CN109032102A - 无人驾驶车辆测试方法、装置、设备及存储介质 - Google Patents

无人驾驶车辆测试方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109032102A
CN109032102A CN201710431818.2A CN201710431818A CN109032102A CN 109032102 A CN109032102 A CN 109032102A CN 201710431818 A CN201710431818 A CN 201710431818A CN 109032102 A CN109032102 A CN 109032102A
Authority
CN
China
Prior art keywords
test
automatic driving
driving vehicle
traffic
data
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.)
Granted
Application number
CN201710431818.2A
Other languages
English (en)
Other versions
CN109032102B (zh
Inventor
胡太群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710431818.2A priority Critical patent/CN109032102B/zh
Priority to US15/991,399 priority patent/US11400928B2/en
Publication of CN109032102A publication Critical patent/CN109032102A/zh
Application granted granted Critical
Publication of CN109032102B publication Critical patent/CN109032102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0256—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Computational Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了无人驾驶车辆测试方法、装置、设备及存储介质，其中方法包括：获取真实道路上发生的交通事故的交通场景数据；根据交通场景数据构造出无人驾驶车辆行驶所需的传感器数据；根据交通场景数据进行测试场景的仿真模拟；根据传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。应用本发明所述方案，能够提高测试结果的准确性等。

Description

无人驾驶车辆测试方法、装置、设备及存储介质
【技术领域】
本发明涉及无人驾驶车辆技术，特别涉及无人驾驶车辆测试方法、装置、设备及存储介质。
【背景技术】
无人驾驶车辆，也可称为自动驾驶车辆等，是指通过各传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
有效预防和避免交通事故，保证车辆和乘客安全，是无人驾驶技术的重要使命，因此，需要对无人驾驶车辆应对交通事故的能力进行测试，相应地，则需要构建测试场景。
现有技术中，通常采用人工构造模拟的测试场景的方式，但交通事故场景非常复杂，人工构造很难反映真实情况，从而导致测试结果不够准确。
【发明内容】
有鉴于此，本发明提供了无人驾驶车辆测试方法、装置、设备及存储介质，能够提高测试结果的准确性。
具体技术方案如下：
一种无人驾驶车辆测试方法，包括：
获取真实道路上发生的交通事故的交通场景数据；
根据所述交通场景数据构造出无人驾驶车辆行驶所需的传感器数据；
根据所述交通场景数据进行测试场景的仿真模拟；
根据所述传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
根据本发明一优选实施例，所述获取真实道路上发生的交通事故的交通场景数据包括：
获取交通事故中的各车辆采集的车辆数据，并获取交通监控平台的监控数据。
根据本发明一优选实施例，所述获取真实道路上发生的交通事故的交通场景数据包括：
获取距离交通事故发生时预定时长的时间点到交通事故发生时这一时间段内的交通场景数据。
根据本发明一优选实施例，所述根据所述交通场景数据构造出无人驾驶车辆行驶所需的传感器数据包括：
分别将无人驾驶车辆设定为交通事故中的不同角色，针对每个角色，分别构造出无人驾驶车辆行驶所需的传感器数据；
所述根据所述传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试包括：
针对每个角色，分别用无人驾驶车辆替换所述角色的车辆，根据所述角色对应的传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
根据本发明一优选实施例，所述对无人驾驶车辆应对交通事故的能力进行测试之后，进一步包括：
若测试通过，则将所述传感器数据提供给实地测试系统，以便实地测试系统根据所述传感器数据，在真实的测试场景中对无人驾驶车辆应对交通事故的能力进行测试。
一种无人驾驶车辆测试装置，包括：获取单元以及测试单元；
所述获取单元，用于获取真实道路上发生的交通事故的交通场景数据；
所述测试单元，用于根据所述交通场景数据构造出无人驾驶车辆行驶所需的传感器数据，根据所述交通场景数据进行测试场景的仿真模拟，根据所述传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
根据本发明一优选实施例，所述获取单元获取交通事故中的各车辆采集的车辆数据，并获取交通监控平台的监控数据。
根据本发明一优选实施例，所述获取单元获取距离交通事故发生时预定时长的时间点到交通事故发生时这一时间段内的交通场景数据。
根据本发明一优选实施例，所述测试单元进一步用于，
分别将无人驾驶车辆设定为交通事故中的不同角色，针对每个角色，分别构造出无人驾驶车辆行驶所需的传感器数据；
针对每个角色，分别用无人驾驶车辆替换所述角色的车辆，根据所述角色对应的传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
根据本发明一优选实施例，所述测试单元进一步用于，
若测试通过，则将所述传感器数据提供给实地测试系统，以便实地测试系统根据所述传感器数据，在真实的测试场景中对无人驾驶车辆应对交通事故的能力进行测试。
一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出，采用本发明所述方案，对于真实道路上发生的交通事故，可获取交通场景数据，之后可根据获取到的交通场景数据构造出无人驾驶车辆行驶所需的传感器数据，并可根据获取到的交通场景数据进行测试场景的仿真模拟，进而根据构造出的传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试，由于根据真实发生的交通事故对应的交通场景数据来构造模拟的测试场景，而且无人驾驶车辆的传感器数据也来自于真实发生的交通事故对应的交通场景数据，因此得到的测试场景以及测试过程更能反映真实情况，从而提高了测试结果的准确性。
【附图说明】
图1为本发明所述无人驾驶车辆测试方法第一实施例的流程图。
图2为本发明所述无人驾驶车辆测试方法第二实施例的流程图。
图3为本发明所述无人驾驶车辆测试装置实施例的组成结构示意图。
图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案进行进一步说明。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明所述无人驾驶车辆测试方法第一实施例的流程图，如图1所示，包括以下具体实现方式。
在101中，获取真实道路上发生的交通事故的交通场景数据。
对于真实道路上发生的交通事故，可获取交通事故中的各车辆采集的车辆数据，并可获取交通监控平台的监控数据等。
其中，车辆数据可包括图像、点云、全球定位系统(GPS，Global PositioningSystem)以及车辆行驶轨迹等，监控数据可包括监控画面等。
在实际应用中，可获取距离交通事故发生时预定时长的时间点到交通事故发生时这一时间段内的交通场景数据。
比如，获取交通事故发生之前的三分钟到交通事故发生时这一时间段内的交通场景数据。
在102中，根据交通场景数据构造出无人驾驶车辆行驶所需的传感器数据。
无人驾驶车辆上会包括很多种传感器，如：激光雷达、图像传感器、毫米波雷达、超声波雷达、红外传感器、GPS以及惯性测量单元(IMU，Inertial Measurement Unit)等。
无人驾驶车辆可结合各传感器数据来进行决策控制等操作，从而实现无人驾驶车辆的自动行驶等。
可通过对交通场景数据中的各数据进行多传感器数据交叉验证、二次加工、数据融合等处理，构造出无人驾驶车辆行驶所需的各传感器数据，具体实现为现有技术。
在103中，根据交通场景数据进行测试场景的仿真模拟。
可通过对交通场景数据中的各数据进行多传感器数据交叉验证、二次加工、数据融合等处理，构造出模拟的测试场景，从而尽可能地还原真实的交通事故对应的交通场景，如还原出交通场景中包括的各个车辆、每个车辆的位置、每个车辆的行驶速度和方向等等。
如何对测试场景进行仿真模拟为现有技术。
在104中，根据构造出的传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
在构造出传感器数据以及测试场景之后，即可用无人驾驶车辆来替换交通场景的车辆，从而对无人驾驶车辆应对交通事故的能力进行测试。
在进行测试时，采用构造出的传感器数据作为无人驾驶车辆的传感器数据，无人驾驶车辆可根据传感器数据来进行车辆的决策控制等操作。
可以看出，采用上述实施例所述方案，可根据真实发生的交通事故对应的交通场景数据来构造模拟的测试场景，而且无人驾驶车辆的传感器数据也来自于真实发生的交通事故对应的交通场景数据，因此得到的测试场景以及测试过程更能反映真实情况，从而提高了测试结果的准确性。
另外，在进行测试时，还可变换无人驾驶车辆的角色。
相应地，在根据交通场景数据构造无人驾驶车辆行驶所需的传感器数据时，可分别将无人驾驶车辆设定为交通事故中的不同角色，针对每个角色，分别构造出无人驾驶车辆行驶所需的传感器数据。
不同角色可包括：无责、半责、全责等。
这样，在根据传感器数据以及测试场景对无人驾驶车辆应对交通事故的能力进行测试时，可针对每个角色，分别用无人驾驶车辆替换该角色的车辆，根据该角色对应的传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
比如，可首先用无人驾驶车辆替换交通场景中的无责的车辆，对无人驾驶车辆进行测试，之后，可用无人驾驶车辆替换交通场景中的半责的车辆，对无人驾驶车辆进行测试，再之后，可用无人驾驶车辆替换交通场景中的全责的车辆，对无人驾驶车辆进行测试等，测试无人驾驶车辆应对交通事故的能力，如作为全责的车辆时，是否能够避免交通事故的发生等。
通过上述处理方式，实现了对于无人驾驶车辆的变换不同角色的测试，从而能够充分利用测试数据和测试场景，增大了测试力度，并降低了场景构造成本。
另外，在模拟的测试场景中测试通过之后，还可将构造出的传感器数据提供给实地测试系统，以便实地测试系统根据传感器数据，在真实的测试场景中对无人驾驶车辆应对交通事故的能力进行测试。
即可在真实的测试场景中，利用构造出的传感器数据来模拟各个真实的传感器数据，验证无人驾驶车辆的实际操控车辆的能力等，进一步评估分析无人驾驶车辆应对交通事故的能力。
同样，可分别对不同角色下的无人驾驶车辆应对交通事故的能力进行测试。
通过上述处理方式，实现了实地测试与模拟仿真测试的多重验证，从而进一步提升了测试性能，确保了无人驾驶车辆的行车安全。
基于上述介绍，图2为本发明所述无人驾驶车辆测试方法第二实施例的流程图，如图2所示，包括以下具体实现方式。
在201中，获取真实道路上发生的交通事故的交通场景数据。
对于真实道路上发生的交通事故，可获取交通事故中的各车辆采集的车辆数据，并可获取交通监控平台的监控数据等。
在202中，分别将无人驾驶车辆设定为交通事故中的不同角色，针对每个角色，分别根据交通场景数据构造出无人驾驶车辆行驶所需的传感器数据。
可通过对交通场景数据中的各数据进行多传感器数据交叉验证、二次加工、数据融合等处理，构造出所需的传感器数据。
在203中，根据交通场景数据进行测试场景的仿真模拟。
可通过对交通场景数据中的各数据进行多传感器数据交叉验证、二次加工、数据融合等处理，通过仿真平台重构交通事故对应的交通场景。
在204中，针对每个角色，分别用无人驾驶车辆替换该角色对应的车辆，根据该角色对应的传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
即用无人驾驶车辆分别替换交通事故对应的交通场景中的不同角色的车辆，从而针对不同的角色，分别对无人驾驶车辆应对交通事故的能力进行测试。
在205中，测试通过，将构造出的传感器数据提供给实地测试系统，以便实地测试系统根据构造出的传感器数据，在真实的测试场景对无人驾驶车辆应对交通事故的能力进行测试。
即在仿真模拟测试通过之后，进一步对无人驾驶车辆进行实地测试。
需要说明的是，对于上述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
另外，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。
图3为本发明所述无人驾驶车辆测试装置实施例的组成结构示意图，如图3所示，包括：获取单元301以及测试单元302。
获取单元301，用于获取真实道路上发生的交通事故的交通场景数据。
测试单元302，用于根据交通场景数据构造出无人驾驶车辆行驶所需的传感器数据，根据交通场景数据进行测试场景的仿真模拟，根据传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
对于真实道路上发生的交通事故，获取单元301可获取交通事故中的各车辆采集的车辆数据，并可获取交通监控平台的监控数据等。
另外，获取单元301可获取距离交通事故发生时预定时长的时间点到交通事故发生时这一时间段内的交通场景数据。
测试单元302可通过对交通场景数据中的各数据进行多传感器数据交叉验证、二次加工、数据融合等处理，构造出无人驾驶车辆行驶所需的各传感器数据，并构造出模拟的测试场景，从而尽可能地还原真实的交通事故对应的交通场景。
之后，测试单元302即可根据构造出的传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
可以看出，采用上述实施例所述方案，可根据真实发生的交通事故对应的交通场景数据来构造模拟的测试场景，而且无人驾驶车辆的传感器数据也来自于真实发生的交通事故对应的交通场景数据，因此得到的测试场景以及测试过程更能反映真实情况，从而提高了测试结果的准确性。
另外，在进行测试时，还可变换无人驾驶车辆的角色。
即测试单元302可分别将无人驾驶车辆设定为交通事故中的不同角色，针对每个角色，分别构造出无人驾驶车辆行驶所需的传感器数据。
进一步地，针对每个角色，测试单元302可分别用无人驾驶车辆替换该角色的车辆，根据该角色对应的传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
不同角色可包括：无责、半责、全责等。
通过上述处理方式，实现了对于无人驾驶车辆的变换不同角色的测试，从而能够充分利用测试数据和测试场景，增大了测试力度，并降低了场景构造成本。
另外，在模拟的测试场景中测试通过之后，测试单元302还可将构造出的传感器数据提供给实地测试系统，以便实地测试系统根据传感器数据，在真实的测试场景中对无人驾驶车辆应对交通事故的能力进行测试。
即可在真实的测试场景中，利用构造出的传感器数据来模拟各个真实的传感器数据，验证无人驾驶车辆的实际操控车辆的能力等，进一步评估分析无人驾驶车辆应对交通事故的能力。
同样，可分别对不同角色下的无人驾驶车辆应对交通事故的能力进行测试。
通过上述处理方式，实现了实地测试与模拟仿真测试的多重验证，从而进一步提升了测试性能，确保了无人驾驶车辆的行车安全。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明，不再赘述。
图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图4显示的计算机系统/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于：一个或者多个处理器(处理单元)16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1所示实施例中的方法，即获取真实道路上发生的交通事故的交通场景数据，根据交通场景数据构造出无人驾驶车辆行驶所需的传感器数据，根据交通场景数据进行测试场景的仿真模拟，根据传感器数据以及测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
具体实现请参照前述各实施例中的相关说明，不再赘述。
本发明同时公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时将实现如图1所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法等，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种无人驾驶车辆测试方法，其特征在于，包括：
获取真实道路上发生的交通事故的交通场景数据；
根据所述交通场景数据构造出无人驾驶车辆行驶所需的传感器数据；
根据所述交通场景数据进行测试场景的仿真模拟；
根据所述传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
2.根据权利要求1所述的方法，其特征在于，
所述获取真实道路上发生的交通事故的交通场景数据包括：
获取交通事故中的各车辆采集的车辆数据，并获取交通监控平台的监控数据。
3.根据权利要求1所述的方法，其特征在于，
所述获取真实道路上发生的交通事故的交通场景数据包括：
获取距离交通事故发生时预定时长的时间点到交通事故发生时这一时间段内的交通场景数据。
4.根据权利要求1所述的方法，其特征在于，
所述根据所述交通场景数据构造出无人驾驶车辆行驶所需的传感器数据包括：
分别将无人驾驶车辆设定为交通事故中的不同角色，针对每个角色，分别构造出无人驾驶车辆行驶所需的传感器数据；
所述根据所述传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试包括：
针对每个角色，分别用无人驾驶车辆替换所述角色的车辆，根据所述角色对应的传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
5.根据权利要求1所述的方法，其特征在于，
所述对无人驾驶车辆应对交通事故的能力进行测试之后，进一步包括：
若测试通过，则将所述传感器数据提供给实地测试系统，以便实地测试系统根据所述传感器数据，在真实的测试场景中对无人驾驶车辆应对交通事故的能力进行测试。
6.一种无人驾驶车辆测试装置，其特征在于，包括：获取单元以及测试单元；
所述获取单元，用于获取真实道路上发生的交通事故的交通场景数据；
所述测试单元，用于根据所述交通场景数据构造出无人驾驶车辆行驶所需的传感器数据，根据所述交通场景数据进行测试场景的仿真模拟，根据所述传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
7.根据权利要求6所述的装置，其特征在于，
所述获取单元获取交通事故中的各车辆采集的车辆数据，并获取交通监控平台的监控数据。
8.根据权利要求6所述的装置，其特征在于，
所述获取单元获取距离交通事故发生时预定时长的时间点到交通事故发生时这一时间段内的交通场景数据。
9.根据权利要求6所述的装置，其特征在于，
所述测试单元进一步用于，
分别将无人驾驶车辆设定为交通事故中的不同角色，针对每个角色，分别构造出无人驾驶车辆行驶所需的传感器数据；
针对每个角色，分别用无人驾驶车辆替换所述角色的车辆，根据所述角色对应的传感器数据以及所述测试场景，对无人驾驶车辆应对交通事故的能力进行测试。
10.根据权利要求6所述的装置，其特征在于，
所述测试单元进一步用于，
若测试通过，则将所述传感器数据提供给实地测试系统，以便实地测试系统根据所述传感器数据，在真实的测试场景中对无人驾驶车辆应对交通事故的能力进行测试。
11.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～5中任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～5中任一项所述的方法。
CN201710431818.2A 2017-06-09 2017-06-09 无人驾驶车辆测试方法、装置、设备及存储介质 Active CN109032102B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710431818.2A CN109032102B (zh) 2017-06-09 2017-06-09 无人驾驶车辆测试方法、装置、设备及存储介质
US15/991,399 US11400928B2 (en) 2017-06-09 2018-05-29 Driverless vehicle testing method and apparatus, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710431818.2A CN109032102B (zh) 2017-06-09 2017-06-09 无人驾驶车辆测试方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109032102A true CN109032102A (zh) 2018-12-18
CN109032102B CN109032102B (zh) 2020-12-18

Family

ID=64562565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710431818.2A Active CN109032102B (zh) 2017-06-09 2017-06-09 无人驾驶车辆测试方法、装置、设备及存储介质

Country Status (2)

Country Link
US (1) US11400928B2 (zh)
CN (1) CN109032102B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109883448A (zh) * 2019-03-28 2019-06-14 北京经纬恒润科技有限公司 地图盒子测试方法及系统
CN110398374A (zh) * 2019-07-11 2019-11-01 广汽蔚来新能源汽车科技有限公司 多通道场景融合汽车模拟试验系统、方法和装置
CN110765661A (zh) * 2019-11-22 2020-02-07 北京京东乾石科技有限公司 自动驾驶仿真场景生成方法及装置、电子设备、存储介质
CN111324945A (zh) * 2020-01-20 2020-06-23 北京百度网讯科技有限公司 传感器方案确定方法、装置、设备及存储介质
CN111381575A (zh) * 2018-12-28 2020-07-07 成都鼎桥通信技术有限公司 自动测试方法、装置、服务器、电子设备及存储介质
CN112254981A (zh) * 2020-10-09 2021-01-22 腾讯科技（深圳）有限公司 模拟驾驶环境下的车辆测试方法、装置
CN113032261A (zh) * 2021-03-23 2021-06-25 北京三快在线科技有限公司 一种仿真测试的方法及装置
CN113377033A (zh) * 2019-01-15 2021-09-10 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN114162114A (zh) * 2021-12-07 2022-03-11 杭州伯镭智能科技有限公司 一种汽车无人驾驶用事故应急迫停控制方法
WO2022246852A1 (zh) * 2021-05-28 2022-12-01 吉林大学 基于航测数据的自动驾驶系统测试方法、测试系统及存储介质
WO2023116344A1 (zh) * 2021-12-23 2023-06-29 清华大学 无人驾驶测试方法、无人驾驶测试系统及计算机设备

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934954B (zh) * 2019-02-01 2020-10-16 北京百度网讯科技有限公司 无人车运行场景确定方法及设备
US20220073104A1 (en) * 2019-05-30 2022-03-10 Lg Electronics Inc. Traffic accident management device and traffic accident management method
CN112131697B (zh) * 2019-06-06 2024-06-07 上海汽车集团股份有限公司 一种智能集卡的仿真测试方法、装置及平台
CN110781578B (zh) * 2019-09-23 2024-03-29 同济大学 一种基于事故场景的智能网联车算法的测试及评价方法
CN110853393B (zh) * 2019-11-26 2020-12-11 清华大学 智能网联车辆测试场数据采集与融合方法及系统
CN113109055A (zh) * 2020-01-10 2021-07-13 上海汽车集团股份有限公司 测试场景等级计算方法、装置及计算机存储介质
US11325594B2 (en) * 2020-02-10 2022-05-10 GM Global Technology Operations LLC Sensor fusion based on intersection scene to determine vehicle collision potential
CN111597707B (zh) * 2020-05-14 2023-09-29 北京百度网讯科技有限公司 仿真场景的处理方法、装置、设备以及存储介质
CN111858927B (zh) * 2020-06-09 2023-11-24 阿波罗智能技术(北京)有限公司 数据测试方法、装置、电子设备及存储介质
CN111783225A (zh) * 2020-06-28 2020-10-16 北京百度网讯科技有限公司 仿真系统中场景处理的方法及装置
CN112363485A (zh) * 2020-08-11 2021-02-12 上海汽车集团股份有限公司 一种智能驾驶及测试设备和上位管理平台
CN112307566B (zh) * 2020-11-12 2023-07-18 安徽江淮汽车集团股份有限公司 车辆仿真测试方法、装置、设备及存储介质
CN113949996B (zh) * 2021-10-11 2022-10-28 重庆大学 用于车路协同测试场景采集回放的数据处理方法及系统
CN114659802B (zh) * 2022-03-10 2024-05-31 奇瑞新能源汽车股份有限公司 车辆的行驶性能测试方法、装置、车辆及存储介质
CN115601856B (zh) * 2022-12-15 2023-04-18 中国汽车技术研究中心有限公司 自动驾驶系统预期功能安全测试场景确定方法和设备
CN115979679B (zh) * 2023-03-22 2023-06-23 中国汽车技术研究中心有限公司 自动驾驶系统实际道路测试方法、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207090A (zh) * 2013-04-09 2013-07-17 北京理工大学 一种无人驾驶车辆环境模拟测试系统及测试方法
CN105956268A (zh) * 2016-04-29 2016-09-21 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
CN105954040A (zh) * 2016-04-22 2016-09-21 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方法和装置
CN106153352A (zh) * 2016-07-04 2016-11-23 江苏大学 一种无人驾驶车辆测试验证平台及其测试方法
CN106556518A (zh) * 2016-11-25 2017-04-05 特路（北京）科技有限公司 自动驾驶车辆通过视觉干扰区的能力的测试方法及测试场

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10529027B1 (en) * 2014-05-20 2020-01-07 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US20210192629A1 (en) * 2014-09-22 2021-06-24 State Farm Mutual Automobile Insurance Company Disaster damage analysis and loss mitigation implementing unmanned aerial vehicles (uavs)
US10431018B1 (en) * 2014-11-13 2019-10-01 State Farm Mutual Automobile Insurance Company Autonomous vehicle operating status assessment
US20160314224A1 (en) * 2015-04-24 2016-10-27 Northrop Grumman Systems Corporation Autonomous vehicle simulation system
US9916703B2 (en) * 2015-11-04 2018-03-13 Zoox, Inc. Calibration for autonomous vehicle operation
US10397019B2 (en) * 2015-11-16 2019-08-27 Polysync Technologies, Inc. Autonomous vehicle platform and safety architecture
US10169928B2 (en) * 2015-12-09 2019-01-01 Hitachi, Ltd. Apparatus for providing data to a hardware-in-the-loop simulator
US9896096B2 (en) * 2016-04-11 2018-02-20 David E. Newman Systems and methods for hazard mitigation
DE102016116135A1 (de) * 2016-08-30 2018-03-01 Dspace Digital Signal Processing And Control Engineering Gmbh Verfahren zur Simulation einer Kollisionssituation
US11048832B2 (en) * 2018-01-12 2021-06-29 Intel Corporation Simulated vehicle operation modeling with real vehicle profiles

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207090A (zh) * 2013-04-09 2013-07-17 北京理工大学 一种无人驾驶车辆环境模拟测试系统及测试方法
CN105954040A (zh) * 2016-04-22 2016-09-21 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方法和装置
CN105956268A (zh) * 2016-04-29 2016-09-21 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
CN106153352A (zh) * 2016-07-04 2016-11-23 江苏大学 一种无人驾驶车辆测试验证平台及其测试方法
CN106556518A (zh) * 2016-11-25 2017-04-05 特路（北京）科技有限公司 自动驾驶车辆通过视觉干扰区的能力的测试方法及测试场

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111381575A (zh) * 2018-12-28 2020-07-07 成都鼎桥通信技术有限公司 自动测试方法、装置、服务器、电子设备及存储介质
CN111381575B (zh) * 2018-12-28 2021-08-31 成都鼎桥通信技术有限公司 自动测试方法、装置、服务器、电子设备及存储介质
CN113377033A (zh) * 2019-01-15 2021-09-10 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN113377033B (zh) * 2019-01-15 2024-03-22 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN109883448A (zh) * 2019-03-28 2019-06-14 北京经纬恒润科技有限公司 地图盒子测试方法及系统
CN110398374A (zh) * 2019-07-11 2019-11-01 广汽蔚来新能源汽车科技有限公司 多通道场景融合汽车模拟试验系统、方法和装置
CN110398374B (zh) * 2019-07-11 2022-04-05 合创汽车科技有限公司 多通道场景融合汽车模拟试验系统、方法和装置
CN110765661A (zh) * 2019-11-22 2020-02-07 北京京东乾石科技有限公司 自动驾驶仿真场景生成方法及装置、电子设备、存储介质
CN111324945A (zh) * 2020-01-20 2020-06-23 北京百度网讯科技有限公司 传感器方案确定方法、装置、设备及存储介质
US11953605B2 (en) 2020-01-20 2024-04-09 Beijing Baidu Netcom Science Technology Co., Ltd. Method, device, equipment, and storage medium for determining sensor solution
CN111324945B (zh) * 2020-01-20 2023-09-26 阿波罗智能技术(北京)有限公司 传感器方案确定方法、装置、设备及存储介质
CN112254981A (zh) * 2020-10-09 2021-01-22 腾讯科技（深圳）有限公司 模拟驾驶环境下的车辆测试方法、装置
CN113032261A (zh) * 2021-03-23 2021-06-25 北京三快在线科技有限公司 一种仿真测试的方法及装置
WO2022246852A1 (zh) * 2021-05-28 2022-12-01 吉林大学 基于航测数据的自动驾驶系统测试方法、测试系统及存储介质
CN114162114A (zh) * 2021-12-07 2022-03-11 杭州伯镭智能科技有限公司 一种汽车无人驾驶用事故应急迫停控制方法
CN114162114B (zh) * 2021-12-07 2024-03-29 上海伯镭智能科技有限公司 一种汽车无人驾驶用事故应急迫停控制方法
WO2023116344A1 (zh) * 2021-12-23 2023-06-29 清华大学 无人驾驶测试方法、无人驾驶测试系统及计算机设备

Also Published As

Publication number Publication date
US11400928B2 (en) 2022-08-02
CN109032102B (zh) 2020-12-18
US20180354512A1 (en) 2018-12-13

Similar Documents

Publication Publication Date Title
CN109032102A (zh) 无人驾驶车辆测试方法、装置、设备及存储介质
CN109032103A (zh) 无人驾驶车辆的测试方法、装置、设备及存储介质
Bathla et al. Autonomous vehicles and intelligent automation: Applications, challenges, and opportunities
Szalay Next generation X-in-the-loop validation methodology for automated vehicle systems
Bokc et al. Validation of the vehicle in the loop (vil); a milestone for the simulation of driver assistance systems
CN111613091A (zh) 利用外部驾驶员数据增强移动设备操作
US20230350399A1 (en) Operational testing of autonomous vehicles
CN109435955A (zh) 一种自动驾驶系统性能评估方法、装置、设备及存储介质
CN113848855B (zh) 车辆控制系统测试方法、装置、设备、介质及程序产品
KR101742536B1 (ko) 주행 성능 테스트 장치, 이를 이용한 테스트 시스템 및 이를 이용한 테스트 방법
CN112560253A (zh) 驾驶场景的重构方法、装置、设备及存储介质
Gruyer et al. From virtual to reality, how to prototype, test and evaluate new ADAS: Application to automatic car parking
Tang et al. A testbed for real-time autonomous vehicle PHM and contingency management applications
Toghi et al. A maneuver-based urban driving dataset and model for cooperative vehicle applications
Brown et al. Development of an energy efficient and cost effective autonomous vehicle research platform
WO2023064693A1 (en) Verifying reproducibility for a vehicle controller
CN109297725A (zh) 车辆边界能力的测试方法、装置、设备、介质和车辆
CN114722631A (zh) 车辆测试仿真场景生成方法、装置、电子设备及存储介质
US11126763B1 (en) Realism metric for testing software for controlling autonomous vehicles
KR101690280B1 (ko) 주행 성능 테스트 장치, 이를 이용한 테스트 시스템 및 이를 이용한 테스트 방법
CN111340880A (zh) 用于生成预测模型的方法和装置
CN113625595A (zh) 一种无人机推演及故障诊断方法、系统
US11958500B1 (en) Autonomous vehicle model training and validation using low-discrepancy sequences
US20240044745A1 (en) Hyperplane search-based vehicle test
CN112289023B (zh) 用于自动驾驶的停车仿真测试方法、装置及相关设备

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: 20211018

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

TR01 Transfer of patent right