CN111122175B - 测试自动驾驶系统的方法以及装置 - Google Patents

测试自动驾驶系统的方法以及装置 Download PDF

Info

Publication number
CN111122175B
CN111122175B CN202010002080.XA CN202010002080A CN111122175B CN 111122175 B CN111122175 B CN 111122175B CN 202010002080 A CN202010002080 A CN 202010002080A CN 111122175 B CN111122175 B CN 111122175B
Authority
CN
China
Prior art keywords
scene
complexity
tested
level
determining
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
Application number
CN202010002080.XA
Other languages
English (en)
Other versions
CN111122175A (zh
Inventor
李晴宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Apollo Intelligent Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Apollo Intelligent Technology Beijing Co Ltd filed Critical Apollo Intelligent Technology Beijing Co Ltd
Priority to CN202010002080.XA priority Critical patent/CN111122175B/zh
Publication of CN111122175A publication Critical patent/CN111122175A/zh
Priority to US17/024,505 priority patent/US11556128B2/en
Priority to EP20217803.4A priority patent/EP3846035B1/en
Priority to KR1020200189191A priority patent/KR102487336B1/ko
Priority to JP2021000182A priority patent/JP7301077B2/ja
Application granted granted Critical
Publication of CN111122175B publication Critical patent/CN111122175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • 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
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/04—Monitoring the functioning of the control system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3684—Test management for test design, e.g. generating new test cases
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/04—Monitoring the functioning of the control system
    • B60W2050/041—Built in Test Equipment [BITE]

Abstract

本申请公开了一种测试自动驾驶系统的方法、装置、电子设备以及计算机可读存储介质，涉及自动驾驶技术领域。本申请在测试自动驾驶系统时所采用的实现方案为：获取待测试场景的场景描述信息；对所述场景描述信息进行分析，确定所述待测试场景对应的场景风险、场景概率以及场景复杂度；根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重；确定对应所述场景权重的测试周期，所述测试周期用于自动驾驶系统进行所述待测试场景的测试。本申请能够降低自动驾驶系统的测试压力，提升自动驾驶系统的测试效率。

Description

测试自动驾驶系统的方法以及装置
技术领域
本申请涉及测试技术领域，尤其涉及自动驾驶技术领域中的一种测试自动驾驶系统的方法、装置、电子设备以及计算机可读存储介质。
背景技术
车辆性能测试是提升车辆安全性的重要手段。尤其对于自动驾驶车辆来说，设置不同的测试场景进行测试是保证自动驾驶车辆安全性的必要手段。但是，测试自动驾驶的场景成千上万，由于无法区分不同测试场景的重要程度，因此需要每次都对成千上万的场景进行测试，一方面会带来巨大的测试压力，另一方面会降低测试效率。
发明内容
本申请为解决技术问题所采用的技术方案是提供一种测试自动驾驶系统的方法、装置、电子设备以及计算机可读介质，所述方法包括：获取待测试场景的场景描述信息；对所述场景描述信息进行分析，确定所述待测试场景对应的场景风险、场景概率以及场景复杂度；根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重；确定对应所述场景权重的测试周期，所述测试周期用于自动驾驶系统进行所述待测试场景的测试。本申请能够降低自动驾驶系统的测试压力，提升自动驾驶系统的测试效率。
根据本申请一优选实施例，所述场景复杂度包含待测试场景对应的环境复杂度以及任务复杂度。本步骤能够结合更多元素定义场景复杂度，更加贴合实际。
根据本申请一优选实施例，所述根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重包括：根据场景风险确定风险等级，根据场景概率确定概率等级以及根据场景复杂度确定复杂度等级；将对应所述风险等级、概率等级以及复杂度等级的权重值进行相加，根据相加结果获取所述待测试场景的场景权重。本步骤能够提升所获取的场景权重的准确性。
根据本申请一优选实施例，所述根据场景复杂度确定复杂度等级包括：获取标准场景对应的标准复杂度；比较场景复杂度与标准复杂度以确定变化属性，并获取与各变化属性对应的级别提升值；根据所获取的级别提升值与初始级别之间的相加结果，确定复杂度等级。本步骤能够充分考虑场景复杂度中所包含的多种属性，提升所确定的复杂度等级的准确性。
根据本申请一优选实施例，所述方法还包括：获取自动驾驶系统测试各待测试场景时所出现的问题；根据各待测试场景对应的场景权重，确定自动驾驶系统所出现问题的重要程度。本步骤能够根据待测试场景对应的场景权重，更加准确地定义问题的重要程度。
根据本申请一优选实施例，所述方法还包括：获取自动驾驶系统测试各待测试场景所得到的驾驶评分；根据各待测试场景对应的场景权重对各次驾驶评分进行加权平均，将计算结果作为自动驾驶系统的最终评分。本步骤能够根据待测试场景对应的场景权重，更加准确地评价自动驾驶系统的驾驶能力。
本申请为解决技术问题所采用的技术方案是提供一种测试自动驾驶系统的装置，所述装置包括：获取单元，用于获取待测试场景的场景描述信息；确定单元，用于对所述场景描述信息进行分析，确定所述待测试场景对应的场景风险、场景概率以及场景复杂度；处理单元，用于根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重；测试单元，用于确定对应所述场景权重的测试周期，所述测试周期用于自动驾驶系统进行所述待测试场景的测试。
根据本申请一优选实施例，所述确定单元所确定的场景复杂度包含待测试场景对应的环境复杂度以及任务复杂度。
根据本申请一优选实施例，所述处理单元在根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重时，具体执行：根据场景风险确定风险等级，根据场景概率确定概率等级以及根据场景复杂度确定复杂度等级；将对应所述风险等级、概率等级以及复杂度等级的权重值进行相加，根据相加结果获取所述待测试场景的场景权重。
根据本申请一优选实施例，所述处理单元在根据场景复杂度确定复杂度等级时，具体执行：获取标准场景对应的标准复杂度；比较场景复杂度与标准复杂度以确定变化属性，并获取与各变化属性对应的级别提升值；根据所获取的级别提升值与初始级别之间的相加结果，确定复杂度等级。
根据本申请一优选实施例，所述测试单元还执行：获取自动驾驶系统测试各待测试场景时所出现的问题；根据各待测试场景对应的场景权重，确定自动驾驶系统所出现问题的重要程度。
根据本申请一优选实施例，所述测试单元方法还执行：获取自动驾驶系统测试各待测试场景所得到的驾驶评分；根据各待测试场景对应的场景权重对各次驾驶评分进行加权平均，将计算结果作为自动驾驶系统的最终评分。
上述申请中的一个实施例具有如下优点或有益效果：本申请能够降低自动驾驶系统的测试压力，提升自动驾驶系统的测试效率。因为采用了分析待测试场景的场景风险、场景概率以及场景复杂度来获取场景权重，进而根据场景权重来确定待测试场景对应的测试周期的方式，所以克服了现有技术中由于无法区分不同重要程度的待测试场景而需要对成千上万的场景进行测试的技术问题，从而达到降低自动驾驶系统的测试压力，并提升自动驾驶系统的测试效率的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例提供的一种测试自动驾驶系统的方法流程图；
图2是根据本申请第二实施例提供的一种测试自动驾驶系统的装置结构图；
图3是用来实现本申请实施例的测试自动驾驶系统的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1为本申请一实施例提供的一种测试自动驾驶系统的方法流程图，如图1中所示，所述方法包括：
在S101中，获取待测试场景的场景描述信息。
在本步骤中，获取待测试场景的场景描述信息。其中，本步骤中的待测试场景为测试自动驾驶系统的驾驶性能的驾驶场合和驾驶情景的组合；所获取的场景描述信息为描述待测试场景对应的道路、交通设施、气象条件、交通参与物等外部状态以及自动驾驶系统的驾驶任务和状态的信息。
举例来说，本步骤所获取的待测试场景的场景描述信息可以包括“在白天下雪的道路上穿越人行横道”，或者包括“在天气晴朗的十字路口等待交通信号灯”，或者包括“夜晚在无障碍路段上行驶”。
可以理解的是，本申请中的自动驾驶系统为能够实现自动驾驶的系统，可以为实际的自动驾驶车辆，也可以为虚拟的自动驾驶软件。
在S102中，对所述场景描述信息进行分析，确定所述待测试场景对应的场景风险、场景概率以及场景复杂度。
在本步骤中，对步骤S101所获取的场景描述信息进行分析，确定待测试场景对应的场景风险、场景概率以及场景复杂度。
具体地，本步骤确定的待测试场景对应的场景风险用于表示在待测试场景中自动驾驶系统不存在碰撞风险，所存在的碰撞风险是车辆碰撞风险或者是行人碰撞风险。其中，车辆碰撞风险包括车辆之间、车辆与交通设施之间的碰撞；行人碰撞风险包括车辆与行人、车辆与骑行者(自行车或电动车)、车辆与摩托车之间的碰撞。
本步骤确定的待测试场景对应的场景概率用于表示待测试场景在实际驾驶中的出现频率，包括低概率(一年发生几次或更少)、中概率(平均每月发生一次或多于一次)以及高概率(平均每次驾驶都会发生)。
本步骤确定的待测试场景对应的场景复杂度包括待测试场景所对应的环境复杂度和任务复杂度。其中，环境复杂度表示待测试场景对应的环境属性，包括待测试场景所处的道路类型(例如直路、十字路口、斜坡、隧道、山路等)、障碍物数量(例如障碍物数量大于3，或者障碍物数量小于等于3)、天气条件(例如晴朗、雨、雪、雾)、光照条件(例如白天、夜晚、夜晚有光照)、路面条件(例如良好、湿、积雪、结冰)、湿度条件(例如高、正常、低)、温度条件(例如高、正常、低)以及气压条件(例如高、正常、低)；任务复杂度则表示在待测试场景中自动驾驶系统所执行任务的任务类别，任务类别例如包括“纵向控制”以及“纵向控制和横向控制”。
举例来说，若所获取的场景描述信息为“在天气晴朗的十字路口等待交通信号灯”，则本步骤所确定的对应该待测试场景的场景风险为“行人碰撞风险”，场景概率为“高概率”，场景复杂度为“十字路口、障碍物数量大于3、晴朗、白天、纵向控制”。
另外，本步骤在对场景描述信息进行分析时，可以通过现有的自然语言理解来获取场景描述信息中所包含的场景风险、场景概率以及场景复杂度；也可以使用预先训练得到的机器学习模型来获取，即将场景描述信息输入机器学习模型，根据机器学习模型的输出结果来获取待测试场景对应的场景风险、场景概率以及场景复杂度。
在S103中，根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重。
在本步骤中，根据步骤S102所获取的场景风险、场景概率以及场景复杂度，获取待测试场景的场景权重。
具体地，本步骤在根据场景风险、场景概率以及场景复杂度获取待测试场景的场景权重时，可以采用以下方式：根据场景风险确定风险等级，根据场景概率确定概率等级，根据场景复杂度确定复杂度等级；根据对应所确定的风险等级、概率等级以及复杂度等级的权重值的相加结果，获取待测试场景的场景权重。
其中，本步骤可以直接将对应三个等级的权重值的相加结果，作为待测试场景的场景权重；也可以在得到对应三个等级的权重值的相加结果之后，将与相加结果所在范围对应的数值作为待测试场景的场景权重。
举例来说，若某一待测试场景的风险等级对应的权重值为“2”，概率等级对应的权重值为“3”，复杂度等级对应的权重值为“2”，则本步骤可以直接将各权重值的相加结果“7”作为该待测试场景的场景权重；若各等级权重值的相加结果“3-4”与“1”对应，相加结果“5-6”与“2”对应，相加结果“7-8”与“3”对应，相加结果“9”与“4”对应，则本步骤可以确定“3”为该测试场景的场景权重。
本步骤在根据场景风险确定风险等级时，可以根据预设的风险与等级之间的对应关系，将与所确定的场景风险对应的等级作为风险等级。其中，预设的风险与等级之间的对应关系中，“无碰撞风险”对应等级“R1”，“车辆碰撞风险”对应等级“R2”，“行人碰撞风险”对应等级“R3”。
本步骤在根据场景概率确定概率等级时，可以根据预设的概率与等级之间的对应关系，将与所确定的场景概率对应的等级作为概率等级。其中，预设的概率与等级之间的对应关系中，“低概率”对应等级“P1”，“中概率”对应等级“P2”，“高概率”对应等级“P3”。
由于场景复杂度中所包含的属性较多，因此为了能够提升所获取的复杂度等级的准确度，本步骤在根据场景复杂度确定复杂度等级时，可以采用以下方式：获取标准场景对应的标准复杂度，标准复杂度中包含有标准环境属性以及标准任务属性，标准环境属性为“直路、障碍物数量小于等于3、晴朗、白天、路面良好”，标准任务属性为“纵向控制”；比较场景复杂度与标准复杂度以确定变化属性，并获取与各变化属性对应的级别提升值；根据所获取的级别提升值与初始级别之间的相加结果，确定复杂度等级。其中，初始级别与标准场景相对应，初始级别为0。
可以理解的是，本步骤中与变化属性对应的级别提升值是预先设置的，其中“道路类型”属性变化时的级别提升值为“1”，“障碍物数量”属性变化时的级别提升值为“1”，“天气条件”属性变化时的级别提升值为“2”，“光照条件”属性变化时的级别提升值为“2”，“路面条件”属性变化时的级别提升值为“2”，任务属性变化时的级别提升值为“1”。
可以理解的是，本步骤在根据级别提升值与初始级别之间的相加结果确定复杂度等级时，可以将相加结果所对应的等级作为复杂度等级。举例来说，可以将相加结果“0-1”对应等级“C1”，将相加结果“2-3”对应等级“C2”，将相加结果“4-5”对应等级“C3”。
举例来说，若场景复杂度与标准复杂度相比，出现变化的属性为“障碍物数量”、“天气条件”以及“路面条件”，则本步骤所获取的级别提升值与初始级别的相加结果为“5”，因此对应该场景复杂度的复杂度等级为“C3”。
本步骤在获取与各等级对应的权重值时，可以根据预设的等级与权重值之间的对应关系，来分别获取对应风险等级、概率等级以及复杂度等级的权重值。
其中，本步骤中预设的等级与权重值之间的对应关系可以为：风险等级“R1”对应的权重值为“1”，风险等级“R2”对应的权重值为“2”，风险等级“R3”对应的权重值为“3”；概率等级“P1”对应的权重值为“1”，概率等级“P2”对应的权重值为“2”，概率等级“P3”对应的权重值为“3”；复杂度等级“C1”对应的权重值为“1”，复杂度等级“C2”对应的权重值为“2”，复杂度等级“C3”对应的权重值为“3”。
举例来说，若确定待测试场景对应的风险等级为“R1”、概率等级为“P2”、复杂度等级为“C3”，则该待测试场景的场景权重可以为“6”。
在S104中，确定对应所述场景权重的测试周期，所述测试周期用于自动驾驶系统进行所述待测试场景的测试。
在本步骤中，确定与步骤S103所获取的场景权重对应的测试周期，所确定的测试周期用于自动驾驶系统进行待测试场景的测试。其中，场景权重越大对应的测试周期越长，例如对自动驾驶系统的每个版本都进行该待测试场景的测试；场景权重越小对应的测试周期越短，例如仅对自动驾驶系统的发行版本来进行该待测试场景的测试。
可以理解的是，本申请所涉及到的确定待测试场景的测试周期的方法，可以是自动驾驶系统的一个功能，即由自动驾驶系统确定待测试场景的测试周期之后，再进行该待测试场景的测试；本申请所涉及到的确定待测试场景的测试周期的方法，还可以是单独的功能实现，即在确定了待测试场景的测试周期后，将该测试周期发送至自动驾驶系统，使得自动驾驶系统根据该测试周期进行待测试场景的测试。
另外，在自动驾驶系统根据所确定的测试周期对待测试场景进行测试之后，本步骤还可以包含以下内容：获取自动驾驶系统测试各待测试场景时所出现的问题；根据各待测试场景对应的场景权重，确定所出现问题的重要程度，其中待测试场景对应的场景权重越大，则测试该场景所出现问题的重要程度便越高。因此，本步骤还能够根据待测试场景的场景权重为开发人员提供更为清晰的问题解决优先级，从而提升开发效率。
另外，自动驾驶系统在完成对待测试场景的测试后，会给出自动驾驶系统针对各测试场景的驾驶评分，而由于待测试场景有难易之分，若直接将各次驾驶评分的平均值作为自动驾驶系统的评价既不合理也不准确。
因此，为了能够更为合理准确地对自动驾驶系统的驾驶能力进行评价，在自动驾驶系统根据所确定的测试周期对待测试场景进行测试之后，本步骤还可以包含以下内容：获取自动驾驶系统测试各待测试场景所得到的驾驶评分；根据各待测试场景对应的场景权重对各次驾驶评分进行加权平均，将计算结果作为自动驾驶系统的最终评分。因此，本步骤能够通过场景权重对重要场景的驾驶评分进行作用放大，将不重要场景的驾驶评分作用缩小，从而更加准确地评价自动驾驶系统的驾驶能力。
举例来说，若自动驾驶系统测试待测试场景1所得到的驾驶评分为90，测试待测试场景1所得到的驾驶评分为80，若待测试场景1的场景权重为1，待测试场景2的场景权重为4，则本步骤所得到的自动驾驶系统的最终评分为(90×1+80×4)/(4+1)＝82。
因此，本申请通过获取待测试场景的场景权重，一方面能够区分不同待测试场景的重要程度，增加重要的待测试场景的测试次数，减少不重要的待测试场景的测试次数，提升自动驾驶系统测试的测试效率，并且基于场景权重以及测试结果还能够进一步提升自动驾驶系统测试的测试质量。
图2为本申请一实施例提供的一种测试自动驾驶系统的装置结构图，如图2中所示，所述装置包括：获取单元201、确定单元202、处理单元203以及测试单元204。
获取单元201，用于获取待测试场景的场景描述信息。
获取单元201获取待测试场景的场景描述信息。其中，获取单元201中的待测试场景为测试自动驾驶系统的驾驶性能的驾驶场合和驾驶情景的组合；获取单元201所获取的场景描述信息为描述待测试场景对应的道路、交通设施、气象条件、交通参与物等外部状态以及自动驾驶系统的驾驶任务和状态的信息。
可以理解的是，本申请中的自动驾驶系统为能够实现自动驾驶的系统，可以为实际的自动驾驶车辆，也可以为虚拟的自动驾驶软件。
确定单元202，用于对所述场景描述信息进行分析，确定所述待测试场景对应的场景风险、场景概率以及场景复杂度。
确定单元202对获取单元201所获取的场景描述信息进行分析，确定待测试场景对应的场景风险、场景概率以及场景复杂度。
具体地，确定单元202确定的待测试场景对应的场景风险用于表示在待测试场景中自动驾驶系统不存在碰撞风险，所存在的碰撞风险是车辆碰撞风险或者是行人碰撞风险。其中，车辆碰撞风险包括车辆之间、车辆与交通设施之间的碰撞；行人碰撞风险包括车辆与行人、车辆与骑行者(自行车或电动车)、车辆与摩托车之间的碰撞。
确定单元202确定的待测试场景对应的场景概率用于表示待测试场景在实际驾驶中的出现频率，包括低概率(一年发生几次或更少)、中概率(平均每月发生一次或多于一次)以及高概率(平均每次驾驶都会发生)。
确定单元202确定的待测试场景对应的场景复杂度包括待测试场景所对应的环境复杂度和任务复杂度。其中，环境复杂度表示待测试场景对应的环境属性，包括待测试场景所处的道路类型(例如直路、十字路口、斜坡、隧道、山路等)、障碍物数量(例如障碍物数量大于3，或者障碍物数量小于等于3)、天气条件(例如晴朗、雨、雪、雾)、光照条件(例如白天、夜晚、夜晚有光照)、路面条件(例如良好、湿、积雪、结冰)、湿度条件(例如高、正常、低)、温度条件(例如高、正常、低)以及气压条件(例如高、正常、低)；任务复杂度则表示在待测试场景中自动驾驶系统所执行任务的任务类别，任务类别例如包括“纵向控制”以及“纵向控制和横向控制”。
另外，确定单元202在对场景描述信息进行分析时，可以通过现有的自然语言理解来获取场景描述信息中所包含的场景风险、场景概率以及场景复杂度；确定单元202也可以使用预先训练得到的机器学习模型来获取，即将场景描述信息输入机器学习模型，根据机器学习模型的输出结果来获取待测试场景对应的场景风险、场景概率以及场景复杂度。
处理单元203，用于根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重。
处理单元203根据获取单元202所获取的场景风险、场景概率以及场景复杂度，获取待测试场景的场景权重。
具体地，处理单元203在根据场景风险、场景概率以及场景复杂度获取待测试场景的场景权重时，可以采用以下方式：根据场景风险确定风险等级，根据场景概率确定概率等级，根据场景复杂度确定复杂度等级；根据对应所确定的风险等级、概率等级以及复杂度等级的权重值的相加结果，获取待测试场景的场景权重。
其中，处理单元203可以直接将对应三个等级的权重值的相加结果，作为待测试场景的场景权重；也可以在得到对应三个等级的权重值的相加结果之后，将与相加结果所在范围对应的数值作为待测试场景的场景权重。
处理单元203在根据场景风险确定风险等级时，可以根据预设的风险与等级之间的对应关系，将与所确定的场景风险对应的等级作为风险等级。其中，预设的风险与等级之间的对应关系中，“无碰撞风险”对应等级“R1”，“车辆碰撞风险”对应等级“R2”，“行人碰撞风险”对应等级“R3”。
处理单元203在根据场景概率确定概率等级时，可以根据预设的概率与等级之间的对应关系，将与所确定的场景概率对应的等级作为概率等级。其中，预设的概率与等级之间的对应关系中，“低概率”对应等级“P1”，“中概率”对应等级“P2”，“高概率”对应等级“P3”。
由于场景复杂度中所包含的属性较多，因此为了能够提升所获取的复杂度等级的准确度，处理单元203在根据场景复杂度确定复杂度等级时，可以采用以下方式：获取标准场景对应的标准复杂度，标准复杂度中包含有标准环境属性以及标准任务属性，标准环境属性为“直路、障碍物数量小于等于3、晴朗、白天、路面良好”，标准任务属性为“纵向控制”；比较场景复杂度与标准复杂度以确定变化属性，并获取与各变化属性对应的级别提升值；根据所获取的级别提升值与初始级别之间的相加结果，确定复杂度等级。其中，初始级别与标准场景相对应，初始级别为0。
可以理解的是，处理单元203中与变化属性对应的级别提升值是预先设置的，其中“道路类型”属性变化时的级别提升值为“1”，“障碍物数量”属性变化时的级别提升值为“1”，“天气条件”属性变化时的级别提升值为“2”，“光照条件”属性变化时的级别提升值为“2”，“路面条件”属性变化时的级别提升值为“2”，任务属性变化时的级别提升值为“1”。
可以理解的是，处理单元203在根据级别提升值与初始级别之间的相加结果确定复杂度等级时，可以将相加结果所对应的等级作为复杂度等级。
处理单元203在获取与各等级对应的权重值时，可以根据预设的等级与权重值之间的对应关系，来分别获取对应风险等级、概率等级以及复杂度等级的权重值。
其中，处理单元203中预设的等级与权重值之间的对应关系可以为：风险等级“R1”对应的权重值为“1”，风险等级“R2”对应的权重值为“2”，风险等级“R3”对应的权重值为“3”；概率等级“P1”对应的权重值为“1”，概率等级“P2”对应的权重值为“2”，概率等级“P3”对应的权重值为“3”；复杂度等级“C1”对应的权重值为“1”，复杂度等级“C2”对应的权重值为“2”，复杂度等级“C3”对应的权重值为“3”。
测试单元204，用于确定对应所述场景权重的测试周期，所述测试周期用于自动驾驶系统进行所述待测试场景的测试。
测试单元204确定与处理单元203所获取的场景权重对应的测试周期，所确定的该测试周期用于自动驾驶系统进行待测试场景的测试。其中，场景权重越大对应的测试周期越长，场景权重越小对应的测试周期越短。
另外，在自动驾驶系统根据所确定的测试周期对待测试场景进行测试之后，测试单元204还可以包含以下内容：获取自动驾驶系统测试各待测试场景时所出现的问题；根据各待测试场景对应的场景权重，确定所出现问题的重要程度，其中待测试场景对应的场景权重越大，则表示测试该场景所出现问题的重要程度越高。因此，测试单元204还能够根据待测试场景的场景权重为开发人员提供更为清晰的问题解决优先级，从而提升开发效率。
另外，自动驾驶系统在完成对待测试场景的测试后，会给出自动驾驶系统针对各测试场景的驾驶评分，而由于待测试场景有难易之分，若直接将各次驾驶评分的平均值作为自动驾驶系统的评价既不合理也不准确。
因此，为了能够更为合理准确地对自动驾驶系统的驾驶能力进行评价，在自动驾驶系统根据所确定的测试周期对待测试场景进行测试之后，测试单元204还可以包含以下内容：获取自动驾驶系统测试各待测试场景所得到的驾驶评分；根据各待测试场景对应的场景权重对各次驾驶评分进行加权平均，将计算结果作为自动驾驶系统的最终评分。因此，测试单元204能够通过场景权重对重要场景的驾驶评分进行作用放大，将不重要场景的驾驶评分作用缩小，从而更加准确地评价自动驾驶系统的驾驶能力。
如图3所示，是根据本申请实施例的测试自动驾驶系统的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图3所示，该电子设备包括：一个或多个处理器301、存储器302，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图3中以一个处理器301为例。
存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的测试自动驾驶系统的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的测试自动驾驶系统的方法。
存储器302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的测试自动驾驶系统的方法对应的程序指令/模块(例如，附图2所示的获取单元201、确定单元202、处理单元203以及测试单元204)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的测试自动驾驶系统的方法。
存储器302可以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、至少一个功能所需要的应用程序；存储数据区可存储根据测试自动驾驶系统的电子设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至测试自动驾驶系统的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
测试自动驾驶系统的方法的电子设备还可以包括：输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息，以及产生与测试自动驾驶系统的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，克服了现有技术中由于无法区分不同重要程度的待测试场景而需要对成千上万的场景进行测试的技术问题，从而达到降低自动驾驶系统的测试压力，并提升自动驾驶系统的测试效率的技术效果。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种测试自动驾驶系统的方法，其特征在于，包括：
获取待测试场景的场景描述信息；
对所述场景描述信息进行分析，确定所述待测试场景对应的场景风险、场景概率以及场景复杂度；
根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重；
确定对应所述场景权重的测试周期，所述测试周期用于自动驾驶系统进行所述待测试场景的测试。
2.根据权利要求1所述的方法，其特征在于，所述场景复杂度包含待测试场景对应的环境复杂度以及任务复杂度。
3.根据权利要求1所述的方法，其特征在于，所述根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重包括：
根据场景风险确定风险等级，根据场景概率确定概率等级以及根据场景复杂度确定复杂度等级；
将对应所述风险等级、概率等级以及复杂度等级的权重值进行相加，根据相加结果获取所述待测试场景的场景权重。
4.根据权利要求3所述的方法，其特征在于，所述根据场景复杂度确定复杂度等级包括：
获取标准场景对应的标准复杂度；
比较场景复杂度与标准复杂度以确定变化属性，并获取与各变化属性对应的级别提升值；
根据所获取的级别提升值与初始级别之间的相加结果，确定复杂度等级。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取自动驾驶系统测试各待测试场景时所出现的问题；
根据各待测试场景对应的场景权重，确定自动驾驶系统所出现问题的重要程度。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取自动驾驶系统测试各待测试场景所得到的驾驶评分；
根据各待测试场景对应的场景权重对各次驾驶评分进行加权平均，将计算结果作为自动驾驶系统的最终评分。
7.一种测试自动驾驶系统的装置，其特征在于，包括：
获取单元，用于获取待测试场景的场景描述信息；
确定单元，用于对所述场景描述信息进行分析，确定所述待测试场景对应的场景风险、场景概率以及场景复杂度；
处理单元，用于根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重；
测试单元，用于确定对应所述场景权重的测试周期，所述测试周期用于自动驾驶系统进行所述待测试场景的测试。
8.根据权利要求7所述的装置，其特征在于，所述确定单元所确定的场景复杂度包含待测试场景对应的环境复杂度以及任务复杂度。
9.根据权利要求7所述的装置，其特征在于，所述处理单元在根据所述场景风险、场景概率以及场景复杂度，获取所述待测试场景的场景权重时，具体执行：
根据场景风险确定风险等级，根据场景概率确定概率等级以及根据场景复杂度确定复杂度等级；
将对应所述风险等级、概率等级以及复杂度等级的权重值进行相加，根据相加结果获取所述待测试场景的场景权重。
10.根据权利要求9所述的装置，其特征在于，所述处理单元在根据场景复杂度确定复杂度等级时，具体执行：
获取标准场景对应的标准复杂度；
比较场景复杂度与标准复杂度以确定变化属性，并获取与各变化属性对应的级别提升值；
根据所获取的级别提升值与初始级别之间的相加结果，确定复杂度等级。
11.根据权利要求7所述的装置，其特征在于，所述测试单元还执行：
获取自动驾驶系统测试各待测试场景时所出现的问题；
根据各待测试场景对应的场景权重，确定自动驾驶系统所出现问题的重要程度。
12.根据权利要求7所述的装置，其特征在于，所述测试单元还执行：
获取自动驾驶系统测试各待测试场景所得到的驾驶评分；
根据各待测试场景对应的场景权重对各次驾驶评分进行加权平均，将计算结果作为自动驾驶系统的最终评分。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
CN202010002080.XA 2020-01-02 2020-01-02 测试自动驾驶系统的方法以及装置 Active CN111122175B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010002080.XA CN111122175B (zh) 2020-01-02 2020-01-02 测试自动驾驶系统的方法以及装置
US17/024,505 US11556128B2 (en) 2020-01-02 2020-09-17 Method, electronic device and storage medium for testing autonomous driving system
EP20217803.4A EP3846035B1 (en) 2020-01-02 2020-12-30 Method, electronic device and storage medium for testing autonomous driving system
KR1020200189191A KR102487336B1 (ko) 2020-01-02 2020-12-31 자율주행시스템 테스트 방법, 장치 및 기록 매체
JP2021000182A JP7301077B2 (ja) 2020-01-02 2021-01-04 自律走行システムのテスト方法、装置、電子機器、プログラム及びコンピュータ読み取り可能な記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010002080.XA CN111122175B (zh) 2020-01-02 2020-01-02 测试自动驾驶系统的方法以及装置

Publications (2)

Publication Number Publication Date
CN111122175A CN111122175A (zh) 2020-05-08
CN111122175B true CN111122175B (zh) 2022-02-25

Family

ID=70507466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010002080.XA Active CN111122175B (zh) 2020-01-02 2020-01-02 测试自动驾驶系统的方法以及装置

Country Status (5)

Country Link
US (1) US11556128B2 (zh)
EP (1) EP3846035B1 (zh)
JP (1) JP7301077B2 (zh)
KR (1) KR102487336B1 (zh)
CN (1) CN111122175B (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523515A (zh) * 2020-05-13 2020-08-11 北京百度网讯科技有限公司 自动驾驶车辆环境认知能力评价方法、设备及存储介质
CN111652153B (zh) * 2020-06-04 2023-12-22 北京百度网讯科技有限公司 场景自动识别方法、装置、无人车及存储介质
CN111695199B (zh) * 2020-06-09 2023-09-05 北京百度网讯科技有限公司 自动驾驶测试方法、装置、设备及存储介质
CN111858927B (zh) * 2020-06-09 2023-11-24 阿波罗智能技术(北京)有限公司 数据测试方法、装置、电子设备及存储介质
CN111783226B (zh) * 2020-06-29 2024-03-19 北京百度网讯科技有限公司 生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质
CN111765903B (zh) * 2020-06-29 2022-08-09 阿波罗智能技术(北京)有限公司 自动驾驶车辆的测试方法、装置、电子设备和介质
CN112541408B (zh) * 2020-11-30 2022-02-25 北京深睿博联科技有限责任公司 可行区域识别方法、装置、设备及计算机可读存储介质
CN112583414A (zh) * 2020-12-11 2021-03-30 北京百度网讯科技有限公司 场景处理方法、装置、设备、存储介质以及产品
CN112559371B (zh) * 2020-12-24 2023-07-28 北京百度网讯科技有限公司 一种自动驾驶测试方法、装置及电子设备
CN112744223B (zh) * 2021-01-18 2022-04-15 北京智能车联产业创新中心有限公司 自动驾驶车辆交叉路口表现评价方法及系统
CN112765812B (zh) * 2021-01-19 2021-09-07 中国科学院软件研究所 一种无人系统决策策略的自主能力快速测评方法及系统
CN113119999B (zh) * 2021-04-16 2024-03-12 阿波罗智联(北京)科技有限公司 自动驾驶特征的确定方法、装置、设备、介质及程序产品
WO2022221979A1 (zh) * 2021-04-19 2022-10-27 华为技术有限公司 一种自动驾驶场景的生成方法、装置及系统
CN113609016B (zh) * 2021-08-05 2024-03-15 北京赛目科技股份有限公司 车辆自动驾驶测试场景的构建方法、装置、设备及介质
US20230042001A1 (en) * 2021-08-06 2023-02-09 Baidu Usa Llc Weighted planning trajectory profiling method for autonomous vehicle
CN113642108B (zh) * 2021-08-11 2023-11-10 北京航空航天大学 一种无人车十字路口通行场景关键测试案例生成方法
CN113688042B (zh) * 2021-08-25 2023-06-27 北京赛目科技有限公司 测试场景的确定方法、装置、电子设备及可读存储介质
CN114166520A (zh) * 2021-08-27 2022-03-11 东风汽车集团股份有限公司 汽车adas场景识别功能的测试方法
CN113989767A (zh) * 2021-09-29 2022-01-28 中智行(上海)交通科技有限公司 一种自动驾驶测试场景复杂度分析方法及系统
CN114065549B (zh) * 2021-11-30 2023-04-07 广州文远知行科技有限公司 自动驾驶水平评估方法、装置、设备及存储介质
KR102636586B1 (ko) * 2021-12-03 2024-02-14 (주)컨트롤웍스 자율 주행 차량의 주행 테스트 제어 장치 및 방법
CN114544191A (zh) * 2021-12-28 2022-05-27 文远苏行(江苏)科技有限公司 自动驾驶测试场景量化评估方法及相关设备
CN114973656A (zh) * 2022-05-10 2022-08-30 清华大学 交通交互性能的评估方法、装置、设备、介质和产品
CN115035718B (zh) * 2022-06-02 2023-04-18 东风汽车集团股份有限公司 基于车辆动作类型和次数的场景复杂度评价方法
CN115376324B (zh) * 2022-10-24 2023-03-24 中国汽车技术研究中心有限公司 车辆场景复杂度确定方法
CN115828638B (zh) * 2023-01-09 2023-05-23 西安深信科创信息技术有限公司 一种自动驾驶测试场景脚本生成方法、装置及电子设备
CN116106839B (zh) * 2023-03-22 2023-08-22 武汉中关村硬创空间科技有限公司 车载雷达可靠性检测方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105954040A (zh) * 2016-04-22 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方法和装置
WO2017210222A1 (en) * 2016-05-30 2017-12-07 Faraday&Future Inc. Generating and fusing traffic scenarios for automated driving systems
WO2018068427A1 (zh) * 2016-10-13 2018-04-19 北京百度网讯科技有限公司 用于开发无人驾驶车辆应用的方法和装置
CN109395385A (zh) * 2018-09-13 2019-03-01 深圳市腾讯信息技术有限公司 虚拟场景的配置方法和装置、存储介质、电子装置
CN110188797A (zh) * 2019-04-26 2019-08-30 同济大学 一种基于贝叶斯优化的智能汽车快速测试方法
CN110597711A (zh) * 2019-08-26 2019-12-20 湖南大学 一种基于场景和任务的自动驾驶测试用例生成方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10609529B2 (en) * 2016-11-14 2020-03-31 Qualcomm Incorporated Multi-modem scheduler for multimedia streams
DE102017213634A1 (de) * 2017-08-07 2019-02-07 Ford Global Technologies, Llc Verfahren und Vorrichtung für die Durchführung von virtuellen Tests in einer virtuellen Realitätsumgebung für ein autonom fahrendes Fahrzeug
JP6946861B2 (ja) 2017-08-29 2021-10-13 トヨタ自動車株式会社 自動運転評価装置及び自動運転評価方法
US10345811B2 (en) * 2017-11-14 2019-07-09 GM Global Technology Operations LLC Method and apparatus for scenario generation and parametric sweeps for the development and evaluation of autonomous driving systems
CN108332977B (zh) 2018-01-23 2020-06-12 常熟昆仑智能科技有限公司 一种对智能网联汽车测试场景的分类分析方法
KR101996230B1 (ko) * 2018-02-26 2019-07-04 (주)에스더블유엠 자율주행 차량의 시뮬레이션을 위한 테스트정보 제공 방법 및 장치
US11328219B2 (en) 2018-04-12 2022-05-10 Baidu Usa Llc System and method for training a machine learning model deployed on a simulation platform
CN109242251B (zh) 2018-08-03 2020-03-06 百度在线网络技术（北京）有限公司 行车行为安全性检测方法、装置、设备及存储介质
US10831207B1 (en) * 2018-08-22 2020-11-10 BlueOwl, LLC System and method for evaluating the performance of a vehicle operated by a driving automation system
CN109520744B (zh) * 2018-11-12 2020-04-21 百度在线网络技术（北京）有限公司 自动驾驶车辆的驾驶性能测试方法和装置
CN110579359B (zh) 2019-09-10 2021-11-09 武汉光庭信息技术股份有限公司 自动驾驶失效场景库的优化方法及系统、服务器及介质
CN110579216B (zh) 2019-09-12 2022-02-18 阿波罗智能技术(北京)有限公司 测试场景库构建方法、装置、电子设备和介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105954040A (zh) * 2016-04-22 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方法和装置
WO2017210222A1 (en) * 2016-05-30 2017-12-07 Faraday&Future Inc. Generating and fusing traffic scenarios for automated driving systems
WO2018068427A1 (zh) * 2016-10-13 2018-04-19 北京百度网讯科技有限公司 用于开发无人驾驶车辆应用的方法和装置
CN109395385A (zh) * 2018-09-13 2019-03-01 深圳市腾讯信息技术有限公司 虚拟场景的配置方法和装置、存储介质、电子装置
CN110188797A (zh) * 2019-04-26 2019-08-30 同济大学 一种基于贝叶斯优化的智能汽车快速测试方法
CN110597711A (zh) * 2019-08-26 2019-12-20 湖南大学 一种基于场景和任务的自动驾驶测试用例生成方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
自动驾驶仪动态测试系统设计;郑鹏 等;《计算机测量与控制》;20191231(第10期);第84-88页 *
自动驾驶汽车仿真测试与评价方法进展;周干 等;《氢燃料电池技术专辑》;20191231(第4期);第48-50页 *

Also Published As

Publication number Publication date
US20210208586A1 (en) 2021-07-08
JP7301077B2 (ja) 2023-06-30
EP3846035A1 (en) 2021-07-07
KR20210087889A (ko) 2021-07-13
KR102487336B1 (ko) 2023-01-10
JP2021109653A (ja) 2021-08-02
EP3846035B1 (en) 2022-11-02
US11556128B2 (en) 2023-01-17
CN111122175A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111122175B (zh) 测试自动驾驶系统的方法以及装置
CN111489553B (zh) 一种路线规划方法、装置、设备和计算机存储介质
KR20210152418A (ko) 자동 운전 기능 제어 방법, 장치, 전자 기기 및 저장 매체
JP7214702B2 (ja) 車両列の長さを検出する方法、車両列の長さを検出する装置、電子機器、記憶媒体及びコンピュータプログラム
CN114415628A (zh) 自动驾驶测试方法及装置、电子设备和存储介质
CN110765227A (zh) 道路交通网络模型构建方法及装置
CN111982144B (zh) 导航方法、装置、电子设备及计算机可读介质
CN112634611A (zh) 用于识别路况的方法、装置、设备以及存储介质
CN112559371B (zh) 一种自动驾驶测试方法、装置及电子设备
CN111767360A (zh) 路口虚拟车道标注的方法及装置
CN111681417B (zh) 交通路口渠化调整方法和装置
CN111681428B (zh) 一种溢流检测的方法、装置、电子设备及存储介质
CN111652153A (zh) 场景自动识别方法、装置、无人车及存储介质
CN111275011A (zh) 移动红绿灯检测方法、装置、电子设备和存储介质
CN110796191B (zh) 轨迹分类方法及装置
CN113672688A (zh) 路网数据更新方法、装置和电子设备
CN112512010A (zh) 用于输出信息的方法、装置、设备和存储介质
CN111551190A (zh) 用于确定定位能力的方法、装置、设备及可读存储介质
CN111753261B (zh) 车辆安全检测方法、装置、设备及存储介质
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台
CN111667701A (zh) 信控设备调整方法和装置
CN111597707A (zh) 仿真场景的处理方法、装置、设备以及存储介质
CN111563046B (zh) 用于生成信息的方法和装置
CN112213117B (zh) 一种车辆测试的方法、装置、设备以及存储介质
CN114973656A (zh) 交通交互性能的评估方法、装置、设备、介质和产品

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211019

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant