System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开实施例涉及数据处理,尤其涉及一种自动驾驶多背景车辆高风险测试场景生成方法。
技术介绍
1、目前,对自动驾驶车辆进行基于场景的测试和评估时,背景车辆的轨迹直接影响自动驾驶车辆的性能和实验结果。收集到的实际轨迹数据受样本量和多样性的限制,可能无法包含对avs测试至关重要的关键属性组合。
2、可见,亟需一种能提高自动驾驶车辆的安全性和可靠性的自动驾驶多背景车辆高风险测试场景生成方法。
技术实现思路
1、有鉴于此,本公开实施例提供一种自动驾驶多背景车辆高风险测试场景生成方法,至少部分解决现有技术中存在安全性和可靠性较差的问题。
2、本公开实施例提供了一种自动驾驶多背景车辆高风险测试场景生成方法,包括:
3、步骤1,根据智能车辆测试需求,对真实交通事故进行深度事故解构,采集整理相关事故数据并对其进行重建,提取事故发生过程中所有车辆的时空特征,其中,所有车辆包括碰撞车辆和非碰撞车辆,所述时空特征包括碰撞车辆的预碰撞时序特征、非碰撞车辆与碰撞车辆的时序交互特征,以及静态特征;
4、步骤2,结合碰撞车辆的预碰撞时序特征以及非碰撞车辆与事故车辆的时序交互特征,融合静态特征,创建场景时空耦合矩阵;
5、步骤3,根据预设的采样区间对场景时空耦合矩阵采样,得到多个场景截面;
6、步骤4,将全部场景截面输入gan网络,泛化生成场景时空耦合截面;
7、步骤5,基于场景时空耦合截面,根据场景时空耦合矩阵中预碰撞时序特征、时
8、根据本公开实施例的一种具体实现方式,所述步骤1具体包括:
9、步骤1.1,提取碰撞车辆在碰撞前预设时段内每个时刻的状态信息,形成预碰撞时序特征,其中,所述状态信息包括碰撞车辆的纵向坐标、横向坐标、每个坐标下的速度、加速度、朝向、转向和相对位置差;
10、步骤1.2,提取非碰撞车辆在碰撞前预设时段内与碰撞车辆的冲突形式,形成时序交互特征,其中,所述冲突形式包括纵向同向、纵向反向、左侧和右侧;
11、步骤1.3,提取事故现场中各个车辆类型、光照条件、天气、路面积水情况、道路类型、车道数目和视线遮挡信息,形成静态特征。
12、根据本公开实施例的一种具体实现方式,所述生成场景时空耦合截面的计算过程为
13、
14、其中,z表示从高斯或均匀分布中获得的噪声向量,pdata(x)表示真实样本x的数据分布,pz(z)表示由生成器生成的样本g(z)的数据分布,e表示期望,d表示判别器,g表示生成器,l(g,d)表示损失函数。
15、根据本公开实施例的一种具体实现方式,所述碰撞车辆包括仿真过程中作为测试的主车和目标车辆,所述步骤5具体包括:
16、步骤5.1,提取场景中的静态特征构成场景空间元素;
17、步骤5.2,将目标车辆和每一个非碰撞车辆定义为背景车辆,并提取每一个背景车辆的动态信息构成场景时间元素,其中,每一个背景车辆的状态描述为(xt,yt,vt,at,ht);
18、步骤5.3,根据预设步长和更新规则,扩充每一个背景车辆状态描述直到达到仿真时长;
19、步骤5.4,融合场景中的静态特征(s1,s2,s3……sn),构建完整的时空耦合的测试场景。
20、根据本公开实施例的一种具体实现方式,所述更新规则为
21、xt+1=xt+vt cosht
22、yt+1=yt+vtsinht
23、vt+1=vt+att
24、
25、
26、
27、其中,表示目标车辆在时间t时刻的动态状态,xt,yt,vt,at,ht分别表示目标车辆在时间t时刻的x-坐标,y-坐标,速度,加速度,朝向,t表示时间步长,δht表示在时间时刻t朝向的变化率,表示不同冲突类型下的车辆的δht的分布,jerkt表示在时间t时刻加速度的倒数,表示不同冲突形式下jerkt的分布。
28、本公开实施例中的自动驾驶多背景车辆高风险测试场景生成方案,包括:步骤1,根据智能车辆测试需求,对真实交通事故进行深度事故解构,采集整理相关事故数据并对其进行重建,提取事故发生过程中所有车辆的时空特征,其中,所有车辆包括碰撞车辆和非碰撞车辆,所述时空特征包括碰撞车辆的预碰撞时序特征、非碰撞车辆与碰撞车辆的时序交互特征,以及静态特征;步骤2,结合碰撞车辆的预碰撞时序特征以及非碰撞车辆与事故车辆的时序交互特征,融合静态特征,创建场景时空耦合矩阵;步骤3,根据预设的采样区间对场景时空耦合矩阵采样,得到多个场景截面;步骤4,将全部场景截面输入gan网络,泛化生成场景时空耦合截面;步骤5,基于场景时空耦合截面,根据场景时空耦合矩阵中预碰撞时序特征、时序交互特征和静态特征的分布,扩充得到完整的时空耦合的测试场景。
29、本公开实施例的有益效果为:通过本公开的方案,利用生成对抗网络来生成对事故场景截面进行扩样,然后根据事故场景截面中各动静态特征以及交互特征分布,将场景截面扩充为完整的时空耦合的测试场景。这种丰富性扩增的方法可以提高对自动驾驶车辆在多背景车辆交互下的高风险情况的性能评估。通过在生成的测试场景中对自动驾驶车辆进行全面测试,可以更好地评估其在各种复杂的多背景车辆交互情况下的表现。有助于提高自动驾驶车辆的安全性和可靠性,推动其实际应用的发展。
本文档来自技高网...【技术保护点】
1.一种自动驾驶多背景车辆高风险测试场景生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述步骤1具体包括:
3.根据权利要求2所述的方法,其特征在于,所述生成场景时空耦合截面的计算过程为
4.根据权利要求3所述的方法,其特征在于,所述碰撞车辆包括仿真过程中作为测试的主车和目标车辆,所述步骤5具体包括:
5.根据权利要求4所述的方法,其特征在于,所述更新规则为
【技术特征摘要】
1.一种自动驾驶多背景车辆高风险测试场景生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述步骤1具体包括:
3.根据权利要求2所述的方法,其特征在于,所述生成场景时空耦...
【专利技术属性】
技术研发人员:黄合来,周锐,魏志远,张国清,周汉楚,邹国庆,陈吉光,
申请(专利权)人:中南大学,
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。