自动驾驶仿真测试场景库生成方法、装置及平台制造方法及图纸

本申请实施例提供一种自动驾驶仿真测试场景库生成方法、装置及平台，该方法包括：获取高精地图数据，并根据所述高精地图数据，生成静态场景数据；采集动态场景数据，并根据所述动态场景数据，对动态场景进行分割，得到分割后的动态场景数据；识别所述分割后的动态场景数据的动态特征；根据所述静态场景数据和所述动态特征，生成动态场景库。本申请实施例提供的方法能够克服现有技术建立的自动驾驶仿真测试场景存在局限性、精度低，且数据处理难度大的问题。大的问题。大的问题。

Generation method, device and platform of automatic driving simulation test scene Library

【技术实现步骤摘要】
自动驾驶仿真测试场景库生成方法、装置及平台


[0001]本申请实施例涉及自动驾驶测试
，尤其涉及一种自动驾驶仿真测试场景库生成方法、装置及平台。

技术介绍

[0002]随着自动驾驶技术的发展，自动驾驶车辆测试已经成为了保证自动驾驶车辆安全性的重要环节，决策规划系统作为自动驾驶的核心，为了提高其测试的安全性和效率并降低测试成本，一般对其进行仿真测试，为此，需要建立测试场景。
[0003]目前，可以通过以下几种方案建立仿真测试场景：利用仿真平台手工制作各种动态场景，但是，该方案并不是基于实际道路的动态场景，而是模拟，导致测试精度低；利用扫描得到的街景图和真实的轨迹自动合成逼真图像和仿真移动模式，并依据该技术提出公开数据集，其中许多场景都是在车辆密集、路况复杂的城市捕捉得到的，但是所生成的数据集只适用于特定平台，不适用于其他平台；还可以采用毫米波雷达、车队实时防撞系统Mobileye、摄像头、全球卫星导航系统(Global Navigation Satellite System，GNSS)进行采集，通过场景融合、提取、标注、分析、建立生成动态场景，但是该方案所需硬件设备多，数据处理难度大。
[0004]因此，现有技术建立的自动驾驶仿真测试场景存在局限性、精度低，且数据处理难度大的问题。

技术实现思路

[0005]本申请实施例提供一种自动驾驶仿真测试场景库生成方法、装置及平台，以克服现有技术建立的自动驾驶仿真测试场景存在局限性、精度低，且数据处理难度大的问题。
[0006]第一方面，本申请实施例提供一种自动驾驶仿真测试场景库生成方法，包括：
[0007]获取高精地图数据，并根据所述高精地图数据，生成静态场景数据；
[0008]采集动态场景数据，并根据所述动态场景数据，对动态场景进行分割，得到分割后的动态场景数据；
[0009]识别所述分割后的动态场景数据的动态特征；
[0010]根据所述静态场景和所述动态特征，生成动态场景库。
[0011]在一种可能的设计中，所述采集动态场景数据，并根据所述动态场景数据，对动态场景进行分割，得到分割后的动态场景数据，包括：
[0012]采集动态场景数据，所述动态场景数据包括视频或图像数据；
[0013]根据所述视频或图像数据，对动态场景进行筛选，得到与预设特征类别匹配的动态场景视频段或图像帧段，所述动态场景视频段或图像帧段为分割后的动态场景数据。
[0014]在一种可能的设计中，所述识别所述分割后的动态场景数据的动态特征，包括：
[0015]对所述动态场景视频段或图像帧段中视野范围内的动态目标进行分类和定位，确定所述动态特征，所述动态特征包括动态目标的类别和所述动态目标的位置信息。
[0016]在一种可能的设计中，所述对所述动态场景视频段或图像帧段中视野范围内的动态目标进行分类和定位，确定所述动态特征，包括：
[0017]通过动态特征识别模型，根据所述动态场景视频段或图像帧段，确定所述动态目标的类别和所述动态目标的位置信息；
[0018]其中，所述动态特征识别模型是由历史的动态场景视频段或图像帧段以及对应的历史的动态目标数据训练得到的，所述历史的动态目标数据包括历史的动态目标的类别和历史的动态目标的位置信息。
[0019]在一种可能的设计中，在所述确定所述动态特征之后，所述方法还包括：
[0020]对所述动态目标进行标记，并根据标记后的标识，对所述动态目标进行轨迹跟踪，得到目标轨迹，用以分析动态目标行为。
[0021]在一种可能的设计中，所述根据所述静态场景数据和所述动态特征，生成动态场景库，包括：
[0022]根据所述动态特征，对所述动态场景视频段或图像帧段进行动态场景的分类标签的标记；
[0023]根据所述静态场景以及标记的分类标签，对所述动态场景视频段或图像帧段进行编辑，得到动态场景文件；
[0024]将所述动态场景文件存储在建立的场景库中的相应的类别库中，生成动态场景库，所述动态场景库中包含所述预设特征类别对应的类别库，每个类别库包含至少一个动态场景。
[0025]在一种可能的设计中，所述根据所述高精地图数据，生成静态场景数据，包括：
[0026]对所述高精地图数据解析，生成第一CSV文件和第二CSV文件，所述第一CSV文件用于描述每个车道的连接关系，所述第二CSV文件用于描述道路边界和车道的对应关系；
[0027]根据所述第一CSV文件和所述第二CSV文件，生成所述静态场景数据。
[0028]在一种可能的设计中，所述根据所述第一CSV文件和所述第二CSV文件，生成所述静态场景数据，包括：
[0029]将所述第一CSV文件和所述第二CSV文件合并，生成含有道路连接关系的TXT文件，所述含有道路连接关系的TXT文件用于描述道路边界的前后连接关系；
[0030]根据所述TXT文件，生成所述静态场景数据。第二方面，本申请实施例提供一种自动驾驶仿真测试场景库生成装置，包括：
[0031]获取模块，用于获取高精地图数据，并根据所述高精地图数据，生成静态场景数据；
[0032]分割模块，用于采集动态场景数据，并根据所述动态场景数据，对动态场景进行分割，得到分割后的动态场景数据；
[0033]识别模块，用于识别所述分割后的动态场景数据的动态特征；
[0034]场景生成模块，用于根据所述静态场景数据和所述动态特征，生成动态场景库。
[0035]第三方面，本申请实施例提供一种自动驾驶仿真测试平台，所述自动驾驶仿真测试平台使用如上第一方面以及第一方面各种可能的设计所述的方法生成的动态场景库。
[0036]本实施例提供的自动驾驶仿真测试场景库生成方法、装置及平台，首先获取高精地图数据，并根据所述高精地图数据，生成静态场景数据；然后采集动态场景数据，并根据
所述动态场景数据，对动态场景进行分割，得到分割后的动态场景数据；通过识别所述分割后的动态场景数据的动态特征，再根据所述静态场景数据和所述动态特征，生成动态场景库。因此，本申请是通过对采集的动态场景数据进行场景分割、动态特征识别等步骤结合采集到的高精度地图来完成动态场景库的生产，无需复杂的数据处理过程，使得动态场景的生产实现了简单操作和自动化，大大提高了动态场景生产的效率以及精准度，节约了人工工作量，同时生成的动态场景库能够为不同的仿真测试平台提供场景库数据，解决了现有技术存在局限性的问题。
附图说明
[0037]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0038]图1为本申请实施例提供的自动驾驶仿真测试场景库生成方法的示意图；
[0039]图2为本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶仿真测试场景库生成方法，其特征在于，包括：获取高精地图数据，并根据所述高精地图数据，生成静态场景数据；采集动态场景数据，并根据所述动态场景数据，对动态场景进行分割，得到分割后的动态场景数据；识别所述分割后的动态场景数据的动态特征；根据所述静态场景数据和所述动态特征，生成动态场景库。2.根据权利要求1所述的方法，其特征在于，所述采集动态场景数据，并根据所述动态场景数据，对动态场景进行分割，得到分割后的动态场景数据，包括：采集动态场景数据，所述动态场景数据包括视频或图像数据；根据所述视频或图像数据，对动态场景进行筛选，得到与预设特征类别匹配的动态场景视频段或图像帧段，所述动态场景视频段或图像帧段为分割后的动态场景数据。3.根据权利要求2所述的方法，其特征在于，所述识别所述分割后的动态场景数据的动态特征，包括：对所述动态场景视频段或图像帧段中视野范围内的动态目标进行分类和定位，确定所述动态特征，所述动态特征包括动态目标的类别和所述动态目标的位置信息。4.根据权利要求3所述的方法，其特征在于，所述对所述动态场景视频段或图像帧段中视野范围内的动态目标进行分类和定位，确定所述动态特征，包括：通过动态特征识别模型，根据所述动态场景视频段或图像帧段，确定所述动态目标的类别和所述动态目标的位置信息；其中，所述动态特征识别模型是由历史的动态场景视频段或图像帧段以及对应的历史的动态目标数据训练得到的，所述历史的动态目标数据包括历史的动态目标的类别和历史的动态目标的位置信息。5.根据权利要求3所述的方法，其特征在于，在所述确定所述动态特征之后，所述方法还包括：对所述动态目标进行标记，并根据标记后的标识，对所述动态目标进行轨迹跟踪，得到目标轨迹，用以分析动态目标行为。6.根据权利要求2
‑
5任一项所述的方法，其特...

【专利技术属性】
技术研发人员：孟庆昕，于洪武，刘士宽，孙伟，刘春燕，裴兴，何颖杰，金生旺，曹栋，
申请(专利权)人：中交宇科北京空间信息技术有限公司，
类型：发明
国别省市：