一种自动驾驶场景复杂度量化方法、设备、介质及产品
本申请涉及自动驾驶决策和场景评估领域,特别是涉及一种自动驾驶场景复杂度量化方法、设备、介质及产品。
背景技术:
1、自动驾驶系统对周边场景复杂度的准确认知评估可以减少事故的发生,现有关于交通环境复杂度的研究大多基于单一场景或静态场景,然而,在真实道路环境中,自动驾驶车辆所面对的场景并非孤立、静止不变的单一场景,而是由道路结构、交通参与者、环境条件以及交通控制设施等多种要素共同构成的随时间持续演化的动态场景。部分研究者从自然环境、道路条件和动态交通实体三个维度构建动态场景复杂度,将复杂度由单时刻静态评分扩展到了时序演化层面,但其对复杂度建模仍主要基于场景要素及其变化程度,对交通参与者之间、交通参与者与道路设施之间的交互关系的刻画相对有限。因此,亟需一种更加准确的一种自动驾驶场景复杂度量化方法。
技术实现思路
1、本申请的目的是提供一种自动驾驶场景复杂度量化方法、设备、介质及产品,可提高自动驾驶场景复杂度量化准确性。
2、为实现上述目的,本申请提供了如下方案。
3、第一方面,本申请提供了一种自动驾驶场景复杂度量化方法,包括:
4、获取自动驾驶时序场景理解数据集;自动驾驶时序场景理解数据集包括若干连续的视频帧;
5、对每一视频帧进行语义分割,得到每一视频帧的分割结果;分割结果包括若干语义区域的基础语义要素类别信息以及几何位置信息;
6、根据分割结果中语义区域的几何位置信息确定两两语义区域之间的关系,并根据两两语义区域之间的关系进行场景分解,得到若干原子场景集合;
7、基于滑动时间窗对每个原子场景集合进行识别,得到自动驾驶交互场景;自动驾驶交互场景包括车辆与车辆交互场景、车辆与交通参与者交互场景以及车辆与道路环境交互场景;
8、将每一自动驾驶交互场景转换为异质图,计算每一自动驾驶交互场景的复杂度,得到交互场景复杂度量化结果。
9、可选地,语义区域之间的关系包括邻近关系、连通关系、遮挡关系和边界约束关系;所述原子场景集合通过计算自车基础语义要素与周边基础语义要素之间以及基础语义要素与基础语义要素之间的所述邻近关系、连通关系、遮挡关系和边界约束关系而得到。
10、可选地,邻近关系定义为:
11、;
12、其中,为第个和第个基础语义要素之间的邻近关系;为第个和第个基础语义要素之间的距离;是邻近关系阈值;表示其他。
13、可选地,将每一自动驾驶交互场景转换为异质图,计算每一自动驾驶交互场景的复杂度,得到交互场景复杂度量化结果,具体包括:
14、基于图论的方式对每一自动驾驶交互场景进行表示,得到每一自动驾驶交互场景对应的异质图;异质图中的节点为自动驾驶交互场景中的基础语义要素,异质图中的边表示其所连接的两个节点对应的自动驾驶交互场景中基础语义要素之间的关系;
15、选取异质图的图指标计算每一自动驾驶交互场景的复杂度,得到交互场景复杂度量化结果;图指标包括图密度、节点统计度和图熵。
16、可选地,自动驾驶交互场景的异质图表示为;其中,表示节点集合,表示边集合,表示节点类型映射,表示边类型映射。
17、可选地,节点统计度包括节点平均度和节点度方差,自动驾驶交互场景的复杂度的计算公式表示如下:
18、;
19、其中,为自动驾驶交互场景的复杂度;为图密度;为节点平均度;为节点度方差;为图熵;、、和为权重系数。
20、可选地,图密度的计算公式如下:
21、;
22、其中,为异质图中的边的总数量;为异质图中的节点的总数量;
23、节点平均度的计算公式如下:
24、;
25、其中,为第个节点的度,表示该节点连接的边数;为异质图中的节点集合;
26、节点度方差的计算公式如下:
27、;
28、图熵的计算公式如下:
29、;
30、;
31、其中,为第类边的数量;为第类边占异质图中所有边的比例。
32、第二方面,本申请提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上并能够在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述的自动驾驶场景复杂度量化方法的步骤。
33、第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的自动驾驶场景复杂度量化方法的步骤。
34、第四方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的自动驾驶场景复杂度量化方法的步骤。
35、根据本申请提供的具体实施例,本申请具有了以下技术效果:
36、本申请提供了一种自动驾驶场景复杂度量化方法、设备、介质及产品,通过在传统静态场景研究的基础上进一步引入“交互场景”的概念,相较于仅从环境、道路和动态目标变化程度出发的动态复杂度量化方法,本申请将交互场景作为场景复杂度的量化对象,能够更贴近自动驾驶车辆在真实运行中的决策过程,将交互关系纳入复杂度计算,提高自动驾驶场景复杂度量化的准确性,较之单纯对静态场景复杂度进行量化,更能反映自动驾驶系统在实际运行中的风险水平和决策难度。
1.一种自动驾驶场景复杂度量化方法,其特征在于,所述自动驾驶场景复杂度量化方法包括:
2.根据权利要求1所述的自动驾驶场景复杂度量化方法,其特征在于,语义区域之间的关系包括邻近关系、连通关系、遮挡关系和边界约束关系;所述原子场景集合通过计算自车基础语义要素与周边基础语义要素之间以及基础语义要素与基础语义要素之间的邻近关系、连通关系、遮挡关系和边界约束关系而得到。
3.根据权利要求2所述的自动驾驶场景复杂度量化方法,其特征在于,邻近关系定义为:
4.根据权利要求1所述的自动驾驶场景复杂度量化方法,其特征在于,将每一自动驾驶交互场景转换为异质图,计算每一自动驾驶交互场景的复杂度,得到交互场景复杂度量化结果,具体包括:
5.根据权利要求4所述的自动驾驶场景复杂度量化方法,其特征在于,自动驾驶交互场景的异质图表示为;其中,表示节点集合,表示边集合,表示节点类型映射,表示边类型映射。
6.根据权利要求1所述的自动驾驶场景复杂度量化方法,其特征在于,节点统计度包括节点平均度和节点度方差,自动驾驶交互场景的复杂度的计算公式表示如下:
7.根据权利要求6所述的自动驾驶场景复杂度量化方法,其特征在于,图密度的计算公式如下:
8.一种计算机设备,包括:存储器、处理器以及存储在存储器上并能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的自动驾驶场景复杂度量化方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的自动驾驶场景复杂度量化方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的自动驾驶场景复杂度量化方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com