基于阈值的场景生成方法、装置和存储介质与流程

1.本技术涉及自动驾驶仿真技术领域，特别是涉及一种基于阈值的场景生成方法、装置和存储介质。


背景技术：

2.在自动驾驶仿真技术领域中，通过构建虚拟场景来进行道路测试，可以确保自动驾驶算法的正确性并帮助发现测试过程中存在的问题，因此，高效又准确地构建出虚拟场景是进行道路测试十分关键的步骤。
3.目前，通常采用人工编辑的方式生成多组属性信息，然后将属性信息与目标对象进行结合，进而得到对应的虚拟场景。然而，由于目标对象仅能按照预设的路线进行行驶，人工编辑的方式并不能确定目标对象行驶的安全边界，因此，如何准确得到目标对象在行驶过程中的边界阈值，进而高效地生成虚拟场景是本技术要解决的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高目标场景的构建效率的场景生成方法、装置和存储介质。
5.第一方面，本技术提供了一种基于阈值的场景生成方法。所述方法包括：
6.获取包括有目标对象的原始场景的原始场景文件；所述原始场景文件包括所述目标对象的多个属性类型、以及每个属性类型各自对应的属性值区间；
7.分别对每个所述属性值区间进行属性值采样处理，得到每个所述属性类型各自对应的采样集合；
8.将不同所述采样集合中的采样值进行组合，得到多个采样值组；
9.根据预设的属性值约束条件从所述多个采样值组筛选出目标采样值组；
10.根据所述目标采样值组，确定所述目标对象在相应属性类型下的目标阈值，并根据所述目标阈值对所述原始场景进行更新，得到目标场景。
11.在一个实施例中，在获取包括有目标对象的原始场景的原始场景文件之前，上述方法还包括：获取原始场景文件；原始场景文件包括多个初始的属性类型、以及每个初始的属性类型各自对应的属性信息；属性信息包括属性值区间和属性常数中的至少一种；对每个所述初始的属性类型各自对应的属性信息进行字段遍历；若当前遍历至的所述属性信息中包括属性常数，则确定所述初始的属性类型为不需要进行阈值调整的属性类型；若当前遍历至的所述属性信息中包括属性值区间，则确定所述初始的属性类型为需要进行阈值调整的属性类型。
12.在一个实施例中，属性值区间包括采样间隔、原始最小值和原始最大值；所述分别对每个所述属性值区间进行属性值采样处理，得到每个所述属性类型各自对应的采样集合，包括：针对多个属性类型中的每个属性类型，均以所述原始最小值为起点，并按照所述采样间隔进行属性值采样，直至采样到所述原始最大值，得到每次采样时各自对应的采样
值；综合多个采样值，得到所述每个属性类型各自对应的采样集合。
13.在一个实施例中，将不同所述采样集合中的采样值进行组合，得到多个采样值组，包括：将i号所述采样集合中的n号采样值m
(i，n)
与j号所述采样集合中的k号采样值m
(j，k)
进行组合，得到多个采样值组；i∈(1，2
…
n)、j∈(1，2
…
n)，n表征多个采样集合中的任意一个采样集合；n、k、n均为正整数。
14.在一个实施例中，所述属性值约束条件通过自动驾驶评估系统得到；所述根据预设的属性值约束条件从所述多个采样值组筛选出目标采样值组，包括：针对多个采样值组中的每个采样值组，均通过所述目标对象对应的当前采样值组中的每个采样值，判断所述目标对象的行为特征是否符合预设交通规则；当所述行为特征符合预设交通规则时，判断所述目标对象的行为特征是否会发生突发状况；所述突发状况至少包括碰撞和追尾中的一种；当未发生所述突发状况时，将所述当前采样值组作为目标采样值组。
15.在一个实施例中，所述根据所述目标采样值组，确定所述目标对象在相应属性类型下的目标阈值，包括：按照所述属性类型对所述目标采样值组中的采样值进行聚类，得到每个所述属性类型各自对应的多个目标采样值；针对每个所述属性类型，均将所述多个目标采样值中的最大值或最小值作为所述目标对象在相应属性类型下的目标阈值。
16.在一个实施例中，原始场景中的目标对象关联有多个配置组件；配置组件中存储有所述属性值区间和所述属性值区间对应的属性类型；所述属性值区间包括原始阈值；根据所述目标阈值对所述原始场景进行更新，得到目标场景，包括：从所述原始场景中查找存储了所述属性类型的待更新配置组件；将所述待更新配置组件中的所述属性值区间的原始阈值更新为目标阈值，得到已更新配置组件；将所述已更新配置组件与对应的目标对象进行关联，得到目标场景。
17.在一个实施例中，上述方法还包括：在分别对每个属性值区间进行属性值采样处理时，得到每个所述属性类型在每次采样时对应的场景子文件；将多个场景子文件进行组合，得到每个采样值组各自对应的候选场景文件；从所述候选场景文件中确定所述目标对象对应的目标阈值，并通过目标阈值对所述原始场景文件进行更新，得到目标场景文件；将目标场景文件存储至场景数据库中。
18.在一个实施例中，在所述获取原始场景文件之前，上述方法还包括：获取预设的配置信息、地图信息和工况信息；所述配置信息包括对象标识和多个配置组件；所述工况信息包括障碍物和行人干扰；确定所述对象标识相对应的目标对象，并根据所述地图信息和所述工况信息构建进行虚拟测试的测试地图；从多个配置组件中确定所选中的目标配置组件，并将所述目标配置组件与所述目标对象进行关联；所述目标配置组件包括多个初始的属性类型、以及每个初始的属性类型各自对应的属性信息；根据所述目标对象和所述目标配置组件，对所述测试地图进行配置，得到所述测试地图对应的原始场景。
19.第二方面，本技术还提供了一种基于阈值的场景生成装置。所述装置包括：
20.文件获取模块，用于获取包括有目标对象的原始场景的原始场景文件；所述原始场景文件包括所述目标对象的多个属性类型、以及每个属性类型各自对应的属性值区间；
21.集合组合模块，用于分别对每个所述属性值区间进行属性值采样处理，得到每个所述属性类型各自对应的采样集合；将不同所述采样集合中的采样值进行组合，得到多个采样值组；
22.阈值确定模块，用于根据预设的属性值约束条件从所述多个采样值组中筛选出目标采样值组；根据所述目标采样值组，确定所述目标对象在相应属性类型下的目标阈值，并根据目标阈值对所述原始场景进行更新，得到目标场景。
23.第三方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
24.获取包括有目标对象的原始场景的原始场景文件；所述原始场景文件包括所述目标对象的多个属性类型、以及每个属性类型各自对应的属性值区间；
25.分别对每个所述属性值区间进行属性值采样处理，得到每个所述属性类型各自对应的采样集合；
26.将不同所述采样集合中的采样值进行组合，得到多个采样值组；
27.根据预设的属性值约束条件从所述多个采样值组中筛选出目标采样值组；
28.根据所述目标采样值组，确定所述目标对象在相应属性类型下的目标阈值，并根据所述目标阈值对所述原始场景进行更新，得到目标场景。
29.上述基于阈值的场景生成方法、装置和存储介质，通过获取包括有目标对象的原始场景的原始场景文件，可确定目标对象的多个属性类型、以及每个属性类型各自对应的属性值区间，进而通过分别对每个属性值区间进行属性值采样处理，得到每个属性类型各自对应的采样集合；通过将不同采样集合中的采样值进行组合，得到多个采样值组，并根据预设的属性值约束条件从多个采样值组筛选出目标采样值组，如此，便可根据目标采样值组，确定目标对象在相应属性类型下的目标阈值，使得根据目标阈值对原始场景进行更新，可以得到目标场景。由于本技术是在对每个属性值区间进行属性值采样处理之后，再对不同的采样值组进行筛选，因此，相较于传统中仅采用人工对目标对象进行属性编辑的方式，本技术可准确得到目标对象在相应属性类型下的目标阈值。同时，属性值采样处理过程可视作一种自动驾驶算法的迭代过程，因此实现了对原始场景文件高效地修改与适配，提高了目标场景生成的效率。
30.此外，本技术是根据一个从头开始搭建的、包含每个目标对象运行参数的原始场景来进行大规模的目标场景生成，也即可以衍生出与原始场景具有相似性的多个目标场景，因此，使得生成的目标场景更加丰富，可以满足目标场景多样性的需求。
附图说明
31.图1为一个实施例中基于阈值的场景生成方法的应用环境图；
32.图2为一个实施例中基于阈值的场景生成方法的流程示意图；
33.图3为一个实施例中确定目标阈值的原理示意图；
34.图4为一个实施例中确定原始场景的流程示意图；
35.图5为一个实施例中场景编辑界面的示意图；
36.图6为一个实施例中基于阈值的场景生成装置的结构框图；
37.图7为一个实施例中计算机设备的内部结构图。
具体实施方式
38.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本技术，并不用于限定本技术。
39.本技术实施例提供的基于阈值的场景生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102和服务器104可单独执行本技术中提供的基于阈值的场景生成方法；终端102和服务器104也可协同执行本技术中提供的基于阈值的场景生成方法。以终端102和服务器104协同执行本技术提供的基于阈值的场景生成方法为例进行说明。终端102可将获取的包括有目标对象的原始场景的原始场景文件发送至服务器104。服务器104用于分别对每个属性值区间进行属性值采样处理，得到每个属性类型各自对应的采样集合，并将不同采样集合中的采样值进行组合，得到多个采样值组；根据预设的属性值约束条件从多个采样值组筛选出目标采样值组，并根据目标采样值组，确定目标对象在相应属性类型下的目标阈值；服务器104还用于根据目标阈值对原始场景进行更新，得到目标场景，并将目标场景发送至终端102，以使终端102对目标场景进行展示。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、智能车载设备、平板电脑、物联网设备和便携式可穿戴设备，在一个实施例中，终端102可以是不属于自动驾驶车辆上的自动驾驶计算平台，服务器104可用独立的服务器或者是多个服务器组成的服务器集群来实现。
40.在一个实施例中，如图2所示，提供了一种基于阈值的场景生成方法，以该方法应用于计算机设备为例进行说明，该计算机设备可为图1中的终端或服务器，包括以下步骤：
41.步骤202，获取包括有目标对象的原始场景的原始场景文件。
42.其中，通常在基于原始场景的道路测试过程中，自动驾驶仿真系统会根据配置文件或实际测试需求生成若干个存在交互行为的目标对象；目标对象包括主车和仿真物体，主车为一种由自动驾驶算法控制的实际车辆或虚拟车辆，仿真物体也称作智能代理，是原始场景中可能与主车产生交互的对象，如行人、机动车辆、自行车等。
43.其中，原始场景文件可为一种原始场景中所有目标对象的初始状态及运动信息的描述文件；原始场景文件包括目标对象的多个属性类型、以及每个属性类型各自对应的属性值区间；属性类型是对目标对象的某一特性的参数化表达，属性类型也可称作属性项，例如车辆的行驶速度、加速度、目标对象与障碍对象的相对距离、相对速度等动态类型；属性值区间为目标对象的某一特性的参数范围，通常可从用户编辑的配置文件中得到。
44.具体地，计算机设备可展示一种通过编辑器产生的配置界面，响应于用户在配置界面中的编辑操作，得到原始场景的原始场景文件，也即将原始场景的直观运行转化为一种描述文件。
45.在一个实施例中，可通过一种场景描述器来得到原始场景文件，也即通过编辑代码脚本的方式，来规定主车周围的仿真物体所出现的规律、运行方法、与主车交互的行为等。
46.步骤204，分别对每个属性值区间进行属性值采样处理，得到每个属性类型各自对应的采样集合。
47.其中，属性值区间包括采样间隔、原始最小值和原始最大值；原始最小值和原始最大值为一种原始阈值，通常原始阈值通过用户在编辑过程中进行指定。
48.具体地，计算机设备通过采样间隔，对原始阈值进行属性值采样处理，得到相应属
性类型对应的采样集合。
49.在一个实施例中，分别对每个属性值区间进行属性值采样处理，得到每个属性类型各自对应的采样集合，包括：针对多个属性类型中的每个属性类型，均以原始最小值为起点，并按照采样间隔进行属性值采样，直至采样到原始最大值，得到每次采样时各自对应的采样值；综合多个采样值，得到每个属性类型各自对应的采样集合。
50.具体地，通常不同属性类型对应的属性值区间并不相同，属性值区间可视作一种字段形式的特殊项，如图3所示，图3为确定目标阈值的原理示意图。计算机设备通过对特殊项进行字段遍历，并按照采样间隔进行属性值采样，便可采样得到多个采样值，其中的多个采样值包括原始最小值和原始最大值。
51.比如在一场景下，目标对象为主车、且需要向左边车道进行变道，左边车道上的障碍对象为仿真物体且在向前行驶，因此，需要确定目标对象在不同速度下，目标对象与障碍对象之间的相对距离在怎样的范围内才能变道成功。参考图3，例如速度为data1，速度对应的采样间隔为0.5、原始最小值为5、原始最大值为6；相对距离为data2，相对距离对应的采样间隔为4、原始最小值为8、原始最大值为16。因此，分别对每个属性值区间进行属性值采样处理，得到速度对应的采样集合1中的采样值包括5、5.5、6，相对距离对应的采样集合2中的采样值包括8、12、16。容易理解地，本技术中描述的采样值的数据大小、以及采样值对应的属性类型仅为一种举例，不带有与实际测试场景相同的意义。
52.步骤206，将不同采样集合中的采样值进行组合，得到多个采样值组。
53.具体地，针对多个采样集合中的每个采样集合，计算机设备均将当前采样集合中的每个采样值，分别与多个采样集合中的除当前采样集合之外的其余采样集合中的每个采样值进行组合，得到多个采样值组。例如参考图3，将采样集合1中的采样值5和采样集合2中的采样值8进行组合，得到采样值组1；将采样集合1中的采样值5.5和采样集合2中的采样值8进行组合，得到采样值组2。
54.在一个实施例中，将不同采样集合中的采样值进行组合，得到多个采样值组，包括：将i号采样集合中的n号采样值m
(i，n)
与j号采样集合中的k号采样值m
(j，k)
进行组合，得到多个采样值组；i∈(1，2
…
n)、j∈(1，2
…
n)，n表征多个采样集合中的任意一个采样集合；n、k、n均为正整数。
55.步骤208，根据预设的属性值约束条件从多个采样值组中筛选出目标采样值组。
56.其中，属性值约束条件用于根据虚拟场景中的交互逻辑、交通规则等因素，来对采样值组中的采样值进行筛选；属性值约束条件通过自动驾驶评估系统得到，用户可在自动驾驶评估系统中对不同的属性值约束条件进行编辑等。例如，在高速公路上行驶的最高速度不能超过规定速度，目标对象在向障碍对象并道的过程遇到红灯时，目标对象和障碍对象均要减速等。
57.具体地，计算机设备从自动驾驶评估系统中获取属性值约束条件，并判断多个采样值组中的每个采样值是否均符合属性值约束条件，当某一采样值组中的多个采样值中，存在任意一个采样值不符合属性值约束条件时，则将该采样值组视作一种可筛除掉的采样值组；当某一采样值组中的每个采样值均符合属性值约束条件时，则将该采样值组视作目标采样值组。例如参考图3，将采样值组1、采样值组2、采样值组4和采样值组5筛选为目标采样值组。
58.在一个实施例中，当未多个采样值组中筛选出目标采样值组，可视作属性类型对应的属性值区间设置的过于严格，需要用户对配置文件进行重新编辑。
59.步骤210，根据目标采样值组，确定目标对象在相应属性类型下的目标阈值，并根据目标阈值对原始场景进行更新，得到目标场景。
60.其中，从多个采样值组中筛选出的目标采样值组通常包括多个。
61.在一个实施例中，根据目标采样值组，确定目标对象在相应属性类型下的目标阈值，包括：按照属性类型对目标采样值组中的采样值进行聚类，得到每个属性类型各自对应的多个目标采样值；针对每个属性类型，均将多个目标采样值中的最大值或最小值作为目标对象在相应属性类型下的目标阈值。
62.具体地，计算机设备按照属性类型，对多个目标采样值组中的采样值进行聚类，得到每个属性类型各自对应的多个目标采样值，例如，针对属性类型为速度data1，将采样值组1、采样值组2、采样值组4和采样值组5中的采样值进行聚类，得到速度data1对应的目标采样值5、5.5、5、5.5。计算机设备根据虚拟场景中的交互逻辑、交通规则，可将多个目标采样值中的最大值或最小值作为相应属性类型下的目标阈值。例如，速度data1对应的目标采样值中的最大值5.5作为目标阈值，也即目标对象的行驶速度可小于5.5，行驶速度为0时，可视作目标对象为了避险而减速行驶直至停车的情况。也可将目标采样值中的最小值5和最大值5.5均作为目标阈值。
63.在一个实施例中，当从多个采样值组中筛选出的目标采样值组为一个时，直接将目标采样值组中的采样值，作为目标对象在相应属性类型下的目标阈值。
64.在一个实施例中，计算机设备可根据每个属性类型对应的多个目标采样值和目标阈值，确定每个属性类型对应的至少一个候选阈值。例如，速度data1对应的候选阈值可为5.4、5.2等。
65.在一个实施例中，根据目标阈值对原始场景进行更新，得到目标场景，包括：从原始场景中查找存储了属性类型的待更新配置组件；将待更新配置组件中的属性值区间的原始阈值更新为目标阈值，得到已更新配置组件；将已更新配置组件与对应的目标对象进行关联，得到目标场景。
66.其中，原始场景中的目标对象关联有多个配置组件；配置组件中存储有属性值区间和属性值区间对应的属性类型；属性值区间包括原始阈值。
67.具体地，由于原始场景是通过对目标对象和多个配置组件进行关联配置后得到，配置组件用于指示目标对象在原始场景中的行为特征。当配置组件与目标对象进行关联后，便可通过配置组件中携带的信息，实现对目标对象的配置。其中，原始场景文件中的属性类型和属性值区间可通过不同的配置组件来呈现，也即可将属性类型和属性值区间视作配置组件中存储的信息。因此，针对每个目标阈值，计算机设备均通过目标阈值对应的属性类型，从原始场景中查找存储了属性类型的待更新配置组件，并将待更新配置组件中的属性值区间的原始阈值更新为目标阈值，得到已更新配置组件。计算机设备将已更新配置组件与对应的目标对象进行关联，使得在原始场景的基础上得到目标场景。
68.在一个实施例中，目标场景的场景类别与原始场景的场景类别相同，其中，场景类别指场景类型或者事件类型，场景类型与交通规则有关，比如跟车、并线、十字路口等，事件类型可包括追尾、急刹、超速等。
69.在一个实施例中，计算机设备可将待更新配置组件中的原始阈值分别更新为不同的候选阈值，进而得到目标对象对应的多个已更新配置组件，并从已更新配置组件中选择任意一个已更新配置组件，并将其与目标对象进行关联。如此可使得生成的目标场景更加丰富，可以满足目标场景多样性的需求。
70.上述基于阈值的场景生成方法，通过获取包括有目标对象的原始场景的原始场景文件，可确定目标对象的多个属性类型、以及每个属性类型各自对应的属性值区间，进而通过分别对每个属性值区间进行属性值采样处理，得到每个属性类型各自对应的采样集合；通过将不同采样集合中的采样值进行组合，得到多个采样值组，并根据预设的属性值约束条件从多个采样值组筛选出目标采样值组，如此，便可根据目标采样值组，确定目标对象在相应属性类型下的目标阈值，使得根据目标阈值对原始场景进行更新，可以得到目标场景。由于本技术是在对每个属性值区间进行属性值采样处理之后，再对不同的采样值组进行筛选，因此，相较于传统中仅采用人工对目标对象进行属性编辑的方式，本技术可准确得到目标对象在相应属性类型下的目标阈值。同时，属性值采样处理过程可视作一种自动驾驶算法的迭代过程，因此实现了对原始场景文件高效地修改与适配，提高了目标场景生成的效率。
71.在一个实施例中，在获取包括有目标对象的原始场景的原始场景文件之前，上述方法还包括：获取原始场景文件；对每个初始的属性类型各自对应的属性信息进行字段遍历；若当前遍历至的属性信息中包括属性常数，则确定初始的属性类型为不需要进行阈值调整的属性类型；若当前遍历至的属性信息中包括属性值区间，则确定初始的属性类型为需要进行阈值调整的属性类型。
72.其中，原始场景文件包括多个初始的属性类型、每个初始的属性类型各自对应的属性信息；初始的属性类型除了包含车辆的行驶速度等动态类型，还包括车辆的长宽高、初始位置等预设的常量类型。属性信息包括属性值区间和属性常数中的至少一种，属性值区间对应于动态类型的初始的属性类型，属性常数对应于常量类型的初始的属性类型；属性信息可通过一种字段形式进行呈现。
73.具体地，计算机设备对每个属性信息进行字段遍历，判断每个属性信息中是否包括属性值区间，若包括，则确定该属性信息对应的属性类型为动态类型，也即需要对属性值区间中的原始阈值进行阈值调整；若不包括，则确定该属性信息对应的属性类型为常量类型，此时的属性类型对应的属性信息为一种属性常数。例如参考图3，例如车辆长度为data3，车辆长度对应的属性常数为120。
74.在一个实施例中，当初始的属性类型对应的属性信息为属性常数时，此时的原始场景不用进行算法迭代生成。
75.在一个实施例中，初始的属性类型和属性信息可通过不同的配置组件来呈现，配置组件用于指示目标对象在原始场景中的行为特征。当配置组件与目标对象进行关联后，便可通过配置组件中的携带的初始的属性类型和属性信息，实现对目标对象的配置。
76.本实施例中，通过预先对属性信息进行字段遍历，可确定出属于动态类型的初始的属性类型，进而确保后续能精准地对属性值区间进行属性值采样处理，避免了因初始的属性类型对应于属性常数，仍然对原始场景进行算法迭代时，所造成的资源浪费的问题。
77.在一个实施例中，根据预设的属性值约束条件从多个采样值组筛选出目标采样值
组，包括：针对多个采样值组中的每个采样值组，均通过目标对象对应的当前采样值组中的每个采样值，判断目标对象的行为特征是否符合交通规则；当行为特征符合交通规则时，判断目标对象的行为特征是否会发生突发状况；当未发生突发状况时，将当前采样值组作为目标采样值组。
78.其中，属性值约束条件至少包括交通规则和突发状况；突发状况至少包括碰撞和追尾中的一种。
79.具体地，由于初始的属性类型和属性信息可通过不同的配置组件来呈现，配置组件用于指示目标对象在原始场景中的行为特征，也即目标对象对应的多个属性类型、以及每个属性类型各自对应的采样值，均能体现目标对象的行为特征。因此，计算机设备可根据采样值组中的每个采样值，确定目标对象的行为特征，并判断行为特征是否符合交通规则。例如参考图3，采样值组3中的速度对应的采样值为6，针对高速公路限速为5.8的交通规则，确定采样值组3所体现的行为特征不符合交通规则；采样值组7中的速度对应的采样值为5，符合高速公路限速为5.8的交通规则，但检测到目标对象出现了闯红灯的行为特征，因此，采样值组3和采样值组7均不能作为目标采样值组。
80.进一步地，当确定目标对象地行为特征符合交通规则时，计算机设备继续判断行为特征是否会发生突发状况。当未发生突发状况时，也即满足所有属性值约束条件时，才将当前采样值组作为目标采样值组。例如参考图3，采样值组8中的速度对应的采样值为5.5，符合高速公路限速为5.8的交通规则，也未出现了闯红灯的行为特征，但检测到目标对象与障碍对象发生了碰撞，此时的采样值组8不能作为目标采样值组。
81.本实施例中，通过属性值约束条件来对与多个属性类型相对应的采样值组进行筛选，使得目标采样值组中的各采样值均符合虚拟场景中的交互规则，为进一步确定目标对象在相应属性类型下的目标阈值提供了选择基础。
82.在一个实施例中，上述方法还包括：在分别对每个属性值区间进行属性值采样处理时，得到每个属性类型在每次采样时对应的场景子文件；将多个场景子文件进行组合，得到每个采样值组各自对应的候选场景文件；从候选场景文件中确定目标对象对应的目标阈值，并通过目标阈值对原始场景文件进行更新，得到目标场景文件；将目标场景文件存储至场景数据库中。
83.其中，候选场景文件对应于相同属性类型对应的采样集合，候选场景文件对应于将不同的采样集合进行组合后，所得到的采样值组。
84.具体地，计算机设备中可带有一种场景生成器，通过将原始场景文件作为场景生成器的输入模板，并对原始场景文件中的每个属性值区间进行属性值采样处理时，也即一种通过自动驾驶算法进行迭代的过程，可得到每个属性类型在每次采样时对应的场景子文件，具体实施过程可参考步骤204。由于每进行一次属性值采样，便可得到每个属性类型在当前采样时的场景子文件，进而计算机设备将多个场景子文件进行组合，可得到每个采样值组各自对应的候选场景文件，具体实施过程可参考步骤206。由于当前采样时对应的候选场景文件可视作一个单独的场景文件，可用作得到下一次采样时对应的候选场景文件的算法迭代基础。计算机设备从候选场景文件中确定目标对象对应的目标阈值，并通过目标阈值对原始场景文件进行更新，得到目标场景文件，具体实施过程可参考步骤210，本技术在此不再赘述。
85.本实施例中，通过将属性值采样处理过程视作一种自动驾驶算法的迭代过程，使得不同采样时的候选场景文件均可随着算法的迭代而自动生成、且无需通过人工方式进行手动修改，因此实现了对原始场景文件高效地修改与适配，提高了目标场景文件生成的效率。
86.在一个实施例中，如图4所示，在获取原始场景文件之前还包括生成原始场景，包括以下步骤：
87.步骤402，获取预设的配置信息、地图信息和工况信息。
88.其中，配置信息包括对象标识和多个配置组件；配置组件中预先定义了不同的行为特征，可用于与目标对象进行关联，从而通过不同配置组件中的行为特征实现对目标对象的配置；行为特征可通过多个初始的属性类型、以及每个初始的属性类型各自对应的属性信息进行呈现。地图信息可包括道路的标注信息，如道路区域、车道线类型等信息；地图信息可通过用户预先设置的道路排列规则得到、或通过编辑器系统来编辑生成；工况信息可包括障碍物、交通灯、道路标识牌等。
89.步骤404，确定对象标识相对应的目标对象，并根据地图信息和工况信息构建进行虚拟测试的测试地图。
90.其中，对象标识可为一种id号，用于表征唯一指代的目标对象。
91.具体地，如图5所示，图5为一种场景编辑界面的示意图，计算机设备根据地图信息和工况信息，并响应于用户在场景编辑界面中的编辑操作，构建可进行虚拟测试的测试地图。例如可在场景编辑界面进行道路标识牌的增添等。
92.步骤406，从多个配置组件中确定所选中的目标配置组件，并将目标配置组件与目标对象进行关联。
93.其中，目标配置组件包括多个初始的属性类型、以及每个初始的属性类型各自对应的属性信息，也即目标配置组件可用于指示目标对象在原始场景中的行为特征。
94.具体地，计算机设备可展示一种信息配置界面，信息配置界面中包括有多个配置组件，当计算机设备响应于用户针对多个配置组件的选择操作时，确定选择操作所选中的目标配置组件。其中，配置组件存储至预先定义好的组件库中，针对目标配置组件中的模型组件，计算机设备可从第三方模型库中进行导入。在计算机设备将目标配置组件与目标对象进行关联时，可使目标对象配置有目标配置组件中的所有行为特征。
95.在一个实施例中，计算机设备在将目标对象与目标配置组件进行关联之前，可将目标对象视作一种空物体，也即不包含任何特征，空物体中搭载的组件不同，目标对象在待生成的目标场景中的交互行为也并不相同。
96.步骤408，根据目标对象和目标配置组件，对测试地图进行配置，得到测试地图对应的原始场景。
97.其中，目标配置组件包括变换组件、行为组件和碰撞组件中的至少一种，变换组件表征目标对象在测试地图中所处在的初始位置。行为组件可包括直行组件和避让组件，直行组件表征在无交通灯等因素的影响时，目标对象会向前直行，避让组件表征在遇到障碍物等因素时，目标对象会根据特定的历史信息进行避让，特定的历史信息可为减速避让、变道避让等。
98.具体地，计算机设备根据变换组件确定目标对象在测试地图中的初始位置，并将
目标对象放置在初始位置，进而根据行为组件确定目标对象从初始位置出发后的目标行为，其中，目标行为至少包括直行行为和避让行为中的一种，直行行为对应于直行组件，避让行为对应于避让组件。计算机设备通过碰撞组件对目标对象进行配置，得到原始场景。其中，碰撞组件表征目标对象是否为刚体、碰撞时是否转换成符合的物理模型，碰撞组件对应的碰撞特征可包括简单折弯和严重变形等。
99.在一个实施例中，目标配置组件中的行为特征还可包括初始速度和运行方向，进而确保目标对象在原始场景中按照初始速度和运行方向开始行驶。
100.本实施例中，通过将目标配置组件与目标对象进行关联，可确定目标对象在原始场景中的行为特征，因此当采用不同的目标配置组件来对目标对象的行为特征进行修改时，可实现对不同目标对象的交互行为的灵活定义，从而提高了原始场景的生成效率。
101.在一个实施例中，计算机设备获取原始场景的原始场景文件，其中，原始场景文件包括目标对象的多个属性类型、以及每个属性类型各自对应的属性值区，属性值区间包括采样间隔、原始最小值和原始最大值；计算机设备针对多个属性类型中的每个属性类型，均以原始最小值为起点，并按照采样间隔进行属性值采样，直至采样到原始最大值，得到每次采样时各自对应的采样值，并综合多个采样值，得到每个属性类型各自对应的采样集合；计算机设备将不同采样集合中的采样值进行组合，得到多个采样值组，并针对多个采样值组中的每个采样值组，均通过目标对象对应的当前采样值组中的每个采样值，判断目标对象的行为特征是否符合预设交通规则；当行为特征符合预设交通规则时，计算机设备判断目标对象的行为特征是否会发生突发状况，当未发生突发状况时，将当前采样值组作为目标采样值组；计算机设备按照属性类型对目标采样值组中的采样值进行聚类，得到每个属性类型各自对应的多个目标采样值，并针对每个属性类型，均将多个目标采样值中的最大值或最小值作为目标对象在相应属性类型下的目标阈值，使得计算机设备根据目标阈值对原始场景进行更新，得到目标场景。
102.应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
103.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的基于阈值的场景生成方法的基于阈值的场景生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于阈值的场景生成装置实施例中的具体限定可以参见上文中对于基于阈值的场景生成方法的限定，在此不再赘述。
104.在一个实施例中，如图6所示，提供了一种基于阈值的场景生成装置600，包括：文件获取模块602、集合组合模块604和阈值确定模块606，其中：
105.文件获取模块602，用于获取包括有目标对象的原始场景的原始场景文件；原始场景文件包括目标对象的多个属性类型、以及每个属性类型各自对应的属性值区间。
106.集合组合模块604，用于分别对每个属性值区间进行属性值采样处理，得到每个属
性类型各自对应的采样集合；将不同采样集合中的采样值进行组合，得到多个采样值组。
107.阈值确定模块606，用于根据预设的属性值约束条件从多个采样值组筛选出目标采样值组；根据目标采样值组，确定目标对象在相应属性类型下的目标阈值，并根据目标阈值对原始场景进行更新，得到目标场景。
108.在一个实施例中，基于阈值的场景生成装置600还包括判断模块608，用于获取原始场景文件；原始场景文件包括多个初始的属性类型、以及每个初始的属性类型各自对应的属性信息；属性信息包括属性值区间和属性常数中的至少一种；对每个初始的属性类型各自对应的属性信息进行字段遍历；若当前遍历至的属性信息中包括属性常数，则确定初始的属性类型为不需要进行阈值调整的属性类型；若当前遍历至的属性信息中包括属性值区间，则确定初始的属性类型为需要进行阈值调整的属性类型。
109.在一个实施例中，集合组合模块604还用于针对多个属性类型中的每个属性类型，均以原始最小值为起点，并按照采样间隔进行属性值采样，直至采样到原始最大值，得到每次采样时各自对应的采样值；综合多个采样值，得到每个属性类型各自对应的采样集合。
110.在一个实施例中，集合组合模块604还用于将i号采样集合中的n号采样值m
(i，n)
与j号采样集合中的k号采样值m
(j，k)
进行组合，得到多个采样值组；i∈(1，2
…
n)、j∈(1，2
…
n)，n表征多个采样集合中的任意一个采样集合；n、k、n均为正整数。
111.在一个实施例中，阈值确定模块606包括筛选模块6061，用于针对多个采样值组中的每个采样值组，均通过目标对象对应的当前采样值组中的每个采样值，判断目标对象的行为特征是否符合预设交通规则；当行为特征符合预设交通规则时，判断目标对象的行为特征是否会发生突发状况；当未发生突发状况时，将当前采样值组作为目标采样值组。
112.在一个实施例中，阈值确定模块606还包括聚类模块6062，还用于按照属性类型对目标采样值组中的采样值进行聚类，得到每个属性类型各自对应的多个目标采样值；针对每个属性类型，均将多个目标采样值中的最大值或最小值作为目标对象在相应属性类型下的目标阈值。
113.在一个实施例中，阈值确定模块606还包括更新模块6063，还用于从原始场景中查找存储了属性类型的待更新配置组件；将待更新配置组件中的属性值区间的原始阈值更新为目标阈值，得到已更新配置组件；将已更新配置组件与对应的目标对象进行关联，得到目标场景。
114.在一个实施例中，基于阈值的场景生成装置600还包括文件更新模块610，用于在分别对每个属性值区间进行属性值采样处理时，得到每个属性类型在每次采样时对应的场景子文件；将多个场景子文件进行组合，得到每个采样值组各自对应的候选场景文件；从候选场景文件中确定目标对象对应的目标阈值，并通过目标阈值对原始场景文件进行更新，得到目标场景文件；将目标场景文件存储至场景数据库中。
115.在一个实施例中，基于阈值的场景生成装置600还包括原始场景确定模块612，用于获取预设的配置信息、地图信息和工况信息；配置信息包括对象标识和多个配置组件；确定对象标识相对应的目标对象，并根据地图信息和工况信息构建进行虚拟测试的测试地图；从多个配置组件中确定所选中的目标配置组件，并将目标配置组件与目标对象进行关联；目标配置组件包括多个初始的属性类型、以及每个初始的属性类型各自对应的属性信息；根据目标对象和目标配置组件，对测试地图进行初始配置，得到测试地图对应的原始场
景。
116.上述基于阈值的场景生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
117.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于阈值的场景生成方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
118.本领域技术人员可以理解，图7中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
119.在一个实施例中，提供了一种计算机可读存储介质，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各方法实施例中的步骤。
120.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
121.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
122.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。