一种车端感知数据模拟方法、装置、设备和可读介质与流程

1.本技术涉及高精度地图技术领域，尤其涉及一种车端感知数据模拟方法、装置、设备和计算机可读介质。


背景技术：

2.近年来，无人驾驶汽车受到各国政府前所未有的重视，无人驾驶技术是对人类驾驶员在长期驾驶实践中，对“环境感知—决策与规划—控制与执行”过程的理解、学习和记忆的物化，无人驾驶汽车是一个复杂的、软硬件结合的智能自动化系统。
3.在无人驾驶领域中，高精度地图作为先验环境信息的服务提供者，拥有着举足轻重的作用，特别是在高精度定位、辅助环境感知、规划与决策过程中起着至关重要的作用。高精度地图中，除了包含传统地图所包含的内容外，还包含详细道路模型，具体包括车道模型、道路部件、道路属性以及其他各种动态信息等。
4.基于无人驾驶对高精度地图的要求，高精度地图的绝对和相对坐标的精度需要更高，并且高精度地图所含有的信息元素需要更丰富和细致，才能够给自动驾驶系统提供高鲜度、高精度、多维度的道路及附加信息。也正因为如此，高精度地图相对于传统的电子地图在工艺、品质、更新周期、道路属性丰富程度等方面都对高精度地图服务提供商提出了新的挑战。
5.由于高精度地图的重要作用，如何保证高精度地图及时地反映实际发生的变化，即，如何保证高精度地图的鲜度，成为了一项重要要求。目前，为了满足高鲜度的需求，通常会采用基于众包数据采集源提供的数据对高精度地图进行更新的方法，即，由众包采集车获取数据提供至众包更新系统，来实现高精度地图的更新。
6.众包更新需要依赖大量的高精度矢量数据，但是，受限于成本等因素，目前都是在特定区域采集有限次数的高精度矢量数据，这样采集的数据普遍存在数据源单一、测试场景有限的问题，因此很容易导致众包更新系统的过拟合。另外，由于车载传感器能力往往也无法精确反映现实变化，无法获取高精度矢量数据对应的真值。由此，导致无法判断众包更新系统的正确性。


技术实现要素：

7.本说明书实施例提供一种车端感知数据模拟方法、装置、设备和计算机可读介质，以解决现有的无法判断众包更新系统的正确性的问题。
8.为解决上述技术问题，本说明书实施例是这样实现的：
9.本说明书实施例提供的一种车端感知数据模拟方法，用于对传感器数据能力进行模拟，包括：获取高精度地图数据；根据预设的轨迹模拟参数，确定采集车端在所述高精度地图中的模拟行车轨迹；根据预设的车端数据能力参数，确定采集车端沿所述模拟行车轨迹采集的车端模拟感知数据；所述车端模拟感知数据用于对众包更新系统进行测试。
10.本说明书实施例提供的一种车端感知数据模拟装置，用于对传感器数据能力进行
模拟，包括：高精度地图数据获取模块，用于获取高精度地图数据；模拟行车轨迹确定模块，用于根据预设的轨迹模拟参数，确定采集车端在所述高精度地图中的模拟行车轨迹；车端模拟感知数据确定模块，用于根据预设的车端数据能力参数，确定采集车端沿所述模拟行车轨迹采集的车端模拟感知数据；所述车端模拟感知数据用于对众包更新系统进行测试。
11.本说明书实施例提供的一种车端感知数据模拟设备，用于对传感器数据能力进行模拟，包括：
12.至少一个处理器；以及，
13.与所述至少一个处理器通信连接的存储器；其中，
14.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取高精度地图数据；根据预设的轨迹模拟参数，确定采集车端在所述高精度地图中的模拟行车轨迹；根据预设的车端数据能力参数，确定采集车端沿所述模拟行车轨迹采集的车端模拟感知数据；所述车端模拟感知数据用于对众包更新系统进行测试。
15.本说明书实施例提供的一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现一种车端感知数据模拟方法。
16.本说明书一个实施例至少能够达到以下有益效果：通过利用高精度地图中各种矢量要素对现实进行仿真模拟，并且通过对高精度地图中各种要素的修改(例如，新增要素、删除要素和修改要素)模拟现实世界的变化，读取高精度地图生成不同的车辆模拟行车轨迹，提取车辆模拟行车轨迹范围内的道路要素，并依据预设的传感器能力配置参数对传感器感知数据进行模拟，生成不同能力的模拟传感器数据，由此，能够有效解决因众包更新系统中采集车端感知数据的测试场景覆盖度不足、数据源单一、现实世界真值不易获取等因素导致的无法快速判断众包更新系统的正确性的问题。
附图说明
17.为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1为本说明书实施例提供的一种车端感知数据模拟方法的应用场景的示意图；
19.图2为本说明书实施例提供的一种车端感知数据模拟方法的流程示意图；
20.图3为本说明书实施例提供的一种实际应用场景下，车端模拟感知数据生成系统的执行流程示意图；
21.图4为本说明书实施例提供的对应于图2的一种车端感知数据模拟装置的结构示意图；
22.图5为本说明书实施例提供的对应于图2的一种车端感知数据模拟设备的结构示意图。
具体实施方式
23.为了满足高鲜度的需求，通常会采用基于众包数据采集源提供的数据对高精度地
图进行更新的方法，即，由众包采集车获取数据提供至众包更新系统，来实现高精度地图的更新。在众包更新过程中，需要依赖大量的高精度矢量数据，但是，受限于成本等因素，目前都是在特定区域采集有限次数的高精度矢量数据，这样采集的数据普遍存在数据源单一、测试场景有限的问题，因此很容易导致众包更新系统的过拟合，即，众包更新系统可能存在正确性问题。另外，由于车载传感器能力往往也无法精确反映现实变化，无法获取高精度矢量数据对应的真值。由此，导致无法便捷、准确地判断众包更新系统的正确性。
24.有鉴于此，本说明书实施例提供了一种基于高精度地图进行采集车端感知数据模拟的方法，基于高精度地图，对车载传感器的各项能力进行仿真模拟，从而得到模拟的各种能力(反映不同数据源、不同场景)的传感器数据。鉴于此，能够有效解决因众包更新系统中采集车端感知数据的测试场景覆盖度不足、数据源单一、现实世界真值不易获取等因素导致的无法快速判断众包更新系统的正确性的问题。基于本说明书的实施例，一方面，所生成的车端模拟感知数据的数据能力可配置(例如，可模拟的场景的覆盖度高、可模拟的采集源多样)且所模拟的现实世界真值可直接获取，由此，能够被用于快速判断众包更新系统的正确性；另一方面，通过利用模拟生成的丰富的车端感知数据对众包更新系统进行压力测试等测试，能够提升对众包更新系统的测试效率和测试能力。
25.为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书一个或多个实施例保护的范围。
26.应当理解，尽管在本技术文件中可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。
27.以下结合附图，详细说明本说明书各实施例提供的技术方案。
28.图1为本说明书实施例中一种车端感知数据模拟方法的应用场景的示意图。
29.如图1所示，本说明书实施例中的车端感知数据模拟方法可以应用于车端模拟感知数据生成系统101中，在生成车端模拟感知数据后，可以用于输入至众包更新系统102，以便对众包更新系统102的正确性进行判断，还可以用于对众包更新系统102进行压力测试等。
30.具体地，所述车端模拟感知数据生成系统101用于，利用高精度地图中各种矢量要素对现实进行仿真模拟，并且可选地，可以通过对高精度地图中各种要素的修改(例如，新增要素、删除要素和修改要素)来模拟现实世界的变化；然后读取高精度地图生成不同的车辆模拟行车轨迹，提取车辆模拟行车轨迹范围内的道路要素，并依据预设的传感器能力配置参数对传感器感知数据进行模拟，生成不同能力的模拟传感器数据，即，不同能力的车端模拟感知数据。其中，预设的传感器能力配置参数，具体可以是通过对众包采集车的传感器检测能力和上报矢量数据特性等进行研究而提取的传感器数据能力的关键因素(例如，道路要素、绝对精度、相对精度、准确率、召回率、时间热度、空间热度等)相对应的参数。
31.所述众包更新系统102指的是，基于众包采集车的车端传感器所真实采集的车端感知数据(例如，高精度矢量数据)，来对高精度地图进行更新的系统。其中，所述车端传感器可以包括激光雷达传感器、图像传感器(例如，全景相机)、定位装置(例如，全球定位系
统、惯性导航系统)等，不限于此。
32.接下来，将针对说明书实施例提供的用于对传感器数据能力进行模拟的一种车端感知数据模拟方法结合附图进行具体说明。
33.图2为本说明书实施例提供的一种车端感知数据模拟方法的流程示意图。从程序角度而言，图2的流程的执行主体可以为搭载于应用服务器或应用终端的程序。具体地，图2的流程的执行主体可以为如图1所示的车端模拟感知数据生成系统。
34.如图2所示，该流程可以包括以下步骤：
35.步骤202：获取高精度地图数据。
36.在本说明书的实施例中，需要基于高精度地图数据中的高精度、内容丰富的矢量数据来实现对车端传感器的模拟，从而生成车端模拟感知数据。例如，在步骤204中生成模拟行车轨迹的过程中，可以在高精度地图中选取模拟轨迹起点，可以利用高精度地图数据中的道路接续关系来确定模拟行车道路序列，可以考虑高精度地图的边界来控制轨迹探索过程等。又如，在步骤206中生成车端模拟感知数据的过程中，可以基于高精地图数据中的道路要素数据来确定待模拟的道路要素对象列表，可以在高精度地图中的要素数据基础上结合各种传感器数据能力指标来确定待上报的要素数据等。
37.其中，所使用的高精地图数据可以是已采集的、包含有本说明书实施例的方案执行所需的必要信息的高精地图数据。并且，所使用的高精地图数据的具体等级无需限定，例如，可以是成品级或非成品级的地图数据。
38.步骤204：根据预设的轨迹模拟参数，确定采集车端在所述高精度地图中的模拟行车轨迹。
39.在本说明书的实施例中，可以预先设置有系统参数集。所述系统参数集可以是所述车端模拟感知数据生成系统中所有配置的参数的集合，即，可以是包含本说明书实施例的方法执行所需配置的参数的集合。例如，所述系统参数集可以包括步骤204所需的预设的轨迹模拟参数、步骤206所需的预设的车端数据能力参数等。
40.在进行车的传感器数据模拟的过程中，可以先在高精度地图上确定出采集车的模拟行车轨迹(如步骤204)；进而再基于模拟行车轨迹确定出采集车能够采集的模拟道路要素对象列表，并确定出各模拟道路对象对应的待上报的模拟感知数据(如步骤206)。
41.在步骤204中，所述轨迹模拟参数可以包括模拟轨迹长度和模拟行车参数。步骤204具体可以包括：(4.1)根据预设的选取策略，在所述高精度地图中选取模拟轨迹起点；(4.2)确定从所述模拟轨迹起点开始的满足所述模拟轨迹长度的模拟道路序列；(4.3)根据所述模拟行车参数，确定采集车端沿所述模拟道路序列的模拟行车轨迹。
42.在一个或更多个实施例中，在(4.1)中确定模拟轨迹起点的过程，可以采取如下可选的策略：轨迹起点可以在整个高精度地图或指定范围内平均分布。对于任一轨迹起点的选取，可以根据均匀分布函数在整个高精度地图或指定范围内随机选取一条道路对象，然后再根据均匀分布函数在该道路对象上随机取一个点作为轨迹的起点。
43.在一个或更多个实施例中，在(4.2)中确定从所述模拟轨迹起点开始的满足所述模拟轨迹长度的模拟道路序列的过程，具体可以包括：基于选取的所述模拟轨迹起点和所述模拟轨迹起点所在的起始道路，生成初始化道路序列和初始化轨迹长度(即，将所述起始道路加入到初始化道路序列，将所述起始道路的长度确定为初始化轨迹长度)；然后确定接
续道路，即，根据所述高精度地图数据中的道路接续关系，确定所述起始道路的接续道路；然后更新道路序列和轨迹长度，即，根据所述接续道路，对所述初始化道路序列和初始化轨迹长度进行更新，得到更新后的道路序列和更新后的轨迹长度。重复执行确定接续道路的步骤以及更新道路序列和轨迹长度的步骤，直至更新后的轨迹长度满足所述模拟轨迹长度，将所得到的道路序列确定为所述模拟道路序列。
44.在实际应用时，若所述起始道路之后存在分叉路口，在确定接续道路时，可以根据预设的道路探索规则将所述分叉路口后的多条道路中的一条道路确定为所述起始道路的接续道路；所述预设的道路探索规则包括道路等级或道路热度中的至少一者。
45.在此基础上，可选地，还可以将所述分叉路口记录到路口序列中；由此，若在轨迹探索到达所述高精度地图的边界时所得到的道路序列尚未满足所述模拟轨迹长度，则可以返回所述路口序列中的上一分叉路口；然后选取所述上一分叉路口对应的除已选择的道路之外的其他道路作为所述接续道路。
46.在实践中，(4.2)中确定从所述模拟轨迹起点开始的满足所述模拟轨迹长度的模拟道路序列的过程具体可以包括如下执行步骤(4.2.1)、(4.2.2)和(4.2.3)：
47.(4.2.1)可以读取系统参数集，提取轨迹长度范围参数l，根据均匀分布函数从参数l中生成当前模拟轨迹的长度len。
48.(4.2.2)可以获取预设的道路探索规则或设定道路探索规则，例如，所述道路探索规则可以是基于道路等级或道路热度等来确定接续道路的规则。
49.(4.2.3)可以以(4.1)中选取的起点和道路信息，初始化道路序列信息(即，计算当前轨迹的长度m并将该道路加入道路序列linklist)；然后根据高精度地图提供的道路接续关系探索道路，探索到接续道路后，将探索到的道路加入linklist，并更新m(m＝m+加入道路的长度)；探索过程中遇到分叉路时，可以优先选取满足探索规则的道路，都不满足探索规则时，可以根据均匀分布函数随机从接续道路中选取一条道路，将选定的道路加入linklist，同时将分叉路信息加入路口序列crosslist；当m》＝len时，探索结束，返回linklist及m；当探索到高精度地图边界还没有完成探索时，返回到crosslist中上一个分叉路，并选取分叉路的其他道路进行探索，当m》＝len时，探索结束，返回linklist及m；当crosslist中的分叉路全部探索完，仍然没有满足m》＝len，则舍弃该轨迹，重新选取起点。
50.在一个或更多个实施例中，在(4.3)中根据所述模拟行车参数，确定采集车端沿所述模拟道路序列的模拟行车轨迹时，具体可以包括：根据所述模拟道路序列，确定采集车端的模拟行车路径；然后根据所述模拟行车参数，确定采集车端在所述模拟行车路径上的模拟行车轨迹。其中，所述模拟行车参数具体可以包括车辆速度、形点间时间间隔及初始时间等。
51.在本说明书的实施例中，所述模拟道路序列中包含有接续的道路信息；所述模拟行车路径在所述模拟道路序列基础上还可以包含车道信息等更具体的路径信息；所述模拟行车轨迹在所述模拟行车路径的基础上还可以包含要素信息采集点等与要素数据采集相关的数据信息。
52.在实践中，(4.3)中根据所述模拟行车参数，确定采集车端沿所述模拟道路序列的模拟行车轨迹的过程具体可以包括如下执行步骤(4.3.1)、(4.3.2)和(4.3.3)，可选地，还可以包括步骤(4.3.4)和(4.3.5)：
53.(4.3.1)定位到(4.2)道路序列的开始道路，收集该开始道路中所有可行驶车道，根据均匀分布函数在可行驶车道中随机选取一条车道。
54.(4.3.2)根据(4.3.1)中选取的车道、(4.2)的道路序列及高精度地图提供的车道接续关系，探索待模拟的路径，若当前车道的接续车道只有一个，则直接选取接续车道加入行驶车道列表；若当前车道的接续车道大于1，选取存在于(4.2)道路序列中的道路作为接续车道，并将该车道加入行驶车道列表，直到道路序列遍历完成，生成全部的行驶车道列表，然后对车道的形状进行拼接，生成模拟行车路径。
55.(4.3.3)读取系统参数集中的车辆速度v、形点间时间间隔h及初始时间t(可选的，若系统参数集未设置初始时间，则可以读取当前系统时间)，将初始时间t赋值给步骤(4.3.2)中模拟行车路径的第一个点，然后对(4.3.2)的模拟行车路径进行均匀化处理，即每个形点间的距离d＝v*h，并根据初始时间t、形点间时间间隔h及形点的顺序n依次赋值每个形点的时间信息tn＝t+(n-1)*h。处理后的新路径即为模拟行车轨迹path。
56.可选地，确定采集车端沿所述模拟道路序列的模拟行车轨迹的过程中，还可以包括(4.3.4)系统可以模拟车辆的加减速。具体地，可以在(4.3.3)的基础上增加一个加速度a，在模拟行车轨迹中随机选取一个点t0，tn点距离计算方式调整为d＝(v+(tn-t0)*a)*h。另外，鉴于中国高速的最高行驶速度为120km/h，因此，为使模拟的轨迹更加合理，当v+(tn-t0)*a》120时，可以将v设为120。
57.另外可选地，确定采集车端沿所述模拟道路序列的模拟行车轨迹的过程中，还可以包括(4.3.5)系统可以模拟车辆的变道。由此，以使得模拟得到的模拟行车轨迹更加逼真。
58.步骤206：根据预设的车端数据能力参数，确定采集车端沿所述模拟行车轨迹采集的车端模拟感知数据；所述车端模拟感知数据用于对众包更新系统进行测试。
59.在实际应用时，通过对众包采集车的传感器检测能力(例如，位置精度、召回率等)和上报矢量数据特性(例如，离散概率、高斯分布、时空间分布等)进行研究，可以得到传感器数据能力的关键能力参数(例如，道路要素、绝对精度、相对精度、准确率、召回率、时间热度、空间热度)。然后，可以基于这些关键能力参数对应的可配置的传感器数据能力，对已采集的高精地图数据进行加工处理，从而在短时间内(相比与由数据采集车进行真实的实地数据采集时间更短、成本更低)获得大量各种不同数据能力对应的车端传感器模拟感知数据。
60.其中，所述传感器数据能力，指的是传感器在道路要素、绝对精度、相对精度、准确率、召回率、时间热度、空间热度等方面的能力。例如，传感器识别道路要素的能力(例如，对道路要素的类型进行识别的能力)、传感器对道路要素的识别精度、传感器对道路要素的识别准确率、传感器的识别准确率和识别召回率、传感器识别数据的时间热度和空间热度等。
61.在实际应用时，不同的类型、不同型号、不同厂家、不同品牌等不同源的传感器对于地图道路要素的数据能力可以是不同的。并且，在不同的数据采集场景中，鉴于场景复杂度的不同，传感器也可以表现出对于地图道路要素的不同的数据能力。鉴于此，在本说明书的方案的执行过程中，通过对各种传感器数据能力参数进行不同的配置，可以模拟不同车辆、不同场景和路况下，采集车的传感器所采集的车端感知数据。
62.在本说明书的实施例中，传感器数据能力的关键能力参数可以设置在系统参数据
中，更具体的，可以为系统参数集中的预设的车端数据能力参数。
63.在步骤206中，所述车端数据能力参数可以用于反映采集车上车载传感器的数据能力。具体地，可以是反映采集车上车载传感器的数据能力的关键因素。在实际应用时，所述车端数据能力参数具体可以包括，道路要素、绝对精度、相对精度、准确率、召回率、时间热度、空间热度等。其中，绝对精度、相对精度、准确率、召回率、时间热度、空间热度等车端数据能力参数又可以称为车端传感器数据能力指标。
64.在一个或更多个实施例中，步骤206具体可以包括：根据所述车端数据能力参数中的要素类型信息，沿所述模拟行车轨迹确定待模拟的要素对象列表；然后，对于所述要素对象列表中的目标要素对象，可以基于所述车端数据能力参数中的精度指标信息(例如，绝对精度、相对精度等)，对所述目标要素对象在所述模拟行车轨迹中的初始属性信息执行坐标修改处理，得到所述目标要素对象的处理后的属性信息；所述车端模拟感知数据包括所述处理后的属性信息。
65.另外，在实际应用时，由于高精度地图的精度为亚米级，而采集车的定位系统(例如，gps定位)的精度为10米级，为了使模拟的数据更加贴近真实的传感器数据，在本说明书的实施例中，可以改变模拟轨迹的绝对位置，具体地，可以通过对模拟行车轨迹进行加扰来模拟采集车的定位系统的定位精度。
66.具体地，在确定待模拟的要素对象列表之后，还可以：对所述模拟行车轨迹执行系统加扰，得到加扰后的模拟行车轨迹；所述系统加扰用于模拟采集车端的数据采集精度与高精度地图的数据采集精度之间的精度差异；然后对于所述要素对象列表中的目标要素对象，计算所述目标要素对象在所述加扰后的模拟行车轨迹中的加扰后初始属性信息；然后基于所述精度指标信息，对所述加扰后初始属性信息执行坐标修改处理，得到所述目标要素对象的处理后的属性信息。
67.另外，在本说明书的实施例中，在得到所述目标要素对象的处理后的属性信息之后，还可以包括：对于所述目标要素对象，根据高斯分布函数和所述车端数据能力参数中的模拟召回率，确定是否需要上报所述目标要素对象对应的车端模拟感知数据；并且/或者，对于所述目标要素对象的目标属性，根据高斯分布函数和所述车端数据能力参数中的模拟召回率，确定是否需要上报所述目标要素对象的目标属性信息。若需要上报，则可以加入到上报列表。
68.在本说明书的实施例中，在得到所述目标要素对象的处理后的属性信息之后，还可以包括：对于所述目标要素对象的目标属性，根据高斯分布函数和所述车端数据能力参数中的模拟准确率，确定是否需要误报所述目标要素对象的目标属性信息；若需要误报所述目标要素对象的目标属性信息，则修改所述目标属性的目标属性信息后，将修改后的目标属性信息加入上报列表。
69.在实践中，步骤206具体可以包括如下执行步骤：
70.(6.1)收集道路要素
71.道路要素指传感器可以识别的道路上的物体(例如，标线、标牌、杆等)，传感器数据能力不同，可以识别的道路要素也不一样。
72.可以读取系统参数集中的待模拟的道路要素列表；然后根据步骤204确定的所述模拟道路序列和所述模拟行车轨迹，沿所述模拟行车轨迹扩展形成条带(例如，将模拟行车
轨迹向左右各扩展x米形成一个条带，x的取值范围可以由系统参数集控制)；然后遍历所述模拟道路序列，将落在条带中并且在待模拟的道路要素列表中的道路要素对象加入到待模拟的要素对象列表中(例如，存入容器s)。
73.(6.2)系统加扰
74.可选地，可以将步骤204中确定的模拟行车轨迹整体向左或者向右(例如，偏移方向可以由均匀分布函数控制)平移随机距离d(d的取值范围可以由系统参数集控制)，从而得到一条新的加扰后的模拟行车轨迹path’。
75.(6.3)传感器数据能力模拟
76.(6.3.1)读取系统参数集，提取待模拟的车端传感器数据能力指标。例如，待模拟的传感器数据能力指标可以包括召回率、准确率、绝对精度、相对精度、横向精度、纵向精度、高程精度等。
77.(6.3.2)可以遍历(6.1)中的容器s取出待处理道路要素对象o，获取道路要素对象o的坐标z，计算z在模拟行车轨迹path上最近点p及其索引idx，计算z与p的差值δ，在加扰后的模拟行车轨迹path’中根据idx找到相应的点，将该点加上δ即得到系统加扰后的坐标z’，然后根据z’及传感器能力指标(例如，横向精度、纵向精度、高程精度等；又如，绝对精度、相对精度等)根据高斯分布函数进行随机扰动生成坐标z”，用z”更新道路要素对象o的坐标z。
78.(6.3.3)可选地，可以遍历(6.1)中的容器s取出待处理道路要素对象o，根据高斯分布函数及召回率判断道路要素对象o是否需要模拟上报。若需要上报则加入上报列表r；若不需要上报则舍弃，即，不加入上报列表r。
79.(6.3.4)可选地，可以进一步遍历(6.3.3)中的上报列表r取出待处理道路要素对象o，根据道路要素对象o的要素类型，在车端数据能力参数中找到道路要素对象o的属性列表attrs，遍历该属性列表attrs，针对遍历到的当前属性，根据高斯分布函数和召回率判断当前属性是否需要上报。若需要上报，则可以根据高斯分布函数和准确率判断当前属性是否需要误报，若需要误报则将该当前属性修改为其他值后加入上报列表，若不需要误报则对该当前属性不做修改；若当前属性不需要上报，则将该当前属性置空。
80.另外可选地，在步骤206中确定车端模拟感知数据的过程中，还可以考虑到对于不同场景传感器能力不同的模拟。例如，对于隧道场景，由于信号不好，在真实情况下，采集车采集的数据的绝对精度通常会比较差，因此，为了更真实地进行该场景下的车端传感器数据能力的模拟，可以对模拟行车轨迹中相关数据的精度进行调整。又如，对于上下线分离道路且没有物理隔离时，在真实情况下，采集车可能会误采集对向车道的标线数据等，因此，为了更真实地进行该场景下的车端传感器数据能力的模拟，传感器可以误报对向道路的标线等。
81.应当理解，本说明书一个或多个实施例所述的方法中，部分步骤的顺序可以根据实际需要调整，或者可以省略部分步骤。
82.图2中的方法，通过利用高精度地图中各种矢量要素对现实进行仿真模拟，并且通过对高精度地图中各种要素的修改(例如，新增要素、删除要素和修改要素)模拟现实世界的变化，读取高精度地图生成不同的车辆模拟行车轨迹，提取车辆模拟行车轨迹范围内的道路要素，并依据预设的传感器能力配置参数对传感器感知数据进行模拟，生成不同能力
的模拟传感器数据，由此，能够有效解决因众包更新系统中采集车端感知数据的测试场景覆盖度不足、数据源单一、现实世界真值不易获取等因素导致的无法快速判断众包更新系统的正确性的问题。
83.基于本说明书的实施例，一方面，所生成的车端模拟感知数据的数据能力可配置(即，可以模拟的场景的覆盖度高、可以模拟的采集源多样)且所模拟的现实世界真值可直接获取(是从高精度地图中直接获得的)，由此，能够被用于快速判断众包更新系统的正确性；另一方面，通过利用模拟生成的丰富的车端感知数据对众包更新系统进行压力测试等测试，能够提升对众包更新系统的测试效率和测试能力。
84.基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方式，下面进行说明。
85.高精度地图是现实世界某一时刻的快照，但是现实世界每时每刻都在变化，为了让车端模拟感知数据生成系统的仿真度更高，在本说明书的实施例中，可以根据系统参数集中预设的地图场景模拟参数对高精度地图的各种变化进行模拟。
86.具体地，在步骤204之前，还可以包括：步骤203：根据预设的地图场景模拟参数，对所述高精度地图数据进行模拟更新，得到模拟更新的高精度地图数据。由此，在后续的步骤204和步骤206的执行过程中，所使用的高精地图数据可以是模拟更新的高精度地图数据。
87.在本说明书的实施例中，所述地图场景模拟参数可以包括待模拟的要素类型信息、待模拟的要素数量信息和待模拟的要素更新信息等。其中，所述要素类型信息可以包括道路要素类型列表，例如，可以包括标线、标牌、杆等道路要素类型。所述待模拟要素数量信息可以包括对于所述要素类型信息所表示的道路要素需进行模拟的数量，具体地，对于不同类型的道路要素可以有不同的待模拟数量。所述要素更新信息可以包括需要对所述要素类型信息所表示的道路要素进行模拟的变化类型，例如，道路要素的新增、删除、属性变化等，并且具体地，对于不同类型的道路要素可以有不同的模拟变化类型。
88.可选地，步骤203具体可以包括：将所述高精度地图数据中的满足所述要素类型信息的道路要素进行汇总，得到待模拟的道路要素列表；然后根据所述要素更新信息，对所述道路要素列表中的满足所述要素数量信息的道路要素进行模拟更新，得到模拟更新的道路要素数据；所述模拟更新的高精度地图数据包括所述模拟更新的道路要素数据。
89.若所述要素更新信息包括要素删除信息，可以根据所述要素删除信息，从所述道路要素列表中删除满足所述要素数量信息的道路要素。
90.在实际应用时，可以读取系统参数集，提取待删除的道路要素及数量信息。遍历待删除的道路要素，在高精度地图数据中将待删除道路要素汇总，然后根据均匀分布函数在汇总记录中随机抽取记录进行删除，并将该删除的信息记录到修改列表中。如果随机抽取的记录已经做过变化，则将该条记录跳过。直到待删除道路要素及删除记录数到达系统参数集设置的数量。
91.若所述要素更新信息包括要素属性变化信息，可以根据所述要素属性变化信息，对所述道路要素列表中的满足所述要素数量信息的道路要素的属性信息进行更新。其中，所述要素更新信息还可以包括待修改要素属性信息，即，将待修改道路要素修改后的属性信息。
92.在实际应用时，可以读取系统参数集，提取待修改的道路要素、数量信息及待修改
的属性信息。遍历待修改的道路要素，在高精度地图数据中将待修改的道路要素汇总，然后根据均匀分布函数在汇总记录中随机抽取记录，将该记录相应的属性信息改为系统参数集设置的待修改要素属性信息，并将该修改的信息记录到修改列表中。如果随机的记录已经做过变化，则将该条记录跳过。直到待修改道路要素及修改记录数到达系统参数集设置的数量。
93.另外可选地，若所述要素更新信息包括要素新增信息，步骤203具体可以包括：从所述高精度地图数据中抽取至少一条道路；然后，在所述至少一条道路中新增满足所述要素类型信息、所述要素数量信息以及所述要素新增信息的新增要素，得到模拟更新的道路要素数据；所述模拟更新的高精度地图数据包括所述模拟更新的道路要素数据。其中，所述要素新增信息中可以包括待新增要素属性信息。
94.在实际应用时，读取系统参数集，提取待新增道路要素及对应的新增要素属性信息。在高精度地图数据中将道路数据汇总，遍历待新增道路要素，根据均匀分布函数在高精度地图中随机抽取一条道路，在该道路上的随机位置新增一个相应的道路要素，并根据提取的属性信息为该要素更新属性，并将该记录的信息记录到修改列表中。如果随机位置附近存在做过变化的同类要素，则不新增该条记录。直到待新增道路要素及新增记录数到达系统参数集设置的数量。
95.如上文所述，在对高精度地图数据进行了模拟更新(即，执行了步骤203的现实模拟)的情况下，当后续确定采集车端在高精度地图中的模拟行车轨迹(即，执行步骤204)时，所使用的高精地图数据可以是模拟更新后的高精度地图数据。
96.在实施例中，当确定模拟行车轨迹时，具体地，当确定模拟轨迹起点时，不仅可以采取如上文所述的使轨迹起点在整个高精度地图或指定范围内平均分布的策略；并且可选地，还可以采取如下策略：具体地，轨迹起点可以在整个高精度地图或指定范围内不均匀分布。可以将高精度地图数据分为做了如步骤203的现实模拟和未做如步骤203的现实模拟两部分，通过预设系数控制轨迹点落在这两份数据中的概率，然后再根据均匀分布函数在相应的数据中随机选取道路上的随机点作为轨迹的起点。
97.基于本说明书实施例的上述方案，通过利用高精度地图中各种矢量要素对现实进行仿真模拟，并且通过对高精度地图中各种要素的修改(例如，新增要素、删除要素和修改要素)模拟现实世界的变化，由此，能够在不局限于现有的高精地图数据的情况下，模拟更加丰富的现实地图场景，也就能够得到更加丰富的车端模拟感知数据。
98.在具体应用时，当得到各种能力对应的车端模拟感知数据后，一方面，可以将所得到的车端模拟感知数据上报至众包更新系统，另一方面，可以同时将车端模拟感知数据所对应的真值(若使用原始高精度地图数据，则真值取自原始高精度地图数据；若执行了步骤203的场景变化模拟，则真值取自模拟更新的高精度地图数据)上报至众包更新系统，由此，能够用于测试众包更新系统的正确性。
99.在实践中，在图2记载的方法基础上，考虑到由车端模拟感知数据生成系统所生成的车端模拟感知数据是基于模拟高精度地图生成的，为高精度地图规格的数据，通常与众包更新系统所需的数据规格不同。因此，在将上报列表中的数据发送至众包更新系统前，所述车端模拟感知数据生成系统还可以：将所述上报列表中的数据的数据规格由高精度地图规格转换为所述众包更新系统所需的特定规格。
100.具体可选地，可以根据步骤206中的加扰后的模拟行车轨迹path’生成传感器数据的path信息；然后遍历步骤206中的上报列表r，根据上报列表r中道路要素对象的要素类型将其转换到相应的path events(例如，标线、标牌、箭头、红绿灯等)中；最后将path及path events整合，生成最终的传感器数据。
101.根据上面的说明，本说明书实施例提供的一种实际应用场景下，车端模拟感知数据生成系统的执行流程示意图，如图3所示。
102.如图3所示，以高精度地图数据和传感器能力参数集作为系统的输入；首先，可选地，在现实模拟器(302)中，根据高精度地图的要素对现实世界道路要素变化进行仿真，生成新的高精度地图模拟数据；然后，在轨迹模拟器(304)中，根据高精度地图中道路和车道的拓扑关系对众包车辆行驶轨迹进行仿真，生成模拟行车轨迹；然后，在传感器数据能力模拟器(306)中，根据高精度地图的要素及可配置的传感器能力值对传感器数据进行仿真，生成车端模拟感知数据；进而，可选地，在传感器数据生成器(308)中，对待上报的车端模拟感知数据进行格式转换。
103.基于本说明书实施例的方案，通过利用高精度地图的精度高、内容丰富的特点进行传感器数据的仿真，一者，可以仿真各种能力的传感器数据，解决了数据源单一的问题，使数据源更加多样，二者，可以仿真各种场景(例如，高架、隧道、匝道等)的传感器数据，解决了众包成图系统中测试场景覆盖度不足的问题，三者，所模拟的现实世界真值可直接获取，由此，能够有效解决因众包更新系统中采集车端感知数据的测试场景覆盖度不足、数据源单一、现实世界真值不易获取等因素导致的无法快速判断众包更新系统的正确性的问题，所生成的丰富的模拟感知数据能够被用于快速判断众包更新系统的正确性。
104.另外，基于本说明书实施例的方案，可以短时间内生成大量的传感器数据，降低成本，通过利用模拟生成的丰富的车端感知数据对众包更新系统进行压力测试等测试，能够提升对众包更新系统的测试效率和测试能力。
105.基于同样的思路，本说明书实施例还提供了上述方法对应的装置。图4为本说明书实施例提供的对应于图2的用于对传感器数据能力进行模拟的一种车端感知数据模拟装置的结构示意图。如图4所示，该装置可以包括：
106.高精度地图数据获取模块402，用于获取高精度地图数据；
107.模拟行车轨迹确定模块404，用于根据预设的轨迹模拟参数，确定采集车端在所述高精度地图中的模拟行车轨迹；
108.车端模拟感知数据确定模块406，用于根据预设的车端数据能力参数，确定采集车端沿所述模拟行车轨迹采集的车端模拟感知数据；所述车端模拟感知数据用于对众包更新系统进行测试。
109.可以理解，上述的各模块是指计算机程序或者程序段，用于执行某一项或多项特定的功能。此外，上述各模块的区分并不代表实际的程序代码也必须是分开的。
110.基于同样的思路，本说明书实施例还提供了上述方法对应的设备。
111.图5为本说明书实施例提供的对应于图2的用于对传感器数据能力进行模拟的一种车端感知数据模拟设备的结构示意图。如图5所示，设备500可以包括：
112.至少一个处理器510；以及，
113.与所述至少一个处理器通信连接的存储器530；其中，
114.所述存储器530存储有可被所述至少一个处理器510执行的指令520，所述指令被所述至少一个处理器510执行，以使所述至少一个处理器510能够：
115.获取高精度地图数据；
116.根据预设的轨迹模拟参数，确定采集车端在所述高精度地图中的模拟行车轨迹；
117.根据预设的车端数据能力参数，确定采集车端沿所述模拟行车轨迹采集的车端模拟感知数据；所述车端模拟感知数据用于对众包更新系统进行测试。
118.基于同样的思路，本说明书实施例还提供了上述方法对应的计算机可读介质。计算机可读介质上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现以下方法：
119.获取高精度地图数据；
120.根据预设的轨迹模拟参数，确定采集车端在所述高精度地图中的模拟行车轨迹；
121.根据预设的车端数据能力参数，确定采集车端沿所述模拟行车轨迹采集的车端模拟感知数据；所述车端模拟感知数据用于对众包更新系统进行测试。
122.上述对本说明书特定实施例进行了描述，在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
123.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可。
124.本说明书实施例提供的装置、设备与方法是对应的，因此，装置、设备也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备的有益技术效果。
125.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
126.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
127.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
128.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
129.还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
130.本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
131.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。