从核密度估计器中带约束采样以生成自动驾驶车辆评估场景

自动驾驶车辆（AVs）的安全性评估是AVs开发周期中的重要环节。基于场景的评估方法已被该领域许多参与者接受作为完整安全评估的一部分。场景是AVs需要恰当应对的道路状况的一种表示。生成所需基于场景的测试描述的一种方式是参数化场景并从概率密度函数（pdf）中抽取这些参数。由于pdf的形状事先未知，假设pdf的函数形式并拟合参数至数据可能导致不准确的拟合。作为替代，核密度估计（KDE）是估计潜在pdf的一个有前景的候选方法，因为它对参数的底层分布具有灵活性。从用KDE估计的pdf中抽取随机样本无需评估实际pdf即可实现，这使其适用于为例如蒙特卡洛方法抽取随机样本。然而，据作者所知，从KDE中采样同时使样本满足线性等式约束的方法尚未在文献中被描述。本文中，我们提出一种从用KDE估计的pdf中采样的方法，使得样本满足线性等式约束。我们还以伪代码形式给出了该方法的算法。该方法可用于生成具有例如预定起始速度的场景或生成不同类型的场景。本文还表明，在使用奇异值分解（SVD）降低参数向量维度的情况下，该场景采样方法同样可用。