CN115270381A - 仿真场景生成方法、装置、自动驾驶设备及可读存储介质 - Google Patents

Abstract

本公开的实施例提供了一种仿真场景生成方法、装置、自动驾驶设备及可读存储介质，所述方法包括：获取真实场景对应的第一结构化数据；对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略；根据所述第二结构化数据，生成仿真场景。本公开实施例可以在生成仿真场景的过程中，通过预设行为模型触发被调整轨迹信息后的障碍物与自动驾驶设备进行交互，提高了基于真实场景对应的第一结构化数据生成的仿真场景的真实性和可靠度。

Description

仿真场景生成方法、装置、自动驾驶设备及可读存储介质

技术领域

本公开的实施例涉及自动驾驶技术领域，尤其涉及一种仿真场景方法、装置、自动驾驶设备及可读存储介质。

背景技术

在针对自动驾驶设备的测试过程中，通常需要基于仿真场景对自动驾驶设备进行一系列仿真测试。目前，自动驾驶仿真场景主要分为四类：自然驾驶场景、标准法规场景、危险工况仿真场景以及参数重组仿真场景。自然驾驶场景和标准法规场景能够为自动驾驶测试提供丰富的典型场景测试用例；危险工况场景主要包含复杂道路交通、天气环境和交通事故三大方面的驾驶场景，在日常交通中呈现小概率、难复现、趋于极限化的特点。而参数重组仿真场景可以是任意其他三种场景通过参数离散重组得到的衍生测试用例。自然驾驶场景和标准法规场景下的仿真测试方法多样且趋于成熟，但是针对危险工况场景，如何更为有效地生成足量测试用例以帮助自动驾驶车辆提升危险场景的应对和处理能力，仍是值得研究和探索的问题。

现有技术的危险工况仿真场景的数据来源主要对真实场景数据中的部分参数进行调整得到多个衍生场景，以期实现更高的同类危险工况覆盖度。

但是，通过调整参数得到的衍生场景是人为设定的场景，各个障碍物按照测试人员设定的各项参数进行理想化的物理运动，真实度不高，导致得到的仿真结果不准确。

发明内容

本公开的实施例提供一种仿真场景生成方法、装置、自动驾驶设备及可读存储介质，可以提高生成的仿真场景的真实性和可靠度，从而提高自动驾驶设备的仿真测试的准确度。

根据本公开的实施例的第一方面，提供了一种仿真场景生成方法，应用于自动驾驶设备，所述方法包括：

获取真实场景对应的第一结构化数据；

对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略；

根据所述第二结构化数据，生成仿真场景。

根据本公开的实施例的第二方面，提供了一种仿真场景生成装置，所述装置包括：

第一结构化数据获取模块，用于获取真实场景对应的第一结构化数据；

参数信息调整模块，用于对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略；

仿真场景生成模块，用于根据所述第二结构化数据，生成仿真场景。

根据本公开的实施例的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述的仿真场景生成方法。

根据本公开的实施例的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述的仿真场景生成方法。

本公开的实施例提供了一种仿真场景生成方法、装置、电子设备及可读存储介质，所述方法包括：获取真实场景对应的第一结构化数据；对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略；根据所述第二结构化数据，生成仿真场景。本公开的实施例可以在对真实场景的第一结构化数据中障碍物的轨迹信息进行调整之后，同步调整所述障碍物的预设行为模型，通过预设行为模型触发所述障碍物与自动驾驶设备进行交互，模拟真实场景中障碍物与自动驾驶设备的交互行为，提高了生成的仿真场景的真实性和可靠度，从而提高了自动驾驶设备的仿真测试的准确度。

附图说明

为了更清楚地说明本公开的实施例的技术方案，下面将对本公开的实施例的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公开的实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1示出了本公开的一种实施例中的仿真场景生成方法步骤流程图；

图2示出了本公开的一种实施例中的仿真场景生成的结构框图；

图3示出了本公开的一种实施例中的电子设备的结构图。

具体实施方式

下面将结合本公开的实施例中的附图，对本公开的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开的实施例一部分实施例，而不是全部的实施例。基于本公开的实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开的实施例保护的范围。

实施例一

参照图1，其示出了本公开的一种实施例中的仿真场景生成方法的步骤流程图，具体如下：

步骤101，获取真实场景对应的第一结构化数据。

步骤102，对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略。

步骤103，根据所述第二结构化数据，生成仿真场景。

本公开实施例提供的仿真场景生成方法，可应用于自动驾驶设备的仿真测试，通过本公开的实施例中生成仿真场景对自动驾驶设备进行仿真测试，可以提高测试结果的准确度。

需要说明的是，本公开中的自动驾驶设备包括在地面上行驶的自动驾驶设备，例如汽车、卡车、公交车等，也可以包括在空中行驶的自动驾驶设备，例如无人机、飞机、直升机等，以及在水中行驶的自动驾驶设备，例如船、潜艇等。此外，本公开中的“自动驾驶设备”可以在其中容纳或不容纳一个或多个乘客。本公开讨论的自动驾驶设备也可以应用于无人配送领域，如快递配送、外卖送餐等。

本公开的实施例中，真实场景对应的第一结构化数据可以根据NHTSA(NationalHighwayTraffic SafetyAdministration，美国高速公路安全管理局)危险场景数据库中的交通数据确定，也可以根据国内交通事故数据库中的交通数据确定，还可以根据自动驾驶设备自身的传感器采集的真实场景中的传感数据确定，对此，本公开实施例不做具体限定。

将流式的真实场景数据转换为结构化数据，就得到了本公开中的第一结构化数据。本公开实施例中的第一结构化数据与第二结构化数据可以将障碍物作为主键，也可以将真实场景中的其他参数作为主键，如交通指示信号、地图等。第一结构化数据和第二结构化数据可以被存储为二进制文件，也可以被存储为其他自定义的结构化数据类型文件。

由于真实场景中的交通数据往往数据量有限，场景覆盖度低，无法满足自动驾驶测试的数据量需求，因此，需要在真实场景的基础上生成大量的衍生场景，提高测试场景的覆盖度。具体的，对真实场景的第一结构化数据的中的参数信息进行调整，得到真实场景的各种衍生场景对应的第二结构化数据。

第一结构化数据中可以包括真实场景中的各个障碍物的轨迹信息、各个交通指示信息的参数信息，以及真实场景对应的地图参数等等。本公开实施例主要针对障碍物的参数信息进行调整。具体的，对第一结构化数据中的至少一个障碍物的轨迹信息进行调整，得到新的衍生场景。然后，确定调整轨迹信息后的障碍物对应的预设行为模型。每一个障碍物对应至少一个预设行为模型，每一个预设行为模型对应一种行为策略。确定障碍物的预设行为模型以及预设行为模型对应的行为策略后，在基于第二结构化数据生成的仿真场景对自动驾驶设备进行仿真测试时，就可以通过预设行为模型驱动障碍物按照确定的行为策略与自动驾驶设备进行交互，模拟真实场景中障碍物与自动驾驶设备的交互行为，以便测试自动驾驶设备针对障碍物的交互反应。

在真实场景中，障碍物以原始状态进行运动时，也会对场景中的其他对象进行交互，例如，与场景中的其他车辆保持安全距离、对行人进行避让、按照交通指示信号的指示行驶等等。当调整障碍物的轨迹信息后，障碍物的运动状态发生了改变，但是真实场景对应的第一结构化数据中并不存在与改变后的运动状态相匹配的交互数据，而在真实场景中，当驾驶员改变车辆的运动状态后，也会相应的改变与其他对象的交互策略。例如，当车辆以30公里/小时的速度行驶时，该车辆会与其他车辆保持安全距离行驶；当车辆以40公里/小时的速度行驶时，该车辆会通过改变行驶路线等方式与其他车辆保持安全距离行驶；相应地，当有车辆突然加速行驶时，其他车辆也会调整自身的行驶状态。

如果在生成仿真场景时，只对真实场景中障碍物的轨迹信息进行调整，得到的衍生场景中，该障碍物不会与其他对象进行交互。例如，将真实场景中目标障碍物的行驶速度从原始的V1增大至V2，得到一个衍生场景，那么，在基于该衍生场景对自动驾驶设备进行测试时，目标障碍物会按照原始的行驶路线，以速度V2行驶，自动驾驶设备就会检测到存在与目标障碍物相撞的风险，就会改变行驶速度或行驶路线，但在真实场景下，目标障碍物加速后会自行调整行驶路线以保持与自动驾驶设备的安全距离。这就导致自动驾驶设备在衍生场景下做出的反应不符合真实场景，得到的测试结果自然也就不准确。

因此，在本公开的实施例中，当对第一结构化数据中目标障碍物的轨迹信息进行调整后，对目标障碍物的预设行为模型也进行调整，得到第二结构化数据并生成仿真场景。当基于本公开生成的仿真场景对自动驾驶设备进行测试时，目标障碍物就会按照预设行为模型对应的行为策略与自动驾驶设备进行交互，模拟真实场景中的交互行为，使得仿真场景更加真实可靠，从而提高自动驾驶设备的测试准确度。

在本公开的一种可选实施例中，所述轨迹信息包括所述障碍物的出现时间、初始状态、轨迹曲线方程中的至少一项；所述预设行为模型包括安全距离跟驰模型、换道模型、交通指示信号反映模型中的至少一个；所述行为策略用于指示所述障碍物与自动驾驶设备之间的交互行为等级，包括激进、中等、保守中的至少一种。

在本公开的实施例中，调整第一结构化数据中障碍物的轨迹信息，可以对障碍物的出现时间、初始状态，如初始行驶方向、轨迹曲线方程中的至少一项进行调整。本公开中的预设行为模型包括但不限于安全距离跟驰模型、换道模型、交通指示信号反映模型。预设行为模型可以依据相应的算法建立，并通过大量真实的行为样本进行训练。每一个预设行为模型对应一种行为策略，如果针对一个障碍物确定了多个预设行为模型，可以对每个预设行为模型设置相同的行为策略，也可以设置不同的行为策略，只要是上述三种行为策略的组合即可。

在本公开的一种可选实施例中，所述参数信息还包括如下任意一项或多项：所述第一结构化数据中至少一个交通指示信号的变化信息、所述第一结构化数据对应的地图信息、所述第一结构化数据中至少一个障碍物的置信度、所述第一结构化数据中其余障碍物对应的至少一个预设行为模型，其中，所述其余障碍物为所述第一结构化数据中轨迹信息未被调整的障碍物。

在本公开的实施例中，不仅可以对第一结构化数据中目标障碍物的轨迹信息和预设行为模型进行调整，还可以对第一结构化数据中的交通指示信号的变化信息进行调整，也可以对第一结构化数据对应的地图信息进行调整。并且，除了对调整轨迹信息后的目标障碍物的预设行为模型进行调整，还可以对未调整轨迹信息的其余障碍物的轨迹信息进行调整。例如，不改变障碍物的出现时间、行驶方向、轨迹曲线方程等轨迹信息，但将障碍物的安全距离跟驰模型的行为策略从“保守”调整为“激进”，原本该障碍物会与其他车辆保持一段较长的安全距离，调整后就会缩短与其他车辆的安全距离。本公开实施例可以对第一结构化数据中的各项参数进行调整，提高了生成的仿真场景的覆盖度。

在本公开的一种可选实施例中，所述交通指示信号的变化信息包括所述交通指示信号的存在性、所述交通指示信号的信号类型、所述交通指示信号的指示规则中的至少一项；所述地图信息包括所述第一结构化数据对应的路况信息和车道信息，所述路况信息包括当前路段的限速信息、拥堵信息中的至少一个；所述车道信息包括车道数量、车道类型、车道对应的行驶方向、车道宽度、车道长度中的至少一项。

其中，交通指示信号的存在性表示交通指示信号存在的概率，概率取值满足区间[0，1]。根据交通指示信号的存在性，可以测试自动驾驶设备针对不同概率的交通指示信号的应对策略。交通指示信号的信号类型可以是信号的指示形式，如信号灯、交警手势、警示牌等等。交通指示信号的指示规则包括信号时长、信号的指示内容等等。

在本公开的一种可选实施例中，步骤103所述根据所述第二结构化数据，生成仿真场景，包括：

步骤S11、对所述第二结构化数据中各个参数信息进行排列组合，生成至少一个仿真测试用例；

步骤S12、判断所述仿真测试用例是否满足预设价值场景条件；

步骤S13、若确定所述仿真测试用例满足预设价值场景条件，则根据所述仿真测试用例生成仿真场景。

在本公开实施例中，可以对第一结构化数据中的任意一项参数信息进行调整，也可以同时对多项参数信息进行调整，得到第二结构化数据。对第二结构化数据中的各项参数信息进行排列组合，生成至少一个仿真测试。例如，第二结构化数据中存在障碍物A、交通指示信号B、地图C，进行排列组合后，可以得到以下组合：障碍物A、交通指示信号B、地图C、障碍物A+交通指示信号B、障碍物A+地图C、交通指示信号B+地图C、障碍物A+交通指示信号B+地图C。可以针对每一种组合生成一个仿真测试用例。并且，还可以针对障碍物的各项轨迹信息、预设行为模型、交通指示信号的各项变化信息、地图信息继续进行排列组合，并生成相应的仿真测试用例。

进一步的，对生成的各个仿真测试用例进行分析，确定仿真测试用例是否满足预设价值场景条件，也即，对仿真测试用例的有效性进行判断，确定仿真测试用例对自动驾驶的仿真测试是否有贡献。如果确定仿真测试用例不满足预设价值场景条件，就可以删除该仿真测试用例；如果确定仿真测试用例满足预设价值场景条件，则根据该仿真测试用例生成仿真场景，从而保证生成的每一个仿真场景均为有效的，可以避免数据冗余。

在本公开的一种可选实施例中，步骤S12所述判断所述仿真测试用例是否满足预设价值场景条件，包括：

子步骤S121、判断所述仿真测试用例对应的障碍物与所述自动驾驶设备之间是否存在交互关系；

子步骤S122、若所述仿真用例对应的障碍物与所述自动驾驶设备之间存在交互关系，则确定所述仿真测试用例满足预设价值场景条件。

在本公开的实施例中，可以通过判断仿真测试用例对应的障碍物与自动驾驶设备之间是否存在交互关系，确定该仿真测试用例是否满足预设价值场景条件。其中，障碍物与自动驾驶设备之间存在交互关系，可以包括障碍物与自动驾驶设备之间存在交互行为，和/或障碍物与自动驾驶设备之间存在交互倾向。如果仿真测试用例中，障碍物与自动驾驶设备不存在交互关系，那么就无法基于该仿真测试用例，测试自动驾驶设备是否能够对障碍物产生正确的交互决策，基于该仿真测试用例生成的仿真场景就是无价值的。

例如，在跟车场景下，如果调整障碍车辆的轨迹信息和预设行为模型后，障碍车辆加速并远离自动驾驶设备，障碍车辆驶离后不再与自动驾驶设备进行交互，也不再构成跟车场景，在这种情况下，自动驾驶设备给出的决策结果中不包含“跟车”，也就无法进行跟车场景下，针对自动驾驶设备相关决策算法的测试。

在本公开的一种可选实施例中，步骤S13所述根据所述仿真测试用例生成仿真场景之后，所述方法还包括：

步骤S21、根据预设分类分级标准，确定所述仿真场景对应的场景类别和危险等级；

步骤S22、根据所述场景类别和所述危险等级，确定所述仿真场景的危险系数；

步骤S23、若所述仿真场景的危险系数大于预设阈值，则将所述仿真场景添加至危险工况场景库中。

在本公开的实施例中，在生成仿真场景之后，还可以根据预设分类分级标准确定仿真场景对应的场景类别和危险等级，并进一步根据场景类别和危险等级确定仿真场景的危险系数，将危险系数大于预设阈值的仿真场景加入到危险工况场景库中，为危险工况场景下的自动驾驶测试提供仿真数据。

其中，可以根据仿真场景对应的地图类型，如直行路段、左转路段、掉头路段等，以及仿真场景中障碍物的行为，如并道、超车、会车等，确定仿真场景的场景类别。并且，仿真场景的危险级别与场景复杂度有关，场景复杂度越高，危险级别越高。场景复杂度可以根据仿真场景中与自动驾驶设备存在交互关系的障碍物数量、地图类型等信息确定。

危险系数与危险级别相关，一般情况下，危险系数与危险级别正相关，仿真场景的危险级别越高，对应的危险系数越高。当然，也可以将危险系数与危险级别设置为负相关，那么，相应的，就需要调整预设阈值。总之，危险级别、危险系数、预设阈值的设置规则之间的对应关系需保持一致。

在本公开的一种可选实施例中，步骤101所述获取真实场景对应的第一结构化数据，包括：

步骤S31、依据预设过滤条件，对真实场景中的交通数据进行过滤，得到过滤后的交通数据；

步骤S32、对过滤后的交通数据的每一帧数据进行分析，确定每一帧数据中目标障碍物的身份标识，以及目标障碍物的运动状态信息，所述目标障碍物为所述真实场景中的任意一个障碍物；

步骤S33、将每一帧数据中所述目标障碍物的运动状态信息添加至与所述目标障碍物的身份标识相对应的轨迹信息中，得到所述真实场景对应的第一结构化数据。

其中，过滤条件可以包括是否为目标数据类型、是否存在空数据段、是否为目标场景中的数据等等。通过对真实场景中的交通数据进行过滤，剔除对本公开无效的交通数据，减少了数据冗余，提高了后续的数据处理效率。

本公开中的障碍物均指代动态障碍物，获取的真实场景的交通数据中，同一障碍物在多帧数据中均存在轨迹信息。因此，本公开的实施例，在获取真实场景的第一结构化数据时，对过滤后的每一帧交通数据进行分析，识别出每帧数据中的目标障碍物以及目标障碍物对应的轨迹信息。如果目标障碍物是之前帧中未出现过的障碍物，则为目标障碍物分配身份标识，并将当前数据帧中该目标障碍物的轨迹信息与目标障碍物的身份标识进行关联；如果目标障碍物是之前帧中出现过的障碍物，则将该目标障碍物的轨迹信息添加至该目标障碍物对应的轨迹信息中。这样，就可以从过滤后的交通数据中直接获取每一个障碍物的轨迹信息，得到真实场景对应的第一结构化数据。

在本公开的一种可选实施例中，步骤102所述对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，包括：

步骤S41、接收针对所述第一结构化数据的参数信息调整指令，所述参数信息调整指令携带障碍物的身份标识以及所述身份标识对应的目标参数；

步骤S41、根据所述目标参数对所述第一结构化数据中与所述身份标识相对应的障碍物的参数信息进行调整。

在本公开的实施例中，可以基于接收到的参数信息调整指令对第一结构化数据中的参数信息进行调整。具体的，参数信息调整指令携带障碍物的身份标识和目标参数，接收到参数调整指令后，将第一结构化数据中，与接收到的身份标识相匹配的障碍物的参数调整为目标参数。其中，目标参数可以是障碍物的轨迹信息，和/或障碍物的预设行为模型。通过对第一结构化数据中的目标参数进行调整，可以根据测试需求生成仿真场景，提高仿真场景的适用性和灵活度。

综上所述，本公开的实施例提供了一种仿真场景生成方法，可以在对真实场景的第一结构化数据中障碍物的轨迹信息进行调整之后，同步调整所述障碍物的预设行为模型，通过预设行为模型触发所述障碍物与自动驾驶设备进行交互，模拟真实场景中障碍物与自动驾驶设备的交互行为，提高了生成的仿真场景的真实性和可靠度，从而提高了自动驾驶设备的仿真测试的准确度。

实施例二

参照图2，其示出了在本公开的一种实施例中的仿真场景生成装置的结构图，具体如下：

第一结构化数据获取模块201，用于获取真实场景对应的第一结构化数据；

参数信息调整模块202，用于对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略；

仿真场景生成模块203，用于根据所述第二结构化数据，生成仿真场景。

在本公开的一种可选实施例中，所述参数信息还包括如下任意一项或多项：所述第一结构化数据中至少一个交通指示信号的变化信息、所述第一结构化数据对应的地图信息、所述第一结构化数据中至少一个障碍物的置信度、所述第一结构化数据中其余障碍物对应的至少一个预设行为模型，其中，所述其余障碍物为所述第一结构化数据中轨迹信息未被调整的障碍物。

在本公开的一种可选实施例中，所述交通指示信号的变化信息包括所述交通指示信号的存在性、所述交通指示信号的信号类型、所述交通指示信号的指示规则中的至少一项；所述地图信息包括所述第一结构化数据对应的路况信息和车道信息，所述路况信息包括当前路段的限速信息、拥堵信息中的至少一个；所述车道信息包括车道数量、车道类型、车道对应的行驶方向、车道宽度、车道长度中的至少一项。

在本公开的一种可选实施例中，所述仿真场景生成模块203，包括：

仿真测试用例生成子模块，用于对所述第二结构化数据中各个参数信息进行排列组合，生成至少一个仿真测试用例；

价值场景判断子模块，用于判断所述仿真测试用例是否满足预设价值场景条件；

仿真场景生成子模块，用于若确定所述仿真测试用例满足预设价值场景条件，则根据所述仿真测试用例生成仿真场景。

在本公开的一种可选实施例中，所述价值场景判断子模块，包括：

交互关系判断单元，用于判断所述仿真测试用例对应的障碍物与所述自动驾驶设备之间是否存在交互关系；

价值场景确定单元，用于若所述仿真用例对应的障碍物与所述自动驾驶设备之间存在交互关系，则确定所述仿真测试用例满足预设价值场景条件。

在本公开的一种可选实施例中，所述仿真场景生成模块203还包括：

分类分级子模块，用于根据预设分类分级标准，确定所述仿真场景对应的场景类别和危险等级；

危险系数确定子模块，用于根据所述场景类别和所述危险等级，确定所述仿真场景的危险系数；

危险工况场景确定子模块，用于若所述仿真场景的危险系数大于预设阈值，则将所述仿真场景添加至危险工况场景库中。

在本公开的一种可选实施例中，所述第一结构化数据获取模块201，包括：

数据过滤子模块，用于依据预设过滤条件，对真实场景中的交通数据进行过滤，得到过滤后的交通数据；

数据分析子模块，用于对过滤后的交通数据的每一帧数据进行分析，确定每一帧数据中目标障碍物的身份标识，以及目标障碍物的运动状态信息，所述目标障碍物为所述真实场景中的任意一个障碍物；

第一结构化数据生成子模块，用于将每一帧数据中所述目标障碍物的运动状态信息添加至与所述目标障碍物的身份标识相对应的轨迹信息中，得到所述真实场景对应的第一结构化数据。

在本公开的一种可选实施例中，所述参数信息调整模块202，包括：

调整指令接收子模块，用于接收针对所述第一结构化数据的参数信息调整指令，所述参数信息调整指令携带障碍物的身份标识以及所述身份标识对应的目标参数；

参数信息调整子模块，用于根据所述目标参数对所述第一结构化数据中与所述身份标识相对应的障碍物的参数信息进行调整。

在本公开的一种可选实施例中，所述轨迹信息包括所述障碍物的出现时间、初始状态、轨迹曲线方程中的至少一项；所述预设行为模型包括安全距离跟驰模型、换道模型、交通指示信号反映模型中的至少一个；所述行为策略用于指示所述障碍物与自动驾驶设备之间的交互行为等级，包括激进、中等、保守中的至少一种。

综上所述，本公开的实施例提供了一种仿真场景生成装置，可以在对真实场景的第一结构化数据中障碍物的轨迹信息进行调整之后，同步调整所述障碍物的预设行为模型，通过预设行为模型触发所述障碍物与自动驾驶设备进行交互，模拟真实场景中障碍物与自动驾驶设备的交互行为，提高了生成的仿真场景的真实性和可靠度，从而提高了自动驾驶设备的仿真测试的准确度。

实施例二为实施例一对应的装置实施例，详细说明可以参照实施例一，在此不再赘述。

本公开的实施例还提供了一种电子设备，参照图3，包括：处理器301、存储器302以及存储在所述存储器302上并可在所述处理器上运行的计算机程序3021，所述处理器301执行所述程序时实现前述实施例的仿真场景生成方法。

本公开的实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述实施例的仿真场景生成方法。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开的实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的实施例的内容，并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本公开的实施例的示例性实施例的描述中，本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的实施例的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

本公开的实施例的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的文件处理设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述仅为本公开的实施例的较佳实施例而已，并不用以限制本公开的实施例，凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本公开的实施例的保护范围之内。

以上所述，仅为本公开的实施例的具体实施方式，但本公开的实施例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公开的实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的实施例的保护范围之内。因此，本公开的实施例的保护范围应以权利要求的保护范围为准。

Claims (20)

1.一种仿真场景生成方法，其特征在于，所述方法包括：

获取真实场景对应的第一结构化数据；

对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略；

根据所述第二结构化数据，生成仿真场景。

2.根据权利要求1所述的方法，其特征在于，所述参数信息还包括如下任意一项或多项：所述第一结构化数据中至少一个交通指示信号的变化信息、所述第一结构化数据对应的地图信息、所述第一结构化数据中至少一个障碍物的置信度、所述第一结构化数据中其余障碍物对应的至少一个预设行为模型，其中，所述其余障碍物为所述第一结构化数据中轨迹信息未被调整的障碍物。

3.根据权利要求2所述的方法，其特征在于，所述交通指示信号的变化信息包括所述交通指示信号的存在性、所述交通指示信号的信号类型、所述交通指示信号的指示规则中的至少一项；所述地图信息包括所述第一结构化数据对应的路况信息和车道信息，所述路况信息包括当前路段的限速信息、拥堵信息中的至少一个；所述车道信息包括车道数量、车道类型、车道对应的行驶方向、车道宽度、车道长度中的至少一项。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二结构化数据，生成仿真场景，包括：

对所述第二结构化数据中各个参数信息进行排列组合，生成至少一个仿真测试用例；

判断所述仿真测试用例是否满足预设价值场景条件；

若确定所述仿真测试用例满足预设价值场景条件，则根据所述仿真测试用例生成仿真场景。

5.根据权利要求4所述的方法，其特征在于，所述判断所述仿真测试用例是否满足预设价值场景条件，包括：

判断所述仿真测试用例对应的障碍物与所述自动驾驶设备之间是否存在交互关系；

若所述仿真用例对应的障碍物与所述自动驾驶设备之间存在交互关系，则确定所述仿真测试用例满足预设价值场景条件。

6.根据权利要求4所述的方法，其特征在于，所述根据所述仿真测试用例生成仿真场景之后，所述方法还包括：

根据预设分类分级标准，确定所述仿真场景对应的场景类别和危险等级；

根据所述场景类别和所述危险等级，确定所述仿真场景的危险系数；

若所述仿真场景的危险系数大于预设阈值，则将所述仿真场景添加至危险工况场景库中。

7.根据权利要求1所述的方法，其特征在于，所述获取真实场景对应的第一结构化数据，包括：

依据预设过滤条件，对真实场景中的交通数据进行过滤，得到过滤后的交通数据；

对过滤后的交通数据的每一帧数据进行分析，确定每一帧数据中目标障碍物的身份标识，以及目标障碍物的运动状态信息，所述目标障碍物为所述真实场景中的任意一个障碍物；

将每一帧数据中所述目标障碍物的运动状态信息添加至与所述目标障碍物的身份标识相对应的轨迹信息中，得到所述真实场景对应的第一结构化数据。

8.根据权利要求1所述的方法，其特征在于，所述对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，包括：

接收针对所述第一结构化数据的参数信息调整指令，所述参数信息调整指令携带障碍物的身份标识以及所述身份标识对应的目标参数；

根据所述目标参数对所述第一结构化数据中与所述身份标识相对应的障碍物的参数信息进行调整。

9.根据权利要求1至8任一所述的方法，其特征在于，所述轨迹信息包括所述障碍物的出现时间、初始状态、轨迹曲线方程中的至少一项；所述预设行为模型包括安全距离跟驰模型、换道模型、交通指示信号反映模型中的至少一个；所述行为策略用于指示所述障碍物与自动驾驶设备之间的交互行为等级，包括激进、中等、保守中的至少一种。

10.一种仿真场景生成装置，其特征在于，所述装置包括：

第一结构化数据获取模块，用于获取真实场景对应的第一结构化数据；

参数信息调整模块，用于对所述第一结构化数据中的参数信息进行调整，得到仿真场景对应的第二结构化数据，所述参数信息包括所述第一结构化数据中至少一个障碍物的轨迹信息，以及调整轨迹信息后的每个障碍物对应的至少一个预设行为模型，其中，每个预设行为模型对应一种行为策略；

仿真场景生成模块，用于根据所述第二结构化数据，生成仿真场景。

11.根据权利要求10所述的装置，其特征在于，所述参数信息还包括如下任意一项或多项：所述第一结构化数据中至少一个交通指示信号的变化信息、所述第一结构化数据对应的地图信息、所述第一结构化数据中至少一个障碍物的置信度、所述第一结构化数据中其余障碍物对应的至少一个预设行为模型，其中，所述其余障碍物为所述第一结构化数据中轨迹信息未被调整的障碍物。

12.根据权利要求11所述的装置，其特征在于，所述交通指示信号的变化信息包括所述交通指示信号的存在性、所述交通指示信号的信号类型、所述交通指示信号的指示规则中的至少一项；所述地图信息包括所述第一结构化数据对应的路况信息和车道信息，所述路况信息包括当前路段的限速信息、拥堵信息中的至少一个；所述车道信息包括车道数量、车道类型、车道对应的行驶方向、车道宽度、车道长度中的至少一项。

13.根据权利要求10所述的装置，其特征在于，所述仿真场景生成模块，包括：

仿真测试用例生成子模块，用于对所述第二结构化数据中各个参数信息进行排列组合，生成至少一个仿真测试用例；

价值场景判断子模块，用于判断所述仿真测试用例是否满足预设价值场景条件；

仿真场景生成子模块，用于若确定所述仿真测试用例满足预设价值场景条件，则根据所述仿真测试用例生成仿真场景。

14.根据权利要求13所述的装置，其特征在于，所述价值场景判断子模块，包括：

交互关系判断单元，用于判断所述仿真测试用例对应的障碍物与所述自动驾驶设备之间是否存在交互关系；

价值场景确定单元，用于若所述仿真用例对应的障碍物与所述自动驾驶设备之间存在交互关系，则确定所述仿真测试用例满足预设价值场景条件。

15.根据权利要求13所述的装置，其特征在于，所述仿真场景生成模块还包括：

分类分级子模块，用于根据预设分类分级标准，确定所述仿真场景对应的场景类别和危险等级；

危险系数确定子模块，用于根据所述场景类别和所述危险等级，确定所述仿真场景的危险系数；

危险工况场景确定子模块，用于若所述仿真场景的危险系数大于预设阈值，则将所述仿真场景添加至危险工况场景库中。

16.根据权利要求10所述的方法，其特征在于，所述第一结构化数据获取模块，包括：

数据过滤子模块，用于依据预设过滤条件，对真实场景中的交通数据进行过滤，得到过滤后的交通数据；

数据分析子模块，用于对过滤后的交通数据的每一帧数据进行分析，确定每一帧数据中目标障碍物的身份标识，以及目标障碍物的运动状态信息，所述目标障碍物为所述真实场景中的任意一个障碍物；

第一结构化数据生成子模块，用于将每一帧数据中所述目标障碍物的运动状态信息添加至与所述目标障碍物的身份标识相对应的轨迹信息中，得到所述真实场景对应的第一结构化数据。

17.根据权利要求10所述的装置，其特征在于，所述参数信息调整模块，包括：

调整指令接收子模块，用于接收针对所述第一结构化数据的参数信息调整指令，所述参数信息调整指令携带障碍物的身份标识以及所述身份标识对应的目标参数；

参数信息调整子模块，用于根据所述目标参数对所述第一结构化数据中与所述身份标识相对应的障碍物的参数信息进行调整。

18.根据权利要求10至17任一所述的装置，其特征在于，所述轨迹信息包括所述障碍物的出现时间、初始状态、轨迹曲线方程中的至少一项；所述预设行为模型包括安全距离跟驰模型、换道模型、交通指示信号反映模型中的至少一个；所述行为策略用于指示所述障碍物与自动驾驶设备之间的交互行为等级，包括激进、中等、保守中的至少一种。

19.一种电子设备，其特征在于，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任一所述的仿真场景生成方法。

20.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够实现如权利要求1至9任一所述的仿真场景生成方法。

Images