本申请涉及智能测试,且更为具体地,涉及一种泊车测试系统及方法。
背景技术:
1、泊车系统通过安装在车身上的超声波雷达、环视摄像头和行车摄像头、激光雷达等其他传感器,探测可停空间,规划车位位置,并实时动态规划泊车路径,将汽车指引或者直接操控方向盘驶入停车位置,消除了车四周的视觉盲区,帮助驾驶员更加精确地泊车。
2、一款带有泊车系统的车辆在投入市场前,需要对泊车系统进行测试。通常情况下,泊车测试分为实车测试和仿真测试。在针对不同泊车环境的仿真测试中,测试场景的搭建与模拟往往耗费了大量的人力和时间。
3、因此,期待一种优化的泊车测试方案。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种泊车测试系统及方法。其首先对获取的泊车测试虚拟场景的文本描述进行分词处理后通过词嵌入层以得到词嵌入向量的序列,接着,将所述词嵌入向量的序列通过第一语义编码器以得到第一尺度测试虚拟场景语义理解特征向量,然后,将所述词嵌入向量的序列通过第二语义编码器以得到第二尺度测试虚拟场景语义理解特征向量,接着,融合所述第一尺度测试虚拟场景语义理解特征向量和所述第二尺度测试虚拟场景语义理解特征向量以得到多尺度测试虚拟场景语义理解特征向量,最后,将所述多尺度测试虚拟场景语义理解特征向量通过虚拟场景生成器以得到虚拟测试场景图。通过这样的方式,可以解决人力制约的问题,降低成本。
2、根据本申请的一个方面,提供了一种泊车测试系统,其包括:
3、泊车虚拟场景描述获取模块,用于获取泊车测试虚拟场景的文本描述;
4、词嵌入模块,用于对所述泊车测试虚拟场景的文本描述进行分词处理后通过词嵌入层以得到词嵌入向量的序列;
5、第一语义理解模块,用于将所述词嵌入向量的序列通过第一语义编码器以得到第一尺度测试虚拟场景语义理解特征向量;
6、第二语义理解模块,用于将所述词嵌入向量的序列通过基于转换器的第二语义编码器以得到第二尺度测试虚拟场景语义理解特征向量;
7、多尺度融合模块,用于融合所述第一尺度测试虚拟场景语义理解特征向量和所述第二尺度测试虚拟场景语义理解特征向量以得到多尺度测试虚拟场景语义理解特征向量;以及
8、虚拟场景生成模块,用于将所述多尺度测试虚拟场景语义理解特征向量通过基于对抗生成网络的虚拟场景生成器以得到虚拟测试场景图。
9、在上述的泊车测试系统中,所述第一语义编码器为双向长短期记忆神经网络模型。
10、在上述的泊车测试系统中,所述基于转换器的第二语义编码器为基于转换器的bert模型。
11、在上述的泊车测试系统中,所述第二语义理解模块,包括:
12、上下文编码单元,用于将所述词嵌入向量的序列输入所述基于转换器的第二语义编码器以得到多个测试虚拟场景语义特征向量;以及
13、级联单元,用于将所述多个测试虚拟场景语义特征向量进行级联以得到所述第二尺度测试虚拟场景语义理解特征向量。
14、在上述的泊车测试系统中,所述上下文编码单元,包括:
15、查询向量构造二级子单元,用于将所述词嵌入向量的序列进行一维排列以得到全局词序列特征向量;
16、自注意二级子单元,用于计算所述全局词序列特征向量与所述词嵌入向量的序列中各个词向量的转置向量之间的乘积以得到多个自注意力关联矩阵;
17、标准化二级子单元,用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵;
18、关注度计算二级子单元,用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过softmax分类函数以得到多个概率值;以及
19、注意力施加二级子单元,用于分别以所述多个概率值中各个概率值作为权重对所述词嵌入向量的序列中各个词嵌入向量进行加权以得到所述多个测试虚拟场景语义特征向量。
20、在上述的泊车测试系统中,所述多尺度融合模块,进一步用于:以如下公式融合所述第一尺度测试虚拟场景语义理解特征向量和所述第二尺度测试虚拟场景语义理解特征向量以得到所述多尺度测试虚拟场景语义理解特征向量;
21、其中,所述公式为:
22、
23、其中,vi表示所述第一尺度测试虚拟场景语义理解特征向量,vj表示所述第二尺度测试虚拟场景语义理解特征向量,vc表示所述多尺度测试虚拟场景语义理解特征向量,exp(·)表示向量的指数运算,所述向量的指数运算表示计算以向量中各个位置的特征值为幂的自然指数函数值。
24、在上述的泊车测试系统中,所述对抗生成网络包括鉴别器和生成器。
25、根据本申请的另一个方面,提供了一种泊车测试方法,其包括:
26、获取泊车测试虚拟场景的文本描述;
27、对所述泊车测试虚拟场景的文本描述进行分词处理后通过词嵌入层以得到词嵌入向量的序列;
28、将所述词嵌入向量的序列通过第一语义编码器以得到第一尺度测试虚拟场景语义理解特征向量;
29、将所述词嵌入向量的序列通过基于转换器的第二语义编码器以得到第二尺度测试虚拟场景语义理解特征向量;
30、融合所述第一尺度测试虚拟场景语义理解特征向量和所述第二尺度测试虚拟场景语义理解特征向量以得到多尺度测试虚拟场景语义理解特征向量;以及
31、将所述多尺度测试虚拟场景语义理解特征向量通过基于对抗生成网络的虚拟场景生成器以得到虚拟测试场景图。
32、在上述的泊车测试方法中,所述第一语义编码器为双向长短期记忆神经网络模型。
33、在上述的泊车测试方法中,所述基于转换器的第二语义编码器为基于转换器的bert模型。
34、与现有技术相比,本申请提供的泊车测试系统及方法,其首先对获取的泊车测试虚拟场景的文本描述进行分词处理后通过词嵌入层以得到词嵌入向量的序列,接着,将所述词嵌入向量的序列通过第一语义编码器以得到第一尺度测试虚拟场景语义理解特征向量,然后,将所述词嵌入向量的序列通过第二语义编码器以得到第二尺度测试虚拟场景语义理解特征向量,接着,融合所述第一尺度测试虚拟场景语义理解特征向量和所述第二尺度测试虚拟场景语义理解特征向量以得到多尺度测试虚拟场景语义理解特征向量,最后,将所述多尺度测试虚拟场景语义理解特征向量通过虚拟场景生成器以得到虚拟测试场景图。通过这样的方式,可以解决人力制约的问题,降低成本。
1.一种泊车测试系统,其特征在于,包括:
2.根据权利要求1所述的泊车测试系统,其特征在于,所述第一语义编码器为双向长短期记忆神经网络模型。
3.根据权利要求2所述的泊车测试系统,其特征在于,所述基于转换器的第二语义编码器为基于转换器的bert模型。
4.根据权利要求3所述的泊车测试系统,其特征在于,所述第二语义理解模块,包括:
5.根据权利要求4所述的泊车测试系统,其特征在于,所述上下文编码单元,包括:
6.根据权利要求5所述的泊车测试系统,其特征在于,所述多尺度融合模块,进一步用于:以如下公式融合所述第一尺度测试虚拟场景语义理解特征向量和所述第二尺度测试虚拟场景语义理解特征向量以得到所述多尺度测试虚拟场景语义理解特征向量;
7.根据权利要求6所述的泊车测试系统,其特征在于,所述对抗生成网络包括鉴别器和生成器。
8.一种泊车测试方法,其特征在于,包括:
9.根据权利要求8所述的泊车测试方法,其特征在于,所述第一语义编码器为双向长短期记忆神经网络模型。
10.根据权利要求9所述的泊车测试方法,其特征在于,所述基于转换器的第二语义编码器为基于转换器的bert模型。