CN115357006A - 基于数字孪生的智能网联汽车虚实测试方法、设备及介质 - Google Patents
基于数字孪生的智能网联汽车虚实测试方法、设备及介质 Download PDFInfo
- Publication number
- CN115357006A CN115357006A CN202210988649.3A CN202210988649A CN115357006A CN 115357006 A CN115357006 A CN 115357006A CN 202210988649 A CN202210988649 A CN 202210988649A CN 115357006 A CN115357006 A CN 115357006A
- Authority
- CN
- China
- Prior art keywords
- model
- highway
- digital
- information
- data
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了基于数字孪生的智能网联汽车虚实测试方法、设备及介质,用以解决现有的模拟过程过于理想化,保真度欠缺的技术问题。方法包括:获取对应的图像数据和点云数据;根据卫星定位信息拼接开放道路类型和隧道道路类型结合处的图像数据得到数字表面模型,并预处理点云数据得到数字高程模型;融合可见光整体图像和三维点云地形图得到对应三维地形模型;获取高速公路的交通参与要素动态感知信息并整合三维地形模型对应的静态数据和交通参与要素动态感知信息得到高速公路数字孪生系统;将构建的车辆模拟系统置入到高速公路数字孪生系统中运行,并将自动驾驶系统置入到车辆模拟系统中运行,实现在高速公路上对智能网联汽车的虚实测试。
Description
技术领域
本申请涉及车辆测试技术领域,尤其涉及基于数字孪生的智能网联汽车虚实测试方法、设备及介质。
背景技术
目前,仿真测试提供了在虚拟环境中重现真实车辆系统特征的方法,构建了与系统相互作用的内外部因素和条件,具有简单、低成本且易于复制的特点。但是,测试场景以模拟或预设的状态为主,未考虑交通参与者因时空不同而产生的行为差异,未充分考虑场景参与者的非理性行为,模拟过程理想化、理性化,保真性不足,难以做到100%模拟真实的复杂交通场景。
发明内容
本申请实施例提供了基于数字孪生的智能网联汽车虚实测试方法、设备及介质,用以解决现有技术中模拟的交通场景,未考虑交通参与者因时空不同而产生的行为差异,未充分考虑场景参与者的非理性行为,模拟过程理想化、理性化,保真度欠缺的技术问题。
一方面,本申请实施例提供了基于数字孪生的智能网联汽车虚实测试方法,包括:
确定高速公路对应的地形类型,并通过所述地形类型对应的采集设备,获取所述高速公路对应地形类型的图像数据和点云数据;所述地形类型包括开放道路类型和隧道道路类型;
根据卫星定位信息,对所述开放道路类型和所述隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型,以及对所述点云数据进行预处理,得到对应的数字高程模型;
将所述数字表面模型中的可见光整体图像和所述数字高程模型中的三维点云地形图进行融合,以得到所述高速公路对应的三维地形模型;
通过所述高速公路实时监控装置,获取所述高速公路的交通参与要素动态感知信息,并将所述三维地形模型对应的静态数据和所述交通参与要素动态感知信息进行整合,得到对应的高速公路数字孪生系统;
构建车辆模拟系统,以将所述车辆模拟系统置入到所述高速公路数字孪生系统中运行,并将自动驾驶系统置入到所述高速公路数字孪生系统中的所述车辆模拟系统中运行,实现对所述高速公路上智能网联汽车的虚实测试。
在本申请的一种实现方式中,所述根据卫星定位信息,对所述开放道路类型和所述隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型之前,所述方法还包括:
通过预设函数对所述图像数据进行锐化处理,并通过中值滤波器对锐化后的所述图像数据进行降噪,实现对所述图像数据的预处理;
从所述图像数据中获取所述图像数据对应的时间,并按照时间由早到晚的顺序,对预处理后的多个所述图像数据进行排序;
根据图像配准技术和融合重构技术,并按照多个所述图像数据对应的排序,依次对多个所述图像数据进行拼接;
通过卷积神经网络模型,对拼接后的所述图像数据进行融合,以得到所述高速公路对应的整体图像。
在本申请的一种实现方式中,所述根据卫星定位信息,对所述开放道路类型和所述隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型,具体包括:
从所述图像数据中获取所述图像数据对应的卫星定位信息,分别确定出所述图像数据对应待拼接图像的拉普拉斯金字塔和等尺寸的蒙版高斯金字塔;
根据当前尺寸的蒙版高斯金字塔,拼接出两幅图像数据分辨率由低到高的拉普拉斯金字塔对应的图像,并得到对应的数字表面模型;所述数字表面模型中包括具有所述卫星定位信息的可见光整体图像。
在本申请的一种实现方式中,所述对所述点云数据进行预处理,得到对应的数字高程模型,具体包括:
按照时间由早到晚的顺序,对获取到的多个所述点云数据进行升序排序,并通过中值滤波器对所述点云数据进行滤波处理,以去除所述点云数据中的噪声;
通过预先训练好的卷积神经网络,对去噪后的所述点云数据进行分类,并在所述高速公路的特征点处,根据所述分类,对相邻两张点云数据对应的图像进行仿射变换;
将所述相邻两张点云数据对应的图像中的特征点对齐,实现对所述点云数据的拼接,并得到对应的数字高程模型;所述数字高程模型中包括高速公路对应的三维点云地形图。
在本申请的一种实现方式中,所述将所述数字表面模型中的可见光整体图像和所述数字高程模型中的三维点云地形图进行融合,以得到所述高速公路对应的三维地形模型,具体包括:
对所述数字表面模型中的可见光整体图像进行特征检测,并生成所述可见光整体图像对应的感兴趣区域;
通过关键点校准算法和几何算法,计算出所述感兴趣区域对应的卫星定位信息,并根据所述卫星定位信息,将所述感兴趣区域投影到三维点云空间,以生成对应的三维感兴趣区域;
根据所述三维感兴趣区域,将所述数字表面模型中的可见光整体图像和所述数字高程模型中的三维点云地形图进行融合,以得到所述高速公路对应的三维地形模型。
在本申请的一种实现方式中,所述通过所述高速公路实时监控装置,获取所述高速公路的交通参与要素动态感知信息,具体包括:
通过监控设备、传输设备和供电设备,构建所述高速公路实时监控装置中的道路监控装置;
通过通风、照明、交通控制、监控、紧急电话广播、火灾报警和雷达事件检测装置以及传感设备、传输设备和供电设备,构建所述高速公路实时监控装置中的隧道监控装置;
以及,通过交通流监测、交通事件监测和交通气象监测设备,构建所述高速公路实时监控装置中的交通运行监测装置;
通过所述道路监控装置、所述隧道监控装置以及所述交通运行监测装置中的前端传感器,获取所述高速公路对应的交通参与要素动态感知信息;
通过统一的数据传输协议,将封装后的所述交通参与要素动态感知信息传输至所述三维地形模型。
在本申请的一种实现方式中,所述将所述三维地形模型对应的静态数据和所述交通参与要素动态感知信息进行整合,得到对应的高速公路数字孪生系统,具体包括:
根据获取到的所述高速公路的交通参与要素动态感知信息,构建所述高速公路的关键信息数据集,关键信息表示所述高速公路中各关键点对应的信息数据,所述关键点至少包括:收费站、服务区、立交桥以及施工点;
通过软件编程,在数字空间构建与所述高速公路的关键信息相关的几何模型、功能模型、性能模型和演化模型;
将所述关键信息数据集中各所述关键点对应的数据,输入至所述几何模型、所述功能模型、所述性能模型和所述演化模型,以实现页面浏览和人机交互界面;
将所述三维地形模型对应的静态数据和所述交通参与要素动态感知信息,输入至所述几何模型、所述功能模型、所述性能模型和所述演化模型,以实现对所述静态数据和所述交通参与要素动态感知信息的整合,并得到对应的高速公路数字孪生系统。
在本申请的一种实现方式中,所述几何模型中至少包括:尺寸信息和形状信息,所述功能模型中至少包括:功能信息和列表信息,所述性能模型中包括正常数据信息和极限数据信息,所述演化模型中至少包括:规则信息和关联关系信息。
另一方面,本申请实施例还提供了基于数字孪生的智能网联汽车虚实测试设备,所述设备包括:
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如上述的基于数字孪生的智能网联汽车虚实测试方法。
另一方面,本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
如上述的基于数字孪生的智能网联汽车虚实测试方法。
本申请实施例提供了基于数字孪生的智能网联汽车虚实测试方法、设备及介质,至少包括以下有益效果:
将高速公路划分为开放道路类型和隧道道路类型两种地形类型,从而能够针对两种不同的地形类型,使用各自对应的采集设备,实时获取高速公路对应地形类型的图像数据和点云数据,从而将真实的高速公路运行状态进行实时采集,便于后续对图像数据和点云数据进行处理;
根据高速公路对应的卫星定位信息,拼接开放道路类型和隧道道路类型结合处的图像数据,能够得到高速公路对应的数字表面模型,即构建出高速公路对应的可见光整体图像,并且,通过对点云数据进行预处理,能够得到高速公路对应的数字高程模型,即构建出高速公路对应的三维点云地形图;再通过融合可见光图像和三维点云地形图,能够得到高速公路对应的三维地形模型;
然后再通过高速公路上各路段设置的实时监控装置,能够获取到高速公路的交通参与要素动态感知信息,通过整合三维地形模型对应的静态数据和交通参与要素动态感知信息,能够得到对应的高速公路数字孪生系统;通过将构建好的车辆模拟系统置入到高速公路数字孪生系统中运行,能够在数字孪生系统中模拟出车辆,再将自动驾驶系统置入到车辆模拟系统,即将自动驾驶系统在模拟出的车辆中运行,便能够实现对高速公路上智能网联汽车的虚实测试,这样通过数字孪生技术构建出一个真实的数字空间的高速公路场景,能够满足自动驾驶汽车真实测试环境的需求,并根据不同客户的需求,参与不同道路的真实环境测试,可提高测试的保真性,也节省了专场时间。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的基于数字孪生的智能网联汽车虚实测试方法的流程示意图;
图2为本申请实施例提供的另一种基于数字孪生的智能网联汽车虚实测试方法的流程示意图;
图3为本申请实施例提供的基于数字孪生的智能网联汽车虚实测试设备的内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
通过检索发现,现有的专利一种智能网联汽车动态封闭测试系统,包括直线加速区、左向转弯测试区和右向异形动态测试区等,其中的测试车辆以中间直线加速道为核心,连续进行多次左右方向的转向、制动测试,中途无空臼测试时间,提升了测试效率;省去回车道,免去测试车辆在完成单次直线加速后需返回加速起点的问题,每个单次测试结束即为下次测试开始,节约了测试时间,同时节约了原回场路上需消耗的能源,提升了测试经济性;最大限度实现土地资源的集约化使用,且未对周边测试区域/道路产生功能干扰,提升土地整体利用率;单位时间内完成的测试次二数增多,且免去测试车辆回场路程,降低尾气排放,有利于测试场环境改善。
现有的专利自动驾驶汽车测试系统和方法,系统包括:测试场地、仿真分析平台以及待测自动驾驶汽车,是通过仿真分析平台构建可视化的环境虚拟模型及车辆虚拟模型,并比对真实信息与虚拟信息;在真实信息和虚拟信息相符的情况下,仿真分析平台还用于根据虚拟信息向其硬件仿真台架输出控制指令以执行动力仿真;仿真分析平台将仿真执行结果与真实的车辆执行决策信息进行比对,据此输出待测自动驾驶汽车的测试分析数据。通过虚拟仿真与真实场地测试相结合的方式,实现对自动驾驶汽车感知、决策及执行等能力的全面验证。
现有的专利智能网联汽车仿真测试系统及方法,是通过对车辆动力学模型进行运算,输出车辆运动状态;根据车辆运动状态对环境模型进行运动变化,输出仿真画面和模拟目标信息;获取仿真画面和车辆运动状态,根据车辆运动状态模拟实车的运动表现情况,并执行驾驶操作,根据驾驶操作控制车辆动力学模型的运动;根据仿真画面和模拟目标信息计算目标识别信息;根据目标识别信息计算车辆控制信息,并根据车辆控制信息控制车辆动力学模型的运动。
而本申请实施例提供了基于数字孪生的智能网联汽车虚实测试方法、设备及介质,将高速公路划分为开放道路类型和隧道道路类型两种地形类型,从而能够针对两种不同的地形类型,使用各自对应的采集设备,实时获取高速公路对应地形类型的图像数据和点云数据,从而将真实的高速公路运行状态进行实时采集,便于后续对图像数据和点云数据进行处理;根据高速公路对应的卫星定位信息,拼接开放道路类型和隧道道路类型结合处的图像数据,能够得到高速公路对应的数字表面模型,即构建出高速公路对应的可见光整体图像,并且,通过对点云数据进行预处理,能够得到高速公路对应的数字高程模型,即构建出高速公路对应的三维点云地形图;再通过融合可见光图像和三维点云地形图,能够得到高速公路对应的三维地形模型;然后再通过高速公路上各路段设置的实时监控装置,能够获取到高速公路的交通参与要素动态感知信息,通过整合三维地形模型对应的静态数据和交通参与要素动态感知信息,能够得到对应的高速公路数字孪生系统;通过将构建好的车辆模拟系统置入到高速公路数字孪生系统中运行,能够在数字孪生系统中模拟出车辆,再将自动驾驶系统置入到车辆模拟系统,即把自动驾驶系统在模拟出的车辆中运行,便能够实现对高速公路上智能网联汽车的虚实测试。解决了现有技术中模拟的交通场景,未考虑交通参与者因时空不同而产生的行为差异,并且未充分考虑场景参与者的非理性行为,模拟过程理想化、理性化,保真度欠缺的技术问题。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的基于数字孪生的智能网联汽车虚实测试方法的流程示意图。如图1所示,本申请实施例提供的基于数字孪生的智能网联汽车虚实测试方法可以主要包括以下步骤:
步骤101、确定高速公路对应的地形类型,并通过地形类型对应的采集设备,获取高速公路对应地形类型的图像数据和点云数据。
本申请是通过将高速公路的地形类型进行划分,确定出高速公路对应的地形类型,并针对每种地形类型,选用各地形类型对应的采集设备,获取高速公路对应的图像数据和点云数据。需要说明的是,本申请实施例中的地形类型包括开放道路类型和隧道道路类型两大类。针对开放道路类型的高速公路,采用无人机携带照相机和激光雷达的方式,获取高速公路中开放道路的图像数据和点云数据;针对隧道道路类型的高速公路,采用无人车搭载线阵相机、补光设备和激光雷达扫描设备的方式,获取高速公路中封闭道路如隧道的图像数据和点云数据。
需要说明的是,本申请实施例的图像数据中具有图像对应的创建时间,以及图像对应的卫星定位信息,方便后续根据图像的创建时间和卫星定位信息对图像数据进行处理。
步骤102、根据卫星定位信息,对开放道路类型和隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型,以及对点云数据进行预处理,得到对应的数字高程模型。
服务器根据图像数据中图像对应的卫星定位信息,确定出相邻的开放道路类型对应的开放道路和隧道道路类型的隧道,然后根据卫星定位信息,将开放道路和隧道的结合处进行拼接,从而得到高速公路对应的数字表面模型。并且,服务器先后采用点云滤波、点云特征点、点云校准、分割与分类、目标识别检索、三维重建等方法,对点云数据进行预处理,从而能够得到高速公路对应的数字高程模型。
具体地,服务器从图像数据中获取图像数据对应的卫星定位信息,分别计算出图像数据对应待拼接图像的拉普拉斯金字塔和等尺寸的蒙版高斯金字塔,并在每个分辨率下,根据当前尺度的蒙版高斯金字塔,拼接出两幅图像数据从低分辨率到高分辨率的拉普拉斯金字塔对应的图像,最终得到高度公路对应的数字表面模型。需要说明的是,本申请实施例中的数字表面模型中包括具有卫星定位信息的可见光整体图像。
服务器将获取到的多个点云数据,按照时间由早到晚的顺序进行升序排序,并通过中值滤波器对点云数据进行滤波处理,以去除点云数据中的明显噪声点,然后通过预先训练好的卷积神经网络,对去噪后的点云数据进行分类。卷积神经网络是对高速公路路面、隔离带、护栏、植被如树木、收费站等进行训练的。其次,服务器在高速公路的特征点处,如:路面、隔离带、护栏、植被(如树木)、收费站等标志物处,根据点云数据对应的分类,对相邻两张点云数据对应的图像进行平移、旋转、缩放、翻转与错切等的仿射变换,从而使两个图像中的特征点对齐,实现对点云数据的拼接,并得到高速公路对应的数字高程模型。需要说明的是,本申请实施例中的数字高程模型中包括高速公路对应的三维点云地形图。
在本申请的一个实施例中,服务器在根据卫星定位信息,对开放道路类型和隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型之前,通过预设函数,对图像数据进行锐化处理以增加图像边缘的反差,然后通过中值滤波器降低锐化后的图像数据的噪声,实现对图像数据的预处理操作。需要说明的是,本申请实施例中的预设函数选用的是OpenCV中的filter2D()函数对图像数据进行锐化处理的。
服务器从每个图像数据中获取每个图像对应的创建时间,然后按照图像的创建时间对图像集进行升序排列,最早的时间排在最前,以此往下进行排序,时间具体到时-分-秒。然后,从若干图像中选取含有收费门架的图像作为间隔点,选取高速公路两侧护栏或标志标牌作为特征点,从第一幅分割点图像开始,提取每两个间隔点图像间的多张图像的特征进行匹配,通过计算图像之间的变换结构,实现图像映射并对齐特征点,根据图像配准技术和融合重构技术,按照多个图像数据对应的排序,依次将多幅图像进行拼接。服务器通过卷积神经网络模型对拼接后的图像数据进行融合,从而得到高速公路扫描区域的开放道路和隧道对应的整体图像。
步骤103、将数字表面模型中的可见光整体图像和数字高程模型中的三维点云地形图进行融合,以得到高速公路对应的三维地形模型。
在桥隧所或收费广场等特征区域建立北斗卫星导航系统地面基准站,通过高精北斗定位装置获得沿线门架和隧道出入口的精准卫星定位数据。服务器通过数据叠加技术,将数字表面模型中的可见光整体图像和数字高程模型中的三维点云地形图进行融合,实现可见光整体图像和三维点云地形图的数据叠加,从而得到高速公路对应的三维地形模型。
具体地,服务器首先会对数字表面模型中的可见光整体图像进行特征检测,并生成可见光整体图像对应的感兴趣区域,生成感兴趣区域主要是因为可见光图像中包括视野内的所有图像信息,但是在实际使用中只需要与高速公路相关的场景信息,例如:路面、隔离带、护栏、收费站等数据,而高速公路两侧的建筑物、湖泊、池塘等与高速公路场景无关的信息不会用到。
服务器通过关键点校准算法和几何算法,计算出可见光整体图像中感兴趣区域对应的卫星定位信息,并根据感兴趣区域对应的卫星定位信息将感兴趣区域投影到三维点云空间,从而生成对应的三维感兴趣区域。然后服务器根据生成的三维感兴趣区域,将数字表面模型中可见光整体图像的纹理信息融合到数字高程模型中三维点云地形图的高反特性中,通过卷积神经网络实现二维图像信息和三维点云数据的融合,从而构建出高速公路静态实体高精度三维地形模型。
步骤104、通过高速公路实时监控装置,获取高速公路的交通参与要素动态感知信息,并将三维地形模型对应的静态数据和交通参与要素动态感知信息进行整合,得到对应的高速公路数字孪生系统。
具体地,本申请通过监控设备、传输设备和供电设备,构建出高速公路实时监控装置中的道路监控装置,通过通风、照明、交通控制、监控、紧急电话广播、火灾报警和雷达事件检测装置以及传感设备、传输设备和供电设备,构建出高速公路实时监控装置中的隧道监控装置,通过交通流监测、交通事件监测和交通气象监测等监测设备,构建出高速公路实时监控装置中的交通运行监测装置。然后,服务器通过高速公路实时监控装置中道路监控装置、隧道监控装置以及交通运行监测装置的前端传感器,实时获取高速公路对应的交通参与要素动态感知信息。
需要说明的是,本申请实施例中获取交通参与要素动态感知信息的前端传感器具有以太网接口,并采用统一的数据传输协议,在将交通参与要素动态感知信息封装后,经专用光纤传输至三维地形模型,从而实现高速公路路面信息的实时感知功能。
服务器根据获取到的高速公路的交通参与要素动态感知信息,构建出高速公路的关键信息数据集。需要说明的是,本申请实施例中的关键信息表示高速公路中各关键点对应的信息数据,关键点例如:收费站、隧道、服务区、立交桥、合流区、分流区、施工点、路段、路线、路网等。
服务器通过软件编程,在数字空间中构建出与高速公路的关键信息相关的几何模型、功能模型、性能模型和演化模型,然后将关键信息数据集中各关键点对应的数据,输入至几何模型、功能模型、性能模型和演化模型,从而实现页面浏览和人机交互界面的功能,能够对数据进行展示,对页面进行切换,以及进行信息查询等功能,使其能够正常运行。
最后,服务器将三维地形模型对应的静态数据以及交通参与要素动态感知信息,输入至几何模型、功能模型、性能模型和演化模型中,实现对静态数据和交通参与要素动态感知信息的整合,并使物理空间信息在数字空间的信息再现,生成对应的高速公路数字孪生系统。
需要说明的是,本申请实施例中的几何模型中至少包括:尺寸信息和形状信息,功能模型中至少包括:功能信息和列表信息,性能模型中包括正常数据信息和极限数据信息,演化模型中至少包括:规则信息和关联关系信息。
步骤105、构建车辆模拟系统,以将车辆模拟系统置入到高速公路数字孪生系统中运行,并将自动驾驶系统置入到高速公路数字孪生系统中的车辆模拟系统中运行,实现在高速公路上对智能网联汽车的虚实测试。
具体地,服务器在室内环境下构建出一套车辆模拟系统,用于模拟出智能网联汽车,然后将构建出的车辆模拟系统置入到已经生成的高速公路数字孪生系统,从而能够在高速公路数字孪生系统中生成模拟汽车,之后,再向高速公路数字孪生系统中的车辆模拟系统中置入自动驾驶系统,同时,还要设定车辆的起始运动位置。高速公路数字孪生系统中道路静态运行数据和交通流动态运行数据通过车辆模拟系统实时传递给自动驾驶系统中的传感器,通过双向数据连接,实现被测自动驾驶汽车系统可以在真实的高速公路道路和真实的交通流中运行。高速公路数字孪生系统能够实时记录自动驾驶系统的运行状态,并将非正常状态进行记录,并形成录像回放。
本申请通过上述方式,实现了自动驾驶汽车测试环境的真实性再现,又为自动驾驶测试场地提供了多样性选择。本申请将真实的高速公路运行状态进行实时采集,通过数字孪生技术构建一个真实的数字空间的高速公路场景,满足了自动驾驶汽车真实测试环境的需求,还能够根据不同客户的需求,参与不同道路的真实环境测试,提高测试的保真性,也节省了专场时间。
图2为本申请实施例提供的另一种基于数字孪生的智能网联汽车虚实测试方法的流程示意图。如图2所示,本申请将真实的高速公路对应的隧道、桥梁、路段等多个与高速公路相关场景的实时监测数据,输入至高速公路数字孪生系统,还将预先构建好的车辆模拟系统置入到高速公路数字孪生系统,然后再将自动驾驶系统置入到高速公路数字孪生系统中的车辆模拟系统,从而在高速公路数字孪生系统提供的真是高速公路场景中进行自动驾驶智能网联汽车的虚实测试,使测试更加真实,提高了测试的保证性,避免了现有技术中模拟的交通场景,未考虑交通参与者因时空不同而产生的行为差异,未充分考虑场景参与者的非理性行为,模拟过程理想化、理性化,保真度欠缺的技术问题。
需要说明的是,图2所示的方法与图1所示的方法本质相同,因此,图3中未详述的部分,具体可参照图1中的相关描述,本申请在此不再赘述。
以上为本申请提出的方法实施例。基于同样的发明构思,本申请实施例还提供了基于数字孪生的智能网联汽车虚实测试设备,其结构如图3所示。
图3为本申请实施例提供的基于数字孪生的智能网联汽车虚实测试设备的内部结构示意图。如图3所示,设备包括:
至少一个处理器;
以及,与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
确定高速公路对应的地形类型,并通过地形类型对应的采集设备,获取高速公路对应地形类型的图像数据和点云数据;地形类型包括开放道路类型和隧道道路类型;
根据卫星定位信息,对开放道路类型和隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型,以及对点云数据进行预处理,得到对应的数字高程模型;
将数字表面模型中的可见光整体图像和数字高程模型中的三维点云地形图进行融合,以得到高速公路对应的三维地形模型;
通过高速公路实时监控装置,获取高速公路的交通参与要素动态感知信息,并将三维地形模型对应的静态数据和交通参与要素动态感知信息进行整合,得到对应的高速公路数字孪生系统;
构建车辆模拟系统,以将车辆模拟系统置入到高速公路数字孪生系统中运行,并将自动驾驶系统置入到高速公路数字孪生系统中的车辆模拟系统运行,实现在高速公路上对智能网联汽车的虚实测试。
本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
确定高速公路对应的地形类型,并通过地形类型对应的采集设备,获取高速公路对应地形类型的图像数据和点云数据;地形类型包括开放道路类型和隧道道路类型;
根据卫星定位信息,对开放道路类型和隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型,以及对点云数据进行预处理,得到对应的数字高程模型;
将数字表面模型中的可见光整体图像和数字高程模型中的三维点云地形图进行融合,以得到高速公路对应的三维地形模型;
通过高速公路实时监控装置,获取高速公路的交通参与要素动态感知信息,并将三维地形模型对应的静态数据和交通参与要素动态感知信息进行整合,得到对应的高速公路数字孪生系统;
构建车辆模拟系统,以将车辆模拟系统置入到高速公路数字孪生系统中运行,并将自动驾驶系统置入到高速公路数字孪生系统中的车辆模拟系统运行,实现在高速公路上对智能网联汽车的虚实测试。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,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。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述方法包括:
确定高速公路对应的地形类型,并通过所述地形类型对应的采集设备,获取所述高速公路对应地形类型的图像数据和点云数据;所述地形类型包括开放道路类型和隧道道路类型;
根据卫星定位信息,对所述开放道路类型和所述隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型,以及对所述点云数据进行预处理,得到对应的数字高程模型;
将所述数字表面模型中的可见光整体图像和所述数字高程模型中的三维点云地形图进行融合,以得到所述高速公路对应的三维地形模型;
通过所述高速公路实时监控装置,获取所述高速公路的交通参与要素动态感知信息,并将所述三维地形模型对应的静态数据和所述交通参与要素动态感知信息进行整合,得到对应的高速公路数字孪生系统;
构建车辆模拟系统,以将所述车辆模拟系统置入到所述高速公路数字孪生系统中运行,并将自动驾驶系统置入到所述高速公路数字孪生系统中的所述车辆模拟系统中运行,实现对所述高速公路上智能网联汽车的虚实测试。
2.根据权利要求1所述的基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述根据卫星定位信息,对所述开放道路类型和所述隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型之前,所述方法还包括:
通过预设函数对所述图像数据进行锐化处理,并通过中值滤波器对锐化后的所述图像数据进行降噪,实现对所述图像数据的预处理;
从所述图像数据中获取所述图像数据对应的时间,并按照时间由早到晚的顺序,对预处理后的多个所述图像数据进行排序;
根据图像配准技术和融合重构技术,并按照多个所述图像数据对应的排序,依次对多个所述图像数据进行拼接;
通过卷积神经网络模型,对拼接后的所述图像数据进行融合,以得到所述高速公路对应的整体图像。
3.根据权利要求1所述的基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述根据卫星定位信息,对所述开放道路类型和所述隧道道路类型结合处的图像数据进行拼接,得到对应的数字表面模型,具体包括:
从所述图像数据中获取所述图像数据对应的卫星定位信息,分别确定出所述图像数据对应待拼接图像的拉普拉斯金字塔和等尺寸的蒙版高斯金字塔;
根据当前尺寸的蒙版高斯金字塔,拼接出两幅图像数据分辨率由低到高的拉普拉斯金字塔对应的图像,并得到对应的数字表面模型;所述数字表面模型中包括具有所述卫星定位信息的可见光整体图像。
4.根据权利要求1所述的基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述对所述点云数据进行预处理,得到对应的数字高程模型,具体包括:
按照时间由早到晚的顺序,对获取到的多个所述点云数据进行升序排序,并通过中值滤波器对所述点云数据进行滤波处理,以去除所述点云数据中的噪声;
通过预先训练好的卷积神经网络,对去噪后的所述点云数据进行分类,并在所述高速公路的特征点处,根据所述分类,对相邻两张点云数据对应的图像进行仿射变换;
将所述相邻两张点云数据对应的图像中的特征点对齐,实现对所述点云数据的拼接,并得到对应的数字高程模型;所述数字高程模型中包括高速公路对应的三维点云地形图。
5.根据权利要求1所述的基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述将所述数字表面模型中的可见光整体图像和所述数字高程模型中的三维点云地形图进行融合,以得到所述高速公路对应的三维地形模型,具体包括:
对所述数字表面模型中的可见光整体图像进行特征检测,并生成所述可见光整体图像对应的感兴趣区域;
通过关键点校准算法和几何算法,计算出所述感兴趣区域对应的卫星定位信息,并根据所述卫星定位信息,将所述感兴趣区域投影到三维点云空间,以生成对应的三维感兴趣区域;
根据所述三维感兴趣区域,将所述数字表面模型中的可见光整体图像和所述数字高程模型中的三维点云地形图进行融合,以得到所述高速公路对应的三维地形模型。
6.根据权利要求1所述的基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述通过所述高速公路实时监控装置,获取所述高速公路的交通参与要素动态感知信息,具体包括:
通过监控设备、传输设备和供电设备,构建所述高速公路实时监控装置中的道路监控装置;
通过通风、照明、交通控制、监控、紧急电话广播、火灾报警和雷达事件检测装置以及传感设备、传输设备和供电设备,构建所述高速公路实时监控装置中的隧道监控装置;
以及,通过交通流监测、交通事件监测和交通气象监测设备,构建所述高速公路实时监控装置中的交通运行监测装置;
通过所述道路监控装置、所述隧道监控装置以及所述交通运行监测装置中的前端传感器,获取所述高速公路对应的交通参与要素动态感知信息;
通过统一的数据传输协议,将封装后的所述交通参与要素动态感知信息传输至所述三维地形模型。
7.根据权利要求1所述的基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述将所述三维地形模型对应的静态数据和所述交通参与要素动态感知信息进行整合,得到对应的高速公路数字孪生系统,具体包括:
根据获取到的所述高速公路的交通参与要素动态感知信息,构建所述高速公路的关键信息数据集,关键信息表示所述高速公路中各关键点对应的信息数据,所述关键点至少包括:收费站、服务区、立交桥以及施工点;
通过软件编程,在数字空间构建与所述高速公路的关键信息相关的几何模型、功能模型、性能模型和演化模型;
将所述关键信息数据集中各所述关键点对应的数据,输入至所述几何模型、所述功能模型、所述性能模型和所述演化模型,以实现页面浏览和人机交互界面;
将所述三维地形模型对应的静态数据和所述交通参与要素动态感知信息,输入至所述几何模型、所述功能模型、所述性能模型和所述演化模型,以实现对所述静态数据和所述交通参与要素动态感知信息的整合,并得到对应的高速公路数字孪生系统。
8.根据权利要求7所述的基于数字孪生的智能网联汽车虚实测试方法,其特征在于,所述几何模型中至少包括:尺寸信息和形状信息,所述功能模型中至少包括:功能信息和列表信息,所述性能模型中包括正常数据信息和极限数据信息,所述演化模型中至少包括:规则信息和关联关系信息。
9.基于数字孪生的智能网联汽车虚实测试设备,其特征在于,所述设备包括:
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如权利要求1-8任一项所述的基于数字孪生的智能网联汽车虚实测试方法。
10.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
如权利要求1-8任一项所述的基于数字孪生的智能网联汽车虚实测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988649.3A CN115357006A (zh) | 2022-08-17 | 2022-08-17 | 基于数字孪生的智能网联汽车虚实测试方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988649.3A CN115357006A (zh) | 2022-08-17 | 2022-08-17 | 基于数字孪生的智能网联汽车虚实测试方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115357006A true CN115357006A (zh) | 2022-11-18 |
Family
ID=84002183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210988649.3A Pending CN115357006A (zh) | 2022-08-17 | 2022-08-17 | 基于数字孪生的智能网联汽车虚实测试方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115357006A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115665213A (zh) * | 2022-12-28 | 2023-01-31 | 佛山电力设计院有限公司 | 一种新设备挂网试运行基地数字孪生系统 |
CN116305498A (zh) * | 2023-05-17 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 |
CN116595813A (zh) * | 2023-07-18 | 2023-08-15 | 中交一公局第五工程有限公司 | 智能网联汽车测试的数字孪生构建方法与装置 |
CN116682186A (zh) * | 2023-07-03 | 2023-09-01 | 甘肃紫光智能交通与控制技术有限公司 | 一种基于数字孪生的公路收费交互方法和系统 |
CN116943088A (zh) * | 2023-09-20 | 2023-10-27 | 宁波麦思捷科技有限公司武汉分公司 | 一种消防训练设备数字孪生方法及系统 |
-
2022
- 2022-08-17 CN CN202210988649.3A patent/CN115357006A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115665213A (zh) * | 2022-12-28 | 2023-01-31 | 佛山电力设计院有限公司 | 一种新设备挂网试运行基地数字孪生系统 |
CN115665213B (zh) * | 2022-12-28 | 2023-03-10 | 佛山电力设计院有限公司 | 一种新设备挂网试运行基地数字孪生系统 |
CN116305498A (zh) * | 2023-05-17 | 2023-06-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 |
CN116305498B (zh) * | 2023-05-17 | 2023-10-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 |
CN116682186A (zh) * | 2023-07-03 | 2023-09-01 | 甘肃紫光智能交通与控制技术有限公司 | 一种基于数字孪生的公路收费交互方法和系统 |
CN116682186B (zh) * | 2023-07-03 | 2024-01-16 | 甘肃紫光智能交通与控制技术有限公司 | 一种基于数字孪生的公路收费交互方法和系统 |
CN116595813A (zh) * | 2023-07-18 | 2023-08-15 | 中交一公局第五工程有限公司 | 智能网联汽车测试的数字孪生构建方法与装置 |
CN116943088A (zh) * | 2023-09-20 | 2023-10-27 | 宁波麦思捷科技有限公司武汉分公司 | 一种消防训练设备数字孪生方法及系统 |
CN116943088B (zh) * | 2023-09-20 | 2023-12-12 | 宁波麦思捷科技有限公司武汉分公司 | 一种消防训练设备数字孪生方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115357006A (zh) | 基于数字孪生的智能网联汽车虚实测试方法、设备及介质 | |
CN107229690B (zh) | 基于路侧传感器的高精度动态地图数据处理系统及方法 | |
CN111566664A (zh) | 用于生成用于机器学习的合成图像数据的方法、设备和系统 | |
US11842441B2 (en) | Map data filtering for simulated-driving-environment generation | |
CN110795813A (zh) | 一种交通仿真方法及装置 | |
US20240017747A1 (en) | Method and system for augmenting lidar data | |
CN114518122A (zh) | 行车导航方法、装置、计算机设备、存储介质和计算机程序产品 | |
CN111739323A (zh) | 一种路口信息的采集方法及装置 | |
CN115952692A (zh) | 道路交通的仿真方法和装置、存储介质及电子设备 | |
US20230069680A1 (en) | Simulated-driving-environment generation | |
CN116129066A (zh) | 基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法 | |
Shi et al. | An integrated traffic and vehicle co-simulation testing framework for connected and autonomous vehicles | |
CN111316324A (zh) | 一种自动驾驶模拟系统、方法、设备及存储介质 | |
US11176823B2 (en) | Enhanced vehicle operation | |
CN109085764A (zh) | 无人驾驶仿真场景的创建方法及装置 | |
CN114943940A (zh) | 一种隧道内车辆可视化监测的方法、设备及存储介质 | |
CN115857685A (zh) | 一种感知算法数据闭环方法及相关装置 | |
Patel | A simulation environment with reduced reality gap for testing autonomous vehicles | |
Zhuo et al. | A novel vehicle detection framework based on parallel vision | |
DE102020202342A1 (de) | Cloud-Plattform für automatisierte Mobilität und computerimplementiertes Verfahren zur Bereitstellung einer Cloud basierten Datenanreicherung an die automatisierte Mobilität | |
CN112732446A (zh) | 一种任务处理方法、装置及存储介质 | |
Benčević et al. | Tool for automatic labeling of objects in images obtained from Carla autonomous driving simulator | |
Kanakagiri | Development of a virtual simulation environment for autonomous driving using digital twins | |
CN114817600A (zh) | 自动驾驶仿真测试场景库生成方法、装置及平台 | |
de Gordoa et al. | Scenario-Based Validation of Automated Train Systems Using a 3D Virtual Railway Environment |
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 |