科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于场景的虚拟测试是研发高安全、高可靠智能汽车的必要手段，场景自动生成技术对于智能汽车测试场景库的构建具有重要意义。为此，针对多车动态测试场景，提出一种基于近邻目标区域表征和条件变分自编码器的场景生成方法，实现复杂测试场景的快速生成以及对生成场景类型的控制。首先，针对高速公路场景特征，提出应用NORR方法对场景情境进行描述，将测试场景中关键车辆目标信息转化为尺度统一的灰度图像。接着，利用HighD自然车辆轨迹数据集提取大量场景片段，经过数据规范化处理后构建出真实场景库。在此基础上，以场景中车辆目标数量为条件参数，训练基于条件变分自编码器的生成模型，能够生成包含8条车辆轨迹的动态测试场景。通过计算生成样本集的匹配误差、覆盖度和不合理性3个指标，检验生成模型在样本真实性、多样性和合理性方面的表现。验证结果显示：①相比随机轨迹采样方法和基于GAN的生成模型，VAE模型生成的样本质量最好，其生成样本集的平均匹配误差小于5.22，覆盖度能达到57.2%，不合理样本比例仅占1.7%，②所提出的NORR方法有助于提高生成模型的场景生成效果；③CVAE模型能够在条件输入和生成结果之间建立关联性，通过调整条件参数可以改变生成场景中车辆目标数量。
- 单位
