CN110705134A - 行驶测试方法、装置、设备及计算机可读存储介质 - Google Patents
行驶测试方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110705134A CN110705134A CN201911278731.1A CN201911278731A CN110705134A CN 110705134 A CN110705134 A CN 110705134A CN 201911278731 A CN201911278731 A CN 201911278731A CN 110705134 A CN110705134 A CN 110705134A
- Authority
- CN
- China
- Prior art keywords
- driving
- test
- image
- environment image
- acquiring
- 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
- 238000010998 test method Methods 0.000 title claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 489
- 238000004088 simulation Methods 0.000 claims abstract description 142
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000013101 initial test Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 66
- 230000008859 change Effects 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 description 15
- 230000004927 fusion Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Abstract
本申请实施例公开了一种行驶测试方法、装置、设备及计算机可读存储介质；本申请实施例可以获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；获取行驶测试案例数据库以及行驶仿真对象数据库；根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；根据所述仿真对象与行驶初始测试案例构建行驶测试案例；根据所述行驶测试案例对所述测试对象进行测试。该方案可以通过仿真系统与测试对象进行更多的行驶测试场景，减少了测试对象的行驶路程，提高了行驶测试的效率，降低了行驶测试成本。
Description
技术领域
本申请涉及数据分析领域，具体涉及一种行驶测试方法、装置、设备及计算机可读存储介质。
背景技术
目前，在行驶测试中，主要通过仿真软件进行行驶测试。而仿真软件的成本与仿真度难以同时兼顾，搭建真实度极高的仿真环境的成本极高，并且由于仿真环境难以完全还原真是环境，因此在仿真软件中测试通过时，在真实环境不一定能通过测试。并且需要长时间测试以保证测试结果的可靠性，即需要在仿真系统内行驶数万乃至数亿公里来充分测试算法决策的稳定性。
而通过真实车辆进行测试时，需要测试案例具有极端性与多样性，同样需要行驶数万乃至数亿公里来充分测试算法决策的稳定性，成本较高，并且具有偶发性以及危险性，导致真实车辆的测试成本同样极高，并且效率较低。
发明内容
本申请实施例提供一种行驶测试方法、装置、设备及计算机可读存储介质，旨在涵盖仿真所需的大量极端场景，提高行驶测试效率，降低行驶测试成本。
本申请实施例提供一种行驶测试方法，包括：
获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；
获取行驶测试案例数据库以及行驶仿真对象数据库；
根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；
根据所述仿真对象与行驶初始测试案例构建行驶测试案例；
根据所述行驶测试案例对所述测试对象进行测试。
相应的，本申请实施例还提供一种行驶测试装置，包括：
第一获取单元，用于获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；
第二获取单元，用于获取行驶测试案例数据库以及行驶仿真对象数据库；
第三获取单元，用于根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；
构建单元，用于根据所述仿真对象与行驶初始测试案例构建行驶测试案例；
测试单元，用于根据所述行驶测试案例对所述测试对象进行测试。
可选的，在一些实施例中，所述第三获取单元包括：
预处理子单元，用于对所述环境影像进行预处理，获得预处理后的环境图像；
图像识别子单元，用于对预处理后的数字图像进行图像识别，获得所述环境图像的图像内容；
第一获取子单元，用于根据所述图像内容从所述仿真对象数据库中获取对应的虚拟环境影像以及虚拟对象；
融合子单元，用于将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象。
可选的，在一些实施例中，所述预处理子单元，包括：
图像增强模块，用于对所述环境影像进行图像增强，获得增强后的环境影像；
图像恢复模块，用于通过滤波与图像重建对所述增强后的环境影像进行图像恢复，获得图像恢复后的环境影像；
图像分割模块，用于对所述图像恢复后的环境影像进行图像分割，获得分割后的环境图像。
可选的，在一些实施例中，所述融合子单元，包括：
第一获取模块，用于根据所述虚拟对象的类别获取所述虚拟对象的形状点云的三维坐标；
投影变换模块，用于对所述三维坐标进行投影变换，获得所述三维坐标的二维坐标；
获得模块，用于根据所述虚拟环境影像与所述二维坐标，获得成像坐标；
融合模块，用于根据所述成像坐标将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象。
可选的，在一些实施例中，所述测试单元，包括：
第二获取子单元，用于获取所述行驶测试案例中的初始行驶行为数据；
控制子单元，用于控制所述测试对象以初始行驶行为进行行驶；
第三获取子单元，用于获取所述测试案例中的行为变化条件；
切换子单元，用于当所述测试对象的行驶特征数据满足行为变化条件时，将所述测试对象的行驶行为数据切换为目标行驶行为数据；
调整子单元，用于基于所述目标行驶行为数据对所述测试对象的行驶状态进行调整测试。
可选的，在一些实施例中，所述调整子单元，包括：
第二获取模块，用于获取所述测试对象，以所述目标行驶行为数据行驶的变化位置；
调整模块，用于根据所述变化位置进行调整测试。
可选的，在一些实施例中，所述行驶测试装置，还包括：
第四获取单元，用于获取所述测试对象进行测试的行驶数据，以及所述测试对象的测试目标行驶数据；
对比单元，用于将所述目标行驶数据与所述行驶数据对比，得到对比结果；
校正单元，用于根据所述对比结果校正所述测试对象中的预设行驶控制算法。
此外，本申请实施例还提供一种行驶测试设备，包括：处理器和存储器；所述存储器质存储有多条指令，所述处理器加载所述存储器存储的指令以执行本申请实施例所提供的任一种行驶测试方法中的步骤。
此外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例所提供的任一种行驶测试方法中的步骤。
本申请实施例通过获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；获取行驶测试案例数据库以及行驶仿真对象数据库；根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，从而提高获取的仿真对象与真实环境的相似度，并且是通过环境图像进行获取，降低了搭建仿真环境的成本，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；根据所述仿真对象与行驶初始测试案例构建行驶测试案例，从而提高获取的行驶测试案例与真实环境的相似度；根据所述行驶测试案例对所述测试对象进行测试即可，不需要行驶数万乃至数亿公里来充分测试算法决策的稳定性，并且通过环境图像以及行驶测试案例数据库获取测试案例即可，增加了场景多样性，提高了测试效率，降低了测试成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的行驶测试方法的场景示意图；
图2是本申请实施例提供的行驶测试方法的一流程示意图；
图3是本申请实施例提供的行驶测试方法的另一流程示意图；
图4a是本申请实施例提供的行驶测试装置一结构示意图；
图4b是本申请实施例提供的行驶测试装置另一结构示意图；
图4c是本申请实施例提供的行驶测试装置再一结构示意图；
图5是本申请实施例提供的服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
本发明实施例提供了一行驶测试系统，包括：本发明实施例提供的行驶测试装置，该行驶测试装置可以集成在终端中，该终端可以为手机、平板电脑、笔记本电脑等设备。此外，行驶测试系统还包括真实车辆的服务器。
比如，参考图1，行驶测试系统包括真实车辆，即测试对象和终端，其中，终端集成有本发明实施例提供的行驶测试装置。终端与测试对象可通过网络连接，比如无线网络等。
其中，真实车辆，即测试对象在进行测试之前，可将测试指令以及环境影像通过无线网络发送至终端，其中，环境影像可通过测试对象的车载服务器进行采集，其中车载服务器可包括车载传感器、车载相机与机载激光扫描设备。从而终端获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；终端进一步获取行驶测试案例数据库以及行驶仿真对象数据库；根据环境影像从行驶仿真对象数据库获取仿真对象，根据行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；根据仿真对象与行驶初始测试案例构建行驶测试案例；根据行驶测试案例对测试对象进行测试。
以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
在本实施例中，将从行驶测试装置的角度进行描述，该行驶测试装置具体可以集成在终端或者服务器中。
如图2所示，该行驶测试方法的具体流程可以如下：
201，获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像。
首先，获取测试对象发送的行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像，环境影像可通过测试对象的车载传感器、车载相机与机载激光扫描设备采集得到，具体包括采集周边物体、环境湿度、温度等，比如车辆、树木、行人、道路、道路湿度、空气湿度等，从而形成环境影像，然后通过测试对象发送至行驶测试装置。
202，获取行驶测试案例数据库以及行驶仿真对象数据库。
其中，行驶测试案例数据库用于存放关键性的测试场景以及测试案例，比如前方车辆并线、侧面车辆靠近、前方行人横穿马路等测试案例，测试案例来源于仿真车辆、行人等对象数据库，以及仿真行为，比如车辆失控、行人奔跑等仿真数据库。行驶仿真对象数据库，为通过拍摄设备，比如相机、手机等进行拍摄得到图像，然后通过AI图像分割提取、语义识别及点云对象识别技术对图像进行处理，获得图像包括的各个部分的物体、环境等的类别，比如车辆、树木、道路等，将图像包括的对应物体与对应的类别标签进行关联，以三维点云形式保存至行驶仿真对象数据库，从而获得包括各类别仿真对象的行驶仿真对象数据库。行驶测试案例数据库以及行驶仿真对象数据库具体可保存至云数据库或者本地服务器中。
203，根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例。
根据环境影像从行驶仿真对象数据库获取仿真对象，具体通过对环境影像进行图像识别，从而获得环境影像包含的物体，比如道路、车辆、道路湿度等。比如，假设环境影像中包含道路、树木、车辆、行人，则从行驶仿真对象数据库获取道路，并根据道路湿度，设置获取到的道路湿度，以及获取树木、车辆、行人。根据行驶测试指令从行驶测试案例数据库中获取初始行驶测试案例，比如假设行驶测试指令为，测试突然出现行人时，测试对象的对应行驶状态，则获取出现行人的初始行驶测试案例。
具体地，根据所述环境影像从所述行驶仿真对象数据库获取仿真对象可包括：
A1，对所述环境影像进行预处理，获得预处理后的环境影像；
A2，对预处理后的环境影像进行图像识别，获得所述环境影像的图像内容；
A3，根据所述图像内容从所述仿真对象数据库中获取对应的虚拟环境影像以及虚拟对象；
A4，将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象。
对环境影像进行预处理，获得预处理后的环境影像，比如对环境影像中的环境图像进行图像采样、图像增强等，从而提高识别环境图像包含的物体的准确性。对预处理后的数字图像进行图像识别，获得环境图像的图像内容，根据图像内容从仿真对象数据库中获取对应的虚拟环境影像以及虚拟对象，比如假设图像内容包括车辆、道路、树木、天空，环境影像还包括湿度以及温度，则从仿真对象数据库获取虚拟天空以及虚拟车辆、道路、树木，以及对应的温度湿度。
进一步地，步骤A1包括：
B1，对所述环境影像进行图像增强，获得增强后的环境影像；
B2，通过滤波与图像重建对所述增强后的环境影像进行图像恢复，获得图像恢复后的环境影像；
B3，对所述图像恢复后的环境影像进行图像分割，获得分割后的环境影像。
具体地，图像在成像过程中会造成图像质量的退化，因此在采集得到环境影像之后，可以对环境影像进行图像增强，突出图像主体，从而减少图像噪声，提高图像清晰度以及图像质量，使得图像中的物体轮廓更清晰。具体可通过频率域法，把环境影像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波法，即只让低频信号通过的方法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。或者通过空间域法中具有代表性的算法，比如局部求平均值法和中值滤波，即取局部邻域中的中间像素值法等，去除或减弱环境图像噪声。从而获得图像增强后的环境影像。
为了进一步提高环境影像的清晰度，可进一步通过滤波与图像重建对增强后的环境影像进行图像恢复，获得图像恢复后的环境影像，然后对图像恢复后的环境影像进行图像分割，通过分割得到边界区分不重叠的环境影像的各个区域，从而获得分割后的环境影像。
进一步地，步骤A4包括：
C1，根据所述虚拟对象的类别获取所述虚拟对象的形状点云的三维坐标；
C2，对所述三维坐标进行投影变换，获得所述三维坐标的二维坐标；
C3，根据所述虚拟环境影像与所述二维坐标，获得成像坐标；
C4，根据所述成像坐标将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象。
根据虚拟对象的类别获取虚拟对象的形状点云，并根据形状点云获取虚拟对象的三维坐标，由于在存储虚拟对象时，是以三维点云形式保存至行驶仿真对象数据库中，因此直接通过行驶仿真对象数据库即可获取虚拟对象的形状点云，即当测试案例需要调用虚拟对象时可直接获取，点云在测试案例内的坐标(x1，y1，z1)，具体可为原始坐标(x，y，z)进行平移和旋转矩阵得到。对三维坐标进行投影变换，获得三维坐标的二维坐标，即对构成虚拟对象的所有几何结构点从三维坐标(x，y，z)转换为图像空间内的二维坐标，首先将三维坐标乘以世界坐标转换矩阵得到世界坐标，再乘以根据车载传感器车载相机位置和方位角构成的透视投影矩阵得到标准化平面坐标，即二维坐标，再根据像片大小得到最终成像坐标。根据成像坐标将虚拟环境影像以及虚拟对象进行融合，获得仿真对象，具体可采用OpenGLShader（着色器）实现，虚拟对象的几何与纹理通过渲染管线可以快速得到在图像里的图斑。使用深度排序（z-sorting）算法裁剪被遮挡的原始点云及像素，即实现了虚拟环境影像以及虚拟对象的融合。
204，根据所述仿真对象与行驶初始测试案例构建行驶测试案例。
根据仿真对象与行驶初始测试案例构建行驶测试案例，比如将仿真对象与行驶初始测试案例进行融合，得到行驶测试案例。具体地， 将仿真对象与行驶初始测试案例进行去重融合，比如假设仿真对象中包含了测试车辆，则可将行驶初始测试案例中的目标测试车辆去除，然后将仿真对象中的测试车辆与去除目标测试车辆后的行驶初始测试案例进行融合，从而获得行驶测试案例。通过获取真实车辆，即测试对象所处的真实环境，并进行识别，从而获得真实车辆的环境影像，根据真实车辆获取精确的仿真对象以及初始行驶测试案例，并将仿真对象与初始行驶测试案例进行融合，从而获得行驶测试案例，并根据行驶测试案例对真实车辆进行测试，从而使得真实车辆的测试场景更多样化，并且处于真实的测试环境，从而提高行驶测试的准确性。并且通过测试案例，减少了测试所需行驶的距离，并且不需要真实的障碍物，比如行人等，只需要根据测试案例改变状态即可，从而降低了测试成本。
205，根据所述行驶测试案例对所述测试对象进行测试。
根据行驶测试案例对行驶测试对象进行测试，比如将测试案例发送至测试对象，以便控制所述测试对象根据测试案例进行行驶测试。
具体步骤205可包括：
D1，获取所述行驶测试案例中的初始行驶行为数据；
D2，控制所述测试对象以初始行驶行为进行行驶；
D3，获取所述测试案例中的行为变化条件；
D4，当所述测试对象的行驶特征数据满足行为变化条件时，将所述测试对象的行驶行为数据切换为目标行驶行为数据；
D5，基于所述目标行驶行为数据对所述测试对象的行驶状态进行调整测试。
首先，获取行驶测试案例中的初始行驶行为数据，并根据初始行驶行为数据控制测试对象进行行驶，即以行驶行为数据中的初始速度以及方向进行行驶，行驶规律根据行驶行为数据，遵从一定的交通流模型，比如跟驰和换道，交通流模型参数可以使用标定值或者缺省值。在测试对象在行驶过程中，实时检测行驶过程中测试对象的行驶特征数据，包括测试对象的已行驶时间，当前行驶路段，距离当前所行驶路段中，预设距离内的障碍物等，其中，已行驶时间可通过测试对象进行记录行驶时间得到；当前行驶路段可通过测试对象记录的行驶场景获得，比如记录测试对象的行驶场景图像，然后进行分析，从而获得测试对象的行驶路段，同理，距离当前所行驶路段中，预设距离内的障碍物也可通过测试对象记录预设距离的场景图像，然后通过图像分析获得距离当前所行驶路段中，预设距离内的障碍物。
然后获取测试案例中的行为变化条件，行为变化条件可以包括多种条件，比如预设的行驶时间，预设的路段等。当测试对象的行驶特征数据满足行为变化条件时，将测试对象的行驶行为数据切换为目标行驶行为数据，比如满足预设的行驶时间，或者满足处于预设的运行路段等，将测试对象对应的行驶行为数据切换为目标行驶行为数据，即调整测试对象的行驶状态，具体调整的状态可根据满足的具体行为变化条件进行确定。具体地，可以通过将测试对象的行驶特征数据与行驶行为数据中的行为变化条件对应的行驶特征数据进行对比，若行驶行为数据中的行为变化条件对应的行驶特征数据中存在与测试对象的行驶特征数据一致的行驶特征数据，则确定测试对象的行驶特征数据满足行为变化条件，然后将测试对象对应的行驶行为数据切换为行驶行为数据中与测试对象的行驶特征数据一致的行驶行为数据，具体可通过发送切换指令，控制测试对象进行切换。以便基于目标行驶行为数据对测试对象的行驶状态进行调整测试。
比如当行驶特征数据为行驶时间时，确定行驶特征数据是否满足行为变化条件具体可以为将行驶时间与行为变化条件中的变化时间对比，若行驶时间与变化时间一致，则确定行驶时间满足行为变化条件，将测试对象对应的行驶行为数据切换为与行驶时间对应的目标行驶行为数据。
然后具体根据测试对象以目标行驶行为数据产生的位置变化，进行调整测试。比如，获取测试对象基于目标行驶行为数据产生的位置变化，从而进行调整测试。
即步骤D5可包括：
E1，获取所述测试对象，以所述目标行驶行为数据行驶的变化位置；
E2，根据所述变化位置进行调整测试。
具体通过获取测试对象，以目标行驶行为数据行驶的变化位置，进行调整测试。
进一步地，在步骤205之后，还可以包括：
F1，获取所述测试对象进行测试的行驶数据，以及所述测试对象的测试目标行驶数据；
F2，将所述目标行驶数据与所述行驶数据对比，得到对比结果；
F3，根据所述对比结果校正所述测试对象中的预设行驶控制算法
其中，测试对象进行测试的行驶数据即，测试对象在在切换行驶行为数据之后，行驶状态会发生更改，比如由于测试案例中当前A道有行人，测试对象根据测试案例从A道行驶转换为B道行驶，发生的状态更改而产生的行驶数据。测试对象的目标行驶数据即测试对象在根据测试案例进行行驶的标准参考行驶数据，通过将目标行驶数据与行驶数据对比，得到对比结果，若对比结果为一致，则不需要进行调整，若对比结果为存在误差，则需要根据具体的误差范围，对测试对象中的预设行驶控制算法进行校正。
本申请通过获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；获取行驶测试案例数据库以及行驶仿真对象数据库；根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，从而提高获取的仿真对象与真实环境的相似度，并且是通过环境图像进行获取，降低了搭建仿真环境的成本，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；根据所述仿真对象与行驶初始测试案例构建行驶测试案例，从而提高获取的行驶测试案例与真实环境的相似度；根据所述行驶测试案例对所述测试对象进行测试即可，不需要行驶数万乃至数亿公里来充分测试算法决策的稳定性，并且通过环境影像以及行驶测试案例数据库获取测试案例即可，增加了场景多样性，提高了测试效率，降低了测试成本。根据上述实施例所描述的方法，以下将举例作进一步详细说明。
参照图3，本实施例以行驶测试系统包括真实车辆与行驶测试装置为例，对上述实施例所描述的行驶测试方法进行详细说明。
301，真实车辆采集当前所处的环境影像，并将行驶测试指令与采集得到的环境影像发送至行驶测试装置。
真实车辆可通过车载传感器以及车载相机等采集当前所处的环境影像，具体可包括采集当前所处的环境图像以及环境温度、湿度等。并将行驶测试指令以及采集得到的环境影像发送至行驶测试装置。
302，行驶测试装置获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像。
303，行驶测试装置获取行驶测试案例数据库以及行驶仿真对象数据库。
行驶测试装置获取行驶测试指令以及行驶测试指令对应的测试对象的环境影像、行驶测试案例数据库以及行驶仿真对象数据库。
其中，行驶测试案例数据库用于存放关键性的测试场景、案例，比如前方车辆并线、侧面车辆靠近、前方行人横穿马路等案例，案例来源于仿真车辆、行人等对象数据库，以及仿真行为，比如车辆失控、行人奔跑等数据库。行驶仿真对象数据库，为通过拍摄设备，比如相机、手机等进行拍摄得到图像，然后通过AI图像分割提取、语义识别及点云对象识别技术对图像进行处理，获得图像包括的各个部分的物体、环境等的类别，比如车辆、树木、道路等，将图像包括的对应物体与对应的类别标签进行关联，以三维点云形式保存至行驶仿真对象数据库，从而获得包括各类别仿真对象的行驶仿真对象数据库。行驶测试案例数据库以及行驶仿真对象数据库具体可保存至云数据库或者本地服务器中。
304，行驶测试装置根据环境影像从行驶仿真对象数据库获取仿真对象，根据行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例。
行驶测试装置根据环境影像从行驶仿真对象数据库获取仿真对象，具体通过对环境影像进行图像识别，从而获得环境影像包含的物体，比如道路、车辆、道路湿度等。比如，假设环境影像中包含道路、树木、车辆、行人，则从行驶仿真对象数据库获取道路，并根据道路湿度，设置获取到的道路湿度，以及获取树木、车辆、行人。根据行驶测试指令从行驶测试案例数据库中获取初始行驶测试案例，比如假设行驶测试指令为，测试突然出现行人时，测试对象的对应行驶状态，则获取出现行人的初始行驶测试案例。
305，行驶测试装置根据仿真对象与行驶初始测试案例构建行驶测试案例。
行驶测试装置根据仿真对象与行驶初始测试案例构建行驶测试案例，比如将仿真对象与行驶初始测试案例进行融合，得到行驶测试案例。具体地， 将仿真对象与行驶初始测试案例进行去重融合，比如假设仿真对象中包含了测试车辆，则可将行驶初始测试案例中的目标测试车辆去除，然后将仿真对象中的测试车辆与去除目标测试车辆后的行驶初始测试案例进行融合，从而获得行驶测试案例。通过获取真实车辆，即测试对象所处的真实环境，并进行识别，从而获得真实车辆的环境影像，根据真实车辆获取精确的仿真对象以及初始行驶测试案例，并将仿真对象与初始行驶测试案例进行融合，从而获得行驶测试案例，并根据行驶测试案例对真实车辆进行测试，从而使得真实车辆的测试场景更多样化，并且处于真实的测试环境，从而提高行驶测试的准确性。并且通过测试案例，减少了测试所需行驶的距离，并且不需要真实的障碍物，比如行人等，只需要根据测试案例改变状态即可，从而降低了测试成本。
306，行驶测试装置根据所述行驶测试案例对所述测试对象进行测试。
根据行驶测试案例对行驶测试对象进行测试，比如将测试案例发送至测试对象，以便控制所述测试对象根据测试案例进行行驶测试。
307，行驶测试装置获取所述测试对象进行测试的行驶数据，以及所述测试对象的测试目标行驶数据；
308，行驶测试装置将所述目标行驶数据与所述行驶数据对比，得到对比结果；
309，行驶测试装置根据所述对比结果校正所述测试对象中的预设行驶控制算法。
其中，测试对象进行测试的行驶数据即，测试对象在在切换行驶行为数据之后，行驶状态会发生更改，比如由于测试案例中当前A道有行人，测试对象根据测试案例从A道行驶转换为B道行驶，发生的状态更改而产生的行驶数据。测试对象的目标行驶数据即测试对象在根据测试案例进行行驶的标准参考行驶数据，通过将目标行驶数据与行驶数据对比，得到对比结果，若对比结果为一致，则不需要进行调整，若对比结果为存在误差，则需要根据具体的误差范围，对测试对象中的预设行驶控制算法进行校正。
本申请通过获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；获取行驶测试案例数据库以及行驶仿真对象数据库；根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，从而提高获取的仿真对象与真实环境的相似度，并且是通过环境图像进行获取，降低了搭建仿真环境的成本，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；根据所述仿真对象与行驶初始测试案例构建行驶测试案例，从而提高获取的行驶测试案例与真实环境的相似度；根据所述行驶测试案例对所述测试对象进行测试即可，不需要行驶数万乃至数亿公里来充分测试算法决策的稳定性，并且通过环境影像以及行驶测试案例数据库获取测试案例即可，增加了场景多样性，提高了测试效率，降低了测试成本。
为了更好地实施以上方法，本申请实施例还可以提供一种行驶测试装置，该行驶测试装置具体可以集成在网络设备中，该网络设备可以是终端等设备。
例如，如图4a所示，该行驶测试可以包括第一获取单元401、第二获取单元单元402，第三获取单元单元403、构建单元和测试单元404，如下：
（1）第一获取单元401；
第一获取单元401，用于获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像。
首先，获取测试对象发送的行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像，环境影像可通过测试对象的车载相机与机载激光扫描采集得到，具体包括采集周边物体、环境湿度、温度等，比如车辆、树木、行人、道路、道路湿度、空气湿度等，从而形成环境影像，然后通过测试对象的服务器发送至行驶测试装置。
（2）第二获取单元402，用于获取行驶测试案例数据库以及行驶仿真对象数据库。
其中，行驶测试案例数据库用于存放关键性的测试场景、案例，比如前方车辆并线、侧面车辆靠近、前方行人横穿马路等案例，案例来源于仿真车辆、行人等对象数据库，以及仿真行为，比如车辆失控、行人奔跑等数据库。行驶仿真对象数据库，为通过拍摄设备，比如相机、手机等进行拍摄得到图像，然后通过AI图像分割提取、语义识别及点云对象识别技术对图像进行处理，获得图像包括的各个部分的物体、环境等的类别，比如车辆、树木、道路等，将图像包括的对应物体与对应的类别标签进行关联，以三维点云形式保存至行驶仿真对象数据库，从而获得包括各类别仿真对象的行驶仿真对象数据库。行驶测试案例数据库以及行驶仿真对象数据库具体可保存至云数据库或者本地服务器中。
（3）第三获取单元403，用于根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例。
根据环境影像从行驶仿真对象数据库获取仿真对象，具体通过对环境影像进行图像识别，从而获得环境影像包含的物体，比如道路、车辆、道路湿度等。比如，假设环境影像中包含道路、树木、车辆、行人，则从行驶仿真对象数据库获取道路，并根据道路湿度，设置获取到的道路湿度，以及获取树木、车辆、行人。根据行驶测试指令从行驶测试案例数据库中获取初始行驶测试案例，比如假设行驶测试指令为，测试突然出现行人时，测试对象的对应行驶状态，则获取出现行人的初始行驶测试案例。
（4）构建单元404
构建单元404，用于根据所述仿真对象与行驶初始测试案例构建行驶测试案例。
根据仿真对象与行驶初始测试案例构建行驶测试案例，比如将仿真对象与行驶初始测试案例进行融合，得到行驶测试案例。具体地，将仿真对象与行驶初始测试案例进行去重融合，比如假设仿真对象中包含了测试车辆，则可将行驶初始测试案例中的目标测试车辆去除，然后将仿真对象中的测试车辆与去除目标测试车辆后的行驶初始测试案例进行融合，从而获得行驶测试案例。通过获取真实车辆，即测试对象所处的真实环境，并进行识别，从而获得真实车辆的环境影像，根据真实车辆获取精确的仿真对象以及初始行驶测试案例，并将仿真对象与初始行驶测试案例进行融合，从而获得行驶测试案例，并根据行驶测试案例对真实车辆进行测试，从而使得真实车辆的测试场景更多样化，并且处于真实的测试环境，从而提高行驶测试的准确性。并且通过测试案例，减少了测试所需行驶的距离，并且不需要真实的障碍物，比如行人等，只需要根据测试案例改变状态即可，从而降低了测试成本。
（5）测试单元405，用于根据所述行驶测试案例对所述测试对象进行测试。
根据行驶测试案例对行驶测试对象进行测试，比如将测试案例发送至测试对象，以便控制所述测试对象根据测试案例进行行驶测试。
具体地，如图4b所示，第三获取单元402可以包括预处理子单元406、图像识别子单元407、获取子单元408以及融合子单元：
预处理子单元406，用于对所述环境影像进行预处理，获得预处理后的环境影像；
图像识别子单元407，用于对预处理后的环境影像进行图像识别，获得所述环境影像的图像内容；
获取子单元408，用于根据所述图像内容从所述仿真对象数据库中获取对应的虚拟环境影像以及虚拟对象；
融合子单元409，用于将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象。
对环境影像进行预处理，获得预处理后的环境影像，比如对环境影像中的环境图像进行图像采样、图像增强等，从而提高识别环境图像包含的物体的准确性。对预处理后的数字图像进行图像识别，获得环境图像的图像内容，根据图像内容从仿真对象数据库中获取对应的虚拟环境影像以及虚拟对象，比如假设图像内容包括车辆、道路、树木、天空，则从仿真对象数据库获取虚拟天空以及虚拟车辆、道路、树木。
具体地，如图4c所示，行驶测试还可以包括第四获取单元410、对比单元411以及校正单元412：
第四获取单元410，用于获取所述测试对象进行测试的行驶数据，以及所述测试对象的测试目标行驶数据；
对比单元411，用于将所述目标行驶数据与所述行驶数据对比，得到对比结果；
校正单元412，用于根据所述对比结果校正所述测试对象中的预设行驶控制算法。
其中，测试对象进行测试的行驶数据即，测试对象在在切换行驶行为数据之后，行驶状态会发生更改，比如由于测试案例中当前A道有行人，测试对象根据测试案例从A道行驶转换为B道行驶，发生的状态更改而产生的行驶数据。测试对象的目标行驶数据即测试对象在根据测试案例进行行驶的标准参考行驶数据，通过将目标行驶数据与行驶数据对比，得到对比结果，若对比结果为一致，则不需要进行调整，若对比结果为存在误差，则需要根据具体的误差范围，对测试对象中的预设行驶控制算法进行校正。
由上可知，本实施例的行驶测试装置，通过第一获取单元401获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；第二获取单元402获取行驶测试案例数据库以及行驶仿真对象数据库；第三获取单元403根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，从而提高获取的仿真对象与真实环境的相似度，并且是通过环境图像进行获取，降低了搭建仿真环境的成本，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；构建单元404根据所述仿真对象与行驶初始测试案例构建行驶测试案例，从而提高获取的行驶测试案例与真实环境的相似度；通过测试单元405根据所述行驶测试案例对所述测试对象进行测试即可，不需要行驶数万乃至数亿公里来充分测试算法决策的稳定性，并且通过环境影像以及行驶测试案例数据库获取测试案例即可，增加了场景多样性，提高了测试效率，降低了测试成本。
本申请实施例还提供一种服务器，如图5所示，其示出了本申请实施例所涉及的服务器的结构示意图，具体来讲：
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图5中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
服务器还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；
获取行驶测试案例数据库以及行驶仿真对象数据库；
根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；
根据所述仿真对象与行驶初始测试案例构建行驶测试案例；
根据所述行驶测试案例对所述测试对象进行测试。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种行驶测试方法中的步骤。例如，该指令可以执行如下步骤：
获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；
获取行驶测试案例数据库以及行驶仿真对象数据库；
根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；
根据所述仿真对象与行驶初始测试案例构建行驶测试案例；
根据所述行驶测试案例对所述测试对象进行测试。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该计算机可读存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取记忆体（RAM，Random Access Memory）、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请实施例所提供的任一种行驶测试中的步骤，因此，可以实现本申请实施例所提供的任一种行驶测试所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种行驶测试方法、装置、设备及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种行驶测试方法，其特征在于，包括：
获取行驶测试指令以及所述行驶测试指令对应的测试对象的环境影像；
获取行驶测试案例数据库以及行驶仿真对象数据库；
根据所述环境影像从所述行驶仿真对象数据库获取仿真对象，根据所述行驶测试指令从所述行驶测试案例数据库中获取初始行驶测试案例；
根据所述仿真对象与行驶初始测试案例构建行驶测试案例；
根据所述行驶测试案例对所述测试对象进行测试。
2.如权利要求1所述的行驶测试方法，其特征在于，所述根据所述环境影像从所述仿真对象数据库获取仿真对象，包括：
对所述环境影像进行预处理，获得预处理后的环境图像；
对预处理后的数字图像进行图像识别，获得所述环境图像的图像内容；
根据所述图像内容从所述仿真对象数据库中获取对应的虚拟环境影像以及虚拟对象；
将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象。
3.如权利要求1所述的行驶测试方法，其特征在于，所述对所述环境影像进行预处理，获得预处理后的环境图像，包括：
对所述环境影像进行图像增强，获得增强后的环境影像；
通过滤波与图像重建对所述增强后的环境影像进行图像恢复，获得图像恢复后的环境影像；
对所述图像恢复后的环境影像进行图像分割，获得分割后的环境图像。
4.如权利要求2所述的行驶测试方法，其特征在于，所述将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象，包括：
根据所述虚拟对象的类别获取所述虚拟对象的形状点云的三维坐标；
对所述三维坐标进行投影变换，获得所述三维坐标的二维坐标；
根据所述虚拟环境影像与所述二维坐标，获得成像坐标；
根据所述成像坐标将所述虚拟环境影像以及虚拟对象进行融合，获得仿真对象。
5.如权利要求1所述的行驶测试方法，其特征在于，所述根据所述行驶测试案例对所述测试对象进行测试，包括：
获取所述行驶测试案例中的初始行驶行为数据；
控制所述测试对象以初始行驶行为进行行驶；
获取所述测试案例中的行为变化条件；
当所述测试对象的行驶特征数据满足行为变化条件时，将所述测试对象的行驶行为数据切换为目标行驶行为数据；
基于所述目标行驶行为数据对所述测试对象的行驶状态进行调整测试。
6.如权利要求5所述的行驶测试方法，其特征在于，所述基于所述目标行驶行为数据对所述测试对象的行驶状态进行调整测试，包括：
获取所述测试对象，以所述目标行驶行为数据行驶的变化位置；
根据所述变化位置进行调整测试。
7.如权利要求1-6任一项所述的行驶测试方法，所述根据所述行驶测试案例对所述测试对象进行测试之后，还包括：
获取所述测试对象进行测试的行驶数据，以及所述测试对象的测试目标行驶数据；
将所述目标行驶数据与所述行驶数据对比，得到对比结果；
根据所述对比结果校正所述测试对象中的预设行驶控制算法。
8.一种行驶测试装置，其特征在于，包括：
第一获取单元，用于获取初始行驶行为数据，在虚拟场景中模拟目标运动对象与测试对象以所述初始行驶行为数据行驶；获取所述虚拟场景中所述测试对象的行驶特征数据；
切换单元，用于当所述测试对象的行驶特征数据满足行为变化条件时，将所述测试对象对应的行驶行为数据切换为目标行驶行为数据；
调整单元，用于基于所述目标运动对象、测试对象以及目标行驶行为数据对所述虚拟场景进行调整；
显示单元，用于显示所述目标运动对象在调整后虚拟场景中的行驶。
9.一种行驶测试设备，其特征在于，包括：处理器和存储器；所述存储器质存储有多条指令，所述处理器加载所述存储器存储的指令以执行权利要求1-7任一项所述的行驶测试方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的行驶测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911278731.1A CN110705134A (zh) | 2019-12-13 | 2019-12-13 | 行驶测试方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911278731.1A CN110705134A (zh) | 2019-12-13 | 2019-12-13 | 行驶测试方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110705134A true CN110705134A (zh) | 2020-01-17 |
Family
ID=69208102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911278731.1A Pending CN110705134A (zh) | 2019-12-13 | 2019-12-13 | 行驶测试方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110705134A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494439A (zh) * | 2022-01-25 | 2022-05-13 | 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 |
| CN116566819A (zh) * | 2023-06-08 | 2023-08-08 | 禾多科技（北京）有限公司 | 仿真测试通信方法、装置、电子设备和计算机可读介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956268A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 应用于无人驾驶汽车的测试场景构建方法和装置 |
| CN106599773A (zh) * | 2016-10-31 | 2017-04-26 | 清华大学 | 用于智能驾驶的深度学习图像识别方法、系统及终端设备 |
| CN108765235A (zh) * | 2018-05-09 | 2018-11-06 | 公安部交通管理科学研究所 | 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法 |
| US20190043278A1 (en) * | 2017-08-01 | 2019-02-07 | Ford Global Technologies, Llc | Test drive scenario system for virtual test drive scenarios |
| CN109446371A (zh) * | 2018-11-09 | 2019-03-08 | 苏州清研精准汽车科技有限公司 | 一种智能汽车仿真测试场景库生成方法及测试系统和方法 |
| CN110160804A (zh) * | 2019-05-31 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 一种自动驾驶车辆的测试方法、装置及系统 |
| CN110174274A (zh) * | 2019-05-28 | 2019-08-27 | 初速度（苏州）科技有限公司 | 一种智能驾驶算法的修正方法及装置 |
| US20190302259A1 (en) * | 2018-03-27 | 2019-10-03 | The Mathworks, Inc. | Systems and methods for generating synthetic sensor data |
-
2019
- 2019-12-13 CN CN201911278731.1A patent/CN110705134A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956268A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 应用于无人驾驶汽车的测试场景构建方法和装置 |
| CN106599773A (zh) * | 2016-10-31 | 2017-04-26 | 清华大学 | 用于智能驾驶的深度学习图像识别方法、系统及终端设备 |
| US20190043278A1 (en) * | 2017-08-01 | 2019-02-07 | Ford Global Technologies, Llc | Test drive scenario system for virtual test drive scenarios |
| US20190302259A1 (en) * | 2018-03-27 | 2019-10-03 | The Mathworks, Inc. | Systems and methods for generating synthetic sensor data |
| CN108765235A (zh) * | 2018-05-09 | 2018-11-06 | 公安部交通管理科学研究所 | 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法 |
| CN109446371A (zh) * | 2018-11-09 | 2019-03-08 | 苏州清研精准汽车科技有限公司 | 一种智能汽车仿真测试场景库生成方法及测试系统和方法 |
| CN110174274A (zh) * | 2019-05-28 | 2019-08-27 | 初速度（苏州）科技有限公司 | 一种智能驾驶算法的修正方法及装置 |
| CN110160804A (zh) * | 2019-05-31 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 一种自动驾驶车辆的测试方法、装置及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 朱冰 等: "《基于场景的自动驾驶汽车虚拟测试研究进展》", 《中国公路学报》 * |
| 李英勃 等: "《基于融合感知的场景数据提取技术研究》", 《现代计算机（专业版）》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494439A (zh) * | 2022-01-25 | 2022-05-13 | 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 |
| 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 |
| CN116566819A (zh) * | 2023-06-08 | 2023-08-08 | 禾多科技（北京）有限公司 | 仿真测试通信方法、装置、电子设备和计算机可读介质 |
| CN116566819B (zh) * | 2023-06-08 | 2023-09-19 | 禾多科技（北京）有限公司 | 仿真测试通信方法、装置、电子设备和计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7058669B2 (ja) | 車両外観特徴識別及び車両検索方法、装置、記憶媒体、電子デバイス | |
| KR102447352B1 (ko) | 교통 신호등 검출 및 지능형 주행을 위한 방법 및 디바이스, 차량, 및 전자 디바이스 | |
| US10210286B1 (en) | Systems and methods for detecting curbs in three-dimensional point clouds descriptive of streets | |
| CN111328396A (zh) | 用于图像中的对象的姿态估计和模型检索 | |
| KR102073162B1 (ko) | 딥러닝 기반의 소형 물체 검출 기법 | |
| Palazzi et al. | Learning to map vehicles into bird’s eye view | |
| CN112381104A (zh) | 一种图像识别方法、装置、计算机设备及存储介质 | |
| CN114429528A (zh) | 图像处理方法、装置、设备、计算机程序及存储介质 | |
| JP2021157847A (ja) | 異常なナンバープレート認識方法、装置、デバイス及び読み取り可能な記憶媒体 | |
| CN112487979A (zh) | 目标检测方法和模型训练方法、装置、电子设备和介质 | |
| CN112036381B (zh) | 视觉跟踪方法、视频监控方法及终端设备 | |
| CN110705134A (zh) | 行驶测试方法、装置、设备及计算机可读存储介质 | |
| Roos et al. | A framework for simulative evaluation and optimization of point cloud-based automotive sensor sets | |
| CN114066999A (zh) | 基于三维建模的目标定位系统及方法 | |
| CN112085842B (zh) | 深度值确定方法及装置、电子设备和存储介质 | |
| CN115131407B (zh) | 面向数字仿真环境的机器人目标跟踪方法、装置和设备 | |
| Cai et al. | 3D vehicle detection based on LiDAR and camera fusion | |
| CN112668596A (zh) | 三维物体识别方法及装置、识别模型训练方法及装置 | |
| CN113763438B (zh) | 一种点云配准方法、装置、设备及存储介质 | |
| CN114972945A (zh) | 多机位信息融合的车辆识别方法、系统、设备及存储介质 | |
| WO2022108844A1 (en) | Multi-view visual data damage detection | |
| CN113569600A (zh) | 物体重识别的方法、装置、电子设备及存储介质 | |
| CN112529917A (zh) | 一种三维目标分割方法、装置、设备和存储介质 | |
| Azi et al. | Car tracking technique for DLES project | |
| CN116681884B (zh) | 一种对象检测方法和相关装置 |
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: 20200117 |
|
| RJ01 | Rejection of invention patent application after publication |