[发明专利]一种自动驾驶体系中的仿真场景重构方法及存储介质

说明书

本发明公开一种自动驾驶体系中的仿真场景重构方法及存储介质。所述方法包括以下步骤，获取路试数据，所述路试数据包括道路级信号信息和动态交通流信号信息；对路试数据进行解析，得到原始信号值表；根据数据提取规则，对原始信号值表进行切分提取处理，得到数据片段；将原始信号值表或者得到的数据片段进行数据清理和标准化处理；将标准化处理后的信号转化为仿真文件所需要的输入数据；利用输入数据生成仿真场景。本发明能够根据动态交通流信息对真实道路车辆行为进行深入分析，为丰富测试场景库、扩充对驾驶员行为的分析和构建企业场景库提供有力基础。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种自动驾驶体系中的仿真场景重构方法及存储介质。

背景技术

在自动驾驶测试体系中，实车道路测试和仿真测试都是一种有效的测试手段。实车道路测试集成度高、可信度高，但存在着极端工况无法测试、部分功能难以测试、部分故障场景难以复现买的问题。仿真测试相较于实车测试有着快速、安全、成本低、覆盖度广等优点。因此，将实车场景重构复现为仿真场景并进行测试是一种有效方法。不过，如何有效、低成本的将实车道路测试情况还原为仿真场景仍然是业界难点。

行业内提出了一种基于道路点云的高速公路场景重构的方法，图1为该种方法的结构图。利用载有深度图像采集设备的测量车，实时采集地方坐标系下的高速公路数据，将数据上传基站后转发至服务器。利用服务器对测量车采集的数据进行解析，获得测量车所采集的行驶轨迹、点云数据和全景图像。基于获得的行驶轨迹对不同路段的点云数据进行拼接，并利用全景图像对点云数据进行渲染，完成高速路场景的重构。该方法虽然能够提高部分仿真场景重构的效率，但提升效果有限，且使用该套采集方案耗费大量额外的人力、设备资源，大范围采集道路信息和动态交通流信息成为实施难点。此外，该方法使用的采集和重构方案不包含动态交通流信息。没有动态交通流信息，则无法参考和分析真实道路的车辆行为，缺少对测试端和对驾驶员行为统计端的使用价值，这对资源也是一种浪费。

基于上述现有技术所存在的弊端，行业内需要一种新的更高效、更低成本的仿真场景重构方法，以解决当前仿真场景重构难度高、推广度低的现状。

发明内容

针对现有技术存在的上述不足，本发明的目的在于解决现有的自动驾驶路试仿真场景重构难度高，难以将实车场景重构复现为仿真场景的问题，提供一种自动驾驶体系中的仿真场景重构方法及存储介质，能够根据动态交通流信息对真实道路车辆行为进行深入分析，为丰富测试场景库、扩充对驾驶员行为的分析和构建企业场景库提供有力基础。

为了解决上述技术问题，本发明采用如下技术方案：

一种自动驾驶体系中的仿真场景重构方法，包括以下步骤，

获取路试数据，所述路试数据包括道路级信号信息和动态交通流信号信息；

对路试数据进行解析，得到原始信号值表；

根据数据提取规则，对原始信号值表进行切分提取处理，得到数据片段；

将原始信号值表或者得到的数据片段进行数据清理和标准化处理；

将标准化处理后的信号转化为仿真文件所需要的输入数据；

利用输入数据生成仿真场景。

进一步，所述道路级信号信息和动态交通流信号信息包括邻道和旁边车道线信息、本车动态信息以及其他交通参与者动态信息；其中，所述邻道和旁边车道线信息包括邻道和旁边的车道线方程、车道线类型、车道线置信度、车道线颜色、车道宽度、车道线宽度；所述本车动态信息包括车速、偏航率、横纵向加速度、转向速度、转角速度、转向灯信号、刹车信号；所述其他交通参与者动态信息包括本车周围目标的ID、类型、与本车的相对横纵向距离、横纵向速度以及横纵向加速度。

进一步，所述对路试数据进行解析，得到原始信号值表包括，对连续信号以每秒30帧的频率进行采样解析，得到原始信号值表。

进一步，所述数据提取规则中的定义来源包括事件定义、软件缺陷问题以及报警异常问题；