CN109901546B - 辅助驾驶车辆硬件在环仿真测试方法和系统 - Google Patents
辅助驾驶车辆硬件在环仿真测试方法和系统 Download PDFInfo
- Publication number
- CN109901546B CN109901546B CN201711304051.3A CN201711304051A CN109901546B CN 109901546 B CN109901546 B CN 109901546B CN 201711304051 A CN201711304051 A CN 201711304051A CN 109901546 B CN109901546 B CN 109901546B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- hardware
- test
- dynamics
- simulation
- 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.)
- Active
Links
Images
Abstract
本发明涉及辅助驾驶车辆硬件在环仿真测试方法和系统,待测智能控制器根据相应场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器再将纵向动力学的指令发送至整车动力学模型,驾驶员模型和整车动力学模型各自对所述横向动力学的指令和纵向动力学的指令分别进行响应,生成当前车辆姿态信息,将当前车辆姿态信息和标准车辆姿态信息进行对比,判断硬件在环仿真测试情况。本发明将待测智能车控制器与整车控制器进行联合仿真,按照实车系统构建仿真平台,提高仿真还原度、仿真精度,解决实车测试周期长、效率低、成本高、测试受场景、天气限制等因素影响的问题。
Description
技术领域
本发明属于新能源客车智能驾驶的仿真测试领域,具体涉及辅助驾驶车辆硬件在环仿真测试方法和系统。
背景技术
智能客车或汽车是集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,通过先进的传感器、控制器、执行器等装置,通过车载传感系统和信息终端实现与人、车、路等的智能信息交换,使客车具备智能的环境感知能力,能够自动分析客车行驶的安全及危险状态,并使客车按照人的意愿到达目的地,最终实现替代人来操作的目的。电动客车智能驾驶的发展带给我们巨大便捷的同时,其安全性也成为了广大客户,以及每个主机厂开发人员关注的重中之重。
目前,在智能客车或辅助驾驶车辆的电控系统开发流程中,测试是其中的重要环节。而现阶段的测试方案主要为实车测试方法,可真实的采集各传感器、智能控制器、执行器之间交互的数据,对智能控制器中的融合算法及决策算法进行测试验证。然而实车测试具有周期长,对测试场景高度依赖,测试受到人、车、路、天气、光照、交通等条件限制,测试成本高,效率低,部分极限工况难以测试等缺点,因而单一的实车测试无法满足测试需要。
现有技术中,《汽车电器》2013年第7期的论文《整车电控系统硬件在环测试技术研究》(作者为吕峰)介绍了目前整车电控系统的在环测试原理和测试过程。由于自主驾驶或辅助驾驶车辆中的智能车控制器与电动客车整车控制器之间存在纵向控制等交互,因此,上述方法只涉及普通车辆的电控系统的硬件在环仿真测试,不适用于自主驾驶或辅助驾驶车辆硬件在环仿真测试。
发明内容
本发明的目的是提供辅助驾驶车辆硬件在环仿真测试方法和系统,用于解决现有技术无法对辅助驾驶车辆进行硬件在环仿真测试的问题。
为解决上述技术问题,本发明提出一种辅助驾驶车辆硬件在环仿真测试方法,包括以下方法方案:
方法方案一,包括如下步骤:
1)根据设置的测试场景采集相应场景信息,并将相应场景信息发送给待测智能车控制器,所述测试场景包括车辆周围环境要素和交通要素;
2)待测智能车控制器根据所述场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器将纵向动力学的指令发送给硬件在环仿真平台中的整车动力学模型;
3)驾驶员模型对所述横向动力学的指令进行响应,整车动力学模型对所述纵向动力学的指令进行响应,响应生成当前车辆姿态信息,将当前车辆姿态信息与标准车辆姿态信息进行对比,判断所述硬件在环仿真测试是否通过。
方法方案二,在方法方案一的基础上,所述环境要素包括天气情况、光照情况以及交通标识。
方法方案三,在方法方案一的基础上,所述交通要素包括车辆周围移动物体的运动姿态和运动轨迹。
方法方案四,在方法方案一的基础上,所述横向动力学的指令包括转向指令,所述纵向动力学的指令包括车速的变速指令、紧急制动指令。
为解决上述技术问题,本发明还提出一种辅助驾驶车辆硬件在环仿真测试系统,包括以下系统方案:
系统方案一,包括场景仿真模块、传感器仿真模块、硬件在环仿真平台和上位机,其中,硬件在环仿真平台用于分别连接待测智能车控制器、整车控制器和上位机;
场景仿真模块用于设置测试场景,测试场景包括车辆周围环境要素和交通要素;传感器仿真模块用于根据设置的测试场景采集相应场景信息,并将相应场景信息发送给待测智能车控制器;待测智能车控制器用于根据所述场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器将纵向动力学的指令发送给硬件在环仿真平台中的整车动力学模型;驾驶员模型对所述横向动力学的指令进行响应,整车动力学模型对所述纵向动力学的指令进行响应,响应生成当前车辆姿态信息,所述上位机用于将当前车辆姿态信息与标准车辆姿态信息进行对比,判断所述硬件在环仿真测试是否通过。
系统方案二,在系统方案一的基础上,所述环境要素包括天气情况、光照情况以及交通标识。
系统方案三,在系统方案一的基础上,所述交通要素包括车辆周围移动物体的运动姿态和运动轨迹。
系统方案四,在系统方案一的基础上,所述横向动力学的指令包括转向指令,所述纵向动力学的指令包括车速的变速指令、紧急制动指令。
系统方案五,在系统方案一的基础上,所述上位机还用于对仿真测试过程中的数据进行监控。
系统方案六,在系统方案一的基础上,传感器仿真模块包括毫米波雷达仿真模块、超声波雷达仿真模块、摄像头仿真模块。
本发明的有益效果是:
本发明根据设置的测试场景采集相应场景信息,待测智能控制器根据场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器再将纵向动力学的指令发送至整车动力学模型,驾驶员模型和整车动力学模型各自对所述横向动力学的指令和纵向动力学的指令分别进行响应,生成当前车辆姿态信息,将当前车辆姿态信息和标准车辆姿态信息进行对比,判断硬件在环仿真测试情况。本发明将待测智能车控制器与整车控制器进行联合仿真,按照实车系统构建仿真平台,提高仿真还原度、仿真精度,解决实车测试周期长、效率低、成本高、测试受场景、天气限制等因素影响的问题。
同时,本发明可同时满足智能车控制器硬件在环测试,以及整车控制器硬件在环测试要求,智能车控制器开发可沿用整车控制器开发工具链,工具链包括硬件平台以及整车动力学模型和驾驶员模型,缩短研发周期,提高测试效率。
附图说明
图1是一种电动客车智能驾驶的硬件在环仿真平台系统示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
实施例一:
本发明的辅助驾驶车辆硬件在环仿真测试方法,包括以下步骤:
根据设置的测试场景采集相应场景信息,该测试场景包括车辆周围环境要素和交通要素,环境要素包括天气情况、光照情况以及交通标识,交通要素包括车辆周围移动物体的运动姿态和运动轨迹。然后,将相应场景信息发送给待测智能车控制器,待测智能车控制器根据场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器将纵向动力学的指令发送给硬件在环仿真平台中的整车动力学模型,横向动力学的指令包括转向指令,纵向动力学的指令包括车速的变速指令、紧急制动指令。最后,驾驶员模型对所述横向动力学的指令进行响应,整车动力学模型对所述纵向动力学的指令进行响应,响应生成当前车辆姿态信息,将当前车辆姿态信息与标准车辆姿态信息进行对比,判断硬件在环仿真测试是否通过。
基于上述方法,本发明提出一种辅助驾驶车辆硬件在环仿真测试系统,包括场景仿真模块、传感器仿真模块、硬件在环仿真平台和上位机,其中,硬件在环仿真平台用于分别连接待测智能车控制器、整车控制器和上位机,智能车控制器分别通信连接传感器仿真模块、整车控制器。该测试系统中,整车控制器为与待测智能车控制器相配套使用的整车控制器,也可以采用固定的整车控制器,测试待测智能车控制器。
场景仿真模块用于设置测试场景,测试场景包括车辆周围环境要素和交通要素;传感器仿真模块包括毫米波雷达仿真模块、超声波雷达仿真模块、摄像头仿真模块,这些传感器仿真模块用于根据设置的测试场景采集相应场景信息,并将相应场景信息发送给待测智能车控制器;待测智能车控制器用于根据获取的场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器将纵向动力学的指令发送给硬件在环仿真平台中的整车动力学模型;驾驶员模型对所述横向动力学的指令进行响应,整车动力学模型对所述纵向动力学的指令进行响应,响应生成当前车辆姿态信息,上位机用于将当前车辆姿态信息与标准车辆姿态信息进行对比,判断所述硬件在环仿真测试是否通过。
本发明将智能车控制器与电动客车整车控制器进行联合仿真,按照实车系统构建仿真平台,提高仿真还原度、仿真精度,解决实车测试周期长、效率低、成本高、测试受场景、天气限制等因素影响的问题。
实施例二:
本发明的智能客车硬件在环仿真测试系统,包括智能车控制器、电动客车整车控制器、NI(National Instruments,美国国家仪器有限公司)硬件在环仿真平台、场景仿真软件、整车动力学模型,如图1所示。
NI硬件在环仿真平台主要由实时处理器、模拟采集板卡、模拟输出板卡、CAN卡、以及外围信号调理板卡、故障注入板卡构成,其与电动客车整车控制器之间按照实车控制器引脚定义通过线束连接,我们将整车动力学模型下载运行在NI下位机(即NI硬件在环仿真平台)中,此系统构成了电动客车整车控制器硬件在环仿真平台。我们可通过实验操作界面,执行驾驶员操作,如上电、换挡、踩油门、刹车等动作,来模拟实车工况,并能通过该界面对测试过程中的数据进行监控。该系统可单独用来对整车控制器进行功能测试。
电动客车智能驾驶即是在新能源电动客车基础上,增加了毫米波雷达、超声波雷达、摄像头等传感器来进行环境感知,再由智能车控制器对各传感器采集的数据进行信息融合,最终交由决策层处理后发出指令进行跟车、变道、超车、避让等动作。因而我们在仿真时,可在电动客车整车控制器硬件在环仿真平台基础上,增加场景和传感器仿真模块,并接入智能车控制器。该系统中,整车动力学模型为6自由度车辆模型,在仿真中,将车辆运动状态,包括x、y、z轴的速度和位移,以及yaw、pitch、roll三个角速度以CAN通讯发送给场景仿真软件,来构筑车辆姿态。
在场景和传感器仿真方面,按照实车传感器布置及通讯协议进行配置,将传感器输出的数据通过CAN卡以CAN通讯形式发送给智能车控制器,智能车控制器经过信息融合以及决策算法处理后,将横向动力学的指令(如转向)发送给驾驶员模型,将纵向动力学的指令(如车速保持、紧急制动等)发送给整车控制器,将仿真贴合实际,高度还原实车系统构型。
通过本硬件在环仿真系统,可在场景仿真软件中设置各种驾驶场景,如针对自动紧急刹车系统(Automatic Emergency Braking)的测试,可在目标车辆的行进路线中,以时间触发形式设置交通车辆突然出现,目标车辆通过摄像头、毫米波雷达等传感器反馈的目标相对速度、相对距离等信息,传递给智能车控制器,由控制器做出刹车指令。通过读取刹车生效点目标车辆与交通车辆的距离,结合当前车速,以及最终两车是否相撞等信息,判断测试是否通过。
针对上述系统,本实施对应的测试方法如下:
步骤一,测试需求分析。根据智能车控制器各功能模块需求,分析测试场景中需要构筑的环境要素(如天气、光照、以及信号灯、交通标识等)、以及交通要素(周围车辆、行人的运动姿态及轨迹等)。
步骤二,根据需求分析,设置测试场景。通过设置不同环境、交通因素,使测试更充分。
步骤三,通过上位机界面设置驾驶员操作(如上电、挂档、踩油门、踩刹车等),使目标车辆进入测试场景,通过实验操作界面以及CAN采集设备,监控过程中智能车控制器以及整车控制器的状态及指令,并在场景仿真软件监控车辆姿态,判定测试是否通过。
步骤四,通过编辑脚本,将上述操作固化,设置判定条件,自动分析测试结果,实现自动化测试,方便进行场景复现以及回归测试。
本发明将智能车控制器与电动客车整车控制器接入仿真平台,场景仿真软件与智能车控制器之间、智能车控制器与电动客车整车控制器之间通过CAN卡进行信息交互,按照实车传感器布置及通讯协议进行仿真,并通过设置各种天气、交通等场景及工况,对智能车控制器进行功能测试。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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权利要求范围之内。
Claims (10)
1.一种辅助驾驶车辆硬件在环仿真测试方法,其特征在于,包括以下步骤:
1)根据设置的测试场景采集相应场景信息,并将相应场景信息发送给待测智能车控制器,所述测试场景包括车辆周围环境要素和交通要素;
2)待测智能车控制器根据所述场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器将纵向动力学的指令发送给硬件在环仿真平台中的整车动力学模型;
3)驾驶员模型对所述横向动力学的指令进行响应,整车动力学模型对所述纵向动力学的指令进行响应,响应生成当前车辆姿态信息,将当前车辆姿态信息与标准车辆姿态信息进行对比,判断所述硬件在环仿真测试是否通过。
2.根据权利要求1所述的辅助驾驶车辆硬件在环仿真测试方法,其特征在于,所述环境要素包括天气情况、光照情况以及交通标识。
3.根据权利要求1所述的辅助驾驶车辆硬件在环仿真测试方法,其特征在于,所述交通要素包括车辆周围移动物体的运动姿态和运动轨迹。
4.根据权利要求1所述的辅助驾驶车辆硬件在环仿真测试方法,其特征在于,所述横向动力学的指令包括转向指令,所述纵向动力学的指令包括车速的变速指令、紧急制动指令。
5.一种辅助驾驶车辆硬件在环仿真测试系统,其特征在于,包括场景仿真模块、传感器仿真模块、硬件在环仿真平台和上位机,其中,硬件在环仿真平台用于分别连接待测智能车控制器、整车控制器和上位机;
场景仿真模块用于设置测试场景,测试场景包括车辆周围环境要素和交通要素;传感器仿真模块用于根据设置的测试场景采集相应场景信息,并将相应场景信息发送给待测智能车控制器;待测智能车控制器用于根据所述场景信息进行信息融合和决策,将横向动力学的指令发送至硬件在环仿真平台中的驾驶员模型,将纵向动力学的指令发送至整车控制器,整车控制器将纵向动力学的指令发送给硬件在环仿真平台中的整车动力学模型;驾驶员模型对所述横向动力学的指令进行响应,整车动力学模型对所述纵向动力学的指令进行响应,响应生成当前车辆姿态信息,所述上位机用于将当前车辆姿态信息与标准车辆姿态信息进行对比,判断所述硬件在环仿真测试是否通过。
6.根据权利要求5所述的辅助驾驶车辆硬件在环仿真测试系统,其特征在于,所述环境要素包括天气情况、光照情况以及交通标识。
7.根据权利要求5所述的辅助驾驶车辆硬件在环仿真测试系统,其特征在于,所述交通要素包括车辆周围移动物体的运动姿态和运动轨迹。
8.根据权利要求5所述的辅助驾驶车辆硬件在环仿真测试系统,其特征在于,所述横向动力学的指令包括转向指令,所述纵向动力学的指令包括车速的变速指令、紧急制动指令。
9.根据权利要求5所述的辅助驾驶车辆硬件在环仿真测试系统,其特征在于,所述上位机还用于对仿真测试过程中的数据进行监控。
10.根据权利要求5所述的辅助驾驶车辆硬件在环仿真测试系统,其特征在于,传感器仿真模块包括毫米波雷达仿真模块、超声波雷达仿真模块、摄像头仿真模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711304051.3A CN109901546B (zh) | 2017-12-11 | 2017-12-11 | 辅助驾驶车辆硬件在环仿真测试方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711304051.3A CN109901546B (zh) | 2017-12-11 | 2017-12-11 | 辅助驾驶车辆硬件在环仿真测试方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109901546A CN109901546A (zh) | 2019-06-18 |
CN109901546B true CN109901546B (zh) | 2021-07-02 |
Family
ID=66941667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711304051.3A Active CN109901546B (zh) | 2017-12-11 | 2017-12-11 | 辅助驾驶车辆硬件在环仿真测试方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109901546B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333730B (zh) * | 2019-08-12 | 2020-08-21 | 安徽江淮汽车集团股份有限公司 | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 |
CN110379426A (zh) * | 2019-08-26 | 2019-10-25 | 北京汽车股份有限公司 | 车载的语音系统测试装置及语音测试系统 |
CN110888416B (zh) * | 2019-12-03 | 2023-02-10 | 上海交通大学 | 视觉adas-ecu硬件在环仿真测试系统 |
CN113110367B (zh) * | 2020-01-13 | 2022-05-31 | 广州汽车集团股份有限公司 | 发动机硬件在环测试方法及系统 |
CN113139269A (zh) * | 2020-01-20 | 2021-07-20 | 斑马智行网络(香港)有限公司 | 车机仿真测试方法、装置、设备和介质 |
CN111580493B (zh) * | 2020-04-14 | 2022-08-30 | 吉利汽车研究院(宁波)有限公司 | 一种自动驾驶仿真方法、系统及介质 |
CN111538315B (zh) * | 2020-04-26 | 2021-10-29 | 东风汽车集团有限公司 | 一种整车自动驾驶功能仿真测试系统及测试方法 |
CN111832118B (zh) * | 2020-06-22 | 2023-11-21 | 北京汽车股份有限公司 | 驾驶辅助功能的仿真测试系统及方法 |
CN111811836A (zh) * | 2020-07-20 | 2020-10-23 | 重庆渝微电子技术研究院有限公司 | 一种高级智能辅助驾驶系统的检测系统及方法 |
CN111964919B (zh) * | 2020-08-13 | 2023-09-29 | 阳光电源股份有限公司 | 打齿工况的测试方法、装置、计算机设备及存储介质 |
CN112327797B (zh) * | 2020-10-22 | 2022-01-07 | 雄狮汽车科技(南京)有限公司 | 超声波雷达控车策略的测试方法、系统和存储介质 |
CN112684423A (zh) * | 2020-12-30 | 2021-04-20 | 东风汽车有限公司 | 一种自动驾驶功能测试系统及测试方法 |
CN113009900A (zh) * | 2021-02-06 | 2021-06-22 | 武汉光庭信息技术股份有限公司 | 一种adas控制器硬件在环仿真系统 |
CN114996114A (zh) * | 2021-03-01 | 2022-09-02 | 浙江天行健智能科技有限公司 | 智慧交通仿真测试系统及方法 |
CN113268428B (zh) * | 2021-06-16 | 2023-08-18 | 一汽解放汽车有限公司 | 车队管理系统的测试方法、系统、存储介质和电子装置 |
CN113341769B (zh) * | 2021-06-28 | 2022-11-04 | 中车青岛四方机车车辆股份有限公司 | 一种控制算法的测试方法、系统及设备 |
CN113433840A (zh) * | 2021-07-15 | 2021-09-24 | 上海电气集团智能交通科技有限公司 | 一种基于磁定位技术的数字轨道化自动驾驶车辆仿真系统 |
CN113532884B (zh) * | 2021-08-04 | 2022-07-26 | 上海和夏新能源科技有限公司 | 智能驾驶及adas系统测试平台和测试方法 |
CN113704119A (zh) * | 2021-08-31 | 2021-11-26 | 中汽创智科技有限公司 | 一种用于智能驾驶的测试方法、装置、系统及存储介质 |
CN113985850A (zh) * | 2021-10-28 | 2022-01-28 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种用于汽车系统故障注入及故障响应的测试系统和方法 |
CN114047742B (zh) * | 2022-01-13 | 2022-04-15 | 杭州宏景智驾科技有限公司 | 一种智能领航高级辅助驾驶硬件在环测试系统及方法 |
CN114494439B (zh) * | 2022-01-25 | 2023-08-15 | 襄阳达安汽车检测中心有限公司 | Hil仿真测试中摄像头位姿校准方法、装置、设备及介质 |
CN114460865A (zh) * | 2022-02-18 | 2022-05-10 | 奇瑞商用车(安徽)有限公司 | 一种新能源汽车三电系统与adas系统联合仿真装置 |
CN114895644A (zh) * | 2022-03-16 | 2022-08-12 | 中国第一汽车股份有限公司 | 一种车辆测试仿真系统 |
CN116205084B (zh) * | 2023-04-27 | 2023-07-18 | 苏州智行众维智能科技有限公司 | 基于转向器加载机构的车辆驾驶仿真测试系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823929A (zh) * | 2014-02-18 | 2014-05-28 | 北京理工大学 | 一种基于驾驶员模型的车辆转向系统性能测试方法 |
DE102015217386A1 (de) * | 2015-09-11 | 2017-03-16 | Robert Bosch Gmbh | Verfahren und System zum Betreiben eines Kraftfahrzeugs |
CN105242569A (zh) * | 2015-10-16 | 2016-01-13 | 华南理工大学 | 一种汽车afs的硬件在环仿真试验台 |
CN105759789B (zh) * | 2016-04-18 | 2019-06-04 | 北京新能源汽车股份有限公司 | 整车控制器的仿真测试方法、装置和系统 |
CN106066827A (zh) * | 2016-05-30 | 2016-11-02 | 中车株洲电力机车研究所有限公司 | 一种软件测试场景构建方法、数据中转器及系统 |
CN106873397B (zh) * | 2017-01-23 | 2020-02-14 | 同济大学 | 智能网联汽车“硬件在环”加速加载仿真测试系统 |
CN106970364B (zh) * | 2017-05-11 | 2019-07-19 | 合肥工业大学 | 一种车载雷达在环实时仿真测试系统及其方法 |
-
2017
- 2017-12-11 CN CN201711304051.3A patent/CN109901546B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109901546A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901546B (zh) | 辅助驾驶车辆硬件在环仿真测试方法和系统 | |
CN112100856B (zh) | 一种基于多平台的自动驾驶联合仿真方法 | |
CN111006879B (zh) | 一种面向港口环境的人机混驾自动驾驶的测试方法及其测试平台 | |
CN106991041B (zh) | 用于测试用于自主车辆的软件的方法和装置 | |
CN112924185B (zh) | 一种基于数字孪生虚实交互技术的人机共驾测试方法 | |
CN112613169B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全分析方法 | |
CN108919785B (zh) | 一种测试系统及测试方法 | |
US20210134154A1 (en) | Parallel remote control driving system for intelligent network vehicle | |
CN208921448U (zh) | 一种整车测试系统 | |
CN113485319A (zh) | 基于5g车路协同的自动驾驶系统 | |
CN108647437A (zh) | 一种自动驾驶汽车评价方法及评价系统 | |
CN105191222A (zh) | 用于机动车辆的自动控制的装置与方法 | |
CN107571864A (zh) | 无人驾驶车辆的数据采集方法和装置 | |
CN110837697A (zh) | 一种智能车的智能交通仿真系统及其仿真方法 | |
CN112596500B (zh) | 一种用于自动驾驶车辆误/漏识别的预期功能安全分析方法 | |
CN113419518B (zh) | 一种基于vts的vil测试平台 | |
CN110687828A (zh) | 一种基于整车硬件在环的智能网联汽车仿真测试系统 | |
CN114755937A (zh) | 一种基于数字孪生的自动驾驶仿真测试方法与系统 | |
EP3904833A1 (de) | Vorrichtung und verfahren zur auswertung von signalen von umfelderfassungssensoren für eine trajektorienregelung und/oder -steuerung eines automatisiert betreibbaren fahrzeuges | |
CN112651132B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全风险评估方法 | |
CN114830204A (zh) | 通过神经网络来训练神经网络 | |
CN213042144U (zh) | 一种自动驾驶系统的融合测试台架 | |
CN114968782A (zh) | 一种基于Carla模拟器实现智能驾驶的方法 | |
CN211477623U (zh) | 一种无人车测试系统 | |
Rossi et al. | Vehicle hardware-in-the-loop system for ADAS virtual testing |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 450061 Yutong Road, Guancheng District, Zhengzhou City, Henan Province Patentee after: Yutong Bus Co., Ltd Address before: 450016 shibalihe Yutong Industrial Park, Zhengzhou City, Henan Province Patentee before: Zhengzhou Yutong Bus Co., Ltd |