自动驾驶仿真数据的生成方法、装置、设备及存储介质与流程

1.本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶仿真数据的生成方法、装置、设备及存储介质。


背景技术：

2.随着自动驾驶技术的发展，自动驾驶算法的精度也越来越高，而对自动驾驶算法精度的验证通常需要仿真数据来支持。
3.现有的仿真数据生成技术通常需要通过仿真器来实现，但是，仿真器不但成本高，而且难以模仿规则性的仿真数据，导致仿真数据生成的难度大、门槛高。


技术实现要素：

4.本发明提供了一种自动驾驶仿真数据的生成方法、装置、设备及存储介质，用于降低仿真数据的生成难度。
5.本发明第一方面提供了一种自动驾驶仿真数据的生成方法，包括：
6.获取自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据，所述实际观测数据包括实际观测加速度和实际观测旋转角速度；
7.通过所述实际激光雷达里程计数据和所述实际观测数据进行标定参数估计，得到目标标定参数，所述目标标定参数包括所述惯性测量单元与激光雷达之间的目标外参和所述惯性测量单元的目标位姿；
8.通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据。
9.可选的，所述目标标定参数还包括：所述惯性测量单元的目标偏置数据，在所述通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据之后，所述自动驾驶仿真数据的生成方法还包括：
10.通过所述目标偏置数据对所述实际观测数据进行去误差处理，得到所述惯性测量单元的仿真观测数据。
11.可选的，所述目标偏置数据包括目标加速度偏置和目标旋转角速度偏置，所述通过所述目标偏置数据对所述实际观测数据进行去误差处理，得到所述惯性测量单元的仿真观测数据，包括：
12.对所述实际观测加速度和所述目标加速度偏置进行差值计算，得到所述惯性测量单元的仿真观测加速度；
13.对所述实际观测旋转角速度和所述目标旋转角速度偏置进行差值计算，得到所述惯性测量单元的仿真观测旋转角速度；
14.合并所述仿真观测加速度和所述仿真观测旋转角速度，得到所述惯性测量单元的仿真观测数据。
15.可选的，在所述通过所述目标偏置数据对所述实际观测数据进行去误差处理，得到所述惯性测量单元的仿真观测数据之后，所述自动驾驶仿真数据的生成方法还包括：
16.对所述仿真观测加速度和所述仿真观测旋转角速度进行积分，得到所述惯性测量单元的仿真观测位姿。
17.可选的，所述通过所述实际激光雷达里程计数据和所述实际观测数据进行标定参数估计，得到目标标定参数，包括：
18.通过预置的目标标定算法对所述实际激光雷达里程计数据、所述实际观测加速度和所述实际观测旋转角速度进行标定参数计算，得到目标标定参数；
19.在所述通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据之后，所述自动驾驶仿真数据的生成方法还包括：
20.通过所述仿真激光雷达里程计数据和所述实际激光雷达里程计数据对所述目标标定算法进行验证，得到验证结果，所述验证结果用于指示所述目标标定算法的准确性。
21.可选的，所述通过所述仿真激光雷达里程计数据和所述实际激光雷达里程计数据对所述目标标定算法进行验证，得到验证结果，包括：
22.对所述仿真激光雷达里程计数据和所述实际激光雷达里程计数据进行误差计算，得到目标误差值；
23.通过所述目标误差值对所述目标标定算法进行准确性判定，得到验证结果。
24.可选的，所述通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据，包括：
25.通过所述目标外参对所述目标位姿进行激光雷达坐标系的转换，得到仿真激光雷达里程计数据。
26.本发明第二方面提供了一种自动驾驶仿真数据的生成装置，包括：
27.获取模块，用于获取自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据，所述实际观测数据包括实际观测加速度和实际观测旋转角速度；
28.估计模块，用于通过所述实际激光雷达里程计数据和所述实际观测数据进行标定参数估计，得到目标标定参数，所述目标标定参数包括所述惯性测量单元与激光雷达之间的目标外参和所述惯性测量单元的目标位姿；
29.生成模块，用于通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据。
30.可选的，所述目标标定参数还包括：所述惯性测量单元的目标偏置数据，所述自动驾驶仿真数据的生成装置还包括：
31.去误差模块，用于通过所述目标偏置数据对所述实际观测数据进行去误差处理，得到所述惯性测量单元的仿真观测数据。
32.可选的，所述目标偏置数据包括目标加速度偏置和目标旋转角速度偏置，所述去误差模块具体用于：
33.对所述实际观测加速度和所述目标加速度偏置进行差值计算，得到所述惯性测量单元的仿真观测加速度；
34.对所述实际观测旋转角速度和所述目标旋转角速度偏置进行差值计算，得到所述惯性测量单元的仿真观测旋转角速度；
35.合并所述仿真观测加速度和所述仿真观测旋转角速度，得到所述惯性测量单元的仿真观测数据。
36.可选的，所述自动驾驶仿真数据的生成装置还包括：
37.积分模块，用于对所述仿真观测加速度和所述仿真观测旋转角速度进行积分，得到所述惯性测量单元的仿真观测位姿。
38.可选的，所述估计模块具体用于：
39.通过预置的目标标定算法对所述实际激光雷达里程计数据、所述实际观测加速度和所述实际观测旋转角速度进行标定参数计算，得到目标标定参数；
40.所述自动驾驶仿真数据的生成装置还包括：
41.验证模块，用于通过所述仿真激光雷达里程计数据和所述实际激光雷达里程计数据对所述目标标定算法进行验证，得到验证结果，所述验证结果用于指示所述目标标定算法的准确性。
42.可选的，所述验证模块具体用于：
43.对所述仿真激光雷达里程计数据和所述实际激光雷达里程计数据进行误差计算，得到目标误差值；
44.通过所述目标误差值对所述目标标定算法进行准确性判定，得到验证结果。
45.可选的，所述生成模块具体用于：
46.通过所述目标外参对所述目标位姿进行激光雷达坐标系的转换，得到仿真激光雷达里程计数据。
47.本发明第三方面提供了一种自动驾驶仿真数据的生成设备，包括：存储器和至少一个处理器，所述存储器中存储有计算机程序；所述至少一个处理器调用所述存储器中的所述计算机程序，以使得所述自动驾驶仿真数据的生成设备执行上述的自动驾驶仿真数据的生成方法。
48.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述的自动驾驶仿真数据的生成方法。
49.本发明提供的技术方案中，获取自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据，所述实际观测数据包括实际观测加速度和实际观测旋转角速度；通过所述实际激光雷达里程计数据和所述实际观测数据进行标定参数估计，得到目标标定参数，所述目标标定参数包括所述惯性测量单元与激光雷达之间的目标外参和所述惯性测量单元的目标位姿；通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据。本发明实施例中，通过实际的自动驾驶过程中产生的激光雷达里程计数据和惯性测量单元的观测数据，生成标定参数，而标定参数作为中间参数，能够用于生成仿真激光雷达里程计数据等仿真自动驾驶数据，使得仿真自动驾驶数据无需依赖于仿真器，极大程度地降低仿真数据的生成难度和生成成本。
附图说明
50.图1为本发明实施例中自动驾驶仿真数据的生成方法的一个实施例示意图；
51.图2为本发明实施例中自动驾驶仿真数据的生成方法的另一个实施例示意图；
52.图3为本发明实施例中自动驾驶仿真数据的生成装置的一个实施例示意图；
53.图4为本发明实施例中自动驾驶仿真数据的生成装置的另一个实施例示意图；
54.图5为本发明实施例中自动驾驶仿真数据的生成设备的一个实施例示意图。
具体实施方式
55.本发明实施例提供了一种自动驾驶仿真数据的生成方法、装置、设备及存储介质，用于降低仿真数据的生成难度。
56.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
57.可以理解的是，本发明的执行主体可以为自动驾驶仿真数据的生成装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以终端为执行主体为例进行说明。
58.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中自动驾驶仿真数据的生成方法的一个实施例包括：
59.101、获取自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据，实际观测数据包括实际观测加速度和实际观测旋转角速度；
60.需要说明的是，实际激光雷达里程计数据和惯性测量单元(inertial measurement unit，imu)观测到的实际观测数据是在安装有自动驾驶系统的自动驾驶车辆的实际自动驾驶过程中产生的，其中，激光雷达里程计数据用于指示激光雷达的位姿信息，可以通过对激光雷达在不同时刻扫描到的点云进行配准获得，也可以通过固态激光雷达里程计获得，还可以通过其它任何可以获得激光雷达位姿的方式获得，具体此处不做限定。
61.本实施方式中，惯性测量单元是用于测量加速度和旋转角速度的传感器，因此，惯性测量单元的实际观测数据包括实际观测加速度和实际观测旋转角速度，在一种实施方式中，除了惯性测量单元的实际观测数据之外，还可以获取其它任一传感器的实际观测数据，如相机、毫米波雷达、超声波雷达、超声波等传感器的实际观测数据，用于后续与实际激光雷达里程计数据进行标定参数估计，得到目标标定参数后生成仿真激光雷达里程计数据，也就是说，本发明的实际观测数据替换为除惯性测量单元外，其它任一传感器观测到的实际观测数据，也能够生成仿真激光雷达里程计数据，以灵活地实现自动驾驶仿真数据的生成方案。例如，惯性测量单元的实际观测数据可以替换为相机的实际观测数据，那么，此时的实际观测数据则包括相机拍摄的原始图像和原始图像拍摄的属性参数，如拍摄时刻、图像尺寸、相机参数等相关属性参数，用于后续的标定参数估计。
62.本实施方式中，自动驾驶终端获取的自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据具有时间同步性，也就是实际激光雷达里程计数据和实际观测数据是在相同的时刻或时段内采集的数据，例如，假设实际激光雷达里程计数据是9:00:00-9:00:01时段内实际自动驾驶过程中产生的数据，那么，惯性测量单元的实际观测数据也是9:00:00-9:00:01时段内同一自动驾驶终端在实际自动驾驶过程中采集到的数据，以保证不同传感器采集到的数据具有时间同步性，使得仿真数据生成的准确度更高。
63.102、通过实际激光雷达里程计数据和实际观测数据进行标定参数估计，得到目标标定参数，目标标定参数包括惯性测量单元与激光雷达之间的目标外参和惯性测量单元的目标位姿；
64.本实施方式中，目标标定参数作为自动驾驶仿真数据生成的中间数据，通过实际自动驾驶过程中产生的实际激光雷达里程计数据和实际观测数据进行标定参数估计，能够生成实际的标定参数，即目标标定参数，其中，目标标定参数中的目标外参可以作为外参真值，用于仿真数据的生成和转换。得到目标标定参数之后，能够仿真地生成不同场景的自动驾驶数据，甚至是实际自动驾驶过程中不可能生成的规则运动的自动驾驶数据，能够用于验证不同场景下自动驾驶算法或系统的精度，从而提高自动驾驶的整体安全性。
65.在一种实施方式中，自动驾驶终端通过预置标定算法对实际激光雷达里程计数据和实际观测数据进行标定参数估计之后，得到惯性测量单元与激光雷达之间的目标外参，再通过目标外参，将实际激光雷达里程计数据对应的激光雷达位姿转换至惯性测量单位的坐标系下，得到惯性测量单元的目标位姿，从而得到包含惯性测量单元与激光雷达之间的目标外参和惯性测量单元的目标位姿的目标标定参数。本实施方式能够基于不同传感器之间的外参进行快速地位姿转换，使得仿真数据的生成效率提高，难度降低。
66.在一种实施方式中，目标标定参数可以通过任何能够进行标定参数估计的算法进行生成，而对于不同的传感器对应的标定算法也不同，由于实际观测数据可以替换为除惯性测量单元外，其它任一传感器观测到的实际观测数据，因此，目标标定参数可以包括除惯性测量单元外，其它任一传感器与激光雷达之间的目标外参，和其它任一传感器的目标位姿，本实施方式能够生成通过任一传感器的标定参数，使得自动驾驶仿真数据的生成难度降低。
67.103、通过目标外参和目标位姿，生成仿真激光雷达里程计数据。
68.在一种实施方式中，惯性测量单元与激光雷达之间的目标外参和惯性测量单元的目标位姿之后，自动驾驶终端对目标位姿进行积分，得到惯性测量单元的仿真观测位姿，再通过目标外参，将惯性测量单元的仿真观测位姿转换至激光雷达坐标系，得到仿真激光雷达里程计数据。本实施方式能够生成接近实际激光雷达里程计数据的仿真数据，用于自动驾驶算法或系统的验证，使得自动驾驶仿真数据的生成无需依赖仿真器，生成难度大大降低。
69.在一种实施方式中，自动驾驶终端获得目标外参和目标位姿后，可以对不同时刻或时段的惯性测量单元的实际观测数据进行仿真激光雷达里程计数据生成，具体的，自动驾驶终端获取惯性测量单元的第一位姿，其中，第一位姿用于指示不同于实际激光雷达里程计数据的采集时刻或采集时段所观测到的惯性测量单元位姿信息，再通过目标外参，将第一位姿转换至激光雷达坐标系，得到仿真激光雷达里程计数据。例如，实际激光雷达里程计数据的采集时段为9:00:00-9:00:01，那么，为了区别于该实际激光雷达里程计数据的采集时段，惯性测量单元的第一位姿的观测时段可以为除9:00:00-9:00:01以外的其它任意时段，且时段长度、时段起始时刻以及时段结束时刻均不限定。在一种可行的实施方式中，为了获取更大数据量的仿真数据，自动驾驶终端可以尽可能多地获取第一位姿的观测时长，以生成时长更长的仿真激光雷达里程计数据，如第一位姿的观测时段可以为00:00:00-23:59:59，即可以获取接近24小时的仿真激光雷达里程计数据，使得仿真数据的数据量可
以无限量地提升，为自动驾驶算法和系统提供了大量的测试数据，使得仿真数据的生成限制减少，效率提升。
70.在一种实施方式中，与上一实施方式相反的是，得到目标外参和目标位姿之后，自动驾驶终端还可以对不同时刻或时段的实际激光雷达里程计数据进行仿真惯性测量单元的仿真数据生成，具体的，在步骤103之后，自动驾驶终端获取目标激光雷达里程计数据，其中目标激光雷达里程计数据用于指示不同于惯性测量单元的实际观测数据的采集时刻或采集时段的激光雷达里程计数据，再通过目标外参，将目标激光雷达里程计数据转换至惯性测量单元坐标系，得到惯性测量单元的目标仿真位姿，目标仿真位姿用于与实际位姿进行比对，以验证实际位姿的准确性。例如，惯性测量单元的实际观测数据的采集时段为9:00:00-9:00:01，那么，目标激光雷达里程计数据的采集时段则可以为除9:00:00-9:00:01以外的其它任意时段，且时段长度、时段起始时刻以及时段结束时刻均不限定，如9:00:02-9:00:59、18:00:00-18:00:01等，具体不做限定。本实施方式中，自动驾驶终端得到惯性测量单元的目标仿真位姿之后，将目标仿真位姿与相同时刻或相同时段内的实际位姿进行比对，得到目标误差值，并通过目标误差值对实际位姿的准确度进行定级，以验证惯性测量单元的实际位姿是否准确，为自动驾驶算法或系统的验证提供了支撑数据，使自动驾驶算法或系统的优化更具有指向性。
71.在一种实施方式中，得到目标外参和目标位姿之后，自动驾驶终端还可以针对不同自动驾驶算法或自动驾驶系统进行仿真生成，具体的，步骤103之后，自动驾驶系统获取第一激光雷达里程计数据，其中第一激光雷达里程计数据用于指示不同于实际激光雷达里程计数据生成的自动驾驶算法或系统所生成的激光雷达里程计数据，如实际激光雷达里程计数据由自动驾驶系统a生成，那么，第一激光雷达里程计数据则有自动驾驶系统b生成，自动驾驶终端再通过目标外参，将第一激光雷达里程计数据转换至惯性测量单元坐标系，得到惯性测量单元的第一仿真位姿，第一仿真位姿用于与惯性测量单元观测到的实际位姿进行比对，以验证实际位姿的准确性，进而验证实际位姿产生算法或系统的准确性。例如，实际位姿由自动驾驶系统a产生，那么，通过第一仿真位姿与实际位姿的比对，则可以验证自动驾驶系统a的准确性。本实施方式可以通过不同自动驾驶算法或系统产生的仿真数据对不同的自动驾驶算法或系统的精度进行验证，以保证自动驾驶算法或系统能够满足精度要求，保证自动驾驶的安全性。
72.在一种实施方式中，自动驾驶终端获得目标外参和目标位姿之后，可以对任何可以通过目标外参生成的自动驾驶数据进行仿真，包括但不限于：惯性测量单元和激光雷达分别对应的速度、加速度、旋转角速度、轨迹、安装参数、传感器参数等，其中安装参数包括安装高度、安装位置等参数，传感器参数包括传感器精度、内参等参数。当惯性测量单元被替换为其它任一传感器的情况下也同样适用，具体此处不做限定。
73.在一种实施方式中，生成仿真激光雷达里程计数据之后，自动驾驶终端将仿真激光雷达里程计数据与实际激光雷达里程计数据进行比对，得到目标偏差值，再通过目标偏差值对自动驾驶算法或系统进行精度定级，得到目标精度等级信息。本实施方式能够通过仿真自动驾驶数据验证自动驾驶算法或系统的精度，从而提高自动驾驶的安全性。
74.本发明实施例中，通过实际的自动驾驶过程中产生的激光雷达里程计数据和惯性测量单元的观测数据，生成标定参数，而标定参数作为中间参数，能够用于生成仿真激光雷
达里程计数据等仿真自动驾驶数据，使得仿真自动驾驶数据无需依赖于仿真器，极大程度地降低仿真数据的生成难度和生成成本。
75.请参阅图2，本发明实施例中自动驾驶仿真数据的生成方法的另一个实施例包括：
76.201、获取自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据，实际观测数据包括实际观测加速度和实际观测旋转角速度；
77.该步骤201的执行过程与步骤101的执行过程相似，具体此处不再赘述。
78.202、通过实际激光雷达里程计数据和实际观测数据进行标定参数估计，得到目标标定参数，目标标定参数包括惯性测量单元与激光雷达之间的目标外参和惯性测量单元的目标位姿；目标标定参数还包括：惯性测量单元的目标偏置数据；目标偏置数据包括目标加速度偏置和目标旋转角速度偏置；
79.具体的，步骤202包括：通过预置的目标标定算法对实际激光雷达里程计数据、实际观测加速度和实际观测旋转角速度进行标定参数计算，得到目标标定参数；在步骤203之后，还包括：通过仿真激光雷达里程计数据和实际激光雷达里程计数据对目标标定算法进行验证，得到验证结果，验证结果用于指示目标标定算法的准确性。
80.本实施方式中，自动驾驶终端通过预置的目标标定算法对实际激光雷达里程计数据、实际观测加速度和实际观测旋转角速度进行标定参数计算，得到目标标定参数之后，自动驾驶终端通过生成的仿真激光雷达里程计数据和实际激光雷达里程计数据反过来对目标标定算法进行精度验证，得到验证结果，其中，验证结果用于指示目标标定算法的准确性。具体的，自动驾驶终端对仿真激光雷达里程计数据和实际激光雷达里程计数据进行偏差值计算，得到目标偏差值，再通过目标偏差值对目标标定算法进行精度验证，得到验证结果。本实施方式能够通过仿真自动驾驶数据反推实际自动驾驶数据的准确性，使得自动驾驶数据验证的难度降低，效率提高。
81.进一步的，通过仿真激光雷达里程计数据和实际激光雷达里程计数据对目标标定算法进行验证，得到验证结果，包括：对仿真激光雷达里程计数据和实际激光雷达里程计数据进行误差计算，得到目标误差值；通过目标误差值对目标标定算法进行准确性判定，得到验证结果。
82.本实施方式中，自动驾驶终端通过计算仿真激光雷达里程计数据和实际激光雷达里程计数据之间的误差，得到目标误差值，再通过目标误差值与预置的误差值区间进行比对，以对目标标定算法进行准确度定级，得到验证结果，验证结果用于指示目标标定算法的准确度等级信息。
83.203、通过目标外参和目标位姿，生成仿真激光雷达里程计数据；
84.具体的，步骤203包括：通过目标外参对目标位姿进行激光雷达坐标系的转换，得到仿真激光雷达里程计数据。
85.在一种实施方式中，得到目标外参和目标位姿之后，自动驾驶终端通过目标外参，即可将目标位姿投影到激光雷达坐标系下，得到激光雷达坐标系的仿真激光雷达里程计数据，从而达到自动驾驶数据仿真的效果和目的，并降低仿真数据生成的难度，提高仿真数据生成的效率，进而提高自动驾驶算法或系统验证的效率。
86.204、通过目标偏置数据对实际观测数据进行去误差处理，得到惯性测量单元的仿真观测数据。
87.本实施方式中，通过惯性测量单元观测到的实际观测数据通常包含偏置和噪声，而在做一些理想状态下的自动驾驶算法性能分析时，往往需要不包含偏置和噪声的仿真数据，因此，自动驾驶终端通过目标偏置数据对实际观测数据进行去偏置和去噪声处理，得到惯性测量单元的仿真观测数据，仿真观测数据是不包含偏置和噪声的，而在另一种实施方式中，自动驾驶中还可以向仿真观测数据添加预置的偏置和噪声，得到包含设定偏置和设定噪声的仿真观测数据，能够用于观测在特定场景下的仿真加速度和仿真旋转角速度，使得仿真数据的生成更灵活，适用场景更广泛。
88.具体的，步骤204包括：对实际观测加速度和目标加速度偏置进行差值计算，得到惯性测量单元的仿真观测加速度；对实际观测旋转角速度和目标旋转角速度偏置进行差值计算，得到惯性测量单元的仿真观测旋转角速度；合并仿真观测加速度和仿真观测旋转角速度，得到惯性测量单元的仿真观测数据。
89.本实施方式中，得到目标加速度偏置和目标旋转角速度偏置之后，自动驾驶终端将实际观测加速度减去目标加速度偏置，得到惯性测量单元的仿真观测加速度，再将实际观测旋转角速度减去目标旋转角速度偏置，得到惯性测量单元的仿真观测旋转角速度，即得到包含仿真观测加速度和仿真观测旋转角速度的仿真观测数据。本实施方式能够对惯性测量单元的实际观测数据进行去偏置处理，得到无偏置的仿真观测数据，从而降低仿真数据的生成难度，提高自动驾驶算法或系统验证的效率。
90.进一步的，在步骤204之后，还包括：对仿真观测加速度和仿真观测旋转角速度进行积分，得到惯性测量单元的仿真观测位姿。
91.本实施方式中，自动驾驶终端还可以对仿真观测加速度和仿真观测旋转角速度进行积分，得到仿真观测位姿，仿真观测位姿可以用于验证实际观测位姿的准确度，也可以用于激光雷达位姿的转换，也数据自动驾驶仿真数据中的一种，能够用于自动驾驶算法或系统的验证和校准，使得仿真数据生成的难度降低，自动驾驶算法或系统验证的效率提高。
92.本发明实施例中，通过实际的自动驾驶过程中产生的激光雷达里程计数据和惯性测量单元的观测数据，生成标定参数，而标定参数作为中间参数，能够用于生成仿真激光雷达里程计数据、惯性测量单元的仿真观测数据等仿真自动驾驶数据，使得仿真自动驾驶数据无需依赖于仿真器，极大程度地降低仿真数据的生成难度和生成成本。
93.上面对本发明实施例中自动驾驶仿真数据的生成方法进行了描述，下面对本发明实施例中自动驾驶仿真数据的生成装置进行描述，请参阅图3，本发明实施例中自动驾驶仿真数据的生成装置一个实施例包括：
94.获取模块301，用于获取自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据，所述实际观测数据包括实际观测加速度和实际观测旋转角速度；
95.估计模块302，用于通过所述实际激光雷达里程计数据和所述实际观测数据进行标定参数估计，得到目标标定参数，所述目标标定参数包括所述惯性测量单元与激光雷达之间的目标外参和所述惯性测量单元的目标位姿；
96.生成模块303，用于通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据。
97.本发明实施例中，通过实际的自动驾驶过程中产生的激光雷达里程计数据和惯性
测量单元的观测数据，生成标定参数，而标定参数作为中间参数，能够用于生成仿真激光雷达里程计数据等仿真自动驾驶数据，使得仿真自动驾驶数据无需依赖于仿真器，极大程度地降低仿真数据的生成难度和生成成本。
98.请参阅图4，本发明实施例中自动驾驶仿真数据的生成装置的另一个实施例包括：
99.获取模块301，用于获取自动驾驶过程中产生的实际激光雷达里程计数据和惯性测量单元的实际观测数据，所述实际观测数据包括实际观测加速度和实际观测旋转角速度；
100.估计模块302，用于通过所述实际激光雷达里程计数据和所述实际观测数据进行标定参数估计，得到目标标定参数，所述目标标定参数包括所述惯性测量单元与激光雷达之间的目标外参和所述惯性测量单元的目标位姿；
101.生成模块303，用于通过所述目标外参和所述目标位姿，生成仿真激光雷达里程计数据。
102.可选的，所述目标标定参数还包括：所述惯性测量单元的目标偏置数据，所述自动驾驶仿真数据的生成装置还包括：
103.去误差模块304，用于通过所述目标偏置数据对所述实际观测数据进行去误差处理，得到所述惯性测量单元的仿真观测数据。
104.可选的，所述目标偏置数据包括目标加速度偏置和目标旋转角速度偏置，所述去误差模块304具体用于：
105.对所述实际观测加速度和所述目标加速度偏置进行差值计算，得到所述惯性测量单元的仿真观测加速度；
106.对所述实际观测旋转角速度和所述目标旋转角速度偏置进行差值计算，得到所述惯性测量单元的仿真观测旋转角速度；
107.合并所述仿真观测加速度和所述仿真观测旋转角速度，得到所述惯性测量单元的仿真观测数据。
108.可选的，所述自动驾驶仿真数据的生成装置还包括：
109.积分模块305，用于对所述仿真观测加速度和所述仿真观测旋转角速度进行积分，得到所述惯性测量单元的仿真观测位姿。
110.可选的，所述估计模块302具体用于：
111.通过预置的目标标定算法对所述实际激光雷达里程计数据、所述实际观测加速度和所述实际观测旋转角速度进行标定参数计算，得到目标标定参数；
112.所述自动驾驶仿真数据的生成装置还包括：
113.验证模块306，用于通过所述仿真激光雷达里程计数据和所述实际激光雷达里程计数据对所述目标标定算法进行验证，得到验证结果，所述验证结果用于指示所述目标标定算法的准确性。
114.可选的，所述验证模块306具体用于：
115.对所述仿真激光雷达里程计数据和所述实际激光雷达里程计数据进行误差计算，得到目标误差值；
116.通过所述目标误差值对所述目标标定算法进行准确性判定，得到验证结果。
117.可选的，所述生成模块303具体用于：
memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
127.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。