CN115391968A - 生成自动驾驶测试场景的方法和装置 - Google Patents
生成自动驾驶测试场景的方法和装置 Download PDFInfo
- Publication number
- CN115391968A CN115391968A CN202110551198.2A CN202110551198A CN115391968A CN 115391968 A CN115391968 A CN 115391968A CN 202110551198 A CN202110551198 A CN 202110551198A CN 115391968 A CN115391968 A CN 115391968A
- Authority
- CN
- China
- Prior art keywords
- road
- scene
- type
- road type
- subgraph
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种生成自动驾驶测试场景的方法和装置,涉及人工智能、自动驾驶或自动驾驶领域。其中,该方法包括:根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,不同道路类型包括道路特征的不同组合;提取每个道路类型对应的子图集中每个子图的量化参数;将每个道路类型与场景类型集合进行匹配;根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图的量化参数生成每个道路类型对应的自动驾驶测试场景。本申请的技术方案能够降低自动驾驶测试场景的生成成本,提高自动驾驶测试场景的生成效率。
Description
技术领域
本申请涉及自动驾驶领域,并且更具体地,涉及一种生成自动驾驶测试场景的方法和装置。
背景技术
自动驾驶测试场景是自动驾驶测试系统中相当重要的一环,测试场景的多样性、覆盖性、典型性等能够影响到测试结果的准确性,从而保证自动驾驶的安全与质量。
现有方案主要通过路况采集车、城市道路路口的摄像头等方式获取路况图像,然后根据所获取的路况图像生成测试仿真场景。但现有方案存在如下缺点:第一,生成自动驾驶测试场景的成本高、效率低,生成单个测试场景需要大量的图像处理分析工作;第二,只能复现某一时刻发生的单个场景,对历史时间内发生的所有场景的覆盖率极低;第三,仿真场景发生地点的局限性较大,场景发生地点限制在摄像头所能覆盖的范围或路况采集车某个时刻所处的位置。
发明内容
本申请提供一种生成自动驾驶测试场景的方法和装置,能够降低自动驾驶测试场景的生成成本,提高自动驾驶测试场景的生成效率。
第一方面,提供了一种生成自动驾驶测试场景的方法,本申请提供的生成自动驾驶测试场景的方法可以由支持生成自动驾驶测试场景的电子装置执行。电子装置是指能够被抽象为计算机系统。本申请中的支持生成自动驾驶测试场景的电子装置,也可称为生成自动驾驶测试场景的装置。生成自动驾驶测试场景的装置可以是该电子装置的整机,也可以是该电子装置中的部分器件,例如:生成自动驾驶测试场景功能相关的芯片,如系统芯片。其中,系统芯片也称为片上系统(system on chip,SOC),或称为SOC芯片。
该方法包括:根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,不同道路类型包括道路特征的不同组合;提取该每个道路类型对应的子图集中每个子图的量化参数;将该每个道路类型与场景类型集合进行匹配;根据该每个道路类型所匹配的场景类型和该每个道路类型对应的子图集中每个子图的量化参数生成该每个道路类型对应的自动驾驶测试场景。
本申请实施例主要以地图为基础,首先根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,然后提取每个道路类型对应的子图集中每个子图的量化参数;并且,将每个道路类型与场景类型集合进行匹配;最后根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图的量化参数生成每个道路类型对应的自动驾驶测试场景。从而能够降低自动驾驶测试场景的生成成本,提高自动驾驶测试场景的生成效率;同时,还能够提高生成场景相对于真实发生场景的覆盖率,并降低仿真场景发生地点的局限性。
应理解,所有道路类型指的是实际所使用地图中存在的所有道路类型或者实际操作中所能够预设的所有的道路类型。
应理解,所有道路类型中的每个道路类型与其他道路类型都不相同。应理解,不同道路类型包括道路特征的不同组合,即就是每个道路类型包括的道路特征的组合不同。
应理解,每个道路类型都可以对应一个子图集,也就是说多个不同的道路类型就可以对应多个子图集。
应理解,将每个道路类型与场景类型集合进行匹配,可以确定每个道路类型上能够复现(或生成)的场景类型。应理解,在实际操作中,可以按照预设的映射关系表将每个道路类型与场景类型集合进行匹配,以根据每个道路类型匹配到的场景类型确定在每个道路类型上能够复现的场景类型。应理解,在确定了每个道路类型上可复现的场景类型后,即就确定了每个道路类型对应的子图集中每个子图上可复现的场景类型,即就是说每个道路类型对应的子图集中的所有的子图都要复现该道路类型所匹配的场景类型。因此,生成每个道路类型对应的自动驾驶测试场景即就是分别生成每个道路类型对应的子图集中的每个子图对应的自动驾驶测试场景。
结合第一方面,在第一方面的某些实现方式中,该根据该每个道路类型所匹配的场景类型和该每个道路类型对应的子图集中每个子图的量化参数生成该每个道路类型对应的自动驾驶测试场景包括:根据该每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,该多个不同特征参数用于指示该每个子图中道路上的多个不同位置;根据该每个道路类型所匹配的场景类型和该每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成该每个道路类型对应的自动驾驶测试场景。
应理解,这种情况下,生成每个道路类型对应的自动驾驶测试场景即就是分别生成每个道路类型对应的子图集中每个子图中道路上的不同位置处对应的自动驾驶测试场景。
在本申请实施例中,可以根据每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,其中,多个不同特征参数用于指示每个子图中道路上的多个不同位置;然后根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成每个道路类型对应的自动驾驶测试场景,实现了每个道路类型对应的子图集中每个子图道路上的不同位置处对应的自动驾驶测试场景的生成,从而实现了生成场景的泛化。
结合第一方面,在第一方面的某些实现方式中,在该根据该每个道路类型所匹配的场景类型和该每个道路类型对应的子图集中每个子图的量化参数生成该每个道路类型对应的自动驾驶测试场景之后,该方法还包括:根据该每个道路类型对应的自动驾驶测试场景生成场景库。
在本申请实施例中,在生成每个道路类型对应的自动驾驶测试场景之后,还可以根据每个道路类型对应的自动驾驶测试场景生成场景库,以实现地图自适应的自动驾驶场景库的生成。
结合第一方面,在第一方面的某些实现方式中,该地图为高精地图。
可选地,本申请实施例中的地图可以是高精地图,也可以是普通地图,本申请对此不做限定。优选地,在下文描述中,均以高精地图为例进行描述。
结合第一方面,在第一方面的某些实现方式中,该道路特征包括:单车道、多车道、有无交通灯、连续弯道、高速匝道、车道合并、十字路口、丁字路口、转向专用道、障碍物中的一项或多项。
应理解,实际所包括的道路特征需以实际使用地图中存在的道路特征为准,本申请对此不做限定。
结合第一方面,在第一方面的某些实现方式中,该场景类型集合包括:跟车、超车、前车切入、前车切出、车道保持、避障中的一项或多项。
应理解,场景类型集合中实际所包括的场景类型也需以实际使用地图中可复现的全部场景类型为准,本申请对此不做限定。
结合第一方面,在第一方面的某些实现方式中,该量化参数包括:道路端点坐标、道路走势曲线、车道数、车道宽、车道长、车道连接关系、交通标识坐标中的一项或多项。
应理解,实际所包括的量化参数需以实际道路中存在的量化参数为准,本申请对此不做限定。
结合第一方面,在第一方面的某些实现方式中,在该根据道路类型对地图进行划分之前,该方法还包括:对该地图结构进行解析,该地图结构包括地图的组成部分与拓扑结构。
应理解,在根据道路类型对地图进行划分之前对地图结构进行解析的目的是为了确定地图中存在的道路特征。
结合第一方面,在第一方面的某些实现方式中,该地图的组成部分包括:道路、车道、交通标识、交通灯、障碍物中的一项或多项。
应理解,道路包括:人行道、车道等,本申请对此不做限定。
结合第一方面,在第一方面的某些实现方式中,该拓扑结构包括:道路连接关系、车道连接关系中的一项或多项。
第二方面,提供了一种生成自动驾驶测试场景的装置,包括:处理单元,该处理单元用于,根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,不同道路类型包括道路特征的不同组合;提取该每个道路类型对应的子图集中每个子图的量化参数;将该每个道路类型与场景类型集合进行匹配;根据该每个道路类型所匹配的场景类型和该每个道路类型对应的子图集中每个子图的量化参数生成该每个道路类型对应的自动驾驶测试场景。
结合第二方面,在第二方面的某些实现方式中,该处理单元还用于,根据该每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,该多个不同特征参数用于指示该每个子图中道路上的多个不同位置;根据该每个道路类型所匹配的场景类型和该每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成该每个道路类型对应的自动驾驶测试场景。
结合第二方面,在第二方面的某些实现方式中,该处理单元还用于,根据该每个道路类型对应的自动驾驶测试场景生成场景库。
结合第二方面,在第二方面的某些实现方式中,该地图为高精地图。
结合第二方面,在第二方面的某些实现方式中,该道路特征包括:单车道、多车道、有无交通灯、连续弯道、高速匝道、车道合并、十字路口、丁字路口、转向专用道、障碍物中的一项或多项。
结合第二方面,在第二方面的某些实现方式中,该场景类型集合包括:跟车、超车、前车切入、前车切出、车道保持、避障中的一项或多项。
结合第二方面,在第二方面的某些实现方式中,该量化参数包括:道路端点坐标、道路走势曲线、车道数、车道宽、车道长、车道连接关系、交通标识坐标中的一项或多项。
结合第二方面,在第二方面的某些实现方式中,该处理单元还用于,对该地图结构进行解析,该地图结构包括地图的组成部分与拓扑结构。
结合第二方面,在第二方面的某些实现方式中,该地图的组成部分包括:道路、车道、交通标识、交通灯、障碍物中的一项或多项。
结合第二方面,在第二方面的某些实现方式中,该拓扑结构包括:道路连接关系、车道连接关系中的一项或多项。
第三方面,提供了一种控制装置,包括输入输出接口、处理器和存储器,所述处理器用于控制输入输出接口收发信号或信息,所述存储器用于存储计算机程序,所述处理器用于从存储器中调用并运行所述计算机程序,使得所述控制装置执行如第一方面或者第一方面的任一可能的实现方式中的生成自动驾驶测试场景的方法。
第四方面,提供了一种计算设备,包括:至少一个处理器和存储器,所述至少一个处理器与所述存储器耦合,用于读取并执行所述存储器中的指令,以执行如第一方面或者第一方面的任一可能的实现方式中的生成自动驾驶测试场景的方法。
第五方面,提供了一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述第一方面或者第一方面的任一可能的实现方式中的生成自动驾驶测试场景的方法。
第六方面,提供了一种计算机可读介质,所述计算机可读介质存储有程序代码,当所述程序代码在计算机上运行时,使得计算机执行第一方面或者第一方面的任一可能的实现方式中的生成自动驾驶测试场景的方法。
第七方面,提供一种芯片,所述芯片包括处理器与数据接口,所述处理器通过所述数据接口读取存储器上存储的指令,执行第一方面或者第一方面的任一可能的实现方式中的生成自动驾驶测试场景的方法。
可选地,作为一种实现方式,所述芯片还可以包括存储器,所述存储器中存储有指令,所述处理器用于执行所述存储器上存储的指令,当所述指令被执行时,所述处理器用于执行第一方面或者第一方面的任一可能的实现方式中的生成自动驾驶测试场景的方法。
第八方面,提供了一种芯片系统,该芯片系统包括至少一个处理器,用于支持实现上述第一方面或第一方面的某些实现中所涉及的功能,例如,例如接收或处理上述方法中所涉及的数据和/或信息。
在一种可能的设计中,所述芯片系统还包括存储器,所述存储器,用于保存程序指令和数据,存储器位于处理器之内或处理器之外。该芯片系统,可以由芯片构成,也可以包含芯片和其他分立器件。
附图说明
图1是本申请实施例提供的一种生成自动驾驶测试场景的方法示例图;
图2是本申请实施例提供的一种自动驾驶测试的场景库的生成流程示例图;
图3是本申请实施例提供的一种自动驾驶测试的场景库的生成架构示例图;
图4是本申请实施例提供的一种生成自动驾驶测试场景的装置示例图;
图5是本申请实施例提供的一种装置的硬件结构示例性框图。
具体实施方式
现有方案主要通过路况采集车、城市道路路口的摄像头等方式,获取路况图像。其路况图像需要包含场景对象,即道路对象、交通标识对象、车辆对象、行人对象等。然后通过路况图像获取场景对象的属性信息,包括道路的拓扑结构、交通标识的位置、车辆与行人对象的位置,以及基于每一帧路况图像中车辆与行人的位置计算出其行进方向、行进速度以及行进状态等。基于上述场景对象以及其属性信息,在自动驾驶仿真器中配置测试场景所需的对象以及设置相应的属性信息,完成测试仿真场景的生成。
现有方案存在如下缺点:第一,生成自动驾驶测试场景的成本高、效率低,生成单个测试场景需要大量的图像处理分析工作;第二,只能复现某一时刻发生的单个场景,对历史时间内发生的所有场景的覆盖率极低;第三,仿真场景发生地点的局限性较大,场景发生地点限制在摄像头所能覆盖的范围或路况采集车某个时刻所处的位置。
基于此,本申请实施例提供了一种生成自动驾驶测试场景的方法,主要以地图为基础,根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,然后提取每个道路类型对应的子图集中每个子图的量化参数;并且,将每个道路类型与场景类型集合进行匹配;最后根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图的量化参数生成每个道路类型对应的自动驾驶测试场景。从而能够解决上述现有方案生成自动驾驶测试场景成本高、效率低的问题;且能够解决上述现有方案生成自动驾驶测试场景对真实发生场景的覆盖率低的问题;还能够解决上述现有方案生成自动驾驶测试场景中场景发生地点的局限性较大的问题。
下面将结合附图,对本申请中的技术方案进行描述。
图1是本申请实施例提供的一种生成自动驾驶测试场景的方法示例图。如图1所示,该方法100包括步骤S110至步骤S140。应理解,本申请实施例对以上步骤的先后顺序不做限定,凡是能够通过以上各个步骤的任意顺序实现本申请的方案,均落在本申请的保护范围内。下面对这些步骤进行详细描述。
S110,根据道路类型对地图进行划分。
应理解,根据道路类型对地图进行划分的目的是为了得到所有道路类型中每个道路类型对应的子图集。其中,所有道路类型中的不同道路类型包括道路特征的不同组合。
应理解,所有道路类型指的是实际所使用地图中存在的所有道路类型或者实际操作中所能够预设的所有的道路类型。
应理解,所有道路类型中的每个道路类型与其他道路类型都不相同。应理解,不同道路类型包括道路特征的不同组合,即就是每个道路类型包括的道路特征的组合不同,可参见下文示例。
可选地,道路特征可以包括:单车道、多车道、有无交通灯、连续弯道、高速匝道、车道合并、十字路口、丁字路口、转向专用道、障碍物等中的一项或多项。应理解,实际所包括的道路特征需以实际使用地图中存在的道路特征为准,本申请对此不做限定。
应理解,每个道路类型可以各对应一个子图集,也就是说多个不同的道路类型可以对应多个子图集。
可选地,在根据道路类型对地图进行划分之前,方法100还可以包括:对地图结构进行解析,其中,地图结构包括地图的组成部分与拓扑结构。应理解,在根据道路类型对地图进行划分之前对地图结构进行解析的目的是为了确定地图中存在的道路特征。
可选地,地图的组成部分可以包括:道路、车道、交通标识、交通灯、障碍物等中的一项或多项。应理解,道路包括:人行道、车道等,本申请对此不做限定。
可选地,拓扑结构可以包括:道路连接关系、车道连接关系等中的一项或多项,本申请对此不做限定。
可选地,本申请实施例中的地图可以是高精地图,也可以是普通地图,本申请对此不做限定。优选地,在下文描述中,均以高精地图为例进行描述。
S120,提取每个道路类型对应的子图集中每个子图的量化参数。
应理解,对于地图所划分的每个子图而言,都存在对应的量化参数,量化参数能够用来描述该子图中的道路情况,即就是将该子图中的道路情况通过数据进行量化。
可选地,量化参数可以包括:道路端点坐标、道路走势曲线、车道数、车道宽、车道长、车道连接关系、交通标识坐标等中的一项或多项。应理解,实际所包括的量化参数需以实际道路中存在的量化参数为准,本申请对此不做限定。
S130,将每个道路类型与场景类型集合进行匹配。
应理解,将每个道路类型与场景类型集合进行匹配,可以确定每个道路类型上能够复现(或生成)的场景类型。应理解,在实际操作中,可以按照预设的映射关系表将每个道路类型与场景类型集合进行匹配,以便能够根据每个道路类型匹配到的场景类型确定在每个道路类型上能够复现的场景类型。应理解,在确定了每个道路类型上可复现的场景类型后,即就确定了每个道路类型对应的子图集中每个子图上可复现的场景类型,即就是说每个道路类型对应的子图集中的所有的子图都要复现该道路类型所匹配的场景类型。因此,步骤S140生成每个道路类型对应的自动驾驶测试场景即就是分别生成每个道路类型对应的子图集中的每个子图对应的自动驾驶测试场景。
可选地,场景类型集合可以包括:跟车、超车、前车切入、前车切出、车道保持、避障等中的一项或多项。应理解,场景类型集合中实际所包括的场景类型也需以实际使用地图中可复现的全部场景类型为准,本申请对此不做限定。
应理解,每个道路类型上通常都可以复现一个或多个场景类型,例如,道路类型“有交通灯的多车道”可以复现的场景类型有跟车、超车、前车切入等。
本申请方案将地图中所有的道路类型中的每个道路类型分别与场景类型集合中的场景类型进行匹配,以确定每个道路类型上能够复现的全部场景类型,从而能够保证生成场景对地图中各个道路类型的全面覆盖。
应理解,上述映射关系表中的匹配关系可以结合实际情况预先确定,例如,可以预定义匹配映射关系为:道路类型1与场景类型1、场景类型2、场景类型3匹配;道路类型2与场景类型3、场景类型4匹配;道路类型5与场景类型6匹配;...等等,本申请对此不做限定。
S140,生成每个道路类型对应的自动驾驶测试场景。
具体地,根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图的量化参数生成每个道路类型对应的自动驾驶测试场景。
本申请方案以地图为基础,根据道路类型完成地图的划分,以及提取每个道路类型所对应的量化参数,并由道路类型匹配场景类型,然后生成场景,从而能够保证整个场景生成流程对地图是的自适应的,易于流程完成自动化仿真场景的生成。
可选地,根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图的量化参数生成每个道路类型对应的自动驾驶测试场景包括:根据每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,多个不同特征参数用于指示每个子图中道路上的多个不同位置;根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成每个道路类型对应的自动驾驶测试场景。
应理解,这种情况下,生成每个道路类型对应的自动驾驶测试场景即就是分别生成每个道路类型对应的子图集中每个子图中道路上的不同位置处对应的自动驾驶测试场景。
在本申请实施例中,可以根据每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,其中,多个不同特征参数用于指示每个子图中道路上的多个不同位置;然后根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成每个道路类型对应的自动驾驶测试场景,实现了每个道路类型对应的子图集中的每个子图上的不同位置处对应的自动驾驶测试场景的生成,从而实现了生成场景的泛化。
可选地,在根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图的量化参数生成每个道路类型对应的自动驾驶测试场景之后,方法100还可以包括:根据每个道路类型对应的自动驾驶测试场景生成场景库。
在本申请实施例中,在生成每个道路类型对应的自动驾驶测试场景之后,还可以根据每个道路类型对应的自动驾驶测试场景生成场景库,以实现地图自适应的自动驾驶场景库的生成。
在本申请实施例中,根据道路类型对地图进行划分保证划分得到的道路类型对地图的覆盖,道路类型与场景类型的匹配保证每个道路类型上都能够复现全部合适的场景类型,在此基础上,通过场景的泛化和场景的生成保证了对地图上可能发生的场景进行大规模的复现。
应理解,在实际操作中,主要是以高精地图作为输入,以一个尽可能完备的地图自适应自动驾驶仿真场景库作为输出。下面结合图2和图3对自动驾驶测试的场景库的生成流程进行介绍。
图2是本申请实施例提供的一种自动驾驶测试的场景库的生成流程示例图。图3是本申请实施例提供的一种自动驾驶测试的场景库的生成架构示例图。应理解,图2和图3仅为一种示例,不构成对本申请的限定。如图2所示,该生成流程200包括步骤S210至步骤S260。还应理解,本申请实施例对以上步骤的先后顺序不做限定,凡是能够通过以上各个步骤的任意顺序实现本申请的方案,均落在本申请的保护范围内。下面对这些步骤进行详细描述。
S210,导入高精地图的数据,并对地图结构进行解析。
首先输入一张高精地图的数据,通过高精地图解析模块310对地图结构进行解析,完成对高精地图的组成部分与拓扑结构的解析。
其中,高精地图的组成部分包括但不限于道路、车道、交通标识、交通灯、障碍物等。拓扑结构包括但不限于道路连接关系、车道连接关系等。
S220,按照道路类型对高精地图进行划分。
将高精地图解析模块310解析完成的数据传输至地图道路类型划分模块320,道路类型划分模块320根据道路类型对高精地图进行划分,将高精地图划分成不同道路类型对应的子图集,每个子图集都包括一个或多个子图。
其中,不同道路类型分别包括道路特征的不同组合。换句话来讲,不同道路类型所包括的道路特征的组合不同。
应理解,道路特征的组合可以是一个或多个道路特征的组合,本申请对此不做限定,只要道路特征的组合不同就可以认为是不同的道路类型。
可选地,道路特征可以包括但不限于单车道、多车道、有无交通灯、连续弯道、高速匝道、车道合并、十字路口、丁字路口、转向专用道、障碍物等。那么,道路类型可以由这些道路特征中的一个组成;也可以由这些道路特征中的多个组成,示例性地,道路类型可以为:有交通灯的单车道、有交通灯的多车道、单车道的十字路口、有交通灯的多车道的十字路口、有交通灯的丁字路口、有障碍物的转向专用道等。其中,道路类型“有交通灯的单车道”是道路特征“有交通灯”和道路特征“单车道”的组合;道路类型“单车道的十字路口”是道路特征“单车道”和道路特征“十字路口”的组合,由于上述道路特征的组合不同,使得对应的道路类型不同。
S230,提取各个道路类型的量化参数。
划分完成的不同道路类型对应的子图集会由道路类型量化参数提取模块330进行数据提取。其中,量化参数包括但不限于道路端点坐标、道路走势曲线、车道数、车道宽、车道长、车道连接关系、交通标识坐标等。
应理解,提取不同道路类型对应的子图集的数据实际是提取不同道路类型对应的子图集中每个子图的量化参数。
S240,进行道路类型与场景类型的匹配。
划分完成的不同道路类型对应的子图集会交由道路类型与场景类型匹配模块340,完成由道路类型到此类型道路上需要复现的场景类型的匹配过程。应理解,匹配映射关系可以在该模块内预定义,例如,可以预定义匹配映射关系为:道路类型1与场景类型1、场景类型2、场景类型3匹配;道路类型2与场景类型3、场景类型4匹配;道路类型5与场景类型6匹配;...等等,本申请对此不做限定。
其中,场景类型可以包括但不限于跟车、超车、前车切入、前车切出、车道保持、避障等。
S250,根据匹配结果和对应的量化参数对场景进行泛化并生成。
完成道路类型与场景类型的匹配后,由场景生成模块350完成各个道路类型上所匹配的场景类型在各个道路类型上的复现(即生成)。具体需要完成各个道路类型上所匹配的场景类型在各个道路类型的子图集中每个子图上的复现。
应理解,在各个道路类型的子图集中每个子图上进行场景复现时,可以先根据各个道路类型对应的子图集中每个子图的量化参数确定每个子图上对应的多个不同特征参数,多个不同特征参数用于指示每个子图道路上的多个不同位置。应理解,每个子图上对应的多个特征参数是该子图所对应的量化参数的范围内的不同参数。例如,某个子图所对应的道路左右端点的坐标分别为1和10(量化参数),则该子图上所对应的多个特征参数可以是在坐标1至10之间多个位置处的参数。以此实现在每个子图道路上不同位置处的场景的复现。
应理解,在实际操作中,可以由场景泛化模块360接收量化参数提取模块330提取的参数,然后由场景泛化模块360根据不同子图的量化参数确定出每个子图对应的多个不同特征参数,再由场景生成模块350根据每个子图对应的多个不同特征参数对每个子图所对应的场景进行生成,从而实现场景的泛化,实现仿真场景对真实发生场景的大规模覆盖。
应理解,场景泛化模块360根据不同子图的量化参数确定出每个子图对应的多个不同特征参数后,场景生成模块350可以每次在场景泛化模块360调用一个特征参数,然后生成该特征参数对应的场景;再调用一个特征参数,再生成该特征参数对应的场景,依次类推,直到实现在每个子图道路上不同位置处的场景的复现;也可以是场景生成模块350直接从场景泛化模块360调用每个子图对应的多个不同特征参数,然后统一生成每个子图对应的多个不同特征参数对应的多个场景,从而实现在每个子图上不同位置处的场景的复现,本申请对此不做限定。
S260,生成自动驾驶仿真场景库。
合并各道路类型上复现的场景,即得到地图自适应的自动驾驶仿真场景库。
可选地,方法100和流程200还可以包括:将每个道路类型上复现出的若干场景进行组合生成交通流仿真场景。
图4是本申请实施例提供的一种生成自动驾驶测试场景的装置示例图。该装置400包括处理单元410,该处理单元410用于,根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,不同道路类型包括道路特征的不同组合;提取每个道路类型对应的子图集中每个子图的量化参数;将每个道路类型与场景类型集合进行匹配;根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图的量化参数生成每个道路类型对应的自动驾驶测试场景。
可选地,处理单元410还可以用于,根据每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,多个不同特征参数用于指示每个子图中道路上的多个不同位置;根据每个道路类型所匹配的场景类型和每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成每个道路类型对应的自动驾驶测试场景。
可选地,处理单元410还可以用于,根据每个道路类型对应的自动驾驶测试场景生成场景库。
可选地,地图可以为高精地图。
可选地,道路特征可以包括:单车道、多车道、有无交通灯、连续弯道、高速匝道、车道合并、十字路口、丁字路口、转向专用道、障碍物等中的一项或多项。
可选地,场景类型集合可以包括:跟车、超车、前车切入、前车切出、车道保持、避障等中的一项或多项。
可选地,量化参数可以包括:道路端点坐标、道路走势曲线、车道数、车道宽、车道长、车道连接关系、交通标识坐标等中的一项或多项。
可选地,处理单元410还可以用于,对地图结构进行解析,地图结构可以包括地图的组成部分与拓扑结构等。
可选地,地图的组成部分可以包括:道路、车道、交通标识、交通灯、障碍物等中的一项或多项。
可选地,拓扑结构可以包括:道路连接关系、车道连接关系等中的一项或多项。
图5是本申请实施例提供的一种装置的硬件结构示例性框图。可选地,该装置500具体可以是一种计算机设备。该装置500包括存储器510、处理器520、通信接口530以及总线540。其中,存储器510、处理器520、通信接口530通过总线540实现彼此之间的通信连接。
存储器510可以是只读存储器(read only memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(random access memory,RAM)。存储器510可以存储程序,当存储器510中存储的程序被处理器520执行时,处理器520用于执行本申请实施例的生成自动驾驶测试场景的方法的各个步骤。
处理器520可以采用通用的中央处理器(central processing unit,CPU),微处理器,应用专用集成电路(application specific integrated circuit,ASIC),图形处理器(graphics processing unit,GPU)或者一个或多个集成电路,用于执行相关程序,以实现本申请方法实施例的生成自动驾驶测试场景的方法。
处理器520还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请的生成自动驾驶测试场景的方法可以通过处理器520中的硬件的集成逻辑电路或者软件形式的指令完成。
上述处理器520还可以是通用处理器、数字信号处理器(digital signalprocessing,DSP)、专用集成电路(ASIC)、现成可编程门阵列(field programmable gatearray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器510,处理器520读取存储器510中的信息,结合其硬件完成本申请实施例的装置中包括的模块所需执行的功能,或者执行本申请方法实施例的生成自动驾驶测试场景的方法。
通信接口530使用例如但不限于收发器一类的收发装置,来实现装置500与其他设备或通信网络之间的通信。
总线540可包括在装置500各个部件(例如,存储器510、处理器520、通信接口530)之间传送信息的通路。
本申请实施例还提供了一种计算设备,包括:至少一个处理器和存储器,所述至少一个处理器与所述存储器耦合,用于读取并执行所述存储器中的指令,以执行本申请方法实施例的生成自动驾驶测试场景的方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行本申请方法实施例的生成自动驾驶测试场景的方法。
本申请实施例还提供了一种计算机可读介质,所述计算机可读介质存储有程序代码,当所述程序代码在计算机上运行时,使得计算机执行本申请方法实施例的生成自动驾驶测试场景的方法。
本申请实施例还提供了一种芯片,所述芯片包括处理器与数据接口,所述处理器通过所述数据接口读取存储器上存储的指令,执行本申请方法实施例的生成自动驾驶测试场景的方法。
可选地,作为一种实现方式,所述芯片还可以包括存储器,所述存储器中存储有指令,所述处理器用于执行所述存储器上存储的指令,当所述指令被执行时,所述处理器用于执行本申请方法实施例的生成自动驾驶测试场景的方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (23)
1.一种生成自动驾驶测试场景的方法,其特征在于,包括:
根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,不同道路类型包括道路特征的不同组合;
提取所述每个道路类型对应的子图集中每个子图的量化参数;
将所述每个道路类型与场景类型集合进行匹配;
根据所述每个道路类型所匹配的场景类型和所述每个道路类型对应的子图集中每个子图的量化参数生成所述每个道路类型对应的自动驾驶测试场景。
2.根据权利要求1所述的方法,其特征在于,所述根据所述每个道路类型所匹配的场景类型和所述每个道路类型对应的子图集中每个子图的量化参数生成所述每个道路类型对应的自动驾驶测试场景包括:
根据所述每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,所述多个不同特征参数用于指示所述每个子图中道路上的多个不同位置;
根据所述每个道路类型所匹配的场景类型和所述每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成所述每个道路类型对应的自动驾驶测试场景。
3.根据权利要求1或2所述的方法,其特征在于,在所述根据所述每个道路类型所匹配的场景类型和所述每个道路类型对应的子图集中每个子图的量化参数生成所述每个道路类型对应的自动驾驶测试场景之后,所述方法还包括:
根据所述每个道路类型对应的自动驾驶测试场景生成场景库。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述地图为高精地图。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述道路特征包括:单车道、多车道、有无交通灯、连续弯道、高速匝道、车道合并、十字路口、丁字路口、转向专用道、障碍物中的一项或多项。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述场景类型集合包括:跟车、超车、前车切入、前车切出、车道保持、避障中的一项或多项。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述量化参数包括:道路端点坐标、道路走势曲线、车道数、车道宽、车道长、车道连接关系、交通标识坐标中的一项或多项。
8.根据权利要求1至7中任一项所述的方法,其特征在于,在所述根据道路类型对地图进行划分之前,所述方法还包括:
对所述地图结构进行解析,所述地图结构包括地图的组成部分与拓扑结构。
9.根据权利要求8所述的方法,其特征在于,所述地图的组成部分包括:道路、车道、交通标识、交通灯、障碍物中的一项或多项。
10.根据权利要求8所述的方法,其特征在于,所述拓扑结构包括:道路连接关系、车道连接关系中的一项或多项。
11.一种生成自动驾驶测试场景的装置,其特征在于,包括:处理单元,所述处理单元用于,
根据道路类型对地图进行划分,得到所有道路类型中每个道路类型对应的子图集,不同道路类型包括道路特征的不同组合;提取所述每个道路类型对应的子图集中每个子图的量化参数;将所述每个道路类型与场景类型集合进行匹配;根据所述每个道路类型所匹配的场景类型和所述每个道路类型对应的子图集中每个子图的量化参数生成所述每个道路类型对应的自动驾驶测试场景。
12.根据权利要求11所述的装置,其特征在于,所述处理单元还用于,
根据所述每个道路类型对应的子图集中每个子图的量化参数确定多个不同特征参数,所述多个不同特征参数用于指示所述每个子图中道路上的多个不同位置;根据所述每个道路类型所匹配的场景类型和所述每个道路类型对应的子图集中每个子图对应的多个不同特征参数生成所述每个道路类型对应的自动驾驶测试场景。
13.根据权利要求11或12所述的装置,其特征在于,所述处理单元还用于,
根据所述每个道路类型对应的自动驾驶测试场景生成场景库。
14.根据权利要求11至13中任一项所述的装置,其特征在于,所述地图为高精地图。
15.根据权利要求11至14中任一项所述的装置,其特征在于,所述道路特征包括:单车道、多车道、有无交通灯、连续弯道、高速匝道、车道合并、十字路口、丁字路口、转向专用道、障碍物中的一项或多项。
16.根据权利要求11至15中任一项所述的装置,其特征在于,所述场景类型集合包括:跟车、超车、前车切入、前车切出、车道保持、避障中的一项或多项。
17.根据权利要求11至16中任一项所述的装置,其特征在于,所述量化参数包括:道路端点坐标、道路走势曲线、车道数、车道宽、车道长、车道连接关系、交通标识坐标中的一项或多项。
18.根据权利要求11至17中任一项所述的装置,其特征在于,所述处理单元还用于,对所述地图结构进行解析,所述地图结构包括地图的组成部分与拓扑结构。
19.根据权利要求18所述的装置,其特征在于,所述地图的组成部分包括:道路、车道、交通标识、交通灯、障碍物中的一项或多项。
20.根据权利要求18所述的装置,其特征在于,所述拓扑结构包括:道路连接关系、车道连接关系中的一项或多项。
21.一种控制装置,其特征在于,包括输入输出接口、处理器和存储器,所述处理器用于控制输入输出接口收发信号或信息,所述存储器用于存储计算机程序,所述处理器用于从存储器中调用并运行所述计算机程序,使得所述控制装置执行如权利要求1至10中任一项所述的生成自动驾驶测试场景的方法。
22.一种计算机可读介质,所述计算机可读介质存储有程序代码,当所述程序代码在计算机上运行时,使得计算机执行如权利要求1至10中任一项所述的生成自动驾驶测试场景的方法。
23.一种计算设备,其特征在于,包括:至少一个处理器和存储器,所述至少一个处理器与所述存储器耦合,用于读取并执行所述存储器中的指令,以执行如权利要求1至10中任一项所述的生成自动驾驶测试场景的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551198.2A CN115391968A (zh) | 2021-05-20 | 2021-05-20 | 生成自动驾驶测试场景的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551198.2A CN115391968A (zh) | 2021-05-20 | 2021-05-20 | 生成自动驾驶测试场景的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115391968A true CN115391968A (zh) | 2022-11-25 |
Family
ID=84114530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551198.2A Pending CN115391968A (zh) | 2021-05-20 | 2021-05-20 | 生成自动驾驶测试场景的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115391968A (zh) |
-
2021
- 2021-05-20 CN CN202110551198.2A patent/CN115391968A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10403138B2 (en) | Traffic accident warning method and traffic accident warning apparatus | |
CN111582189B (zh) | 交通信号灯识别方法、装置、车载控制终端及机动车 | |
CN112753038B (zh) | 识别车辆变道趋势的方法和装置 | |
CN111311710A (zh) | 一种高精地图的制作方法和装置、电子设备、存储介质 | |
WO2022037085A1 (zh) | 车辆的仿真测试场景的构建方法和装置 | |
JP2021168174A (ja) | 車両整列情報を特定する方法及び装置、電子機器、路側機器、クラウド制御プラットフォーム、記憶媒体並びにコンピュータプログラム製品 | |
CN108665556B (zh) | 一种基于混合现实的路政指示显示方法及存储介质 | |
CN116071618B (zh) | 基于仿真数据的3d点云生成方法、装置、设备及介质 | |
CN114694370A (zh) | 展示路口车流量的方法、装置、计算设备和存储介质 | |
CN109085764B (zh) | 优化无人驾驶仿真场景创建的方法及装置 | |
CN109635701B (zh) | 车道通行属性获取方法、装置和计算机可读存储介质 | |
CN113498511A (zh) | 测试场景仿真方法、装置、计算机设备和存储介质 | |
CN112631151B (zh) | 一种仿真测试方法及装置 | |
KR102551145B1 (ko) | 주행 환경과 연관된 혼합 현실 영상 생성 방법 및 시스템 | |
CN115391968A (zh) | 生成自动驾驶测试场景的方法和装置 | |
CN115540880A (zh) | 一种导航路径匹配方法及装置、电子设备、存储介质 | |
CN115909305A (zh) | 一种车辆信息识别方法、装置、设备及存储介质 | |
CN115525943A (zh) | 基于车线拓扑关系构建三维道路模型的方法及系统 | |
CN115421122A (zh) | 目标对象检测方法、装置、电子设备和可读存储介质 | |
CN115063969A (zh) | 数据处理方法、设备、介质及路侧协同设备、系统 | |
CN109409247B (zh) | 交通标志识别方法和装置 | |
CN113295181B (zh) | 车辆的路径规划方法、装置和系统 | |
CN112684720A (zh) | 一种仿真测试的方法及装置 | |
CN115937241A (zh) | 一种背景建模方法、装置以及计算机存储介质 | |
TWI755214B (zh) | 區分物件的方法、電腦裝置及儲存介質 |
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 |