CN117601903B - 车辆行驶场景的生成方法、装置和存储介质及电子设备 - Google Patents
车辆行驶场景的生成方法、装置和存储介质及电子设备 Download PDFInfo
- Publication number
- CN117601903B CN117601903B CN202410081774.5A CN202410081774A CN117601903B CN 117601903 B CN117601903 B CN 117601903B CN 202410081774 A CN202410081774 A CN 202410081774A CN 117601903 B CN117601903 B CN 117601903B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- description
- target vehicle
- driving
- lane
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012360 testing method Methods 0.000 claims description 51
- 230000033001 locomotion Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008447 perception Effects 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 16
- 238000005457 optimization Methods 0.000 description 15
- 230000003068 static effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 239000012634 fragment Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆行驶场景的生成方法、装置和存储介质及电子设备。其中,该方法包括:根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义;获取与参考行驶语义关联的描述标签集合,并根据第一行驶轨迹和第二行驶轨迹确定出与描述标签集合匹配的第一描述参数集合;根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合;从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据第二描述参数集合生成目标车辆行驶场景。本申请解决了相关技术泛化生成的车辆行驶场景不准确的技术问题。
Description
技术领域
本申请涉及智能驾驶领域,具体而言,涉及一种车辆行驶场景的生成方法、装置和存储介质及电子设备。
背景技术
场景泛化已经成为车载智能技术领域的一个热门研究方向。通过场景泛化可以提高自动驾驶系统在不同车辆行驶场景中的适应能力,使自动驾驶系统能够在不同的车辆行驶道路和交通情况下根据不同的行驶场景,做出合理可靠的驾驶行为,有助于提高自动驾驶车辆的安全性和可靠性;可以帮助自动驾驶系统更好地理解和应对各种复杂的交通情况,包括不同类型的道路、天气条件、交通标志和行人行为等,有助于提高自动驾驶系统在现实世界中的应用和可靠性;还可以帮助自动驾驶系统更好地应对突发事件和意外情况,从而减少交通事故的发生率,让自动驾驶车辆更好地适应各种不确定性和变化,提高其应对突发情况的能力。
而在场景测试过程中,多数场景仅作为单一场景;即使场景进行泛化,也大多数基于当前轨迹进行一些修改,其本身可能会导致车辆之间的运动发生一些不符合实际逻辑的变化,导致不能反应实际的算法性能,也就是存在泛化生成的车辆行驶场景不准确的技术问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种车辆行驶场景的生成方法、装置和存储介质及电子设备,以至少解决相技术泛化的车辆行驶场景不准确的技术问题。
根据本申请实施例的一个方面,提供了一种车辆行驶场景的生成方法,包括:根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定上述第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,其中,上述目标车辆为与上述当前车辆在同一道路环境中行驶的车辆对象,上述参考行驶语义用于指示上述目标车辆的上述参考行驶轨迹所指示的行驶意图;获取与上述参考行驶语义关联的描述标签集合,并根据上述第一行驶轨迹和上述第二行驶轨迹确定出与上述描述标签集合匹配的第一描述参数集合,其中,上述描述标签集合中包括多个状态描述标签,上述状态描述标签指示上述参考行驶轨迹中的上述目标车辆的运动状态,上述第一描述参数集合中包括与多个上述状态描述标签分别对应的第一状态参数值;根据上述第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,其中,上述参数区间集合中包括与多个上述状态描述标签分别对应的状态参数区间,多个上述状态描述标签中的参考状态描述标签所对应的上述状态参数区间中,包括与参考状态描述标签对应的上述第一状态参数值;从多个上述状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据上述第二描述参数集合生成目标车辆行驶场景,其中,上述第二描述参数集合用于指示上述在目标车辆行驶场景中上述目标车辆的目标行驶轨迹。
根据本申请实施例的另一方面,还提供了一种车辆行驶场景的生成装置,包括:第一确定单元,用于根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定上述第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,其中,上述目标车辆为与上述当前车辆在同一道路环境中行驶的车辆对象,上述参考行驶语义用于指示上述目标车辆的上述参考行驶轨迹所指示的行驶意图;第一获取单元,用于获取与上述参考行驶语义关联的描述标签集合,并根据上述第一行驶轨迹和上述第二行驶轨迹确定出与上述描述标签集合匹配的第一描述参数集合,其中,上述描述标签集合中包括多个状态描述标签,上述状态描述标签指示上述参考行驶轨迹中的上述目标车辆的运动状态,上述第一描述参数集合中包括与多个上述状态描述标签分别对应的第一状态参数值;第二获取单元,用于根据上述第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,其中,上述参数区间集合中包括与多个上述状态描述标签分别对应的状态参数区间,多个上述状态描述标签中的参考状态描述标签所对应的上述状态参数区间中,包括与参考状态描述标签对应的上述第一状态参数值;第二确定单元,用于从多个上述状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据上述第二描述参数集合生成目标车辆行驶场景,其中,上述第二描述参数集合用于指示上述在目标车辆行驶场景中上述目标车辆的目标行驶轨迹。
作为一种可选的方案,上述车辆行驶场景的生成装置,还包括:第三获取单元,用于获取上述当前车辆的第一车道信息和上述目标车辆的第二车道信息;根据上述第一车道信息和上述第二车道信息确定车道位置关系;根据上述车道位置关系和上述相对位置关系确定上述第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义。
作为一种可选的方案,上述第三获取单元,包括:在第一时刻上述目标车辆位于第一车道的前方,且在第二时刻上述目标车辆位于上述第二车道的侧前方的情况下,确定上述参考行驶语义为切出行驶,其中,上述第一车道为上述当前车辆所处的车道;在第一时刻上述目标车辆位于上述第二车道的侧前方,且在第二时刻上述目标车辆位于上述第一车道的侧前方的情况下,确定上述参考行驶语义为切入行驶;在第一时刻上述目标车辆位于上述第二车道的侧方,且在第二时刻上述目标车辆位于上述第一车道的前方的情况下,确定上述参考行驶语义为超车行驶;在第一时刻上述目标车辆位于上述第一车道的前方,且在第二时刻上述目标车辆位于上述第一车道的前方的情况下,确定上述参考行驶语义为跟车行驶。
作为一种可选的方案,上述第三确定单元,包括:第三确定模块,用于在多个行驶语义分别关联一个上述描述标签集合的情况下,从多个上述描述标签集合中获取与上述参考行驶语义关联的上述描述标签集合;根据上述第一行驶轨迹和上述第二行驶轨迹所指示的轨迹参数集合,确定出与上述描述标签集合匹配的上述第一描述参数集合。
作为一种可选的方案,上述第一确定单元包括:第四确定模块,用于获取上述车辆行驶场景所对应的道路场景标签,其中,上述道路场景标签用于指示上述车辆行驶场景中的道路环境特征;获取与上述道路场景标签匹配的泛化区间集合,其中,上述泛化区间集合中包括与多个上述状态描述标签分别对应的参数泛化区间;根据上述泛化区间集合和上述第一描述参数集合生成上述参数区间集合。
作为一种可选的方案,上述第一确定单元,还用于:根据上述第二描述参数集合确定上述目标车辆的目标行驶轨迹;在根据参考行驶信息对上述目标行驶轨迹进行校验的校验结果指示上述目标行驶轨迹的可靠度小于等于目标阈值的情况下,从多个上述状态参数区间中分别获取一个第三状态参数值,得到第三描述参数集合;利用上述第三描述参数集合更新上述第二描述参数集合。
作为一种可选的方案,上述装置还包括:第四确定单元,用于根据上述第二描述参数集合确定上述目标车辆的目标行驶轨迹;根据上述道路场景标签确定上述目标车辆行驶场景中的上述道路环境特征;根据获取的第一车辆类型标签确定上述目标车辆的物理模型,并根据第二车辆类型标签确定待测车辆的物理模型;根据上述目标行驶轨迹,上述道路环境特征和上述目标车辆的上述物理模型,生成上述目标车辆行驶场景。
作为一种可选的方案,上述第四确定单元还用于:根据上述目标车辆行驶场景,对待测车辆的传感器感知模型进行测试;根据上述目标车辆行驶场景,对待测车辆的行驶意图生成模型进行测试;根据上述目标车辆行驶场景,对待测车辆的制动控制模型进行测试。
根据本申请实施例的又一个方面,提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如以上车辆行驶场景的生成方法。
根据本申请实施例的又一方面,还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并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的车辆行驶场景的生成方法。
在本申请的上述实施例中,根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,其中,目标车辆为与当前车辆在同一道路环境中行驶的车辆对象,参考行驶语义用于指示目标车辆的参考行驶轨迹所指示的行驶意图;获取与参考行驶语义关联的描述标签集合,并根据第一行驶轨迹和第二行驶轨迹确定出与描述标签集合匹配的第一描述参数集合,其中,描述标签集合中包括多个状态描述标签,状态描述标签指示参考行驶轨迹中的目标车辆的运动状态,第一描述参数集合中包括与多个状态描述标签分别对应的第一状态参数值;根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,其中,参数区间集合中包括与多个状态描述标签分别对应的状态参数区间,多个状态描述标签中的参考状态描述标签所对应的状态参数区间中,包括与参考状态描述标签对应的第一状态参数值;从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据第二描述参数集合生成目标车辆行驶场景,其中,第二描述参数集合用于指示在目标车辆行驶场景中目标车辆的目标行驶轨迹。
通过本申请的上述实施方式,基于当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,从而确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,以获取与参考行驶语义关联的描述标签集合,进而确定出与描述标签集合匹配的第一描述参数集合,进一步根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,实现了准确、科学地对车辆行驶场景进行泛化的技术效果,从而解决了现有方式生成的车辆行驶场景的场景单一、不符合物理逻辑,进而导致泛化生成的车辆行驶场景不准确的技术问题。
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是根据本申请实施例的一种可选的车辆行驶场景的生成方法的应用环境的示意图;
图2是根据本申请实施例的一种可选的车辆行驶场景的生成方法的流程的示意图;
图3是根据本申请实施例的一种可选的确定参考行驶语义方法的示意图;
图4是根据本申请实施例的另一种可选的确定参考行驶语义方法的示意图;
图5是根据本申请实施例的又一种可选的确定参考行驶语义方法的示意图;
图6是根据本申请实施例的又一种可选的确定参考行驶语义方法的示意图;
图7是根据本申请实施例的一种可选的车辆行驶场景的生成方法的流程图;
图8是根据本申请实施例的另一种可选的车辆行驶场景的生成方法的流程图;
图9是根据本申请实施例的一种可选的车辆行驶场景的生成装置的示意图;
图10是根据本申请实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种车辆行驶场景的生成方法,可选地,上述车辆行驶场景的生成方法可以但不限于应用于如图1所示的硬件环境中。可选地,本申请提供的上述车辆行驶场景的生成方法可以应用于一种车辆终端中。图1示出了车辆终端101的侧视图,车辆终端101可以在行进表面113上行驶。车辆终端101包括存储有机载导航系统103、数字化道路地图104的存储器102、空间监测系统117、交通工具控制器109、GPS(全球定位系统)传感器110、HMI(人/机交互界面)装置111,还包括自主控制器112和远程信息处理控制器114。
在一个实施例中,空间监测系统117包括一个或多个空间传感器和系统,空间传感器和系统用于监测车辆终端101前方的可视区域105,空间监测系统117中还包括空间监测控制器118;用于监测可视区域105的空间传感器包括激光雷达传感器106、雷达传感器107、摄像头108等。空间监测控制器118可以用于基于来自空间传感器的数据输入生成与可视区域105相关的数据。空间监测控制器118可以根据来自空间传感器的输入,确定车辆终端101的线性范围、相对速度和轨迹,例如,确定自车的当前速度以及相较于前车的相对速度。车辆终端空间监测系统117的空间传感器可包括对象定位感测装置,对象定位感测装置可以包括范围传感器,范围传感器可以用于定位前方对象例如前车对象。
摄像头108有利地被安装和定位在车辆终端101上处于允许捕获可视区域105的图像的位置中,其中,可视区域105的至少部分包括在车辆终端101前方并且包括车辆终端101的轨迹的行进表面113的部分。可视区域105还可包括周围环境。还可采用其它摄像头,例如,包括被设置在车辆终端101的后部分或侧部分上的第二摄像头,以监测车辆终端101的后方以及车辆终端101的右侧或左侧中的一个。
自主控制器112被配置成实施自主驾驶或高级驾驶员辅助系统(ADAS)车辆终端功能性。此类功能性可包括能够提供一定驾驶自动化水平的车辆终端机载控制系统。驾驶自动化可包括一系列动态驾驶和车辆终端操作。驾驶自动化可包括涉及单个车辆终端功能(例如,转向、加速和/或制动)的某种水平的自动控制或干预。例如,上述自主控制器可以用于通过执行如下步骤生成车辆终端的车辆行驶场景:
S102,根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定上述第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,其中,上述目标车辆为与上述当前车辆在同一道路环境中行驶的车辆对象,上述参考行驶语义用于指示上述目标车辆的上述参考行驶轨迹所指示的行驶意图;
S104,获取与上述参考行驶语义关联的描述标签集合,并根据上述第一行驶轨迹和上述第二行驶轨迹确定出与上述描述标签集合匹配的第一描述参数集合,其中,上述描述标签集合中包括多个状态描述标签,上述状态描述标签指示上述参考行驶轨迹中的上述目标车辆的运动状态,上述第一描述参数集合中包括与多个上述状态描述标签分别对应的第一状态参数值;
S106,根据上述第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,其中,上述参数区间集合中包括与多个上述状态描述标签分别对应的状态参数区间,多个上述状态描述标签中的参考状态描述标签所对应的上述状态参数区间中,包括与参考状态描述标签对应的上述第一状态参数值;
S108,从多个上述状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据上述第二描述参数集合生成目标车辆行驶场景,其中,上述第二描述参数集合用于指示上述在目标车辆行驶场景中上述目标车辆的目标行驶轨迹。
HMI装置111提供人机交互,用于指导信息娱乐系统、GPS(全球定位系统)传感器110、机载导航系统103和类似的操作的目的,并且包括控制器。HMI装置111监测操作者请求,并且向操作者提供车辆终端系统的状态、服务和维护信息。HMI装置111与多个操作者界面装置通信,和/或控制多个操作者界面装置的操作。HMI装置111还可与一个或多个装置通信,所述一个或多个装置监测与车辆终端操作者相关联的生物特征数据。为了描述的简单性,HMI装置111被描绘为单一装置,但是在本文描述的系统的实施例中,可被配置为多个控制器和相关联的感测装置。
操作者控制件可被包括在车辆终端101的乘客舱中,并且通过非限制性示例的方式可包括方向盘、加速器踏板、制动踏板和操作者输入装置,所述操作者输入装置是HMI装置111的元件。操作者控制件使得车辆终端操作者能够与运行的车辆终端101交互,并且指导车辆终端101的操作,以提供乘客运输。
机载导航系统103采用数字化道路地图104,用于向车辆终端操作者提供导航支持和信息的目的。自主控制器112采用数字化道路地图104,用于控制自主车辆终端操作或ADAS车辆终端功能的目的。
车辆终端101可包括远程信息处理控制器114,远程信息处理控制器114包括能够进行车辆终端外通信(包括与具有无线和有线通信能力的通信网络115通信)的无线远程信息处理通信系统。无线远程信息处理通信系统中包括非机载服务器116,能够与移动终端短程无线通信。
通过本申请的上述实施方式,基于当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,从而确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,以获取与参考行驶语义关联的描述标签集合,进而确定出与描述标签集合匹配的第一描述参数集合,进一步根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,实现准确、科学地对道路场景进行泛化的技术效果,从而解决了现有方式生成的车辆行驶场景的场景单一、不符合物理逻辑,进而导致泛化生成的车辆行驶场景不准确的技术问题。
作为一种可选的实施方式,如图2所示,车辆行驶场景的生成方法可以由电子设备执行,如图1所示的车辆终端中包括的电子设备,具体步骤包括:
S202,根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,其中,目标车辆为与当前车辆在同一道路环境中行驶的车辆对象,参考行驶语义用于指示目标车辆的参考行驶轨迹所指示的行驶意图;
S204,获取与参考行驶语义关联的描述标签集合,并根据第一行驶轨迹和第二行驶轨迹确定出与描述标签集合匹配的第一描述参数集合,其中,描述标签集合中包括多个状态描述标签,状态描述标签指示参考行驶轨迹中的目标车辆的运动状态,第一描述参数集合中包括与多个状态描述标签分别对应的第一状态参数值;
S206,根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,其中,参数区间集合中包括与多个状态描述标签分别对应的状态参数区间,多个状态描述标签中的参考状态描述标签所对应的状态参数区间中,包括与参考状态描述标签对应的第一状态参数值;
S208,从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据第二描述参数集合生成目标车辆行驶场景,其中,第二描述参数集合用于指示在目标车辆行驶场景中目标车辆的目标行驶轨迹。
在上述实施方式中的S202中,上述相对位置关系包括二维平面中前后位置关系、左右位置关系以及各种能够对当前车辆产生影响的位置关系等,作为一种可选的实施方式,上述根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,包括:当前车辆和目标车辆的相对速度、当前车辆和目标车辆的相对距离、当前车辆和目标车辆的相对方向等。可选地,上述相对速度、相对距离、相对方向可以是通过车辆终端上包括的各种传感器获取得到的。
进一步地,确定目标车辆第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,需要说明的是,上述确定参考行驶轨迹可以是将人工挑选标注出的轨迹作为参考行驶轨迹,也可以是通过经验模型选择的数据信息质量高的轨迹作为参考行驶轨迹,在此不作限制。确定上述参考行驶语义可以通过数据采集模块对目标车辆的行驶过程进行数据采集得到的第二行驶轨迹包括但不限于车辆的位置移动、车辆的行驶速度、车辆的移动方向等轨迹信息,然后对采集的车辆轨迹信息的数据进行预处理,包括但不限于数据清洗、去噪等操作,提高轨迹信息的质量;基于上述轨迹信息对车辆的行为进行分析,包括但不限于为车辆的加速、减速、刹车、变道等行为;进而从车辆行为中分析提取语义信息,如车辆的行驶方向、车辆的交通状态等。
在上述步骤S204中,可以通过机器学习算法获取与车辆行驶轨迹信息得到的参考行驶语义关联的描述标签集合,进而根据第一行驶轨迹和第二行驶轨迹确定出与描述标签集合匹配的第一描述参数集合,例如当前车辆的行驶轨迹为正常直线行驶,目标车辆的参考行驶轨迹为加速向左行驶再向右行驶切入当前车辆的正前方,因此可以判断目标车辆的参考行驶语义为cut-in行为,进而获取与所述参考行驶语义关联的描述标签“车辆切入”,重复上述步骤得到描述标签集合,需要说明的是,上述描述标签可以根据实际情况人工预设、也可以根据模型算法自动生成对应语义的描述标签。并且,上述第一描述参数集合中还包括与多个状态描述标签分别对应的第一状态参数值,例如车辆速度、方向、行驶状态为停止、加速、减速等。
在上述步骤S206中,进一步根据第一描述参数集合获取待生成的车辆行驶场景对应的参数区间集合,需要说明的是上述第一描述参数集合中包括了状态参数值,因而可以对参数值进行修改得到不同的行驶场景,上述确定参数区间集合可以考虑车辆类型、路况、速度、驾驶行为、天气条件等因素,因为不同类型的车辆在行驶场景中可能会有不同的参数,例如小轿车、卡车、巴士等,路面的平整程度、坡度、弯道等因素会影响车辆行驶的参数,不同的天气条件,如雨天、雪天、晴天等也会对车辆行驶参数产生影响。
需要说明的是,上述参数区间可以是根据真实的历史测量数据进行确定,即每次获取到测量数据后都对参数区间进行更新,得到科学的参数区间集合,也可以根据机器学习算法推断参数区间范围;上述参数区间集合中包括与多个上述状态描述标签分别对应的状态参数区间,多个状态描述标签中的参考状态描述标签所对应的状态参数区间中,包括与参考状态描述标签对应的第一状态参数值。
在上述步骤S208中,从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,用于指示目标车辆在行驶场景中的目标行驶轨迹,例如获取天气状态参数中的“雨天”,速度状态参数中的“50Km/h”,以及道路状态参数中的“路面湿滑”、方向状态参数中的“右转”,生成上述第二描述参数集合对应的目标车辆行驶场景。
通过本申请的上述实施方式,通过当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,从而确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,以获取与参考行驶语义关联的描述标签集合,进而确定出与描述标签集合匹配的第一描述参数集合,进一步根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,实现准确、科学地对道路场景进行泛化的技术效果,从而解决了现有方式生成的车辆行驶场景的场景单一、不符合物理逻辑,进而导致泛化生成的车辆行驶场景不准确的技术问题。
在一种可选的实施方式中,根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义包括:
S1,获取当前车辆的第一车道信息和目标车辆的第二车道信息;
S2,根据第一车道信息和第二车道信息确定车道位置关系;
S3,根据车道位置关系和相对位置关系确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义。
可以理解的是,上述车道信息可以包括但不限于为车道的数量、车道的宽度、车道的限速、车道的类型(公交车道、专用车道、快车道、虚实线、etc专用车道等)、车道的使用规则(禁止超车、禁止变道等),在本申请的上述实施方式中,获取当前车辆和目标车辆的车道信息可以通过传感器、摄像头获取车辆周围的环境信息后对车机的数据进行分析、处理,识别道路标线、交通信号灯、其他车辆信息等得到。
进一步地,根据获取到的第一车道信息和第二车道信息确定出车道位置关系,上述车道位置关系包括但不限于:左侧车道和右侧车道、内侧车道和外侧车道、快车道和慢车道、车辆行驶方向车道和停车车道、共享车道和专用车道等。
在一种可选的实施方式中,基于上述步骤根据上述车道位置关系和相对位置关系可以确定出目标车辆第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义。
通过本申请的上述实施方式,可以进一步根据当前车辆的第一车道信息和目标车辆的第二车道信息确定车道位置关系,进而根据车道位置关系和相对位置关系确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,从而使得到的语义信息更准确,进而获得更准确的参数信息,准确地实现场景的泛化。
在一种可选的实施方式中,根据车道位置关系和相对位置关系确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,包括以下至少之一:
方式一,在第一时刻目标车辆位于第一车道的前方,且在第二时刻目标车辆位于第二车道的侧前方的情况下,确定参考行驶语义为切出行驶,其中,第一车道为当前车辆所处的车道;
方式二,在第一时刻目标车辆位于第二车道的侧前方,且在第二时刻目标车辆位于第一车道的侧前方的情况下,确定参考行驶语义为切入行驶;
方式三,在第一时刻目标车辆位于第二车道的侧方,且在第二时刻目标车辆位于第一车道的前方的情况下,确定参考行驶语义为超车行驶;
方式四,在第一时刻目标车辆位于第一车道的前方,且在第二时刻目标车辆位于第一车道的前方的情况下,确定参考行驶语义为跟车行驶。
可以理解的是,在本实施方式中,提供了四种可选的根据车道位置关系和相对位置关系确定参考行驶语义的方式,从右向左分别为第一车道、第二车道、第三车道。在第一种方式中,在第一时刻当前车辆(自车)和目标车辆处于相同车道(比如,当前车辆位于、目标车辆位均于第一车道),且目标车辆位于自车正前方、行驶速度相同,在第二时刻自车和目标车处于不同车道(例如,目标车辆从第一车道驶入第二车道),且目标车辆位于自车侧前方,在上述情况下可以确定参考行驶轨迹的参考行驶语义为cut-out(切出行驶),如图3所示。
在第二种方式中,在第一时刻当前车辆(自车)和目标车辆处于不同车道(比如,当前车辆位于第一车道,目标车辆位于第二车道),且目标车辆位于自车侧前方、行驶速度相同,在第二时刻自车和目标车处于相同车道(例如,目标车辆从第二车道驶入第一车道),且目标车位于自车前方,在上述情况下可以确定参考行驶轨迹的参考行驶语义为cut-in(切入行驶)如图4所示。
在第三种方式中,在第一时刻目标车辆与当前车辆处于不同车道(比如,当前车辆位于第一车道。目标车辆位于第二车道),且目标车辆行驶速度与自车行驶速度相同,当前车辆位于目标车辆侧前方,在第二时刻自车和目标车处于相同车道(例如,目标车辆从第二车道驶入第一车道),且目标车辆行驶速度大于自车行驶速度,在上述情况下可以确定参考行驶轨迹的参考行驶语义为overtaking(超车行驶),如图5所示。
在第四种方式中,在第一时刻目标车辆与当前车辆处于相同车道(比如,当前车辆位于、目标车辆位均于第一车道),在第二时刻自车和目标车仍处于相同车道(例如,目标车辆与自车均从第一车道驶入第二车道再驶入第一车道,或目标车辆与自车始终在第一车道行驶),且第一时刻目标车辆行驶速度与自车行驶速度的相对值和第二时刻目标车辆行驶速度与自车行驶速度的相对值不变,在上述情况下可以确定参考行驶轨迹的参考行驶语义为following(跟车行驶),如图6所示。
通过本申请的上述实施方式,进一步确定了参考行驶语义为切出行驶、切入行驶、超车行驶以及跟车行驶的方法,从而能够获得更准确的行驶语义,进而提高场景泛化的可靠性。
在一种可选的实施方式中,上述获取与参考行驶语义关联的描述标签集合,并根据第一行驶轨迹和第二行驶轨迹确定出与描述标签集合匹配的第一描述参数集合包括:
S1,在多个行驶语义分别关联一个描述标签集合的情况下,从多个描述标签集合中获取与参考行驶语义关联的描述标签集合;
S2,根据第一行驶轨迹和第二行驶轨迹所指示的轨迹参数集合,确定出与描述标签集合匹配的第一描述参数集合。
可以理解的是,在本实施方式中,在多个行驶语义分别关联一个描述标签集合下,从多个描绘标签集合中获取与参考行驶语义关联的描述标签集合,例如,得到的行驶语义有:“车辆加速”“车辆鸣笛”“车辆换道”,在上述行驶语义分别关联各自对应的描述标签集合的情况下,比如分别对应“速度描述标签”、“行驶人员描述标签”、“车道描述标签”,从上述描述标签集合中获取“速度描述标签”、“行驶人员描述标签”、“车道描述标签”作为与参考行驶语义关联的描述标签集合。
进一步地,根据第一行驶轨迹和第二行驶轨迹指示的参数集合,确定出与描述标签集合匹配的第一描述参数集合,例如在确定出描述标签集合中包括“速度描述标签”、“行驶人员描述标签”、“车道描述标签”的情况下,根据行驶轨迹指示的参数集合确定与描述标签集合匹配的第一描述参数集合,例如目标车辆速度80Km/h、目标车辆鸣笛警示当前车辆、目标车辆从第一车道并入当前车辆所在的第二车道。
通过本申请的上述实施方式,在多个行驶语义分别关联一个描述标签集合的情况下,从多个描述标签集合中获取与参考行驶语义关联的描述标签集合,进而根据第一行驶轨迹和第二行驶轨迹所指示的轨迹参数集合,确定出与描述标签集合匹配的第一描述参数集合,实现了准确获取第一描述参数集合的效果,进而可以合理地对参数区间集合进行调整。
在一种可选的实施方式中,上述根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合包括:
S1,获取车辆行驶场景所对应的道路场景标签,其中,道路场景标签用于指示车辆行驶场景中的道路环境特征;
S2,获取与道路场景标签匹配的泛化区间集合,其中,泛化区间集合中包括与多个状态描述标签分别对应的参数泛化区间;
S3,根据泛化区间集合和第一描述参数集合生成参数区间集合。
可以理解的是,在本申请的上述实施方式中,获取车辆行驶场景对应的道路场景标签,可以获取采集的道路图像,具体地,可以将连续帧片段图像等间隔抽取一定的帧数,将该抽帧道路图像数据输入场景识别模型进行各场景信息的识别,识别的标签包括天气,道路类型,光照类型,道路拓扑结构等,该场景识别为基于深度学习的多任务分类模型,会对每一帧输出对应的类型结果,保留每一个任务输出结果的软标签,即每一种类型以及模型推理出来的概率值;
作为另一种可选的实施方式,可以通过真值构建模块获取道路数据,该模块会对片段进行连续帧的真值构建。该真值包括动态障碍物(车辆,行人,二轮车等)在每一帧的位置,尺寸,运动信息,以及在连续帧中的目标ID信息进行准确的真值生成;静态目标,如车道线,路沿,交通标识,交通灯等的位置信息标注等。
真值模型主要用于对于连续帧片段,包括图像/激光等传感器检测到的动态和静态障碍物,进行目标检测,跟踪,轨迹优化等,最终生成连续帧片段的所有下游算法需要的真值构建。该模块生成的真值会进行粗优化和轨迹匹配两个阶段去优化真值。粗优化真值阶段会对完全基于大模型和追踪生成的结果与有少量真值的关键帧做对比,如果该帧不为关键帧则完全运用模型结果,如果为关键帧,则会人工校验,进行漏检和误检后处理。经过粗优化阶段的真值,会进入精优化阶段,即轨迹优化。轨迹优化会将大片段和真值帧进行划分,形成小片段,然后再小片段当中进行目标追踪,重召回及轨迹优化,然后进行前后小片段串联。通过轨迹优化,可以更好的在3D空间优化目标运动的轨迹,航向角和尺寸,补充模型能力之外的目标真值信息。
在获取对应的真值后,由于图像,点云等采集频率的不同,在不同的测试任务中,会需要不同频率的真值信息。通过对上述生成的真值进行上采样/下采样,可以获得更准确的真值信息(道路数据),进而得到更准确的道路场景标签。然后,将抽帧道路图像每一帧的真值信息提取并输入先验经验模型进行推断,动态场景重构中,通过少量的关键帧标注,结合真值构建模型,更好的获得场景中动态障碍物的运行轨迹,且标注数据可以帮助真值模型进行算法提升,属于可演进式的真值构建系统,得到准确的动态场景真值,具体地,可以通过真值模型以及标注数据共同生成。真值模型主要用于对于连续帧片段,包括图像/激光等传感器检测到的动态和静态障碍物,进行目标检测,跟踪,轨迹优化等,最终生成连续帧片段的所有下游算法需要的真值构建。标注数据是从相应的片段数据中抽帧并标注生成的,在人工标注后,具有相对于算法更精确的真值信息,可以通过片段匹配映射,插入回原有片段。在构建真值的过程中,这些关键帧的标注真值,可以辅助真值算法进行真值构建,从而获取相对于纯算法推导更为准确的场景真值信息。在后续通过轨迹优化策略,可以更加进一步提升真值的准确性,实现较好的动态障碍物真值;
静态场景重构过程中,会借助图像语义分割结果,更好的辅助3D空间道路识别信息进行优化,在面对诸如车道线磨损,不清晰,雨天等激光雷达难以解决的场景,图像可以提供更多信息帮助获得更为精确的静态场景信息,例如首先对于该连续帧片段激光雷达采集的3D空间点云,会通过激光SLAM算法获得这个场景片段的静态目标点云信息,通过深度学习模型,对该SLAM场景的路面标志、立面标志等静态目标按照点云反射强度和形状进行聚类提取;然后获取与点云同时的图像信息,会通过语义分割,获得对应的如车道线,路沿等的语义信息。将上述检测到的3D车道线,经过坐标转换到图像坐标系中,再截取向前150m,向后50m车道线曲线,投影到对应时间的图像中;最后过图像上语义分割的mask信息,对3D车道线进行优化。比如对于3D检测车道线置信度较低的,如果图像上有对应的语义信息,则予以保留;如果3D空间检测的车道线,在图像上未有匹配,如果检测置信度不高则予以删除。通过图像的语义分割信息,可以进一步优化静态的检测的静态目标的真值质量;
进一步地,该先验经验模型基于一些传统的经验,对一些场景内可能出现和不出现的动态/静态目标进行总结,并支持判断,判断得到的分类标签是否合理,基于先验经验模型,对上述软标签进行一次筛选,剔除不合理的分类结果,提升部分场景类型的分类的权重;
最后,使用先验经验模型进行调用,若判断出的分类标签合理,具体地,针对不同的识别任务,将多帧结果进行统一计算,其中选择多帧权重之和最大的类别,作为该场景最后的标签,并且上述道路场景标签用于指示上述车辆行驶场景中的道路环境特征,包括但不限于:道路类型(城市道路、乡村道路、高速公路、山区道路等)、路面状况(道路的平整度、坡度、路面材质等)、路边设施(路灯、护栏、交通标志、交通信号灯等)、周边环境(道路两侧的建筑物、景观、交通流量等)。
在一种可选的实施方式中,获取与上述道路场景标签匹配的泛化区间集合,上述泛化区间集合中包括多个状态描述标签分别对应的参数泛化区间,如果目标变量是连续型变量,可以使用均值加减若干个标准差来确定泛化区间;如果目标变量是分类变量,可以根据不同类别的分布情况确定泛化区间,例如道路场景为雨天市内,第一描述参数集合为天气状态参数对应的“雨天”,速度状态参数对应的“50Km/h”,以及道路状态参数对应的“路面湿滑”、方向状态参数对应的“右转”,进而可以根据上述信息获取泛化区间集合,例如天气状态参数区间可以为“阴天”、“晴天”、“雨天”,速度状态参数区间可以为“10Km/h-60Km/h”,道路状态参数区间可以为“路面湿滑”、“路面结冰”,方向状态参数区间可以为“右转”、“左转”、“直行”,具体参数区间的范围可以根据实际道路情况人工设置,或者根据机器学习得到。
需要说明的是,根据泛化区间集合和第一描述参数集合生成参数区间集合,可以但不限于以下两种方式:方式一:当前道路场景车辆行驶速度为50Km/h,确定泛化的车辆行驶速度可以为当前行驶速度增大、减小30个单位,即泛化的速度参数区间为20Km/h-80Km/h;在另一种方式中:当前道路场景车辆行驶速度为50Km/h,确定泛化的车辆行驶速度调整区间共40个单位,即泛化的速度参数区间为30Km/h-70Km/h、或40Km/h-80Km/h等。
通过本申请的上述实施方式,根据道路场景标签获取匹配的泛化区间集合,进而可以根据泛化区间集合和第一描述参数集合生成参数区间集合,实现了科学、准确地对区间集合进行调整的技术效果,进而使泛化得到的道路场景更加科学、准确。
在一种可选的实施方式中,上述从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合包括:
S1,根据第二描述参数集合确定目标车辆的目标行驶轨迹;
S2,在根据参考行驶信息对目标行驶轨迹进行校验的校验结果指示目标行驶轨迹的可靠度小于等于目标阈值的情况下,从多个状态参数区间中分别获取一个第三状态参数值,得到第三描述参数集合;
S3,利用第三描述参数集合更新第二描述参数集合。
可以理解的是,根据第二描述参数集合确定目标车辆的目标行驶轨迹后,在根据参考行驶信息对目标行驶轨迹进行校验的校验结果指示目标行驶轨迹的可靠度小于等于目标阈值的情况下,从多个状态参数区间中分别获取一个第三状态参数值,上述校验过程可以但不限于为:通过与历史行驶轨迹参数进行比对,或者是根据经验模型、机器学习算法对上述目标行驶轨迹进行分析,例如第二描述参数中的方向参数为“右转”,而目标行驶轨迹为直行,则说明校验结果存在异常,在可靠度小于等于目标阈值时,获取第三状态参数,即剔除异常数据,去除不合理的部分;此处不对上述可靠度的计算方式做具体限制。
基于上述步骤,对根据参考行驶信息对目标行驶轨迹进行校验,提高数据的可信度,进而利用第三描述参数更新第二描述参数集合,可以得到更准确的描述参数集合,提高场景泛化结果的可信度。
在一种可选的实施方式中,上述根据所述第二描述参数集合生成目标车辆行驶场景包括:
S1,根据所述第二描述参数集合确定所述目标车辆的目标行驶轨迹;
S2,根据所述道路场景标签确定所述目标车辆行驶场景中的所述道路环境特征;
S3,根据获取的第一车辆类型标签确定所述目标车辆的物理模型,并根据第二车辆类型标签确定待测车辆的物理模型;
S4,根据所述目标行驶轨迹,所述道路环境特征和所述目标车辆的所述物理模型,生成所述目标车辆行驶场景。
可以理解的是,根据第二参数集合确定目标车辆的目标行驶轨迹,包括:道路上的行驶路径、速度变化、停车位置等;根据上述道路场景标签确定目标车辆行驶场景中的道路环境特征,包括:路面状况、交通标志、交通信号灯、路灯、行人过街设施、交通岛、绿化带、路边停车位、交通设施等;根据获取的第一车辆类型标签确定目标车辆的物理模型,并根据第二车辆类型标签确定待测车辆的物理模型,包括:小轿车、客车、货车、卡车等;根据上述目标行驶轨迹,上述道路环境特征和上述目标车辆的上述物理模型,生成上述目标车辆行驶场景,例如:直行、50Km/h、道路湿滑、路口、客车。
通过本申请的上述实施方式,根据第二描述参数集合确定目标车辆的目标行驶轨迹、根据道路场景标签确定目标车辆行驶场景中的道路环境特征、根据获取的第一车辆类型标签确定目标车辆的物理模型,并根据第二车辆类型标签确定待测车辆的物理模型、根据目标行驶轨迹,道路环境特征和目标车辆的物理模型,生成目标车辆行驶场景,从而实现了泛化场景多样且符合物理逻辑的不同场景。
在一种可选的实施方式中,上述根据所述第二描述参数集合生成目标车辆行驶场景之后,还包括以下至少之一:
方式一、根据所述目标车辆行驶场景,对待测车辆的传感器感知模型进行测试;
方式二、根据所述目标车辆行驶场景,对待测车辆的行驶意图生成模型进行测试;
方式三、根据所述目标车辆行驶场景,对待测车辆的制动控制模型进行测试。
在一种可选的实施方式中,根据所述目标车辆行驶场景,对待测车辆的传感器感知模型进行测试可以但不限于为:确定测试场景:根据目标车辆行驶场景,确定测试所需的具体场景和环境,包括道路类型、交通情况、天气条件等;确定传感器感知模型:对待测车辆的传感器感知模型进行详细的了解,包括其使用的传感器类型、工作原理、数据处理算法等;设计测试方案:根据目标车辆行驶场景和传感器感知模型,设计测试方案,包括测试用例、测试数据采集方式、测试参数设置等;实施测试:在确定的测试场景中,对待测车辆的传感器感知模型进行实际测试,采集传感器数据并进行分析;分析测试结果:对采集到的传感器数据进行分析,评估传感器感知模型在目标车辆行驶场景下的性能表现,发现可能存在的问题和改进空间;优化模型:根据测试结果,对传感器感知模型进行优化,包括调整参数、改进算法等,以提高在目标车辆行驶场景下的性能表现;验证优化效果:进行再次测试,验证对传感器感知模型的优化是否能够改善其在目标车辆行驶场景下的性能表现。
在一种可选的实施方式中,根据所述目标车辆行驶场景,对待测车辆的行驶意图生成模型进行测试可以但不限于为:收集目标车辆的行驶数据:首先,需要收集目标车辆在不同场景下的行驶数据,包括城市道路、高速公路、乡村道路等不同环境下的行驶行为和意图;数据预处理:对收集到的行驶数据进行预处理,包括数据清洗、去噪、数据对齐等操作,确保数据质量和一致性;特征提取:从预处理后的数据中提取特征,如车辆速度、加速度、转向角等,作为模型的输入特征;选择:选择合适的模型来生成目标车辆的行驶意图模型,可以考虑使用机器学习模型或深度学习模型;数据划分:将收集到的行驶数据划分为训练集和测试集,一般采用交叉验证的方式来评估模型的性能;模型训练:使用训练集对选定的模型进行训练,优化模型参数,使其能够准确地预测目标车辆的行驶意图;模型评估:使用测试集对训练好的模型进行评估,评估模型的准确性、精确度、召回率等指标,确保模型能够准确地预测目标车辆的行驶意图;模型优化:根据评估结果对模型进行优化,调整模型参数或者考虑使用其他特征、模型结构等方式来提升模型的性能。
在一种可选的实施方式中,根据所述目标车辆行驶场景,对待测车辆的制动控制模型进行测试可以但不限于为:确定测试目标:根据目标车辆行驶场景,确定测试车辆的制动控制模型的目标,例如提高制动性能、优化制动系统等;设计测试方案:根据目标确定测试车辆的制动控制模型的测试方案,包括测试的环境条件、测试的参数和指标等;准备测试设备:准备测试车辆、测试仪器和设备,确保测试设备能够满足测试需求;进行测试:在所述目标车辆行驶场景下,对待测车辆的制动控制模型进行测试,记录测试数据并进行分析;分析测试结果:对测试数据进行分析,评估待测车辆的制动控制模型的性能和稳定性,发现并解决可能存在的问题;优化和改进:根据测试结果,对待测车辆的制动控制模型进行优化和改进,提高其性能和可靠性;验证测试结果:对优化后的制动控制模型进行再次测试,验证改进效果,确保其符合目标要求。
以下结合图7对本申请的一个完整实施方式进行说明:
S702,交通流语义识别:首先会将动态真值的信息中,每一个动态障碍物目标(目标车运动)的运动轨迹与时间信息,与自车运动的运动轨迹与时间信息共同分析,结合车道信息等静态环境信息,得到相应的交通流语义信息,如cut-in、cut-out、following、overtaking等。比如车辆轨迹从自车左侧切入到正前方,则根据整个序列,判断出该目标的交通流语义为cut-in行为。
具体地,根据数据库的真实数据标签,训练基于树的XGBoost分类模型,模型输入为每一个动态障碍物目标的运动轨迹与时间信息,与自车运动轨迹与时间信息,输出语义标签。其中树模型基于数据集输入特征不断左右划分数据集来优化分类损失函数,最终回归模型标签。
S704,交通流语义参数化:基于识别出来的交通流语义,结合轨迹信息,将该交通流语义以预设的参数进行描述,即参数特征提取。
作为一种可选的实施方式,不同的交通流有不同的参数信息,如图8中识别出图8中的(a)图中的目标车辆(左侧第一个车道上的车辆)为切入(cut-in)行为,然后定义cut-in的开始位置,开始时间,开始切入时间,切入速度,切入角度,结束时间,结束位置等多个参数(以图8中的(b)图所示),进而通过这些参数进行参数泛化,将原有的轨迹点,转化为不同的参数化的运动语义信息(以图8中的(c)图泛化出的结果为例)。
具体地,交通流识别的语义行为和触发/结束条件通过通用协议标准,如OpenX,进行对应标签的参数描述供后续数据平台使用。交通流中目标交通参与者的行为识别可以根据不同场景进行分类及识别,如红绿灯路口博弈、路段上切入切除、高速并线等行为,参数描述也通过初始状态、目标车辆具体行为、动作触发条件、场景结束条件等标签进行具体描述。经过上述场景识别与规则判断两种方式,可提取目标障碍物的行为特征进行语义描述,完成轨迹点到语义信息的转换。
S706,语义泛化:基于参数针对每一种语义,结合车辆运动的动力学原理及当前值,设置合理的泛化范围进行泛化。
S708,泛化场景,在泛化之后,会生成全新的车辆运行轨迹,会基于经验信息,剔除不合理的轨迹,保留合理的泛化场景。同时,该目标车辆也可以泛化为其他的目标类型车辆,如小车变成卡车等。
经过上述的语义场景转化,将路测场景输出为参数化的通用场景协议文件,由此,可以通过对场景参数(包括,车型、仿真时间、初始位置、行为模式)修改进行场景的泛化及生成。首先,确定需要泛化的参数x,对该参数选取合理的参数范围[min,max],通过固定步长s进行采样,基于此可以泛化生成(max-min)/s个的场景。
同时,包括天气光照等信息,也可以进行相关的泛化,可以适用于包含传感器感知模型的完整评测。通过上述方式,可以生成大量符合物理逻辑的相似场景,可以帮助模型进行快速且大量的验证,得到模型的评测结果。
本实施例提供一种通过对动态真值中每一个目标的运动轨迹与自车的运动轨迹的比较,识别出交通流语义信息,并通过当前轨迹,对语义进行参数化描述,通过对该些参数进行泛化,设置合理的泛化范围进行场景泛化的方法,其可以在合理的范围内进行参数的随机生成,从而泛化出大量不改变当前运动逻辑的相似场景进行评测。
通过本申请的上述实施方式中的算法框架,基于当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,从而确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,以获取与参考行驶语义关联的描述标签集合,进而确定出与描述标签集合匹配的第一描述参数集合,进一步根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,实现了准确、科学地对道路场景进行泛化的技术效果,从而解决了现有方式生成的车辆行驶场景的场景单一、不符合物理逻辑,进而导致泛化生成的车辆行驶场景不准确的技术问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
根据本申请实施例的另一个方面,还提供了一种用于实施上述车辆行驶场景的生成方法的车辆行驶场景的生成装置。如图9所示,该装置包括:
第一确定单元902,用于根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,其中,目标车辆为与当前车辆在同一道路环境中行驶的车辆对象,参考行驶语义用于指示目标车辆的参考行驶轨迹所指示的行驶意图;
第一获取单元904,用于获取与参考行驶语义关联的描述标签集合,并根据第一行驶轨迹和第二行驶轨迹确定出与描述标签集合匹配的第一描述参数集合,其中,描述标签集合中包括多个状态描述标签,状态描述标签指示参考行驶轨迹中的目标车辆的运动状态,第一描述参数集合中包括与多个状态描述标签分别对应的第一状态参数值;
第二获取单元906,用于根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,其中,参数区间集合中包括与多个状态描述标签分别对应的状态参数区间,多个状态描述标签中的参考状态描述标签所对应的状态参数区间中,包括与参考状态描述标签对应的第一状态参数值;
第二确定单元908,用于从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据第二描述参数集合生成目标车辆行驶场景,其中,第二描述参数集合用于指示在目标车辆行驶场景中目标车辆的目标行驶轨迹。
可选地,上述车辆行驶场景的生成装置,还包括:第三获取单元,用于获取上述当前车辆的第一车道信息和上述目标车辆的第二车道信息;根据上述第一车道信息和上述第二车道信息确定车道位置关系;根据上述车道位置关系和上述相对位置关系确定上述第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义。
可选地,第三获取单元,包括:用于在第一时刻上述目标车辆位于第一车道的前方,且在第二时刻上述目标车辆位于上述第二车道的侧前方的情况下,确定上述参考行驶语义为切出行驶,其中,上述第一车道为上述当前车辆所处的车道;在第一时刻上述目标车辆位于上述第二车道的侧前方,且在第二时刻上述目标车辆位于上述第一车道的侧前方的情况下,确定上述参考行驶语义为切入行驶;在第一时刻上述目标车辆位于上述第二车道的侧方,且在第二时刻上述目标车辆位于上述第一车道的前方的情况下,确定上述参考行驶语义为超车行驶;在第一时刻上述目标车辆位于上述第一车道的前方,且在第二时刻上述目标车辆位于上述第一车道的前方的情况下,确定上述参考行驶语义为跟车行驶。
可选地,上述第三确定单元,包括:第三确定模块,用于在多个行驶语义分别关联一个上述描述标签集合的情况下,从多个上述描述标签集合中获取与上述参考行驶语义关联的上述描述标签集合;根据上述第一行驶轨迹和上述第二行驶轨迹所指示的轨迹参数集合,确定出与上述描述标签集合匹配的上述第一描述参数集合。
可选地,上述第三确定单元包括:第四确定模块,用于获取上述车辆行驶场景所对应的道路场景标签,其中,上述道路场景标签用于指示上述车辆行驶场景中的道路环境特征;获取与上述道路场景标签匹配的泛化区间集合,其中,上述泛化区间集合中包括与多个上述状态描述标签分别对应的参数泛化区间;根据上述泛化区间集合和上述第一描述参数集合生成上述参数区间集合。
可选地,上述第一确定单元,还用于:根据上述第二描述参数集合确定上述目标车辆的目标行驶轨迹;在根据参考行驶信息对上述目标行驶轨迹进行校验的校验结果指示上述目标行驶轨迹的可靠度小于等于目标阈值的情况下,从多个上述状态参数区间中分别获取一个第三状态参数值,得到第三描述参数集合;利用上述第三描述参数集合更新上述第二描述参数集合。
可选地,上述装置还包括:第四确定单元,用于根据上述第二描述参数集合确定上述目标车辆的目标行驶轨迹;根据上述道路场景标签确定上述目标车辆行驶场景中的上述道路环境特征;根据获取的第一车辆类型标签确定上述目标车辆的物理模型,并根据第二车辆类型标签确定待测车辆的物理模型;根据上述目标行驶轨迹,上述道路环境特征和上述目标车辆的上述物理模型,生成上述目标车辆行驶场景。
可选地,上述第四确定单元还用于:根据上述目标车辆行驶场景,对待测车辆的传感器感知模型进行测试;根据上述目标车辆行驶场景,对待测车辆的行驶意图生成模型进行测试;根据上述目标车辆行驶场景,对待测车辆的制动控制模型进行测试。
具体实施例可以参考上述车辆行驶场景的生成方法中所示示例,本示例中在此不再赘述。
根据本申请实施例的又一个方面,还提供了一种用于实施上述车辆行驶场景的生成方法的电子设备,该电子设备可以是图10所示的终端设备或服务器。本实施例以该电子设备为例来说明。如图10所示,该电子设备包括存储器1002和处理器1004,该存储器1002中存储有计算机程序,该处理器1004被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,本领域普通技术人员可以理解,图10所示的结构仅为示意。图10其并不对上述电子设备的结构造成限定。例如,电子设备还可包括比图10中所示更多或者更少的组件(如网络接口等),或者具有与图10所示不同的配置。
其中,存储器1002可用于存储软件程序以及模块,如本发明实施例中的车辆行驶场景的生成方法和装置对应的程序指令/模块,处理器1004通过运行存储在存储器1002内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的车辆行驶场景的生成方法。存储器1002可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器1002可进一步包括相对于处理器1004远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器1002具体可以但不限于用于存储目标逻辑文件等文件信息。作为一种示例,如图10所示,上述存储器1002中可以但不限于包括上述车辆行驶场景生成装置中的第一确定单元902、第一获取单元904、第二获取单元906和第二确定单元908。此外,还可以包括但不限于上述车辆行驶场景的生成装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置1006包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置1006为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子设备还包括:显示器1008,和连接总线1010,用于连接上述电子设备中的各个模块部件。
根据本申请的一个方面,提供了一种计算机程序产品,该计算机程序产品包括计算机程序/指令,该计算机程序/指令包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理器执行时,执行本申请实施例提供的各种功能。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,电子设备的计算机系统仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
特别地,根据本申请的实施例,各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理器执行时,执行本申请的系统中限定的各种功能。
根据本申请的一个方面,提供了一种计算机可读存储介质,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
可选地,在本实施例中,上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,根据当前车辆的第一行驶轨迹和目标车辆的第二行驶轨迹之间的相对位置关系,确定第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,其中,目标车辆为与当前车辆在同一道路环境中行驶的车辆对象,参考行驶语义用于指示目标车辆的参考行驶轨迹所指示的行驶意图;
S2,获取与参考行驶语义关联的描述标签集合,并根据第一行驶轨迹和第二行驶轨迹确定出与描述标签集合匹配的第一描述参数集合,其中,描述标签集合中包括多个状态描述标签,状态描述标签指示参考行驶轨迹中的目标车辆的运动状态,第一描述参数集合中包括与多个状态描述标签分别对应的第一状态参数值;
S3,根据第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,其中,参数区间集合中包括与多个状态描述标签分别对应的状态参数区间,多个状态描述标签中的参考状态描述标签所对应的状态参数区间中,包括与参考状态描述标签对应的第一状态参数值;
S4,从多个状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据第二描述参数集合生成目标车辆行驶场景,其中,第二描述参数集合用于指示在目标车辆行驶场景中目标车辆的目标行驶轨迹。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令电子设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元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,可以存储在上述计算机可读取的存储介质中。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全部或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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的用户设备,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种车辆行驶场景的生成方法,其特征在于,包括:
获取当前车辆的第一车道信息和目标车辆的第二车道信息;
根据所述第一车道信息和所述第二车道信息确定车道位置关系;
根据所述车道位置关系和相对位置关系确定目标车辆的第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,包括以下至少之一:在第一时刻所述目标车辆位于第一车道的前方,且在第二时刻所述目标车辆位于所述第二车道的侧前方的情况下,确定所述参考行驶语义为切出行驶,其中,所述第一车道为所述当前车辆所处的车道;在第一时刻所述目标车辆位于所述第二车道的侧前方,且在第二时刻所述目标车辆位于所述第一车道的侧前方的情况下,确定所述参考行驶语义为切入行驶;在第一时刻所述目标车辆位于所述第二车道的侧方,且在第二时刻所述目标车辆位于所述第一车道的前方的情况下,确定所述参考行驶语义为超车行驶;在第一时刻所述目标车辆位于所述第一车道的前方,且在第二时刻所述目标车辆位于所述第一车道的前方的情况下,确定所述参考行驶语义为跟车行驶,其中,所述目标车辆为与所述当前车辆在同一道路环境中行驶的车辆对象,所述参考行驶语义用于指示所述目标车辆的所述参考行驶轨迹所指示的行驶意图;
获取与所述参考行驶语义关联的描述标签集合,并根据当前车辆的第一行驶轨迹和所述目标车辆的第二行驶轨迹确定出与所述描述标签集合匹配的第一描述参数集合,其中,所述描述标签集合中包括多个状态描述标签,所述状态描述标签指示所述参考行驶轨迹中的所述目标车辆的运动状态,所述第一描述参数集合中包括与多个所述状态描述标签分别对应的第一状态参数值;
根据所述第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,包括:获取所述车辆行驶场景所对应的道路场景标签,其中,所述道路场景标签用于指示所述车辆行驶场景中的道路环境特征;获取与所述道路场景标签匹配的泛化区间集合,其中,所述泛化区间集合中包括与多个所述状态描述标签分别对应的参数泛化区间;根据所述泛化区间集合和所述第一描述参数集合生成所述参数区间集合,所述参数区间集合中包括与多个所述状态描述标签分别对应的状态参数区间,多个所述状态描述标签中的参考状态描述标签所对应的所述状态参数区间中,包括与参考状态描述标签对应的所述第一状态参数值;
从多个所述状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据所述第二描述参数集合生成目标车辆行驶场景,其中,所述第二描述参数集合用于指示在所述目标车辆行驶场景中所述目标车辆的目标行驶轨迹。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述参考行驶语义关联的描述标签集合,并根据当前车辆的第一行驶轨迹和所述目标车辆的第二行驶轨迹确定出与所述描述标签集合匹配的第一描述参数集合包括:
在多个行驶语义分别关联一个所述描述标签集合的情况下,从多个所述描述标签集合中获取与所述参考行驶语义关联的所述描述标签集合;
根据所述第一行驶轨迹和所述第二行驶轨迹所指示的轨迹参数集合,确定出与所述描述标签集合匹配的所述第一描述参数集合。
3.根据权利要求1所述的方法,其特征在于,所述从多个所述状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合包括:
根据所述第二描述参数集合确定所述目标车辆的目标行驶轨迹;
在根据参考行驶信息对所述目标行驶轨迹进行校验的校验结果指示所述目标行驶轨迹的可靠度小于等于目标阈值的情况下,从多个所述状态参数区间中分别获取一个第三状态参数值,得到第三描述参数集合;
利用所述第三描述参数集合更新所述第二描述参数集合。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第二描述参数集合生成目标车辆行驶场景包括:
根据所述第二描述参数集合确定所述目标车辆的目标行驶轨迹;
根据所述道路场景标签确定所述目标车辆行驶场景中的所述道路环境特征;
根据获取的第一车辆类型标签确定所述目标车辆的物理模型,并根据第二车辆类型标签确定待测车辆的物理模型;
根据所述目标行驶轨迹,所述道路环境特征和所述目标车辆的所述物理模型,生成所述目标车辆行驶场景。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第二描述参数集合生成目标车辆行驶场景之后,还包括以下至少之一:
根据所述目标车辆行驶场景,对待测车辆的传感器感知模型进行测试;
根据所述目标车辆行驶场景,对待测车辆的行驶意图生成模型进行测试;
根据所述目标车辆行驶场景,对待测车辆的制动控制模型进行测试。
6.一种车辆行驶场景的生成装置,其特征在于,包括:
第一确定单元,用于获取当前车辆的第一车道信息和目标车辆的第二车道信息;根据所述第一车道信息和所述第二车道信息确定车道位置关系;根据所述车道位置关系和相对位置关系确定目标车辆的第二行驶轨迹中的至少一段参考行驶轨迹的参考行驶语义,包括以下至少之一:在第一时刻所述目标车辆位于第一车道的前方,且在第二时刻所述目标车辆位于所述第二车道的侧前方的情况下,确定所述参考行驶语义为切出行驶,其中,所述第一车道为所述当前车辆所处的车道;在第一时刻所述目标车辆位于所述第二车道的侧前方,且在第二时刻所述目标车辆位于所述第一车道的侧前方的情况下,确定所述参考行驶语义为切入行驶;在第一时刻所述目标车辆位于所述第二车道的侧方,且在第二时刻所述目标车辆位于所述第一车道的前方的情况下,确定所述参考行驶语义为超车行驶;在第一时刻所述目标车辆位于所述第一车道的前方,且在第二时刻所述目标车辆位于所述第一车道的前方的情况下,确定所述参考行驶语义为跟车行驶,其中,所述目标车辆为与所述当前车辆在同一道路环境中行驶的车辆对象,所述参考行驶语义用于指示所述目标车辆的所述参考行驶轨迹所指示的行驶意图;
第一获取单元,用于获取与所述参考行驶语义关联的描述标签集合,并根据当前车辆的第一行驶轨迹和所述目标车辆的第二行驶轨迹确定出与所述描述标签集合匹配的第一描述参数集合,其中,所述描述标签集合中包括多个状态描述标签,所述状态描述标签指示所述参考行驶轨迹中的所述目标车辆的运动状态,所述第一描述参数集合中包括与多个所述状态描述标签分别对应的第一状态参数值;
第二获取单元,用于根据所述第一描述参数集合获取与待生成的车辆行驶场景对应的参数区间集合,包括:获取所述车辆行驶场景所对应的道路场景标签,其中,所述道路场景标签用于指示所述车辆行驶场景中的道路环境特征;获取与所述道路场景标签匹配的泛化区间集合,其中,所述泛化区间集合中包括与多个所述状态描述标签分别对应的参数泛化区间;根据所述泛化区间集合和所述第一描述参数集合生成所述参数区间集合,所述参数区间集合中包括与多个所述状态描述标签分别对应的状态参数区间,多个所述状态描述标签中的参考状态描述标签所对应的所述状态参数区间中,包括与参考状态描述标签对应的所述第一状态参数值;
第二确定单元,用于从多个所述状态参数区间中分别获取一个第二状态参数值,得到第二描述参数集合,并根据所述第二描述参数集合生成目标车辆行驶场景,其中,所述第二描述参数集合用于指示在所述目标车辆行驶场景中所述目标车辆的目标行驶轨迹。
7.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序被电子设备运行时执行所述权利要求1至5任一项中所述的方法。
8.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081774.5A CN117601903B (zh) | 2024-01-19 | 2024-01-19 | 车辆行驶场景的生成方法、装置和存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081774.5A CN117601903B (zh) | 2024-01-19 | 2024-01-19 | 车辆行驶场景的生成方法、装置和存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117601903A CN117601903A (zh) | 2024-02-27 |
CN117601903B true CN117601903B (zh) | 2024-04-26 |
Family
ID=89951958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410081774.5A Active CN117601903B (zh) | 2024-01-19 | 2024-01-19 | 车辆行驶场景的生成方法、装置和存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117601903B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110462543A (zh) * | 2018-03-08 | 2019-11-15 | 百度时代网络技术(北京)有限公司 | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 |
CN112092813A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN113859264A (zh) * | 2021-09-17 | 2021-12-31 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
JP2022000376A (ja) * | 2020-09-23 | 2022-01-04 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 自動運転機能制御方法、装置、電子機器及び記憶媒体 |
CN114802250A (zh) * | 2022-05-11 | 2022-07-29 | 阿波罗智能技术(北京)有限公司 | 数据处理方法、装置、设备、自动驾驶车辆及介质 |
WO2022183228A1 (de) * | 2021-03-01 | 2022-09-09 | Avl List Gmbh | Verfahren zum testen eines fahrerassistenzsystems eines fahrzeugs |
CN115146491A (zh) * | 2022-09-06 | 2022-10-04 | 福思(杭州)智能科技有限公司 | 自动驾驶系统的测试方法和装置、存储介质及电子装置 |
CN115294544A (zh) * | 2022-09-01 | 2022-11-04 | 亿咖通(湖北)技术有限公司 | 驾驶场景分类方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276985B (zh) * | 2018-03-16 | 2020-12-15 | 华为技术有限公司 | 自动驾驶安全评估方法、装置和系统 |
CN113753077A (zh) * | 2021-08-17 | 2021-12-07 | 北京百度网讯科技有限公司 | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 |
CN114415628A (zh) * | 2021-12-28 | 2022-04-29 | 阿波罗智联(北京)科技有限公司 | 自动驾驶测试方法及装置、电子设备和存储介质 |
-
2024
- 2024-01-19 CN CN202410081774.5A patent/CN117601903B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110462543A (zh) * | 2018-03-08 | 2019-11-15 | 百度时代网络技术(北京)有限公司 | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 |
JP2022000376A (ja) * | 2020-09-23 | 2022-01-04 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 自動運転機能制御方法、装置、電子機器及び記憶媒体 |
CN112092813A (zh) * | 2020-09-25 | 2020-12-18 | 北京百度网讯科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
WO2022183228A1 (de) * | 2021-03-01 | 2022-09-09 | Avl List Gmbh | Verfahren zum testen eines fahrerassistenzsystems eines fahrzeugs |
CN113859264A (zh) * | 2021-09-17 | 2021-12-31 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN114802250A (zh) * | 2022-05-11 | 2022-07-29 | 阿波罗智能技术(北京)有限公司 | 数据处理方法、装置、设备、自动驾驶车辆及介质 |
CN115294544A (zh) * | 2022-09-01 | 2022-11-04 | 亿咖通(湖北)技术有限公司 | 驾驶场景分类方法、装置、设备及存储介质 |
CN115146491A (zh) * | 2022-09-06 | 2022-10-04 | 福思(杭州)智能科技有限公司 | 自动驾驶系统的测试方法和装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117601903A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11685360B2 (en) | Planning for unknown objects by an autonomous vehicle | |
JP6783949B2 (ja) | 交通標識情報を用いた道路検出 | |
US10281920B2 (en) | Planning for unknown objects by an autonomous vehicle | |
CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
US11688174B2 (en) | System and method for determining vehicle data set familiarity | |
US10234864B2 (en) | Planning for unknown objects by an autonomous vehicle | |
CN109902899B (zh) | 信息生成方法和装置 | |
US10839263B2 (en) | System and method for evaluating a trained vehicle data set familiarity of a driver assitance system | |
CN116685874A (zh) | 摄像机-激光雷达融合对象检测系统和方法 | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
CN114813157A (zh) | 一种测试场景构建方法及装置 | |
CN117601903B (zh) | 车辆行驶场景的生成方法、装置和存储介质及电子设备 | |
EP4080164A1 (en) | Identifying parkable areas for autonomous vehicles | |
CN116135654A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
WO2018165199A1 (en) | Planning for unknown objects by an autonomous vehicle | |
CN114684197A (zh) | 避障场景的检测方法、装置、设备及存储介质 | |
CN117612127B (zh) | 场景生成方法、装置和存储介质及电子设备 | |
CN115457757A (zh) | 判定交通行为合规性的方法和装置 | |
CN117612140B (zh) | 道路场景的识别方法、装置和存储介质及电子设备 | |
CN112351407A (zh) | 一种基于5g分级决策的aeb策略方法 | |
CN117591847B (zh) | 基于车况数据的模型指向评测方法和装置 | |
CN113167906B (zh) | 自动车辆的伪对象检测 | |
EP4386510A1 (en) | Methods and systems for handling occlusions in operation of autonomous vehicle | |
CN115985109A (zh) | 一种无人驾驶矿车环境感知方法和系统 | |
JP2021054211A (ja) | 車両制御システム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |