CN114397829A - 用于构建自动驾驶仿真场景的方法、装置、设备及介质 - Google Patents
用于构建自动驾驶仿真场景的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114397829A CN114397829A CN202210008575.2A CN202210008575A CN114397829A CN 114397829 A CN114397829 A CN 114397829A CN 202210008575 A CN202210008575 A CN 202210008575A CN 114397829 A CN114397829 A CN 114397829A
- Authority
- CN
- China
- Prior art keywords
- target
- scene
- simulation
- behavior state
- simulation scene
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 240
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000001960 triggered effect Effects 0.000 claims abstract description 12
- 230000033001 locomotion Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000009877 rendering Methods 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 82
- 238000012360 testing method Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 241000566146 Asio Species 0.000 description 12
- 238000011160 research Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Abstract
本发明实施例公开了一种用于构建自动驾驶仿真场景的方法、装置、设备及介质,该方法包括:当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景;获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态;其中,所述目标行为状态包括交通元素的朝向、运动状态以及位置信息中的至少一种;基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景。本发明实施例的技术方案,以较强的操作性为用户提供了对多种交通元素进行编辑的途径,便于对大量数据进行加载和解析,进而构建出高价值的自动驾驶训练仿真场景。
Description
技术领域
本发明实施例涉及自动驾驶仿真技术领域,尤其涉及一种用于构建自动驾驶仿真场景的方法、装置、设备及介质。
背景技术
自动驾驶作为一种集自动控制、信息传输以及视觉计算于一身的技术,在民用及军用等众多领域中有着广阔的应用前景。为了提高车辆自动驾驶的安全性和可靠性,使其能够满足实际应用需求,除了现实场景中的测试外,还需要构建出虚拟场景以进行大量的自动驾驶仿真测试。
现有技术中,通常采用网页端的在线场景编辑器来构建所需要的仿真场景,即利用在线场景编辑器将采集的点云、全景图、测绘矢量等非结构化的测绘数据结构化,进而构建出可视化数字模型,得到用于对自动驾驶进行测试研究的仿真场景。然而,网页端的在线场景编辑器仅提供了较少的编辑功能,当地图数据量较大时解析十分不便,通过简单编辑所得到的仿真场景也无法满足测试研究工作的要求。
因此,相关技术提供的方案中,在线场景编辑器为用户提供的编辑功能过于简易,对场景构建所需要的数据的解析力较差,无法构建出高训练价值的自动驾驶仿真场景。
发明内容
本发明提供一种用于构建自动驾驶仿真场景的方法、装置、电子设备及存储介质,以较强的操作性为用户提供了对多种交通元素进行编辑的途径,便于对大量数据进行加载和解析,进而构建出高价值的自动驾驶训练仿真场景。
第一方面,本发明实施例提供了一种用于构建自动驾驶仿真场景的方法,该方法包括:
当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景;
获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态;其中,所述目标行为状态包括交通元素的朝向、运动状态以及位置信息中的至少一种;
基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景。
第二方面,本发明实施例还提供了一种用于构建自动驾驶仿真场景的装置,该装置包括:
待处理仿真场景确定模块,用于当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景;
目标行为状态确定模块,用于获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态;其中,所述目标行为状态包括交通元素的朝向、运动状态以及位置信息中的至少一种;
目标仿真场景确定模块,用于基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的用于构建自动驾驶仿真场景的方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的用于构建自动驾驶仿真场景的方法。
本发明实施例的技术方案,当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景,获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据行为状态信息确定相应元素在待处理仿真场景中的目标行为状态,最后基于目标行为状态和待处理仿真场景,确定目标仿真场景,以较强的操作性为用户提供了对多种交通元素进行编辑的途径,便于对大量数据进行加载和解析,进而构建出高价值的自动驾驶训练仿真场景。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种用于构建自动驾驶仿真场景的方法的流程示意图;
图2为本发明实施例二所提供的一种用于构建自动驾驶仿真场景的方法的流程示意图;
图3为本发明实施例三所提供的一种用于构建自动驾驶仿真场景的方法的流程示意图;
图4为本发明实施例四所提供的一种用于构建自动驾驶仿真场景的装置的结构框图;
图5为本发明实施例五所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种用于构建自动驾驶仿真场景的方法的流程示意图,本实施例可适用于基于多种交通元素在特定场景和地图内构建自动驾驶仿真场景的情形,该方法可以由用于构建自动驾驶仿真场景的装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以是电子设备,如移动终端、PC端或服务器等。
如图1所示,该方法具体包括如下步骤:
S110、当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景。
其中,仿真场景可以是计算机基于特定参数、图像等数据所构建的可视化虚拟场景,在汽车自动驾驶领域,仿真场景即是为测试研究工作所搭建的复杂的虚拟静态场景,可以理解,仿真场景通常是三维的。进一步的,在仿真场景内,可以构建出虚拟的行人和车辆等元素,进而对自动驾驶相关的技术或算法进行仿真测试。对应的,仿真场景创建控件为预先开发的控件,该控件被用户触发时,至少可以向系统下发仿真场景的创建指令。
在本实施例中,检测到仿真场景创建控件被触发时,还需要调取目标场景文件和目标地图。
其中,目标场景文件可以是预先存储在云端或本地服务器中的文件,用于构建当前自动驾驶测试研究所需要的虚拟环境,在所下载的目标场景文件中包括自动驾驶仿真测试所需要的多种元素,如行人和车辆等。具体来说,目标场景文件可以利用第三方工具下载调用,例如,利用asio网络库下载当前自动驾驶测试研究所需的场景文件,本领域技术人员应当理解,asio网络库为一个跨平台的C++库,将其在系统中安装配置并调节串口后,asio网络库即可提供场景文件下载功能,同时,还可以利用asio网络库上传特定的场景文件。
目标地图可以是从地图或导航应用程序中提取的、当前自动驾驶测试研究所需要的高精度地图,具体的,可以先提取当前自动驾驶测试研究所需的地图文件,再对文件中的内容进行解析,在解析得到的地图数据中,不仅包括如红绿灯、人行横道、车道等多种道路交通元素,还包括这些元素的多种参数,如在地图中的距离和坐标等。进一步的,对地图进行解析后,可以利用第三方工具对地图进行渲染,例如,通过GLFW3图形库实现地图渲染,本领域技术人员应当理解,GLFW3是GLUT之后比较流行的OpenGL渲染框架,在渲染过程中同样支持双缓冲等功能,本公开实施例在此不做赘述。
在本实施例中,利用第三方工具调取到目标场景文件以及目标地图,并对其中的数据进行解析和加载后,即确定出待处理仿真场景。可以理解,基于待处理仿真场景可以得到当前自动驾驶测试研究所需要的仿真场景,在待处理仿真场景中,包括从目标场景文件和目标地图中解析出来的多种元素信息,如,道路(中心线、车道线、路面材质)、道路交通元素(交通灯语、交通标志牌)、交通参与者(机动车、非机动车与行人)以及道路周边元素(路灯、车站、垃圾箱、绿化带、建筑物)等。需要说明的是,当仿真场景处于待处理状态时,其中部分元素处于静止状态,例如,处于静止状态下的行人和车辆。
S120、获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据行为状态信息确定相应元素在待处理仿真场景中的目标行为状态。
其中,为了对所得到的待处理仿真场景做进一步处理,以满足当前自动驾驶测试研究的要求,还需要使场景中部分元素从静态转变为动态。具体的,可以针对各种交通元素预先在系统中开发多种对应的编辑控件,用户可以在控件中通过输入字段或选择参数的方式为这些交通元素编辑相应的元素行为状态信息,可以理解,元素行为状态信息即是表征仿真场景内元素如何动作或处于何种变化状态的信息。进一步的,系统获取到针对这些元素所编辑的行为状态信息后,即可确定出对应的目标行为状态,其中包括交通元素的朝向、运动状态以及位置信息中的至少一种,例如,行人和车辆在仿真场景内的实时朝向、具体的移动路线及坐标,红绿灯的指示时间和交替时间等。
S130、基于目标行为状态和待处理仿真场景,确定目标仿真场景。
在本实施例中,确定出待处理仿真场景以及多种交通元素的目标行为状态后,即确定出包括多种动态的交通元素的目标仿真场景,进而在目标仿真场景内进行自动驾驶仿真测试,本领域技术人员应当理解,在第三方工具如asio网络库的支持下,系统还可以上传所确定的目标仿真场景至目标云端或特定服务器,以在后续测试工作中随时调取使用。
需要说明的是,本实施例中用于确定目标仿真场景的系统可以是基于C++语言开发的轻量级自动驾驶仿真场景编辑器,通过在编辑器中开发的多种控件实现目标场景文件及目标地图的调用、元素行为状态信息的编辑等多种功能。
本实施例的技术方案,当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景,获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据行为状态信息确定相应元素在待处理仿真场景中的目标行为状态,最后基于目标行为状态和待处理仿真场景,确定目标仿真场景,以较强的操作性为用户提供了对多种交通元素进行编辑的途径,便于对大量数据进行加载和解析,进而构建出高价值的自动驾驶训练仿真场景。
实施例二
图2为本发明实施例二所提供的一种用于构建自动驾驶仿真场景的方法的流程示意图,在前述实施例的基础上,利用支持增量编译且速度较快的Bazel项目构建工具并引入asio、GLFW3等第三方网络库构建出待选择场景文件;利用ProtoBuf数据协议对数据进行解析,其灵活高效的处理机制使自动驾驶仿真场景编辑器在所调取的数据量极大的情况下,还能保持较高的解析效率;通过将交通元素的目标行为状态信息添加至待处理仿真场景中,可以得到目标仿真场景,再次利用ProtoBuf数据协议保存目标仿真场景,实现了数据的复用。其具体的实施方式可以参见本实施例技术方案。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图2所示,该方法具体包括如下步骤:
S210、创建至少一个待处理场景信息,并确定场景中交通参与元素的标识;确定地图中各个交通元素的状态信息,得到至少一个待选择场景文件,以从待选择场景文件中确定目标场景文件。
在本实施例中,为了在检测到触发仿真场景创建控件时调取目标场景文件,需要预先对待处理场景信息进行创建。具体的,可以在自动驾驶仿真场景编辑器中安装使用支持增量编译且速度较快的Bazel项目构建工具,本领域技术人员应当理解,Bazel是一个开源的构建和测试工具,它使用一种易于理解的高级构建语言,支持多种开发语言的项目并基于多个平台来构建,同时,Bazel还支持跨多个网络库/制品库和大规模用户的大型代码仓库,具体的工具使用方法本公开实施例在此不做赘述。
Bazel项目构建工具安装完毕之后,即可在编辑器中引入asio、GLFW3等第三方依赖。具体的,可以在当前工程目录下,新建一个third party文件夹来专门存放第三方库的相关内容。需要说明的是,为了在编辑器中构建用户图形界面,还可以引入轻量级图形界面库ImGUI,ImGUI是用C/C++语言实现的即时渲染UI,实现了按钮、文本、输入框、表格以及列表等几乎所有UI元素。
在本实施例中,基于所创建的待处理信息,可以确定出场景内交通参与元素的标识以及状态信息。其中,交通参与元素包括主车、参与车、行人以及静态障碍物,参与车包括自行车以及电动车,各元素的状态信息即是交通参与元素的朝向、运动状态以及位置信息等。在编辑器中可以预先存储表征交通参与元素标识与其状态信息对应关系的映射表,因此,在确定出交通参与元素标识的同时,通过查表即可确定出对应的状态信息。
进一步的,确定出场景内交通参与元素标识及状态信息后,即可得到一个待选择场景文件,利用同样的方式,可以得到多个待选择场景文件,进而构建出待选择场景文件集合。可以理解,在自动驾驶仿真场景编辑器中,预先部署有新建、保存、另存为、关闭文件等选项,通过编辑器中的选项,即可在检测到触发仿真场景创建控件时,根据测试研究的需要从待选择场景文件集合中选择出目标场景文件。
S220、当检测到触发仿真场景创建控件时,获取预先编辑的全局变量信息;基于预先导入的下载或上传工具依据全局变量信息调取目标场景文件,并基于预先导入的渲染工具对目标地图进行渲染处理,得到待融合目标地图。
在本实施例中,当检测到触发仿真场景创建控件时,可以使用gflags(一套开源的命令行参数解析工具,支持从环境变量、配置文件中读取参数)定义一些全局变量,从而实现对自动驾驶仿真场景编辑器中的参数配置。例如,对上传或调取文件时的目标网址以及文件的默认保存路径信息进行配置。
可以理解,如果对全局变量信息不做预先编辑,即方案执行过程中涉及的多个程序固定不变,那么在项目后期如果需要修改场景中部分内容,则需要重新构建整个项目,可移植性较差。但引入gflags后,如果在后期需要对场景内部分内容进行修改,只需要在运行自动驾驶仿真场景编辑器后,直接在末尾添加对应的参数即可,增强了项目的可移植性和可操作性。
获取预先编辑的全局变量信息后,即可基于asio网络库和特定路径下载或上传目标场景文件。同时,调取地图数据后,可以通过ProtoBuf数据协议对所调取的地图数据进行解析,确定出地图中各个元素之间的距离和坐标等信息,进一步的,基于GLFW3图形库实现对目标地图的渲染,将渲染结果通过ImGUI控件在编辑器中进行显示。可以理解,编辑器渲染后得到的地图虽然包括地图道路等内容,却不含有测试研究所需的多种场景元素,因此仅仅是待融合目标地图。
尤其需要说明的是,在数据解析的过程中,ProtoBuf作为一种语言无关、平台无关、可扩展的结构数据序列化方法,可以简单类比于XML,至少用于数据通信协议、数据存储等。其灵活高效的处理机制使自动驾驶仿真场景编辑器在所调取的数据量极大的情况下,还能保持较高的解析效率。
S230、基于目标场景文件和待融合目标地图,确定待处理仿真场景。
在本实施例中,自动驾驶仿真场景编辑器获取到目标场景文件,并渲染得到待融合目标地图后,即可基于目标场景文件,将该场景内的多种交通参与元素添加到地图中,进而实现了数据融合,得到待处理仿真场景。
S240、获取预先触发选择的交通元素信息,并确定与每个交通元素相对应的行为状态信息;根据行为状态信息,确定每个仿真时刻交通元素在待处理仿真场景中的目标行为状态。
在本实施例中,得到待处理仿真场景后,由于车辆自动驾驶仿真测试研究的过程是一个动态的过程,在这一过程中的不同时刻,主车和多种交通元素可能处于不同的状态,因此,编辑器还需要基于至少一个交通元素编辑控件获取用户为每个交通元素编辑的行为状态信息,进而确定出这些交通元素在每个仿真时刻的目标行为状态。在这一过程中,至少包括对待测试的主车的目标行为状态信息的确定,以及对场景内多种交通元素的目标行为状态信息的确定。
具体的,用户可以利用交通元素编辑控件对场景内的主车进行编辑(如对主车的硬件及性能参数进行编辑),并为主车规划车辆在场景内的测试路线。进一步的,通过ImGUI控件还可以对主车的加速度、线速度、朝向和位置信息进行编辑,或者,对主车在地图上路径点的位置、个数、大小等信息进行编辑。利用ImGUI底层框架,还可以实现对主车和路径点的拖拽功能以及对路径点的复制粘贴功能。上述信息编辑完成后,自动驾驶仿真场景编辑器即可根据用户编辑的内容确定出主车在仿真场景内各个时刻的行进路线和状态。需要说明的是,基于ProtoBuf数据协议,编辑器还可以对所确定的目标行为状态信息进行保存,从而实现数据复用。
在本实施例中,利用编辑器除了可以确定为主车的行为状态信息所编辑的内容外,还可以确定出多种交通元素的行为状态信息。可以理解,这些交通元素的行为状态信息同样通过对应的编辑控件为用户提供个性化编辑渠道,进而使编辑器确定出行人、行车、自行车的位置、速度、加速度、朝向信息、行进路线以及运动规律等信息,可以理解,行人、行车以及自行车在仿真时刻内并非都处于动态的移动过程中,还可以处于静止状态,具体的编辑内容根据自动驾驶仿真测试的需要来确定,本公开实施例在此不做具体的限定。
同时,通过编辑控件还可以确定出静态障碍物的位置和朝向等状态信息,以及信号灯的位置、朝向以及信号灯交替规律。在此以信号灯为例,可以先为仿真场景内的每个红绿灯分配一个ID,再针对各个ID确定出用户通过编辑控件设置的亮灯时刻、亮灯时长,进而使最终得到的目标仿真场景内的红绿灯以更接近现实的方式进行指示。与主车的目标行为状态信息相似,编辑器确定出多种交通元素的目标行为状态信息后,同样可以基于ProtoBuf数据协议对这些信息进行存储,本公开实施例在此不做赘述。
S250、根据各交通元素的目标行为状态,将相应的交通元素添加至待处理仿真场景中,得到目标仿真场景。
在本实施例中,确定出各交通元素的目标行为状态信息后,编辑器即可将已经确定仿真过程各时刻的目标行为状态的交通元素添加到待处理仿真场景中,得到目标仿真场景。利用仿真引擎运行该仿真场景后,即实现了对特定场景内车辆自动驾驶的仿真测试。
需要说明的是,在仿真引擎运行目标仿真场景之前,可以对场景做进一步修改。可选的,在确定目标仿真场景之前,当检测到触发修改各交通元素的状态信息时,将修改后的行为状态信息作为目标行为状态信息。
示例性的,确定出目标仿真场景后,用户希望将场景进一步复杂化,因此可以利用编辑器中与行人和行车对应的元素编辑控件,对部分行人和行车的移动速度进行调整(如增加移动速度),并选择多个特定的仿真时刻,使行人和行车在该时刻的行进路线和主车在地图上的路径点重叠。通过对目标行为状态信息的修改,进一步增强了自动驾驶仿真场景编辑器在确定仿真场景过程中的灵活性。
S260、将目标仿真场景发送至云端,以在仿真时,从云端中获取仿真场景;以及,基于目标仿真场景,对自动驾驶控制算法进行评估,得到与自动驾驶算法相对应的评估结果。
在本实施例中,确定出目标仿真场景之后,还可以基于如asio的第三方网络库结合超文本传输协议(Hyper Text Transfer Protocol,HTTP)将得到的仿真场景上传至云端,以此在后续的测试研究过程中,可以直接从云端下载该仿真场景,实现了场景的复用,进一步提高了自动驾驶仿真测试的效率。
同时,在自动驾驶仿真场景编辑器中,还可以利用ImGUI控件添加对目标仿真场景内的自动驾驶控制算法进行评分(grading)的选项,具体的,可以针对仿真过程和仿真结果添加多种评价指标,基于这些评价指标与仿真过程中产生的数据进行比对,可以得到与当前场景内自动驾驶控制算法相对应的评估结果。需要说明的是,对于所添加的grading选项中的信息,同样可以基于ProtoBuf数据协议对这些信息进行存储。
本实施例的技术方案,利用支持增量编译且速度较快的Bazel项目构建工具并引入asio、GLFW3等第三方网络库构建出待选择场景文件;利用ProtoBuf数据协议对数据进行解析,其灵活高效的处理机制使自动驾驶仿真场景编辑器在所调取的数据量极大的情况下,还能保持较高的解析效率;通过将交通元素的目标行为状态信息添加至待处理仿真场景中,可以得到目标仿真场景,再次利用ProtoBuf数据协议保存目标仿真场景,实现了数据的复用。
实施例三
作为上述实施例的一可选实施例,图3为本发明实施例三所提供的一种用于构建自动驾驶仿真场景的方法的流程示意图。为了清楚的介绍本实施例技术方案,可以以应用场景是基于自动驾驶仿真场景编辑器构建用于自动驾驶仿真测试的目标仿真场景的情形为例来介绍,但是不局限于上述场景,可以适用于各种需要构建仿真场景的情形中。
参见图3,利用自动驾驶仿真场景编辑器确定目标仿真场景时,可以先基于ProtoBuf数据协议对数据格式进行定义,进而实现对地图信息和场景信息等数据的格式定义,便于在后续过程中加载并解析待处理场景文件和地图文件。其中,地图数据格式包括红绿灯、人行横道、车道、普通道路、指示物等基本信息。场景数据格式包括地图路径、主车、行人、行车、自行车以及静态障碍物等基本信息。确定出数据格式后,即可从云端下载目标场景文件和目标地图。具体的,可以通过ImGUI控件实现场景文件的保存和读取,除此之外,还支持对场景文件的另存、重命名以及关闭操作。对于目标地图,除了通过ImGUI控件进行获取外,还可以通过ProtoBuf数据协议对地图数据进行解析,得到各交通元素在地图内的距离信息以为坐标信息等,最后利用GLFW3图形库完成对目标地图的渲染,将渲染结果通过ImGUI控件进行显示。
继续参见图3,将目标场景文件和目标地图进行解析加载后,可以利用自动驾驶仿真场景编辑器编辑主车,并对主车的路线进行规划。具体的,通过ImGUI控件实现对主车加速度、线速度、朝向、位置等基本信息的编辑修改,同时还可以实现对主车在目标地图中的路径点的位置、个数、大小等基本信息的编辑修改。进一步的,通过ImGUI底层框架,可以实现对主车、路径点的拖拽功能以及对路径点的复制粘贴功能。
继续参见图3,利用自动驾驶仿真场景编辑器还可以对行人、行车、自行车、静态障碍物、红绿灯等交通元素的行为状态信息进行编辑。具体的,可以对行人、行车以及自行车的位置、速度、加速度、朝向、行进路线以及运动规律信息进行编辑或修改,还可以对静态障碍物的位置、朝向等信息进行编辑或修改,还可以对红绿灯的位置、朝向状态信息以及信号灯交替规律等行为信息进行编辑或修改。对主车和上述多种交通元素的行为状态信息进行编辑后,即可得到这些元素的目标行为状态信息,通过ProtoBuf数据协议可以对上述目标行为状态信息进行保存,从而实现数据的复用。
继续参见图3,将各元素的目标行为状态信息与目标场景文件、目标地图相结合,即可确定出当前自动驾驶仿真测试所需要的目标仿真场景,在编辑器中,目标仿真场景是由仿真引擎运行的。同时在编辑器内还添加了评价(grading)选项,具体的,可以对仿真过程和仿真结果中出现的各类情形给出评估或具体的分数,其中,针对仿真过程和仿真结果的各个评价指标也是通过ImGUI控件添加的。得到评价结果后,同样可以基于ProtoBuf数据协议对结果进行保存。
继续参见图3,为了使后续的自动驾驶仿真测试可以再次使用本次所确定的目标仿真场景,自动驾驶仿真场景编辑器还提供了云端上传下载功能。具体的,该功能通过ImGUI控件来添加,选择待上传场景文件的路径,并编辑对应的名称和版本信息后,利用asio网络库和http协议即可实现目标场景文件的上传;同理,选择待下载场景文件的保存路径后,利用asio网络库和http协议还可以实现目标场景文件的下载。
上述技术方案的有益效果为:以较强的操作性为用户提供了对多种交通元素进行编辑的途径,便于对大量数据进行加载和解析,进而构建出高价值的自动驾驶训练仿真场景。
实施例四
图4为本发明实施例四所提供的一种用于构建自动驾驶仿真场景的装置的结构框图,可执行本发明任意实施例所提供的用于构建自动驾驶仿真场景的方法,具备执行方法相应的功能模块和有益效果。如图4所示,该装置具体包括:待处理仿真场景确定模块310、目标行为状态确定模块320、以及目标仿真场景确定模块330。
待处理仿真场景确定模块310,用于当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景。
目标行为状态确定模块320,用于获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态;其中,所述目标行为状态包括交通元素的朝向、运动状态以及位置信息中的至少一种。
目标仿真场景确定模块330,用于基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景。
在上述各技术方案的基础上,用于构建自动驾驶仿真场景的装置还包括待处理场景信息创建模块以及待选择场景文件生成模块。
待处理场景信息创建模块,用于创建至少一个待处理场景信息,并确定场景中交通参与元素的标识;其中,所述交通参与元素包括主车、参与车、行人以及静态障碍物,所述参与车包括自行车以及电动车。
待选择场景文件生成模块,用于确定地图中各个交通元素的状态信息,得到至少一个待选择场景文件,以从所述待选择场景文件中确定所述目标场景文件。
在上述各技术方案的基础上,待处理仿真场景确定模块310包括全局变量信息获取单元、待融合目标地图确定单元以及待处理仿真场景确定单元。
全局变量信息获取单元,用于当检测到触发仿真场景创建控件时,获取预先编辑的全局变量信息。
待融合目标地图确定单元,用于基于预先导入的下载或上传工具依据所述全局变量信息调取目标场景文件,并基于预先导入的渲染工具对所述目标地图进行渲染处理,得到待融合目标地图。
待处理仿真场景确定单元,用于基于所述目标场景文件和所述待融合目标地图,确定待处理仿真场景。
在上述各技术方案的基础上,目标行为状态确定模块320包括交通元素信息获取单元以及目标行为状态确定单元。
交通元素信息获取单元,用于获取预先触发选择的交通元素信息,并确定与每个交通元素相对应的行为状态信息。
目标行为状态确定单元,用于根据所述行为状态信息,确定每个仿真时刻交通元素在所述待处理仿真场景中的目标行为状态。
可选的,目标仿真场景确定模块330,还用于根据各交通元素的目标行为状态,将相应的交通元素添加至所述待处理仿真场景中,得到所述目标仿真场景。
在上述各技术方案的基础上,用于构建自动驾驶仿真场景的装置还包括状态信息修改模块。
状态信息修改模块,用于当检测到触发修改各交通元素的状态信息时,将修改后的行为状态信息作为所述目标行为状态信息。
在上述各技术方案的基础上,用于构建自动驾驶仿真场景的装置还包括传输模块以及评估模块。
传输模块,用于将所述目标仿真场景发送至云端,以在仿真时,从所述云端中获取仿真场景。
评估模块,用于基于所述目标仿真场景,对自动驾驶控制算法进行评估,得到与所述自动驾驶算法相对应的评估结果
本实施例所提供的技术方案,当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景,获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据行为状态信息确定相应元素在待处理仿真场景中的目标行为状态,最后基于目标行为状态和待处理仿真场景,确定目标仿真场景,以较强的操作性为用户提供了对多种交通元素进行编辑的途径,便于对大量数据进行加载和解析,进而构建出高价值的自动驾驶训练仿真场景。
本发明实施例所提供的用于构建自动驾驶仿真场景的装置可执行本发明任意实施例所提供的用于构建自动驾驶仿真场景的方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例五
图5为本发明实施例五所提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施例实施方式的示例性电子设备40的框图。图5显示的电子设备40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于:一个或者多个处理器或者处理单元401,系统存储器402,连接不同系统组件(包括系统存储器402和处理单元401)的总线403。
总线403表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备40典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备40访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器402可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)404和/或高速缓存存储器405。电子设备40可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统406可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块407的程序/实用工具408,可以存储在例如存储器402中,这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
电子设备40也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信,还可与一个或者多个使得用户能与该电子设备40交互的设备通信,和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且,电子设备40还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器412通过总线403与电子设备40的其它模块通信。应当明白,尽管图5中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元401通过运行存储在系统存储器402中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的用于构建自动驾驶仿真场景的方法。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行用于构建自动驾驶仿真场景的方法。
该方法包括:
当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景;
获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态;其中,所述目标行为状态包括交通元素的朝向、运动状态以及位置信息中的至少一种;
基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的项目代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的项目代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机项目代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。项目代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种用于构建自动驾驶仿真场景的方法,其特征在于,包括:
当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景;
获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态;其中,所述目标行为状态包括交通元素的朝向、运动状态以及位置信息中的至少一种;
基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景。
2.根据权利要求1所述的方法,其特征在于,在所述当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景之前,还包括:
创建至少一个待处理场景信息,并确定场景中交通参与元素的标识;其中,所述交通参与元素包括主车、参与车、行人以及静态障碍物,所述参与车包括自行车以及电动车;
确定地图中各个交通元素的状态信息,得到至少一个待选择场景文件,以从所述待选择场景文件中确定所述目标场景文件。
3.根据权利要求1所述的方法,其特征在于,所述当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景,包括:
当检测到触发仿真场景创建控件时,获取预先编辑的全局变量信息;
基于预先导入的下载或上传工具依据所述全局变量信息调取目标场景文件,并基于预先导入的渲染工具对所述目标地图进行渲染处理,得到待融合目标地图;
基于所述目标场景文件和所述待融合目标地图,确定待处理仿真场景。
4.根据权利要求1所述的方法,其特征在于,所述获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态,包括:
获取预先触发选择的交通元素信息,并确定与每个交通元素相对应的行为状态信息;
根据所述行为状态信息,确定每个仿真时刻交通元素在所述待处理仿真场景中的目标行为状态。
5.根据权利要求1所述的方法,其特征在于,所述基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景,包括:
根据各交通元素的目标行为状态,将相应的交通元素添加至所述待处理仿真场景中,得到所述目标仿真场景。
6.根据权利要求1所述的方法,其特征在于,在所述基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景之前,还包括:
当检测到触发修改各交通元素的状态信息时,将修改后的行为状态信息作为所述目标行为状态信息。
7.根据权利要求1所述的方法,其特征在于,还包括:
将所述目标仿真场景发送至云端,以在仿真时,从所述云端中获取仿真场景;以及,
基于所述目标仿真场景,对自动驾驶控制算法进行评估,得到与所述自动驾驶算法相对应的评估结果。
8.一种用于构建自动驾驶仿真场景的装置,其特征在于,包括:
待处理仿真场景确定模块,用于当检测到触发仿真场景创建控件时,根据调取到的目标场景文件以及目标地图,确定待处理仿真场景;
目标行为状态确定模块,用于获取至少一个交通元素编辑控件中编辑的元素行为状态信息,并根据所述行为状态信息确定相应元素在所述待处理仿真场景中的目标行为状态;其中,所述目标行为状态包括交通元素的朝向、运动状态以及位置信息中的至少一种;
目标仿真场景确定模块,用于基于所述目标行为状态和所述待处理仿真场景,确定目标仿真场景。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的用于构建自动驾驶仿真场景的方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的用于构建自动驾驶仿真场景的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210008575.2A CN114397829A (zh) | 2022-01-06 | 2022-01-06 | 用于构建自动驾驶仿真场景的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210008575.2A CN114397829A (zh) | 2022-01-06 | 2022-01-06 | 用于构建自动驾驶仿真场景的方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114397829A true CN114397829A (zh) | 2022-04-26 |
Family
ID=81228628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210008575.2A Pending CN114397829A (zh) | 2022-01-06 | 2022-01-06 | 用于构建自动驾驶仿真场景的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114397829A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167252A (zh) * | 2023-04-25 | 2023-05-26 | 小米汽车科技有限公司 | 雷达配置信息的确定方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765661A (zh) * | 2019-11-22 | 2020-02-07 | 北京京东乾石科技有限公司 | 自动驾驶仿真场景生成方法及装置、电子设备、存储介质 |
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 |
CN112560253A (zh) * | 2020-12-08 | 2021-03-26 | 中国第一汽车股份有限公司 | 驾驶场景的重构方法、装置、设备及存储介质 |
CN112567374A (zh) * | 2020-10-21 | 2021-03-26 | 华为技术有限公司 | 一种仿真交通场景文件生成方法及装置 |
CN113032285A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 一种高精地图测试方法、装置、电子设备及存储介质 |
CN113093569A (zh) * | 2021-04-13 | 2021-07-09 | 中国第一汽车股份有限公司 | 自动驾驶的仿真测试方法、装置、设备和存储介质 |
CN113221359A (zh) * | 2021-05-13 | 2021-08-06 | 京东鲲鹏(江苏)科技有限公司 | 一种仿真场景生成方法、装置、设备及存储介质 |
CN113535569A (zh) * | 2021-07-22 | 2021-10-22 | 中国第一汽车股份有限公司 | 自动驾驶的控制效果确定方法 |
CN113886958A (zh) * | 2021-09-30 | 2022-01-04 | 重庆长安汽车股份有限公司 | 一种驾驶系统仿真测试场景生成方法、系统及计算机可读存储介质 |
-
2022
- 2022-01-06 CN CN202210008575.2A patent/CN114397829A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765661A (zh) * | 2019-11-22 | 2020-02-07 | 北京京东乾石科技有限公司 | 自动驾驶仿真场景生成方法及装置、电子设备、存储介质 |
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 |
CN112567374A (zh) * | 2020-10-21 | 2021-03-26 | 华为技术有限公司 | 一种仿真交通场景文件生成方法及装置 |
CN112560253A (zh) * | 2020-12-08 | 2021-03-26 | 中国第一汽车股份有限公司 | 驾驶场景的重构方法、装置、设备及存储介质 |
CN113093569A (zh) * | 2021-04-13 | 2021-07-09 | 中国第一汽车股份有限公司 | 自动驾驶的仿真测试方法、装置、设备和存储介质 |
CN113221359A (zh) * | 2021-05-13 | 2021-08-06 | 京东鲲鹏(江苏)科技有限公司 | 一种仿真场景生成方法、装置、设备及存储介质 |
CN113032285A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 一种高精地图测试方法、装置、电子设备及存储介质 |
CN113535569A (zh) * | 2021-07-22 | 2021-10-22 | 中国第一汽车股份有限公司 | 自动驾驶的控制效果确定方法 |
CN113886958A (zh) * | 2021-09-30 | 2022-01-04 | 重庆长安汽车股份有限公司 | 一种驾驶系统仿真测试场景生成方法、系统及计算机可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167252A (zh) * | 2023-04-25 | 2023-05-26 | 小米汽车科技有限公司 | 雷达配置信息的确定方法、装置、设备及存储介质 |
CN116167252B (zh) * | 2023-04-25 | 2024-01-30 | 小米汽车科技有限公司 | 雷达配置信息的确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111708858B (zh) | 一种地图数据处理方法、装置、设备以及存储介质 | |
CN109872392B (zh) | 基于高精地图的人机交互方法和装置 | |
US10627246B2 (en) | Multi modal annotation of maps | |
CN113341935A (zh) | 一种车辆测试方法、装置、测试设备、系统及存储介质 | |
JP2021140822A (ja) | 車両制御方法、車両制御装置及び車両 | |
EP3862724A2 (en) | Navigation map evaluation method and apparatus, device and readable storage medium | |
CN110807219A (zh) | 道路网络的三维仿真建模方法、装置、终端及存储介质 | |
CN111105695A (zh) | 地图制作方法、装置、电子设备及计算机可读存储介质 | |
CN114397829A (zh) | 用于构建自动驾驶仿真场景的方法、装置、设备及介质 | |
CN110674026B (zh) | 导航轨迹模拟的方法、装置、存储介质和终端设备 | |
Miura et al. | Cosam: Co-simulation framework for ros-based self-driving systems and matlab/simulink | |
CN114415542A (zh) | 自动驾驶仿真系统、方法、服务器及介质 | |
CN104660684A (zh) | 一种用于更新路网数据信息的方法和装置 | |
CN112686998B (zh) | 一种信息展示方法、装置、设备及计算机可读存储介质 | |
CN113361059A (zh) | 车辆模拟场景的生成方法及相关设备 | |
CN110440788B (zh) | 跨越单线道路的导航提示方法、服务器及计算机可读介质 | |
CN113797554B (zh) | 游戏引擎资源的处理方法、装置、存储介质及电子设备 | |
CN115061386A (zh) | 智能驾驶的自动化仿真测试系统及相关设备 | |
CN117667663A (zh) | 控件定位路径确定方法、装置、设备、存储介质及产品 | |
CN113970754A (zh) | 一种自主可行驶设备的定位方法和装置 | |
CN115062445A (zh) | 基于自然驾驶数据的仿真场景构建方法及系统 | |
CN114265846A (zh) | 一种数据操作方法、装置、电子设备和存储介质 | |
CN109697167A (zh) | 测试变量的管理方法、系统、电子设备和存储介质 | |
CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 | |
Ramachandran et al. | OdoViz: A 3D Odometry Visualization and Processing Tool |
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 |