本发明涉及网络技术,特别涉及一种模拟智能体的特征信息获取方法和装置。
背景技术:
在无人驾驶车辆的研发过程中,需要大量的真实场景去测试算法的正确性。
但如果所有的测试均在真实的交通场景中进行,将会是非常危险和低效的,因此,需要使用模拟的交通场景来代替真实的交通场景,以完成大量的前期测试。
在复杂的交通场景中,存在着种类繁多形式各样的智能体(Agent),这些智能体在复杂的交通场景中按照一定的规则自由活动。
所述智能体是指有自主行动能力的实体,可包括:行人、自行车、汽车、公共汽车等。
相应地,在模拟交通场景时,不但需要模拟出场景地图,还需要模拟出场景中可能出现的各类智能体。
现有技术中,主要采用以下方式来模拟出智能体:
人工预先定义一系列不同的智能体的特征信息,按照人工选定的特征信息,生成与该特征信息相符合的模拟智能体。
但这种方式具有很大的局限性,如人工定义的特征信息可能与实际交通场景不符或缺少某些特征信息,从而影响了后续无人驾驶车辆的测试结果的准确性。
技术实现要素:
本发明提供了一种模拟智能体的特征信息获取方法和装置,能够提高无人驾驶车辆的测试结果的准确性。
具体技术方案如下:
一种模拟智能体的特征信息获取方法,包括:
针对每个智能体类别,分别获取属于该类别的、自由参与交通活动的各真实智能体的特征信息,属于每个类别的真实智能体的数量均大于一;
针对每个智能体类别,分别从属于该类别的各真实智能体的特征信息中提取出具有代表性的特征信息,将提取出的特征信息作为属于该类别的模拟智能体的特征信息。
根据本发明一优选实施例,
所述真实智能体包括:专门用于测试的真实智能体;
所述特征信息包括:属性信息和行为信息。
根据本发明一优选实施例,
分别获取每个真实智能体的行为信息包括:
在每个真实智能体的活动过程中,实时地获取该真实智能体的动态追踪信息;
当每个真实智能体的活动结束之后,通过对该真实智能体的动态追踪信息进行分析,确定出该真实智能体的行为信息。
根据本发明一优选实施例,
所述行为信息包括:
活动过程中出现的动作行为以及各动作行为的触发条件。
根据本发明一优选实施例,
所述属性信息包括:所属类别、长宽高。
根据本发明一优选实施例,
该方法进一步包括:
根据用户选定的特征信息进行模拟智能体的回放;
在回放过程中,若接收到用户针对不合理的特征信息的修正指令,则按照所述修正指令进行信息修正。
一种模拟智能体的特征信息获取装置,包括:获取单元和提取单元;
所述获取单元,用于针对每个智能体类别,分别获取属于该类别的、自由参与交通活动的各真实智能体的特征信息,属于每个类别的真实智能体的数量均大于一,并将每个真实智能体的特征信息发送给所述提取单元;
所述提取单元,用于针对每个智能体类别,分别从属于该类别的各真实智能体的特征信息中提取出具有代表性的特征信息,将提取出的特征信息作为属于该类别的模拟智能体的特征信息。
根据本发明一优选实施例,
所述真实智能体包括:专门用于测试的真实智能体;
所述特征信息包括:属性信息和行为信息。
根据本发明一优选实施例,
所述获取单元在每个真实智能体的活动结束之后,通过对获取到的该真实智能体在活动过程中的动态追踪信息进行分析,确定出该真实智能体的行为信息。
根据本发明一优选实施例,
所述行为信息包括:
活动过程中出现的动作行为以及各动作行为的触发条件。
根据本发明一优选实施例,
所述属性信息包括:所属类别、长宽高。
根据本发明一优选实施例,
所述装置中进一步包括:回放单元;
所述提取单元进一步用于,将获取到的模拟智能体的特征信息发送给所述回放单元;
所述回放单元,用于根据用户选定的特征信息进行模拟智能体的回放,在回放过程中,若接收到用户针对不合理的特征信息的修正指令,则按照所述修正指令进行信息修正。
基于上述介绍可以看出,采用本发明所述方案,可分别获取真实参与交通活动的各类真实智能体的特征信息,将真实智能体的特征信息作为对应类别的虚拟智能体的特征信息,从而弥补了现有技术中的不足,进而提高了后续无人驾驶车辆的测试结果的准确性。
【附图说明】
图1为本发明模拟智能体的特征信息获取方法实施例的流程图。
图2为本发明模拟智能体的特征信息获取装置实施例的组成结构示意图。
【具体实施方式】
针对现有技术中存在的问题,本发明中提出一种模拟智能体的特征信息获取方案,能够提高后续无人驾驶车辆的测试结果的准确性。
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
实施例一
图1为本发明模拟智能体的特征信息获取方法实施例的流程图,如图1所示,包括以下具体实现方式。
在11中,针对每个智能体类别,分别获取属于该类别的、自由参与交通活动的各真实智能体的特征信息,属于每个类别的真实智能体的数量均大于一。
智能体类别可包括行人、自行车、汽车、公共汽车等,这里所提到的汽车主要是指家用轿车等。
针对每个智能体类别,可分别配置多个真实智能体用于进行测试,以汽车类别为例,可分别配置多辆测试汽车,让这些测试汽车真实地参与交通活动,即驾驶员驾驶这些测试汽车在真实道路上进行行驶。
每个智能体类别下用于进行测试的真实智能体的数量可根据实际需要而定,理论上,用于测试的真实智能体的数量越多,后续得到的提取结果等也越准确。
每个真实智能体的特征信息均可包括属性信息和行为信息。
其中,属性信息可包括所属类别和长宽高等,如何获取属性信息为现有技术,如可通过摄像头、雷达等传感器来获取长宽高信息。
另外,在每个真实智能体的活动过程中,可实时地获取该真实智能体的动态追踪信息,如当前的全球定位系统(GPS,Global Positioning System)位置、速度、运动状态、运动方向等。
可利用真实智能体上所携带(专门配置)的传感器来实时地获取真实智能体的动态追踪信息。
当某一真实智能体的活动结束之后,可通过对该真实智能体的动态追踪信息进行分析,确定出该真实智能体的行为信息。
比如,某一测试汽车在道路上行驶了两个小时,那么可获取到这两个小时内该测试汽车的动态追踪信息,进而可通过对该测试汽车的动态追踪信息进行分析,确定出该测试汽车的行为信息。
所述行为信息可包括:活动过程中出现的动作行为以及各动作行为的触发条件等。
活动过程中出现的动作行为可包括:加速、减速、急刹、急加速、加速穿插、横穿、变道、转弯、急转弯等。
动作行为的触发条件可包括:遇到红绿灯、遇到人行横道、突然有行人出现等。
如何根据动态追踪信息分析得到真实智能体的行为信息为现有技术。不同类别的智能体会对应不同的行为信息。
在12中,针对每个智能体类别,分别从属于该类别的各真实智能体的特征信息中提取出具有代表性的特征信息,将提取出的特征信息作为属于该类别的模拟智能体的特征信息。
在得到属于同一类别的各真实智能体的特征信息后,可提取出其中具有代表性的特征信息,即提取出具有代表性的属性信息和行为信息,将提取出的特征信息作为属于该类别的模拟智能体的特征信息。
以行为信息为例,有代表性的行为信息可以是指比较通用、不属于特定智能体的个人行为的特征信息。
在实际应用中,可借助于分类算法等来提取出具有代表性的特征信息,具体实现为现有技术。
之后,用户可有针对性地选择属性信息和行为信息,以进行模拟智能体的回放,即可根据用户选定的特征信息,按照现有技术,模拟出与所选择的属性信息和行为信息相对应的智能体。
比如,可显示一个可视化交互界面,用户可在该可视化交互界面中的特定区域进行属性信息和行为信息的选取,并可根据用户所选取的属性信息和行为信息,在该可视化交互界面中的特定区域实时展示即回放模拟出的智能体。
回放功能可包括单次回放以及连续多次回放。
在回放过程中,用户如果发现了不合理的特征信息,可对不合理的特征信息进行修正,以保证特征信息的正确性。
可将各模拟智能体叠加到场景地图中,以得到模拟出的交通场景,进而根据模拟出的交通场景完成对无人驾驶车辆的相关测试。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
实施例二
图2为本发明模拟智能体的特征信息获取装置实施例的组成结构示意图,如图2所示,包括:获取单元21和提取单元22。
获取单元21,用于针对每个智能体类别,分别获取属于该类别的、自由参与交通活动的各真实智能体的特征信息,属于每个类别的真实智能体的数量均大于一,并将每个真实智能体的特征信息发送给提取单元22;
提取单元22,用于针对每个智能体类别,分别从属于该类别的各真实智能体的特征信息中提取出具有代表性的特征信息,将提取出的特征信息作为属于该类别的模拟智能体的特征信息。
智能体类别可包括行人、自行车、汽车、公共汽车等。
针对每个智能体类别,可分别配置多个真实智能体用于进行测试,以汽车类别为例,可分别配置多辆测试汽车,让这些测试汽车真实地参与交通活动,即驾驶员驾驶这些测试汽车在真实道路上进行行驶。
每个智能体类别下用于进行测试的真实智能体的数量可根据实际需要而定,理论上,用于测试的真实智能体的数量越多,后续得到的提取结果等也越准确。
每个真实智能体的特征信息均可包括属性信息和行为信息。
其中,属性信息可包括所属类别和长宽高等,如何获取属性信息为现有技术。
另外,在每个真实智能体的活动过程中,可实时地获取该真实智能体的动态追踪信息,如当前的GPS位置、速度、运动状态、运动方向等。
可利用真实智能体上所携带(专门配置)的传感器来实时地获取真实智能体的动态追踪信息。
对于每个真实智能体,当活动结束之后,获取单元21可获取到该真实智能体的动态追踪信息,并通过对该真实智能体的动态追踪信息进行分析,确定出该真实智能体的行为信息。
所述行为信息可包括:活动过程中出现的动作行为以及各动作行为的触发条件等。
活动过程中出现的动作行为可包括:加速、减速、急刹、急加速、加速穿插、横穿、变道、转弯、急转弯等。
动作行为的触发条件可包括:遇到红绿灯、遇到人行横道、突然有行人出现等。
获取单元21如何根据动态追踪信息分析得到真实智能体的行为信息为现有技术。不同类别的智能体会对应不同的行为信息。
获取单元21可将获取到的各真实智能体的特征信息发送给提取单元22,相应地,提取单元22可针对属于同一类别的各真实智能体的特征信息,从中提取出具有代表性的特征信息,即提取出具有代表性的属性信息和行为信息,并将提取出的特征信息作为属于该类别的模拟智能体的特征信息。
如图2所示,本实施例所述装置中还可进一步包括:回放单元23。
相应地,提取单元22可进一步用于,将获取到的模拟智能体的特征信息发送给回放单元23;
回放单元23,用于根据用户选定的特征信息进行模拟智能体的回放,在回放过程中,若接收到用户针对不合理的特征信息的修正指令,则按照修正指令进行信息修正。
即用户可有针对性地选择属性信息和行为信息,以进行模拟智能体的回放,回放单元23可根据用户选定的特征信息,按照现有技术,模拟出与所选择的属性信息和行为信息相对应的智能体。
比如,回放单元23可显示一个可视化交互界面,用户可在该可视化交互界面中的特定区域进行属性信息和行为信息的选取,并可根据用户所选取的属性信息和行为信息,在该可视化交互界面中的特定区域实时展示即回放模拟出的智能体。
在回放过程中,如果用户发现了不合理的特征信息,可对不合理的特征信息进行修正,以保证特征信息的正确性。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。