CN114117742A - 自动驾驶场景生成方法、装置、电子设备和存储介质 - Google Patents
自动驾驶场景生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114117742A CN114117742A CN202111276339.0A CN202111276339A CN114117742A CN 114117742 A CN114117742 A CN 114117742A CN 202111276339 A CN202111276339 A CN 202111276339A CN 114117742 A CN114117742 A CN 114117742A
- Authority
- CN
- China
- Prior art keywords
- scene
- automatic driving
- function
- generation method
- design requirements
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及自动驾驶场景生成方法、装置、电子设备和存储介质,包括:对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求;从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。本发明实现了兼顾高场景覆盖度和低重复度的最小场景库的构建。
Description
技术领域
本发明涉及自动驾驶测试技术领域,尤其涉及自动驾驶场景生成方法、装置、电子设备和存储介质。
背景技术
自动驾驶场景是在一定时间和空间范围内环境与驾驶行为的综合反映,由天气条件、道路、交通设施、交通参与者等外部状态以及自车的驾驶任务和状态等信息共同作用组成的驾驶工况。通常利用自动驾驶场景,并通过测试手段来验证自动驾驶***是否安全可靠。为确保自动驾驶***安全性验证结果的可信程度,需要构建场景抽象程度低且场景数量高的场景库。
目前,自动驾驶场景库构建主要采用两条路线,第一条是基于知识的场景库构建,即依托开发人员结合自动驾驶***的功能定义来提炼场景。但是构建中使用的功能开发文档是场景的主要来源,其全面性和合规性直接受到功能定义团队的知识面和能力的影响,由此生成的场景库的场景覆盖度和有效性完全取决于开发文档。另一条是基于数据的场景库构建,即依赖实车测试数据来提炼场景或依赖交通事故数据来提炼场景。但是如果采用实车测试数据提炼场景,采集的数据量大,时间久,成本高且重复场景占多大多数;由此生成的场景库的场景覆盖度完全依赖于自然驾驶数据的丰富程度,还易导致高场景重复度;
如果采用交通事故数据提炼场景,数据主要来源于交通事故数据库,其有利于自动驾驶控制策略安全性和可靠性验证,但是由于场景主要覆盖危险工况且数量有限,由此生成的场景库的场景覆盖度很难保证。
因此,通过上述的构建方法难以构建出兼顾高场景覆盖度和低场景重复度的场景库。
发明内容
本发明提供自动驾驶场景生成方法、装置、电子设备和存储介质,用于实现兼顾高场景覆盖度和低场景重复度的场景库的构建。
第一个方面,本发明实施例提供一种自动驾驶场景生成方法,所述方法包括:
对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求;
从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;
分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;
对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
根据本发明提供的一种自动驾驶场景生成方法,所述分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景,包括:
对各条与场景构建相关的***/功能设计要求进行细化,得到由各条与场景构建相关的***/功能设计要求细化出的包含DDT和OEDR的任务信息;其中,所述DDT为动态驾驶任务,所述OEDR为对象和/或事件的检测与响应;
利用所述任务信息,生成自动驾驶功能场景。
根据本发明提供的一种自动驾驶场景生成方法,所述利用所述任务信息,生成自动驾驶功能场景,包括:
基于预先设定的ODD框架,获取自动驾驶法规对应的***/功能设计要求以及认证测试内容覆盖的ODD;其中,所述ODD为设计运行域;
利用通用的场景构建模型,将所述任务信息与所述ODD进行组合,生成自动驾驶功能场景。
根据本发明提供的一种自动驾驶场景生成方法,所述对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景,包括:
解析得到自动驾驶功能场景的静止对象、运动对象、环境条件以及路网结构;
按照预先设定的参数表单,为所述静止对象、运动对象、环境条件以及路网结构赋参数;
为每一个参数赋予参数区间,得到自动驾驶逻辑场景;
由自动驾驶逻辑场景衍生得到自动驾驶具体场景;
其中,所述预先设定的参数表单,由能影响自动驾驶测试的参数组成。
根据本发明提供的一种自动驾驶场景生成方法,所述由自动驾驶逻辑场景衍生得到自动驾驶具体场景,包括:
基于自动驾驶逻辑场景各参数的参数区间,对自动驾驶逻辑场景各参数取具体值,得到自动驾驶具体场景。
根据本发明提供的一种自动驾驶场景生成方法,所述ODD框架包含的要素,包括但不限于:
基础设置、操作限制、目标物信息、环境条件、互联条件和区域条件;
其中,所述基础设置但不限于,包括:道路类型、道路边缘及车道线、道路表面和道路几何类型;
所述操作限制但不限于,包括:车速限制、交通条件和自车条件;
所述目标物信息但不限于,包括:标志、道路用户和非道路用户;
所述环境条件但不限于,包括:天气、天气引起的道路状况、颗粒物和照明情况;
所述互联条件,包括但不限于:定位、V2X、远程管理;
所述区域条件,包括但不限于:交通管制区域、地方法律法规和干扰区域。
根据本发明提供的一种自动驾驶场景生成方法,所述预先设定的参数表单包含的参数,包括但不限于:速度、相对距离、加/减速度、车道宽度、气温、降雨量、物体间相对距离和降雨量。
第二方面,本发明还提供一种自动驾驶场景生成装置,所述装置包括:
解析模块,用于对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求
提取模块,用于从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;
分析模块,用于分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;
获取模块,用于对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
第三方面,本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上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程序时实现如第一方面所述自动驾驶场景生成方法的步骤。
第四方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述自动驾驶场景生成方法的步骤。
本发明提供的自动驾驶场景生成方法、装置、电子设备和存储介质,以法律法规为输入,深入分析***/安全设计要求和测试方法,从中提取与场景构建相关的***/功能设计要求,基于与场景构建相关的***/功能设计要求构建自动驾驶功能场景,由此可以得到最小的自动驾驶功能场景集合;通过参数赋值方式从自动驾驶功能场景推导出自动驾驶具体场景,进而得到最小的场景库。该场景库满足法律层面上对自动驾驶***的设计要求和认证测试要求,从源头上剔除不符合要求的场景;另外因为法律法规具有普适性,因此该场景库还能保证高场景覆盖度;最后,通过合理赋参数还可以保证该场景库具备低场景重复度低的特点。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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是本发明提供的自动驾驶场景生成方法流程示意图;
图2是本发明提供的自动驾驶场景生成方法操作示意图;
图3是本发明提供的自动驾驶设计运行域的框架图;
图4是本发明提供的第一项动态驾驶任务的功能场景可视化示意图;
图5是本发明提供的第十四项动态驾驶任务的功能场景可视化示意图;
图6是本发明提供的自动驾驶场景生成装置的结构示意图;
图7是本发明提供的实现自动驾驶场景生成方法的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
为便于理解,下面对本申请实施例中出现的词语进行解释说明。
功能场景:自动驾驶***开发经历三个阶段:概念阶段、开发阶段、测试阶段。功能场景用于概念阶段的项目定义、风险分析和风险评估,其通过语言场景符号来描述场景区域内的实体以及实体间的关系。
逻辑场景:用于项目开发阶段生成需求,其通过定义状态空间内变量的参数范围来表达实体特征和实体间的关系。
具体场景,可直接作为测试用例,通过确定状态空间中每个参数的具体值来明确描述实体和实体间的关系。
动态驾驶任务(DDT,Dynamic Driving Task):指的是在道路交通中操作车辆所需的所有实时操作和策略功能,不包括行程安排、目的地和途经点的选择功能,包括但不限于以下任务:a)通过转向控制车辆横向运动(实时操作);b)通过加速和减速控制车辆纵向运动(实时操作);c)通过目标和事件检测、识别、分类和响应准备监控驾驶环境(实时操作和策略);d)对象和事件响应执行(实时操作和策略);e)机动规划(策略);f)通过照明、鸣笛、信号、手势等增强醒目性(策略)。
对象和/或事件的检测与响应(OEDR,Object and Event Detection andResponse):是DDT的子任务,包括:g)目标和事件的检测、识别、分类和响应;h)对象和事件的响应;对象及事件的检测与响应反映车辆、交通管制设施和基础设施、交通弱势群体动物和物体三方面的行为能力。
设计运行域(ODD,Operational Design Domain):是自动驾驶***的整个运行环境的描述,包括但不限于道路、交通、天气、光照等外部条件。
***/功能设计要求(RM):包括:需保证车辆在本车道内横向的设计要求、需避免与临界状态切入本车道的前车发生碰撞等。
自动驾驶的场景中包含路网结构、静止对象、运动对象、环境条件四个要素,每个要素中包含若干个特征项。场景本质上就是这些特征项的有效组合。
为了保证场景的覆盖度,采用基于知识/实车测试数据的场景库构建方式进行场景库构建时,选用的特征项繁杂,特征项自由组合后通常会得到海量场景的场景库,该场景库存在两大问题,第一:场景库中包含了非常多的简单的、高度类似的场景,基于知识构建的场景库甚至会出现非常多不符合实际的场景;第二:海量场景给测试任务带来严峻的挑战,甚至测试任务是不可能完成的,不利于软件的快速迭代。
而采用基于交通事故数据的场景库构建方式进行场景库构建时,由于样本少,难以保证场景覆盖度。因此,构建覆盖度相对高的、分布相对离散的、组合是有效的、数量可控的场景库是十分重要的。
鉴于此,本发明以法律法规为输入,深入分析***安全设计要求和测试方法,从中提取自动驾驶***/功能设计要求(RM),将其细化为各项动态驾驶任务(DDT)及其对应的对象和/或事件的检测与响应(OEDR),并从中提取构建场景所需的各项要素信息。最终从功能场景推导具体场景,形成最小场景库。本发明得到的场景库,满足法律层面上对自动驾驶***的设计要求和认证测试要求,从源头上剔除不符合要求的场景组合。此外,从根本上限制了场景的数量,同时又保留了场景的完整性,满足开发迭代的要求。
下面结合图1-图7描述本发明提供的自动驾驶场景生成方法、装置、电子设备和存储介质。
第一方面,如图1所示,本发明提供的一种自动驾驶场景生成方法,如图1所示,包括:
S11、对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求;
本发明以法律法规为基础,提炼自动驾驶法规对应的***/功能设计要求,即得到自动驾驶法规对应的RM列表;
S12、从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;
本发明从RM列表中选取与场景构建相关的RM,使得最终生成的场景库满足法律层面上对自动驾驶***的设计要求和认证测试要求,从源头上剔除不符合要求的场景;
S13、分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;
本发明从RM列表中提取场景构建所需的各项要素信息,进而构建功能场景,同时因为法律法规具有普适性,因此得到的功能场景集合能保证高场景覆盖度。
S14、对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
本发明以赋参数以及赋参数值的方式,由功能场景推导具体场景,形成最小场景库,通过对参数以及参数值的合适选取,从根本上限制了场景的数量,同时又保留了场景的完整性以及降低场景的重复度,满足开发迭代的要求。
本发明以法律法规为输入,深入分析***/安全设计要求和测试方法,从中提取与场景构建相关的***/功能设计要求,基于与场景构建相关的***/功能设计要求构建自动驾驶功能场景,由此可以得到最小的自动驾驶功能场景集合;通过参数赋值方式从自动驾驶功能场景推导出自动驾驶具体场景,进而得到最小的场景库。该场景库满足法律层面上对自动驾驶***的设计要求和认证测试要求,从源头上剔除不符合要求的场景;另外因为法律法规具有普适性,因此该场景库还能保证高场景覆盖度;最后,通过合理赋参数还可以保证该场景库具备低场景重复度低的特点。
在上述各实施例的基础上,作为一种可选的实施例,所述分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景,包括:
对各条与场景构建相关的***/功能设计要求进行细化,得到由各条与场景构建相关的***/功能设计要求细化出的包含DDT和OEDR的任务信息;其中,所述DDT为动态驾驶任务,所述OEDR为对象和/或事件的检测与响应;
在本发明技术领域内,动态驾驶任务(DDT)和对象和/或事件的检测与响应(OEDR)是构建场景的基础,逐条细化RM列表,可以不遗漏的从RM列表中提取出各项动态驾驶任务(DDT)和对象和/或事件的检测与响应(OEDR);
利用所述任务信息,生成自动驾驶功能场景。
本发明以细分出的各项动态驾驶任务(DDT)和对象和/或事件的检测与响应(OEDR)作为功能场景构建的基石,可以保证最后构建的功能场景集合中覆盖全部的驾驶情况。
在上述各实施例的基础上,作为一种可选的实施例,所述利用所述任务信息,生成自动驾驶功能场景,包括:
基于预先设定的ODD框架,获取自动驾驶法规对应的***/功能设计要求以及认证测试内容覆盖的ODD;其中,所述ODD为设计运行域;
本发明预先设定的ODD框架可以涵盖设计运行域全部要素,基于ODD框架,并深入分析***安全设计要求和测试方法,提取出法规覆盖的全部设计运行域(ODD),以保证设计运行域(ODD)的全面性,进而为构建功能场景提供便利。
利用通用的场景构建模型,将所述任务信息与所述ODD进行组合,生成自动驾驶功能场景。
本发明所提通用的场景构建模型为六层模型;另外,可以理解的是,所述任务信息与所述ODD的组合必然是有效组合,这个有效组合必然是不违背自然规律,能够生成功能场景的组合,且判定组合是否有效对本领域技术人员来说应当是简单易行的。
在本发明中,通过对从法律法规中提取构建场景的重要组成要素,RM列表和认证测试规范的范畴内,有效地筛选各要素的特征项,然后进行有效组合,构建覆盖度高、组合有效的、数量可控的以及满足法律测试要求的功能场景。
在上述各实施例的基础上,作为一种可选的实施例,所述对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景,包括:
解析得到自动驾驶功能场景的静止对象、运动对象、环境条件以及路网结构;
因为自动驾驶的场景中包含路网结构、静止对象、运动对象、环境条件四个要素,每个要素中包含若干个特征项,场景本质上就是这些特征项的有效组合,因此已经构成的功能场景中很容易的可以提取出路网结构、静止对象、运动对象、环境条件的相关信息。
按照预先设定的参数表单,为所述静止对象、运动对象、环境条件以及路网结构赋参数;
为了防止赋予参数的时候遗漏部分参数,可以现有的经验预先设定的参数表单,并利用参数表单对照着赋予参数,保证参数的全面性;当然,也可以对于经验丰富的工作人员,也可以基于已有知识水平直接为功能场景赋予参数。
为每一个参数赋予参数区间,得到自动驾驶逻辑场景;
参数区间的设定是逻辑场景生成中很重要的一步,直接影响到最终生成的具体场景是否合理,因此,一般利用专家经验来赋予参数区间,当然,也可以参照现有的文献、期刊、论文等文献资料去赋予参数区间。
由自动驾驶逻辑场景衍生得到自动驾驶具体场景;
很明显的,逻辑场景与具体场景的区别仅在于参数值的设定上,可以很容易的从逻辑场景推导出具体场景。
其中,所述预先设定的参数表单,由能影响自动驾驶测试的参数组成。
本发明由功能场景推导逻辑场景和具体场景,进而可以生成最小场景库,以满足快速测试和快速迭代的开发要求。
在上述各实施例的基础上,作为一种可选的实施例,所述由自动驾驶逻辑场景衍生得到自动驾驶具体场景,包括:
基于自动驾驶逻辑场景各参数的参数区间,对自动驾驶逻辑场景各参数取具体值,得到自动驾驶具体场景。
本发明中逻辑场景中参数众多,且各参数有不同的取值区间,通过对参数值选择的组合可以由一个逻辑场景以及衍生出众多的具体场景,进而使场景库中的场景数不至于过少而无法实现相应的测试功能,同时也一定程度的减少了简单的、高度类似的场景的出现概率,降低了场景重复度,实现了场景库场景数量可控。
在上述各实施例的基础上,作为一种可选的实施例,所述ODD框架包含的要素,包括但不限于:
基础设置、操作限制、目标物信息、环境条件、互联条件和区域条件;
其中,所述基础设置但不限于,包括:道路类型、道路边缘及车道线、道路表面和道路几何类型;
所述操作限制但不限于,包括:车速限制、交通条件和自车条件;
所述目标物信息但不限于,包括:标志、道路用户和非道路用户;
所述环境条件但不限于,包括:天气、天气引起的道路状况、颗粒物和照明情况;
所述互联条件,包括但不限于:定位、V2X、远程管理;
所述区域条件,包括但不限于:交通管制区域、地方法律法规和干扰区域。
在本发明中,通过已有的大量的自动驾驶实车/仿真工况的分析,统计出设计运行域(ODD)应当考虑的要素项,并以此构建ODD框架,进而保证生成的具体场景的实用性。
在上述各实施例的基础上,作为一种可选的实施例,所述预先设定的参数表单包含的参数,包括但不限于:速度、相对距离、加/减速度、车道宽度、气温、降雨量、物体间相对距离和降雨量。
本发明参数表单的设定意义是不遗漏需要赋予的参数,参数表单可以按照分区设置,例如:静态参数和动态参数;或者例如:路网结构参数、静止对象参数、运动对象参数、环境条件参数等,通过分区设置可以便于工作人员依据实际的功能场景去对应寻找区块,进而加快赋参数的速度。
可以理解的是,参数以及参数取值对于测试场景来说是非常重要的,所以每一个功能场景赋予的参数要尽可能的全面,以保证最后得到的具体场景可以实现相应的测试功能。
因为自动驾驶测试分为仿真测试和实车测试两大方向。其中,仿真测试有软件在环(SIL)、硬件在环(HIL)、驾驶员在环(DIL)、车辆在环(VIL)等环境。试车测试有封闭场地测试、公开道路测试、检测机构的认证测试等。本发明具体场景的构建可以用于各测试环境下的自动驾驶***的性能测试,还为各测试环境的场景库开发提供新的思路。
为了更好的理解本发明,以《自动车道保持***(ALKS)》法规为例对本发明进行详细解释:
本发明以自动驾驶法规作为输入,以最小场景库作为输出,中间过程分为五个阶段,其中:
第一阶段:场景相关的***/功能设计要求(RM)的提取;第二阶段:动态驾驶任务(DDT)和对象和/或事件的检测与响应(OEDR)的转化;第三阶段:设计运行域(ODD)信息提取;第四阶段:功能场景的构建;第五阶段:具体场景的推导(由具体场景即可生成最小场景库)。
《自动车道保持***(ALKS)》是针对L3级车辆自动化的第一个具有约束力的国际法规,我们基于该法规,并按照图2所示的自动驾驶场景生成方法操作示意图的步骤,提取ALKS功能的最小场景库。
第一步,我们深入分析该法规,理解法规的适用范围、各项定义、ALKS的设计要求(RM)以及认证测试的内容和方法。从中筛选出与场景构建相关的RM。
《自动车道保持***(ALKS)》旨在指定有关自动车道保持***(ALKS)车辆认证的统一规定。相关要求有:
1.适用于有关自动车道保持***M1类车辆的型号认证。
2.自动行车道保持***(ALKS)”是在低速行驶下由驾驶员激活的***,通过控制车辆的横向运动和纵向运动,延长行驶时间,无需驾驶员进一步介入,将车辆保持在车道内,行驶速度不超过60km/h。
3.自动驾驶***应执行动态驾驶任务(DDT),并对乘员或其他任何道路使用者不构成不合理的风险。被激活的***不得造成任何可以合理预见和避免的碰撞。如果可以安全避免发生碰撞而又不引起其他碰撞,则应避免此类碰撞。检测到可能发生的碰撞时,应将车辆停下来。
4.被激活***应遵守所在运营国家有关动态驾驶任务(DDT)的交通规则。
5.任何时候,人类驾驶员都可以接管自动驾驶车辆;
因此,从中筛选出与场景相关的RM如表1所示:
表1
RM | 内容 |
RM1 | ALKS需保证车辆在本车道内保持稳定的横向位置; |
RM2 | ALKS需避免与静止车辆、道路使用者或完全/部分阻塞车道的障碍物发生碰撞; |
RM3 | ALKS<u>需能够</u>保持和恢复与前方车辆的安全距离; |
RM4 | ALKS需避免与临界状态切入本车道的前车发生碰撞; |
RM5 | 当前方车辆切出后,本车前方突然出现静止障碍物时,ALKS需避免与其发生碰撞; |
RM6 | ALKS不仅要实现前向探测范围内的目标识别,而且还需要实现横向至少一个车道内目标识别。 |
第二步,基于ALKS的设计要求(RM)列表细化出相关的动态驾驶任务(DDT)和对象和/或事件的检测与响应(OEDR),覆盖法规对被测***性能的评估要求。将每个ALKS的设计要求(RM)细化为具体的动态驾驶任务(DDT)和对象和/或事件的检测与响应(OEDR),如表2所示:
表2
第三步,图3示例了自动驾驶设计运行域(ODD)的框架图,该框架图包含的要素,包括但不限于:基础设置、操作限制、目标物信息、环境条件、互联条件和区域条件;
其中,所述基础设置,包括但不限于:道路类型、道路边缘及车道线、道路表面和道路几何类型;所述操作限制,包括但不限于:车速限制、交通条件和自车条件;所述目标物信息,包括但不限于:标志、道路用户和非道路用户;所述环境条件,包括但不限于:天气、天气引起的道路状况、颗粒物和照明情况;所述互联条件,包括但不限于:定位、V2X、远程管理;所述区域条件,包括但不限于:交通管制区域、地方法律法规和干扰区域。参照ODD的框架,将法规中涉及到的设计运行域(ODD)的要素汇总。汇总结果如表3下:
表3
第四步,根据动态驾驶任务(DDT)和对象和/或事件的检测与响应(OEDR),对设计运行域(ODD)元素进行合理的有效组合,构建功能场景。
例如,针对DDT1描述的是主车速度维持,OEDR是加速/舒适减速/停车。
在这类场景中,ALKS***将依据前方标志的含义执行不同的操作。场景构建方式如表4所示,对应的场景的可视化结果如图4所示,图4中标志40表示道路限速40km/h。
表4
更为复杂地,如DDT14描述的是主车检测及响应车辆切出后其他车辆的突然显现。OEDR是重制动。场景构建方式如表5所示,在功能场景确定的情况下,很容易确定需要填充的参数,因此可对应得到如图5所示的场景的可视化结果:
在图5中,Ego表示主车,TV1表示第一辆车(第一目标车),TV2表示第二辆车(第二目标车),V0_x表示主车速度、dx0表示主车与第二辆车(第二目标车)之间的相对距离,V1_x表示第一辆车(第一目标车)的速度,Gx表示第一辆车(第一目标车)的制动减速度,V2_x表示第二辆车(第二目标车)的速度,V2_y表示第二辆车(第二目标车)的平均横向速度,dx0_f表示第二辆车(第二目标车)与第一辆车(第一目标车)之间的纵向距离。
表5
第五步,从功能场景推导至逻辑场景和具体场景。
功能场景是通过语义描述的操作场景,通过语言场景符号来描述场景区域内的实体以及实体之间的关系。逻辑场景是通过定义状态空间内变量的参数范围来表达实体特征以及实体之间的关系。具体场景是通过确定状态空间中每个参数的具体值来明确描述实体特征以及实体之间的关系。对于每一个具有连续取值范围的逻辑场景,都可以派生出任意数量的具体场景。
场景中包含路网结构、静止对象、运动对象、环境条件四个要素,互相组合可以构成一个具体的场景。
以目标车切出,主车制动为例,具体场景的推导过程如表6所示:
表6
最后,参照上述方法,将每个动态驾驶任务(DDT)都依次构建功能场景、逻辑场景和具体场景。最终,推导而成的具体场景的集合将组成最小场景库,可用于各类测试环境使用。
第二方面,对本发明提供的自动驾驶场景生成装置进行描述,下文描述的自动驾驶场景生成装置与上文描述的自动驾驶场景生成方法可相互对应参照。图6示例了一种自动驾驶场景生成装置的结构示意图,如图6所示,该装置包括:解析模块21、提取模块22、分析模块23、获取模块24;
其中,解析模块21,用于对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求;提取模块22,用于从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;分析模块23,用于分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;获取模块24,用于对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
本发明实施例提供的自动驾驶场景生成装置具体执行上述各自动驾驶场景生成方法实施例的内容,在此不再赘述。本发明实施例提供的自动驾驶场景生成装置,以法律法规为输入,深入分析***/安全设计要求和测试方法,从中提取与场景构建相关的***/功能设计要求,基于与场景构建相关的***/功能设计要求构建自动驾驶功能场景,由此可以得到最小的自动驾驶功能场景集合;通过参数赋值方式从自动驾驶功能场景推导出自动驾驶具体场景,进而得到最小的场景库。该场景库满足法律层面上对自动驾驶***的设计要求和认证测试要求,从源头上剔除不符合要求的场景;另外因为法律法规具有普适性,因此该场景库还能保证高场景覆盖度;最后,通过合理赋参数还可以保证该场景库具备低场景重复度低的特点。
第三方面,图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行自动驾驶场景生成方法,该方法包括:对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求;从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
此外,上述的存储器430中的逻辑指令可以通过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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的自动驾驶场景生成方法,该方法包括:对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求;从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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。
Claims (10)
1.一种自动驾驶场景生成方法,其特征在于,所述方法包括:
对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求;
从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;
分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;
对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
2.根据权利要求1所述的自动驾驶场景生成方法,其特征在于,所述分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景,包括:
对各条与场景构建相关的***/功能设计要求进行细化,得到由各条与场景构建相关的***/功能设计要求细化出的包含DDT和OEDR的任务信息;其中,所述DDT为动态驾驶任务,所述OEDR为对象和/或事件的检测与响应;
利用所述任务信息,生成自动驾驶功能场景。
3.根据权利要求2所述的自动驾驶场景生成方法,其特征在于,所述利用所述任务信息,生成自动驾驶功能场景,包括:
基于预先设定的ODD框架,获取自动驾驶法规对应的***/功能设计要求以及认证测试内容覆盖的ODD;其中,所述ODD为设计运行域;
利用通用的场景构建模型,将所述任务信息与所述ODD进行组合,生成自动驾驶功能场景。
4.根据权利要求1所述的自动驾驶场景生成方法,其特征在于,所述对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景,包括:
解析得到自动驾驶功能场景的静止对象、运动对象、环境条件以及路网结构;
按照预先设定的参数表单,为所述静止对象、运动对象、环境条件以及路网结构赋参数;
为每一个参数赋予参数区间,得到自动驾驶逻辑场景;
由自动驾驶逻辑场景衍生得到自动驾驶具体场景;
其中,所述预先设定的参数表单,由能影响自动驾驶测试的参数组成。
5.根据权利要求4所述的自动驾驶场景生成方法,其特征在于,所述由自动驾驶逻辑场景衍生得到自动驾驶具体场景,包括:
基于自动驾驶逻辑场景各参数的参数区间,对自动驾驶逻辑场景各参数取具体值,得到自动驾驶具体场景。
6.根据权利要求3所述的自动驾驶场景生成方法,其特征在于,所述ODD框架包含的要素,包括但不限于:基础设置、操作限制、目标物信息、环境条件、互联条件和区域条件;
其中,所述基础设置但不限于,包括:道路类型、道路边缘及车道线、道路表面和道路几何类型;
所述操作限制但不限于,包括:车速限制、交通条件和自车条件;
所述目标物信息但不限于,包括:标志、道路用户和非道路用户;
所述环境条件但不限于,包括:天气、天气引起的道路状况、颗粒物和照明情况;
所述互联条件,包括但不限于:定位、V2X、远程管理;
所述区域条件,包括但不限于:交通管制区域、地方法律法规和干扰区域。
7.根据权利要求5所述的自动驾驶场景生成方法,其特征在于,所述预先设定的参数表单包含的参数,包括但不限于:速度、相对距离、加/减速度、车道宽度、气温、降雨量、物体间相对距离和降雨量。
8.一种自动驾驶场景生成装置,其特征在于,所述装置包括:
解析模块,用于对自动驾驶法规的适用范围、定义以及认证测试内容进行解析,获取自动驾驶法规对应的***/功能设计要求
提取模块,用于从自动驾驶法规对应的***/功能设计要求中提取与场景构建相关的***/功能设计要求;
分析模块,用于分析所述与场景构建相关的***/功能设计要求,确定自动驾驶功能场景;
获取模块,用于对自动驾驶功能场景进行参数赋值,得到自动驾驶具体场景。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至7任一项所述自动驾驶场景生成方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,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任一项所述自动驾驶场景生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276339.0A CN114117742A (zh) | 2021-10-29 | 2021-10-29 | 自动驾驶场景生成方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111276339.0A CN114117742A (zh) | 2021-10-29 | 2021-10-29 | 自动驾驶场景生成方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114117742A true CN114117742A (zh) | 2022-03-01 |
Family
ID=80379932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111276339.0A Pending CN114117742A (zh) | 2021-10-29 | 2021-10-29 | 自动驾驶场景生成方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114117742A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114729A (zh) * | 2022-06-21 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种驾驶辅助***用户案例的设计方法及存储介质 |
CN115249408A (zh) * | 2022-06-21 | 2022-10-28 | 重庆长安汽车股份有限公司 | 一种自动驾驶测试数据的场景分类提取方法 |
CN115509518A (zh) * | 2022-09-20 | 2022-12-23 | 国科础石(重庆)软件有限公司 | 自动驾驶功能软件***、构建方法、电子设备及存储介质 |
-
2021
- 2021-10-29 CN CN202111276339.0A patent/CN114117742A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114729A (zh) * | 2022-06-21 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种驾驶辅助***用户案例的设计方法及存储介质 |
CN115249408A (zh) * | 2022-06-21 | 2022-10-28 | 重庆长安汽车股份有限公司 | 一种自动驾驶测试数据的场景分类提取方法 |
CN115114729B (zh) * | 2022-06-21 | 2024-06-04 | 重庆长安汽车股份有限公司 | 一种驾驶辅助***用户案例的设计方法及存储介质 |
CN115509518A (zh) * | 2022-09-20 | 2022-12-23 | 国科础石(重庆)软件有限公司 | 自动驾驶功能软件***、构建方法、电子设备及存储介质 |
CN115509518B (zh) * | 2022-09-20 | 2024-02-27 | 国科础石(重庆)软件有限公司 | 自动驾驶功能软件***、构建方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114117742A (zh) | 自动驾驶场景生成方法、装置、电子设备和存储介质 | |
Queiroz et al. | GeoScenario: An open DSL for autonomous driving scenario representation | |
Nalic et al. | Scenario based testing of automated driving systems: A literature survey | |
US10346564B2 (en) | Dynamic virtual object generation for testing autonomous vehicles in simulated driving scenarios | |
US10255168B2 (en) | Method and device for generating test cases for autonomous vehicles | |
Xinxin et al. | Csg: Critical scenario generation from real traffic accidents | |
Alghodhaifi et al. | Autonomous vehicle evaluation: A comprehensive survey on modeling and simulation approaches | |
Brunner et al. | Virtual safety performance assessment for automated driving in complex urban traffic scenarios | |
So et al. | Generating traffic safety test scenarios for automated vehicles using a big data technique | |
Groh et al. | Towards a scenario-based assessment method for highly automated driving functions | |
CN113935143A (zh) | 通过自主车辆的增加的严重性等级估计碰撞概率 | |
DE202022106107U1 (de) | System zur Prüfung von automatisierten Fahrsystemen der Stufe 3 (ADS) | |
Kusano et al. | Collision avoidance testing of the waymo automated driving system | |
Gassmann et al. | Integration of formal safety models on system level using the example of responsibility sensitive safety and carla driving simulator | |
WO2022223434A1 (en) | System and method for verifying behavior of the autonomous vehicles | |
Hamidun et al. | Assessing pedestrian crossing risk at signalised intersection | |
CN114398255A (zh) | 自动驾驶测试场景生成方法、装置、电子设备和存储介质 | |
Zhang et al. | A novel scenario-based testing approach for cooperative-automated driving systems | |
Gregoriades et al. | A driving simulator for discovering requirements in complex systems | |
Themann et al. | Database of relevant traffic scenarios as a tool for the development and validation of automated driving | |
Fries et al. | Validation and verification of the stochastic cognitive driver model | |
Kolk et al. | Active safety effectiveness assessment by combination of traffic flow simulation and crash-simulation | |
Szalay | Critical Scenario Identification Concept: the Role of the Scenario-in-the-Loop Approach in Future Automotive Testing | |
US20210309234A1 (en) | Information processing apparatus, information processing method, and information processing program | |
Rafael et al. | SAHARA: Simulation aided hazard analysis and risk assessment methodology |
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 |