[發明專利]自動駕駛測試場景構建方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202010625061.2
• 申請日: 2020-07-01
• 公開（公告）號: CN112036001A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 趙祥模;朱宇;王潤民;周文帥;徐志剛;承靖鈞;張心睿;劉占文;李妍;高贏
• 申請（專利權）人: 長安大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/06;G06F17/18
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 陳翠蘭

本發明公開了自動駕駛測試場景構建方法、裝置、設備及可讀存儲介質，從真實交通場景中進行基元場景提取建立基元場景描述模型，從基元場景描述變量分布區間內選取描述變量取值，基于重要性抽樣的蒙特卡洛方法對描述變量依據描述變量分布進行隨機取樣生成測試基元場景；根據測試任務中測試場景要素的參數測試基元場景按照重新組合的方法生成測試場景，本發明能夠直接模擬實際復雜系統，有效解決復雜系統簡化導致的結果失真問題，避免高維問題數值解誤差隨維數增加而迅速增加的維數災難問題；采用高風險場景強化生成方法，用較小的計算開銷生成較多的高風險場景，有效的增加生成場景中高風險場景的數量，降低低風險場景的數量，提高測試的效率。

技術領域

本發明屬于自動駕駛測試技術領域，涉及自動駕駛測試場景構建方法、裝置、設備及可讀存儲介質。

背景技術

自動駕駛汽車是集環境感知、決策規劃、控制執行于一體的智能交通工具，代表著未來汽車科技的戰略制高點。隨著一系列關鍵技術的發展，自動駕駛汽車為解決“交通事故、交通擁堵、環境污染、能源短缺”等問題提供了新的途徑。科學完善的測試驗證評價體系對提高自動駕駛汽車的研發效率、健全相關法律法規、推進智能交通發展至關重要。

此外，與傳統汽車的人-車二元獨立測試不同，自動駕駛汽車是人-車- 路-環境強耦合系統，傳統的道路場地測試已經無法滿足自動駕駛汽車的測試需求。基于場景的虛擬測試技術試驗場景配置靈活、測試效率高、測試重復性強、測試過程安全、測試成本低，可實現自動測試和加速測試，同時虛擬測試系統能夠模擬實際車輛測試中危險或難以實現的極端場景，這樣可以大大減少測試的難度、風險和工作量。因此，基于場景的虛擬測試已成為自動駕駛汽車測試評價不可或缺的重要環節。然而，目前缺乏一種自動駕駛測試場景的生成方法，無法有效模擬真實交通場景。因此，亟需一種能夠滿足自動駕駛測試場景有效性和覆蓋性要求的測試場景生成方法。

發明內容

本發明的目的在于提供自動駕駛測試場景構建方法、裝置、設備及可讀存儲介質，以克服現有技術的不足。

為達到上述目的，本發明采用如下技術方案：

一種基于基元場景的自動駕駛測試場景構建方法，包括以下步驟：

步驟1)、從真實交通場景中進行基元場景提取建立基元場景描述模型，采用高斯混合模型對基元場景描述模型中基元場景描述變量的分布進行估計；

步驟2)、根據基元場景描述模型，從基元場景描述變量分布區間內選取描述變量取值，采用基于重要性抽樣的蒙特卡洛方法對描述變量依據描述變量分布進行隨機取樣生成測試基元場景；

步驟3)、根據測試任務確定測試場景要素參數，將步驟S2生成的測試基元場景按照測試場景要素參數以重新組合的方法生成測試場景。

進一步的，將真實交通場景分解為獨立的基元，將分解為獨立的基元進行模型化和參數化。

進一步的，建立基元場景描述模型是基元場景描述變量分布規律的概率分布問題，采用高斯混合模型對基元場景描述變量的分布進行估計：

設待估計的隨機變量為X，則X的高斯混合模型表示為：

其中，N(x|μ_k,∑_k)是高斯混合模型中的第k個分量，α_k是混合系數，滿足

在參數估計時，數據總體服從高斯混合分布,概率分布由上式中的高斯混合模型表示，模型中包含N組未知參數(μ_k,∑_k,α_k)，根據樣本數據確定模型參數取值。

進一步的，對于未知參數，通過EM算法迭代計算，尋找最優化未知參數(μ,∑,α)。

進一步的，通過EM算法迭代計算具體包括以下步驟：