一种用于自动驾驶的应用场景建模方法及建模系统与流程

1.本发明涉及智能驾驶技术领域，具体涉及一种用于自动驾驶的应用场景建模方法及建模系统。


背景技术：

2.高级别智能/自动驾驶功能是指在特定工况下能够实现自动驾驶的功能，依靠智能车安装的传感器和域控制器来控制车辆行驶，在设计该系统时，总是不能覆盖实际驾驶情况下的所有应用场景，导致交通事故的发生，给主机厂和驾驶员带来了不同程度的损失。
3.目前高级别智能/自动驾驶功能场景设计依赖于交通事故场景库，认为功能系统设计只要满足了交通事故场景库的需求，就可以避免智能/自动驾驶功能下的交通事故，然而市场上的实际案例说明，智能/自动驾驶功能设计仍存在诸多未知的风险，可能导致交通故事的悲剧再次发生。
4.为了让汽车智能驾驶变得更安全，需要提供覆盖能更多应用场景的场景库，以满足自动驾驶功能模拟的需求。目前，用于自动驾驶的应用场景建模还是通过传统的人工建模方式，工作量巨大，建模效率低。因此，设计一种可以大量自动生成应用场景的建模方法非常有必要。


技术实现要素：

5.基于上述表述，本发明提供了一种用于自动驾驶的应用场景建模方法，其可以自动生成大量的应用场景，提高建模效率。
6.本发明解决上述技术问题的技术方案如下：
7.一种用于自动驾驶的应用场景建模方法，包括以下步骤：
8.s1.建立基础场景库；
9.s2.对基础场景库中各个应用场景中的交通参与者的元素进行提取，然后对每个元素进行参数提取，获得元素和参数列表；
10.s3.利用元素和参数列表，通过工具建模，自动生成场景库，对每个典型场景内的参数进行赋值；
11.s4.根据各个场景的赋值，通过工具对相同或相似的典型场景进行归类及筛选。
12.作为优选方案：s2步骤中在对元素进行参数提取后，还对提取的参数进行总结，即对多个场景中的参与者进行识别、统计，并随着场景的增多对新场景中的新的参与者进行积累。
13.作为优选方案：s1步骤中通过手绘或者画图工具，以自车为中心，通过排列组合的方式建立基础模型，形成一个小数量级的场景库。
14.作为优选方案：s2步骤中的交通参与者包括自车、车道线和其他车辆。
15.作为优选方案：s4步骤中根据场景的参数赋值，对场景归类，按照类别将多个应用场景归类。
16.作为优选方案：在s4步骤之后，还包括验证的步骤，即根据所需功能设计，将功能设计的参数输入场景库，从场景库中匹配对应的应用场景。
17.作为优选方案：若匹配不到应用场景，则将该功能设计的参数标记为新参数；并将这些新参数输入到建模工具中生成对应的新场景；若匹配到应用场景，则统计所匹配到的应用场景的数量，及其在场景库中的占比，若占比低于预设值，在后续生成新场景时，提高该功能设计的参数输入到建模工具中的频次，以建立更多符合该功能设计的应用场景。
18.一种用于自动驾驶的应用场景建模系统，包括：
19.基础场景库模块，其预设有多个基础场景库，并可新增基础场景库；
20.建模模块，其用于对每个基础场景库中交通参与者的元素进行提取，然后对每个元素进行参数提取，获得元素和参数列表，利用元素和参数列表，通过工具建模，自动生成场景库，对每个场景内的参数进行赋值；
21.分类模块，其根据各个场景的赋值，通过工具对相同或相似的场景进行归类及筛选。
22.作为优选方案：还包括验证模块，所述验证模块用于根据所需功能设计，将功能设计的参数输入场景库，从场景库中匹配对应的应用场景；若匹配不到应用场景，则将该功能设计的参数标记为新参数；并将这些新参数输入到建模工具中生成对应的新场景；若匹配到应用场景，则统计所匹配到的应用场景的数量，及其在场景库中的占比，并输出验证结果。
23.作为优选方案：还包括典型场景推荐度调节模块，所述典型场景推荐度调节模块用于根据自动化驾驶的功能设计的参数自动筛选和匹配典型场景，在进行功能设计模拟的过程中读取模拟结果，根据功能设计的完成情况对模拟结果分类，并根据分类的结果和出现的频次对典型场景的推荐度进行标记，在下次模拟相同功能设计时，优先推荐完成情况欠佳的典型场景。
24.与现有技术相比，本技术的技术方案具有以下有益技术效果：
25.通过本方法可以自动建立大量的基础场景库，大大提高应用场景建模的效率，在场景建模的过程中通过分析所有交通参与者的分类及每一个交通参与者可以表达的相关参数，进而能通过各个交通参与者的相关参数选取对应的基础场景库，再利用基础场景库完成建模，可以帮助功能开发人员明确功能开发应覆盖的应用场景，因为最终给出的场景是通过本文描述的系统方法分析得出的场景。
附图说明
26.图1为一种应用场景的示意图；
27.图2为另一种应用场景的示意图。
具体实施方式
28.实施例一
29.一种用于自动驾驶的应用场景建模方法，包括以下步骤：
30.s1.建立基础场景库：
31.参照图1，在建立应用场景时可以通过手绘或者其他画图工具，以自车为中心，将
自车前、后、左、右、右前、左前、右后和左后方的八个区域(分为有车、无车以及车辆状态)以及车道线(分实线、虚线以及线的颜色)作为交通参与者，通过将这些交通参与者进行排列组合的方式建立基础模型，形成一个小数量级的基础场景库。
32.s2.对基础场景库中每个应用场景的交通参与者的元素进行提取，然后对每个元素进行参数提取，获得元素和参数列表；
33.图1为一种应用场景，自车周围八个区域即为a、b、c、d、e、f、g、h。当a区域有车时，定义a区有交通参与者，a区交通参与者的元素包括车型(机动车、非机动车、车速等)。对于机动车定义其值为1、对于非机动车定义其值为2；车速低于自车时其值定义为l，车速等于自车时其值定义为e，车速高于自车时其值定义为h；自车旁边有车道线时，其值定义为y，车道线为实线时，其值定义为y0，车道线为虚线时，其值为y1；车道线的颜色为白色时，其值定义为b、车道线的颜色为黄色时，其值定义为h。
34.以图1为例，该应用场景中的交通参与者有车道线，该应用场景中的交通参与者的元素为虚线，线的颜色为白色，该应用场景对应的元素值包括 y1w。
35.参照图2，该应用场景中的交通参与者有车道线和a区域车辆，交通线的元素为虚线，线的颜色为白色，对应的元素值为y1w。a车的元素为机动车、车速等于自车，对应的元素值为a1e。该应用场景对应的元素值包括 y1w和a1e。
36.对每个应用场景的交通参与者的元素进行提取，并对每个交通参与者的元素值进行总结，以归纳在不同应用场景中交通参与者的行为模式。
37.通过对建立的应用场景进行元素及参数的提取，可以获得较为丰富的元素及参数列表。
38.s3.利用元素和参数列表，通过工具建模，自动生成场景库，对每个场景内的参数进行赋值；
39.通过carmaker等建模仿真工具，将上述工作步骤s1和s2完成提取的元素及参数输入到建模仿真工具，利用软件工具，进行场景库自动生成，由此可以产生数量级及其庞大的场景库，即利用基础应用场景自动生成典型场景；同时，每一个典型场景内的参数可以赋予不同的数值。
40.s4.根据各个典型场景的赋值，通过工具对相同或相似的典型场景进行归类和筛选，将赋值相同或相近的典型场景归为一类。
41.在模拟自动驾驶功能时，需要对不同的功能设计进行模拟，例如避障、变道等功能。对于不同的功能设计，所需的典型场景是不同，例如对于变道功能，需要在自车两边无车辆，且车道线为虚线时才能进行。
42.这就需要根据功能设计筛选对应类别的典型场景。
43.如1：目标车辆出现在正前方的场景，那么正前方出现一辆车、二辆车或是三辆车，实际对智能驾驶车辆的系统要求是相同的或者是类似的，需要智能驾驶车辆识别到该车辆，且要规划新路径绕过该目标或减速防止碰撞；
44.如2：目标物体出现在正前方的场景，该物体不一定也是车辆，也可能是行人、动物或是其他静止的物体，但对智能驾驶车辆的要求和如1内容一致。
45.由此我们可以发现，虽然我们建立了一个数量级很庞大的场景库，但总有许多具有相似需求，或具有相似元素的场景，我们只需要将这类场景找到，实际上这样的场景数量
是有限的，因此我们只需要找出这类具备代表的应用场景，那么就可以包含庞大场景库所涉及到的应用范围。
46.将各个功能设计参数化，就能得到功能设计的参数与所需典型场景的参数的对应关系。
47.在进行功能设计模拟时，向场景库中输入选取对应的典型场景，在模拟软件中完成模拟。
48.本实施例中，还包括验证的步骤，即根据所需功能设计，将功能设计的参数输入场景库，从场景库中匹配对应的典型场景。若匹配不到应用场景，则将该功能设计的参数标记为新参数；并多次将这些新参数输入到建模工具中结合基础场景生成对应的新典型场景，从而实现对场景库的自动新增和扩充。若匹配到应用场景，则可以统计所匹配到的典型场景的数量，计算器在场景库中的占比，若占比s低于预设值，则说明适用于该功能设计的典型场景偏少，不足以满足该功能设计的模拟仿真，需要对此类典型场景进行新增和拓展。当占比s低于预设值时，将该功能设计的参数输入到建模工具中结合基础场景自动生成同类的典型场景，多次进行后即可将该类典型场景在场景库的占比提高至一定比例，从而能较好地满足对应功能设计的模拟需求。
49.本所述中，还包括对典型场景的推荐度调节步骤，具体的：根据自动化驾驶的功能设计的参数自动筛选和匹配典型场景，在进行功能设计模拟的过程中读取模拟结果，将根据功能设计的完成情况对模拟结果分类，例如当功能可以较好的完成时，模拟结果为“优”，当功能可以正常完整时，模拟结果为“正常”，当功能不能触发时，模拟结果为“异常”，当功能错误执行时，则模拟结果为“差”。
50.针对某一功能设计，在通过筛选的典型场景模拟时，读取模拟结果，并统计模拟结果，根据功能的完成情况和次数对该典型场景进行标记。例如，针对避障功能，选取典型场景m，进行多次模拟，统计模拟结果中的“优”、“正常”、“异常”和“差”的次数，通过不同结果的占比，对该典型场景标记。如此，当“优”和“正常”的次数在所有模拟次数中的占比大于一定值时，将该典型场景标记为“常规”场景；当“优”和“正常”的次数在所有模拟次数中的占比小于该定值时，将该典型场景标记为“易错”场景。
51.在下次模拟同样的功能设计时，优先匹配带有“易错”标记的场景。如此可以在模拟功能设计时，优先匹配该功能易出现问题的典型场景，以便于在模拟时能够尽量发现问题。
52.实施例二：
53.一种用于自动驾驶的应用场景建模系统，包括：
54.基础场景库存储模块，其存储有小数量级的基础场景库。基础场景库中的应用场景通过手绘或者其他画图工具，以自车为中心，将自车前、后、左、右、右前、左前、右后和左后方的八个区域作为交通参与者，通过将这些交通参与者进行排列组合的方式建立基础模型。
55.元素和参数提取模块，其用于对基础场景库存储模块中的各个基础场景进行分类归集。场景归类模块对每个应用场景中交通参与者的元素进行提取，然后对每个元素进行参数提取，获得元素和参数列表；交通参与者包括自车、车道线和其他车辆。
56.例如：自车周围八个区域即为a、b、c、d、e、f、g、h。当a区域有车时，定义a区有交通
参与者，a区交通参与者的元素包括车型(机动车、非机动车、车速等)。对于机动车定义其值为1、对于非机动车定义其值为2；车速低于自车时其值定义为l，车速等于自车时其值定义为e，车速高于自车时其值定义为h；自车旁边有车道线时，其值定义为y，车道线为实线时，其值定义为y0，车道线为虚线时，其值为y1；车道线的颜色为白色时，其值定义为b、车道线的颜色为黄色时，其值定义为h。
57.通过上述步骤，可以对基础场景库中的所有应用场景进行参数和元素提取，得到获得较为丰富的元素及参数列表。
58.自动建模模块，其用于根据元素和参数列表，通过工具建模，自动生成场景库，对每个典型场景的参数进行赋值；通过carmaker等建模仿真工具，将上完成提取的元素及参数输入到建模仿真工具，利用软件工具，进行场景库自动生成，由此可以产生数量级及其庞大的场景库，即利用基础应用场景自动生成典型场景；同时，每一个典型场景内的参数可以赋予不同的数值。
59.场景归类模块，其根据各个典型场景的赋值，通过工具对相同或相似的典型场景进行归类和筛选，将赋值相同或相近的典型场景归为一类。
60.本实施例中的建模系统还包括验证模块，验证模块根据所需功能设计，将功能设计的参数输入场景库，从场景库中匹配对应的典型场景。若匹配不到应用场景，输出匹配结果；若匹配到应用场景，则统计所匹配到的典型场景的数量，计算器在场景库中的占比，并输出占比值。
61.本实施例中的建模系统还包括场景库扩充模块，当验证模块未匹配到典型场景时，场景库扩充模块将当前输入的功能设计的参数标记为新参数；并多次将这些新参数输入到建模工具中结合基础场景生成对应的新典型场景，从而实现对场景库的自动新增和扩充；当占比s低于预设值时，场景库扩充模块将该功能设计的参数输入到建模工具中结合基础场景自动生成同类的典型场景，多次进行后即可将该类典型场景在场景库的占比提高至一定比例。
62.本实施例中的建模系统还包括典型场景推荐度调节模块，典型场景推荐度调节步骤，根据自动化驾驶的功能设计的参数自动筛选和匹配典型场景，在进行功能设计模拟的过程中读取模拟结果，将根据功能设计的完成情况对模拟结果分类，例如当功能可以较好的完成时，模拟结果为“优”，当功能可以正常完整时，模拟结果为“正常”，当功能不能触发时，模拟结果为“异常”，当功能错误执行时，则模拟结果为“差”。针对某一功能设计，在通过筛选的典型场景模拟时，读取模拟结果，并统计模拟结果，根据功能的完成情况和次数对该典型场景进行标记。例如，针对避障功能，选取典型场景m，进行多次模拟，统计模拟结果中的“优”、“正常”、“异常”和“差”的次数，通过不同结果的占比，对该典型场景标记。如此，当“优”和“正常”的次数在所有模拟次数中的占比大于一定值时，将该典型场景标记为“常规”场景；当“优”和“正常”的次数在所有模拟次数中的占比小于该定值时，将该典型场景标记为“易错”场景。在下次模拟同样的功能设计时，优先匹配带有“易错”标记的场景。如此可以在模拟功能设计时，优先匹配该功能易出现问题的典型场景，以便于在模拟时能够尽量发现问题。
63.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。