CN117786323A - 基于采集数据的无效数据删除及仿真测试场景重构方法和系统 - Google Patents

Abstract

本发明提供了一种基于采集数据的无效数据删除及仿真测试场景重构方法和系统，包括：步骤1：对于采集的数据，删除其中无效的时间段，得到分成小片段的有效数据并保存；步骤2：进行数据清洗，删除噪声数据，进行轨迹平滑，得到修改后的交通参与者数据；步骤3：同时考虑目标物起终点的距离，以及目标物的起点时间与终点时间的间隔，将同一目标物的多个识别结果进行纠正，得到有效准确的交通参与者数据；步骤4：进行场景资源导出，支持多种仿真平台的场景资源导出。本发明可以提高数据采集及存储效率，并对数据进行清洗和修正，从而保证数据的准确性和可靠性，并且支持多仿真平台的场景资源导出，可在不同的仿真环境中实现场景重构。

Description

基于采集数据的无效数据删除及仿真测试场景重构方法和 系统

技术领域

本发明涉及自动驾驶仿真测试技术领域，具体地，涉及一种基于采集数据的无效数据删除及仿真测试场景重构方法和系统。

背景技术

美国兰德智库在报告中指出，智能网联汽车在实际应用之前，需要进行真实路测，其总里程高达229亿公里。这个数字简直就是一个天文数字，相当于一个拥有100台车的车队，以每小时40公里的速度，24小时不间断运行，需要500多年才能完成。这无疑是一个巨大的挑战，也是对智能网联汽车的一次严格考验。

目前，“多支柱法”测试评价评估方法已经逐渐成为行业共识。这种方法将虚拟仿真、封闭场地和实际道路3种测试方法相融合，为综合评估智能网联汽车的安全性提供了强有力的支撑。

作为多支柱法的首要测试手段，虚拟仿真测试在自动驾驶车辆的研发中扮演着至关重要的角色。通过模拟各种道路条件、交通状况以及突发情况，测试人员可以全面评估车辆的应对能力和反应速度，从而对车辆的安全性能进行细致入微的考察。这种测试方法不仅大大缩短了测试周期，降低了测试成本，而且通过提前发现和解决潜在的安全隐患，为实际道路测试做好了充分准备。

自动驾驶数据的数量和质量对于虚拟仿真场景的价值具有决定性作用，进而影响自动驾驶策略的优劣。当前，企业越来越重视汽车使用端数据的收集与分析，国际上各大品牌车企纷纷布局，国内各车企也已先后成立独立板块。然而，当前数据采集面临着诸多挑战，如采集车成本高昂、设备感知局限导致目标物轨迹混乱、目标物丢失、目标物误识别、目标物难以追踪等问题。同时，采集数据量庞大，无效采集数据难以识别，数据存储成本难以降低，无法迅速将采集数据积累有效场景。行业需要探索和研究一种高效地数据清洗、数据利用、可快速生成有效测试场景的技术路线。

专利文献CN116301628A公开了一种利用车辆自身算力的离线数据清洗方法及系统，包括：步骤S1：车辆在行驶过程中自动采集数据；步骤S2：根据车辆数据存储磁盘空间删除数据；步骤S3：获取触发计算单元车辆关机的指令；步骤S4：在计算单元关机前对数据进行清洗及导出。然而该专利无法完全解决目前存在的技术问题，也无法满足本发明的需求。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于采集数据的无效数据删除及仿真测试场景重构方法和系统。

根据本发明提供的基于采集数据的无效数据删除及仿真测试场景重构方法，包括：

步骤1：对于采集的数据，删除其中无效的时间段，得到分成小片段的有效数据并保存；

步骤2：进行数据清洗，删除噪声数据，进行轨迹平滑，得到修改后的交通参与者数据；

步骤3：同时考虑目标物起终点的距离，以及目标物的起点时间与终点时间的间隔，将同一目标物的多个识别结果进行纠正，得到有效准确的交通参与者数据；

步骤4：进行场景资源导出，支持多种仿真平台的场景资源导出。

根据本发明提供的基于采集数据的无效数据删除及仿真测试场景重构系统，包括：

模块M1：对于采集的数据，删除其中无效的时间段，得到分成小片段的有效数据并保存；

模块M2：进行数据清洗，删除噪声数据，进行轨迹平滑，得到修改后的交通参与者数据；

模块M3：同时考虑目标物起终点的距离，以及目标物的起点时间与终点时间的间隔，将同一目标物的多个识别结果进行纠正，得到有效准确的交通参与者数据；

模块M4：进行场景资源导出，支持多种仿真平台的场景资源导出。

与现有技术相比，本发明具有如下的有益效果：

(1)本发明的无效时间自动删除功能可以提高数据采集及存储效率；

(2)本发明的数据自动清洗可以通过一系列算法和技术，对数据进行清洗和修正，从而保证数据的准确性和可靠性；

(3)本发明的目标物自动合并功能可以通过算法和技术，将同一个目标物的多个轨迹进行合并和修正，从而保证目标物识别的准确性和完整性；

(4)本发明支持多种各种场景资源的导出，解决仿真平台的兼容性问题。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明方法流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

实施例1

本发明提出一种基于车载自然驾驶采集设备采集数据的无效数据删除及智能驾驶仿真测试场景重构方法，如图1，其有四个处理阶段组成：

阶段一：无效数据删除阶段；

阶段二：数据清洗阶段；

阶段三：目标物合并阶段；

阶段四：场景资源导出阶段。

本发明可兼容csv或excel格式的采集数据，采集数据中至少包含：采集时间，采集车经纬度数据，采集车速度，目标车编号，目标车与采集车的相对横向距离，目标车与采集车的相对纵向距离，目标车与采集车相对横向速度，目标车与采集车相对纵向速度，目标车类型。

采集完成后，采集数据首先进入无效时间删除阶段，提高存储空间效率。无效时间的定义包括：

1.主车速度≤3km/h且主车速度≥1km/时，主车横向范围[-7m,7m]，纵向范围[-10m,10m]内没有目标车存在的时段为无效时间段；

2.主车速度>3km/h时，不存在满足以下条件的目标物时，采集时间无效：纵向TTC<9.5s，纵向TTC>-2s，横向距离<5km/h，横向距离>-5m，目标物速度>0.6m/s；

3.主车速度≤1km/h时，当主车速度低于1km/h认为主车处于停止状态，采集时间均无效。

在满足上述定义的要求情况下，无效时间的输出包括5个步骤：

1.逐帧判断该帧时间是否有效：根据无效时间规则，逐帧判断该帧的时间是否有效；

2.输出所有无效时间帧：记录并输出所有无效时间帧；

3.无效时间帧合并为无效时间段：如果连续的无效时间帧之间的间隔小于3s，则合并无效时间帧，成为无效时间段；

4.无效时间段删除：如果一个无效时间段的长度小于3s，则删除该时间段；

5.保证有效时间段的长度大于30s：通过改变无效时间段的开始与结束时间点，保证所有有效时间段的长度>30s；如改变后，无效时间起点要晚于无效时间终点，则该时间段转为一个分割点(以无效时间终点为准)。

通过上述5个步骤，得到无效时间汇总时间，直接删除原始数据中无效的时间段，得到分成小片段的有效数据，保存并进入数据清洗阶段。

数据清洗阶段，数据经过下面3个处理步骤：

1.使用基于时间长度的目标物过滤方法，删除噪声目标物；

2.基于目标物行驶范围的轨迹过滤规则，处理目标物的静止轨迹。具体为：每个目标物判断其生命周期内的轨迹点是否位于直径为2m的圆内，如是，则认为该目标静止。

3.基于自适应滑动窗口的B样条轨迹过滤法，处理目标物的轨迹混乱问题。具体为：如目标非静止，且轨迹点数量大于100个，则使用基于滑动窗口的3次样条插值法进行轨迹过滤；滑动窗口大小为100，重叠度为25；若轨迹点数量小于100，则直接使用3次样条插值法进行轨迹过滤。

通过上述3个步骤完成数据清洗后，得到轨迹正确的交通参与者数据，此数据进入目标物合并阶段。

目标合并阶段，通过同时考虑目标物起终点的距离，以及目标物的起点时间与终点时间的间隔，解决目标物追踪问题，将同一目标物的多个识别结果进行纠正。具体为：如某一目标物的消失位置与另一目标物的出现位置，欧式距离小于5m，且该目标物的消失时间与另一目标物的起始时间间隔在3s内，则认为这两个目标物可合并。

经过目标合并阶段，得到有效准确的交通参与者状态数据，进入场景资源导出阶段。本方法同时支持xml场景格式导出以及xosc格式场景导出，并且导出场景支持一键导入相应的仿真软件。

本方法提出的所有四个阶段的方法过程，均使用Python语言编写实现。在实施过程中，采用了Python 3.9版本作为解释器，并使用了PyCharm作为主要的运行软件。为了实现本发明的方法，需要以下Python包：pandas、numpy、xml.etree.ElementTree、scipy、math和pyproj，这些包提供了数据处理、数学计算和地理信息处理等功能。

实施例2

本发明还提供一种基于采集数据的无效数据删除及仿真测试场景重构系统，所述基于采集数据的无效数据删除及仿真测试场景重构系统可以通过执行所述基于采集数据的无效数据删除及仿真测试场景重构方法的流程步骤予以实现，即本领域技术人员可以将所述基于采集数据的无效数据删除及仿真测试场景重构方法理解为所述基于采集数据的无效数据删除及仿真测试场景重构系统的优选实施方式。

根据本发明提供的基于采集数据的无效数据删除及仿真测试场景重构系统。包括：模块M1：对于采集的数据，删除其中无效的时间段，得到分成小片段的有效数据并保存；模块M2：进行数据清洗，删除噪声数据，进行轨迹平滑，得到修改后的交通参与者数据；模块M3：同时考虑目标物起终点的距离，以及目标物的起点时间与终点时间的间隔，将同一目标物的多个识别结果进行纠正，得到有效准确的交通参与者数据；模块M4：进行场景资源导出，支持多种仿真平台的场景资源导出。

无效时间段的定义包括：

主车速度≤3km/h且主车速度≥1km/时，主车横向范围[-7m,7m]且纵向范围[-10m,10m]内没有目标车存在的时段为无效时间段；

主车速度>3km/h时，不存在满足以下条件的目标物时，采集时间无效：纵向碰撞时间TTC<9.5s，纵向TTC>-2s，横向距离<5km/h，横向距离>-5m，目标物速度>0.6m/s；

主车速度＜1km/h时，判定主车处于停止状态，采集时间均无效。

所述模块M1包括：模块M1.1：根据无效时间规则，逐帧判断该帧的时间是否有效；模块M1.2：记录并输出所有无效时间帧；模块M1.3：如果连续的无效时间帧之间的间隔小于3s，则合并无效时间帧，成为无效时间段；模块M1.4：如果一个无效时间段的长度小于3s，则删除该时间段；模块M1.5：通过改变无效时间段的开始与结束时间点，保证所有有效时间段的长度>30s；如改变后，无效时间起点要晚于无效时间终点，则该时间段转为一个分割点，以无效时间终点为准。

所述模块M2包括：模块M2.1：使用基于时间长度的目标物过滤方法，删除噪声目标物；模块M2.2：基于目标物行驶范围的轨迹过滤规则，处理目标物的静止轨迹，具体为：每个目标物判断其生命周期内的轨迹点是否位于直径为2m的圆内，如是，则认为该目标静止；模块M2.3：基于自适应滑动窗口的B样条轨迹过滤法，处理目标物的轨迹混乱问题，具体为：如目标非静止，且轨迹点数量大于100个，则使用基于滑动窗口的3次样条插值法进行轨迹过滤；滑动窗口大小为100，重叠度为25；若轨迹点数量小于100，则直接使用3次样条插值法进行轨迹过滤。

所述模块M3包括：如某一目标物的消失位置与另一目标物的出现位置，欧式距离小于5m，且该目标物的消失时间与另一目标物的起始时间间隔在3s内，则认为这两个目标物可合并；

所述模块M4包括：同时支持xml场景格式导出以及xosc格式场景导出，并且导出场景支持一键导入相应的仿真软件。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种基于采集数据的无效数据删除及仿真测试场景重构方法，其特征在于，包括：

步骤1：对于采集的数据，删除其中无效的时间段，得到分成小片段的有效数据并保存；

步骤2：进行数据清洗，删除噪声数据，进行轨迹平滑，得到修改后的交通参与者数据；

步骤3：同时考虑目标物起终点的距离，以及目标物的起点时间与终点时间的间隔，将同一目标物的多个识别结果进行纠正，得到有效准确的交通参与者数据；

步骤4：进行场景资源导出，支持多种仿真平台的场景资源导出；

无效时间段的定义包括：

主车速度≤3km/h且主车速度≥1km/时，主车横向范围[-7m,7m]且纵向范围[-10m,10m]内没有目标车存在的时段为无效时间段；

主车速度>3km/h时，不存在满足以下条件的目标物时，采集时间无效：纵向碰撞时间TTC<9.5s，纵向TTC>-2s，横向距离<5km/h，横向距离>-5m，目标物速度>0.6m/s；

主车速度＜1km/h时，判定主车处于停止状态，采集时间均无效。

2.根据权利要求1所述的基于采集数据的无效数据删除及仿真测试场景重构方法，其特征在于，所述步骤1包括：

步骤1.1：根据无效时间规则，逐帧判断该帧的时间是否有效；

步骤1.2：记录并输出所有无效时间帧；

步骤1.3：如果连续的无效时间帧之间的间隔小于3s，则合并无效时间帧，成为无效时间段；

步骤1.4：如果一个无效时间段的长度小于3s，则删除该时间段；

步骤1.5：通过改变无效时间段的开始与结束时间点，保证所有有效时间段的长度>30s；如改变后，无效时间起点要晚于无效时间终点，则该时间段转为一个分割点，以无效时间终点为准。

3.根据权利要求1所述的基于采集数据的无效数据删除及仿真测试场景重构方法，其特征在于，所述步骤2包括：

步骤2.1：使用基于时间长度的目标物过滤方法，删除噪声目标物；

步骤2.2：基于目标物行驶范围的轨迹过滤规则，处理目标物的静止轨迹，具体为：每个目标物判断其生命周期内的轨迹点是否位于直径为2m的圆内，如是，则认为该目标静止；

步骤2.3：基于自适应滑动窗口的B样条轨迹过滤法，处理目标物的轨迹混乱问题，具体为：如目标非静止，且轨迹点数量大于100个，则使用基于滑动窗口的3次样条插值法进行轨迹过滤；滑动窗口大小为100，重叠度为25；若轨迹点数量小于100，则直接使用3次样条插值法进行轨迹过滤。

4.根据权利要求1所述的基于采集数据的无效数据删除及仿真测试场景重构方法，其特征在于，所述步骤3包括：如某一目标物的消失位置与另一目标物的出现位置，欧式距离小于5m，且该目标物的消失时间与另一目标物的起始时间间隔在3s内，则认为这两个目标物可合并；

所述步骤4包括：同时支持xml场景格式导出以及xosc格式场景导出，并且导出场景支持一键导入相应的仿真软件。

5.一种基于采集数据的无效数据删除及仿真测试场景重构系统，其特征在于，包括：

模块M1：对于采集的数据，删除其中无效的时间段，得到分成小片段的有效数据并保存；

模块M2：进行数据清洗，删除噪声数据，进行轨迹平滑，得到修改后的交通参与者数据；

模块M3：同时考虑目标物起终点的距离，以及目标物的起点时间与终点时间的间隔，将同一目标物的多个识别结果进行纠正，得到有效准确的交通参与者数据；

模块M4：进行场景资源导出，支持多种仿真平台的场景资源导出；

无效时间段的定义包括：

主车速度≤3km/h且主车速度≥1km/时，主车横向范围[-7m,7m]且纵向范围[-10m,10m]内没有目标车存在的时段为无效时间段；

主车速度>3km/h时，不存在满足以下条件的目标物时，采集时间无效：纵向碰撞时间TTC<9.5s，纵向TTC>-2s，横向距离<5km/h，横向距离>-5m，目标物速度>0.6m/s；

主车速度＜1km/h时，判定主车处于停止状态，采集时间均无效。

6.根据权利要求5所述的基于采集数据的无效数据删除及仿真测试场景重构系统，其特征在于，所述模块M1包括：

模块M1.1：根据无效时间规则，逐帧判断该帧的时间是否有效；

模块M1.2：记录并输出所有无效时间帧；

模块M1.3：如果连续的无效时间帧之间的间隔小于3s，则合并无效时间帧，成为无效时间段；

模块M1.4：如果一个无效时间段的长度小于3s，则删除该时间段；

模块M1.5：通过改变无效时间段的开始与结束时间点，保证所有有效时间段的长度>30s；如改变后，无效时间起点要晚于无效时间终点，则该时间段转为一个分割点，以无效时间终点为准。

7.根据权利要求5所述的基于采集数据的无效数据删除及仿真测试场景重构系统，其特征在于，所述模块M2包括：

模块M2.1：使用基于时间长度的目标物过滤方法，删除噪声目标物；

模块M2.2：基于目标物行驶范围的轨迹过滤规则，处理目标物的静止轨迹，具体为：每个目标物判断其生命周期内的轨迹点是否位于直径为2m的圆内，如是，则认为该目标静止；

模块M2.3：基于自适应滑动窗口的B样条轨迹过滤法，处理目标物的轨迹混乱问题，具体为：如目标非静止，且轨迹点数量大于100个，则使用基于滑动窗口的3次样条插值法进行轨迹过滤；滑动窗口大小为100，重叠度为25；若轨迹点数量小于100，则直接使用3次样条插值法进行轨迹过滤。

8.根据权利要求5所述的基于采集数据的无效数据删除及仿真测试场景重构系统，其特征在于，所述模块M3包括：如某一目标物的消失位置与另一目标物的出现位置，欧式距离小于5m，且该目标物的消失时间与另一目标物的起始时间间隔在3s内，则认为这两个目标物可合并；

所述模块M4包括：同时支持xml场景格式导出以及xosc格式场景导出，并且导出场景支持一键导入相应的仿真软件。