【技术实现步骤摘要】
本专利技术涉及自动驾驶测试，具体涉及一种基于模型预测控制的对抗性测试场景生成方法。
技术介绍
1、在自动驾驶汽车实现大规模商业化的过程中，对其中的自动驾驶系统进行有效的测试验证是必不可少的，特别是在具有对抗性的安全关键测试场景下的开展安全性测试验证。但从高维度且具有长尾分布的现实驾驶场景数据集中提取稀缺的对抗性安全关键场景是十分困难的。此外，在以往基于场景测试的方法通常固定了场景中其他交通参与者的行为，这使得车辆之间缺乏交互性，背景车辆没有自主行为，导致测试场景的可信度不高。专利cn108595340a公布了一种基于场景复杂度和影响因素重要度的测试场景组合生成方法，虽提升了场景的覆盖度，但背景车辆行为固定，无法主动搜索安全关键场景。专利cn116680979a公布了一种基于强化学习的无人驾驶测试场景自动生成方法，背景车辆被视为智能体，基于强化学习方法在仿真过程中不断提升背景车辆的对抗性，但是训练过程不具备较强的可解释性，训练过程较为复杂且有可能产生违反物理约束的情况。
2、本专利技术主要针对自动驾驶测试中对抗性测试场景生成问...
【技术保护点】
1.基于模型预测控制的对抗性测试场景生成方法，其特征是：该方法由以下步骤实现：
2.根据权利要求1所述的基于模型预测控制的对抗性测试场景生成方法，其特征在于：步骤一中，所述量化风险场模型表达式为：
3.根据权利要求2所述的基于模型预测控制的对抗性测试场景生成方法，其特征在于：所述纵向风险水平Rx和侧向风险水平Ry的表达式为：
4.根据权利要求3所述的基于模型预测控制的对抗性测试场景生成方法，其特征在于：所述纵向运动趋势系数Zx和侧向运动趋势系数Zy的表达式为：
5.根据权利要求1所述的基于模型预测控制的对抗性测试场景生成...
【技术特征摘要】
1.基于模型预测控制的对抗性测试场景生成方法，其特征是：该方法由以下步骤实现：
2.根据权利要求1所述的基于模型预测控制的对抗性测试场景生成方法，其特征在于：步骤一中，所述量化风险场模型表达式为：
3.根据权利要求2所述的基于模型预测控制的对抗性测试场景生成方法，其特征在于：所述纵向风险水平rx和侧向风险水平ry的表达式为：
4.根据权利要求3所述的基于模型预测控制的对抗性测试场景生成方法，其特征在于：所述纵向运动趋势系数zx和侧向运动趋势系数zy的表达式为：
5.根据权利要求1所述的基于模型预测控制的对抗性测试场景生成方法，其特征在于：步骤二中，根据所述恒定速度模型、恒定加速度模型、恒定转弯率和速度模型以及恒定转弯率和加速度模型与历史轨迹的相似程度实时更新每一个模型预测输出的权重，将加权后的预测结果作为被测车辆的预测轨迹；
6.根据权利要...
【专利技术属性】
技术研发人员：曲婷，陈杰，高慧华，宗彤，
申请(专利权)人：吉林大学重庆研究院，
类型：发明
国别省市：
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。