[发明专利]一种自动驾驶系统典型测试场景提取方法、介质和设备

权利要求书

1.一种自动驾驶系统典型测试场景提取方法，其特征在于：所述方法包括以下步骤：

步骤1：为任一车辆的自动驾驶系统匹配实车摄像头，将其采集到的驾驶场景视频分割为若干片段；基于预设的需求筛选每个片段的要素，同时对每一个片段按照筛选出的要素进行标注以及编码；

步骤2：对各要素进行标准化处理，得到数据集；

步骤3：对数据集内的数据进行聚类，得到K个簇类；

步骤4：基于聚类结果，对聚类模型进行性能评估；

步骤5：若性能不符合要求，则修改目标簇类数K和/或分支因子和/或阈值，并返回步骤3，否则参照聚类结果中各参数占比，将占比高的参数作为该类别的特征，并将其解码；

步骤6：所述K个簇类的中心为自动驾驶系统典型测试场景的特征，解码得到的对应的K个要素与不同次要场景要素组合，生成自动驾驶系统典型测试场景测试用例及其衍生用例。

2.根据权利要求1所述的一种自动驾驶系统典型测试场景提取方法，其特征在于：所述步骤1中，要素包括气象要素、交通要素和道路要素。

3.根据权利要求2所述的一种自动驾驶系统典型测试场景提取方法，其特征在于：任一所述要素包括一个或多个子要素，对应任一子要素匹配属性及编码。

4.根据权利要求1所述的一种自动驾驶系统典型测试场景提取方法，其特征在于：所述步骤2中，标准化处理为对第i个样本的第j个要素的值x_ij进行处理，得到x_ij^*，

其中，x_ij^*为经过归一化处理后第i个样本的第j个要素的值，μ_j为对应第j个要素的均值，σ_j为对应第j个要素的标准差，N为数据集样本个数，i为1至N间的整数，M为要素个数，j为1至M间的整数。

5.根据权利要求1所述的一种自动驾驶系统典型测试场景提取方法，其特征在于：所述步骤3中，通过BIRCH算法对给定的数据集进行聚类，得到K个簇类；簇间距离计算D采用平均连锁的方式，样本间距离度量函数D_M采用马氏距离。

6.根据权利要求5所述的一种自动驾驶系统典型测试场景提取方法，其特征在于：以C_p、C_q表示不同的两个簇类，以|C_p|、|C_q|表示对应这两个簇类的样本个数，以x_p＝(x_p1^*,x_p2^*,…,x_pj^*)、x_q＝(x_q1^*,x_q2^*,…,x_pj^*)分别对应C_p、C_q中的样本，得到

其中，∑为多维随机变量的协方差矩阵。

7.根据权利要求1所述的一种自动驾驶系统典型测试场景提取方法，其特征在于：所述步骤4中，以Calinski-Harabaz Index对聚类模型进行性能评估，以Calinski-Harabaz分数S表征组间离散与组内离散的比率，

其中，tr(B_K)和tr(W_K)分别表示组间离散矩阵B_K和组内离散矩阵W_K的迹，C_k为第k个簇类中所有数据的集合，|C_k|是在第k个簇类中的样本点数量，c_k是第k个簇类的中心点，c_E为所有数据的中心点，x_k为C_k中的一个样本点，N为数据集样本个数。