CN112100856A - 一种基于多平台的自动驾驶联合仿真方法 - Google Patents

一种基于多平台的自动驾驶联合仿真方法 Download PDF

Info

Publication number
CN112100856A
CN112100856A CN202010980327.5A CN202010980327A CN112100856A CN 112100856 A CN112100856 A CN 112100856A CN 202010980327 A CN202010980327 A CN 202010980327A CN 112100856 A CN112100856 A CN 112100856A
Authority
CN
China
Prior art keywords
simulation
automatic driving
vehicle
platform
vtd
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
CN202010980327.5A
Other languages
English (en)
Other versions
CN112100856B (zh
Inventor
王燕勤
朱国章
陈桢
李鑫
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.)
SAIC Volkswagen Automotive Co Ltd
Original Assignee
SAIC Volkswagen Automotive 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 SAIC Volkswagen Automotive Co Ltd filed Critical SAIC Volkswagen Automotive Co Ltd
Priority to CN202010980327.5A priority Critical patent/CN112100856B/zh
Publication of CN112100856A publication Critical patent/CN112100856A/zh
Application granted granted Critical
Publication of CN112100856B publication Critical patent/CN112100856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及自动驾驶仿真验证技术领域，更具体的说，涉及一种基于多平台的自动驾驶联合仿真方法。本发明提供了基于多平台的自动驾驶联合仿真方法，包括以下步骤：S1、获取自动驾驶虚拟场景数据；S2、设置参考轨迹，结合自动驾驶虚拟场景数据获取障碍物位姿信息；S3、根据车辆的决策规划控制算法进行计算获得控制信号，根据控制信号和车身位姿信息，对车辆各个模块进行仿真控制，计算车辆速度和位置；S4、基于车辆动力学模型获得车辆的动力学响应量，实时计算并更新车身位姿信息；S5、输出交通流位姿信息。本发明采用多个专业仿真软件交互仿真，实现更为精确的仿真效果，减少上车联调的时间，测试范围广泛，极大幅度缩短开发流程。

Description

一种基于多平台的自动驾驶联合仿真方法
技术领域
本发明涉及自动驾驶仿真验证技术领域，更具体的说，涉及一种基于多平台的自动驾驶联合仿真方法。
背景技术
近年来随着汽车工业的高速发展和持续增长，人们对车辆的功能性、安全性要求越来越高。汽车的智能化是主要趋势，如何有效测试和验证自动驾驶车辆的功能可靠性和性能稳定性是实现全自动驾驶至关重要的环节。
汽车制造商使用自动驾驶仿真系统可以快速缩短开发流程，降低开发成本，在自动驾驶产品开发初期尤为重要。仿真测试技术借助计算机开发的自动驾驶仿真软件进行测试，该技术可以模拟极端工况、安全风险低，广泛应用于各大供应商和车企中。
目前的自动驾驶平台通过采集真实世界信息，进行泛化和建模，使仿真平台模拟真实世界的信息，自动驾驶系统基于传感器搭建的环境感知系统，通过处理感知数据，得到规划控制决策，从而控制汽车行驶的速度和方向。自动驾驶仿真技术通过数字建模模拟真实传感器，结合传感器仿真技术，完成算法的功能测试和验证。
自动驾驶仿真技术为实际控制器开发做铺垫，结合“V”流程开发模式，对车辆的模型在环、软件在环、硬件在环、车辆在环等做仿真验证，从而全面验证整车算法在不同场景下的性能。
仿真算法根据算法所处平台，分为单软件平台仿真和多软件平台仿真。仿真算法结合各仿真软件的优缺点，根据仿真功能，划分为基于ROS(Robot Operating System，机器人操作系统)平台下机器人仿真，基于CARSIM软件和SIMULINK软件平台的控制算法仿真验证，基于Carla和VTD(Virtual Test Drive，虚拟测试驱动)软件的场景仿真验证。
其中，CARSIM软件是专门针对车辆动力学的仿真软件，可以仿真车辆对驾驶员，路面及空气动力学输入的响应，主要用来预测和仿真汽车整车的操纵稳定性、制动性、平顺性、动力性和经济性，同时被广泛地应用于现代汽车控制系统的开发。SIMULINK是美国Mathworks公司推出的MATLAB中的一种可视化仿真工具。Carla是一个开源的模拟器，可以模拟真实的交通环境，行人行为，汽车传感器信号等等。VTD软件是一种工作于LINUX环境下的对于多种软件接口支持性较好的软件，对于单平台或跨平台项目，VTD软件拥有良好的兼容性和可调试性。
各软件平台在某一领域有所擅长，但是，仿真效果与真实环境相比仍然不够精确。
如ROS及Carla平台下的车辆仿真可以接入C代码快速实现机器人路径规划和控制，但是C代码较为底层不利于算法迭代，且未考虑车辆动力学，仿真效果与实际道路行驶有差异。
而单使用类似CARSIM软件这样的车辆动力学软件进行仿真虽然可以完全模拟实车行驶的状态但是无法对多种场景进行模拟。
发明内容
本发明的目的是提供一种基于多平台的自动驾驶联合仿真方法，解决现有技术的自动驾驶仿真平台难以交互、仿真精度差的问题。
为了实现上述目的，本发明提供了一种基于多平台的自动驾驶联合仿真方法，包括以下步骤：
S1、获取自动驾驶虚拟场景数据；
S2、设置参考轨迹，结合自动驾驶虚拟场景数据获取障碍物位姿信息；
S3、根据车辆的决策规划控制算法进行计算获得控制信号，根据控制信号和车身位姿信息，对车辆各个模块进行仿真控制，计算车辆速度和位置；
S4、基于车辆动力学模型获得车辆的动力学响应量，实时计算并更新车身位姿信息；
S5、重复上述步骤S2-S4直至自动驾驶虚拟场景数据处理全部完成，输出交通流位姿信息。
在一实施例中，所述步骤S1，通过VTD仿真平台实现自动驾驶虚拟场景数据的获取；
所述步骤S2，通过SIMULINK软件设置参考轨迹，通过VTD仿真平台获取障碍物位姿信息；
所述步骤S4，通过CARSIM软件实现。
在一实施例中，所述自动驾驶虚拟场景数据包括静态场景数据和动态场景数据，所述静态场景数据为OpenDRIVE地图数据，所述动态场景数据为OpenSCENARIO场景数据；
所述步骤S1进一步包括：VTD仿真平台根据静态场景数据模拟静态地图场景，VTD仿真平台根据动态场景数据模拟动态障碍物场景。
在一实施例中，所述步骤S2，结合自动驾驶虚拟场景数据获取障碍物位姿信息，进一步包括：VTD仿真平台中在车辆头部加入预设视场角度的雷达传感器，用于获取障碍物位姿信息。
在一实施例中，所述步骤S3中的控制信号，通过线性二次型调节器算法计算获得。
在一实施例中，所述步骤S4中车辆动力学模型，基于前轮偏转角和线性轮胎参数建立。
在一实施例中，所述步骤S4中车辆动力学模型，设置CARSIM软件中质心偏转角与VTD仿真平台的偏转角一致，根据VTD仿真平台中主车位置确定CARSIM软件的起点坐标。
在一实施例中，所述步骤S3的决策规划控制算法包括决策规划算法和控制算法：
决策规划算法根据雷达传感器获得的障碍物位姿信息，计算得出局部避障路径；
控制算法根据局部避障路径，计算并输出控制信号，所述控制信号包括方向盘转角、加速度和档位信号。
在一实施例中，所述VTD仿真平台与CARSIM软件之间的跨平台通信接口通过SIMULINK软件连接实现。
在一实施例中，所述VTD仿真平台与CARSIM软件之间通过RDB数据协议传输交通流位姿信息。
本发明提出的一种基于多平台的自动驾驶联合仿真方法，采用SIMULINK软件作为接口介入有利于实时获取仿真环境中各项参数，多个专业仿真软件交互仿真，使车辆可以模拟真实车辆动力学，实现更为精确的仿真效果，有利于调整决策规划控制算法，减少上车联调的时间，测试范围广泛，极大幅度缩短开发流程。
附图说明
本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：
图1揭示了根据本发明一实施例的基于多平台的自动驾驶联合仿真方法流程图；
图2揭示了根据本发明一实施例的决策规划控制算法的仿真技术流程图；
图3揭示了根据本发明一实施例的决策规划控制算法的实施流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释发明，并不用于限定发明。
本发明提出的基于多仿真工具的自动驾驶联合仿真方法，要求计算机拥有一定存储和计算的能力，图1揭示了根据本发明一实施例的基于多平台的自动驾驶联合仿真方法流程图，如图1所示，本发明提出的基于多平台的自动驾驶联合仿真方法，包括以下步骤：
S1、获取自动驾驶虚拟场景数据；
S2、设置参考轨迹，结合自动驾驶虚拟场景数据获取障碍物位姿信息；
S3、根据车辆的决策规划控制算法进行计算获得控制信号，根据控制信号和车身位姿信息，对车辆各个模块进行仿真控制，计算车辆速度和位置；
S4、基于车辆动力学模型获得车辆的动力学响应量，实时计算并更新车身位姿信息；
S5、重复上述步骤S2-S4直至自动驾驶虚拟场景数据处理全部完成，输出交通流位姿信息。
考虑ASAM(Association for Standardisation of Automation and MeasuringSystems,自动化及测量系统标准协会)制定的OpenSTANDARD(开放标准)及未来功能验证的开发需求，本发明选用VTD(Virtual Test Drive，虚拟测试驱动)软件作为环境仿真软件，选用CARSIM软件作为整车动力学模拟软件，选用SIMULINK软件搭建部分通信接口。
图2揭示了根据本发明一实施例的决策规划控制算法的仿真技术流程图，图3揭示了根据本发明一实施例的决策规划控制算法的实施流程图，下面结合图2和图3，详细介绍本发明的基于多平台的自动驾驶联合仿真方法的每个步骤。
S1、获取自动驾驶虚拟场景数据。
自动驾驶虚拟仿真场景数据库可以提供大量具有代表性的场景，并满足测试要求。各企业可以基于自有数据源结合供应商一同开发各自的场景数据库。
自动驾驶虚拟场景数据库中的自动驾驶虚拟场景数据，包括静态场景数据和动态场景数据。静态场景数据为虚拟静态道路场景，动态场景数据为动态障碍物场景。
仿真平台的决策规划控制算法，需要虚拟静态道路场景和动态障碍物场景的位姿信息作为输入数据。
更进一步的，所述静态场景数据为OpenDRIVE定义的地图数据，动态场景数据为OpenSCENARIO定义的场景数据。
OpenDRIVE是驾驶模拟应用程序中描述道路网络的主要开放格式和事实上的标准。
OpenSCENARIO是一种ADAS(Automatic Data Acquisition System，自动数据采集系统)及智能驾驶的标准组织，用于在地图，场景，工具以及测试功能间建立标准，实现智能驾驶动态场景的标准化描述。
通过VTD仿真平台实现自动驾驶虚拟场景数据的获取，进行OpenX标准解析。
更进一步的，VTD仿真平台，根据接收到的OpenDRIVE地图数据，模拟静态地图场景。
更进一步的，VTD仿真平台，基于RDB(Runtime Data Bus，实时运行数据协议)协议解析车辆在驾驶过程中所处的Lane ID(车道识别号)和OpenDRIVE地图的曲率信息及期望轨迹点信息。
更进一步的，VTD仿真平台，根据接收到的OpenSCENARIO场景文件，解析OpenSCENARIO场景文件，提取OpenSCENARIO的动态要素，模拟动态障碍物场景，其中，动态障碍物场景主要模拟各交通参与者的行为。
更进一步的，VTD仿真平台，通过传感器接口基于RDB数据协议获取障碍物列表信息。
S2、设置参考轨迹，结合自动驾驶虚拟场景数据获取障碍物位姿信息。
SIMULINK软件设置参考轨迹使整车跟随。
VTD仿真平台中在主车车辆头部加入FOV(Field of view，视场角)角度为100°的毫米波雷达传感器，用于结合自动驾驶虚拟场景数据获取障碍物位姿信息。
如图3所示，毫米波雷达传感器获得传感器目标物信息。
S3、根据车辆的决策规划控制算法进行计算获得控制信号，根据控制信号和车身位姿信息，对车辆各个模块进行仿真控制，计算车辆速度和位置。
如图3所示，决策规划控制算法包括决策规划算法和控制算法。
决策规划算法，根据VTD仿真平台设置的毫米波雷达传感器获得的障碍物位姿信息，结合车身位姿信息，规划得出局部避障路径。
控制算法根据局部避障路径，计算并输出控制信号，所述控制信号包括方向盘转角、加速度和档位信号。
更进一步的，控制算法包括LQR(linear quadratic regulator，线性二次型调节器)算法，使用LQR算法根据车辆的动力学特性计算得到控制信号，作为输入CARSIM软件的控制信号。
根据控制算法模块输出的控制信号，结合仿真平台更新的车身位姿信息和自车信息，对车辆各个模块进行仿真控制，从而计算车辆速度和位置。
S4、基于车辆动力学模型获得车辆的动力学响应量，实时计算并更新车身位姿信息。
车辆动力学模型，基于前轮质心偏转角和线性轮胎等自车参数建立，通过CARSIM软件实现。
更进一步的，设置CARSIM软件中的前轮质心偏转角与VTD仿真平台的前轮质心偏转角一致，根据VTD仿真平台中主车位置确定CARSIM软件的起点坐标。
主车在控制信息的作用下响应，CARSIM软件中的车辆动力学模型，实时计算并更新主车位姿信息，主车位姿信息反馈给VTD仿真平台的决策规划控制算法模块，更新VTD仿真平台的动力学响应量。
更进一步的，主车位姿信息包括车辆横纵向位移。
更进一步的，动力学响应量包括轮胎接地点坐标及高度偏移。
更进一步的，主车位姿信息封装为RDB数据消息发送到VTD仿真平台。
S5、重复上述步骤S2-S4直至自动驾驶虚拟场景数据处理全部完成，输出交通流位姿信息。
选取不同的场景(OpenSCENARIO文件)做批量场景迭代测试，验证算法是否可以覆盖大部分场景。
经过VTD仿真平台的RDB数据处理，将交通流位姿信息储存于软件后台中，以便制定后期测试标准。所述交通流位姿信息为车身位姿信息的总和。
本发明提出的基于多平台的自动驾驶联合仿真方法，多软件平台的通信方法通过以下方式确定。
VTD仿真平台工作于LINUX系统，CARSIM软件工作于WINDOWS系统。
涉及跨平台跨系统仿真，需要使用以太网作为通信基质，使用SIMULINK软件搭建VTD仿真平台和CARSIM软件的跨平台通信接口。
基于RDB数据协议访问VTD仿真平台中各交通流的位姿信息。
更进一步的，跨平台通信接口为UDP(User Datagram Protocol，用户数据报协议)通信接口。
根据上位机(windows系统的IP)和下位机的ROS IP建立UDP通信和对于Linux系统的VTD仿真软件建立ROS信息通信。
ROS与SIMULINK软件可通过ROS自定义或标准消息进行跨平台通信。
ROS与VTD仿真平台工作于同一台计算机，并使用TCP数据传输协议链接。
ROS提供一种可靠的通信机制，部署于SIMULINK软件中的算法栈与VTD之间通过ROS消息可以进行稳定通信。
一台windows主机A上的信号可通过配置ROS IP的方式，连接另一台主机B，其中，主机B运行VTD仿真环境。
表1为目前现有技术的各仿真平台组合方案与本发明的基于多平台的自动驾驶联合仿真方法的比较，如表1所示，现有技术的各仿真平台组合方案包括VTD+ROS仿真方案和VTD+SIMULINK+ROS仿真方案，本发明的基于多平台的自动驾驶联合仿真方法为VTD+SIMULINK+CARSIM+ROS仿真方案。
VTD单平台仿真方案，仅适用于对简单算法的验证，且由于VTD软件的仿真界面相对封闭，不易调试，对算法成熟度要求较高。
VTD+ROS仿真方案，需要编写ROS平台下的仿真界面，通过RVIZ(the RobotVisualization tool，机器人可视化工具)检验仿真效果，调试较为方便，但对于某些SIMULINK软件搭建的控制算法需要转化C代码，再进行算法联调，对于算法集成的调试效率不高。
VTD+SIMULINK+ROS仿真方案，对于算法集成调试更为方便，也是一种相对成熟的方案，然而该方案由于不考虑车辆动力学，仅适用于验证简单控制算法，对于复杂车辆动力学的控制算法验证仍然存在缺陷。
而本发明的VTD+SIMULINK+ROS+CARSIM仿真算法，作为既兼顾算法调试又兼顾车辆动力学的综合技术方案，基于ROS平台作算法集成，基于VTD仿真平台做多场景迭代测试，基于SIMULINK软件完成跨平台通信接口，基于CARSIM软件模拟实际车辆动力学，各个系统换换相扣，形成了较为真实的仿真环境，该平台可以使用大批量场景进行测试，测试结果可靠并为后续开发作参考。
表1目前现存各仿真平台组合技术方案：
Figure BDA0002687271730000091
本发明提出的一种基于多平台的自动驾驶联合仿真方法，采用SIMULINK软件作为接口介入有利于实时获取仿真环境中各项参数，多个专业仿真软件交互仿真，使车辆可以模拟真实车辆动力学，实现更为精确的仿真效果，有利于调整决策规划控制算法，减少上车联调的时间，测试范围广泛，极大幅度缩短开发流程。
本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。
尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (10)

1.一种基于多平台的自动驾驶联合仿真方法，其特征在于，包括以下步骤：
S1、获取自动驾驶虚拟场景数据；
S2、设置参考轨迹，结合自动驾驶虚拟场景数据获取障碍物位姿信息；
S3、根据车辆的决策规划控制算法进行计算获得控制信号，根据控制信号和车身位姿信息对车辆各个模块进行仿真控制，计算车辆速度和位置；
S4、基于车辆动力学模型获得车辆的动力学响应量，实时计算并更新车身位姿信息；
S5、重复上述步骤S2-S4直至自动驾驶虚拟场景数据处理全部完成，输出交通流位姿信息。
2.根据权利要求1所述的基于多平台的自动驾驶联合仿真方法，其特征在于：
所述步骤S1，通过VTD仿真平台实现自动驾驶虚拟场景数据的获取；
所述步骤S2，通过SIMULINK软件设置参考轨迹，通过VTD仿真平台获取障碍物位姿信息；
所述步骤S4，通过CARSIM软件实现。
3.根据权利要求1所述的基于多平台的自动驾驶联合仿真方法，其特征在于，所述自动驾驶虚拟场景数据包括静态场景数据和动态场景数据，所述静态场景数据为OpenDRIVE地图数据，所述动态场景数据为OpenSCENARIO场景数据；
所述步骤S1进一步包括：VTD仿真平台根据静态场景数据模拟静态地图场景，VTD仿真平台根据动态场景数据模拟动态障碍物场景。
4.根据权利要求2所述的基于多平台的自动驾驶联合仿真方法，其特征在于，所述步骤S2，结合自动驾驶虚拟场景数据获取障碍物位姿信息，进一步包括：VTD仿真平台中在车辆头部加入预设视场角度的雷达传感器，用于获取障碍物位姿信息。
5.根据权利要求2所述的基于多平台的自动驾驶联合仿真方法，其特征在于，所述步骤S3中的控制信号，通过线性二次型调节器算法计算获得。
6.根据权利要求2所述的基于多平台的自动驾驶联合仿真方法，其特征在于，所述步骤S4中车辆动力学模型，基于前轮质心偏转角和线性轮胎参数建立。
7.根据权利要求6所述的基于多平台的自动驾驶联合仿真方法，其特征在于：
所述步骤S4中车辆动力学模型，设置CARSIM软件中前轮质心偏转角与VTD仿真平台的前轮质心偏转角一致，根据VTD仿真平台中主车位置确定CARSIM软件的起点坐标。
8.根据权利要求2所述的基于多平台的自动驾驶联合仿真方法，其特征在于，所述步骤S3的决策规划控制算法包括决策规划算法和控制算法：
决策规划算法根据雷达传感器获得的障碍物位姿信息，计算得出局部避障路径；
控制算法根据局部避障路径，计算并输出控制信号。
9.根据权利要求2所述的基于多平台的自动驾驶联合仿真方法，其特征在于，所述VTD仿真平台与CARSIM软件之间的跨平台通信接口通过SIMULINK软件连接实现。
10.根据权利要求2所述的基于多平台的自动驾驶联合仿真方法，其特征在于，所述VTD仿真平台与CARSIM软件之间通过RDB数据协议传输交通流位姿信息。
CN202010980327.5A 2020-09-17 2020-09-17 一种基于多平台的自动驾驶联合仿真方法 Active CN112100856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010980327.5A CN112100856B (zh) 2020-09-17 2020-09-17 一种基于多平台的自动驾驶联合仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010980327.5A CN112100856B (zh) 2020-09-17 2020-09-17 一种基于多平台的自动驾驶联合仿真方法

Publications (2)

Publication Number Publication Date
CN112100856A true CN112100856A (zh) 2020-12-18
CN112100856B CN112100856B (zh) 2022-08-19

Family

ID=73760231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010980327.5A Active CN112100856B (zh) 2020-09-17 2020-09-17 一种基于多平台的自动驾驶联合仿真方法

Country Status (1)

Country Link
CN (1) CN112100856B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785842A (zh) * 2020-12-25 2021-05-11 际络科技(上海)有限公司 一种在线交通流仿真系统
CN112835806A (zh) * 2021-02-26 2021-05-25 一汽解放汽车有限公司 一种仿真测试平台、方法及存储介质
CN112837589A (zh) * 2021-02-07 2021-05-25 重庆工商大学 一种虚拟仿真教学方法、装置、设备及可读存储介质
CN112859810A (zh) * 2021-01-13 2021-05-28 自行科技(武汉)有限公司 一种基于Carla平台的ADAS算法验证方法及装置
CN112883489A (zh) * 2021-02-05 2021-06-01 西藏宁算科技集团有限公司 自动驾驶汽车仿真系统
CN112925297A (zh) * 2021-01-29 2021-06-08 北京百度网讯科技有限公司 自动驾驶算法验证方法、装置、设备、存储介质及产品
CN112926224A (zh) * 2021-03-30 2021-06-08 深圳裹动智驾科技有限公司 基于事件的仿真方法及计算机设备
CN113419518A (zh) * 2021-07-12 2021-09-21 沈阳东信创智科技有限公司 一种基于vts的vil测试平台
CN113536612A (zh) * 2021-09-17 2021-10-22 北京理工大学 一种基于仿真平台的可交互数据集重现方法与系统
CN113569341A (zh) * 2021-09-23 2021-10-29 中汽研汽车检验中心（天津）有限公司 一种汽车域跨平台的仿真架构设计方法
CN113602285A (zh) * 2021-08-05 2021-11-05 北京赛目科技有限公司 一种车辆自动驾驶的控制方法、装置、设备及介质
CN113722224A (zh) * 2021-08-31 2021-11-30 信通院车联网创新中心(成都)有限公司 V2x车载终端车车预警功能仿真测试方法
CN114200849A (zh) * 2021-12-06 2022-03-18 苏州挚途科技有限公司 用于自动驾驶的虚拟仿真测试系统和方法
CN114297827A (zh) * 2021-12-06 2022-04-08 江苏航天大为科技股份有限公司 一种软件联合自动驾驶系统仿真方法
CN114333489A (zh) * 2021-12-30 2022-04-12 广州小鹏汽车科技有限公司 远程驾驶仿真方法、设备及仿真系统
CN114488848A (zh) * 2021-12-30 2022-05-13 北京理工大学 面向室内建筑空间的无人机自主飞行系统及仿真实验平台
CN115016324A (zh) * 2022-06-24 2022-09-06 中国第一汽车股份有限公司 仿真测试方法、仿真测试装置与计算机可读存储介质
CN115113542A (zh) * 2022-06-29 2022-09-27 重庆长安汽车股份有限公司 自动驾驶仿真方法、系统、电子设备及可读存储介质
CN115185197A (zh) * 2021-04-01 2022-10-14 广东博智林机器人有限公司 一种机器人的仿真测试平台
CN115277758A (zh) * 2022-07-15 2022-11-01 东南大学 基于路侧视频的智能网联车辆联合仿真测试方法
CN115509212A (zh) * 2022-11-18 2022-12-23 联友智连科技有限公司 一种基于vtd的自动化测试系统、方法
CN115906539A (zh) * 2023-01-10 2023-04-04 联友智连科技有限公司 一种基于Django实现自动驾驶仿真的系统
CN116108569A (zh) * 2023-04-10 2023-05-12 国汽(北京)智能网联汽车研究院有限公司 用于车辆的联合仿真方法及装置、计算机设备、存储介质
CN118656312A (zh) * 2024-08-19 2024-09-17 元拓科技(大连)有限公司 一种芯片模拟软件的数据处理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109765803A (zh) * 2019-01-24 2019-05-17 同济大学 一种自动驾驶汽车多icu共时空的硬件仿真测试系统及方法
CN109765060A (zh) * 2018-12-29 2019-05-17 同济大学 一种自动驾驶车辆交通协调性虚拟测试系统及方法
US20190278290A1 (en) * 2018-03-08 2019-09-12 Baidu Usa Llc Simulation-based method to evaluate perception requirement for autonomous driving vehicles
CN110333730A (zh) * 2019-08-12 2019-10-15 安徽江淮汽车集团股份有限公司 自动驾驶算法预期功能安全的验证方法、平台及存储介质
CN111267834A (zh) * 2020-02-17 2020-06-12 北京理工大学 一种车辆横摆稳定预测控制方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190278290A1 (en) * 2018-03-08 2019-09-12 Baidu Usa Llc Simulation-based method to evaluate perception requirement for autonomous driving vehicles
CN109765060A (zh) * 2018-12-29 2019-05-17 同济大学 一种自动驾驶车辆交通协调性虚拟测试系统及方法
CN109765803A (zh) * 2019-01-24 2019-05-17 同济大学 一种自动驾驶汽车多icu共时空的硬件仿真测试系统及方法
CN110333730A (zh) * 2019-08-12 2019-10-15 安徽江淮汽车集团股份有限公司 自动驾驶算法预期功能安全的验证方法、平台及存储介质
CN111267834A (zh) * 2020-02-17 2020-06-12 北京理工大学 一种车辆横摆稳定预测控制方法及系统

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785842B (zh) * 2020-12-25 2022-04-12 际络科技(上海)有限公司 一种在线交通流仿真系统
CN112785842A (zh) * 2020-12-25 2021-05-11 际络科技(上海)有限公司 一种在线交通流仿真系统
CN112859810A (zh) * 2021-01-13 2021-05-28 自行科技(武汉)有限公司 一种基于Carla平台的ADAS算法验证方法及装置
CN112925297A (zh) * 2021-01-29 2021-06-08 北京百度网讯科技有限公司 自动驾驶算法验证方法、装置、设备、存储介质及产品
CN112883489A (zh) * 2021-02-05 2021-06-01 西藏宁算科技集团有限公司 自动驾驶汽车仿真系统
CN112837589A (zh) * 2021-02-07 2021-05-25 重庆工商大学 一种虚拟仿真教学方法、装置、设备及可读存储介质
CN112837589B (zh) * 2021-02-07 2022-11-15 重庆工商大学 一种虚拟仿真教学方法、装置、设备及可读存储介质
CN112835806A (zh) * 2021-02-26 2021-05-25 一汽解放汽车有限公司 一种仿真测试平台、方法及存储介质
CN112926224A (zh) * 2021-03-30 2021-06-08 深圳裹动智驾科技有限公司 基于事件的仿真方法及计算机设备
CN112926224B (zh) * 2021-03-30 2024-02-02 深圳安途智行科技有限公司 基于事件的仿真方法及计算机设备
CN115185197A (zh) * 2021-04-01 2022-10-14 广东博智林机器人有限公司 一种机器人的仿真测试平台
CN113419518A (zh) * 2021-07-12 2021-09-21 沈阳东信创智科技有限公司 一种基于vts的vil测试平台
CN113602285A (zh) * 2021-08-05 2021-11-05 北京赛目科技有限公司 一种车辆自动驾驶的控制方法、装置、设备及介质
CN113602285B (zh) * 2021-08-05 2022-08-26 北京赛目科技有限公司 一种车辆自动驾驶的控制方法、装置、设备及介质
CN113722224A (zh) * 2021-08-31 2021-11-30 信通院车联网创新中心(成都)有限公司 V2x车载终端车车预警功能仿真测试方法
CN113536612A (zh) * 2021-09-17 2021-10-22 北京理工大学 一种基于仿真平台的可交互数据集重现方法与系统
CN113569341A (zh) * 2021-09-23 2021-10-29 中汽研汽车检验中心（天津）有限公司 一种汽车域跨平台的仿真架构设计方法
CN113569341B (zh) * 2021-09-23 2022-07-01 中汽研汽车检验中心（天津）有限公司 一种汽车域跨平台的仿真架构设计方法
CN114200849A (zh) * 2021-12-06 2022-03-18 苏州挚途科技有限公司 用于自动驾驶的虚拟仿真测试系统和方法
CN114297827A (zh) * 2021-12-06 2022-04-08 江苏航天大为科技股份有限公司 一种软件联合自动驾驶系统仿真方法
CN114488848A (zh) * 2021-12-30 2022-05-13 北京理工大学 面向室内建筑空间的无人机自主飞行系统及仿真实验平台
CN114333489A (zh) * 2021-12-30 2022-04-12 广州小鹏汽车科技有限公司 远程驾驶仿真方法、设备及仿真系统
CN114488848B (zh) * 2021-12-30 2024-08-09 北京理工大学 面向室内建筑空间的无人机自主飞行系统及仿真实验平台
CN115016324A (zh) * 2022-06-24 2022-09-06 中国第一汽车股份有限公司 仿真测试方法、仿真测试装置与计算机可读存储介质
CN115113542A (zh) * 2022-06-29 2022-09-27 重庆长安汽车股份有限公司 自动驾驶仿真方法、系统、电子设备及可读存储介质
CN115277758A (zh) * 2022-07-15 2022-11-01 东南大学 基于路侧视频的智能网联车辆联合仿真测试方法
CN115509212A (zh) * 2022-11-18 2022-12-23 联友智连科技有限公司 一种基于vtd的自动化测试系统、方法
CN115509212B (zh) * 2022-11-18 2023-03-14 联友智连科技有限公司 一种基于vtd的自动化测试系统、方法
CN115906539A (zh) * 2023-01-10 2023-04-04 联友智连科技有限公司 一种基于Django实现自动驾驶仿真的系统
CN116108569A (zh) * 2023-04-10 2023-05-12 国汽(北京)智能网联汽车研究院有限公司 用于车辆的联合仿真方法及装置、计算机设备、存储介质
CN118656312A (zh) * 2024-08-19 2024-09-17 元拓科技(大连)有限公司 一种芯片模拟软件的数据处理方法及系统

Also Published As

Publication number Publication date
CN112100856B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN112100856B (zh) 一种基于多平台的自动驾驶联合仿真方法
CN111897305B (zh) 一种基于自动驾驶的数据处理方法、装置、设备及介质
CN106991041B (zh) 用于测试用于自主车辆的软件的方法和装置
US10902165B2 (en) Deployable development platform for autonomous vehicle (DDPAV)
Szalay Next generation X-in-the-loop validation methodology for automated vehicle systems
Huang et al. Autonomous vehicles testing methods review
CN112130472A (zh) 一种自动驾驶的仿真测试系统和方法
Li et al. Advanced scenario generation for calibration and verification of autonomous vehicles
CN109901546A (zh) 辅助驾驶车辆硬件在环仿真测试方法和系统
CN108681264A (zh) 一种智能车辆数字化仿真测试装置
CN112115600A (zh) 一种自动驾驶车辆的仿真系统
CN113419518B (zh) 一种基于vts的vil测试平台
CN111580493A (zh) 一种自动驾驶仿真方法、系统及介质
CN108446463B (zh) 微观交通流协同仿真平台、仿真方法及安全评价方法
CN107526906A (zh) 一种基于数据采集的驾驶风格辨识装置及方法
CN112146682B (zh) 智能汽车的传感器标定方法、装置、电子设备及介质
CN113777952A (zh) 一种实车与虚拟车交互映射的自动驾驶仿真测试方法
CN110824912B (zh) 训练用于生成自动驾驶策略的控制策略模型的方法和装置
CN112597005A (zh) 一种自动驾驶全栈算法闭环仿真测试系统及方法
CN116755954A (zh) 基于数字孪生虚实结合的自动驾驶测试系统及其测试方法
CN112783142B (zh) 车道居中控制的仿真测试系统、方法、设备和存储介质
Artunedo et al. Advanced co-simulation framework for cooperative maneuvers among vehicles
Sukthankar et al. SHIVA: Simulated highways for intelligent vehicle algorithms
Miura et al. Converting driving scenario framework for testing self-driving systems
Duan et al. Digital Twin Test Method With LTE-V2X for Autonomous Vehicle Safety Test

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