本發(fā)明涉及自動駕駛，尤其涉及預(yù)期功能安全場景自動生成方法、裝置及電子設(shè)備。

背景技術(shù)：

1、隨著科技的快速發(fā)展，自動駕駛技術(shù)逐漸成為研究的熱點。為了確保自動駕駛系統(tǒng)在實際運行中的安全性，需要進行大量的測試和驗證。然而，實際道路測試存在諸多限制，如成本高昂、測試環(huán)境難以控制等。因此，模擬測試成為了一種重要的替代方案。

2、在模擬測試中，預(yù)期功能安全場景的生成是關(guān)鍵的一環(huán)。這些場景需要在各種條件和環(huán)境下進行模擬，以盡可能覆蓋實際駕駛中的各種可能情況，尤其是預(yù)期功能安全中未知且不安全的場景。然而，現(xiàn)有的模擬方法往往難以生成高質(zhì)量、逼真的場景數(shù)據(jù)，導(dǎo)致測試結(jié)果不夠準(zhǔn)確，甚至可能遺漏某些潛在的安全風(fēng)險。

3、隨著自動駕駛技術(shù)的快速發(fā)展，如何確保自動駕駛系統(tǒng)的安全性成為了一個重要的研究問題。預(yù)期功能安全（sotif）作為自動駕駛安全性的一個重要方面，旨在識別并管理由功能不足、或者由可合理預(yù)見的人員誤用所導(dǎo)致的危害和風(fēng)險。為了有效地進行sotif評估，需要生成大量的、具有實際意義的預(yù)期功能安全場景。

4、現(xiàn)有的場景生成方法往往無法充分考慮到各種復(fù)雜的交通環(huán)境和駕駛條件，導(dǎo)致生成的場景缺乏多樣性和真實性，尤其是自動駕駛技術(shù)引入現(xiàn)有的交通流后，交通場景愈加復(fù)雜多變，對預(yù)期功能安全未知場景的需求日益增加，對于場景生成的要求也更高。傳統(tǒng)的場景生成方法往往受限于數(shù)據(jù)量和場景多樣性，難以覆蓋所有可能的駕駛場景。

5、傳統(tǒng)的模擬方法在生成預(yù)期功能安全場景時，往往無法真實模擬出實際交通環(huán)境的復(fù)雜性和不確定性，尤其是包含自動駕駛汽車的交通場景較少。這導(dǎo)致生成的場景數(shù)據(jù)質(zhì)量不高，覆蓋面不廣，長尾場景考慮不足，與實際場景存在較大差距。

技術(shù)實現(xiàn)思路

1、針對上述技術(shù)問題，本發(fā)明提供了一種預(yù)期功能安全場景自動生成方法、裝置及電子設(shè)備，可以滿足預(yù)期功能安全對生成未知場景的需求。

2、本發(fā)明的第一方面，提供一種預(yù)期功能安全場景自動生成方法，包括：采集傳感器數(shù)據(jù)、攝像頭數(shù)據(jù)、車輛行駛軌跡數(shù)據(jù)用于訓(xùn)練第一條件實例生成對抗網(wǎng)絡(luò)（ic-gan）；利用所述第一條件實例生成對抗網(wǎng)絡(luò)生成預(yù)期功能安全場景，所述預(yù)期功能安全場景包括未知且不安全的場景；基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果，并根據(jù)上述分類結(jié)果優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)，利用所述第二條件實例生成對抗網(wǎng)絡(luò)生成新的預(yù)期功能安全場景。

3、在一種可選實施方式中，所述采集傳感器數(shù)據(jù)、攝像頭數(shù)據(jù)、車輛行駛軌跡數(shù)據(jù)用于訓(xùn)練第一條件實例生成對抗網(wǎng)絡(luò)，包括：

4、基于隨機噪聲及條件信息訓(xùn)練所述第一條件實例生成對抗網(wǎng)絡(luò)，所述條件信息包括安全風(fēng)險條件，所述安全風(fēng)險條件用于引導(dǎo)所述第一條件實例生成對抗網(wǎng)絡(luò)生成未知且不安全的場景。

5、在一種可選實施方式中，所述基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果，包括：

6、基于深度信念網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果；所述分類結(jié)果包括性能局限，復(fù)雜環(huán)境，人機交互。

7、在一種可選實施方式中，所述基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果，并根據(jù)上述分類結(jié)果優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)，包括：

8、基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類獲得場景類型及場景類型的數(shù)量，若所述場景類型的數(shù)據(jù)不滿足預(yù)設(shè)條件，則優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)。

9、在一種可選實施方式中，所述若所述場景類型的數(shù)據(jù)不滿足預(yù)設(shè)條件，則優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)，包括：

10、若所述場景類型的數(shù)據(jù)不滿足預(yù)設(shè)條件，則使用早停法或正則化法優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)。

11、在一種可選實施方式中，所述的預(yù)期功能安全場景自動生成方法，還包括：通過比較真實場景與所述預(yù)期功能安全場景中的安全風(fēng)險類型和頻率，評估所述預(yù)期功能安全場景的實用性和安全性，通過實用性和安全性的評估結(jié)果，調(diào)整所述第二條件實例生成對抗網(wǎng)絡(luò)的參數(shù)。

12、本發(fā)明的第二方面，提供一種預(yù)期功能安全場景自動生成裝置，包括：訓(xùn)練模塊，用于采集傳感器數(shù)據(jù)、攝像頭數(shù)據(jù)、車輛行駛軌跡數(shù)據(jù)用于訓(xùn)練第一條件實例生成對抗網(wǎng)絡(luò)（ic-gan）；第一生成模塊，用于利用所述第一條件實例生成對抗網(wǎng)絡(luò)生成預(yù)期功能安全場景，所述預(yù)期功能安全場景包括未知且不安全的場景；第二生成模塊，用于基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果，并根據(jù)上述分類結(jié)果優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)，利用所述第二條件實例生成對抗網(wǎng)絡(luò)生成新的預(yù)期功能安全場景。

13、在一種可選實施方式中，所述第一生成模塊，還用于基于深度信念網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果；所述分類結(jié)果包括性能局限，復(fù)雜環(huán)境，人機交互。

14、本發(fā)明的第三方面，提供一種電子設(shè)備，包括：

15、至少一個處理器；以及與所述處理器通信連接的至少一個存儲器，其中：所述存儲器存儲有可被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令能夠執(zhí)行如本發(fā)明實施例的第一方面所述的預(yù)期功能安全場景自動生成方法。

16、本發(fā)明的第四方面，提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被計算機運行時，執(zhí)行如本發(fā)明實施例的第一方面所述的預(yù)期功能安全場景自動生成方法。

17、本發(fā)明通過條件實例生成對抗網(wǎng)絡(luò)可以生成與訓(xùn)練數(shù)據(jù)集中未見過的、未知的、突發(fā)的物體或場景組合的逼真場景，滿足預(yù)期功能安全對生成未知場景的需求；通過對場景分類和反饋優(yōu)化機制，使得生成的場景數(shù)據(jù)更具針對性和實用性，有助于提高自動駕駛系統(tǒng)的測試和驗證效率，并確保其性能和安全性。

技術(shù)特征：

1.一種預(yù)期功能安全場景自動生成方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的預(yù)期功能安全場景自動生成方法，其特征在于，所述采集傳感器數(shù)據(jù)、攝像頭數(shù)據(jù)、車輛行駛軌跡數(shù)據(jù)用于訓(xùn)練第一條件實例生成對抗網(wǎng)絡(luò)，包括：

3.根據(jù)權(quán)利要求1所述的預(yù)期功能安全場景自動生成方法，其特征在于，所述基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果，包括：

4.根據(jù)權(quán)利要求3所述的預(yù)期功能安全場景自動生成方法，其特征在于，所述基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果，并根據(jù)上述分類結(jié)果優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)，包括：

5.根據(jù)權(quán)利要求4所述的預(yù)期功能安全場景自動生成方法，其特征在于，所述若所述場景類型的數(shù)據(jù)不滿足預(yù)設(shè)條件，則優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)，包括：

6.根據(jù)權(quán)利要求1所述的預(yù)期功能安全場景自動生成方法，其特征在于，還包括：通過比較真實場景與所述預(yù)期功能安全場景中的安全風(fēng)險類型和頻率，評估所述預(yù)期功能安全場景的實用性和安全性，通過實用性和安全性的評估結(jié)果，調(diào)整所述第二條件實例生成對抗網(wǎng)絡(luò)的參數(shù)。

7.一種預(yù)期功能安全場景自動生成裝置，其特征在于，包括：

8.根據(jù)權(quán)利要求7所述的預(yù)期功能安全場景自動生成裝置，其特征在于，

9.一種電子設(shè)備，其特征在于，包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，其上存儲有計算機程序，所述計算機程序被計算機運行時，執(zhí)行如權(quán)利要求1至6中任一項所述的預(yù)期功能安全場景自動生成方法。

技術(shù)總結(jié)
本發(fā)明公開了預(yù)期功能安全場景自動生成方法、裝置及電子設(shè)備，其方法包括采集傳感器數(shù)據(jù)、攝像頭數(shù)據(jù)、車輛行駛軌跡數(shù)據(jù)用于訓(xùn)練第一條件實例生成對抗網(wǎng)絡(luò)（IC?GAN）；利用所述第一條件實例生成對抗網(wǎng)絡(luò)生成預(yù)期功能安全場景，所述預(yù)期功能安全場景包括未知且不安全的場景；基于機器學(xué)習(xí)網(wǎng)絡(luò)模型對所述預(yù)期功能安全場景進行分類得到分類結(jié)果，并根據(jù)上述分類結(jié)果優(yōu)化所述第一條件實例生成對抗網(wǎng)絡(luò)的參數(shù)形成第二條件實例生成對抗網(wǎng)絡(luò)，利用所述第二條件實例生成對抗網(wǎng)絡(luò)生成新的預(yù)期功能安全場景。本發(fā)明通過條件實例生成對抗網(wǎng)絡(luò)可以滿足對生成未知場景的需求；通過對場景分類和反饋優(yōu)化機制，有助于提高自動駕駛系統(tǒng)的測試和驗證效率。

技術(shù)研發(fā)人員：鄧偉舜,劉進,姚勁
受保護的技術(shù)使用者：智己汽車科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2