【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及预期功能安全场景自动生成方法、装置及电子设备。
技术介绍
1、随着科技的快速发展，自动驾驶技术逐渐成为研究的热点。为了确保自动驾驶系统在实际运行中的安全性，需要进行大量的测试和验证。然而，实际道路测试存在诸多限制，如成本高昂、测试环境难以控制等。因此，模拟测试成为了一种重要的替代方案。
2、在模拟测试中，预期功能安全场景的生成是关键的一环。这些场景需要在各种条件和环境下进行模拟，以尽可能覆盖实际驾驶中的各种可能情况，尤其是预期功能安全中未知且不安全的场景。然而，现有的模拟方法往往难以生成高质量、逼真的场景数据，导致测试结果不够准确，甚至可能遗漏某些潜在的安全风险。
3、随着自动驾驶技术的快速发展，如何确保自动驾驶系统的安全性成为了一个重要的研究问题。预期功能安全（sotif）作为自动驾驶安全性的一个重要方面，旨在识别并管理由功能不足、或者由可合理预见的人员误用所导致的危害和风险。为了有效地进行sotif评估，需要生成大量的、具有实际意义的预期功能安全场景。
4、现有的场...
【技术保护点】
1.一种预期功能安全场景自动生成方法，其特征在于，包括：
2.根据权利要求1所述的预期功能安全场景自动生成方法，其特征在于，所述采集传感器数据、摄像头数据、车辆行驶轨迹数据用于训练第一条件实例生成对抗网络，包括：
3.根据权利要求1所述的预期功能安全场景自动生成方法，其特征在于，所述基于机器学习网络模型对所述预期功能安全场景进行分类得到分类结果，包括：
4.根据权利要求3所述的预期功能安全场景自动生成方法，其特征在于，所述基于机器学习网络模型对所述预期功能安全场景进行分类得到分类结果，并根据上述分类结果优化所述第一条件实例生成对抗网...
【技术特征摘要】
1.一种预期功能安全场景自动生成方法，其特征在于，包括：
2.根据权利要求1所述的预期功能安全场景自动生成方法，其特征在于，所述采集传感器数据、摄像头数据、车辆行驶轨迹数据用于训练第一条件实例生成对抗网络，包括：
3.根据权利要求1所述的预期功能安全场景自动生成方法，其特征在于，所述基于机器学习网络模型对所述预期功能安全场景进行分类得到分类结果，包括：
4.根据权利要求3所述的预期功能安全场景自动生成方法，其特征在于，所述基于机器学习网络模型对所述预期功能安全场景进行分类得到分类结果，并根据上述分类结果优化所述第一条件实例生成对抗网络的参数形成第二条件实例生成对抗网络，包括：
5.根据权利要求4所述的预期功能安全场景自动生成方法，其特征在于，所述若所述场景类型的数据不...
【专利技术属性】
技术研发人员：邓伟舜，刘进，姚劲，
申请(专利权)人：智己汽车科技有限公司，
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。