【技术实现步骤摘要】
本专利文件一般性的适用于用于自动驾驶仿真系统、路径规划、车辆控制系统和自主驾驶系统的工具(系统、设备、方法、计算机程序产品等)，特别是但不限于使用机器学习的人类驾驶行为建模系统。
技术介绍
1、自动驾驶车辆通常跟随运动规划器计算得到的行驶路径来行驶。然而,当变量例如障碍物(如其他动态车辆)出现在驾驶路径上时,自动驾驶车辆必须使用运动规划器来修改计算得到的路径并执行对应的控制操作，使得自动驾驶车辆可以通过改变驾驶路径来躲避障碍物、实现安全驾驶。建立和配置自动驾驶车辆的运动规划器是非常困难的。运动规划器的逻辑必须是可预期、可检测、且可应对多种不同的驾驶场景的，例如自动驾驶车辆应当可以应对接近的动态车辆的行为、且该行为是可预期、可检测的。在大多数情况下，在真实世界的驾驶环境中测试自动驾驶车辆的运动规划器是不可行且危险的。从而，可以使用模拟器来测试自动驾驶车辆的运动规划器。但是，要达到有效地测试自动驾驶车辆的运动规划器的目的，这些模拟器必须能够在各种不同的驾驶或交通场景中，真实地模拟接近自动驾驶车辆的动态车辆的行为。
2、模拟在自动驾驶车辆系统的开发中起到关键作用。在自动驾驶车辆子系统的研发和部署的过程中，需要经常在模拟环境中测试自动驾驶车辆子系统例如运动规划系统，而不是在真实道路上进行测试。模拟的一个最重要的特征是，模拟环境中的非玩家角色(non-player-character，npc)人工智能(artificial intelligence，ai)、以及npc或者仿真动态车辆的相关行为决定模拟环境仿真度水平。模拟的目标
3、在传统的电子游戏的发展中，电子游戏中植入的ai是用基于规则的方法。换句话说，游戏开发者会首先对游戏建立一些简单的行为模型(例如变道模型、车道跟随模型，等等)。然后游戏开发者将尝试列举大部分的决策情况，这些决策是人类在与行为模型相关的条件下所做出的决策。下一步，游戏开发者将会将这些列举的决策(规则)编程到模型中，以完成游戏的整体ai行为。该方法的优点是开发速度快，对人的驾驶行为有较准确的解释，然而，缺点是基于规则的方法是对人类驾驶方式的一种非常主观的解释。换句话说，不同的开发者会根据自己的驾驶习惯开发不同的模型。因此，基于规则的自动驾驶车辆模拟方法并不能提供一个真实一致的模拟环境。
4、传统的模拟器无法实现对npc(如仿真动态车辆)的人类驾驶行为建模，使得npc的行为尽可能地模拟真实人类驾驶员的行为。此外，传统的模拟器无法为自动驾驶车辆子系统提供可接受的测试工具。
技术实现思路
1、本申请公开了一种使用机器学习的人类驾驶行为建模系统。具体地，本申请公开了一种自动驾驶车辆仿真系统，该系统使用机器学习生成对应于具有多种真实世界驾驶行为的仿真动态车辆的数据，并使用这些数据来测试、评价、或者分析自动驾驶车辆子系统(例如运动规划系统)，这些自动驾驶车辆子系统可应用于真实驾驶环境中的真实自动驾驶车辆。本申请实施例提供的由人类驾驶行为建模系统或者车辆建模系统生成的这些仿真动态车辆(本申请这里也称为npc或者npc车辆)，能够模拟真实世界中实际车辆执行的行为，包括变道、超车、加速等行为。本申请提供的车辆建模系统使用数据驱动的方法而不是基于规则的方法，能够重建或者模拟高保真的具有多种驾驶行为的交通场景。
2、在本申请的多个示例性实施例中，人类驾驶行为建模系统或者车辆建模系统使用多种数据源进行机器学习，来建立能够模拟不同人类驾驶行为的仿真动态车辆。车辆建模系统的机器学习模块使用的训练图像数据可以包括但不限于：车载摄像头记录的视频片段、路侧静态摄像头获取的图像、在道路上方的无人飞行器(无人飞行器或者无人驾驶飞机)上搭载的摄像头获取的图像、卫星图像、模拟图像、历史记录的图像，以及类似的数据。在车辆建模系统获取了训练图像数据后，第一步是执行物体检测并从输入的图像数据中提取出车辆对象。在多种技术中，语义分割可以用于车辆对象提取处理。对于图像数据中每个检测到的车辆对象，检测到的车辆对象的运动或者路径能够通过多帧图像数据追踪得到。每个检测到的车辆对象的地理位置也可以基于图像来源、相机拍摄图像的视野、以及感兴趣的位置的区域地图确定得到。每个检测到的车辆对象可以通过对象自身标识、路径数据和位置数据来进行标注。从而车辆建模系统可以将检测到和标注出来的多个车辆对象分类到行为组别中或分类，并用于训练。例如，在特定感兴趣地点执行类似操作的多个检测到的车辆对象，可以被分类到多种行为组别或者分类中。特定车辆的操作或者行为可以根据如上所述的车辆对象的路径和位置数据来确定得到。例如，多个车辆对象执行类似的转向、汇入车道、停车、加速、或者通过操作，这多个车辆对象可以分组得到特定的多个行为类别。在类似位置或者交通区域中(例如高速公路、狭窄道路、匝道、小山、隧道、桥梁、共乘车道、服务区、收费站，等区域)运行的多个车辆对象可以分组到特定的多个行为类别中。在类似交通条件(例如正常交通、交通阻塞、事故场景、道路施工、天气或夜间情况、动物或避障等)下运行的多个车辆对象可以被分组到其它的多个行为类别中。接近于特种车辆(例如：警车、消防车、救护车、摩托车、豪华轿车、超长或超宽卡车、残疾车辆、不规则车辆等)的多个车辆对象可以被分组到其它的行为类别中。根据本申请公开的内容，对于本领域普通技术人员显而易见的是，可以定义各种特定的行为类别，并将这些行为类别与从输入图像中提取的车辆对象中检测到的行为相关联。
3、在对训练图像数据按照上述方法进行了处理和分类之后，就可以利用相应行为类别的训练图像，对车辆建模系统的机器学习模块进行专门的训练，对特定的人类驾驶行为进行建模。例如，可以对机器学习模块进行训练，以重现或模拟与匝道汇入情况相关的典型人类驾驶行为。给定上述训练图像的车辆目标提取和车辆行为分类处理，执行匝道汇入操作的多个车辆对象将被划分为与匝道汇入情景对应的相应行为类别的成员。可以对机器学习模块进行专门的训练，根据相应行为类别包括的成员所执行的操作，对这些特定的人类驾驶行为进行建模。类似地，机器学习模块可以被训练来重新创建或模拟与上面描述的任何驾驶行为类别相关联的典型人类驾驶行为。因此，可以对车辆建模系统的机器学习模块进行训练，对各种特定目标的人类驾驶行为进行建模，这些人类驾驶行为总体上代表了在各种不同的驾驶场景和条件下典型的人类驾驶行为模式。
4、一旦根据上述处理对机器学习模块进行了训练后，训练后的机器学习模块可与车辆建模系统一起生成多个仿真动态车辆，每个仿真动态车辆模仿一个或多个特定的人类驾驶行为，这些人类驾驶行为是根据图像数据训练到机器学习模块中的。所述多个仿真动态车辆可用于驾驶环境模拟器中，作为测试自动驾驶车辆子系统(如运动规划系统)的测试台。由于仿真动态车辆的行为是本文档来自技高网...
【技术保护点】
1.一种系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于，还包括一个驾驶环境模拟器，该驾驶环境模拟器将多个仿真动态车辆结合到交通环境测试台中，以测试、评价或分析自动驾驶车辆子系统。
3.根据权利要求1所述的系统，其特征在于，多个真实世界图像源来自于：多个车载摄像头、多个静态摄像头、多个无人机或无人飞机上的摄像头、多个卫星图像、多个仿真图像、和多个历史记载的图像。
4.根据权利要求1所述的系统，其特征在于，对训练图像数据执行语义分割进行对象提取。
5.根据权利要求1所述的系统，其特征在于，对训练图像数据执行的对象提取包括确定每个车辆对象的路径。
6.根据权利要求1所述的系统，其特征在于，多个行为类别包括：与交通区域/位置相关的车辆/驾驶员行为类别、与交通条件相关的车辆/驾驶员行为类别、与特定车辆相关的车辆/驾驶员行为类别。
7.根据权利要求2所述的系统，其特征在于，自动驾驶车辆子系统包括：一个自动驾驶车辆运动规划模块、一个自动驾驶车辆控制模块。
8.一种方法，其特征在于，包括：p>
9.根据权利要求8所述的方法，其特征在于，一个驾驶环境模拟器将多个仿真动态车辆结合到交通环境测试台中，以测试、评价或分析自动驾驶车辆子系统。
10.根据权利要求8所述的方法，其特征在于，多个真实世界图像源来自于：多个车载摄像头、多个静态摄像头、多个无人机或无人飞机上的摄像头、多个卫星图像、多个仿真图像、和多个历史记载的图像。
11.根据权利要求8所述的方法，其特征在于，对训练图像数据执行语义分割进行对象提取。
12.根据权利要求8所述的方法，其特征在于，对训练图像数据执行的对象提取包括确定每个车辆对象的路径。
13.根据权利要求8所述的方法，其特征在于，多个行为类别包括：与交通区域/位置相关的车辆/驾驶员行为类别、与交通条件相关的车辆/驾驶员行为类别、与特定车辆相关的车辆/驾驶员行为类别。
14.根据权利要求9所述的方法，其特征在于，自动驾驶车辆子系统包括：一个自动驾驶车辆运动规划模块、一个自动驾驶车辆控制模块。
15.一种非易失性机器可读存储介质，其特征在于，其中存储有多条指令，这多条指令被机器执行后使得机器实现：
16.根据权利要求15所述的存储介质，其特征在于，所述机器还实现一个驾驶环境模拟器，该驾驶环境模拟器将多个仿真动态车辆结合到交通环境测试台中，以测试、评价或分析自动驾驶车辆子系统。
17.根据权利要求15所述的存储介质，其特征在于，多个真实世界图像源来自于：多个车载摄像头、多个静态摄像头、多个无人机或无人飞机上的摄像头、多个卫星图像、多个仿真图像、和多个历史记载的图像。
18.根据权利要求15所述的存储介质，其特征在于，所述机器还实现对训练图像数据执行语义分割进行对象提取。
19.根据权利要求15所述的存储介质，其特征在于，所述机器还实现对训练图像数据执行的对象提取包括确定每个车辆对象的路径。
20.根据权利要求15所述的存储介质，其特征在于，多个行为类别包括：与交通区域/位置相关的车辆/驾驶员行为类别、与交通条件相关的车辆/驾驶员行为类别、与特定车辆相关的车辆/驾驶员行为类别。
...【技术特征摘要】
1.一种系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于，还包括一个驾驶环境模拟器，该驾驶环境模拟器将多个仿真动态车辆结合到交通环境测试台中，以测试、评价或分析自动驾驶车辆子系统。
3.根据权利要求1所述的系统，其特征在于，多个真实世界图像源来自于：多个车载摄像头、多个静态摄像头、多个无人机或无人飞机上的摄像头、多个卫星图像、多个仿真图像、和多个历史记载的图像。
4.根据权利要求1所述的系统，其特征在于，对训练图像数据执行语义分割进行对象提取。
5.根据权利要求1所述的系统，其特征在于，对训练图像数据执行的对象提取包括确定每个车辆对象的路径。
6.根据权利要求1所述的系统，其特征在于，多个行为类别包括：与交通区域/位置相关的车辆/驾驶员行为类别、与交通条件相关的车辆/驾驶员行为类别、与特定车辆相关的车辆/驾驶员行为类别。
7.根据权利要求2所述的系统，其特征在于，自动驾驶车辆子系统包括：一个自动驾驶车辆运动规划模块、一个自动驾驶车辆控制模块。
8.一种方法，其特征在于，包括：
9.根据权利要求8所述的方法，其特征在于，一个驾驶环境模拟器将多个仿真动态车辆结合到交通环境测试台中，以测试、评价或分析自动驾驶车辆子系统。
10.根据权利要求8所述的方法，其特征在于，多个真实世界图像源来自于：多个车载摄像头、多个静态摄像头、多个无人机或无人飞机上的摄像头、多个卫星图像、多个仿真图像、和多个历史记载的图像。
11.根据权利要求8所述的方法，其特征在于，对训练图像数据执行语义分割进行...
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。