一种基于群体智能的自动驾驶事故预防仿真场景生成技术制造技术

本发明专利技术提出了一种基于群体智能的自动驾驶事故预防仿真场景生成技术，能够实现在道路事故区域中随机采样，并设计分割车道建立KD树的算法，可以有效减小搜索最近邻车道的时间，快速确定生成事故车辆的朝向，相比没有优化的方法可以极大减少搜索时间。然后分析自动驾驶事故预防仿真场景中参与者的约束关系，设计评价函数，基于烟花算法在道路事故区域中沿着车道轨迹和法向搜索，逐步接近合适的车辆生成区域。通过Carla模拟器提供的接口创建传感器对象，根据传感器对象接收的仿真数据生成事故图像。相比于现有方案。本发明专利技术可以有效提升自动驾驶事故预防仿真场景生成的速度。驾驶事故预防仿真场景生成的速度。驾驶事故预防仿真场景生成的速度。

【技术实现步骤摘要】
一种基于群体智能的自动驾驶事故预防仿真场景生成技术

：
[0001]本专利技术公开了一种基于群体智能的自动驾驶事故预防仿真场景生成技术，涉及自动驾驶技术中的仿真测试技术研究，属于自动驾驶仿真测试领域。

技术介绍
：
[0002]自动驾驶车辆在正式投入使用前需要进行系统性的测试验证，出于真实环境下测试的时间和经济成本以及潜在危险的考虑，大量的测试工作通过利用仿真环境执行测试用例开展。基于场景的虚拟测试技术，试验场景配置灵活、测试效率高、过程安全而且成本低，可以加速自动驾驶测试。因此，基于场景的虚拟测试已成为自动驾驶汽车测试评价中不可或缺的环节。场景数据的来源主要有真实数据、模拟数据和专家经验三种，基于真实数据的场景生成一般来自真实驾驶数据或者交通数据集，如中国交通事故深度调查项目(China In
‑
Depth Accident Study，CIDAS)和美国国家公路交通安全管理局(NHTSA)的撞车前场景数据。但是这些数据不可能覆盖到所有的驾驶场景，因此很多构造仿真场景数据的方法被提出。
[0003]当前，构造仿真场景数据的方法主要有以下几种：
[0004]Paracosm：将场景中的物体参数化并提供一套编程接口用于场景生成。基于随机搜索的方式进行场景生成并对自动驾驶中视觉感知模块进行测试。但是考虑到可搜索的参数空间规模十分巨大，因此,很难通过随机搜索高效地找到感知模块的安全问题；
[0005]GeoScenario：与工具无关的场景描述领域特定语言，静态物体用节点表示，节点的位置是固定的经纬度。但是无法使用采样的方法生成所有可能的合适场景；
[0006]Scenic：用于描述场景的概率编程语言，根据车辆朝向和区域范围剪切放置物体的区域，来快速确定满足要求的物体位置，但在路口或者弯道处参与者左右距离较大的场景很难快速找到合适的生成位置。
[0007]基于场景描述语言生成自动驾驶场景已经取得了一定的成果，但是仍然存在很多值得研究和改进的地方。存在描述场景参与者位置时，需要使用者用坐标点指定参与者位置，很不灵活，搜索参与者位置时速度不够快，某些场景难以搜索到合适位置等问题。

技术实现思路
：
[0008]本专利技术提出了一种基于群体智能的自动驾驶事故预防仿真场景生成技术。针对现有自动驾驶场景描述语言描述物体位置时，需要使用者用坐标点指定事故场景参与者位置，很不灵活，搜索事故场景参与者位置时速度不够快，某些事故场景难以搜索到合适位置等问题。本专利技术基于烟花算法设计了基于群体智能的自动驾驶事故预防仿真场景生成技术。本专利技术的主要任务是首先提出了一种高精度地图处理方法，能够实现在道路事故区域中随机采样，并设计分割车道建立KD树的算法，可以有效减小搜索最近邻车道的时间，快速确定生成事故车辆的朝向，相比没有优化的方法可以极大减少搜索时间。然后分析自动驾驶事故预防仿真场景中参与者的约束关系，设计评价函数，基于烟花算法在道路事故区域
中沿着车道轨迹和法向搜索，逐步接近合适的车辆生成区域。通过Carla模拟器提供的接口创建传感器对象，根据传感器对象接收的仿真数据生成事故图像。相比于现有方案。本专利技术可以有效提升自动驾驶事故预防仿真场景生成的速度。
[0009]本专利技术主要包括以下步骤：
[0010]步骤(1)：行驶区域计算与采样，实现在地图道路事故区域中均匀采样位置点；
[0011]步骤(2)：利用基于KD树的事故场景车辆朝向计算方法，指定事故场景车辆的朝向；
[0012]步骤(3)：利用提出的自动驾驶事故预防仿真场景参与生成点搜索算法，根据事故场景参与者的距离与朝向关系评价采样的位置点，通过评价值计算生成新的点，筛选新的点，逐渐逼近合适的，实现快速搜索满足要求的事故场景参与者生成位置；
[0013]步骤(4)：确定好自动驾驶事故预防仿真场景中参与者的生成位置和朝向后，连接Carla模拟器，根据传感器对象接收的仿真数据生成静态的自动驾驶事故预防仿真场景；
[0014]各步骤包括以下具体实施过程：
[0015]步骤(1.1)行驶区域计算。首先根据车道的边界点生成多边形，然后所有多边形的边界向外扩张0.5米，消除车道边界间空隙的影响。之后，所有车道组成的多边形取并集，合并成一个大的多边形。然后大多边形边界再向内侵蚀0.5米，恢复扩张前的大小，所有的道路事故区域就连接在一起。最后将得到的大多边形分解成小的三角形，可以填充全部道路事故区域。
[0016]步骤(1.2)行驶区域采样。首先以三角形的面积作为权重采样，均匀采样得到三角形，道路被分解成了多个三角形区域，可以采样得到单个三角形区域。然后根据区域的顶点坐标，得到长和宽平行于两个坐标轴方向，并且包裹住三角形区域的最小矩形。在矩形的长宽区间中分别随机选择一个值，选择的值是采样点的坐标值，如果采样点在三角形区域内，就成功采样位置点，否则重新在两个区间中选值，直到选择的坐标点在三角形中。这样分解成三角形再采样比直接在地图大区域中采样节省很多时间，因为地图事故区域中道路面积占比较小，容易采样到道路事故区域外，导致采样失败。
[0017]步骤(2.1)分割车道构建KD树。先将车道中线相邻点连接组成基本车道段，所有的基本车道段组成大集合，根据集合坐标边界范围确定分割维度和分割值。按照分割维度和分割值将集合分为两部分，并得到本次分割的分割节点，再对分割后的两部分递归进行分割，直到车道段集合边界在两个坐标方向的最大长度小于设定的值，所有分割节点和最后不能再分割的车道段集合组成。
[0018]步骤(2.2)在KD树上进行最近邻查找。分为生成搜索路径和回溯查找两个阶段。生成搜索路径就是进行二叉查找的过程，从KD树的根节点开始，根据当前层分割的维度判断应该在KD树的哪一侧继续查找，如果位置点在该维度的坐标值小于当前层的分割值就在KD树的左侧递归查找，否则在右侧递归查找。直到当前节点没有子节点，开始回溯，计算当前层车道段集合距离位置点长度的最小值，更新最小距离和最近的车道段。如果当前节点有兄弟节点，且兄弟节点中的车道段集合距离位置点的最近距离比当前的最近距离小，需要进入兄弟节点搜索。然后，回溯到上一层的分割节点中继续搜索，重复进行这种操作，直到搜索路径上的节点都被搜索到。最后得到最近距离和最近的车道段，根据车道段确定距离位置点最近的车道中线坐标点。
[0019]步骤(3.1)自动驾驶事故预防仿真场景参与者位置关系分析。本专利技术将具有相对关系的参与者以及它们之间的关系提取出来，对于没有参考其他事故场景参与者的事故场景参与者，随机采样位置点作为它们的生成点，然后根据相对关系计算其余参与者的位置和朝向来计算采样点的评价值。根据位置关系计算每一个采样点x的评价值的过程如下所示。
[0020][0021]其中distance(c
i
)是事故场景参与者c
i
距离道路边界的长度,其中angle_bias(c
i
)是事故场景参与者c
i
与其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群体智能的自动驾驶事故预防仿真场景生成技术，其特征在于，包括通过高精度地图处理方法实现在道路事故区域中随机采样，并设计分割车道建立KD树的算法以有效减小搜索最近邻车道的时间，快速确定生成事故车辆的朝向，然后分析自动驾驶事故预防仿真场景中参与者的约束关系，设计评价函数，基于烟花算法在道路事故区域中沿着车道轨迹和法向搜索，逐步接近合适的车辆生成区域，通过Carla模拟器提供的接口创建传感器对象，根据传感器对象接收的仿真数据生成事故图像；包括以下步骤：步骤(1)：行驶区域计算与采样，实现在地图道路事故区域中均匀采样位置点；步骤(2)：利用基于KD树的事故场景车辆朝向计算方法，指定事故场景车辆的朝向；步骤(3)：利用提出的自动驾驶事故预防仿真场景参与生成点搜索算法，根据事故场景参与者的距离与朝向关系评价采样的位置点，通过评价值计算生成新的点，筛选新的点，逐渐逼近合适的，实现快速搜索满足要求的事故场景参与者生成位置；步骤(4)：确定好自动驾驶事故预防仿真场景中参与者的生成位置和朝向后，连接Carla模拟器，根据传感器对象接收的仿真数据生成静态的自动驾驶事故预防仿真场景。2.根据权利要求1所述的基于群体智能的自动驾驶事故预防仿真场景生成技术，其特征在于，步骤(1)中包括以下步骤：步骤(1.1)行驶区域计算，首先根据车道的边界点生成多边形，然后所有多边形的边界向外扩张0.5米，消除车道边界间空隙的影响，之后，所有车道组成的多边形取并集，合并成一个大的多边形。然后大多边形边界再向内侵蚀0.5米，恢复扩张前的大小，所有的道路事故区域就连接在一起。最后将得到的大多边形分解成小的三角形，可以填充全部道路事故区域；步骤(1.2)行驶区域采样，首先以三角形的面积作为权重采样，均匀采样得到三角形，道路被分解成了多个三角形区域，可以采样得到单个三角形区域，然后根据区域的顶点坐标，得到长和宽平行于两个坐标轴方向，并且包裹住三角形区域的最小矩形，在矩形的长宽区间中分别随机选择一个值，选择的值是采样点的坐标值，如果采样点在三角形区域内，就成功采样位置点，否则重新在两个区间中选值，直到选择的坐标点在三角形中，这样分解成三角形再采样比直接在地图大区域中采样节省很多时间，因为地图事故区域中道路面积占比较小，容易采样到道路事故区域外，导致采样失败。3.根据权利要求1所述的基于群体智能的自动驾驶事故预防仿真场景生成技术，其特征在于，步骤(2)中包括以下步骤：步骤(2.1)分割车道构建KD树，先将车道中线相邻点连接组成基本车道段，所有的基本车道段组成大集合，根据集合坐标边界范围确定分割维度和分割值，按照分割维度和分割值将集合分为两部分，并得到本次分割的分割节点，再对分割后的两部分递归进行分割，直到车道段集合边界在两个坐标方向的最大长度小于设定的值，所有分割节点和最后不能再分割的车道段集合组成；步骤(2.2)在KD树上进行最近邻查找，分为生成搜索路...

【专利技术属性】
技术研发人员：阮利，郝浩宇，闭家铭，肖利民，
申请(专利权)人：北京航空航天大学云南创新研究院，
类型：发明
国别省市：