CN109060370A - 对自动驾驶车辆进行车辆测试的方法及装置 - Google Patents

对自动驾驶车辆进行车辆测试的方法及装置 Download PDF

Info

Publication number
CN109060370A
CN109060370A CN201810699422.0A CN201810699422A CN109060370A CN 109060370 A CN109060370 A CN 109060370A CN 201810699422 A CN201810699422 A CN 201810699422A CN 109060370 A CN109060370 A CN 109060370A
Authority
CN
China
Prior art keywords
data
driving
target
vehicle
subdata
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
CN201810699422.0A
Other languages
English (en)
Other versions
CN109060370B (zh
Inventor
邓书朝
苏鹏
贺容波
杨勇
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.)
Wuhu Lion Automotive Technologies Co Ltd
Original Assignee
SAIC Chery Automobile 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 SAIC Chery Automobile Co Ltd filed Critical SAIC Chery Automobile Co Ltd
Priority to CN201810699422.0A priority Critical patent/CN109060370B/zh
Publication of CN109060370A publication Critical patent/CN109060370A/zh
Application granted granted Critical
Publication of CN109060370B publication Critical patent/CN109060370B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开一种对自动驾驶车辆进行车辆测试的方法及装置，属于车辆测试领域。通过对目标驾驶数据进行模拟、扩充，得到用于测试自动驾驶车辆的测试数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。本发明用于车辆测试。

Description

对自动驾驶车辆进行车辆测试的方法及装置
技术领域
本发明涉及车辆测试领域，特别涉及一种对自动驾驶车辆进行车辆测试的方法及装置。
背景技术
随着科技的高速发展，有关自动驾驶车辆的研究一直是人们关注的焦点。自动驾驶车辆，又称无人驾驶车辆、电脑驾驶车辆、或轮式移动机器人，是一种通过计算机装置实现无人驾驶的智能车辆。自动驾驶车辆可以在无人主动操作的情况下，自动操作，实现自动驾驶。在实现自动驾驶的过程中，对自动驾驶车辆进行相关测试，是实现自动驾驶应用的一个重要的过程。
相关技术中，在进行自动驾驶车辆的测试时，在目标场景下，自动驾驶车辆至少需要在实际环境或者模拟环境中行驶110亿英里，根据行驶过程中的驾驶数据，确定自动驾驶车辆在目标场景下的表现情况。
但是，相关技术中所涉及的自动驾驶车辆的测试方法需要行驶较长距离来获得测试数据，因此进行测试的可行性较低，而且因其行驶距离较长，自动驾驶测试结果的有效性和时效性也较低。
发明内容
本申请提供了一种对自动驾驶车辆进行车辆测试的方法及装置，可以解决在测试自动驾驶车辆时，测试的可行性较低的问题。所述技术方案如下：
一方面，提供一种对自动驾驶车辆进行车辆测试的方法，所述方法包括：
建立人类驾驶行为模型；
在目标场景下，根据所述人类驾驶行为模型确定遵循特定概率分布的所述人类驾驶行为的随机变量；
获取自动驾驶车辆的第一驾驶数据；
根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据；
在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据；
根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况。
可选地，所述目标场景包括：倒车场景、行人横穿场景，十字路口场景和变道场景中任一种或者多种场景。
可选地，所述根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据，包括：
根据测试条件对所述第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据；
获取目标驾驶子数据，所述目标驾驶子数据与所述驾驶子数据的数据长度一致；
将所述目标驾驶子数据与所述第一驾驶子数据进行替换，确定目标驾驶数据。
可选地，所述在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据，包括：
在所述目标场景下，根据蒙特卡洛方法对所述目标驾驶数据进行模拟，得到模拟驾驶数据；
将所述模拟驾驶数据加入到所述目标驾驶数据中，扩充所述目标驾驶数据，得到测试驾驶数据。
可选地，所述根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况，包括：
根据所述测试驾驶数据和所述随机变量，重复测试所述自动驾驶车辆，以此确定所述自动驾驶车辆在所述目标场景下的表现情况。
另一方面，提供一种对自动驾驶车辆进行车辆测试的装置，包括：
建立模块，用于建立人类驾驶行为模型；
第一确定模块，用于在目标场景下，根据所述人类驾驶行为模型确定遵循特定概率分布的所述人类驾驶行为的随机变量；
获取模块，用于获取自动驾驶车辆的第一驾驶数据；
第二确定模块，用于根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据；
第三确定模块，用于在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据；
第四确定模块，用于根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况。
可选地，所述第二确定模块包括：
第一确定子模块，用于根据测试条件对所述第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据；
获取子模块，用于获取目标驾驶子数据，所述目标驾驶子数据与所述驾驶子数据的数据长度一致；
第二确定子模块，用于将所述目标驾驶子数据与所述第一驾驶子数据进行替换，确定目标驾驶数据。
可选地，第三确定模块包括：
模拟子模块，用于在所述目标场景下，根据所述蒙特卡洛方法对所述目标驾驶数据进行模拟，得到模拟驾驶数据；
扩充子模块，用于将所述模拟驾驶数据加入到所述目标驾驶数据中，扩充所述目标驾驶数据，得到测试驾驶数据。
可选地，第四确定模块，还用于根据所述测试驾驶数据和所述随机变量，重复测试所述自动驾驶车辆，以此确定所述自动驾驶车辆在所述目标场景下的表现情况。
另一方面，提供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，该程序被处理器执行时实现第一方面任一所述的方法的步骤。
本发明提供的技术方案带来的有益效果至少包括：
本发明提供了一种对自动驾驶车辆进行车辆测试的方法及装置，建立人类驾驶行为模型，在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量，获取自动驾驶车辆的第一驾驶数据，之后对第一驾驶数据进行选择、模拟以及扩充处理，得到测试驾驶数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种车辆测试的应用场景图；
图2是本发明一个实施例提供的一种对自动驾驶车辆进行车辆测试的方法流程图；
图3是本发明一个实施例提供的一种确定目标驾驶数据的方法流程图；
图4是本发明一个实施例提供的一种对自动驾驶车辆进行车辆测试的装置结构示意图；
图5是本发明一个实施例提供的一种第二确定模块的结构示意图；
图6是本发明一个实施例提供的一种第三确定模块的结构示意图。
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
在本发明实施例中，图1为本发明实施例所处的一种车辆测试的应用场景图，如图1所述，在目标场景下，测试场地包括一辆测试所用的自动驾驶车辆E、一辆人类驾驶车辆F以及一辆自动驾驶车辆G，该自动驾驶车辆G与该自动驾驶车辆E为同一种自动驾驶车辆。实际情况中，还可以为多辆人类驾驶车辆和多辆自动驾驶车辆，根据实际需求设定即可，本发明实施例以上述应用场景为例进行说明。
请参考图2，图2为根据一示例性实施例示出的一种对自动驾驶车辆进行车辆测试的方法流程图，参见图2，该方法可以包括如下几个步骤：
在步骤101中，建立人类驾驶行为模型。
人类驾驶行为模型是在对驾驶车辆过程中进行具体观察、分析和研究的基础上构建一个层级结构，之后将该层级结构与人类驾驶行为结合起来得到该人类驾驶行为模型，该人类驾驶行为模型包括人类驾驶车辆的驾驶数据。在本发明实施例中，根据人类驾驶车辆F的驾驶数据来建立人类驾驶行为模型。一个可能的实施例中，可选地，在人类驾驶车辆时，收集人类驾驶行为的驾驶数据，根据收集的驾驶数据，基于统计数学建立人类驾驶行为模型。本发明实施例对建立人类驾驶行为模型的方式与方法不作限定，只要实现建立人类驾驶行为模型即可的。
在步骤102中，在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量。
在目标场景下，从该人类驾驶行为模型中获取有关该目标场景下的人类驾驶行为的随机变量，该随机变量遵循特定概率分布。
需要说明的是，在本发明实施例中，一个可能的实施例中，可选地，目标场景包括：一般驾驶场景、倒车场景、行人横穿场景，十字路口场景和变道场景中任一种或者多种场景，实际测试中，也可以为其他场景，该目标场景可以根据自动驾驶车辆的测试需求确定，该目标场景的划分也可以根据实际情况的需求进行设定，本发明实施例对此均不作限定。
示例地，以图1为例，目标场景为一般驾驶场景，自动驾驶车辆E为后车，人类驾驶车辆F为前车，根据人类驾驶行为模型可知，前车可能的驾驶行为为X，该驾驶行为包括变道、加速、减速等，在人类驾驶行为模型中，提取该人类驾驶车辆F的驾驶数据，对该人类驾驶车辆F的驾驶数据进行分析，确定每种驾驶行为发生的概率为a、b、c等，因此，该驾驶数据下，驾驶行为X即为前车的遵循特定概率分布的随机变量。
在步骤103中，获取自动驾驶车辆的第一驾驶数据。
在本发明实施例中，以自动驾驶车辆E上的传感器获得第一驾驶数据，该第一驾驶数据的数据长度与所安装的传感器有关，可以为单一长度驾驶数据，也可以为多种长度驾驶数据，根据测试所需进行设定，本发明实施例对此不作限定。
在步骤104中，根据测试条件对第一驾驶数据进行选择，确定目标驾驶数据。
在本发明实施例中，对第一驾驶数据进行选择，确定出符合测试条件的目标驾驶数据。一个可能的实施例中，可选地，设置出测试条件，对第一驾驶数据做筛选处理，确定符合测试条件的目标驾驶数据。该测试条件为在目标场景下，人类驾驶车辆F和自动驾驶车辆E需进行交互，也即是当人类驾驶车辆F和自动驾驶车辆E在驾驶时，两者驾驶数据会发生相对变化。例如，在一般驾驶场景下，人类驾驶车辆F的速度变化的轨迹和自动驾驶车辆E的速度变化的轨迹近似，即可认为两者是具有交互的驾驶数据，也即是目标驾驶数据。
测试条件还可以是在目标场景下，人类驾驶车辆F和自动驾驶车辆E发生交互的情况下，针对自动驾驶车辆E的性能进行测试的测试条件，例如，针对自动驾驶车辆E的变道性能来进行测试。
在步骤105中，在目标场景下，对目标驾驶数据进行模拟、扩充，得到测试驾驶数据。
可选地，在本发明实施例中，在目标场景下，根据蒙特卡洛方法对目标驾驶数据进行模拟，得到模拟驾驶数据，将模拟驾驶数据加入到目标驾驶数据中，扩充目标驾驶数据，得到测试驾驶数据。需要说明的是，蒙特卡洛方法又称统计模拟法、随机抽样技术，是一种随机模拟方法，以概率和统计理论方法为基础的一种计算方法。
一个可能的实施例中，可选地，在蒙特卡洛方法中，首先根据已经确定的目标驾驶数据构造概率分布模型，获取概率分布，之后从该概率分布中进行抽样，模拟计算，从而扩充数据量。例如采集到的数据中没有79千米每小时的工况，则可以根据概率模型进行采样，模拟计算79千米每小时的工况，从而得到79千米每小时的驾驶数据。
在步骤106中，根据测试驾驶数据，确定自动驾驶车辆在目标场景下的表现情况。
可选地，在本发明实施例中，为保证测试的准确性，还可以根据测试驾驶数据和随机变量，重复测试自动驾驶车辆E，以此确定自动驾驶车辆E在目标场景下的表现情况。
需要说明的是，重复测试就是基于相同的场景进行多次测试，可以模型在环(英文：Model-in-the-loop；简称：MIL)、软件在环(英文：Software-in-the-loop；简称：SIL)、硬件在环(英文：Hardware-in-the-loop；简称：HIL)以及车辆在环(英文：Vehicle-in-the-loop；简称：VIL)等条件下进行测试。
综上所述，本发明实施例中对目标驾驶数据进行模拟、扩充，得到用于测试自动驾驶车辆的测试数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。
一个可能的实施例中，可选地，图3示出了一种确定目标驾驶数据的方法流程图，参见图3，在步骤104中，在根据测试条件对第一驾驶数据进行选择，确定目标驾驶数据时，还可以包括：
在步骤201中，根据测试条件对第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据。
在本发明实施例中，该驾驶子数据为当人类驾驶车辆F和自动驾驶车辆E在驾驶时，两者驾驶数据会未发生相对变化的驾驶数据，也即是人类驾驶车辆F和自动驾驶车辆E未有交互的驾驶数据。
在步骤202中，获取目标驾驶子数据。
需要说明的是，目标驾驶子数据与驾驶子数据的数据长度一致，该目标驾驶子数据为目标场景下，自动驾驶车辆G与人类驾驶车辆F具有交互的驾驶数据。
在步骤203中，将目标驾驶子数据与第一驾驶子数据进行替换，确定目标驾驶数据。
在本发明实施例中，将数据长度一致的目标驾驶子数据与驾驶子数据进行替换，得到目标驾驶数据。
综上所述，本发明实施例中引入目标子数据得到目标驾驶数据，之后对目标驾驶数据进行模拟、扩充，得到用于测试自动驾驶车辆的测试数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。
请参考图4，图4为根据一示例性实施例示出的一种对自动驾驶车辆进行车辆测试的装置结构示意图，参见图4，该装置包括：
建立模块401，用于建立人类驾驶行为模型。
第一确定模块402，用于在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量。
本发明实施例中，目标场景包括：倒车场景、行人横穿场景，十字路口场景和变道场景中任一种或者多种场景。
获取模块403，用于获取自动驾驶车辆的第一驾驶数据。
第二确定模块404，用于根据测试条件对第一驾驶数据进行选择，确定目标驾驶数据。
第三确定模块405，用于在目标场景下，通过蒙特卡洛方法对目标驾驶数据进行模拟、扩充，得到测试驾驶数据。
第四确定模块406，用于根据测试驾驶数据和随机变量，确定自动驾驶车辆在目标场景下的表现情况。
综上所述，本发明实施例中，建立人类驾驶行为模型，在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量，获取自动驾驶车辆的第一驾驶数据，之后对第一驾驶数据进行选择、模拟以及扩充处理，得到测试驾驶数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。
可选地，第四确定模块406，还用于根据测试驾驶数据和随机变量，重复测试自动驾驶车辆，以此确定自动驾驶车辆在目标场景下的表现情况。
可选地，请参考图5，图5为根据一示例性实施例示出的一种第二确定模块404的结构示意图，参见图5，第二确定模块404包括：
第一确定子模块501，用于根据测试条件对第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据。
获取子模块502，用于获取目标驾驶子数据，目标驾驶子数据与驾驶子数据的数据长度一致。
第二确定子模块503，用于将目标驾驶子数据与第一驾驶子数据进行替换，确定目标驾驶数据。
本发明实施例中，通过第二确定模块引入目标驾驶子数据，保证了目标驾驶数据的实用性，同时进一步保证了测试自动驾驶车辆的可行性。
可选地，请参考图6，图6为根据一示例性实施例示出的一种第三确定模块405的结构示意图，参见图6，第三确定模块405包括：
模拟子模块601，用于在目标场景下，根据蒙特卡洛方法对目标驾驶数据进行模拟，得到模拟驾驶数据；
扩充子模块602，用于将模拟驾驶数据加入到目标驾驶数据中，扩充目标驾驶数据，得到测试驾驶数据。
综上所述，本发明实施例中通过第二确定模块引入目标子数据得到目标驾驶数据，之后对目标驾驶数据进行模拟、扩充，得到用于测试自动驾驶车辆的测试数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。
本发明实施例提供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，该程序被处理器执行时实现上述实施例提供的对自动驾驶车辆进行车辆测试的方法的步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种对自动驾驶车辆进行车辆测试的方法，其特征在于，所述方法包括：
建立人类驾驶行为模型；
在目标场景下，根据所述人类驾驶行为模型确定遵循特定概率分布的所述人类驾驶行为的随机变量；
获取自动驾驶车辆的第一驾驶数据；
根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据；
在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据；
根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况。
2.根据权利要求1所述的方法，其特征在于，所述目标场景包括：倒车场景、行人横穿场景，十字路口场景和变道场景中任一种或者多种场景。
3.根据权利要求1所述的方法，其特征在于，所述根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据，包括：
根据测试条件对所述第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据；
获取目标驾驶子数据，所述目标驾驶子数据与所述驾驶子数据的数据长度一致；
将所述目标驾驶子数据与所述第一驾驶子数据进行替换，确定目标驾驶数据。
4.根据权利要求1所述的方法，其特征在于，所述在所述目标场景下，对所述目标驾驶数据进行模拟、扩充，得到测试驾驶数据，包括：
在所述目标场景下，根据蒙特卡洛方法对所述目标驾驶数据进行模拟，得到模拟驾驶数据；
将所述模拟驾驶数据加入到所述目标驾驶数据中，扩充所述目标驾驶数据，得到测试驾驶数据。
5.根据权利要求1所述的方法，其特征在于，所述根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况，包括：
根据所述测试驾驶数据和所述随机变量，重复测试所述自动驾驶车辆，以此确定所述自动驾驶车辆在所述目标场景下的表现情况。
6.一种对自动驾驶车辆进行车辆测试的装置，其特征在于，所述装置包括：
建立模块，用于建立人类驾驶行为模型；
第一确定模块，用于在目标场景下，根据所述人类驾驶行为模型确定遵循特定概率分布的所述人类驾驶行为的随机变量；
获取模块，用于获取自动驾驶车辆的第一驾驶数据；
第二确定模块，用于根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据；
第三确定模块，用于在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据；
第四确定模块，用于根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况。
7.根据权利要求6所述的装置，其特征在于，所述第二确定模块包括：
第一确定子模块，用于根据测试条件对所述第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据；
获取子模块，用于获取目标驾驶子数据，所述目标驾驶子数据与所述驾驶子数据的数据长度一致；
第二确定子模块，用于将所述目标驾驶子数据与所述第一驾驶子数据进行替换，确定目标驾驶数据。
8.根据权利要求6所述的装置，其特征在于，第三确定模块包括：
模拟子模块，用于在所述目标场景下，通过蒙特卡洛方法对所述目标驾驶数据进行模拟，得到模拟驾驶数据；
扩充子模块，用于将所述模拟驾驶数据加入到所述目标驾驶数据中，扩充所述目标驾驶数据，得到测试驾驶数据。
9.根据权利要求6所述的装置，其特征在于，第四确定模块，还用于根据所述测试驾驶数据和所述随机变量，重复测试所述自动驾驶车辆，以此确定所述自动驾驶车辆在所述目标场景下的表现情况。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5任一项所述的对自动驾驶车辆进行车辆测试的方法。
CN201810699422.0A 2018-06-29 2018-06-29 对自动驾驶车辆进行车辆测试的方法及装置 Active CN109060370B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810699422.0A CN109060370B (zh) 2018-06-29 2018-06-29 对自动驾驶车辆进行车辆测试的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810699422.0A CN109060370B (zh) 2018-06-29 2018-06-29 对自动驾驶车辆进行车辆测试的方法及装置

Publications (2)

Publication Number Publication Date
CN109060370A true CN109060370A (zh) 2018-12-21
CN109060370B CN109060370B (zh) 2019-12-10

Family

ID=64818559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810699422.0A Active CN109060370B (zh) 2018-06-29 2018-06-29 对自动驾驶车辆进行车辆测试的方法及装置

Country Status (1)

Country Link
CN (1) CN109060370B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697169A (zh) * 2019-03-25 2019-04-30 深兰人工智能芯片研究院（江苏）有限公司 一种自动驾驶系统的测试方法和装置
CN109886198A (zh) * 2019-02-21 2019-06-14 百度在线网络技术（北京）有限公司 一种信息处理方法、装置及存储介质
CN109948656A (zh) * 2019-02-21 2019-06-28 百度在线网络技术（北京）有限公司 一种信息处理方法、装置及存储介质
CN110031238A (zh) * 2019-04-22 2019-07-19 中国汽车工程研究院股份有限公司 一种l3级自动驾驶汽车整车级在环测试台架测试方法
CN110032809A (zh) * 2019-04-16 2019-07-19 中国汽车工程研究院股份有限公司 一种泊车场景虚拟重构方法
CN110197027A (zh) * 2019-05-28 2019-09-03 百度在线网络技术（北京）有限公司 一种自动驾驶测试方法、装置、智能设备和服务器
CN110794810A (zh) * 2019-11-06 2020-02-14 安徽瑞泰智能装备有限公司 一种对智能驾驶车辆进行集成化测试的方法
CN110795818A (zh) * 2019-09-12 2020-02-14 腾讯科技（深圳）有限公司 一种确定虚拟测试场景方法、装置、电子设备和存储介质
CN112114582A (zh) * 2019-06-19 2020-12-22 北京车和家信息技术有限公司 无人驾驶方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU949383A1 (ru) * 1981-01-07 1982-08-07 Московский Автомобильно-Дорожный Институт Устройство дл автоматического вождени транспортного средства
CN101395647A (zh) * 2006-02-28 2009-03-25 丰田自动车株式会社 物体路线预测方法、装置和程序以及自动操作系统
CN106023344A (zh) * 2016-06-06 2016-10-12 清华大学 基于驾驶模式转换概率的驾驶风格估计方法
CN106428009A (zh) * 2015-07-31 2017-02-22 福特全球技术公司 车辆轨迹确定
CN106828495A (zh) * 2017-02-16 2017-06-13 奇瑞汽车股份有限公司 一种控制车辆行驶的方法及装置
CN106871915A (zh) * 2015-12-04 2017-06-20 大众汽车有限公司 在机动车中用于自动驾驶的方法和装置
CN107146440A (zh) * 2017-06-26 2017-09-08 奇瑞汽车股份有限公司 用于无人驾驶车辆的启停控制方法和装置
CN107704918A (zh) * 2017-09-19 2018-02-16 平安科技（深圳）有限公司 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU949383A1 (ru) * 1981-01-07 1982-08-07 Московский Автомобильно-Дорожный Институт Устройство дл автоматического вождени транспортного средства
CN101395647A (zh) * 2006-02-28 2009-03-25 丰田自动车株式会社 物体路线预测方法、装置和程序以及自动操作系统
CN106428009A (zh) * 2015-07-31 2017-02-22 福特全球技术公司 车辆轨迹确定
CN106871915A (zh) * 2015-12-04 2017-06-20 大众汽车有限公司 在机动车中用于自动驾驶的方法和装置
CN106023344A (zh) * 2016-06-06 2016-10-12 清华大学 基于驾驶模式转换概率的驾驶风格估计方法
CN106828495A (zh) * 2017-02-16 2017-06-13 奇瑞汽车股份有限公司 一种控制车辆行驶的方法及装置
CN107146440A (zh) * 2017-06-26 2017-09-08 奇瑞汽车股份有限公司 用于无人驾驶车辆的启停控制方法和装置
CN107704918A (zh) * 2017-09-19 2018-02-16 平安科技（深圳）有限公司 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜明博: "基于人类驾驶行为的无人驾驶车辆行为决策与运动规划方法研究", 《万方数据库》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886198A (zh) * 2019-02-21 2019-06-14 百度在线网络技术（北京）有限公司 一种信息处理方法、装置及存储介质
CN109948656A (zh) * 2019-02-21 2019-06-28 百度在线网络技术（北京）有限公司 一种信息处理方法、装置及存储介质
CN109697169A (zh) * 2019-03-25 2019-04-30 深兰人工智能芯片研究院（江苏）有限公司 一种自动驾驶系统的测试方法和装置
CN110032809A (zh) * 2019-04-16 2019-07-19 中国汽车工程研究院股份有限公司 一种泊车场景虚拟重构方法
CN110031238B (zh) * 2019-04-22 2020-01-24 中国汽车工程研究院股份有限公司 一种l3级自动驾驶汽车整车级在环测试台架测试方法
CN110031238A (zh) * 2019-04-22 2019-07-19 中国汽车工程研究院股份有限公司 一种l3级自动驾驶汽车整车级在环测试台架测试方法
CN110197027A (zh) * 2019-05-28 2019-09-03 百度在线网络技术（北京）有限公司 一种自动驾驶测试方法、装置、智能设备和服务器
CN110197027B (zh) * 2019-05-28 2023-07-18 百度在线网络技术（北京）有限公司 一种自动驾驶测试方法、装置、智能设备和服务器
CN112114582A (zh) * 2019-06-19 2020-12-22 北京车和家信息技术有限公司 无人驾驶方法及装置
CN112114582B (zh) * 2019-06-19 2023-12-19 北京车和家信息技术有限公司 无人驾驶方法及装置
CN110795818A (zh) * 2019-09-12 2020-02-14 腾讯科技（深圳）有限公司 一种确定虚拟测试场景方法、装置、电子设备和存储介质
CN110794810A (zh) * 2019-11-06 2020-02-14 安徽瑞泰智能装备有限公司 一种对智能驾驶车辆进行集成化测试的方法
CN110794810B (zh) * 2019-11-06 2020-07-28 安徽瑞泰智能装备有限公司 一种对智能驾驶车辆进行集成化测试的方法

Also Published As

Publication number Publication date
CN109060370B (zh) 2019-12-10

Similar Documents

Publication Publication Date Title
CN109060370A (zh) 对自动驾驶车辆进行车辆测试的方法及装置
US20230376037A1 (en) Autonomous vehicle simulation system for analyzing motion planners
US11427215B2 (en) Systems and methods for generating a task offloading strategy for a vehicular edge-computing environment
JP2021179971A (ja) 小目標を検出するための方法及び装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム
US20190163182A1 (en) System and method for generating simulated vehicles with configured behaviors for analyzing autonomous vehicle motion planners
CN111797526B (zh) 一种仿真测试场景构建方法及装置
CN111123920A (zh) 一种自动驾驶仿真测试场景生成方法和装置
CN106846818B (zh) 基于Simulink仿真的路网动态交通流预测方法
CN112115600A (zh) 一种自动驾驶车辆的仿真系统
CN109141911B (zh) 无人车性能测试的控制量的获取方法和装置
Gruyer et al. From virtual to reality, how to prototype, test and evaluate new ADAS: Application to automatic car parking
CN113777952A (zh) 一种实车与虚拟车交互映射的自动驾驶仿真测试方法
CN109376664A (zh) 机器学习训练方法、装置、服务器和介质
US20120197618A1 (en) Architecture and method for realistic vehicular networking and applications visualization
Ramakrishna et al. Anti-carla: An adversarial testing framework for autonomous vehicles in carla
CN110647053A (zh) 一种自动驾驶仿真方法及系统
CN114969092A (zh) 基于虚幻引擎的驾驶仿真系统及仿真实验方法
CN111368409A (zh) 车辆流的模拟处理方法、装置、设备和存储介质
CN118171723A (zh) 智能驾驶策略的部署方法、装置、设备、存储介质和程序产品
CN111767630A (zh) 一种应用于智能驾驶的虚拟仿真测试方法及装置
CN115526069B (zh) 仿真驾驶场景生成方法、装置、设备和计算机可读介质
CN111881121A (zh) 一种自动驾驶数据填充方法和装置
WO2023215507A1 (en) System and method for simulating an environment for autonomous vehicle testing
CN111581306A (zh) 一种行车轨迹模拟方法及装置
CN115857685A (zh) 一种感知算法数据闭环方法及相关装置

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
TR01 Transfer of patent right

Effective date of registration: 20220218

Address after: 241006 Anshan South Road, Wuhu Economic and Technological Development Zone, Anhui Province

Patentee after: Wuhu Sambalion auto technology Co.,Ltd.

Address before: 241006 Changchun Road, Wuhu economic and Technological Development Zone, Anhui 8

Patentee before: CHERY AUTOMOBILE Co.,Ltd.