CN115830255A - 一种仿真场景生成方法、装置、电子设备和存储介质 - Google Patents
一种仿真场景生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115830255A CN115830255A CN202211512732.XA CN202211512732A CN115830255A CN 115830255 A CN115830255 A CN 115830255A CN 202211512732 A CN202211512732 A CN 202211512732A CN 115830255 A CN115830255 A CN 115830255A
- Authority
- CN
- China
- Prior art keywords
- model
- element model
- road network
- region
- unit
- 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 118
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000009877 rendering Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种仿真场景生成方法、装置、电子设备和存储介质,涉及人工智能领域,具体为自动驾驶和智能交通领域。具体实现方案为:获取路网数据;根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型;根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型;根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型;对所述目标元素模型进行建模渲染,生成仿真场景。本公开实施例可以增加仿真场景的真实性,丰富仿真场景的细节,从而提高仿真场景的准确性。
Description
技术领域
本公开涉及人工智能领域,具体为自动驾驶和智能交通领域,具体涉及一种仿真场景生成方法、装置、电子设备和存储介质。
背景技术
随着自动驾驶技术的发展,为保证自动驾驶***的安全性,需要构建仿真场景进行测试。
在仿真场景的构建过程中,通常以高精地图为数据依赖。
发明内容
本公开提供了一种仿真场景生成方法、装置、电子设备和存储介质。
根据本公开的一方面,提供了一种仿真场景生成方法,包括:
获取路网数据;
根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型;
根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型;
根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型;
对所述目标元素模型进行建模渲染,生成仿真场景。
根据本公开的一方面,提供了一种仿真场景生成装置,包括:
数据获取模块,用于获取路网数据;
路网元素构建模块,用于根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型;
路网外元素构建模块,用于根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型;
目标元素确定模块,用于根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型;
渲染模块,用于对所述目标元素模型进行建模渲染,生成仿真场景。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任一实施例所述的仿真场景生成方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开任一实施例所述的仿真场景生成方法。
根据本公开的另一方面,提供了一种计算机程序对象,包括计算机程序,所述计算机程序在被处理器执行时实现本公开任一实施例所述的仿真场景生成方法。
本公开实施例可以增加仿真场景的真实性,丰富仿真场景的细节,从而提高仿真场景的准确性和丰富度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1a是根据本公开实施例公开的一种仿真场景生成方法的流程图;
图1b是根据本公开实施例公开的一种目标区域的区域模型示意图;
图1c是根据本公开实施例公开的一种目标区域中路网元素模型示意图;
图2a是根据本公开实施例公开的另一种仿真场景生成方法的流程图;
图2b是根据本公开实施例公开的一种扩展路网元素模型示意图;
图2c是根据本公开实施例公开的一种建筑元素模型示意图;
图2d是根据本公开实施例公开的一种平滑路口模型示意图;
图3是根据本公开实施例公开的又一种仿真场景生成方法的流程图;
图4a是根据本公开实施例公开的另一种仿真场景生成方法的流程图;
图4b是根据本公开实施例公开的绿化元素模型示意图;
图4c是根据本公开实施例公开的人行道元素模型示意图;
图4d是根据本公开实施例公开的单元模型示意图;
图5a是根据本公开实施例公开的一种仿真场景生成方法的应用示意图;
图5b是根据现有技术生成的仿真场景示意图;
图5c是根据本公开实施例公开的仿真场景生成方法生成的仿真场景示意图;
图6是本公开实施例中的仿真场景生成装置的结构图;
图7是用来实现本公开实施例的仿真场景生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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1a是根据本公开实施例公开的一种仿真场景生成方法的流程图,本实施例可以适用于为自动驾驶车辆***创建仿真场景的情况。本实施例方法可以由仿真场景生成装置来执行,该装置可采用软件和/或硬件的方式实现,并具体配置于具有一定数据运算能力的电子设备中,该电子设备可以是车载设备。如图1a所示,该方法具体包括:
S101、获取路网数据。
路网是指由各种道路组成的相互联络、交织成网状分布的道路***,也可以理解为由道路和路口组成的网络。路网数据是指用于描述路网的数据。在本公开中,可以通过高精地图获取路网数据。
具体的,可以获取高精地图的地图文件,加载地图文件。地图文件中存储有路网数据。路网数据中至少包括道路拓扑网络和路网元素的类型。其中,通过道路拓扑网络可以确定道路***的布局。路网元素是指组成道路拓扑网络的元素。路网元素包括道路元素、路口元素、车道元素、车道线元素、摄像头元素、交通指示灯元素和交通指示牌元素等元素中的至少一个。路网元素的类型至少包括车道类型和车道线类型。车道类型包括城市车道、高速车道、公交车道、潮汐车道和车道限速等类型中的至少一个。车道线类型中的包括黄线、白线、虚线和实线等类型中的至少一个。
S102、根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型。
目标区域是指待生成仿真场景的区域。可以针对一个城市生成仿真场景,并从中指定部分区域作为目标区域。仿真场景是指能够呈现真实空间的场景,是以真实空间为基础建立的模型。模型可以理解为几何体,区域模型是指基于在一定区域内的路网数据建立的几何体。其中,几何体可以是立体几何体,也可以是平面几何体。路网元素模型是指用于描述路网元素的几何体,路网元素模型可以包括道路几何体和路口几何体。在区域模型内可以包含路网元素模型。目标区域的区域模型是指根据目标区域内的路网数据建立的几何体。在本公开中,目标区域的区域模型可以是能够将目标区域包含在内的长方体,在目标区域的区域模型内包括目标区域中路网元素模型。如图1b所示是根据本公开实施例公开的一种目标区域的区域模型示意图。目标区域中路网元素模型是指位于目标区域内的路网元素的模型。如图1c所示是根据本公开实施例公开的一种目标区域中路网元素模型示意图,图1c中显示有道路几何体和路口几何体。
具体的,可以根据路网数据筛选出目标区域中的路网数据,根据目标区域中的路网数据,构建目标区域的区域模型,在区域模型中,构建有目标区域中路网元素模型;也可以根据路网数据构建区域模型和区域路网元素模型,在区域模型和区域路网元素模型中,根据目标区域,筛选出目标区域的区域模型和目标区域中路网元素模型。其中,可以获取目标区域的立体几何体的且与地面平行的横截面,得到区域模型。
S103、根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型。
路网外元素是指,区域内除路网元素之外的元素。路网外元素模型是指用于描述路网外元素的几何体。示例性的,路网外元素可以包括下述至少一项:建筑、绿化带和人行道等元素等。此外,还可以对路网外元素进一步细分,例如,将建筑区分为居住建筑、商业建筑和公益建筑等。对此,可以根据需要进行设定。
具体的,根据区域模型和目标区域中路网元素模型,可以在目标区域中,剔除目标区域中路网元素所在区域,剩余区域确定为路网外元素所在区域,将剩余区域中每个单独的封闭区域对应的几何体分别确定为路网外元素模型;也可以在剩余区域中,沿剩余区域的边界,向内缩小一定范围的区域,得到缩小的范围对应的区域和缩小后的剩余区域,将缩小的范围对应的区域和缩小后的剩余区域,分别确定为路网外元素所在区域,并将对应的几何体确定为路网外元素模型。示例性的,可以将区域模型和目标区域中路网元素模型进行布尔运算,将运算结果确定为路网外元素模型;也可以将区域模型和目标区域中路网元素模型进行布尔运算后,根据预设数值将运算结果得到的模型缩小,将缩小后的运算结果以及缩小部分,分别确定为路网外元素。示例性的,缩小的范围对应的区域通常是指边缘区域,边缘区域通常是人行道等区域。布尔运算是指通过对两个以上的物体进行并集、差集或交集的运算,从而得到新的物体形态。在本公开中,布尔运算可以是差集的运算。
S104、根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型。
目标元素是指待添加到仿真场景中的需要进行建模的元素。目标元素通常是指路网外的元素,可以根据需要设定。元素真实空间特征是指路网外元素在真实空间中的特征。元素真实空间特征用于区分不同类型的路网外元素模型,以对路网外元素模型的类型进行检测,示例性的,元素真实空间特征包括面积、位置和形状等特征中的至少一项。目标元素模型是指待添加到仿真场景中的需要进行渲染的模型。通过对目标元素进行建模能够得到目标元素模型。单元模型可以是指由封闭线条围成的一个几何体,单元模型内部任何一点与单元模型外任何一点的连线都和单元模型的边界相交。实际上路网外元素模型包括多个单元模型,一个单元模型代表一个独立的路网外元素,不同类型的单元模型的渲染参数不同。示例性的,草坪的元素模型渲染的颜色为绿色,渲染高度为低高度等。可以根据一些类型的元素所具有的元素真实空间特征,检测具有相应特征的单元模型,以达到对路网外元素模型包括的单元模型进行划分的目的,从而实现对路网外元素进一步细节确认,以丰富路网外的元素的信息,从而增加仿真场景的真实性和细粒度内容。
确定目标元素模型可以是对路网外元素模型包括的单元模型进行筛选,针对测试自动驾驶***的仿真场景来说,一些元素会对对路网中车辆行驶存在干扰,这类元素添加到仿真场景中,以对自动驾驶***实现更加精准和复杂的测试。可选的,目标元素模型可以是对路网中车辆行驶存在干扰的元素的几何体,例如人行道、绿化带和建筑等元素的几何体。此外,还有其他场景,可以根据需要,设定需要检测和需要填充到仿真场景中的元素,以及元素对应的目标元素模型具有的元素真实空间特征。
具体的,根据目标元素的元素真实空间特征,与路网外元素模型包括的单元模型进行匹配,将路网外元素模型包括的单元模型中,满足元素真实空间特征的单元模型,确定为目标元素模型。可以设置多个类型的目标元素,并分别对应不同类型设置相应的元素真实空间特征,从而筛选出各类型的目标元素对应的目标元素模型。示例性的,某个元素的元素真实空间特征包括环状和面积小于10m2,在路网外元素模型中,将同时满足环状和面积小于10m2的模型,确定为该元素的目标元素模型。
S105、对所述目标元素模型进行建模渲染,生成仿真场景。
建模渲染是指在仿真场景中对模型进行构建和着色。具体的,对目标元素进行建模,构建符合真实情况的形状体,例如,目标元素为花坛,在相应位置处生成具有一定占用空间的花坛的形状体,并对目标元素进行着色,反映出目标元素在真实空间中的颜色,形成仿真场景。在本公开中,仿真场景可以是能够反映自动驾驶车辆在行驶过程中,采集到的车辆四周的场景。在自动驾驶车辆***的仿真测试中,随着自动驾驶车辆在仿真场景中行驶,自动驾驶车辆的位置不同,感知得到的仿真数据不同。本公开在确定目标元素模型时,未引入任何外源数据,即不采用其他外部数据的支持,仍实现对目标元素模型的检测,并补充到仿真场景中。
在现有技术中,仿真场景通常依赖高精地图构建,而高精地图中通常不包括路网以外的楼块、绿地和人行道等数据的区域。对于缺失的区域,通常采用精度较低的导航地图的数据进行渲染。由于精度问题,导致渲染得到的缺失的区域与路网区域在结合过程中,常常出现位置冲突或不匹配问题。并且,导航地图中也可能会缺失部分数据,导致缺失的区域与路网区域在结合后,仍会出现内容缺失的情况。
根据本公开的技术方案,根据获取的路网数据,构建目标区域的区域模型和目标区域中路网元素模型,根据区域模型和目标区域中路网元素模型确定路网外模型,确定路网外元素模型,能够保证路网外元素模型的完整性,从而在生成仿真场景时,丰富仿真场景的细节,保证仿真场景的完整性,提高仿真场景的丰富度,根据元素真实空间特征在路网外元素中,确定目标元素模型,并对目标元素模型进行渲染,生成仿真场景,能够增加仿真场景的真实性,从而提高仿真场景的准确性和丰富度,同时未引入任何外源数据,即不采用其他外部数据的支持,仍实现对目标元素模型的检测,并补充到仿真场景中,可以降低仿真场景的创建成本。
图2a是根据本公开实施例公开的另一种仿真场景生成方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。在上述实施例的基础上,所述根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型,包括:对所述路网元素模型进行外延,得到扩展路网元素模型;计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型。如图2a所示,该方法具体包括:
S201、获取路网数据。
S202、根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型。
S203、对所述路网元素模型进行外延,得到扩展路网元素模型。
外延是指对路网元素模型向外部进行扩展,在不改变路网元素模型的形状的情况下,扩大路网元素的面积和体积。扩展路网元素模型是指对路网元素进行外延后得到的模型。图2b是根据本公开实施例公开的一种扩展路网元素模型示意图,图2b所示的扩展路网元素模型的平面面积,比图1c的路网元素模型的平面面积更大。
具体的,根据路网元素模型,将路网元素模型向模型外侧的方向进行扩展,将扩展后的模型确定为扩展路网元素模型。其中,扩展的距离可以根据实际情况进行设置,示例性的,将路网元素模型的边缘向外扩展10m。
S204、计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型。
差异是指扩展路网元素模型与区域模型之间的不同区域对应的模型。建筑元素是指在真实空间中存在的建筑。示例性的,建筑元素可以是居民楼、公园、写字楼和商场等元素。建筑元素模型是指用于描述建筑元素的几何体。
具体的,可以将扩展路网元素模型与区域模型进行布尔运算,取扩展路网元素与区域模型之间的差集,从而得到扩展路网元素模型与区域模型的差异,将计算结果确定为建筑元素模型,并将建筑元素模型确定为路网外元素模型。在本公开中,可以通过其他方式计算扩展路网元素模型与区域模型的差异,对此不作限定。图2c是根据本公开实施例公开的一种建筑元素模型示意图。
S205、根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型。
S206、对所述目标元素模型进行建模渲染,生成仿真场景。
在一种可实施方式中,在所述计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型之后,还包括:将所述建筑元素模型与所述路网元素模型组合,并计算组合模型与所述区域模型之间的差异,得到路侧元素模型,并确定为路网外元素模型。
组合是指将建筑元素模型和路网元素模型进行结合,作为一个整体,示例性的,组合是指将建筑元素模型和路网元素模型组成一个集合,对建筑元素模型和路网元素模型不进行处理。组合模型是指将建筑元素模型与路网元素模型组合后得到的模型。路侧元素是指在真实空间中,位于道路周围一定范围内的元素。示例性的,路侧元素可以是人行道、护栏和绿化带等元素。路侧元素模型是指用于描述路侧元素的模型。
具体的,将建筑元素模型与路网元素模型进行组合,形成一个整体,得到组合模型,可以通过布尔运算,确定组合模型与区域模型之间的差集,从而得到组合模型与区域模型之间的差异,将计算结果确定为路侧元素模型,并将路侧元素模型确定为路网外元素模型。
由于在真实空间中,建筑元素与路网元素之间,通常存在绿化带和人行道等路侧元素,将建筑元素模型与路网元素模型组合,得到的组合模型中剔除了路侧元素所在区域,因此,通过组合模型与区域模型之间的差异,确定路侧元素模型,实现了路侧元素模型的确定,将路侧元素模型确定为路网外元素模型,能够增加路网外元素模型的丰富度,从而提高仿真场景的丰富度。
在一种可实施方式中,所述对所述路网元素模型进行外延,得到扩展路网元素模型,包括:对所述路网元素模型包括的路口模型进行平滑处理,得到平滑路口模型;将所述平滑路口模型和所述路网元素模型包括的道路模型进行外延组合,得到扩展路网元素模型。
路网元素包括路口元素和道路元素,可以理解的是,路口元素之间通过道路元素进行连接,形成道路拓扑网络。相应的,路网元素模型包括路口模型和道路模型。其中,路口模型是指用于描述路口元素的模型,道路模型是指用于描述道路元素的模型。
平滑处理是指将路口元素模型中的边界线进行平滑,减少边界线形成的锐化的形状,具体是减少凸包形状。可以理解的是,路口元素的几何体通常为凹多边形。创建路口元素模型的过程中,通过点和线,对路口元素的边界进行描绘,在同一点处连接有至少两条线,两条线之间可以形成的向内凹陷的夹角,多个夹角之间会形成凸包。平滑处理就是对凸包进行平滑,具体的,可以在同一点处连接的两条线之间通过曲线代替点,进行连接,也可以在同一点处连接的两条线之间通过直线代替点,进行连接。图2d是根据本公开实施例公开的一种平滑路口模型示意图。如图2d所示,虚线部分为平滑处理前的凸包,实线部分为平滑处理后得到的平滑路口模型。平滑路口模型是指对路口模型进行平滑处理后得到的模型。外延组合是指将平滑路口模型和道路模型分别进行外延和组合。示例性的,路网元素模型包括路口模型A1和道路模型B1,对路口模型A1进行平滑处理得到平滑路口模型A2。将道路模型B1和平滑路口模型A2进行组合,得到新的路网元素模型,并对路网元素模型进行外延,得到扩展路网元素模型。或者,将道路模型B1和平滑路口模型A2分别进行外延,将外延的模型进行组合,得到扩展路网元素模型。
通过对路口模型进行平滑处理,得到平滑路口模型,能够在对路口模型进行外延的过程中,减少数据挤压情况出现的概率,提高平滑路口模型的准确性,从而将平滑路口模型和路网元素模型进行外延组合,得到扩展路网元素模型时,提高扩展路网元素模型的准确性。
根据本公开的技术方案,通过对路网元素模型进行外延,得到扩展路网元素模型,与路网元素模型相比,扩展路网元素的平面面积更大,由于在真实空间中,建筑元素与路网元素之间存在一定的空间距离,通过扩展路网元素模型与区域模型,确定建筑元素模型时,能够剔除建筑元素与路网元素之间的区域,提高建筑元素模型的准确性,将建筑元素模型确定为路网外元素模型,能够增加路网外元素模型的丰富度,从而提高仿真场景的丰富度。
图3是根据本公开实施例公开的又一种仿真场景生成方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。在上述实施例的基础上,还包括:获取所述建筑元素模型中至少一个单元模型;根据各所述单元模型的模型空间特征,对所述建筑元素模型包括的单元模型进行筛选,更新所述建筑元素模型。如图3所示,该方法具体包括:
S301、获取路网数据。
S302、根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型。
S303、对所述路网元素模型进行外延,得到扩展路网元素模型。
S304、计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型。
S305、获取所述建筑元素模型中至少一个单元模型。
建筑元素模型可以理解为一个集合,包括至少一个单元模型,一个单元模型代表一个独立的建筑物。将类型为建筑元素的单元模型,作为或添加到建筑元素模型。
S306、根据各所述单元模型的模型空间特征,对所述建筑元素模型包括的单元模型进行筛选,更新所述建筑元素模型。
模型空间特征用于描述单元模型在空间上的特征。示例性的,模型空间特征可以包括面积和平面形状等特征。实际上,建筑元素具有面积大,形状为多边形等空间特征,可以根据建筑元素具有的真实空间特征与模型空间特征进行比较,剔除不属于建筑元素的单元模型。具体的,根据各单元模型,确定各单元模型的模型空间特征,通过模型空间特征,对单元模型进行筛选,利用筛选后保留下来的单元模型,更新建筑元素模型。
示例性的,模型空间特征为面积,根据各单元模型的面积,将小于面积阈值的单元模型剔除,利用保留下来的单元模型,更新建筑元素模型;模型空间特征为平面形状,根据各单元模型的平面形状,将平面形状为圆形、三角形、带状和条状等平面形状的单元模型剔除,利用保留下来的单元模型,更新建筑元素模型。其中,面积阈值和平面形状可以根据实际情况进行设置。
S307、将所述建筑元素模型与所述路网元素模型组合,并计算组合模型与所述区域模型之间的差异,得到路侧元素模型,并确定为路网外元素模型。
S308、根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型。
S309、对所述目标元素模型进行建模渲染,生成仿真场景。
在一种可实施方式中,还包括:根据生成的仿真场景,对自动驾驶车辆***进行仿真测试。
自动驾驶车辆***是指控制车辆进行自动驾驶的***。仿真测试用于模拟自动驾驶车辆在行驶过程中,自动驾驶车辆***的运行情况。具体的,仿真场景用于仿真自动驾驶车辆在行驶过程中的环境。在仿真场景中,运行自动驾驶车辆***,能够使自动驾驶车辆***在仿真场景中获取车辆四周的环境,以模拟自动驾驶车辆在真实世界中的行驶情况,从而对自动驾驶车辆在该仿真场景中如何行驶如何控制进行测试,以测试自动驾驶车辆***的功能等,从而对自动驾驶车辆***进行优化。
通过在仿真场景中对自动驾驶车辆***进行仿真测试,能够在将自动驾驶车辆***应用在车辆之前,获取自动驾驶车辆***的仿真运行情况,降低自动驾驶车辆***测试的成本,减少自动驾驶车辆***测试的资源浪费,并且通过提高仿真场景的真实性,可以提高测试的准确性和测试结果精度。
根据本公开的技术方案,通过获取建筑元素模型中的单元模型,根据单元模型的模型空间特征,对单元模型进行筛选,实现建筑元素模型的更新,能够剔除建筑元素模型中出现错误的单元模型,减少建筑元素模型的数据量,提高建筑元素模型的准确性。
图4a是根据本公开实施例公开的另一种仿真场景生成方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。在上述实施例的基础上,所述元素真实空间特征包括元素真实区域形状,所述根据元素真实空间特征在所述路网外元素模型中,确定目标元素模型,包括:在所述路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型;将所述块状区域的元素模型确定为绿化元素模型;将所述环状区域的元素模型确定为人行道元素模型;将所述建筑元素模型、所述绿化元素模型和所述人行道元素模型,确定为目标元素模型。如图4a所示,该方法具体包括:
S401、获取路网数据。
S402、根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型。
S403、对所述路网元素模型进行外延,得到扩展路网元素模型。
S404、计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型。
S405、将所述建筑元素模型与所述路网元素模型组合,并计算组合模型与所述区域模型之间的差异,得到路侧元素模型,并确定为路网外元素模型。
S406、在所述路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型。元素真实空间特征包括元素真实区域形状。
路侧元素模型可以描述在真实空间中的至少一个路侧元素。路侧元素模型可以理解为一个集合,包括至少一个单元模型,一个单元模型代表一个独立的路侧元素。将类型为路侧元素的单元模型,作为或添加到路侧元素模型。元素真实区域形状是指路侧元素在真实空间中的形状。元素真实区域形状可以包括环状区域和块状区域。环状区域的元素模型用于描述元素真实区域形状为环状的元素。块状区域的元素模型用于描述元素真实区域形状为块状的元素。
具体的,在路侧元素模型包括的至少一个单元模型中,根据元素真实区域形状,对单元模型进行分类,将元素真实区域形状为环状的单元模型确定为环状区域的元素模型,将元素真实区域形状为块状的单元模型确定为块状区域的元素模型。
S407、将所述块状区域的元素模型确定为绿化元素模型。
绿化元素是指在道路附近(两侧或双向车道之间)用于绿化环境的元素,示例性的,绿化元素可以是绿化带。绿化元素模型用于描述绿化元素。在真实空间中,绿化元素的形状一般为块状,因此,将块状区域的元素模型确定为绿化元素模型。图4b是根据本公开实施例公开的绿化元素模型示意图。如图4b所示,在道路中间的狭长的块状的封闭区域的模型即为绿化元素模型。
S408、将所述环状区域的元素模型确定为人行道元素模型。
人行道元素是指在车道两侧用于行人行走的区域。示例性的,人行道元素为道路两侧防水台(或台阶)所在的区域。人行道元素模型用于描述人行道元素。在真实空间中,人行道元素通常沿着车道和建筑元素模型分布,形成环状区域,因此,将环状区域的元素模型确定为人行道元素模型。图4c是根据本公开实施例公开的人行道元素模型示意图。如图4c所示,在建筑元素模型(大块区域的模型)周围的狭长环状的封闭区域即为人行道元素模型。
S409、将所述建筑元素模型、所述绿化元素模型和所述人行道元素模型,确定为目标元素模型。
S409、对所述目标元素模型进行建模渲染,生成仿真场景。
在一种可实施方式中,所述在所述路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型,包括:获取所述路侧元素模型包括的单元模型的结点;检测是否存在目标结点具有至少三个邻接点;在存在的情况下,确定所述单元模型为环状区域的元素模型;在不存在的情况下,确定所述单元模型为块状区域的元素模型。
结点是指用于构建单元模型的点。单元模型可以通过结点和线相互连接的方式进行构建。图4d是根据本公开实施例公开的单元模型示意图。如图4d所示,单元模型中,一个结点上至少连接有两条线。在构建完成的单元模型中,任意两个结点之间可以通过至少一条线建立连接。邻接点是指在由一条线连接的两个结点。如图4b所示,模型A中包括结点a、b、c、d、e、f、g和h。由曲线abcd和曲线efgh之间形成的封闭区域为模型A。模型B中包括结点a、b、c和d。由曲线abcd形成的封闭区域为模型B。在模型A(环状模型)中,结点a具有邻接点b、d和e。在模型B(块状模型)中,结点a具有邻接点b和d。目标结点是指具有至少三个邻接点的结点。
具体的,获取路侧元素模型包括的单元模型的结点,遍历全部结点,确定各结点的邻接点的数量。将具有至少三个邻接点的结点确定为目标结点。检测各单元模型中是否存在目标结点,将具有目标结点的单元模型确定为环状区域的元素模型;将不具有目标结点的单元模型确定为块状区域的元素模型。如图4b所示,在模型A中,具有目标结点a,确定模型A为环状区域的元素模型。在模型B中,不具有目标结点,确定模型B为块状区域的元素模型。
进一步的,还可以获取路侧元素模型包括的单元模型的区域面积。检测各单元模型的结点和区域面积,在存在目标结点,且区域面积小于预设阈值的情况下,确定单元模型为环状区域的元素模型;在存在目标结点,且区域面积大于预设阈值的情况下,确定单元模型为块状区域的元素模型;在不存在目标结点的情况下,确定单元模型为块状区域的元素模型。其中,预设阈值可以根据实际情况进行设置。
通过获取路侧元素模型包括的单元模型的结点,检测是否存在目标结点,根据存在情况确定环状区域的元素模型和块状区域的元素模型,能够利用单元模型自身具备的结点对单元模型进行分类,简化了分类过程,提高了单元模型分类的效率。
根据本公开的技术方案,按照元素真实区域形状对路侧元素模型包括的至少一个单元模型进行分类,能够简化分类方法,提高绿化元素模型和人行道元素模型确定的准确性。
图5a是根据本公开实施例公开的一种仿真场景生成方法的应用示意图,如图5a所示,该方法包括:
S501、加载高精地图的地图文件,根据地图文件中的路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型。
其中,计算目标区域覆盖的路网的包围盒,并提取其中的一个横截面,得到目标区域的区域模型和目标区域中路网元素模型。实际上,本公开实施例中的模型为平面几何体。
S502、对路口元素进行平滑处理,得到平滑处理模型。
S503、将平滑路口模型和路网元素模型包括的道路模型进行外延组合,得到扩展路网元素模型。
S504、计算扩展路网元素模型与区域模型的差异,得到建筑元素模型。
S505、将建筑元素模型与路网元素模型组合,并计算组合模型与区域模型之间的差异,得到路侧元素模型。
S506、在路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型。
具体的,可以通过以下算法进行分类:
int point[]=primpoints(0,@primnum);
for(int i=0;i<len(points);i++){
int neighbours[]=neighbours(0,i);
if(len(neighbours)>2&&@area<ch(“max”)){
@side_walk=1;
}
}
通过上述算法可以检测邻接点数量len(neighbours)和单元模型的区域面积area,在邻接点数量至少为三个,且区域面积小于预设阈值max的情况下,将单元模型确定为环状区域的元素模型side_walk。
S507、将所述块状区域的元素模型确定为绿化元素模型。
S508、将所述环状区域的元素模型确定为人行道元素模型。
S509、将建筑元素模型和绿化元素模型和人行道元素模型进行建模渲染,生成仿真场景。
如图5b所示是根据现有技术生成的仿真场景示意图。如图5c所示是根据本公开实施例公开的仿真场景生成方法生成的仿真场景示意图。通过对比图5b和图5c,可以看出,通过本公开公开的仿真场景生成方法得到的仿真场景图具有更丰富的细节,更能反映真实空间的场景。
根据本公开的技术方案,根据获取的路网数据,构建目标区域的区域模型和目标区域中路网元素模型,根据区域模型和目标区域中路网元素模型确定路网外模型,确定路网外元素模型,能够保证路网外元素模型的完整性,从而在生成仿真场景时,丰富仿真场景的细节,保证仿真场景的完整性,提高仿真场景的丰富度,根据元素真实空间特征在路网外元素中,确定目标元素模型,并对目标元素模型进行渲染,生成仿真场景,能够增加仿真场景的真实性,从而提高仿真场景的准确性和丰富度,同时未引入任何外源数据,即不采用其他外部数据的支持,仍实现对目标元素模型的检测,并补充到仿真场景中,可以降低仿真场景的创建成本。
根据本公开的实施例,图6是本公开实施例中的仿真场景生成装置的结构图,本公开实施例适用于运行仿真场景生成方法的情况。该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图6所示的一种仿真场景生成装置600,包括:数据获取模块601、路网元素构建模块602、路网外元素构建模块603、目标元素确定模块604和渲染模块605;其中,
数据获取模块601,用于获取路网数据;
路网元素构建模块602,用于根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型;
路网外元素构建模块603,用于根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型;
目标元素确定模块604,用于根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型;
渲染模块605,用于对所述目标元素模型进行建模渲染,生成仿真场景。
根据本公开的技术方案,根据获取的路网数据,构建目标区域的区域模型和目标区域中路网元素模型,根据区域模型和目标区域中路网元素模型确定路网外模型,确定路网外元素模型,能够保证路网外元素模型的完整性,从而在生成仿真场景时,丰富仿真场景的细节,保证仿真场景的完整性,提高仿真场景的丰富度,根据元素真实空间特征在路网外元素中,确定目标元素模型,并对目标元素模型进行渲染,生成仿真场景,能够增加仿真场景的真实性,从而提高仿真场景的准确性和丰富度,同时未引入任何外源数据,即不采用其他外部数据的支持,仍实现对目标元素模型的检测,并补充到仿真场景中,可以降低仿真场景的创建成本。
进一步的,路网外元素模型包括:建筑元素模型和路侧元素模型;
所述路网外元素构建模块603,包括:
外延单元,用于对所述路网元素模型进行外延,得到扩展路网元素模型;
差异计算单元,用于计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型;
进一步的,所述路网外元素构建模块,还包括:
组合单元,用于计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型之后,将所述建筑元素模型与所述路网元素模型组合,并计算组合模型与所述区域模型之间的差异,得到路侧元素模型,并确定为路网外元素模型。
进一步的,所述外延单元,包括:
平滑子单元,用于对所述路网元素模型包括的路口模型进行平滑处理,得到平滑路口模型;
组合子单元,用于将所述平滑路口模型和所述路网元素模型包括的道路模型进行外延组合,得到扩展路网元素模型。
进一步的,所述装置还包括:
单元模型获取模块,用于获取所述建筑元素模型中至少一个单元模型;
更新模块,用于根据各所述单元模型的模型空间特征,对所述建筑元素模型包括的单元模型进行筛选,更新所述建筑元素模型。
进一步的,所述元素真实空间特征包括元素真实区域形状;
所述目标元素确定模块604,包括:
分类单元,用于在所述路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型;
第一模型确定单元,用于将所述块状区域的元素模型确定为绿化元素模型;
第二模型确定单元,用于将所述环状区域的元素模型确定为人行道元素模型;
目标元素确定单元,用于将所述建筑元素模型、所述绿化元素模型和所述人行道元素模型,确定为目标元素模型。
进一步的,所述分类单元,包括:
结点获取子单元,用于获取所述路侧元素模型包括的单元模型的结点;
邻接点检测子单元,用于检测是否存在目标结点具有至少三个邻接点;
第一模型确定子单元,用于在存在的情况下,确定所述单元模型为环状区域的元素模型;
第二模型确定子单元,用于在不存在的情况下,确定所述单元模型为块状区域的元素模型。
进一步的,该装置还包括:
测试模块,用于根据生成的仿真场景,对自动驾驶车辆***进行仿真测试。
上述仿真场景生成装置可执行本公开任意实施例所提供的仿真场景生成方法,具备执行仿真场景生成方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序对象。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性区域图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如仿真场景生成方法。例如,在一些实施例中,仿真场景生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的仿真场景生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行仿真场景生成方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准对象(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或区域图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (18)
1.一种仿真场景生成方法,包括:
获取路网数据;
根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型;
根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型;
根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型;
对所述目标元素模型进行建模渲染,生成仿真场景。
2.根据权利要求1所述的方法,其中,所述根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型,包括:
对所述路网元素模型进行外延,得到扩展路网元素模型;
计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型。
3.根据权利要求2所述的方法,在所述计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型之后,还包括:
将所述建筑元素模型与所述路网元素模型组合,并计算组合模型与所述区域模型之间的差异,得到路侧元素模型,并确定为路网外元素模型。
4.根据权利要求3所述的方法,其中,所述对所述路网元素模型进行外延,得到扩展路网元素模型,包括:
对所述路网元素模型包括的路口模型进行平滑处理,得到平滑路口模型;
将所述平滑路口模型和所述路网元素模型包括的道路模型进行外延组合,得到扩展路网元素模型。
5.根据权利要求3所述的方法,还包括:
获取所述建筑元素模型中至少一个单元模型;
根据各所述单元模型的模型空间特征,对所述建筑元素模型包括的单元模型进行筛选,更新所述建筑元素模型。
6.根据权利要求3所述的方法,其中,所述元素真实空间特征包括元素真实区域形状;
所述根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型,包括:
在所述路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型;
将所述块状区域的元素模型确定为绿化元素模型;
将所述环状区域的元素模型确定为人行道元素模型;
将所述建筑元素模型、所述绿化元素模型和所述人行道元素模型,确定为目标元素模型。
7.根据权利要求6所述的方法,其中,所述在所述路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型,包括:
获取所述路侧元素模型包括的单元模型的结点;
检测是否存在目标结点具有至少三个邻接点;
在存在的情况下,确定所述单元模型为环状区域的元素模型;
在不存在的情况下,确定所述单元模型为块状区域的元素模型。
8.根据权利要求1所述的方法,还包括:
根据生成的仿真场景,对自动驾驶车辆***进行仿真测试。
9.一种仿真场景生成装置,包括:
数据获取模块,用于获取路网数据;
路网元素构建模块,用于根据所述路网数据,构建目标区域的区域模型和所述目标区域中路网元素模型;
路网外元素构建模块,用于根据所述区域模型和所述目标区域中路网元素模型,确定路网外元素模型;
目标元素确定模块,用于根据目标元素的元素真实空间特征,在所述路网外元素模型包括的单元模型中检测目标元素模型;
渲染模块,用于对所述目标元素模型进行建模渲染,生成仿真场景。
10.根据权利要求9所述的装置,其中,所述路网外元素构建模块,包括:
外延单元,用于对所述路网元素模型进行外延,得到扩展路网元素模型;
差异计算单元,用于计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型。
11.根据权利要求10所述的装置,所述路网外元素构建模块,还包括:
组合单元,用于计算所述扩展路网元素模型与所述区域模型的差异,得到建筑元素模型,并确定为路网外元素模型之后,将所述建筑元素模型与所述路网元素模型组合,并计算组合模型与所述区域模型之间的差异,得到路侧元素模型,并确定为路网外元素模型。
12.根据权利要求11所述的装置,其中,所述外延单元,包括:
平滑子单元,用于对所述路网元素模型包括的路口模型进行平滑处理,得到平滑路口模型;
组合子单元,用于将所述平滑路口模型和所述路网元素模型包括的道路模型进行外延组合,得到扩展路网元素模型。
13.根据权利要求11所述的装置,还包括:
单元模型获取模块,用于获取所述建筑元素模型中至少一个单元模型;
更新模块,用于根据各所述单元模型的模型空间特征,对所述建筑元素模型包括的单元模型进行筛选,更新所述建筑元素模型。
14.根据权利要求11所述的装置,其中,所述元素真实空间特征包括元素真实区域形状;
所述目标元素确定模块,包括:
分类单元,用于在所述路侧元素模型包括的至少一个单元模型中,按照元素真实区域形状进行分类,得到环状区域的元素模型和块状区域的元素模型;
第一模型确定单元,用于将所述块状区域的元素模型确定为绿化元素模型;
第二模型确定单元,用于将所述环状区域的元素模型确定为人行道元素模型;
目标元素确定单元,用于将所述建筑元素模型、所述绿化元素模型和所述人行道元素模型,确定为目标元素模型。
15.根据权利要求14所述的装置,其中,所述分类单元,包括:
结点获取子单元,用于获取所述路侧元素模型包括的单元模型的结点;
邻接点检测子单元,用于检测是否存在目标结点具有至少三个邻接点;
第一模型确定子单元,用于在存在的情况下,确定所述单元模型为环状区域的元素模型;
第二模型确定子单元,用于在不存在的情况下,确定所述单元模型为块状区域的元素模型。
16.根据权利要求9所述的装置,还包括:
测试模块,用于根据生成的仿真场景,对自动驾驶车辆***进行仿真测试。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的仿真场景生成方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的仿真场景生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512732.XA CN115830255B (zh) | 2022-11-28 | 2022-11-28 | 一种仿真场景生成方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512732.XA CN115830255B (zh) | 2022-11-28 | 2022-11-28 | 一种仿真场景生成方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830255A true CN115830255A (zh) | 2023-03-21 |
CN115830255B CN115830255B (zh) | 2023-11-21 |
Family
ID=85532693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211512732.XA Active CN115830255B (zh) | 2022-11-28 | 2022-11-28 | 一种仿真场景生成方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830255B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117532216A (zh) * | 2023-12-21 | 2024-02-09 | 重庆工业设备安装集团有限公司 | 钢结构焊接机器人 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180189578A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Lane Network Construction Using High Definition Maps for Autonomous Vehicles |
EP3410404A1 (en) * | 2017-05-29 | 2018-12-05 | Cognata Ltd. | Method and system for creating and simulating a realistic 3d virtual world |
CN110765661A (zh) * | 2019-11-22 | 2020-02-07 | 北京京东乾石科技有限公司 | 自动驾驶仿真场景生成方法及装置、电子设备、存储介质 |
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 |
US20210078590A1 (en) * | 2019-09-12 | 2021-03-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for constructing test scenario library, electronic device and medium |
WO2021146906A1 (zh) * | 2020-01-21 | 2021-07-29 | 深圳元戎启行科技有限公司 | 测试场景仿真方法、装置、计算机设备和存储介质 |
US20210248816A1 (en) * | 2019-03-28 | 2021-08-12 | Southeast University | Embedded urban design scene emulation method and system |
CN114564023A (zh) * | 2022-03-11 | 2022-05-31 | 哈尔滨理工大学 | 一种动态场景下的跳点搜索路径规划方法 |
CN114662253A (zh) * | 2022-03-17 | 2022-06-24 | 杭州海康威视数字技术股份有限公司 | 一种仿真建模方法、装置、电子设备及存储介质 |
KR20220128051A (ko) * | 2021-03-12 | 2022-09-20 | 한국과학기술원 | 도시부 도로의 도로망 셀 단위 교통량 변화 시뮬레이션 방법 및 컴퓨터 프로그램 |
WO2022223434A1 (en) * | 2021-04-22 | 2022-10-27 | Siemens Industry Software Netherlands B.V. | System and method for verifying behavior of the autonomous vehicles |
-
2022
- 2022-11-28 CN CN202211512732.XA patent/CN115830255B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180189578A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Lane Network Construction Using High Definition Maps for Autonomous Vehicles |
EP3410404A1 (en) * | 2017-05-29 | 2018-12-05 | Cognata Ltd. | Method and system for creating and simulating a realistic 3d virtual world |
US20210248816A1 (en) * | 2019-03-28 | 2021-08-12 | Southeast University | Embedded urban design scene emulation method and system |
US20210078590A1 (en) * | 2019-09-12 | 2021-03-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for constructing test scenario library, electronic device and medium |
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 |
CN110765661A (zh) * | 2019-11-22 | 2020-02-07 | 北京京东乾石科技有限公司 | 自动驾驶仿真场景生成方法及装置、电子设备、存储介质 |
WO2021146906A1 (zh) * | 2020-01-21 | 2021-07-29 | 深圳元戎启行科技有限公司 | 测试场景仿真方法、装置、计算机设备和存储介质 |
KR20220128051A (ko) * | 2021-03-12 | 2022-09-20 | 한국과학기술원 | 도시부 도로의 도로망 셀 단위 교통량 변화 시뮬레이션 방법 및 컴퓨터 프로그램 |
WO2022223434A1 (en) * | 2021-04-22 | 2022-10-27 | Siemens Industry Software Netherlands B.V. | System and method for verifying behavior of the autonomous vehicles |
CN114564023A (zh) * | 2022-03-11 | 2022-05-31 | 哈尔滨理工大学 | 一种动态场景下的跳点搜索路径规划方法 |
CN114662253A (zh) * | 2022-03-17 | 2022-06-24 | 杭州海康威视数字技术股份有限公司 | 一种仿真建模方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
网友: "仿真平台加速特斯拉自动驾驶", pages 1 - 7, Retrieved from the Internet <URL:https://mp.weixin.qq.com/s?__biz=MzI1MjkzMTcwOQ==&mid=2247638979&idx=5&sn=d5361018aef10e250d1437d76159c886&chksm=e9d0a4d1dea72dc7b775861ed3dad3da084c8a707f71f228510fa759b10f0069405e7dde73d6&scene=27> * |
陈鹏;童小华;宋二非;: "城市道路交通虚拟场景的快速建模方案", ***仿真技术, no. 02, pages 105 - 111 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117532216A (zh) * | 2023-12-21 | 2024-02-09 | 重庆工业设备安装集团有限公司 | 钢结构焊接机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN115830255B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11454513B2 (en) | Method and apparatus for generating road network data of intersection area | |
US20240124017A1 (en) | Determination of lane connectivity at traffic intersections for high definition maps | |
US10606962B2 (en) | Horizontal optimization of transport alignments | |
Galin et al. | Authoring hierarchical road networks | |
EP4116935A2 (en) | High-definition map creation method and device, and electronic device | |
JP7290240B2 (ja) | 対象物認識装置 | |
CN113486437B (zh) | 基于穷举的总图生成方法、装置、设备及存储介质 | |
CN105303839A (zh) | 潜在拥堵道路交叉点的预测方法和装置 | |
Bharadwaj et al. | Determination of optimal location for setting up cell phone tower in city environment using lidar data | |
CN113724388A (zh) | 高精地图的生成方法、装置、设备以及存储介质 | |
CN115830255B (zh) | 一种仿真场景生成方法、装置、电子设备和存储介质 | |
McElwee et al. | Real-time analysis of city scale transportation networks in New Orleans metropolitan area using an agent based model approach | |
CN115830578A (zh) | 应用于目标无人车辆的物品巡检方法、装置和电子设备 | |
CN116091716A (zh) | 一种基于深度学习的高精度地图自动化制作***及方法 | |
CN115265517A (zh) | 一种地图数据的更新方法、装置、设备以及存储介质 | |
CN115063175A (zh) | 店铺服务范围划定方法、***、计算机设备及存储介质 | |
Potó et al. | Representing road related laserscanned data in curved regular grid: A support to autonomous vehicles | |
CN114419883A (zh) | 识别路口缺失交通限制信息的方法、装置和电子设备 | |
KR102462749B1 (ko) | 표준노드링크정보와 지형정보로부터 디지털 트윈 도로를 자동 생성하는 시스템 및 방법 | |
EP3937125B1 (en) | Method, apparatus for superimposing laser point clouds and high-precision map and electronic device | |
Gorte et al. | Representation and reconconstruction of triangular irregular networks with vertical walls | |
CN115082633A (zh) | 电子地图生成方法、装置及电子设备 | |
Mekni | Integration of GIS Data for Visualization of Virtual Geospatial Environments | |
CN118229899A (zh) | 数字孪生空间的属性评价方法和装置 | |
Mekni | Spatial Cognitive Simulation Using Informed Virtual Geographic Environments |
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 |