CN111813650A - 可视化无人车决策控制仿真测试方法及系统 - Google Patents

可视化无人车决策控制仿真测试方法及系统 Download PDF

Info

Publication number
CN111813650A
CN111813650A CN202010431083.5A CN202010431083A CN111813650A CN 111813650 A CN111813650 A CN 111813650A CN 202010431083 A CN202010431083 A CN 202010431083A CN 111813650 A CN111813650 A CN 111813650A
Authority
CN
China
Prior art keywords
test
main vehicle
data
virtual environment
task
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
CN202010431083.5A
Other languages
English (en)
Other versions
CN111813650B (zh
Inventor
董乾
薛云志
孟令中
杨光
丁明明
师源
武斌
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.)
Institute of Software of CAS
Original Assignee
Institute of Software of CAS
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 Institute of Software of CAS filed Critical Institute of Software of CAS
Priority to CN202010431083.5A priority Critical patent/CN111813650B/zh
Publication of CN111813650A publication Critical patent/CN111813650A/zh
Application granted granted Critical
Publication of CN111813650B publication Critical patent/CN111813650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3672Test management
    • G06F11/3684Test management for test design, e.g. generating new test cases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3672Test management
    • G06F11/3688Test management for test execution, e.g. scheduling of test suites

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种可视化无人车决策控制仿真测试方法及系统,涉及无人车软件功能测试技术领域,主要通过管理历史测试任务;创建测试任务,配置测试任务信息,在虚拟环境初始化测试任务;建立虚拟环境与待测的无人车决策控制模块的数据交互,控制虚拟环境中的主车运行;实时进行数据分析和记录,展示虚拟环境中主车的测试过程;实时检测虚拟环境中测试任务的执行情况,处理虚拟环境中各种预期情况;结束测试任务,进行测试数据统计及可视化,记录测试任务结果数据。本发明基于可视化技术覆盖了针对测试任务从开始到结束中管理、配置、运行控制的各阶段,借助数据通信实现测试系统与主车代码模块解耦,充分发挥无人车仿真测试的优势。

Description

可视化无人车决策控制仿真测试方法及系统
技术领域
本发明涉及无人车软件功能测试技术领域,具体而言,涉及一种可视化无人车决策控制仿真测试方法及系统。
背景技术
随着自动驾驶技术的快速进步,高科技公司和传统车辆企业纷纷大力发展无人车项目。作为一种涉及人身安全的高新智能技术产品,无人车在正式投入必须要经过大规模的测试以采集足够的数据以验证其安全可靠。在真实世界中搭建测试场或者在实际道路上对无人车开展测试验证需要花费大量人力、物力和时间成本,同时受到实际条件的制约造成测试不完备的情况,还存在着潜在的安全隐患,所以无法完全只在物理环境下进行无人车的测试评估。因为无人车测试的目标是观测无人车在不同路况情形下的反应,这在现有自动驾驶架构下主要依赖于软件层面上环境感知、决策规划、控制执行所实现的功能,所以与此相关的大部分软件功能测试工作可以且必须要结合仿真方法在虚拟环境中开展。一般而言,需要借助虚拟仿真引擎,首先搭建虚拟场地,然后添加测试用例,再向主车绑定无人车相关代码执行测试。上述方法虽实现了对于无人车的仿真测试,但是存在以下问题。
1.测试用例大多以固定执行的方式添加到虚拟环境中特定的位置,测试过程沿用真实环境中对无人车测试验证的套路,导致测试场景不够丰富、缺乏随机性。同时,测试用例通常按照次序进行简单地执行调度,使得整个测试过程缺少持续性,与真实道路下车辆行驶情形的差距较大。
2.现有无人车测试系统往往需要将测试代码接入虚拟环境的主车代码模块中,使得测试代码和测试系统两者往往具有很强的耦合性、对测试代码的限制要求多,导致无人车开发人员或测试人员在测试过程中需要进行大量的代码调试工作。
3.无人车测试系统多数采用命令行的形式,最终返回测试结果,测试过程展示方面较为缺乏,导致测试人员实时掌握虚拟环境内的测试情况和细节信息。而且,无人车测试系统主要关注无人车的运动仿真方面,对于测试任务和测试数据的组织存储和再利用明显不足,无法有效帮助测试人员发掘存在的问题。
4.虚拟仿真技术虽然随着硬件发展得到快速提升,但依然能够看到渲染图像和真实图像存在差距,因此利用视觉虚拟传感器在仿真环境中进行环境感知的测试评估可能出现与真实环境下不一致的响应表现,导致测试结果不可信。
上述问题极大制约了无人车测试对虚拟环境的开发利用,严重限制了利用仿真方法开展无人车测试的优势。
发明内容
本发明的目的是提供一种可视化无人车决策控制仿真测试方法、系统、计算机设备和计算机存储介质,基于可视化技术覆盖了针对测试任务从开始到结束中管理、配置、运行控制的各阶段,借助数据通信实现测试系统与主车代码模块解耦,充分发挥无人车仿真测试的优势,解决了上述技术问题。
为实现上述目的,本发明采用的技术方案如下:
第一方面,本发明提供了一种可视化无人车决策控制仿真测试方法,包括如下步骤:
管理历史测试任务;
创建测试任务,配置所述测试任务信息,在虚拟环境初始化所述测试任务;
建立所述虚拟环境与待测的无人车决策控制模块(即测试模块)的数据交互,控制所述虚拟环境中的主车运行;
实时进行数据分析和记录,展示所述虚拟环境中所述主车的测试过程;
实时检测所述虚拟环境中所述测试任务的执行情况,处理所述虚拟环境中各种预期情况;
结束所述测试任务,进行测试数据统计及可视化,记录所述测试任务结果数据。
在其中一个实施例中,所述管理历史测试任务的步骤包括:
查看所述历史测试任务信息;
根据设定条件,批量筛选所述历史测试任务;
对比筛选后的历史测试任务记录的各项数据,进行可视化展示;
批量删除选定的所述筛选后的历史测试任务。
在其中一个实施例中,所述配置所述测试任务信息的步骤包括:
设置主车参数;
设置地图、天气、时间等静态要素参数;
设置非主车、行人等动态要素参数。
在其中另一个实施例中,所述配置所述测试任务信息的步骤包括:
设置主车参数;
设置地图、天气、时间等静态要素参数;
批量选择测试用例并设置相关参数。
在其中一个实施例中,所述在虚拟环境初始化所述测试任务的步骤包括:
在虚拟环境中加载地图资源;
在虚拟环境中设置天气、时间;
选取车辆生成点,在虚拟环境中生成主车;
选取车辆生成点,在虚拟环境中生成非主车;
选取行人生成点,在虚拟环境中生成行人。
在其中一个实施例中,所述建立所述虚拟环境与待测的无人车决策控制模块的数据交互的步骤包括:
开启与无人车决策控制模块的网络连接;
采集虚拟环境中主车运行的实时语义数据,并向无人车决策控制模块发送;
接收无人车决策控制模块根据实时数据和地图信息计算的控制信号。
在其中一个实施例中,所述展示所述虚拟环境中所述主车的测试过程的步骤包括:
从虚拟环境获取主车运行画面,进行推流直播;
采集虚拟环境中主车运行状态数据,进行直播视频的同步显示;
根据实时数据分析结果,向用户推送测试过程中的关键测试事件。
在其中一个实施例中,所述处理所述虚拟环境中各种预期情况的步骤包括:
若发现主车控制失效,则根据车辆生成点重新设置主车位置,初始化主车状态;
若发现用户提前终止任务,则结束本次测试任务。
在其中另一个实施例中,所述处理所述虚拟环境中各种预期情况的步骤包括:
若发现当前测试用例完成,则初始化下一个测试用例;
若发现用户提前终止任务,则结束本次测试任务。
在其中一个实施例中,所述结束所述测试任务的步骤包括:
断开与无人车决策控制模块的网络连接;
停止从虚拟环境中采集数据;
销毁虚拟环境中的主车、非主车、行人。
第二方面,本发明提供了一种可视化无人车决策控制仿真测试系统,包括如下模块:
任务管理模块,用于历史测试任务的查看、筛选、可视化分析比较、批量删除等;
任务配置模块,用于创建测试任务,配置测试任务中地图、天气、时间、主车、非主车、行人等参数信息;
任务展示模块,用于测试任务运行过程中向用户展示主车运行画面以及配套的运行状态数据和测试关键事件,测试任务结束时可视化展示任务结果数据;
数据库,用于存储历史测试的任务信息和结果信息等;
场景控制模块,用于虚拟环境初始化,测试任务运行过程中对虚拟环境中预期情况的处理以及测试任务结束时主车、非主车、行人等销毁;
场景仿真模块,用于虚拟环境仿真,实现虚拟环境的物理计算以及虚拟环境的画面渲染;
数据处理模块,用于实时数据的采集、分析、发送以及主车控制信号的应用;
地图模块,用于向决策控制无人车决策控制模块提供地图数据;
网络连接模块,用于数据处理模块与决策控制测试模块的网络通信;
决策控制测试模块,用于接入待测的无人车决策控制模块。
第三方面,本发明提供了一种计算机设备,包括处理器、存储器、网络接口及总线,处理器、存储器及网络接口通过总线实现相互通信,网络接口建立与待测的无人车决策控制模块的数据交互,存储器存储计算机程序,处理器执行计算机程序实现如第一方面任一项所述的方法的步骤。
第四方面,本发明提供一种计算机存储介质,用于存储计算机程序,所述计算机程序被处理器执行以实现如第一方面任一项所述的方法的步骤。
上述的可视化无人车决策控制仿真测试方法、系统、计算机设备和计算机存储介质,绕过虚拟传感器给环境感知带来的不确定性仅对无人车的决策规划、执行控制在软件功能层面开展测试,覆盖了针对测试任务从开始到结束中管理、配置、运行控制的各阶段,通过任务配置丰富了虚拟环境中的测试场景,利用场景控制保障测试过程的持续不间断,借助数据通信实现测试代码与主车代码模块解耦,结合可视化的任务管理和任务过程数据展示帮助用户开展系统性的测试工作、实现用户对于测试过程情形的掌控,充分发挥出基于虚拟环境进行无人车仿真测试的优势,保证测试结果符合真实物理世界中的实际情况。
为使本发明的上述目的、特征和优点能更明显易懂,下文配合所附附图,对较佳实施例作详细说明。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面对实施例中所需要使用的附图作简单介绍,显然,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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附图。
图1是本发明实施例方案的应用环境图;
图2是一个实施例的可视化无人车决策控制仿真测试方法的流程图;
图3是一个实施例的管理历史测试任务的流程图;
图4是一个实施例的配置测试任务信息的流程图;
图5是另一个实施例的配置测试任务信息的流程图;
图6是一个实施例的在虚拟环境初始化测试任务的流程图;
图7是一个实施例的建立虚拟环境与无人车决策控制模块进行数据交互的流程图;
图8是一个实时例的展示虚拟环境中主车的测试过程的流程图;
图9是一个实时例的处理虚拟环境中各种预期情况的流程图;
图10是另一个实施例的处理虚拟环境中各种预期情况的流程图;
图11是一个实施例的结束测试任务的流程图;
图12是一个实施例的可视化无人车决策控制仿真测试系统的结构示意图;
图13是一个实施例中计算机设备的内部结构示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明,应理解这些实施例仅用于说明本发明而不用与限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附属权利要求多限定的范围。
本发明的说明书和权利要求书中的术语“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。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在本发明各实施例中,“主车”表示在虚拟环境中通过数据交互接入决策控制测试模块的被测车辆,“非主车”表示在虚拟环境中进行自主行驶或按照测试用例执行预先设定动作的车辆,“行人”表示在虚拟环境中进行自主行走或按照测试用例执行预先设定动作的人,“无人车决策控制模块”(“测试模块”)表示无人车软件层面上由具有决策规划、控制执行功能的综合模块。
在一个实施例中,如图1所示,图1是本发明实施例方案的应用环境图。该实施例中,本发明技术方案可以基于浏览器/服务器结合客户端/服务器的架构实现,如图1中,用户利用测试前端PC102中的浏览器通过网络访问测试服务器PC101,其中测试前端PC102实现对测试任务的管理、配置、展示和运行等相关的可视化功能,便于用户高效地开展系统性测试工作;用户在决策控制端PC103将被测无人车决策控制模块通过调用软件开发工具包接口的方式与测试服务器PC101实现实时数据交互并获取相关地图数据,实现主车控制流程闭环,能够在最大程度上降低被测的无人车决策控制模块与虚拟环境的耦合性,增加被测的无人车决策控制模块接入虚拟环境的自由度;这里测试服务器PC101指的是实现可视化无人车决策控制仿真测试系统相关后台功能的服务器设备。
需要注意的是,该实施例的描述仅仅是适宜性的,所述应用环境仅依据实现方式和逻辑功能进行组织,实际具体的应用环境组织可以包括另外的形式,例如所述测试服务器可以是指一个服务器,也可以是多个服务器的集群。
在一个实施例中,如图2所示,图2是可视化无人车决策控制仿真测试方法的流程图,本实施例中提出了一种可视化无人车决策控制仿真测试方法,具体可以包括以下步骤:
S201:管理历史测试任务。
本步骤中,用户可通过测试服务器获取到历史测试任务并进行比较、标记、删除等操作,帮助用户整理大量的测试任务,利用浏览器页面的数据可视化技术协助用户开展同一测试场景下不同无人车决策控制模块、不同测试场景下同一无人车决策控制模块等情形下测试数据的分析比较,从而支撑用户利用测试服务器开展对无人车决策控制模块开展系统性测试工作,有效地减少了用户在历史测试任务管理方面的工作量。
S202:创建测试任务,配置所述测试任务信息,在虚拟环境初始化所述测试任务。
本步骤中,用户通过浏览器页面新建测试任务,输入测试任务名称,选择测试任务类型。优选地,可以将测试任务根据有无明确的测试目标分为定点测试和漫游测试。定点测试可以由不同的测试用例组成,每种测试用例具有明确的测试目标,用于测试主车在一种固定场景下的行为表现;漫游测试通常将主车置于空间较大的虚拟环境中行驶,持续观测主车与环境中非主车、行人、交通标志等的交互行为,用于分析判断主车的综合表现。测试服务器中的场景仿真模块接收到用户配置的测试任务信息,完成虚拟环境的初始化操作,等待用户接入决策控制测试模块。
可选地,用户为测试任务添加标签,例如描述无人车决策控制模块版本、测试场景相关信息等的文字,帮助用户对测试任务进行整理。
S203:建立所述虚拟环境与无人车决策控制模块(即图2中的测试模块)的数据交互,控制所述虚拟环境中的主车运行。
本步骤中,测试服务器实时采集主车行驶过程中的各类数据并进行处理,将处理后的语义数据实时向无人车决策控制模块发送,无人车决策控制模块同时结合预先储存在控制决策端的地图数据进行主车决策规划和控制执行的分析计算得到控制信号返回给测试服务器,从而实现无人车决策控制模块对于主车的行为控制。这里,利用数据交互将虚拟环境与无人车决策控制模块进行拆解,通过提供软件开发工具包最大限度地降低了测试服务器与无人车决策控制模块的耦合性,最大程度上减少无人车开发人员、测试人员在测试准备过程中代码调试的工作量。
S204:实时进行数据分析和记录,展示所述虚拟环境中所述主车的测试过程。
本步骤中,测试服务器实时对采集的数据进行分析,判断记录主车在虚拟环境中的行为表现,并对主车行驶过程进行渲染获得运行画面。用户通过浏览器页面的直播窗口可以看到该运行画面和以及之相关的实时数据和事件,能够实时观察主车对于各种测试场景或测试用例下的行为表现。本步骤中直播画面和配套的数据消息有利于用户对于整体测试过程的掌控,有助于用户在直观上了解测试过程中主车的行为细节,从而帮助用户及时发现无人车决策控制模块的致命弱点并发掘改进方向。
S205:实时检测所述虚拟环境中所述测试任务的执行情况,处理所述虚拟环境中各种预期情况。
本步骤中,测试服务器根据实时数据分析结果并结合测试任务信息对虚拟环境中的测试场景进行相应的控制管理。优选地,对于漫游测试,本步骤可以包括移车操作以保证测试过程中对主车实行持续有效的控制;对于定点测试,本步骤可以包括测试用例初始化以完成测试用例的自动切换进而实现对同一无人车决策控制模块执行批量的测试用例。本步骤通过在测试任务执行过程中进行自动化的场景控制,可以减少在测试过程中用户的人工干预,有效地保障测试任务的持续不间断进行,从而最大程度上满足用对的测试任务的执行预期。
S206:结束所述测试任务,进行测试数据统计及可视化,记录所述测试任务结果数据。
本步骤中,测试服务器执行一系列在虚拟环境中结束当前任务,以保障用户下次顺利创建新的测试任务;同时,对测试数据进行统计分析并通过浏览器页面向用户进行可视化展示。这里的测试数据可以包括:主车的行驶时间、行驶里程、平均速度、最大速度、发生碰撞次数、单位时间发生碰撞次数、单位距离发生碰撞次数、压(黄)线次数、驶离道路次数、每次刹车时间和距离、通过交通灯牌次数和成功率、测试用例执行次数和成功率等;测试任务结果数据除测试数据外还可以包括测试任务信息。
上述的可视化无人车决策控制仿真测试方法、系统、计算机设备和计算机存储介质,绕过虚拟传感器给环境感知带来的不确定性仅对无人车的决策规划、执行控制在软件功能层面开展测试,覆盖了针对测试任务从开始到结束中管理、配置、运行控制的各阶段,通过任务配置丰富了虚拟环境中的测试场景,利用场景控制保障测试过程的持续不间断,借助数据通信实现测试代码与主车代码模块解耦,结合可视化的任务管理和任务过程数据展示帮助用户开展系统性的测试工作、实现用户对于测试过程情形的掌控,充分发挥出基于虚拟环境进行无人车仿真测试的优势,保证测试结果符合真实物理世界中的实际情况。
在一个实施例中,S201的管理历史测试任务的步骤,参考图3所示,图3是一个实施例的管理历史测试任务的流程图,可以包括如下步骤:
S301:查看所述历史测试任务信息。
本步骤中测试任务信息可以包括:任务名称、任务执行时间、任务类型、任务标签、地图、虚拟环境中的天气和时间、非主车数量、行人数量、非主车行为参数、行人行为参数、测试用例选取情况等。优选地,这里的任务类型可以包括漫游测试和定点测试。
S302:根据设定条件,批量筛选所述历史测试任务。
本步骤中的设定条件可以包括:任务名称、任务执行时间、任务类型、任务标签、地图、虚拟环境中的天气或时间等。
S303:对比所述筛选后历史测试任务记录的各项数据,进行可视化展示。
本步骤中测试任务记录的各项数据可以包括S206中测试任务结果数据。通过测试数据的可视化对比,帮助用户完成同一测试场景下不同无人车决策控制模块、不同测试场景下同一无人车决策控制模块等情形下对于无人车决策控制模块表现的分析,发现无人车决策控制模块可能的改进方向,从而推动无人车项目进展。
S304:批量删除选定的所述筛选后历史测试任务。
本步骤可以为用户清理不必要的历史测试任务,实现用户对于历史测试任务的管理。
在一个实施例中,S202的配置所述测试任务信息的步骤,参考图4所示,图4是一个实施例的配置测试任务信息的流程图,可以包括如下步骤:
S401:设置主车参数。
本步骤中,主车参数可以包括:车辆类型、发动机扭矩曲线、发动机最大转速、发动机惯性矩、油门最大时阻尼比、油门零离合器接合时阻尼比、油门零离合器脱离时阻尼比、自动变速箱控制量、档位切换时间、离合器强度、变速箱到车轮的固定比值、车辆齿轮列表、车辆的质量、转向曲线、车轮列表等。优选地,当用户选定车辆类型时,浏览器页面利用文本框和图表等数据可视化技术为用户提供上述各参数默认值,便于用户设置相关参数。
S402:设置地图、天气、时间等静态要素参数。
本步骤中,用户根据实际测试目的选取测试服务器预先搭建好的地图,确定主车所在的虚拟环境中道路特征,具体可以包括测试场、城市、高速、山地、平地等;选取的天气可以包括晴天、阴天、雨天、雾天等;选取的时间可以包括早上、中午、傍晚、夜晚等。优选地,用户还可以通过浏览器页面中天气和时间相关参数的调整实现更加符合预期的测试任务配置。
S403:设置非主车、行人等动态要素参数。
本步骤中,用户能够设置非主车、行人的数量和行为参数,其中,非主车行为参数可以包括闯红灯概率、急停概率、突然倒车概率、随机打轮概率,行人行为参数可以包括闯红灯概率、横穿车道概率、抢占车道概率等。通过以概率的方式设置非主车、行人的行为描述,增加了虚拟环境中动态物体行为的不确定性,在测试过程中可以使非主车、行人在相同条件下触发不同动作从而丰富了测试场景,使得测试过程更加逼近真实道路情况。
优选地,上述实施例可以用来对漫游测试进行测试任务信息配置;定点测试的任务信息配置如图5所示,图5是另一个实施例的配置测试任务信息的流程图,可以包括如下步骤:
在其中另一个实施例中,所述配置所述测试任务信息的步骤包括:
S501:设置主车参数;
S502:设置地图、天气、时间等静态要素参数;
S503:批量选择测试用例并设置相关参数。
本步骤中,测试用例根据主车行驶环境可以包括直行类、弯道类、路口类等,其中直行类可以包括非主车在主车行驶的车道上、非主车在主车行驶车道的旁边车道上、前方障碍物在主车行驶的车道上、前方障碍物在主车行驶车道的旁边车道上、前方行人在主车行驶的车道上、前方行人在主车行驶车道的旁边车道上、前车在主车行驶车道上急刹车、前车在主车行驶车道的旁边车道上急刹车、行人横穿马路(无遮挡)、行人横穿马路(有遮挡)、行人横穿马路(大量)等,弯道类可以包括主车连续经过左右转弯弯道、非主车在主车行驶的车道上、非主车在主车行驶车道的旁边车道上、前方障碍物在主车行驶的车道上、前方障碍物在主车行驶车道的旁边车道上、前方行人在主车行驶的车道上、前方行人在主车行驶车道的旁边车道上等,路口类包括右转无干扰(需要先并线至右侧)、右转有干扰(行人直行过马路)、左转无干扰(需要先并线至左侧)、左转有干扰(对侧有车辆直行)、左转有干扰(有行人横向穿马路)、直行无干扰、直行有干扰(行人过马路)、路口调头无干扰、路口调头有干扰(行人过马路)等。用户能够对测试用例中的相关参数进行设置,例如非主车、行人的数量、速度、关键动作触发条件或时间等,以此增加测试用例的灵活性,打破传统测试中用例固定化的局面。
在一个实施例中,S202的在虚拟环境初始化测试任务的步骤,参考图6所示,图6是一个实施例的在虚拟环境初始化测试任务的流程图,可以包括如下步骤:
S601:在虚拟环境中加载地图资源。
本步骤中,测试服务器根据测试任务配置信息中的地图选择,在虚拟环境中进行地图相关资源的加载,具体可以包括地形资源、建筑物资源、道路资源、交通标志、交通灯等,实现测试环境中的静态要素。
S602:在虚拟环境中设置天气、时间。
本步骤中,测试服务器根据测试任务配置信息中的天气、时间选择,在虚拟环境中设置对应的天气、时间。
S603:选取车辆生成点,在虚拟环境中生成主车。
本步骤中,在虚拟环境中选取地图提供的车辆生成点,根据主车参数尝试生成主车,如果主车生成失败则在另外的车辆生成点重新尝试生成主车。
S604:选取车辆生成点,在虚拟环境中生成非主车。
本步骤中,根据主车生成的位置,结合地图中的或者测试用例的车辆生成点尝试生成非主车,使生成的非主车距离主车较近或者满足测试用例的要求以便于观测主车与非主车的行为交互。
S605:选取行人生成点,在虚拟环境中生成行人。
本步骤中,根据主车生成的位置,结合地图中的或者测试用例的行人生成点尝试生成行人,使生成的行人距离主车较近或者满足测试用例的要求以便于观测主车与行人的行为交互。
上述实施例根据测试任务配置信息完成了虚拟环境中静态要素和动态要素的加载,为无人车决策控制模块的接入和测试任务的执行做好了准备工作。
在一个实施例中,S203的建立虚拟环境与无人车决策控制模块进行数据交互的步骤,参考图7所示,图7是一个实施例的建立虚拟环境与无人车决策控制模块进行数据交互的流程图,可以包括如下步骤:
S701:开启与无人车决策控制模块(即图7中的测试模块)的网络连接。
本步骤中,测试服务器与无人车决策控制模块建立实时语义数据、控制信号的发送、接收网络连接。
S702:采集虚拟环境中主车运行的实时语义数据,并向无人车决策控制模块发送。
本步骤中,实时语义数据可以包括主车运动状态、主车位置姿态、主车控制信号、主车周围物体信息等,其中,主车运动状态可以包括速度、角速度、前向速度、加速度等,主车位置姿态可以包括全局坐标、航向角、俯仰角、横滚角等,主车控制信号可以包括期望速度、期望前轮偏角、油门值、刹车值、转角值、档位值等,主车周围物体信息可以包括物体类型、属性、位置、航向、速度、包围盒等信息。这里,主车周围物体信息中的属性与物体类型有关,例如,交通灯具有的属性是红、绿、黄中状态之一,限速牌具有的属性是限速值等。
S703:接收无人车决策控制模块根据实时数据和地图信息计算的控制信号。
本步骤中,用户提前从测试服务器获取地图信息整合到无人车决策控制模块中,用户可利用软件开发工具包中的地图解析模块或自行编写地图解析模块,为无人车决策控制模块计算控制信号提供地图数据。这里,地图信息可以包括道路、车道、路口、人行道、交通灯、限速牌、停车场等相关信息,其中车道的信息对于无人车至关重要,优选地,可以包括中心线、左边界、右边界、车道类型、前驱车道、后继车道、相邻车道等信息。
上述实施例通过实时语义数据交互与预置地图信息的方式,满足无人车决策控制模块对于输入数据的需求,实现了无人车决策控制模块与虚拟环境在代码层面最大程度上的拆分。
在一个实施例中,S204的展示虚拟环境中主车的测试过程的步骤,参考图8所示,图8 是一个实施例的展示虚拟环境中主车的测试过程的流程图,可以包括如下步骤:
S801:从虚拟环境获取主车运行画面,进行推流直播。
优选地,本步骤可以向用户提供多个角度的主车运行画面,帮助用户全方面观察主车的行驶状态。
S802:采集虚拟环境中主车运行状态数据,进行直播视频的同步显示。
本步骤中,主车运行状态数据可以包括运行时间、全局坐标、航向、前向速度、油门值、刹车值、转角值、档位值等。
S803:根据实时数据分析结果,向用户推送测试过程中的关键测试事件。
本步骤中,实时数据分析可以得到主车的碰撞数据、刹车数据、驶离道路数据、压线数据、交通灯牌通过数据、测试用例执行数据等。优选地,对于漫游测试,服务器可以向浏览器页面推送碰撞数据、刹车数据、驶离道路数据、压线数据、交通灯牌通过数据等,对于定点测试,服务器还可以向浏览器页面推送测试用例执行数据。
在一个实施例中,S205的处理虚拟环境中各种预期情况的步骤,参考图9所示,图9是一个实施例的处理虚拟环境中各种预期情况的流程图,可以包括如下步骤:
S901:若发现主车控制失效,则根据车辆生成点重新设置主车位置,初始化主车状态。
本步骤中,主车控制失效的具体表现可以包括发生碰撞后不能移动、长距离驶离道路、长距离压线、长时间静止等。
S902:若发现用户提前终止任务,则结束本次测试任务。
本步骤中,测试服务器接收到用户终止任务的指令后,直接执行S206。
优选地,上述实施例可以用来对漫游测试处理虚拟环境中各种预期情况;定点测试的处理虚拟环境中各种预期情况如图10所示,图10是另一个实施例的处理虚拟环境中各种预期情况的流程图,可以包括如下步骤:
S1001:若发现当前测试用例完成,则初始化下一个测试用例。
本步骤中,初始化一下测试用例的步骤可参考S602-S605。
S1002:若发现用户提前终止任务,则结束本次测试任务。
在一个实施例中,S206的结束测试任务的步骤,参考图11所示,图11是一个实施例的结束测试任务的流程图,可以包括如下步骤:
S1101:断开与无人车决策控制模块(即图11中的测试模块)的网络连接。
S1102:停止从虚拟环境中采集数据。
S1103:销毁虚拟环境中的主车、非主车、行人。
上述实施例能够还原了虚拟环境的状态,保证了测试服务器的持续可用性,使得用户能够容易地进行创建下一个测试任务。
下面通过一个实施例,介绍本发明提供的一种可视化无人车决策控制仿真测试系统,参考图12所示,图12是一个实施例的可视化无人车决策控制仿真测试系统的结构示意图,包括如下模块:
任务管理模块1201,用于历史测试任务的查看、筛选、可视化分析比较、批量删除等。
任务管理模块1201中,用户可通过浏览器页面以表单或者图标的可视化形式获取数据库 1204中存储的历史测试任务数据信息,通过后台响应用户在页面的交互行为实现对数据库 1204的相关操作。
任务配置模块1202,用于创建测试任务,配置测试任务中地图、天气、时间、主车、非主车、行人等参数信息。
任务配置模块1202中,用户可在浏览器页面完成测试任务中配置,通过后台响应生成测试任务配置信息存储与数据库1204,并将测试任务配置信息传递给场景控制模块1205。
任务展示模块1203,用于测试任务运行过程中向用户展示主车运行画面以及配套的运行状态数据和测试关键事件,测试任务结束时可视化展示任务结果数据。
任务展示模块1203中,通过浏览器页面向用户展示由数据处理模块1207推送的主车运行画面、配套的运行状态数据和测试关键事件以及任务结果数据,同时将必要的运行状态数据和测试关键事件以及任务结果数据存储到数据库中。
数据库1204,用于存储和管理历史测试的任务信息和结果信息等。
数据库1204中,记录存储任务配置模块任务配置信息和任务展示模块中的任务结果信息形成历史任务数据,支撑任务管理模块中有关数据的操作实现。
场景控制模块1205,用于虚拟环境初始化,测试任务运行过程中对虚拟环境中预期情况的处理以及测试任务结束时主车、非主车、行人等销毁。
场景控制模块1205中,通过场景仿真模块1206提供的相关接口,结合测试任务配置信息,完成场景仿真模块1206中虚拟环境初始化;根据场景仿真模块1206提供的主车失效数据,处理虚拟环境中对应的预期情况;在获取到任务结束信号时,销毁场景仿真模块1206中虚拟场景内的主车、非主车、行人。
场景仿真模块1206,用于虚拟环境仿真,实现虚拟环境的物理计算以及虚拟环境的画面渲染。
场景仿真模块1206中,具有虚拟仿真引擎,进行虚拟环境中实时物理计算和画面渲染,向场景控制模块1205提供接口用于虚拟环境中静态要素和动态要素的控制以及主车的监测数据,向数据处理模块1207提供主车的实时运行数据和渲染画面并接受对主车的控制指令,向地图模块1208提供地图数据。
数据处理模块1207,用于实时数据的采集、分析、发送以及主车控制信号的应用。
数据处理模块1207中,实时接收场景仿真模块1206进行数据组装形成语义数据通过网络连接模块1209发送至决策控制测试模块1210,并实时接收决策控制测试模块1210的主车控制信号应用于场景仿真模块1206中虚拟环境的主车上;同时进行数据分析获取关键事件并获取场景仿真模块1206中虚拟环境的画面渲染,将主车运行画面、配套的运行状态数据和测试关键事件推送到任务展示模块1203;任务结束时,进行任务结果数据统计并推送到任务展示模块1203。
地图模块1208,用于向决策控制测试模块1210提供地图数据。
地图模块1208中,通过场景仿真模块1206生成地图数据储存到决策控制测试模块1210。
网络连接模块1209,用于数据处理模块1207与决策控制测试模块1210的网络通信。
网络连接模块1209中,实现数据处理模块1207与决策控制测试模块1210的数据交互,保证通信连接稳定。
决策控制测试模块1210,用于接入用户待测的无人车决策控制模块。
决策控制测试模块1210中,可以以软件开发工具包形式提供为用户调用接口,这里的接口可以包括通信连接接口、语义数据获取接口、地图数据获取接口、控制指令应用接口等,实现对地图模块1208和网络连接模块1209的调用。优选地,可以提供地图数据解析接口,进一步扩展测试系统的功能。
下面通过一个实施例,介绍本发明提供的一种计算机设备,参考图13所示,图13是一个实施例的计算机设备的内部结构示意图,可以包括处理器1301、存储器1302、网络接口1303和总线1304。其中,总线1304用于实现各元件之间的连接。存储器1302中存储有计算机程序,计算机程序被处理器1302执行时可以实现上述任一方法实施例提供的可视化无人车决策控制仿真测试方法的技术方案,网络接口1303建立与用户的无人车决策控制模块的数据交互。
应该理解的是,图13中示出的结构,仅仅是与本发明方案相关的部分结构,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
下面通过一个实施例中,介绍本发明提供的一种计算机存储设备。本实施例中的计算机存储介质,用于存储计算机程序,所述计算机程序被处理器执行以实现上述任一方法实施例提供的可视化无人车决策控制仿真测试方法的技术方案。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

Claims (10)

1.一种可视化无人车决策控制仿真测试方法,其特征在于,包括:
创建测试任务,配置测试任务信息,包括设置主车参数和静态要素参数,对于漫游测试还包括设置动态要素参数,对于定点测试还包括批量选择测试用例并设置相关参数;;
建立虚拟环境与待测的无人车决策控制模块的数据交互,控制虚拟环境中的主车运行;
进行实时数据分析和记录,展示虚拟环境中主车的测试过程;
实时检测虚拟环境中测试任务的执行情况,对于漫游测试,若发现主车控制失效,则根据车辆生成点重新设置主车位置,初始化主车状态;对于定点测试,若发现当前测试用例完成,则初始化下一个测试用例;
测试任务结束后,进行测试数据统计及可视化,记录测试任务结果数据。
2.根据权利要求1所述的方法,其特征在于,还包括管理历史测试任务的步骤,包括:
查看历史测试任务信息,测试任务信息包括:任务名称、任务执行时间、任务类型、任务标签、地图、虚拟环境中的天气和时间、非主车数量、行人数量、非主车行为参数、行人行为参数、测试用例选取情况中的一种或多种;
根据设定条件,批量筛选历史测试任务,设定条件包括:任务名称、任务执行时间、任务类型、任务标签、地图、虚拟环境中的天气、虚拟环境中的时间中的一种或多种;
对比筛选后的历史测试任务记录的各项数据,进行可视化展示;
批量删除筛选后的历史测试任务。
3.根据权利要求1所述的方法,其特征在于,
主车参数包括:车辆类型、发动机扭矩曲线、发动机最大转速、发动机惯性矩、油门最大时阻尼比、油门零离合器接合时阻尼比、油门零离合器脱离时阻尼比、自动变速箱控制量、档位切换时间、离合器强度、变速箱到车轮的固定比值、车辆齿轮列表、车辆的质量、转向曲线、车轮列表中的一种或多种;
静态要素参数包括:地图、天气、时间中的一种或多种;
动态要素参数包括:非主车、行人的数量和行为参数,其中,非主车的行为参数包括闯红灯概率、急停概率、突然倒车概率、随机打轮概率中的一种或多种,行人的行为参数包括闯红灯概率、横穿车道概率、抢占车道概率中的一种或多种;
测试用例包括:直行类、弯道类、路口类中的一种或几种,其中,直行类包括非主车在主车行驶的车道上、非主车在主车行驶车道的旁边车道上、前方障碍物在主车行驶的车道上、前方障碍物在主车行驶车道的旁边车道上、前方行人在主车行驶的车道上、前方行人在主车行驶车道的旁边车道上、前车在主车行驶车道上急刹车、前车在主车行驶车道的旁边车道上急刹车、行人横穿马路-无遮挡、行人横穿马路-有遮挡、多人行人横穿马路中的一种或多种,弯道类包括主车连续经过左右转弯弯道、非主车在主车行驶的车道上、非主车在主车行驶车道的旁边车道上、前方障碍物在主车行驶的车道上、前方障碍物在主车行驶车道的旁边车道上、前方行人在主车行驶的车道上、前方行人在主车行驶车道的旁边车道上中的一种或多种,路口类包括右转无干扰-需要先并线至右侧、右转有干扰-行人直行过马路、左转无干扰-需要先并线至左侧、左转有干扰-对侧有车辆直行、左转有干扰-有行人横向穿马路、直行无干扰、直行有干扰-行人过马路、路口调头无干扰、路口调头有干扰-行人过马路中的一种或几种,测试用例的相关参数包括非主车、行人的数量、速度、关键动作触发条件或时间;
测试数据包括:主车的行驶时间、行驶里程、平均速度、最大速度、发生碰撞次数、单位时间发生碰撞次数、单位距离发生碰撞次数、压线次数、驶离道路次数、每次刹车时间和距离、通过交通灯牌次数和成功率、测试用例执行次数和成功率。
4.根据权利要求1所述的方法,其特征在于,在虚拟环境初始化测试任务,其步骤包括:
在虚拟环境中加载地图资源,地图资源包括地形资源、建筑物资源、道路资源、交通标志、交通灯中的一种或多种;
在虚拟环境中设置天气和时间;
选取车辆生成点,在虚拟环境中生成主车;
选取车辆生成点,在虚拟环境中生成非主车;
选取行人生成点,在虚拟环境中生成行人。
5.根据权利要求1所述的方法,其特征在于,建立虚拟环境与待测的无人车决策控制模块的数据交互的步骤包括:
开启与无人车决策控制模块的网络连接;
采集虚拟环境中主车运行的实时语义数据并发送给无人车决策控制模块,实时语义数据包括主车运动状态、主车位置姿态、主车控制信号、主车周围物体信息中的一种或几种,其中,主车运动状态包括速度、角速度、前向速度、加速度中的一种或几种,主车位置姿态包括全局坐标、航向角、俯仰角、横滚角中的一种或几种,主车控制信号包括期望速度、期望前轮偏角、油门值、刹车值、转角值、档位值中的一种或几种,主车周围物体信息包括物体类型、属性、位置、航向、速度、包围盒中的一种或几种;
接收无人车决策控制模块根据实时数据和地图信息计算的控制信号,地图信息包括道路、车道、路口、人行道、交通灯、限速牌、停车场中的一种或几种,其中车道的信息包括中心线、左边界、右边界、车道类型、前驱车道、后继车道和相邻车道。
6.根据权利要求1所述的方法,其特征在于,展示虚拟环境中主车的测试过程的步骤包括:从虚拟环境获取主车运行画面,进行推流直播;
采集虚拟环境中主车运行状态数据,进行直播视频的同步显示,主车运行状态数据包括运行时间、全局坐标、航向、前向速度、油门值、刹车值、转角值、档位值中的一种或多种;
根据实时数据分析结果,向用户推送测试过程中的关键测试事件;数据分析结果包括主车的碰撞数据、刹车数据、驶离道路数据、压线数据、交通灯牌通过数据、测试用例执行数据中的一种或多种;向用户推送测试过程中的关键测试事件包括:对于漫游测试,向浏览器页面推送碰撞数据、刹车数据、驶离道路数据、压线数据、交通灯牌通过数据,对于定点测试,向浏览器页面还推送测试用例执行数据。
7.根据权利要求1所述的方法,其特征在于,通过下述步骤结束测试任务:
断开与无人车决策控制模块的网络连接;
停止从虚拟环境中采集数据;
销毁虚拟环境中的主车、非主车、行人。
8.一种可视化无人车决策控制仿真测试系统,其特征在于,包括:
任务管理模块,用于历史测试任务的查看、筛选、可视化分析比较及批量删除;
任务配置模块,用于创建测试任务,配置测试任务中的参数信息,参数信息包括地图、天气、时间、主车、非主车及行人;
任务展示模块,用于测试任务运行过程中向用户展示主车运行画面以及配套的运行状态数据和测试关键事件,测试任务结束时可视化展示任务结果数据;
数据库,用于存储历史测试的任务信息和结果信息;
场景控制模块,用于虚拟环境初始化,测试任务运行过程中对虚拟环境中预期情况的处理以及测试任务结束时主车、非主车、行人的销毁;
场景仿真模块,用于虚拟环境仿真,实现虚拟环境的物理计算以及虚拟环境的画面渲染;
决策控制测试模块,用于接入待测的无人车决策控制模块;
数据处理模块,用于实时数据的采集、分析、发送以及主车控制信号的应用;
地图模块,用于向决策控制测试模块提供地图数据;
网络连接模块,用于数据处理模块与决策控制测试模块的网络通信。
9.一种计算机设备,其特征在于,包括处理器、存储器、网络接口及总线,处理器、存储器及网络接口通过总线实现相互通信,网络接口建立与待测的无人车决策控制模块的数据交互,存储器存储计算机程序,处理器执行计算机程序实现如权利要求1-8任一项所述的方法的步骤。
10.一种计算机存储介质,用于存储计算机程序,其特征在于,该计算机程序被处理器执行以实现如权利要求1-8任一项所述的方法的步骤。
CN202010431083.5A 2020-05-20 2020-05-20 可视化无人车决策控制仿真测试方法及系统 Active CN111813650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010431083.5A CN111813650B (zh) 2020-05-20 2020-05-20 可视化无人车决策控制仿真测试方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010431083.5A CN111813650B (zh) 2020-05-20 2020-05-20 可视化无人车决策控制仿真测试方法及系统

Publications (2)

Publication Number Publication Date
CN111813650A true CN111813650A (zh) 2020-10-23
CN111813650B CN111813650B (zh) 2021-06-15

Family

ID=72848433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010431083.5A Active CN111813650B (zh) 2020-05-20 2020-05-20 可视化无人车决策控制仿真测试方法及系统

Country Status (1)

Country Link
CN (1) CN111813650B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112345272A (zh) * 2021-01-11 2021-02-09 北京赛目科技有限公司 一种场景库的自动驾驶仿真测试方法及装置
CN112527633A (zh) * 2020-11-20 2021-03-19 北京赛目科技有限公司 一种场景库的自动驾驶仿真测试方法及装置
CN113157563A (zh) * 2021-03-17 2021-07-23 中国人民解放军32801部队 一种无人系统的测试用例生成方法及装置
CN113641285A (zh) * 2021-07-30 2021-11-12 中国科学院软件研究所 一种无人蜂群试验的可视化任务配置方法及系统
CN113886211A (zh) * 2021-10-22 2022-01-04 成都中科合迅科技有限公司 一种基于固定流程模型的可视化测试方法
CN114157701A (zh) * 2021-11-19 2022-03-08 北京百度网讯科技有限公司 一种任务测试方法、装置、设备以及存储介质
CN114338636A (zh) * 2021-11-30 2022-04-12 重庆长安汽车股份有限公司 一种远程控制指令配置式车辆控制系统
CN114815654A (zh) * 2022-03-01 2022-07-29 北京理工大学 一种面向无人车控制的数字孪生系统及其搭建方法
TWI846608B (zh) * 2023-09-26 2024-06-21 財團法人車輛研究測試中心 全方位預期功能安全測試系統及其方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190108651A1 (en) * 2017-10-06 2019-04-11 Nvidia Corporation Learning-Based Camera Pose Estimation From Images of an Environment
CN110441066A (zh) * 2019-07-15 2019-11-12 中国第一汽车股份有限公司 一种智能驾驶车辆在环测试方法及测试系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190108651A1 (en) * 2017-10-06 2019-04-11 Nvidia Corporation Learning-Based Camera Pose Estimation From Images of an Environment
CN110441066A (zh) * 2019-07-15 2019-11-12 中国第一汽车股份有限公司 一种智能驾驶车辆在环测试方法及测试系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SUN LI: "Centeral Steering Virtual Test Analysis of a Car Based on ADAMS", 《2011 INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS, COMMUNICATIONS AND NETWORKS (CECNET)》 *
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》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112527633A (zh) * 2020-11-20 2021-03-19 北京赛目科技有限公司 一种场景库的自动驾驶仿真测试方法及装置
CN112345272A (zh) * 2021-01-11 2021-02-09 北京赛目科技有限公司 一种场景库的自动驾驶仿真测试方法及装置
CN113157563B (zh) * 2021-03-17 2023-08-01 中国人民解放军32801部队 一种无人系统的测试用例生成方法及装置
CN113157563A (zh) * 2021-03-17 2021-07-23 中国人民解放军32801部队 一种无人系统的测试用例生成方法及装置
CN113641285A (zh) * 2021-07-30 2021-11-12 中国科学院软件研究所 一种无人蜂群试验的可视化任务配置方法及系统
CN113886211A (zh) * 2021-10-22 2022-01-04 成都中科合迅科技有限公司 一种基于固定流程模型的可视化测试方法
CN113886211B (zh) * 2021-10-22 2023-08-25 成都中科合迅科技有限公司 一种基于固定流程模型的可视化测试方法
CN114157701A (zh) * 2021-11-19 2022-03-08 北京百度网讯科技有限公司 一种任务测试方法、装置、设备以及存储介质
CN114157701B (zh) * 2021-11-19 2023-11-28 北京百度网讯科技有限公司 一种任务测试方法、装置、设备以及存储介质
CN114338636A (zh) * 2021-11-30 2022-04-12 重庆长安汽车股份有限公司 一种远程控制指令配置式车辆控制系统
CN114815654A (zh) * 2022-03-01 2022-07-29 北京理工大学 一种面向无人车控制的数字孪生系统及其搭建方法
CN114815654B (zh) * 2022-03-01 2023-02-24 北京理工大学 一种面向无人车控制的数字孪生系统及其搭建方法
TWI846608B (zh) * 2023-09-26 2024-06-21 財團法人車輛研究測試中心 全方位預期功能安全測試系統及其方法

Also Published As

Publication number Publication date
CN111813650B (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN111813650B (zh) 可视化无人车决策控制仿真测试方法及系统
JP7291159B2 (ja) データ採集方法、装置、デバイス、プログラム及びコンピュータ可読記憶媒体
US11137763B2 (en) Generating and fusing traffic scenarios for automated driving systems
CN106198049B (zh) 真实车辆在环测试系统和方法
CN109472884B (zh) 无人车数据存储方法、装置、设备及存储介质
CN108319249B (zh) 基于驾驶模拟器的无人驾驶算法综合测评系统及方法
CN112740188A (zh) 使用偏差进行基于日志的模拟
US20220198107A1 (en) Simulations for evaluating driving behaviors of autonomous vehicles
Klee et al. Preliminary validation of driving simulator based on forward speed
US20220204009A1 (en) Simulations of sensor behavior in an autonomous vehicle
CN114492022A (zh) 路况传感数据处理方法、装置、设备、程序以及存储介质
Hong et al. System configuration of Human-in-the-loop Simulation for Level 3 Autonomous Vehicle using IPG CarMaker
Fouladinejad et al. Modeling virtual driving environment for a driving simulator
CN113867367B (zh) 测试场景的处理方法、装置及计算机程序产品
US20220172606A1 (en) Systems and Methods for Extracting Data From Autonomous Vehicles
Guvenc et al. Simulation Environment for Safety Assessment of CEAV Deployment in Linden
CN114969092A (zh) 基于虚幻引擎的驾驶仿真系统及仿真实验方法
US20210334289A1 (en) System and method for synchronization of asynchronous datasets
CN111983934B (zh) 一种无人车仿真测试用例生成方法及系统
Kowol et al. A-eye: Driving with the eyes of ai for corner case generation
EP2093999A1 (en) Integration of video information
CN117456631A (zh) 故障事件处理方法、相关装置和介质
CN116105712A (zh) 道路地图的生成方法、回注方法、计算机设备及介质
CN115626173A (zh) 一种车辆状态展示方法、装置、存储介质和车辆
Debner Performance evaluation of a machine learning environment for intelligent transportation systems

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