广告
王宝宗：挖掘测试数据及构建场景库对提高自动驾驶安全性极其重要
2020-05-13 23:57:41· 来源：51WORLD
内容大纲一、场景库的应用背景二、基于视觉分析的场景数据挖掘技术三、场景库的架构与构建技术四、基于场景库的仿真测试技术一、场景库的应用背景场景库应用背景
内容大纲
一、场景库的应用背景
二、基于视觉分析的场景数据挖掘技术
三、场景库的架构与构建技术
四、基于场景库的仿真测试技术
一、场景库的应用背景
场景库应用背景，这是一款国产的和一款国外的车，在测试AEB功能的时候，两款车都发生了撞人的事件，从我们分析的角度来看，它们在感知层就出现了问题，导致它们发生了撞人的事件。
在测试的过程中，传统汽车和自动驾驶汽车是不一样的，这里主要体现在几个方面：一是测试内容的变化，传统汽车主要是测试方向盘、脚踏板机械方面的测试。自动驾驶汽车更多的是车辆感知能力方面的测试。第二，测试的工况发生了很多的变化，之前是人来测试，现在是由计算机、芯片决定接下来做什么样的决策，所以场景在测试方面起到了很关键的作用。第三，测试评价工具链发生了变化，现在更多的是用一些仿真软件，用一些在环测试。
测试场景这块，我们在场景库构建方面结合了国际、国内做的一些研究，提出场景的定义，可以认为场景是一定时间和空间范围内环境与驾驶行为的综合反映，描述了道路、交通设施、气象条件、交通参与物等外部状态以及自车的驾驶任务和状态等信息。
在构建场景库数据这块，主要有几个方面的数据源，左边蓝色部分是我们采集到的真实的数据，这个真实的数据有几个来源。第一个数据来源就是路侧监控系统数据，这个数据基础会构建出来很多边缘的场景，以及正常的自然驾驶状态下车辆发生的行为。第二部分，我们也会通过车载端采集一些数据，第三个是事故数据。右边的部分就是虚拟数据，虚拟数据现在有一些法规，同时还有人为构造场景。
二、基于视觉分析的场景数据挖掘技术
基于视觉挖掘场景都有什么优势呢？首先是视觉信息量特别大，场景要素挖掘范围广。
其次视觉传感器是常规的车载和路侧传感器，可以对交通参与物进行分类。通过运用图像分析技术会对车辆之间、交通参与物的行为进行归类，所以看到这是我们在自动化提取场景方面做的一些工作。
同时我们还有车载端有自动化的标注工具，可以解决标注的需求。
下面就是通过路测挖掘的典型的场景，可以看到，有的车会掉下来物体，这个是我们很难预测到的，但是从我们历史挖掘的数据来看，这种状况是特别特别多的，还有行人闯入了不该闯入的区域，这对我们的决策都会有影响。除此之外也会基于从路侧、车载端进行挖掘归类处理一些事故场景。
三、场景库的架构与构建技术
通过高速、城市道路、停车场，会根据每一种道路类型进行细致的分类，对于车辆交互方面，进行第三层次的分类，再进行细化，现在达到了400多种分类。这就是通过路侧挖掘出来的场景在城市道路里面，我们的车通过这辆大巴车会做出怎么样的决策呢？
在泊车场景里面，我们在和一些车厂有合作，已经累计了200多种泊车场景方案，垂直式的，平行式的都有。
关于场景库方面，我们构建了专题子库，拿人车冲突的场景来说，基于路侧摄像头挖据数据，把真实的行人、车辆之间的交互行为提取出来，形成我们的历史数据库，右侧就是从真实场景中提取出来的，一辆车通过的时候会和行人产生三种不同的交互行为。
在真实的数据基础上演绎构造出虚拟场景，基于一些行人的运动状态、速度、方向，通过算法构造出虚拟的场景。右边这辆车通过的时候，人可以做出不同的行为，可以驻足等待，或者从车的后面绕过去，这都是我们构建出来的虚拟场景。
还有一类场景就是匝道入口处会产生一些危险场景，基于我们对匝道口处车辆历史轨迹的提取和统计，累计统计了30余种匝道交互场景。
四、基于场景库的仿真测试技术
在仿真测试这块做的工作，我们把我们的场景库搭载在51Sim-One仿真软件中进行仿真，这个是我们搜集出来的一辆三轮车在城市道路逆行的场景，这种场景在国内是非常常见的。
在数字孪生方面我们也做了很多工作，现在已经把虚景实车用于我们的实际的测试当中。在实际测试当中，很多时候我们不可能拿真车真人来做测试，但是可以把一些虚拟数据注入进去来达到我们的测试目的。这就是一个案例，可以看到有一辆自行车在这里突然出现，但是它没有被自动驾驶车辆感知到，所以就撞上去了。
广告
最新资讯
-
一文了解新能源汽车驱动电机构造、原理及关
2024-05-05 10:58
-
新能源汽车电机控制系统介绍
2024-05-05 10:47
-
国外Rivian和Lucid被认为是特斯拉劲敌，而
2024-05-03 09:26
-
干货丨燃料电池低温特性测试——冷冻解冻循
2024-05-03 09:25
-
特斯拉放弃“一体化压铸”
2024-05-03 08:58
广告
广告
