CN110333730B - 自动驾驶算法预期功能安全的验证方法、平台及存储介质 - Google Patents
自动驾驶算法预期功能安全的验证方法、平台及存储介质 Download PDFInfo
- Publication number
- CN110333730B CN110333730B CN201910742725.0A CN201910742725A CN110333730B CN 110333730 B CN110333730 B CN 110333730B CN 201910742725 A CN201910742725 A CN 201910742725A CN 110333730 B CN110333730 B CN 110333730B
- Authority
- CN
- China
- Prior art keywords
- automatic driving
- sotif
- algorithm
- dspace
- software
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012360 testing method Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 64
- 230000003993 interaction Effects 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000008447 perception Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Abstract
本发明公开了一种自动驾驶算法预期功能安全的验证方法、平台及存储介质,包括:在Matlab/Simulink软件中建立自动驾驶功能算法,并通过虚拟场景建模软件建立自动驾驶功能算法相应的虚拟自动驾驶场景;由Carsim建立实车动力学模型,并在硬件dSPACE Scalexio系统里运行;将Matlab/Simulink软件中建立的自动驾驶功能算法在硬件dSPACE MicroAutoBox中实现快速原型;以上的闭环控制过程形成一个自动驾驶HIL测试系统,在该系统中根据SOTIF危险场景进行虚拟建模,对dSPACE MicroAutoBox中的自动驾驶功能算法进行SOTIF的MIL和HIL验证。
Description
技术领域
本发明涉及汽车技术领域,尤其涉及一种自动驾驶算法预期功能安全的验证方法、平台及存储介质。
背景技术
自动驾驶车辆仿真测试与验证是整个系统开发过程中不可缺少的流程,相比较传统汽车自动驾驶汽车的仿真、测试、验证手段更加重要。因为自动驾驶系统面对环境复杂性还不能完全识别有效处理,只有通过大量的仿真,测试发现问题,并对发现问题进行优化解决,才能促进自动驾驶车辆的量产及上市。
目前有部分科研院所提出了自动驾驶的测试验证方案。其中,上层自动驾驶虚拟环境采用复杂交通场景建模仿真工具VTD建立自动驾驶功能算法对应的虚拟自动驾驶场景,与Carsim软件建立的整车动力学模型进行传感器和车辆动力学信息之间的交互,自动驾驶控制器收集VTD中的障碍物信息,和Carsim中的车辆动力学信息,进行自动驾驶功能算法的求解,并将转向、制动和油门参数发送至Carsim控制车辆执行相应的动作。
上述自动驾驶的测试验证方案的自动驾驶功能场景和车辆动力学模型均采用虚拟建模的方式,可以在一定程度上验证自动驾驶控制器的功能和性能,但是缺少底层执行系统,只能在虚拟层面对控制器进行验证。此外,国内外对于自动驾驶预期功能安全的研究很稀少,也没有关于自动驾驶算法预期功能安全的分析与验证。
发明内容
本发明的主要目的是提出一种自动驾驶算法预期功能安全的验证方法、平台及存储介质,旨在解决现有技术中的自动驾驶的测试验证方案缺少底层执行系统,只能在虚拟层面对控制器进行验证,测试、验证结果的安全性得不到全面保证的问题。
为实现上述目的,本发明提出了一种自动驾驶算法预期功能安全的验证方法,所述方法具体包括以下步骤:
S1、在可视化仿真工具Matlab/Simulink软件中建立自动驾驶功能算法,并通过虚拟场景建模软件建立自动驾驶功能算法相应的虚拟自动驾驶场景;
S2、由车辆动力学的仿真软件Carsim建立实车动力学模型,并在硬件dSPACEScalexio系统里运行;
S3、将可视化仿真工具Matlab/Simulink软件中建立的自动驾驶功能算法在硬件dSPACE MicroAutoBox中实现快速原型;
S4、通过硬件MicroAutoBox采集上层虚拟场景建模软件场景里提供的障碍物信息以及接收车辆动力学的仿真软件Carsim中的实车动力学模型信息,计算车辆的转向、制动和油门参数,并将该控制参数返还发送给车辆动力学的仿真软件Carsim中的实车动力学模型,车辆动力学的仿真软件Carsim中的实车动力学模型同时与自动驾驶底层执行系统及上层虚拟场景建模软件进行数据交互,上层虚拟场景建模软件中的底层传感器采集实施执行的控制信号指令,发给dSPACE Scalexio,实现闭环控制;
S5、以上的闭环控制过程形成一个自动驾驶HIL测试平台,在该平台中根据自动驾驶功能算法的预期功能安全SOTIF对危险场景进行虚拟建模,对MicroAutoBox中的自动驾驶功能算法进行SOTIF的模型在环MIL和硬件在环HIL验证。
具体的,所述步骤S4中的自动驾驶底层执行系统具体包括主动转向和主动制动系统。
进一步的,所述步骤S5中的MIL和HIL验证方法具体为:从自动驾驶功能场景出发,识别出相应的危害事件,并进行SOTIF风险鉴定和评估,确定SOTIF目标规范。
进一步的,所述方法还包括:
当SOTIF风险鉴定和评估为SOTIF目标规范时,继续保持自动驾驶模式或减少自动驾驶模式的功能,当SOTIF风险鉴定和评估为SOTIF目标不规范时,撤出自动驾驶模式,使用驾驶员操控模式。
进一步的,所述方法还包括:
当SOTIF风险鉴定和评估符合SOTIF目标规范,但当在车道检测设备无法清晰检测到车道时,在自动驾驶决策算法逻辑中设置驾驶员预警信息,系统触发相应的警告并减少自动驾驶功能,或者交由驾驶员驾驶。
进一步的,所述设置驾驶员预警信息包括:提供适当的人机交互界面,在人机交互界面中显示车道线信息及前方车辆和道路信息,可以帮助驾驶员更好的判断自动驾驶功能的有效性。
进一步的,当SOTIF风险鉴定和评估为SOTIF目标不规范时,还可以在自动驾驶HIL测试系统进行相应的MIL和HIL测试,相应的功能场景在虚拟仿真软件Prescan中进行模拟。
此外,为实现上述目的,本发明还提出一种自动驾驶算法预期功能安全的验证平台,包括上位机、域控制器dSPACE MicroAutoBox、下位机dSPACE Scalexio以及底层执行系统;
上位机运行PreScan软件和人机操作界面,PreScan软件用于提供近似真实测试工况场景的虚拟驾驶界面以及接收自动驾驶毫米波雷达和摄像头环境感知模块提供的传感器信息;
域控制器dSPACE MicroAutoBox通过CAN线接受上位机提供的各种传感器信号,进行信息融合出目标障碍物的车速、位置等信息,然后根据自动驾驶功能算法通过CAN网络向下位机dSPACE Scalexio发送制动、转向和油门信号指令;
下位机dSPACE Scalexio同时接受底层执行系统发出的传感器信号,向域控制器dSPACE MicroAutoBox实时提供整车状态参数,实现控制器快速原型;
底层执行系统包括执行机构以及操作机构,通过信号调节接收下位机dSPACEScalexio发出的控制信号,并实时反馈底层传感器信号给下位机dSPACE Scalexio;所述下位机dSPACE Scalexio与上位机的PreScan软件实现数据交互,以此实现闭环控制;
以上的闭环控制过程形成一个自动驾驶HIL测试平台,在该平台中根据SOTIF危险场景进行虚拟建模,对dSPACE MicroAutoBox中的自动驾驶功能算法进行SOTIF的MIL和HIL验证。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有自动驾驶算法预期功能安全的验证程序,所述自动驾驶算法预期功能安全的验证程序被处理器执行时实现上文所述的自动驾驶算法预期功能安全的验证方法的步骤。
本发明的技术方案中,本发明基于带车辆底层执行系统的自动驾驶硬件在环验证系统,通过上位机、域控制器dSPACE MicroAutoBox、下位机dSPACE Scalexio以及底层执行系统实现闭环控制,以此达到不同自动驾驶功能算法的验证、人机交互算法的验证、车辆底层执行系统响应的验证、自动驾驶感知决策和执行系统方面预期功能安全(SOTIF)的验证等。本发明提出自动驾驶算法方面预期功能安全(SOTIF)风险鉴定和评估,根据SOTIF危险场景进行虚拟建模,对dSPACE MicroAutoBox中的自动驾驶功能算法进行SOTIF的MIL和HIL验证,确定了SOTIF目标规范;针对所提出的SOTIF减少措施,设置相应的SOTIF测试用例,并借助自动驾驶HIL测试平台,提出SOTIF验证方案,提高了自动驾驶的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1为实施例1中的自动驾驶算法预期功能安全的验证方法流程图;
图2为实施例2中的自动驾驶算法预期功能安全的验证平台功能原理图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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作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。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
现有技术中自动驾驶的测试验证方案的自动驾驶功能场景和车辆动力学模型均采用虚拟建模的方式,可以在一定程度上验证自动驾驶控制器的功能和性能,但是缺少底层执行系统,只能在虚拟层面对控制器进行验证。此外,国内外对于自动驾驶预期功能安全的研究很稀少,也没有关于自动驾驶算法预期功能安全的分析与验证。
因此,基于以上技术缺陷,本发明除了有虚拟的自动驾驶场景、整车动力学模型之外,还有底层执行系统;针对自动驾驶功能算法的预期功能安全(SOTIF),借助自动驾驶HIL测试平台,设计SOTIF的模型在环(MIL)和硬件在环(HIL)测试验证方案。具体方案参见以下实施例:
实施例1
参见图1:本实施例提出了一种自动驾驶算法预期功能安全的验证方法,所述方法具体包括以下步骤:
S1、在可视化仿真工具Matlab/Simulink软件中建立自动驾驶功能算法,并通过虚拟场景建模软件(例如Prescan)建立自动驾驶功能算法相应的虚拟自动驾驶场景;
S2、由车辆动力学的仿真软件Carsim建立实车动力学模型,并在硬件dSPACEScalexio系统里运行;
S3、将可视化仿真工具Matlab/Simulink软件中建立的自动驾驶功能算法在硬件dSPACE MicroAutoBox中实现快速原型;
S4、通过硬件MicroAutoBox采集上层虚拟场景建模软件Prescan场景里提供的障碍物信息以及接收车辆动力学的仿真软件Carsim中的实车动力学模型信息,计算车辆的转向、制动和油门等参数,并将该控制参数返还发送给车辆动力学的仿真软件Carsim中的实车动力学模型,车辆动力学的仿真软件Carsim中的实车动力学模型同时与自动驾驶底层执行系统及上层虚拟场景建模软件Prescan进行数据交互,上层虚拟场景建模软件Prescan中的底层传感器采集实施执行的控制信号指令,发给dSPACE Scalexio,实现闭环控制;
需要说明的是,自动驾驶底层执行系统具体包括主动转向和主动制动系统,通过主动转向实现车辆的转向调节,通过主动制动系统实现车辆的档位及刹车调节。
S5、以上的闭环控制过程形成一个自动驾驶HIL测试平台,在该平台中根据SOTIF危险场景进行虚拟建模,对MicroAutoBox中的自动驾驶功能算法进行SOTIF的MIL和HIL验证。
本实施例实际是基于带车辆底层执行系统的自动驾驶硬件在环验证系统,可以实现不同自动驾驶功能算法的验证、人机交互算法的验证、车辆底层执行系统响应的验证、自动驾驶感知决策和执行系统方面预期功能安全(SOTIF)的验证等。
需要说明的是,所述步骤S5中的MIL和HIL验证方法具体为:从自动驾驶功能场景出发,识别出相应的危害事件,并进行SOTIF风险鉴定和评估,确定SOTIF目标规范。例如,对于自动车道保持系统在高速公路上行驶时,车辆发生意外转向,可导致与迎面而来的交通或者其他障碍物发生碰撞,其严重性和可控性指标均大于零。SOTIF风险不被接受,必须确保驾驶员对功能的可控性。
进一步的,所述方法还包括:
当SOTIF风险鉴定和评估为SOTIF目标规范时,继续保持自动驾驶模式或减少自动驾驶模式的功能,当SOTIF风险鉴定和评估为SOTIF目标不规范时,撤出自动驾驶模式,使用驾驶员操控模式;
需要说明的是,在特殊情况时,例如:当SOTIF风险鉴定和评估符合SOTIF目标规范,但当在车道检测设备无法清晰检测到车道时,在自动驾驶决策算法逻辑中设置驾驶员预警信息,系统触发相应的警告并减少自动驾驶功能,或者交由驾驶员驾驶。
进一步的,所述设置驾驶员预警信息包括提供适当的人机交互界面,在人机交互界面中显示车道线信息及前方车辆和道路信息,可以帮助驾驶员更好的判断自动驾驶功能的有效性。
可以理解的是,当SOTIF风险鉴定和评估为SOTIF目标不规范时,还可以在自动驾驶HIL测试系统进行相应的MIL和HIL测试,相应的功能场景可以在平台的虚拟仿真软件Prescan中进行模拟。例如,建立部分路段没有车道线的自主车道保持系统的虚拟场景,将SOTIF减少措施在功能算法中实现。将设置好的SOTIF测试用例在自动驾驶HIL测试台架进行相应的MIL和HIL测试,观测相应的测试结果是否满足SOTIF要求。
实施例2
此外,为实现上述目的,参见图2:本实施例还提出一种自动驾驶算法预期功能安全的验证平台,包括上位机、域控制器dSPACE MicroAutoBox、下位机dSPACE Scalexio以及底层执行系统;
上位机运行PreScan软件和人机操作界面,PreScan软件用于提供近似真实测试工况场景的虚拟驾驶界面以及接收自动驾驶毫米波雷达和摄像头环境感知模块提供的传感器信息;
域控制器dSPACE MicroAutoBox通过CAN线接受上位机提供的各种传感器信号,进行信息融合出目标障碍物的车速、位置等信息,然后根据自动驾驶功能算法通过CAN网络向下位机dSPACE Scalexio发送制动、转向和油门信号指令;
下位机dSPACE Scalexio同时接受底层执行系统发出的传感器信号,向域控制器dSPACE MicroAutoBox实时提供整车状态参数,实现控制器快速原型;
底层执行系统包括执行机构以及操作机构,通过信号调节接收下位机dSPACEScalexio发出的控制信号,并实时反馈底层传感器信号给下位机dSPACE Scalexio;所述下位机dSPACE Scalexio与上位机的PreScan软件实现数据交互,以此实现闭环控制;
以上的闭环控制过程形成一个自动驾驶HIL测试平台,在该平台中根据SOTIF危险场景进行虚拟建模,对dSPACE MicroAutoBox中的自动驾驶功能算法进行SOTIF的MIL和HIL验证。
本实施例的平台可以实现不同自动驾驶功能算法的验证、人机交互算法的验证、车辆底层执行系统响应的验证、自动驾驶感知决策和执行系统方面预期功能安全(SOTIF)的验证等。
需要说明的是,本实施例的下位机dSPACE Scalexio以及域控制器dSPACEMicroAutoBox通过各自的controlDesk MATLAB或configuration Desk MATLAB进行操作仿真实验。
实施例3
此外,为实现上述目的,本实施例还提出一种存储介质,所述存储介质上存储有自动驾驶算法预期功能安全的验证程序,所述自动驾驶算法预期功能安全的验证程序被处理器执行时实现上文所述的自动驾驶算法预期功能安全的验证方法的步骤。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献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(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种自动驾驶算法预期功能安全的验证方法,其特征在于,所述方法具体包括以下步骤:
S1、在可视化仿真工具Matlab/Simulink软件中建立自动驾驶功能算法,并通过虚拟场景建模软件建立自动驾驶功能算法相应的虚拟自动驾驶场景;
S2、由车辆动力学的仿真软件Carsim建立实车动力学模型,并在硬件dSPACE Scalexio系统里运行;
S3、将可视化仿真工具Matlab/Simulink软件中建立的自动驾驶功能算法在硬件MicroAutoBox中实现快速原型;
S4、通过硬件MicroAutoBox采集上层虚拟场景建模软件场景里提供的障碍物信息以及接收车辆动力学的仿真软件Carsim中的实车动力学模型信息,计算车辆的转向、制动和油门参数,并将该参数返还发送给车辆动力学的仿真软件Carsim中的实车动力学模型,车辆动力学的仿真软件Carsim中的实车动力学模型同时与自动驾驶底层执行系统及上层虚拟场景建模软件进行数据交互,上层虚拟场景建模软件中的底层传感器采集实施执行的控制信号指令,发给dSPACE Scalexio,实现闭环控制;
S5、根据自动驾驶功能算法的预期功能安全SOTIF对危险场景进行虚拟建模,对MicroAutoBox中的自动驾驶功能算法进行SOTIF的模型在环MIL和硬件在环HIL验证,从自动驾驶功能场景出发,识别出相应的危害事件,并进行SOTIF风险鉴定和评估,确定SOTIF目标规范。
2.根据权利要求1所述的自动驾驶算法预期功能安全的验证方法,其特征在于,所述步骤S4中的自动驾驶底层执行系统具体包括主动转向和主动制动系统。
3.根据权利要求1所述的自动驾驶算法预期功能安全的验证方法,其特征在于,所述方法还包括:
当SOTIF风险鉴定和评估为SOTIF目标规范时,继续保持自动驾驶模式或减少自动驾驶模式的功能,当SOTIF风险鉴定和评估为SOTIF目标不规范时,撤出自动驾驶模式,使用驾驶员操控模式。
4.根据权利要求3所述的自动驾驶算法预期功能安全的验证方法,其特征在于,所述方法还包括:
当SOTIF风险鉴定和评估符合SOTIF目标规范,但当在车道检测设备无法清晰检测到车道时,在自动驾驶决策算法逻辑中设置驾驶员预警信息,系统触发相应的警告并减少自动驾驶功能,或者交由驾驶员驾驶。
5.根据权利要求4所述的自动驾驶算法预期功能安全的验证方法,其特征在于,所述设置驾驶员预警信息包括:提供人机交互界面,在人机交互界面中显示车道线信息及前方车辆和道路信息。
6.根据权利要求3所述的自动驾驶算法预期功能安全的验证方法,其特征在于,当SOTIF风险鉴定和评估为SOTIF目标不规范时,在自动驾驶HIL测试系统进行相应的MIL和HIL测试,相应的功能场景在虚拟仿真软件Prescan中进行模拟。
7.一种自动驾驶算法预期功能安全的验证平台,其特征在于,包括上位机、域控制器dSPACE MicroAutoBox、下位机dSPACE Scalexio以及底层执行系统;
上位机运行PreScan软件和人机操作界面,PreScan软件用于提供近似真实测试工况场景的虚拟驾驶界面以及接收自动驾驶毫米波雷达和摄像头环境感知模块提供的传感器信息;
域控制器dSPACE MicroAutoBox通过CAN线接受上位机提供的各种传感器信号,进行信息融合出目标障碍物的车速、位置信息,然后根据自动驾驶功能算法通过CAN网络向下位机dSPACE Scalexio发送制动、转向和油门信号指令;
下位机dSPACE Scalexio同时接受底层执行系统发出的传感器信号,向域控制器dSPACE MicroAutoBox实时提供整车状态参数,实现控制器快速原型;
底层执行系统包括执行机构以及操作机构,通过信号调节接收下位机dSPACEScalexio发出的控制信号,并实时反馈底层传感器信号给下位机dSPACE Scalexio;所述下位机dSPACE Scalexio与上位机的PreScan软件实现数据交互,以此实现闭环控制;
以上的闭环控制过程形成一个自动驾驶HIL测试平台,在该平台中根据SOTIF危险场景进行虚拟建模,对dSPACE MicroAutoBox中的自动驾驶功能算法进行SOTIF的MIL和HIL验证,从自动驾驶功能场景出发,识别出相应的危害事件,并进行SOTIF风险鉴定和评估,确定SOTIF目标规范。
8.一种存储介质,其特征在于,所述存储介质上存储有自动驾驶算法预期功能安全的验证程序,所述自动驾驶算法预期功能安全的验证程序被处理器执行时实现如权利要求1至6任一项所述的自动驾驶算法预期功能安全的验证方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742725.0A CN110333730B (zh) | 2019-08-12 | 2019-08-12 | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742725.0A CN110333730B (zh) | 2019-08-12 | 2019-08-12 | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110333730A CN110333730A (zh) | 2019-10-15 |
CN110333730B true CN110333730B (zh) | 2020-08-21 |
Family
ID=68149445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910742725.0A Active CN110333730B (zh) | 2019-08-12 | 2019-08-12 | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110333730B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110673590B (zh) * | 2019-10-21 | 2021-02-05 | 安徽江淮汽车集团股份有限公司 | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 |
CN110850843A (zh) * | 2019-11-08 | 2020-02-28 | 北京海纳川汽车部件股份有限公司 | 车灯控制仿真测试方法及系统 |
CN110837231A (zh) * | 2019-11-15 | 2020-02-25 | 清华大学 | 在环仿真方法、装置及控制平台 |
CN111063057B (zh) * | 2019-11-25 | 2022-02-11 | 吉林大学 | 一种基于历史数据的轨迹规划的sotif的实现方法 |
CN110764494A (zh) * | 2019-11-26 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 |
CN110888417A (zh) * | 2019-12-16 | 2020-03-17 | 苏州智加科技有限公司 | 一种自动驾驶卡车的控制系统实时仿真和测试方法 |
CN111103866A (zh) * | 2019-12-20 | 2020-05-05 | 吉林大学 | 一种基于预期功能安全的自适应巡航开发与测试方法 |
CN111199196B (zh) * | 2019-12-26 | 2020-10-16 | 北汽福田汽车股份有限公司 | 驾驶员监测验证系统及方法 |
CN111353221A (zh) * | 2020-02-24 | 2020-06-30 | 上海商汤临港智能科技有限公司 | 自动驾驶仿真方法和装置、电子设备及存储介质 |
CN111399475B (zh) * | 2020-03-05 | 2021-06-15 | 中国第一汽车股份有限公司 | 一种测试系统及方法 |
CN112035954A (zh) * | 2020-08-25 | 2020-12-04 | 长春一汽富晟集团有限公司 | 自动驾驶测试仿真平台的功能安全监控系统及监控方法 |
CN112100856B (zh) * | 2020-09-17 | 2022-08-19 | 上汽大众汽车有限公司 | 一种基于多平台的自动驾驶联合仿真方法 |
CN112348334A (zh) * | 2020-10-26 | 2021-02-09 | 安徽江淮汽车集团股份有限公司 | 安全分析流程生成方法、装置、设备及存储介质 |
CN112306042B (zh) * | 2020-10-30 | 2022-11-04 | 重庆长安汽车股份有限公司 | 一种自动驾驶控制器自动测试系统及方法 |
CN112213959A (zh) * | 2020-10-30 | 2021-01-12 | 浙江工业大学 | 一种基于车路协同的制动能量回收实验台 |
CN112455459B (zh) * | 2020-12-04 | 2021-10-01 | 安徽江淮汽车集团股份有限公司 | 触发事件的建模方法、装置、设备及存储介质 |
CN112418711A (zh) * | 2020-12-07 | 2021-02-26 | 安徽江淮汽车集团股份有限公司 | 车辆预期功能危害评估方法、设备、存储介质及装置 |
CN112651132B (zh) * | 2020-12-29 | 2022-02-11 | 清华大学苏州汽车研究院(相城) | 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 |
CN112631257B (zh) * | 2020-12-29 | 2021-12-17 | 清华大学苏州汽车研究院(相城) | 一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 |
CN112612288B (zh) * | 2020-12-29 | 2022-05-31 | 清华大学苏州汽车研究院(相城) | 一种用于自动驾驶车辆误/漏识别的预期功能安全风险评估方法 |
CN112925297B (zh) * | 2021-01-29 | 2022-08-16 | 北京百度网讯科技有限公司 | 自动驾驶算法验证方法、装置、设备、存储介质及产品 |
CN112835806B (zh) * | 2021-02-26 | 2023-03-21 | 一汽解放汽车有限公司 | 一种仿真测试平台、方法及存储介质 |
CN113111501B (zh) * | 2021-03-31 | 2023-06-02 | 中汽研(天津)汽车工程研究院有限公司 | 一种功能安全和预期功能安全融合分析方法 |
CN113092133B (zh) * | 2021-04-07 | 2024-03-22 | 冒坚 | 一种基于高斯聚类的超声波雷达在环自动驾驶测试方法 |
CN113238933B (zh) * | 2021-04-30 | 2024-03-12 | 阿波罗智联(北京)科技有限公司 | 底盘仿真方法、装置、服务器、存储介质及程序产品 |
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 |
CN114326443B (zh) * | 2022-01-14 | 2023-09-29 | 重庆长安汽车股份有限公司 | 一种用于adas的mil仿真测试方法、系统及可读存储介质 |
CN114169083B (zh) * | 2022-02-11 | 2022-05-20 | 深圳佑驾创新科技有限公司 | 一种自动紧急刹车系统数据分析方法、装置、设备、介质 |
CN115150787A (zh) * | 2022-07-06 | 2022-10-04 | 四川大学 | 基于深度强化学习的能量管理策略包的部署系统及方法 |
CN115278361B (zh) * | 2022-07-20 | 2023-08-01 | 重庆长安汽车股份有限公司 | 一种行车视频数据的提取方法、系统、介质及电子设备 |
CN117234192B (zh) * | 2023-11-10 | 2024-01-30 | 联友智连科技有限公司 | 一种智能驾驶域控制器自动化hil仿真测试系统和方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT507602A3 (de) * | 2010-02-25 | 2012-04-15 | Avl List Gmbh | Hil-simulator |
KR20120117333A (ko) * | 2011-04-15 | 2012-10-24 | 주식회사 신호시스템 | 힐스용 차량 모델의 시뮬레이션 시스템 |
CN103135545A (zh) * | 2013-03-04 | 2013-06-05 | 河南科技大学 | 一种自动变速器控制器半实物仿真测试系统 |
CN104794258A (zh) * | 2015-03-03 | 2015-07-22 | 联合汽车电子有限公司 | 汽车硬件在环仿真系统 |
CN106444721A (zh) * | 2016-11-21 | 2017-02-22 | 南京越博动力系统股份有限公司 | 一种电动车用整车控制器硬件在环测试系统及测试方法 |
CN107479532A (zh) * | 2017-08-04 | 2017-12-15 | 安徽江淮汽车集团股份有限公司 | 一种智能汽车的域控制器测试系统及方法 |
CN109507982A (zh) * | 2018-10-22 | 2019-03-22 | 清华大学 | 一种自动驾驶汽车线控底盘在环测试系统 |
CN109613916A (zh) * | 2018-10-30 | 2019-04-12 | 同济大学 | 一种驾驶员在环汽车主动避撞仿真试验台 |
CN109634259A (zh) * | 2018-12-12 | 2019-04-16 | 安徽江淮汽车集团股份有限公司 | 自动驾驶冗余控制方法、系统及验证平台 |
CN109885870A (zh) * | 2019-01-09 | 2019-06-14 | 同济大学 | 一种用于自动驾驶汽车预期功能安全的验证方法及系统 |
CN109901546A (zh) * | 2017-12-11 | 2019-06-18 | 郑州宇通客车股份有限公司 | 辅助驾驶车辆硬件在环仿真测试方法和系统 |
-
2019
- 2019-08-12 CN CN201910742725.0A patent/CN110333730B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT507602A3 (de) * | 2010-02-25 | 2012-04-15 | Avl List Gmbh | Hil-simulator |
KR20120117333A (ko) * | 2011-04-15 | 2012-10-24 | 주식회사 신호시스템 | 힐스용 차량 모델의 시뮬레이션 시스템 |
CN103135545A (zh) * | 2013-03-04 | 2013-06-05 | 河南科技大学 | 一种自动变速器控制器半实物仿真测试系统 |
CN104794258A (zh) * | 2015-03-03 | 2015-07-22 | 联合汽车电子有限公司 | 汽车硬件在环仿真系统 |
CN106444721A (zh) * | 2016-11-21 | 2017-02-22 | 南京越博动力系统股份有限公司 | 一种电动车用整车控制器硬件在环测试系统及测试方法 |
CN107479532A (zh) * | 2017-08-04 | 2017-12-15 | 安徽江淮汽车集团股份有限公司 | 一种智能汽车的域控制器测试系统及方法 |
CN109901546A (zh) * | 2017-12-11 | 2019-06-18 | 郑州宇通客车股份有限公司 | 辅助驾驶车辆硬件在环仿真测试方法和系统 |
CN109507982A (zh) * | 2018-10-22 | 2019-03-22 | 清华大学 | 一种自动驾驶汽车线控底盘在环测试系统 |
CN109613916A (zh) * | 2018-10-30 | 2019-04-12 | 同济大学 | 一种驾驶员在环汽车主动避撞仿真试验台 |
CN109634259A (zh) * | 2018-12-12 | 2019-04-16 | 安徽江淮汽车集团股份有限公司 | 自动驾驶冗余控制方法、系统及验证平台 |
CN109885870A (zh) * | 2019-01-09 | 2019-06-14 | 同济大学 | 一种用于自动驾驶汽车预期功能安全的验证方法及系统 |
Non-Patent Citations (2)
Title |
---|
电控转向硬件在环试验台开发与验证;向海鸥;《吉林大学》;20140430;第1-74页全文 * |
自动化测试在SOTIF开发中的应用;尚世亮等;《汽车技术》;20181130(第11期);第25页第2段及图2 * |
Also Published As
Publication number | Publication date |
---|---|
CN110333730A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110333730B (zh) | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 | |
CN110673590B (zh) | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 | |
CN111123933B (zh) | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 | |
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 | |
CN109421738B (zh) | 用于监视自主车辆的方法和装置 | |
JP6714513B2 (ja) | 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置 | |
US20220048536A1 (en) | Method and device for testing a driver assistance system | |
CN110209146B (zh) | 自动驾驶车辆的测试方法、装置、设备及可读存储介质 | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
US11238674B2 (en) | Simulation of different traffic situations for a test vehicle | |
CN108647437A (zh) | 一种自动驾驶汽车评价方法及评价系统 | |
Belbachir et al. | Simulation-driven validation of advanced driving-assistance systems | |
Gietelink et al. | Development of a driver information and warning system with vehicle hardware-in-the-loop simulations | |
CN109992884B (zh) | 基于最差场景搜索的自动驾驶车辆功能测评方法 | |
CN113848855A (zh) | 车辆控制系统测试方法、装置、设备、介质及程序产品 | |
US20230343153A1 (en) | Method and system for testing a driver assistance system | |
CN110843775B (zh) | 一种基于压力传感器的障碍物识别方法 | |
CN116224954A (zh) | 一种融合真实道路场景的智能驾驶在环测试方、环境及存储介质 | |
CN115257725A (zh) | 车辆碰撞预警方法、装置、设备及存储介质 | |
CN115755865A (zh) | 一种商用车辅助驾驶硬件在环测试系统及方法 | |
US20230394896A1 (en) | Method and a system for testing a driver assistance system for a vehicle | |
CN113581193A (zh) | 一种驾驶场景仿真优化方法、系统、电子设备及存储介质 | |
CN111444604A (zh) | 一种虚拟测试场景的检测方法及装置 | |
CN114326443B (zh) | 一种用于adas的mil仿真测试方法、系统及可读存储介质 | |
US11166003B1 (en) | Dynamic vibration sensor optics distortion prediction |
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 |