仿真场景生成方法和无人驾驶系统测试方法技术方案

本申请涉及一种仿真场景生成方法和无人驾驶系统测试方法，其中一种仿真场景生成方法，包括以下步骤：获取并处理场景描述语句，得到词向量序列；场景描述语句包括用于生成仿真场景所需的环境描述和/或本车行为描述；将词向量序列输入至场景元素选取模型中，获取场景元素选取模型输出的仿真场景元素集合；场景元素选取模型包括编码器模型以及解码器模型；根据仿真场景元素集合生成仿真场景。本申请可根据泛化的场景描述语句，通过场景元素选取模型输出对应于词向量序列的场景元素集合，无需输入精准详细的场景描述，提高了适用性；并且根据仿真场景元素集合生成仿真场景，得到随机性大的仿真场景，进而可提高了仿真场景的复杂性和全面性。

Simulation scenario generation method and unmanned driving system test method

【技术实现步骤摘要】
仿真场景生成方法和无人驾驶系统测试方法
本申请涉及计算机应用
，特别是涉及一种仿真场景生成方法和无人驾驶系统测试方法。
技术介绍
随着车辆控制技术的发展，出现了无人驾驶技术，即通过安装于无人驾驶汽车上的传感器系统来感知车辆周围的道路环境，采用无人驾驶算法对感知到的道路、车辆位置和障碍物信息进行处理，从而可得到自动规划行车路线，并基于行车路线对无人驾驶汽车进行控制，使得无人驾驶汽车能够达到预定目标地点。为提高无人驾驶算法和无人驾驶汽车的安全性，需要对无人驾驶算法或无人驾驶汽车进行多次测试。同时，为提高测试的成本并降低测试风险，一般多采用仿真测试。在仿真测试过程中，一般需要进行详细的场景描述，并利用场景描述语句中的各个描述生成对应于场景描述语句的仿真场景。然而在实现过程中，专利技术人发现传统技术中至少存在如下问题：目前的仿真场景生成方法，需要人为输入精确的场景描述，难以全面穷尽所有情况的仿真场景，易降低仿真场景的复杂性和全面性。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高方针场景复杂性和本文档来自技高网...

【技术保护点】
1.一种仿真场景生成方法，其特征在于，包括以下步骤：/n获取并处理场景描述语句，得到词向量序列；所述场景描述语句包括用于生成仿真场景所需的环境描述和/或本车行为描述；/n将所述词向量序列输入至场景元素选取模型中，获取所述场景元素选取模型输出的仿真场景元素集合；所述场景元素选取模型包括编码器模型以及解码器模型；/n根据所述仿真场景元素集合生成仿真场景。/n

【技术特征摘要】
1.一种仿真场景生成方法，其特征在于，包括以下步骤：
获取并处理场景描述语句，得到词向量序列；所述场景描述语句包括用于生成仿真场景所需的环境描述和/或本车行为描述；
将所述词向量序列输入至场景元素选取模型中，获取所述场景元素选取模型输出的仿真场景元素集合；所述场景元素选取模型包括编码器模型以及解码器模型；
根据所述仿真场景元素集合生成仿真场景。


2.根据权利要求1所述的仿真场景生成方法，其特征在于，将所述词向量序列输入至场景元素选取模型中，获取所述场景元素选取模型输出的仿真场景元素集合的步骤，包括：
按照序列次序、将所述词向量序列中的各词向量依次输入至所述编码器模型中，得到各所述词向量对应的编码结果；并将各所述编码结果依次输入至所述解码器模型中，得到各所述编码结果对应的各解码结果；
基于各所述解码结果，在基本元素库中选取对应于各所述词向量的仿真场景元素，并将各所述仿真场景元素确认为所述仿真场景元素集合。


3.根据权利要求2所述的仿真场景生成方法，其特征在于，所述编码器模型为GRU编码器模型；
按照序列次序、将所述词向量序列中的各词向量依次输入至所述编码器模型中，得到各所述词向量对应的编码结果的步骤，包括：
将所述词向量在当前时间步输入至所述GRU编码器模型中；
处理所述词向量、以及所述GRU编码器模型前一时间步的编码器隐式向量，生成所述当前时间步的编码器隐式向量；
基于所述当前时间步的编码器隐式向量，得到所述词向量对应的所述编码结果。


4.根据权利要求2所述的仿真场景生成方法，其特征在于，所述编码器模型为引入注意力机制的GRU解码器模型；
将各所述编码结果依次输入至所述解码器模型中，得到各所述编码结果对应的各解码结果的步骤，包括：
将所述编码结果在当前时间步输入至所述GRU解码器模型中；
根据前一时间步的所述解码结果，在所述基本元素库中选取对应于前一词向量的仿真场景元素；
处理所述GRU解码器模型前一时间步的解码器隐式向量，以及所述对应于前一词向量的所述仿真场景元素，生成所述当前时间步的解码器隐式向量；
基于所述当前时间步的解码器隐式向量，得到所述当前时间步的所述解码结果；所述编码结果用于表征所述基本元素库中各所述仿真场景元素的注意力权重。


5.根据权利要求4所述的仿真场景生成方法，其特征在于，基于所述当前时间步的所述解码结果，在基本元素库中选取对应于所述当前词向量的仿真场景元素的步骤，包括：
对所述基本元素库中各所述仿真场景元素的注意力权重进行归一化处理，得到元素概率集合；
将所述元素概率集合中对应于最大概率的所述仿真场景元素、确认为对应于所述当前词向量的所述仿真场景元素。


6.根据权利要求1所述的仿真场景生成方法，其特征在于，获取并处理场景描述语句之前，还包括步骤：
获取多个训练样本；所述训练样本包括训练场景描述语句和对应于所述训练场景描述语句的训练场景元素集合；
将各所述训练样本的所述训练场景描述语句、作为待训练神经网络的训练输入，以最小化训练损失函数为训练目标，训练所述待训练神经网络，得到所述场景元素选取模型。


7.根据权利要求6所述的仿真场景生成方法，其特征在于，获取多个训练样本的步骤，包括：
获取多个所述训练场景描述语句，以及各所述训练场景描述语句分别对应的训练仿真场景；
分别提取各所述仿真场景中的训练场景元素，得到各所述训练仿真场景对应的训练场景元素集合，并将各所述训练场景描述语句与对应...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：深圳元戎启行科技有限公司，
类型：发明
国别省市：广东;44