CN109614886A - 一种无人/自主驾驶系统的性能评测方法及装置 - Google Patents
一种无人/自主驾驶系统的性能评测方法及装置 Download PDFInfo
- Publication number
- CN109614886A CN109614886A CN201811402254.0A CN201811402254A CN109614886A CN 109614886 A CN109614886 A CN 109614886A CN 201811402254 A CN201811402254 A CN 201811402254A CN 109614886 A CN109614886 A CN 109614886A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- target
- car
- distance away
- distance
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Abstract
本发明公开了无人/自主驾驶系统的性能评测方法及装置,涉及车辆性能评测技术领域,该方法包括获取无人/自主驾驶系统的ros采集保存的bag文件中的数据;根据数据进行仿真回放,提取获得每一帧图像数据,计算获得车辆尺寸大小并绘制出行驶全局路径的车辆周围环境感知图像;对环境感知图像中的所有障碍目标进行标注;根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率。本发明具有评测结果可靠,可行度高的优点。
Description
技术领域
本发明涉及车辆性能评测技术领域,具体涉及一种无人/自主驾驶系统的性能评测方法及装置。
背景技术
近年来,现代互联网设备的快速发展、人们对无人/自主驾驶车辆的关注越来越多,各企业和各研究单位都在投入大量的精力开发无人/自主驾驶系统,无人/自主驾驶系统成为热门研究方向。当然,无人/自主驾驶系统的安全性能问题是使用者首要考虑的因素之一,其中,安全性能的重要指标之一就是对障碍目标检测的准确率和虚警率,是对无人/自主驾驶系统性能评测的重要指标。一般来说,无人/自主车辆行驶的环境主要包括结构化道路(城市街道、高等级公路等)和非结构化道路(越野道路等)。障碍物主要分为正障碍和负障碍,正障碍指凸起于地面的物体,而负障碍一般指像坑、沟渠、陡峭的下坡等这样的场景。
目前对无人/自主驾驶系统各研发单位基本都是基于本单位自身开发的相关协议进行的性能评测,这种评测体系的通用性差,并且由于性能评测的方法差别特别大,对不同无人/自主驾驶系统的评测结果也没有可比性,获得的评测结果的可信度也较差。
发明内容
因此,本发明实施例要解决的技术问题在于现有技术中的无人/自主驾驶系统的性能评测方法可信度较差。
为此,本发明实施例的一种无人/自主驾驶系统的性能评测方法,包括以下步骤:
获取无人/自主驾驶系统的ros采集保存的bag文件中的数据;
根据所述数据进行仿真回放,提取获得每一帧图像数据,计算获得车辆尺寸大小并绘制出行驶全局路径的车辆周围环境感知图像;
对所述环境感知图像中的所有障碍目标进行标注;
根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率。
优选地,所述对所述环境感知图像中的所有障碍目标进行标注的步骤包括:
根据所述环境感知图像,获得包括正障碍、负障碍和移动障碍目标的所有障碍目标;
将所述正障碍标注为第一目标类型,将所述负障碍标注为第二目标类型,将所述移动障碍目标标注为第三目标类型。
优选地,所述根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率的步骤包括:
判断障碍目标的目标类型;
当障碍目标的目标类型为第一目标类型时,根据每一帧图像数据计算获得所有第一目标类型的障碍目标的检测到正障碍的离车距离;
根据预设的第一目标类型时车辆尺寸大小与正障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的正障碍危险距离范围,记为第一危险距离范围;
分别判断每一所述检测到正障碍的离车距离是否在第一危险距离范围之内;
当所述检测到正障碍的离车距离在第一危险距离范围之内时,分别判断所述检测到正障碍的离车距离与预设实际可测到正障碍距离的差值的绝对值是否小于或者等于第一误差值;
当小于或者等于第一误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到正障碍的离车距离的准确率。
优选地,所述根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率的步骤还包括:
当障碍目标的目标类型为第二目标类型时,根据每一帧图像数据计算获得所有第二目标类型的障碍目标的检测到负障碍的离车距离;
根据预设的第二目标类型时车辆尺寸大小与负障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的负障碍危险距离范围,记为第二危险距离范围;
分别判断每一所述检测到负障碍的离车距离是否在第二危险距离范围之内;
当所述检测到负障碍的离车距离在第二危险距离范围之内时,分别判断所述检测到负障碍的离车距离与预设实际可测到负障碍距离的差值的绝对值是否小于或者等于第二误差值;
当小于或者等于第二误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到负障碍的离车距离的准确率。
优选地,所述根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率的步骤还包括:
当障碍目标的目标类型为第三目标类型时,根据每一帧图像数据计算获得所有第三目标类型的障碍目标的检测到移动障碍目标的离车距离;
根据预设的第三目标类型时车辆尺寸大小与移动障碍目标危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的移动障碍目标危险距离范围,记为第三危险距离范围;
分别判断每一所述检测到移动障碍目标的离车距离是否在第三危险距离范围之内;
当所述检测到移动障碍目标的离车距离在第三危险距离范围之内时,分别判断所述检测到移动障碍目标的离车距离与预设实际可测到移动障碍目标距离的差值的绝对值是否小于或者等于第三误差值;
当小于或者等于第三误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到移动障碍目标的离车距离的准确率。
本发明实施例的一种无人/自主驾驶系统的性能评测装置,包括:
数据获取单元,用于获取无人/自主驾驶系统的ros采集保存的bag文件中的数据;
回放单元,用于根据所述数据进行仿真回放,提取获得每一帧图像数据,计算获得车辆尺寸大小并绘制出行驶全局路径的车辆周围环境感知图像;
标注单元,用于对所述环境感知图像中的所有障碍目标进行标注;
准确率获得单元,用于根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率。
优选地,所述标注单元包括:
障碍目标获得单元,用于根据所述环境感知图像,获得包括正障碍、负障碍和移动障碍目标的所有障碍目标;
目标类型标注单元,用于将所述正障碍标注为第一目标类型,将所述负障碍标注为第二目标类型,将所述移动障碍目标标注为第三目标类型。
优选地,所述准确率获得单元包括:
第一判断单元,用于判断障碍目标的目标类型;
检测到正障碍的离车距离获得单元,用于当障碍目标的目标类型为第一目标类型时,根据每一帧图像数据计算获得所有第一目标类型的障碍目标的检测到正障碍的离车距离;
第一危险距离范围获得单元,用于根据预设的第一目标类型时车辆尺寸大小与正障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的正障碍危险距离范围,记为第一危险距离范围;
第二判断单元,用于分别判断每一所述检测到正障碍的离车距离是否在第一危险距离范围之内;
第三判断单元,用于当所述检测到正障碍的离车距离在第一危险距离范围之内时,分别判断所述检测到正障碍的离车距离与预设实际可测到正障碍距离的差值的绝对值是否小于或者等于第一误差值;
正障碍准确率获得单元,用于当小于或者等于第一误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到正障碍的离车距离的准确率。
优选地,所述准确率获得单元还包括:
检测到负障碍的离车距离获得单元,用于当障碍目标的目标类型为第二目标类型时,根据每一帧图像数据计算获得所有第二目标类型的障碍目标的检测到负障碍的离车距离;
第二危险距离范围获得单元,用于根据预设的第二目标类型时车辆尺寸大小与负障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的负障碍危险距离范围,记为第二危险距离范围;
第四判断单元,用于分别判断每一所述检测到负障碍的离车距离是否在第二危险距离范围之内;
第五判断单元,用于当所述检测到负障碍的离车距离在第二危险距离范围之内时,分别判断所述检测到负障碍的离车距离与预设实际可测到负障碍距离的差值的绝对值是否小于或者等于第二误差值;
负障碍准确率获得单元,用于当小于或者等于第二误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到负障碍的离车距离的准确率。
优选地,所述准确率获得单元还包括:
检测到移动障碍目标的离车距离获得单元,用于当障碍目标的目标类型为第三目标类型时,根据每一帧图像数据计算获得所有第三目标类型的障碍目标的检测到移动障碍目标的离车距离;
第三危险距离范围获得单元,用于根据预设的第三目标类型时车辆尺寸大小与移动障碍目标危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的移动障碍目标危险距离范围,记为第三危险距离范围;
第六判断单元,用于分别判断每一所述检测到移动障碍目标的离车距离是否在第三危险距离范围之内;
第七判断单元,用于当所述检测到移动障碍目标的离车距离在第三危险距离范围之内时,分别判断所述检测到移动障碍目标的离车距离与预设实际可测到移动障碍目标距离的差值的绝对值是否小于或者等于第三误差值;
移动障碍目标准确率获得单元,用于当小于或者等于第三误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到移动障碍目标的离车距离的准确率。
本发明实施例的技术方案,具有如下优点:
本发明实施例提供的无人/自主驾驶系统的性能评测方法及装置,通过仿真回放真实重现了车辆的行驶全过程,通过对不同类型的障碍目标进行标注,实现了对不同障碍目标的分别评测,为无人/自主驾驶系统的性能提供了更加可靠的评测结果,提高了对障碍物检测的可信度。
附图说明
为了更清楚地说明本发明具体实施方式中的技术方案,下面将对具体实施方式描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例1中无人/自主驾驶系统的性能评测方法的一个具体示例的流程图;
图2为本发明实施例2中无人/自主驾驶系统的性能评测装置的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,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例,都属于本发明保护的范围。
可以理解的是,术语“车辆”或“车辆的”或其他类似的术语包括一般而言的机动车辆,比如包含运动型多用途车辆(SUV)、公共汽车、货车,各种商用车辆的客车、包含各种轮船和舰船的船只、飞行器等等,并且包括混合动力车辆、电动汽车、混合动力电动汽车、氢动力汽车和其他替代燃料汽车(例如,从除了石油以外的资源中取得的燃料)。如在本文中所引用的,混合动力车辆是具有两种或多种动力来源的车辆,例如汽油动力车辆和电动动力车辆二者。
在本发明的描述中,需要说明的是,本文所用的术语仅用于描述特定实施例的目的,而并非旨在限制本发明。除非上下文明确指出,否则如本文中所使用的单数形式“一”、“一个”和“该”等意图也包括复数形式。使用“包括”和/或“包含”等术语时,是意图说明存在该特征、整数、步骤、操作、元素和/或组件,而不排除一个或多个其他特征、整数、步骤、操作、元素、组件、和/或其他组合的存在或增加。术语“和/或”包括一个或多个相关列出项目的任何和所有组合。术语“竖直”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
尽管示例性实施例被描述为使用多个单元来执行示例性过程,然而可以理解的是,该示例性过程还可以由一个或多个模块来执行。另外,可以理解的是,术语控制器/控制单元指的是包括存储器和处理器的硬件设备。存储器被配置成存储模块,处理器被专门配置成执行上述存储模块中存储的过程,从而执行一个或多个过程。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种无人/自主驾驶系统的性能评测方法,如图1所示,包括以下步骤:
S1、获取无人/自主驾驶系统的ros采集保存的bag文件中的数据;无人/自主驾驶系统上的小型工控机会在无人/自主驾驶系统行驶过程中采集感知数据和定位数据并存储在bag文件中;
S2、根据解析出的bag文件中的数据进行仿真回放,提取获得每一帧图像数据,计算获得车辆尺寸大小并绘制出行驶全局路径的车辆周围环境感知图像;
S3、对环境感知图像中的所有障碍目标进行标注;
S4、根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率。
上述无人/自主驾驶系统的性能评测方法,通过仿真回放真实重现了车辆的行驶全过程,通过对不同类型的障碍目标进行标注,实现了对不同障碍目标的分别评测,为无人/自主驾驶系统的性能提供了更加可靠的评测结果,提高了对障碍物检测的可信度。
优选地,上述步骤S3的对环境感知图像中的所有障碍目标进行标注的步骤包括:
S3-1、根据环境感知图像,获得包括正障碍、负障碍和移动障碍目标的所有障碍目标;优选地,还可获得作为指定的考试的障碍物的考试障碍目标;
S3-2、将正障碍标注为第一目标类型,将负障碍标注为第二目标类型,将移动障碍目标标注为第三目标类型。优选地,还可设置将不同标注在环境感知图像中进行显示,例如可将不同的标注通过使用不同的颜色来区别显示标记,正障碍设为白色,负障碍设为浅紫色,移动障碍目标设为浅红色,考试障碍目标设为绿色;更加优选地,还可在显示标记时不同的标注增加不同形状的标记,以增加显示区别度。
优选地,上述步骤S4的根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率的步骤包括:
S4-1、判断障碍目标的目标类型;
S4-2、当障碍目标的目标类型为第一目标类型时,根据每一帧图像数据计算获得所有第一目标类型的障碍目标的检测到正障碍的离车距离,即刚检测到正障碍时,正障碍距车辆的距离;该计算步骤如下:
利用当检测到正障碍时车辆上小型工控机的相机的空间坐标确定出可视平面,根据可视平面的参数和可视平面到相机的距离确定出相机的焦距,根据焦距和高斯成像公式确定出垂直平面,垂直平面的中垂线在垂直方向上;利用相机和垂直平面的空间坐标,在水平方向上确定出从相机到垂直平面的投影,根据投影的空间坐标确定水平平面,水平平面为垂直平面在水平方向的投影;利用垂直平面上各点的空间坐标与水平平面上相应点的空间坐标的关系,确定出水平平面与垂直平面的第一映射关系;
获取正障碍特征点的图像空间坐标,根据正障碍特征点的图像空间坐标和相机的焦距将特征点映射到垂直平面,利用第一映射关系以及向量平移算法,将特征点映射到水平平面,得到特征点在水平平面的平面坐标,利用特征点的图像空间坐标与在水平平面的平面坐标的关系,确定出第二映射关系;
利用第二映射关系,将特征点相对于车辆相机的运动轨迹坐标映射到水平平面,得到特征点相对于车辆的(即与车辆相反的)运动信息,根据运动信息确定出检测到正障碍的离车距离;通过根据运动信息,无论是直线运动还是曲线运动,都可准确确定出检测到正障碍的离车距离,提高了精确度;
S4-3、根据预设的第一目标类型时车辆尺寸大小与正障碍危险距离范围之间的对应关系,获得与车辆尺寸大小相对应的正障碍危险距离范围,记为第一危险距离范围;由于不同尺寸大小的车辆在处理各种障碍时的响应时间是不同的,若处理(如刹车)太晚则有撞车等危险,所以设置了针对各种车辆尺寸大小的各种障碍目标的危险距离范围,例如危险距离范围可分为5-10m、10-15m、15-20m、20-30m等多个等级;
S4-4、分别判断每一检测到正障碍的离车距离是否在第一危险距离范围之内;当检测到正障碍的离车距离在第一危险距离范围之内时,进入步骤S4-5;当检测到正障碍的离车距离不在第一危险距离范围之内时,获得检测错误的结果;
S4-5、分别判断检测到正障碍的离车距离与预设实际可测到正障碍距离的差值的绝对值是否小于或者等于第一误差值;第一误差值可根据实际情况进行设置,例如第一误差值可为1m;当小于或者等于第一误差值时,进入步骤S4-6;当大于第一误差值时,获得检测错误的结果,统计计算所有检测错误的结果获得检测到正障碍的离车距离的虚警率;
S4-6、获得检测准确的结果,统计计算所有检测准确的结果获得检测到正障碍的离车距离的准确率。
优选地,上述步骤S4还包括:
S4-7、当障碍目标的目标类型为第二目标类型时,根据每一帧图像数据计算获得所有第二目标类型的障碍目标的检测到负障碍的离车距离,检测到负障碍的离车距离的计算步骤与检测到正障碍的离车距离的计算步骤相同;
S4-8、根据预设的第二目标类型时车辆尺寸大小与负障碍危险距离范围之间的对应关系,获得与车辆尺寸大小相对应的负障碍危险距离范围,记为第二危险距离范围;
S4-9、分别判断每一检测到负障碍的离车距离是否在第二危险距离范围之内;当检测到负障碍的离车距离在第二危险距离范围之内时,进入步骤S4-10;当检测到负障碍的离车距离不在第二危险距离范围之内时,获得检测错误的结果;
S4-10、分别判断检测到负障碍的离车距离与预设实际可测到负障碍距离的差值的绝对值是否小于或者等于第二误差值;第二误差值可根据实际情况进行设置,例如第二误差值可为1m;当小于或者等于第二误差值时,进入步骤S4-11;当大于第二误差值时,获得检测错误的结果,统计计算所有检测错误的结果获得检测到负障碍的离车距离的虚警率;
S4-11、获得检测准确的结果,统计计算所有检测准确的结果获得检测到负障碍的离车距离的准确率。
优选地,上述步骤S4还包括:
S4-12、当障碍目标的目标类型为第三目标类型时,根据每一帧图像数据计算获得所有第三目标类型的障碍目标的检测到移动障碍目标的离车距离,检测到移动障碍目标的离车距离的计算步骤与检测到正障碍的离车距离的计算步骤相同;
S4-13、根据预设的第三目标类型时车辆尺寸大小与移动障碍目标危险距离范围之间的对应关系,获得与车辆尺寸大小相对应的移动障碍目标危险距离范围,记为第三危险距离范围;
S4-14、分别判断每一检测到移动障碍目标的离车距离是否在第三危险距离范围之内;当检测到移动障碍目标的离车距离在第三危险距离范围之内时,进入步骤S4-15;当检测到移动障碍目标的离车距离不在第三危险距离范围之内时,获得检测错误的结果;
S4-15、分别判断检测到移动障碍目标的离车距离与预设实际可测到移动障碍目标距离的差值的绝对值是否小于或者等于第三误差值;第三误差值可根据实际情况进行设置,例如第三误差值可为1m;当小于或者等于第三误差值时,进入步骤S4-16;当大于第三误差值时,获得检测错误的结果,统计计算所有检测错误的结果获得检测到移动障碍目标的离车距离的虚警率;
S4-16、获得检测准确的结果,统计计算所有检测准确的结果获得检测到移动障碍目标的离车距离的准确率。
上述性能评测方法,通过根据障碍目标的目标类型分别计算检测到正障碍、负障碍、移动障碍目标的离车距离,然后分别根据不同目标类型对相应的离车距离作出判断,分别统计获得准确率和虚警率,提高了判断准确性,进一步提高了可信度。
实施例2
对应于实施例1,本实施例提供一种无人/自主驾驶系统的性能评测装置,如图2所示,包括:
数据获取单元1,用于获取无人/自主驾驶系统的ros采集保存的bag文件中的数据;
回放单元2,用于根据数据进行仿真回放,提取获得每一帧图像数据,计算获得车辆尺寸大小并绘制出行驶全局路径的车辆周围环境感知图像;
标注单元3,用于对环境感知图像中的所有障碍目标进行标注;
准确率获得单元4,用于根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率。
上述无人/自主驾驶系统的性能评测装置,通过仿真回放真实重现了车辆的行驶全过程,通过对不同类型的障碍目标进行标注,实现了对不同障碍目标的分别评测,为无人/自主驾驶系统的性能提供了更加可靠的评测结果,提高了对障碍物检测的可信度。
优选地,标注单元包括:
障碍目标获得单元,用于根据环境感知图像,获得包括正障碍、负障碍和移动障碍目标的所有障碍目标;
目标类型标注单元,用于将正障碍标注为第一目标类型,将负障碍标注为第二目标类型,将移动障碍目标标注为第三目标类型。
优选地,准确率获得单元包括:
第一判断单元,用于判断障碍目标的目标类型;
检测到正障碍的离车距离获得单元,用于当障碍目标的目标类型为第一目标类型时,根据每一帧图像数据计算获得所有第一目标类型的障碍目标的检测到正障碍的离车距离;
第一危险距离范围获得单元,用于根据预设的第一目标类型时车辆尺寸大小与正障碍危险距离范围之间的对应关系,获得与车辆尺寸大小相对应的正障碍危险距离范围,记为第一危险距离范围;
第二判断单元,用于分别判断每一检测到正障碍的离车距离是否在第一危险距离范围之内;
第三判断单元,用于当检测到正障碍的离车距离在第一危险距离范围之内时,分别判断检测到正障碍的离车距离与预设实际可测到正障碍距离的差值的绝对值是否小于或者等于第一误差值;
正障碍准确率获得单元,用于当小于或者等于第一误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到正障碍的离车距离的准确率。
优选地,准确率获得单元还包括:
检测到负障碍的离车距离获得单元,用于当障碍目标的目标类型为第二目标类型时,根据每一帧图像数据计算获得所有第二目标类型的障碍目标的检测到负障碍的离车距离;
第二危险距离范围获得单元,用于根据预设的第二目标类型时车辆尺寸大小与负障碍危险距离范围之间的对应关系,获得与车辆尺寸大小相对应的负障碍危险距离范围,记为第二危险距离范围;
第四判断单元,用于分别判断每一检测到负障碍的离车距离是否在第二危险距离范围之内;
第五判断单元,用于当检测到负障碍的离车距离在第二危险距离范围之内时,分别判断检测到负障碍的离车距离与预设实际可测到负障碍距离的差值的绝对值是否小于或者等于第二误差值;
负障碍准确率获得单元,用于当小于或者等于第二误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到负障碍的离车距离的准确率。
优选地,准确率获得单元还包括:
检测到移动障碍目标的离车距离获得单元,用于当障碍目标的目标类型为第三目标类型时,根据每一帧图像数据计算获得所有第三目标类型的障碍目标的检测到移动障碍目标的离车距离;
第三危险距离范围获得单元,用于根据预设的第三目标类型时车辆尺寸大小与移动障碍目标危险距离范围之间的对应关系,获得与车辆尺寸大小相对应的移动障碍目标危险距离范围,记为第三危险距离范围;
第六判断单元,用于分别判断每一检测到移动障碍目标的离车距离是否在第三危险距离范围之内;
第七判断单元,用于当检测到移动障碍目标的离车距离在第三危险距离范围之内时,分别判断检测到移动障碍目标的离车距离与预设实际可测到移动障碍目标距离的差值的绝对值是否小于或者等于第三误差值;
移动障碍目标准确率获得单元,用于当小于或者等于第三误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到移动障碍目标的离车距离的准确率。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种无人/自主驾驶系统的性能评测方法,其特征在于,包括以下步骤:
获取无人/自主驾驶系统的ros采集保存的bag文件中的数据;
根据所述数据进行仿真回放,提取获得每一帧图像数据,计算获得车辆尺寸大小并绘制出行驶全局路径的车辆周围环境感知图像;
对所述环境感知图像中的所有障碍目标进行标注;
根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率。
2.根据权利要求1所述的性能评测方法,其特征在于,所述对所述环境感知图像中的所有障碍目标进行标注的步骤包括:
根据所述环境感知图像,获得包括正障碍、负障碍和移动障碍目标的所有障碍目标;
将所述正障碍标注为第一目标类型,将所述负障碍标注为第二目标类型,将所述移动障碍目标标注为第三目标类型。
3.根据权利要求2所述的性能评测方法,其特征在于,所述根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率的步骤包括:
判断障碍目标的目标类型;
当障碍目标的目标类型为第一目标类型时,根据每一帧图像数据计算获得所有第一目标类型的障碍目标的检测到正障碍的离车距离;
根据预设的第一目标类型时车辆尺寸大小与正障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的正障碍危险距离范围,记为第一危险距离范围;
分别判断每一所述检测到正障碍的离车距离是否在第一危险距离范围之内;
当所述检测到正障碍的离车距离在第一危险距离范围之内时,分别判断所述检测到正障碍的离车距离与预设实际可测到正障碍距离的差值的绝对值是否小于或者等于第一误差值;
当小于或者等于第一误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到正障碍的离车距离的准确率。
4.根据权利要求3所述的性能评测方法,其特征在于,所述根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率的步骤还包括:
当障碍目标的目标类型为第二目标类型时,根据每一帧图像数据计算获得所有第二目标类型的障碍目标的检测到负障碍的离车距离;
根据预设的第二目标类型时车辆尺寸大小与负障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的负障碍危险距离范围,记为第二危险距离范围;
分别判断每一所述检测到负障碍的离车距离是否在第二危险距离范围之内;
当所述检测到负障碍的离车距离在第二危险距离范围之内时,分别判断所述检测到负障碍的离车距离与预设实际可测到负障碍距离的差值的绝对值是否小于或者等于第二误差值;
当小于或者等于第二误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到负障碍的离车距离的准确率。
5.根据权利要求3或4所述的性能评测方法,其特征在于,所述根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率的步骤还包括:
当障碍目标的目标类型为第三目标类型时,根据每一帧图像数据计算获得所有第三目标类型的障碍目标的检测到移动障碍目标的离车距离;
根据预设的第三目标类型时车辆尺寸大小与移动障碍目标危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的移动障碍目标危险距离范围,记为第三危险距离范围;
分别判断每一所述检测到移动障碍目标的离车距离是否在第三危险距离范围之内;
当所述检测到移动障碍目标的离车距离在第三危险距离范围之内时,分别判断所述检测到移动障碍目标的离车距离与预设实际可测到移动障碍目标距离的差值的绝对值是否小于或者等于第三误差值;
当小于或者等于第三误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到移动障碍目标的离车距离的准确率。
6.一种无人/自主驾驶系统的性能评测装置,其特征在于,包括:
数据获取单元,用于获取无人/自主驾驶系统的ros采集保存的bag文件中的数据;
回放单元,用于根据所述数据进行仿真回放,提取获得每一帧图像数据,计算获得车辆尺寸大小并绘制出行驶全局路径的车辆周围环境感知图像;
标注单元,用于对所述环境感知图像中的所有障碍目标进行标注;
准确率获得单元,用于根据不同的障碍目标类型,获得相应的检测到障碍目标的离车距离的准确率。
7.根据权利要求6所述的性能评测装置,其特征在于,所述标注单元包括:
障碍目标获得单元,用于根据所述环境感知图像,获得包括正障碍、负障碍和移动障碍目标的所有障碍目标;
目标类型标注单元,用于将所述正障碍标注为第一目标类型,将所述负障碍标注为第二目标类型,将所述移动障碍目标标注为第三目标类型。
8.根据权利要求7所述的性能评测装置,其特征在于,所述准确率获得单元包括:
第一判断单元,用于判断障碍目标的目标类型;
检测到正障碍的离车距离获得单元,用于当障碍目标的目标类型为第一目标类型时,根据每一帧图像数据计算获得所有第一目标类型的障碍目标的检测到正障碍的离车距离;
第一危险距离范围获得单元,用于根据预设的第一目标类型时车辆尺寸大小与正障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的正障碍危险距离范围,记为第一危险距离范围;
第二判断单元,用于分别判断每一所述检测到正障碍的离车距离是否在第一危险距离范围之内;
第三判断单元,用于当所述检测到正障碍的离车距离在第一危险距离范围之内时,分别判断所述检测到正障碍的离车距离与预设实际可测到正障碍距离的差值的绝对值是否小于或者等于第一误差值;
正障碍准确率获得单元,用于当小于或者等于第一误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到正障碍的离车距离的准确率。
9.根据权利要求8所述的性能评测装置,其特征在于,所述准确率获得单元还包括:
检测到负障碍的离车距离获得单元,用于当障碍目标的目标类型为第二目标类型时,根据每一帧图像数据计算获得所有第二目标类型的障碍目标的检测到负障碍的离车距离;
第二危险距离范围获得单元,用于根据预设的第二目标类型时车辆尺寸大小与负障碍危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的负障碍危险距离范围,记为第二危险距离范围;
第四判断单元,用于分别判断每一所述检测到负障碍的离车距离是否在第二危险距离范围之内;
第五判断单元,用于当所述检测到负障碍的离车距离在第二危险距离范围之内时,分别判断所述检测到负障碍的离车距离与预设实际可测到负障碍距离的差值的绝对值是否小于或者等于第二误差值;
负障碍准确率获得单元,用于当小于或者等于第二误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到负障碍的离车距离的准确率。
10.根据权利要求8或9所述的性能评测装置,其特征在于,所述准确率获得单元还包括:
检测到移动障碍目标的离车距离获得单元,用于当障碍目标的目标类型为第三目标类型时,根据每一帧图像数据计算获得所有第三目标类型的障碍目标的检测到移动障碍目标的离车距离;
第三危险距离范围获得单元,用于根据预设的第三目标类型时车辆尺寸大小与移动障碍目标危险距离范围之间的对应关系,获得与所述车辆尺寸大小相对应的移动障碍目标危险距离范围,记为第三危险距离范围;
第六判断单元,用于分别判断每一所述检测到移动障碍目标的离车距离是否在第三危险距离范围之内;
第七判断单元,用于当所述检测到移动障碍目标的离车距离在第三危险距离范围之内时,分别判断所述检测到移动障碍目标的离车距离与预设实际可测到移动障碍目标距离的差值的绝对值是否小于或者等于第三误差值;
移动障碍目标准确率获得单元,用于当小于或者等于第三误差值时,获得检测准确的结果,统计计算所有检测准确的结果获得检测到移动障碍目标的离车距离的准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811402254.0A CN109614886B (zh) | 2018-11-23 | 2018-11-23 | 一种无人/自主驾驶系统的性能评测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811402254.0A CN109614886B (zh) | 2018-11-23 | 2018-11-23 | 一种无人/自主驾驶系统的性能评测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109614886A true CN109614886A (zh) | 2019-04-12 |
CN109614886B CN109614886B (zh) | 2022-06-24 |
Family
ID=66004840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811402254.0A Active CN109614886B (zh) | 2018-11-23 | 2018-11-23 | 一种无人/自主驾驶系统的性能评测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109614886B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111618908A (zh) * | 2020-05-11 | 2020-09-04 | 中国科学院合肥物质科学研究院 | 基于任务的机器人平台自主能力测试装置及测试方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
WO2016076449A1 (en) * | 2014-11-11 | 2016-05-19 | Movon Corporation | Method and system for detecting an approaching obstacle based on image recognition |
CN106525454A (zh) * | 2016-11-18 | 2017-03-22 | 特路(北京)科技有限公司 | 自动驾驶车辆的静态障碍物响应性能测试方法及测试场 |
CN106599832A (zh) * | 2016-12-09 | 2017-04-26 | 重庆邮电大学 | 一种基于卷积神经网络的多类障碍物检测与识别方法 |
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
US20170176990A1 (en) * | 2015-12-18 | 2017-06-22 | Raytheon Company | Negative obstacle detector |
CN107153363A (zh) * | 2017-05-08 | 2017-09-12 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车的仿真测试方法及装置、设备与可读介质 |
CN107633220A (zh) * | 2017-09-13 | 2018-01-26 | 吉林大学 | 一种基于卷积神经网络的车辆前方目标识别方法 |
CN107782564A (zh) * | 2017-10-30 | 2018-03-09 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评系统及方法 |
CN108181905A (zh) * | 2018-01-03 | 2018-06-19 | 广东工业大学 | 一种无人驾驶汽车的障碍躲避方法及系统 |
CN108255151A (zh) * | 2017-12-15 | 2018-07-06 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种无人驾驶车辆的测评系统 |
CN108304986A (zh) * | 2017-12-15 | 2018-07-20 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种自动驾驶车辆行为安全的测评方法 |
CN108319249A (zh) * | 2017-12-15 | 2018-07-24 | 天津大学 | 基于驾驶模拟器的无人驾驶算法综合测评系统及方法 |
CN108318895A (zh) * | 2017-12-19 | 2018-07-24 | 深圳市海梁科技有限公司 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
CN108762226A (zh) * | 2018-05-14 | 2018-11-06 | 济南浪潮高新科技投资发展有限公司 | 一种自动驾驶车辆测试方法、装置及系统 |
-
2018
- 2018-11-23 CN CN201811402254.0A patent/CN109614886B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
WO2016076449A1 (en) * | 2014-11-11 | 2016-05-19 | Movon Corporation | Method and system for detecting an approaching obstacle based on image recognition |
US20170176990A1 (en) * | 2015-12-18 | 2017-06-22 | Raytheon Company | Negative obstacle detector |
CN106525454A (zh) * | 2016-11-18 | 2017-03-22 | 特路(北京)科技有限公司 | 自动驾驶车辆的静态障碍物响应性能测试方法及测试场 |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
CN106599832A (zh) * | 2016-12-09 | 2017-04-26 | 重庆邮电大学 | 一种基于卷积神经网络的多类障碍物检测与识别方法 |
CN107153363A (zh) * | 2017-05-08 | 2017-09-12 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车的仿真测试方法及装置、设备与可读介质 |
CN107633220A (zh) * | 2017-09-13 | 2018-01-26 | 吉林大学 | 一种基于卷积神经网络的车辆前方目标识别方法 |
CN107782564A (zh) * | 2017-10-30 | 2018-03-09 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评系统及方法 |
CN108255151A (zh) * | 2017-12-15 | 2018-07-06 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种无人驾驶车辆的测评系统 |
CN108304986A (zh) * | 2017-12-15 | 2018-07-20 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种自动驾驶车辆行为安全的测评方法 |
CN108319249A (zh) * | 2017-12-15 | 2018-07-24 | 天津大学 | 基于驾驶模拟器的无人驾驶算法综合测评系统及方法 |
CN108318895A (zh) * | 2017-12-19 | 2018-07-24 | 深圳市海梁科技有限公司 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
CN108181905A (zh) * | 2018-01-03 | 2018-06-19 | 广东工业大学 | 一种无人驾驶汽车的障碍躲避方法及系统 |
CN108762226A (zh) * | 2018-05-14 | 2018-11-06 | 济南浪潮高新科技投资发展有限公司 | 一种自动驾驶车辆测试方法、装置及系统 |
Non-Patent Citations (7)
Title |
---|
史辉 等: "地面无人平台在典型战场环境中的自主机动性能评价研究", 《兵工学报》 * |
周旭: "无人驾驶车辆认知能力测试方法", 《科技传播》 * |
李静等: "无人地面车辆自主性评价指标体系研究", 《微型机与应用》 * |
汪佩等: "基于单线激光雷达与视觉融合的负障碍检测算法", 《计算机工程》 * |
蔡云飞: "基于双多线激光雷达的非结构化环境负障碍感知技术", 《自动化学报》 * |
阎岩等: "基于不确定性分析的自主导航轨迹评测方法", 《机器人》 * |
黄武陵: "激光雷达在无人驾驶环境感知中的应用", 《单片机与嵌入式系统应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111618908A (zh) * | 2020-05-11 | 2020-09-04 | 中国科学院合肥物质科学研究院 | 基于任务的机器人平台自主能力测试装置及测试方法 |
CN111618908B (zh) * | 2020-05-11 | 2023-08-15 | 中国科学院合肥物质科学研究院 | 基于任务的机器人平台自主能力测试装置及测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109614886B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106918299B (zh) | 一种线结构光机器视觉轮胎磨损测量方法 | |
WO2016086792A1 (zh) | 一种驾驶行为分析方法及设备 | |
CN104517281A (zh) | 用于识别车辆的设备和方法 | |
CN110889455B (zh) | 一种化工园巡检机器人的故障检测定位及安全评估方法 | |
CN107543726B (zh) | 一种无人车驾驶控制系统操控精度的测试方法及装置 | |
CN104034733A (zh) | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 | |
CN102737247A (zh) | 一种柴油车尾气烟度图像识别系统 | |
JP2018533766A (ja) | マップの内容を評価するための方法および装置 | |
CN110906953A (zh) | 一种自动驾驶定位的相对位置精度评估方法及装置 | |
CN105911563A (zh) | 一种gps静态观测数据质量实时检测的方法 | |
CN105445729A (zh) | 无人机飞行三维航迹精度检测方法及系统 | |
CN110618436A (zh) | 基于即时定位与地图构建的巡检方法、装置及设备 | |
CN105571636A (zh) | 一种用于定位目标的方法及测量设备 | |
CN115808324B (zh) | 一种中小跨径桥梁轻量化安全管理监测方法及系统 | |
CN105372650A (zh) | 一种无人机飞行航迹精度检测方法及装置 | |
CN109427216A (zh) | 待闸船只信息实时监控系统 | |
CN110018503A (zh) | 车辆的定位方法及定位系统 | |
CN101777261A (zh) | 基于卷帘式快门的cmos数字相机测定汽车速度的方法 | |
CN109614886A (zh) | 一种无人/自主驾驶系统的性能评测方法及装置 | |
CN116091477A (zh) | 基于深度学习多模态图像融合的建筑外墙缺陷检测方法 | |
CN113532499B (zh) | 无人系统的传感器安全性检测方法、设备及存储介质 | |
Liu et al. | An approach for auto bridge inspection based on climbing robot | |
CN110210361A (zh) | 一种测试场景的创建方法及装置、车载终端 | |
CN107767366A (zh) | 一种输电线路拟合方法及装置 | |
CN109334356A (zh) | 一种胎压检测方法、装置和车辆 |
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 |