CN114610628A - 场景库建立及测试方法、装置、设备、介质及程序产品 - Google Patents
场景库建立及测试方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN114610628A CN114610628A CN202210261994.7A CN202210261994A CN114610628A CN 114610628 A CN114610628 A CN 114610628A CN 202210261994 A CN202210261994 A CN 202210261994A CN 114610628 A CN114610628 A CN 114610628A
- Authority
- CN
- China
- Prior art keywords
- scene
- label
- test data
- semantic
- drive test
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种场景库建立方法及装置、自动驾驶能力测试方法及装置、电子设备、程序产品以及存储介质,涉及数据处理技术领域,尤其涉及自动驾驶技术领域。本公开首先设置有多个预设语义场景,之后根据从路测数据中提取的至少一个特征标签,从预设语义场景中筛选与路测数据相匹配的目标语义场景,并将路测数据与目标语义场景对应存储在场景库中。上述方式将真实的路测数据作为测试场景存入场景库中,提高了用于进行自动驾驶能力测试的场景的真实性。同时,上述方式能够自动从车辆采集的路测数据中挖掘可以作为测试场景的路测数据,不仅提高了测试场景创建的效率和覆盖率,还避免了人工评审的环节,降低了维护成本。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及自动驾驶技术领域,公开了一种场景库建立方法及装置、自动驾驶能力测试方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质、计算机程序产品。
背景技术
随着自动驾驶技术的快速发展,其应用场景越来越广泛。基于场景覆盖率的自动驾驶能力测试方法中,场景库中的测试场景对现实世界的覆盖率越高,测试结果的准确性就越高。但是当前测试场景的创建存在效率低、真实性较差、覆盖率不全、需要逐个评审测试场景,且无法自动化的挖掘所期望的场景、维护成本高等问题。
发明内容
本公开至少提供了一种场景库建立方法及装置、自动驾驶能力测试方法及装置、电子设备、程序产品以及存储介质。
根据本公开的一方面,提供了一种场景库建立方法,包括:
获取路测数据以及至少一个预设语义场景;
提取路测数据中的至少一个特征标签;
根据至少一个特征标签,从至少一个预设语义场景中筛选与路测数据相匹配的目标语义场景;
将路测数据与目标语义场景对应存储在场景库中。
根据本公开的另一方面,提供了一种自动驾驶能力测试方法,包括:
获取利用上述方法建立的场景库;
确定自动驾驶车辆在场景库中的至少一个预设语义场景所对应的路测数据下的驾驶行为信息;
根据驾驶行为信息,确定自动驾驶车辆的自动驾驶能力信息。
根据本公开的另一方面,提供了一种场景库建立装置,包括:
信息获取模块,用于获取路测数据以及至少一个预设语义场景;
标签提取模块,用于提取路测数据中的至少一个特征标签;
场景匹配模块,用于根据至少一个特征标签,从至少一个预设语义场景中筛选与路测数据相匹配的目标语义场景;
入库模块,用于将路测数据与目标语义场景对应存储在场景库中。
根据本公开的另一方面,提供了一种自动驾驶能力测试装置,包括:
场景获取模块,用于获取利用上述方法建立的场景库;
行为确定模块,用于确定自动驾驶车辆在场景库中的至少一个预设语义场景所对应的路测数据下的驾驶行为信息;
能力测试模块,用于根据驾驶行为信息,确定自动驾驶车辆的自动驾驶能力信息。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本公开任一实施例中的方法。
根据本公开的技术首先设置有多个预设语义场景,之后根据从路测数据中提取的至少一个特征标签,从预设语义场景中筛选与路测数据相匹配的目标语义场景,并将路测数据与目标语义场景对应存储在场景库中。上述方式将真实的路测数据作为测试场景存入场景库中,提高了用于进行自动驾驶能力测试的场景的真实性。同时,上述方式能够自动从车辆采集的路测数据中挖掘可以作为测试场景的路测数据,不仅提高了测试场景创建的效率和覆盖率,还避免了人工评审的环节,降低了维护成本。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开场景库建立方法的流程图之一;
图2是根据本公开场景库建立方法的流程图之二;
图3是根据本公开自动驾驶能力测试方法的流程图;
图4是根据本公开场景库建立装置的结构示意图;
图5是根据本公开自动驾驶能力测试装置的结构示意图;
图6是根据本公开的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着自动驾驶技术的快速发展,其应用场景越来越广泛。对于如何评价自动驾驶能力,一种方式是基于里程的测试方法,该方法具有测试周期长、效率低、成本高等弊端。另外一种方式是基于场景库的测试方法,场景库中的测试场景对现实世界的覆盖率越高,测试结果的准确性就越高,因此也是实现自动驾驶系统能力验证的关键。但是当前测试场景的创建存在效率低、真实性较差、覆盖率不全、需要逐个评审测试场景,且无法自动化的挖掘所期望的场景、维护成本高等问题。
针对上述技术缺陷,本公开至少提供了一种场景库建立方法及装置、自动驾驶能力测试方法及装置、电子设备、程序产品以及存储介质,本公开首先设置有多个预设语义场景,之后根据从路测数据中提取的至少一个特征标签,从预设语义场景中筛选与路测数据相匹配的目标语义场景,并将路测数据与目标语义场景对应存储在场景库中。本公开将真实的路测数据作为测试场景存入场景库中,提高了用于进行自动驾驶能力测试的场景的真实性。同时,本公开能够自动从车辆采集的路测数据中挖掘可以作为测试场景的路测数据,不仅提高了测试场景创建的效率和覆盖率,还避免了人工评审的环节,降低了维护成本。
下面通过具体的实施例对本公开的场景库建立方法进行说明。
图1示出了本公开实施例的场景库建立方法的流程图,该实施例的执行主体可以是具有计算能力的设备。如图1所示,本公开实施例的场景库建立方法可以包括如下步骤:
S110、获取路测数据以及至少一个预设语义场景。
上述路测数据可以是多个车辆行驶过程中通过摄像头等部件采集的数据。在执行此步骤之前需要预先设置多个预设语义场景,例如路口直行遇对向掉头车辆。这些预设语义场景存储在场景库中。
上述路测数据可以是一段较短时长内的数据,车辆直接采集到的初始路测数据是时间较长的一段连续数据,此时可以按照预设时长,对初始路测数据进行分割,得到至少一段路测数据。由于时间较长的一段连续数据中包括的语义场景比较多,如果不进行分割可能导致无法准确、唯一的确定与之匹配的目标语义场景,从而不利于提高了场景库的准确性。
示例性地,上述预设时长可以是5分钟、6分钟、7分钟等。
S120、提取路测数据中的至少一个特征标签。
示例性地,上述路测数据可以包括视频,利用训练好的神经网络对上述视频进行处理,可以得到视频对应的特征标签。上述特征标签用于表征视频中各对象的特征,例如,特征标签可以包括主车驾驶状态、主车行为、道路信息、主车行驶速度、交通灯信息、天气、光照、障碍物种类、障碍物行为、障碍物位置等。其中,道路信息可以包括车道线数量、车道线位置、坡度等。
上述特征标签具有原子性,实现了对路测数据特征的精细挖掘,有利于提高语义场景匹配的准确度。
S130、根据至少一个特征标签,从至少一个预设语义场景中筛选与路测数据相匹配的目标语义场景。
上述特征标签能够精细、准确的表征路测数据中各对象的特征,利用这些特征标签能够从各个预设语义场景中筛选到匹配的目标语义场景。
S140、将路测数据与目标语义场景对应存储在场景库中。
路测数据作为目标语义场景对应的真实的测试场景存入场景库中。示例性地,可以建立路测数据与目标语义场景之间的映射关系,并将该映射关系、路测数据以及目标语义场景存储在场景库中。
在一些实施例中,上述预设语义场景可以包括至少一个标准语义标签。标准语义标签用于表征该预设语义场景中各对象应该具有的特征。示例性地,路口直行遇对向掉头车辆这种预设语义场景下,标准语义标签可以包括主车位于十字路口、主车直行、障碍物位于路口对向、障碍物掉头、周围有信号灯等。
上述根据至少一个特征标签,从至少一个预设语义场景中筛选与路测数据相匹配的目标语义场景,具体可以利用如下步骤实现:
针对每个预设语义场景,将从路测数据中提取到的特征标签与预设语义场景对应各个标准语义标签进行匹配;并将匹配成功的预设语义场景作为目标语义场景。
示例性地,某一预设语义场景对应的各个标准语义标签均能够与从路测数据中提取到的某一特征标签相匹配,此时认为匹配成功,并将该预设语义场景作为目标语义场景。标准语义标签表征对应预设语义场景中各对象应该具有的特征,特征标签表征路测数据中各对象的特征,因此特征标签与标准语义标签进行匹配的方式能够较为准确地筛选出与路测数据相匹配的目标语义场景。
由于某些预设语义场景还涉及到各个对象的时序特征等特征组合规则的限制,因此在将从路测数据中提取的特征标签与预设语义场景对应各个标准语义标签进行匹配时,具体可以是:
首先获取预设语义场景对应的标签组合规则;之后,基于标签组合规则,对从路测数据中提取的特征标签进行组合,得到待匹配组合标签;最后,将待匹配组合标签预设语义场景对应的标准组合标签进行匹配。
上述标准组合标签是预设语义场景所包括的各个标准语义标签,按照标签组合规则组合得到的。示例性地,上述标签组合规则可以包括各个标签组合的先后顺序、交集、并集、差集、补集、对称集等。标签组合规则能够准确反应标签的组合关系,利用标签组合规则组合从路测数据中提取的特征标签,以及预设语义场景所包括的各个标准语义标签,得到了能够清晰、准确地反应对应场景的待匹配组合标签和标准组合标签。后续利用该待匹配组合标签和标准组合标签进行匹配,有利于提高匹配精度,从而筛选到准确度更高的目标语义场景。
在一些实施例中,可以利用如下步骤生成一个或多个预设语义场景:
首先,确定至少两类场景要素;之后针对每类场景要素,确定该场景要素对应的至少一个场景标签;最后根据从各类场景要素中选取的场景标签,生成一个预设语义场景。
示例性地,上述场景要素可以包括主车的行为对应的一类场景要素、障碍物的行为对应的一类场景要素等。如图2所示,主车的行为对应的场景要素对应的场景标签可以包括路口直行、路口右转、路口左转、路口掉头、起步、进站等。障碍物的行为对应的场景要素对应的场景标签可以包括遇对向左转车辆、遇对向掉头车辆、遇路口右侧直行车辆等。
根据从各类场景要素中分别选取的一个场景标签来组成预设语义场景,不仅能够实现自动生成预设语义场景,并且提高了生成预设语义场景的效率和预设语义场景的全面性,有利于丰富场景库中预设语义场景的多样性,从而有利于提高对自动驾驶车辆能力测试的全面性和准确性。
在一些实施例中,可以利用如下步骤生成某一预设语义场景对应的标准组合标签:
首先确定该预设语义场景对应的至少一个标签要素;之后确定每个标签要素对应的标准语义标签;最后,按照预设语义场景对应的标签组合规则,将各个标准语义标签进行组合,得到预设语义场景对应的标准组合标签。
示例性地,上述标签要素用于表征该预设场景中需要限定的各个对象的各个方面特征,例如标签要素可以包括主车位置、主车行为、障碍物位置、障碍物行为、环境信息等。这些标签要素体现了预设语义场景的原子特征,利用这些标签要素能够全面、准确地限定出一类预设语义场景。
示例性地,多个标签要素能够限定出一类预设语义场景,但是对于某一具体的预设语义场景,需要确定每个标签要素对应的标准语义标签。例如预设语义场景为路口直行遇对向掉头车辆时,主车位置的标准语义标签应为十字路口,主车行为的标准语义标签应为直行,障碍物位置的标准语义标签应为路口对向、障碍物行为的标准语义标签应为掉头、环境信息的标准语义标签应为有信号灯。
由于预设语义场景还涉及到各个对象的时序特征等特征组合规则的限制,因此在确定了各个标签要素对应的标准语义标签之后,还需要按照预设语义场景对应的标签组合规则,将各个标准语义标签进行组合,才能得到预设语义场景对应的标准组合标签。
上述实施例结合标签组合规则和各个标签要素对应的标准语义标签,能够较为准确地确定预设语义场景对应的标准组合标签,并且形成的标准组合标签具有可区别性,有利于提高语义场景匹配的准确度。
在一些实施例中,根据实际场景的需要还可以通过增加场景要素、场景要素对应的场景标签的方式来增加预设语义场景。还可以通过增加标签要素以及标签要素对应的标准语义标签,或者更新标签要素对应的标准语义标签的方式来更新预设语义场景对应的标准组合标签。示例性地,可以场景库中添加对车速、路况等进行限定的预设语义场景。这种方式提高了测试场景,即预设语义场景或者场景库对实际测试需求或对自动驾驶能力测试的适用性,可以用于对无人小巴、无人公交、自动驾驶出租车Robotaxi、矿卡等的自动驾驶能力测试。
下面通过具体的实施例对本公开的自动驾驶能力测试方法进行说明。
图3示出了本公开实施例的自动驾驶能力测试方法的流程图,该实施例的执行主体可以是具有计算能力的设备。如图3所示,本公开实施例的自动驾驶能力测试方法可以包括如下步骤:
S310、获取利用上述的场景库建立方法建立的场景库。
S320、确定自动驾驶车辆在场景库中的至少一个预设语义场景所对应的路测数据下的驾驶行为信息。
S330、根据驾驶行为信息,确定自动驾驶车辆的自动驾驶能力信息。
示例性地,上述自动驾驶车辆可以是无人小巴、无人公交、自动驾驶出租车Robotaxi等。
示例性地,在获取到场景库之后,还可以对场景库中的至少部分预设语义场景进行检测,在检测通过之后用于确定上述驾驶行为信息。
利用上述的场景库建立方法建立的场景库具有场景覆盖率高、真实性强的特点,因此利用该场景库进行自动驾驶能力测试能够有效提高测试的准确性。
基于同一发明构思,本公开实施例中还提供了一种场景库建立方法对应的场景库建立装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述场景库建立方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
如图4所示,为本公开实施例所提供的场景库建立装置的结构示意图,包括:
信息获取模块410,用于获取路测数据以及至少一个预设语义场景。
标签提取模块420,用于提取路测数据中的至少一个特征标签。
场景匹配模块430,用于根据至少一个特征标签,从至少一个预设语义场景中筛选与路测数据相匹配的目标语义场景。
入库模块440,用于将路测数据与目标语义场景对应存储在场景库中。
在一些实施例中,预设语义场景包括至少一个标准语义标签;
场景匹配模块430在根据至少一个特征标签,从至少一个预设语义场景中筛选与路测数据相匹配的目标语义场景时,用于:
针对每个预设语义场景,将至少一个特征标签与预设语义场景对应各个标准语义标签进行匹配;
将匹配成功的预设语义场景作为目标语义场景。
在一些实施例中,预设语义场景包括至少一个标准语义标签对应的标准组合标签;
场景匹配模块430在将至少一个特征标签与预设语义场景对应各个标准语义标签进行匹配时,用于:
获取预设语义场景对应的标签组合规则;
基于标签组合规则,对至少一个特征标签进行组合,得到待匹配组合标签;
将待匹配组合标签与标准组合标签进行匹配。
在一些实施例中,还包括标签组合模块450,用于:
确定预设语义场景对应的至少一个标签要素;
确定每个标签要素对应的标准语义标签;
按照预设语义场景对应的标签组合规则,将各个标准语义标签进行组合,得到预设语义场景对应的标准组合标签。
在一些实施例中,还包括场景设置模块460,用于:
确定至少两类场景要素;
针对每类场景要素,确定场景要素对应的至少一个场景标签;
根据从各类场景要素中选取的场景标签,生成一预设语义场景。
在一些实施例中,标签要素包括以下至少一项:
主车位置、主车行为、障碍物位置、障碍物行为、环境信息。
在一些实施例中,信息获取模块410在获取路测数据时,用于:
获取初始路测数据;
按照预设时长,对初始路测数据进行分割,得到至少一段路测数据。
基于同一发明构思,本公开实施例中还提供了一种自动驾驶能力测试方法对应的自动驾驶能力测试装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述自动驾驶能力测试方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,为本公开实施例所提供的自动驾驶能力测试装置的结构示意图,包括:
场景获取模块510,用于获取利用上述场景库建立方法所建立的场景库。
行为确定模块520,用于确定自动驾驶车辆在场景库中的至少一个预设语义场景所对应的路测数据下的驾驶行为信息。
能力测试模块530,用于根据驾驶行为信息,确定自动驾驶车辆的自动驾驶能力信息。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元610,其可以根据存储在只读存储器(ROM)620中的计算机程序或者从存储单元680加载到随机访问存储器(RAM)630中的计算机程序,来执行各种适当的动作和处理。在RAM630中,还可存储设备600操作所需的各种程序和数据。计算单元610、ROM620以及RAM 630通过总线640彼此相连。输入/输出(I/O)接口650也连接至总线640。
设备600中的多个部件连接至I/O接口650,包括:输入单元660,例如键盘、鼠标等;输出单元670,例如各种类型的显示器、扬声器等;存储单元880,例如磁盘、光盘等;以及通信单元690,例如网卡、调制解调器、无线通信收发机等。通信单元690允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元610可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元610的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元610执行上文所描述的各个方法和处理,例如场景库建立方法或自动驾驶能力测试方法。例如,在一些实施例中,场景库建立方法或自动驾驶能力测试方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元680。在一些实施例中,计算机程序的部分或者全部可以经由ROM620和/或通信单元690而被载入和/或安装到设备600上。当计算机程序加载到RAM 630并由计算单元610执行时,可以执行上文描述的场景库建立方法或自动驾驶能力测试方法的一个或多个步骤。备选地,在其他实施例中,计算单元610可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行场景库建立方法或自动驾驶能力测试方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种场景库建立方法,包括:
获取路测数据以及至少一个预设语义场景;
提取所述路测数据中的至少一个特征标签;
根据所述至少一个特征标签,从所述至少一个预设语义场景中筛选与所述路测数据相匹配的目标语义场景;
将所述路测数据与所述目标语义场景对应存储在场景库中。
2.根据权利要求1所述的方法,其中,所述预设语义场景包括至少一个标准语义标签;
所述根据所述至少一个特征标签,从所述至少一个预设语义场景中筛选与所述路测数据相匹配的目标语义场景,包括:
针对每个预设语义场景,将所述至少一个特征标签与所述预设语义场景对应各个标准语义标签进行匹配;
将匹配成功的预设语义场景作为所述目标语义场景。
3.根据权利要求2所述的方法,其中,所述预设语义场景包括所述至少一个标准语义标签对应的标准组合标签;
所述将所述至少一个特征标签与所述预设语义场景对应各个标准语义标签进行匹配,包括:
获取所述预设语义场景对应的标签组合规则;
基于所述标签组合规则,对至少一个所述特征标签进行组合,得到待匹配组合标签;
将所述待匹配组合标签与所述标准组合标签进行匹配。
4.根据权利要求1至3任一项所述的方法,还包括:
确定所述预设语义场景对应的至少一个标签要素;
确定每个标签要素对应的标准语义标签;
按照所述预设语义场景对应的标签组合规则,将各个标准语义标签进行组合,得到所述预设语义场景对应的标准组合标签。
5.根据权利要求1至4任一项所述的方法,还包括:
确定至少两类场景要素;
针对每类场景要素,确定所述场景要素对应的至少一个场景标签;
根据从各类场景要素中选取的场景标签,生成一预设语义场景。
6.根据权利要求4所述的方法,其中,所述标签要素包括以下至少一项:
主车位置、主车行为、障碍物位置、障碍物行为、环境信息。
7.根据权利要求1至6任一项所述的方法,其中,所述获取路测数据,包括:
获取初始路测数据;
按照预设时长,对所述初始路测数据进行分割,得到至少一段路测数据。
8.一种自动驾驶能力测试方法,包括:
获取利用权利要求1至7任一项所述的方法建立的场景库;
确定自动驾驶车辆在所述场景库中的至少一个预设语义场景所对应的路测数据下的驾驶行为信息;
根据所述驾驶行为信息,确定所述自动驾驶车辆的自动驾驶能力信息。
9.一种场景库建立装置,包括:
信息获取模块,用于获取路测数据以及至少一个预设语义场景;
标签提取模块,用于提取所述路测数据中的至少一个特征标签;
场景匹配模块,用于根据所述至少一个特征标签,从所述至少一个预设语义场景中筛选与所述路测数据相匹配的目标语义场景;
入库模块,用于将所述路测数据与所述目标语义场景对应存储在场景库中。
10.根据权利要求9所述的装置,其中,所述预设语义场景包括至少一个标准语义标签;
所述场景匹配模块在根据所述至少一个特征标签,从所述至少一个预设语义场景中筛选与所述路测数据相匹配的目标语义场景时,用于:
针对每个预设语义场景,将所述至少一个特征标签与所述预设语义场景对应各个标准语义标签进行匹配;
将匹配成功的预设语义场景作为所述目标语义场景。
11.根据权利要求10所述的装置,其中,所述预设语义场景包括所述至少一个标准语义标签对应的标准组合标签;
所述场景匹配模块在将所述至少一个特征标签与所述预设语义场景对应各个标准语义标签进行匹配时,用于:
获取所述预设语义场景对应的标签组合规则;
基于所述标签组合规则,对至少一个所述特征标签进行组合,得到待匹配组合标签;
将所述待匹配组合标签与所述标准组合标签进行匹配。
12.根据权利要求9至11任一项所述的装置,还包括标签组合模块,用于:
确定所述预设语义场景对应的至少一个标签要素;
确定每个标签要素对应的标准语义标签;
按照所述预设语义场景对应的标签组合规则,将各个标准语义标签进行组合,得到所述预设语义场景对应的标准组合标签。
13.根据权利要求9至12任一项所述的装置,还包括场景设置模块,用于:
确定至少两类场景要素;
针对每类场景要素,确定所述场景要素对应的至少一个场景标签;
根据从各类场景要素中选取的场景标签,生成一预设语义场景。
14.根据权利要求12所述的装置,其中,所述标签要素包括以下至少一项:
主车位置、主车行为、障碍物位置、障碍物行为、环境信息。
15.根据权利要求9至14任一项所述的装置,其中,所述信息获取模块在获取路测数据时,用于:
获取初始路测数据;
按照预设时长,对所述初始路测数据进行分割,得到至少一段路测数据。
16.一种自动驾驶能力测试装置,包括:
场景获取模块,用于获取利用权利要求1至7任一项所述的方法建立的场景库;
行为确定模块,用于确定自动驾驶车辆在所述场景库中的至少一个预设语义场景所对应的路测数据下的驾驶行为信息;
能力测试模块,用于根据所述驾驶行为信息,确定所述自动驾驶车辆的自动驾驶能力信息。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序/指令,其中,该计算机程序/指令被处理器执行时实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261994.7A CN114610628A (zh) | 2022-03-16 | 2022-03-16 | 场景库建立及测试方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261994.7A CN114610628A (zh) | 2022-03-16 | 2022-03-16 | 场景库建立及测试方法、装置、设备、介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114610628A true CN114610628A (zh) | 2022-06-10 |
Family
ID=81862639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210261994.7A Pending CN114610628A (zh) | 2022-03-16 | 2022-03-16 | 场景库建立及测试方法、装置、设备、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114610628A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114756700A (zh) * | 2022-06-17 | 2022-07-15 | 小米汽车科技有限公司 | 场景库建立方法、装置、车辆、存储介质及芯片 |
CN115203457A (zh) * | 2022-07-15 | 2022-10-18 | 小米汽车科技有限公司 | 图像检索方法、装置、车辆、存储介质及芯片 |
CN115687163A (zh) * | 2023-01-05 | 2023-02-03 | 中汽智联技术有限公司 | 场景库构建方法、装置、设备和存储介质 |
CN116778720A (zh) * | 2023-08-25 | 2023-09-19 | 中汽传媒(天津)有限公司 | 一种交通工况场景库搭建及应用方法、系统和电子设备 |
-
2022
- 2022-03-16 CN CN202210261994.7A patent/CN114610628A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114756700A (zh) * | 2022-06-17 | 2022-07-15 | 小米汽车科技有限公司 | 场景库建立方法、装置、车辆、存储介质及芯片 |
CN115203457A (zh) * | 2022-07-15 | 2022-10-18 | 小米汽车科技有限公司 | 图像检索方法、装置、车辆、存储介质及芯片 |
CN115203457B (zh) * | 2022-07-15 | 2023-11-14 | 小米汽车科技有限公司 | 图像检索方法、装置、车辆、存储介质及芯片 |
CN115687163A (zh) * | 2023-01-05 | 2023-02-03 | 中汽智联技术有限公司 | 场景库构建方法、装置、设备和存储介质 |
CN115687163B (zh) * | 2023-01-05 | 2023-04-07 | 中汽智联技术有限公司 | 场景库构建方法、装置、设备和存储介质 |
CN116778720A (zh) * | 2023-08-25 | 2023-09-19 | 中汽传媒(天津)有限公司 | 一种交通工况场景库搭建及应用方法、系统和电子设备 |
CN116778720B (zh) * | 2023-08-25 | 2023-11-24 | 中汽传媒(天津)有限公司 | 一种交通工况场景库搭建及应用方法、系统和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114610628A (zh) | 场景库建立及测试方法、装置、设备、介质及程序产品 | |
CN114415628A (zh) | 自动驾驶测试方法及装置、电子设备和存储介质 | |
CN112069279B (zh) | 地图数据更新方法、装置、设备及可读存储介质 | |
CN110689747B (zh) | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 | |
CN114120253A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN111666714A (zh) | 自动驾驶仿真场景识别的方法及装置 | |
CN113392793A (zh) | 用于识别车道线的方法、装置、设备、存储介质以及无人车 | |
CN113129596A (zh) | 行驶数据处理方法、装置、设备、存储介质及程序产品 | |
CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
CN113467875A (zh) | 训练方法、预测方法、装置、电子设备以及自动驾驶车辆 | |
CN112559371A (zh) | 一种自动驾驶测试方法、装置及电子设备 | |
CN113344121B (zh) | 训练招牌分类模型和招牌分类的方法 | |
CN115891868A (zh) | 自动驾驶车辆的故障检测方法、装置、电子设备和介质 | |
CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
CN116469073A (zh) | 目标识别方法、装置、电子设备、介质及自动驾驶车辆 | |
CN115410173A (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 | |
CN114708498A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN115114312A (zh) | 地图数据更新方法、装置及电子设备 | |
CN113989300A (zh) | 车道线分割的方法、装置、电子设备和存储介质 | |
CN113591569A (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
CN114724113A (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN114820690A (zh) | 轨迹还原方法、装置和电子设备 | |
CN113591567A (zh) | 目标检测方法、目标检测模型的训练方法及其装置 | |
CN113033431A (zh) | 光学字符识别模型训练和识别方法、装置、设备及介质 | |
CN113378850B (zh) | 模型训练方法、路面损伤分割方法、装置和电子设备 |
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 |