CN110599864A - 一种基于室内交通场景模拟传感器建模和验证装置及方法 - Google Patents
一种基于室内交通场景模拟传感器建模和验证装置及方法 Download PDFInfo
- Publication number
- CN110599864A CN110599864A CN201911027717.4A CN201911027717A CN110599864A CN 110599864 A CN110599864 A CN 110599864A CN 201911027717 A CN201911027717 A CN 201911027717A CN 110599864 A CN110599864 A CN 110599864A
- Authority
- CN
- China
- Prior art keywords
- simulator
- simulation
- signal
- vehicle
- sensor
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
- G09B19/167—Control of land vehicles
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
Abstract
本发明公开了室内交通场景模拟传感器建模和验证技术领域的一种基于室内交通场景模拟传感器建模和验证装置，所述自动驾驶控制模块电性输出连接信号传感器模拟器，所述信号传感器模拟器分别电性输入连接车辆震动模拟装置和信号干扰模拟器，所述信号传感器模拟器电性输出连接交通环境模拟模块，所述交通环境模拟模块电性输出连接信号接收模拟处理器，所述中央集成处理控制器电性输出连接动态仿真模拟器，且所述中央集成处理控制器电性输出连接自动驾驶控制模块，可以进行被测车辆在不同环境因素情况下的驾驶状态，可以对不受干扰和受干扰状态下的传感器组进行物理特性测试，更加全面的对车辆上的传感器组的物理特性和传输特性进行模拟。
Description
技术领域
本发明涉及室内交通场景模拟传感器建模和验证技术领域，具体为一种基于室内交通场景模拟传感器建模和验证装置及方法。
背景技术
目前全球汽车工业有两大技术趋势：电气化和智能化，其中智能网联汽车吸引了大量投资和研发力度，不仅传统汽车厂商将其作为重点的研发方向，大量互联网以及通讯公司也加入了智能网联汽车研发的竞赛，在各类公路交通事故中人为的因素占到90%以上。智能网联汽车的目的之一就是将驾驶员从部分或全部驾驶任务中解放出来，避免驾驶员因为疲劳或者误判造成的交通事故，以提高行车安全性以及驾驶员的乘车体验，智能网联汽车的终极目标就是将人类彻底的从枯燥的驾驶任务中解放出来并实现零交通事故率，与传统汽车相比，智能网联汽车搭载了大量的传感器，例如毫米波雷达，激光雷达，摄像头，超声波雷达等，用于对周围环境的感知和建模，以利于控制系统做出正确的判断。其中摄像头和激光雷达对物体的识别和判断用到了大量的机器学习技术。作为机器学习重要的环节之一，机器学习模型需要海量的数据进行训练。但是因为实际车辆操作环境的复杂性，训练数据集需要包含不同的天气，光照，交通环境等因素，因此训练数据集的采集是一项非常复杂而艰巨的任务。与之相对应的是传感器模型的验证也需要同样复杂多样的环境以保证模型的准确性，通过实际车辆采集这类数据需要消耗大量的人力，物力，而且很难保证所有的环境条件都能在有限的时间内获得，另外很多危险和极限工况在实际驾驶环境中很难安全的采集和测试，为此，我们提出一种基于室内交通场景模拟传感器建模和验证装置及方法。
发明内容
本发明的目的在于提供一种基于室内交通场景模拟传感器建模和验证装置及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于室内交通场景模拟传感器建模和验证装置，包括车辆模拟控制模块，所述车辆模拟控制模块包括自动驾驶控制模块，所述自动驾驶控制模块电性输出连接信号传感器模拟器，所述信号传感器模拟器分别电性输入连接车辆震动模拟装置和信号干扰模拟器，所述信号传感器模拟器电性输出连接交通环境模拟模块，所述交通环境模拟模块电性输出连接信号接收模拟处理器，所述信号接收模拟处理器电性输出连接中央集成处理控制器，所述中央集成处理控制器电性输出连接动态仿真模拟器，且所述中央集成处理控制器电性输出连接自动驾驶控制模块。
优选的，所述信号传感器模拟器包括V2X信号模拟器、GPS信号模拟器、毫米波信号模拟器、超声波信号模拟器、激光雷达信号模拟器和摄像头图像模拟器。
优选的，所述交通环境模拟模块包括光照度模拟模块、雨雪模拟模块、目标物速度模拟模块、静止物反射率模拟模块和温度模拟模块。
优选的，所述信号接收模拟处理器包括和V2X信号模拟器、GPS信号模拟器、毫米波信号模拟器、超声波信号模拟器、激光雷达信号模拟器、摄像头图像模拟器相适配的V2X目标接收处理器、GPS目标接收处理器、毫米波目标接收处理器、超声波目标接收处理器、激光雷达目标接收处理器和摄像头图像接收处理器。
优选的，所述信号干扰模拟器包括和V2X信号模拟器、GPS信号模拟器、毫米波信号模拟器、超声波信号模拟器、激光雷达信号模拟器、摄像头图像模拟器相对应的V2X信号干扰器、GPS信号干扰器、毫米波信号干扰器、超声波信号干扰器、激光雷达信号干扰器、摄像头图像干扰器。
优选的，所述动态仿真模拟器包括高性能图像生成及处理系统和具有沉浸感的虚拟仿真三维显示系统，且高性能图像生成及处理系统电性输出连接具有沉浸感的虚拟仿真三维显示系统。
优选的，一种基于室内交通场景模拟传感器建模和验证装置的使用方法：
S1：通过车辆模拟控制模块模拟出被测车辆以及被测车辆行驶过程中的路线轨道，保证被测车辆安全行驶时的必备条件，并且通过自动驾驶控制模块实现被测车辆的自动驾驶控制，以便于实现车辆的正常驾驶模拟，同时被测车辆上安装的车辆震动模拟装置可以在车辆行驶时模拟不同路面引起的车辆震动对传感器组的影响，同时通过信号传感器模拟器实现对被测车辆周围的环境实现信息提取；
S2：同时在信号干扰模拟器不工作时，通过交通环境模拟模块模拟出日常生活中车辆所经常遇到的天气情况，诸如：天气阴晴所引起的光照度的变化、雨雪天气的大小变化、目标物的速度和位移大小变化、静止物对光照的反射率大小变化和天气温度变化等情况，以便于实现对车辆的驾驶环境进行全方位真实模拟，即使模拟环境有不完善的地方，也不会造成高昂的测试代价，另外，由于交通环境模拟模块能够模拟具体多变的测试环境，也使得测试结果更为可靠，接近真实测试结果，且接近真实的驾驶体验能够帮助用户设定驾驶偏好，提高用户体验，这样可以模拟出车辆的驾驶环境，并且在测试过程中采用控制单一变量的方法实现环境模拟，以便于提高环境因素对于传感器组的影响检测准确度，通过这些模拟环境的影响作用下，通过信号接收模拟处理器接收信号传感器模拟器上的传感器组所发出的物体提取信息数据包并完成数据处理，数据包接收处理完成后通过中央集成处理控制器进行数据分析后能够将输出指令传输到自动驾驶控制模块上从而完成对被测车辆在环境因素影响下的驾驶状态实现控制，同时能够通过动态仿真模拟器进行被测车辆在不同环境因素情况下的驾驶状态，以便于通过被测车辆能够方便的对车辆上的传感器组的物理特性和传输特性进行模拟，从而完成模型测试；
S3：另外，在信号干扰模拟器工作时，能够对信号传感器模拟器中的传感器组实现信号干扰，这样能够在相同的环境因素下测得受干扰的传感器组对于目标物的感知信息提取能力，这样可以对不受干扰和受干扰状态下的传感器组进行物理特性的测试，从而更加全面的对信号传感器模拟器上的传感器组的物理特性和传输特性进行模拟，为车辆的自动驾驶提供实验依据，提高了车辆行驶时的真实模拟度，可以利用同样的装置模拟不同的环境条件，以验证模型的精度。
与现有技术相比，本发明的有益效果是：
该发明可以在有限的时间内生成海量的数据，用于对传感器组模型的建模，在传感器组模型建立以后，可以利用同样的装置模拟大量不同的环境条件，不受外界条件的约束，以验证模型的精度，还可以进行危险和极限工况的测试，所有的环境参数都可以通过中央集成处理控制器调节，以便于实现对环境因素的调节，该装置可以实现仿真测试的自动化，大量的实验可以在短时间内快速完成，节省实验时间和经费，模拟被测车辆的交通环境，至少包括交通环境中的天气信息、被测车辆所在环境信息和干扰车辆信息，另一方面，在现实中搭建测试环境会导致测试成本较高，本发明模拟真实环境中的天气和干扰车辆等环境信息可节约成本，而且，测试系统可在大范围、长距离及多种环境下对被测车辆的自动驾驶策略进行验证，无需搭建大范围的真实测试环境使得测试成本降低，且能便捷快速的对被测车辆进行自动驾驶功能的测试，且可以进行被测车辆在不同环境因素情况下的驾驶状态，这样可以对不受干扰和受干扰状态下的传感器组进行物理特性的测试，从而更加全面的对车辆上的传感器组的物理特性和传输特性进行模拟，从而完成模型测试。
附图说明
图1为本发明工作原理图；
图2为本发明信号传感器模拟器框图示意图；
图3为本发明交通环境模拟模块框图示意图。
图中：1车辆模拟控制模块、2自动驾驶控制模块、3信号传感器模拟器、31 V2X信号模拟器、32 GPS信号模拟器、33毫米波信号模拟器、34超声波信号模拟器、35激光雷达信号模拟器、36摄像头图像模拟器、4车辆震动模拟装置、5信号干扰模拟器、6交通环境模拟模块、61光照度模拟模块、62雨雪模拟模块、63目标物速度模拟模块、64静止物反射率模拟模块、65温度模拟模块、7信号接收模拟处理器、8中央集成处理控制器、9动态仿真模拟器。
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做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。
请参阅图1，本发明提供一种技术方案：一种基于室内交通场景模拟传感器建模和验证装置，包括车辆模拟控制模块1，通过车辆模拟控制模块1模拟出被测车辆以及被测车辆行驶过程中的路线轨道，保证被测车辆安全行驶时的必备条件，车辆模拟控制模块1包括自动驾驶控制模块2，通过自动驾驶控制模块2实现被测车辆的自动驾驶控制，以便于实现车辆的正常驾驶模拟，自动驾驶控制模块2电性输出连接信号传感器模拟器3，信号传感器模拟器3分别电性输入连接车辆震动模拟装置4和信号干扰模拟器5，车辆震动模拟装置4可以在车辆行驶时模拟不同路面引起的车辆震动对传感器组的影响，同时通过信号传感器模拟器3实现对被测车辆周围的环境实现信息提取，信号传感器模拟器3电性输出连接交通环境模拟模块6，交通环境模拟模块6电性输出连接信号接收模拟处理器7，信号接收模拟处理器7电性输出连接中央集成处理控制器8，中央集成处理控制器8电性输出连接动态仿真模拟器9，且中央集成处理控制器8电性输出连接自动驾驶控制模块2。
请参阅图2，信号传感器模拟器3包括V2X信号模拟器31、GPS信号模拟器32、毫米波信号模拟器33、超声波信号模拟器34、激光雷达信号模拟器35和摄像头图像模拟器36，通过信号传感器模拟器3实现对被测车辆周围的环境实现信息提取，保证了传感器组对周围环境提取信息的全面性；
请参阅图3，交通环境模拟模块6包括光照度模拟模块61、雨雪模拟模块62、目标物速度模拟模块63、静止物反射率模拟模块64和温度模拟模块65，模拟出日常生活中车辆所经常遇到的天气情况，诸如：天气阴晴所引起的光照度的变化、雨雪天气的大小变化、目标物的速度和位移大小变化、静止物对光照的反射率大小变化和天气温度变化等情况，以便于实现对车辆的驾驶环境进行全方位真实模拟；
信号接收模拟处理器7包括和V2X信号模拟器31、GPS信号模拟器32、毫米波信号模拟器33、超声波信号模拟器34、激光雷达信号模拟器35、摄像头图像模拟器36相适配的V2X目标接收处理器、GPS目标接收处理器、毫米波目标接收处理器、超声波目标接收处理器、激光雷达目标接收处理器和摄像头图像接收处理器，实现传感器的一一对应，保证了传感器组的工作独立性，提高了传感器组工作时的互不干扰性；
信号干扰模拟器5包括和V2X信号模拟器31、GPS信号模拟器32、毫米波信号模拟器33、超声波信号模拟器34、激光雷达信号模拟器35、摄像头图像模拟器36相对应的V2X信号干扰器、GPS信号干扰器、毫米波信号干扰器、超声波信号干扰器、激光雷达信号干扰器、摄像头图像干扰器，便于完成对传感器组的单独干扰，以便于实现对传感器组工作时的单一控制，这样可以对不受干扰和受干扰状态下的传感器组进行物理特性的测试，从而更加全面的对信号传感器模拟器3上的传感器组的物理特性和传输特性进行模拟；
动态仿真模拟器9包括高性能图像生成及处理系统和具有沉浸感的虚拟仿真三维显示系统，且高性能图像生成及处理系统电性输出连接具有沉浸感的虚拟仿真三维显示系统，通过这种设置可以通过高性能图像生成及处理系统对现实图像进行整理，并且通过虚拟仿真三维显示系统进行显示，提高了虚拟仿真教学效果。
一种基于室内交通场景模拟传感器建模和验证装置的使用方法：
S1：通过车辆模拟控制模块1模拟出被测车辆以及被测车辆行驶过程中的路线轨道，保证被测车辆安全行驶时的必备条件，并且通过自动驾驶控制模块2实现被测车辆的自动驾驶控制，以便于实现车辆的正常驾驶模拟，同时被测车辆上安装的车辆震动模拟装置4可以在车辆行驶时模拟不同路面引起的车辆震动对传感器组的影响，同时通过信号传感器模拟器3实现对被测车辆周围的环境实现信息提取；
S2：同时在信号干扰模拟器5不工作时，通过交通环境模拟模块6模拟出日常生活中车辆所经常遇到的天气情况，诸如：天气阴晴所引起的光照度的变化、雨雪天气的大小变化、目标物的速度和位移大小变化、静止物对光照的反射率大小变化和天气温度变化等情况，以便于实现对车辆的驾驶环境进行全方位真实模拟，即使模拟环境有不完善的地方，也不会造成高昂的测试代价，另外，由于交通环境模拟模块能够模拟具体多变的测试环境，也使得测试结果更为可靠，接近真实测试结果，且接近真实的驾驶体验能够帮助用户设定驾驶偏好，提高用户体验，这样可以模拟出车辆的驾驶环境，并且在测试过程中采用控制单一变量的方法实现环境模拟，以便于提高环境因素对于传感器组的影响检测准确度，通过这些模拟环境的影响作用下，通过信号接收模拟处理器7接收信号传感器模拟器3上的传感器组所发出的物体提取信息数据包并完成数据处理，数据包接收处理完成后通过中央集成处理控制器8进行数据分析后能够将输出指令传输到自动驾驶控制模块2上从而完成对被测车辆在环境因素影响下的驾驶状态实现控制，同时能够通过动态仿真模拟器9进行被测车辆在不同环境因素情况下的驾驶状态，以便于通过被测车辆能够方便的对车辆上的传感器组的物理特性和传输特性进行模拟，从而完成模型测试；
S3：另外，在信号干扰模拟器5工作时，能够对信号传感器模拟器3中的传感器组实现信号干扰，这样能够在相同的环境因素下测得受干扰的传感器组对于目标物的感知信息提取能力，这样可以对不受干扰和受干扰状态下的传感器组进行物理特性的测试，从而更加全面的对信号传感器模拟器3上的传感器组的物理特性和传输特性进行模拟，为车辆的自动驾驶提供实验依据，提高了车辆行驶时的真实模拟度，可以利用同样的装置模拟不同的环境条件，以验证模型的精度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于室内交通场景模拟传感器建模和验证装置，其特征在于：包括车辆模拟控制模块（1），所述车辆模拟控制模块（1）包括自动驾驶控制模块（2），所述自动驾驶控制模块（2）电性输出连接信号传感器模拟器（3），所述信号传感器模拟器（3）分别电性输入连接车辆震动模拟装置（4）和信号干扰模拟器（5），所述信号传感器模拟器（3）电性输出连接交通环境模拟模块（6），所述交通环境模拟模块（6）电性输出连接信号接收模拟处理器（7），所述信号接收模拟处理器（7）电性输出连接中央集成处理控制器（8），所述中央集成处理控制器（8）电性输出连接动态仿真模拟器（9），且所述中央集成处理控制器（8）电性输出连接自动驾驶控制模块（2）。
2.根据权利要求1所述的一种基于室内交通场景模拟传感器建模和验证装置，其特征在于：所述信号传感器模拟器（3）包括V2X信号模拟器（31）、GPS信号模拟器（32）、毫米波信号模拟器（33）、超声波信号模拟器（34）、激光雷达信号模拟器（35）和摄像头图像模拟器（36）。
3.根据权利要求1所述的一种基于室内交通场景模拟传感器建模和验证装置，其特征在于：所述交通环境模拟模块（6）包括光照度模拟模块（61）、雨雪模拟模块（62）、目标物速度模拟模块（63）、静止物反射率模拟模块（64）和温度模拟模块（65）。
4.根据权利要求2所述的一种基于室内交通场景模拟传感器建模和验证装置，其特征在于：所述信号接收模拟处理器（7）包括和V2X信号模拟器（31）、GPS信号模拟器（32）、毫米波信号模拟器（33）、超声波信号模拟器（34）、激光雷达信号模拟器（35）、摄像头图像模拟器（36）相适配的V2X目标接收处理器、GPS目标接收处理器、毫米波目标接收处理器、超声波目标接收处理器、激光雷达目标接收处理器和摄像头图像接收处理器。
5.根据权利要求1所述的一种基于室内交通场景模拟传感器建模和验证装置，其特征在于：所述信号干扰模拟器（5）包括和V2X信号模拟器（31）、GPS信号模拟器（32）、毫米波信号模拟器（33）、超声波信号模拟器（34）、激光雷达信号模拟器（35）、摄像头图像模拟器（36）相对应的V2X信号干扰器、GPS信号干扰器、毫米波信号干扰器、超声波信号干扰器、激光雷达信号干扰器、摄像头图像干扰器。
6.根据权利要求1所述的一种基于室内交通场景模拟传感器建模和验证装置，其特征在于：所述动态仿真模拟器（9）包括高性能图像生成及处理系统和具有沉浸感的虚拟仿真三维显示系统，且高性能图像生成及处理系统电性输出连接具有沉浸感的虚拟仿真三维显示系统。
7.根据权利要求1-6任意一项所述的一种基于室内交通场景模拟传感器建模和验证装置的使用方法，其特征在于：
S1：通过车辆模拟控制模块（1）模拟出被测车辆以及被测车辆行驶过程中的路线轨道，保证被测车辆安全行驶时的必备条件，并且通过自动驾驶控制模块（2）实现被测车辆的自动驾驶控制，以便于实现车辆的正常驾驶模拟，同时被测车辆上安装的车辆震动模拟装置（4）可以在车辆行驶时模拟不同路面引起的车辆震动对传感器组的影响，同时通过信号传感器模拟器（3）实现对被测车辆周围的环境实现信息提取；
S2：同时在信号干扰模拟器（5）不工作时，通过交通环境模拟模块（6）模拟出日常生活中车辆所经常遇到的天气情况，诸如：天气阴晴所引起的光照度的变化、雨雪天气的大小变化、目标物的速度和位移大小变化、静止物对光照的反射率大小变化和天气温度变化等情况，以便于实现对车辆的驾驶环境进行全方位真实模拟，即使模拟环境有不完善的地方，也不会造成高昂的测试代价，另外，由于交通环境模拟模块能够模拟具体多变的测试环境，也使得测试结果更为可靠，接近真实测试结果，且接近真实的驾驶体验能够帮助用户设定驾驶偏好，提高用户体验，这样可以模拟出车辆的驾驶环境，并且在测试过程中采用控制单一变量的方法实现环境模拟，以便于提高环境因素对于传感器组的影响检测准确度，通过这些模拟环境的影响作用下，通过信号接收模拟处理器（7）接收信号传感器模拟器（3）上的传感器组所发出的物体提取信息数据包并完成数据处理，数据包接收处理完成后通过中央集成处理控制器（8）进行数据分析后能够将输出指令传输到自动驾驶控制模块（2）上从而完成对被测车辆在环境因素影响下的驾驶状态实现控制，同时能够通过动态仿真模拟器（9）进行被测车辆在不同环境因素情况下的驾驶状态，以便于通过被测车辆能够方便的对车辆上的传感器组的物理特性和传输特性进行模拟，从而完成模型测试；
S3：另外，在信号干扰模拟器（5）工作时，能够对信号传感器模拟器（3）中的传感器组实现信号干扰，这样能够在相同的环境因素下测得受干扰的传感器组对于目标物的感知信息提取能力，这样可以对不受干扰和受干扰状态下的传感器组进行物理特性的测试，从而更加全面的对信号传感器模拟器（3）上的传感器组的物理特性和传输特性进行模拟，为车辆的自动驾驶提供实验依据，提高了车辆行驶时的真实模拟度，可以利用同样的装置模拟不同的环境条件，以验证模型的精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911027717.4A CN110599864A (zh) | 2019-10-28 | 2019-10-28 | 一种基于室内交通场景模拟传感器建模和验证装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911027717.4A CN110599864A (zh) | 2019-10-28 | 2019-10-28 | 一种基于室内交通场景模拟传感器建模和验证装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110599864A true CN110599864A (zh) | 2019-12-20 |
Family
ID=68851658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911027717.4A Pending CN110599864A (zh) | 2019-10-28 | 2019-10-28 | 一种基于室内交通场景模拟传感器建模和验证装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110599864A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112017504A (zh) * | 2020-10-29 | 2020-12-01 | 成都运达科技股份有限公司 | 列车驾驶模拟器控制信号数据库、建立方法及培训系统 |
| CN112050853A (zh) * | 2020-08-14 | 2020-12-08 | 一汽奔腾轿车有限公司 | 一种光影系统的整车测试方法 |
| CN112729366A (zh) * | 2020-12-22 | 2021-04-30 | 同济大学 | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 |
| CN114141092A (zh) * | 2021-11-10 | 2022-03-04 | 武汉未来幻影科技有限公司 | 一种驾考模拟器动画场景构建方法及系统 |
| CN114167833A (zh) * | 2021-11-12 | 2022-03-11 | 上海和夏新能源科技有限公司 | 智能网联车模拟测试系统及方法 |
| US11403069B2 (en) | 2017-07-24 | 2022-08-02 | Tesla, Inc. | Accelerated mathematical engine |
| US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
| US11487288B2 (en) | 2017-03-23 | 2022-11-01 | Tesla, Inc. | Data synthesis for autonomous control systems |
| US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
| US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
| US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
| US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
| US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
| US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
| US11665108B2 (en) | 2018-10-25 | 2023-05-30 | Tesla, Inc. | QoS manager for system on a chip communications |
| US11681649B2 (en) | 2017-07-24 | 2023-06-20 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
| US11734562B2 (en) | 2018-06-20 | 2023-08-22 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
| US11748620B2 (en) | 2019-02-01 | 2023-09-05 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
| US11790664B2 (en) | 2019-02-19 | 2023-10-17 | Tesla, Inc. | Estimating object properties using visual image data |
| US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
| US11841434B2 (en) | 2018-07-20 | 2023-12-12 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
| US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
| US11893774B2 (en) | 2018-10-11 | 2024-02-06 | Tesla, Inc. | Systems and methods for training machine models with augmented data |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6457975B1 (en) * | 1997-06-09 | 2002-10-01 | Michael D. Shore | Method and apparatus for training a person to learn a cognitive/functional task |
| CN102184659A (zh) * | 2011-06-09 | 2011-09-14 | 公安部交通管理科学研究所 | 一种汽车交通安全模拟驾驶教育训练系统 |
| CN102708722A (zh) * | 2011-03-28 | 2012-10-03 | 上海日浦信息技术有限公司 | 一种人-车-路环境驾驶模拟实验系统 |
| CN103258452A (zh) * | 2012-02-21 | 2013-08-21 | 天津市维科车辆技术有限公司 | 虚实结合的城市轨道交通模拟仿真实训装置和方法 |
| CN108319259A (zh) * | 2018-03-22 | 2018-07-24 | 上海科梁信息工程股份有限公司 | 一种测试系统及测试方法 |
-
2019
- 2019-10-28 CN CN201911027717.4A patent/CN110599864A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6457975B1 (en) * | 1997-06-09 | 2002-10-01 | Michael D. Shore | Method and apparatus for training a person to learn a cognitive/functional task |
| CN102708722A (zh) * | 2011-03-28 | 2012-10-03 | 上海日浦信息技术有限公司 | 一种人-车-路环境驾驶模拟实验系统 |
| CN102184659A (zh) * | 2011-06-09 | 2011-09-14 | 公安部交通管理科学研究所 | 一种汽车交通安全模拟驾驶教育训练系统 |
| CN103258452A (zh) * | 2012-02-21 | 2013-08-21 | 天津市维科车辆技术有限公司 | 虚实结合的城市轨道交通模拟仿真实训装置和方法 |
| CN108319259A (zh) * | 2018-03-22 | 2018-07-24 | 上海科梁信息工程股份有限公司 | 一种测试系统及测试方法 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11487288B2 (en) | 2017-03-23 | 2022-11-01 | Tesla, Inc. | Data synthesis for autonomous control systems |
| US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
| US11681649B2 (en) | 2017-07-24 | 2023-06-20 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
| US11403069B2 (en) | 2017-07-24 | 2022-08-02 | Tesla, Inc. | Accelerated mathematical engine |
| US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
| US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
| US11797304B2 (en) | 2018-02-01 | 2023-10-24 | Tesla, Inc. | Instruction set architecture for a vector computational unit |
| US11734562B2 (en) | 2018-06-20 | 2023-08-22 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
| US11841434B2 (en) | 2018-07-20 | 2023-12-12 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
| US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
| US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
| US11893774B2 (en) | 2018-10-11 | 2024-02-06 | Tesla, Inc. | Systems and methods for training machine models with augmented data |
| US11665108B2 (en) | 2018-10-25 | 2023-05-30 | Tesla, Inc. | QoS manager for system on a chip communications |
| US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
| US11908171B2 (en) | 2018-12-04 | 2024-02-20 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
| US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
| US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
| US11748620B2 (en) | 2019-02-01 | 2023-09-05 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
| US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
| US11790664B2 (en) | 2019-02-19 | 2023-10-17 | Tesla, Inc. | Estimating object properties using visual image data |
| CN112050853A (zh) * | 2020-08-14 | 2020-12-08 | 一汽奔腾轿车有限公司 | 一种光影系统的整车测试方法 |
| CN112017504B (zh) * | 2020-10-29 | 2021-01-12 | 成都运达科技股份有限公司 | 列车驾驶模拟器控制信号数据库、建立方法及培训系统 |
| CN112017504A (zh) * | 2020-10-29 | 2020-12-01 | 成都运达科技股份有限公司 | 列车驾驶模拟器控制信号数据库、建立方法及培训系统 |
| CN112729366A (zh) * | 2020-12-22 | 2021-04-30 | 同济大学 | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 |
| CN112729366B (zh) * | 2020-12-22 | 2022-04-05 | 同济大学 | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 |
| CN114141092A (zh) * | 2021-11-10 | 2022-03-04 | 武汉未来幻影科技有限公司 | 一种驾考模拟器动画场景构建方法及系统 |
| CN114167833A (zh) * | 2021-11-12 | 2022-03-11 | 上海和夏新能源科技有限公司 | 智能网联车模拟测试系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110599864A (zh) | 一种基于室内交通场景模拟传感器建模和验证装置及方法 | |
| CN110647056B (zh) | 一种基于整车硬件在环的智能网联汽车环境模拟仿真系统 | |
| CN110160804B (zh) | 一种自动驾驶车辆的测试方法、装置及系统 | |
| CN110456757B (zh) | 一种无人驾驶车辆的整车测试方法及系统 | |
| CN110794810B (zh) | 一种对智能驾驶车辆进行集成化测试的方法 | |
| CN109901546B (zh) | 辅助驾驶车辆硬件在环仿真测试方法和系统 | |
| CN108319259B (zh) | 一种测试系统及测试方法 | |
| CN208921448U (zh) | 一种整车测试系统 | |
| CN112987703A (zh) | 一种实验室内整车在环自动驾驶开发测试系统及方法 | |
| KR100904767B1 (ko) | 차량의 충돌 예방 시스템 시험 평가 장치 | |
| CN104460349B (zh) | 实车在回路仿真测试方法、实时仿真机及系统 | |
| CN205750526U (zh) | 新能源汽车整车控制器软硬件集成测试系统 | |
| CN112925291B (zh) | 一种基于相机暗箱的数字孪生自动驾驶测试方法 | |
| 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 | |
| CN110096006B (zh) | 一种自动驾驶系统测试装置 | |
| CN110837697A (zh) | 一种智能车的智能交通仿真系统及其仿真方法 | |
| CN108664013B (zh) | 一种汽车车道保持策略验证平台及方法 | |
| CN113419518B (zh) | 一种基于vts的vil测试平台 | |
| CN102331346A (zh) | 车辆自动变速器低功耗硬件在环试验台及试验方法 | |
| CN112783006B (zh) | 用于自动驾驶车辆车载计算单元的硬件在环仿真测试系统 | |
| CN105301569B (zh) | 汽车倒车雷达显示仪表测试系统及其测试方法 | |
| CN207440610U (zh) | 汽车转向制动仿真测试试验台 | |
| CN113189955A (zh) | 基于复杂气象环境的智能网联汽车传感器测试方法及系统 | |
| CN113778066A (zh) | 基于真值采集的智能驾驶及adas测试方法和系统 | |
| CN105466437A (zh) | 基于日盲紫外光信号的路径检测系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |
|
| RJ01 | Rejection of invention patent application after publication |