CN110763483A - 一种安全等级测试场景库的自动生成方法及装置 - Google Patents

Abstract

本发明公开一种安全等级测试场景库的自动生成方法及装置，包括:通过不同数据来源搜集数据；从工控机提取时间信号，进行数据时间同步融合形成单位数据集，导入场景库；将单位数据集进行***性的分解并分类，得到场景因子；将不同的场景因子进行重新组合，得到数组，每一个数组对应一个场景，形成场景集；剔除掉无效的场景，得到一个有效的多样性场景库。本发明的有益效果主要体现在：具有普适性，适用于各种车型的安全等级测试场景；场景多样性，自动生成多种类似场景；可靠性高，具有合理的纠错性能，剔除无效的场景；提高了对标测试效率，降低了测试成本。

Description

一种安全等级测试场景库的自动生成方法及装置

技术领域

本发明属于汽车安全等级测试技术领域，特别是涉及一种安全等级测试场景库的自动生成方法及装置。

背景技术

随着主动安全***在提高现代车辆的乘坐舒适性和驾驶安全性等方面扮演着越来越重要的作用，对于主动安全***的开发与应用需求也愈加迫切。除了主动安全***功能和算法的研究之外，测试与评价作为主动安全***研发中的重要环节，可以及时发现产品问题，保证***功能的正确性与可靠性，有效提高产品的开发效率。

测试场景可以把产品的测试需求转化为具有可实施性及可操作性的测试流程，便于对产品需求的合理性进行验证；并且能够掌握并拓展测试范围，发现待测***中潜在的产品缺陷。因而，测试场景的设计方法在测试与评价环节中的重要性不言而喻。当前，国内外的部分汽车厂商与科研院所采用的主动安全***测试场景设计方法直接沿用了国内外标准化机构制定的测试标准中规定的测试场景，这些测试场景中工况较为简单且数量较少，无法实现对实际交通场景中复杂测试环境的有效模拟；另一部分则采用“穷尽测试”方法来对所有交通环境中的影响因素组合进行遍历，虽然能够保证良好的覆盖度，但测试场景个数会随着场景中包含的影响因素个数增加而呈指数性***增长，从而严重增加测试成本，降低测试效率。而软件测试领域中的组合测试算法能够在测试效率和测试覆盖率之间做出合理平衡，无疑可以为主动安全***的测试提供有效思路。然而，传统的组合测试算法大多集中于研究如何缩小测试场景集的规模，例如中国专利申请CN109446371A揭示的智能汽车仿真测试场景库的生成方法，对于如何在减少生成测试场景个数的同时提高场景整体的有效性则并没有过多研究。

发明内容

本发明的目的是解决上述技术问题，提供一种安全等级测试场景库的自动生成方法及装置。

为实现上述目的，本发明提供了如下方案：

一种安全等级测试场景库的自动生成方法，包括:

步骤S1、通过不同数据来源搜集数据；

步骤S2、从工控机提取时间信号，进行数据时间同步融合形成单位数据集，导入场景库；

步骤S3、将单位数据集进行***性的分解并分类，得到场景因子；

步骤S4、将不同的场景因子进行重新组合，得到数组，每一个数组对应一个场景，形成场景集；

步骤S5、剔除掉无效的场景，得到一个有效的多样性场景库。

优选的，所述步骤S1中，不同数据来源包括目标车辆的车载相机、激光雷达、自车CAN信号，所述车载相机搜集的数据包括道路类型，车道线型，天气类型与光照强度；所述激光雷达搜集的数据包括目标车辆行驶轨迹线与其余道路参与者行进轨迹线；所述CAN信号搜集的数据包括目标车辆的车身数据。

优选的，所述步骤S2中，提取时间信号，进行数据时间同步融合，具体步骤包括，提取起始时间和终止时间，形成一个单位的时间段，并保证每个时间段的时长相等，截取不同数据来源在相同起始时间、相同时长下的单位数据，所有的在该时间段内的单位数据形成单位数据集。

优选的，所述步骤S3中，提取单位数据集中的单位数据，将单位数据分类并标注，形成具有标签的场景因子。

优选的，所述步骤S3中，利用计算机视觉深度学习来构造出图像分类器，将图像进行分类形成单位数据。

优选的，所述步骤S3中，还包括增加相似数据的步骤，将相似数据补充到该类别中并标注。

优选的，所述步骤S4中，采用全排列方式对场景因子进行重新组合，得到场景集，每个场景包括各个类别中的有且就有的一个场景因子。

优选的，所述步骤5中，剔除无效的场景，具体包括，判断自车属性与其他场景因子的匹配度，若不匹配则属于无效场景，所述自车属性包括目标车辆的速度和行驶轨迹线。

优选的，判断自车属性与其他场景因子的匹配度具体包括：

S51、判断目标车辆的行驶轨迹线与车道线在二维空间中有否具有交互点；

S52、判断目标车辆的行驶轨迹线与预设禁止线有否具有交互点，所述预设禁止线为特定时间段的二维空间中的特定坐标区域的边界线；

S53、判断目标车辆的行驶轨迹线的运行方向与车道方向是否一致；

S54、判断目标车辆的车速是否低于该道路类型的限速。

本发明还揭示了一种安全等级测试场景库的自动生成装置，包括：

收集单元，用于收集通过不同数据来源得到的数据；

融合单元，用于从工控机提取时间信号，进行数据时间同步融合形成单位数据集，导入场景库；

场景因子形成单元，用于将单位数据集进行***性的分解并分类，得到场景因子；

场景集自动生成单元，用于将不同的场景因子进行重新组合，得到数组，每一个数组对应一个场景，形成场景集；

修正单元，用于剔除掉无效的场景，得到一个有效的多样性场景库。

本发明的有益效果主要体现在：具有普适性，适用于各种车型的安全等级测试场景；场景多样性，自动生成多种类似场景；可靠性高，具有合理的纠错性能，剔除无效的场景；提高了对标测试效率，降低了测试成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明安全等级测试场景库的自动生成方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图所示，本发明揭示了一种安全等级测试场景库的自动生成方法，包括如下步骤:

步骤S1、通过不同数据来源搜集数据；

步骤S2、从工控机提取时间信号，进行数据时间同步融合形成单位数据集，导入场景库；

步骤S3、将单位数据集进行***性的分解并分类，得到场景因子；

步骤S4、将不同的场景因子进行重新组合，得到数组，每一个数组对应一个场景，形成场景集；

步骤S5、剔除掉无效的场景，得到一个有效的多样性场景库。

具体的，所述步骤S1中，不同数据来源包括设置在目标车辆上的车载相机、激光雷达、自车CAN信号，所述车载相机搜集的数据包括道路类型，车道线型，天气类型与光照强度等；所述激光雷达搜集的数据包括目标车辆行驶轨迹线与其余道路参与者行进轨迹线；所述CAN信号搜集的数据包括目标车辆的车身数据。

各个设备的时间之间会有误差，时间同步是指各个设备之间的时间需要做到完全一致，车载相机记录的某一时刻的场景要与激光雷达和自车CAN信号的时间完全一致，预设时间是指采集的时间，比如预设30秒钟的采集时间，这样每段数据的时长就得到一致。所述步骤S2中，提取时间信号，进行数据时间同步融合，具体步骤包括，提取起始时间和终止时间，形成一个单位的时间段，并保证每个时间段的时长相等，截取不同数据来源在相同起始时间、相同时长下的单位数据，所有的在该时间段内的单位数据形成单位数据集。

所述步骤S3中，提取单位数据集中的单位数据，将单位数据分类并标注，形成具有标签的场景因子。本发明利用现有的计算机视觉深度学习来代替人眼判定，构造出图像分类器，将图像进行分类，分类后进行标注，生成有标签的场景因子；当然也可以人工分类和标注，生成具有标签的场景因子。根据图像，天气类型可分为晴天，阴天，雨天，雪天；道路类型可分为一般城市道路，城市高速路，乡村道路，高速公路；车道线型根据车道线束与方向分类；光照强度可以分为强光或弱光；自车属性可根据雷达点云图得出自车轨迹线型和CAN数据的得出自车车身属性；他车轨迹和其他行人轨迹都可由直接由雷达点云扫出轨迹线型。本发明所述步骤S3中，还包括增加相似数据的步骤，将相似数据补充到该类别中并标注。例如，采集到的他车速度在30kph，即可自动调节他车速度，40 kph,50 kph,60 kph,70kph……这样出现了新的场景因子，补充到场景因子的集合中。

所述步骤S4中，采用全排列方式对场景因子进行重新组合，得到场景集，每个场景包括各个类别中的有且就有的一个场景因子。这样的排列方式结合上述的相似数据的增加，能得到一个指数形式的场景的增加，形成很多没有在实际中测试的场景。

由于形成了多个没有在实际中测试的场景，无法保证每个场景的可实施性，因此本发明所述步骤S5中，包括剔除无效的场景的步骤。本发明主要是根据功能安全性、物理空间的合理性和交通法规，来进行场景剔除。

导入至仿真场景时，整个仿真数据库本身具有一个三维坐标轴，场景因子导入都应会具有相应的三维坐标，所以车辆轨迹线与车道线外的点x，y坐标相同时即视为交互。当测试车辆的行驶轨迹与车道线外的点在二维空间中有交互点时即为无效场景；可根据时间将某一阶段的坐标区域设禁止线，当测试车辆的行驶轨迹在某一阶段与禁止线交互即为无效场景；当测试车辆的行驶轨迹与车道方向相反时即为无效场景；当测试车辆的车速不符合道路的道路类型的限速时即为无效场景。

本发明经过上述步骤剔除掉无效的场景后，即可得到一个多样性的有效场景库，可以任意搭配场景测试。例如，想要模拟一个目标车辆被他车抢道的场景，则可以选取一个他车变道的轨迹线、目标车辆直行的轨迹线，即可形成所需的测试场景。然后通过修改CAN信号录入的任意变量，进行测试。例如可以手动选择我们需要的场景因子按上述步骤，造出一个全新的符合需要的他车编导仿真场景，目标车辆搭载待测自动驾驶避障算法，然后再直观观察是否成功避免了与他车的碰撞，如果成功避免的话，再判断CAN信号的输出变量是否与目前搭载的避障算法是否保持一致，作为验证的一个途径。

本发明可以高效省时地提高研发测试工程师对标效率，很多场景在全排列组合过程中已经出现在仿真中已经测试过，无需再实际对标，提高了对标测试效率；能够有效地指导后续的道路测试工作，搭载仿真***可提高软件测试的效率和持续集成，完美地支持功能安全分析，减轻算法、测试、功能安全工程师的负担，让工程师更高效的发挥其功能。本发明完全支持各等级的自动驾驶场景，是一种能够加快自动驾驶方案迭代的方法。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种安全等级测试场景库的自动生成方法，其特征在于，包括:

步骤S1、通过不同数据来源搜集数据；

步骤S2、从工控机提取时间信号，进行数据时间同步融合形成单位数据集，导入场景库；

步骤S3、将单位数据集进行***性的分解并分类，得到场景因子；

步骤S4、将不同的场景因子进行重新组合，得到数组，每一个数组对应一个场景，形成场景集；

步骤S5、剔除掉无效的场景，得到一个有效的多样性场景库。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，不同数据来源包括目标车辆的车载相机、激光雷达、自车CAN信号，所述车载相机搜集的数据包括道路类型，车道线型，天气类型与光照强度；所述激光雷达搜集的数据包括目标车辆行驶轨迹线与其余道路参与者行进轨迹线；所述CAN信号搜集的数据包括目标车辆的车身数据。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2中，提取时间信号，进行数据时间同步融合，具体步骤包括，提取起始时间和终止时间，形成一个单位的时间段，并保证每个时间段的时长相等，截取不同数据来源在相同起始时间、相同时长下的单位数据，所有的在该时间段内的单位数据形成单位数据集。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，提取单位数据集中的单位数据，将单位数据分类并标注，形成具有标签的场景因子。

5.根据权利要求4所述的方法，其特征在于，所述步骤S3中，利用计算机视觉深度学习来构造出图像分类器，将图像进行分类形成单位数据。

6.根据权利要求4所述的方法，其特征在于，所述步骤S3中，还包括增加相似数据的步骤，将相似数据补充到该类别中并标注。

7.根据权利要求1所述的方法，其特征在于，所述步骤S4中，采用全排列方式对场景因子进行重新组合，得到场景集，每个场景包括各个类别中的有且就有的一个场景因子。

8.根据权利要求1所述的方法，其特征在于，所述步骤5中，剔除无效的场景，具体包括，判断自车属性与其他场景因子的匹配度，若不匹配则属于无效场景，所述自车属性包括目标车辆的速度和行驶轨迹线。

9.根据权利要求8所述的方法，其特征在于，判断自车属性与其他场景因子的匹配度具体包括，

S51、判断目标车辆的行驶轨迹线与车道线在二维空间中有否具有交互点；

S52、判断目标车辆的行驶轨迹线与预设禁止线有否具有交互点，所述预设禁止线为特定时间段的二维空间中的特定坐标区域的边界线；

S53、判断目标车辆的行驶轨迹线的运行方向与车道方向是否一致；

S54、判断目标车辆的车速是否低于该道路类型的限速。

10.一种安全等级测试场景库的自动生成装置，其特征在于，包括，

收集单元，用于收集通过不同数据来源得到的数据；

融合单元，用于从工控机提取时间信号，进行数据时间同步融合形成单位数据集，导入场景库；

场景因子形成单元，用于将单位数据集进行***性的分解并分类，得到场景因子；

场景集自动生成单元，用于将不同的场景因子进行重新组合，得到数组，每一个数组对应一个场景，形成场景集；

修正单元，用于剔除掉无效的场景，得到一个有效的多样性场景库。

Images