CN115782921A - 用于自动驾驶的环境感知方法、装置及电子设备 - Google Patents
用于自动驾驶的环境感知方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115782921A CN115782921A CN202211574895.0A CN202211574895A CN115782921A CN 115782921 A CN115782921 A CN 115782921A CN 202211574895 A CN202211574895 A CN 202211574895A CN 115782921 A CN115782921 A CN 115782921A
- Authority
- CN
- China
- Prior art keywords
- virtual
- driving environment
- data
- perception
- vehicle
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种用于自动驾驶的环境感知方法、装置及电子设备,涉及自动驾驶技术领域,该方法包括:获取实际的车辆行驶环境的物理感知数据;基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境;获取虚拟行驶环境中的虚拟传感器的虚拟感知数据;利用虚拟感知数据,进行车辆的自动驾驶感知测试。本实施例中,根据实际的车辆行驶环境,构建虚拟行驶环境,利用虚拟行驶环境,进行车辆的自动驾驶感知测试,虚拟行驶环境符合实际的车辆行驶环境,从而实现低成本、快速的自动驾驶感知测试。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种用于自动驾驶的环境感知方法、装置及电子设备。
背景技术
自动驾驶技术依靠人工智能、视觉计算、雷达和定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。
环境感知环节对于自动驾驶技术是极其重要的,相当于人的眼睛和耳朵,负责了解周围障碍物和道路信息。环境感知依靠机器学习算法和深度学习算法来实现,算法的训练和验证涉及大量的数据。每次环境感知算法发布或者更新之前都需要车辆进行上路测试,不仅成本太高,而且也非常耗时。
发明内容
本申请实施例提供一种用于自动驾驶的环境感知方法、装置及电子设备,以降低环境感知测试的成本,节省时间。
第一方面,本申请实施例提供了一种用于自动驾驶的环境感知方法,该方法包括:
获取实际的车辆行驶环境的物理感知数据;
基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境;
获取虚拟行驶环境中的虚拟传感器的虚拟感知数据;
利用虚拟感知数据,进行车辆的自动驾驶感知测试。
第二方面,本申请实施例提供了一种用于自动驾驶的环境感知装置,该装置包括:
第一获取模块,用于获取实际的车辆行驶环境的物理感知数据;
生成模块,用于基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境;
第二获取模块,用于获取虚拟行驶环境中的虚拟传感器的虚拟感知数据;
感知模块,用于利用虚拟感知数据,进行车辆的自动驾驶感知测试。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,处理器在执行计算机程序时实现上述任一项的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述任一项的方法。
与现有技术相比,本申请具有如下优点:
本申请提供了一种用于自动驾驶的环境感知方法、装置及电子设备,获取实际的车辆行驶环境的物理感知数据;基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境;获取虚拟行驶环境中的虚拟传感器的虚拟感知数据;利用虚拟感知数据,进行车辆的自动驾驶感知测试。本实施例中,根据实际的车辆行驶环境,构建虚拟行驶环境,利用虚拟行驶环境,进行车辆的自动驾驶感知测试,虚拟行驶环境符合实际的车辆行驶环境,从而实现低成本、快速的自动驾驶感知测试。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请的一些实施方式,而不应将其视为是对本申请范围的限制。
图1为本申请提供的用于自动驾驶的环境感知方法的一个应用场景示意图;
图2为本申请一实施例的用于自动驾驶的环境感知方法的流程图;
图3是本申请一实施例的用于自动驾驶的环境感知装置的结构框图;以及
图4为用来实现本申请实施例的电子设备的框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本申请的构思或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的,而非限制性的。
为便于理解本申请实施例的技术方案,以下对本申请实施例的相关技术进行说明。以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合,其均属于本申请实施例的保护范围。
图1为本申请提供的用于自动驾驶的环境感知方法的一个应用场景示意图。本实施例中的方法可以应用于计算设备(例如,服务器)中。本实施例中,实际的车辆行驶环境可以是物理世界中的真实的行驶环境;虚拟行驶环境可以是通过数字技术虚拟出的和真实的行驶环境相似的虚拟环境,例如,数字孪生世界中的环境。如图1所示,在实际的车辆行驶环境中,车载终端利用激光雷达和毫米波雷达等获取点云数据,利用图像采集设备采集视频数据,并将点云数据和视频数据发送至服务器,服务器在预设数据库中获取高精地图数据,利用高精地图数据、点云数据和视频数据,利用数字孪生制作工具,对高精地图数据、点云数据和视频数据进行处理,生成数字孪生世界中的车辆的虚拟行驶环境中的物理模型和瓦片信息。其中,数字孪生制作工具为根据物理世界中的三维空间的数据,生成符合物理世界中的场景的数字虚拟世界的虚拟场景的可视化处理工具,从而实现了在虚拟空间中完成物理世界的映射。其中,数字孪生包括充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期的过程。通过服务器中的孪生运行引擎对物理模型和瓦片信息进行可视化渲染,构造虚拟场景库,并在数字孪生世界中获取多个类型的虚拟传感器分别对应的配置参数,配置多个类型的虚拟传感器,包括:虚拟摄像头、虚拟毫米波雷达和虚拟激光雷达等。利用多个类型的虚拟传感器,在虚拟行驶环境中获取虚拟感知数据,将虚拟感知数据作为自动驾驶感知算法的输入数据,得到自动驾驶感知算法在虚拟行驶环境中的感知结果,将虚拟感知数据和感知结果进行比对,得到自动驾驶感知算法的测试结果,对自动驾驶感知算法进行优化处理。利用虚拟行驶环境,进行车辆的自动驾驶感知测试,虚拟行驶环境符合物理世界中的车辆行驶环境,从而实现低成本、快速的自动驾驶感知测试。
本申请实施例提供了一种用于自动驾驶的环境感知方法,本实施例中的方法可以应用计算设备中,计算设备可以包括:服务器等。如图2所示为本申请一实施例的用于自动驾驶的环境感知方法的流程图,包括:
步骤S201,获取实际的车辆行驶环境的物理感知数据。
其中,物理感知数据可以包括:高精地图数据、点云数据和视频数据中的至少一项。可选的,在实际的车辆行驶环境中,车辆在道路中行驶,车载终端利用激光雷达和毫米波雷达等获取道路中的物体的点云数据,利用图像采集设备采集视频数据,并将点云数据和视频数据发送至服务器,服务器在预设数据库中获取高精地图数据,预设数据库可以是从互联网中获取的地图数据构造的数据库,也可以是利用本地存储的地图数据构造的数据库。其中,高精地图数据可以是精度符合预设标准的地图数据。
步骤S202,基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境。
利用实际的车辆行驶环境的高精地图数据、点云数据和视频数据,使用数字孪生制作工具,创建符合物理世界车辆行驶环境的虚拟行驶环境,虚拟行驶环境中的场景和物体可以是与物理世界中的车辆行驶环境中的场景和物体相同或相似度较高。
步骤S203,获取虚拟行驶环境中的虚拟传感器的虚拟感知数据。
配置虚拟传感器,通过虚拟传感器在虚拟行驶环境中进行环境感知,可以理解为,虚拟车辆安装虚拟传感器,在虚拟行驶环境中的道路中行驶,采集虚拟环境中的场景和物体的可视化数据作为虚拟感知数据,包括:虚拟行驶环境中的地图数据、点云数据和视频数据中的至少一项。
步骤S204,利用虚拟感知数据,进行车辆的自动驾驶感知测试。
利用虚拟行驶环境中的虚拟感知数据代替实际的车辆行驶环境中的物理感知数据,输入自动驾驶感知算法,测试自动驾驶感知算法的感知准确度,从而对自动驾驶感知算法进行验证和优化。
本申请实施例提供了一种用于自动驾驶的环境感知方法,获取物实际的车辆行驶环境的物理感知数据;基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境;获取虚拟行驶环境中的虚拟传感器的虚拟感知数据;利用虚拟感知数据,进行车辆的自动驾驶感知测试。本实施例中,根据实际的车辆行驶环境,构建虚拟行驶环境,利用虚拟行驶环境,进行车辆的自动驾驶感知测试,虚拟行驶环境符合物理世界中的车辆行驶环境,从而实现低成本、快速的自动驾驶感知测试。
其中,构造虚拟行驶环境的具体实现方式见如下实施例:
在一种实现方式中,步骤S202,基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境,包括如下步骤:
步骤S2021,基于物理感知数据中的针对实际动态物体的感知数据,生成车辆行驶环境对应的虚拟行驶环境中的虚拟动态物体。
步骤S2022,基于物理感知数据中的针对实际静态场景的感知数据,生成车辆行驶环境对应的虚拟行驶环境中的静态场景。
其中,针对实际静态物体的感知数据可以包括车辆行驶道路的车道、路段、路口,道路周围的设备和设施等,其中涉及的高精地图数据、点云数据和图像数据等。针对实际动态物体的感知数据可以包括车辆行驶道路中的行人、车辆等的点云数据和视频数据等。
本实施例中,在构造实际的车辆行驶环境对应的虚拟行驶环境时,可以将实际的动态物体和静态场景分别映射到虚拟环境中,得到与真实世界近乎相同的虚拟世界。
其中,步骤S2021和步骤S2022,可以不按照时序先后执行,根据具体需要确定执行顺序。
在一种实现方式中,步骤S202,基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境,包括:
步骤S2023,基于虚拟配置数据,生成车辆行驶环境对应的虚拟行驶环境中的虚拟动态物体。
步骤S2024,基于物理感知数据中的针对实际静态场景的感知数据,生成车辆行驶环境对应的虚拟行驶环境中的静态场景。
其中,虚拟配置数据可以包括用于配置虚拟行驶环境中的动态物体的数据,可以根据具体需要配置虚拟行驶环境中动态物体的种类、数量和尺寸等。在构造虚拟行驶环境时,可以基于物理世界中的静态场景的感知数据,生成虚拟行驶环境中的静态场景,即将物理世界中的静态场景映射为虚拟行驶环境中的静态场景,然后根据具体需要配置虚拟行驶环境中的动态物体,从而得到满足不同需求的虚拟行驶环境。
在一示例中,对于物理世界中的同一路段的不同时段,其中的车辆的数量和人流量不同,可以将该路段的道路、设备和设施等映射到虚拟行驶环境中,再针对不同时段,配置虚拟行驶环境中的动态物体,工作日早晚高峰期配置数量较多的车辆和人流,其他时间配置数量较少的车辆和人流,从而得到多个虚拟行驶环境,构建虚拟场景库,满足环境感知测试的不同需求。
其中,步骤S2023和步骤S2024,可以不按照时序先后执行,根据具体需要确定执行顺序。
在一种实现方式中,步骤S203,获取虚拟行驶环境中的虚拟传感器的虚拟感知数据,包括:
步骤S2031,根据多个类型的虚拟传感器分别对应的配置参数,配置多个类型的虚拟传感器。
步骤S2032,利用配置完成的多个类型的虚拟传感器,在虚拟行驶环境中获取虚拟感知数据。
其中,根据需求的不同,虚拟传感器可以包括多个类型,例如,虚拟摄像头、虚拟激光雷达和虚拟毫米波雷达等。
其中,虚拟摄像头的配置参数可以包括但不限于以下至少一项:在虚拟行驶环境中的位置、视场角(Field of View,FOV)、焦距和分辨率。
虚拟摄激光雷达的配置参数可以包括但不限于以下至少一项:在虚拟行驶环境中的位置、线束、发射频率和测距精度。
虚拟毫米波雷达的配置参数可以包括但不限于以下至少一项:在虚拟行驶环境中的位置、线束、发射频率、探测距离和探测精度。
在虚拟行驶环境中,将多个类型的虚拟传感器安装在虚拟车辆中,虚拟车辆在虚拟行驶环境中的道路中行驶,获取道路中的设备、设施、车辆和人流等的感知数据作为虚拟感知数据。
在一种实现方式中,步骤S202,基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境,包括:
步骤S2025,基于物理感知数据,确定车辆行驶环境对应的物理模型和瓦片信息。瓦片信息用于对物理模型进行渲染。
步骤S2026,根据物理模型和瓦片信息,进行可视化渲染处理,得到车辆行驶环境对应的虚拟行驶环境。
在实际应用中,通过数字孪生制作工具对获取到的高精地图数据、点云数据和视频数据等进行处理,得到物理模型和瓦片信息,并利用渲染引擎进行可视化渲染,可到虚拟行驶环境。其中,物理模型是指对物理世界中的实际的物体进行仿真得到的可以体现物体空间结构的模型。瓦片信息包括以下至少一项:用于渲染的元数据、对渲染内容的引用体以及子瓦片的数组。瓦片信息用于对虚拟行驶环境中的物理模型进行渲染,呈现不同质感的视觉效果。例如,瓦片信息包括三维瓦片,三维瓦片是针对三维地理空间数据,如摄影测量、三维建筑、实例化要素、点云等进行流处理和渲染的数据格式。
在一种实现方式中,步骤S204,利用虚拟感知数据,进行车辆的自动驾驶感知测试,包括:
步骤S2041,确定自动驾驶感知算法在虚拟行驶环境中的感知结果。
步骤S2042,将虚拟感知数据和感知结果进行比对,得到自动驾驶感知算法的测试结果。
在实际应用中,可以利用多个类型的虚拟传感器,在虚拟行驶环境中获取虚拟感知数据,将虚拟感知数据作为自动驾驶感知算法的输入数据,利用虚拟行驶环境中的虚拟感知数据代替实际的车辆行驶环境中的物理感知数据,得到自动驾驶感知算法在虚拟行驶环境中的感知结果,将虚拟感知数据和感知结果进行比对,得到自动驾驶感知算法的测试结果,可以测试自动驾驶感知算法的感知准确度,进而对自动驾驶感知算法进行优化处理。其中,自动驾驶感知算法可以包括多种不同的算法,根据传感器类型不同可以采用不同的感知算法。自动驾驶感知算法可以感知行驶环境中的障碍物的位置、大小、类别、朝向、轨迹和速度等。
在一种实现方式中,步骤S201,获取实际的车辆行驶环境的物理感知数据,包括:
获取车辆行驶环境对应的地图数据、点云数据和视频数据中的至少一项,作为物理感知数据。
在实际的车辆行驶环境中,车辆在道路中行驶,车载终端利用激光雷达和毫米波雷达等获取道路中的物体的点云数据,利用图像采集设备采集视频数据,并将点云数据和视频数据发送至服务器,服务器在预设数据库中获取高精地图数据,预设数据库可以是从互联网中获取的地图数据构造的数据库,也可以是利用本地存储的地图数据构造的数据库。其中,高精地图数据可以是精度符合预设标准的地图数据。
本实施例中,获取多个维度的物理感知数据,使得到虚拟行驶环境与物理世界的相似度更高,可以提高自动驾驶感知测试的准确性。
与本申请实施例提供的方法的应用场景以及方法相对应地,本申请实施例还提供一种用于自动驾驶的环境感知装置。如图3所示为本申请一实施例的用于自动驾驶的环境感知装置的结构框图,该装置包括:
第一获取模块301,用于获取实际的车辆行驶环境的物理感知数据。
生成模块302,用于基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境。
第二获取模块303,用于获取虚拟行驶环境中的虚拟传感器的虚拟感知数据。
感知模块304,用于利用虚拟感知数据,进行车辆的自动驾驶感知测试。
本申请实施例提供了一种用于自动驾驶的环境感知装置,获取实际的车辆行驶环境的物理感知数据;基于物理感知数据,生成车辆行驶环境对应的虚拟行驶环境;获取虚拟行驶环境中的虚拟传感器的虚拟感知数据;利用虚拟感知数据,进行车辆的自动驾驶感知测试。本实施例中,根据实际的车辆行驶环境,构建虚拟行驶环境,利用虚拟行驶环境,进行车辆的自动驾驶感知测试,虚拟行驶环境符合实际的车辆行驶环境,从而实现低成本、快速的自动驾驶感知测试。
在一种实现方式中,生成模块302,用于:
基于物理感知数据中的针对实际动态物体的感知数据,生成车辆行驶环境对应的虚拟行驶环境中的虚拟动态物体;
基于物理感知数据中的针对实际静态场景的感知数据,生成车辆行驶环境对应的虚拟行驶环境中的静态场景。
在一种实现方式中,生成模块302,用于:
基于虚拟配置数据,生成车辆行驶环境对应的虚拟行驶环境中的虚拟动态物体;
基于物理感知数据中的针对实际静态场景的感知数据,生成车辆行驶环境对应的虚拟行驶环境中的静态场景。
在一种实现方式中,第一获取模块301,用于:
根据多个类型的虚拟传感器分别对应的配置参数,配置多个类型的虚拟传感器;
利用配置完成的多个类型的虚拟传感器,在虚拟行驶环境中获取虚拟感知数据。
在一种实现方式中,生成模块302,用于:
基于物理感知数据,确定车辆行驶环境对应的物理模型和瓦片信息;瓦片信息用于对物理模型进行渲染;
根据物理模型和瓦片信息,进行可视化渲染处理,得到车辆行驶环境对应的虚拟行驶环境。
在一种实现方式中,感知模块304,用于:
确定自动驾驶感知算法在虚拟行驶环境中的感知结果;
将虚拟感知数据和感知结果进行比对,得到自动驾驶感知算法的测试结果。
在一种实现方式中,第一获取模块301,用于:
获取车辆行驶环境对应的地图数据、点云数据和视频数据中的至少一项,作为物理感知数据。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,并具备相应的有益效果,在此不再赘述。
图4为用来实现本申请实施例的电子设备的框图。如图4所示,该电子设备包括:存储器410和处理器420,存储器410内存储有可在处理器420上运行的计算机程序。处理器420执行该计算机程序时实现上述实施例中的方法。存储器410和处理器420的数量可以为一个或多个。
该电子设备还包括:
通信接口430,用于与外界设备进行通信,进行数据交互传输。
如果存储器410、处理器420和通信接口430独立实现,则存储器410、处理器420和通信接口430可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。该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4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。
可选的,在具体实现上,如果存储器410、处理器420及通信接口430集成在一块芯片上,则存储器410、处理器420及通信接口430可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片,该芯片包括处理器,用于从存储器中调用并运行存储器中存储的指令,使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片,包括:输入接口、输出接口、处理器和存储器,输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连,处理器用于执行存储器中的代码,当代码被执行时,处理器用于执行申请实施例提供的方法。
应理解的是,上述处理器可以是中央处理器(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是,处理器可以是支持进阶精简指令集机器(Advanced RISC Machines,ARM)架构的处理器。
进一步地,可选的,上述存储器可以包括只读存储器和随机访问存储器。该存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以包括随机访问存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM均可用。例如,静态随机访问存储器(Static RAM,SRAM)、动态随机访问存储器(Dynamic Random Access Memory,DRAM)、同步动态随机访问存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机访问存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机访问存储器(Enhanced SDRAM,ESDRAM)、同步链接动态随机访问存储器(Sync link DRAM,SLDRAM)和直接内存总线随机访问存储器(DirectRambus RAM,DR RAM)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生依照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中描述的或在此以其他方式描述的任何过程或方法可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能。
在流程图中描述的或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
应理解的是,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本申请的示例性实施方式,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记载的技术范围内,可轻易想到其各种变化或替换,这些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权利要求的保护范围为准。
Claims (10)
1.一种用于自动驾驶的环境感知方法,其特征在于,所述方法包括:
获取实际的车辆行驶环境的物理感知数据;
基于所述物理感知数据,生成所述车辆行驶环境对应的虚拟行驶环境;
获取所述虚拟行驶环境中的虚拟传感器的虚拟感知数据;
利用所述虚拟感知数据,进行车辆的自动驾驶感知测试。
2.根据权利要求1所述的方法,其特征在于,所述基于所述物理感知数据,生成所述车辆行驶环境对应的虚拟行驶环境,包括:
基于所述物理感知数据中的针对实际动态物体的感知数据,生成所述车辆行驶环境对应的所述虚拟行驶环境中的虚拟动态物体;
基于所述物理感知数据中的针对实际静态场景的感知数据,生成所述车辆行驶环境对应的所述虚拟行驶环境中的静态场景。
3.根据权利要求1所述的方法,其特征在于,所述基于所述物理感知数据,生成所述车辆行驶环境对应的虚拟行驶环境,包括:
基于虚拟配置数据,生成所述车辆行驶环境对应的所述虚拟行驶环境中的虚拟动态物体;
基于所述物理感知数据中的针对实际静态场景的感知数据,生成所述车辆行驶环境对应的所述虚拟行驶环境中的静态场景。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述获取所述虚拟行驶环境中的虚拟传感器的虚拟感知数据,包括:
根据多个类型的虚拟传感器分别对应的配置参数,配置多个类型的虚拟传感器;
利用配置完成的所述多个类型的虚拟传感器,在所述虚拟行驶环境中获取虚拟感知数据。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述基于所述物理感知数据,生成所述车辆行驶环境对应的虚拟行驶环境,包括:
基于所述物理感知数据,确定所述车辆行驶环境对应的物理模型和瓦片信息;所述瓦片信息用于对所述物理模型进行渲染;
根据所述物理模型和所述瓦片信息,进行可视化渲染处理,得到所述车辆行驶环境对应的虚拟行驶环境。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述利用所述虚拟感知数据,进行车辆的自动驾驶感知测试,包括:
确定自动驾驶感知算法在所述虚拟行驶环境中的感知结果;
将所述虚拟感知数据和所述感知结果进行比对,得到所述自动驾驶感知算法的测试结果。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述获取实际的车辆行驶环境的物理感知数据,包括:
获取所述车辆行驶环境对应的地图数据、点云数据和视频数据中的至少一项,作为所述物理感知数据。
8.一种用于自动驾驶的环境感知装置,其特征在于,所述装置包括:
第一获取模块,用于获取实际的车辆行驶环境的物理感知数据;
生成模块,用于基于所述物理感知数据,生成所述车辆行驶环境对应的虚拟行驶环境;
第二获取模块,用于获取所述虚拟行驶环境中的虚拟传感器的虚拟感知数据;
感知模块,用于利用所述虚拟感知数据,进行车辆的自动驾驶感知测试。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器在执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211574895.0A CN115782921A (zh) | 2022-12-08 | 2022-12-08 | 用于自动驾驶的环境感知方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211574895.0A CN115782921A (zh) | 2022-12-08 | 2022-12-08 | 用于自动驾驶的环境感知方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115782921A true CN115782921A (zh) | 2023-03-14 |
Family
ID=85418066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211574895.0A Pending CN115782921A (zh) | 2022-12-08 | 2022-12-08 | 用于自动驾驶的环境感知方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115782921A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117104161A (zh) * | 2023-09-19 | 2023-11-24 | 深圳达普信科技有限公司 | 基于车辆传感器的智能座舱环境感知及控制方法及系统 |
-
2022
- 2022-12-08 CN CN202211574895.0A patent/CN115782921A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117104161A (zh) * | 2023-09-19 | 2023-11-24 | 深圳达普信科技有限公司 | 基于车辆传感器的智能座舱环境感知及控制方法及系统 |
CN117104161B (zh) * | 2023-09-19 | 2024-04-16 | 深圳达普信科技有限公司 | 基于车辆传感器的智能座舱环境感知及控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200183011A1 (en) | Method for creating occupancy grid map and processing apparatus | |
US11783590B2 (en) | Method, apparatus, device and medium for classifying driving scenario data | |
US10832478B2 (en) | Method and system for virtual sensor data generation with depth ground truth annotation | |
US20190278698A1 (en) | Autonomous Vehicle Simulation And Testing | |
US20180211120A1 (en) | Training An Automatic Traffic Light Detection Model Using Simulated Images | |
CN111123920A (zh) | 一种自动驾驶仿真测试场景生成方法和装置 | |
CN108268481B (zh) | 云端地图更新方法及电子设备 | |
CN112307978B (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN109685898B (zh) | 点云数据的分层方法、装置、计算机设备和存储介质 | |
KR102139172B1 (ko) | 가상환경에서의 자율주행차량 시뮬레이션 방법 | |
CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
CN112861833B (zh) | 车辆车道级定位方法、装置、电子设备和计算机可读介质 | |
CN111923919B (zh) | 车辆控制方法、装置、计算机设备和存储介质 | |
CN115782921A (zh) | 用于自动驾驶的环境感知方法、装置及电子设备 | |
WO2021146906A1 (zh) | 测试场景仿真方法、装置、计算机设备和存储介质 | |
CN116665170A (zh) | 目标检测模型的训练及目标检测方法、装置、设备和介质 | |
CN111143424A (zh) | 特征场景数据挖掘方法、装置和终端 | |
US20230154127A1 (en) | 2-d image reconstruction in a 3-d simulation | |
CN115357500A (zh) | 自动驾驶系统的测试方法、装置、设备和介质 | |
CN115240168A (zh) | 感知结果获取方法、装置、计算机设备、存储介质 | |
CN114943940A (zh) | 一种隧道内车辆可视化监测的方法、设备及存储介质 | |
CN114882183A (zh) | 车道线标注方法、装置、计算机设备及存储介质 | |
CN113836701A (zh) | 一种仿真场景构建方法、装置、计算机设备和存储介质 | |
KR20220095964A (ko) | 정밀지도 기반 학습 데이터 생성 장치 및 방법 | |
CN114114953B (zh) | 仿真场景的创建方法、装置、计算机设备及介质 |
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 |