[发明专利]一种面向航拍数据集的智能汽车关键测试场景提取方法

说明书

本发明涉及一种面向航拍数据集的智能汽车关键测试场景提取方法，步骤包括：本车周围车辆位置分布关键性分析，确定测试场景关注的边界即范围域[θsubgt;1/subgt;,θsubgt;n/subgt;]，基于场强理论的场景关键性量化，场景关键行为分析，确定出场景关键性量化模型的时间域[tsubgt;1/subgt;,tsubgt;N/subgt;]，关键场景提取。本发明方法采用相对于本车可能发生碰撞的部分作为CDCE的采集区域，并提出一种通过场景中车辆的关键行为的评价方法将车辆的轨迹进行筛选，进而提取出有意义且有价值的测试场景。本发明对横向运动物体更加敏感，在时间维度上先于TTC指出了关键场景，不仅可以搜索针对智能汽车具有挑战的场景，同时本方法是面向真实的车辆轨迹保证了提取出的场景真实性。

技术领域

本发明涉及一种智能汽车关键测试场景提取方法，特别涉及一种面向航拍数据集的智能汽车关键测试场景提取方法。

背景技术

智能汽车技术为解决“环境污染”、“行车安全”和“交通堵塞”等难题提出了全新的解决方案，但如何保证智能汽车在任何情况下都能保障人-车-路环境汇中各个要素的安全成为目前研究热点话题，因此需要健全的智能汽车测试评价体系保证智能汽车满足实际道路中复杂环境的行驶需求。传统汽车常通过基于里程的测试方法进而完成上述任务，然而相关权威机构研究表明，要使智能汽车达到和人类驾驶员相同的驾驶能力需要行驶数百亿公里的驾驶数据来完善智能汽车算法，该过程费时费力且在实际的工业生产中无法满足产品周期的需求。目前，基于场景的智能汽车测试方法是研究领域的热点，然而实际的驾驶场景存在“长尾问题”，即存在大量安全场景，这些安全场景无法帮助研发人员辨识出智能汽车的功能缺陷，因此需要设计可以高效率测试智能汽车的场景。现有的测试场景提取方法主要针对智能汽车感知功能模块，无法搜索针对智能汽车规划控制模块具有挑战的场景，或者基于非真实的车辆轨迹，无法保证场景的真实性。

发明内容

为了解决上述技术问题，本发明提供一种面向航拍数据集的智能汽车关键测试场景提取方法，所述的航拍数据是指通过无人机设备在俯瞰角度对道路车辆的特征数据进行采集与提取，航拍数据相比于室内采集的数据更能体现复杂交通环境中各个交通参与者之间的动态交互性。航拍数据集通过先进的图像识别算法对车辆的每一帧运动特征进行提取，得到基本的车辆运动特征，包括车辆的位置、外形特征、横纵向速度、横摆角速度、中心点与当前车道中心线的偏移量、与前方车辆距离和8个方位的位置车辆序号信息，同时间接计算抽象表征参数，包括车头时距(DHW)、碰撞时间(TTC)等参数。

本发明具体步骤如下：

1、本车周围车辆位置分布关键性分析，确定测试场景关注的边界即范围域[θ₁，θ_n]：

航拍数据集中共提取了8种相对于本车(Egovehicle)的不同位置信息，即左前、正前、右前、左侧、右侧、左后、正后和右后；不同位置信息的车辆对本车产生不同程度的挑战，为描述场景关键性引入极坐标系，将航拍数据集中的鸟瞰二维视角转化到一维特征空间，采用本车有效轮廓距离曲线(Effective Contour Distance Curve of Ego_vehicle，CDCE)用于描述周围其他车辆相对于本车可能发生碰撞部位的位置分布，以本车的形心作为曲线的原点，以车辆向前运动的道路方向作为x轴，以顺时针方向为正，将车辆360°的周围其他车辆轮廓信息向极坐标系进行映射；

航拍数据集中记录了丰富的车辆运动信息，包括ID为i的车辆的位置特征信息有(x_i，y_i)，width_j对应的是车辆j的长度，height_j对应的是车辆j的宽度，对应的是车辆j的横摆角；对位置信息而言，需要进行坐标变换，以车辆j的外接矩形框左前端为例：