CN111191697B - 基于传感器融合的adas道路测试验证优化方法和装置 - Google Patents
基于传感器融合的adas道路测试验证优化方法和装置 Download PDFInfo
- Publication number
- CN111191697B CN111191697B CN201911332130.4A CN201911332130A CN111191697B CN 111191697 B CN111191697 B CN 111191697B CN 201911332130 A CN201911332130 A CN 201911332130A CN 111191697 B CN111191697 B CN 111191697B
- Authority
- CN
- China
- Prior art keywords
- radar
- camera
- adas
- scene
- trigger
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明实施例提供基于传感器融合的ADAS道路测试验证优化方法和装置,首先对相机(前视摄像头)、毫米波雷达、CAN(或其它种类车身总线数据)信号进行转换,然后对三类信号进行时间同步(数据融合),再对融合后的数据提取触发信号的场景,另外对特定TTC值域的场景进行提取。对所有提取出的场景,找出对应的相机和雷达原文件进行回放,根据回放进行目标物移动方式分类,对每种类别用不同的测试方法进行分析。对纵向移动目标物的分析判断权重以毫米波雷达和融合结果为主,对横向移动目标物以相机为主,对危险场景下未识别、错误识别的目标物以TTC和车身信号分析为主。之后对分析结果进行比对和综合统计。
Description
技术领域
本发明实施例涉及自动驾驶技术领域,尤其涉及基于传感器融合的ADAS道路测试验证优化方法和装置。
背景技术
高级驾驶辅助系统(Advanced Driving Assistant System,ADAS)是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。近年来ADAS市场增长迅速,原来这类系统局限于高端市场,而现在正在进入中端市场,与此同时,许多低技术应用在入门级乘用车领域更加常见,经过改进的新型传感器技术也在为系统布署创造新的机会与策略。
目前自动驾驶和ADAS功能的测试需求越来越多,而基于多种传感器的感知融合的ADAS功能测试,例如AEB和ACC功能,不同于单一传感器的测试评价,基于相机与毫米波雷达的融合的这些功能的测试,各项传感器分别做出的感知、判定与性能表现,可能会与理想的结果相差甚远或者互相产生冲突矛盾。故需要合理的分析和处理相机、毫米波雷达以及融合结果对ADAS功能进行测试评价。
发明内容
本发明实施例提供基于传感器融合的ADAS道路测试验证优化方法和装置,用以解决现有测试中对相机、毫米波雷达的权重处理的僵化的问题,合理利用传感器融合结果,对不同场景类型特别是针对cut-in现象的测试处理进行了优化,同时对场景失效的情况也给出了替代评判方法。
第一方面,本发明实施例提供基于传感器融合的ADAS道路测试验证优化方法,包括:
获取雷达数据、相机数据和CAN总线数据,并进行时间同步,提取高级驾驶辅助系统ADAS事件触发信号对应的触发场景;
基于所述触发场景提取对应的雷达数据和相机数据,并进行定位回放以基于移动方式对目标物进行分类,若判断获知目标物为纵向移动目标物,则以雷达数据进行ADAS道路测试验证,若判断获知目标物为横向移动目标物,则以相机数据进行ADAS道路测试验证。
作为优选的,提取高级驾驶辅助系统ADAS触发信号对应的触发场景,具体包括:
提取ADAS事件触发时对应的雷达相关信号下的场景;
提取ADAS事件触发时对应的相机相关信号下的场景;
提取ADAS事件触发时对应的碰撞时间TTC小于预设时间下的场景。
作为优选的,还包括:
基于车辆基础信号和事件相关信号自动生成表格式的初级报告,所述事件相关信号包括自车速度,目标物类型,与目标物相对横向速度,与目标物横向相对距离,自车宽度,目标物宽度,预碰撞时间TTC,雷达报警信号,摄像头报警信号,相机预刹车确定度,雷达预刹车确定度,雷达刹车指令,雷达锁定目标物编号,相机锁定目标物编号,雷达受干扰情况,相机受干扰情况。
作为优选的,若判断获知目标物为纵向移动目标物,则以雷达数据为高权重进行ADAS道路测试验证,具体包括:
若判断获知对应ADAS事件触发且为纵向目标场景,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景,并获取雷达和相机的信号发生的时间轴以及锁定同一目标物的时间点;
获取雷达数据和相机数据未全部触发各类ADAS事件,和/或相机和雷达未锁定同一目标的情况下,雷达和相机的受干扰情况;
生成纵向目标场景的表格式报告。
作为优选的,若判断获知目标物为横向移动目标物,则以相机数据为高权重进行ADAS道路测试验证,具体包括:
若判断获知对应ADAS事件触发且为横向目标场景,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景;
梳理雷达和相机的各类事件相关信号,获取ADAS事件漏报时间所对应发生的时间轴,以及雷达和相机锁定同一目标物的时间点;
获取雷达数据和相机数据未触发或未全部触发发各类ADAS事件,和/或相机和雷达未锁定同一目标的情况下,雷达和相机的受干扰情况;
生成横向目标场景的表格式报告。
作为优选的,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景,具体相关信号包括:
分析雷达刹车指令BrakingOrder-Rad信号触发、雷达预刹车确定度BrakingConfidencelevel-Rad信号触发、相机预刹车确定度BrakingConfidencelevel-Cam信号触发、雷达报警信号Warning-Rad信号触发、相机报警信号Warning-Cam信号触发,并判断相机锁定目标物编号CamObjectID与雷达锁定目标物编号RadObjectID是否为同一物。
作为优选的,获取ADAS事件漏报时间所对应发生的时间轴,具体包括:
获取与目标物相对横向速度Vy-rel,与目标物横向相对距离Dy-rel,自车宽度Vehicle-Width,目标物宽度Object-Width,预碰撞时间TTC,获取预计碰撞时横向距离:Y-Impact=TTC×Vy-rel+Dy-rel;
若判断获知∣Y-Impact∣<α×(Vehicle-Width+Object-Width),则触发AEB事件;当α=0.5时,为AEB’s Warning;当0.25≤α<0.5时,为AEB’sBrakingOrder,或预设级别的AEB’s BrakingConfidenceLevel。
第一方面,本发明实施例提供一种基于传感器融合的ADAS道路测试验证优化装置,包括:
第一模块,用于获取雷达数据、相机数据和CAN总线数据,并进行时间同步,提取高级驾驶辅助系统ADAS事件触发信号对应的触发场景;
第二模块,用于基于所述触发场景提取对应的雷达数据和相机数据,并进行定位回放以基于移动方式对目标物进行分类,若判断获知目标物为纵向移动目标物,则以雷达数据进行ADAS道路测试验证,若判断获知目标物为横向移动目标物,则以相机数据进行ADAS道路测试验证。
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传感器融合的ADAS道路测试验证优化方法的步骤。
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传感器融合的ADAS道路测试验证优化方法的步骤。
本发明实施例提供的基于传感器融合的ADAS道路测试验证优化方法和装置,首先对相机(前视摄像头)、毫米波雷达、CAN(或其它种类车身总线数据)信号进行转换,然后对三类信号进行时间同步(数据融合),再对融合后的数据提取触发信号的场景,另外对特定TTC值域的场景进行提取。对所有提取出的场景,找出对应的相机和雷达原文件进行回放,根据回放进行目标物移动方式分类,对每种类别用不同的测试方法进行分析。对纵向移动目标物的分析判断权重以毫米波雷达和融合结果为主,对横向移动目标物以相机为主,对危险场景下未识别、错误识别的目标物以TTC和车身信号分析为主。之后对分析结果进行比对和综合统计。
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传感器融合的ADAS道路测试验证优化方法流程框图;
图2为根据本发明实施例的纵向目标物场景下的分析流程示意图;
图3为根据本发明实施例的横向目标物场景下的分析流程示意图;
图4为根据本发明实施例的一种电子设备结构示意图。
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。
目前自动驾驶和ADAS功能的测试需求越来越多,而基于多种传感器的感知融合的ADAS功能测试,例如AEB和ACC功能,不同于单一传感器的测试评价,基于相机与毫米波雷达的融合的这些功能的测试,各项传感器分别做出的感知、判定与性能表现,可能会与理想的结果相差甚远或者互相产生冲突矛盾。故需要合理的分析和处理相机、毫米波雷达以及融合结果对ADAS功能。
因此,本发明实施例提出基于传感器融合的ADAS道路测试验证优化方法和装置,解决了现有测试中对相机、毫米波雷达的权重处理的僵化,合理利用传感器融合结果,对不同场景类型特别是针对cut-in现象的测试处理进行了优化。同时对场景失效的情况也给出了替代评判方法。以此清晰了多种传感器条件下的ADAS功能测试方法,提高了测试效率,降低了人力与时间成本,为ADAS功能开发迭代提供支撑。以下将通过多个实施例进行展开说明和介绍。
图1和图2为本发明实施例提供基于传感器融合的ADAS道路测试验证优化方法,包括:
获取雷达数据、相机数据和CAN总线数据,并进行时间同步,提取高级驾驶辅助系统ADAS事件触发信号对应的触发场景;
基于所述触发场景提取对应的雷达数据和相机数据,并进行定位回放以基于移动方式对目标物进行分类,若判断获知目标物为纵向移动目标物,则以雷达数据为高权重进行ADAS道路测试验证,若判断获知目标物为横向移动目标物,则以相机数据为高权重进行ADAS道路测试验证。
在本实施例中,作为一种优选的实施方式,首先对相机(前视摄像头)、毫米波雷达、CAN(或其它种类车身总线数据)信号进行转换,然后对三类信号进行时间同步(数据融合),再对融合后的数据提取触发信号的场景,另外对特定TTC值域的场景进行提取。对所有提取出的场景,找出对应的相机和雷达原文件进行回放,根据回放进行目标物移动方式分类,对每种类别用不同的测试方法进行分析。对纵向移动目标物的分析判断权重以毫米波雷达和融合结果为主,对横向移动目标物以相机为主,对危险场景下未识别、错误识别的目标物以TTC和车身信号分析为主。之后对分析结果进行比对和综合统计。
在本实施例中,上述以雷达数据为高权重、相机数据为高权重中时,其对应的高权重均为预先设定的,占比高的权重系数值。
在上述实施例的基础上,提取高级驾驶辅助系统ADAS触发信号对应的触发场景,具体包括:
提取ADAS事件触发时对应的雷达相关信号下的场景;
提取ADAS事件触发时对应的相机相关信号下的场景;
提取ADAS事件触发时对应的碰撞时间TTC小于预设时间下的场景。
在本实施例中,作为一种优选的实施方式,以自动刹车辅助系统(AutonomousEmergency Braking,AEB)为例进行测试评价,提取AEB事件相关信号下的场景:
a.提取触发AEB事件的雷达相关信号下的场景,包括报警(Warning)和刹车(Braking)
b.提取触发AEB事件的相机(前视摄像头)相关信号下的场景,包括报警(Warning)和刹车(Braking)
c.提取TTC小于x秒下的场景,x通常取值为1.0,0.6或1.4,是一个按需可调的变量。
在上述各实施例的基础上,还包括:
基于车辆基础信号和事件相关信号自动生成表格式的初级报告,所述事件相关信号包括自车速度,目标物类型,与目标物相对横向速度,与目标物横向相对距离,自车宽度,目标物宽度,预碰撞时间TTC,雷达报警信号,摄像头报警信号,相机预刹车确定度,雷达预刹车确定度,雷达刹车指令,雷达锁定目标物编号,相机锁定目标物编号,雷达受干扰情况,相机受干扰情况。
在本实施例中,作为一种优选的实施方式,根据车辆基础信号和筛选的AEB相关信号,自动生成表格式的中间报告即初级报告。
主要的AEB相关信号有:自车速度Host-Vehicle-Speed,目标物类型Object-Type,(与目标物)相对横向速度Vy-rel,横向相对距离Dy-rel,自车宽度Vehicle-Width,目标物宽度Object-Width,预碰撞时间TTC,雷达报警信号Warning-Rad,摄像头报警信号Warning-Cam,相机预刹车确定度BrakingConfidenceLevel-Cam,雷达预刹车确定度BrakingConfidenceLevel-Rad,雷达刹车指令Braking-order-Radar,雷达锁定目标物编号RadObjectID,相机锁定目标物编号CamObjectID,雷达受干扰情况RadFailsafe,相机受干扰情况CamFailsafe等。
在上述各实施例的基础上,根据提取的场景进行时间定位,回放记录的可视化文件,并分类。现有技术对目标物静止或纵向移动的物体,AEB功能表现尚可;而对横向移动或者以横向速度为主的即俗称cut-in目标物,现有技术表现存在较多问题,与前者的测试方式也有不同。故分为“纵向目标物场景下的分析”和“横向目标物场景下的分析”两类来进行测试分析。
在上述各实施例的基础上,若判断获知目标物为纵向移动目标物,则以雷达数据进行ADAS道路测试验证,具体包括:
若判断获知对应ADAS事件触发且为纵向目标场景,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景,并获取雷达和相机的信号发生的时间轴以及锁定同一目标物的时间点;
获取雷达数据和相机数据未全部触发各类ADAS事件,和/或相机和雷达未锁定同一目标的情况下,雷达和相机的受干扰情况;
生成纵向目标场景的表格式报告。
在本实施例中,作为一种优选的实施方式,毫米波雷达对纵向距离判定的鲁棒性较好,此场景下的测试分析以毫米波雷达为优先、交叉分析雷达与相机(前视摄像头)的信号的发生、发生时间、信号级别,并考察两个传感器对目标物是否同时锁定(fusion)。此部分流程图2如下。
在上述各实施例的基础上,若判断获知目标物为横向移动目标物,则以相机数据进行ADAS道路测试验证,具体包括:
若判断获知对应ADAS事件触发且为横向目标场景,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景;
梳理雷达和相机的各类事件相关信号,获取ADAS事件漏报时间所对应发生的时间轴,以及雷达和相机锁定同一目标物的时间点;
获取雷达数据和相机数据未触发或未全部触发发各类ADAS事件,和/或相机和雷达未锁定同一目标的情况下,雷达和相机的受干扰情况;
生成横向目标场景的表格式报告。
在本实施例中,作为一种优选的实施方式,毫米波雷达对横向距离判定的精度较差,此场景下的测试分析以相机(前视摄像头)为优先、交叉分析相机与雷达的信号的发生、发生时间、信号级别。并考察两个传感器对目标物是否同时锁定(fusion)。考虑到对横向移动的物体cut-in的情况下,传感器特别是雷达的漏报情况较多,须对于当TTC小于x秒时,计算预计碰撞时横向距离Y-Impact,当其绝对值|Y-Impact|<特定系数*(自车宽度+目标物宽度)时,此情况下应触发AEB信号。此部分流程图3如下。
在上述各实施例的基础上,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景,具体包括:
分析雷达刹车指令BrakingOrder-Rad信号触发、雷达预刹车确定度BrakingConfidencelevel-Rad信号触发、相机预刹车确定度BarkingConfidencelevel-Cam信号触发、雷达报警信号Warning-Rad信号触发、相机报警信号Warning-Cam信号触发,并判断相机锁定目标物编号CamObjectID与雷达锁定目标物编号RadObjectID是否为同一物。基于上述各类信号的关联性判断是否为同一物。
在上述各实施例的基础上,获取ADAS事件漏报时间所对应发生的时间轴,具体包括:
获取与目标物相对横向速度Vy-rel,与目标物横向相对距离Dy-rel,自车宽度Vehicle-Width,目标物宽度Object-Width,预碰撞时间TTC,获取预计碰撞时横向距离:Y-Impact=TTC×Vy-rel+Dy-rel;
若判断获知∣Y-Impact∣<α×(Vehicle-Width+Object-Width),则触发AEB事件;当α=0.5时,为AEB-Warning(自动紧急制动-报警);当0.25≤α<0.5时,为AEB-BrakingOrder(自动紧急制动-制动指令),或预设级别的AEB-BrakingConfidenceLevel(自动紧急制动-制动置信度级别);当α<0.25时(通常不会出现),为(Strong)AEB-BrakingOrder。
根据“横向目标物场景”和“纵向目标物场景”的单个场景分析,做成表格式分析报告,然后统计雷达和相机的各类AEB信号的发生的关联度,传感器融合比例,以及AEB信号漏报的情况,生成综合统计汇总报告。清晰梳理了不同场景下的AEB功能测试分析方法和流程,改进了不同场景类型下对AEB功能涉及的各种传感器的测试评定。
本发明实施例还提供一种基于传感器融合的ADAS道路测试验证优化装置,基于上述各实施例中的基于传感器融合的ADAS道路测试验证优化方法,包括:
第一模块,用于获取雷达数据、相机数据和CAN总线数据,并进行时间同步,提取高级驾驶辅助系统ADAS事件触发信号对应的触发场景;
第二模块,用于基于所述触发场景提取对应的雷达数据和相机数据,并进行定位回放以基于移动方式对目标物进行分类,若判断获知目标物为纵向移动目标物,则以雷达数据进行ADAS道路测试验证,若判断获知目标物为横向移动目标物,则以相机数据进行ADAS道路测试验证。
本发明实施例提供了本发明实施例提供了一种电子设备,如图4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,以执行上述各实施例提供的基于传感器融合的ADAS道路测试验证优化方法,例如包括:
获取雷达数据、相机数据和CAN总线数据,并进行时间同步,提取高级驾驶辅助系统ADAS事件触发信号对应的触发场景;
基于所述触发场景提取对应的雷达数据和相机数据,并进行定位回放以基于移动方式对目标物进行分类,若判断获知目标物为纵向移动目标物,则以雷达数据进行ADAS道路测试验证,若判断获知目标物为横向移动目标物,则以相机数据进行ADAS道路测试验证。
此外,上述的存储器503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。
本发明实施例还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以执行上述各实施例提供的基于传感器融合的ADAS道路测试验证优化方法,例如包括:
获取雷达数据、相机数据和CAN总线数据,并进行时间同步,提取高级驾驶辅助系统ADAS事件触发信号对应的触发场景;
基于所述触发场景提取对应的雷达数据和相机数据,并进行定位回放以基于移动方式对目标物进行分类,若判断获知目标物为纵向移动目标物,则以雷达数据进行ADAS道路测试验证,若判断获知目标物为横向移动目标物,则以相机数据进行ADAS道路测试验证。
综上所述,本发明实施例提供的基于传感器融合的ADAS道路测试验证优化方法和装置,首先对相机(前视摄像头)、毫米波雷达、CAN(或其它种类车身总线数据)信号进行转换,然后对三类信号进行时间同步(数据融合),再对融合后的数据提取触发信号的场景,另外对特定TTC值域的场景进行提取。对所有提取出的场景,找出对应的相机和雷达原文件进行回放,根据回放进行目标物移动方式分类,对每种类别用不同的测试方法进行分析。对纵向移动目标物的分析判断权重以毫米波雷达和融合结果为主,对横向移动目标物以相机为主,对危险场景下未识别、错误识别的目标物以TTC和车身信号分析为主。之后对分析结果进行比对和综合统计。
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 (5)
1.一种基于传感器融合的ADAS道路测试验证优化方法,其特征在于,包括:
获取雷达数据、相机数据和CAN总线数据,并进行时间同步,提取高级驾驶辅助系统ADAS事件触发信号对应的触发场景;
基于所述触发场景提取对应的雷达数据和相机数据,并进行定位回放以基于移动方式对目标物进行分类;
若判断获知对应ADAS事件触发且为纵向目标场景,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景,并获取雷达和相机的信号发生的时间轴以及锁定同一目标物的时间点;获取雷达数据和相机数据未全部触发各类ADAS事件,和/或相机和雷达未锁定同一目标的情况下,雷达和相机的受干扰情况;生成纵向目标场景的表格式报告;
若判断获知对应ADAS事件触发且为横向目标场景,则基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景;梳理雷达和相机的各类事件相关信号,获取ADAS事件漏报时间所对应发生的时间轴,以及雷达和相机锁定同一目标物的时间点;获取雷达数据和相机数据未触发或未全部触发各类ADAS事件,和/或相机和雷达未锁定同一目标的情况下,雷达和相机的受干扰情况;生成横向目标场景的表格式报告;
基于雷达触发信号和相机触发信号筛选出目标物是为同一物体的场景,具体包括:分析雷达刹车指令BrakingOrder-Rad信号触发、雷达预刹车确定度BrakingConfidencelevel-Rad信号触发、相机预刹车确定度BrakingConfidencelevel-Cam信号触发、雷达报警信号Warning-Rad信号触发、相机报警信号Warning-Cam信号触发,并判断相机锁定目标物编号CamObjectID与雷达锁定目标物编号RadObjectID是否为同一物;
获取ADAS事件漏报时间所对应发生的时间轴,具体包括:
获取与目标物相对横向速度Vy-rel,与目标物横向相对距离Dy-rel,自车宽度Vehicle-Width,目标物宽度Object-Width,预碰撞时间TTC,获取预计碰撞时横向距离:Y-Impact=TTC×Vy-rel+Dy-rel;
若判断获知∣Y-Impact∣<α×(Vehicle-Width+Object-Width),则触发AEB事件;当α=0.5时,为AEB-Warning;当0.25≤α<0.5时,为AEB-BrakingOrder,或预设级别的AEB-BrakingConfidenceLevel。
2.根据权利要求1所述的基于传感器融合的ADAS道路测试验证优化方法,其特征在于,提取高级驾驶辅助系统ADAS触发信号对应的触发场景,具体包括:
提取ADAS事件触发时对应的雷达相关信号下的场景;
提取ADAS事件触发时对应的相机相关信号下的场景;
提取ADAS事件触发时对应的碰撞时间TTC小于预设时间下的场景。
3.根据权利要求1所述的基于传感器融合的ADAS道路测试验证优化方法,其特征在于,还包括:
基于车辆基础信号和事件相关信号自动生成表格式的初级报告,所述事件相关信号包括自车速度,目标物类型,与目标物相对横向速度,与目标物横向相对距离,自车宽度,目标物宽度,预碰撞时间TTC,雷达报警信号,摄像头报警信号,相机预刹车确定度,雷达预刹车确定度,雷达刹车指令,雷达锁定目标物编号,相机锁定目标物编号,雷达受干扰情况,相机受干扰情况。
4.一种电子设备,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3任一项所述基于传感器融合的ADAS道路测试验证优化方法的步骤。
5.一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3任一项所述基于传感器融合的ADAS道路测试验证优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332130.4A CN111191697B (zh) | 2019-12-21 | 2019-12-21 | 基于传感器融合的adas道路测试验证优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911332130.4A CN111191697B (zh) | 2019-12-21 | 2019-12-21 | 基于传感器融合的adas道路测试验证优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111191697A CN111191697A (zh) | 2020-05-22 |
CN111191697B true CN111191697B (zh) | 2023-04-28 |
Family
ID=70711003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911332130.4A Active CN111191697B (zh) | 2019-12-21 | 2019-12-21 | 基于传感器融合的adas道路测试验证优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191697B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562118B (zh) * | 2020-06-30 | 2022-04-15 | 中汽院智能网联科技有限公司 | 一种夜间环境下aeb vru性能的测试方法 |
CN111856417B (zh) * | 2020-07-20 | 2023-07-21 | 中国第一汽车股份有限公司 | 车载毫米波雷达的性能分析方法、装置、终端及存储介质 |
GB2598142A (en) * | 2020-08-20 | 2022-02-23 | Aptiv Tech Ltd | Testing method for vehicle-mounted sensors, testing system, observation vehicle and test vehicle |
CN112254977B (zh) * | 2020-09-03 | 2021-12-10 | 北汽福田汽车股份有限公司 | 一种基于自动紧急制动系统的数据处理方法和装置 |
CN113487874B (zh) * | 2021-05-27 | 2022-07-01 | 中汽研(天津)汽车工程研究院有限公司 | 一种跟驰行为场景数据采集、识别、分类提取系统及方法 |
CN113821868A (zh) * | 2021-07-30 | 2021-12-21 | 的卢技术有限公司 | 一种汽车碰撞仿真分析快速后处理方法及系统 |
CN113671937B (zh) * | 2021-08-20 | 2023-06-30 | 安徽江淮汽车集团股份有限公司 | Aeb功能优化再验证方法 |
DE102022118382A1 (de) | 2022-07-22 | 2022-09-15 | Daimler Truck AG | Verfahren zur Validierung eines Sensors für autonome Fahrfunktionen |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104913766A (zh) * | 2015-06-24 | 2015-09-16 | 中交第二公路勘察设计研究院有限公司 | 一种激光扫描测量方法及装置 |
CN109885056A (zh) * | 2019-03-07 | 2019-06-14 | 格陆博科技有限公司 | 一种基于单目摄像头和毫米波雷达融合的多场景挑选方法 |
CN109886308A (zh) * | 2019-01-25 | 2019-06-14 | 中国汽车技术研究中心有限公司 | 一种基于目标级别的双传感器数据融合方法和装置 |
CN109901156A (zh) * | 2019-01-25 | 2019-06-18 | 中国汽车技术研究中心有限公司 | 一种车辆毫米波雷达和摄像头的目标融合方法和装置 |
CN110082734A (zh) * | 2019-04-28 | 2019-08-02 | 安徽瑞泰智能装备有限公司 | 汽车车载毫米波雷达外部标定的标定装置、标定系统及标定方法 |
WO2019218861A1 (zh) * | 2018-05-14 | 2019-11-21 | 华为技术有限公司 | 一种行车道路的估计方法以及行车道路估计系统 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180065585A (ko) * | 2016-12-08 | 2018-06-18 | 현대자동차주식회사 | 차량 및 그 제어방법 |
DE102016226040A1 (de) * | 2016-12-22 | 2018-06-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung in einem Kraftfahrzeug zum Fußgängerschutz |
-
2019
- 2019-12-21 CN CN201911332130.4A patent/CN111191697B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104913766A (zh) * | 2015-06-24 | 2015-09-16 | 中交第二公路勘察设计研究院有限公司 | 一种激光扫描测量方法及装置 |
WO2019218861A1 (zh) * | 2018-05-14 | 2019-11-21 | 华为技术有限公司 | 一种行车道路的估计方法以及行车道路估计系统 |
CN109886308A (zh) * | 2019-01-25 | 2019-06-14 | 中国汽车技术研究中心有限公司 | 一种基于目标级别的双传感器数据融合方法和装置 |
CN109901156A (zh) * | 2019-01-25 | 2019-06-18 | 中国汽车技术研究中心有限公司 | 一种车辆毫米波雷达和摄像头的目标融合方法和装置 |
CN109885056A (zh) * | 2019-03-07 | 2019-06-14 | 格陆博科技有限公司 | 一种基于单目摄像头和毫米波雷达融合的多场景挑选方法 |
CN110082734A (zh) * | 2019-04-28 | 2019-08-02 | 安徽瑞泰智能装备有限公司 | 汽车车载毫米波雷达外部标定的标定装置、标定系统及标定方法 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
Non-Patent Citations (2)
Title |
---|
Using Volumetric Radar Data to Track Horizontal and Vertical Movements of Storms;G.J.G.Upton;《2000 Elsevier Science》;20001231;第1117-1121页 * |
多传感器融合的智能车定位导航系统设计;李磊等;《工程设计学报》;20190430;第26卷(第2期);第182-189页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111191697A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191697B (zh) | 基于传感器融合的adas道路测试验证优化方法和装置 | |
JP6499514B2 (ja) | ドライブレコーダ、データ記録システム、データ記録方法、及び、プログラム | |
US11216676B2 (en) | Information processing system and information processing method | |
US8781688B2 (en) | Method and system for combining sensor data | |
US10074181B2 (en) | Method and device for monitoring a surrounding region of a vehicle, and method for implementing emergency braking | |
JP5895162B2 (ja) | 交通事故検出装置及び交通事故検出方法 | |
US9418301B2 (en) | Low-speed impact detection sensor array | |
JP2010132056A (ja) | 検知装置、検知方法および車両制御装置 | |
US10589741B2 (en) | Enhanced collision avoidance | |
CN111145554B (zh) | 一种基于自动驾驶aeb的场景定位方法和装置 | |
US11594038B2 (en) | Information processing device, information processing system, and recording medium recording information processing program | |
KR102323692B1 (ko) | Adas를 이용한 운전자 평가 방법 및 장치 | |
JP6600044B2 (ja) | 車載装置、及び、サーバ装置 | |
JP2017122646A (ja) | 移動物体検出装置 | |
CN112785875B (zh) | 信息处理装置、信息处理系统及方法以及记录介质 | |
CN112026700A (zh) | 汽车防撞预警方法、系统及存储介质 | |
Ruan et al. | A novel scoring method for pedestrian automatic emergency braking systems | |
US10562450B2 (en) | Enhanced lane negotiation | |
CN114475653B (zh) | 一种车辆应急转向仿真场景配置方法和装置 | |
US20220260706A1 (en) | Synthetic generation of radar and lidar point clouds | |
CN115017467B (zh) | 一种跟车目标的补偿方法、装置及存储介质 | |
Lin et al. | Comparing the Importance of the Factors on Drivers’ Response Time to Lead Vehicle’s Braking | |
CN116820943A (zh) | 测试场景生成方法、装置、电子设备和可读存储介质 | |
JP2019212338A (ja) | 車載装置、及び、サーバ装置 | |
CN116243319A (zh) | 镜像目标的确定方法、装置、非易失性存储介质及车辆 |
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 |