仿真场景的处理方法、装置、设备以及存储介质与流程

本申请实施例涉及数据处理技术领域，尤其涉及一种仿真场景的处理方法、装置、设备以及存储介质，可用于智能驾驶领域。

背景技术：

智能驾驶领域中，需要采用仿真场景对智能驾驶算法进行仿真和评估。

目前，在生成仿真场景时，主要采用人工编辑生成仿真场景的方式。例如，以人工编辑方式设置场景中的各个对象的位置、速度等属性。通过人工编辑生成仿真场景的过程简单，但是，其生成的仿真场景的复杂度较低，真实性较差，使得无法从整体上对智能驾驶算法的能力进行评估。

技术实现要素：

本申请实施例提供了一种仿真场景的处理方法、装置、设备以及存储介质，能够提高仿真场景的真实性和复杂性。

第一方面，本申请实施例提供了一种仿真场景的处理方法，包括：

获取第一感知数据，所述第一感知数据是通过对路测场景的第二感知数据进行去噪处理得到的，所述路测场景中包括场景对象，所述第一感知数据包括所述场景对象的属性信息，所述属性信息满足预设条件；

根据所述第一感知数据，生成仿真场景。

第二方面，本申请实施例提供了一种仿真场景的处理装置，包括：

获取模块，用于获取第一感知数据，所述第一感知数据是通过对路测场景的第二感知数据进行去噪处理得到的，所述路测场景中包括场景对象，所述第一感知数据包括所述场景对象的属性信息，所述属性信息满足预设条件；

生成模块，用于根据所述第一感知数据，生成仿真场景。

第三方面，本申请实施例提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的方法。

第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面中任一项所述的方法。

本申请实施例提供的仿真场景的处理方法、装置、设备以及存储介质，该方法包括：获取第一感知数据，并根据第一感知数据生成仿真场景，其中，第一感知数据是通过对路测场景的第二感知数据进行去噪处理得到的，路测场景中包括场景对象，第一感知数据包括所述场景对象的属性信息，所述属性信息满足预设条件。上述过程中，由于仿真场景是基于路测场景生成的，仿真场景中保留了路测场景中的场景对象的信息，与人工编辑生成仿真场景的方式相比，提高了仿真场景的真实性和复杂性。进一步的，通过对第二感知数据进行去噪处理得到第一感知数据，使得第一感知数据中消除了由于传感器性能、天气因素、感知算法性能的局限性等引入的大量噪声。进而根据第一感知数据生成仿真场景，保证了仿真场景的合理性，使得仿真场景不受限于感知距离，避免了仿真场景中主车与障碍物的交互不真实的问题，同时也避免了感知噪声对智能驾驶仿真结果带来的影响。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例适用的一种可能的应用场景的示意图；

图2为本申请一个实施例提供的仿真场景的处理方法的流程示意图；

图3a为本申请实施例提供的一种可能的第一去噪处理的示意图；

图3b为本申请实施例提供的一种可能的第二去噪处理的示意图；

图4为本申请另一个实施例提供的仿真场景的处理方法的流程示意图；

图5为本申请另一个实施例提供的仿真场景的处理方法的流程示意图；

图6为本申请一个实施例提供的仿真场景的处理装置的结构示意图；

图7为本申请另一个实施例提供的仿真场景的处理装置的结构示意图；

图8为本申请实施例提供的电子设备的结构示意图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

目前，在生成仿真场景时，主要采用人工编辑生成仿真场景的方式。例如，以人工编辑方式设置场景中的各个对象的位置、速度等属性。通过人工编辑生成仿真场景的过程简单，但是，其生成的仿真场景的复杂度较低，真实性较差，使得无法从整体上对智能驾驶算法的能力进行评估。

为了解决上述问题，本申请实施例提供一种仿真场景的处理方法。图1为本申请实施例适用的一种可能的应用场景的示意图。如图1所示，本实施例的方法可以由仿真设备执行。示例性的，通过采集车对路测场景进行数据采集，得到路测数据。将路测数据输入至仿真设备中，仿真设备可以根据路测数据生成仿真场景。这样，由于仿真场景是基于路测场景生成的，仿真场景中保留了路测场景的信息，提高了仿真场景的真实性和复杂性。进而，利用仿真场景对智能驾驶车辆进行仿真验证，能够保证验证效果，提高智能驾驶的安全性。

下面结合几个具体的实施例对本申请的技术方案进行详细描述。下面几个实施例可以相互结合，对于相同或者相似的内容在某些实施例中可能不再重复描述。

图2为本申请一个实施例提供的仿真场景的处理方法的流程示意图。本实施例的方法可以由图1中的仿真设备执行。如图2所示，本实施例的方法可以包括：

s201：获取第一感知数据，所述第一感知数据是通过对路测场景的第二感知数据进行去噪处理得到的，所述路测场景中包括场景对象，所述第一感知数据包括所述场景对象的属性信息，所述属性信息满足预设条件。

s202：根据所述第一感知数据，生成仿真场景。

本实施例中，第二感知数据是指采集车在路测场景下采集得到的路测数据。路测数据可以为点云数据或者图像数据，当然，还可以为其他形式的数据，本实施例不作限定。

其中，路测场景中包括一个或者多个场景对象。在本实施例的智能驾驶场景中，场景对象是指在当前场景中与主车一起参与交通的对象，例如：障碍物、交通灯、车道线、围栏等。其中，障碍物包括但不限于：障碍车、行人、非机动车等。

一个示例中，在路测场景中，采集车上设置有传感器，采集车在道路行驶过程中，传感器对当前路测场景进行感知和数据采集，得到第二感知数据。

由于受到传感器性能、天气因素以及感知算法性能的局限性，上述路测场景中采集到的第二感知数据中会存在大量的噪声，比如：第二感知数据中的障碍物位置、速度、大小、方向、轨迹、颜色等属性可能发生跳变。如果直接通过回放第二感知数据来生成仿真场景的话，会存在仿真场景中主车与障碍物的交互不真实的问题。

例如，通过回放第二感知数据来生成仿真场景时，由于第二感知数据中存在大量噪声，使得当仿真场景中主车与路测场景中的主车的相对位置较远时，仿真场景中主车周边的障碍物的质量将非常糟糕，导致仿真场景中主车与障碍物的交互很不真实。

本申请实施例为了避免上述问题，对路测场景中采集到的第二感知数据进行去噪处理，得到第一感知数据，使得第一感知数据中的场景对象的属性信息满足预设条件。其中，本实施例中场景对象的属性信息包括但不限于：位置属性、速度属性、轨迹属性、大小属性、颜色属性、方向属性等。场景对象的属性信息满足预设条件可以是指场景对象的属性信息更加合理和稳定，符合客观的实际情况。

示例性的，可以通过对第二感知数据进行去噪处理，使得场景对象的属性信息更加符合客观情况。例如：若障碍物的位置出现跳变，则通过去噪处理使得障碍物的位置属性趋于稳定；若障碍物的运行轨迹出现左右摇摆，则通过去噪处理使得障碍物的轨迹属性趋于稳定；若障碍物的大小明显不合理，则通过去噪处理对障碍物的大小进行修正使其合理；若交通灯的颜色频繁跳变，则通过去噪处理消除交通灯颜色的频繁跳变；等等。

本实施例中，通过对第二感知数据进行去噪处理，能够消除由于传感器性能、天气因素、感知算法性能的局限性等引入的大量噪声。这样，经过去噪处理后得到的第一感知数据可以看作是在完美路测场景采集到的感知数据。因此，上述对第二感知数据进行去噪处理的过程也可以称为对路测场景进行完美化处理的过程。上述得到的第一感知数据也可以称为完美化场景的感知数据。上述完美化处理的目标是使得场景对象的属性信息趋于理想状态，即第一感知数据中几乎不包含感知噪声。

进一步的，可以根据去噪处理后的第一感知数据，生成仿真场景。换句话说，将第一感知数据作为仿真场景的感知数据，利用第一感知数据对智能驾驶算法进行仿真测试。

能够理解，由于本实施例生成的仿真场景是基于路测场景生成的，仿真场景中保留了路测场景中的场景对象的信息，与人工编辑生成仿真场景的方式相比，提高了仿真场景的真实性和复杂性。进一步的，本实施例并不是直接回放路测场景的第二感知数据，而是通过对第二感知数据进行去噪处理得到第一感知数据，使得第一感知数据中消除了由于传感器性能、天气因素、感知算法性能的局限性等引入的大量噪声。进而根据第一感知数据生成仿真场景，保证了仿真场景的合理性，避免了仿真场景中主车与障碍物的交互不真实的问题，同时也避免了感知噪声对智能驾驶仿真结果带来的影响。

一种可能的实施方式中，对路测场景的第二感知数据进行去噪处理得到第一感知数据的过程，可以是在线进行的。例如，在需要进行仿真测试或者需要生成仿真场景时，获取路测场景的第二感知数据，通过对第二感知数据进行去噪处理得到第一感知数据，进而根据第一感知数据，生成仿真场景。

另一种可能的实施方式中，对路测场景的第二感知数据进行去噪处理得到第一感知数据的过程，还可以是离线进行的。示例性的，当对路测场景进行采集得到第二感知数据后，采用离线方式对第二感知数据进行去噪处理得到第一感知数据。进一步的，还可以将第一感知数据存储至数据库中。当需要进行仿真测试或者需要生成仿真场景时，直接从数据库中获取第一感知数据，根据第一感知数据生成仿真场景即可。

能够理解，通过采用离线方式对第二感知数据进行去噪处理得到第一感知数据，使得去噪处理过程不受时序、处理时间等的限制，尽最大可能保证了第一感知数据的真实性和合理性，使得仿真场景不受限于感知距离，避免了仿真场景中主车与障碍物的交互不真实的问题，同时也避免了感知噪声对智能驾驶仿真结果带来的影响。

本实施例中的去噪处理可以包括下述中的至少一种：

(1)对第二感知数据进行第一去噪处理，使得经第一去噪处理后的场景对象的属性信息的合理性满足第一预设条件。换句话说，第一去噪处理的目的是剔除第二感知数据中明显不合理的噪声，使得得到的第一感知数据中不存在明显不合理的噪声。或者说，第一去噪处理的目的是改善场景对象的属性信息的合理性，使得场景对象的属性信息更加合理。

图3a为本申请实施例提供的一种可能的第一去噪处理的示意图。如图3a所示，假设第二感知数据为图像数据，其中包括障碍物1和障碍物2。假设障碍物1为行人，障碍物2为车辆。由图3a可知，第二感知数据中的障碍物2的大小(图3a中的虚线框指示的是障碍物的大小)明显不合理，因此，可以通过对第二感知数据中的障碍物2的大小进行修正，使得障碍物2的大小更加合理。

需要说明的是，图3a仅为一种可能的示例。第一去噪处理可以包括多种具体的处理方式，本实施例对此不作限定，只要是用于去除明显不合理噪声的处理均可以作为第一去噪处理。示例性的，下面是几种可能的第一去噪处理的示例：若第二感知数据中，某个障碍车的大小与实际车辆的大小明显不符，则将该障碍车的大小修正为正常大小。若第二感知数据中，某个障碍物的位置发生了较大的偏移，则将该障碍物的位置进行修正。若第二感知数据中存在某个明显不合理的障碍物(比如该障碍物与主车位置重叠)，则将该障碍物去除，或者对该障碍物的位置进行修正。

(2)对第二感知数据进行第二去噪处理，使得经第二去噪处理后的场景对象的属性信息的稳定性满足第二预设条件。换句话说，第二去噪处理的目的是使得场景对象的属性信息趋于稳定，或者说，第二去噪处理的目的是改善场景对象的属性信息的稳定性，使得场景对象的属性信息更加稳定。

图3b为本申请实施例提供的一种可能的第二去噪处理的示意图。如图3b所示，假设第二感知数据中包括4个图像帧。4个图像帧中记录了障碍物1在人行横道行走的轨迹信息。由图3b可知，与第1、2、4个图像帧相比，第3个图像帧中的障碍物1的位置发生了较大的偏移。因此，可以通过对第3个图像帧中的障碍物1的位置进行修正，使得障碍物1的行走轨迹变得平滑、趋于稳定。

需要说明的是，图3b仅为一种可能的示例。第二去噪处理可以包括多种具体的处理方式，本实施例对此不作限定，只要是用于使场景对象的属性信息趋于稳定的处理均可以作为第二去噪处理。示例性的，下面是几种可能的第二去噪处理的示例：若第二感知数据中，某个障碍物的大小忽大忽小，则对该障碍车的大小进行修正使其趋于稳定。若第二感知数据中，某个障碍物的轨迹左摇右摆，则对该障碍物的轨迹进行修正使其趋于稳定。若第二感知数据中，某个交通灯的颜色频繁跳变，则对交通灯颜色进行修正使其趋于稳定。

通过对第二感知数据进行第一去噪处理和/或第二去噪处理，得到第一感知数据，使得第一感知数据中场景对象的属性信息更加合理和/或稳定，进而，根据第一感知数据生成仿真场景，保证了仿真场景的合理性和稳定性，避免了仿真场景中主车与障碍物的交互不真实的问题，同时也避免了感知噪声对智能驾驶仿真结果带来的影响。

本实施例提供的仿真场景的处理方法，包括：获取第一感知数据，并根据第一感知数据生成仿真场景，其中，第一感知数据是通过对路测场景的第二感知数据进行去噪处理得到的，路测场景中包括场景对象，第一感知数据中的场景对象的属性信息满足预设条件。上述过程中，由于仿真场景是基于路测场景生成的，仿真场景中保留了路测场景中的场景对象的信息，与人工编辑生成仿真场景的方式相比，提高了仿真场景的真实性和复杂性。进一步的，通过对第二感知数据进行去噪处理得到第一感知数据，使得第一感知数据中消除了由于传感器性能、天气因素、感知算法性能的局限性等引入的大量噪声。进而根据第一感知数据生成仿真场景，保证了仿真场景的合理性，使得仿真场景不受限于感知距离，避免了仿真场景中主车与障碍物的交互不真实的问题，同时也避免了感知噪声对智能驾驶仿真结果带来的影响。

图4为本申请另一个实施例提供的仿真场景的处理方法的流程示意图。如图4所示，本实施例的方法可以包括：

s401：确定待仿真的第一场景类型。

具体的，可以根据当前仿真测试的需求，确定待仿真的第一场景类型。本实施例中的场景类型包括但不限于：直行类型、左转类型、交互类型、变道类型、路口类型、遮挡类型等。第一场景类型可以是上述场景类型中的一种，也可以是上述场景类型中的至少两种的结合。

s402：获取与所述第一场景类型对应的第一感知数据，所述第一感知数据是通过对第一路测场景的第二感知数据进行去噪处理得到的，所述第一路测场景的类型为所述第一场景类型。

应理解，与图2所示实施例类似，第一感知数据中的场景对象的属性信息满足预设条件。

本实施例中，确定第一场景类型之后，可以获取与第一场景类型对应的第一感知数据。例如，若第一场景类型为直行类型，则获取直行类型对应的第一感知数据。这时，第一感知数据可以是通过对直行类型的路测场景对应的第二感知数据进行去噪处理得到的。若第一场景类型为左转类型，则获取左转类型对应的第一感知数据。这时，第一感知数据可以是通过对左转类型的路测场景对应的第二感知数据进行去噪处理得到的。

本实施例中，对第二感知数据进行去噪处理的过程与图2所示实施例类似，此处不作赘述。

由于在获取第一感知数据时，考虑了场景类型，使得获取的第一感知数据更加符合待仿真的场景类型。

s403：获取与所述第一场景类型对应的场景噪声数据。

本实施例中，场景噪声数据是指对智能驾驶算法的迭代有意义的、现实环境中不可避免的噪声。场景噪声数据也可以称为感兴趣噪声数据或者有益噪声数据。场景噪声数据中不包含明显不合理的噪声，也不包括由于传感器性能、天气因素、感知算法性能的局限性等引入的明显异常的噪声。

示例性的，可以事先对不同场景类型中的噪声分布参数进行统计，确定出不同场景类型对应的噪声分布参数。具体的，针对每个场景类型，通过统计感兴趣噪声的感兴趣区域(regionsofinterest，roi)来获取噪声分布参数。确定噪声分布参数的目标是尽可能的还原路测场景中的各项有益噪声的噪声分布。

一种可能的实施方式中，可以获取所述第一场景类型对应的噪声分布参数；根据所述噪声分布参数，生成与所述第一场景类型对应的场景噪声数据。

示例性的，可以根据噪声分布参数，通过马尔可夫链、深度学习等方法生成符合噪声分布参数的场景噪声数据。这样生成的场景噪声数据是与路测同分布的噪声数据。

由于场景噪声数据是根据第一场景类型对应的噪声分布参数生成的，使得场景噪声数据与真实路测场景中的有益噪声更加接近。

一种可能的实施方式中，可以通过如下可行的方式确定第一场景类型对应的噪声分布参数：

(1)获取与所述第一场景类型对应的多个路测场景的第二感知数据。

可选的，可以在路测过程中人为确定当前路测场景的场景类型，并在采集到的第二感知数据中标记该场景类型。这样，可以根据标记的场景类型，从大量路测数据中筛选出与第一场景类型对应的多个第二感知数据。

可选的，还可以通过对第二感知数据进行识别，确定出第二感知数据对应的场景类型。例如，可以采用场景骨架提取算法从第二感知数据中提取出交通流信息，根据交通流信息确定出场景类型。这样，通过对大量路测场景的路测数据进行识别，可以获取到与第一场景类型对应的多个第二感知数据。

(2)对所述多个第二感知数据分别进行所述去噪处理，得到各所述第二感知数据对应的所述第一感知数据。

应理解，对第二感知数据进行去噪处理的过程，可以参见图2所示实施例的详细描述。

(3)根据所述多个第二感知数据和所述多个第一感知数据，确定所述第一场景类型对应的噪声分布参数。

能够理解，由于第二感知数据是路测场景采集到的感知数据，第一感知数据是对第二感知数据进行去噪处理(完美化处理)后得到的感知数据，因此，根据第二感知数据和其对应的第一感知数据，可以确定出噪声数据。例如，将第二感知数据与第一感知数据之间的差异数据作为噪声数据。这样，通过对多组第二感知数据和第一感知数据之间的差异数据进行统计，可以确定出噪声分布参数。该噪声分布参数描述了第一场景类型中的有益噪声的分布情况。

上述确定第一场景类型对应的噪声分布参数的过程可以是离线进行的。采用离线统计的方式可以节省在线计算资源，提高仿真测试的迭代效率。

本实施例中，由于噪声分布参数是通过对多个路测场景的第二感知数据进行统计得到的，保证了噪声分布参数的准确性。

s404：根据所述第一感知数据和所述场景噪声数据，生成仿真场景。

具体的，在第一感知数据的基础上叠加场景噪声数据，生成仿真场景。由于第一感知数据可以看作是对路测场景进行完美化处理后的感知数据，而场景噪声数据是符合当前仿真场景中的噪声分布参数的，因此，在第一感知数据的基础上叠加场景噪声数据，进一步提高了仿真场景的真实性。

可选的，实际应用中，还可以根据仿真主车与场景对象之间的相对位置关系，实时地根据相对位置关系生成与路测场景同分布的场景噪声数据，并在完美化场景的基础上叠加该场景噪声数据。

本实施例提供的仿真场景的处理方法，通过在完美化场景对应的第一感知数据的基础上，添加与路测场景同分布的场景噪声数据，既避免了仿真场景中的不合理噪声，又使得仿真场景中的有益噪声与路测场景同分布，进一步提高了仿真场景的真实性和合理性。另外，本实施例中生成仿真场景有着较高的自由度，只需要实时更新场景噪声数据的分布参数即可实现对路测数据的及时跟踪，效率更高、合理性更强，可以提高迭代效率。

图5为本申请另一个实施例提供的仿真场景的处理方法的流程示意图。如图5所示，本实施例可以包括三个处理阶段，第一阶段为路测采集阶段，第二阶段为离线处理阶段，第三阶段为在线仿真阶段。下面分别对三个阶段进行介绍。

第一阶段：路测采集阶段。如图5所示，可以针对多个路测场景(路测场景1、路测场景2、……、路测场景n)分别进行路测采集，得到每个路测场景对应的第二感知数据(即路测数据)。

第二阶段：离线处理阶段。针对每个路测场景采集到的第二感知数据，进行去噪处理(第一去噪处理和/或第二去噪处理)，得到第一感知数据。然后，根据每个路测场景采集到的第二感知数据和其对应得到的第一感知数据，进行有益噪声提取，得到每个路测场景中的有益噪声。进一步的，对多个路测场景的有益噪声的分布情况进行统计，确定出噪声分布参数。

可选的，在第二阶段的处理中，还可以包括：针对每个第二感知数据进行场景骨架提取，确定出每个路测场景的场景类型(图5中未示出)。这样，在对有益噪声的分布情况进行统计时，可以根据场景类型进行统计，即，将属于相同场景类型的路测场景的有益噪声进行统计，得到该场景类型对应的噪声分布参数。并且，在后续第三阶段获取第一感知数据时，也可以根据待仿真的场景类型，获取由该场景类型对应的第二感知数据去噪处理得到的第一感知数据。

第三阶段：在线仿真阶段。获取第一感知数据。并且，根据第二阶段确定出的噪声分布参数生成场景噪声数据，在第一感知数据中叠加场景噪声数据，得到仿真场景。

进一步的，利用仿真场景对智能驾驶车辆进行仿真测试，得到第一测试结果。根据第一测试结果，对仿真场景进行评估，确定出仿真场景的真实度。

可选的，如图5所示，在线仿真阶段中还可包括：通过回放路测场景的第二感知数据对智能驾驶车辆进行仿真测试，得到第二测试结果。这样，可以根据第一测试结果和第二测试结果，对仿真场景进行评估，确定出仿真场景的真实度。例如，根据第一测试结果和第二测试结果之间的差异性，确定出仿真场景的真实度。这样，能够提高评估结果的准确性。

实际应用中，在对仿真场景进行评估时，可以从如下两个维度进行评估：完美化场景的评估以及带噪声场景的评估。完美化场景的评价主要衡量完美化处理的程度，可以从残留噪声的大小、场景中障碍物的运动是否符合物理规律等方面进行评估。带噪声场景的评估主要衡量噪声的合理性，可以从与路测场景噪声分布的差异等方面进行评估。

可选的，如图5所示，对仿真场景进行评估得到评估结果之后，该评估结果还可以用于指导离线处理阶段的算法。例如，根据评估结果对去噪处理算法进行优化，不断提升完美化处理的效果。和/或，根据评估结果对有益噪声提取算法进行优化，不断提升噪声分布参数的准确性。通过该过程，可以使仿真场景的整个处理过程形成闭环，不断提高仿真结果的准确性，并不断提高迭代效率。

需要说明的是，图5中各个步骤的实施方式与上述实施例类似，其对应的实现原理和技术效果也类似，此处不作赘述。

图6为本申请一个实施例提供的仿真场景的处理装置的结构示意图。本实施例的仿真场景的处理装置可以为软件和/或硬件的形式。该装置可以设置在如图1所示的仿真设备中。如图6所示，本实施例提供的仿真场景的处理装置10，包括：获取模块11和生成模块12。其中，

获取模块11，用于获取第一感知数据，所述第一感知数据是通过对路测场景的第二感知数据进行去噪处理得到的，所述路测场景中包括场景对象，所述第一感知数据包括所述场景对象的属性信息，所述属性信息满足预设条件；

生成模块12，用于根据所述第一感知数据，生成仿真场景。

一种可能的实施方式中，所述去噪处理包括下述中的至少一种：

对所述第二感知数据进行第一去噪处理，使得经所述第一去噪处理后的所述场景对象的属性信息的合理性满足第一预设条件；

对所述第二感知数据进行第二去噪处理，使得经所述第二去噪处理后的所述场景对象的属性信息的稳定性满足第二预设条件。

一种可能的实施方式中，所述路测场景包括第一路测场景，所述获取模块11具体用于：

确定待仿真的第一场景类型；

获取与所述第一场景类型对应的第一感知数据，所述第一感知数据是通过对所述第一路测场景的第二感知数据进行去噪处理得到的，所述第一路测场景的类型为所述第一场景类型。

一种可能的实施方式中，所述生成模块12具体用于：

获取与所述第一场景类型对应的场景噪声数据；

根据所述第一感知数据和所述场景噪声数据，生成仿真场景。

一种可能的实施方式中，所述生成模块12具体用于：

获取所述第一场景类型对应的噪声分布参数；

根据所述噪声分布参数，生成与所述第一场景类型对应的场景噪声数据。

图7为本申请另一个实施例提供的仿真场景的处理装置的结构示意图。在图6所示的基础上，本实施例的仿真场景的处理装置10，还可以包括：处理模块13和仿真模块14。

一种可能的实施方式中，所述处理模块13用于：

获取与所述第一场景类型对应的多个路测场景的第二感知数据；

对所述多个第二感知数据分别进行所述去噪处理，得到各所述第二感知数据对应的所述第一感知数据；

根据所述多个第二感知数据和所述多个第一感知数据，确定所述第一场景类型对应的噪声分布参数。

一种可能的实施方式中，所述仿真模块14用于：

在所述仿真场景中对智能驾驶车辆进行仿真测试，得到第一测试结果；

根据所述第一测试结果，确定所述仿真场景的真实度。

一种可能的实施方式中，所述仿真模块14还用于：

通过回放所述路测场景的第二感知数据，对智能驾驶车辆进行仿真测试，得到第二测试结果；

根据所述第一测试结果和所述第二测试结果，确定所述仿真场景的真实度。

本实施例提供的仿真场景的处理装置，可用于执行上述任一方法实施例提供的技术方案，其实现原理和技术效果类似，此处不作赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图8所示，是根据本申请实施例的仿真场景的处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。

存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的仿真场景的处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的仿真场景的处理方法。

存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的仿真场景的处理方法对应的程序指令/模块(例如，附图6所示的获取模块11、生成模块12，附图7所示的处理模块13和仿真模块14)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的仿真场景的处理方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据仿真场景的处理方法的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至仿真场景的处理方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

仿真场景的处理方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。

输入装置803可接收输入的数字或字符信息，以及产生与仿真场景的处理方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，获取第一感知数据，并根据第一感知数据生成仿真场景，其中，第一感知数据是通过对路测场景的第二感知数据进行去噪处理得到的，路测场景中包括场景对象，第一感知数据中的场景对象的属性信息满足预设条件。上述过程中，由于仿真场景是基于路测场景生成的，仿真场景中保留了路测场景中的场景对象的信息，与人工编辑生成仿真场景的方式相比，提高了仿真场景的真实性和复杂性。进一步的，通过对第二感知数据进行去噪处理得到第一感知数据，使得第一感知数据中消除了由于传感器性能、天气因素、感知算法性能的局限性等引入的大量噪声。进而根据第一感知数据生成仿真场景，保证了仿真场景的合理性，使得仿真场景不受限于感知距离，避免了仿真场景中主车与障碍物的交互不真实的问题，同时也避免了感知噪声对智能驾驶仿真结果带来的影响。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。