CN115310282A - 一种基于数字孪生的自动驾驶仿真测试场景构建方法 - Google Patents
一种基于数字孪生的自动驾驶仿真测试场景构建方法 Download PDFInfo
- Publication number
- CN115310282A CN115310282A CN202210916797.4A CN202210916797A CN115310282A CN 115310282 A CN115310282 A CN 115310282A CN 202210916797 A CN202210916797 A CN 202210916797A CN 115310282 A CN115310282 A CN 115310282A
- Authority
- CN
- China
- Prior art keywords
- scene
- data
- test
- file
- automatic driving
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字孪生的自动驾驶仿真测试场景构建方法,涉及自动驾驶场景构建方法。本发明至少包括以下步骤:建立数据采集处理模块,将原始数据采集后,对数据进行处理。本发明通过方法的设计,增强仿真测试场景的场景真实度和有效性,通过对数据的清洗操作,在保证场景覆盖率的同时还增强了场景的有效性;且标准化仿真测试场景的场景文件格式,使场景文件通用性增强,通过按照OpenDRIVE和OpenSCENARIO的文件格式,对对应的场景特征的提取以及场景元素聚类,从而编排生成对应的场景文件格式,从而能够实现同一场景文件在多数主流仿真软件中进行仿真测试,解决跨软件仿真时需要解决的文件格式转换带来的困难。
Description
技术领域
本发明涉及自动驾驶场景构建方法,具体为一种基于数字孪生的自动驾驶仿真测试场景构建方法。
背景技术
随着自动驾驶技术的快速发展,对自动驾驶系统的测试需求也越来越大,因为各种危险交通场景是难以枚举完的,并且典型场景和危险场景往往不会随着测试里程的增多而持续增加,所以如果纯粹依靠场景的实车测试方法去发展,终究会遇到技术瓶颈的,动驾驶行业普遍认为每个自动驾驶系统需要160亿公里的驾驶数据去优化,配备一支1000辆自动驾驶测试车的车队需要花费大约50年的时间才能完成足够的里程测试,目前自动驾驶仿真测试的危险场景的创建主要依靠工程师经验和实际路测,但是仅仅依靠道路测试所带来的测试周期以及测试费用我们是难以承受的,另外还会受到法律法规的限制,因此无法在真实道路上进行自动驾驶算法测试;
此外,想模拟仿真测试就是希望测试场景能够被各大仿真测试软件所能够读取和识别,目前全球范围内来自不同国家的大多数公司都完成了对实际道路的场景数据采集工作,而这些数据目前都保存在各自的场景数据库中,而不同公司数据的存储格式、场景不同要素的描述方式都有所差异,然而对基于场景的自动驾驶仿真测试而言,最大的挑战之一就是如何将自然采集数据转换成可进行仿真测试的场景文件,并且保证场景的通用性,目前各大仿真软件使用的测试场景文件格式互不相通,跨软件仿真时场景文件转换繁琐的问题亟需解决;
但是,现有的技术下,当基于场景的仿真测试目前解决自动驾驶研发测试挑战的主要路线,自动驾驶仿真测试已经被行业广泛接受,目前自动驾驶算法测试大约90%通过仿真平台完成,9%在封闭测试场完成,1%通过实际路测完成,基于场景的仿真测试效果直接取决于场景搭建的还原度与场景搭建精度,现有的仿真测试场景都是人工手动设置的场景数据,模拟自动驾驶车辆的驾驶场景,来进行仿真测试,手工构建显然存在效率低、覆盖率小、不够科学等问题,并且仿真场景的构建与生成多考虑在覆盖率和测试效率,而却未考虑生成的场景的有效性,此外采用道路测试来优化自动驾驶算法耗费的时间和金钱成本太高,且开放道路测试仍受到法规限制,极端交通条件和场景复现困难,测试存在安全隐患,世界各国交通环境也大相径庭,形成全球通用的产业化体系比较困难。
发明内容
本发明的目的在于提供一种基于数字孪生的自动驾驶仿真测试场景构建方法,以解决背景技术中的问题。
为实现上述目的,本发明提供如下技术方案:一种基于数字孪生的自动驾驶仿真测试场景构建方法,至少包括以下步骤:
建立数据采集处理模块,将原始数据采集后,对数据进行处理,随后通过场景转换工具将原始数据转换成具体场景,编排成OpenX标准格式的场景文件,实现场景数据的赋能;
建立场景验证模块,将按照OpenX标准编排好的真实数据库汇中调取场景文件进行测试验证相关算法,观察测试用例是否有效及其存在的边界问题并加以修复;
建立DT迭代更新模块。
优选的,所述数据采集处理模块的使用过程中至少包括以下步骤:
S1:通过无人机、数采车等设备采集到的原始数据后,对原始数据进行数据清洗,从而获得处理整体的场景数据去除掉包括去除冗余和无效的数据、去噪声、传感器数据同频等,对数据清洗使用的清洗方式为算法配合人工修正的方法,在满足数据清洗质量的前提下,选择适合的清洗代价函数,尽可能地减小数据清洗代价;
S2:得到经过处理得整齐的场景数据后,对其进行标注,形成标注列表;
S3:对预处理后的数据按照关键字来提取的方法场景特征提取,从而获得场景元素进行解构,场景元素是按照ASAM OpenX的文件格式标准进行编排,将预处理后的场景数据,通过仿真场景转换工具将其写入Open格式标准文件,实现对场景的标准化和规范化描述;
S4:通过对场景特征变量分别进行静态和动态的数字化处理操作,对场景的特征要素进行聚类分析,缩小数据之间的差异值;静态数字化处理,顾名思义将特征变量的参数用常数来表示;动态数字化处理,表示参数是发生变化的,将其取值规范在0 – 1之间;如天气情况有白天和黑夜,分别用0和1表示白天和黑夜,而自车速度则是会变化的,根据自车的最小速度、最大速度和实时速度之间的比值进行换算得到数字化后的取值,对场景的特征向量进行相关数字化处理的数据,进而采用聚类算法进行聚类分析;
S5:采用OpenX的标准将场景文件分为静态场景和动态场景,静态场景,按照OpenDRIVE官方文档的标准进行编排,每条数据包含车道宽度、车道线宽度、车道ID、交通信号灯等;,动态场景,按照OpenSCENARIO官方文档的标准进行编排,对于合格的数据,将其中的相关参数值范围和预先定义的基本动作库进行对比,基本动作库由大量的场景数据汇总合成,按照这些基本的动作可以囊括所有真实场景,一个复杂的场景可以切割成多个连贯的基本动作,最终将可读性不高的原始场景数据转换成了由一系列逻辑场景组成的,形成多个符合OpenSCENARIO格式的测试用例;
S6:将按标准处理完的数据存放在excel或其他格式的文件中,按照OpenSCENARIO的格式,通过编写脚本将相关参数读取并写入到OpenDRIVE和OpenSCENARIO文件中,形成对应的场景文件并存放于真实场景数据库中。
优选的,所述场景验证模块的使用过程中至少包括以下步骤:
S1:基于数据驱动的方式,从真实场景数据库中调取测试用例用于搭建好的硬件在环系统进行验证,对相关自动驾驶算法进行仿真测试验证;
S2:观察测试用例的测试效果,如果达到测试效果,则场景文件有效,否则记录下测试日志,分析存在的边界问题,从而更新场景参数,并将孪生的数据回馈到原有的场景文件中,进行不断测试。
优选的,所述DT迭代更新模块的使用过程中至少包括以下步骤:
S1:将真实场景数据库中映射真实数据到测试系统中,并通过HIL系统测试时的问题实时回馈到原始的场景数据库中;
S2:实现动态调控,通过不断的动态迭代,构成场景构建和验证的数字孪生映射,形成后的场景文件格式,能在多种仿真软件之间被读取从而进行仿真测试,打破了不同软件之间仿真文件难以转换的壁垒,大大增加了场景文件的复用性,减少了没必要的文件格式转换步骤
与现有技术相比,本发明的有益效果是:
1、本发明通过方法的设计,增强仿真测试场景的场景真实度和有效性,通过对数据的清洗操作,在保证场景覆盖率的同时还增强了场景的有效性;
2、本发明标准化仿真测试场景的场景文件格式,使场景文件通用性增强,通过按照OpenDRIVE和OpenSCENARIO的文件格式,对对应的场景特征的提取以及场景元素聚类,从而编排生成对应的场景文件格式,从而能够实现同一场景文件在多数主流仿真软件中进行仿真测试,解决跨软件仿真时需要解决的文件格式转换带来的困难;且由真实数据驱动仿真测试;
3、本发明通过孪生数据回馈更新数据库,不断迭代的过程,实现了场景构建与验证的数字孪生映射,能够达到对测试场景的动态调控以及实时回馈的效果,增强仿真场景的真实性和有效性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,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为本发明整体的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
请参阅图1,一种基于数字孪生的自动驾驶仿真测试场景构建方法,至少包括以下步骤:
建立数据采集处理模块,将原始数据采集后,对数据进行处理,随后通过场景转换工具将原始数据转换成具体场景,编排成OpenX标准格式的场景文件,实现场景数据的赋能;
建立场景验证模块,将按照OpenX标准编排好的真实数据库汇中调取场景文件进行测试验证相关算法,观察测试用例是否有效及其存在的边界问题并加以修复;
建立DT迭代更新模块。
数据采集处理模块的使用过程中至少包括以下步骤:
S1:通过无人机、数采车等设备采集到的原始数据后,对原始数据进行数据清洗,从而获得处理整体的场景数据去除掉包括去除冗余和无效的数据、去噪声、传感器数据同频等,对数据清洗使用的清洗方式为算法配合人工修正的方法,在满足数据清洗质量的前提下,选择适合的清洗代价函数,尽可能地减小数据清洗代价;
S2:得到经过处理得整齐的场景数据后,对其进行标注,形成标注列表;
S3:对预处理后的数据按照关键字来提取的方法场景特征提取,从而获得场景元素进行解构,场景元素是按照ASAM OpenX的文件格式标准进行编排,将预处理后的场景数据,通过仿真场景转换工具将其写入Open格式标准文件,实现对场景的标准化和规范化描述;
S4:通过对场景特征变量分别进行静态和动态的数字化处理操作,对场景的特征要素进行聚类分析,缩小数据之间的差异值;静态数字化处理,顾名思义将特征变量的参数用常数来表示;动态数字化处理,表示参数是发生变化的,将其取值规范在0 – 1之间;如天气情况有白天和黑夜,分别用0和1表示白天和黑夜,而自车速度则是会变化的,根据自车的最小速度、最大速度和实时速度之间的比值进行换算得到数字化后的取值,对场景的特征向量进行相关数字化处理的数据,进而采用聚类算法进行聚类分析;
S5:采用OpenX的标准将场景文件分为静态场景和动态场景,静态场景,按照OpenDRIVE官方文档的标准进行编排,每条数据包含车道宽度、车道线宽度、车道ID、交通信号灯等;,动态场景,按照OpenSCENARIO官方文档的标准进行编排,对于合格的数据,将其中的相关参数值范围和预先定义的基本动作库进行对比,基本动作库由大量的场景数据汇总合成,按照这些基本的动作可以囊括所有真实场景,一个复杂的场景可以切割成多个连贯的基本动作,最终将可读性不高的原始场景数据转换成了由一系列逻辑场景组成的,形成多个符合OpenSCENARIO格式的测试用例;
S6:将按标准处理完的数据存放在excel或其他格式的文件中,按照OpenSCENARIO的格式,通过编写脚本将相关参数读取并写入到OpenDRIVE和OpenSCENARIO文件中,形成对应的场景文件并存放于真实场景数据库中
场景验证模块的使用过程中至少包括以下步骤:
S1:基于数据驱动的方式,从真实场景数据库中调取测试用例用于搭建好的硬件在环系统进行验证,对相关自动驾驶算法进行仿真测试验证;
S2:观察测试用例的测试效果,如果达到测试效果,则场景文件有效,否则记录下测试日志,分析存在的边界问题,从而更新场景参数,并将孪生的数据回馈到原有的场景文件中,进行不断测试。
DT迭代更新模块的使用过程中至少包括以下步骤:
S1:将真实场景数据库中映射真实数据到测试系统中,并通过HIL系统测试时的问题实时回馈到原始的场景数据库中;
S2:实现动态调控,通过不断的动态迭代,构成场景构建和验证的数字孪生映射,形成后的场景文件格式,能在多种仿真软件之间被读取从而进行仿真测试,打破了不同软件之间仿真文件难以转换的壁垒,大大增加了场景文件的复用性,减少了没必要的文件格式转换步骤。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (4)
1.一种基于数字孪生的自动驾驶仿真测试场景构建方法,其特征在于:至少包括以下步骤:
建立数据采集处理模块,将原始数据采集后,对数据进行处理,随后通过场景转换工具将原始数据转换成具体场景,编排成OpenX标准格式的场景文件,实现场景数据的赋能;
建立场景验证模块,将按照OpenX标准编排好的真实数据库汇中调取场景文件进行测试验证相关算法,观察测试用例是否有效及其存在的边界问题并加以修复;
建立DT迭代更新模块。
2.根据权利要求1所述的一种基于数字孪生的自动驾驶仿真测试场景构建方法,其特征在于:所述数据采集处理模块的使用过程中至少包括以下步骤:
S1:通过无人机、数采车等设备采集到的原始数据后,对原始数据进行数据清洗,从而获得处理后的结构化场景数据;
S2:得到经过处理的结构化的场景数据后,对其进行标注,形成标注列表;
S3:对预处理后的数据按照关键字来提取的方法场景特征提取,从而获得场景元素进行解构,场景元素是按照ASAM OpenX的文件格式标准进行编排,将预处理后的场景数据,通过仿真场景转换工具将其写入Open格式标准文件,实现对场景的标准化和规范化描述;
S4:通过对场景特征变量分别进行静态和动态的数字化处理操作,对场景的特征要素进行聚类分析,缩小数据之间的差异值;
S5:采用OpenX的标准将场景文件分为静态场景和动态场景,静态场景,按照OpenDRIVE官方文档的标准进行编排,动态场景,按照OpenSCENARIO官方文档的标准进行编排,对于合格的数据,将其中的相关参数值范围和预先定义的基本动作库进行对比,基本动作库由大量的场景数据汇总合成,按照这些基本的动作可以囊括所有真实场景,一个复杂的场景可以切割成多个连贯的基本动作,最终将可读性不高的原始场景数据转换成了由一系列逻辑场景组成的,形成多个符合OpenSCENARIO格式的测试用例;
S6:将按标准处理完的数据存放在excel或其他格式的文件中,按照OpenSCENARIO的格式,通过编写脚本将相关参数读取并写入到OpenDRIVE和OpenSCENARIO文件中,形成对应的场景文件并存放于真实场景数据库中。
3.根据权利要求1所述的一种基于数字孪生的自动驾驶仿真测试场景构建方法,其特征在于:所述场景验证模块的使用过程中至少包括以下步骤:
S1:基于数据驱动的方式,从真实场景数据库中调取测试用例用于搭建好的硬件在环系统进行验证,对相关自动驾驶算法进行仿真测试验证;
S2:观察测试用例的测试效果,如果达到测试效果,则场景文件有效,否则记录下测试日志,分析存在的边界问题,从而更新场景参数,并将孪生的数据回馈到原有的场景文件中,进行不断测试。
4.根据权利要求1所述的一种基于数字孪生的自动驾驶仿真测试场景构建方法,其特征在于:所述DT迭代更新模块的使用过程中至少包括以下步骤:
S1:将真实场景数据库中映射真实数据到测试系统中,并通过HIL系统测试时的问题实时回馈到原始的场景数据库中;
S2:实现动态调控,通过不断的动态迭代,构成场景构建和验证的数字孪生映射。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210916797.4A CN115310282A (zh) | 2022-08-01 | 2022-08-01 | 一种基于数字孪生的自动驾驶仿真测试场景构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210916797.4A CN115310282A (zh) | 2022-08-01 | 2022-08-01 | 一种基于数字孪生的自动驾驶仿真测试场景构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115310282A true CN115310282A (zh) | 2022-11-08 |
Family
ID=83858417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210916797.4A Pending CN115310282A (zh) | 2022-08-01 | 2022-08-01 | 一种基于数字孪生的自动驾驶仿真测试场景构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115310282A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587501A (zh) * | 2022-11-09 | 2023-01-10 | 工业和信息化部装备工业发展中心 | 用于对智能网联汽车进行测试的场景库的构建方法及装置 |
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 |
-
2022
- 2022-08-01 CN CN202210916797.4A patent/CN115310282A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587501A (zh) * | 2022-11-09 | 2023-01-10 | 工业和信息化部装备工业发展中心 | 用于对智能网联汽车进行测试的场景库的构建方法及装置 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115310282A (zh) | 一种基于数字孪生的自动驾驶仿真测试场景构建方法 | |
CN112132264B (zh) | 基于时空残差感知网络的区域尾气排放预测方法及系统 | |
CN111311918B (zh) | 一种基于视觉分析的交通管理方法及装置 | |
CN109948217B (zh) | 一种基于自然驾驶数据的危险场景库构建方法 | |
CN111563313B (zh) | 一种行车事件模拟再现方法、系统、设备及存储介质 | |
CN112365167B (zh) | 基于动态本体模型的电网设备数字孪生体构建方法及装置 | |
CN111797000A (zh) | 一种基于梯度提升决策树模型的场景复杂度评估方法 | |
CN104036020A (zh) | 一种基于MapX建立的GIS公交信息可视化方法 | |
US8510088B2 (en) | Flexible evaluator for vehicle propulsion systems | |
CN112529615A (zh) | 自动生成广告的方法、装置、设备和计算机可读存储介质 | |
CN115291515A (zh) | 一种基于数字孪生的自动驾驶仿真测试系统及评价方法 | |
Hiller et al. | The L3Pilot Common Data Format—Enabling efficient automated driving data analysis | |
CN113268244A (zh) | 一种自动驾驶场景库的脚本生成方法、装置及电子设备 | |
Watanabe et al. | Scenario mining for development of predictive safety functions | |
Hegde et al. | Real-world driving features for identifying intelligent driver model parameters | |
CN112329152B (zh) | 一种驾驶数据搜索方法、装置及设备 | |
Liaw | Fuzzy logic based driving pattern recognition for driving cycle analysis | |
CN106815320B (zh) | 基于拓展三维直方图的调研大数据可视化建模方法及系统 | |
CN112950059B (zh) | 智能车路系统监控设施工程质量管理用测试系统及方法 | |
CN114841283A (zh) | 新能源车辆的行驶工况确定方法、装置、设备及介质 | |
CN111626508B (zh) | 基于xgboost模型的轨道交通车载数据预测方法 | |
Khemri et al. | Developing a Real-World, Second-by-Second Driving Cycle Database through Public Vehicle Trip Surveys | |
CN114818109A (zh) | 一种车辆编队行驶下空气阻力系数及燃油经济性计算方法 | |
CN114528679A (zh) | 数控系统多模态故障预警方法及系统 | |
CN114492008A (zh) | 一种基于约束模型自动化生成具体场景的方法 |
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 |