自动驾驶测试数据生成方法及系统、电子设备、存储介质技术方案

本申请涉及自动驾驶技术领域，自动驾驶测试数据生成方法，所述方法包括：通过遗传算法，计算出最危险场景数据；将最危险场景数据作为暴力搜索算法的起始场景数据，通过暴力搜索算法，获取场景数据，作为危险场景测试数据集。通过对场景的简化和关键参数定义，减少重复场景测试和低效场景的测试，遗传算法迭代优化种群所需的数据较少，利用种群适应度的反馈数据，解决了自然驾驶数据的获取困难问题；危险场景的分布区域连通，可以采用暴力搜索的方式获取更多的危险场景。因此，本申请能够高效生成大量危险场景数据。本申请公开一种自动驾驶测试数据生成方法及系统、电子设备、存储介质。存储介质。存储介质。

【技术实现步骤摘要】
自动驾驶测试数据生成方法及系统、电子设备、存储介质


[0001]本申请属于自动驾驶
，涉及一种自动驾驶测试数据生成方法及系统、电子设备、存储介质。

技术介绍

[0002]基于场景的仿真测试是智能网联汽车与自动驾驶落地的重要一环。仿真测试是指基于计算机软件对智能网联汽车的驾驶环境和道路环境进行模拟，提供多传感器感知、动力学、气象等与背景环境的交互反馈；场景生成是仿真测试的重要组成部分，包括静态场景和动态场景，静态场景提供路网信息、感知需要的背景环境等信息，动态场景提供车辆与行人的行为动作交互。目前场景生成的方法有，基于自然驾驶数据的场景生成，最危险场景评估法和临界工况场景生成法等。
[0003]基于自然驾驶数据的场景生成方法，利用对海量自然驾驶数据的重采样，分析场景变量的暴露频率分布和该场景下待测车辆的机动难度。在低维度场景下，通过梯度优化和种子填充法搜索生成高暴露频率和较为危险的重要场景。该方法生成的场景的覆盖性强、测试有效性高，但需要大量自然驾驶数据提供搜索方向。
[0004]现有技术往往通过自然驾驶数据来获取样本分布，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶测试数据生成方法，其特征在于，所述方法包括：S100，通过遗传算法，计算出最危险场景数据；S200，将最危险场景数据作为暴力搜索算法的起始场景数据，通过暴力搜索算法，获取场景数据，作为危险场景测试数据集。2.根据权利要求1所述的方法，其特征在于，通过遗传算法，计算出最危险场景数据，包括：S101，确定遗传算法的搜索空间，定义参数边界作为场景数据边界；S102，初始化种群中的个体基因数据；S103，对种群的个体基因数据进行解码得到场景数据；S104，计算场景数据的TTC指标，作为适应度函数；S105，对场景数据进行编码，转化为个体基因数据；S106，从种群中选择父本；S107，通过父代生成子代；S108，判断是否达到最大迭代次数：若达到最大迭代次数，继续；若没达到，则重新执行对种群的个体基因数据进行解码得到场景数据；S109，选择适应度最高的个体基因进行解码，得到最危险场景数据。3.根据权利要求2所述的方法，其特征在于，所述搜索空间的约束矩阵为：其中，为最小的相对速度、为最小的相对速度、为最小的相对距离和为最大的相对距离。4.根据权利要求2所述的方法，其特征在于，TTC指标计算为：；其中，表示相对距离，表示相对速度，k表示仿真步长。5.根据权利要求2所述的方法，其特征在于，从种群中选择父本，包括：通过轮盘赌选择部分个体作为父代。6.根据权利要求1所述的方法，其特征在于，将最危险场景数据作为暴力搜索算法的起始场景数...

【专利技术属性】
技术研发人员：周锐，刘瑜平，孙佳优，曹东璞，
申请(专利权)人：深圳慧拓无限科技有限公司，
类型：发明
国别省市：