一种车辆道路虚拟场景的仿真方法及系统与流程

本发明涉及汽车测试仿真技术领域，尤其涉及一种车辆道路虚拟场景的仿真方法及系统。

背景技术：

近年来，市场上具有智能驾驶功能的车辆如雨后春笋，从合资车到自主车，都将智能驾驶功能作为发展的重点。智能驾驶成为车型的主要竞争力，响应的法规也在逐渐出台，如2018版c-ncap要求具备主动安全系统的车辆才能获得五星评价资格。此外，市场对智能驾驶功能的需求也在不断增长，要想最大程度赢得客户对智能驾驶的信任，“安全性”是最重要的影响因素。对于安全性的测试，除了场地测试和开放道路性能验证，在开发初期的虚拟验证也要发挥重要的作用。虚拟场景的仿真度决定了adas以及自动驾驶系统的安全性能验证的全面性。当前adas系统以及自动驾驶系统开发流程需经过mil(模型在环)、sil(软件在环)、hil(硬件在环)、dil(驾驶员在环)、vil(整车在环)。而驾驶场景库是开发过程中的关键之处，贯穿整个开发过程，因此，建立全面且贴近真实交通环境的场景显得尤为重要。

技术实现要素：

本发明涉及一种车辆道路虚拟场景的仿真方法及系统，解决现有实物场景的虚拟仿真精度不高的问题，能提高整车安全性测试的全面性、提高车辆智能驾驶的功能测试的效率和准确性。

为实现以上目的，本发明提供以下技术方案：

一种车辆道路虚拟场景的仿真方法，包括：

通过采集设备对实际道路的车道线、车道标识、交通信号、行人和交通车辆进行采集，并形成不同驾驶路线的场景信息；

根据所述场景信息提取数据流和视频流的场景库用例，并将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据；

根据所述场景数据建立行驶环境仿真模型以仿真车辆行驶的道路信息，所述行驶环境仿真模型包括：道路模型、交通环境模型和天气模型。

优选的，还包括：

根据所述车辆动态数据建立车辆仿真模型，以仿真其它车辆的位置信息和行车参数信息。

优选的，还包括：

获取待测车辆的行驶信息，并通过所述行驶环境仿真模型和所述车辆仿真模型对待测车辆的行驶道路虚拟场景进行仿真。

优选的，所述将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据，包括：

对所述场景库用例中的场景元素进行标记，并根据所述标记对场景元素进行场景类别分类，所述场景元素包括：车道线、车道标识、交通信号、行人、交通车辆和路面障碍物。

优选的，所述将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据，还包括：

以目标车与测试车的车间距离小于设定距离阈值为依据，对所述场景库用例进行车辆类别分类。

优选的，所述将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据，还包括：

根据目标车的行驶过程的数据段进行分割，并以所述数据段的起始时间进行排序，得到稳定的行车过程片段。

优选的，所述采集设备包括：设置在测试车上的激光雷达、电子眼、毫米波雷达和摄像头。

本发明还提供一种车辆道路虚拟场景的仿真系统，包括：

场景获取单元，用于通过道路采集设备对实际道路的车道线、车道标识、交通信号、行人和交通车辆进行采集，并形成不同驾驶路线的场景信息；

数据处理单元，用于根据所述场景信息提取数据流和视频流的场景库用例，并将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据；

环境仿真单元，用于根据所述场景数据建立行驶环境仿真模型以仿真车辆行驶的道路信息，所述行驶环境仿真模型包括：道路模型、交通环境模型和天气模型。

优选的，还包括：

车辆仿真单元，用于根据所述车辆动态数据建立车辆仿真模型，以仿真其它车辆的位置信息和行车参数信息。

优选的，还包括：

行驶场景仿真单元，用于获取待测车辆的行驶信息，并通过所述行驶环境仿真模型和所述车辆仿真模型对待测车辆的行驶道路虚拟场景进行仿真。

本发明涉及一种车辆道路虚拟场景的仿真方法及系统，通过对实际道路信息进行采集形成场景库用例，对所述场景库用例进行数据处理得到场景数据和车辆动态数据，进而建立行驶环境仿真模型。解决现有实物场景的虚拟仿真精度不高的问题，能提高整车安全性测试的全面性、提高车辆智能驾驶的功能测试的效率和准确性。

附图说明

为了更清楚地说明本发明的具体实施例，下面将对实施例中所需要使用的附图作简单地介绍。

图1：是本发明提供的一种车辆道路虚拟场景的仿真方法示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

针对当前进车辆行驶试验时，常采用虚拟场景，但其存在虚拟仿真精度不高的问题。本发明涉及一种车辆道路虚拟场景的仿真方法及系统，通过对实际道路信息进行采集形成场景库用例，对所述场景库用例进行数据处理得到场景数据和车辆动态数据，进而建立行驶环境仿真模型。解决现有实物场景的虚拟仿真精度不高的问题，能提高整车安全性测试的全面性、提高车辆智能驾驶的功能测试的效率和准确性。

如图1所示，一种车辆道路虚拟场景的仿真方法，包括：

s1：通过采集设备对实际道路的车道线、车道标识、交通信号、行人和交通车辆进行采集，并形成不同驾驶路线的场景信息。

s2：根据所述场景信息提取数据流和视频流的场景库用例，并将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据。

s3：根据所述场景数据建立行驶环境仿真模型以仿真车辆行驶的道路信息，所述行驶环境仿真模型包括：道路模型、交通环境模型和天气模型。

进一步，该方法还包括：

s4：根据所述车辆动态数据建立车辆仿真模型，以仿真其它车辆的位置信息和行车参数信息。

在实际应用中，采用道路采集设备对实际道路中的车道线、交通车辆、行人、车道标识，交通信号等进行采集，其中需要采集100万公里自然驾驶路线。具体采集过程如下：采集设备按照功能不同安装在不同位置，其中车辆前段安装的激光雷达，主要采集与前方车辆之间的相对距离、相对车速以及偏转角度等信息，主要应用于前碰撞预警、自动紧急制动等情况下。mobileye摄像头精度很高，主要用来采集道路标志线的信息。毫米波雷达和摄像头主要在采集后向来车或者后向行人等情况。将采集的杂乱无章的真实场景数据，提取出典型的包括数据流和视频流的场景库用例。可采用国际通用的开源数据结构opendrive和openscenario提取场景库中个用例的详细数据，并以opendrive和openscenario数据格式保存。具体数据处理包括：对典型场景元素的相关特征的在线标记，包括其他交通参与者、交通标志牌、车道线等，进一步通过标记软件实时或离线自动或人工进行特殊元素的标记，如路面覆盖物、交通流情况、工况等。实时采集的数据应以固定时间长度，分段保存。根据最终标记的场景元素信息和对应的车辆动态数据，进行清洗、分析、聚类等，得到具有代表性且全面的元素状态类别和场景类别。

该方法还包括：

s5：获取待测车辆的行驶信息，并通过所述行驶环境仿真模型和所述车辆仿真模型对待测车辆的行驶道路虚拟场景进行仿真。

所述将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据，包括：对所述场景库用例中的场景元素进行标记，并根据所述标记对场景元素进行场景类别分类，所述场景元素包括：车道线、车道标识、交通信号、行人、交通车辆和路面障碍物。

进一步，所述将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据，还包括：以目标车与测试车的车间距离小于设定距离阈值为依据，对所述场景库用例进行车辆类别分类。

更进一步，所述将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据，还包括：根据目标车的行驶过程的数据段进行分割，并以所述数据段的起始时间进行排序，得到稳定的行车过程片段。

在实际应用中，1、以横向距离特征为依据，综合考虑数据的精确度、目标车横向偏移对主车行驶状态的影响、常见车辆宽度，并基于一定的容忍度，筛选所有横向距离小于1.8m的数据。2、依据目标车id进行数据的分割。3、对目标车id相同的数据段，按照帧id进行排序，通过比较相邻帧之间的时间间隔，基于设定的阈值，将数据段重新分割为不同的跟车行驶过程，并根据起始时间排序。4、为减少目标车id跳变的影响，将相邻时间内跟车约束但没有同时出现的id合并为同一ide)进一步，根据数据片段时长、平均横向距离和平均车速，对数据质量进行判断，获得最终的稳定跟车行驶过程片段，并在数据片段前后预留一定时长，以便于分析车间运动状态变化。5、将识别好的测试场景转换为excel格式保存，为方便程序读取数据的快捷性，需要将excel数据转存为mat文件。6、然后与carmaker、prescan、panosim软件形成通用的场景数据接口，将数据导入，即可形成车辆软件可以编辑使用的虚拟仿真场景。具体操作流程如下：通过转换好的场景，在simlink中调用excel文件，通过编写读取命令，将车辆时间、距离、制动信息输入所建模型中，然后运行mdl文件，即可在prescan中将真实场景展现出来。

所述采集设备包括：设置在测试车上的激光雷达、电子眼、毫米波雷达和摄像头。

具体地，由一个前向32线激光雷达、一个后向32线激光雷达、一个mobileye、一个前向毫米波雷达、5路摄像头组成，分别采集车辆周边环境、道路、信号标志、行人、车流、天气等自然交通环境信息。

可见，本发明涉及一种车辆道路虚拟场景的仿真方法，通过对实际道路信息进行采集形成场景库用例，对所述场景库用例进行数据处理得到场景数据和车辆动态数据，进而建立行驶环境仿真模型。解决现有实物场景的虚拟仿真精度不高的问题，能提高整车安全性测试的全面性、提高车辆智能驾驶的功能测试的效率和准确性。

本发明还提供一种车辆道路虚拟场景的仿真系统，包括：场景获取单元，用于通过道路采集设备对实际道路的车道线、车道标识、交通信号、行人和交通车辆进行采集，并形成不同驾驶路线的场景信息。数据处理单元，用于根据所述场景信息提取数据流和视频流的场景库用例，并将所述场景库用例进行数据处理以生成设定数据格式的场景数据和车辆动态数据。环境仿真单元，用于根据所述场景数据建立行驶环境仿真模型以仿真车辆行驶的道路信息，所述行驶环境仿真模型包括：道路模型、交通环境模型和天气模型。

该系统还包括：车辆仿真单元，用于根据所述车辆动态数据建立车辆仿真模型，以仿真其它车辆的位置信息和行车参数信息。

该系统还包括：行驶场景仿真单元，用于获取待测车辆的行驶信息，并通过所述行驶环境仿真模型和所述车辆仿真模型对待测车辆的行驶道路虚拟场景进行仿真。

可见，本发明涉及一种车辆道路虚拟场景的仿真方法及系统，通过场景获取单元对实际道路信息进行采集形成场景库用例，并通过数据处理单元对所述场景库用例进行数据处理得到场景数据和车辆动态数据，进而建立行驶环境仿真模型。解决现有实物场景的虚拟仿真精度不高的问题，能提高整车安全性测试的全面性、提高车辆智能驾驶的功能测试的效率和准确性。

以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。