CN109849816A - 一种自动驾驶汽车驾驶能力评测方法、装置及系统 - Google Patents

Abstract

本发明涉及自动驾驶车辆测试技术领域，具体公开了一种自动驾驶汽车驾驶能力评测方法，其中，包括：获取数据；分别生成测试场地模型、评测区域模型、交通标线模型和自动驾驶汽车车身轮廓模型；判断自动驾驶汽车车身轮廓模型是否进入当前评测区域；若是，判断自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线；若自动驾驶汽车车身轮廓模型通过所有评测区域的驾驶能力测试以及在任何一个评测区域内均没有压住实线，则判定自动驾驶汽车驾驶能力合格。本发明还公开了一种自动驾驶汽车驾驶能力评测装置及系统。本发明提供的自动驾驶汽车驾驶能力评测方法能够实时、快速、准确测试自动驾驶汽车行驶能力的要求。

Description

一种自动驾驶汽车驾驶能力评测方法、装置及系统

技术领域

本发明涉及自动驾驶车辆测试技术领域，尤其涉及一种自动驾驶汽车驾驶能力评测方法、自动驾驶汽车驾驶能力评测装置及包括该自动驾驶汽车驾驶能力评测装置的自动驾驶汽车驾驶能力评测系统。

背景技术

2018年4月12日，工业和信息化部、公安部和交通运输部联合印发《智能网联汽车道路测试管理规范(试行)》(以下简称“全国《管理规范》”)，对自动驾驶汽车测试过程中测试主体、测试驾驶人及测试车辆，测试申请及审核，测试管理，交通违法和事故处理等进行了明确规定。目前。在全国《管理规范》指导下，我国已有江苏省、北京、上海、重庆等多个省市发布自动驾驶汽车道路测试实施细则。工业和信息化部批准了上海、重庆、北京、浙江、武汉、长春、无锡等智能网联汽车示范区用于自动驾驶汽车驾驶能力的测试评价。

自动驾驶汽车是“人车一体”，即，自动驾驶系统代替人类驾驶人实现对车辆的自主操控，采用传统汽车或先进辅助驾驶系统的测试方法，并不能实现对自动驾驶汽车驾驶能力的测试评估，难以确认自动驾驶汽车是否具备驾驶人的基本驾驶技能，这给为自动驾驶汽车核发类似于人类驾驶人的上路行驶的驾驶证带来了极大的困难。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种自动驾驶汽车驾驶能力评测方法、自动驾驶汽车驾驶能力评测装置及包括该自动驾驶汽车驾驶能力评测装置的自动驾驶汽车驾驶能力评测系统，以解决现有技术中的问题。

作为本发明的第一个方面，提供一种自动驾驶汽车驾驶能力评测方法，其中，所述自动驾驶汽车驾驶能力评测方法包括：

获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据；

根据所述测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据分别生成测试场地模型、评测区域模型、交通标线模型和自动驾驶汽车车身轮廓模型，其中所述测试场地模型包括多个分别用于评测不同驾驶能力的所述评测区域模型，且每个所述评测区域模型均包括所述交通标线模型，所述自动驾驶汽车车身轮廓模型包括多个车身轮廓点；

计算多个车身轮廓点的实时动态数据；

根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域；

若所述自动驾驶汽车车身轮廓模型进入当前所述评测区域，则判断所述自动驾驶汽车轮廓模型能否通过当前评测区域的驾驶能力测试，以及判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线；

若所述自动驾驶汽车车身轮廓模型通过所有评测区域的驾驶能力测试以及在任何一个评测区域内均没有压住实线，则判定自动驾驶汽车驾驶能力合格。

优选地，所述根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域包括：

设定所述评测区域模型的边界线为逆时针方向；

判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系；

若每个所述车身轮廓点均在所述评测区域模型的边界线的左侧和/或在所述评测区域模型的边界线上，则判定所述驾驶汽车车身轮廓模型进入当前所述评测区域。

优选地，所述判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系包括：

选定所述评测区域模型的边界线上任意连续的两个卫星定位点；

计算两个卫星定位点组成的有向线段与每个所述车身轮廓点之间的第一向量积；

根据所述第一向量积的结果判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系。

优选地，所述根据所述第一向量积的结果判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系包括：

引入sign函数；

当sign函数的结果大于或者等于0时，每个所述车身轮廓点均在所述评测区域模型的边界线的左侧和/或在所述评测区域模型的边界线上。

优选地，所述驾驶能力测试包括：交通标志线的识别及响应测试、交通信号灯的识别及响应测试、前方及对向车辆行驶状态的识别及响应测试、障碍物的识别及响应测试、行人和非机动车的识别及响应测试、停车测试、超车测试、并道测试、交叉路口通行测试、环形路口通行和自动紧急制动测试。

优选地，所述判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线包括：

设定位于自动驾驶汽车车身轮廓模型边界上的所有车身轮廓点以逆时针方向排列；

选定自动驾驶汽车车身轮廓模型边界上的任意连续的两个车身轮廓点；

计算两个车身轮廓点组成的有向线段与当前评测区域内的实线上的每个卫星定位点之间的第二向量积；

根据所述第二向量积的结果判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线。

优选地，所述根据所述第二向量积的结果判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线包括：

引入sign函数；

若sign函数的结果大于或者等于0，则当前评测区域内的实线上的至少一个卫星定位点在所述自动驾驶汽车车身轮廓模型边界内或者在所述自动驾驶汽车车身轮廓模型边界上，判定所述自动驾驶汽车车身轮廓压住实线。

优选地，所述自动驾驶汽车驾驶能力评测方法还包括在所述获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据的步骤后进行的：

采集测试场地的厘米级高精度地图；

将采集的道路卫星定位点关联实际道路车道标线的属性；

其中，所述实际道路车道标线的属性包括虚线、车行道边缘线、车道分界线、中心分道线和停止线。

作为本发明的第二个方面，提供一种自动驾驶汽车驾驶能力评测装置，其中，所述自动驾驶汽车驾驶能力评测装置包括：

基础信息数据获取模块，所述基础信息数据获取模块用于获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据；

评测基础模型生成模块，所述评测基础模型生成模块用于根据所述测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据分别生成测试场地模型、评测区域模型、交通标线模型和自动驾驶汽车车身轮廓模型，其中所述测试场地模型包括多个分别用于评测不同驾驶能力的所述评测区域模型，且每个所述评测区域模型均包括所述交通标线模型，所述自动驾驶汽车车身轮廓模型包括多个车身轮廓点；

实时计算模块，所述实时计算模块用于计算多个车身轮廓点的实时动态数据；

评测区域判断模块，所述评测区域判断模块用于根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域；

驾驶能力测试及压线判断模块，所述驾驶能力测试及压线判断模块用于若所述自动驾驶汽车车身轮廓模型进入当前所述评测区域，则判断所述自动驾驶汽车轮廓模型能否通过当前评测区域的驾驶能力测试，以及判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线；

驾驶能力判定模块，所述驾驶能力判定模块用于若所述自动驾驶汽车车身轮廓模型通过所有评测区域的驾驶能力测试以及在任何一个评测区域内均没有压住实线，则判定自动驾驶汽车驾驶能力合格。

作为本发明的第三个方面，提供一种自动驾驶汽车驾驶能力评测系统，其中，所述自动驾驶汽车驾驶能力评测系统包括车载设备、路侧设备和前文所述的自动驾驶汽车驾驶能力评测装置，所述车载设备和所述路侧设备均与所述自动驾驶汽车驾驶能力评测装置通信连接，所述车载设备用于采集自动驾驶汽车的数据信息，所述路侧设备用于采集自动驾驶汽车的行驶状况及采集自动驾驶汽车行驶的交通状况，所述自动驾驶汽车驾驶能力评测装置能够根据自动驾驶汽车的行驶状况及自动驾驶汽车行驶的交通状况对自动驾驶汽车的驾驶能力进行评测。

本发明提供的自动驾驶汽车驾驶能力评测方法，通过建立测试场地模型、评测区域模型和自动驾驶汽车轮廓模型，实现自动判断自动驾驶汽车与测试区域之间的位置关系、自动驾驶汽车是否压实线(实线包括：车行道边缘线、车道分界实线、中心实线、停止线等)等项目的计算机辅助评判，进而对自动驾驶系统驾驶能力合格与否做出自动评判。本发明提供的自动驾驶汽车驾驶能力评测方法能够满足在大范围交通环境中实时、快速、准确测试自动驾驶汽车行驶能力的要求。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1为本发明提供的自动驾驶汽车驾驶能力评测方法的流程图。

图2为本发明提供的自动驾驶汽车驾驶能力评测装置的结构框图。

图3为本发明提供的自动驾驶汽车驾驶能力评测系统的结构框图。

图4为本发明提供的测试场地的具体实施方式示意图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

作为本发明的第一个方面，提供一种自动驾驶汽车驾驶能力评测方法，其中，如图1所示，所述自动驾驶汽车驾驶能力评测方法包括：

S110、获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据；

S120、根据所述测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据分别生成测试场地模型、评测区域模型、交通标线模型和自动驾驶汽车车身轮廓模型，其中所述测试场地模型包括多个分别用于评测不同驾驶能力的所述评测区域模型，且每个所述评测区域模型均包括所述交通标线模型，所述自动驾驶汽车车身轮廓模型包括多个车身轮廓点；

S130、计算多个车身轮廓点的实时动态数据；

S140、根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域；

S150、若所述自动驾驶汽车车身轮廓模型进入当前所述评测区域，则判断所述自动驾驶汽车轮廓模型能否通过当前评测区域的驾驶能力测试，以及判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线；

S160、若所述自动驾驶汽车车身轮廓模型通过所有评测区域的驾驶能力测试以及在任何一个评测区域内均没有压住实线，则判定自动驾驶汽车驾驶能力合格。

本发明提供的自动驾驶汽车驾驶能力评测方法，通过建立测试场地模型、评测区域模型和自动驾驶汽车轮廓模型，实现自动判断自动驾驶汽车与测试区域之间的位置关系、自动驾驶汽车是否压实线(实线包括：车行道边缘线、车道分界实线、中心实线、停止线等)等项目的计算机辅助评判，进而对自动驾驶系统驾驶能力合格与否做出自动评判。本发明提供的自动驾驶汽车驾驶能力评测方法能够满足在大范围交通环境中实时、快速、准确测试自动驾驶汽车行驶能力的要求。

应当理解的是，在对自动驾驶汽车的驾驶能力进行评测时，需要首先判断自动驾驶汽车是否进入评测区域，然后判断自动驾驶汽车在每个评测区域内是否压线，即对每个评测区域内的交通标线进行评测，由于每个评测区域均测试自动驾驶汽车的某一交通功能，因此，还要判断自动驾驶汽车是否能够通过评测区域内的交通功能的评测，只有当自动驾驶汽车通过了上述所有的评测后才能够判定该自动驾驶汽车的驾驶能力合格。

具体地，如图4所示，测试场地上的评测区域1内设置有实线、障碍物和评测区域2，在对自动驾驶汽车的驾驶能力进行评测时，需要首先判断自动驾驶汽车是否进入评测区域1，在确定自动驾驶汽车进入评测区域1后，判断自动驾驶汽车在评测区域1内是否压住实线，还要继续判断自动驾驶汽车能够避开障碍物；对于评测区域2，在确定自动驾驶汽车进入评测区域2时，说明自动驾驶汽车成功避开了障碍物，否则障碍物识别及响应这个驾驶能力测试失败；若测试场地有多个类似评测区域1的评测区域，只有当自动驾驶汽车通过上述所有评测后才能够判定该自动驾驶汽车的驾驶能力合格。

具体地，所述根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域包括：

设定所述评测区域模型的边界线为逆时针方向；

判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系；

若每个所述车身轮廓点均在所述评测区域模型的边界线的左侧和/或在所述评测区域模型的边界线上，则判定所述驾驶汽车车身轮廓模型进入当前所述评测区域。

可以理解的是，所述评测区域可以用有向凸多边形的顶点顺序按照逆时针方向排列：

P＝{p₁,p₂,......,p_n}，

其中，P表示凸多边形顶点集合，p_i＝(x_i,y_i)表示凸多边形顶点，i＝1,2,......,n，x_i表示第i个顶点的经度，y_i表示第i个顶点的纬度。

需要说明的是，形成所述自动驾驶汽车车身轮廓模型具体可以包括车载卫星定位接收天线安装位置A₁、航向信息接收天线安装位置A₂、自动驾驶汽车车辆轮廓点(a₁,a₂,......,a₃₂)、自动驾驶汽车车型特征数据、车辆车身轮廓点和A₁连线与车辆中轴线间的夹角等。

具体地，计算多个车身轮廓点的实时动态数据包括：

根据差分基站和车载卫星定位获取自动驾驶汽车实时运动矢量信息(包括位置、速度、航向等)、计算车辆轮廓点和A₁连线分别相对正北方向的方向角、再计算自动驾驶汽车车身轮廓点的实时动态数据；

其中，(x_j,y_j)表示自动驾驶汽车车身轮廓点实时动态位置经纬度坐标(j＝1，2，...,32)，(x,y)表示车载卫星定位接收天线实时动态位置经纬度坐标；r_j为第j个轮廓点和A₁连线长度；θ_j第j个轮廓点和A₁连线分别相对正北方向的方向角。

具体地，所述判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系包括：

选定所述评测区域模型的边界线上任意连续的两个卫星定位点；

计算两个卫星定位点组成的有向线段与每个所述车身轮廓点之间的第一向量积；

根据所述第一向量积的结果判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系。

应当理解的是，计算自动驾驶汽车车身轮廓点与任意连续两个卫星定位点g_i，g_i+1组成的有向线段的向量积可以包括：

将二维平面内的自动驾驶汽车车身轮廓点a_i、卫星定位点g_i升维到三维空间，则有：

a_i′＝(x_j,y_j,0)j＝1,…,32，

g_i′＝(x_i,y_i,0)i＝1,…,n，

即三维空间oxyz中平面oxy上的点，因此点a_i到g_i及g_i+1的有向线段表示为：

求两个有向线段的向量积，即：

其中，表示向量积；a,b,c分别表示向量的3个分量。计算可得：

具体地，所述根据所述第一向量积的结果判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系包括：

引入sign函数；

当sign函数的结果大于或者等于0时，每个所述车身轮廓点均在所述评测区域模型的边界线的左侧和/或在所述评测区域模型的边界线上。

需要说明的是，引入sign函数，则：

根据第一向量积计算结果可得：

1)当sign(c)＝-1时，自动驾驶汽车车身轮廓点在两个卫星定位点组成直线的右侧；

2)当sign(c)＝1时，自动驾驶汽车车身轮廓点在两个卫星定位点组成直线的左侧；

3)当sign(c)＝0且min(x_i,x_i+1)≤x_j≤max(x_i,x_i+1)，min(y_i,y_i+1)≤x_j≤max(y_i,y_i+1)时，自动驾驶汽车车身轮廓点在两个卫星定位点组成线段上。

因此，根据上述计算的第一向量积结果可以得到：自动驾驶汽车车身轮廓点在测试区域所有边的左侧或在测试区域某边上，则自动驾驶汽车在测试区域内；否则，自动驾驶汽车不在测试区域内。

具体地，所述驾驶能力测试包括：交通标志线的识别及响应测试、交通信号灯的识别及响应测试、前方及对向车辆行驶状态的识别及响应测试、障碍物的识别及响应测试、行人和非机动车的识别及响应测试、停车测试、超车测试、并道测试、交叉路口通行测试、环形路口通行和自动紧急制动测试。

具体地，所述判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线包括：

设定位于自动驾驶汽车车身轮廓模型边界上的所有车身轮廓点以逆时针方向排列；

选定自动驾驶汽车车身轮廓模型边界上的任意连续的两个车身轮廓点；

计算两个车身轮廓点组成的有向线段与当前评测区域内的实线上的每个卫星定位点之间的第二向量积；

根据所述第二向量积的结果判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线。

需要说明的是，所述交通标线模型中的实线均由卫星定位点按照逆时针方向组成：

L＝{g₁,g₂,......,g_n}，

其中，L表示组成实线卫星定位点集合，g_i表示卫星定位点，i＝1,2,......,n。

具体地，所述根据所述第二向量积的结果判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线包括：

引入sign函数；

若sign函数的结果大于或者等于0，则当前评测区域内的实线上的至少一个卫星定位点在所述自动驾驶汽车车身轮廓模型边界内或者在所述自动驾驶汽车车身轮廓模型边界上，判定所述自动驾驶汽车车身轮廓压住实线。

关于是否压线的具体判断过程可以参照前文的进入评测区域的判断方式。因此，计算行车道实线卫星定位点与自动驾驶汽车车身轮廓的关系，如果车道实线卫星定位点在自动驾驶汽车车身轮廓边上或者内部，则自动驾驶汽车压线；否则，自动驾驶汽车未压线

具体地，所述自动驾驶汽车驾驶能力评测方法还包括在所述获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据的步骤后进行的：

采集测试场地的厘米级高精度地图；

将采集的道路卫星定位点关联实际道路车道标线的属性；

其中，所述实际道路车道标线的属性包括虚线、车行道边缘线、车道分界线、中心分道线和停止线。

作为本发明的第二个方面，提供一种自动驾驶汽车驾驶能力评测装置，其中，如图2所示，所述自动驾驶汽车驾驶能力评测装置100包括：

基础信息数据获取模块110，所述基础信息数据获取模块110用于获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据；

评测基础模型生成模块120，所述评测基础模型生成模块120用于根据所述测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据分别形成测试场地模型、评测区域模型、交通标线模型和自动驾驶汽车车身轮廓模型，其中所述测试场地模型包括多个分别用于评测不同交通功能的所述评测区域模型，且每个所述评测区域模型均包括所述交通标线模型，所述自动驾驶汽车车身轮廓模型包括多个车身轮廓点；

实时计算模块130，所述实时计算模块130用于计算多个车身轮廓点的实时动态数据；

评测区域判断模块140，所述评测区域判断模块140用于根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域；

驾驶能力测试及压线判断模块150，所述驾驶能力测试及压线判断模块150用于若所述自动驾驶汽车车身轮廓模型进入当前所述评测区域，则判断所述自动驾驶汽车轮廓模型能否通过当前评测区域的驾驶能力测试，以及判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线；

驾驶能力判定模块160，所述驾驶能力判定模块160用于若所述自动驾驶汽车车身轮廓模型通过所有评测区域的驾驶能力测试以及在任何一个评测区域内均没有压住实线，则判定自动驾驶汽车驾驶能力合格。

本发明提供的自动驾驶汽车驾驶能力评测装置，通过建立测试场地模型、评测区域模型和自动驾驶汽车轮廓模型，实现自动判断自动驾驶汽车与测试区域之间的位置关系、自动驾驶汽车是否压实线(实线包括：车行道边缘线、车道分界实线、中心实线、停止线等)等项目的计算机辅助评判，进而对自动驾驶系统驾驶能力合格与否做出自动评判。本发明提供的自动驾驶汽车驾驶能力评测装置能够满足在大范围交通环境中实时、快速、准确测试自动驾驶汽车行驶能力的要求。

关于本发明提供的自动驾驶汽车驾驶能力评测装置的工作过程可以参照前文的自动驾驶汽车驾驶能力评测方法的描述，此处不再赘述。

作为本发明的第三个方面，提供一种自动驾驶汽车驾驶能力评测系统，其中，如图3所示，所述自动驾驶汽车驾驶能力评测系统10包括车载设备200、路侧设备300和前文所述的自动驾驶汽车驾驶能力评测装置100，所述车载设备200和所述路侧设备300均与所述自动驾驶汽车驾驶能力评测装置100通信连接，所述车载设备200用于采集自动驾驶汽车的数据信息，所述路侧设备300用于采集自动驾驶汽车的行驶状况及采集自动驾驶汽车行驶的交通状况，所述自动驾驶汽车驾驶能力评测装置100能够根据自动驾驶汽车的行驶状况及自动驾驶汽车行驶的交通状况对自动驾驶汽车的驾驶能力进行评测。

本发明提供的自动驾驶汽车驾驶能力评测系统，通过建立测试场地模型、评测区域模型和自动驾驶汽车轮廓模型，实现自动判断自动驾驶汽车与测试区域之间的位置关系、自动驾驶汽车是否压实线(实线包括：车行道边缘线、车道分界实线、中心实线、停止线等)等项目的计算机辅助评判，进而对自动驾驶系统驾驶能力合格与否做出自动评判。本发明提供的自动驾驶汽车驾驶能力评测系统能够满足在大范围交通环境中实时、快速、准确测试自动驾驶汽车行驶能力的要求。

具体地，所述车载设备200可以包括车载卫星定位设备、车载监控摄像头、车载数据采集终端；所述车载卫星定位设备用于采集自动驾驶车辆位置、航向角等信息，并将所采集的信息汇总通过4G等方式发送至自动驾驶汽车驾驶能力评测装置100；所述车载监控摄像头用于监控自动驾驶汽车驾驶人是否人工干预、车辆前方交通状况等信息；所述车载数据采集终端用于通过OBD/CAN采集车辆速度、加速度、转向、制动等信息并将所采集的所有信息汇总通过4G等方式发送至自动驾驶汽车驾驶能力评测装置100。

具体地，所述路侧设备300可以包括路侧视频监控系统和测评辅助工具；所述路侧视频监控系统用于采集测试车辆行驶状况及周围交通状况视频信息；所述测评辅助工具用于模拟行人、非机动车、障碍物等场景。

需要说明的是，所述自动驾驶汽车驾驶能力评测装置100还可以包括厘米级高精地图模块、车载数据接入模块、车载定位数据接入模块、自动评判模块、测评管理模块等；所述厘米级高精地图模块用于存储采集的道路标线卫星定位点及其关联实际道路车道标线的属性，用于与车载定位信息融合计算实现智能化评测；所述车载数据接入模块用于接受并存储车载数据采集终端发回的数据；所述车载定位数据接入模块用于接受并存储车载卫星定位设备发回的数据；所述自动评判模块用于根据各个模块提供的数据利用本专利所述的自动驾驶汽车驾驶能力计算机智能评测方法对自动驾驶汽车的驾驶能力进行自动化评判；所述测评管理模块用于向测试辅助工具和自动驾驶汽车发布测试任务指令。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种自动驾驶汽车驾驶能力评测方法，其特征在于，所述自动驾驶汽车驾驶能力评测方法包括：

获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据；

根据所述测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据分别生成测试场地模型、评测区域模型、交通标线模型和自动驾驶汽车车身轮廓模型，其中所述测试场地模型包括多个分别用于评测不同驾驶能力的所述评测区域模型，且每个所述评测区域模型均包括所述交通标线模型，所述自动驾驶汽车车身轮廓模型包括多个车身轮廓点；

计算多个车身轮廓点的实时动态数据；

根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域；

若所述自动驾驶汽车车身轮廓模型进入当前所述评测区域，则判断所述自动驾驶汽车轮廓模型能否通过当前评测区域的驾驶能力测试，以及判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线；

若所述自动驾驶汽车车身轮廓模型通过所有评测区域的驾驶能力测试以及在任何一个评测区域内均没有压住实线，则判定自动驾驶汽车驾驶能力合格。

2.根据权利要求1所述的自动驾驶汽车驾驶能力评测方法，其特征在于，所述根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域包括：

设定所述评测区域模型的边界线为逆时针方向；

判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系；

若每个所述车身轮廓点均在所述评测区域模型的边界线的左侧和/或在所述评测区域模型的边界线上，则判定所述驾驶汽车车身轮廓模型进入当前所述评测区域。

3.根据权利要求2所述的自动驾驶汽车驾驶能力评测方法，其特征在于，所述判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系包括：

选定所述评测区域模型的边界线上任意连续的两个卫星定位点；

计算两个卫星定位点组成的有向线段与每个所述车身轮廓点之间的第一向量积；

根据所述第一向量积的结果判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系。

4.根据权利要求3所述的自动驾驶汽车驾驶能力评测方法，其特征在于，所述根据所述第一向量积的结果判断每个所述车身轮廓点与所述评测区域模型的边界线的位置关系包括：

引入sign函数；

当sign函数的结果大于或者等于0时，每个所述车身轮廓点均在所述评测区域模型的边界线的左侧和/或在所述评测区域模型的边界线上。

5.根据权利要求1所述的自动驾驶汽车驾驶能力评测方法，其特征在于，所述驾驶能力测试包括：交通标志线的识别及响应测试、交通信号灯的识别及响应测试、前方及对向车辆行驶状态的识别及响应测试、障碍物的识别及响应测试、行人和非机动车的识别及响应测试、停车测试、超车测试、并道测试、交叉路口通行测试、环形路口通行和自动紧急制动测试。

6.根据权利要求1所述的自动驾驶汽车驾驶能力评测方法，其特征在于，所述判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线包括：

设定位于自动驾驶汽车车身轮廓模型边界上的所有车身轮廓点以逆时针方向排列；

选定自动驾驶汽车车身轮廓模型边界上的任意连续的两个车身轮廓点；

计算两个车身轮廓点组成的有向线段与当前评测区域内的实线上的每个卫星定位点之间的第二向量积；

根据所述第二向量积的结果判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线。

7.根据权利要求6所述的自动驾驶汽车驾驶能力评测方法，其特征在于，所述根据所述第二向量积的结果判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线包括：

引入sign函数；

若sign函数的结果大于或者等于0，则当前评测区域内的实线上的至少一个卫星定位点在所述自动驾驶汽车车身轮廓模型边界内或者在所述自动驾驶汽车车身轮廓模型边界上，判定所述自动驾驶汽车车身轮廓压住实线。

8.根据权利要求1所述的自动驾驶汽车驾驶能力评测方法，其特征在于，所述自动驾驶汽车驾驶能力评测方法还包括在所述获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据的步骤后进行的：

采集测试场地的厘米级高精度地图；

将采集的道路卫星定位点关联实际道路车道标线的属性；

其中，所述实际道路车道标线的属性包括虚线、车行道边缘线、车道分界线、中心分道线和停止线。

9.一种自动驾驶汽车驾驶能力评测装置，其特征在于，所述自动驾驶汽车驾驶能力评测装置包括：

基础信息数据获取模块，所述基础信息数据获取模块用于获取测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据；

评测基础模型生成模块，所述评测基础模型生成模块用于根据所述测试场地数据、评测区域数据、交通标线数据和自动驾驶汽车车身轮廓数据分别生成测试场地模型、评测区域模型、交通标线模型和自动驾驶汽车车身轮廓模型，其中所述测试场地模型包括多个分别用于评测不同驾驶能力的所述评测区域模型，且每个所述评测区域模型均包括所述交通标线模型，所述自动驾驶汽车车身轮廓模型包括多个车身轮廓点；

实时计算模块，所述实时计算模块用于计算多个车身轮廓点的实时动态数据；

评测区域判断模块，所述评测区域判断模块用于根据所述车身轮廓点的实时动态数据以及每个所述评测区域模型判断所述自动驾驶汽车车身轮廓模型是否进入当前所述评测区域；

驾驶能力测试及压线判断模块，所述驾驶能力测试及压线判断模块用于若所述自动驾驶汽车车身轮廓模型进入当前所述评测区域，则判断所述自动驾驶汽车轮廓模型能否通过当前评测区域的驾驶能力测试，以及判断所述自动驾驶汽车车身轮廓模型是否压住当前评测区域内的实线；

驾驶能力判定模块，所述驾驶能力判定模块用于若所述自动驾驶汽车车身轮廓模型通过所有评测区域的驾驶能力测试以及在任何一个评测区域内均没有压住实线，则判定自动驾驶汽车驾驶能力合格。

10.一种自动驾驶汽车驾驶能力评测系统，其特征在于，所述自动驾驶汽车驾驶能力评测系统包括车载设备、路侧设备和权利要求9所述的自动驾驶汽车驾驶能力评测装置，所述车载设备和所述路侧设备均与所述自动驾驶汽车驾驶能力评测装置通信连接，所述车载设备用于采集自动驾驶汽车的数据信息，所述路侧设备用于采集自动驾驶汽车的行驶状况及采集自动驾驶汽车行驶的交通状况，所述自动驾驶汽车驾驶能力评测装置能够根据自动驾驶汽车的行驶状况及自动驾驶汽车行驶的交通状况对自动驾驶汽车的驾驶能力进行评测。