车辆仿真任务的处理方法、装置、设备、介质和程序产品与流程

本技术涉及自动驾驶，特别是涉及车辆仿真任务的处理方法、装置、设备、介质和程序产品。

背景技术：

1、相关技术中的自动驾驶仿真平台技术方案主要呈现两大技术特征：一是基于离线构建的三维(three-dimensional，3d)场景资产，通过人工编排实现场景生成与管理，依托云仿真环境进行测试验证；二是采用硬件在环仿真模式，通过视频信号注入方式对接真实车端硬件系统，构建封闭式测试环境。

2、然而，上述自动驾驶仿真平台仍然存在显著的局限性。首先，缺乏对复杂自动驾驶算法的适配能力，无法提供大规模并发的算法验证环境，制约了面向量产的系统迭代效率；其次，场景构建依赖人工编辑与有限预设场景资产，存在场景多样性不足、现实还原度低等问题，影响仿真结果的可信度；再次，硬件在环方案需配置完整车端硬件，导致测试成本高且难以规模化扩展，而传统云仿真方案在数据同步效率、资源调度优化等方面存在技术瓶颈，难以支撑高密度并发需求。

3、因此，如何进一步优化现有的自动驾驶仿真平台是本领域亟待解决的问题。

技术实现思路

1、本技术实施例提供了一种车辆仿真任务的处理方法，以解决或至少部分地解决上述技术问题。

2、相应的，本技术实施例还提供了一种车辆仿真任务的处理装置、一种电子设备以及一种存储介质，用以保证上述方法的实现及应用。

3、为了解决上述问题，本技术实施例公开了一种车辆仿真任务的处理方法，应用于汽车仿真平台，所述汽车仿真平台包括车辆模型对象，所述汽车仿真平台与云端通信连接，所述云端存储有自动驾驶算法，所述方法包括：

4、获取场景配置内容和目标仿真任务；

5、将所述场景配置内容和所述目标仿真任务上传至所述云端，以供所述云端根据所述场景配置内容创建目标场景模型，根据所述目标仿真任务从所述自动驾驶算法中确定至少一个目标自动驾驶算法；

6、获取所述云端中的所述目标场景模型和所述目标自动驾驶算法；

7、根据所述目标仿真任务，从所述车辆模型对象中确定目标车辆模型对象；

8、控制所述目标车辆模型对象在所述目标场景模型中采用所述目标自动驾驶算法进行仿真，得到目标仿真数据。

9、可选地，所述场景配置内容包括场景配置数据和场景配置任务，所述汽车仿真平台包括任务节点，所述汽车仿真平台与实际车辆通信连接，所述获取场景配置内容，包括：

10、采用有向无环图方法组合至少两个所述任务节点，得到场景配置任务，所述场景配置任务是用于构建所述目标场景模型的任务，所述场景配置任务中的所述任务节点之间存在上游-下游关系；

11、获取所述实际车辆收集的所述场景配置数据，所述场景配置数据是用于构建所述目标场景模型的场景数据；

12、根据所述场景配置数据和所述场景配置任务得到所述场景配置内容。

13、可选地，所述场景配置任务包括数据标注任务和场景构建任务，所述数据标注任务和所述场景构建任务分别存在对应的所述任务节点，所述将所述场景配置内容和所述目标仿真任务上传至所述云端，包括：

14、将所述场景配置数据以及所述数据标注任务上传至所述云端，以使所述云端对所述场景配置数据进行标注；

15、获取所述数据标注任务的任务节点的节点状态；

16、当所述节点状态为已完成时，从所述云端获取标注后的场景配置数据；

17、根据所述标注后的场景配置数据，向所述云端发送任务启动命令，所述任务启动命令用于使所述云端开始执行所述场景构建任务。

18、可选地，所述方法还包括：

19、获取所述云端中所述场景配置任务的当前任务节点和所述当前任务节点的任务状态，所述当前任务节点为所述场景配置任务中当前正在处理的任务节点，所述场景配置任务的任务节点中存在所述当前任务节点的下游任务节点；

20、当所述任务状态为已完成时，从所述云端获取所述当前任务节点的执行结果；

21、根据所述执行结果向所述云端发送节点启动命令，所述节点启动命令用于使所述云端开始处理所述下游任务节点。

22、可选地，所述汽车仿真平台包括缓存区，所述获取所述云端中的所述目标场景模型和所述目标自动驾驶算法，包括：

23、当所述缓存区未存储有所述目标场景模型和/或所述目标自动驾驶算法时，获取所述云端中的所述目标场景模型和/或所述目标自动驾驶算法；

24、所述方法还包括：

25、当所述缓存区存储有所述目标场景模型和/或所述目标自动驾驶算法时，获取所述缓存区中的所述目标场景模型和/或所述目标自动驾驶算法。

26、可选地，所述汽车仿真平台包括临时存储区，在所述获取所述云端中的所述目标场景模型和/或所述目标自动驾驶算法之后，所述方法包括：

27、存储所述目标场景模型和/或所述目标自动驾驶算法至所述临时存储区；

28、校验所述目标场景模型和/或所述目标自动驾驶算法；

29、当所述目标场景模型和/或所述目标自动驾驶算法校验通过时，将所述目标场景模型和/或所述目标自动驾驶算法拷贝至所述缓存区。

30、可选地，所述缓存区中的所述目标自动驾驶算法关联至第一使用频次，所述缓存区中的所述目标场景模型关联至第二使用频次，所述方法还包括：

31、在获取所述缓存区中的所述目标场景模型和/或所述目标自动驾驶算法时，更新所述第一使用频次和/或所述第二使用频次；

32、获取所述缓存区的数据存储量和限制存储量；

33、当所述数据存储量大于所述限制存储量时，根据所述第一使用频次和所述第二使用频次，从所述缓存区中的所述目标自动驾驶算法和所述目标场景模型中确定待删除数据；

34、将所述待删除数据删除。

35、可选地，在所述控制所述目标车辆模型对象在所述目标场景模型中采用所述目标自动驾驶算法进行仿真，得到目标仿真数据之后，所述方法还包括：

36、根据所述目标仿真数据对所述目标自动驾驶算法进行评价，得到所述目标自动驾驶算法对应的评价数据，所述评价数据表示所述目标自动驾驶算法的性能水平。

37、本技术实施例还公开了一种车辆仿真任务的处理装置，应用于汽车仿真平台，所述汽车仿真平台包括车辆模型对象，所述汽车仿真平台与云端通信连接，所述云端存储有自动驾驶算法，所述装置包括：

38、仿真配置获取模块，用于获取场景配置内容和目标仿真任务；

39、仿真场景创建模块，用于将所述场景配置内容和所述目标仿真任务上传至所述云端，以供所述云端根据所述场景配置内容创建目标场景模型，根据所述目标仿真任务从所述自动驾驶算法中确定至少一个目标自动驾驶算法；

40、云端数据获取模块，用于获取所述云端中的所述目标场景模型和所述目标自动驾驶算法；

41、仿真对象获取模块，用于根据所述目标仿真任务，从所述车辆模型对象中确定目标车辆模型对象；

42、仿真任务执行模块，用于控制所述目标车辆模型对象在所述目标场景模型中采用所述目标自动驾驶算法进行仿真，得到目标仿真数据。

43、本技术实施例还公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本技术实施例中一个或多个所述的车辆仿真任务的处理方法。

44、本技术实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本技术实施例中一个或多个所述的车辆仿真任务的处理方法。

45、本技术实施例还公开了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如本技术实施例中一个或多个所述的车辆仿真任务的处理方法。

46、与现有技术相比，本技术实施例包括以下优点：

47、在本技术实施例中，汽车仿真平台获取场景配置内容和目标仿真任务；将场景配置内容和目标仿真任务上传至所述云端，以供云端根据场景配置内容创建目标场景模型，根据目标仿真任务从自动驾驶算法中确定至少一个目标自动驾驶算法；获取云端中的目标场景模型和目标自动驾驶算法；根据目标仿真任务，从车辆模型对象中确定目标车辆模型对象；控制目标车辆模型对象在目标场景模型中采用目标自动驾驶算法进行仿真，得到目标仿真数据。本技术实施例通过将自动驾驶算法存储于云端，并在云端自动化构建目标场景模型，为汽车仿真平台构建了稳定可靠的云端部署环境，实现了完整的数据回传与场景重建链路；在仿真任务触发时，可以从云端获取目标场景模型与目标自动驾驶算法至汽车仿真平台，驱动目标车辆模型对象在目标场景模型中执行目标自动驾驶算法的仿真，并生成目标仿真数据，由此形成自动驾驶算法的全自动仿真流程，有效适配复杂自动驾驶算法的验证需求。

48、与相关技术中无法提供大规模并发的算法验证环境的仿真平台相比，本技术实施例中的汽车仿真平台可以同时选择多个目标车辆模型进行仿真，从而支持大规模并发仿真实验，同时也显著降低了相关技术中自动驾驶算法仿真对实体车载硬件的依赖成本。本技术实施例还进一步通过场景配置内容构建高还原度的目标场景模型，提升了仿真环境与真实道路的映射精度，解决了相关技术中仿真平台场景多样性不足、现实还原度低等问题。