自动驾驶测试场景的初始化生成方法、装置及设备制造方法及图纸

本发明专利技术公开了一种自动驾驶测试场景的初始化生成方法、装置及设备，涉及自动驾驶技术领域。所述方法包括：获取自动驾驶测试场景的场景描述信息，场景描述信息包括：测试场景的场景初始化区域和场景参与者相关信息；基于与场景初始化区域匹配的道路元素，生成场景参与者的可行驶区域；获取道路元素的KD树；基于场景参与者相关信息和KD树，从可行驶区域中搜索场景参与者的生成位置点，并确定场景参与者的生成朝向；按照生成位置点和生成朝向，在道路元素所在的场景地图中生成场景参与者；其中，自动驾驶测试场景包括场景地图和场景参与者。本发明专利技术能够提升场景参与者的位置点搜索速度，实现测试场景的快速初始化生成。实现测试场景的快速初始化生成。实现测试场景的快速初始化生成。

【技术实现步骤摘要】
自动驾驶测试场景的初始化生成方法、装置及设备


[0001]本专利技术涉及自动驾驶
，尤其涉及一种自动驾驶测试场景的初始化生成方法、装置及设备。

技术介绍

[0002]场景是自动驾驶测试系统中相当重要的一环，测试场景的多样性、覆盖性、典型性等能够影响到测试结果的准确性，从而保证自动驾驶的安全与质量。
[0003]其中，场景指的是行驶场合和驾驶情景的组合，它受行驶环境的深刻影响，如道路、交通、天气、光照等因素，共同构成整个场景概念。场景是在一定时间和空间范围内环境与驾驶行为的综合反映，描述了道路、交通设施、气象条件、交通参与物等外部状态以及自车的驾驶任务和状态等信息。基于测试场景的测试技术，测试场景配置灵活、测试效率高、重复性强、过程安全而且成本低，可实现自动测试和加速测试，能够节省大量人力物力，因此，基于测试场景的测试技术已成为自动驾驶汽车测试评价中不可或缺的重要环节。在自动驾驶测试时，首先需要对测试场景进行初始化生成，现有技术在初始化生成测试场景时，需要用户使用坐标点描述测试场景中场景参与者的位置。
[0004]然而，使用具体的坐标点指定场景参与者的位置，不符合用户的思维逻辑和表达逻辑；另外，对坐标点随机搜索时搜索速度慢，测试场景初始化生成效率较低。

技术实现思路

[0005]本专利技术提供一种自动驾驶测试场景的初始化生成方法、装置及设备，该方法能够提升场景参与者的位置点搜索速度，实现测试场景的快速初始化生成。
[0006]本专利技术的技术方案包括：
[0007]一种自动驾驶测试场景的初始化生成方法，其特征在于，所述方法包括：
[0008]获取自动驾驶测试场景的场景描述信息，所述场景描述信息包括：所述测试场景的场景初始化区域和场景参与者相关信息；
[0009]基于与所述场景初始化区域匹配的道路元素，生成场景参与者的可行驶区域；
[0010]获取所述道路元素的KD树；
[0011]基于所述场景参与者相关信息和所述KD树，从所述可行驶区域中搜索所述场景参与者的生成位置点，并确定所述场景参与者的生成朝向；
[0012]按照所述生成位置点和所述生成朝向，在所述道路元素所在的场景地图中生成所述场景参与者；其中，所述自动驾驶测试场景包括所述场景地图和所述场景参与者。
[0013]可选地，所述基于与所述场景初始化区域匹配的道路元素，生成场景参与者的可行驶区域，包括：
[0014]获取与所述场景初始化区域匹配的道路元素，以及所述道路元素的边界信息；
[0015]按照所述边界信息生成至少一个多边形；
[0016]对至少一个多边形进行边界膨胀处理，并通过对膨胀后的至少一个多边形取并
集，得到目标多边形；
[0017]对所述目标多边形进行边界侵蚀处理，得到所述可行驶区域；其中，所述边界侵蚀处理时的侵蚀距离等于所述边界膨胀处理时的膨胀距离。
[0018]可选地，所述基于与所述场景初始化区域匹配的道路元素，生成场景参与者的可行驶区域之后，还包括：将所述可行驶区域分解为若干三角形。
[0019]可选地，所述获取所述道路元素的KD树，包括：获取所述道路元素的中线坐标序列；连接所述中线坐标序列中相邻坐标点，得到多个基本车道段，并组合基本车道段形成车道段集合；基于车道段集合Q
e
的坐标范围，确定分割维度和分割值；按照所述分割维度和所述分割值，对所述车道段集合Q
e
进行分割处理，得到两个子车道段集合Q
e+1
以及分割节点；其中，所述分割节点在KD树中连接两个所述子车道段集合Q
e+1
；若子车道段集合Q
e+1
的坐标范围小于或等于预设范围，则停止对子车道段集合Q
e+1
的分割；若子车道段集合Q
e+1
的坐标范围大于预设范围，则令e＝e+1，并从基于车道段集合Q
e
的坐标范围，确定分割维度和分割值的步骤开始再次执行，直至子车道段集合Q
e+1
的坐标范围小于或等于预设范围；直至停止对所有子车道段集合Q
e+1
的分割，得到由每层分割节点连接两个子车道段集合所组成的KD树。
[0020]可选地，所述基于车道段集合Q
e
的坐标范围，确定分割维度和分割值，包括：获取车道段集合Q
e
在各个坐标轴方向上的坐标范围；将坐标范围最大的坐标轴方向，确定为所述分割维度；将所述分割维度上的坐标中值，确定为所述分割值。
[0021]可选地，所述基于所述场景参与者相关信息和所述KD树，从所述可行驶区域中搜索所述场景参与者的生成位置点，并确定所述场景参与者的生成朝向，包括：
[0022]基于所述场景参与者相关信息，提取目标场景参与者，所述目标场景参与者的位置点和朝向不依赖于其它场景参与者；
[0023]针对每个目标场景参与者，从所述可行驶区域中随机采样n个位置点；
[0024]针对每个位置点，基于所述场景参与者相关信息和所述KD树，确定所述目标场景参与者位于所述位置点时的朝向，以及与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向，并计算所述位置点的评价值；
[0025]若n个位置点中存在评价值为零的位置点，则将所述位置点作为所述目标场景参与者的生成位置点，将所述目标场景参与者位于所述位置点时的朝向作为所述目标场景参与者的生成朝向，将所述目标场景参与者位于所述位置点时其它场景参与者的位置点和朝向分别作为其它场景参与者的生成位置点和生成朝向；
[0026]若n个位置点中不存在评价值为零的位置点，则基于n个位置点的评价值从所述可行驶区域中重新获取n个位置点，并返回执行针对每个位置点，基于所述场景参与者相关信息和所述KD树，确定所述目标场景参与者位于所述位置点时的朝向，以及与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向，并计算所述位置点的评价值。
[0027]可选地，所述针对每个位置点，基于所述场景参与者相关信息和所述KD树，确定所述目标场景参与者位于所述位置点时的朝向，以及与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向，并计算所述位置点的评价值，包括：
[0028]针对每个位置点，基于所述KD树确定所述目标场景参与者位于所述位置点时的朝向；
[0029]基于所述位置点、所述朝向以及所述场景参与者相关信息，确定与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向；
[0030]基于所述其它场景参与者的位置点和朝向，计算所述位置点的评价值。
[0031]可选地，所述针对每个位置点，基于所述KD树确定所述目标场景参与者位于所述位置点时的朝向，包括：从所述KD树的根节点开始遍历，若所述位置点在当前层分割维度上的坐标值小于当前层分割值，则从当前层左侧的子车道段集合递归搜索；若所述位置点在当前层分割维度上的坐标值大于或等于当前层分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶测试场景的初始化生成方法，其特征在于，所述方法包括：获取自动驾驶测试场景的场景描述信息，所述场景描述信息包括：所述测试场景的场景初始化区域和场景参与者相关信息；基于与所述场景初始化区域匹配的道路元素，生成场景参与者的可行驶区域；获取所述道路元素的KD树；基于所述场景参与者相关信息和所述KD树，从所述可行驶区域中搜索所述场景参与者的生成位置点，并确定所述场景参与者的生成朝向；按照所述生成位置点和所述生成朝向，在所述道路元素所在的场景地图中生成所述场景参与者；其中，所述自动驾驶测试场景包括所述场景地图和所述场景参与者。2.如权利要求1所述的方法，其特征在于，所述基于与所述场景初始化区域匹配的道路元素，生成场景参与者的可行驶区域，包括：获取与所述场景初始化区域匹配的道路元素，以及所述道路元素的边界信息；按照所述边界信息生成至少一个多边形；对至少一个多边形进行边界膨胀处理，并通过对膨胀后的至少一个多边形取并集，得到目标多边形；对所述目标多边形进行边界侵蚀处理，得到所述可行驶区域；其中，所述边界侵蚀处理时的侵蚀距离等于所述边界膨胀处理时的膨胀距离。3.如权利要求1所述的方法，其特征在于，所述基于所述场景参与者相关信息和所述KD树，从所述可行驶区域中搜索所述场景参与者的生成位置点，并确定所述场景参与者的生成朝向，包括：基于所述场景参与者相关信息，提取目标场景参与者，所述目标场景参与者的位置点和朝向不依赖于其它场景参与者；针对每个目标场景参与者，从所述可行驶区域中随机采样n个位置点；针对每个位置点，基于所述场景参与者相关信息和所述KD树，确定所述目标场景参与者位于所述位置点时的朝向，以及与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向，并计算所述位置点的评价值；若n个位置点中存在评价值为零的位置点，则将所述位置点作为所述目标场景参与者的生成位置点，将所述目标场景参与者位于所述位置点时的朝向作为所述目标场景参与者的生成朝向，将所述目标场景参与者位于所述位置点时其它场景参与者的位置点和朝向分别作为其它场景参与者的生成位置点和生成朝向；若n个位置点中不存在评价值为零的位置点，则基于n个位置点的评价值从所述可行驶区域中重新获取n个位置点，并返回执行针对每个位置点，基于所述场景参与者相关信息和所述KD树，确定所述目标场景参与者位于所述位置点时的朝向，以及与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向，并计算所述位置点的评价值。4.如权利要求3所述的方法，其特征在于，所述针对每个位置点，基于所述场景参与者相关信息和所述KD树，确定所述目标场景参与者位于所述位置点时的朝向，以及与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向，并计算所述位置点的评价值，包括：针对每个位置点，基于所述KD树确定所述目标场景参与者位于所述位置点时的朝向；
基于所述位置点、所述朝向以及所述场景参与者相关信息，确定与所述目标场景参与者存在依赖关系的其它场景参与者的位置点和朝向；基于所述其它场景参与者的位置点和朝向，计算所述位置点的评价值。5.如权利要求4所述的方法，其特征在于，所述基于所述其它场景参与者的位置点和朝向，计算所述位置点的评价值，包括：计算所述其它场景参与者的位置点与道路边界的距离；计算所有场景参与者之间的朝向角度与期望朝向角度的偏差；基于所述距离和所述偏差，计算所述位置点的评价值。6.如权利要求3至5任一项所述的方法，其特征在于，所述基于n个位置点的评价值从所述可行驶区域中重新获取n个位置点，包括：针对每个位置点，基于n个位置点的评价值，确定新位置点采样数量和新位置点最大移动距离；按照所述新位置点采样数量和所述新位置点最大移动距离，在所述可行驶区域中所述位置点的周围重新采样新位置点；分别计算n个位置点周围所采样的所有新位置点的评价值；基于所有新位置点的评价值，从所有新位置点中筛选n个位置点。7.如权利要求6所述的方法，其特征在于，所述基于n个位置点的评价值，确定新位置点采样数量，包括：获取n个位置点的评价值中的最大评价值；获取采样数量控制常数；基于所述采样数量控制常数、所述最大评价值与所述位置点的评价值之间的差值、所述最大评价值与所有位置点的评价值之间的差值之和，计算所述新位置点采样数量。8.如权利要求7所述的方法，其特征在于，所述基于所述采样数量控...

【专利技术属性】
技术研发人员：董乾，薛云志，杨光，孟令中，陈贺，武斌，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：