1.本发明涉及智能网联汽车技术领域,尤其涉及驾驶场景的构建技术。
背景技术:
2.随着智能网联汽车的普及,越来越多人使用、信任、依赖智能网联系统,随之而来的是某些危险场景下,智能网联汽车不能及时、准确的做出判断及处理,给用户的财产及人身安全带来伤害。
3.智能网联系统(如超级巡航系统、高速自动驾驶系统、低速自动驾驶系统、代客泊车系统)控制汽车在公共道路行驶时,由于智能网联系统对危险场景的识别能力、规划能力、决策能力、执行能力不足,会带来交通事故的发生。而现有的仿真、测试用例通常较为简单,由此带来了以下缺点:
4.a)智能网联系统的仿真、测试用例简单,公共道路场景覆盖度小,不覆盖危险场景;
5.b)现有的国际标准、国家标准没有对智能网联汽车进行危险场景测试的要求;
6.c)不考虑危险场景,从现有的驾驶辅助功能很难发展到自动驾驶功能、无人驾驶功能;
7.d)现有的公共道路场景采集系统、方法及流程无法自动提取危险场景;
8.e)现有的公共道路场景采集系统、方法及流程无法将危险场景转化为测试用例。
技术实现要素:
9.本发明的目的在于提供一种智能网联汽车公共道路危险场景库建立方法及流程,可用于各种型号的汽车、各种型号的试验设备、外接传感器等,也适用于多种类型的数据文件,如can总线数据、视频数据、音频数据、外接设备数据等。
10.本发明所述的一种智能网联汽车公共道路危险场景提取方法包括如下步骤:
11.数据采集步骤:采集装载有数据采集设备的车辆在行驶过程中获取的视频信息以及车辆的行驶信息、状态信息作为待处理的场景数据;
12.数据同频处理步骤,将待处理的场景数据中不同频率的数据调整至相同频率;
13.危险场景触发条件判断步骤:按照时间顺序读取场景数据中的信息,判断是否满足危险场景触发条件,如果满足,则启动危险场景提取步骤;如果不满足,则关闭危险场景提取步骤,并启动危险场景存储步骤;
14.危险场景提取步骤:记录场景数据的绝对时间,并从该时间开始持续采集场景数据;
15.危险场景存储步骤:将危险场景提取步骤获得的所有场景数据以记录的绝对时间为名称形成危险场景文件;
16.数据检查步骤:检查提取的危险场景文件是否存在丢包问题,如果不存在,完成危
险场景提取;如果存在,则对所述危险场景文件采用插值法补充数据,然后再次判断补充后的危险场景文件是否存在丢包问题,如果不存在,完成危险场景提取;如果存在,则启动危险场景数据重复提取步骤;
17.危险场景数据重复提取步骤;用于依据危险场景文件的绝对时间以及文件时间长度在场景数据中重新提取数据,然后启动数据检查步骤。
18.优选地,所述场景数据是通过装载有数据采集设备的车辆在行驶过程中采集的,所述数据采集设备包括视频采集设备、目标物识别设备、can数据采集设备和gps定位设备,其中:
19.所述视频采集设备用于采集车辆行驶前方的视频信息;
20.所述目标物识别设备,用于识别视频采集设备采集的视频信息中的目标物种类,并进行目标物标注;
21.所述can数据采集设备用于采集并存储目标物标注后的视频信息;还用于采集车载激光雷达系统获取的信息;还用于采集车载毫米波系统所获取的信息;还用于采集车辆动力总成系统所获取的车辆动力系统的信息,还用于采集车辆底盘系统所获取的车辆地盘数据信息;还用于采集车身系统所获取的车身状态信息;
22.所述gps定位设备用于采集车辆位置、行驶轨迹信息。
23.优选地,所述危险场景触发条件是指满足下述任意一项条件:
24.条件1:c≤d0且v≥20km/h,其中d为本车与前车的距离;其中d0为判断是否有必要探测目标车辆的临界距离,v为被试车速度,c为试车与前方目标车的距离;
25.条件2:d0<c≤d1且v≥36km/h;d1表示判断是否有必要测量距离或相对速度的临界距离;
26.条件3:d1<c≤d
max
时,d
max
为直道上的最大探测距离,根据道路情况所述危险触发条件分别为:
27.针对直道行驶的车辆,同时满足下面5个条件时为危险场景触发条件:
28.1)道路曲率>1000m;
29.2)本车与前车的碰撞时间<2.5s;
30.3)本车与前车的横向距离<2m;
31.4)车辆横向速度<3.5km/h;
32.5)同时满足上述条件的时间≥500ms;
33.针对弯道行驶的车辆,同时满足以下5个条件时为危险触发条件:
34.1)道路曲率≤1000m;
35.2)本车与前车的碰撞时间<2.5s;
36.3)本车与前车的横向距离<2m;
37.4)车辆横向速度<3.5km/h;
38.5)同时满足上述条件的时间≥500ms;
39.针对换道行驶的车辆,同时满足以下4个条件时为危险触发条件:
40.1)本车与前车的碰撞时间<2.5s;
41.2)本车与前车的横向距离<2m;
42.3)本车与盲区内车辆碰撞时间<3.5s;
43.4)同时满足上述条件的时间≥500ms。
44.优选地,所述数据同频处理步骤具体包括:
45.使用数据插值的方法场景数据中的每种数据进行升频处理,提升至设定的高频的步骤;
46.将升频后的数据降低至设定频率,使场景数据中的每种数据的频率相同的步骤。
47.进一步,所述提取方法还包括:
48.数据传输步骤:将危险场景文件上传至云端存储。
49.本发明还提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行前面所述的任意一种智能网联汽车公共道路危险场景提取方法。
50.本发明还提供一种智能网联汽车公共道路危险场景提取装置,所述装置包括如下单元:
51.数据采集单元:用于采集装载有数据采集设备的车辆在行驶过程中获取的视频信息以及车辆的行驶信息、状态信息作为待处理的场景数据;
52.数据同频处理单元,用于将待处理的场景数据中不同频率的数据调整至相同频率;
53.危险场景触发条件判断单元:用于按照时间顺序读取场景数据中的信息,判断是否满足危险场景触发条件,如果满足,则启动危险场景提取单元;如果不满足,则关闭危险场景提取单元,并启动危险场景存储单元;
54.危险场景提取单元:用于记录场景数据的绝对时间,并从该时间开始持续采集场景数据;
55.危险场景存储单元:用于将危险场景提取步骤获得的所有场景数据以记录的绝对时间为名称形成危险场景文件;
56.数据检查单元:用于检查提取的危险场景文件是否存在丢包问题,如果不存在,完成危险场景提取;如果存在,则对所述危险场景文件采用插值法补充数据,然后再次判断补充后的危险场景文件是否存在丢包问题,如果不存在,完成危险场景提取;如果存在,则启动危险场景数据重复提取单元;
57.危险场景数据重复提取单元;用于依据危险场景文件的绝对时间以及文件时间长度在场景数据中重新提取数据,然后启动数据检查步骤。
58.本发明还提供一种智能网联汽车公共道路危险场景构建方法,所述构建方法包括:
59.危险场景获取步骤:采用本发明所述的任意一种智能网联汽车公共道路危险场景提取方法获得危险场景文件;
60.数据标注步骤:在危险场景文件中的道路场景数据中搜索与道路场景数据库中的场景模型相同的图像模块,当搜索到相应图像模块时,在相应模块位置标注对应场景模型的标签名称;
61.车道模型构建步骤:将危险场景数据文件中的识别出来的车道线信息进行提取处理,生成车道线模型;
62.目标车型构建步骤:将危险场景数据中车辆信息提出出来,生成目标车型模型;
63.本车模型构建步骤:根据危险场景数据中的车辆自身及行驶信息生产本车模型;
64.天气模型构建步骤:根据车辆位置以及时间信息,生成天气模型;
65.危险场景用例构建步骤:将上述模型信息进行平面化处理形成危险场景用例。
66.本发明还提供一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行本发明所述的智能网联汽车公共道路危险场景构建方法。
67.本发明还提供一种智能网联汽车公共道路危险场景构建装置,所述构建装置包括:
68.危险场景获取单元:用于本发明所述的任意一种智能网联汽车公共道路危险场景提取方法获得危险场景文件;
69.数据标注单元:在危险场景文件中的场景数据中搜索与危险场景数据库中的场景模型相同的图像模块,当搜索到相应图像模块时,在相应模块位置标注对应场景模型的标签名称;
70.车道模型构建单元:将危险场景数据重点车道线信息提出处理,生成车道线模型;
71.目标车型构建单元:将危险场景数据中车辆信息提出出来,生成目标车型模型;
72.本车模型构建单元:根据危险场景数据中的车辆自身及行驶信息生产本车模型;
73.天气模型构建单元:根据车辆位置以及时间信息,生成天气模型;
74.危险场景用例构建单元:用于根据完成标注的危险场景以及构建完成的车道线模型、目标车型模型、本车模型和天气模型合并进行平面化处理形成危险场景用例。
75.本发明将实现公共道路危险场景采集、危险场景提取、危险场景用例转化,最终获得危险场景用例。
76.本发明对公共道路危险场景进行采集、提取、分析、输出用例的方式,建立公共道路危险场景库。危险场景库中的用例可以用于智能网联系统设计方案参考、实车在环仿真、智能网联汽车场地性能试验等,在设计、仿真、试验等环节提前注入危险场景,降低智能网联汽车在公共道路危险场景下产生的误判断、误处理、不处理等缺陷。
77.本发明与现有技术相比有以下优点:
78.a)可自动采集车辆行驶时的数据,以及同步的视频、音频;
79.b)可自动生成所需格式的文件、记录;
80.c)适用于多种类型的数据文件,如can总线数据、视频数据、音频数据、外接设备数据等;
81.d)可自动识别危险场景,并提取危险场景的数据、视频、音频;
82.e)危险场景提取后可自动生成危险场景用例;
83.f)适用于各种型号的汽车。
84.本发明所述的危险场景用例,可以应用于智能网联系统设计方案参考、实车在环仿真、智能网联汽车场地性能试验等技术领域中。
附图说明
85.图1为本发明所述的智能网联汽车公共道路危险场景提取方法的流程图。
86.图2为本发明获得的危险场景用例,图3为图2中第一列中的图片。
87.图4为本发明建立的危险场景数据库的界面。
88.图5为实施方式三提及的危险场景触发条件示意图。
89.实施方式
90.为使本发明的技术方案及优点表述更清楚,下面将结合附图对本发明的若干具体实施方式作进一步地详细描述,但下面所述的各个实施方式仅是本技术所要求保护的一部分具体方案,而不是全部的方案。
91.实施方式一.参见图1说明本实施方式,本实施方式所述的智能网联汽车公共道路危险场景提取方法包括如下步骤:
92.数据采集步骤:采集装载有数据采集设备的车辆在行驶过程中获取的视频信息以及车辆的行驶信息、状态信息作为待处理的场景数据;
93.数据同频处理步骤,将待处理的场景数据中不同频率的数据调整至相同频率;
94.危险场景触发条件判断步骤:按照时间顺序读取场景数据中的信息,判断是否满足危险场景触发条件,如果满足,则启动危险场景提取步骤;如果不满足,则关闭危险场景提取步骤,并启动危险场景存储步骤;
95.危险场景提取步骤:记录场景数据的绝对时间,并从该时间开始持续采集场景数据;
96.危险场景存储步骤:将危险场景提取步骤获得的所有场景数据以记录的绝对时间为名称形成危险场景文件;
97.数据检查步骤:检查提取的危险场景文件是否存在丢包问题,如果不存在,完成危险场景提取;如果存在,则对所述危险场景文件采用插值法补充数据,然后再次判断补充后的危险场景文件是否存在丢包问题,如果不存在,完成危险场景提取;如果存在,则启动危险场景数据重复提取步骤;
98.危险场景数据重复提取步骤;用于依据危险场景文件的绝对时间以及文件时间长度在场景数据中重新提取数据,然后启动数据检查步骤。
99.本实施方式的数据来源是装载有数据采集设备的车辆在行驶过程中获取的视频信息以及车辆的行驶信息、状态信息。现有车辆几乎都满足该条件,因此,本实施方式获取数据的来源非常广泛,几乎所有车辆都可以常作为数据采集终端,而不局限于采用专业的车辆去采集信息。由于扩大了数据来源,基于所有车辆都可以作为数据采集终端,则会有不同驾驶经验、驾驶习惯的驾驶员驾驶各种车辆的信息,从这些信息中获取危险场景信息能够获得更真实的、更多种多样的危险场景数据,为智能网联系统的设计提供更接近于真实情况的数据,提高智能网联系统的开发效率和开发质量。
100.本实施方式中所述的记录场景数据的绝对时间,是指数据采集的时间,一般使用“年/月/日/时/分/秒”,该数据也是为了构建危险场景时,根据该时间新型精确的获取数据采集时间所在地的气象信息。
101.本实施方式所述的危险场景触发条件是指有可能使车辆产生危险的条件,即:本实施方式采集的危险场景数据,是指有可能产生危险时的车辆所在环境的信息,例如:驾驶员及乘客有害怕、担心等情绪的场景也属于危险场景,而不是车辆已经发生了危险情况时的场景,因此,采集数据的前提条件就是:当存在产生车辆危险的条件时就开始采集、直到产生车辆危险的所有条件消失为止,该时间段内采集的场景信息是车辆有可能产生危险的
实际场景,将该场景作为危险场景应用于智能网联系统设计方案参考、实车在环仿真、智能网联汽车场地性能试验等技术领域中,能够无限接近车辆形式的真实情况。
102.本实施方式通过危险场景触发条件判断步骤、危险场景提取步骤和危险场景存储步骤实现对危险场景的提取,就是提取从满足危险场景触发条件开始至不满足危险场景触发条件之间的车辆行驶过程中的视频信息以及车辆的行驶信息、状态信息。即:当有一个危险场景触发条件符合,则开始采集相应的场景信息,在采集过程中,可能又发生了符合另一个危险场景触发条件的情况,则不影响场景信息的采集,即:仍继续采集场景信息,直到没有任何危险场景触发条件时才会停止采集,这样能够保证采集到危险场景的全过程,例如:采集信息的车辆发生车辆追尾前车的危险场景,该过程中、所述车辆又被后车追尾,则也算在同一个危险场景内的情况,需要继续采集场景信息,最终获得的危险场景就是“3车追尾场景”。
103.本实施方式中的数据检查步骤,用于检查采集的危险场景数据是否存在丢包问题,如果存在需要做进一步处理,进而确保获得的危险场景数据的完整性。
104.本实施方式中所述的数据同频处理步骤,是将不同频率的数据统一化。
105.本实施方式还可以包括数据滤波的步骤,用于对场景数据进行滤波处理。
106.在实际场景中,在装在有数据采集设备的车辆停车、起步加速等情况时,采集获得的数据会存在超调情况,此时的数据可视化后会存在很多“毛刺”,影响数据对车辆实际状况的判断,因此可以增加对场景数据的滤波步骤,进而实现滤除数据中由于车辆停止、起步加速情况而产生的毛刺,使数据有更强的可视化。
107.实施方式二.本实施方式是对具体实施方式一所述的一种智能网联汽车公共道路危险场景提取方法的进一步限定,本实施方式中,所述数据采集设备包括视频采集设备、目标物识别设备、can数据采集设备和gps定位设备,其中:
108.所述视频采集设备用于采集车辆行驶前方的视频信息;
109.所述目标物识别设备,用于识别视频采集设备采集的视频信息中的目标物种类,并进行目标物标注;
110.所述can数据采集设备,用于采集并存储目标物标注后的视频信息;还用于采集车载激光雷达系统获取的信息;还用于采集车载毫米波系统所获取的信息;还用于采集车辆动力总成系统所获取的车辆动力系统的信息,还用于采集车辆底盘系统所获取的车辆地盘数据信息;还用于采集车身系统所获取的车身状态信息;
111.所述gps定位设备用于采集车辆位置、行驶轨迹信息,还用于采集车辆的行驶速度、加速度、横向速度、横向加速度。
112.现有技术中,车辆中都配备有智能图像采集设备和很多智能信息采集设备,这些信息采集设备采集的数据都可以直接用于判断车辆行驶状态以及车辆行驶的环境状态。
113.视频采集设备和目标物识别设备可以采用智能摄像设备实现,所有与采集车辆行驶前方的场景信息,这些信息能够判断车辆行驶前方目标物的速度、距离,也能够获取到车辆两侧车道线信息,判断车道相对车道线的位置及行驶方向。
114.车载激光雷达系统能够采集的信息包括扫描获得的车辆周围交通参与者信息,包括:交通参与者类型、交通参与者与本车的相对距离、相对速度。所述交通参与者类型包括:轿车、货车、摩托车、行人等。
115.车载毫米波系统用于获得本车左右盲区是否存在交通参与者、以及本车左右盲区的交通参与者与本车的相对速度。
116.车辆动力总成系统用于获取的车辆动力系统的信息,包括:车辆的指令扭矩、车辆实际扭矩、车辆加速超调量、车辆档位信息。
117.车辆底盘系统用于获取的车辆地盘数据信息,包括:车辆的行驶速度、行驶加速度、横向速度、横向加速度、横摆角、俯仰角、侧倾角、方向盘转角信息。
118.车身系统所获取的车身状态信息包括:车辆的车门锁闭状态、车窗开启或关闭状态、安全带状态、空调状态、雨刮状态信息。
119.现有车辆中,车载激光雷达系统、车载毫米波系统、车辆动力总成系统、车辆底盘系统和车身系统都是通过can总线实现数据交互的,因此直接通过can数据采集设备,通过can总线就能够读取到这些系统输出的所有数据。在实际情况中,需要保证各通道信号的同步时间误差应小于30ms,进而确保危险场景的视频、can总线数据、位置信息能够相互对应。
120.在实际情况中,上述各种数据采集还可以根据实际的情况进行调整,例如:gps定位设备具有车辆位置和行驶轨迹的采集功能,其实际采集的数据中包括车辆行驶速度、加速度、横向速度、横向加速度等信息。那么,在实际应用中,在gps信号较强的区域可以通过gps定位设备来读取上述信息,而当车辆处于隧道、高架桥下等gps信号较弱的区域时,可以从车辆底盘系统中读取车辆的上述信息。
121.因此,上述信息的采集途径,本实施方式仅仅给出了一种具体方式,在实际应用中,可以根据实际情况采用不同的设备来获取。
122.实施方式三.本实施方式是对具体实施方式一或二所述的一种智能网联汽车公共道路危险场景提取方法的进一步限定,本实施方式中所述的危险场景触发条件是根据车辆行驶状态设置了不同的条件,具体为:
123.所述危险场景触发条件是指满足下述任意一项条件:
124.条件1:c≤d0且v≥20km/h,其中d为本车与前车的距离;其中d0为判断是否有必要探测目标车辆的临界距离,v为被试车速度,c为试车与前方目标车的距离;
125.条件2:d0<c≤d1且v≥36km/h;d1表示判断是否有必要测量距离或相对速度的临界距离;
126.条件3:d1<c≤d
max
时,d
max
为直道上的最大探测距离,根据道路情况所述危险触发条件分别为:
127.针对直道行驶的车辆,同时满足下面5个条件时为危险场景触发条件:
128.1)道路曲率>1000m;
129.2)本车与前车的碰撞时间<2.5s;
130.3)本车与前车的横向距离<2m;
131.4)车辆横向速度<3.5km/h;
132.5)同时满足上述条件的时间≥500ms。
133.针对弯道行驶的车辆,同时满足以下5个条件时为危险触发条件:
134.1)道路曲率≤1000m;
135.2)本车与前车的碰撞时间<2.5s;
136.3)本车与前车的横向距离<2m;
137.4)车辆横向速度<3.5km/h;
138.5)同时满足上述条件的时间≥500ms。
139.针对换道行驶的车辆,同时满足以下4个条件时为危险触发条件:
140.1)本车与前车的碰撞时间<2.5s;
141.2)本车与前车的横向距离<2m;
142.3)本车与盲区内车辆碰撞时间<3.5s;
143.4)同时满足上述条件的时间≥500ms。
144.本实施方式,针对车辆行驶状态设置了不同的危险场景触发条件进行了具体的设置,能够更精准的识别危险场景。
145.本实施方式设置了危险场景的触发条件,下面对危险场景的触发条件的做如下解释:
146.参见图5所示,图中,d0为判断是否有必要探测目标车辆的临界距离,单位为米(m),d0=max[2,(0.25
×vlow
)];式中v
low
表示本车的最低稳定车速,单位为米每秒(m/s);
[0147]
d1表示判断是否有必要测量距离或相对速度的临界距离,单位为米(m),d1=max[4,(τ
min
×vset_max
)];式中:τ
min
为本车可设定的最小车间时距,单位为秒(s),v
set_max
为可设定的最大车速,单位为米每秒(m/s)
[0148]dmax
为直道上的最大探测距离,单位为米(m);
[0149]
τ
max
为本车可设定的最大车间时距,单位为秒(s);
[0150]
与前车碰撞时间,也称之为车间时距τ,τ=c/v,其中v为被试车速度,c为试车与前方目标车的距离;
[0151]
所述道路曲率是指智能摄像头识别的道路曲率半径。
[0152]
实施方式四.本实施方式是对具体实施方式一、二或三所述的一种智能网联汽车公共道路危险场景提取方法的进一步限定,本实施方式中,所述数据同频处理步骤具体包括:
[0153]
使用数据插值的方法将场景数据中的每种数据进行升频处理,提升至设定的高频的步骤;
[0154]
将升频后的数据降低至设定频率,使场景数据中的每种数据的频率相同的步骤。
[0155]
本实施方式所述的数据同频处理,是为了保证不同设备采集的数据的频率不同无法进行统一处理的。
[0156]
本实施方式所述的方法,例如:所述场景数据中,一种数据的频率为10hz,另一种数据的频率为6hz,使用插值法先将这两种数据都做升频处理,使所述两种数据的频率提升至30hz,然后,再将升频后的两种数据都做降频处理变成10hz,使得场景数据中的所有数据的频率相同,便于后续处理。
[0157]
采用插值法对数据进行升频处理是现有技术。
[0158]
实施方式五.本实施方式是对具体实施方式一至四任意一项实施方式所述的一种智能网联汽车公共道路危险场景提取方法的进一步限定,本实施方式中增加了数据传输步骤:将危险场景文件上传至云端存储。
[0159]
本实施方式增加了数据上传的步骤,在实际情况中,采集的数据一般都是储存在储存介质中,如移动硬盘等,该种情况不利于数据的处理。本实施方式增加了数据传输步
骤,将数据传输到云端,能够实现数据共享,提高了后续对数据处理的便利性,也提高了数据采集的效率。例如,在车辆中增加实现实施方式一所述方法的软件模块,则可以实时的将采集到的危险场景上传到云端,然后就可以做进一步处理,例如:采用实施方式八所述的智能网联汽车公共道路危险场景构建方法构建危险场景用例。
[0160]
实施方式六.本实施方式所述的是一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行实施方式一至五中任意一项实施方式所述的智能网联汽车公共道路危险场景提取方法。
[0161]
实施方式一至五所述的智能网联汽车公共道路危险场景提取方法是采用计算机软件实现的,因此,本实施方式提供的是嵌入有实现上述各个实施方式所述方法的计算机。
[0162]
实施方式七.本实施方式所述的是一种智能网联汽车公共道路危险场景提取装置,所述装置包括如下单元:
[0163]
数据采集单元:用于采集装载有数据采集设备的车辆在行驶过程中获取的视频信息以及车辆的行驶信息、状态信息作为待处理的场景数据;
[0164]
数据同频处理单元,用于将待处理的场景数据中不同频率的数据调整至相同频率;
[0165]
危险场景触发条件判断单元:用于按照时间顺序读取场景数据中的信息,判断是否满足危险场景触发条件,如果满足,则启动危险场景提取单元;如果不满足,则关闭危险场景提取单元,并启动危险场景存储单元;
[0166]
危险场景提取单元:用于记录场景数据的绝对时间,并从该时间开始持续采集场景数据;
[0167]
危险场景存储单元:用于将危险场景提取步骤获得的所有场景数据以记录的绝对时间为名称形成危险场景文件;
[0168]
数据检查单元:用于检查提取的危险场景文件是否存在丢包问题,如果不存在,完成危险场景提取;如果存在,则对所述危险场景文件采用插值法补充数据,然后再次判断补充后的危险场景文件是否存在丢包问题,如果不存在,完成危险场景提取;如果存在,则启动危险场景数据重复提取单元;
[0169]
危险场景数据重复提取单元;用于依据危险场景文件的绝对时间以及文件时间长度在场景数据中重新提取数据,然后启动数据检查步骤。
[0170]
实施方式一至五所述的智能网联汽车公共道路危险场景提取方法是采用计算机软件实现的,本实施方式所述的装置是针对实施方式一所述的智能网联汽车公共道路危险场景提取方法的“产品形式”的描述方式。
[0171]
实施方式八.本实施方式所述的一种智能网联汽车公共道路危险场景构建方法,包括:
[0172]
危险场景获取步骤:采用实施方式一至五任意一项实施方式所述的智能网联汽车公共道路危险场景提取方法获得危险场景文件;
[0173]
数据标注步骤:在危险场景文件中的道路场景数据中搜索与道路场景数据库中的场景模型相同的图像模块,当搜索到相应图像模块时,在相应模块位置标注对应场景模型的标签名称;
[0174]
车道模型构建步骤:将危险场景数据文件中的识别出来的车道线信息进行提取处理,生成车道线模型;
[0175]
目标车型构建步骤:将危险场景数据中车辆信息提出出来,生成目标车型模型;
[0176]
本车模型构建步骤:根据危险场景数据中的车辆自身及行驶信息生产本车模型;
[0177]
天气模型构建步骤:根据车辆位置以及时间信息,生成天气模型;
[0178]
危险场景用例构建步骤:将上述模型信息进行平面化处理形成危险场景用例。
[0179]
参加图2所示,是采用本实施方式所述方法获得的危险场景用例,图中:场景为图片形式,参见图3所示,然后还包括天气信息、道路信息(弯道、道路宽度、坡度、当前车速、事故结果、场景中所有车辆的类型、地点。
[0180]
本实施方式,是基于实施方式一至五任意一项实施方式所述的智能网联汽车公共道路危险场景提取方法获得的危险场景文件实现的。本实施方式对危险场景文件进行处理,主要是根据危险场景文件中的数据生成各种场景模型,然后形成危险场景用例。采用本实施方式获得到的多个危险场景用例能够形成危险场景数据库,参见图4所示。
[0181]
所述危险场景库分享给智能网联系统工程师及试验工程师,用于智能网联系统设计参考、实车在环仿真、智能网联汽车场地性能试验等,能够指导研发技术快速升级,能够在仿真阶段快速找到逻辑问题,能够在试验阶段快速验证,对于智能网联汽车技术快速迭代有重要的指导意义。
[0182]
本实施方式所述的数据标注步骤,原因是:现有的车载智能摄像头及对应的目标物识别设备具有一定的目标物识别功能,例如:大多数能够能够识别出车道线宽度、清晰度、对比度、曲率等信息,根据这些新型能够生成车道线模型。
[0183]
但是其识别目标物的种类有限,很多道路场景中的物体无法识别,例如:如围栏、隔离带、路缘石等,针对这些道路场景中常见的目标物,有道路场景数据库,其中存储了相关场景的模型以及模型对应的标签名称。
[0184]
本实施方式中的数据标注步骤,就是根据道路场景数据中的各种场景模型,来对危险场景文件中的相应场景进行目标识别,然后进行标注。例如:在场景文件的道路场景书中获得某图像模块与场景数据中的“围栏模型”相同,而在场景数据中“围栏模型”对应的标签名称是“围栏”,则在场景文件中该图像模块的位置标注“围栏模型”对应的标签“围栏”。
[0185]
在实际应用中,还有可能出现一些场景数据库中没有的、且需要标注的场景,或现有图像识别无法识别的场景,此时,需要采用人工来实现标注,标注过程为:将危险场景进行回放,人为找到场景中应当标注而没有被标注的目标物体进行标注。
[0186]
现有的车载智能摄像设备(视频采集设备和目标物识别设备)具有识别所采集视频信息中的目标物种类的能力,例如:能够识别出目标物是轿车、货车、摩托车或者行人。并且还能够获得目标物的速度、加速度、距离等信息,将目标物以及与所述目标物相关的这些信息提出来就能够构建目标物模型。
[0187]
实施方式九.本实施方式所述的一种计算设备包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行实施方式八所述的智能网联汽车公共道路危险场景构建方法。
[0188]
实施方式八所述的智能网联汽车公共道路危险场景构建方法是采用计算机软件实现的,因此,本实施方式提供的是嵌入有实现上述各个实施方式所述方法的计算机。
[0189]
实施方式十.本实施方式所述的一种智能网联汽车公共道路危险场景构建装置包括:
[0190]
危险场景获取单元:用于前面任意一项实施方式所述的智能网联汽车公共道路危险场景提取方法获得危险场景文件;
[0191]
数据标注单元:在危险场景文件中的场景数据中搜索与危险场景数据库中的场景模型相同的图像模块,当搜索到相应图像模块时,在相应模块位置标注对应场景模型的标签名称;
[0192]
车道模型构建单元:将危险场景数据重点车道线信息提出处理,生成车道线模型;
[0193]
目标车型构建单元:将危险场景数据中车辆信息提出出来,生成目标车型模型;
[0194]
本车模型构建单元:根据危险场景数据中的车辆自身及行驶信息生产本车模型;
[0195]
天气模型构建单元:根据车辆位置以及时间信息,生成天气模型;
[0196]
危险场景用例构建单元:用于根据完成标注的危险场景以及构建完成的车道线模型、目标车型模型、本车模型和天气模型合并进行平面化处理形成危险场景用例。
[0197]
实施方式八所述的智能网联汽车公共道路危险场景构建方法是采用计算机软件实现的,本实施方式是针对实施方式八所述的智能网联汽车公共道路危险场景提取方法的“产品形式”的描述方式。
[0198]
本发明所述的两个方法均可以采用计算机软件实现,因此增加了相应的产品的描述方式,以及对应的计算机保护客体。上述实施方式仅仅是给出了几种具体的实施例,不限制本发明的保护范围。本发明的保护范围还可以是基于上述各个实施方式所记载的方法的等同替换,还可以是上述各个实施方式记载技术手段的合理组合。
转载请注明原文地址:https://tc.8miu.com/read-1349.html