CN109739216B - 自动驾驶系统实际路测的测试方法及系统 - Google Patents
自动驾驶系统实际路测的测试方法及系统 Download PDFInfo
- Publication number
- CN109739216B CN109739216B CN201910071335.5A CN201910071335A CN109739216B CN 109739216 B CN109739216 B CN 109739216B CN 201910071335 A CN201910071335 A CN 201910071335A CN 109739216 B CN109739216 B CN 109739216B
- Authority
- CN
- China
- Prior art keywords
- data
- test
- vehicle
- simulation
- scene
- 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.)
- Expired - Fee Related
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 53
- 238000010998 test method Methods 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000010276 construction Methods 0.000 claims abstract description 7
- 238000013145 classification model Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Abstract
一种自动驾驶系统实际路测的测试方法及系统，该方法包括：采集步骤、识别和分类步骤、构建仿真场景步骤、数据转换步骤、接收步骤和决策控制步骤。按照本申请中实施例的方案，保证自动驾驶系统实际路测测试准确性的同时，提高了实际路测的测试效率，降低了测试成本和危险测试项目在实际路测中风险。
Description
技术领域
本发明涉及测试技术领域，具体涉及一种自动驾驶系统实际路测的测试方法及系统。
背景技术
无人驾驶系统作为一个复杂的软硬件结合系统，其安全可靠运行需要车载硬件、传感器集成、感知预测、以及控制规划等多个模块的协同配合工作。
由于实际交通路况复杂、测试车辆和成本等原因，使得实际路测中的测试场景不够丰富，实际路测效率很低，并且，对于某些情况十分紧急的测试项目，在实际路测中是非常昂贵和危险的。目前，一般采用仿真模型来测试自动驾驶系统，但会存在仿真测试场景与实际交通路况不符的问题，导致测试结果不准确。在申请号为CN201710002116.2的专利中，基于人工驾驶车辆所采集的与实际交通有关的数据来构建测试场景，基于构建的测试场景来测试自动驾驶性能。解决了人工构建的测试场景与真实的交通场景不符的问题，但仅仅采用仿真场景来测试；由于虚拟车辆与实际车辆存在差异，实际交通状况又存在多变性，使得仅依靠仿真测试无法真实反映出实际无人驾驶车辆的性能，导致测试结果不够准确。
发明内容
本申请提供一种自动驾驶系统实际路测的测试方法及系统，能够根据测试项目，在实际路测中融入虚拟场景，丰富了测试场景，保证测试准确性的同时提高的实际路测安全性，减小了测试成本。
第一方面，本申请的实施例提供了一种自动驾驶系统实际路测的测试方法，该测试方法包括：
数据接收步骤：接收交通信息数据；
决策控制步骤：根据所述交通信息数据，生成预测轨迹；根据所述预测轨迹生成车辆控制指令，以使得车辆在实际场景中进行自动驾驶测试。
在一些实施例，所述数据接收步骤包括：
采集步骤：自动驾驶车辆上的传感器实时采集实际场景的交通信息数据并保存；
识别和分类步骤：获取本次测试以前的历史数据，并基于所述历史数据进行识别和分类；
构建仿真场景步骤：调取已分类数据中与测试项目相关的数据，并基于该数据构建仿真场景，根据所述仿真场景，输出仿真数据；
数据转换步骤：读取所述仿真数据并将所述仿真数据转换为传感器数据；
接收步骤：同时接收所述传感器数据和实际场景数据。
在一些实施例，所述识别和分类步骤包括：
对所述历史数据进行人工标注，获得训练集；
基于所述训练集，进行机器学习，获得分类模型；
基于所述分类模型对所述历史数据进行识别和分类。
在一些实施例，所述交通信息数据包括：物体信息和环境信息；所述物体信息包括以下至少一种：车辆的位置、车辆的驾驶状态、车辆的导航路线、车辆与其他车辆、行人、障碍物之间的位置关系；所述环境信息包括以下至少一种：道路状况、天气状况、交通指示。
第二方面，本申请提供了一种自动驾驶系统实际路测的测试系统，该系统包括：
储存器，用于储存程序；
处理器，用于通过执行所述存储器存储的程序以实现如权利要求1-4中任一项所述的方法。
第三方面，本申请提供了一种自动驾驶系统实际路测的测试装置，该测试装置包括：
数据接收装置：用于接收交通信息数据；
决策控制装置：用于根据所述交通信息数据，生成预测轨迹；根据所述预测轨迹生成车辆控制指令，以使得车辆在实际场景中进行自动驾驶测试。
在一些实施例，所述数据接收装置包括：
传感器：用于实时采集实际场景的交通信息数据并保存；
识别和分类装置：用于获取本次测试以前的历史数据，并基于所述历史数据进行识别和分类；
仿真场景构建装置：用于调取已分类数据中与测试项目相关的数据，并基于该数据构建仿真场景，根据所述仿真场景，输出仿真数据；
数据转换装置：用于读取所述仿真数据并将所述仿真数据转换为传感器数据；
接收装置：用于同时接收所述传感器数据和实际场景数据。
在一些实施例，所述识别和分类装置包括：
用于对所述历史数据进行人工标注，获得训练集的装置；
用于基于所述训练集，进行机器学习，获得分类模型的装置；
用于基于所述分类模型对所述历史数据进行识别和分类的装置。
在一些实施例，所述交通信息数据包括：物体信息和环境信息；所述物体信息包括以下至少一种：车辆的位置、车辆的驾驶状态、车辆的导航路线、车辆与其他车辆、行人、障碍物之间的位置关系；所述环境信息包括以下至少一种：道路状况、天气状况、交通指示。
第三方面，本申请还提供了一种计算机可读存储介质，该存储介质包括程序，所述程序能够被处理器执行以实现如权利要求1-4中任一项所述的方法。
依据上述实施例的一种自动驾驶系统实际路测的测试方法及系统，在实际路测中结合仿真场景来对自动驾驶系统进行测试，提高测试准确性和实际路测的测试效率，降低了测试成本和危险测试项目在实际路测中风险。
附图说明
图1为本申请提供的实施例中一种自动驾驶系统实际路测的测试方法的流程图；
图2为本申请提供的实施例中一种自动驾驶系统实际路测的测试方法的数据接收步骤的流程图；
图3为本申请提供的实施例中一种自动驾驶系统实际路测的测试方法的识别和分类步骤的流程图；
图4为本申请提供的实施例中一种自动驾驶系统实际路测的测试装置的结构框图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
目前，在自动驾驶系统的实际路测中，实际车辆上还未加入仿真场景，路测效率低，且需要大量的实际场景测试才能完善其决策算法。由于实际交通状况复杂多变，某一些场景的情况十分紧急，这类危险的测试项目在实际路测中费用较高，且危险系数也较高。此外，由于驾驶员的不可控性和实际交通状况的多变性，仅仅依靠仿真测试又无法保证测试结果的准确性。
本申请的实施例提供了一种自动驾驶系统实际路测的测试方法及系统，能够有效解决自动驾驶系统实际路测时成本高、效率低、一些极限情况难以测试的问题。
图1是本申请提供的实施例中一种自动驾驶系统实际路测的测试方法的流程图。如图1所示，测试方法100包括：
数据接收步骤S1：接收交通信息数据。
决策控制步骤S2：根据接收的交通信息数据，生成预测轨迹；根据预测轨迹生成车辆控制指令，以使得车辆在实际场景中进行自动驾驶测试。
具体地，基于接收到的交通信息数据对物体进行行为预测。接收到的交通信息数据包括位置，速度，朝向以及物体分类(如车辆，行人，自行车)等物理属性，还包括周边环境的信息，利用这些信息，对物体做行为预测，生成行为预测轨迹，行为预测轨迹既包括了物体在将来一段时间内运动的方向，还体现了它们在运动中的速度变化。基于行为预测轨迹，做出决策，以控制汽车的油门、刹车和方向盘等。
图2为本申请提供的实施例中一种自动驾驶系统实际路测的测试方法的数据接收步骤的流程图。如图2所示，数据接收步骤S1包括：
采集步骤S110：自动驾驶车辆上的传感器实时采集实际场景的交通信息数据并保存。
识别和分类步骤S120：获取本次测试以前的历史数据，并基于所述历史数据进行识别和分类。
构建仿真场景步骤130：调取已分类数据中与测试项目相关的数据，并基于该数据构建仿真场景，根据所述仿真场景，输出仿真数据。
数据转换步骤140：读取所述仿真数据并将所述仿真数据转换为传感器数据。
接收步骤150：同时接收所述传感器数据和实际场景数据。
图3为本申请提供的实施例中一种自动驾驶系统实际路测的测试方法的识别和分类步骤的流程图。如图3所示，识别和分类步骤S120包括：
S121：对历史数据进行人工标注，获得训练集。
优选地，可通过标框标注的方式进行人工标注，便于机器对物体进行识别。
S122：基于训练集，进行机器学习，获得分类模型。
S123：基于分类模型对历史数据进行识别和分类。
举例来说，要对汽车进行识别和分类，机器需通过大量具有汽车标注的数据进行学习。假设现在有1000个历史数据，首先通过人工标注将其中900个历史数据中的汽车标注出来，构成一个训练集，然后机器从该训练集中进行学习得到一个分类模型，基于分类模型就能对剩余100个历史数据中的汽车进行识别和分类。
在一些实施例，交通信息数据包括：物体信息和环境信息；所述物体信息包括以下至少一种：车辆的位置、车辆的驾驶状态、车辆的导航路线、车辆与其他车辆、行人或障碍物之间的位置关系；应当理解的是，还可以包括诸如车辆的速度、加速度、方向等车辆状态。所述环境信息包括以下至少一种：道路状况、天气状况、交通指示。除此以外，还可以包括如路面平整度等可能影响车辆行驶的环境信息。
依据上述实施例，根据本申请提供的一种自动驾驶系统实际路测的测试方法，在实际路测中结合仿真场景来对自动驾驶系统进行测试，保证测试准确性的同时，提高了实际路测的测试效率，降低了测试成本，提高了危险测试项目在实际路测中安全性。
图4为本申请提供的实施例中一种自动驾驶系统实际路测的测试装置的结构框图。如图4所示，测试装置200包括：数据接收装置210和决策控制装置220，数据接收装置210用于接收交通信息数据。决策控制装置220用于根据所述交通信息数据，生成预测轨迹；根据所述预测轨迹生成车辆控制指令，以使得车辆在实际场景中进行自动驾驶测试。其中，数据接收装置210包括：
传感器211：用于实时采集实际场景的交通信息数据并保存。具体地，传感器211包括如图像传感器、雷达传感器、超声波传感器、红外传感器、状态传感器中的一个或多个，用于采集车辆周围行人、障碍、其他车辆、建筑、交通标识、道路指示、道路状况、天气状况的信息，检测车辆与四周障碍物之间的距离。
识别和分类装置212：用于获取本次测试以前的历史数据，并基于所述历史数据进行识别和分类。
仿真场景构建装置213：用于调取已分类数据中与测试项目相关的数据，并基于该数据构建仿真场景，根据所述仿真场景，输出仿真数据。
数据转换装置214：用于读取所述仿真数据并将所述仿真数据转换为传感器数据。
接收装置215：用于同时接收所述传感器数据和实际场景数据。
举例来说，在实际路测时，当测试项目为卡车突然穿过这类危险项目时，传感器211实时采集实际场景数据，仿真场景构建装置213调取已分类数据中与卡车突然穿过相关的数据，构建仿真场景，并根据构建的仿真场景输出仿真数据，数据转换装置214将仿真数据转换为传感器数据，接收装置215同时接收传感器数据和传感器211实时采集的实际场景数据，决策控制装置220基于所述传感器数据和实际场景数据对物体进行行为预测，并做出决策，以控制自动驾驶车辆在实际场景中刹车、转向或鸣笛等操作，从而将卡车突然穿过这类危险的测试项目与实际路测结合在一起，达到降低测试成本，提高测试效率和测试的安全的目的。
在一些实施例，识别和分类装置212还包括：用于对所述历史数据进行人工标注，获得训练集的装置；用于基于所述训练集，进行机器学习，获得分类模型的装置和用于基于所述分类模型对所述历史数据进行识别和分类的装置。
本申请还提供了一种自动驾驶系统实际路测的测试系统，该测试系统包括：储存器，用于储存程序。处理器，用于通过执行所述存储器存储的程序以实现自动驾驶系统实际路测的测试方法。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。
Claims (8)
1.一种自动驾驶系统实际路测的测试方法，其特征在于，包括：
数据接收步骤：接收交通信息数据；
决策控制步骤：根据所述交通信息数据，生成预测轨迹；根据所述预测轨迹生成车辆控制指令，以使得车辆在实际场景中进行自动驾驶测试；
所述数据接收步骤包括：
采集步骤：自动驾驶车辆上的传感器实时采集实际场景的交通信息数据并保存；
识别和分类步骤：获取本次测试以前的历史数据，并基于所述历史数据进行识别和分类；
构建仿真场景步骤：调取已分类数据中与测试项目相关的数据，并基于该数据构建仿真场景，根据所述仿真场景，输出仿真数据；
数据转换步骤：读取所述仿真数据并将所述仿真数据转换为传感器数据；
接收步骤：同时接收所述传感器数据和实际场景数据。
2.如权利要求1所述的方法，其特征在于，所述识别和分类步骤包括：对所述历史数据进行人工标注，获得训练集；
基于所述训练集，进行机器学习，获得分类模型；
基于所述分类模型对所述历史数据进行识别和分类。
3.如权利要求1所述的方法，其特征在于，所述交通信息数据包括：物体信息和环境信息；所述物体信息包括以下至少一种：车辆的位置、车辆的驾驶状态、车辆的导航路线、车辆与其他车辆、行人、障碍物之间的位置关系；所述环境信息包括以下至少一种：道路状况、天气状况、交通指示。
4.一种自动驾驶系统实际路测的测试系统，其特征在于，包括：
存储器，用于储存程序；
处理器，用于通过执行所述存储器存储的程序以实现如权利要求1-3中任一项所述的方法。
5.一种自动驾驶系统实际路测的测试装置，其特征在于，包括：
数据接收装置：用于接收交通信息数据；
决策控制装置：用于根据所述交通信息数据，生成预测轨迹；根据所述预测轨迹生成车辆控制指令，以使得车辆在实际场景中进行自动驾驶测试；
所述数据接收装置包括：
传感器：用于实时采集实际场景的交通信息数据并保存；
识别和分类装置：用于获取本次测试以前的历史数据，并基于所述历史数据进行识别和分类；
仿真场景构建装置：用于调取已分类数据中与测试项目相关的数据，并基于该数据构建仿真场景，根据所述仿真场景，输出仿真数据；
数据转换装置：用于读取所述仿真数据并将所述仿真数据转换为传感器数据；
接收装置：用于同时接收所述传感器数据和实际场景数据。
6.如权利要求5所述的装置，其特征在于，所述识别和分类装置包括：
用于对所述历史数据进行人工标注，获得训练集的装置；
用于基于所述训练集，进行机器学习，获得分类模型的装置；
用于基于所述分类模型对所述历史数据进行识别和分类的装置。
7.如权利要求5所述的装置，其特征在于，所述交通信息数据包括：物体信息和环境信息；所述物体信息包括以下至少一种：车辆的位置、车辆的驾驶状态、车辆的导航路线、车辆与其他车辆、行人、障碍物之间的位置关系；所述环境信息包括以下至少一种：道路状况、天气状况、交通指示。
8.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910071335.5A CN109739216B (zh) | 2019-01-25 | 2019-01-25 | 自动驾驶系统实际路测的测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910071335.5A CN109739216B (zh) | 2019-01-25 | 2019-01-25 | 自动驾驶系统实际路测的测试方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109739216A CN109739216A (zh) | 2019-05-10 |
| CN109739216B true CN109739216B (zh) | 2021-01-05 |
Family
ID=66366060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910071335.5A Expired - Fee Related CN109739216B (zh) | 2019-01-25 | 2019-01-25 | 自动驾驶系统实际路测的测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109739216B (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110243610B (zh) * | 2019-05-13 | 2020-06-09 | 北京航空航天大学 | 一种移动和固定组合的多维干扰自动驾驶测试系统及方法 |
| 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 |
| CN110377982B (zh) * | 2019-07-01 | 2023-07-11 | 深圳中集智能科技有限公司 | 自动驾驶性能的测试方法及系统、电子设备、存储介质 |
| CN110304066B (zh) * | 2019-07-22 | 2021-07-20 | 爱驰汽车有限公司 | 自动驾驶模式下的路线选择方法、系统、设备及存储介质 |
| CN110597086B (zh) * | 2019-08-19 | 2023-01-13 | 深圳元戎启行科技有限公司 | 仿真场景生成方法、无人驾驶系统测试方法以及装置 |
| CN112683544A (zh) * | 2019-10-17 | 2021-04-20 | 北京百度网讯科技有限公司 | 无人车行驶能力验证方法、装置、设备及存储介质 |
| CN110955159B (zh) * | 2019-11-28 | 2021-05-11 | 安徽江淮汽车集团股份有限公司 | 自动驾驶仿真例编制方法、装置、电子设备及存储介质 |
| CN111222438A (zh) * | 2019-12-31 | 2020-06-02 | 的卢技术有限公司 | 一种基于深度学习的行人轨迹预测方法和系统 |
| CN111415513B (zh) * | 2020-03-26 | 2022-02-08 | 公安部交通管理科学研究所 | 一种自动驾驶汽车行驶安全性测试方法、装置及系统 |
| CN113359673B (zh) * | 2020-06-29 | 2022-09-30 | 钧捷智能（深圳）有限公司 | 一种基于大数据的自动驾驶汽车性能判定系统 |
| CN111781855B (zh) * | 2020-07-15 | 2023-10-13 | 北京领骏科技有限公司 | 一种交通在环自动驾驶仿真系统 |
| CN111859674A (zh) * | 2020-07-23 | 2020-10-30 | 深圳慕智科技有限公司 | 一种基于语义的自动驾驶测试图像场景构建方法 |
| CN112183899A (zh) * | 2020-11-04 | 2021-01-05 | 北京嘀嘀无限科技发展有限公司 | 确定安全度预测模型的方法、装置、设备和存储介质 |
| CN112528477B (zh) * | 2020-12-03 | 2024-03-08 | 安徽江淮汽车集团股份有限公司 | 道路场景仿真方法、设备、存储介质及装置 |
| CN112995286A (zh) * | 2021-02-04 | 2021-06-18 | 福瑞泰克智能系统有限公司 | 辅助驾驶系统的数据管理系统、方法和存储介质 |
| CN113607184A (zh) * | 2021-09-15 | 2021-11-05 | 新石器慧通（北京）科技有限公司 | 车辆导航方法、装置、电子设备及存储介质 |
| CN114035545A (zh) * | 2021-11-08 | 2022-02-11 | 苏州挚途科技有限公司 | 自动驾驶算法仿真测试方法、装置及电子设备 |
| CN114913620A (zh) * | 2022-05-18 | 2022-08-16 | 一汽解放汽车有限公司 | 数据提取方法、装置、计算机设备和存储介质 |
| CN116010289B (zh) * | 2023-03-27 | 2023-06-13 | 禾多科技（北京）有限公司 | 自动驾驶仿真场景测试方法、装置、电子设备和可读介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107991898A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试装置及电子设备 |
| CN107992016A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试方法 |
| CN108241354B (zh) * | 2016-12-26 | 2022-11-22 | 法法汽车(中国)有限公司 | 用于自动驾驶仿真系统的测试方法 |
| CN107169567B (zh) * | 2017-03-30 | 2020-04-07 | 深圳先进技术研究院 | 一种用于车辆自动驾驶的决策网络模型的生成方法及装置 |
| CN108958066A (zh) * | 2017-05-19 | 2018-12-07 | 百度在线网络技术（北京）有限公司 | 仿真测试方法和装置 |
| CN107843440B (zh) * | 2017-10-30 | 2019-12-13 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆性能测试系统及方法 |
| CN109213126B (zh) * | 2018-09-17 | 2020-05-19 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车测试系统和方法 |
-
2019
- 2019-01-25 CN CN201910071335.5A patent/CN109739216B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN109739216A (zh) | 2019-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109739216B (zh) | 自动驾驶系统实际路测的测试方法及系统 | |
| US10976410B1 (en) | Generating data using radar observation model based on machine learning | |
| US20230315093A1 (en) | Augmenting autonomous driving with remote viewer recommendation | |
| CN111527013B (zh) | 车辆变道预测 | |
| US9836895B1 (en) | Simulating virtual objects | |
| CN110673602B (zh) | 一种强化学习模型、车辆自动驾驶决策的方法和车载设备 | |
| CN110796007B (zh) | 场景识别的方法与计算设备 | |
| JP2019185783A (ja) | シミュレーションプラットフォームに配置された、機械学習モデルを訓練するためのシステム及び方法 | |
| CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
| CN109064763A (zh) | 自动驾驶车辆的测试方法、装置、测试设备和存储介质 | |
| CN113052321B (zh) | 从短期意图和长期结果生成轨迹标记 | |
| CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
| CN111832652B (zh) | 决策模型的训练方法及装置 | |
| WO2020007589A1 (en) | Training a deep convolutional neural network for individual routes | |
| CN113424209B (zh) | 使用深度学习多预测器融合和贝叶斯优化的轨迹预测 | |
| US20220383736A1 (en) | Method for estimating coverage of the area of traffic scenarios | |
| CN114764523A (zh) | 利用自主驾驶车辆的模型训练和车载验证的系统和方法 | |
| CN116324662B (zh) | 用于跨自主车队执行结构化测试的系统 | |
| US11654938B1 (en) | Methods and apparatus for disengaging an autonomous mode based on lateral error of an autonomous vehicle | |
| Marques et al. | YOLOv3: Traffic Signs & Lights Detection and Recognition for Autonomous Driving. | |
| US20220300851A1 (en) | System and method for training a multi-task model | |
| CN113741384B (zh) | 检测自动驾驶系统的方法和装置 | |
| US11938939B1 (en) | Determining current state of traffic light(s) for use in controlling an autonomous vehicle | |
| US11900689B1 (en) | Traffic light identification and/or classification for use in controlling an autonomous vehicle | |
| US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210105 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |