CN109764881B

CN109764881B - 无人驾驶汽车测试方法、装置、电子设备及介质

Info

Publication number: CN109764881B
Application number: CN201811496440.5A
Authority: CN
Inventors: 郭胜敏; 左鹏; 袁少杰; 梁长乐; 孙亚夫; 夏曙东
Original assignee: Beijing Palmgo Information Technology Co ltd
Current assignee: Beijing Palmgo Information Technology Co ltd
Priority date: 2018-12-07
Filing date: 2018-12-07
Publication date: 2021-05-07
Anticipated expiration: 2038-12-07
Also published as: CN109764881A

Abstract

本申请提供一种无人驾驶汽车测试方法及装置、电子设备及计算机可读介质。所述无人驾驶汽车测试方法，包括：确定无人驾驶汽车在测试过程中的行驶轨迹信息；根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景；根据所述无人驾驶汽车在测试过程中的运行状态信息，确定所述无人驾驶汽车经过所述场景时的特征数据；根据所述特征数据确定所述无人驾驶汽车的测试结果。相较于现有技术，本申请提供的无人驾驶汽车测试方法，无需人工参与即可自动根据采集的信息完成测试，得到量化的测试结果，由于全程可自动化完成，因此具有较高的效率，又由于不需人工参与统计和评价，因此测试结果更加客观、准确。

Description

无人驾驶汽车测试方法、装置、电子设备及介质

技术领域

本申请涉及无人驾驶汽车测试技术领域，具体涉及一种无人驾驶汽车测试方法及装置、一种电子设备及计算机可读介质。

背景技术

无人驾驶作为汽车未来的研究方向，对汽车行业甚至是交通运输业有着深远的影响。无人驾驶汽车的来临将能够解放人类的双手，降低交通事故发生的频率，保证人们的安全。同时随着人工智能、传感检测等核心技术的突破和不断推进，无人驾驶必将更加智能化，同时也能够实现无人驾驶汽车的产业化。

无人驾驶汽车在上路实测之前，需要在管理机构认可的封闭测试场中进行不少于规定里程与规定场景的测试，这里的场景指立交桥、环岛、S型弯道、直角弯道、起伏路等一些典型化的道路形态。

无人驾驶测试场是重现无人驾驶汽车使用中遇到的各种各样道路条件和使用条件的测试场地，用于验证和试验无人驾驶汽车的软件算法的正确性。试验道路是实际存在的各种各样的道路经过集中、浓缩、不失真的强化并典型化的道路，包括高速公路、城市道路、乡村道路等正常路面，及可造成汽车强烈颠簸的坏路等。此外，测试场还要布局GPS基站、通讯基站、智能红绿灯等基础设施，提供无人驾驶和车联网技术的测试环境。无人驾驶汽车在测试场试验比在实验室或一般行驶条件下的试验更严格、更科学、更迅速、更实际。

当前针对无人驾驶汽车在各种场景中的测试，主要是依赖于人工观察、统计和评价来完成，效率较低，且容易因人工主观因素导致测试结果准确性不足。鉴于上述问题，需要提供一种较为客观、高效的无人驾驶汽车测试方案。

发明内容

鉴于上述问题，本申请提供一种无人驾驶汽车测试方法及装置，以及一种电子设备及计算机可读介质。

本申请第一方面提供一种无人驾驶汽车测试方法，包括：

确定无人驾驶汽车在测试过程中的行驶轨迹信息；

根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景；

根据所述无人驾驶汽车在测试过程中的运行状态信息，确定所述无人驾驶汽车经过所述场景时的特征数据；

根据所述特征数据确定所述无人驾驶汽车的测试结果。

在本申请第一方面的一些变更实施方式中，所述根据所述无人驾驶汽车在测试过程中的运行状态信息，确定所述无人驾驶汽车经过所述场景时的特征数据之前，还包括：

获取通过所述无人驾驶汽车的汽车总线采集的运行状态信息；

根据所述行驶轨迹信息的采集时间和所述运行状态信息的采集时间，将所述行驶轨迹信息与所述运行状态信息进行关联。

在本申请第一方面的一些变更实施方式中，所述根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景，包括：

确定测试场的电子地图中的路段与场景的映射关系；

将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息；

根据所述行驶轨迹信息对应的路段信息和所述映射关系，确定所述无人驾驶汽车经过的场景。

在本申请第一方面的一些变更实施方式中，所述将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息，包括：

采用启发式路径匹配方法，将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息。

在本申请第一方面的一些变更实施方式中，所述采用启发式路径匹配方法，将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息，包括：

对所述行驶轨迹信息进行抽稀处理，得到抽稀后的行驶轨迹信息；

采用启发式路径匹配方法，将所述抽稀后的行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息。

在本申请第一方面的一些变更实施方式中，所述根据所述行驶轨迹信息对应的路段信息和所述映射关系，确定所述无人驾驶汽车经过的场景，包括：

取一个场景，根据所述映射关系确定所述场景对应的路段信息；

将所述场景对应的路段信息与所述行驶轨迹信息对应的路段信息进行匹配，根据匹配结果确定所述无人驾驶汽车是否经过所述场景。

在本申请第一方面的一些变更实施方式中，所述根据所述特征数据确定所述无人驾驶汽车的测试结果，包括：

将所述特征数据和所述场景的特征指标进行匹配，并根据匹配结果确定所述无人驾驶汽车的测试结果。

本申请第二方面提供一种无人驾驶汽车测试装置，包括：

行驶轨迹确定模块，用于确定无人驾驶汽车在测试过程中的行驶轨迹信息；

场景确定模块，用于根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景；

特征数据确定模块，用于根据所述无人驾驶汽车在测试过程中的运行状态信息，确定所述无人驾驶汽车经过所述场景时的特征数据；

测试结果确定模块，根据所述特征数据确定所述无人驾驶汽车的测试结果。

在本申请第二方面的一些变更实施方式中，所述装置，还包括：

运行状态信息获取模块，用于获取通过所述无人驾驶汽车的汽车总线采集的运行状态信息；

运行状态信息关联模块，用于根据所述行驶轨迹信息的采集时间和所述运行状态信息的采集时间，将所述行驶轨迹信息与所述运行状态信息进行关联。

在本申请第二方面的一些变更实施方式中，所述场景确定模块，包括：

地图映射单元，用于确定测试场的电子地图中的路段与场景的映射关系；

地图匹配单元，用于将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息；

场景确定单元，用于根据所述行驶轨迹信息对应的路段信息和所述映射关系，确定所述无人驾驶汽车经过的场景。

在本申请第二方面的一些变更实施方式中，所述地图匹配单元，包括：

启发式地图匹配子单元，用于采用启发式路径匹配方法，将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息。

在本申请第二方面的一些变更实施方式中，所述启发式地图匹配子单元，包括：

轨迹信息抽稀子单元，用于对所述行驶轨迹信息进行抽稀处理，得到抽稀后的行驶轨迹信息；

抽稀轨迹匹配子单元，用于采用启发式路径匹配方法，将所述抽稀后的行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息。

在本申请第二方面的一些变更实施方式中，所述场景确定单元，包括：

场景路段确定子单元，用于取一个场景，根据所述映射关系确定所述场景对应的路段信息；

路段匹配子单元，用于将所述场景对应的路段信息与所述行驶轨迹信息对应的路段信息进行匹配，根据匹配结果确定所述无人驾驶汽车是否经过所述场景。

在本申请第二方面的一些变更实施方式中，所述测试结果确定模块，包括：

特征匹配单元，用于将所述特征数据和所述场景的特征指标进行匹配，并根据匹配结果确定所述无人驾驶汽车的测试结果。

本申请第三方面提供一种电子设备，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，所述处理器运行所述计算机程序时执行本申请第一方面所述的方法。

本申请第四方面提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行本申请第一方面所述的方法。

相较于现有技术，本申请第一方面提供的无人驾驶汽车测试方法，通过确定无人驾驶汽车在测试过程中的行驶轨迹信息，并根据测试场的电子地图确定所述无人驾驶汽车经过的场景，然后即可根据所述无人驾驶汽车在测试过程中的状态信息确定所述无人驾驶汽车经过所述场景时的特征数据，并根据所述特征数据确定所述无人驾驶汽车的测试结果，无需人工参与即可自动根据采集的信息完成测试，并得到量化的测试结果，由于全程可自动化完成，因此具有较高的效率，又由于不需人工参与统计和评价，因此测试结果更加客观、准确。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本申请一些实施方式所提供的一种无人驾驶汽车测试方法的流程图；

图2示出了本申请一些具体实施方式所提供的一种无人驾驶汽车测试方法的流程图；

图3示出了本申请一些实施方式所提供的一种路网的示意图；

图4示出了本申请一些实施方式所提供的一种无人驾驶汽车测试装置的示意图；

图5示出了本申请一些实施方式所提供的一种电子设备的示意图；

图6示出了本申请一些实施方式所提供的一种计算机可读介质的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请一些实施方式提供了一种无人驾驶汽车测试方法及装置，以及一种电子设备及计算机可读介质。下面结合附图对本申请的实施例进行说明。

请参考图1，其示出了本申请一些实施方式所提供的一种无人驾驶汽车测试方法的流程图，所述无人驾驶汽车测试方法，包括以下步骤：

步骤S101：确定无人驾驶汽车在测试过程中的行驶轨迹信息。

其中，所述行驶轨迹信息可以包括按时序采集的所述无人驾驶汽车的位置点的集合，每一个采集时间对应于一个位置点的定位信息。具体的，所述行驶轨迹信息可以包括定位数据，例如GPS定位数据、北斗导航定位数据等，本申请实施例不做限定。

步骤S102：根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景。其中，所述测试场包括无人驾驶测试场。

步骤S103：根据所述无人驾驶汽车在测试过程中的运行状态信息，确定所述无人驾驶汽车经过所述场景时的特征数据。

其中，所述特征数据可以包括但不限于平均车速、最高车速、最低车速、加速度、转弯车速、耗时、刹车距离、油耗等，本领域技术人员可以结合实际需求灵活设置，本申请实施例不做限定。

步骤S104：根据所述特征数据确定所述无人驾驶汽车的测试结果。

在本申请实施例的一些变更实施方式中，所述根据所述无人驾驶汽车在测试过程中的运行状态信息，确定所述无人驾驶汽车经过所述场景时的特征数据之前，还包括：

其中，所述汽车总线包括但不限于CAN总线、LIN总线、FlexRay总线和MOST总线等，本申请实施例不做限定。

在本申请实施例的一些变更实施方式中，所述根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景，包括：

确定测试场的电子地图中的路段与场景的映射关系；

在本申请实施例的一些变更实施方式中，所述将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息，包括：

其中，所述启发式路径匹配方法可以采用申请号为CN200610112606.X、公开号为CN1948913A的中国专利申请“用于处理大规模浮动车数据的启发式路径匹配方法”所提供的方法，或在上述方法的基础上变更实施，本申请不做限定。

在本申请实施例的一些变更实施方式中，所述采用启发式路径匹配方法，将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息，包括：

在本申请实施例的一些变更实施方式中，所述根据所述行驶轨迹信息对应的路段信息和所述映射关系，确定所述无人驾驶汽车经过的场景，包括：

在本申请实施例的一些变更实施方式中，所述根据所述特征数据确定所述无人驾驶汽车的测试结果，包括：

以上，为本申请实施例所提供的一种无人驾驶汽车测试方法的示例性说明，相较于现有技术，本申请实施例提供的无人驾驶汽车测试方法，无需人工参与即可自动根据采集的信息完成测试，由于全程可自动化完成，并得到量化的测试结果，因此具有较高的效率，又由于不需人工参与统计和评价，因此可以得到更加客观、准确的测试结果。综上，所述无人驾驶汽车测试方法具有客观、高效和准确度高等优点。

下面结合具体实施例对本申请提供的无人驾驶汽车测试方法进一步进行说明，请参考图2，其示出了本申请一些具体实施方式所提供的一种无人驾驶汽车测试方法的流程图，请参考图2，所述无人驾驶汽车测试方法可以包括以下步骤：

一、数据预处理

以所述行驶轨迹信息包括GPS定位数据、所述运行状态信息包括CAN总线数据为例，无人驾驶汽车在测试场完成测试过程后，可以从所述无人驾驶汽车获取所述GPS定位数据和CAN总线数据。

其中，GPS定位数据记录了无人驾驶汽车的定位信息：

GPS＝{g|g＝<t,(x,y),v,θ>}

其中，t表示位置点g的定位信息的采集时刻，(x,y)表示位置点g的经纬度信息，v和θ分别表示无人驾驶汽车在位置点g处的速度和方向角；

CAN总线数据记录了无人驾驶汽车行驶的状态信息：

CAN＝{c|c＝<t,mode,Θ(light),Θ(turn),…>}

其中，t表示采集时刻，mode表示人工加入/全自动驾驶/半自动驾驶等状态，Θ(light)表示无人驾驶汽车灯光的实时状态，Θ(turn)表示无人驾驶汽车方向盘的实时状态等。

数据预处理需要按照采集时刻将CAN总线数据关联到GPS定位数据上，但由于GPS定位设备和无人驾驶汽车CAN-BUS设备由不同的时钟控制，需要按照最近时间的策略进行关联。

其中，数据预处理还可以包括检验各数据项是否满足标准的定义，如果不满足，需要按照标准定义进行转换，抑或终止统计过程，返回厂家修改。

二、场景定义和标注

给定一个路网G＝<N,E>，其中N＝{n₁,n₂,…n_p}是路网中点(node)的集合，E＝{e₁,e₂,…,e_q}是路网中路段(edge)的集合。

本申请实施例将场景定义如下：

其中，s_id表示场景标识，s_type表示场景的类型，例如立交桥、环岛等道路场景类型。

表示该场景包含的路段序列集合。

在一些实施方式中，路段e_k可以包括属性描述和空间位置描述两个方面，其中，所述属性描述可以包括e_k的唯一标识、路名、通行方向等属性信息，所述空间位置描述可以包括组成路段线型的经纬度点序列。请参考图3，图3是由8个点(node)、3条路段(edge)构成的路网示意图。

定义划线点序为路网作图时描述路段给出的点序列，例如，e₁的划线点序为n₁→n₂→n₃→n₄，e₂的划线点序为n₄→n₅→n₆，e₃的划线点序为n₄→n₇→n₈。

定义通行方向标识DF为交通流方向(即无人驾驶汽车的行驶方向)与划线点序的关系，设DF＝1为划线点序的双向都可以通行，DF＝2为只有划线点序的正向可以通行，而DF＝3表示划线方向点序的反向可以通行。在本申请实施例中，用+e_k表示与路段e_k的划线点序相同的行驶方向，-e_k表示与路段的e_k划线点序相反的行驶方向。

设e₁.DF＝1、e₂.DF＝2和e₃.DF＝3，其指代的含义是+e₁(n₁→n₂→n₃→n₄)、-e₁(n₄→n₃→n₂→n₁)、+e₂(n₄→n₅→n₆)、-e₃(n₈→n₇→n₄)为车流的可行驶方向。

根据路段的相邻关系和车流行驶方向，可以定义出路网的拓扑。仍以图3为例，+e₁的终点n₄与+e₂的起点相同，则存在+e₁→+e₂的拓扑关系，同理存在-e₃→-e₁和-e₃→+e₂的拓扑关系。

本申请实施例可以将每一个场景定义为路段的一个新增属性，如果一条路段属于该场景，则在相应的场景属性中标记为该场景的ID。还以图3为例，新增场景后的路网属性定义如下述表1所示：

表1

在表1中，定义了R-Turn、L-Turn和Straight等3个场景，其中10是R-Turn的一个场景编号，在该场景下包含2条路段+e₂和-e₃(由场景编号的符号“+/-”决定)，再结合路网的拓扑关系，可以得到场景的定义为S10＝<10,R-TURN,{-e₃→+e₂}>，同理可得其他场景S20＝<20,L-TURN,{-e₃→-e₁}>、S30＝<30,Stright,{+e₁→+e₂}>，并将此作为场景文件输出。

在无人驾驶测试场中，道路的通行方向、道路场景的划分和设置依赖于一些可变动的标识标线，当需要调整标识标线来改变路网的拓扑和场景划分时，只需要对DF以及增减场景Scene下的列，以及调整列表里的场景与路段的对应关系(映射关系)即可，不需要调整计算程序，因此具有较高的灵活性。

为了能够充分发现无人驾驶汽车测试过程中的问题，除了正常场景外，还可以定义一些异常场景，如未按标识标线行驶等，例如可以将e₂的DF属性定义为1，则-e₂→-e₁可定义为一个逆行的场景。

三、地图匹配

无人驾驶测试场的试验道路是实际存在的各种各样的道路经过集中、浓缩、不失真的强化并典型化的道路。与真实路网相比，无人驾驶测试场内的道路具有如下特点：

1、在面积有限的场地内配置各类性的道路，其典型特点是路网密度高，一个位置点可以在其周边匹配到多条道路上，在地图匹配过程中存在干扰；

2、无人驾驶测试场内的道路是按照场景布置的，为了对场景进行精确描述，决定了无人驾驶测试场的道路粒度细，道路长度比较小。

3、由于测试场的道路有限，无人车在测试过程中，不可避免地会在短时间内重复经过同一路段，造成行驶轨迹信息的叠加和相互干扰，影响地图匹配的精度。

申请号为CN200610112606.X、公开号为CN1948913A的中国专利申请“用于处理大规模浮动车数据的启发式路径匹配方法”公开了一种通过相邻位置点间的向量

与路段向量

比较来搜索无人驾驶汽车行驶路径的方法。但在本发明的应用场景中，无人车GPS采样频率较高，使得g_i和g_i+1之间的距离很小，

与

比较得到的启发信息不足。针对上述问题，本申请实施例可以首先对无人驾驶汽车采集到的行驶轨迹信息按照空间距离进行抽稀，设输入的无人驾驶汽车行驶轨迹信息为track＝g₁→g₂→…g_i→…→g_m，抽稀后的行驶轨迹信息为track′＝g₁′(1)→g₂′(f(2))→…g_i′(f(i))→…→g_n′(m)，其中f(i)记录了抽稀后的点在原始行驶轨迹信息中的下标位置(注：第一个点和最后一个点保留)。

对于track′中相邻的任意两个位置点g_i′(f(i))和g_i′₊₁(f(i+1))(1≤i<n-1)，满足dis(g_i′(f(i)),g_i′₊₁(f(i+1))>α，其中dis(,)为距离计算函数，α为设定的距离阈值。

对抽稀后的行驶轨迹信息track′执行启发式路径匹配方法(可以采用申请号为CN200610112606.X、公开号为CN1948913A的中国专利申请“用于处理大规模浮动车数据的启发式路径匹配方法”所提供的方法，或在上述方法的基础上变更实施)，得到track′中相邻任意两点间的路径集合

如果path(i,i+1)存在多条可能的路径

则将track中g_f(i)到g_f(i+1)中所有的位置点向路径

做投影，取平均匹配距离最短的路径作为path(i,i+1)的结果。

将track中g_f(i)到g_f(i+1)中所有的位置点向路径

做投影，得到

中每一条路段

无人驾驶汽车进入和离开对应的位置点在track的下标，分别记为

和

基于上述过程，得到无人驾驶汽车行驶轨迹信息track与电子地图匹配后的路段信息：

四、场景计算和统计

对于给定的任意一个场景S，将其包含的路段序列(即所述场景对应的路段信息)与Path的路段序列(即所述行驶轨迹信息对应的路段信息)进行匹配，这个问题等价于经典的字符串匹配算法，本实施例可采用KMP算法求解。

设场景S匹配上了Path的路段子序列

则认为无人驾驶汽车在行驶过程中经过该场景一次，通过

和

可以在track反查出无人驾驶汽车经过该场景的位置点序列

进一步计算可以得到无人驾驶汽车经过该场景的一些运行状态信息，统计可得相应的特征数据，例如平均速度、耗时、速度、加速度等信息，结合场景的指标条件，可以进一步判定无人驾驶汽车是否存在超速、人工介入、异常灯光等行为。

基于每一个场景的特征数据统计，可以汇总统计出无人驾驶汽车在整个测试过程中经过场景的类型、次数以及分类型统计无人驾驶汽车的异常行为，最终完成对无人驾驶汽车测试过程的量化统计和评估，得到测试结果。

上述实施例提供的无人驾驶汽车测试方法，无需人工参与即可自动根据采集的信息完成测试，得到量化的测试结果，由于全程可自动化完成，因此具有较高的效率，又由于不需人工参与统计和评价，因此可以得到更加客观、准确的测试结果。

与上述无人驾驶汽车测试方法相对应的，本申请还提供一种无人驾驶汽车测试装置。所述的装置可以包括使用了本申请所述无人驾驶汽车测试方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端、量子计算机等并结合必要的实施硬件的装置。基于同一创新构思，本申请提供的一种实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本申请具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

具体的，图4是本申请提供的一种无人驾驶汽车测试装置实施例的模块结构示意图，如图4所示，所述无人驾驶汽车测试装置10，可以包括：

行驶轨迹确定模块101，用于确定无人驾驶汽车在测试过程中的行驶轨迹信息；

场景确定模块102，用于根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景；

特征数据确定模块103，用于根据所述无人驾驶汽车在测试过程中的运行状态信息，确定所述无人驾驶汽车经过所述场景时的特征数据；

测试结果确定模块104，根据所述特征数据确定所述无人驾驶汽车的测试结果。

在本申请实施例的一些变更实施方式中，所述装置10，还包括：

在本申请实施例的一些变更实施方式中，所述场景确定模块102，包括：

在本申请实施例的一些变更实施方式中，所述地图匹配单元，包括：

在本申请实施例的一些变更实施方式中，所述启发式地图匹配子单元，包括：

在本申请实施例的一些变更实施方式中，所述场景确定单元，包括：

在本申请实施例的一些变更实施方式中，所述测试结果确定模块104，包括：

本申请实施例提供的无人驾驶汽车测试装置10，与本申请前述实施例提供的无人驾驶汽车测试方法出于相同的发明构思，具有相同的有益效果。

在上述的实施例中，提供了一种无人驾驶汽车测试方法及装置，与之相对应的，本申请还提供一种电子设备，所述电子设备可以是任意具有数据处理、运算功能的电子设备，例如，台式机电脑、笔记本电脑、服务器、服务器集群等。请参考图5，图5为本申请实施例提供的一种电子设备的示意图。如图5所示，所述电子设备20包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本申请提供的任一无人驾驶汽车测试方法。

其中，存储器201可能包含高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。

总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本申请实施例任一实施方式揭示的所述无人驾驶汽车测试方法可以应用于处理器200中，或者由处理器200实现。

处理器200可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。

本申请实施例提供的电子设备与本申请实施例提供的无人驾驶汽车测试方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。

本申请实施例还提供一种与上述无人驾驶汽车测试方法相对应的计算机可读介质，请参考图6，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施例所提供的无人驾驶汽车测试方法。

需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。

本申请实施例提供的计算机可读存储介质与本申请实施例提供的无人驾驶汽车测试方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

需要说明的是，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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，在本申请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。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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)执行本申请各个实施例所述方法的全部或部分步骤。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。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，其均应涵盖在本申请的权利要求和说明书的范围当中。

Claims

1.一种无人驾驶汽车测试方法，其特征在于，包括：

确定无人驾驶汽车在测试过程中的行驶轨迹信息；

根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景；其中，所述根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景，包括：

确定测试场的电子地图中的路段与场景的映射关系；

将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息；其中，所述将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息，包括：

采用启发式路径匹配方法，将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息；其中，所述采用启发式路径匹配方法，将所述行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息，包括：

采用启发式路径匹配方法，将所述抽稀后的行驶轨迹信息与所述电子地图进行匹配，确定所述行驶轨迹信息对应的路段信息；

根据所述行驶轨迹信息对应的路段信息和所述映射关系，确定所述无人驾驶汽车经过的场景；

根据所述行驶轨迹信息的采集时间和所述运行状态信息的采集时间，将所述行驶轨迹信息与所述运行状态信息进行关联；其中，所述行驶轨迹信息包括GPS定位数据，所述运行状态信息包括CAN总线数据，其中，所述GPS定位数据记录了无人驾驶汽车的定位信息：

GPS＝{g|g＝<t,(x,y),v,θ>}，其中，t表示位置点g的定位信息的采集时刻，(x,y)表示位置点g的经纬度信息，v和θ分别表示无人驾驶汽车在位置点g处的速度和方向角；其中，所述CAN总线数据记录了无人驾驶汽车行驶的状态信息：CAN＝{c|c＝<t,mode,Θ(light),Θ(turn),…>}

其中，t表示采集时刻，mode表示人工加入/全自动驾驶/半自动驾驶状态，Θ(light)表示无人驾驶汽车灯光的实时状态，Θ(turn)表示无人驾驶汽车方向盘的实时状态；其中，所述将所述行驶轨迹信息与所述运行状态信息进行关联，包括：

将所述CAN总线数据关联到GPS定位数据上；

根据所述特征数据确定所述无人驾驶汽车的测试结果；其中，所述根据所述特征数据确定所述无人驾驶汽车的测试结果，包括：

将所述特征数据和所述场景的特征指标进行匹配，并根据匹配结果确定所述无人驾驶汽车的测试结果；

其中，所述将所述特征数据和所述场景的特征指标进行匹配时通过字符串匹配算法进行匹配，所述字符串匹配算法包括KMP算法；

其中，所述场景定义为：

其中，s_id表示场景标识，s_type表示场景的类型，

表示该场景包含的路段序列集合。

2.根据权利要求1所述的方法，其特征在于，所述根据所述行驶轨迹信息对应的路段信息和所述映射关系，确定所述无人驾驶汽车经过的场景，包括：

3.一种无人驾驶汽车测试装置，其特征在于，包括：

场景确定模块，用于根据测试场的电子地图和所述行驶轨迹信息确定所述无人驾驶汽车经过的场景；其中，所述场景确定模块具体用于：

确定测试场的电子地图中的路段与场景的映射关系；

GPS＝{g|g＝<t,(x,y),v,θ>}，其中，t表示位置点g的定位信息的采集时刻，(x,y)表示位置点g的经纬度信息，v和θ分别表示无人驾驶汽车在位置点g处的速度和方向角；其中，所述CAN总线数据记录了无人驾驶汽车行驶的状态信息：CAN＝{c|c＝〈t,mode,Θ(light),Θ(turn),…>}

将所述CAN总线数据关联到GPS定位数据上；

测试结果确定模块，根据所述特征数据确定所述无人驾驶汽车的测试结果；

其中，所述测试结果确定模块具体用于：

其中，所述场景定义为：

其中，s_id表示场景标识，s_type表示场景的类型，

表示该场景包含的路段序列集合。

4.一种电子设备，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，所述处理器运行所述计算机程序时执行权利要求1至2任一项所述的方法。

5.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行权利要求1至2任一项所述的方法。