CN114813157A - 一种测试场景构建方法及装置 - Google Patents

Abstract

本申请涉及一种测试场景构建方法及装置。所述方法包括：确定构建预设交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；分别获取所述至少一种行为元素所对应的行为数据集合，所述行为数据集合中包括相似度高于预设阈值的多个行为数据，所述行为数据被设置为从真实路况数据中提取得到；将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

Description

一种测试场景构建方法及装置

技术领域

本申请涉及无人驾驶技术领域，尤其涉及一种测试场景构建方法及装置。

背景技术

无人驾驶车辆在上路行驶之前，需要对其进行多次仿真测试，以确定车辆的安全性和稳定性。而仿真测试需要大量的测试场景数据以构建测试场景，典型的测试场景例如包括超车场景、过红绿灯场景、弯道行驶场景等等。

相关技术中基本都是通过人工方式获取测试场景数据。具体地，工作人员可以回放采集车所采集的数据，通过肉眼识别并挑选所需要的场景数据。挑选出需要的场景数据之后，可以通过软件工具自动地将所述场景数据转换为测试所需的数据集。由此可见，相关技术中获取测试场景数据的方式过于依赖人工处理，费时费力且效率较低，准确度还比较依赖于工作人员的能力。

因此，相关技术中亟需一种处理效率较高、准确率较高的获取无人驾驶测试场景数据的方式。

发明内容

有鉴于此，提出了一种测试场景构建方法及装置。

第一方面，本申请的实施例提供了一种测试场景构建方法，包括：

确定构建预设交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

分别获取所述至少一种行为元素所对应的行为数据集合，所述行为数据集合中包括相似度高于预设阈值的多个行为数据，所述行为数据被设置为从真实路况数据中提取得到；

将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

本申请实施例提供的测试场景构建方法，可以在构建预设交通测试场景的过程中，利用到从真实路况数据所提取的行为数据作为构建交通运动对象的运动行为的素材。一方面，利用所述真实路况数据作为数据基础，不仅可以缩小测试场景与真实场景之间的差异，还可以提升数据的丰富程度。另一方面，利用自动化地获取行为数据集合的方式，可以大大降低获取测试数据的成本。基于此，构建得到的交通测试场景不仅具有较高的真实度，还可以低成本地获取到丰富的测试数据，为测试智能车辆的性能提供较好的技术支持。

根据第一方面第一种可能的实现方式，所述行为数据集合被设置为按照下述方式构建而成：

确定真实路况数据；

从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

本申请实施例提供一种获取行为数据集合的方式，在该方式中，从真实的路况数据中获取至少一个交通运动对象的至少一个行为数据。然后对所述至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。将自动化获取的行为数据利用于测试场景中，不仅可以增强测试场景的真实性，还可以提高获取测试数据的效率。

根据第一方面第二种可能的实现方式，所述针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合，包括：

针对不同的交通运动对象，从所述交通运动对象的至少一个行为数据中筛选出符合预设行为元素特征的至少一个目标行为数据；

对所述至少一个目标行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

本申请实施例中，可以从大量的真实行为数据中筛选出测试场景中所需要的目标行为数据中，具体可以预先定义行为元素的特征，利用所述特征筛选出目标行为数据。

根据第一方面第三种可能的实现方式，所述将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为，包括：

分别从不同的所述行为数据集合中选取行为数据；

按照所述至少一个行为元素的发生顺序，将选取的行为数据连接成运动行为。

本申请实施例提供一种将多个行为数据自动化组合成运动行为的方式。

根据第一方面第四种可能的实现方式，所述将选取的行为数据连接成运动行为包括：

根据相邻行为数据中所包含的运动参数的变化对选取的行为数据进行平滑连接。

本申请实施例中，可以增强不同的行为数据之间的连续性和平滑性。

根据第一方面第五种可能的实现方式，在所述将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为之后，所述方法还包括：

获取所述预设交通测试场景的场景数据，所述场景数据包括道路信息、交通设施控制信息、环境信息、交通运动对象的初始位置中至少一种；

根据所述场景数据构建所述预设交通测试场景；

分别将所述至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

本申请实施例将所述运动行为设置于预设交通测试场景中，并对测试对象进行测试，通过对所述运动行为在交通测试场景中的应用，可以更加获取到更加准确的所述测试对象的性能数据。

根据第一方面第六种可能的实现方式，所述分别将至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果，包括：

判断所述运动行为是否符合所述预设交通测试场景所对应的场景特征；

在确定所述运动行为符合所述场景特征的情况下，将所述运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

本申请实施例中，通过判断所述运动行为是否符合所述预设交通测试场景的场景特征，可以保证设置于所述预设交通测试场景中的运动行为的合理性。

根据第一方面第七种可能的实现方式，所述行为数据集合中还包括与所述多个行为数据之间的相似度小于第一预设阈值的多个第一行为数据，所述多个行为数据与所述多个第一行为数据的数量比例不小于预设比例阈值。

本申请实施例中，设置所述行为数据集合中包括一定比例的非常规的行为数据，在一定程度上满足所述行为数据集的丰富性，增强测试场景的鲁棒性。

根据第一方面第八种可能的实现方式，所述行为数据包括下述中的至少一种运动参数信息：行驶方向速度、行驶横向速度、行驶加速度、行驶横向加速度、行驶距离、转弯半径、行驶时长、行走速度、行走加速度、行走时长。

根据第一方面第九种可能的实现方式，所述交通运动对象包括下述中的至少一种：轿车、卡车、公共汽车、电车、火车、摩托车、电动车、自行车、行人、动物。

根据第一方面第十种可能的实现方式，所述运动行为包括下述中的至少一种：超车、路口内直行、路口内转弯、汇入交通流、行人通过人行道。

根据第一方面第十一种可能的实现方式，所述行为元素包括下述中的至少一种：直线行驶、左切换车道、右切换车道、左直角转弯、右直角转弯、停车。

根据第一方面第十二种可能的实现方式，在所述确定构建预设交通测试场景所需的交通运动对象的运动行为之前，所述方法还包括：

获取用户所选择的预设交通测试场景以及配置的所述预设交通测试场景的场景数据。

本申请实施例提供用户端选择交通仿真场景和配置场景数据的方式。

第二方面，本申请的实施例提供了一种仿真场景构建方法，包括：

获取真实路况数据；

从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

利用所述至少一个交通运动对象的所述至少一个行为数据构建交通仿真场景。根据第二方面的第一种可能的实现方式，在从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息之后，还包括：

针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

根据第二方面的第二种可能的实现方式，所述利用所述至少一个交通运动对象的所述至少一个行为数据构建交通仿真场景，包括：

获取交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

分别获取所述至少一种行为元素所对应的行为数据集合；

将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

第三方面，本申请的实施例提供了一种测试场景构建装置，包括：

运动行为确定模块，用于确定构建预设交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

数据集合获取模块，用于分别获取所述至少一种行为元素所对应的行为数据集合，所述行为数据集合中包括相似度高于预设阈值的多个行为数据，所述行为数据被设置为从真实路况数据中提取得到；

行为数据组合模块，用于将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

根据第三方面第一种可能的实现方式，所述行为数据集合被设置为按照下述模块构建而成：

路况数据确定模块，用于确定真实路况数据；

行为数据提取模块，用于从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

行为数据聚类模块，用于针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

根据第三方面第二种可能的实现方式，所述行为数据聚类模块，具体用于：

针对不同的交通运动对象，从所述交通运动对象的至少一个行为数据中筛选出符合预设行为元素特征的至少一个目标行为数据；

对所述至少一个目标行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

根据第三方面第三种可能的实现方式，所述行为数据组合模块，具体用于：

分别从不同的所述行为数据集合中选取行为数据；

按照所述至少一个行为元素的发生顺序，将选取的行为数据连接成运动行为。

根据第三方面第四种可能的实现方式，所述行为数据组合模块，还用于：

根据相邻行为数据中所包含的运动参数的变化对选取的行为数据进行平滑连接。

根据第三方面第五种可能的实现方式，所述装置还包括：

场景数据获取模块，用于获取所述预设交通测试场景的场景数据，所述场景数据包括道路信息、交通设施控制信息、环境信息、交通运动对象的初始位置中至少一种；

测试场景构建模块，用于根据所述场景数据构建所述预设交通测试场景；

测试结果获取模块，用于分别将所述至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

根据第三方面第六种可能的实现方式，所述测试结果获取模块，具体用于：

判断所述运动行为是否符合所述预设交通测试场景所对应的场景特征；

在确定所述运动行为符合所述场景特征的情况下，将所述运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

根据第三方面第七种可能的实现方式，所述行为数据集合中还包括与所述多个行为数据之间的相似度小于第一预设阈值的多个第一行为数据，所述多个行为数据与所述多个第一行为数据的数量比例不小于预设比例阈值。

根据第三方面第八种可能的实现方式，所述行为数据包括下述中的至少一种运动参数信息：行驶方向速度、行驶横向速度、行驶加速度、行驶横向加速度、行驶距离、转弯半径、行驶时长、行走速度、行走加速度、行走时长。

根据第三方面第九种可能的实现方式，所述交通运动对象包括下述中的至少一种：轿车、卡车、公共汽车、电车、火车、摩托车、电动车、自行车、行人、动物。

根据第三方面第十种可能的实现方式，所述运动行为包括下述中的至少一种：超车、路口内直行、路口内转弯、汇入交通流、行人通过人行道。

根据第三方面第十一种可能的实现方式，所述行为元素包括下述中的至少一种：直线行驶、左切换车道、右切换车道、左直角转弯、右直角转弯、停车。

根据第三方面第十二种可能的实现方式，所述装置还包括：

测试场景获取模块，用于获取用户所选择的预设交通测试场景以及配置的所述预设交通测试场景的场景数据。

第四方面，本申请的实施例提供了一种仿真场景构建装置，包括：

路况数据获取模块，用于获取真实路况数据；

行为数据提取模块，用于从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

场景构建模块，用于利用所述至少一个交通运动对象的所述至少一个行为数据构建交通仿真场景。

根据第四方面第一种可能的实现方式，还包括：

行为数据聚类模块，用于针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

根据第四方面第二种可能的实现方式，所述场景构建模块，具体用于：

获取交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

分别获取所述至少一种行为元素所对应的行为数据集合；

将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

根据第四方面第三种可能的实现方式，所述仿真场景构建装置设置于车辆或者云端。

第五方面，本申请的实施例提供了一种设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令时实现上述第一方面或者第一方面的多种可能的实现方式中的一种或几种的方法。

第六方面，本申请的实施例提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现上述第一方面或者第一方面的多种可能的实现方式中的一种或几种的方法。

第七方面，本申请的实施例提供了一种计算机程序产品，其特征在于，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行实现上述第一方面或者第一方面的多种可能的实现方式中的一种或几种的方法。

第八方面，本申请的实施例提供了一种芯片，其特征在于，包括至少一个处理器，该处理器用于运行存储器中存储的计算机程序或计算机指令，以执行实现上述第一方面或者第一方面的多种可能的实现方式中的一种或几种的方法。

本申请的这些和其他方面在以下(多个)实施例的描述中会更加简明易懂。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本申请的示例性实施例、特征和方面，并且用于解释本申请的原理。

图1示出本申请实施例提供的一种交通测试系统的结构示意图。

图2示出本申请实施例提供的采集装置101的示意图。

图3A示出本申请实施例提供的一种智能车辆200的结构示意图。

图3B示出本申请实施例提供的一种智能车辆200的模块框图。

图4示出本申请实施例提供的测试场景构建方法的流程示意图。

图5示出本申请实施例提供的应用场景示意图。

图6示出本申请实施例提供的应用场景示意图。

图7示出本申请实施例提供的应用场景示意图。

图8示出本申请实施例提供的应用场景示意图。

图9示出本申请实施例提供的应用场景示意图。

图10示出本申请实施例提供的应用场景示意图。

图11示出本申请实施例提供的仿真场景构建方法的流程示意图。

图12示出本申请实施例提供的采集装置101和测试场景构建装置103的模块示意图。

图13示出根据本申请一实施例的终端设备的结构示意图。

图14示出根据本申请一实施例的计算机程序产品的结构框图。

具体实施方式

以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本申请，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的装置、手段、元件和电路未作详细描述，以便于凸显本申请的主旨。

在本申请实施例中，“/”可以表示前后关联的对象是一种“或”的关系，例如，A/B可以表示A或B；“和/或”可以用于描述关联对象存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。为了便于描述本申请实施例的技术方案，在本申请实施例中，可以采用“第一”、“第二”等字样对功能相同或相似的技术特征进行区分。该“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。在本申请实施例中，“示例性的”或者“例如”等词用于表示例子、例证或说明，被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念，便于理解。

在本申请实施例中，对于一种技术特征，通过“第一”、“第二”、等区分该种技术特征中的技术特征，该“第一”、“第二”描述的技术特征间无先后顺序或者大小顺序。

另外，为了更好的说明本申请，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的装置、手段、元件和电路未作详细描述，以便于凸显本申请的主旨。

为了便于理解本申请实施例，下面先对本申请实施例所基于的其中一种交通测试系统的结构进行描述。请参见图1，图1是本申请实施例提供的一种交通测试系统的结构示意图，该系统包括采集装置101和测试场景构建装置103，其中，采集装置101和测试场景构建装置103可以通过网络通信，以将采集到的用于构建测试场景的数据发送至测试场景构建装置103，由测试场景构建装置103完成测试场景的构建。

采集装置101可以是具有数据采集能力和数据收发能力的电子设备。比如说采集装置101可以是装备有激光雷达、摄像头、全球导航卫星系统(Global NavigationSatellite System，GNSS)、惯性测量单元(Inertial Measurement Unit，IMU)等一个或多种传感器的采集车辆。采集车辆可以收集路况数据，并从所述路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述至少一个行为数据可以作为构建测试场景的真实素材。其中，激光雷达主要用于采集点云数据，因为激光雷达可以精确地反应出位置信息，所以通过激光雷达可以获取交通运动对象的位置和运动参数、路面信息、交通设施信息以及一些其他信息；摄像头主要用于采集交通运动对象的类型(机动车、非机动车、行人等)、路面标识、车道线等信息；GNSS主要用于记录当前采集点的坐标；IMU主要用于记录采集车辆的角度和加速度信息，用于校正采集车辆的位置和角度。

或者，如图2所示，采集装置101还可以是安装于路口处的路侧单元，路侧单元可以监控覆盖区域内的多个交通运动对象，并采集各个交通运动对象的行为数据。需要说明的是，可以由一个路侧单元来采集交通运动对象的行为数据，也可以由多个路侧单元协作配合来采集交通运动对象的行为数据，本申请在此不做限制。其中，路侧单元可以是由高增益定向束控读写天线和射频控制器组成。高增益定向束控读写天线是一个微波收发模块，负责信号和数据的发送/接收、调制/解调、编码/解码、加密/解密；射频控制器是控制发射和接收数据以及处理向上位机收发信息的模块。

通过采集装置101可以采集到多种交通运动对象的行为数据。其中，所述交通运动对象可以包括道路中运动的对象，包括：轿车、卡车、公共汽车、电车、火车、摩托车、电动车、自行车、行人等等。交通对象的行为数据可以包括直线行驶、左切换车道、右切换车道、左直角转弯、右直角转弯、停车。而每个行为数据可以包括至少一个运动参数及其参数值，所述运动参数可以包括行驶方向速度、行驶横向速度、行驶加速度、行驶横向加速度、行驶距离、转弯半径、行驶时长、行走速度、行走加速度、行走时长等等。例如，对于车辆的直线行驶而言，可以包括加速度、速度、距离等运动参数。再如，对于车辆的左切换车道而言，可以包括行驶横向速度、行驶加速度等等。基于此，在采集装置101中，可以包括行为数据识别模块，所述行为行为数据识别模块能够基于预先设置的行为定义规则，根据采集装置101的运动信息、环境数据、地图数据等对路况数据进行分析和挖掘，识别出路况数据中的多个交通运动对象的上述多种行为数据。当然，采集装置101中还可以包括标注模块，用于在原始的路况数据中标注出所述行为数据，方便对所述行为数据的提取。例如，可以标注出所述行为数据在原始路况数据中的开始和结束时刻，以及对应的交通运动对象的类型、运动参数的参数值等等。

测试场景构建装置103可以是具有数据处理能力和数据收发能力的电子设备，可以是实体设备如主机、机架式服务器、刀片式服务器等，也可以是虚拟设备如虚拟机、容器等。测试场景构建装置103可以在获取到采集装置101所发送过来的多个交通运动对象的多个行为数据之后，可以根据不同的交通运动对象，将所述多个行为数据进行聚类处理，生成多个行为数据集合，也就是说，每个行为数据集合中的行为数据相似度高于预设阈值。基于上述的行为数据集合，可以构建交通测试场景，在交通测试场景中，需要构建交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成，所述运动行为包括下述中的至少一种：超车、路口内直行、路口内转弯、汇入交通流、行人通过人行道等等。例如，在测试车辆对周围车辆的超车行为的响应能力的场景下，则需要在测试场景中布置超车的运动行为。在超车的运动行为中，可以包括左换车道、直线加速、右换车道、车道保持等行为元素。基于此，根据上述聚类得到的行为数据集合，可以分别获取到每个行为元素所对应的行为数据集合。这样，可以将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

在另一个实施场景中，如图3A所示，本申请实施例提供一种智能车辆200，智能车辆200中可以包括采集装置101和测试场景构建装置103。采集装置101可以包括智能车辆200中的激光雷达、摄像头、全球导航卫星系统(Global Navigation Satellite System，GNSS)、惯性测量单元(Inertial Measurement Unit，IMU)等一个或多种传感器。测试场景构建装置103可以设置于智能车辆200中的处理器和存储器中。在本申请实施例中，测试场景构建装置103所构建的测试场景不仅可以用于对智能车辆200进行性能测试，还可以用于模拟交通场景，模拟的所述交通场景可以包括通过性能测试的测试场景。在模拟交通场景的应用场景下，如图3A所示，用户(包括开发者、任何普通用户)可以通过智能车辆200的车载电脑248选择需要模拟的交通场景，如模拟超车、路口内直行、汇入交通流等交通场景。智能车辆200在接收到用户的选择之后，可以将测试场景构建装置103所构建的测试场景展示给用户，让用户能够体验到智能车辆200在交通场景的行驶状态。

请参见图3B，图3B是本申请实施例提供的一种智能车辆200的功能框图。在此，智能车辆200即可以作为测试场景构建系统架构中的采集装置101的一种实施例，也可以作为图3A的智能车辆200的一种实施例。在一个实施例中，可以将智能车辆200配置为完全或部分地自动驾驶模式。例如，智能车辆200可以在处于自动驾驶模式中的同时控制自身，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定该其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制智能车辆200。在智能车辆200处于自动驾驶模式中时，可以将智能车辆200置为在没有和人交互的情况下操作。

智能车辆200可包括各种子系统，例如行进系统202、传感器系统204、控制系统206、一个或多个外围设备208以及电源210、计算机系统212和用户接口216。可选地，智能车辆200可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，智能车辆200的每个子系统和元件可以通过有线或者无线互连。

行进系统202可包括为智能车辆200提供动力运动的组件。在一个实施例中，行进系统202可包括引擎218、能量源219、传动装置220和车轮/轮胎221。引擎218可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎218将能量源219转换成机械能量。

能量源219的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源219也可以为智能车辆200的其他系统提供能量。

传动装置220可以将来自引擎218的机械动力传送到车轮221。传动装置220可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置220还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮221的一个或多个轴。

传感器系统204可包括感测关于智能车辆200周边的环境的信息的若干个传感器。例如，传感器系统204可包括全球定位系统222(定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)224、雷达226、激光测距仪228以及相机230。传感器系统204还可包括被监视智能车辆200的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主智能车辆200的安全操作的关键功能。

定位系统222可用于估计智能车辆200的地理位置。IMU 224用于基于惯性加速度来感测智能车辆200的位置和朝向变化。在一个实施例中，IMU 224可以是加速度计和陀螺仪的组合。例如：IMU 224可以用于测量智能车辆200的曲率。

雷达226可利用无线电信号来感测智能车辆200的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达226还可用于感测物体的速度和/或前进方向。

激光测距仪228可利用激光来感测智能车辆200所位于的环境中的物体。在一些实施例中，激光测距仪228可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

相机230可用于捕捉智能车辆200的周边环境的多个图像。相机230可以是静态相机或视频相机。

控制系统206为控制智能车辆200及其组件的操作。控制系统206可包括各种元件，其中包括转向系统232、油门234、制动单元236、传感器融合算法238、计算机视觉系统240、路线控制系统242以及障碍物避免系统244。

转向系统232可操作来调整智能车辆200的前进方向。例如在一个实施例中可以为方向盘系统。

油门234用于控制引擎218的操作速度并进而控制智能车辆200的速度。

制动单元236用于控制智能车辆200减速。制动单元236可使用摩擦力来减慢车轮221。在其他实施例中，制动单元236可将车轮221的动能转换为电流。制动单元236也可采取其他形式来减慢车轮221转速从而控制智能车辆200的速度。

计算机视觉系统240可以操作来处理和分析由相机230捕捉的图像以便识别智能车辆200周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统240可使用物体识别算法、运动中恢复结构(Structure fromMotion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统240可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

路线控制系统242用于确定智能车辆200的行驶路线。在一些实施例中，路线控制系统242可结合来自传感器238、GPS 222和一个或多个预定地图的数据以为智能车辆200确定行驶路线。

障碍物避免系统244用于识别、评估和避免或者以其他方式越过智能车辆200的环境中的潜在障碍物。

当然，在一个实例中，控制系统206可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

智能车辆200通过外围设备208与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备208可包括无线通信系统246、车载电脑248、麦克风250和/或扬声器252。

在一些实施例中，外围设备208提供智能车辆200的用户与用户接口216交互的手段。例如，车载电脑248可向智能车辆200的用户提供信息。用户接口216还可操作车载电脑248来接收用户的输入。车载电脑248可以通过触摸屏进行操作。具体来说，在将测试场景构建模块103所构建的测试场景用于模拟交通场景的情况下，用户可以通过车载电脑248选择所需要模拟的交通场景或者配置场景数据，车载电脑248还可以展示智能车辆200在所述测试场景中的行驶状态，从而使得驾驶员在车内进行仿真行驶，增加行车体验感。在其他情况中，外围设备208可提供用于智能车辆200与位于车内的其它设备通信的手段。例如，麦克风250可从智能车辆200的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器252可向智能车辆200的用户输出音频。

无线通信系统246可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统246可使用3G蜂窝通信，例如CDMA、EVD0、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信系统246可利用WiFi与无线局域网(wireless localarea network，WLAN)通信。在一些实施例中，无线通信系统246可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如：各种车辆通信系统，例如，无线通信系统246可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

电源210可向智能车辆200的各种组件提供电力。在一个实施例中，电源210可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为智能车辆200的各种组件提供电力。在一些实施例中，电源210和能量源219可一起实现，例如一些全电动车中那样。

智能车辆200的部分或所有功能受计算机系统212控制。计算机系统212可包括至少一个处理器213，处理器213执行存储在例如数据存储装置214这样的非暂态计算机可读介质中的指令215。计算机系统212还可以是采用分布式方式控制智能车辆200的个体组件或子系统的多个计算设备。

处理器213可以是任何常规的处理器，诸如商业可获得的CPU。替选地，该处理器可以是诸如ASIC或其它基于硬件的处理器的专用设备。尽管图3B功能性地图示了处理器、存储器、和在相同块中的计算机120的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机120的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

在一些实施例中，数据存储装置214可包含指令215(例如，程序逻辑)，指令215可被处理器213执行来执行智能车辆200的各种功能，包括以上描述的那些功能。数据存储装置224也可包含额外的指令，包括向推进系统202、传感器系统204、控制系统206和外围设备208中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

除了指令215以外，存储器214还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在智能车辆200在自主、半自主和/或手动模式中操作期间被智能车辆200和计算机系统212使用。

在本申请实施例中，存储器214中存储的数据还可以包括预先设置的行为定义规则，所述行为定义规则可以定义直线行驶、左转弯、右转弯等行为元素的规则。在一个实施例中，所述行为定义规则可以包括预设行为元素的特征。处理器213可以根据所述行为定义规则，可以识别出路况数据中的行为数据，例如，识别出路况数据中的直线行驶行为数据、左转弯行为数据、右转弯行为数据等等。当然，在识别出行为数据之后，还可以在所述路况数据中标注出所述行为数据在所述路况数据中的位置，如起始时刻和结束时刻，并标注出所述行为数据的运动参数及参数值。在智能车辆200兼具模拟器或者仿真器功能的情况下，存储器214中还可以存储有各个交通场景(即通过测试的测试场景)所需的场景数据、运动行为等数据。

用户接口216，用于向智能车辆200的用户提供信息或从其接收信息。可选地，用户接口216可包括在外围设备208的集合内的一个或多个输入/输出设备，例如无线通信系统246、车载电脑248、麦克风250和扬声器252。

计算机系统212可基于从各种子系统(例如，无线通信系统246、行进系统202、传感器系统204和控制系统206)以及从用户接口216接收的输入来控制智能车辆200的功能。例如，计算机系统212可利用来自无线通信系统246的输入以便规划出在自动驾驶中需要通过的路口处的车道线，通过该车道线可以避免碰到路口处的障碍物。在一些实施例中，计算机系统212可操作来对智能车辆200及其子系统的许多方面提供控制。

可选的，计算机系统212还可以从其它计算机系统接收信息，或者将信息转移到其它计算机系统。例如，计算机系统212可以将从智能车辆200的传感器系统204收集的传感器数据转移到远程的另一个计算机系统，并交由另一个计算机系统对此数据进行处理，比如由另一个计算机系统对传感器系统204中各个传感器采集的数据进行数据融合，然后再将融合后得到的数据或者分析结果返回至计算机系统212。可选的，来自计算机系统212的数据可以经由网络被传送到云侧的计算机系统用于进一步的处理。网络以及中间节点可以包括各种配置和协议，包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备，诸如调制解调器和无线接口。

如上所述，在一些可能的实施例中，与该智能车辆200中的计算机系统212进行交互的远程计算机系统可以包括具有多个计算机的服务器，例如负载均衡服务器群，为了从计算机系统212接收、处理并传送数据的目的，其与网络的不同节点交换信息。该服务器可以有处理器、存储器、指令和数据等等。例如，在本申请的一些实施例中，该服务器的数据可以包括提供天气相关的信息。例如，服务器可以接收、监视、存储、更新、以及传送与天气相关的各种信息。该信息可以包括例如以报告形式、雷达信息形式、预报形式等的降水、云、和/或温度信息。该服务器的数据还可以包括高精度地图数据、前方路段的交通信息(例如实时的交通拥挤状况和交通事故发生情况等等)，服务器可以将该高精度地图数据和交通信息等发送给计算机系统212，从而可以辅助智能车辆200更好地进行自动驾驶，保证驾驶安全。

可选地，上述这些组件中的一个或多个可与智能车辆200分开安装或关联。例如，数据存储装置214可以部分或完全地与智能车辆200分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图3B不应理解为对本申请实施例的限制。

在道路行进的自动驾驶汽车，如上面的智能车辆200，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶汽车所要调整的速度。

可选地，自动驾驶汽车智能车辆200或者与自动驾驶智能车辆200相关联的计算设备(如图3B的计算机系统212、计算机视觉系统240、存储器214)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。智能车辆200能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么稳定状态。在这个过程中，也可以考虑其它因素来确定智能车辆200的速度，诸如，智能车辆200在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改智能车辆200的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。

上述智能车辆200可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、手推车等，本申请实施例不做特别的限定。

可以理解的是，图3B中的智能车辆200功能图只是本申请实施例中的一种示例性的实施方式，本申请实施例中的智能车辆200包括但不仅限于以上结构。

下面结合附图对本申请所述的测试场景构建方法进行详细的说明。图4是本申请提供的测试场景构建方法的一种实施例的流程示意图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际中的测试场景构建过程中或者方法执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

具体的，本申请提供的测试场景构建方法的一种实施例如图4所示，所述方法可以包括：

S401：确定构建预设交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成。

本申请实施例中，交通测试是在终端设备上模拟出交通测试场景，并测试车辆模型在所述交通测试场景的响应能力，从而评估所述车辆模型在真实交通环境中的性能。所述预设交通测试场景可以包括交通运动对象及所述交通运动对象的运动行为。如上所述，所述交通运动对象可以包括道路中可运动的对象，如轿车、卡车、公共汽车、电车、火车、摩托车、电动车、自行车、行人、动物等等。对于交通运动对象，可以在道路中发生很多运动行为，例如，机动车可以在道路中发生下述中的至少一种运动行为：超车、路口内直行、路口内转弯、汇入交通流、行人通过人行道。本申请实施例中，所述运动行为可以由至少一种行为元素所组成。图5展示了超车的运动行为示意图，如图5所示，交通运动对象501在超车的运动行为中，可以包括左换车道、直线加速、右换车道、车道保持等行为元素。再如，在路口内直行的运动行为中，可以包括直线减速、直线加速等行为元素。在路口内左转弯的运动行为中，可以包括直线减速、左转弯减速、停止等待、左转弯、直线加速等行为元素。

需要说明的是，所述交通运动对象、所述运动行为、所述行为元素不限于上述举例，任何能够在道路、车库等车辆可能行驶的道路或者场所中所出现的运动对象都属于本申请实施例的保护范围，任何能够在车辆可能行驶的道路或者场所中交通运动对象所能实施的运动行为也都属于本申请实施的保护范围。

S403：分别获取所述至少一种行为元素所对应的行为数据集合，所述行为数据集合中包括相似度高于预设阈值的多个行为数据，所述行为数据被设置为从真实路况数据中提取得到。

本申请实施例中，在获取到所述运动行为的至少一个行为元素之后，可分别获取所述至少一个行为元素所对应的行为数据集合。在超车的运动行为中，可以包括左换车道、直线加速、右换车道、车道保持等行为元素，如图6所示，可以获取到左转车道行为数据集601、直线加速行为数据集603、右换车道605和车道保持行为数据集607。如上所述，采集装置101能够采集到真实路况数据中的至少一个交通运动对象的至少一个行为数据，并将所述至少一个行为数据发送至测试场景构建装置103，具体来说，所述行为数据集合被设置为按照下述方式构建而成：

S501：获取真实路况数据；

S503：从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

S505：针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

本申请实施例中，采集装置101能够采集到真实路况数据，并从所述真实路况数据中识别出至少一个交通运动对象以及所述交通运动对象的至少一个行为数据。在真实的路况数据中，可以包括各种各样的行为数据，但是不是所有行为数据都适合用于测试场景中。基于此，在本申请的一个实施例中，所述采集装置101中可以包括预先设置的行为定义规则，所述行为定义规则可以定义直线行驶、左转弯、右转弯等运动行为的规则。在本申请的一个实施例中，所述行为定义规则可以包括预设行为元素的特征，在此，所述行为元素可以作为一类行为数据的类别名称，所述行为元素与所述行为数据的区别在于，行为数据包括行为的具体的运动参数及参数值，行为元素用于划分不同类别的行为数据。根据所述行为定义规则，采集装置101可以从所述真实路况数据中挖掘出符合所述预设行为元素特征的行为数据。在识别行为数据的过程中，还可以确定每个行为数据所对应的运行参数信息，在一个示例中，采集装置101从真实路况数据中识别出机动车辆A的直线行驶行为，以及该直线行驶行为的运动参数：加速度＝10m/s²，距离＝500m，识别出机动车辆B的左转弯行为，以及该左转弯行为的运动参数：横向速度＝0.3m/s，加速度＝5m/s²，识别出行人C的直线行走行为，以及该直线行走行为的运动参数：速度＝5公里/小时。

本申请实施例中，采集装置101在识别出至少一个交通运动对象的至少一个行为数据之后，可以针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。在实际应用场景中，不同的交通运动对象的行为特征不相同，例如，轿车的行为特征比较灵活，重型车辆(如卡车)的行为特征是惯性大，相对不那么灵活。基于此，在本申请实施例中，可以按照交通运动对象，对所述至少一个行为数据进行聚类处理。在一些实施例中，对所述至少一个行为数据进行聚类处理所使用的聚类算法可以包括K均值聚类算法、均值漂移聚类算法、基于密度的聚类算法、用高斯混合模型的最大期望聚类算法等等，本申请在此不做限制。

图7展示了利用真实路况数据提取出针对轿车的至少一种行为元素的行为数据集合的过程。对轿车的多个行为数据进行聚类处理之后，如图7所示，可以生成至少一种行为元素所对应的行为数据集合。所述行为元素例如可以包括左切换车道、右切换车道、直线行驶、左直角转弯、右直角转弯、停车等，而每个行为元素还对应于一个行为数据集合，如图7所示，行为元素左切换车道对应的行为数据集合中，每个行为数据的横向速度/加速度不相同。直线行驶还可以划分成加速行驶、减速行驶、车道保持等行为元素，其中，加速行驶还可以对应于由多个距离/加速度不相同的行为数据所组成的行为数据集合。

需要说明的是，上述S501-S503的执行步骤中，采集装置101可以执行S501，也可以执行S501和S503，也可以执行S501-S503，本申请在此不做限制。在采集装置101执行S501或者执行S501和S503的情况下，其余的所有步骤或者部分步骤可以由测试场景构建装置103执行，当然，也可以由其他任何具有数据处理能力的装置执行，本申请在此不做限制。

S405：将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

本申请实施例中，在确定所述运动行为的至少一种行为元素以及所述至少一种行为元素分别对应的行为数据之后，可以将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。由于每个行为数据集合中又包括至少一种行为数据，那么，将不同的行为数据集合中的行为数据进行组合，则可以获取到所述运动行为的多种可能性。例如，如图6所示，若左换车道行为数据集601中包含M个行为数据，直线加速行为数据集603中包含N个行为数据，右换车道行为数据集605中包含P个行为数据，车道保持行为数据集607中包含Q个行为数据，则理论上可以组合生成(M×N×P×Q)种超车运动行为，为预设交通测试场景提供丰富的数据。

本申请实施例中，在将不同的行为数据集合中的行为数据进行组合的过程中，如图6所示，可以按照下述方式进行组合：

S601：分别从不同的所述行为数据集合中选取行为数据；

S603：按照所述至少一个行为元素的发生顺序，将选取的行为数据连接成运动行为。

本申请实施例中，测试场景构建装置103不仅需要获取到所述至少一个行为元素所对应的行为数据集合，还需要自动化地将所述行为数据集合中的行为数据组合成所述运动行为。具体来说，测试场景构建装置103在对所述行为数据进行组合的过程中，首先可以分别从不同的所述行为数据集合中选取行为数据，例如，在上述超车测试场景中，可以从左换车道行为数据集601、直线加速行为数据集603、右换车道行为数据集605、车道保持行为数据集607中分别选取一个行为数据。然后，按照对应的行为元素的发生顺序，即左换车道、直线加速、右换车道、车道保持的顺序，将选取出的行为数据连接起来，生成超车运动行为。如图8所示，所述行为数据在测试场景示意图中可视化为运动轨迹，如图8所示，超车测试场景中，可以包括交通运行对象501的左转车道801、直线加速803、右换车道805和车道保持807的四个可视化运动轨迹，在将每个行为数据连接的过程中，可以将上一个行为数据的尾端与下一个行为数据的首端相连，例如将直线加速803的可视化运动轨迹的尾端与左换车道的可视化运动轨迹的首端相连，直至将所有行为数据串接成所述超车运动行为。

在本申请实施例中，为了增强不同的行为数据之间的连续性和平滑性，可以根据相邻行为数据中所包含的运动参数的变化对选取的行为数据进行平滑连接。在一个示例中，例如在连接相邻的行为数据A和行为数据B的过程中，可以在所述行为数据A和所述行为数据B之间平滑过渡段，所述平滑过渡段可以根据所述行为数据A和所述行为数据B的运动参数的变化过程生成。如图9所示，行为数据A为左换车道801，运动参数为横向速度＝0.3m/s，加速度＝2m/s²，行为数据B为直线加速803，运动参数为加速度＝4m/s²，因此，可以在左换车道801和直线加速803之间增加平滑过渡段901，使得车辆从左换车道801平滑自然地切换至直线加速803。

本申请实施例中，在生成所述运动行为之后，还可以将所述运动行为设置于交通测试场景中，具体地，在所述将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为之后，所述方法还包括：

S701：获取所述预设交通测试场景的场景数据，所述场景数据包括道路信息、交通设施控制信息、环境信息、测试对象的初始化信息中至少一种；

S703：根据所述场景数据构建所述预设交通测试场景；

S705：分别将所述至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

本申请实施例中，在布置所述预设交通测试场景的过程中，首先可以获取到所述预设交通测试场景的场景数据。其中，所述场景数据包括道路信息、交通设施控制信息、环境信息、交通运动对象的初始位置中至少一种。在一些示例中，所述道路信息可以包括车道数量、车道类型(直行道路、转弯道路等)、路口等，所述交通设施控制信息可以包括交通灯及其工作参数、限速标志、斑马线等，所述环境信息可以包括天气、障碍物等信息，所述测试对象的初始化信息可以包括所述测试对象的初始位置和初始速度等信息。当然，在其他实施例中，所述场景数据不限于上述示例，任何可能出现在实际交通场景的信息，都属于所述场景数据的保护范围。

在本申请实施例中，在确定所述预设交通测试场景的场景数据之后，可以构建所述预设交通测试场景中，并利用所述场景数据初始化所述预设交通测试场景。然后，可以将所述至少一种运动行为设置于所述预设交通测试场景中，对所述测试对象进行测试，并获取测试结果。例如，在上述的超车示例中，获取的场景数据可以包括测试车辆的初始位置、初始速度、车道数量、天气环境等信息。然后，可以根据所述场景数据布置交通测试场景，并将所述至少一种运动行为设置于所述交通测试场景中，对所述测试车辆进行测试，并获取测试结果。当然，所述测试结果的数量与所述至少一种运动行为相匹配。另外，根据所述测试结果可以获取到所述测试对象的响应能力和异常情况。

图10展示了超车测试场景的可视化界面，所述可视化界面展示了交通运动对象501的超车运动行为的各个行为元素的可视化轨迹，即展示了左转车道801、直线加速803、右换车道805和车道保持807的多种可能的可视化运动轨迹。所述可视化界面中还展示了测试对象的多种可能的初始化位置1001，如图10中的三角形所示。由此可见，利用本申请实施例提供的构建测试场景的方式，可以快速地构建出多个测试例，因而能够获取到丰富的测试结果。

在实际的应用场景中，由于各个行为数据的独立性，在将不同的所述行为数据集合中的行为数据组合的至少一种运动行为中，可能并不是所有的运动行为都符合测试场景的场景特征。基于此，在本申请的一个实施例中，所述分别将至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果，包括：

S801：判断所述运动行为是否符合所述预设交通测试场景所对应的场景特征。

S803：在确定所述运动行为符合所述场景特征的情况下，将所述运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

本申请实施例中，在将所述至少一种运动行为设置于所述预测交通测试场景中进行测试的过程中，可以先判断所述运动行为是否符合预设交通测试场景的场景特征。在一个示例中，例如在超车测试场景中，一般地，交通运动对象在左切换车道后进入车道加速，在车道加速行驶50米-100米之后，再右切换至原来车道。但是，如果生成的运动行为是交通行为在左切换车道后，车道加速行驶了3公里后，再右切换至原来车道。由此可见，上述运动行为显然不符合超车测试场景的场景特征，因此，这样的运动行为不需要代入至所述预设交通测试场景中进行测试。另外，所述预设交通测试场景的场景特征可以包括所述交通运动对象的运动行为的行为约束条件。例如，在所述超车测试场景中，可以设置行为元素直线加速的行驶距离在50米-100米范围之内。

本申请实施例中，通过判断所述运动行为是否符合所述预设交通测试场景的场景特征，可以保证设置于所述预设交通测试场景中的运动行为的合理性。

在实际的交通环境中，交通运动对象的运动行为也有可能是非常规的行为，例如，在超车场景中，车辆的加速度超出常规加速度，但是这样的场景在高速公路中是不少见的。基于此，在本申请的一个实施例中，所述行为数据集合中还包括与所述多个行为数据之间的相似度小于第一预设阈值的多个第一行为数据，所述多个行为数据与所述多个第一行为数据的数量比例不小于预设比例阈值。也就是说，所述行为数据集合中不仅包括相似度高于预设阈值的多个行为数据，也可以包括一些相似度小于第一预设阈值的多个第一行为数据。当然，所述多个第一行为数据的数量在所述行为数据集合中的占比不高，例如，所述多个行为数据与所述多个第一行为数据的数量比例不小于9。在一个具体的示例中，可以利用ε-贪心算法设置所述多个第一行为数据在所述行为数据集合中的占比。在所述ε-贪心算法中，设定阈值0<ε<1，以1-ε:ε的比例设置所述多个第一行为数据和所述多个行为数据的数量，在一定程度上满足所述行为数据集的丰富性，增强测试场景的鲁棒性。

本申请另一方面还从车载仿真场景构建装置的角度提供一种仿真场景构建方法，如图11所示，所述方法可以包括：

S1101：获取真实路况数据；

S1103：从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息。

本申请实施例中，仿真场景构建装置能够采集到丰富的真实路况数据，为测试场景提供很多丰富且真实的数据基础。另外，车辆还可以从所述真实路况数据中提取出不同交通运动对象的行为数据，所述行为数据中包括至少一个运动参数信息。相比于相关技术中利用人工手工提取的方式，本申请实施例能够自动化地实现行为数据的提取，降低提取行为数据的成本，提升提取行为数据的效率。可以在车内，驾驶员就可以使用仿真场景构建装置对行车进行模拟，增加体验感。

可选的，在本申请的一个实施例中，所述方法还包括：

针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

本申请另一方面还提供一种测试场景构建装置，如图12所示，测试场景构建装置103可以包括：

运动行为确定模块1201，用于确定构建预设交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

数据集合获取模块1203，用于分别获取所述至少一种行为元素所对应的行为数据集合，所述行为数据集合中包括相似度高于预设阈值的多个行为数据，所述行为数据被设置为从真实路况数据中提取得到；

行为数据组合模块1205，用于将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

本申请实施例中，所述数据处理装置1200可以设置于服务器端或者云端。

可选的，在本申请的一个实施例中，所述行为数据集合被设置为按照下述模块构建而成：

路况数据获取模块，用于获取真实路况数据；

行为数据提取模块，用于从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

行为数据聚类模块，用于针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

可选的，在本申请的一个实施例中，所述行为数据聚类模块，具体用于：

针对不同的交通运动对象，从所述交通运动对象的至少一个行为数据中筛选出符合预设行为元素特征的至少一个目标行为数据；

对所述至少一个目标行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

可选的，在本申请的一个实施例中，所述行为数据组合模块，具体用于：

分别从不同的所述行为数据集合中选取行为数据；

按照所述至少一个行为元素的发生顺序，将选取的行为数据连接成运动行为。

可选的，在本申请的一个实施例中，所述行为数据组合模块，还用于：

根据相邻行为数据中所包含的运动参数的变化对选取的行为数据进行平滑连接。

可选的，在本申请的一个实施例中，所述装置还包括：

场景数据获取模块，用于获取所述预设交通测试场景的场景数据，所述场景数据包括道路信息、交通设施控制信息、环境信息、交通运动对象的初始位置中至少一种；

测试场景构建模块，用于根据所述场景数据构建所述预设交通测试场景；

测试结果获取模块，用于分别将所述至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

可选的，在本申请的一个实施例中，所述测试结果获取模块，具体用于：

判断所述运动行为是否符合所述预设交通测试场景所对应的场景特征；

在确定所述运动行为符合所述场景特征的情况下，将所述运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

可选的，在本申请的一个实施例中，所述行为数据集合中还包括与所述多个行为数据之间的相似度小于第一预设阈值的多个第一行为数据，所述多个行为数据与所述多个第一行为数据的数量比例不小于预设比例阈值。

可选的，在本申请的一个实施例中，所述行为数据包括下述中的至少一种运动参数信息：行驶方向速度、行驶横向速度、行驶加速度、行驶横向加速度、行驶距离、转弯半径、行驶时长、行走速度、行走加速度、行走时长。

可选的，在本申请的一个实施例中，所述交通运动对象包括下述中的至少一种：轿车、卡车、公共汽车、电车、火车、摩托车、电动车、自行车、行人、动物。

可选的，在本申请的一个实施例中，所述运动行为包括下述中的至少一种：超车、路口内直行、路口内转弯、汇入交通流、行人通过人行道。

可选的，在本申请的一个实施例中，所述行为元素包括下述中的至少一种：直线行驶、左切换车道、右切换车道、左直角转弯、右直角转弯、停车。

可选的，在本申请的一个实施例中，所述装置还包括：

测试场景获取模块，用于获取用户所选择的预设交通测试场景。

本申请实施例还提供一种采集装置101，如图12所示，采集装置101包括：

路况数据获取模块1301，用于获取真实路况数据；

行为数据提取模块1303，用于从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息。

可选的，在本申请的一个实施例中，还包括：

行为数据聚类模块1305，用于针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

本申请的实施例提供了一种设备，如图13所示，包括：处理器以及用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令时实现上述装置。设备800包括存储器801、处理器802、总线803和通信接口804。存储器801、处理器802和通信接口804之间通过总线801通信。总线803可以是外设部件互连标准(peripheral componentinterconnect，PCI)总线或扩展工业标准结构(extended industry standardarchitecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口804用于与外部通信。

其中，处理器802可以为中央处理器(central processing unit，CPU)。存储器801可以包括易失性存储器(volatile memory)，例如随机存取存储器(random accessmemory，RAM)。存储器801还可以包括非易失性存储器(non-volatile memory)，例如只读存储器(read-only memory，ROM)，快闪存储器，HDD或SSD。

存储器801中存储有可执行代码，处理器802执行该可执行代码以执行前述测试场景构建方法。

本申请的实施例提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述装置。

本申请的实施例提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述装置。

在一些实施例中，所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图14示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图，所述示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中，示例计算机程序产品600是使用信号承载介质601来提供的。所述信号承载介质601可以包括一个或多个程序指令602，其当被一个或多个处理器运行时可以提供以上针对图4或图11描述的功能或者部分功能。因此，例如，参考图4中所示的实施例，方框401-405的一个或多个特征可以由与信号承载介质601相关联的一个或多个指令来承担。此外，图6中的程序指令602也描述示例指令。

在一些示例中，信号承载介质601可以包含计算机可读介质603，诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等等。在一些实施方式中，信号承载介质601可以包含计算机可记录介质604,诸如但不限于，存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中，信号承载介质601可以包含通信介质605,诸如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此，例如，信号承载介质601可以由无线形式的通信介质605(例如，遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令602可以是，例如，计算机可执行指令或者逻辑实施指令。在一些示例中，诸如针对图4或图11描述的计算设备的计算设备可以被配置为，响应于通过计算机可读介质603、计算机可记录介质604、和/或通信介质605中的一个或多个传达到计算设备的程序指令602，提供各种操作、功能、或者动作。应该理解，这里描述的布置仅仅是用于示例的目的。因而，本领域技术人员将理解，其它布置和其它元素(例如，机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用，并且一些元素可以根据所期望的结果而一并省略。另外，所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。

附图中的流程图和框图显示了根据本申请的多个实施例的装置、系统、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。

也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行相应的功能或动作的硬件(例如电路或ASIC(Application SpecificIntegrated Circuit，专用集成电路))来实现，或者可以用硬件和软件的组合，如固件等来实现。

尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其它变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (37)

1.一种测试场景构建方法，其特征在于，包括：

确定构建预设交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

分别获取所述至少一种行为元素所对应的行为数据集合，所述行为数据集合中包括相似度高于预设阈值的多个行为数据，所述行为数据被设置为从真实路况数据中提取得到；

将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

2.根据权利要求1所述的方法，其特征在于，所述行为数据集合被设置为按照下述方式构建而成：

确定真实路况数据；

从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

3.根据权利要求2所述的方法，其特征在于，所述针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合，包括：

针对不同的交通运动对象，从所述交通运动对象的至少一个行为数据中筛选出符合预设行为元素特征的至少一个目标行为数据；

对所述至少一个目标行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为，包括：

分别从不同的所述行为数据集合中选取行为数据；

按照所述至少一个行为元素的发生顺序，将选取的行为数据连接成运动行为。

5.根据权利要求4所述的方法，其特征在于，所述将选取的行为数据连接成运动行为包括：

根据相邻行为数据中所包含的运动参数的变化对选取的行为数据进行平滑连接。

6.根据权利要求1-5任一项所述的方法，其特征在于，在所述将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为之后，所述方法还包括：

获取所述预设交通测试场景的场景数据，所述场景数据包括道路信息、交通设施控制信息、环境信息、交通运动对象的初始位置中至少一种；

根据所述场景数据构建所述预设交通测试场景；

分别将所述至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

7.根据权利要求6所述的方法，其特征在于，所述分别将所述至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果，包括：

判断所述运动行为是否符合所述预设交通测试场景所对应的场景特征；

在确定所述运动行为符合所述场景特征的情况下，将所述运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述行为数据集合中还包括与所述多个行为数据之间的相似度小于第一预设阈值的多个第一行为数据，所述多个行为数据与所述多个第一行为数据的数量比例不小于预设比例阈值。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述行为数据包括下述中的至少一种运动参数信息：行驶方向速度、行驶横向速度、行驶加速度、行驶横向加速度、行驶距离、转弯半径、行驶时长、行走速度、行走加速度、行走时长。

10.根据权利要求1-9任一项所述的方法，其特征在于，所述交通运动对象包括下述中的至少一种：轿车、卡车、公共汽车、电车、火车、摩托车、电动车、自行车、行人、动物。

11.根据权利要求1-10任一项所述的方法，其特征在于，所述运动行为包括下述中的至少一种：超车、路口内直行、路口内转弯、汇入交通流、行人通过人行道。

12.根据权利要求1-11任一项所述的方法，其特征在于，所述行为元素包括下述中的至少一种：直线行驶、左切换车道、右切换车道、左直角转弯、右直角转弯、停车。

13.根据权利要求1-12任一项所述的方法，其特征在于，在所述确定构建预设交通测试场景所需的交通运动对象的运动行为之前，所述方法还包括：

获取用户所选择的预设交通测试场景以及配置的所述预设交通测试场景的场景数据。

14.一种仿真场景构建方法，其特征在于，包括：

获取真实路况数据；

从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

利用所述至少一个交通运动对象的所述至少一个行为数据构建交通仿真场景。

15.根据权利要求14所述的方法，其特征在于，在从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息之后，还包括：

针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

16.根据权利要求15所述的方法，其特征在于，所述利用所述至少一个交通运动对象的所述至少一个行为数据构建交通仿真场景，包括：

获取交通仿真场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

分别获取所述至少一种行为元素所对应的行为数据集合；

将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

17.一种测试场景构建装置，其特征在于，包括：

运动行为确定模块，用于确定构建预设交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

数据集合获取模块，用于分别获取所述至少一种行为元素所对应的行为数据集合，所述行为数据集合中包括相似度高于预设阈值的多个行为数据，所述行为数据被设置为从真实路况数据中提取得到；

行为数据组合模块，用于将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

18.根据权利要求17所述的装置，其特征在于，所述行为数据集合被设置为按照下述模块构建而成：

路况数据确定模块，用于确定真实路况数据；

行为数据提取模块，用于从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

行为数据聚类模块，用于针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

19.根据权利要求18所述的装置，其特征在于，所述行为数据聚类模块，具体用于：

针对不同的交通运动对象，从所述交通运动对象的至少一个行为数据中筛选出符合预设行为元素特征的至少一个目标行为数据；

对所述至少一个目标行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

20.根据权利要求17-19任一项所述的装置，其特征在于，所述行为数据组合模块，具体用于：

分别从不同的所述行为数据集合中选取行为数据；

按照所述至少一个行为元素的发生顺序，将选取的行为数据连接成运动行为。

21.根据权利要求20所述的装置，其特征在于，所述行为数据组合模块，还用于：

根据相邻行为数据中所包含的运动参数的变化对选取的行为数据进行平滑连接。

22.根据权利要求17-21任一项所述的装置，其特征在于，所述装置还包括：

场景数据获取模块，用于获取所述预设交通测试场景的场景数据，所述场景数据包括道路信息、交通设施控制信息、环境信息、交通运动对象的初始位置中至少一种；

测试场景构建模块，用于根据所述场景数据构建所述预设交通测试场景；

测试结果获取模块，用于分别将所述至少一种运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

23.根据权利要求22所述的装置，其特征在于，所述测试结果获取模块，具体用于：

判断所述运动行为是否符合所述预设交通测试场景所对应的场景特征；

在确定所述运动行为符合所述场景特征的情况下，将所述运动行为设置于所述预设交通测试场景中，对测试对象进行测试，并获取测试结果。

24.根据权利要求17-23任一项所述的装置，其特征在于，所述行为数据集合中还包括与所述多个行为数据之间的相似度小于第一预设阈值的多个第一行为数据，所述多个行为数据与所述多个第一行为数据的数量比例不小于预设比例阈值。

25.根据权利要求17-24任一项所述的装置，其特征在于，所述行为数据包括下述中的至少一种运动参数信息：行驶方向速度、行驶横向速度、行驶加速度、行驶横向加速度、行驶距离、转弯半径、行驶时长、行走速度、行走加速度、行走时长。

26.根据权利要求17-25任一项所述的装置，其特征在于，所述交通运动对象包括下述中的至少一种：轿车、卡车、公共汽车、电车、火车、摩托车、电动车、自行车、行人、动物。

27.根据权利要求17-26任一项所述的装置，其特征在于，所述运动行为包括下述中的至少一种：超车、路口内直行、路口内转弯、汇入交通流、行人通过人行道。

28.根据权利要求17-27任一项所述的装置，其特征在于，所述行为元素包括下述中的至少一种：直线行驶、左切换车道、右切换车道、左直角转弯、右直角转弯、停车。

29.根据权利要求17-28任一项所述的装置，其特征在于，所述装置还包括：

测试场景获取模块，用于获取用户所选择的预设交通测试场景以及配置的所述预设交通测试场景的场景数据。

30.一种仿真场景构建装置，其特征在于，包括：

路况数据获取模块，用于获取真实路况数据；

行为数据提取模块，用于从所述真实路况数据中提取出至少一个交通运动对象的至少一个行为数据，所述一个行为数据包括至少一个运动参数信息；

场景构建模块，用于利用所述至少一个交通运动对象的所述至少一个行为数据构建交通仿真场景。

31.根据权利要求30所述的装置，其特征在于，还包括：

行为数据聚类模块，用于针对不同的交通运动对象，对所述交通运动对象的至少一个行为数据进行聚类分析，生成至少一种行为元素所对应的行为数据集合。

32.根据权利要求31所述的装置，其特征在于，所述场景构建模块，具体用于：

获取交通测试场景所需的交通运动对象的运动行为，所述运动行为由至少一种行为元素所组成；

分别获取所述至少一种行为元素所对应的行为数据集合；

将不同的所述行为数据集合中的行为数据组合成所述交通运动对象的至少一种运动行为。

33.根据权利要求30-32任一项所述的装置，其特征在于，所述仿真场景构建装置设置于车辆或者云端。

34.一种设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令时实现权利要求1-16任意一项所述的方法。

35.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1-16中任意一项所述的方法。

36.一种计算机程序产品，其特征在于，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述权利要求1-16中任意一项所述的方法。

37.一种芯片，其特征在于，包括至少一个处理器，该处理器用于运行存储器中存储的计算机程序或计算机指令，以执行上述权利要求1-16中任意一项所述的方法。

Images