道路通行法规的自动驾驶测试场景设计装置,所述装置包括:
行为特征获取模块,用于根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;
画像生成模块,用于利用所述驾驶行为特征生成驾驶行为画像;
分解模块,用于对所述驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;
提取模块,用于从所述分解后的动作中提取自动驾驶测试场景的关键要素;
构建模块,用于利用所述关键要素构建自动驾驶测试场景。
进一步的,所述画像生成模块,具体用于:
基于聚类分析法,利用所述驾驶行为特征生成驾驶行为画像。
进一步的,所述驾驶行为画像包括:
车道通行、交通信号遵守、安全速度、安全距离、避让、停车、会车、掉头、变更车道、超车、路口通行、环形交叉口通行。
进一步的,所述提取模块,具体用于:
从所述分解后的动作中提取静态信息和动态信息;
分别提取所述静态信息和所述动态信息中的关键要素,得到静态关键要素和动态关键要素。
进一步的,所述构建模块,具体用于:
根据所述关键要素中的静态关键要素和动态关键要素,分别进行所述自动驾驶测试场景的静态路网信息设计和动态路网信息设计;
利用所述静态路网信息设计建立标准格式的OpenDRIVE的静态路网地图,并生成图形道路数据osgb文件;
利用所述动态路网信息设计建立OpenScenarios动态场景描述文件;
通过所述OpenScenarios动态场景描述文件调用OpenDRIVE静态路网地图和图形道路数据osgb文件,并在所述OpenScenarios动态场景描述文件中根据动态路网信息建立动态工况,进行自动驾驶车辆的道路通行规则场景仿真,以构建自动驾驶测试场景。
本发明采用以上技术方案,能够达到的有益效果包括:通过根据每条道路通行规则的特点确定与其相对应的驾驶行为特征,利用驾驶行为特征生成驾驶行为画像,对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作,从分解后的动作中提取自动驾驶测试场景的关键要素,利用关键要素构建自动驾驶测试场景,实现了将道路通行规则全面引入和应用于自动驾驶测试场景中,不仅提高了自动驾驶测试的真实性、可靠性和准确性,还为自动驾驶技术的研发提供了保障。
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地介绍,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是根据一示例性实施例示出的一种基于道路通行法规的自动驾驶测试场景设计方法的流程图;
图2是根据一示例性实施例示出的一种基于道路通行法规的自动驾驶测试场景设计方法的流程图;
图3是根据一示例性实施例示出的测试场景设计的应用场景示意图;
图4是根据一示例性实施例示出的一种基于道路通行法规的自动驾驶测试场景设计装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,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做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
图1是根据一示例性实施例示出的一种基于道路通行法规的自动驾驶测试场景设计方法的流程图,如图1所示,该方法可以但不限于用于终端中,包括以下步骤:
步骤101:根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;
步骤102:利用驾驶行为特征生成驾驶行为画像;
步骤103:对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;
步骤104:从分解后的动作中提取自动驾驶测试场景的关键要素;
步骤105:利用关键要素构建自动驾驶测试场景。
本发明实施例提供的一种基于道路通行法规的自动驾驶测试场景设计方法,通过根据每条道路通行规则的特点确定与其相对应的驾驶行为特征,利用驾驶行为特征生成驾驶行为画像,对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作,从分解后的动作中提取自动驾驶测试场景的关键要素,利用关键要素构建自动驾驶测试场景,实现了将道路通行规则全面引入和应用于自动驾驶测试场景中,不仅提高了自动驾驶测试的真实性、可靠性和准确性,还为自动驾驶技术的研发提供了保障。
作为上述实施例的一种改进,本发明实施例提供另一种基于道路通行法规的自动驾驶测试场景设计方法,如图2所示,该方法可以但不限于用于终端中,包括以下步骤:
步骤201:道路通行规则行为提取,根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;
步骤202:生成驾驶行为画像,利用驾驶行为特征生成驾驶行为画像;
步骤203:道路通行规则分步解读,对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;
步骤204:确定关键要素,从分解后的动作中提取自动驾驶测试场景的关键要素;
步骤205:测试场景设计,利用关键要素构建自动驾驶测试场景。
需要说明的是,用于自动驾驶测试场景设计的道路通行规则来源于标准道路通行规则场景列表,标准道路通行规则场景列表可以但不限于由道路交通安全法、道路交通安全法实施条例、机动车安全文明操作规范组成,包括序号、驾驶行为画像分类、道路通行规则来源、道路通行规则内容四列。
驾驶行为画像分类是根据每一条道路通行规则内容所对应的驾驶行为画像,道路通行规则来源是指该条道路通行规则属于道路交通安全法、道路交通安全法实施条例、机动车安全文明操作规范或其他条例及规范的哪一条,道路通行规则内容是指该条道路通行规则的具体内容。例如,序号为“1”,驾驶行为画像分类为“超车”,道路通行规则来源为“中华人民共和国道路交通安全法实施条例第四十七条”,道路通行规则内容为“后车应当在确认有充足的安全距离后,从前车的左侧超越,在与被超车辆拉开必要的安全距离后,开启右转向灯,驶回原车道”。
进一步可选的,步骤202,包括:
基于聚类分析法,利用驾驶行为特征生成驾驶行为画像。
需要说明的是,由于道路通行规则条数众多,所以进行聚类分析后得到的驾驶行为画像种类繁多,至少包括12个不同种类。
还需要说明的是,步骤203道路通行规则分步解读需实现每条道路通行规则的全覆盖,全覆盖是指某些道路通行规则涉及到2种以上的行为或类型,需要对每种行为或类型均设计对应场景,以实现该条道路通行规则的全覆盖。
进一步可选的,驾驶行为画像包括:
车道通行、交通信号遵守、安全速度、安全距离、避让、停车、会车、掉头、变更车道、超车、路口通行、环形交叉口通行;
其中,交通信号遵守包括:指挥、标志、标线和信号灯。
进一步可选的,步骤204,包括:
从分解后的动作中提取静态信息和动态信息;
分别提取静态信息和动态信息中的关键要素,得到静态关键要素和动态关键要素。
进一步可选的,步骤205,包括:
步骤2051:根据关键要素中的静态关键要素和动态关键要素,分别进行自动驾驶测试场景的静态路网信息设计和动态路网信息设计;
具体可选的,静态路网信息设计包括:道路设计、交通基础设施设计、临时路况设计和环境设计;
其中,道路设计包括:道路等级设置、道路结构设置、车道数量设置和特殊车道设置;交通基础设施设计包括:隔离方式设置、行道设施设置和交通信号灯设置;临时路况设计包括:路面状况设置、摩擦系数设置、阻尼设置和特殊区域设置;环境设计包括:时间设置和天气设置。
具体可选的,动态路网信息设计包括:主车参数设计和目标物参数设计,即对主车和目标物进行行为量化赋值;
由于被测车辆为自动驾驶车辆,主车参数设计包括:主车初始位置和初始速度;目标物参数设计包括:目标物类型、目标物运动状态、目标物初始速度、目标物加速度和目标物相对主车位置;
步骤2052:利用静态路网信息设计建立标准格式的OpenDRIVE的静态路网地图,并生成图形道路数据osgb文件;
步骤2053:利用动态路网信息设计建立OpenScenarios动态场景描述文件;
步骤2054:通过OpenScenarios动态场景描述文件调用OpenDRIVE静态路网地图和图形道路数据osgb文件,并在OpenScenarios动态场景描述文件中根据标准道路通行规则场景列表建立动态工况,进行自动驾驶车辆的道路通行规则场景仿真,以构建自动驾驶测试场景。
为进一步说上述实施例提供的自动驾驶测试场景设计方法,本发明实施例提供一具体的例子,以标准道路通行规则场景列表序号1的中华人民共和国道路交通安全法实施条例第四十七条为例,其内容为“后车应当在确认有充足的安全距离后,从前车的左侧超越,在与被超车辆拉开必要的安全距离后,开启右转向灯,驶回原车道”,以下简称“示例道路通行规则”,如下所示,包括:
步骤a:道路通行规则行为提取,示例道路通行规则特点为“后车”、“超越”、“被超车辆”和“驶回原车道”,因此,驾驶行为特征为超车;
步骤b:生成驾驶行为画像,根据聚类分析,驾驶行为特征“超车”归类于“超车换道”的驾驶行为画像中;
进一步的,道路通行规则分步解读步骤中道路通行规则的全覆盖,是指某些道路通行规则涉及到2种以上的行为或类型,需要对每种行为或类型均设计对应场景,以实现该条道路通行规则的全覆盖。以中华人民共和国道路交通安全法第四十三条为例,其具体内容为“有下列情形之一的,不得超车:(一)前车正在左转弯、掉头、超车的”,上述示例道路通行规则中涉及到转弯、掉头、超车三种行为,因此需要分别设计三个场景以实现该道路通行规则的全覆盖,因此
步骤c:道路通行规则分步解读,示例道路通行规则可分解为多个动作:
1)后车需判断与前车有足够的安全距离,以保证超车安全;
2)后车应从前车的左侧进行超车;
3)后车超越前车后应与前车有必要的安全距离,以保证驶回原车道时不会与主车发生碰撞;
4)后车驶回原车道需提前开启右转向灯;
5)后车驶回原车道;
步骤d:确定关键要素,根据示例道路通行规则的动作分解,确定测试场景设计所需的关键要素,由上述1)-5),首先确定静态信息,由于后车需超越前车,可得静态关键要素为被测道路的单向车道数量需大于或等于2;其次确定动态信息,由于示例道路通行规则属于“超车换道”的驾驶行为画像,因此,除主车外,动态关键要素还包括目标物(前车);
步骤e:测试场景设计步骤,应首先进行静态路网信息设计,根据静态关键要素确定步骤:
1)道路设计层级中,道路等级要素设置为城市道路,道路结构要素设置为直道,车道数量要素设置为4,特殊车道,设置为无;
2)交通基础设施设计层级中,隔离方式要素设置为物理隔离,行道设施要素设置为路灯、交通信号灯要素设置为无;
3)临时路况设计层级设置为无;
4)环境设计层级中,时间要素设置为白天,天气要素设置为晴天;
测试场景设计步骤,其次进行动态路网信息设计,根据道路通行规则解读的动作分解和动态关键要素可确定,分步对主车和目标物(前车)进行行为量化赋值:
1)示例道路通行规则为“超车换道”道路通行规则,目标物类型均为车辆,需设置前车(FO),使主车(Ego)跟驰前车,再进行超车动作,为保证主车进行超车而非仅换道,需在前车前方的左侧和右侧非别设置目标车辆,即左前车(LFO)和右前车(RFO);
2)根据道路通行规则解读步骤2)所述,需设计主车既有向左进行换道超车的条件,也有向右进行换道超车的条件,供主车自由选择超车方向,因此,将主车和前车放置在第2车道(车道命名从隔离带侧开始,上车道为从下到上顺序,下车道为从上到下顺序),左前车放置在第1车道,右前车放置在第3车道;
3)对目标车辆进行行为量化赋值:
前车:速度设置为30km/h,加速度设置为0m/s2,前车与主车的纵向距离为70m;
左前车:速度设置为30km/h,加速度设置为0m/s2,左前车与主车的纵向距离为220m;
右前车:速度设置为30km/h,加速度设置为0m/s2,右前车与主车的纵向距离为220m;
可以理解的是,上述目标车行为量化赋值的目的是在城市道路,目标车均慢速行驶,主车有超车动机,且有足够的超车距离;
上述测试场景设计的示意图如图3所示,根据测试场景设计,可得场景描述为前方车辆缓慢行驶,相邻左、右车道的远距离前方均有慢速车辆行驶,相邻左、右车道均具备超车条件,主车应判断条件提前开启左转向灯,并从左车道超车,驶回原车道时应提前开启右转向灯,此场景设计可完全对示例道路通行规则进行覆盖并测试。
本发明实施例提供的另一种基于道路通行法规的自动驾驶测试场景设计方法,通过根据每条道路通行规则的特点确定与其相对应的驾驶行为特征,利用驾驶行为特征生成驾驶行为画像,对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作,从分解后的动作中提取自动驾驶测试场景的关键要素,利用关键要素构建自动驾驶测试场景,实现了将道路通行规则全面引入和应用于自动驾驶测试场景中,不仅提高了自动驾驶测试的真实性、可靠性和准确性,还为自动驾驶技术的研发提供了保障。
为配合实现上述自动驾驶测试场景设计方法,本发明实施例还提供一种基于道路通行法规的自动驾驶测试场景设计装置,参照图4,该装置包括:
行为特征获取模块,用于根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;
画像生成模块,用于利用驾驶行为特征生成驾驶行为画像;
分解模块,用于对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;
提取模块,用于从分解后的动作中提取自动驾驶测试场景的关键要素;
构建模块,用于利用关键要素构建自动驾驶测试场景。
进一步可选的,画像生成模块,具体用于:
基于聚类分析法,利用驾驶行为特征生成驾驶行为画像。
进一步可选的,驾驶行为画像包括:
车道通行、交通信号遵守、安全速度、安全距离、避让、停车、会车、掉头、变更车道、超车、路口通行、环形交叉口通行。
进一步可选的,提取模块,具体用于:
从分解后的动作中提取静态信息和动态信息;
分别提取静态信息和动态信息中的关键要素,得到静态关键要素和动态关键要素。
进一步可选的,构建模块,具体用于:
根据关键要素中的静态关键要素和动态关键要素,分别进行自动驾驶测试场景的静态路网信息设计和动态路网信息设计;
利用静态路网信息设计建立标准格式的OpenDRIVE的静态路网地图,并生成图形道路数据osgb文件;
利用动态路网信息设计建立OpenScenarios动态场景描述文件;
通过OpenScenarios动态场景描述文件调用OpenDRIVE静态路网地图和图形道路数据osgb文件,并在OpenScenarios动态场景描述文件中根据标准道路通行规则场景列表建立动态工况,进行自动驾驶车辆的道路通行规则场景仿真,以构建自动驾驶测试场景。
本发明实施例提供的一种基于道路通行法规的自动驾驶测试场景设计装置,通过行为特征获取模块根据每条道路通行规则的特点确定与其相对应的驾驶行为特征,画像生成模块利用驾驶行为特征生成驾驶行为画像,分解模块对驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作,提取模块从分解后的动作中提取自动驾驶测试场景的关键要素,构建模块利用关键要素构建自动驾驶测试场景,实现了将道路通行规则全面引入和应用于自动驾驶测试场景中,不仅提高了自动驾驶测试的真实性、可靠性和准确性,还为自动驾驶技术的研发提供了保障。
可以理解的是,上述提供的装置实施例与上述的方法实施例对应,相应的具体内容可以相互参考,在此不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品,该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于道路通行法规的自动驾驶测试场景设计方法,其特征在于,所述方法包括:
根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;
利用所述驾驶行为特征生成驾驶行为画像;
对所述驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;
从所述分解后的动作中提取自动驾驶测试场景的关键要素;
利用所述关键要素构建自动驾驶测试场景。
2.根据权利要求1所述的方法,其特征在于,所述利用所述驾驶行为特征生成驾驶行为画像,包括:
基于聚类分析法,利用所述驾驶行为特征生成驾驶行为画像。
3.根据权利要求1所述的方法,其特征在于,所述驾驶行为画像包括:
车道通行、交通信号遵守、安全速度、安全距离、避让、停车、会车、掉头、变更车道、超车、路口通行、环形交叉口通行。
4.根据权利要求1所述的方法,其特征在于,所述从所述分解后的动作中提取自动驾驶测试场景的关键要素,包括:
从所述分解后的动作中提取静态信息和动态信息;
分别提取所述静态信息和所述动态信息中的关键要素,得到静态关键要素和动态关键要素。
5.根据权利要求1所述的方法,其特征在于,所述利用所述关键要素构建自动驾驶测试场景,包括:
根据所述关键要素中的静态关键要素和动态关键要素,分别进行所述自动驾驶测试场景的静态路网信息设计和动态路网信息设计;
利用所述静态路网信息设计建立标准格式的OpenDRIVE的静态路网地图,并生成图形道路数据osgb文件;
利用所述动态路网信息设计建立OpenScenarios动态场景描述文件;
通过所述OpenScenarios动态场景描述文件调用OpenDRIVE静态路网地图和图形道路数据osgb文件,并在所述OpenScenarios动态场景描述文件中根据动态路网信息建立动态工况,进行自动驾驶车辆的道路通行规则场景仿真,以构建自动驾驶测试场景。
6.一种基于道路通行法规的自动驾驶测试场景设计装置,其特征在于,所述装置包括:
行为特征获取模块,用于根据每条道路通行规则的特点确定与其相对应的驾驶行为特征;
画像生成模块,用于利用所述驾驶行为特征生成驾驶行为画像;
分解模块,用于对所述驾驶行为画像中的道路通行规则条目进行动作分解,以得到分解后的动作;
提取模块,用于从所述分解后的动作中提取自动驾驶测试场景的关键要素;
构建模块,用于利用所述关键要素构建自动驾驶测试场景。
7.根据权利要求6所述的装置,其特征在于,所述画像生成模块,具体用于:
基于聚类分析法,利用所述驾驶行为特征生成驾驶行为画像。
8.根据权利要求6所述的装置,其特征在于,所述驾驶行为画像包括:
车道通行、交通信号遵守、安全速度、安全距离、避让、停车、会车、掉头、变更车道、超车、路口通行、环形交叉口通行。
9.根据权利要求6所述的装置,其特征在于,所述提取模块,具体用于:
从所述分解后的动作中提取静态信息和动态信息;
分别提取所述静态信息和所述动态信息中的关键要素,得到静态关键要素和动态关键要素。
10.根据权利要求6所述的装置,其特征在于,所述构建模块,具体用于:
根据所述关键要素中的静态关键要素和动态关键要素,分别进行所述自动驾驶测试场景的静态路网信息设计和动态路网信息设计;
利用所述静态路网信息设计建立标准格式的OpenDRIVE的静态路网地图,并生成图形道路数据osgb文件;
利用所述动态路网信息设计建立OpenScenarios动态场景描述文件;
通过所述OpenScenarios动态场景描述文件调用OpenDRIVE静态路网地图和图形道路数据osgb文件,并在所述OpenScenarios动态场景描述文件中根据动态路网信息建立动态工况,进行自动驾驶车辆的道路通行规则场景仿真,以构建自动驾驶测试场景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435869.5A CN114077797A (zh) | 2021-11-29 | 2021-11-29 | 基于道路通行法规的自动驾驶测试场景设计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435869.5A CN114077797A (zh) | 2021-11-29 | 2021-11-29 | 基于道路通行法规的自动驾驶测试场景设计方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114077797A true CN114077797A (zh) | 2022-02-22 |
Family
ID=80284425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111435869.5A Pending CN114077797A (zh) | 2021-11-29 | 2021-11-29 | 基于道路通行法规的自动驾驶测试场景设计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114077797A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115249408A (zh) * | 2022-06-21 | 2022-10-28 | 重庆长安汽车股份有限公司 | 一种自动驾驶测试数据的场景分类提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178402A (zh) * | 2019-12-13 | 2020-05-19 | 赛迪检测认证中心有限公司 | 一种自动驾驶车辆道路测试的场景分类方法及装置 |
CN111797001A (zh) * | 2020-05-27 | 2020-10-20 | 中汽数据有限公司 | 一种基于SCANeR的自动驾驶仿真测试模型的构建方法 |
CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
WO2021102718A1 (zh) * | 2019-11-26 | 2021-06-03 | 畅加风行(苏州)智能科技有限公司 | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 |
CN113254336A (zh) * | 2021-05-24 | 2021-08-13 | 公安部道路交通安全研究中心 | 自动驾驶汽车交通法规符合性仿真测试方法及系统 |
-
2021
- 2021-11-29 CN CN202111435869.5A patent/CN114077797A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021102718A1 (zh) * | 2019-11-26 | 2021-06-03 | 畅加风行(苏州)智能科技有限公司 | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 |
CN111178402A (zh) * | 2019-12-13 | 2020-05-19 | 赛迪检测认证中心有限公司 | 一种自动驾驶车辆道路测试的场景分类方法及装置 |
CN111797001A (zh) * | 2020-05-27 | 2020-10-20 | 中汽数据有限公司 | 一种基于SCANeR的自动驾驶仿真测试模型的构建方法 |
CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
CN113254336A (zh) * | 2021-05-24 | 2021-08-13 | 公安部道路交通安全研究中心 | 自动驾驶汽车交通法规符合性仿真测试方法及系统 |
Non-Patent Citations (2)
Title |
---|
BABIC, D 等: "Evaluation of static and dynamic method for measuring retroreflection of road markings", 《GRADEVINAR》 * |
张珊等: "基于交通事故的自动驾驶虚拟测试方法研究", 《中国汽车》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115249408A (zh) * | 2022-06-21 | 2022-10-28 | 重庆长安汽车股份有限公司 | 一种自动驾驶测试数据的场景分类提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Scholtes et al. | 6-layer model for a structured description and categorization of urban traffic and environment | |
CN111797001A (zh) | 一种基于SCANeR的自动驾驶仿真测试模型的构建方法 | |
CN108416808B (zh) | 车辆重定位的方法及装置 | |
CN110716529A (zh) | 一种自动驾驶测试用例自动生成方法和装置 | |
CN103234546B (zh) | 真三维导航中变道诱导的方法和装置 | |
CN114168457A (zh) | 自动驾驶汽车测试场景生成方法及系统 | |
CN110675476A (zh) | 一种直观传达自动驾驶场景定义的方法和装置 | |
CN115795808A (zh) | 一种自动驾驶决策危险场景生成方法、系统、设备及介质 | |
WO2021146906A1 (zh) | 测试场景仿真方法、装置、计算机设备和存储介质 | |
CN114077797A (zh) | 基于道路通行法规的自动驾驶测试场景设计方法和装置 | |
Zipfl et al. | From traffic sensor data to semantic traffic descriptions: The test area autonomous driving baden-württemberg dataset (taf-bw dataset) | |
CN114399512A (zh) | 基于人工智能的实例分割模型训练方法、装置、存储介质 | |
CN117197296A (zh) | 交通道路场景模拟方法、电子设备及存储介质 | |
KR102427961B1 (ko) | 정밀지도 데이터 기반 가상환경 생성 방법 및 시스템 | |
Martin et al. | Utah traffic lab driving simulator: user manual and flex lanes scenario development. | |
CN114701509A (zh) | 一种面向混合交通流的驾驶意图识别方法及系统 | |
CN114154510A (zh) | 自动驾驶车辆的控制方法、装置、电子设备及存储介质 | |
CN111310660A (zh) | 用于adas场景的目标检测虚警抑制方法及装置 | |
CN112684720A (zh) | 一种仿真测试的方法及装置 | |
CN116071618B (zh) | 基于仿真数据的3d点云生成方法、装置、设备及介质 | |
WO2021159357A1 (zh) | 行驶场景信息处理方法、装置、电子设备和可读存储介质 | |
CN116361987A (zh) | 一种自动驾驶测试场景设计方法、装置及设备 | |
Noh et al. | Comparing the Conversion Effects of Toll Operations for Seoul Tollgate Using Arena | |
Sheng et al. | Traffic Risk Modelling and Analysis under Airport‐Like Simulation Environment | |
CN118238828A (zh) | 加速驾驶风格识别方法、装置、可读介质及电子设备 |
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: 20220222 |