CN115616937B - 自动驾驶仿真测试方法、装置、设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了自动驾驶仿真测试方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取与功能测试指令对应的仿真测试场景数据；对仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据；基于矫正后动态场景数据和静态场景数据，构建初始化仿真测试环境；在初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集；响应于确定仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。该实施方式可以提高测试结果的准确度。

Description

自动驾驶仿真测试方法、装置、设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及自动驾驶仿真测试方法、装置、设备和计算机可读介质。

背景技术

自动驾驶仿真测试，是用于测试自动驾驶功能的一项技术。目前在进行自动驾驶仿真测试时，通常采用的方式为：通过离线测试的方式，回放实车数据进行分析以确定自动驾驶功能存在的问题，或者通过常用的仿真测试的方法，模拟自动驾驶功能进行测试，以此确定自动驾驶功能存在的问题。

然而，发明人发现，当采用上述方式进行自动驾驶仿真测试时，经常会存在如下技术问题：

离线测试的方式难以针对当前车辆与动态障碍物车辆交互场景进行分析，使得难以全面的进行测试，从而，导致在交互方面的测试结果的准确度较低，同时，常用的仿真测试方法为使用实车数据，使得仿真数据与实际数据之间存在差异，由此，导致仿真环境与真实环境之前存在较大差异，从而，离线测试和常用的仿真测试均未满足自动驾驶功能测试的需求，进而，导致测试结果的准确度降低。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了自动驾驶仿真测试方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种自动驾驶仿真测试方法，该方法包括：响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与上述功能测试指令对应的仿真测试场景数据，其中，上述仿真测试场景数据包括静态场景数据和动态场景数据；对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据；基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境；在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集；响应于确定上述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。

第二方面，本公开的一些实施例提供了一种自动驾驶仿真测试装置，该装置包括：获取单元，被配置成响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与上述功能测试指令对应的仿真测试场景数据，其中，上述仿真测试场景数据包括静态场景数据和动态场景数据；矫正处理单元，被配置成对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据；构建单元，被配置成基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境；仿真测试单元，被配置成在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集；生成单元，被配置成响应于确定上述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的自动驾驶仿真测试方法，可以提高测试结果的准确度。具体来说，造成测试结果的准确度降低的原因在于：离线测试的方式难以针对当前车辆与动态障碍物车辆交互场景进行分析，使得难以全面的进行测试，从而，导致在交互方面的测试结果的准确度较低，同时，常用的仿真测试方法为使用实车数据，使得仿真数据与实际数据之间存在较大差异，由此，导致仿真环境与真实环境之前存在差异，从而，离线测试和常用的仿真测试均未满足自动驾驶功能测试的需求。基于此，本公开的一些实施例的自动驾驶仿真测试方法，首先，响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与上述功能测试指令对应的仿真测试场景数据，其中，上述仿真测试场景数据包括静态场景数据和动态场景数据。通过获取仿真测试场景数据，可以使得仿真测试场景中可以基于实际车辆数据进行仿真测试，以此避免仿真测试环境与真实环境之间存在较大差异。同时将仿真测试场景数据分为静态场景数据和动态场景数据，可以用于细粒度的构建仿真测试环境。接着，对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据。通过离线矫正处理，可以将离线测试的方式融入至仿真测试方式中。以此，提高仿真测试数据中动态场景数据的准确度。然后，基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境。这里，由于融入了离线测试方式提高了仿真测试数据中动态场景数据的准确度，以此可以在一定程度上降低仿真环境与真实环境之前的差异。使得提高了构建的初始化仿真测试环境的真实性。之后，在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集。为了提高测试的全面性，因此，仿真测试生成多个仿真测试规划路径。最后，响应于确定上述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。通过引入预设路径条件，可以进一步把关各个仿真测试规划路径的准确度。从而，可以进一步提高测试结果的准确度。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的自动驾驶仿真测试方法的一些实施例的流程图；

图2是根据本公开的自动驾驶仿真测试装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1示出了根据本公开的自动驾驶仿真测试方法的一些实施例的流程100。该自动驾驶仿真测试方法，包括以下步骤：

步骤101，响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与功能测试指令对应的仿真测试场景数据。

在一些实施例中，自动驾驶仿真测试方法的执行主体响应于接收到针对自动驾驶路径规划模块的功能测试指令，可以通过有线的方式或者无线的方式获取与上述功能测试指令对应的仿真测试场景数据。其中，上述仿真测试场景数据可以包括静态场景数据和动态场景数据。其次，自动驾驶路径规划模块可以是仿真测试所需要测试的一项功能。功能测试指令可以用于表征自动驾驶路径规划模块的功能存在较大风险误差，需要进行测试。上述静态场景数据可以是当前车辆实际移动过程中通过车辆感知设备（例如，激光雷达）或视觉设备（例如，摄像机）检测到的静态数据，例如，车道线坐标、路灯坐标、灯杆坐标等数据。上述动态场景数据可以是包括当前车辆数据和当前车辆周围一定范围内的障碍物车辆数据。例如，当前车辆尺寸信息、当前车辆速度值、障碍物车辆速度值等。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB（ultra wideband）连接、以及其他现在已知或将来开发的无线连接方式。

在一些实施例的一些可选的实现方式中，上述执行主体获取与上述功能测试指令对应的仿真测试场景数据，可以包括以下步骤：

第一步，确定与上述功能测试指令对应的测试时间点。其中，测试时间点可以是生成上述功能测试指令的时刻。

第二步，获取对应目标时间点的仿真测试场景数据。其中，上述目标时间点可以是在上述测试时间点之前的相隔预设测试时长（例如，5秒）的时间点。这里，对应目标时间点的仿真测试场景数据可以是时间点处于目标时间点一定时间间隔（例如，3秒或10帧等）之内的场景数据。由于接收到功能测试指令的时间点，即为自动驾驶路径规划模块存在问题的时间点。因此，需要获取在测试时间点之前的仿真测试场景数据。从而，可以便于对自动驾驶路径规划模块存在问题的部分进行测试。另外，上述仿真测试场景数据也可以是上述当前车辆实际移动过程中的数据。

步骤102，对仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据。

在一些实施例中，上述执行主体可以对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据。

在一些实施例的一些可选的实现方式中，上述动态场景数据还包括当前车辆尺寸信息、当前车辆相对位姿矩阵序列、障碍物车辆尺寸信息集和障碍物车辆相对位姿矩阵集和对应上述目标时间点的当前车辆位置坐标与障碍物车辆位置坐标集。以及上述执行主体对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据，可以包括以下步骤：

第一步，对上述静态场景数据进行静态场景信息提取，得到静态特征角点图像坐标集序列和静态特征地图坐标集。其中，静态特征角点图像坐标集序列中各个静态特征角点图像坐标集可以是从上述目标时间点之前一定时间间隔的时间点、到上述目标时间点之后一定时间间隔的时间点之间各个帧的道路图像检测结果。因此，每个静态特征角点图像坐标集中的各个静态特征角点图像坐标可以是对应同一个时刻的、同一图像坐标系中的二维坐标。上述静态特征地图坐标集中的各个静态特征地图坐标可以是处于同一地图坐标系中三维坐标。当前车辆尺寸信息可以包括当前车辆的长度值、宽度值等。当前车辆相对位姿矩阵序列可以用于表征上述目标时间点之前一定时间间隔的时间点、到上述目标时间点之后一定时间间隔的时间点之间各个帧的当前车辆的相对位置姿态。相对位姿矩阵可以是当前车辆的车体坐标系相对于地图坐标系的转换矩阵。障碍物车辆尺寸信息集中的每个障碍物车辆尺寸信息可以对应一个障碍物车辆。每个障碍物车辆尺寸信息可以包括障碍物车辆长度值、障碍物车辆宽度值等。障碍物车辆相对位姿矩阵集中的每个障碍物车辆相对位姿矩阵可以对应一个障碍物车辆，以表征该障碍物车辆在上述目标时间点的位置姿态。因此，各个当前车辆相对位姿矩阵可以与上述静态特征角点图像坐标集序列中的各个静态特征角点图像坐标集一一对应。其次，可以通过预设的静态特征提取算法，对上述静态场景数据进行静态场景信息提取，得到静态特征角点图像坐标集和静态特征地图坐标集。上述图像坐标系可以是上述目标时间点时、车载相机拍摄的道路图像的图像坐标系。上述地图坐标系可以是预设的高精地图的地图坐标系。

作为示例，上述静态特征提取算法可以包括但不限于以下至少一项：SIFT（Scale-invariant Feature Transform，尺度不变特征转换）算法、Surf（Speeded Up RobustFeatures，加速稳健特征）算法、Harris角点检测、FAST角点检测、BRIEF（Binary RobustIndependent Elementary Features，特征描述子算法）等。

第二步，基于上述当前车辆相对位姿矩阵序列、上述静态特征角点图像坐标集序列和上述静态特征地图坐标集，对上述当前车辆相对位姿矩阵序列中对应上述目标时间点的当前车辆相对位姿矩阵进行矫正，得到矫正后相对位姿矩阵。其中，首先，可以获取与上述静态特征角点图像坐标集序列中每个静态特征角点图像坐标集中每个静态特征角点图像坐标对应的检测协方差矩阵。检测协方差矩阵可以是检测角点图像坐标时生成的。其次，可以获取与上述当前车辆相对位姿矩阵序列中每相邻个当前车辆相对位姿矩阵对应的特殊欧式群的相对协方差矩阵（维度可以是6×6）。这里，检测协方差矩阵可以是2×2的矩阵。然后，可以通过以下公式，对上述当前车辆相对位姿矩阵序列中对应上述目标时间点的当前车辆相对位姿矩阵序列进行矫正：

。

其中，表示矩阵。表示上述矫正后相对位姿矩阵。、、表示预设的权重系数。可以均设为1。表示优化目标，即上述当前车辆相对位姿矩阵序列中对应上述目标时间点的当前车辆相对位姿矩阵。表示最小化目标函数。E表示误差值。、、用于缩短公式长度，无具体含义。、、表示序号。表示将括号中的坐标投影至图像坐标系。表示上述当前车辆相对位姿矩阵序列与上述静态特征角点图像坐标集序列中静态特征角点图像坐标集对应的当前车辆相对位姿矩阵。表示上述当前车辆相对位姿矩阵序列与上述静态特征角点图像坐标集序列中第个静态特征角点图像坐标集对应的当前车辆相对位姿矩阵。表示求逆矩阵。表示上述静态特征地图坐标集中的静态特征地图坐标。表示上述静态特征地图坐标集中的第个静态特征地图坐标。表示静态特征角点图像坐标集序列中的静态特征角点图像坐标。表示上述静态特征角点图像坐标集序列中第个静态特征角点图像坐标集中的第个静态特征角点图像坐标。表示协方差矩阵。表示对应上述的检测协方差矩阵。表示求马氏距离。表示预设的对数映射函数，可以表征特殊欧式群与李代数欧式群的函数映射关系。表示上述当前车辆相对位姿矩阵序列与上述静态特征角点图像坐标集序列中第个静态特征角点图像坐标集对应的当前车辆相对位姿矩阵。表示第个静态特征角点图像坐标集对应的当前车辆相对位姿矩阵相对于第个静态特征角点图像坐标集对应的当前车辆相对位姿矩阵的转换矩阵。表示预先测量的第个静态特征角点图像坐标集对应的当前车辆相对位姿矩阵相对于第个静态特征角点图像坐标集对应的当前车辆相对位姿矩阵的变换矩阵。表示对应上述当前车辆相对位姿矩阵序列中第个和第个当前车辆相对位姿矩阵的相对协方差矩阵。表示预设的、与上述优化目标对应的变换矩阵。表示与上述优化目标对应的相对协方差矩阵。

第三步，将上述矫正后相对位姿矩阵和上述障碍物车辆相对位姿矩阵集确定为矫正后动态场景数据。

步骤103，基于矫正后动态场景数据和静态场景数据，构建初始化仿真测试环境。

在一些实施例中，上述执行主体可以基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境。

在一些实施例的一些可选的实现方式中，上述执行主体基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境，可以包括以下步骤：

第一步，将上述静态场景数据融合至待填充测试场景，得到静态测试环境。其中，上述待填充测试场景可以是通过预设的场景构建方法生成的。上述待填充测试场景处于上述地图坐标系中。上述融合可以是将静态场景数据中包括的各个坐标转换至待填充测试场景中的地图坐标系中，以此得到静态测试环境。

作为示例，上述场景构建方法可以是unreal engine（虚幻引擎）。

第二步，基于上述当前车辆尺寸信息、上述障碍物车辆尺寸信息集、上述矫正后相对位姿矩阵、上述障碍物车辆位置坐标集和上述当前车辆位置坐标，在上述静态测试环境中构建当前车辆测试模型和障碍物车辆测试模型集。其中，可以将上述当前车辆尺寸信息、上述障碍物车辆尺寸信息集、上述矫正后相对位姿矩阵、上述障碍物车辆位置坐标集和上述当前车辆位置坐标输入至上述虚幻引擎，以构建当前车辆测试模型和障碍物车辆测试模型集。实践种，构建静态测试场景可以表征用于仿真测试的实际场景。而添加当前车辆测试模型和障碍物车辆测试模型集可以用于在静态测试场景中模拟当前车辆与障碍物车辆。

第三步，利用上述矫正后相对位姿矩阵和上述障碍物车辆相对位姿矩阵集，对上述障碍物车辆测试模型集中各个障碍物车辆测试模型进行姿态调整，以及将姿态调整后的静态测试环境确定为初始化仿真测试环境。其中，由于障碍物车辆相对位姿矩阵集中的各个障碍物车辆相对位姿矩阵均是障碍物车辆相对于当前车辆的位姿矩阵。因此在当前车辆的位姿矩阵矫正后，可以同时调整各个障碍物车辆相对位姿矩阵。以此矫正障碍物车辆测试模型，在静态仿真测试场景中相对于当前车辆仿真测试模型的位置姿态。由此，可以将仿真测试场景进一步贴近与实际交通场景。从而，可以用于提高仿真测试结果的准确度。

步骤104，在初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集。

在一些实施例中，上述执行主体可以在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集。

在一些实施例的一些可选的实现方式中，上述执行主体在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集，可以包括以下步骤：

第一步，确定上述当前车辆测试模型和上述障碍物车辆测试模型集中各个障碍物车辆测试模型在目标时间段内的加速度值和加速度变化率，得到当前车辆加速度值、当前车辆加速度变化率、障碍物车辆加速度值集和障碍物车辆加速度变化率集。其中，目标时间段可以是上述目标时间点到之后一定时间间隔内的时间段。

第二步，基于预设的仿真测试次数，执行如下仿真测试步骤，以生成仿真测试规划路径集：

第一子步骤，基于上述障碍物车辆加速度值集和上述障碍物车辆加速度变化率集，在上述初始化仿真测试环境中，对障碍物车辆测试模型集中的各个障碍物车辆测试模型进行轨迹预测，得到障碍物车辆预测轨迹集。其中，上述仿真测试次数可以是用于限定执行仿真测试循环的次数。从而，通过循环测试，极大概率的覆盖不同的障碍物车辆移动情况。进而，使得仿真测试的结果具有更高的准确度。

第二子步骤，将上述当前车辆位置坐标、上述当前车辆加速度值、上述当前车辆加速度变化率和上述障碍物车辆预测轨迹集发送至上述自动驾驶路径规划模块，以进行当前车辆轨迹规划，得到仿真测试规划路径。其中，自动驾驶路径规划模块可以利用接受到的上述当前车辆位置坐标、上述当前车辆加速度值、上述当前车辆加速度变化率和上述障碍物车辆预测轨迹集，进行轨迹规划以生成仿真测试规划路径。具体的，自动驾驶路径规划模块在仿真测试规划路径的过程并非在上述初始化仿真测试环境中执行的。另外，虽然未在初始化仿真测试环境中执行路径规划，但初始化仿真测试环境中的当前车辆测试模型和各个障碍物车辆测试模型会分别按照生成的仿真测试规划路径和障碍物车辆预测轨迹进行仿真移动。同时，会记录当前车辆测试模型和各个障碍物车辆测试模型的移动数据和交通风险标识。例如，移动数据可以包括当前车辆测试模型和各个障碍物车辆测试模型之间的距离值，当前车辆测试模型的速度值、加速度值，各个障碍物车辆测试模型的速度值、加速度值等。这里，交通风险标识可以用于表征当前车辆是否存在交通风险。例如，碰撞风险等。

第三子步骤，将上述仿真测试规划路径添加至初始规划路径集，以及确定添加后的初始规划路径集中初始规划路径的路径数量。

第四子步骤，响应于确定路径数量等于上述仿真测试次数，将上述初始规划路径集确定为仿真测试规划路径集。

可选的，上述仿真测试步骤还可以包括以下步骤：

响应于确定路径数量小于上述仿真测试次数，再次执行上述仿真测试步骤。

上述公式及其相关内容作为本公开的实施例的一个发明点，可以进一步解决背景技术提及的技术问题“离线测试的方式难以针对当前车辆与动态障碍物车辆交互场景进行分析，使得难以全面的进行测试，从而，导致在交互方面的测试结果的准确度较低，同时，常用的仿真测试方法为使用实车数据，使得仿真数据与实际数据之间存在差异，由此，导致仿真环境与真实环境之前存在较大差异，从而，离线测试和常用的仿真测试均未满足自动驾驶功能测试的需求，进而，导致测试结果的准确度降低”。首先，通过静态场景信息提取，可以从处于目标时间点前后的仿真测试场景数据中提取到用于参与仿真测试的静态特征角点图像坐标集序列和静态特征地图坐标集。以此可以便于仿真测试环境的构建。其次，通过上述公式，利用各个静态特征角点图像坐标和静态特征角点图像坐标以及其它各项数据，可以矫正对应上述目标时间点的当前车辆相对位姿矩阵。因此，可以提高将当前车辆实际数据转换到仿真测试场景中的准确度。也因为，提高了对应上述目标时间点的当前车辆相对位姿矩阵的准确度，使得其它各个障碍物车辆的数据可以同步进行调整。以此矫正仿真测试环境中的各个障碍物车辆测试模型。使得静态仿真测试场景中相对于当前车辆仿真测试模型的位置姿态更加准确。因此，可以将仿真测试场景进一步贴近与实际交通场景。从而，可以最大程度的避免仿真环境与真实环境之前存在较大差异的问题。进而，可以用于提高仿真测试结果的准确度。

步骤105，响应于确定仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。

在一些实施例中，上述执行主体可以响应于确定上述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。其中，上述预设路径条件可以是初始化仿真测试环境记录的移动数据中不存在交通风险标识。实践中，预设路径条件还可以包括各个仿真测试规划路径与预设规划路径之间的相似度大于预设阈值（例如，98%）等。这里，仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，可以表征自动驾驶路径规划模块测试合格。因此，生成的第一自动驾驶仿真测试结果可以是表征自动驾驶路径规划模块测试合格的信息。

可选的，上述执行主体还可以执行如下步骤：

第一步，响应于确定上述仿真测试规划路径集中的存在不满足上述预设路径条件的仿真测试规划路径，生成第二自动驾驶仿真测试结果。其中，上述第二自动驾驶仿真测试结果可以表征上述自动驾驶路径规划模块测试不合格。

第二步，将上述第一自动驾驶仿真测试结果或上述第二自动驾驶仿真测试结果发送至测试显示终端以供显示。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的自动驾驶仿真测试方法，可以提高测试结果的准确度。具体来说，造成测试结果的准确度降低的原因在于：离线测试的方式难以针对当前车辆与动态障碍物车辆交互场景进行分析，使得难以全面的进行测试，从而，导致在交互方面的测试结果的准确度较低，同时，常用的仿真测试方法为使用实车数据，使得仿真数据与实际数据之间存在较大差异，由此，导致仿真环境与真实环境之前存在差异，从而，离线测试和常用的仿真测试均未满足自动驾驶功能测试的需求。基于此，本公开的一些实施例的自动驾驶仿真测试方法，首先，响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与上述功能测试指令对应的仿真测试场景数据，其中，上述仿真测试场景数据包括静态场景数据和动态场景数据。通过获取仿真测试场景数据，可以使得仿真测试场景中可以基于实际车辆数据进行仿真测试，以此避免仿真测试环境与真实环境之间存在较大差异。同时将仿真测试场景数据分为静态场景数据和动态场景数据，可以用于细粒度的构建仿真测试环境。接着，对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据。通过离线矫正处理，可以将离线测试的方式融入至仿真测试方式中。以此，提高仿真测试数据中动态场景数据的准确度。然后，基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境。这里，由于融入了离线测试方式提高了仿真测试数据中动态场景数据的准确度，以此可以在一定程度上降低仿真环境与真实环境之前的差异。使得提高了构建的初始化仿真测试环境的真实性。之后，在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集。为了提高测试的全面性，因此，仿真测试生成多个仿真测试规划路径。最后，响应于确定上述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。通过引入预设路径条件，可以进一步把关各个仿真测试规划路径的准确度。从而，可以进一步提高测试结果的准确度。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种自动驾驶仿真测试装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的自动驾驶仿真测试装置200包括：获取单元201、矫正处理单元202、构建单元203、仿真测试单元204和生成单元205。其中，获取单元201，被配置成响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与上述功能测试指令对应的仿真测试场景数据，其中，上述仿真测试场景数据包括静态场景数据和动态场景数据；矫正处理单元202，被配置成对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据；构建单元203，被配置成基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境；仿真测试单元204，被配置成在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集；生成单元205，被配置成响应于确定上述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。

可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置301（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，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，本公开的一些实施例包括一种计算机程序产品，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。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（Hyper Text TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。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该电子设备执行时，使得该电子设备：响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与上述功能测试指令对应的仿真测试场景数据，其中，上述仿真测试场景数据包括静态场景数据和动态场景数据；对上述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据；基于上述矫正后动态场景数据和上述静态场景数据，构建初始化仿真测试环境；在上述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集；响应于确定上述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、矫正处理单元、构建单元、仿真测试单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取与功能测试指令对应的仿真测试场景数据的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上***（SOC）、复杂可编程逻辑设备（CPLD）等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种自动驾驶仿真测试方法，包括：

响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与所述功能测试指令对应的仿真测试场景数据，其中，所述仿真测试场景数据包括静态场景数据和动态场景数据；

对所述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据；

基于所述矫正后动态场景数据和所述静态场景数据，构建初始化仿真测试环境；

在所述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集；

响应于确定所述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果；

其中，所述获取与所述功能测试指令对应的仿真测试场景数据，包括：

确定与所述功能测试指令对应的测试时间点；

获取对应目标时间点的仿真测试场景数据，其中，所述目标时间点是在所述测试时间点之前的相隔预设测试时长的时间点；

其中，所述动态场景数据包括当前车辆尺寸信息、当前车辆相对位姿矩阵序列、障碍物车辆尺寸信息集和障碍物车辆相对位姿矩阵集和对应所述目标时间点的当前车辆位置坐标与障碍物车辆位置坐标集；以及

所述对所述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据，包括：

对所述静态场景数据进行静态场景信息提取，得到静态特征角点图像坐标集序列和静态特征地图坐标集；

基于所述当前车辆相对位姿矩阵序列、所述静态特征角点图像坐标集序列和所述静态特征地图坐标集，对所述当前车辆相对位姿矩阵序列中对应所述目标时间点的当前车辆相对位姿矩阵进行矫正，得到矫正后相对位姿矩阵；

将所述矫正后相对位姿矩阵和所述障碍物车辆相对位姿矩阵集确定为矫正后动态场景数据

其中，所述基于所述矫正后动态场景数据和所述静态场景数据，构建初始化仿真测试环境，包括：

将所述静态场景数据融合至待填充测试场景，得到静态测试环境；

基于所述当前车辆尺寸信息、所述障碍物车辆尺寸信息集、所述矫正后相对位姿矩阵、所述障碍物车辆位置坐标集和所述当前车辆位置坐标，在所述静态测试环境中构建当前车辆测试模型和障碍物车辆测试模型集；

利用所述矫正后相对位姿矩阵和所述障碍物车辆相对位姿矩阵集，对所述障碍物车辆测试模型集中各个障碍物车辆测试模型进行姿态调整，以及将姿态调整后的静态测试环境确定为初始化仿真测试环境。

2.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定所述仿真测试规划路径集中的存在不满足所述预设路径条件的仿真测试规划路径，生成第二自动驾驶仿真测试结果，其中，所述第二自动驾驶仿真测试结果表征所述自动驾驶路径规划模块测试不合格；

将所述第一自动驾驶仿真测试结果或所述第二自动驾驶仿真测试结果发送至测试显示终端以供显示。

3.根据权利要求1所述的方法，其中，所述在所述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集，包括：

确定所述当前车辆测试模型和所述障碍物车辆测试模型集中各个障碍物车辆测试模型在目标时间段内的加速度值和加速度变化率，得到当前车辆加速度值、当前车辆加速度变化率、障碍物车辆加速度值集和障碍物车辆加速度变化率集；

基于预设的仿真测试次数，执行如下仿真测试步骤，以生成仿真测试规划路径集：

基于所述障碍物车辆加速度值集和所述障碍物车辆加速度变化率集，在所述初始化仿真测试环境中，对障碍物车辆测试模型集中的各个障碍物车辆测试模型进行轨迹预测，得到障碍物车辆预测轨迹集；

将所述当前车辆位置坐标、所述当前车辆加速度值、所述当前车辆加速度变化率和所述障碍物车辆预测轨迹集发送至所述自动驾驶路径规划模块，以进行当前车辆轨迹规划，得到仿真测试规划路径；

将所述仿真测试规划路径添加至初始规划路径集，以及确定添加后的初始规划路径集中初始规划路径的路径数量；

响应于确定路径数量等于所述仿真测试次数，将所述初始规划路径集确定为仿真测试规划路径集。

4.根据权利要求3所述的方法，其中，所述仿真测试步骤还包括：

响应于确定路径数量小于所述仿真测试次数，再次执行所述仿真测试步骤。

5.一种自动驾驶仿真测试装置，包括：

获取单元，被配置成响应于接收到针对自动驾驶路径规划模块的功能测试指令，获取与所述功能测试指令对应的仿真测试场景数据，其中，所述仿真测试场景数据包括静态场景数据和动态场景数据；

矫正处理单元，被配置成对所述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据；

构建单元，被配置成基于所述矫正后动态场景数据和所述静态场景数据，构建初始化仿真测试环境；

仿真测试单元，被配置成在所述初始化仿真测试环境中执行自动驾驶仿真测试操作，以生成仿真测试规划路径集；

生成单元，被配置成响应于确定所述仿真测试规划路径集中的各个仿真测试规划路径均满足预设路径条件，生成第一自动驾驶仿真测试结果；

其中，所述获取与所述功能测试指令对应的仿真测试场景数据，包括：

确定与所述功能测试指令对应的测试时间点；

获取对应目标时间点的仿真测试场景数据，其中，所述目标时间点是在所述测试时间点之前的相隔预设测试时长的时间点；

其中，所述动态场景数据包括当前车辆尺寸信息、当前车辆相对位姿矩阵序列、障碍物车辆尺寸信息集和障碍物车辆相对位姿矩阵集和对应所述目标时间点的当前车辆位置坐标与障碍物车辆位置坐标集；以及

所述对所述仿真测试场景数据包括的动态场景数据进行离线矫正处理，得到矫正后动态场景数据，包括：

对所述静态场景数据进行静态场景信息提取，得到静态特征角点图像坐标集序列和静态特征地图坐标集；

基于所述当前车辆相对位姿矩阵序列、所述静态特征角点图像坐标集序列和所述静态特征地图坐标集，对所述当前车辆相对位姿矩阵序列中对应所述目标时间点的当前车辆相对位姿矩阵进行矫正，得到矫正后相对位姿矩阵；

将所述矫正后相对位姿矩阵和所述障碍物车辆相对位姿矩阵集确定为矫正后动态场景数据

其中，所述基于所述矫正后动态场景数据和所述静态场景数据，构建初始化仿真测试环境，包括：

将所述静态场景数据融合至待填充测试场景，得到静态测试环境；

基于所述当前车辆尺寸信息、所述障碍物车辆尺寸信息集、所述矫正后相对位姿矩阵、所述障碍物车辆位置坐标集和所述当前车辆位置坐标，在所述静态测试环境中构建当前车辆测试模型和障碍物车辆测试模型集；

利用所述矫正后相对位姿矩阵和所述障碍物车辆相对位姿矩阵集，对所述障碍物车辆测试模型集中各个障碍物车辆测试模型进行姿态调整，以及将姿态调整后的静态测试环境确定为初始化仿真测试环境。

6.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

7.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。

Images