CN113759750A - 一种仿真环境下障碍物信息生成方法和装置 - Google Patents
一种仿真环境下障碍物信息生成方法和装置 Download PDFInfo
- Publication number
- CN113759750A CN113759750A CN202010962641.0A CN202010962641A CN113759750A CN 113759750 A CN113759750 A CN 113759750A CN 202010962641 A CN202010962641 A CN 202010962641A CN 113759750 A CN113759750 A CN 113759750A
- Authority
- CN
- China
- Prior art keywords
- lane
- obstacle
- main vehicle
- sampling
- obstacles
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004088 simulation Methods 0.000 title claims abstract description 61
- 238000005070 sampling Methods 0.000 claims abstract description 168
- 230000004888 barrier function Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种仿真环境下障碍物信息生成方法和装置,涉及自动驾驶技术领域。该方法的一具体实施方式包括:基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道;抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置;分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸;获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据。该实施方式能够解决生成效率低和无法实现随机全覆盖的技术问题。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种仿真环境下障碍物信息生成方法和装置。
背景技术
目前,自动驾驶仿真场景中的障碍物通常采用人工操作场景编辑器的方式添加障碍物,指定障碍物的起点和途经点信息。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
人工添加场景障碍物的效率低且覆盖范围有限,无法自动地批量添加场景障碍物,因此难以在大范围地图上应用,也难以快速批量地生成场景障碍物,导致影响场景生成效率;另外,人工添加的障碍物的方式受人工经验影响,障碍物的行为受人工干预较大,无法实现随机全覆盖,可能丢失部分边缘场景。
发明内容
有鉴于此,本发明实施例提供一种仿真环境下障碍物信息生成方法和装置,以解决生成效率低和无法实现随机全覆盖的技术问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种仿真环境下障碍物信息生成方法,包括:
基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道;
抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置;
分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸;
获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据;其中,所述障碍物描述数据包括各个所述障碍物的类型、几何尺寸、起始位置、行驶轨迹、行驶速度和行驶中的朝向。
可选地,基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道,包括:
基于地图数据进行全局路径规划,生成主车的行驶路径;
根据所述主车的行驶路径,从所述地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。
可选地,抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,包括:
提取出所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点;
基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点进行上采样和/或下采样,得到采样点集合,从所述采样点集合中随机选择采样点;或者,基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点,按照预设采样距离选择采样点。
可选地,抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点之后,还包括:
对每个采样点,判断所述采样点是否满足合理性规则;
若是,则将所述采样点作为障碍物的起始位置;若否,则删除所述采样点;
其中,所述合理性规则包括以下至少一种:所述采样点与相邻采样点的间距大于等于距离阈值、所述采样点在可通行区域和所述采样点未超出道路边界。
可选地,所述几何关键点包括:几何中心线描述点,和/或,车道线描述点。
可选地,分配各个所述障碍物的类型,包括:
根据道路交通流统计信息,获取各个类型的障碍物在不同车道出现的概率;
根据各个所述障碍物的起始位置和各个类型的障碍物在不同车道出现的概率,随机分配各个所述障碍物的类型。
可选地,获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,包括:
对于每个障碍物,根据所述障碍物的类型、车道行进方向、道路标线和道路标识,确定所述障碍物的起始朝向;
根据所述障碍物的类型、起始位置和起始朝向,采用局部路径规划和速度规划方法,生成所述障碍物的行驶轨迹、行驶速度和行驶中的朝向。
可选地,输出障碍物描述数据之后,还包括:
将所述障碍物描述数据反馈至自动驾驶仿真***,以使所述障碍物描述数据加载到自动驾驶仿真***中;或者,
将所述障碍物描述数据添加到仿真场景描述文件中。
另外,根据本发明实施例的另一个方面,提供了一种仿真环境下障碍物信息生成装置,包括:
提取模块,用于基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道;
采样模块,用于抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置;
分配模块,用于分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸;
生成模块,用于获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据;其中,所述障碍物描述数据包括各个所述障碍物的类型、几何尺寸、起始位置、行驶轨迹、行驶速度和行驶中的朝向。
可选地,所述提取模块还用于:
基于地图数据进行全局路径规划,生成主车的行驶路径;
根据所述主车的行驶路径,从所述地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。
可选地,所述采样模块还用于:
提取出所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点;
基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点进行上采样和/或下采样,得到采样点集合,从所述采样点集合中随机选择采样点;或者,基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点,按照预设采样距离选择采样点。
可选地,所述采样模块还用于:
抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点之后,对每个采样点,判断所述采样点是否满足合理性规则;
若是,则将所述采样点作为障碍物的起始位置;若否,则删除所述采样点;
其中,所述合理性规则包括以下至少一种:所述采样点与相邻采样点的间距大于等于距离阈值、所述采样点在可通行区域和所述采样点未超出道路边界。
可选地,所述几何关键点包括几何中心线描述点和/或车道线描述点。
可选地,所述分配模块还用于:
根据道路交通流统计信息,获取各个类型的障碍物在不同车道出现的概率;
根据各个所述障碍物的起始位置和各个类型的障碍物在不同车道出现的概率,随机分配各个所述障碍物的类型。
可选地,所述生成模块还用于:
对于每个障碍物,根据所述障碍物的类型、车道行进方向、道路标线和道路标识,确定所述障碍物的起始朝向;
根据所述障碍物的类型、起始位置和起始朝向,采用局部路径规划和速度规划方法,生成所述障碍物的行驶轨迹、行驶速度和行驶中的朝向。
可选地,所述生成模块还用于:
输出障碍物描述数据之后,将所述障碍物描述数据反馈至自动驾驶仿真***,以使所述障碍物描述数据加载到自动驾驶仿真***中;或者,将所述障碍物描述数据添加到仿真场景描述文件中。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用抽取主车所在车道以及主车所在车道的相邻车道的采样点,将各个采样点分别作为各个障碍物的起始位置,分配各个所述障碍物的类型,并根据各个障碍物的类型分别配置各个障碍物的几何尺寸,以及,获取各个障碍物的行驶轨迹、行驶速度和行驶中的朝向的技术手段,所以克服了现有技术中生成效率低和无法实现随机全覆盖的技术问题。本发明实施例根据自动驾驶主车全局路径规划结果,对主车所在车道及其相邻车道进行采样,构建环绕主车行驶路径的障碍物起始位置;而且,进一步根据道路交通流统计信息,合理地分配各个障碍物的类型。因此,本发明实施例能够在场景地图中批量生成障碍物,不但可以提高场景生成效率和随机性,还能够保证障碍物的全覆盖。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的仿真环境下障碍物信息生成方法的主要流程的示意图;
图2是根据本发明一个可参考实施例的仿真环境下障碍物信息生成方法的主要流程的示意图;
图3是根据本发明另一个可参考实施例的仿真环境下障碍物信息生成方法的主要流程的示意图;
图4是根据本发明实施例的仿真环境下障碍物信息生成装置的主要模块的示意图;
图5是本发明实施例可以应用于其中的示例性***架构图;
图6是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的仿真环境下障碍物信息生成方法的主要流程的示意图。作为本发明的一个实施例,如图1所示,所述仿真环境下障碍物信息生成方法可以包括:
步骤101,基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道。
为了能够环绕自动驾驶主车生成障碍物,首先需要提取出主车所在车道以及所述主车所在车道的相邻车道。具体地,可以基于高精地图数据进行全局路径规划,从路径规划结果中提取出主车所在车道以及所述主车所在车道的相邻车道。
可选地,步骤101可以包括:基于地图数据进行全局路径规划,生成主车的行驶路径;根据所述主车的行驶路径,从所述地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。首先基于地图数据进行全局路径规划,生成自动驾驶主车的行驶路径,然后根据所述主车的行驶路径,从地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。
步骤102,抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置。
在该步骤中,对步骤101提取出的主车所在车道以及所述主车所在车道的相邻车道进行采样,得到多个采样点,将这些各个采样点分别作为各个障碍物的起始位置。比如,可以对主车所在车道以及所述主车所在车道的相邻车道进行随机采样,也可以按照一定距离进行采样,本发明实施例对此不作限制。
可选地,步骤102可以包括:提取出所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点;基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点进行上采样和/或下采样,得到采样点集合,从所述采样点集合中随机选择采样点;或者,基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点,按照预设采样距离选择采样点。为了保证采样的随机性和全面覆盖,首先提取出主车所在车道以及所述主车所在车道的相邻车道的几何关键点,然后基于提取出的几何关键点进行采样。比如,可以基于提取出的几何关键点进行上采样和/或下采样(具体方法不限于线性插值等),得到采样点集合,然后从所述采样点集合中随机选择采样点;或者,可以基于提取出的几何关键点按照预设采样距离进行采样。除了这两中采样方式外,也可以采用其他方式进行采样,本发明实施例对此不作限制。
可选地,所述几何关键点包括几何中心线描述点和/或车道线描述点。在本发明的实施例中,上采样是指相邻两个采样点的距离小于相邻两个描述点的距离,也就是说,通过上采样采集到的采样点较为密集;下采样是指相邻两个采样点的距离大于相邻两个描述点的距离,也就是说,通过下采样采集到的采样点较为稀疏。
可选地,抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点之后,还包括:对每个采样点,判断所述采样点是否满足合理性规则;若是,则将所述采样点作为障碍物的起始位置;若否,则删除所述采样点;其中,所述合理性规则包括以下至少一种:所述采样点与相邻采样点的间距大于等于距离阈值、所述采样点在可通行区域和所述采样点未超出道路边界。抽取出采样点之后,为了保证采样点的合理性,需要基于合理性规则对采样点进行检验,判断采样点是否满足合理性规则,也就是检查采样点成为障碍物生成位置的合理性。比如,检查与相邻采样点是否过近、检查是否在不可通行区域、检查是否超出道路边界等等。如果采样点满足合理性规则,说明在该位置设置障碍物合理,则将该采样点设定为障碍物中心的起始位置;如果采样点不满足合理性规则中的任意一个,说明在该位置设置障碍物不合理,则删除该采样点,并返回选取其他采样点继续进行合理性检验。
步骤103,分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸。
在本发明的实施例中,可以按照随机方式分配各个障碍物的类型,也可以按照人为指定方式分配各个障碍物的类型,还可以根据道路交通流统计信息分配障碍物的类型。
可选地,分配各个所述障碍物的类型,包括:根据道路交通流统计信息,获取各个类型的障碍物在不同车道出现的概率;根据各个所述障碍物的起始位置和各个类型的障碍物在不同车道出现的概率,随机分配各个所述障碍物的类型。为了能够批量地自动分配各个障碍物的类型,可以根据道路交通流统计信息获取各个类型的障碍物在不同车道出现的概率,然后根据各个障碍物的起始位置和各个类型的障碍物在不同车道出现的概率,随机分配各个障碍物的类型。比如,多车道道路上最左侧车道轿车概率最高,卡车和客车次之,自行车再次之,行人概率最小;在最右侧非机动车道上则反之。因此,根据各个类型的障碍物在不同车道出现的概率可以准确地合理地分配各个障碍物的类型,提高仿真模拟的可靠性。
分配各个障碍物的类型(比如轿车、卡车、客车、自行车或者行人等)后,就可以根据各个障碍物的类型分别配置各个障碍物的几何尺寸数据。可选地,可以进一步获取障碍物的3D几何模型,根据障碍物的3D几何模型配置精细的几何轮廓数据,使得障碍物的仿真效果更加逼真。
步骤104,获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据。
在确定障碍物的起始位置、类型、几何尺寸之后,还需要进一步确定障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述文件。其中,所述障碍物描述数据包括各个所述障碍物的类型、几何尺寸、起始位置、行驶轨迹、行驶速度和行驶中的朝向。
可选地,获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,包括:对于每个障碍物,根据所述障碍物的类型、车道行进方向、道路标线和道路标识,确定所述障碍物的起始朝向;根据所述障碍物的类型、起始位置和起始朝向,采用局部路径规划和速度规划方法,生成所述障碍物的行驶轨迹、行驶速度和行驶中的朝向。在本发明的实施例中,可以根据障碍物的类型(比如轿车、卡车、客车、自行车或者行人等)、车道行进方向、道路标线和道路标识等确定障碍物的起始朝向,比如轿车在机动车道上沿道路中心线沿线并按车道行驶方向确定朝向;然后根据障碍物的类型、起始位置和起始朝向,采用局部路径规划和速度规划方法,生成所述障碍物的行驶轨迹、行驶速度和行驶中的朝向。
可选地,在步骤104之后,还包括:将所述障碍物描述数据反馈至自动驾驶仿真***,以使所述障碍物描述数据加载到自动驾驶仿真***中;或者,将所述障碍物描述数据添加到仿真场景描述文件中。输出障碍物描述数据后,如果继续运行仿真,则将障碍物描述数据反馈给自动驾驶仿真***;如果不继续运行仿真,则将障碍物描述数据保存到仿真场景描述文件中,那么当自动驾驶仿真***加载仿真场景描述文件时,障碍物描述数据也会被遗弃加载到***中。
根据上面所述的各种实施例,可以看出本发明实施例通过抽取主车所在车道以及主车所在车道的相邻车道的采样点,将各个采样点分别作为各个障碍物的起始位置,分配各个所述障碍物的类型,并根据各个障碍物的类型分别配置各个障碍物的几何尺寸,以及,获取各个障碍物的行驶轨迹、行驶速度和行驶中的朝向的技术手段,解决了现有技术中生成效率低和无法实现随机全覆盖的技术问题。本发明实施例根据自动驾驶主车全局路径规划结果,对主车所在车道及其相邻车道进行采样,构建环绕主车行驶路径的障碍物起始位置;而且,进一步根据道路交通流统计信息,合理地分配各个障碍物的类型。因此,本发明实施例能够在场景地图中批量生成障碍物,不但可以提高场景生成效率和随机性,还能够保证障碍物的全覆盖。
图2是根据本发明一个可参考实施例的仿真环境下障碍物信息生成方法的主要流程的示意图。作为本发明的又一个实施例,如图2所示,所述仿真环境下障碍物信息生成方法可以包括:
步骤201,基于地图数据进行全局路径规划,生成主车的行驶路径。
可以基于高精地图数据进行全局路径规划,生成自动驾驶主车的行驶路径。
步骤202,根据所述主车的行驶路径,从所述地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。
生成了主车的行驶路径后,也就得到了主车所在车道,因此可以从地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。
步骤203,提取出所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点。
可选地,所述几何关键点包括:几何中心线描述点,和/或,车道线描述点,这样可以保证障碍物起始位置的全覆盖,避免受到人工干预。
步骤204,基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点进行上采样和/或下采样,得到采样点集合。
在本发明的实施例中,可以基于步骤203中提取出的几何关键点进行上采样或者下采样,也可以既进行上采样又进行下采样,从而得到采样点集合,以保证障碍物起始位置的全覆盖。
步骤205,从所述采样点集合中随机选择采样点。
为了实现障碍物起始位置的随机性,从采样点集合中随机选择若干个采样点。
步骤206,对每个采样点,判断所述采样点是否满足合理性规则;若是,则执行步骤207;若否,则执行步骤208。
其中,所述合理性规则包括以下至少一种:所述采样点与相邻采样点的间距大于等于距离阈值、所述采样点在可通行区域和所述采样点未超出道路边界。从采样点集合中随机选择出若干个采样点之后,为了保证采样点的合理性,需要基于合理性规则对采样点进行检验,判断采样点是否满足合理性规则,也就是检查采样点成为障碍物生成位置的合理性。比如,检查与相邻采样点是否过近、检查是否在不可通行区域、检查是否超出道路边界等等。
步骤207,将所述采样点作为障碍物的起始位置。
步骤208,删除所述采样点。
如果采样点满足合理性规则,说明在该位置设置障碍物合理,则将该采样点设定为障碍物中心的起始位置;如果采样点不满足合理性规则中的任意一个,说明在该位置设置障碍物不合理,则删除该采样点,并返回选取其他采样点继续进行合理性检验。
步骤209,分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸。
可以按照随机方式分配各个障碍物的类型,也可以按照人为指定方式分配各个障碍物的类型,还可以根据道路交通流统计信息分配障碍物的类型。然后,针对不同的障碍物类型,分配不同的几何尺寸。
步骤210,获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据。
在确定障碍物的起始位置、类型、几何尺寸之后,还需要进一步确定障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述文件。其中,所述障碍物描述数据包括各个所述障碍物的类型、几何尺寸、起始位置、行驶轨迹、行驶速度和行驶中的朝向。
另外,在本发明一个可参考实施例中仿真环境下障碍物信息生成方法的具体实施内容,在上面所述仿真环境下障碍物信息生成方法中已经详细说明了,故在此重复内容不再说明。
图3是根据本发明另一个可参考实施例的仿真环境下障碍物信息生成方法的主要流程的示意图。作为本发明的另一个实施例,如图3所示,所述仿真环境下障碍物信息生成方法可以包括:
步骤301,基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道。
步骤302,抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置。
步骤303,根据道路交通流统计信息,获取各个类型的障碍物在不同车道出现的概率。
步骤304,根据各个所述障碍物的起始位置和各个类型的障碍物在不同车道出现的概率,随机分配各个所述障碍物的类型。
步骤305,对于每个障碍物,根据所述障碍物的类型、车道行进方向、道路标线和道路标识,确定所述障碍物的起始朝向。
步骤306,根据所述障碍物的类型、起始位置和起始朝向,采用局部路径规划和速度规划方法,生成所述障碍物的行驶轨迹、行驶速度和行驶中的朝向。
步骤307,输出障碍物描述数据,如果自动驾驶仿真***当前处于在线状态,则执行步骤308;如果自动驾驶仿真***当前处于离线状态,则执行步骤309。
步骤308,将所述障碍物描述数据反馈至自动驾驶仿真***,以使所述障碍物描述数据加载到自动驾驶仿真***中。
步骤309,将所述障碍物描述数据添加到仿真场景描述文件中。
另外,在本发明一个可参考实施例中仿真环境下障碍物信息生成方法的具体实施内容,在上面所述仿真环境下障碍物信息生成方法中已经详细说明了,故在此重复内容不再说明。
图4是根据本发明实施例的仿真环境下障碍物信息生成装置的主要模块的示意图,如图4所示,所述仿真环境下障碍物信息生成装置400包括提取模块401、采样模块402、分配模块403和生成模块404;其中,提取模块401用于基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道;采样模块402用于抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置;分配模块403用于分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸;生成模块404用于获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据;其中,所述障碍物描述数据包括各个所述障碍物的类型、几何尺寸、起始位置、行驶轨迹、行驶速度和行驶中的朝向。
可选地,所述提取模块401还用于:
基于地图数据进行全局路径规划,生成主车的行驶路径;
根据所述主车的行驶路径,从所述地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。
可选地,所述采样模块402还用于:
提取出所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点;
基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点进行上采样和/或下采样,得到采样点集合,从所述采样点集合中随机选择采样点;或者,基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点,按照预设采样距离选择采样点。
可选地,所述采样模块402还用于:
抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点之后,对每个采样点,判断所述采样点是否满足合理性规则;
若是,则将所述采样点作为障碍物的起始位置;若否,则删除所述采样点;
其中,所述合理性规则包括以下至少一种:所述采样点与相邻采样点的间距大于等于距离阈值、所述采样点在可通行区域和所述采样点未超出道路边界。
可选地,所述几何关键点包括几何中心线描述点和/或车道线描述点。
可选地,所述分配模块403还用于:
根据道路交通流统计信息,获取各个类型的障碍物在不同车道出现的概率;
根据各个所述障碍物的起始位置和各个类型的障碍物在不同车道出现的概率,随机分配各个所述障碍物的类型。
可选地,所述生成模块404还用于:
对于每个障碍物,根据所述障碍物的类型、车道行进方向、道路标线和道路标识,确定所述障碍物的起始朝向;
根据所述障碍物的类型、起始位置和起始朝向,采用局部路径规划和速度规划方法,生成所述障碍物的行驶轨迹、行驶速度和行驶中的朝向。
可选地,所述生成模块404还用于:
输出障碍物描述数据之后,将所述障碍物描述数据反馈至自动驾驶仿真***,以使所述障碍物描述数据加载到自动驾驶仿真***中;或者,将所述障碍物描述数据添加到仿真场景描述文件中。
根据上面所述的各种实施例,可以看出本发明实施例通过抽取主车所在车道以及主车所在车道的相邻车道的采样点,将各个采样点分别作为各个障碍物的起始位置,分配各个所述障碍物的类型,并根据各个障碍物的类型分别配置各个障碍物的几何尺寸,以及,获取各个障碍物的行驶轨迹、行驶速度和行驶中的朝向的技术手段,解决了现有技术中生成效率低和无法实现随机全覆盖的技术问题。本发明实施例根据自动驾驶主车全局路径规划结果,对主车所在车道及其相邻车道进行采样,构建环绕主车行驶路径的障碍物起始位置;而且,进一步根据道路交通流统计信息,合理地分配各个障碍物的类型。因此,本发明实施例能够在场景地图中批量生成障碍物,不但可以提高场景生成效率和随机性,还能够保证障碍物的全覆盖。
需要说明的是,在本发明所述仿真环境下障碍物信息生成装置的具体实施内容,在上面所述仿真环境下障碍物信息生成方法中已经详细说明了,故在此重复内容不再说明。
图5示出了可以应用本发明实施例的仿真环境下障碍物信息生成方法或仿真环境下障碍物信息生成装置的示例性***架构500。
如图5所示,***架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的仿真环境下障碍物信息生成方法一般由服务器505执行,相应地,所述仿真环境下障碍物信息生成装置一般设置在服务器505中。本发明实施例所提供的仿真环境下障碍物信息生成方法也可以由终端设备501、502、503执行,相应地,所述仿真环境下障碍物信息生成装置可以设置在终端设备501、502、503中。
应该理解,图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机***600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机***600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序,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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括提取模块、采样模块、分配模块和生成模块,其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,该设备实现如下方法:基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道;抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置;分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸;获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据。
根据本发明实施例的技术方案,因为采用抽取主车所在车道以及主车所在车道的相邻车道的采样点,将各个采样点分别作为各个障碍物的起始位置,分配各个所述障碍物的类型,并根据各个障碍物的类型分别配置各个障碍物的几何尺寸,以及,获取各个障碍物的行驶轨迹、行驶速度和行驶中的朝向的技术手段,所以克服了现有技术中生成效率低和无法实现随机全覆盖的技术问题。本发明实施例根据自动驾驶主车全局路径规划结果,对主车所在车道及其相邻车道进行采样,构建环绕主车行驶路径的障碍物起始位置;而且,进一步根据道路交通流统计信息,合理地分配各个障碍物的类型。因此,本发明实施例能够在场景地图中批量生成障碍物,不但可以提高场景生成效率和随机性,还能够保证障碍物的全覆盖。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种仿真环境下障碍物信息生成方法,其特征在于,包括:
基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道;
抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置;
分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸;
获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据;其中,所述障碍物描述数据包括各个所述障碍物的类型、几何尺寸、起始位置、行驶轨迹、行驶速度和行驶中的朝向。
2.根据权利要求1所述的方法,其特征在于,基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道,包括:
基于地图数据进行全局路径规划,生成主车的行驶路径;
根据所述主车的行驶路径,从所述地图数据中提取出所述主车所在车道以及所述主车所在车道的相邻车道。
3.根据权利要求1所述的方法,其特征在于,抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,包括:
提取出所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点;
基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点进行上采样和/或下采样,得到采样点集合,从所述采样点集合中随机选择采样点;或者,基于所述主车所在车道以及所述主车所在车道的相邻车道的几何关键点,按照预设采样距离选择采样点。
4.根据权利要求3所述的方法,其特征在于,抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点之后,还包括:
对每个采样点,判断所述采样点是否满足合理性规则;
若是,则将所述采样点作为障碍物的起始位置;若否,则删除所述采样点;
其中,所述合理性规则包括以下至少一种:所述采样点与相邻采样点的间距大于等于距离阈值、所述采样点在可通行区域和所述采样点未超出道路边界。
5.根据权利要求3所述的方法,其特征在于,所述几何关键点包括:几何中心线描述点,和/或,车道线描述点。
6.根据权利要求1所述的方法,其特征在于,分配各个所述障碍物的类型,包括:
根据道路交通流统计信息,获取各个类型的障碍物在不同车道出现的概率;
根据各个所述障碍物的起始位置和各个类型的障碍物在不同车道出现的概率,随机分配各个所述障碍物的类型。
7.根据权利要求1所述的方法,其特征在于,获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,包括:
对于每个障碍物,根据所述障碍物的类型、车道行进方向、道路标线和道路标识,确定所述障碍物的起始朝向;
根据所述障碍物的类型、起始位置和起始朝向,采用局部路径规划和速度规划方法,生成所述障碍物的行驶轨迹、行驶速度和行驶中的朝向。
8.根据权利要求1所述的方法,其特征在于,输出障碍物描述数据之后,还包括:
将所述障碍物描述数据反馈至自动驾驶仿真***,以使所述障碍物描述数据加载到自动驾驶仿真***中;或者,
将所述障碍物描述数据添加到仿真场景描述文件中。
9.一种仿真环境下障碍物信息生成装置,其特征在于,包括:
提取模块,用于基于地图数据进行全局路径规划,提取出主车所在车道以及所述主车所在车道的相邻车道;
采样模块,用于抽取所述主车所在车道以及所述主车所在车道的相邻车道的采样点,将各个所述采样点分别作为各个障碍物的起始位置;
分配模块,用于分配各个所述障碍物的类型,并根据各个所述障碍物的类型分别配置各个所述障碍物的几何尺寸;
生成模块,用于获取各个所述障碍物的行驶轨迹、行驶速度和行驶中的朝向,从而输出障碍物描述数据;其中,所述障碍物描述数据包括各个所述障碍物的类型、几何尺寸、起始位置、行驶轨迹、行驶速度和行驶中的朝向。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010962641.0A CN113759750A (zh) | 2020-09-14 | 2020-09-14 | 一种仿真环境下障碍物信息生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010962641.0A CN113759750A (zh) | 2020-09-14 | 2020-09-14 | 一种仿真环境下障碍物信息生成方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113759750A true CN113759750A (zh) | 2021-12-07 |
Family
ID=78785681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010962641.0A Pending CN113759750A (zh) | 2020-09-14 | 2020-09-14 | 一种仿真环境下障碍物信息生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759750A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742958A (zh) * | 2022-02-18 | 2022-07-12 | 禾多科技(北京)有限公司 | 三维车道信息生成方法、装置、设备和计算机可读介质 |
CN115808929A (zh) * | 2023-01-19 | 2023-03-17 | 禾多科技(北京)有限公司 | 车辆仿真避障方法、装置、电子设备和计算机可读介质 |
CN115858398A (zh) * | 2023-02-07 | 2023-03-28 | 中汽智联技术有限公司 | 自动驾驶测试场景的生成方法、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110032181A (zh) * | 2019-02-26 | 2019-07-19 | 文远知行有限公司 | 语义地图中障碍物定位方法、装置、计算机设备和存储介质 |
CN110414098A (zh) * | 2019-07-12 | 2019-11-05 | 北京三快在线科技有限公司 | 一种仿真测试环境的生成方法及装置 |
CN111368409A (zh) * | 2020-02-27 | 2020-07-03 | 杭州飞步科技有限公司 | 车辆流的模拟处理方法、装置、设备和存储介质 |
-
2020
- 2020-09-14 CN CN202010962641.0A patent/CN113759750A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110032181A (zh) * | 2019-02-26 | 2019-07-19 | 文远知行有限公司 | 语义地图中障碍物定位方法、装置、计算机设备和存储介质 |
CN110414098A (zh) * | 2019-07-12 | 2019-11-05 | 北京三快在线科技有限公司 | 一种仿真测试环境的生成方法及装置 |
CN111368409A (zh) * | 2020-02-27 | 2020-07-03 | 杭州飞步科技有限公司 | 车辆流的模拟处理方法、装置、设备和存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742958A (zh) * | 2022-02-18 | 2022-07-12 | 禾多科技(北京)有限公司 | 三维车道信息生成方法、装置、设备和计算机可读介质 |
CN114742958B (zh) * | 2022-02-18 | 2023-02-17 | 禾多科技(北京)有限公司 | 三维车道信息生成方法、装置、设备和计算机可读介质 |
CN115808929A (zh) * | 2023-01-19 | 2023-03-17 | 禾多科技(北京)有限公司 | 车辆仿真避障方法、装置、电子设备和计算机可读介质 |
CN115808929B (zh) * | 2023-01-19 | 2023-04-14 | 禾多科技(北京)有限公司 | 车辆仿真避障方法、装置、电子设备和计算机可读介质 |
CN115858398A (zh) * | 2023-02-07 | 2023-03-28 | 中汽智联技术有限公司 | 自动驾驶测试场景的生成方法、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113759750A (zh) | 一种仿真环境下障碍物信息生成方法和装置 | |
CN110533055B (zh) | 一种点云数据的处理方法和装置 | |
CN112033420B (zh) | 一种车道地图构建方法和装置 | |
CN109872392A (zh) | 基于高精地图的人机交互方法和装置 | |
CN110689804A (zh) | 用于输出信息的方法和装置 | |
JP2023022185A (ja) | 地図データ処理方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム | |
CN114998477B (zh) | 掉头区域车道中心线的绘制方法、装置、设备及产品 | |
CN113959453A (zh) | 矿区路网地图生成方法、装置、设备和存储介质 | |
CN112988933A (zh) | 地址信息管理的方法和装置 | |
CN114863047A (zh) | 路口虚拟线绘制方法、装置、电子设备及计算机程序产品 | |
CN114519061A (zh) | 地图数据更新方法、装置、电子设备和介质 | |
JP7476290B2 (ja) | 道路情報更新方法、装置、電子機器、記録媒体及びコンピュータプログラム | |
CN109029476B (zh) | 一种用于确定可达区域的方法和装置 | |
CN116878532A (zh) | 移动对象的路径规划方法、装置以及相关设备 | |
CN110363847B (zh) | 一种基于点云数据的地图模型构建方法和装置 | |
CN112633980B (zh) | 用于车辆网点呈现的方法、电子设备和存储介质 | |
CN110120075B (zh) | 用于处理信息的方法和装置 | |
CN114814802A (zh) | 一种定位的方法和装置 | |
CN113688721A (zh) | 用于拟合车道线的方法及装置 | |
CN112052276B (zh) | 乘车路线的挖掘方法和装置 | |
CN110274593B (zh) | 一种路径规划的方法和装置 | |
CN114724113A (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN113449798A (zh) | 港口无人驾驶地图生成方法、装置、电子设备、存储介质 | |
CN113221241A (zh) | 无人车的数据处理方法及相关设备 | |
CN113804196A (zh) | 无人车路径规划方法及相关设备 |
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 |