CN107727411B - 一种自动驾驶车辆测评场景生成系统及方法 - Google Patents
一种自动驾驶车辆测评场景生成系统及方法 Download PDFInfo
- Publication number
- CN107727411B CN107727411B CN201711036843.7A CN201711036843A CN107727411B CN 107727411 B CN107727411 B CN 107727411B CN 201711036843 A CN201711036843 A CN 201711036843A CN 107727411 B CN107727411 B CN 107727411B
- Authority
- CN
- China
- Prior art keywords
- test
- scene
- library
- site
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Abstract
本发明公开了一种自动驾驶车辆测评场景生成系统及方法。所述系统包括:测试内容生成模块,其配置为获取测试需求,根据所述测试需求生成对应的测试内容;测试场地库,其配置为存储测试场地的特征信息;测试场地布置模块,其配置为根据测试场地的特征信息选定与所述测试内容匹配的测试场地,生成并输出所述测试场地的测试布置参数;测试路线生成模块,其配置为根据所述测试内容以及所述测试场地布置模块选定的测试场地生成并输出对应的测试路线数据。根据本发明的系统以及方法,可以根据实际测试需要生成对应的测评场景以供自动驾驶车辆的测试。
Description
技术领域
本发明涉及交通领域,具体涉及一种自动驾驶车辆测评场景生成系统及方法。
背景技术
自动驾驶车辆,其主要依靠车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标。自动驾驶车辆是集自动控制、视觉计算、体系结构等众多技术于一体的高度发展的产物,是衡量一个国家科研实力和工业水平的重要标志,在国防和国民经济领域具有广阔的应用前景。
随着全球范围内自动驾驶车辆技术的快速发展和不断提升,自动驾驶车辆在复杂环境下的驾驶行为能力的测试是自动驾驶车辆研发过程中的一项重要任务。我们需要构建自动驾驶车辆的测试环境和制定评估体系,对自动驾驶车辆的智能水平、环境认知能力、自主驾驶能力以及对道路交通环境的适应能力进行测评。
目前,自动驾驶车辆的测试环境主要分为实际道路测试和测试场测试。因为自动驾驶车辆实际道路测试具有极大的偶然性和突发性,并且道路的安全性无法把握、难以建立合适的测试场景等原因,实际道路测试困难重重。
发明内容
本发明提供了一种自动驾驶车辆测评场景生成系统,所述系统包括:
测试内容生成模块,其配置为获取测试需求,确定所述测试需求包含的测试场景,根据所述测试场景生成对应的测试内容;
测试场地库,其配置为存储测试场地的特征信息;
测试场地布置模块,其配置为根据测试场地的特征信息选定与所述测试内容匹配的测试场地,生成并输出所述测试场地的测试布置参数;
测试路线生成模块,其配置为根据所述测试内容以及所述测试场地布置模块选定的测试场地生成并输出对应的测试路线数据。
在一实施例中,所述测试内容生成模块包括:
静态场景库,其配置为存储评测场景的静态特征信息;
动态场景库,其配置为存储评测场景的动态特征信息;
场景特征获取单元,其配置为获取所述测试场景,根据所述测试场景从所述静态场景库以及所述动态场景库调用对应的静态特征信息以及动态特征信息;
测试内容生成单元,其配置为根据所述场景特征获取单元调用的静态特征信息以及动态特征信息生成对应的测试内容。
在一实施例中,所述静态场景库包括自然环境库、地理环境库以及交通元素库。
在一实施例中,所述动态场景库包括常态交通场景库、危险交通场景库以及人机交互场景库。
在一实施例中,所述系统还包含:
测试场地查看模块,其配置为调阅所述测试场地库中的测试场地的特征信息和/或所述测试场地的状态监控信息并将调阅结果输出。
本发明还提出了一种自动驾驶车辆测评场景生成方法,所述方法包括:
获取测试需求,确定所述测试需求包含的测试场景;
根据所述测试场景生成对应的测试内容;
根据测试场地的特征信息选定与所述测试内容匹配的测试场地,根据所述测试内容确定所述测试场地的测试布置参数;
根据所述测试内容以及选定的测试场地生成测试路线数据。
在一实施例中,根据所述测试场景生成对应的测试内容,包括:
获取所述测试场景,根据所述测试场景调用对应的静态特征信息以及动态特征信息;
根据调用的静态特征信息以及动态特征信息生成对应的测试内容。
在一实施例中,所述静态特征信息包括道路类型、道路线形、线路交叉状态、路面质量、道路横断面状态、天气、能见度以及照明状态。
在一实施例中,所述动态特征信息包括事故形态、驾驶者违规形式、车辆行驶状态以及车辆安全状态。
在一实施例中,根据所述测试内容以及选定的测试场地生成测试路线数据,包括:
根据所述测试内容,参考所述测试场地的特征信息,确定所述测试场景的测试顺序;
确定所述测试场景对应的测试路段;
根据所述测试顺序以及所述测试路段标注路线以及路线上的关键路点;
根据点、线标注的顺序,生成测试路线;
根据所述测试路线生成测试路线数据。
根据本发明的系统以及方法,可以根据实际测试需要生成对应的测评场景以供自动驾驶车辆的测试,从而解决了使用简单固化的测试场景进行自动驾驶车辆测试时无法满足多变的实际行驶环境以及不同的测试需求的问题。
本发明的其它特征或优点将在随后的说明书中阐述。并且,本发明的部分特征或优点将通过说明书而变得显而易见,或者通过实施本发明而被了解。本发明的目的和部分优点可通过在说明书、权利要求书以及附图中所特别指出的步骤来实现或获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1是根据本发明一实施例的方法执行流程图;
图2是根据本发明一实施例的部分方法执行流程图;
图3是根据本发明一实施例的测评路线架构示意图;
图4以及图7是根据本发明不同实施例的系统结构框图;
图5以及图6是根据本发明不同实施例的系统部分结构框图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此本发明的实施人员可以充分理解本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程并依据上述实现过程具体实施本发明。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
自动驾驶车辆,其主要依靠车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标。自动驾驶车辆是集自动控制、视觉计算、体系结构等众多技术于一体的高度发展的产物,是衡量一个国家科研实力和工业水平的重要标志,在国防和国民经济领域具有广阔的应用前景。
随着全球范围内自动驾驶车辆技术的快速发展和不断提升,自动驾驶车辆在复杂环境下的驾驶行为能力的测试是自动驾驶车辆研发过程中的一项重要任务。我们需要构建自动驾驶车辆的测试环境和制定评估体系,对自动驾驶车辆的智能水平、环境认知能力、自主驾驶能力以及对道路交通环境的适应能力进行测评。
目前,自动驾驶车辆的测试环境主要分为实际道路测试和测试场测试。因为自动驾驶车辆实际道路测试具有极大的偶然性和突发性,并且道路的安全性无法把握、难以建立合适的测试场景等原因,实际道路测试困难重重。
针对上述问题,本发明提出了一种自动驾驶车辆测评场景生成方法以及系统。在本发明的方法中,可以根据实际测试需要生成对应的测评场景以供自动驾驶车辆的测试,从而解决了使用单一化,固定不变的测试场景进行自动驾驶车辆测试时无法满足多变的实际行驶环境以及不同的测试需求的问题。
本发明的测评场景生成系统及方法通过自动、充分组合包含了自然环境等的静态场景库和包含了实际交通场景的动态场景库的内容,构建了丰富的测评场景库,实现了对不同难度等级的复杂交通环境的准确模拟,降低了测试的时间成本和经济成本,不断促进了对自动驾驶车辆的测试。
接下来基于流程图详细描述本发明实施例的实施过程。附图的流程图中示出的步骤可以在包含诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了各步骤的逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,在一实施例中,测评场景生成方法包括:
S110,获取测试需求,确定测试需求包含的测试场景;
S111,根据测试场景生成对应的测试内容;
S120,根据测试场地的特征信息选定与测试内容匹配的测试场地;
S121,根据测试内容确定测试场地的测试布置参数;
S130,根据测试内容以及选定的测试场地生成测试路线数据;
S141,根据测试布置参数布置测试场地;
S142,将测试路线数据发送给待测试车辆。
依照上述步骤,可以根据实际测试需要生成对应的测评场景,具体的,即可以提供满足测试需求的测试场地以及测试路线。这样,可以有效提高测试的针对性,从而获取更为真实可靠地测试结果。
在本发明的方法的上述步骤中,关键步骤之一在于确定测试内容。具体的,在一实施例中,测试内容就是整个测试过程中各个环节的细节描述的综合。考虑到车辆进行测试时往往需要在实际路面上进行驾驶,而在路面实际行驶时有可能出现交通意外。为了尽可能的完全控制测试过程,降低测试过程中意外事故带来的不良后果,在一实施例中,对测试需求进行分析以及分解,将测试需求分解为多个需要满足的测试场景的集合。然后依托现有的可控的测试场地构造测试内容,使得最终的测试内容满足所有的测试场景。这样,在满足测试需求的基础上最大限度的提高了测试过程的可控性,从而降低了测试过程中意外事故所带来的影响。
例如,测试需求是从地图上实际的A点到B点的行驶测试。但是A点到B点是已投入运行的路段,测试过程中发生意外势必会影响其他车辆通行。因此,在一实施例中,分析A点到B点的道路细节情况,利用现有的可控测试场地构造测试内容,使得构造的测试内容包含A点到B点的道路细节情况,可以实际模拟A点到B点的具体状况。这样,在车辆安全稳定性不高时首先在可控测试场地上进行A点到B点的模拟测试,待安全稳定性达到标准时在进行实际路段测试。
在一实施例中,将测试过程中各个环节的细节描述划分为静态特征信息以及动态特征信息。
如图2所示,在一实施例中,根据测试需求生成对应的测试内容,包括:
S210,获取测试需求,根据测试需求调用对应的静态特征信息以及动态特征信息;
S220,根据调用的静态特征信息以及动态特征信息生成对应的测试内容。
具体的,在一实施例中,动态特征信息包括事故形态、驾驶者违规形式、车辆行驶状态以及车辆安全状态。
具体的,在一实施例中,静态特征信息包括道路类型、道路线形、线路交叉状态、路面质量、道路横断面状态、天气、能见度以及照明状态。
进一步的,为了便于实现基于测试需求的测试内容生成,在一实施例中,基于难度系数定量描述测试需求,将不同的静态特征信息以及动态特征信息与量化的难度系数进行关联,这样在进行静态特征信息以及动态特征信息的调用时就可以根据测试需求的难度系数直接调用具体参数的静态特征信息以及动态特征信息。
具体的,在一实施例中,将测试需求的难度系数分为第一危险特征、第二危险特征以及第三危险特征,其对应的静态特征信息与难度系数的关联模式如表1所示。
表1
动态特征信息与难度系数的关联模式如表2所示。
表2
进一步的,在一实施例中,根据测试内容以及选定的测试场地生成测试路线数据,包括:
根据所述测试内容,参考所述测试场地的特征信息,确定所述测试场景的测试顺序;
确定所述测试场景对应的测试路段;
根据所述测试顺序以及所述测试路段标注路线以及路线上的关键路点;
根据点、线标注的顺序,生成测试路线;
根据所述测试路线生成测试路线数据。
具体的,在一实施例中,生成测试路线数据包括以下步骤:
步骤1:根据测试内容,参考测试场地的高精度地图,确定测试场景的测试顺序;
步骤2:根据步骤1输出的有序的测试场景的内容,分别依据每个测试场景考察的内容,在高精度地图上标注测试场景的测试路段。具体而言:针对序号为N的测试场景的内容,选定测试路段N的名称,从所述测试场地信息管理模块调出该路段的信息表,包括路段名称、车道数、车道宽度等信息,汇总为信息表,内容标注如表3所示:
路段编号 | 路段名称 | 车道数目 | 车道宽度(米) | 测试车道描述 | 测试车道编号 |
N | 路段N | 3 | 3.75 | 正向右车道 | N.1 |
表3
步骤3:根据步骤2输出的路段和车道信息,在高精度地图相应路段的测试车道的入口处标记点,一般从入口处沿着路段行驶方向在地图标记间隔较大的几个点,设计函数捕捉此操作,自动获取这些点的信息,并且按照表4的格式输出:
路点编号 | 经度 | 纬度 |
N.1.1 | 120.78355901 | 31.59573212 |
N.1.3 | 120.78355908 | 31.59573217 |
N.1.3 | 120.78355914 | 31.59573221 |
表4
步骤4:整合上述三个步骤的输出内容,将场景、路段、车道、路点等信息汇总如表5:
表5
步骤5:系统根据步骤4输出的内容,利用拆分算法,获取到场景、路段、车道、路点的层级关系,根据预先设置的层级标记,在地图上自动标注全部信息点,这样将全部测试场景、路段等信息可视化;
步骤6:根据步骤4输出的内容,系统自动生成自动驾驶车辆的车载计算机可以解析的测试路线数据。
具体的,在一实施例中,针对自动驾驶车辆的测试,测试路线数据采用路网文件,利用点、线、面相组合的方式表示路网信息。路网文件(Road Network Definition File,RNDF)定义自动驾驶车辆可以访问的道路信息,如图3所示,其中点的信息包括路点(指道路上带有经纬度信息的点)和检测点(一些被赋予特殊含义的路点,即自动驾驶车辆完成指定任务必须经过的特殊路点);线的信息包括标志线的宽度、颜色、条数、道路的宽度和车道数;面的信息包括特定的区域(如自由行使区域和自主泊车区域等)。因此,路网文件包含描述路段和描述区域的两个方面信息内容。路网文件的简要格式如下所示。
进一步的,基于本发明的方法,本发明还提出了一种自动驾驶车辆测评场景生成系统。
如图4所示,在一实施例中,测评场景生成系统包括:
测试内容生成模块410,其配置为获取测试需求,确定测试需求包含的测试场景,根据测试场景生成对应的测试内容;
测试场地库420,其配置为存储测试场地的特征信息;
测试场地布置模块430,其配置为根据测试场地的特征信息选定与测试内容匹配的测试场地,生成并输出测试场地的测试布置参数;
测试路线生成模块440,其配置为根据测试内容以及测试场地布置模块选定的测试场地生成并输出对应的测试路线数据。
进一步的,在一实施例中,测试场地库420不仅仅保存有测试场地的固化的特征信息,而且还可以获取测试场地的及时监控信息。
具体的,在一实施例中,测试场地布置模块430可以从测试场地库420中读取的信息包括测试场地的高精度地图(其包括静态的HDMap、动态的交通环境信息,如路面施工位置、交通流量等)、信号灯的位置以及调控设备端口、路面上固定的视频采集设备的位置、新增的测试场景的内容和位置等。
进一步的,如图5所示,在一实施例中,测试内容生成模块包括:
静态场景库511,其配置为存储评测场景的静态特征信息;
动态场景库512,其配置为存储评测场景的动态特征信息;
场景特征获取单元513,其配置为获取测试需求,确定测试需求包含的测试场景,根据测试场景从静态场景库511以及动态场景库512调用对应的静态特征信息以及动态特征信息;
测试内容生成单元514,其配置为根据场景特征获取单元513调用的静态特征信息以及动态特征信息生成对应的测试内容。
进一步的,在一实施例中,场景特征获取单元513包含测试需求解析模块,其配置为解析测试需求,将其分解为多个测试场景的集合。
进一步的,在一实施例中,测试内容生成模块基于一个可视化的接口来接收用户的测试要求:包括测试场景的数目、难度等级、道路类型、环境要求等信息内容和相关需求的优先级。进一步的,为了提升后续组合场景的效率以及更加贴近测试要求,要求对每一个测试要求提供测试场景优先级,优先级的表现可以用0-9的整数表示,数值越大,优先级越高。
进一步的,在一实施例中,场景特征获取单元513基于对测试需求的解析结果,根据优先级对各个测试场景进行排序。先基于优先级最大的测试场景查询动态和静态场景库,在该查询结果中继续搜索优先级低一级别的测试场景,依次进行,直至搜索结束,将最终的搜索结果以列表输出。
进一步的,在一实施例中,测试内容生成单元514基于场景特征获取单元513输出的特征信息,通过循环算法,自动组合场景字段,循环结束后,获取全部的组合内容信息;通过字符匹配算法,自动将获取的组合内容中重复的内容去除并且输出剩余无重复内容,最终选出最终的测试内容。
进一步的,为了便于数据存储以及调用,在一实施例中,静态场景库包括自然环境库、地理环境库以及交通元素库。
具体的,在一实施例中,自然环境库包括天气、光照、能见度。例如晴天、多云、阴天、雨天、雪天、雾天等天气,白天、夜晚等不同光照,200米、100-200米等不同范围的能见度。
地理环境库包括城市道路、高速道路,乡村道路和特殊区域。具体的,在一实施例中,城市道路包括多种道路交叉口和一些典型城区道路:十字交叉路口、T字交叉路口、环形交叉口、双向二车道道路、双向四车道道路、公交线路专用车道;高速道路包括直线路段、收费站、弯曲道路、进出高速路段的匝道、双向六车道等典型高度路段;乡村道路包括县道、乡道和村道,具体如无分割线双向车道、泥泞路段、Z字型道路、无信号灯的交叉路口;特殊区域包括:泊车区域、装有限速带路段、隧道路段、越野路段。
交通元素库包括道路交通标志,依据国家标准GB5768-2009《道路交通标志和标线》分别如下:警告标志,如连续弯路、Y型交叉;禁令标志,如禁止驶入、禁止向左转弯、限制速度、禁止掉头;指示标志:直行和向右转弯、环岛行驶、分向行驶车道、非机动车车道;一般道路指路标志:环形交叉路口、互通式立交、急救站、加油站、绕行标志、停车场;高度公路指路标志:入口预告、下一出口、地点方向、紧急停车带、服务区预告、合流、分流、线形诱导标;道路交通标志和标线,如中心黄色双实线、中心黄色虚实线、双向两车道路面中心线、禁止变换车道线、左弯待转区线、左转弯导向线、信号灯路口的停止线;道路施工安全标志,施工路栏、锥形交通标、前方施工、道路封闭、移动性施工标志。
在一实施例中,动态场景库包括常态交通场景库、危险交通场景库以及人机交互场景库。
具体的,在一实施例中,常态交通场景库,即普通交通场景,例如检测和响应交通灯、无碰撞执行U-Turn通过、检测与避让行人(用移动假人来代替行人)、倒车、掉头、左转弯、右转弯、变更车道;危险交通场景,即易发事故场景,例如驶向逆向车道进行变道或合流、积水或有雾路段减速慢行;人机交互场景库,即人类驾驶员与自动驾驶操作系统可能交互的场景,例如:退出自动驾驶模式时,与人类驾驶员的交接方式、交接中的风险规避;自动驾驶车辆的自动驾驶系统不能做出决策时,需要人类驾驶员干预时,与人类驾驶员的交接方式等。
本发明提出的测评场景生成系统及方法充分考虑了自动驾驶车辆所处的自然环境场景、地理环境场景、交通元素、交通场景,自动进行不同场景库场景的组合,生成丰富的测试场景库,并且能够根据测试场地的具体情况,设置合适的测试路线,科学、有效地助力自动驾驶车辆的测试。
进一步的,为了便于进行数据管理,如图6所示,在一实施例中,测试内容生成模块还包括:
测试场景数据管理单元615,其配置为获取测试场景管理信息,根据测试场景管理信息修改静态场景库611或动态场景库612中的静态特征信息或动态特征信息和/或向静态场景库611或动态场景库612添加新的静态特征信息或动态特征信息。
进一步的,在一实施例中,测试场景数据管理单元615还配置为调阅静态场景库611或动态场景库612中的静态特征信息或动态特征信息并将调阅结果输出。
进一步的,如图7所示,在一实施例中,系统还包含:
测试场地管理模块750,其配置为获取测试场地信息,根据测试场地信息修改测试场地库720中对应的测试场地的特征信息和/或向测试场地库中添加新的测试场地的特征信息。
进一步的,在一实施例中,测试场地管理模块750还配置为调阅测试场地库720中的测试场地的特征信息和/或测试场地的状态监控信息并将调阅结果输出。具体的,在一实施例中,测试场地管理模块750可以输出的信息包括:测试场地的高精度地图,在地图上包括各个道路、路口的设置配置、交通流量大小(通过颜色来区分拥堵情况)、施工与障碍物等的位置。进一步的,在一实施例中,测试场地查看模块760支持点击查看地图上特定区域的位置、配置情况。
本发明提出的系统中,测试场地管理模块以及测试场景数据管理单元,可以实现:自动化管理且可视化测评场景库、测试场地信息、测试内容;根据测试需求,灵活、科学组合所需数量以及难度等级的测试场景,较大丰富了可以进行测试的内容;根据测试场景,支持在测试场地地图上调整测试场景的布置以及测试路线,进一步提升了场景布置的科学性与合理性,避免了直接布置测试场地失误造成的经济损失和人力消耗等,有效地指导了测试场地的建设。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。本发明所述的方法还可有其他多种实施例。在不背离本发明实质的情况下,熟悉本领域的技术人员当可根据本发明做出各种相应的改变或变形,但这些相应的改变或变形都应属于本发明的权利要求的保护范围。
Claims (9)
1.一种自动驾驶车辆测评场景生成系统,其特征在于,所述系统包括:
测试内容生成模块,其配置为获取测试需求,将所述测试需求分解为多个测试场景的集合,并根据优先级对各个测试场景进行排序,而后根据所述测试场景生成对应的测试内容;
测试场地库,其配置为存储测试场地的特征信息;
测试场地布置模块,其配置为根据测试场地的特征信息选定与所述测试内容匹配的测试场地,生成并输出所述测试场地的测试布置参数;
测试路线生成模块,其配置为根据所述测试内容以及所述测试场地布置模块选定的测试场地生成并输出对应的测试路线数据,其中,包括:根据所述测试内容,参考所述测试场地的特征信息,确定各所述测试场景的测试顺序;确定每个所述测试场景对应的测试路段;根据所述测试顺序以及所述测试路段标注路线以及路线上的关键路点;根据点、线标注的顺序,生成测试路线;根据所述测试路线生成测试路线数据。
2.根据权利要求1所述的系统,其特征在于,所述测试内容生成模块包括:
静态场景库,其配置为存储评测场景的静态特征信息;
动态场景库,其配置为存储评测场景的动态特征信息;
场景特征获取单元,其配置为获取所述测试场景,根据所述测试场景从所述静态场景库以及所述动态场景库调用对应的静态特征信息以及动态特征信息;
测试内容生成单元,其配置为根据所述场景特征获取单元调用的静态特征信息以及动态特征信息生成对应的测试内容。
3.根据权利要求2所述的系统,其特征在于,所述静态场景库包括自然环境库、地理环境库以及交通元素库。
4.根据权利要求2所述的系统,其特征在于,所述动态场景库包括常态交通场景库、危险交通场景库以及人机交互场景库。
5.根据权利要求1所述的系统,其特征在于,所述系统还包含:
测试场地查看模块,其配置为调阅所述测试场地库中的测试场地的特征信息和/或所述测试场地的状态监控信息并将调阅结果输出。
6.一种自动驾驶车辆测评场景生成方法,其特征在于,所述方法包括:
获取测试需求,将所述测试需求分解为多个测试场景的集合,并根据优先级对各个测试场景进行排序;
根据所述测试场景生成对应的测试内容;
根据测试场地的特征信息选定与所述测试内容匹配的测试场地,根据所述测试内容确定所述测试场地的测试布置参数;
根据所述测试内容以及选定的测试场地生成测试路线数据,其中,包括:根据所述测试内容,参考所述测试场地的特征信息,确定各所述测试场景的测试顺序;确定每个所述测试场景对应的测试路段;根据所述测试顺序以及所述测试路段标注路线以及路线上的关键路点;根据点、线标注的顺序,生成测试路线;根据所述测试路线生成测试路线数据。
7.根据权利要求6所述的方法,其特征在于,根据所述测试场景生成对应的测试内容,包括:
获取所述测试场景,根据所述测试场景调用对应的静态特征信息以及动态特征信息;
根据调用的静态特征信息以及动态特征信息生成对应的测试内容。
8.根据权利要求7所述的方法,其特征在于,所述静态特征信息包括道路类型、道路线形、线路交叉状态、路面质量、道路横断面状态、天气、能见度以及照明状态。
9.根据权利要求7所述的方法,其特征在于,所述动态特征信息包括事故形态、驾驶者违规形式、车辆行驶状态以及车辆安全状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711036843.7A CN107727411B (zh) | 2017-10-30 | 2017-10-30 | 一种自动驾驶车辆测评场景生成系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711036843.7A CN107727411B (zh) | 2017-10-30 | 2017-10-30 | 一种自动驾驶车辆测评场景生成系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107727411A CN107727411A (zh) | 2018-02-23 |
CN107727411B true CN107727411B (zh) | 2019-09-27 |
Family
ID=61202846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711036843.7A Active CN107727411B (zh) | 2017-10-30 | 2017-10-30 | 一种自动驾驶车辆测评场景生成系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107727411B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9940222B2 (en) * | 2015-11-20 | 2018-04-10 | General Electric Company | System and method for safety-critical software automated requirements-based test case generation |
CN109017803B (zh) * | 2018-07-14 | 2020-05-22 | 安徽中科美络信息技术有限公司 | 一种车载终端工作模式控制方法及车载终端 |
CN109284889B (zh) * | 2018-07-19 | 2021-10-26 | 长安大学 | 一种无人车反应敏捷度评测方法和装置 |
CN108961798B (zh) * | 2018-08-10 | 2021-05-18 | 长安大学 | 无人车交通信号灯自主感知能力测试系统及测试方法 |
US10960894B2 (en) * | 2018-12-13 | 2021-03-30 | Waymo Llc | Automated performance checks for autonomous vehicles |
CN109657344A (zh) * | 2018-12-17 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 辅助驾驶系统的场景管理方法 |
CN109886474B (zh) * | 2019-01-24 | 2023-02-10 | 同济大学 | 一种面向自动驾驶车辆测试的封闭测试场规划方法 |
CN110020457A (zh) * | 2019-02-15 | 2019-07-16 | 武汉光庭信息技术股份有限公司 | 一种用于智能网联汽车道路测试的路线设计方法及装置 |
CN109993849A (zh) * | 2019-03-22 | 2019-07-09 | 山东省科学院自动化研究所 | 一种自动驾驶测试场景再现模拟方法、装置及系统 |
CN110209146B (zh) * | 2019-05-23 | 2020-12-01 | 杭州飞步科技有限公司 | 自动驾驶车辆的测试方法、装置、设备及可读存储介质 |
CN110307995B (zh) * | 2019-05-28 | 2021-05-11 | 同济大学 | 一种用于自动驾驶汽车边缘测试的测试方法 |
CN110188482B (zh) * | 2019-05-31 | 2022-06-21 | 魔门塔(苏州)科技有限公司 | 一种基于智能驾驶的测试场景创建方法及装置 |
CN110232257B (zh) * | 2019-07-02 | 2020-10-23 | 吉林大学 | 一种自动驾驶测试场景的构建方法及其难度系数计算方法 |
CN110553853B (zh) * | 2019-08-06 | 2020-11-20 | 清华大学 | 基于场地下较差场景搜索的自动驾驶功能测试测评方法 |
CN110633316A (zh) * | 2019-08-13 | 2019-12-31 | 广州中国科学院软件应用技术研究所 | 一种多场景融合双随机市场监管方法 |
CN112896147B (zh) * | 2019-12-04 | 2022-07-19 | 青岛慧拓智能机器有限公司 | 用于矿用车辆的双向定位泊车控制方法及装置 |
CN111178735B (zh) * | 2019-12-24 | 2024-02-02 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶功能的测试评价方法、装置及系统 |
JP7395346B2 (ja) * | 2019-12-27 | 2023-12-11 | 日産自動車株式会社 | 設計支援方法及び設計支援装置 |
CN111402587B (zh) * | 2020-03-30 | 2021-05-25 | 上海汽车集团股份有限公司 | 一种智能驾驶的测试方法及测试系统 |
CN111477028B (zh) * | 2020-04-28 | 2022-05-24 | 北京百度网讯科技有限公司 | 自动驾驶中用于生成信息的方法和装置 |
CN111694973B (zh) * | 2020-06-09 | 2023-10-13 | 阿波罗智能技术(北京)有限公司 | 自动驾驶场景的模型训练方法、装置、电子设备 |
CN111841012A (zh) * | 2020-06-23 | 2020-10-30 | 北京航空航天大学 | 一种自动驾驶模拟仿真系统及其测试资源库建设方法 |
CN111859634A (zh) * | 2020-06-30 | 2020-10-30 | 东风商用车有限公司 | 一种基于车联网及高精地图的仿真场景生成方法和系统 |
CN112100836B (zh) * | 2020-09-07 | 2022-06-07 | 腾讯科技(深圳)有限公司 | 车辆边界参数的获取方法和装置 |
CN112557056A (zh) * | 2020-12-07 | 2021-03-26 | 中国第一汽车股份有限公司 | 车辆的下线检测系统和方法 |
CN112665875A (zh) * | 2020-12-25 | 2021-04-16 | 北京智能车联产业创新中心有限公司 | 自动驾驶车辆可靠性测试方法、装置、电子设备以及存储介质 |
CN112837555A (zh) * | 2020-12-31 | 2021-05-25 | 清华大学苏州汽车研究院(吴江) | 一种测试路线选择方法、装置、计算机设备和存储介质 |
CN114459503A (zh) * | 2021-12-28 | 2022-05-10 | 武汉中海庭数据技术有限公司 | 一种用于智能驾驶的定位系统有效性实车评估方法及系统 |
CN115729810B (zh) * | 2022-11-02 | 2024-01-02 | 北京华龙宏达科技有限公司 | 一种用于智能汽车道路测试的车载测试系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096192A (zh) * | 2016-06-27 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 一种无人驾驶车辆的测试场景的构建方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9244280B1 (en) * | 2014-03-25 | 2016-01-26 | Rockwell Collins, Inc. | Near eye display system and method for display enhancement or redundancy |
KR101832593B1 (ko) * | 2016-02-02 | 2018-02-27 | 국방과학연구소 | 다수의 지상무인체계 임무통제와 통신기능 점검을 위한 개발용 시뮬레이터 구축방법 및 시스템 |
CN105956268B (zh) * | 2016-04-29 | 2018-01-02 | 百度在线网络技术(北京)有限公司 | 应用于无人驾驶汽车的测试场景构建方法和装置 |
CN106289797B (zh) * | 2016-07-19 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 用于测试无人驾驶车辆的方法和装置 |
CN106802954B (zh) * | 2017-01-18 | 2021-03-26 | 中国科学院合肥物质科学研究院 | 无人车语义地图模型构建方法及其在无人车上的应用方法 |
CN107024356A (zh) * | 2017-04-28 | 2017-08-08 | 百度在线网络技术(北京)有限公司 | 用于测试无人车的方法和装置 |
-
2017
- 2017-10-30 CN CN201711036843.7A patent/CN107727411B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096192A (zh) * | 2016-06-27 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 一种无人驾驶车辆的测试场景的构建方法和装置 |
Non-Patent Citations (1)
Title |
---|
无人车智能行为验证平台的虚拟交通场景研究;刘欣;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100715(第07期);第13-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107727411A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107727411B (zh) | 一种自动驾驶车辆测评场景生成系统及方法 | |
CN107843440B (zh) | 一种自动驾驶车辆性能测试系统及方法 | |
CN107782564B (zh) | 一种自动驾驶车辆测评系统及方法 | |
US11681294B2 (en) | Method and system for prediction of roadwork zone | |
CN103207090B (zh) | 一种无人驾驶车辆环境模拟测试系统及测试方法 | |
Alexander et al. | Positive guidance in traffic control | |
Taylor et al. | Integration of the global positioning system and geographical information systems for traffic congestion studies | |
US20200193823A1 (en) | Method and system for validating existence of roadwork | |
Soteropoulos et al. | Automated drivability: Toward an assessment of the spatial deployment of level 4 automated vehicles | |
CN105699095A (zh) | 一种无人驾驶车辆的测试方法 | |
DE112021000094T5 (de) | Systeme und verfahren zur fahrzeugnavigation, die ampeln und verkehrszeichen einbezieht | |
CN110779535B (zh) | 一种获得地图数据及地图的方法、装置和存储介质 | |
Pilko et al. | Study of vehicle speed in the design of roundabouts | |
Al-Dabbagh et al. | The impact of road intersection topology on traffic congestion in urban cities | |
Inman | Evaluation of signs and markings for partial continuous flow intersection | |
Pratelli et al. | Mini-roundabouts for improving urban accessibility | |
Bashkanov et al. | Exploiting openstreetmap-data for outdoor robotic applications | |
Tiedong et al. | Applying floating car data in traffic monitoring | |
Jardim et al. | The illegal parking score–Understanding and predicting the risk of parking illegalities in Lisbon based on spatiotemporal features | |
Favreau et al. | What are intersections for pedestrian users? | |
Tarko et al. | Analysis and methods of improvement of safety at high-speed rural intersections | |
CN114973674A (zh) | 交通拥堵的治理方法、装置、设备和存储介质 | |
Ma et al. | Investigating the Affecting Factors of Speed Dispersion for Suburban Arterial Highways in Nanjing, China | |
Rahman | Network-Wide Pedestrian and Bicycle Crash Analysis with Statistical and Machine Learning Models in Utah | |
Sunandar et al. | Analysis of Bicycle Path Infrastructure in Jakarta to Improve Cycling Comfort |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220407 Address after: 221000 No.26 tuolanshan Road, Xuzhou Economic and Technological Development Zone, Xuzhou City, Jiangsu Province Patentee after: JIANGSU XUGONG ENGINEERING MACHINERY RESEARCH INSTITUTE Co.,Ltd. Address before: 266071 Room 206-1, Block D, Pangu Creator Space, 100 Torch Road, Qingdao High-tech Zone, Shandong Province Patentee before: QINGDAO VEHICLE INTELLIGENCE PIONEERS Inc. |
|
TR01 | Transfer of patent right |