[发明专利]交通场景生成方法、装置、系统、计算机设备和存储介质

说明书

本发明涉及自动驾驶仿真技术领域，特别是涉及交通场景生成方法、系统、装置、计算机设备和存储介质。所述交通场景生成方法应用于现场端，包括以下步骤：获取道路现场动态交通数据；处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端。所述交通场景生成方法应用于云端包括以下步骤：获取现场端传输的动态交通元素语义描述信息和动态交通元素运动信息；根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。本发明通过采集道路现场的数据生成动态模拟现场，可以为自动驾驶仿真系统提供更真实的动态交通场景，从而提高了自动驾驶仿真系统的有效性，大幅缩减道路试验里程。

技术领域

本发明涉及自动驾驶仿真技术领域，特别是涉及动态交通场景生成方法、系统、装置、计算机设备和存储介质。

背景技术

自动驾驶车辆必须经过大量的道路试验才能验证其安全性和可靠性，由于试验里程巨大(上百万公里)及无法制造极端交通事故场景，仿真测试成为自动驾驶车辆算法训练和验证的必须工具，这已经成为业界共识。

仿真系统对于动态交通场景的构建通常使用以下几种方法：1、结构化方法(典型场景方法)。这是ADAS系统((Advanced Driving Assistant System，即高级驾驶辅助系统)常见的用于场地测试和仿真测试用的场景构建方法，其特点是所有过程都是事先规划，可以复现，因此也不具有随机性和智能性，仅模拟简单的、特定的场景。2、AI方法。这是一种比较新的自动驾驶仿真系统的动态交通场景构造方法，所有的车辆和行人通过AI编程，能够具有一定的智能和随机性，可以部分真实的模拟动态交通场景。这种方法的效果取决于所使用的AI算法智能程度，例如Nivida公司利用深度学习技术，提出了计算机自动生成动态交通场景的方法。但是，无论如何，不能完全模拟真实动态交通场景(特别是不同的国家、城市甚至十字路口都毫无疑问存在不同的特点)，而且这种方法会要求海量的计算资源。3、宏观仿真。通过将宏观交通流仿真方法获得的交通流数据用于规划微观仿真(自动驾驶仿真系统)中的车辆和行人的动态行为，与静态交通场景一起构建一个动态交通场景，例如SUMO(Simulation of Urban Mobility)宏观交通流仿真系统与开源自动驾驶仿真系统CARLA的结合。这种方法的优点是可以充分利用已有的、成熟的并经过验证的宏观交通流模拟软件的数据，但是无法给出车辆、行人的微观行为(如偏离车道、突然加速、制动等)。4、道路采集方法。利用安装有激光雷达、摄像头的采集车在实际道路上行驶，并记录数据，并将此数据用于仿真系统的动态交通场景数据输入。这种方法的优点是数据真实可靠。缺点也是显而易见的：1、成本高昂；2、数据量巨大，而且即使有海量数据，也仅能反应部分动态交通场景。

可见，现有技术提供的仿真测试用动态交通场景的生成方法不能为自动驾驶的仿真系统提供一个足够真实的，具有海量数据的动态交通环境，从而保证仿真系统中自动驾驶系统训练或者验证的有效性。

发明内容

基于此，有必要针对上述的问题，提供一种交通场景生成方法、装置、系统、计算机设备和存储介质。

本发明实施例是这样实现的，一种交通场景生成方法，应用于现场端，所述方法包括以下步骤：

获取道路现场动态交通数据；

处理所述动态交通数据得到动态交通元素语义描述信息和动态交通元素运动信息并传输给云端。

在另一个实施例中，本发明提供了一种交通场景生成方法，应用于云端，所述方法包括以下步骤：

获取现场端传输的动态交通元素语义描述信息和动态交通元素运动信息；

根据预设的静态交通场景数据、所述虚拟动态交通元素以及动态交通元素运动信息生成动态交通场景。

在本发明另一个实施例中，还提供了一种交通场景生成装置，应用于现场端，所述装置包括：