規控算法的評估方法、系統及計算機存儲介質技術方案

本發明專利技術提供了一種規控算法的評估方法、系統及計算機存儲介質，規控算法的評估方法包括：車端根據車輛數據識別非常態場景，車輛數據包括外部數據和內部數據；車端識別出非常態場景之后，生成非常態場景數據并傳輸至線下端；線下端根據非常態場景數據構建虛擬場景，并基于虛擬場景評估非常態場景對應的規控算法。本發明專利技術針對規控算法在非常態下的性能表現進行評估，有利于提升規控算法的性能。有利于提升規控算法的性能。有利于提升規控算法的性能。

【技術實現步驟摘要】
規控算法的評估方法、系統及計算機存儲介質


[0001]本專利技術涉及自動駕駛領域，尤其涉及一種規控算法的評估方法、系統及計算機存儲介質。

技術介紹

[0002]規控算法的優劣直接影響到智能駕駛汽車的表現。目前對規控算法進行性能評定的時候一般采用兩種方式，實車驗證或數字手段模擬。實車驗證可以更為直觀的表現算法的實際效果，但實車驗證存在場景可重復性小，資源消耗大等缺點。使用數字模擬的方法是目前最佳的選擇，在算法進行小規模的修改時，可以快速驗證其可行性，在算法開發的初期階段避免90％以上的問題，此外數字模擬的方法具備優秀的場景再現能力，一致性高。但現有的規控算法的評價方法缺少對規控算法各種駕駛場景的全面評估，特別是缺少在非常態下的性能評估，而算法對非常規態下的表現正是當前高等級自動駕駛落的絆腳石。

技術實現思路

[0003]有鑒于此，本專利技術提供了一種規控算法的評估方法、系統及計算機存儲介質，能針對規控算法在非常態下的性能表現進行評估，有利于提升規控算法的性能。
[0004]第一方面，本專利技術提供了一種規控算法的評估方法，包括：
[0005]車端根據車輛數據識別非常態場景，所述車輛數據包括外部數據和內部數據；
[0006]所述車端識別出所述非常態場景之后，生成非常態場景數據并傳輸至線下端；
[0007]所述線下端根據所述非常態場景數據構建虛擬場景，并基于所述虛擬場景評估所述非常態場景對應的規控算法。
[0008]其中，所述車端根據車輛數據識別非常態場景，包括：r/>[0009]判斷所述車輛數據是否符合預設條件；
[0010]若是，則確認所述車輛數據對應的場景為非常態場景；
[0011]對所述非常態場景的規控算法進行初步評估，得到第一評估結果；
[0012]根據所述第一評估結果確定是否傳輸非常態場景數據至線下端。
[0013]其中，所述車端識別出所述非常態場景之后，生成非常態場景數據并傳輸至線下端，包括：
[0014]獲取數據采集參考時間點；
[0015]獲取所述數據采集參考時間點前n分鐘以及后n+5分鐘共2n+5分鐘的外部數據；
[0016]根據所述外部數據、所述第一評估結果和高精地圖生成非常態場景數據；
[0017]優化壓縮所述非常態場景數據，并通過路側通信發送所述非常態場景數據至線下端。
[0018]其中，所述線下端根據所述非常態場景數據構建虛擬場景，包括：
[0019]清洗所述外部數據以獲得所述非常態場景中動態障礙物的物理特征；
[0020]將清洗后的外部數據和所述高精度地圖輸入深度學習模型，獲得多組不同環境信
息下的包括動態障礙物的非常態場景；
[0021]根據所述多組非常態場景構建虛擬場景。
[0022]其中，所述獲得多組不同環境信息下的包括動態障礙物的非常態場景之后，還包括：
[0023]對所述多組非常態場景進行篩選和量化分級；
[0024]獲取篩選后的所述多組非常態場景的等級對應的預設通過率；
[0025]比較所述規控算法的實際通過率與所述預設通過率的關系，得到第二評估結果。
[0026]其中，所述根據所述多組非常態場景構建虛擬場景之后，還包括：
[0027]結合所述多組非常態場景與所述非常態場景的車輛數據，生成虛擬非常態場景；
[0028]注冊所述虛擬非常態場景至場景庫。
[0029]其中，所述在所述虛擬場景中評估所述非常態場景對應的規控算法，還包括：
[0030]采用規則評估、模型評估和人工評估中至少兩項評估方法評估所述虛擬場景中的規控算法；
[0031]對所述規則評估、模型評估和人工評估中至少兩項評估方法的評估結果進行加權平均，獲得所述規控算法的第三評估結果。
[0032]第二方面，本專利技術還提供了一種規控算法的評估系統，所述規控算法的評估系統包括車端、線下端和路側通信模塊；
[0033]所述車端，用于根據車輛數據識別非常態場景以及生成非常態場景數據，所述車輛數據包括外部數據和內部數據；
[0034]所述路側通信模塊，用于傳輸所述非常態場景數據至線下端；
[0035]所述線下端，用于根據所述非常態場景數據構建虛擬場景，并基于所述虛擬場景評估所述非常態場景對應的規控算法。
[0036]其中，所述規控算法的評估系統還包括：
[0037]高精度地圖模塊，用于存儲自動駕駛區域所需區域高精地圖信息，為自動駕駛和評估模塊提供地圖信息。
[0038]第三方面，本專利技術還提供一種計算機存儲介質，所述計算機存儲介質上存儲有計算機程序指令；所述計算機程序指令被處理器執行時實現如上所述的規控算法的評估方法。
[0039]綜上所述，本專利技術的規控算法的評估方法、系統及計算機存儲介質，規控算法的評估方法包括：車端根據車輛數據識別非常態場景，車輛數據包括外部數據和內部數據；車端識別出非常態場景之后，生成非常態場景數據并傳輸至線下端；線下端根據非常態場景數據構建虛擬場景，并基于虛擬場景評估非常態場景對應的規控算法。本專利技術針對規控算法在非常態下的性能表現進行評估，有利于提升規控算法的性能。
[0040]上述說明僅是本專利技術技術方案的概述，為了能夠更清楚了解本專利技術的技術手段，而可依照說明書的內容予以實施，并且為了讓本專利技術的上述和其他目的、特征和優點能夠更明顯易懂，以下特舉較佳實施例，并配合附圖，詳細說明如下。
附圖說明
[0041]圖1為根據第一實施例示出的規控算法的評估方法的流程示意圖；
[0042]圖2為根據第二實施例示出的規控算法的評估系統結構圖；
[0043]圖3為根據第二實施例示出的線下端的結構圖；
[0044]圖4為根據第三實施例示出的虛擬場景示意圖。
具體實施方式
[0045]為更進一步闡述本專利技術為達成預定專利技術目的所采取的技術手段及功效，以下結合附圖及較佳實施例，對本專利技術詳細說明如下。
[0046]第一實施例
[0047]圖1為根據第一實施例示出的規控算法的評估方法的流程示意圖。如圖1所示，本專利技術實施例提供了一種規控算法的評估方法，包括：
[0048]步驟201：車端根據車輛數據識別非常態場景，車輛數據包括外部數據和內部數據；
[0049]步驟202：車端識別出非常態場景之后，生成非常態場景數據并傳輸至線下端；
[0050]步驟203：線下端根據非常態場景數據構建虛擬場景，并基于虛擬場景評估非常態場景對應的規控算法。
[0051]實際交通情況比較復雜，一般數據采集過程中涉及到非常態場景的信息較少，因此本專利技術針對規控算法在非常態場景(corner case，意外事件)中，例如突然的橫穿，前車急減速等下的性能表現進行評估，在不同的模塊中可以多次評估得到多角度的評估結果，提供評估的準確度。步驟201中，車端根據車輛數據識別非常態場景。車輛數據包括外部數據和內部數據本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種規控算法的評估方法，其特征在于，包括：車端根據車輛數據識別非常態場景，所述車輛數據包括外部數據和內部數據；所述車端識別出所述非常態場景之后，生成非常態場景數據并傳輸至線下端；所述線下端根據所述非常態場景數據構建虛擬場景，并基于所述虛擬場景評估所述非常態場景對應的規控算法。2.根據權利要求1所述的規控算法的評估方法，其特征在于，所述車端根據車輛數據識別非常態場景，包括：判斷所述車輛數據是否符合預設條件；若是，則確認所述車輛數據對應的場景為非常態場景；對所述非常態場景的規控算法進行初步評估，得到第一評估結果；根據所述第一評估結果確定是否傳輸非常態場景數據至線下端。3.根據權利要求2所述的規控算法的評估方法，其特征在于，所述車端識別出所述非常態場景之后，生成非常態場景數據并傳輸至線下端，包括：獲取數據采集參考時間點；獲取所述數據采集參考時間點前n分鐘以及后n+5分鐘共2n+5分鐘的外部數據；根據所述外部數據、所述第一評估結果、高精度地圖生成非常態場景數據；優化壓縮所述非常態場景數據，并通過路側通信發送所述非常態場景數據至線下端。4.根據權利要求3所述的規控算法的評估方法，其特征在于，所述線下端根據所述非常態場景數據構建虛擬場景，包括：清洗所述外部數據以獲得所述非常態場景中動態障礙物的物理特征；將清洗后的外部數據和所述高精度地圖輸入深度學習模型，獲得多組不同環境信息下的包括動態障礙物的非常態場景；根據所述多組非常態場景構建虛擬場景。5.根據權利要求4所述的規控算法的評估方法，其特征在于，所述獲得多組不同環境信息下的包括動態障礙物的非常態場景之后，還包括：對所述多組非...

【專利技術屬性】
技術研發人員：徐頌揚，張立志，
申請(專利權)人：吉利汽車研究院寧波有限公司，
類型：發明
國別省市：