CN114114953A - 仿真场景的创建方法、装置、计算机设备及介质 - Google Patents
仿真场景的创建方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN114114953A CN114114953A CN202010871893.2A CN202010871893A CN114114953A CN 114114953 A CN114114953 A CN 114114953A CN 202010871893 A CN202010871893 A CN 202010871893A CN 114114953 A CN114114953 A CN 114114953A
- Authority
- CN
- China
- Prior art keywords
- simulation
- information
- scene
- sensor
- acquiring
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 claims abstract description 48
- 230000003068 static effect Effects 0.000 claims abstract description 39
- 230000006698 induction Effects 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000009877 rendering Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 abstract description 14
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008447 perception Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种仿真场景的创建方法,包括:获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;获取场景特征,将所述场景特征添加至所述仿真环境中;设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息;根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。本发明解决了现有的融合感知模块的仿真测试环境过于简单和单一的问题。
Description
技术领域
本发明涉及信息技术领域,尤其涉及的是一种仿真场景的创建方法、装置、计算机设备及介质。
背景技术
自动驾驶汽车是一种将汽车的***传感器采集到的数据信息进行融合感知,实现无人驾驶的智能车辆。***传感器相当于驾驶员的眼睛,融合感知模块相当于驾驶员的大脑。自动驾驶汽车中的融合感知模块通过对各个***传感器采集的数据信息进行融合,进而识别周围环境中的物体属性和状态,为路径规划和决策控制提供场景认知。
出于安全性考虑,自动驾驶汽车的融合感知模块需要先通过模拟仿真测试后,再应用到真车上进行测试。现有技术主要依赖高精度地图创建仿真测试环境,而高精度地图侧重于道路信息,从而使得仿真测试环境过于简单和单一,无法满足融合感知模块在复杂场景中仿真的需求。
发明内容
本发明提供一种仿真场景的创建方法、装置、计算机设备及介质,以解决现有的融合感知模块的仿真测试环境过于简单和单一的问题。
本发明是这样实现的,一种仿真场景的创建方法,包括:
获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;
获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;
获取场景特征,将所述场景特征添加至所述仿真环境中;
设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息;
根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
一种仿真场景的创建装置,所述装置包括:
第一构建模块,用于获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;
第二构建模块,用于获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;
特征添加模块,用于获取场景特征,将所述场景特征添加至所述仿真环境中;
模拟感应模块,用于设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息;
存储模块,用于根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的仿真场景的创建方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的仿真场景的创建方法。
本发明实施例通过获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;设置仿真传感器和向所述仿真环境添加场景特征,然后运行所述仿真传感器,得到仿真传感器的感应信息;将所述动态信息、静态信息、场景特征以及仿真传感器的感应信息作为仿真场景进行保存。本发明实施例分别通过高精度地图和真实场景的传感器感知数据搭建静态场景和动态场景,提供了更贴近真实环境的仿真场景,并通过设置仿真传感器和添加场景特征,丰富了所创建的融合感知模块的仿真场景的内容,有效地满足了融合感知模块在复杂场景中的仿真需求,解决了现有的融合感知模块的仿真测试环境过于简单和单一的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述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是本发明实施例提供的仿真场景的创建方法的实现流程图;
图2是本发明实施例提供的仿真场景的创建方法中步骤S101的实现流程图;
图3是本发明实施例提供的仿真场景的创建方法中步骤S102的实现流程图;
图4是本发明实施例提供的设置仿真传感器的实现流程图;
图5是本发明实施例提供的仿真场景的创建方法中步骤S105的实现流程图;
图6是本发明实施例提供的仿真场景的创建方法的另一实现流程图;
图7是本发明实施例提供的仿真场景的创建装置的组成结构图;
图8是本发明实施例中计算机设备的一示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下对本实施例提供的仿真场景的创建方法进行详细的描述。所述仿真场景是指对自动驾驶汽车中的融合感知模块进行测试的模拟场景。图1是本发明实施例提供的仿真场景的创建方法。如图1所示,所述仿真场景的创建方法包括:
在步骤S101中,获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息。
在这里,从数据维度来看,高精度地图在传统电子地图道路数据基础上加载了更多的路面语义信息和交通环境信息,比如交通信号灯状态、道路标示线的特征信息、车道特征信息、路标等要素。本发明实施例以高精度地图构建仿真环境中的静态信息,所述静态信息是指仿真环境的静态画面,主要描述的是场景中的车道、交通标志、信号灯、交叉路口等信息。图2为本发明实施例提供的仿真场景的创建方法中步骤S101的实现流程。如图2所示,步骤S101包括:
在步骤S201中,获取高精度地图信息,根据所述高精度地图信息生成道路描述文件。
每一个高精度地图提供商提供的高精度地图都有对应的道路关系结构文件和应用程序接口(Application Programming Interface,简称API),以方便用户对高精度地图中的数据进行查找和访问。本发明实施例通过调用高精度地图提供的道路元素接口,提取指定的高精度地图信息中的道路信息,生成道路描述文件。所述高精度地图信息是指仿真场景对应的真实世界的地图信息。
在步骤S202中,对所述道路描述文件执行渲染处理,得到道路网格信息。
所述道路描述文件是以opendriver文件表示,本发明实施例将所述道路描述文件导入仿真场景中,以在可视化界面上展示所述道路描述文件,生成车道曲线、车道类型、车道边界、交通标志、信号灯、交叉路口等信息,得到道路网格信息。所述道路网格信息包括但不限于车道曲线、车道类型、车道边界、交通标志、信号灯、交叉路口等信息。
在步骤S203中,以所述道路网格信息作为仿真环境中的虚拟道路,构建仿真环境的静态信息。
在渲染完后,本发明实施例按照所得到的道路网格信息作为仿真环境中的虚拟道路,从而完成构建静态场景信息。
在步骤S102中,获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息。
在这里,自动驾驶汽车上设置有多种类型的传感器。这些传感器作为自动驾驶汽车的感知设备,用于感应、检测自动驾驶汽车所在的真实场景,输出反映所述真实场景的感应信息。所述道路实况信息是指实时路况信息。
本发明实施例以真实场景中真实传感器的感应信息和道路实况信息构建仿真环境中的动态信息,所述仿真环境中的动态信息是指仿真场景的动态画面,主要描述的是场景中的物体形状、类别、速度、运动方向和运动轨迹等。可选地,如图3所示,所述步骤S102包括:
在步骤S301中,获取真实场景中的真实传感器的感应信息。
在这里,所述真实场景中的真实传感器包括但不限于激光雷达传感器和摄像头传感器。本发明实施例获取真实场景中的所述激光雷达传感器所采集到的点云数据和摄像头传感器所采集到的视频数据。
其中,所述激光雷达传感器生成的点云数据用于判断待检测物体的位置、姿态;所述摄像头传感器采集的视频数据用于对物体进行标定,即判断具体是什么物体。
在步骤S302中,将所述感应信息导入待测融合感知模块,获取所述待测融合感知模块输出的车辆行驶轨迹数据,以所述车辆行驶轨迹数据作为道路实况信息。
如前所述,所述道路实况信息是指实时路况信息。所述激光雷达传感器生成的点云数据用于快速判断待检测物体的位置、姿态,但无法明确判断前方物体具体是什么;而摄像头传感器采集的视频数据用于对物体进行标定,以结合点云数据根据同一物体的相邻两帧数据、时间间隔判断目标物体以及目标物体的运动状态、运动方向以及运动速度。因此,本发明实施例通过对所述激光雷达传感器生成的点云数据和摄像头传感器采集的视频数据进行融合,得到道路实况信息。具体可借助待测融合感知模块,将点云数据和视频数据导入待测融合感知模块,采用融合算法进行融合处理,从而可以最大程度的使用所采集的点云数据和视频数据,使得激光雷达传感器和摄像头传感器充分发挥各自优势,互补其短。
在步骤S303中,根据所述感应信息和道路实况信息构建仿真环境的动态信息。
由于所述真实传感器的感应信息和道路实况信息是随时间动态变化的,本发明实施例将所述感应信息和道路实况信息通过渲染或者导入等方式添加到所述仿真环境中,形成仿真环境的动态信息。
在步骤S103中,获取场景特征,将所述场景特征添加至所述仿真环境中。
本实施例还根据实际测试需求提取场景特征。将所述场景特征添加至所述仿真环境中,以结合所述静态信息、动态信息,得到具体的仿真场景。示例性地,所述场景特征包括但不限于:仿真场景的温度、湿度、风力、雾、雷电、降雨量、地面积水量、云层、光照、太阳高度、是否有行人冲过来、是否有车辆追尾行驶、是否有车辆从对面行驶过来等。
在步骤S104中,设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息。
在这里,本发明实施例根据真实场景中的真实车辆搭载的传感器参数设置仿真场景中的仿真传感器,以在仿真环境中尽可能地还原真实场景中传感器的感应信息。可选地,在本实施例中,所述仿真传感器包括但不限于激光雷达传感器和摄像头传感器。如图4所示,所述设置仿真传感器包括:
在步骤S401中,设置所述激光雷达传感器的参数,所述激光雷达传感器的参数至少包括激光器数量、旋转步长、角度、频率、最高激光角度、最低激光角度和捕获频率。
在这里,本实施例通过设置激光器数量来确定发射的激光数量。由于仿真平台采用射线透射的方式来模拟旋转激光雷达传感器,本实施例还通过设置激光雷达的旋转步长、角度、频率来获取每个激光器的360度视图,通过设置最高激光角度和最低激光角度来确定激光雷达传感器的视图范围,以及设置激光雷达传感器的捕获频率。
在步骤S402中,设置所述摄像头传感器的参数,所述摄像头传感器的参数至少包括图像宽度、图像高度、水平视场、相机镜头光圈大小和捕获频率。
在这里,本实施例通过设置图像宽度和图像高度来确定视频数据的视图大小,其中图像宽度和图像高度以像素为单位进行调整;通过设置水平视场来确定摄像头传感器所采集的仿真环境范围,其中水平视场以度为单位进行调整;通过设置相机镜头光圈大小来确定视频数据的景深;以及设置摄像头传感器的捕获频率。
在仿真场景运行所述仿真传感器,使得所述仿真传感器根据已设好的参数,对仿真场景进行感应,并输出对仿真场景的感应信息。在这里,由于所述场景特征是指用户根据实际测试需求提取、并添加到仿真场景中,从而进一步丰富了仿真场景的特征信息以及所构建的仿真场景的类型。
在步骤S105中,根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
至此完成对仿真场景的初步构建,将动态信息、静态信息场景特征以及仿真传感器的感应信息作为一个仿真场景,进行导出、存储。
可选地,作为本发明的一个优选示例,如图5所示,所述步骤S105还包括:
在步骤S501中,获取所述场景特征对应的特征标签。
在步骤S502中,根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,将所述仿真场景与所述特征标签关联存储。
在本实施例中,所述场景库用于存储各种不同的仿真场景。本实施例在提取场景特征的同时创建对应的特征标签,将仿真场景和所述特征标签进行关联,然后存储至预设的场景库中,以便于后续根据所述场景特征标签查询所述仿真场景,以及满足融合感知模块在迭代测试过程中对仿真测试环境的需求。
综上所述,本发明实施例分别通过高精度地图和真实场景的传感器感知数据搭建静态信息和动态信息,提供了更贴近真实环境的仿真场景,丰富了融合感知模块的仿真场景,并基于场景特征标签区分及选用不同的仿真场景,有效地满足了融合感知模块在复杂场景中仿真的需求,解决了现有的融合感知模块的仿真测试环境过于简单和单一的问题,实现在复杂多变的仿真环境中检验融合感知模块的有效性,使得检验更加全面、精准。
在本实施例中,所创建的仿真场景,用于对融合感知模块进行仿真,具体通过将待测融合感知模块应用到所调用的仿真场景中,将仿真场景的仿真传感器的感应信息提供给所述待测融合感知模块,使得所述待测融合感知模块根据感应信息进行检验,包括但不限于对于障碍物识别功能、标识识别功能、前车行为预测功能、安全距离识别功能进行检验,以验证所述待测融合感知模块在自动驾驶过程中的有效性。
可选地,作为本发明的一个优选示例,还可以在对待测融合感知模块检验的过程中对所述仿真场景进行迭代更新。如图6所示,所述方法还包括:
在步骤S106中,调用所述仿真场景,将所述仿真传感器的感应信息导入待测融合感知模块,获取所述待测融合感知模块输出的车辆行驶轨迹仿真数据。
在对待测融合感知模块进行检验时,根据测试需求提取场景特征及其对应的特征标签,从场景库中调用所述特征标签关联的仿真场景,然后将待测融合感知模块应用到所述仿真场景中,使得所述待测融合感知模块根据仿真场景中的仿真传感器的感应信息输出车辆行驶轨迹仿真数据。在这里,所述车辆行驶轨迹仿真数据是指待测融合感知模块以仿真场景提供的仿真传感器的感应信息输出的车辆行驶轨迹信息,与车辆行驶轨迹数据是不同的,所述车辆行驶轨迹数据是指待测融合算法模块根据真实场景中的真实传感器的感应信息输出的车辆行驶轨迹信息。
需要说明的是,所述待测融合感知模块可以是上述创建仿真场景时使用过的待测融合感知模块,也可以是其他需要进行检验的待测融合感知模块,此处不做限制。只要有待测融合感知模块调用仿真场景进行检验,即可对已有的仿真场景进行迭代更新。
在步骤S107中,根据所述车辆行驶轨迹仿真数据更新所述仿真场景中的动态信息。
本发明实施例进一步以所述车辆行驶轨迹仿真数据作为道路实况仿真信息,根据所述仿真传感器的感应信息和所述道路实况仿真信息,更新仿真环境中的动态信息。
在步骤S108中,根据更新后的所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
至此完成对仿真场景的更新,将更新后的仿真场景对应的动态信息、静态信息以及仿真传感器的感应信息进行存储,保存至所述场景库中,从而完成对仿真场景的迭代更新,进一步丰富了融合感知模块的仿真场景,实现在复杂多变的仿真环境中验证融合感知模块,更加全面、精准地检验融合感知模块在自动驾驶场景中的有效性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种仿真场景的创建装置,该仿真场景的创建装置与上述实施例中仿真场景的创建方法一一对应。如图7所示,该仿真场景的创建装置包括第一构建模块71、第二构建模块72、特征添加模块73、虚拟感应模块74、存储模块75。各功能模块详细说明如下:
第一构建模块71,用于获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;
第二构建模块72,用于获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;
特征添加模块73,用于获取场景特征,将所述场景特征添加至所述仿真环境中;
模拟感应模块74,用于设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息;
存储模块75,用于根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
可选地,所述装置还包括:
调用模块,用于调用所述仿真场景,将所述仿真传感器的感应信息导入待测融合感知模块,获取所述待测融合感知模块输出的车辆行驶轨迹仿真数据;
更新模块,用于根据所述车辆行驶轨迹仿真数据更新所述仿真场景中的动态信息;
所述存储模块还用于,根据更新后的所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
可选地,所述装置还包括:
获取模块,用于获取所述场景特征对应的特征标签。
关联存储模块,用于根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,将所述仿真场景与所述特征标签关联存储。
可选地,所述第一构建模块包括:
生成单元,用于获取高精度地图信息,根据所述高精度地图信息生成道路描述文件;
渲染单元,用于对所述道路描述文件执行渲染处理,得到道路网格信息;
第一构建单元,用于以所述道路网格信息作为仿真环境中的虚拟道路,构建仿真环境中的静态信息。
可选地,所述第二构建模块包括:
第一获取单元,用于获取真实场景中真实传感器的感应信息;
第二获取单元,用于将所述感应信息导入待测融合感知模块,获取所述待测融合感知模块输出的车辆行驶轨迹数据,以所述车辆行驶轨迹数据作为道路实况信息;
第二构建单元,用于根据所述感应信息和道路实况信息构建仿真环境中的动态信息。
可选地,所述真实传感器包括激光雷达传感器和摄像头传感器,所述第一获取单元用于:
获取所述激光雷达传感器的点云数据和摄像头传感器的视频数据。
可选地,所述仿真传感器包括激光雷达传感器和摄像头传感器,所述模拟感应模块74包括:
第一设置单元,用于设置所述激光雷达传感器的参数,所述激光雷达传感器的参数至少包括激光器数量、旋转步长、角度、频率、最高激光角度、最低激光角度、捕获频率;
第二设置单元,用于设置所述摄像头传感器的参数,所述摄像头传感器的参数至少包括图像宽度、图像高度、水平视场、相机镜头光圈大小、捕获频率。
关于仿真场景的创建装置的具体限定可以参见上文中对于仿真场景的创建方法的限定,在此不再赘述。上述仿真场景的创建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种仿真场景的创建方法。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:
获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;
获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;
获取场景特征,将所述场景特征添加至所述仿真环境中;
设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息;
根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种仿真场景的创建方法,其特征在于,所述方法包括:
获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;
获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;
获取场景特征,将所述场景特征添加至所述仿真环境中;
设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息;
根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
2.如权利要求1所述的仿真场景的创建方法,其特征在于,所述方法还包括:
调用所述仿真场景,将所述仿真传感器的感应信息导入待测融合感知模块,获取所述待测融合感知模块输出的车辆行驶轨迹仿真数据;
根据所述车辆行驶轨迹仿真数据更新所述仿真场景中的动态信息;
根据更新后的所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
3.如权利要求1或2所述的仿真场景的创建方法,其特征在于,所述根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景包括:
获取所述场景特征对应的特征标签;
根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,将所述仿真场景与所述特征标签关联存储。
4.如权利要求1或2所述的仿真场景的创建方法,其特征在于,所述获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息包括:
获取高精度地图信息,根据所述高精度地图信息生成道路描述文件;
对所述道路描述文件执行渲染处理,得到道路网格信息;
以所述道路网格信息作为仿真环境中的虚拟道路,构建仿真环境的静态信息。
5.如权利要求1或2所述的仿真场景的创建方法,其特征在于,所述获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息包括:
获取真实场景中真实传感器的感应信息;
将所述感应信息导入待测融合感知模块,获取所述待测融合感知模块输出的车辆行驶轨迹数据,以所述车辆行驶轨迹数据作为道路实况信息;
根据所述感应信息和道路实况信息构建仿真环境的动态信息。
6.如权利要求5所述的仿真场景的创建方法,其特征在于,所述真实传感器包括激光雷达传感器和摄像头传感器,所述获取真实场景中真实传感器的感应信息包括:
获取所述激光雷达传感器的点云数据和摄像头传感器的视频数据。
7.如权利要求1或2所述的仿真场景的创建方法,其特征在于,所述仿真传感器包括激光雷达传感器和摄像头传感器,所述设置仿真传感器包括:
设置所述激光雷达传感器的参数,所述激光雷达传感器的参数至少包括激光器数量、旋转步长、角度、频率、最高激光角度、最低激光角度、捕获频率;
设置所述摄像头传感器的参数,所述摄像头传感器的参数至少包括图像宽度、图像高度、水平视场、相机镜头光圈大小、捕获频率。
8.一种仿真场景的创建装置,其特征在于,所述装置包括:
第一构建模块,用于获取高精度地图信息,根据所述高精度地图信息构建仿真环境的静态信息;
第二构建模块,用于获取真实场景中真实传感器的感应信息和道路实况信息,根据所述真实传感器的感应信息和道路实况信息构建仿真环境的动态信息;
特征添加模块,用于获取场景特征,将所述场景特征添加至所述仿真环境中;
模拟感应模块,用于设置仿真传感器,在所述仿真环境中运行所述仿真传感器,获取所述仿真传感器的感应信息;
存储模块,用于根据所述动态信息、静态信息、场景特征以及仿真传感器的感应信息生成仿真场景,保存所述仿真场景。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的仿真场景的创建方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的仿真场景的创建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010871893.2A CN114114953B (zh) | 2020-08-26 | 2020-08-26 | 仿真场景的创建方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010871893.2A CN114114953B (zh) | 2020-08-26 | 2020-08-26 | 仿真场景的创建方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114114953A true CN114114953A (zh) | 2022-03-01 |
CN114114953B CN114114953B (zh) | 2024-02-27 |
Family
ID=80374094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010871893.2A Active CN114114953B (zh) | 2020-08-26 | 2020-08-26 | 仿真场景的创建方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114953B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109213126A (zh) * | 2018-09-17 | 2019-01-15 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车测试***和方法 |
CN109446371A (zh) * | 2018-11-09 | 2019-03-08 | 苏州清研精准汽车科技有限公司 | 一种智能汽车仿真测试场景库生成方法及测试***和方法 |
CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
CN111199087A (zh) * | 2018-10-31 | 2020-05-26 | 百度在线网络技术(北京)有限公司 | 场景识别方法和装置 |
-
2020
- 2020-08-26 CN CN202010871893.2A patent/CN114114953B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109213126A (zh) * | 2018-09-17 | 2019-01-15 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车测试***和方法 |
CN111199087A (zh) * | 2018-10-31 | 2020-05-26 | 百度在线网络技术(北京)有限公司 | 场景识别方法和装置 |
CN109446371A (zh) * | 2018-11-09 | 2019-03-08 | 苏州清研精准汽车科技有限公司 | 一种智能汽车仿真测试场景库生成方法及测试***和方法 |
CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114114953B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111307166B (zh) | 一种构建占据栅格地图的方法及其装置、处理设备 | |
CN110758246B (zh) | 一种自动泊车方法及装置 | |
CN110458112B (zh) | 车辆检测方法、装置、计算机设备和可读存储介质 | |
US20190278698A1 (en) | Autonomous Vehicle Simulation And Testing | |
CN110795819A (zh) | 自动驾驶仿真场景的生成方法和装置、存储介质 | |
US20100254595A1 (en) | Graphic recognition device, graphic recognition method, and graphic recognition program | |
CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
CN113033029A (zh) | 自动驾驶仿真方法、装置、电子设备及存储介质 | |
CN110998663B (zh) | 一种仿真场景的图像生成方法、电子设备和存储介质 | |
CN115797454B (zh) | 一种鸟瞰图视角下多摄像机融合感知方法及装置 | |
CN113383283B (zh) | 感知信息处理方法、装置、计算机设备和存储介质 | |
CN114694123B (zh) | 交通信号灯感知方法、装置、设备及存储介质 | |
CN111338232B (zh) | 自动驾驶仿真方法及装置 | |
CN111753639A (zh) | 感知地图生成方法、装置、计算机设备和存储介质 | |
CN114898322A (zh) | 行车环境识别方法、装置、车辆及存储介质 | |
CN114998856A (zh) | 一种多相机图像的3d目标检测方法、装置、设备及介质 | |
Bai et al. | Cyber mobility mirror for enabling cooperative driving automation in mixed traffic: A co-simulation platform | |
Cheng et al. | Fusion is Not Enough: Single Modal Attacks on Fusion Models for 3D Object Detection | |
CN111427331B (zh) | 无人驾驶车辆的感知信息展示方法、装置和电子设备 | |
CN114114953B (zh) | 仿真场景的创建方法、装置、计算机设备及介质 | |
CN112668596B (zh) | 三维物体识别方法及装置、识别模型训练方法及装置 | |
CN115965682B (zh) | 一种车辆可通行区域确定方法、装置及计算机设备 | |
CN117036607A (zh) | 基于隐式神经渲染的自动驾驶场景数据生成方法及*** | |
CN116383410A (zh) | 灯路关系知识图谱构建、关系预测、自动驾驶方法 | |
CN116430404A (zh) | 相对位置的确定方法和装置、存储介质及电子装置 |
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 |