场景库更新方法、装置、车载控制器、介质和程序产品与流程
本技术涉及数据库更新,特别是涉及一种场景库更新方法、装置、车载控制器、介质和程序产品。
背景技术:
1、随着自动驾驶技术不断发展,基于预期功能安全(safety of the intendedfunctionality,sotif)标准开展车辆功能验证已成为行业重要要求,sotif场景库是开展预期功能安全分析、风险验证的核心基础。
2、相关技术中,sotif场景库的更新主要是依赖人工对车辆原始交通数据流进行分析筛选,确定车辆运行场景,并基于车辆运行场景下的数据流更新场景库。
3、然而,车辆原始交通数据流一般无法覆盖风险场景,使得场景库中风险场景的覆盖度不足。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种场景库更新方法、装置、车载控制器、介质和程序产品,能够丰富场景库中的风险场景。
2、第一方面,本技术提供了一种场景库更新方法,包括:
3、基于原场景库中的原场景,从车辆原始交通数据流中筛选出存在潜在风险的第一交通数据流;
4、根据第一交通数据流和场景扰动信息,生成风险场景对应的第二交通数据流;
5、对第二交通数据流进行场景校验,并通过校验通过的第二交通数据流更新原场景库。
6、在其中一个实施例中,根据第一交通数据流和场景扰动信息,生成风险场景对应的第二交通数据流,包括:
7、在第一交通数据流中增加任意一个风险场景对应的场景扰动信息,得到任意一个风险场景对应的交通数据流;
8、基于任意一个风险场景对应的交通数据流,生成风险场景对应的第二交通数据流。
9、在其中一个实施例中,任意一个风险场景为潜在风险场景,场景扰动信息包括风险场景中潜在风险场景对应的潜在扰动信息;
10、在第一交通数据流中增加任意一个风险场景对应的场景扰动信息,得到任意一个风险场景对应的交通数据流,包括:
11、向第一交通数据流中添加最低等级的潜在扰动信息,得到潜在风险场景对应的低等级交通数据流;
12、在低等级交通数据流校验通过的情况下,按照潜在扰动信息的扰动等级顺序,依次向低等级交通数据流中添加更高等级的潜在扰动信息,将校验通过的所有等级的交通数据流作为潜在风险场景对应的交通数据流。
13、在其中一个实施例中,该方法还包括:
14、在低等级交通数据流校验未通过的情况下,按照潜在扰动信息的扰动等级顺序,向第一交通数据流中添加下一等级的潜在扰动信息,得到下一等级交通数据流;
15、若下一等级交通数据流校验未通过,则继续向第一交通数据流中添加新的下一等级的潜在扰动信息,直至新的下一等级交通数据流校验通过。
16、在其中一个实施例中,场景扰动信息还包括风险场景中除潜在风险场景之外的其他风险场景对应的其他扰动信息;
17、基于任意一个风险场景对应的交通数据流,生成风险场景对应的第二交通数据流,包括:
18、在潜在风险场景对应的交通数据流中依次增加其他扰动信息,得到其他风险场景对应的交通数据流;
19、将潜在风险场景对应的交通数据流和其他风险场景对应的交通数据流作为风险场景对应的第二交通数据流。
20、在其中一个实施例中,在潜在风险场景对应的交通数据流中依次增加其他扰动信息,得到其他风险场景对应的交通数据流,包括:
21、获取其他风险场景与潜在风险场景之间的风险场景相似度;
22、按照风险场景相似度,依次在潜在风险场景对应的交通数据流中增加不同等级的其他风险场景扰动信息,得到其他风险场景对应的交通数据流。
23、在其中一个实施例中,基于任意一个风险场景对应的交通数据流,生成风险场景对应的第二交通数据流,包括:
24、将任意一个风险场景对应的交通数据流作为风险场景对应的第二交通数据流。
25、在其中一个实施例中,对第二交通数据流进行场景校验,包括:
26、基于原场景库中的原场景,计算风险场景对应的第二交通数据流与原场景库的匹配度;
27、基于原场景库的匹配度,确定第二交通数据流的校验结果。
28、在其中一个实施例中,基于原场景库中的原场景,计算风险场景对应的第二交通数据流与原场景库的匹配度,包括:
29、计算风险场景对应的第二交通数据流与场景库的适配度;计算风险场景对应的第二交通数据流与原场景库中的原场景的重合度;以及,按照合规程度量化值对风险场景对应的第二交通数据流进行量化评估,得到合规适配度;
30、将适配度、重合度和合规适配度均作为第二交通数据流与原场景库的匹配度。
31、在其中一个实施例中,基于原场景库中的原场景,从车辆原始交通数据流中筛选出存在潜在风险的第一交通数据流,包括:
32、将车辆原始交通数据流划分为多段原始交通数据流;
33、基于原场景库中的原场景分别对每一段原始交通数据流进行潜在风险预测,得到每一段原始交通数据流对应的潜在风险量化值;
34、将潜在风险量化值大于预设风险阈值的原始交通数据流作为存在潜在风险的第一交通数据流。
35、在其中一个实施例中,基于原场景库中的原场景分别对每一段原始交通数据流进行潜在风险预测,得到每一段原始交通数据流对应的潜在风险量化值,包括:
36、针对任意一段原始交通数据流,计算原始交通数据流属于原场景库中原场景的概率;以及,对原始交通数据流的场景危险等级进行识别,得到原始交通数据流对应的场景危险等级;
37、融合各概率和场景危险等级,得到原始交通数据流对应的潜在风险量化值。
38、在其中一个实施例中,根据第一交通数据流和场景扰动信息,生成风险场景对应的第二交通数据流之前,方法还包括:
39、基于标准测试场景数据对第一交通数据流中的静态环境特征和动态交互时序特征进行标准化处理。
40、第二方面,本技术还提供了一种场景库更新装置,包括:
41、筛选模块,用于基于原场景库中的原场景,从车辆原始交通数据流中筛选出存在潜在风险的第一交通数据流;
42、生成模块,用于根据第一交通数据流和场景扰动信息,生成风险场景对应的第二交通数据流;
43、校验模块,用于对第二交通数据流进行场景校验,并通过校验通过的第二交通数据流更新原场景库。
44、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面中任意一项场景库更新方法的内容。
45、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面中任意一项场景库更新方法的内容。
46、第五方面,本技术还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第一方面中任意一项场景库更新方法的内容。
47、上述场景库更新方法、装置、车载控制器、介质和程序产品,基于原场景库中的原场景,从车辆原始交通数据流中筛选出存在潜在风险的第一交通数据流;根据第一交通数据流和场景扰动信息,生成风险场景对应的第二交通数据流;对第二交通数据流进行场景校验,并通过校验通过的第二交通数据流更新原场景库。该方法先基于原场景库中的原场景对车辆原始交通数据进行筛选,提取存在潜在风险的第一交通数据流。在第一交通数据流的基础上引入场景扰动信息,可以衍生出难以复现、不易采集的风险场景,再通过场景校验筛除不合逻辑的第二交通数据流,能够保障更新至场景库中第二交通数据流的合理性。通过该方式可以持续扩充场景库中风险场景的类型,全面提升原场景库中风险场景的覆盖度与多样性。
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