您好,欢迎光临2020中国自动驾驶测试验证技术创新论坛!

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

发布日期:2020-05-12

GRCC自动驾驶测试验证技术创新论坛

2020-05-12 17:33:59 手机阅读


点击上方蓝色字体,关注我们



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。


摘自:51WORLD



相关文章

弗吉尼亚理工大学进行研究 在动态场景中测试自动驾驶系统
AV场景描述语言现已开放
自动驾驶测试场景库的开发和应用








SELECTED EVENTS







 

长按二维码识别关注






  • 电话咨询
  • 021-2230 6692
  • 15021948198
None