面向自动驾驶测试的交规合规性自动化判定方法及装置

摘要

本发明公开了一种面向自动驾驶测试的交规合规性自动化判定方法及装置，属于自动驾驶技术领域。所述方法包括：获取自动驾驶测试的场景地图，并基于场景地图绘制语义地图，场景地图中不同的交通元素在语义地图中对应不同的颜色；执行自动驾驶测试，并基于测试对象的世界坐标和包围盒，计算测试对象在语义地图中的车辆投影区域；基于交通元素的颜色，判断车辆投影区域是否包含目标交通元素；基于车辆投影区域是否包含目标交通元素的判断结果，判断测试对象是否遵守交通规则；按照测试对象在自动驾驶测试过程中遵守交通规则的情况统计，评估测试对象的交规合规性。本发明提升了交规合规性判定结果的准确性和可靠性，并提升了判定效率。

说明书

技术领域

本发明属于自动驾驶技术领域，涉及一种面向自动驾驶测试的交规合规性自动化判定方法及装置。

背景技术

自动驾驶系统是一门非常复杂的系统，包含了环境感知、感知融合、路径规划、车辆控制等一系列智能算法。如何确保和检测自动驾驶系统的交规合规性是当下急需要解决的一个问题。

自动驾驶仿真测试拥有测试效率高、重复性强、成本低、过程安全等特点，能够帮助研发人员和汽车认证机构去优化、验证自动驾驶系统。它的原理是以数学建模的方式将自动驾驶的应用场景进行数字化还原，建立尽可能接近真实世界的系统模型，用算法代替真实的控制器，再结合传感器仿真等技术来完成自动驾驶仿真测试。在执行自动驾驶仿真测试时，计算机设备收集数据并计算各项指标，以此来评估自动驾驶系统的性能。出于安全性和可靠性的考虑，是否遵守交通规则也是衡量自动驾驶系统性能的一个重要因素。

然而，相关技术仅获取自动驾驶系统自身相关的行驶数据来判断是否遵守交通规则，如获取自动驾驶系统的行驶速度以判断是否超速等，对交规合规性的判定方法不够丰富，从而判定结果不够准确。

发明内容

为解决上述问题，本发明提出了一种面向自动驾驶测试的交规合规性自动化判定方法及装置，更加完善地考虑到自动驾驶系统在行驶过程中可能涉及的交通规则，丰富了判断自动驾驶系统是否遵守交通规则的方法，提升了交规合规性判定结果的准确性和可靠性；并且，本发明由计算机设备自动化判定自动驾驶系统的交规合规性，提升了判定效率。

为实现上述目的，本发明的技术内容包括：

一种面向自动驾驶测试的交规合规性自动化判定方法，所述方法包括：

获取自动驾驶测试的场景地图，并基于所述场景地图绘制语义地图，所述场景地图中不同的交通元素在所述语义地图中对应不同的颜色；

执行所述自动驾驶测试，并基于测试对象的世界坐标和包围盒，计算所述测试对象在所述语义地图中的车辆投影区域；

基于所述交通元素的颜色，判断所述车辆投影区域是否包含目标交通元素；

基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则；

按照所述测试对象在所述自动驾驶测试过程中遵守交通规则的情况统计，评估所述测试对象的交规合规性，所述交规合规性用于指示所述测试对象对所述交通规则的遵守程度。

可选地，所述基于测试对象的世界坐标和包围盒，计算所述测试对象在所述语义地图中的车辆投影区域，包括：

获取所述测试对象的世界坐标，所述世界坐标是指在三维世界坐标系下的坐标；

对所述世界坐标进行坐标系转化，得到所述测试对象的图像坐标，所述图像坐标是指在二维图像坐标系下的坐标；

获取所述测试对象的包围盒，并结合所述测试对象的图像坐标得到所述车辆投影区域。

可选地，所述对所述世界坐标进行坐标系转化，得到所述测试对象的图像坐标，包括：

获取所述场景地图中目标距离在所述语义地图中所对应的像素点数量；

获取所述三维世界坐标系的平面参考点，所述平面参考点与所述二维图像坐标系的原点对应；

基于所述测试对象的世界坐标，计算所述测试对象相对于所述平面参考点的平面偏移量；

对所述像素点数量和所述平面偏移量进行求积处理，得到所述测试对象的图像坐标。

可选地，所述基于所述交通元素的颜色，判断所述车辆投影区域是否包含目标交通元素，包括：

裁剪所述语义地图得到判定区域，所述判定区域的面积小于所述语义地图的面积；

按照所述交通元素的颜色对所述判定区域进行二值化处理得到二值化矩阵，所述二值化处理包括令所述目标交通元素的颜色对应的像素点取值为1；

判断所述二值化矩阵中是否存在取值为1的目标像素点，并在存在所述目标像素点的情况下，获取所述目标像素点的图像坐标；

判断所述目标像素点的图像坐标是否在所述车辆投影区域中；其中，若所述目标像素点的图像坐标在所述车辆投影区域中，则确定所述车辆投影区域包含所述目标交通元素；若所述目标像素点的图像坐标不在所述车辆投影区域中，则确定所述车辆投影区域不包含所述目标交通元素。

可选地，所述裁剪所述语义地图得到判定区域，包括：

获取所述车辆投影区域的顶点的图像坐标；

基于所述顶点的图像坐标，分别计算所述车辆投影区域在所述二维图像坐标系的横坐标轴和纵坐标轴下的最小值和最大值；

将所述最小值和所述最大值作为所述判定区域的四个顶点，并按照所述四个顶点对所述语义地图进行裁剪得到所述判定区域。

可选地，所述目标交通元素包括实线车道线，所述交通规则包括禁止压所述实线车道线；和/或，所述目标交通元素包括导流线，所述交通规则包括禁止压所述导流线；和/或，所述目标交通元素包括网格线，所述交通规则包括禁止压所述网格线；和/或，所述目标交通元素包括非车道区域，所述交通规则包括禁止在所述非车道区域行驶；

所述基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则，包括：

若所述车辆投影区域包含所述实线车道线、所述导流线、所述网格线、所述非车道区域中任意一项，则确定所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括虚线车道线，所述交通规则包括压所述虚线车道线的时长禁止超过目标时长；

所述基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则，包括：

若所述车辆投影区域包含所述虚线车道线，则将当前时间帧记录为目标时间帧；其中，在所述目标时间帧内所述车辆投影区域包含所述虚线车道线；

计算所述目标时间帧的连续时长；

若所述连续时长小于或等于所述目标时长，则确定所述测试对象压所述虚线车道线的时长未超过所述目标时长，所述测试对象遵守所述虚线车道线对应的交通规则；

若所述连续时长大于所述目标时长，则确定所述测试对象压所述虚线车道线的时长超过所述目标时长，所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括虚实线车道线，所述交通规则包括禁止从所述虚实线车道线的实线车道线一侧穿越至虚线车道线一侧；

所述基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则，包括：

若所述车辆投影区域包含所述虚实线车道线，则获取所述虚实线车道线对应的变道方向向量，所述变道方向向量与所述虚实线车道线垂直且从所述虚实线车道线的虚线车道线一侧指向实线车道线一侧；

将当前时间帧记录为变道时间帧；其中，在所述变道时间帧内所述车辆投影区域包含所述虚实线车道线；

基于所述变道时间帧中连续的时间帧的首位时间帧和末位时间帧，计算所述测试对象的运动方向向量，所述运动方向向量从所述首位时间帧内所述测试对象的图像坐标指向所述末位时间帧内所述测试对象的图像坐标；

计算所述运动方向向量与所述变道方向向量之间的夹角；

若所述运动方向向量与所述变道方向向量之间的夹角小于90度，则确定所述测试对象从所述虚实线车道线的虚线车道线一侧穿越至实线车道线一侧，所述测试对象遵守所述虚实线车道线对应的交通规则；

若所述运动方向向量与所述变道方向向量之间的夹角大于或等于90度，则确定所述测试对象从所述虚实线车道线的实线车道线一侧穿越至虚线车道线一侧，所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括斑马线，所述交通规则包括在所述斑马线上礼让行人；

所述基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则，包括：

若所述车辆投影区域包含所述斑马线，则获取行人在所述语义地图中的行人投影区域；

判断所述目标像素点的图像坐标是否在所述行人投影区域中；

若所述目标像素点的图像坐标不在所述行人投影区域中，则确定所述行人投影区域不包含所述斑马线，所述测试对象遵守所述斑马线对应的交通规则；

若所述目标像素点的图像坐标在所述行人投影区域中，则确定所述行人投影区域包含所述斑马线，并获取所述测试对象的运动状态；

若所述测试对象的运动状态为停车状态，则确定所述测试对象在所述斑马线上礼让行人，所述测试对象遵守所述斑马线对应的交通规则；

若所述测试对象的运动状态为行驶状态，则判断所述测试对象是否在所述行人前方；其中，若所述测试对象在所述行人前方，则确定所述测试对象在所述班马线上未礼让行人，所述测试对象不遵守交通规则；若所述测试对象不在所述行人前方，则确定所述测试对象在所述斑马线上礼让行人，所述测试对象遵守所述斑马线对应的交通规则。

可选地，所述判断所述测试对象是否在所述行人前方，包括：

将当前时间帧记录为重叠时间帧；其中，在所述重叠时间帧内所述车辆投影区域和所述行人投影区域均包含所述斑马线；

在所述重叠时间帧内，将所述测试对象的世界坐标转化为基于局部坐标系的局部坐标，所述局部坐标系以所述行人的世界坐标为原点并以所述行人的运动方向为x轴；

若所述测试对象的局部坐标在所述局部坐标系的x轴的取值大于或等于目标取值，则确定所述测试对象在所述行人前方；

若所述测试对象的局部坐标在所述局部坐标系的x轴的取值小于目标取值，则确定所述测试对象不在所述行人前方。

可选地，所述目标交通元素包括交通灯触发区域，所述交通规则包括按照交通灯信号在所述交通灯触发区域行驶；

所述基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则，包括：

若所述车辆投影区域包含所述交通灯触发区域，则获取所述交通灯触发区域对应的交通灯信号；

在所述交通灯信号为红色的情况下，获取所述交通灯信号对应的停车线和路口区域，并获取所述测试对象的运动状态；

若所述测试对象的运动状态为停止状态，则判断所述车辆投影区域内是否包含所述停车线或所述路口区域；其中，若不包含所述停车线和所述路口区域，则确定所述测试对象遵守所述交通灯触发区域对应的交通规则；若包含所述停车线或所述路口区域，则确定所述测试对象不遵守交通规则；

若所述测试对象的运动状态为行驶状态，则计算所述测试对象的行驶方向；其中，若所述行驶方向为直行、左转或掉头，则确定所述测试对象不遵守交通规则；若所述行驶方向为右转，则确定所述测试对象遵守所述交通灯触发区域对应的交通规则。

可选地，所述计算所述测试对象的行驶方向，包括：

获取所述测试对象在所述路口区域的第一个轨迹点和最后一个轨迹点，并以所述第一个轨迹点指向所述最后一个轨迹点的方向向量作为第一方向向量；

获取所述测试对象在进入所述路口区域之前的两个轨迹点，并以在先时刻轨迹点指向在后时刻轨迹点的方向向量作为第二方向向量；

若所述第一方向向量相对于所述第二方向向量的旋转方向为顺时针，且旋转角度小于90度，则所述测试对象的行驶方向为右转。

可选地，所述获取所述交通灯触发区域对应的交通灯信号之后，还包括：

在所述交通灯信号为黄色的情况下，获取所述交通灯信号对应的路口区域；

计算第一平均速度和第二平均速度，所述第一平均速度为所述测试对象在进入所述路口区域之前的t个时间帧内的平均速度，所述第二平均速度为所述测试对象在所述路口区域中的t个时间帧内的平均速度，所述t为正整数；

若所述第一平均速度大于所述第二平均速度，则确定所述测试对象在所述路口区域减速，所述测试对象遵守所述交通灯触发区域对应的交通规则；

若所述第一平均速度小于或等于所述第二平均速度，则确定所述测试对象未在所述路口区域减速，所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括交通标志触发区域，所述交通规则包括按照交通标志在所述交通标志触发区域行驶；

所述基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则，包括：

若所述车辆投影区域包含所述交通标志触发区域，则获取所述交通标志触发区域对应的交通标志；其中，所述交通标志包括以下任意一项：含有限速值的限速标志、停车标志、让行标志；

将当前时间帧记录为标志时间帧；其中，在所述标志时间帧内所述车辆投影区域包含所述交通标志触发区域；

获取所述测试对象在所述标志时间帧内的车辆行为；

若所述车辆行为与所述交通标志触发区域对应的交通标志一致，则确定所述测试对象按照交通标志在所述交通标志触发区域行驶，所述测试对象遵守所述交通标志触发区域对应的交通规则；

若所述车辆行为与所述交通标志触发区域对应的交通标志不一致，则确定所述测试对象未按照交通标志在所述交通标志触发区域行驶，所述测试对象不遵守交通规则。

可选地，所述按照所述测试对象在所述自动驾驶测试过程中遵守交通规则的情况统计，评估所述测试对象的交规合规性，包括：

从所述交通规则中划分重要交通规则和次要交通规则；

统计所述测试对象在所述自动驾驶测试过程中对所述重要交通规则和所述次要交通规则的遵守情况；

若所述测试对象完全遵守所述重要交通规则和所述次要交通规则，则确定所述测试对象的交规合规性为优；

若所述测试对象不遵守所述重要交通规则，或不遵守所述次要交通规则的次数大于设定阈值，则确定所述测试对象的交规合规性为差；

若所述测试对象完全遵守所述重要交通规则但不遵守所述次要交通规则，且不遵守所述次要交通规则的次数小于或等于设定阈值，则确定所述测试对象的交规合规性为中等。

一种面向自动驾驶测试的交规合规性自动化判定装置，所述装置包括：

地图获取模块，用于获取自动驾驶测试的场景地图，并基于所述场景地图绘制语义地图，所述场景地图中不同的交通元素在所述语义地图中对应不同的颜色；

自动驾驶测试模块，用于执行所述自动驾驶测试，并基于测试对象的世界坐标和包围盒，计算所述测试对象在所述语义地图中的车辆投影区域；

第一判断模块，用于基于所述交通元素的颜色，判断所述车辆投影区域是否包含目标交通元素；

第二判断模块，用于基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则；

合规性判定模块，用于按照所述测试对象在所述自动驾驶测试过程中遵守交通规则的情况统计，评估所述测试对象的交规合规性，所述交规合规性用于指示所述测试对象对所述交通规则的遵守程度。

一种计算机可读存储介质，其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如上述面向自动驾驶测试的交规合规性自动化判定方法。

一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行，以实现上述面向自动驾驶测试的交规合规性自动化判定方法。

一种计算机程序产品，当所述计算机程序产品在计算机设备上运行时，使得计算机设备执行如上述面向自动驾驶测试的交规合规性自动化判定方法。

与现有技术相比，本发明至少具有以下优点：

1、本发明丰富了判断自动驾驶系统是否遵守交通规则的方法，并实现了交规合规性的自动化判定。相对于相关技术仅获取自动驾驶系统自身相关的行驶数据来判断是否遵守交通规则，本发明在自动驾驶测试时不仅获取自动驾驶系统自身相关的行驶数据(如车辆投影区域、轨迹点、行驶速度等)，还获取与自动驾驶系统所处位置相关的场景数据(如车道线、交通灯触发区域、斑马线、交通灯信号等)，并结合多方面的数据判断自动驾驶系统是否遵守交通规则，更加完善地考虑到自动驾驶系统在行驶过程中可能涉及的交通规则，丰富了判断自动驾驶系统是否遵守交通规则的方法，提升了交规合规性判定结果的准确性和可靠性。并且，由于自动驾驶测试会产生大量数据，本发明由计算机设备获取相关数据并计算判断自动驾驶系统是否遵守交通规则，充分利用了自动驾驶测试所产生的数据，实现了自动驾驶系统交规合规性的自动化判定，提升了交规合规性的判定效率；

2、本发明基于二维图像坐标系进行数据计算和判断，降低了计算复杂度。也即，本发明基于三维场景的高精地图绘制二维语义地图，将不同的交通元素绘制为不同的颜色，并获取搭载自动驾驶系统的测试对象在语义地图中的车辆投影区域，基于交通元素的颜色判断车辆投影区域中是否包含特定交通元素，以进一步判断自动驾驶系统是否遵守特定交通元素对应的交通规则。由于上述判断过程的计算将各项数据映射到二维图像坐标系中，实现了降维计算，有效降低了计算复杂度，减小了计算机设备的处理开销。

附图说明

图1面向自动驾驶测试的交规合规性自动化判定方法的流程图。

图2车辆投影区域和判定区域的示意图。

图3图像坐标与车辆投影区域之间位置关系的判断示意图。

图4测试对象和行人相对位置的判断示意图。

图5交通灯触发区域、停车线和路口区域的示意图。

图6交通规则的统计类型示意图。

图7面向自动驾驶测试的交规合规性自动化判定装置的框图。

具体实施方式

下面将结合附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明特定实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

本发明中交规合规性自动化判定方法，如图1所示，包括如下几个步骤(步骤1至5)。

步骤1：获取自动驾驶测试的场景地图，并基于场景地图绘制语义地图，场景地图中不同的交通元素在语义地图中对应不同的颜色。

在执行自动驾驶测试之前，计算机设备先获取当前自动驾驶测试所使用的场景地图，该场景地图通常为三维场景的高精地图。基于三维地图计算的复杂度较高，因此，本发明中计算机设备基于三维的场景地图绘制二维的语义地图，以降低计算复杂度。其中，在绘制语义地图时，计算机设备将场景地图中不同的交通元素绘制为不同的颜色，以实现在语义地图中区分交通元素。可选地，交通元素包括但不限于：道路区域(如车行道、人行道等)、道路交通标线(如实线车道线、虚线车道线、虚实线车道线、停止线、导流线、网状线、斑马线等)、交通灯触发区域等。

在一个示例中，上述步骤1包括如下几个子步骤(步骤1.1至1.3)。

步骤1.1：绘制语义地图的地图区域图层。

例如，将图层底色绘制为浅灰色。

步骤1.2：在地图区域图层中绘制道路区域。

计算机设备从三维场景的高精地图(即场景地图)中获取各个交通区域(上述道路区域和交通灯触发区域等)的包围盒(bounding box)，然后在语义地图中将不同的包围盒对应的区域绘制为不同的颜色。例如，将人行道绘制为深灰色，将车行道绘制为黑色，将交通灯触发区域绘制为橙色，其它区域则为图层底色(如浅灰色)。又例如，将人行道绘制为深灰色、将机动车道绘制为黑色、将非机动车道绘制为暗灰色，将交通灯触发区域绘制为橙色，其它区域则为图层底色(如浅灰色)。

步骤1.3：在道路区域中绘制道路交通标线。

计算机设备从三维场景的高精地图(即场景地图)中获取各个道路交通标线的类型和位置，然后在语义地图中将不同类型的道路交通标线对应的位置绘制为不同的颜色。例如，将实线车道线绘制为黄色，将虚线车道线绘制为红色，将虚实线车道线绘制为紫色，将导流线绘制为绿色，将停止线绘制为蓝色，将斑马线绘制为褐色。可选地，在绘制实线车道线时，计算机设备先从场景地图中获取实线车道线的离散点，然后在语义地图中将离散点连接成实线(直线或曲线)，并将连接线绘制为相应颜色(如黄色)；在绘制虚线车道线时，先从场景地图中获取虚线车道线的离散点，但为了方便检测，计算机设备在语义地图中也是将离散点连接成实线(直线或曲线)，并将连接线绘制为相应颜色(如红色)；在绘制虚实线车道线时，计算机设备可以按照上述方法分别绘制虚实线车道线中的实线车道线和虚线车道线，但需要将实线车道线和虚线车道线绘制为同一种颜色(如紫色)。

步骤2：执行自动驾驶测试，并基于测试对象的世界坐标和包围盒，计算测试对象在语义地图中的车辆投影区域。

计算机设备可以在执行自动驾驶测试的过程中，获取自动驾驶系统自身相关的行驶数据，以及与自动驾驶系统所处位置相关的场景数据，并基于这些数据实时判断自动驾驶系统是否遵守交通规则；或者，计算机设备也可以在执行自动驾驶测试的过程中获取所有运行数据，并在自动驾驶测试完成后基于这些运行数据离线判断自动驾驶系统是否遵守交通规则。其中，与自动驾驶系统自身相关的行驶数据中一项重要数据即为测试对象(本发明中为搭载了自动驾驶系统的测试车辆)在语义地图中的车辆投影区域，下面对车辆投影区域的计算方式进行介绍说明。

在一个示例中，上述步骤2包括如下几个子步骤(步骤2.1至2.3)。

步骤2.1：获取测试对象的世界坐标，世界坐标是指在三维世界坐标系下的坐标。

计算机设备执行自动驾驶测试，由于自动驾驶测试是基于三维场景地图实现的，从而在获取位置信息时，能够直接获取的是各个对象在三维世界坐标系下的坐标，也即世界坐标。本发明中，计算机设备在自动驾驶测试过程中，实时或每间隔一段时间(如0.1秒等)获取测试对象的世界坐标，当然，计算机设备还可以同时获取非测试对象(如行人、障碍物、非测试车辆等)的世界坐标。

可选地，由于测试对象和非测试对象具有一定的体积，在获取世界坐标时，计算机设备从测试对象和非测试对象中确定参考点，并将参考点的世界坐标作为测试对象和非测试对象的世界坐标。例如，可以将测试对象和非测试对象的中心点的世界坐标，作为测试对象和非测试对象的世界坐标。

步骤2.2：对世界坐标进行坐标系转化，得到测试对象的图像坐标，图像坐标是指在二维图像坐标系下的坐标。

由于后续计算基于语义地图，所以计算机设备在获取世界坐标后，需要进行坐标系转化以实现降维，本发明中，计算机设备将三维世界坐标系中的世界坐标转化为二维图像坐标系中的图像坐标。计算机设备对测试对象的世界坐标进行坐标系转化，获取测试对象的图像坐标；若计算机设备在步骤2.1还获取了非测试对象的世界坐标，则在执行步骤2.2时，也可以同时对非测试对象的世界坐标进行坐标系转化，获取非测试对象的图像坐标。可选地，世界坐标转化为图像坐标(即上述坐标系转化处理)可以通过坐标转化函数实现，该坐标转化函数可以是预先构建的，如在步骤1之前构建坐标转化函数，在步骤2.2执行坐标系转化处理时直接调用预先构建的坐标转化函数即可。

在一个示例中，以对测试对象的世界坐标进行坐标系转化为例，上述步骤2.2包括如下几个子步骤(步骤2.2.1至2.2.4)。应理解，对非测试对象的世界坐标进行坐标系转化的过程与下述步骤2.2.3和2.2.4一致(步骤2.2.1和2.2.2无需重复执行)，本发明在此不多赘述。

步骤2.2.1：获取场景地图中目标距离在语义地图中所对应的像素点数量。

本发明中目标距离按照场景地图的长度单位确定，例如，场景地图中长度以米为单位，则目标距离为一米，从而计算机设备计算场景地图中一米的距离在语义地图中所对应的像素点数量pixels_per_meter。

步骤2.2.2：获取三维世界坐标系的平面参考点，其中，平面参考点与二维图像坐标系的原点对应。

在执行自动驾驶测试时，基于场景地图构建了一个仿真世界，计算机设备获取该仿真世界中所有点的世界坐标。每个点的世界坐标均包括三维世界坐标系的x、y、z这三个坐标轴的坐标值，本发明以三维世界坐标系的x轴和y轴为平面，统计所有点的世界坐标在x轴的最小值x_min以及在y轴的最小值y_min。其中，(x_min，y_min)即组成了三维世界坐标系的平面参考点，该平面参考点对应于二维图像坐标系的原点(0，0)。

步骤2.2.3：基于测试对象的世界坐标计算测试对象相对于平面参考点的平面偏移量。

从测试对象的世界坐标中，可以获取测试对象在三维世界坐标系的x轴和y轴的坐标值(x，y)，进一步计算测试对象相对于三维世界坐标系的平面参考点(x_min，y_min)的平面偏移量(x-x_min，y-y_min)。

步骤2.2.4：对像素点数量和平面偏移量进行求积处理，得到测试对象的图像坐标。

本发明中，二维图像坐标系以像素点为单位，由步骤2.2.1计算出场景地图中每米在语义地图中对应像素点数量pixels_per_meter，通过对平面偏移量(x-x_min，y-y_min)和像素点数量pixels_per_meter进行求积处理，即获取测试对象基于二维图像坐标系的图像坐标。示例性地，测试对象的图像坐标(x_picture，y_picture)的计算公式如下所示。

x_picture＝pixels_per_meter*(x-x_min)

y_picture＝pixels_per_meter*(y-y_min)

可选地，坐标转化函数可以实现为上述计算公式，若坐标转化函数是在步骤1之前预先构建的，则上述步骤2.2.1和2.2.2在步骤1之前执行，在步骤2.2.2之后计算机设备构建坐标转化函数，也即构建上述计算公式，其中，(x，y)是坐标转化函数中的自变量，(x_picture，y_picture)是坐标转化函数中的因变量；在获取到世界坐标之后，计算机设备直接将世界坐标中的(x，y)代入上述计算公式，即可获取图像坐标。

步骤2.3：获取测试对象的包围盒，并结合测试对象的图像坐标得到测试对象在语义地图中的车辆投影区域。

测试对象的包围盒(bounding box)用于检测和识别测试对象，通常该包围盒为测试对象的顶点所构成的多边形，例如，测试对象为测试车辆，则测试对象的包围盒为矩形。可选地，若上述步骤2.1中测试对象的世界坐标是测试对象的中心点的世界坐标，则测试对象的图像坐标也是测试对象的中心点的图像坐标；而测试对象的中心点对应于测试对象的包围盒的中心点，若测试对象的包围盒为矩形包围盒，则基于测试对象的图像坐标以及测试对象的包围盒尺寸，即可计算得到测试对象的包围盒顶点的图像坐标，分别为p1、p2、p3、p4，基于此，测试对象在语义地图中的车辆投影区域是由上述四个顶点的图像坐标所围成的封闭区域Region1＝(p1，p2，p3，p4，p1)。

步骤3：基于交通元素的颜色判断车辆投影区域是否包含目标交通元素。

在步骤1绘制语义地图时，将不同的交通元素绘制为不同的颜色，计算机设备按照颜色即可判断测试对象对应的车辆投影区域中是否包含特定的目标交通元素。本发明中，在判断是否包含目标交通元素时，可以基于交通元素的颜色对语义地图中相应的像素点进行赋值转化，以数值化像素点，有助于计算机设备快速识别目标交通元素。

可选地，目标交通元素可以为一个交通元素，也可以为多个交通元素。在目标交通元素为一个交通元素的情况下，计算机设备可以二值化像素点，即令目标交通元素的颜色对应的像素点取值为1，令其它交通元素的颜色对应的像素点取值为0。在目标交通元素为多个交通元素的情况下，若这多个交通元素对应的交通规则相类似(如均为禁止压线)，则计算机设备可以对像素点进行上述二值化处理，即令这多个交通元素的颜色对应的像素点取值均为1；若这多个交通元素对应的交通规则没有关联(如一个为禁止压线一个为礼让行人)，则计算机设备可以对像素点进行多值化处理，即令这多个交通元素的颜色对应的像素点为0以外的不同取值，令其它交通元素对应的像素点取值为0。

在一个示例中，以对像素点进行二值化处理为例，上述步骤3包括如下几个子步骤(步骤3.1至3.4)。

步骤3.1：裁剪语义地图得到判定区域，判定区域的面积小于语义地图的面积。

本示例仅对语义地图中特定区域进行二值化处理，这样可以避免浪费计算机设备的处理资源，提升处理速度。因此，在二值化处理之前需要对语义地图进行裁剪，以缩小二值化处理的范围。本示例将二值化处理的区域称为判定区域，为确保准确性的同时尽可能地缩小判定区域的面积，可选地，上述步骤3.1包括：获取车辆投影区域的顶点的图像坐标；基于顶点的图像坐标，分别计算车辆投影区域在二维图像坐标系的横坐标轴和纵坐标轴下的最小值和最大值；将最小值和最大值作为判定区域的四个顶点，并按照四个顶点对语义地图进行裁剪得到判定区域。

示例性地，如图2所示，测试对象对应的车辆投影区域的顶点为p1(x1，y1)、p2(x2，y2)、p3(x3，y3)、p4(x4，y4)；基于顶点的图像坐标，可以计算出二维图像坐标系中车辆投影区域在x轴下的最小值为x1、最大值为x3，在y轴下的最小值为y2、最大值为y4；进而计算机设备基于车辆投影区域在这两个坐标轴下的最小值和最大值，可以确定判定区域的四个顶点，分别为Q1(x1，y2)、Q2(x3，y2)、Q3(x3，y4)、Q4(x1，y4)，按照这四个顶点对语义地图进行裁剪得到判定区域Region2＝(Q1，Q2，Q3，Q4，Q1)。

步骤3.2：按照交通元素的颜色对判定区域进行二值化处理得到二值化矩阵，二值化处理包括令目标交通元素的颜色对应的像素点取值为1。

计算机设备按照交通元素的颜色对判定区域内的像素点进行二值化处理，将判定区域内目标交通元素的颜色对应的像素点赋值为1，将其它交通元素的颜色对应的像素点赋值为0，从而实现将判定区域转化为二值化矩阵。例如，目标交通元素包括实线车道线，在步骤1绘制语义地图时将实线车道线绘制为黄色，则计算机设备在步骤3.2中对判定区域进行二值化处理时，令黄色对应的像素点为1，令其它颜色对应的像素点为0；若判定区域内不存在像素点为黄色，则得到的二值化矩阵内所有像素点的取值均为0；若判定区域内所有像素点均为黄色，则得到的二值化矩阵内所有像素点的取值均为1。

需要说明的一点是，由于上述判定区域的位置计算需要基于测试对象的车辆投影区域，而在自动驾驶测试过程中，测试对象的位置通常不断发生改变，从而车辆投影区域也在不断改变，判定区域也随着车辆投影区域不断改变；若先裁剪语义地图得到判定区域、再对判定区域进行二值化处理得到二值化矩阵，虽然可以通过缩小二值化处理的面积来在一定程度上提升处理速度、降低处理开销，但却由于判定区域位置的不断改变而需要执行多次二值化处理，也可能会导致不必要的处理开销。

基于此，为了避免计算机设备执行多次二值化处理，本发明还提出另一种获取判定区域对应的二值化矩阵的方式，即上述步骤3.1至3.2可以替换为：按照交通元素的颜色对语义地图进行二值化处理，得到语义地图对应的二值化矩阵，二值化处理包括令目标交通元素的颜色对应的像素点取值为1；按照判定区域在语义地图中的位置，从语义地图对应的二值化矩阵中提取相应像素点组成判定区域对应的二值化矩阵。也就是说，计算机设备可以先对完整的语义地图执行二值化处理，再基于判定区域在语义地图中的不同位置，提取相应数据以获取判定区域对应的二值化矩阵。其中，判定区域的计算方式、二值化处理的过程等的介绍说明，请参见上述步骤3.1至3.2，本发明在此不多赘述。

步骤3.3：判断二值化矩阵中是否存在取值为1的目标像素点，并在存在目标像素点的情况下，获取目标像素点的图像坐标。

本发明将取值为1的像素点称为目标像素点，计算机设备首先判断判定区域对应的二值化矩阵中是否存在目标像素点。若二值化矩阵中存在目标像素点，则计算机设备获取该目标像素点在语义地图中的图像坐标。若二值化矩阵中不存在目标像素点，则可以确定判定区域内不包含目标交通元素，计算机设备默认测试对象遵守目标交通元素对应的交通规则。

步骤3.4：判断目标像素点的图像坐标是否在车辆投影区域中。

在判定区域对应的二值化矩阵中存在目标像素点的情况下，计算机设备获取了目标像素点的图像坐标，之后进一步判断该图像坐标是否在测试对象对应的车辆投影区域中。若目标像素点的图像坐标在车辆投影区域中，则确定车辆投影区域包含目标交通元素，计算机设备需要进一步通过下述步骤4来判断测试对象是否遵守目标交通元素对应的交通规则；若目标像素点的图像坐标不在车辆投影区域中，则确定车辆投影区域不包含目标交通元素，默认测试对象遵守目标交通元素对应的交通规则。

本发明对步骤3.4的具体实现方式不作限定，可选地，上述步骤3.4包括：从目标像素点的图像坐标向目标方向引射线得到目标射线，目标方向可以设定为任意一个方向(如水平方向、竖直方向等)；计算目标射线与测试对象对应的车辆投影区域的交点数量；若交点数量为偶数，则目标像素点的图像坐标不在车辆投影区域中；若交点数量为奇数，则目标像素点的图像坐标在车辆投影区域中。

示例性地，如图3所示，判定区域Region2＝(Q1，Q2，Q3，Q4，Q1)中存在三个取值为1的目标像素点，分别为A、B、C；计算机设备从目标像素点向水平方向引射线，得到三条目标射线分别为AO1、BO1、CO1；车辆投影区域为Region1＝(p1，p2，p3，p4，p1)；AO1与车辆投影区域的交点数量为偶数2，则目标像素点A不在车辆投影区域中；BO1与车辆投影区域的交点数量为奇数1，则目标像素点B在车辆投影区域中；CO1与车辆投影区域的交点数量为偶数0，则目标像素点C不在车辆投影区域中。

步骤4：基于车辆投影区域是否包含目标交通元素的判断结果，判断测试对象是否遵守交通规则。

基于上述步骤3.4的判断，若车辆投影区域包含目标交通元素，计算机设备需要进一步判断测试对象是否遵守目标交通元素对应的交通规则；若车辆投影区域不包含目标交通元素，默认测试对象遵守目标交通元素对应的交通规则。本发明针对不同的目标交通元素，结合目标交通元素对应的交通规则的特点，设置有不同的判断测试对象是否遵守交通规则的方法，下面提供一些示例性的实施例。应理解，这些实施例并不构成对本发明的限定，实际应用中，也可以结合目标交通元素及其对应的交通规则设置其它相匹配的判断方式。

可选地，目标交通元素和交通规则包括以下至少一种情况：目标交通元素包括实线车道线，交通规则包括禁止压实线车道线；目标交通元素包括导流线，交通规则包括禁止压导流线；目标交通元素包括网格线，交通规则包括禁止压网格线；目标交通元素包括非车道区域，交通规则包括禁止在非车道区域行驶。基于此，上述步骤4包括：若车辆投影区域包含实线车道线、导流线、网格线、非车道区域中任意一项，则确定测试对象不遵守交通规则。

可选地，目标交通元素包括虚线车道线，交通规则包括压虚线车道线的时长禁止超过设定的目标时长(如5秒、10秒等)；上述步骤4包括：若车辆投影区域包含虚线车道线，则将当前时间帧记录为目标时间帧，也即在目标时间帧内车辆投影区域包含虚线车道线；计算目标时间帧的连续时长；若连续时长小于或等于目标时长，则确定测试对象压虚线车道线的时长未超过目标时长，测试对象遵守虚线车道线对应的交通规则；若连续时长大于目标时长，则确定测试对象压虚线车道线的时长超过目标时长，测试对象不遵守交通规则。

其中，上述方法在计算目标时间帧的连续时长时，可以将间隔为N(N为正整数，如N为10等)以内的目标时间帧均视为连续的时间帧。例如，N为5，计算机设备获取到第3、4、6、7、11、18个时间帧为目标时间帧，由于第4个时间帧和第6个时间帧间隔1个时间帧(小于5个时间帧)、第7个时间帧和第11个时间帧间隔3个时间帧(小于5个时间帧)、第11个时间帧和第18个时间帧间隔6个时间帧(大于5个时间帧)，所以，目标时间帧中第3、4、6、7、11个时间帧视为连续的时间帧，计算机设备获取第3个时间帧至第11个时间帧之间的时长，并将该时长作为目标时间帧的连续时长。

可选地，目标交通元素包括虚实线车道线，交通规则包括禁止从虚实线车道线的实线车道线一侧穿越至虚线车道线一侧；上述步骤4包括：若车辆投影区域包含虚实线车道线，则获取虚实线车道线对应的变道方向；计算测试对象的运动方向；若运动方向与变道方向一致，则确定测试对象从虚实线车道线的虚线车道线一侧穿越至实线车道线一侧，测试对象遵守虚实线车道线对应的交通规则；若运动方向与变道方向不一致，则确定测试对象从虚实线车道线的实线车道线一侧穿越至虚线车道线一侧，测试对象不遵守交通规则。

其中，虚实线车道线对应的变道方向可以通过变道方向向量来指示，该变道方向向量与虚实线车道线垂直且从虚实线车道线的虚线车道线一侧指向实线车道线一侧；测试对象的运动方向可以通过运动方向向量来指示，该运动方向向量的计算过程包括：将当前时间帧记录为变道时间帧，也即在变道时间帧内车辆投影区域包含虚实线车道线；基于变道时间帧中连续的时间帧的首位时间帧和末位时间帧，计算测试对象的运动方向向量，运动方向向量从首位时间帧内测试对象的图像坐标指向末位时间帧内测试对象的图像坐标。基于此，运动方向与变道方向是否一致以及测试对象是否遵守交通规则可以通过如下方法来判断：计算运动方向向量与变道方向向量之间的夹角；若运动方向向量与变道方向向量之间的夹角小于90度，则运动方向与变道方向一致，也即确定测试对象从虚实线车道线的虚线车道线一侧穿越至实线车道线一侧，测试对象遵守虚实线车道线对应的交通规则；若运动方向向量与变道方向向量之间的夹角大于或等于90度，则运动方向与变道方向不一致，也即确定测试对象从虚实线车道线的实线车道线一侧穿越至虚线车道线一侧，测试对象不遵守交通规则。其中，变道时间帧中连续的时间帧的判断可以参见上述目标时间帧中连续的时间帧的判断，本发明在此不多赘述。

可选地，目标交通元素包括斑马线，交通规则包括在斑马线上礼让行人；上述步骤4包括：若车辆投影区域包含斑马线，则获取行人在语义地图中的行人投影区域；判断目标像素点的图像坐标是否在行人投影区域中；若目标像素点的图像坐标在行人投影区域中，则确定行人投影区域包含斑马线，并获取测试对象的运动状态；若测试对象的运动状态为停车状态，则确定测试对象在斑马线上礼让行人，测试对象遵守斑马线对应的交通规则；若测试对象的运动状态为行驶状态，则判断测试对象是否在行人前方，并基于判断结果确定测试对象是否遵守交通规则；若目标像素点的图像坐标不在行人投影区域中，则确定行人投影区域不包含斑马线，测试对象遵守斑马线对应的交通规则。其中，行人投影区域的计算方法可参见上述步骤4中车辆投影区域的计算方法，本发明在此不多赘述。

其中，测试对象是否在行人前方以及测试对象是否遵守交通规则，可以通过如下方法来判断：将当前时间帧记录为重叠时间帧，也即在重叠时间帧内车辆投影区域和行人投影区域均包含斑马线；在重叠时间帧内，将测试对象的世界坐标转化为基于局部坐标系的局部坐标，该局部坐标系以行人的世界坐标为原点并以行人的运动方向为x轴，如图4所示(局部坐标系可以是三维坐标系也可以是二维坐标系，图4仅是为了描述方便而以二维坐标系为例进行说明，这并不构成对本申请的限定)；若测试对象的局部坐标在局部坐标系的x轴的取值大于或等于目标取值，则测试对象在行人前方，确定测试对象在斑马线上未礼让行人，测试对象不遵守交通规则；若测试对象的局部坐标在局部坐标系的x轴的取值小于目标取值，则测试对象不在行人前方，确定测试对象在斑马线上礼让行人，测试对象遵守斑马线对应的交通规则。可选地，目标取值可以为零，也可以为小于零的整数，例如，目标取值的绝对值等于测试对象的包围盒长边或短边的二分之一，这样设置目标取值可以考虑到测试对象的体积，使得判断结果更加准确。其中，行人的运动方向的计算方式可以参见上述测试对象的运动方向的计算方式，本发明在此不多赘述。

可选地，目标交通元素包括交通灯触发区域，交通规则包括按照交通灯信号在交通灯触发区域行驶；上述步骤4包括：若车辆投影区域包含交通灯触发区域(如图5所示的401)，则获取交通灯触发区域对应的交通灯信号；在交通灯信号为红色的情况下，获取交通灯信号对应的停车线(如图5所示的402)和路口区域(如图5所示的403)，并获取测试对象的运动状态；若测试对象的运动状态为停止状态，则判断测试对象的车辆投影区域内是否包含停车线或路口区域，若不包含则测试对象遵守交通灯触发区域对应的交通规则，若包含则测试对象不遵守交通规则；若测试对象的运动状态为行驶状态，则计算测试对象的行驶方向，若行驶方向为直行、左转或掉头则测试对象不遵守交通规则，若行驶方向为右转则测试对象遵守交通灯触发区域对应的交通规则。

其中，测试对象的行驶方向的计算过程可以通过如下方法计算：获取测试对象在路口区域的第一个轨迹点和最后一个轨迹点，并以第一个轨迹点指向最后一个轨迹点的方向向量作为第一方向向量；获取测试对象在进入路口区域之前的两个轨迹点，并以在先时刻轨迹点指向在后时刻轨迹点的方向向量作为第二方向向量；若第一方向向量相对于第二方向向量的旋转方向为顺时针，且旋转角度小于90度，则测试对象的行驶方向为右转，否则测试对象的行驶方向为直行、左转或掉头。

另外，本示例中，在计算机设备获取的交通灯信号为黄色的情况下，获取交通灯信号对应的路口区域；计算测试对象在进入路口区域之前的t(t为正整数)个时间帧内的平均速度(第一平均速度)，以及在路口区域中的t个时间帧内的平均速度(第二平均速度)；若第一平均速度大于第二平均速度，则确定测试对象在路口区域减速，测试对象遵守交通灯触发区域对应的交通规则；若第一平均速度小于或等于第二平均速度，则确定测试对象未在路口区域减速，测试对象不遵守交通规则。

可选地，目标交通元素包括交通标志触发区域，交通规则包括按照交通标志在交通标志触发区域行驶；上述步骤4包括：若车辆投影区域包含交通标志触发区域，则获取交通标志触发区域对应的交通标志，其中，交通标志包括但不限于限速标志(含限速值)、停车标志、让行标志等；将当前时间帧记录为标志时间帧，也即在标志时间帧内车辆投影区域包含交通标志触发区域；获取测试对象在标志时间帧内的车辆行为；若车辆行为与交通标志触发区域对应的交通标志一致，则确定测试对象按照交通标志在交通标志触发区域行驶，测试对象遵守交通标志触发区域对应的交通规则；若车辆行为与交通标志触发区域对应的交通标志不一致，则确定测试对象未按照交通标志在交通标志触发区域行驶，测试对象不遵守交通规则。

示例性地，交通标志为限速标志，计算机设备在标志时间帧内获取的车辆行为为测试对象的行驶速度，若行驶速度小于或等于限速标志所指示的限速值则车辆行为与交通标志一致，否则车辆行为与交通标志不一致；或者，交通标志为让行标志，计算机设备在标志时间帧内获取的车辆行为为测试对象的行驶速度，若行驶速度在标志时间帧内不断减小则车辆行为与交通标志一致，否则车辆行为与交通标志不一致；或者，交通标志为停车标志，计算机设备在标志时间帧内获取的车辆行为为测试对象的运动状态，若运动状态为停车状态则车辆行为与交通标志一致，否则车辆行为与交通标志不一致。

步骤5：按照测试对象在自动驾驶测试过程中遵守交通规则的情况统计，评估测试对象的交规合规性，交规合规性用于指示测试对象对交通规则的遵守程度。

计算机设备统计自动驾驶测试过程中测试对象对交通规则的遵守情况，并基于统计结果评估测试对象的交规合规性，以指示测试对象对交通规则的遵守程度。可选地，测试对象的交规合规性可以通过等级、评分等形式表现，例如，预先设立多个交规合规性的等级，在不同的等级与对交通规则的遵守情况之间建立对应关系，在获取到统计结果后，基于对应关系确定测试对象的交规合规性等级。本发明对计算机设备所统计的具体内容不作限定，可选地，可以统计测试对象不遵守交通规则的次数、类型、时长、频率等，示例性地，如图6所示，可以将交通规则划分为不同的类型，在自动驾驶测试过程中，计算机设备按照类型统计测试对象对交通规则的遵守情况。应理解，本发明中计算机设备除了可以按照上述步骤1至4的方式判断测试对象是否遵守交通规则，也可以结合传统方式或其它方式来判断，例如，如图6所示，计算机设备还可以通过获取测试对象的行驶速度来判断是否保持合理车速、通过获取测试对象与非测试车辆之间的距离来判断是否保持合理车距、通过获取测试对象的运动轨迹以及测试对象与非测试对象之间的相对位置关系等来判断是否违规右侧超车，等等。

在一个示例中，上述步骤5包括：从交通规则中划分重要交通规则和次要交通规则；统计测试对象在自动驾驶测试过程中对重要交通规则和次要交通规则的遵守情况；若测试对象完全遵守重要交通规则和次要交通规则，则确定测试对象的交规合规性为优；若测试对象不遵守重要交通规则，或不遵守次要交通规则的次数大于设定阈值，则确定测试对象的交规合规性为差；若测试对象完全遵守重要交通规则但不遵守次要交通规则，且不遵守次要交通规则的次数小于或等于设定阈值，则确定测试对象的交规合规性为中等。示例性地，假设测试对象不遵守重要交通规则的次数为k1(k1为自然数)、不遵守次要交通规则的次数为k2(k2为自然数)、设定阈值为k0(k0为正整数)，则测试对象的交规合规性M的计算公式如下所示。

可选地，上述重要交通规则和次要交通规则的划分依据包括但不限于：不遵守交通规则时预期造成的危险程度、交通规则关联的测试时长、交通规则的复杂程度等。例如，按照不遵守交通规则时预期造成的危险程度来划分，可以将在斑马线上礼让行人、禁止从虚实线车道线的实线车道线一侧穿越至虚线车道线一侧等交通规则划分为重要交通规则，将禁止压实线车道线、禁止压导流线、压虚线车道线的时长禁止超过设定的目标时长、禁止超速等交通规则划分为次要交通规则。又例如，按照交通规则关联的测试时长来划分，若自动驾驶测试过程中测试对象主要在车行道(包括实线车道线、虚线车道线等)上行驶，且仅经过一次十字路口(包括斑马线、交通灯触发区域等)，则可以将禁止压实线车道线、压虚线车道线的时长禁止超过设定的目标时长等交通规则划分为重要交通规则，将在斑马线上礼让行人、按照交通灯信号在交通灯触发区域行驶等交通规则划分为次要交通规则。当然，实际应用中也可以结合多个划分依据来划分重要交通规则和次要交通规则，本发明对此不作限定。

综上所述，本发明丰富了判断自动驾驶系统是否遵守交通规则的方法，并实现了交规合规性的自动化判定。相对于相关技术仅获取自动驾驶系统自身相关的行驶数据来判断是否遵守交通规则，本发明在自动驾驶测试时不仅获取自动驾驶系统自身相关的行驶数据(如车辆投影区域、轨迹点、行驶速度等)，还获取与自动驾驶系统所处位置相关的场景数据(如车道线、交通灯触发区域、斑马线、交通灯信号等)，并结合多方面的数据判断自动驾驶系统是否遵守交通规则，更加完善地考虑到自动驾驶系统在行驶过程中可能涉及的交通规则，丰富了判断自动驾驶系统是否遵守交通规则的方法，提升了交规合规性判定结果的准确性和可靠性。并且，由于自动驾驶测试会产生大量数据，本发明由计算机设备获取相关数据并计算判断自动驾驶系统是否遵守交通规则，充分利用了自动驾驶测试所产生的数据，实现了自动驾驶系统交规合规性的自动化判定，提升了交规合规性的判定效率。

另外，本发明基于二维图像坐标系进行数据计算和判断，降低了计算复杂度。也即，本发明基于三维场景的高精地图绘制二维语义地图，将不同的交通元素绘制为不同的颜色，并获取搭载自动驾驶系统的测试对象在语义地图中的车辆投影区域，基于交通元素的颜色判断车辆投影区域中是否包含特定交通元素，以进一步判断自动驾驶系统是否遵守特定交通元素对应的交通规则。由于上述判断过程的计算将各项数据映射到二维图像坐标系中，实现了降维计算，有效降低了计算复杂度，减小了计算机设备的处理开销。

请参考图7，其示出了本发明一个实施例提供的面向自动驾驶测试的交规合规性自动化判定装置的框图。该交规合规性自动化判定装置可以为计算机设备，也可以设置在计算机设备中。如图7所示，该装置700包括：地图获取模块710、自动驾驶测试模块720、第一判断模块730、第二判断模块740和合规性判定模块750。

地图获取模块710，用于获取自动驾驶测试的场景地图，并基于所述场景地图绘制语义地图，所述场景地图中不同的交通元素在所述语义地图中对应不同的颜色；

自动驾驶测试模块720，用于执行所述自动驾驶测试，并基于测试对象的世界坐标和包围盒，计算所述测试对象在所述语义地图中的车辆投影区域；

第一判断模块730，用于基于所述交通元素的颜色，判断所述车辆投影区域是否包含目标交通元素；

第二判断模块740，用于基于所述车辆投影区域是否包含所述目标交通元素的判断结果，判断所述测试对象是否遵守交通规则；

合规性判定模块750，用于按照所述测试对象在所述自动驾驶测试过程中遵守交通规则的情况统计，评估所述测试对象的交规合规性，所述交规合规性用于指示所述测试对象对所述交通规则的遵守程度。

可选地，所述自动驾驶测试模块720用于：获取所述测试对象的世界坐标，所述世界坐标是指在三维世界坐标系下的坐标；对所述世界坐标进行坐标系转化，得到所述测试对象的图像坐标，所述图像坐标是指在二维图像坐标系下的坐标；获取所述测试对象的包围盒，并结合所述测试对象的图像坐标得到所述车辆投影区域。

可选地，所述自动驾驶测试模块720还用于：获取所述场景地图中目标距离在所述语义地图中所对应的像素点数量；获取所述三维世界坐标系的平面参考点，所述平面参考点与所述二维图像坐标系的原点对应；基于所述测试对象的世界坐标，计算所述测试对象相对于所述平面参考点的平面偏移量；对所述像素点数量和所述平面偏移量进行求积处理，得到所述测试对象的图像坐标。

可选地，所述第一判断模块730用于：裁剪所述语义地图得到判定区域，所述判定区域的面积小于所述语义地图的面积；按照所述交通元素的颜色对所述判定区域进行二值化处理得到二值化矩阵，所述二值化处理包括令所述目标交通元素的颜色对应的像素点取值为1；判断所述二值化矩阵中是否存在取值为1的目标像素点，并在存在所述目标像素点的情况下，获取所述目标像素点的图像坐标；判断所述目标像素点的图像坐标是否在所述车辆投影区域中；其中，若所述目标像素点的图像坐标在所述车辆投影区域中，则确定所述车辆投影区域包含所述目标交通元素；若所述目标像素点的图像坐标不在所述车辆投影区域中，则确定所述车辆投影区域不包含所述目标交通元素。

可选地，所述第一判断模块730还用于：获取所述车辆投影区域的顶点的图像坐标；基于所述顶点的图像坐标，分别计算所述车辆投影区域在所述二维图像坐标系的横坐标轴和纵坐标轴下的最小值和最大值；将所述最小值和所述最大值作为所述判定区域的四个顶点，并按照所述四个顶点对所述语义地图进行裁剪得到所述判定区域。

可选地，所述目标交通元素包括实线车道线，所述交通规则包括禁止压所述实线车道线；和/或，所述目标交通元素包括导流线，所述交通规则包括禁止压所述导流线；和/或，所述目标交通元素包括网格线，所述交通规则包括禁止压所述网格线；和/或，所述目标交通元素包括非车道区域，所述交通规则包括禁止在所述非车道区域行驶；所述第二判断模块740用于：若所述车辆投影区域包含所述实线车道线、所述导流线、所述网格线、所述非车道区域中任意一项，则确定所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括虚线车道线，所述交通规则包括压所述虚线车道线的时长禁止超过目标时长；所述第二判断模块740用于：若所述车辆投影区域包含所述虚线车道线，则将当前时间帧记录为目标时间帧；其中，在所述目标时间帧内所述车辆投影区域包含所述虚线车道线；计算所述目标时间帧的连续时长；若所述连续时长小于或等于所述目标时长，则确定所述测试对象压所述虚线车道线的时长未超过所述目标时长，所述测试对象遵守所述虚线车道线对应的交通规则；若所述连续时长大于所述目标时长，则确定所述测试对象压所述虚线车道线的时长超过所述目标时长，所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括虚实线车道线，所述交通规则包括禁止从所述虚实线车道线的实线车道线一侧穿越至虚线车道线一侧；所述第二判断模块740用于：若所述车辆投影区域包含所述虚实线车道线，则获取所述虚实线车道线对应的变道方向向量，所述变道方向向量与所述虚实线车道线垂直且从所述虚实线车道线的虚线车道线一侧指向实线车道线一侧；将当前时间帧记录为变道时间帧；其中，在所述变道时间帧内所述车辆投影区域包含所述虚实线车道线；基于所述变道时间帧中连续的时间帧的首位时间帧和末位时间帧，计算所述测试对象的运动方向向量，所述运动方向向量从所述首位时间帧内所述测试对象的图像坐标指向所述末位时间帧内所述测试对象的图像坐标；计算所述运动方向向量与所述变道方向向量之间的夹角；若所述运动方向向量与所述变道方向向量之间的夹角小于90度，则确定所述测试对象从所述虚实线车道线的虚线车道线一侧穿越至实线车道线一侧，所述测试对象遵守所述虚实线车道线对应的交通规则；若所述运动方向向量与所述变道方向向量之间的夹角大于或等于90度，则确定所述测试对象从所述虚实线车道线的实线车道线一侧穿越至虚线车道线一侧，所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括斑马线，所述交通规则包括在所述斑马线上礼让行人；所述第二判断模块740用于：若所述车辆投影区域包含所述斑马线，则获取行人在所述语义地图中的行人投影区域；判断所述目标像素点的图像坐标是否在所述行人投影区域中；若所述目标像素点的图像坐标不在所述行人投影区域中，则确定所述行人投影区域不包含所述斑马线，所述测试对象遵守所述斑马线对应的交通规则；若所述目标像素点的图像坐标在所述行人投影区域中，则确定所述行人投影区域包含所述斑马线，并获取所述测试对象的运动状态；若所述测试对象的运动状态为停车状态，则确定所述测试对象在所述斑马线上礼让行人，所述测试对象遵守所述斑马线对应的交通规则；若所述测试对象的运动状态为行驶状态，则判断所述测试对象是否在所述行人前方；其中，若所述测试对象在所述行人前方，则确定所述测试对象在所述班马线上未礼让行人，所述测试对象不遵守交通规则；若所述测试对象不在所述行人前方，则确定所述测试对象在所述斑马线上礼让行人，所述测试对象遵守所述斑马线对应的交通规则。

可选地，所述第二判断模块740还用于：将当前时间帧记录为重叠时间帧；其中，在所述重叠时间帧内所述车辆投影区域和所述行人投影区域均包含所述斑马线；在所述重叠时间帧内，将所述测试对象的世界坐标转化为基于局部坐标系的局部坐标，所述局部坐标系以所述行人的世界坐标为原点并以所述行人的运动方向为x轴；若所述测试对象的局部坐标在所述局部坐标系的x轴的取值大于或等于目标取值，则确定所述测试对象在所述行人前方；若所述测试对象的局部坐标在所述局部坐标系的x轴的取值小于目标取值，则确定所述测试对象不在所述行人前方。

可选地，所述目标交通元素包括交通灯触发区域，所述交通规则包括按照交通灯信号在所述交通灯触发区域行驶；所述第二判断模块740用于：若所述车辆投影区域包含所述交通灯触发区域，则获取所述交通灯触发区域对应的交通灯信号；在所述交通灯信号为红色的情况下，获取所述交通灯信号对应的停车线和路口区域，并获取所述测试对象的运动状态；若所述测试对象的运动状态为停止状态，则判断所述车辆投影区域内是否包含所述停车线或所述路口区域；其中，若不包含所述停车线和所述路口区域，则确定所述测试对象遵守所述交通灯触发区域对应的交通规则；若包含所述停车线或所述路口区域，则确定所述测试对象不遵守交通规则；若所述测试对象的运动状态为行驶状态，则计算所述测试对象的行驶方向；其中，若所述行驶方向为直行、左转或掉头，则确定所述测试对象不遵守交通规则；若所述行驶方向为右转，则确定所述测试对象遵守所述交通灯触发区域对应的交通规则。

可选地，所述第二判断模块740还用于：获取所述测试对象在所述路口区域的第一个轨迹点和最后一个轨迹点，并以所述第一个轨迹点指向所述最后一个轨迹点的方向向量作为第一方向向量；获取所述测试对象在进入所述路口区域之前的两个轨迹点，并以在先时刻轨迹点指向在后时刻轨迹点的方向向量作为第二方向向量；若所述第一方向向量相对于所述第二方向向量的旋转方向为顺时针，且旋转角度小于90度，则所述测试对象的行驶方向为右转。

可选地，所述第二判断模块740还用于：在所述交通灯信号为黄色的情况下，获取所述交通灯信号对应的路口区域；计算第一平均速度和第二平均速度，所述第一平均速度为所述测试对象在进入所述路口区域之前的t个时间帧内的平均速度，所述第二平均速度为所述测试对象在所述路口区域中的t个时间帧内的平均速度，所述t为正整数；若所述第一平均速度大于所述第二平均速度，则确定所述测试对象在所述路口区域减速，所述测试对象遵守所述交通灯触发区域对应的交通规则；若所述第一平均速度小于或等于所述第二平均速度，则确定所述测试对象未在所述路口区域减速，所述测试对象不遵守交通规则。

可选地，所述目标交通元素包括交通标志触发区域，所述交通规则包括按照交通标志在所述交通标志触发区域行驶；所述第二判断模块740用于：若所述车辆投影区域包含所述交通标志触发区域，则获取所述交通标志触发区域对应的交通标志；其中，所述交通标志包括以下任意一项：含有限速值的限速标志、停车标志、让行标志；将当前时间帧记录为标志时间帧；其中，在所述标志时间帧内所述车辆投影区域包含所述交通标志触发区域；获取所述测试对象在所述标志时间帧内的车辆行为；若所述车辆行为与所述交通标志触发区域对应的交通标志一致，则确定所述测试对象按照交通标志在所述交通标志触发区域行驶，所述测试对象遵守所述交通标志触发区域对应的交通规则；若所述车辆行为与所述交通标志触发区域对应的交通标志不一致，则确定所述测试对象未按照交通标志在所述交通标志触发区域行驶，所述测试对象不遵守交通规则。

可选地，所述合规性判定模块750用于：从所述交通规则中划分重要交通规则和次要交通规则；统计所述测试对象在所述自动驾驶测试过程中对所述重要交通规则和所述次要交通规则的遵守情况；若所述测试对象完全遵守所述重要交通规则和所述次要交通规则，则确定所述测试对象的交规合规性为优；若所述测试对象不遵守所述重要交通规则，或不遵守所述次要交通规则的次数大于设定阈值，则确定所述测试对象的交规合规性为差；若所述测试对象完全遵守所述重要交通规则但不遵守所述次要交通规则，且不遵守所述次要交通规则的次数小于或等于设定阈值，则确定所述测试对象的交规合规性为中等。

有关装置模块的具体执行过程、有益效果等阐述，请参见上述方法实施例的介绍说明，此处不多赘述。

在示例性实施例中，还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行，以实现上述面向自动驾驶测试的交规合规性自动化判定方法。

在示例性实施例中，还提供了一种计算机可读存储介质，其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如上述面向自动驾驶测试的交规合规性自动化判定方法。

在示例性实施例中，还提供了一种计算机程序产品，当所述计算机程序产品在计算机设备上运行时，使得计算机设备执行如上述面向自动驾驶测试的交规合规性自动化判定方法。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，本发明的保护范围应以权利要求所述为准。