CN114371015B - 自动驾驶测试方法、装置、计算机设备、存储介质 - Google Patents

Abstract

本申请涉及一种自动驾驶测试方法、装置、计算机设备、存储介质。该方法包括：获取自动驾驶测试场景，自动驾驶测试场景包括自车状态和环境车辆状态；采用自动驾驶测试场景对被测车辆进行仿真测试，并获取被测车辆在测试过程中的状态；若被测车辆在测试过程中的状态与自车状态之间的差值在设定范围外，则基于被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新环境车辆状态。从而构建了一个动态改变的仿真测试场景，使得构建的仿真场景与实际的驾驶场景更加接近，更好的模拟了车辆真实驾驶时的情况。

Description

自动驾驶测试方法、装置、计算机设备、存储介质

技术领域

本申请涉及仿真测试技术领域，特别是涉及一种自动驾驶测试方法、装置、计算机设备、存储介质。

背景技术

随着汽车技术的发展，越来越多的厂商致力于研究自动驾驶技术，自动驾驶技术逐渐成为汽车行业未来的发展趋势。与此同时，人们对于自动驾驶的安全性仍然心存疑虑。因此，需要在自动驾驶车辆正式发售前，对自动驾驶车辆进行测试。

传统技术中，对自动驾驶车辆进行场地测试和道路测试，通过构建仿真场景，使用仿真测试的方式来模拟自动驾驶车辆在道路上的运行情况，从而验证自动驾驶车辆的可靠性。

然而，使用传统技术构建的用于自动驾驶车辆进行仿真测试的场景，其中的各种场景参数均为预设值，无法根据自动驾驶车辆的状态而进行调整，使得生成的仿真测试场景与实际情况不相符合。

发明内容

基于此，有必要针对上述技术问题，提供一种能够基于待测试的自动驾驶车辆的车辆状态，来动态调整场景参数，从而使得为自动驾驶车辆模拟出的仿真测试场景与实际情况更加符合的自动驾驶测试方法、装置、计算机设备、存储介质。

一种自动驾驶测试方法，所述方法包括：获取自动驾驶测试场景，所述自动驾驶测试场景包括自车状态和环境车辆状态；采用所述自动驾驶测试场景对被测车辆进行仿真测试，并获取所述被测车辆在测试过程中的状态；若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在设定范围外，则基于所述被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新所述环境车辆状态。

在其中一个实施例中，所述基于所述被测车辆在测试过程中的状态，确定环境车辆对应的状态，包括：获取自车状态和环境车辆状态之间的对应关系；将所述被测车辆在测试过程中的状态作为自车状态代入所述对应关系，得到环境车辆对应的状态。

在其中一个实施例中，所述方法还包括：若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在所述设定范围内，则不更新所述环境车辆状态。

在其中一个实施例中，所述获取自动驾驶测试场景，包括：

获取安装在自车上的拍摄设备在所述自动驾驶测试场景中采集的视频数据、安装在所述自车上的激光雷达在所述自车的驾驶场景中采集的激光点云数据、以及所述自车在所述自动驾驶测试场景中采集的自车状态；根据所述视频数据和所述激光点云数据，确定所述自动驾驶测试场景中的环境车辆状态。

在其中一个实施例中，所述获取自动驾驶测试场景，还包括：根据多个所述自动驾驶测试场景中采集的视频数据和激光点云数据，确定多个所述自动驾驶测试场景中参数的取值范围，所述参数包括自车状态、环境车辆状态、道路信息、障碍物信息和天气信息；在各个所述参数的取值范围内改变对应参数的取值，得到新的自动驾驶测试场景。

在其中一个实施例中，所述在各个所述参数的取值范围内改变对应的所述参数的取值，得到新的自动驾驶测试场景，包括：将各个所述参数的取值范围分别划分为多个互不重叠的取值区间；确定每个所述参数的各个取值区间在多个所述自动驾驶测试场景中的出现概率；若一个所述参数的一个取值区间在多个所述自动驾驶测试场景中的出现概率大于或等于概率阈值，则以第一预设步长在该取值区间内改变该参数的取值；若一个所述参数的一个取值区间在多个所述自动驾驶测试场景中的出现概率小于所述概率阈值，则以第二预设步长在该取值区间内改变该参数的取值；所述第一预设步长小于所述第二预设步长。

一种自动驾驶测试装置，所述装置包括：

场景获取模块，用于获取自动驾驶测试场景，所述自动驾驶测试场景包括自车状态和环境车辆状态；

仿真测试模块，用于采用所述自动驾驶测试场景对被测车辆进行仿真测试，并获取所述被测车辆在测试过程中的状态；

状态调整模块，用于若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在设定范围外，则基于所述被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新所述环境车辆状态。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取自动驾驶测试场景，所述自动驾驶测试场景包括自车状态和环境车辆状态；采用所述自动驾驶测试场景对被测车辆进行仿真测试，并获取所述被测车辆在测试过程中的状态；若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在设定范围外，则基于所述被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新所述环境车辆状态。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取自动驾驶测试场景，所述自动驾驶测试场景包括自车状态和环境车辆状态；采用所述自动驾驶测试场景对被测车辆进行仿真测试，并获取所述被测车辆在测试过程中的状态；若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在设定范围外，则基于所述被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新所述环境车辆状态。

一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取自动驾驶测试场景，所述自动驾驶测试场景包括自车状态和环境车辆状态；采用所述自动驾驶测试场景对被测车辆进行仿真测试，并获取所述被测车辆在测试过程中的状态；若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在设定范围外，则基于所述被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新所述环境车辆状态。

上述自动驾驶测试方法、装置、计算机设备、存储介质。通过实际的车辆在道路上运行，并采集车辆运行时的各种数据，从而获取实际自动驾驶测试场景，包括自车的状态和环境车辆的状态。采用获取的自动驾驶测试场景对被测车辆进行仿真测试，并且获取被测车辆在测试过程中的状态，从而实现了通过仿真测试的方式验证自动驾驶车辆的运行情况。然后当被测车辆在测试过程中的车辆状态与实际的自车状态之间的差值在预设范围外时，则代表环境车辆如果继续按照预设的运行参数运行，则会发生碰撞或者其他不合理的情况，因此，根据被测车辆的当前车辆状态，来调整环境车辆的车辆状态，从而根据被测车辆的当前车辆状态，来改变环境车辆的车辆状态，构建了一个动态改变的仿真测试场景。由于环境车辆的车辆状态会随着被测车辆的当前车辆状态而改变，从而使得构建的仿真场景与实际的驾驶场景更加接近，更好的模拟了车辆真实驾驶时的情况。从而通过本申请的方法构建的仿真场景对自动驾驶车辆进行仿真测试，得到的结果更加准确可靠。

附图说明

为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中自动驾驶测试方法的流程图；

图2为一个实施例中采集测试场景的方法的流程图；

图3为一个实施例中调整测试场景参数的方法的流程图；

图4为一个实施例中调整测试场景参数的取值的方法的流程图；

图5为一个实施例中自动驾驶测试装置的结构图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本申请的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。

在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。

正如背景技术所述，现有技术中对自动驾驶车辆进行仿真测试的场景存在构建出的仿真测试场景单一固定，在测试过程中与实际情况不符合，无法模拟真实情况的问题。经发明人研究发现，出现这种问题的原因在于，现有技术中的仿真测试场景中的各种场景参数均为预设值，无法根据自动驾驶车辆的状态而进行动态的调整，从而使得生成的仿真测试场景与实际情况不相符合。

基于以上原因，本发明提供了一种能够基于待测试的自动驾驶车辆的车辆状态，来动态调整场景参数，从而使得为自动驾驶车辆模拟出的仿真测试场景与实际情况更加符合的自动驾驶测试方法、装置、计算机设备、存储介质。

在一个实施例中，如图1所示，提供了一种自动驾驶测试方法，该方法包括：

步骤S100，获取自动驾驶测试场景。

具体地，自动驾驶测试场景包括自车状态和环境车辆状态。

具体地，在获取自动驾驶测试场景之前，该方法还包括删除自动驾驶测试场景中的无意义场景。无意义场景为自车和周围的场景环境没有产生交互的场景。例如，自车周围预设距离内不存在其他车辆且自车处于直行状态的场景。

步骤S120，采用自动驾驶测试场景对被测车辆进行仿真测试，并获取被测车辆在测试过程中的状态。

步骤S140，若被测车辆在测试过程中的状态与自车状态之间的差值在设定范围外，则基于被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新环境车辆状态。

具体地，若被测车辆在测试过程中的状态与自车状态之间的差值在设定范围内，则不更新环境车辆状态。

在本实施例中，通过实际的车辆在道路上运行，并采集车辆运行时的各种数据，从而获取实际自动驾驶测试场景，包括自车的状态和环境车辆的状态。采用获取的自动驾驶测试场景对被测车辆进行仿真测试，并且获取被测车辆在测试过程中的状态，从而实现了通过仿真测试的方式验证自动驾驶车辆的运行情况。然后当被测车辆在测试过程中的车辆状态与实际的自车状态之间的差值在预设范围外时，则代表环境车辆如果继续按照预设的运行参数运行，则会发生碰撞或者其他不合理的情况，因此，根据被测车辆的当前车辆状态，来调整环境车辆的车辆状态，从而根据被测车辆的当前车辆状态，来改变环境车辆的车辆状态，构建了一个动态改变的仿真测试场景。由于环境车辆的车辆状态会随着被测车辆的当前车辆状态而改变，从而使得构建的仿真场景与实际的驾驶场景更加接近，更好的模拟了车辆真实驾驶时的情况。从而通过本申请的方法构建的仿真场景对自动驾驶车辆进行仿真测试，得到的结果更加准确可靠。

具体地，现有技术中对自动驾驶车辆进行场地测试和道路测试从而验证自动驾驶车辆可靠性的方法是，让实体车辆在道路上自动行驶，利用测试工具采集车辆行驶过程中的运行参数，从而对自动驾驶车辆进行测试。然而，为了验证自动驾驶车辆的安全性，现有技术的实体车辆测试通常需要进行数百万公里的道路测试，才能证明该自动驾驶车辆的安全性，所以测试成本高，且测试时间漫长。因此，使用本申请的仿真测试的方式对自动驾驶车辆的可靠性进行测试，还能够提高自动驾驶车辆测试的效率，降低自动驾驶车辆测试的成本。

在一个实施例中，步骤S100包括：

步骤S1002，获取安装在自车上的拍摄设备在自动驾驶测试场景中采集的视频数据。

具体地，视频数据包括道路几何形状信息、车道线信息、交通标志信息、交通灯信息、路障信息、生物信息、车辆信息，例如车辆、摩托车、自行车、行人、动物、天气、光照情况。

步骤S1004，获取安装在自车上的激光雷达在自车的驾驶场景中采集的激光点云数据。

具体地，激光点云数据包括自车与环境车辆之间的相对距离、相对车速、相对偏转角度。

步骤S1006，获取自车在自动驾驶测试场景中采集的自车状态。

具体地，自车的状态包括，自车的位置、自车的速度、自车的加速度、自车的方向。

步骤S1008，根据视频数据和激光点云数据，确定自动驾驶测试场景中的环境车辆状态。

具体地，环境车辆状态包括，环境车辆与自车的相对距离、相对速度、相对偏转角度、相对加速度。

示例性地，采用道路采集设备对实际道路中的车道线、交通车辆、行人、车道标识，交通信号等进行采集，其中需要采集100万公里自然驾驶路线。具体采集过程如下：采集设备按照功能不同安装在不同位置，其中车辆前段安装的激光雷达，主要采集与前方车辆之间的相对距离、相对车速以及偏转角度等信息，主要应用于前碰撞预警、自动紧急制动等情况下。Mobileye(智能行车预警系统)摄像头精度很高，主要用来采集道路标志线的信息。毫米波雷达和摄像头主要在采集后向来车或者后向行人等情况。将采集的杂乱无章的真实场景数据，提取出典型的包括数据流和视频流的场景库用例。可采用国际通用的对路网结构的描述性文件通用格式。OpenDRIVE(国际主流通用格式)和OpenSCENARIO(国际主流通用格式)提取场景库中各种用例的详细数据，OpenDRIVE、OpenSCENARIO都来源于ASAM组织，目前作为国际主流通用格式。OpenDRIVE、OpenSCENARIO分别描述了一个场景的静态特征和动态特征。OpenSCENARIO为对动态场景的描述性文件通用格式。OpenDRIVE为对静态场景的描述性文件通用格式。并以OpenDrive和OpenSCENARIO数据格式保存。具体数据处理包括：对典型场景元素的相关特征的在线标记，包括其他交通参与者、交通标志牌、车道线等，进一步通过标记软件实时或离线自动或人工进行特殊元素的标记，如路面覆盖物、交通流情况、工况等。实时采集的数据应以固定时间长度，分段保存。根据最终标记的场景元素信息和对应的车辆动态数据，进行清洗、分析、聚类等，得到具有代表性且全面的元素状态类别和场景类别。

示例性地，还可以将场景数据转化为场景CAN报文信号，将道路采集设备采集的场景数据转化为场景CAN报文信号。以CAN报文信号的形式记录场景数据。

在本实施例中，在实体车辆上安装测试工具和采集设备，通过采集自车预设范围内的环境的视频数据、激光点云数据，以及自车状态，从而能够获取真实场景中的各种数据，为建立仿真测试场景提供了原始数据，使得构建的仿真测试场景是以真实的场景为依据，更加贴近实际。

在一个实施例中，步骤S140包括：

步骤S1402，获取自车状态和环境车辆状态之间的对应关系。

具体地，环境车辆包括驾驶员模型，驾驶员模型包括与被测车辆的各种车辆状态所对应的预设车辆状态。

步骤S1404，将被测车辆在测试过程中的状态作为自车状态代入对应关系，得到环境车辆对应的状态。

示例性地，与自车距离在预设距离内的车辆为环境车辆。驾驶员模型为，各场景信息与环境车辆所对应的驾驶员模型的对应关系，环境车辆所对应驾驶员模型为：用于限定环境车辆所对应驾驶特征的模型。

具体地，环境车辆所对应驾驶员模型对应的模型参数包括：渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志参数、遵守交通灯参数以及并道情形相关参数中的至少一种。

其中，渴望速度参数：指如果没有其他限制，车辆的驾驶员将以未受影响的最高速度行驶的选择程度，取值范围可以为0-1，渴望速度参数对应的值越大，表征所对应车辆在行驶时渴望速度越大；例如：渴望速度值的取值范围可以为：从渴望速度值a1到渴望速度值b1，渴望速度值a1小于渴望速度值b1，渴望速度值b1不大于相应车辆的车辆类型对应的最大速度值。

希望加速度参数：可以指车辆如何从当前速度转换为更高速度的动态，取值范围可以为0-1，希望加速度参数对应的值越大，表征所对应车辆在行驶时加速所用的加速度值越大；例如：加速度值的取值范围可以为：从几乎没有加速度a2到相应车辆的车辆类型的最大加速度b2。

希望减速参数：可以指车辆如何切换到较低速度的动态，取值范围可以为0-1，希望减速参数对应的值越大，表征所对应车辆在行驶时减速所用的减速度值越大；减速度值的取值范围从几乎没有减速a3到不舒服的减速速度b3。在一种情况中，该希望减速参数不适用于因领先车辆而产生的紧急制动的情况。

曲线速度参数：可以指驾驶员驾驶车辆时所允许曲线的最大速度。取值范围可以为0-1，曲线速度参数对应的值越大，表征所对应车辆在行驶时其允许的曲线速度越大；曲线速度的取值可以从焦虑驾驶的曲线速度a4到赛车极限的曲线速度b4，a4小于b4。

遵守速度限制程度参数：取值范围可以为0-1，遵守速度限制程度参数对应的值越大，表征所对应车辆在行驶时不遵守速度限制的程度越大。遵守速度限制的范围包括：从完全违反速度限制到100％遵守速度限制。

距离保持程度参数：可以指驾驶员驾驶车辆时行驶到与前车保持非常近的距离所需的时间间隔，其中，取值范围可以为0-1，距离保持程度参数对应的值越大，表征所对应驾驶员驾驶车辆行驶到与前车保持非常近的距离所需的时间间隔越小。

车道保持程度参数：可以指驾驶员驾驶车辆时保持在车道中心的能力。取值范围可以为0-1，车道保持程度参数对应的值越大，表征所对应驾驶员驾驶车辆时在车道中心的能力越强，即越保持在车道中心行驶，反之，车道保持程度参数对应的值越小，表征所对应驾驶员驾驶车辆时在车道中心的能力越弱，如在车道的两边界之间的振荡。

速度保持程度参数：指驾驶员驾驶车辆时以所需速度精确移动的能力。取值范围可以为0-1，速度保持程度参数对应的值越大，表征驾驶员驾驶车辆时以所需速度精确移动的能力越强，驾驶员驾驶车辆时以所需速度精确移动的能力从根本不匹配速度到完全保持速度。

变道速度参数：驾驶员驾驶车辆时试图改变车道的方式。限定车辆驾驶时变换车道时的横向速度从慢到高不等，其中，变道速度参数对应的值取值范围可以为0-1，变道速度参数对应的值越大车辆驾驶时变换车道时的横向速度越高。

超车冲动程度参数：可以指基于当前所处环境，驾驶员驾驶车辆时执行超车的行为的可能性。超车冲动程度参数对应的值取值范围可以为0-1，超车冲动程度参数对应的值越小，其超车的可能性越小，超车冲动程度参数对应的值为0.0时，车辆自动驾驶时不尝试超车。超车冲动程度参数对应的值为1.0时，在当前所处环境运行超车的情况下，驾驶员驾驶车辆时执行不稳定的超车行为。

远视距离参数：指车辆驾驶员向前看其他车辆和标志的预览距离。远视距离参数对应的值取值范围可以为0-1，远视距离参数对应的值越大，其预览距离越远，远视距离范围从短视距离a5到预期距离b5，其中，短视距离a5小于预期距离b5。

转向距离参数：驾驶员驾驶车辆转向时的目标距离，即从转向开始点至需要转向位置点之间的距离。目标距离较短表征驾驶员驾驶车辆时喜欢快速转向；目标距离较长表征驾驶员驾驶车辆时喜欢缓慢转向，相应的，需要打提前量。其中，目标距离的长度影响车辆转向时的转向角度的变化情况和转向角度的大小，一种情况中，目标距离越长，转向角度变化越慢，转向角度相对越小。

转向灯使用参数：指驾驶员驾驶车辆转向时，使用转向灯表示左转或右转的使用时间。使用时间可以包括：转向时不使用转向灯，在转弯前预设时间前使用转向灯。

遵守交通标志参数：表示是否遵守交通标识，包括遵守交通标志第一参数和遵守交通标志第二参数，分别表示遵守交通标志和不遵守交通标志。

遵守交通灯参数：表示是否遵守交通灯，包括遵守交通灯第一参数和遵守交通灯第二参数，分别表示遵守交通灯和不遵守交通灯。

并道情形相关参数包括并道避让参数、并道时间参数、并道速度参数、并道冲动参数以及并道转弯角度参数。并道避让参数包括并道避让第一参数和并道避让第二参数，分别表示发现多车辆并道时避让和不避让。并道时间参数表示从并道开始到并道成功之间所需时间。并道速度参数表示并道时行驶速度。并道冲动参数表示当前环境满足并道需求车辆进行并道的概率，并道冲动参数对应的取值越大，表征当前环境满足并道需求时车辆进行并道的概率越大，范围为0-1。并道转弯角度参数表示车辆并道时车辆转弯的角度。

电子设备本地或所连接的存储设备可以预先存储有预设对应关系，该预设对应关系包括：各场景信息与环境车辆所对应驾驶员模型的对应关系。将当前场景信息与预设对应关系内的场景信息进行匹配，从预设对应关系内的场景信息中，确定是否存在与当前场景信息匹配的场景信息，即判断环境车辆所对应驾驶员模型中是否存在与当前场景信息匹配的环境车辆所对应驾驶员模型。

环境车辆所对应的驾驶员模型为用于限定环境车辆所对应驾驶特征的模型，即同一场景中，不同环境车辆可以基于其所对应的驾驶员模型决策出不同的驾驶行为，例如：若环境车辆1所对应驾驶员模型中超车冲动程度参数值为0；环境车辆2所对应驾驶员模型中超车冲动程度参数值为1，在环境车辆1和环境车辆在同处于前车行驶速度缓慢，例如行驶速度低于预设第一速度值；其所在车道的相邻车道在安全距离范围内无车辆行驶，相应的环境车辆1则继续跟车行驶；而环境车辆2则基于其驾驶员模型超车行驶。

在本实施例中，通过被测车辆的在测试过程中的状态，来调整环境车辆的状态，从而使得构建出的测试场景中的环境车辆的状态能够随着被测车辆的状态进行调整。更加贴近真实的情况，使得构建出的仿真场景更加真实。

在一个实施例中，步骤S100还包括：

步骤S200，根据多个自动驾驶测试场景中采集的视频数据和激光点云数据，确定多个自动驾驶测试场景中参数的取值范围。

具体地，自动驾驶测试场景中的参数包括自车状态、环境车辆状态、道路信息、障碍物信息和天气信息。

具体地，通过语言场景符号来描述自动驾驶测试场景的信息，从而将自动驾驶测试场景的信息参数化，例如，将一个自车和前车的场景，参数化为前车所在车道为N1,前车变道时间为T，前车车速V1，自车所在车道N2，自车车速V2。

步骤S220，在各个参数的取值范围内改变对应参数的取值，得到新的自动驾驶测试场景。

具体地，若被测车辆在测试过程中的状态与自车状态之间的差值在设定范围内，则调整各个自动驾驶测试场景参数的取值，并采用调整后的自动驾驶测试场景对被测车辆进行仿真测试。

具体地，在各个自动驾驶测试场景参数的取值范围中，选取不同的数值，从而能够得到不同的具体的仿真测试场景，进而能够实现改变仿真测试场景的目的，从而能够根据已有的场景信息，衍生出更多的仿真测试场景。

具体地，将自动驾驶测试场景参数转化为OpenSCENARIO格式的标准化场景文件；将标准化场景文件输送至场景仿真软件中，生成对应的仿真场景。

示例性地，将场景参数转换为excel格式保存，为方便程序读取数据的快捷性，需要将Excel数据转存为mat文件。然后与CarMaker(自动驾驶仿真软件)、PreScan(自动驾驶仿真软件)、PanoSim(自动驾驶仿真软件)软件形成通用的场景数据接口，将数据导入，即可形成车辆软件可以编辑使用的虚拟仿真场景。具体操作流程如下：通过转换好的场景，在simlink(美国Mathworks公司推出的MATLAB中的一种可视化仿真工具)中调用Excel文件，通过编写读取命令，将车辆时间、距离、制动信息输入所建模型中，然后运行mdl文件，即可在Prescan中将真实场景展现出来。

在本实施例中，通过将自动驾驶测试场景参数化，从而将场景信息转化为了参数语言，实现了场景信息的量化，便于进行统计和调整。然后根据其中的各个场景参数在不同的场景中的最大值和最小值，确定各个场景参数的取值范围，再通过在取值范围中将各个场景参数取具体的数值，从而能够得到多个不同的具体场景，实现了根据已有的场景信息，衍生出更多的仿真测试场景。降低了仿真测试的成本，并且使得仿真测试的场景可以动态的调整，更加贴近真实情况。

在一个实施例中，步骤S220包括：

步骤S300，将各个自动驾驶测试场景参数的取值范围分别划分为多个互不重叠的取值区间。

步骤S320，确定每个参数的各个取值区间在多个自动驾驶测试场景中的出现概率。

具体地，自动驾驶测试场景参数包括多种不同的参数，并且对于在不同的自动驾驶测试场景中的同一个参数的取值也不同。从而，根据对所有采集到的场景进行统计，能够得到一个近似的正态分布，确定每个参数的取值范围和对应的取值概率。例如，在多个自动驾驶测试场景中均出现了树这个物体，但是在不同的自动驾驶测试场景中，树和自车的相对距离不同，例如在不同的自动驾驶测试场景中树和车的距离最近为10m，最远为100m，则树与自车的距离的取值范围为10m-100m。例如，在多个自车前面的车辆进行减速的场景中，实际采集到的前车的车速和减速度不同，则根据其最大值和最小值，确定该参数的取值范围，例如前车车速的参数空间为10km/h—120km/h，减速度为0.5m/s²—4m/s²。然后根据这个取值范围内的每个取值出现的概率，即出现这个取值的场景在所有出现该情况的场景中所占的比例，即为该取值出现的概率。从而确定与每个取值对应的取值概率。

步骤S340，若一个参数的一个取值区间在多个自动驾驶测试场景中的出现概率大于或等于概率阈值，则以第一预设步长在该取值区间内改变该参数的取值。

步骤S360，若一个参数的一个取值区间在多个自动驾驶测试场景中的出现概率小于概率阈值，则以第二预设步长在该取值区间内改变该参数的取值。

具体地，第一预设步长小于第二预设步长。

示例性地，例如，前面车辆的车速的取值范围为0m/s～120m/s，将其划分为三个取值区间0m/s～40m/s、40m/s～80m/s、80m/s～120m/s。其中，40m/s～80m/s这个取值区间所对应的取值概率大于预设概率，即前车的车速在这个区间的概率较大。0m/s～40m/s和80m/s～120m/s所对应的取值概率小于预设概率，即前车的车速在这个区间的概率较小。因此，在改变参数的取值时，当参数在0m/s～40m/s和80m/s～120m/s区间内时，每次改变10m/s，即0m/s、10m/s、20m/s……。当参数在40m/s～80m/s区间内时，每次改变5m/s，即45m/s、50m/s、55m/s……。

在本实施例中，通过将各个参数的取值范围划分为多个取值区间，并且在改变参数的取值时，在取值概率较高的区间内减小取值的步长，在取值概率较低的区间内增大取值的步长。从而能够优化取值的分布，合理的分配计算资源。对于发生概率较大的场景，则通过减小步长的方式进行更为细致的仿真，对于发生概率较小的场景，则通过增大步长的方式来提高仿真的速度。从而兼顾仿真的精确度和速度。

应该理解的是，虽然图1-图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-图4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种自动驾驶测试装置，包括：场景获取模块901、仿真测试模块902、状态调整模块903，其中：

场景获取模块901，用于获取自动驾驶测试场景，自动驾驶测试场景包括自车状态和环境车辆状态。

仿真测试模块902，用于采用自动驾驶测试场景对被测车辆进行仿真测试，并获取被测车辆在测试过程中的状态。

状态调整模块903，用于若被测车辆在测试过程中的状态与自车状态之间的差值在设定范围外，则基于被测车辆在测试过程中的状态，确定环境车辆对应的状态，并采用确定的状态更新环境车辆状态。

关于自动驾驶测试装置的具体限定可以参见上文中对于自动驾驶测试方法的限定，在此不再赘述。上述自动驾驶测试装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

在一个实施例中，提供了一种计算机设备，该计算机设备内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种自动驾驶测试方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种自动驾驶测试方法，其特征在于，所述方法包括：

获取自动驾驶测试场景；

根据多个所述自动驾驶测试场景中采集的视频数据和激光点云数据，确定多个自动驾驶测试场景中参数的取值范围，所述参数包括自车状态、环境车辆状态；

将各个所述参数的取值范围分别划分为多个互不重叠的取值区间；

确定每个所述参数的各个取值区间在多个所述自动驾驶测试场景中的出现概率；

若一个所述参数的一个取值区间在多个所述自动驾驶测试场景中的出现概率大于或等于概率阈值，则以第一预设步长在该取值区间内改变该参数的取值，得到新的自动驾驶测试场景；

若一个所述参数的一个取值区间在多个所述自动驾驶测试场景中的出现概率小于所述概率阈值，则以第二预设步长在该取值区间内改变该参数的取值，得到新的自动驾驶测试场景；所述第一预设步长小于所述第二预设步长；

采用所述新的自动驾驶测试场景对被测车辆进行仿真测试，并获取所述被测车辆在测试过程中的状态；

若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在设定范围外，则获取自车状态和环境车辆状态之间的对应关系；将所述被测车辆在测试过程中的状态作为自车状态代入所述对应关系，得到所述环境车辆对应的状态，采用得到的状态更新所述环境车辆状态，其中，所述环境车辆包括驾驶员模型，所述驾驶员模型包括与被测车辆的各种车辆状态所对应的预设车辆状态。

2.根据权利要求1所述的方法，其特征在于，所述自车状态包括：自车的位置、自车的速度、自车的加速度、自车的方向；所述环境车辆状态包括：环境车辆与自车的相对距离、相对速度、相对偏转角度、相对加速度。

3.根据权利要求1所述的方法，其特征在于，环境车辆所对应驾驶员模型对应的模型参数包括：渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志参数、遵守交通灯参数以及并道情形相关参数中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在所述设定范围内，则不更新所述环境车辆状态。

5.根据权利要求1至4任一项所述的方法，其特征在于，在所述根据多个所述自动驾驶测试场景中采集的视频数据和激光点云数据，确定多个自动驾驶测试场景中参数的取值范围的步骤之前，所述方法还包括：

获取安装在自车上的拍摄设备在所述自动驾驶测试场景中采集的视频数据、安装在所述自车上的激光雷达在所述自车的驾驶场景中采集的激光点云数据、以及所述自车在所述自动驾驶测试场景中采集的自车状态；

根据所述视频数据和所述激光点云数据，确定所述自动驾驶测试场景中的环境车辆状态。

6.根据权利要求1所述的方法，其特征在于，所述参数还包括道路信息、障碍物信息和天气信息。

7.一种自动驾驶测试装置，其特征在于，所述装置包括：

场景获取模块，用于根据多个自动驾驶测试场景中采集的视频数据和激光点云数据，确定多个自动驾驶测试场景中参数的取值范围，所述参数包括自车状态、环境车辆状态；

将各个所述参数的取值范围分别划分为多个互不重叠的取值区间；

确定每个所述参数的各个取值区间在多个所述自动驾驶测试场景中的出现概率；

若一个所述参数的一个取值区间在多个所述自动驾驶测试场景中的出现概率大于或等于概率阈值，则以第一预设步长在该取值区间内改变该参数的取值，得到新的自动驾驶测试场景；

若一个所述参数的一个取值区间在多个所述自动驾驶测试场景中的出现概率小于所述概率阈值，则以第二预设步长在该取值区间内改变该参数的取值，得到新的自动驾驶测试场景；所述第一预设步长小于所述第二预设步长；

仿真测试模块，用于采用所述自动驾驶测试场景对被测车辆进行仿真测试，并获取所述被测车辆在测试过程中的状态；

状态调整模块，用于若所述被测车辆在测试过程中的状态与所述自车状态之间的差值在设定范围外，则获取自车状态和环境车辆状态之间的对应关系；将所述被测车辆在测试过程中的状态作为自车状态代入所述对应关系，得到所述环境车辆对应的状态，采用得到的状态更新所述环境车辆状态，其中，所述环境车辆包括驾驶员模型，所述驾驶员模型包括与被测车辆的各种车辆状态所对应的预设车辆状态。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。