【技术实现步骤摘要】
一种评估街道模型保真度的多指标评估方法
[0001]本专利技术属于仿真评估领域，特别是涉及一种评估街道模型保真度的多指标评价方法。
技术介绍
[0002]随着自动驾驶技术的发展，自动驾驶仿真技术越来越不可或缺。仿真通过软件模拟来发现和复现问题，而不需要真实的环境和硬件，可以极大地节省成本和时间。自动驾驶仿真平台通过仿真采集数据，可以把训练时间大大提高，加快模型迭代速度。对环境街道进行仿真就是要模拟车所在的环境，例如需要模拟真实世界的房子、车辆、树木、行人、交通信号灯等。同时真实世界的物理规律也需要进行模拟，比如天气、阳光、云层遮挡等。目前主流的仿真软件都是根据游戏引擎开发的。因此需要对仿真软件的街道模型与真实世界的差距进行评估，本方法提出了一种评估街道模型保真度的多指标评价方法。
技术实现思路
[0003]本专利技术的目的是提供一种评估街道模型保真度的多指标评价方法，用来对街道模型的保真度进行整体定量评估，以解决上述现有技术存在的问题。
[0004]为实现上述目的，本专利技术提供了一种评估街道模型保真...
【技术保护点】
【技术特征摘要】
1.一种评估街道模型保真度的多指标评价方法，其特征在于，包括以下步骤：基于真实图像和仿真图片训练图片分类模型，基于训练好的所述图片分类模型对待评价的所述仿真图片进行分类，基于分类结果获得深度评价指标；在模拟街道中，通过比较模拟跟踪轨迹和真实轨迹之间的一致性获得一致性指标；将所述深度评价指标和所述一致性指标的单位进行统一，并将数值映射在0
‑
1空间中，基于映射结果获得评估结果。2.根据权利要求1所述的方法，其特征在于，基于真实图像和仿真图片训练图片分类模型之前，所述方法还包括：设定测试场景，所述测试场景包括跟随前车的交通场景；基于所述测试场景生成包括街道、信号灯和天气的模拟环境；对模拟环境进行截图，获得所述仿真图片；其中所述真实图像为真实自动驾驶环境图片。3.根据权利要求2所述的方法，其特征在于，基于所述测试场景生成包括街道、信号灯和天气的模拟环境的过程中包括：根据所述测试场景，通过自动驾驶仿真软件的街道模型生成模拟环境，其中，所述模拟环境是指高保真的驾驶场景，适用于对感知算法的测试，所述自动驾驶仿真软件的街道模型通常采用Epic Games开发的虚拟引擎Unreal Engine进行构建。4.根据权利要求1所述的方法，其特征在于，基于真实图像和仿真场景图片训练图片分类模型的过程中，所述图片分类模型采用卷积神经网络，所述卷积神经网络的结构采用了深度残差网络ResNet，训练过程包括：将所述真实图像和所述仿真图片进行混合，作为训练集输入所述图片分类模型；待所述图片分类模型的训练准确率达到预...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。