仿真场景的生成方法及装置制造方法及图纸

本发明专利技术实施例提供一种仿真场景的生成方法及装置，该方法包括：获取基准场景的场景参数，所述基准场景的场景参数的维度为M；将所述基准场景的场景参数输入到经过训练的编码器中，根据所述编码器的输出结果获取编码参数，所述编码参数的维度为N，N

Generation Method and Device of Simulation Scene

The embodiment of the present invention provides a method and device for generating simulation scenarios. The method includes: acquiring scene parameters of reference scenarios, the dimension of scene parameters of reference scenarios is M; inputting scene parameters of reference scenarios into a trained encoder, acquiring coding parameters according to the output results of the encoder, and the dimension of coding parameters is N, N.

【技术实现步骤摘要】
仿真场景的生成方法及装置
本专利技术实施例涉及人工智能
，尤其涉及一种仿真场景的生成方法及装置。
技术介绍
自动驾驶技术在近两年获得了井喷式发展，为了缩短技术研发周期，同时确保自动驾驶系统的稳健性和安全性能，国内外大多数公司均将仿真场景的生成作为自动驾驶系统实际运营的前置环节。具体的，采用仿真技术生成多个仿真场景，仿真场景作为真实路况、交通信息流的数字化展示，借助生成的仿真场景对自动驾驶系统的性能进行测试。由于真实路况具有多样性和复杂性，因此，只有当仿真场景也有多样性和复杂性时，仿真场景才能够满足对自动驾驶系统进行全面性能测试的要求。现有技术中，主要采用的仿真场景的生成方法有两种，一种是人工编辑生成一组场景参数，然后将场景参数与简单的运动模型结合，得到对应的仿真场景；另一种是将采集的实际路况信息输入仿真引擎中进行回放作为仿真场景。然而，上述两种方法生成的仿真场景较为单一，无法满足仿真场景的多样性需求。
技术实现思路
本专利技术实施例提供一种仿真场景的生成方法及装置，能够满足自动驾驶系统的仿真场景的多样性需求。第一方面，本专利技术实施例提供一种仿真场景的生成方法，包括：获取基准场景的本文档来自技高网...

【技术保护点】
1.一种仿真场景的生成方法，其特征在于，包括：获取基准场景的场景参数，所述基准场景的场景参数的维度为M；将所述基准场景的场景参数输入到经过训练的编码器中，根据所述编码器的输出结果获取编码参数，所述编码参数的维度为N，N

【技术特征摘要】
1.一种仿真场景的生成方法，其特征在于，包括：获取基准场景的场景参数，所述基准场景的场景参数的维度为M；将所述基准场景的场景参数输入到经过训练的编码器中，根据所述编码器的输出结果获取编码参数，所述编码参数的维度为N，N<M；对所述编码参数进行调整，得到调整后的编码参数，将所述调整后的编码参数分别输入到经过训练的解码器中，所述解码器用于根据所述调整后的编码参数获取重建场景的场景参数，所述重建场景的场景参数的维度与所述基准场景的场景参数的维度相同；根据所述解码器输出的所述重建场景的场景参数，生成仿真场景。2.根据权利要求1所述的方法，其特征在于，所述对所述编码参数进行调整，得到调整后的编码参数，包括：确定所述编码参数的K个维度，对所述编码参数中除所述K个维度之外的N-K个维度的参数进行调整，得到调整后的编码参数，1<＝K<N。3.根据权利要求1所述的方法，其特征在于，所述根据所述解码器输出的所述重建场景的场景参数，生成仿真场景之后，还包括：根据预设策略，判断所述仿真场景是否合理。4.根据权利要求1所述的方法，其特征在于，所述将所述基准场景的场景参数输入到经过训练的编码器中之前，还包括：获取至少一个待训练场景的场景参数，所述待训练场景的场景参数的维度为M；将所述待训练场景的场景参数输入到待训练的编码器中，根据所述编码器的输出结果获取编码参数，所述编码参数的维度为N；将所述编码参数输入到待训练的解码器中，获取所述解码器输出的重建场景的场景参数；根据所述待训练场景和所述重建场景之间的差异，对所述待训练的编码器和解码器进行训练，得到训练后的编码器和解码器。5.根据权利要求4所述的方法，其特征在于，所述根据所述编码器的输出结果获取编码参数，包括：对所述编码器的输出结果添加预设分布的噪声，得到编码参数。6.根据权利要求5所述的方法，其特征在于，所述预设分布的噪声为正态分布的噪声。7.根据权利要求6所述的方法，其特征在于，所述根据所述待训练场景和所述重建场景之间的差异之前，还包括：根据所述待训练场景的场景参数和所述重建场景的场景参数，获取重建损失；根据所述编码器的输出结果获取正态分布误差；根据所述重建损失和所述正态分布误差，获取所述待训练场景和所述重建场景之间的差异。8.根据权利要求7所述的方法，其特征在于，所述根据所述待训练场景的场景参数和所述重建场景的场景参数，获取重建损失，包括：根据所述待训练场景的场景参数和所述重建场景的场景参数之间的欧式距离，获取重建损失；所述根据所述编码器的输出结果获取正态分布误差，包括：根据所述编码器的输出结果的均值和方差，获取正态分布误差，其中，所述均值和方差的维度均为N。9.根据权利要求1-8任一项所述的方法，其特征在于，所述编码器和所述解码器为深度神经网络模型。10.一种仿真场景的生成装置，其特征在于，包括：获取模块，用于获取基准场景的场景参数，所述基准场景的场景参数的维...

【专利技术属性】
技术研发人员：张俊飞，杨晨，孙庆瑞，罗盾，毛继明，董芳芳，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11