一种场景库数据生成方法与流程

1.本发明涉及自动驾驶仿真场景建设技术领域，具体涉及一种场景库数据生成方法。


背景技术：

2.驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。驾驶场景测试用例主要通过虚拟仿真环境及工具链进行复现，因此建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。虚拟场景数据库具有无限性、扩展性、批量化、自动化的特点。
3.仿真场景库建设的主要内容：基于实际道路场景，在仿真软件中构建对应的仿真场景。主要流程包括：实车数据采集、实车数据处理、数据分析和提取、场景参数化定义、依据参数化定义在仿真场景中进行场景搭建。最后在搭建的仿真场景中，目标物相对本车的实时位置关系应该与实际道路时高度一致，以支撑在仿真台架上进行传感器识别测试、辅助驾驶/自动驾驶功能测试。
4.现有技术一般方案：现有场景库实车数据采集系统一般包括高精度激光雷达(线数≥64)、惯导gps/差分gps(精度cm级别)、智能摄像头、毫米波雷达、行车记录仪等设备，以实现高精度、高频率的数据采集。
5.现有技术应用高线束的激光雷达以及惯导gps/差分gps，虽然能够得到较为准确的数据，但是高精度、高频率采集，导致数据量过大，对采集设备和存储设备性能有较高要求导致成本高，且后续数据处理工作量极大导致工作量大、效率低。另外，采集成本高：采用价格昂贵的高线数激光雷达，因采集要求高要求配套采集设备和存储设备性能强大导致成本增加。


技术实现要素：

6.针对现有技术中存在的缺陷，本发明的目的在于提供一种场景库数据生成方法，能够解决现有技术中采用价格昂贵的高线数激光雷达，因采集要求高要求配套采集设备和存储设备性能强大导致成本增加的问题。
7.为达到以上目的，本发明采取的技术方案是：
8.本发明提供一种场景库数据生成方法，包括以下步骤：
9.采用普通gps间隔设定时间获取采集车行驶时的定位信息；
10.获取采集车前方的环境目标相对于采集车的距离数据；
11.建立全局坐标系，根据gps数据拟合采集车的行驶轨迹，根据采集车的行驶轨迹和环境目标相对于采集车的距离数据，拟合环境目标的轨迹。
12.在一些可选的方案中，根据gps数据拟合采集车的行驶轨迹，包括：
13.建立全局坐标系，将获取采集车行驶时的定位信息换算成全局坐标；
14.将采集车行驶时所有定位信息的全局坐标进行分段划分，并拟合轨迹曲线；
15.将分段拟合轨迹曲线进行平滑处理，得到全局坐标系下采集车的行驶轨迹。
16.在一些可选的方案中，获取采集车前方的环境目标相对于采集车的距离数据，包括环境目标相对于采集车的横向距离、纵向距离和角度信息。
17.在一些可选的方案中，根据采集车的行驶轨迹和环境目标相对于采集车的距离数据，拟合环境目标的轨迹，包括：
18.在采集车的行驶轨迹上，叠加环境目标的每个采样点相对采集车的行驶轨迹的横向距离和纵向距离得到环境目标的全局坐标离散点；
19.将环境目标的全局坐标离散点通过分段多项式拟合环境目标的全局坐标离散点得到环境目标的全局坐标离散点的分段式轨迹；
20.将环境目标的全局坐标离散点的分段式轨迹的分段拼接不平滑处进行平滑处理，得到全局坐标系下环境目标的轨迹。
21.在一些可选的方案中，获取采集车前方的环境目标相对于采集车的距离数据，包括以下步骤：
22.采用两个智能摄像头和两个毫米波雷达采集关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据，以及一个普通摄像头获取采集车前方环境目标的视频信息；
23.对两个智能摄像头和两个毫米波雷达采集的，关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据，进行有效性判断，结合普通摄像头获取采集车前方环境目标的视频信息，筛除无效数据和进行数据处理，得到环境目标相对于采集车的横向距离和纵向距离。
24.在一些可选的方案中，对两个智能摄像头和两个毫米波雷达采集的，关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据，进行有效性判断，结合普通摄像头获取采集车前方环境目标的视频信息，筛除无效数据和进行数据处理得到环境目标相对于采集车的横向距离和纵向距离，包括：
25.在确定环境目标相对于采集车的纵向距离时：
26.首先对比两个毫米波雷达采集的环境目标相对于所述采集车的纵向采集距离数据，
27.当两个毫米波雷达采集的纵向采集数据差值在第一设定范围内时，采用两个毫米波雷达的纵向采集数据均值作为环境目标相对采集车的纵向距离；
28.当两个毫米波雷达采集的纵向采集距离数据差值不在第一设定范围内时，将两个智能摄像头采集的环境目标相对于所述采集车的纵向采集距离数据均值，与两个毫米波雷达采集的环境目标相对于所述采集车的纵向采集距离数据均值对比，取与两个智能摄像头的纵向采集距离数据均值误差小者作为最终环境目标相对采集车的纵向距离；
29.在确定环境目标相对于采集车的横向距离时：
30.首先对比两个智能摄像头的环境目标相对于所述采集车的横向采集距离数据，
31.当两个智能摄像头采集的横向采集数据差值在第二设定范围内时，采用两个智能摄像头的横向采集数据均值作为环境目标相对采集车的横向距离；
32.当两个智能摄像头采集的横向采集距离数据差值不在第二设定范围内时，采用普通摄像头获取采集车前方环境目标的视频信息进行人工再判断，确定环境目标相对采集车的横向距离。
33.在一些可选的方案中，在利用两个毫米波雷达采集关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据时，还采集环境目标中环境车辆和行人的rcs。
34.在一些可选的方案中，在采用两个智能摄像头采集关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据时，还采集环境目标中环境车辆、行人和车道线的轮廓信息，并进行类型分类。
35.在一些可选的方案中，根据拟合环境目标的轨迹中环境车辆和行人的轨迹确定环境车辆和行人的朝向角。
36.在一些可选的方案中，在获取采集车前方的环境目标相对于采集车的距离数据时，还利用激光雷达采集环境目标和采集车之间的相对距离数据，根据激光雷达采集环境目标和采集车之间的相对距离数据，对全局坐标系中采集车的行驶轨迹和环境目标的轨迹之间绝对距离进行校核。与现有技术相比，本发明的优点在于：获取采集车行驶时的定位信息采用普通卫星定位gps(米级)替代现有方案中的价格昂贵的惯导gps或者差分gps，获取采集车前方的环境目标相对于采集车的距离数据时，获取的频率与普通gps的定位时间间隔接近，可以降低采集设备和存储设备性能要求，从而形成低成本方案。通过拟合的方式获取采集车在全局坐标系下的轨迹，并且通过获取采集车前方的环境目标相对于采集车的距离数据，结合采集车在全局坐标系下的轨迹，得到环境目标在全局坐标系下的数据，再进行拟合，从而得到采集车和环境目标在全局坐标系下的轨迹，也可以生成较为准确的仿真数据库所需的数据。
附图说明
37.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
38.图1为本发明实施例中一种场景库数据生成方法的流程示意图；
39.图2为本发明实施例中拟合采集车轨迹的示意图；
40.图3为本发明实施例中拟合环境目标轨迹的示意图。
具体实施方式
41.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
42.以下结合附图对本发明的实施例作进一步详细说明。
43.如图1所示，本发明提供一种场景库数据生成方法，包括以下步骤：
44.s1：采用普通gps间隔设定时间获取采集车行驶时的定位信息。
45.采集车行驶时的定位信息包括全球定位系统中的坐标和车速信息。全球定位系统中的坐标通过普通gps获取，车速信息可通过普通gps获取或者采集车的总线获取。
46.s2：获取采集车前方的环境目标相对于采集车的距离数据。
47.本例中，获取采集车前方的环境目标相对于采集车的距离数据时，在预设频率下获取，频率与普通gps间隔设定时间定位频率差值在设定范围内，为了保证精度定位频率不低于10hz，为了避免增加过多计算量定位频率不高于20hz。
48.在一些可选的实施例中，获取采集车前方的环境目标相对于采集车的距离数据，包括环境目标相对于采集车的横向距离、纵向距离和角度信息。
49.其中，获取采集车前方的环境目标相对于采集车的距离数据，直接获取的距离数据为直线纵向距离数据和角度数据，根据直线纵向距离数据和角度数据为换算为横向距离和纵向距离。
50.另外，在获取采集车前方的环境目标相对于采集车的距离数据时，将采集车前方的环境目标简化为数据点，相同的环境目标简化为点状数据时，将相同的环境目标的相同位置的数据作为数据点。例如环境目标为车辆时，取车辆中轴线最下端数据作为数据点。
51.环境目标包括环境车辆(采集车前方的车辆)、行人和车道线。
52.在一些可选的实施例中，获取采集车前方的环境目标相对于采集车的距离数据，包括以下步骤：
53.采用两个智能摄像头和两个毫米波雷达采集关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据，以及一个普通摄像头获取采集车前方环境目标的视频信息。
54.对两个智能摄像头和两个毫米波雷达采集的，关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据，进行有效性判断，结合普通摄像头获取采集车前方环境目标的视频信息，筛除无效数据和进行数据处理，得到环境目标相对于采集车的横向距离和纵向距离。
55.在筛除无效数据和进行数据处理得到环境目标相对于采集车的横向距离和纵向距离时，具体包括：
56.在确定环境目标相对于采集车的纵向距离时：
57.首先对比两个毫米波雷达采集的环境目标相对于所述采集车的纵向采集距离数据，当两个毫米波雷达采集的纵向采集数据差值在第一设定范围内时，采用两个毫米波雷达的纵向采集数据均值作为环境目标相对采集车的纵向距离。
58.当两个毫米波雷达采集的纵向采集距离数据差值不在第一设定范围内时，将两个智能摄像头采集的环境目标相对于所述采集车的纵向采集距离数据均值，与两个毫米波雷达采集的环境目标相对于所述采集车的纵向采集距离数据均值对比，取与两个智能摄像头的纵向采集距离数据均值误差小者作为最终环境目标相对采集车的纵向距离。
59.在确定环境目标相对于采集车的横向距离时：
60.首先对比两个智能摄像头的环境目标相对于所述采集车的横向采集距离数据，当两个智能摄像头采集的横向采集数据差值在第二设定范围内时，采用两个智能摄像头的横向采集数据均值作为环境目标相对采集车的横向距离。
61.当两个智能摄像头采集的横向采集距离数据差值不在第二设定范围内时，采用普
通摄像头获取采集车前方环境目标的视频信息进行人工再判断，确定环境目标相对采集车的横向距离。
62.采用普通摄像头获取采集车前方环境目标的视频信息进行人工再判断后，选取人工判断的数据作为环境目标相对采集车的横向距离。
63.本例中，采用毫米波雷达这样采集的数据可以少一些，避免需要高容量的存储设备，另外，采用毫米波雷达，也可以减少成本。
64.毫米波雷达用来获取纵向采集距离数据和角度采集信息，可根据纵向采集距离数据和角度采集信息换算出横向采集距离数据，两个智能摄像头用来获取横向采集距离数据。
65.另外，在一些可选的实施例中，在利用两个毫米波雷达采集关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据时，还采集环境目标中环境车辆和行人的rcs(radar cross section，雷达截面积)。
66.本例中，通过两个毫米波雷达采集到的环境目标中环境车辆和行人的rcs，可以在进行数据库仿真复现时，可采用每两个相邻rcs数据进行插值得到全轨迹环境车辆和行人的rcs。
67.在一些可选的实施例中，在采用两个智能摄像头采集关于环境目标相对于所述采集车的横向采集距离和纵向采集距离数据时，还采集环境目标中环境车辆、行人和车道线的轮廓信息，并进行类型分类。
68.本例中，在采集时，为了拟合数据方便，是将环境车辆、行人和车道线简化为数据点的形式，但是全部为数据点又无法在复现时将数据点的类型区分。所以将环境车辆、行人和车道线简化为数据点的形式时，同时采集环境目标中环境车辆、行人和车道线的轮廓信息，并进行类型分类，并将轮廓信息和类型分类与环境车辆、行人和车道线简化后的数据点对应，以使后续在建立仿真场景时将环境车辆、行人和车道线复现。
69.如图2和图3所示，图2中左侧为将采集车行驶时的定位信息换算成全局坐标的示意图，右侧为拟合采集车轨迹的示意图。s3：建立全局坐标系，根据gps数据拟合采集车的行驶轨迹，根据采集车的行驶轨迹和环境目标相对于采集车的距离数据，拟合环境目标的轨迹。
70.其中，根据gps数据拟合采集车的行驶轨迹，包括：
71.a1：建立全局坐标系，将获取采集车行驶时的定位信息换算成全局坐标。
72.本例中，建立仿真场景模型时，需建立全局坐标系，将采用普通gps间隔设定时间获取采集车行驶时的定位信息，转换至全局坐标系中，为后续的仿真场景模型做准备。
73.b1：将采集车行驶时所有定位信息的全局坐标进行分段划分，并拟合轨迹曲线。
74.本例中，拟合轨迹曲线采用五阶以内的多项式拟合计算。
75.c1：将分段拟合轨迹曲线进行平滑处理，得到全局坐标系下采集车的行驶轨迹。
76.本例中，以全局坐标系下采集车的行驶轨迹作为基准，再利用传感器获得的其他环境目标相对与采集车的距离就可以得到环境目标在全局坐标系中的坐标。
77.图3中上方为拟合环境目标轨迹，下方为拟合采集车轨迹的示意图。
78.另外，根据采集车的行驶轨迹和环境目标相对于采集车的距离数据，拟合环境目标的轨迹，包括：
79.a2：在采集车的行驶轨迹上，叠加环境目标的每个采样点相对采集车的行驶轨迹的横向距离和纵向距离得到环境目标的全局坐标离散点。
80.本例中，先将全局坐标系下采集车的行驶轨迹拟合出来后，可以通过插值或者求解的方式获得环境目标的每个采样点相同时刻采集车的坐标，在相同时刻叠加环境目标的每个采样点相对采集车的行驶轨迹的横向距离和纵向距离得到环境目标的全局坐标离散点。采样点即上述的数据点。
81.另外，还可以采集的车速和毫米波雷采集的数据达换算处环境目标中环境车辆和行人的速度。
82.b2：将环境目标的全局坐标离散点通过分段多项式拟合环境目标的全局坐标离散点得到环境目标的全局坐标离散点的分段式轨迹。
83.c2：将环境目标的全局坐标离散点的分段式轨迹的分段拼接不平滑处进行平滑处理，得到全局坐标系下环境目标的轨迹。
84.在一些可选的实施例中，在获取采集车前方的环境目标相对于采集车的距离数据时，还利用激光雷达采集环境目标和采集车之间的相对距离数据，根据激光雷达采集环境目标和采集车之间的相对距离数据，对全局坐标系中采集车的行驶轨迹和环境目标的轨迹之间绝对距离进行校核。
85.本例中，因采用低成本激光雷达分辨率有限，校核时通过比对激光雷达探测得到的环境目标和采集车的相对数据、拟合全局轨迹中环境目标和采集车相同时刻点的绝对距离进行校核，为了减少计算量同时保证校核精度，根据场景复炸度校核采样点周期设置为1s-5s，简单场景取5s,复杂场景取1s，当校核点与拟合轨迹误差小于一定误差则该数据可用。
86.s4：根据拟合环境目标的轨迹中环境车辆和行人的轨迹确定环境车辆和行人的朝向角。
87.本例中，将采集车和环境目标的在全局坐标系下的轨迹都拟合出来后，就可以通过对进行求导得到采集车和环境目标在各个采样点的朝向角。
88.另外，还通过普通摄像头获取车道数、车道线类型和道旁建筑的信息。
89.最后通过全局坐标系下采集车和环境目标的轨迹、采集车的车速和朝向角、环境目标中环境车辆和行人速度、朝向角以及rcs和环境目标的类型(环境车辆、行人和车道线)和外轮廓(宽度)，即可建立仿真场景模型。
90.另外，本发明还提供一种场景库数据生成装置。该场景库数据生成装置包括：
91.定位机构，用于采用普通gps间隔设定时间获取采集车行驶时的定位信息；
92.环境目标采集机构，其用于获取采集车前方的环境目标相对于采集车的距离数据。
93.数据处理机构，其用于建立全局坐标系，根据gps数据拟合采集车的行驶轨迹，根据采集车的行驶轨迹和环境目标相对于采集车的距离数据，拟合环境目标的轨迹。
94.本例中，定位机构和环境目标采集机构包括一下传感器：
[0095][0096]
通过本方案系统生成的场景库数据包括：
[0097]
[0098][0099]
另外，还包括储存机构，用来储存定位机构和环境目标采集机构采集到的数据。包括同步采集平台用来同步存储两个只能摄像头、两个毫米波雷达、一个gps和一个四线激光雷达的采集数据，视频实时存储模块用来存储普通摄像头采集的视频信息。
[0100]
综上所述，本方案采用普通gps间隔设定时间获取采集车行驶时的定位信息；获取采集车前方的环境目标相对于采集车的距离数据；建立全局坐标系，根据gps数据拟合采集车的行驶轨迹，根据采集车的行驶轨迹和环境目标相对于采集车的距离数据，拟合环境目标的轨迹。获取采集车行驶时的定位信息采用普通卫星定位gps(米级)替代现有方案中的价格昂贵的惯导gps或者差分gps，获取采集车前方的环境目标相对于采集车的距离数据时，获取的频率与普通gps的定位时间接近，可以降低采集设备和存储设备性能要求，从而形成低成本方案。通过拟合的方式获取采集车在全局坐标系下的数据，并且通过获取采集车前方的环境目标相对于采集车的距离数据，得到环境目标在全局坐标系下的数据，从而得到采集车和环境目标在全局坐标系下的轨迹。本例中采用极低线数激光雷达替代现有方案中的价格昂贵的高线数激光雷达，同样可以降低采集设备和存储设备性能要求，从而形成低成本方案。
[0101]
需要说明的是，在本技术中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0102]
以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的
一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。