CN111145554A - 一种基于自动驾驶aeb的场景定位方法和装置 - Google Patents

一种基于自动驾驶aeb的场景定位方法和装置 Download PDF

Info

Publication number
CN111145554A
CN111145554A CN201911253113.1A CN201911253113A CN111145554A CN 111145554 A CN111145554 A CN 111145554A CN 201911253113 A CN201911253113 A CN 201911253113A CN 111145554 A CN111145554 A CN 111145554A
Authority
CN
China
Prior art keywords
aeb
signal
camid
scene
value
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.)
Granted
Application number
CN201911253113.1A
Other languages
English (en)
Other versions
CN111145554B (zh
Inventor
王军德
周风明
朱敦华
周驰
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.)
Wuhan Kotei Informatics Co Ltd
Original Assignee
Wuhan Kotei Informatics 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 Wuhan Kotei Informatics Co Ltd filed Critical Wuhan Kotei Informatics Co Ltd
Priority to CN201911253113.1A priority Critical patent/CN111145554B/zh
Publication of CN111145554A publication Critical patent/CN111145554A/zh
Application granted granted Critical
Publication of CN111145554B publication Critical patent/CN111145554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying 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
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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

Abstract

本发明实施例提供一种基于自动驾驶AEB的场景定位方法和装置，基于AEB的工作原理与机制，分析并比较实车路测采集回来的数据，得出一种方法，辅助定位AEB做动场景，提高AEB失效场景定位的准确度，提高人工效率，减少测试成本，并希望能以此推动AEB规则的制定与改进。不需要模拟特定的场景对AEB进行专项测试，使用实车采集回来的数据，结合实际信号值，根据已有的逻辑统计、计算，定位可能存在的AEB失效场景，本方法可提高数据的重复使用率，提高测试效率，降低人力成本，为AEB的数据分析提供支持。

Description

一种基于自动驾驶AEB的场景定位方法和装置
技术领域
本发明实施例涉及辅助驾驶技术领域，尤其涉及一种基于自动驾驶AEB的场景定位方法和装置。
背景技术
AEB自动紧急制动系统全称Autonomous Emergency Braking，是一种汽车主动安全技术，旨在事先识别碰撞风险，完全规避碰撞发生或尽最大可能地减轻碰撞的强度，从而避免车辆追尾，或与行人及其他交通参与者发生碰撞事故。
AEB系统是由毫米波与摄像头共同协作组成，测出与前车或者障碍物的距离，然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较，小于警报距离时就进行警报提示，而小于安全距离时即使在驾驶员没有来得及踩制动踏板的情况下，AEB系统也会启动，使汽车自动制动，从而为安全出行保驾护航，因此，在庞大的CAN总线数据中，我们必需要准确的找到与AEB功能相关的信号。
发明内容
本发明实施例提供一种基于自动驾驶AEB的场景定位方法和装置，不需要模拟特定的场景对AEB进行专项测试，使用实车采集回来的数据，结合实际信号值，根据已有的逻辑统计、计算，定位可能存在的AEB失效场景，本方法可提高数据的重复使用率，提高测试效率，降低人力成本，为AEB的数据分析提供支持。
第一方面，本发明实施例提供一种基于自动驾驶AEB的场景定位方法，包括：
获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取与自动紧急制动AEB系统的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
作为优选的，基于摄像头信号CamID判断目标物类别，具体包括：
若判断获知摄像头信号CamID值非0，且V_CamID值非0，则目标物为机动车；
若判断获知摄像头信号CamID值非0，且P_CamIDObject值非0，则目标物为行人；
若判断获知摄像头信号CamID值非0，且C_CamIDObject值非0，则目标物为非机动车；
若判断获知摄像头信号CamID值为0，则摄像头出现异常。
作为优选的，还包括：
若判断获知雷达信号RadID值非0，且RadID＝CamID，则雷达与摄像头测量结果一致，并能正确定位目标物；
若判断获知雷达信号RadID值非0，且RadID≠CamID，则雷达与摄像头测量结果不一致，雷达异常；
若判断获知CustObject值为0，则雷达异常。
作为优选的，还包括：
基于雷达信号RadID获取目标物的物相对速度RelV及纵向相对距离LonD，并计算碰撞时间TTC，判断AEB事件是否触发。
作为优选的，若判断获知AEB功能正常，具体包括：
获取AEB系统的，基于ActSt信号值判断AEB功能是否是处于正常开启状态，若判断获知ActSt≠3，则AEB功能未开启，若判断获知ActSt＝3，则AEB功能开启。
作为优选的，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类，具体包括：
基于故障显示信号FaD值与预设FaD值比较，将AEB事件场景分为永久故障PFaD和临时故障TFaD；
基于提醒请求信息类型将AEB事件场景分为机动车辆警示Var、行人警示Par、非机动车警示Car；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝1，则制动扭矩发出中等级别指令；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝2，则制动扭矩发出强烈的指令；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝3，则制动扭曲发出城市路段的指令。
作为优选的，还包括：
根据AEBWarming信号与BWTOrder信号时间对比，评价AEB功能做动的准确性以及及时性，若AEBWarming信号的触发时间与BWTOrder触发的时间差值大于预设时间差值，则判断AEB功能触发不及时，传感器灵敏度偏低。
第二方面，本发明实施例提供一种基于自动驾驶AEB的场景定位装置，包括：
信息提取模块，用于获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取与自动紧急制动系统AEB的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
场景分类模块，用于若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明第一方面实施例所述基于自动驾驶AEB的场景定位方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述基于自动驾驶AEB的场景定位方法的步骤。
本发明实施例提供的一种基于自动驾驶AEB的场景定位方法和装置，基于AEB的工作原理与机制，分析并比较实车路测采集回来的数据，得出一种方法，辅助定位AEB做动场景，提高AEB失效场景定位的准确度，提高人工效率，减少测试成本，并希望能以此推动AEB规则的制定与改进。不需要模拟特定的场景对AEB进行专项测试，使用实车采集回来的数据，结合实际信号值，根据已有的逻辑统计、计算，定位可能存在的AEB失效场景，本方法可提高数据的重复使用率，提高测试效率，降低人力成本，为AEB的数据分析提供支持。
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一简单地介绍，显而易见地，下面描述中的附图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获得其他的附图。
图1为根据本发明实施例的基于自动驾驶AEB的场景定位方法流程框图；
图2为根据本发明实施例的基于自动驾驶AEB的场景定位方法具体流程图；
图3为根据本发明实施例的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本申请实施例中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示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。本申请的描述中，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列部件或单元的系统、产品或设备没有限定于已列出的部件或单元，而是可选地还包括没有列出的部件或单元，或可选地还包括对于这些产品或设备固有的其它部件或单元。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
自动紧急制动系统(AEB)，是一种汽车主动安全技术，是由毫米波与摄像头共同协作组成，测出与前车或者障碍物的距离，然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较，小于警报距离时就进行警报提示，而小于安全距离时即使在驾驶员没有来得及踩制动踏板的情况下，AEB系统也会启动，使汽车自动制动，从而为安全出行保驾护航，因此，在庞大的CAN总线数据中，我们必需要准确的找到与AEB功能相关的信号。
因此，本发明实施例基于AEB的工作原理与机制，分析并比较实车路测采集回来的数据，得出一种方法，辅助定位AEB做动场景，提高AEB失效场景定位的准确度，提高人工效率，减少测试成本，并希望能以此推动AEB规则的制定与改进。以下将通过多个实施例进行展开说明和介绍。
图1至图2为本发明实施例提供一种基于自动驾驶AEB的场景定位方法，包括：
获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取与自动紧急制动AEB系统的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
在本实施例中，作为一种优选的实施方式，通过实车路测采集的数据，根据设计的事件逻辑规则对传感器对应的CAN数据进行自动化的收集、提取、计算，定义出失效场景，并进一步归纳总结信号的波动范围、变化规律，最终起到优化AEB功能的目的。基于车载摄像头与雷达提取信号，根据AEB功能的特性，对提取的CAN信号分类筛选，选出有效信号，基于不同的触发场景规则进行逻辑计算。
在上述实施例的基础上，基于摄像头信号CamID判断目标物类别，具体包括：
若判断获知摄像头信号CamID值非0，且V_CamID值非0，则目标物为机动车；
若判断获知摄像头信号CamID值非0，且P_CamIDObject值非0，则目标物为行人；
若判断获知摄像头信号CamID值非0，且C_CamIDObject值非0，则目标物为非机动车；
若判断获知摄像头信号CamID值为0，则摄像头出现异常。
在本实施例中，作为一种优选的实施方式，通过毫米波雷达与摄像头，获取目标物的ID，同时判断目标物类别，如：车、行人、自行车。
一、提取摄像头与雷达的CAN信号数据
1.提取摄像头信号CamID
(1)CamID值非“0”，有以下三类情况；
①V_CamID值非“0”，可确定目标物为机动车；
②P_CamIDObject值非”0”，可确定目标物为行人；
③C_CamIDObject值非“0”，可确定目标物为非机动车，如自行车；
(2)CamID值为“0”
未捕捉到目标物，据此有结论：摄像头出现异常，可能导致AEB功能失效；
在上述各实施例的基础上，还包括：
若判断获知雷达信号RadID值非0，且RadID＝CamID，则雷达与摄像头测量结果一致，并能正确定位目标物；
若判断获知雷达信号RadID值非0，且RadID≠CamID，则雷达与摄像头测量结果不一致，雷达异常；
若判断获知CustObject值为0，则雷达异常。
在本实施例中，作为一种优选的实施方式，还包括：
2.提取雷达信号RadID
(1)RadID值非“0”，雷达获取目标物；
①RadID＝CamID，雷达与摄像头结果一致，并能正确定位目标物；
②RadID≠CamID，雷达与摄像头结果不一致，雷达可能出现异常，无法准确获取目标物其他属性，AEB功能极大概率失效。
(2)CustObject值为“0”；
未捕捉到目标物，雷达异常，AEB功能极大概率失效。
通过雷达判断目标物相对速度RelV及纵向相对距离LonD，提取CAN数据中的相关信号字段并算出TTC(time-to-collision)值；
通过TTC的值，分析有无碰撞风险；
3.提取AEB功能关联信号
(1)提取目标物RelV信号值，获取目标物速度，同时判断目标物状态：运动、静止；
(2)提取目标物LonD信号值，获取自车辆与目标车的纵向距离：
①目标物处于静止状态：
A.LonD≤Dist_stand(m)，正常；
B.LonD＞Dist_stand(m)，异常；
②目标物处于运动状态：
A.LonD≤Dist_move(m)，正常；
B.LonD＞Dist_move(m)，异常；
此条件判断正常、异常的标准取决于目标物的状态，即，目标物若是静止，则自车应在距离前车Dist_stand(m)的时候触发AEB功能，若目标物是运动状态，则自车应在距离前车Dist_move(m)的时候触发AEB功能。
在上述各实施例的基础上，还包括：
二、目前TTC一般设定在2.5-2.7之间，保障安全的同时也较好的符合驾驶的感受。因此当计算的TTC值＜2.5s时，AEB功能是失效的，存在碰撞风险，无法满足安全驾驶，当计算的TTC值>2.7s时，AEB功能提前触发，能满足安全驾驶的前提，但因为非必要的车辆减速，影响了驾驶感受。
在上述各实施例的基础上，还包括：
基于雷达信号RadID获取目标物的物相对速度RelV及纵向相对距离LonD，并计算碰撞时间TTC，判断AEB事件是否触发。
在本实施例中，作为一种优选的实施方式，还包括：
三、在AEB功能正常触发后，提取CAN信号，分析触发AEB的原因以及场景定位。
四、首先可以通过ActSt信号值判断AEB功能是否是处于正常开启状态，如果ActSt≠3，则AEB功能未开启。
在上述各实施例的基础上，若判断获知AEB功能正常，具体包括：
获取AEB系统的，基于ActSt(ActionStatus)信号值判断AEB功能是否是处于正常开启状态，若判断获知ActSt≠3，则AEB功能未开启，若判断获知ActSt＝3，则AEB功能开启。
在本实施例中，作为一种优选的实施方式，若判断获知AEB功能正常，具体包括：
五、根据AEB功能特性，对CAN数据筛选出如下信号：故障显示信号FaD，制动轮扭矩指令BWTOrder信号，提醒请求信息，AEB警告信号AEBWarning，以及可能导致摄像头雷达“失明”的一系列信息，通过对信号的分析、分类，定义不同的场景，归纳AEB失效的实际场景。
在上述各实施例的基础上，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类，具体包括：
基于故障显示信号FaD值与预设FaD值比较，将AEB事件场景分为永久故障PFaD和临时故障TFaD；
基于提醒请求信息类型将AEB事件场景分为机动车辆警示Var、行人警示Par、非机动车警示Car；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝1，则制动扭矩发出中等级别指令；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝2，则制动扭矩发出强烈的指令；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝3，则制动扭曲发出城市路段的指令。
在本实施例中，作为一种优选的实施方式，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类，具体包括：
六、根据信号将AEB事件类型归类
提取故障显示信号FaD，根据信号值将事件分为永久故障PFaD和临时故障TFaD，分析场景。
1.提取制动轮扭矩指令BWTOrder信号，分析信号值，根据信号值的不同以及场景的不同进行归类；
①BWTOrder初始值为“0”，
A.当BWTOrder(t)-BWTOrder(t-1)＝1，制动扭矩发出中等级别指令；
B.当BWTOrder(t)-BWTOrder(t-1)＝2，制动扭矩发出强烈的指令；
C.当BWTOrder(t)-BWTOrder(t-1)＝3，制动扭曲发出城市路段的指令；
2.提取提醒请求信息，根据提醒类型分为车辆警示Var、行人警示Par、自行车警示Car，对场景进行分类；
②VAltRe信号初始值为“0”，
A.当VAltRe＝1时，AEB类型为车辆持续靠近的警报；
B.当VAltRe＝2时，AEB类型为前方碰撞危险的警报；
③PAltRe信号值初始值为“0”，
当PAltRe＝1时，AEB类型为前方有碰撞行人风险；
④CAltRe信号值初始值为“0”，
当CAltRe＝1时，AEB类型为前方有碰撞自行车风险。
在上述各实施例的基础上，还包括：
根据AEBWarming信号与BWTOrder信号时间对比，评价AEB功能做动的准确性以及及时性，若AEBWarming信号的触发时间与BWTOrder触发的时间差值大于预设时间差值，则判断AEB功能触发不及时，传感器灵敏度偏低。
在本实施例中，作为一种优选的实施方式，还包括：
七、提取AEB警告信号AEBWarning，分析场景，并根据AEB制动等级AEB-BrakingLevel将场景等级分类。根据AEBWarming信号与BWTOrder信号时间对比，判断AEB功能做动的准确性以及及时性，若AEBWarming信号的触发时间远大于BWTOrder触发的时间，则可得出AEB功能触发不及时，传感器灵敏度偏低。
本发明实施例还提供一种基于自动驾驶AEB的场景定位装置，基于上述各实施例中的基于自动驾驶AEB的场景定位方法，包括：
信息提取模块，用于获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取CAN信号中与自动紧急制动系统AEB的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
场景分类模块，用于若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
图3示例了一种实体结构示意图，如图3所示，该服务器可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行如下方法：
获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取CAN信号中与自动紧急制动AEB系统的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述基于自动驾驶AEB的场景定位方法的步骤。例如包括：
获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取CAN信号中与自动紧急制动AEB系统的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
综上所述，本发明实施例提供的一种基于自动驾驶AEB的场景定位方法和装置，基于AEB的工作原理与机制，分析并比较实车路测采集回来的数据，得出一种方法，辅助定位AEB做动场景，提高AEB失效场景定位的准确度，提高人工效率，减少测试成本，并希望能以此推动AEB规则的制定与改进。不需要模拟特定的场景对AEB进行专项测试，使用实车采集回来的数据，结合实际信号值，根据已有的逻辑统计、计算，定位可能存在的AEB失效场景，本方法可提高数据的重复使用率，提高测试效率，降低人力成本，为AEB的数据分析提供支持。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于自动驾驶AEB的场景定位方法，其特征在于，包括：
获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取与自动紧急制动AEB系统的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
2.根据权利要求1所述的基于自动驾驶AEB的场景定位方法，其特征在于，基于摄像头信号CamID判断目标物类别，具体包括：
若判断获知摄像头信号CamID值非0，且V_CamID值非0，则目标物为机动车；
若判断获知摄像头信号CamID值非0，且P_CamIDObject值非0，则目标物为行人；
若判断获知摄像头信号CamID值非0，且C_CamIDObject值非0，则目标物为非机动车；
若判断获知摄像头信号CamID值为0，则摄像头出现异常。
3.根据权利要求2所述的基于自动驾驶AEB的场景定位方法，其特征在于，还包括：
若判断获知雷达信号RadID值非0，且RadID＝CamID，则雷达与摄像头测量结果一致，并能正确定位目标物；
若判断获知雷达信号RadID值非0，且RadID≠CamID，则雷达与摄像头测量结果不一致，雷达异常；
若判断获知CustObject值为0，则雷达异常。
4.根据权利要求1所述的基于自动驾驶AEB的场景定位方法，其特征在于，还包括：
基于雷达信号RadID获取目标物的物相对速度RelV及纵向相对距离LonD，并计算碰撞时间TTC，判断AEB事件是否触发。
5.根据权利要求1所述的基于自动驾驶AEB的场景定位方法，其特征在于，若判断获知AEB功能正常，具体包括：
获取AEB系统的，基于ActSt信号值判断AEB功能是否是处于正常开启状态，若判断获知ActSt≠3，则AEB功能未开启，若判断获知ActSt＝3，则AEB功能开启。
6.根据权利要求1所述的基于自动驾驶AEB的场景定位方法，其特征在于，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类，具体包括：
基于故障显示信号FaD值与预设FaD值比较，将AEB事件场景分为永久故障PFaD和临时故障TFaD；
基于提醒请求信息类型将AEB事件场景分为机动车辆警示Var、行人警示Par、非机动车警示Car；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝1，则制动扭矩发出中等级别指令；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝2，则制动扭矩发出强烈的指令；
若判断获知BWTOrder(t)-BWTOrder(t-1)＝3，则制动扭曲发出城市路段的指令。
7.根据权利要求1所述的基于自动驾驶AEB的场景定位方法，其特征在于，还包括：
根据AEBWarming信号与BWTOrder信号时间对比，评价AEB功能做动的准确性以及及时性，若AEBWarming信号的触发时间与BWTOrder触发的时间差值大于预设时间差值，则判断AEB功能触发不及时，传感器灵敏度偏低。
8.一种基于自动驾驶AEB的场景定位装置，其特征在于，包括：
信息提取模块，用于获取实车路测采集的雷达信号RadID和摄像头信号CamID，并提取与自动紧急制动系统AEB的制动功能相关的故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息；
场景分类模块，用于若判断获知AEB功能正常，则基于所述功能信号对AEB事件进行分类定位，基于摄像头信号CamID判断目标物类别，基于雷达信号CamID判断是否有碰撞风险，基于故障显示信号FaD、制动轮扭矩指令信号BWTOrder和提醒请求信息，对AEB事件场景进行分类。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于自动驾驶AEB的场景定位方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于自动驾驶AEB的场景定位方法的步骤。
CN201911253113.1A 2019-12-09 2019-12-09 一种基于自动驾驶aeb的场景定位方法和装置 Active CN111145554B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911253113.1A CN111145554B (zh) 2019-12-09 2019-12-09 一种基于自动驾驶aeb的场景定位方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911253113.1A CN111145554B (zh) 2019-12-09 2019-12-09 一种基于自动驾驶aeb的场景定位方法和装置

Publications (2)

Publication Number Publication Date
CN111145554A true CN111145554A (zh) 2020-05-12
CN111145554B CN111145554B (zh) 2021-06-25

Family

ID=70517897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911253113.1A Active CN111145554B (zh) 2019-12-09 2019-12-09 一种基于自动驾驶aeb的场景定位方法和装置

Country Status (1)

Country Link
CN (1) CN111145554B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112346969A (zh) * 2020-10-28 2021-02-09 武汉极目智能技术有限公司 一种基于数据采集平台的aeb开发验证系统及方法
CN112389455A (zh) * 2021-01-20 2021-02-23 国汽智控(北京)科技有限公司 一种自动驾驶车辆安全运行防护方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130238166A1 (en) * 2012-03-07 2013-09-12 Audi Ag Method for testing the operability of a driver assistance system installed in a test vehicle
KR20160108016A (ko) * 2015-03-06 2016-09-19 주식회사 인폼 자율 제동 테스트 장치 및 방법
CN107421752A (zh) * 2017-07-13 2017-12-01 同济大学 一种智能汽车测试场景加速重构方法
CN108844754A (zh) * 2018-08-10 2018-11-20 安徽江淮汽车集团股份有限公司 用于评估高级驾驶员辅助系统的测试装置
CN108896321A (zh) * 2018-08-10 2018-11-27 安徽江淮汽车集团股份有限公司 用于评估自动制动系统的测试装置
CN109816811A (zh) * 2018-10-31 2019-05-28 杭州云动智能汽车技术有限公司 一种自然驾驶数据采集装置
CN109808613A (zh) * 2019-01-23 2019-05-28 征辕科技(宁波)有限公司 智能驾驶系统行车事件评估检测方法
CN109827781A (zh) * 2018-12-29 2019-05-31 中国汽车技术研究中心有限公司 一种车辆测试数据处理方法、装置及系统
KR102011664B1 (ko) * 2018-06-07 2019-08-19 계명대학교 산학협력단 자동 긴급 제동 시스템의 시험평가 장치 및 그 제어 방법
CN110263564A (zh) * 2019-06-24 2019-09-20 爱驰汽车有限公司 车辆黑匣子的自动行驶数据处理方法、系统、设备及介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130238166A1 (en) * 2012-03-07 2013-09-12 Audi Ag Method for testing the operability of a driver assistance system installed in a test vehicle
KR20160108016A (ko) * 2015-03-06 2016-09-19 주식회사 인폼 자율 제동 테스트 장치 및 방법
CN107421752A (zh) * 2017-07-13 2017-12-01 同济大学 一种智能汽车测试场景加速重构方法
KR102011664B1 (ko) * 2018-06-07 2019-08-19 계명대학교 산학협력단 자동 긴급 제동 시스템의 시험평가 장치 및 그 제어 방법
CN108844754A (zh) * 2018-08-10 2018-11-20 安徽江淮汽车集团股份有限公司 用于评估高级驾驶员辅助系统的测试装置
CN108896321A (zh) * 2018-08-10 2018-11-27 安徽江淮汽车集团股份有限公司 用于评估自动制动系统的测试装置
CN109816811A (zh) * 2018-10-31 2019-05-28 杭州云动智能汽车技术有限公司 一种自然驾驶数据采集装置
CN109827781A (zh) * 2018-12-29 2019-05-31 中国汽车技术研究中心有限公司 一种车辆测试数据处理方法、装置及系统
CN109808613A (zh) * 2019-01-23 2019-05-28 征辕科技(宁波)有限公司 智能驾驶系统行车事件评估检测方法
CN110263564A (zh) * 2019-06-24 2019-09-20 爱驰汽车有限公司 车辆黑匣子的自动行驶数据处理方法、系统、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NACER EDDINE CHELBI 等: "Proposal of a new virtual evaluation approach of preventive safety applications and advanced driver assistance functions-application: AEB system", 《IET INTELLIGENT TRANSPORT SYSTEMS》 *
张恒嘉 等: "基于ECE R131的商用车AEB系统性能试验研究", 《中国测试》 *
江丽君 等: "自动紧急制动系统测试场景研究", 《汽车技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112346969A (zh) * 2020-10-28 2021-02-09 武汉极目智能技术有限公司 一种基于数据采集平台的aeb开发验证系统及方法
CN112346969B (zh) * 2020-10-28 2023-02-28 武汉极目智能技术有限公司 一种基于数据采集平台的aeb开发验证系统及方法
CN112389455A (zh) * 2021-01-20 2021-02-23 国汽智控(北京)科技有限公司 一种自动驾驶车辆安全运行防护方法及系统
CN112389455B (zh) * 2021-01-20 2021-04-06 国汽智控(北京)科技有限公司 一种自动驾驶车辆安全运行防护方法及系统

Also Published As

Publication number Publication date
CN111145554B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN107067718B (zh) 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估系统
CN107346612B (zh) 一种基于车联网的车辆防碰撞方法和系统
CN109345829B (zh) 无人车的监控方法、装置、设备及存储介质
CN110400478A (zh) 一种路况通知方法及装置
WO2017153979A1 (en) Running vehicle alerting system and method
CN111191697B (zh) 基于传感器融合的adas道路测试验证优化方法和装置
CN112819968B (zh) 基于混合现实的自动驾驶车辆的测试方法和装置
CN110895662A (zh) 车辆超载报警方法、装置、电子设备及存储介质
CN113609016B (zh) 车辆自动驾驶测试场景的构建方法、装置、设备及介质
CN111497799A (zh) 一种车辆制动方法、装置、车辆及存储介质
CN111553605A (zh) 车辆变道风险评估方法、装置、设备及存储介质
CN111145554B (zh) 一种基于自动驾驶aeb的场景定位方法和装置
CN104773177A (zh) 辅助驾驶方法和装置
CN112256033B (zh) 驾驶状态识别方法、设备、存储介质及装置
CN112937520A (zh) 车辆的紧急制动方法、装置、商用车及存储介质
CN112606831A (zh) 一种用于客车的防碰撞警示信息对外交互方法及系统
CN117022323A (zh) 一种智能驾驶车辆行为分析与预测系统及方法
CN114104000B (zh) 一种危险场景的评估与处理系统、方法及存储介质
CN113997940B (zh) 一种驾驶行为监测方法及装置
CN115359443A (zh) 交通事故检测方法和装置、电子设备和存储介质
CN113255540A (zh) 一种基于毫米波雷达和摄像头融合的礼让行人系统及方法
Tang et al. Obtain a simulation model of a pedestrian collision imminent braking system based on the vehicle testing data
CN117272690B (zh) 自动驾驶车辆危险切入场景提取方法、设备及介质
US20230045706A1 (en) System for displaying attention to nearby vehicles and method for providing an alarm using the same
CN115798080B (zh) 一种用于民航机场车路协同退出机制测试方法

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