CN112249022A - 一种车辆高级驾驶辅助系统的性能分析方法及装置 - Google Patents
一种车辆高级驾驶辅助系统的性能分析方法及装置 Download PDFInfo
- Publication number
- CN112249022A CN112249022A CN202011183781.4A CN202011183781A CN112249022A CN 112249022 A CN112249022 A CN 112249022A CN 202011183781 A CN202011183781 A CN 202011183781A CN 112249022 A CN112249022 A CN 112249022A
- Authority
- CN
- China
- Prior art keywords
- adas
- vehicle
- analysis
- environment model
- data
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 175
- 230000004888 barrier function Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 54
- 238000010586 diagram Methods 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 8
- 238000012797 qualification Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims 36
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims 36
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims 36
- 230000008569 process Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
-
- 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
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了一种车辆高级驾驶辅助系统的性能分析方法及装置,涉及数据处理技术领域,主要目的在于降低ADAS系统性能分析的设备成本的同时,提高ADAS系统性能分析的定制化程度。本公开的实施例的主要技术方案包括:解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息;基于障碍物信息和车道线信息,构建用于分析ADAS系统的环境模型;通过针对所述环境模型定制的至少一种ADAS分析方法,对环境模型进行解析分析,形成ADAS性能分析数据,其中,不同ADAS分析方法对环境模型进行不同的解析分析操作。
Description
技术领域
本公开的实施例涉及数据处理控制技术领域,特别是涉及一种车辆高级驾驶辅助系统的性能分析方法及装置。
背景技术
随着社会的进步,车辆几乎成为每家每户所必须的交通工具,而ADAS(AdvancedDriver Assistant System,高级驾驶辅助系统)作为重要的系统,其利用安装于车辆上的各式各样的传感器,在第一时间收集车内外的环境数据,进行静、动态物体的辨识、侦测与追踪等技术上的处理,并将处理后的信息及时告知或者提示驾驶者,从而能够让驾驶者在最快的时间察觉可能发生的危险。为了保证车辆驾驶安全,对于ADAS系统的性能的稳定性和高质量显得尤为重要,因此对ADAS系统进行性能分析。
目前,通常采取如下方式对车辆的ADAS系统进行分析:采用特定厂商生产的ADAS性能分析设备对车辆的ADAS系统进行性能分析,此种方式不仅ADAS性能分析设备价格昂贵,且ADAS性能分析设备可定制功能较少,难以根据实际性能分析需求进行个性化定制。
发明内容
有鉴于此,本公开的实施例提出了一种车辆高级驾驶辅助系统的性能分析方法及装置,主要目的在于降低ADAS系统性能分析的设备成本的同时,提高ADAS系统性能分析的定制化程度。主要技术方案包括:
第一方面,本公开的实施例提供了车辆高级驾驶辅助系统的性能分析方法,所述方法包括:
解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息;
基于所述障碍物信息和所述车道线信息,构建用于分析ADAS系统的环境模型;
通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,其中,不同ADAS分析方法对所述环境模型进行不同的解析分析操作。
第二方面,本公开的实施例提供了一种车辆高级驾驶辅助系统的性能分析装置,所述装置包括:
解析单元,用于解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息;
构建单元,用于基于所述障碍物信息和所述车道线信息,构建用于分析ADAS系统的环境模型;
分析单元,用于通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,其中,不同ADAS分析方法对所述环境模型进行不同的解析分析操作。
第三方面,本公开的实施例提供了一种车辆高级驾驶辅助系统的性能分析系统,所述系统包括:
车辆、测评分析终端以及第二方面所述的车辆高级驾驶辅助系统的性能分析装置,其中,车辆中部署ADAS系统启动和感知设备;
所述车辆,用于在所述ADAS系统启动后,将所述感知设备所采集的ADAS数据,发送给所述车辆高级驾驶辅助系统的性能分析装置;
所述测评分析终端,用于接收所述车辆高级驾驶辅助系统的性能分析装置基于所述ADAS数据而得的ADAS性能分析数据,并展示所述ADAS性能分析数据。
第四方面,本公开的实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行第一方面所述的车辆高级驾驶辅助系统的性能分析方法。
第五方面,本公开的实施例提供了一种人机交互装置,所述装置包括存储介质,及一个或者多个处理器,所述存储介质与所述处理器耦合,所述处理器被配置为执行所述存储介质中存储的程序指令;所述程序指令运行时执行第一方面所述的车辆高级驾驶辅助系统的性能分析方法。
本公开的实施例提供的车辆高级驾驶辅助系统的性能分析方法及装置,首先解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息,并基于障碍物信息和车道线信息,构建用于分析ADAS系统的环境模型。然后通过针对环境模型定制的至少一种ADAS分析方法,对环境模型进行解析分析,形成ADAS性能分析数据。可见,本公开的实施例无需使用昂贵的付费ADAS性能分析设备和软件,通过构建用于分析ADAS系统的环境模型和针对环境模型定制的ADAS分析方法便可对ADAS系统进行性能分析,从而降低ADAS系统性能分析的设备成本的同时,提高ADAS系统性能分析的定制化程度。
上述说明仅是本公开的实施例技术方案的概述,为了能够更清楚了解本公开的实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本公开的实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本公开的实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本公开的实施例的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本公开的实施例提供的一种车辆高级驾驶辅助系统的性能分析方法的流程图;
图2示出了本公开的实施例提供的一种车辆行驶时的回放视频和车辆行驶时的三维图像的示例图;
图3示出了本公开的实施例提供的一种车辆高级驾驶辅助系统的性能分析装置的组成框图;
图4示出了本公开的实施例提供的另一种车辆高级驾驶辅助系统的性能分析装置的组成框图;
图5示出了本公开的实施例提供的一种车辆高级驾驶辅助系统的性能分析系统的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面,本公开的实施例提供了一种车辆高级驾驶辅助系统的性能分析方法,如图1所示,所述方法主要包括:
101、解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息。
车辆中通常安装有ADAS系统,运用该ADAS系统采集车辆周围环境中的感知数据,并根据感知数据进行运算与分析,从而辅助驾驶员预先察觉到可能发生的危险,以增加车辆驾驶的舒适性和安全性。可见,ADAS系统是保证车辆安全行驶的一个重要系统,其性能好坏将直接影响到车辆驾驶的安全性和舒适性,因此需要对ADAS系统的性能进行分析,以确定ADAS系统是否处于良好的工作状态。
ADAS系统的性能分析需要使用ADAS数据,该ADAS数据是在车辆的ADAS系统启动后,车辆的感知设备所采集车辆处于行车状态的数据。该ADAS数据能够体现出ADAS系统的具体工作情况。该ADAS数据的形式至少包括如下三种:第一种,车辆行驶时感知设备实时采集的数据,此种ADAS数据能够实时对车辆中的ADAS系统进行性能分析。第二种,车辆行驶结束后感知设备采集的历史数据,此种ADAS数据能够在预设时间点或存在ADAS系统的性能分析需求时,对车辆中的ADAS系统进行性能分析。第三种,仿真模拟器仿真出来的仿真ADAS数据,ADAS数据能够在ADAS系统在车辆上应用前,提前对ADAS系统性能进行测试,从而保证出厂车辆的质量。ADAS数据的形式无论是上述中哪一种,本实施例中对ADAS数据的数据量均不作具体要求,其数据量的规模即使为车辆行驶百万公里级别的ADAS数据,本公开的实施例也可完成ADAS系统的性能分析。
本实施例中所述的ADAS数据的解析可在特定的解析器中进行,ADAS通过CAN(Controller Area Network,控制器局域网络)总线加密后传输给解析器,由解析器对ADAS数据进行解析。其中,该解析器可以基于开源的cantools进行开发而得,并使用Python语言实现。
由于ADAS系统能够根据车辆感知设备所采集数据进行分析判断,其可以包括有车道信息、障碍物信息、车道偏移情况、预警信息。因此,在将ADAS数据提供给解析器之后,解析器可以从ADAS数据中,直接解析出车辆行车时的障碍物信息和车道线信息。其中,障碍物信息可以包括障碍物位置和障碍物类别。车道线信息可以包括车道线位置和车道线类别。
102、基于所述障碍物信息和所述车道线信息,构建用于分析ADAS系统的环境模型。
本实施例中,障碍物信息和车道线信息能够表征出ADAS系统的性能,因此,基于障碍物信息和车道线信息,构建用于分析ADAS系统的环境模型,该用于分析ADAS系统的环境模型中涵盖有车辆行驶时所有的数据,并能恢复出ADAS的所有性能数据。
下面对构建环境模型的过程进行说明,该过程为:对同属于一帧行车图像的车道线信息和障碍物信息进行时间同步,并标注同一图像帧编码,其中,所述行车图像包括在所述ADAS数据中;对时间同步过车道线信息和障碍物信息,且标注了图像帧编码的各所述行车图像进行模型构建处理,形成用于分析ADAS系统的环境模型。
具体的,对同属于一帧行车图像的车道线信息和障碍物信息进行时间同步的目的,是为了让车道线信息和障碍物信息相对应,从而还原同一时间点上车辆行驶周围的车道线和障碍物情况。
具体的,在对行车图像标注图像帧的编码作用是为了还原各行车图像的采集顺序,从而还原车辆行驶过程中的行车过程。
具体的,在构建环境模型时,以对时间同步过车道线信息和障碍物信息,且标注了图像帧编码的各所述行车图像为输入,采用设定感知算法,进行训练,从而形成用于分析ADAS系统的环境模型,该环境模型中涵盖有车辆行驶时所有的数据,并能恢复出ADAS的所有性能数据,是对ADAS系统进行性能分析的基础。
103、通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,其中,不同ADAS分析方法对所述环境模型进行不同的解析分析操作。
ADAS分析方法是根据业务要求定制的,其数量可基于具体的ADAS分析需求设定。为了更为便利的调用定制的ADAS分析方法,可将这些ADAS分析方法封装到定制化环境模型解析器,以通过预设的接口从该解析器中调用ADAS分析方法。若存在新的ADAS性能分析需求,则可随时定制新的ADAS分析方法,并部署到定制化环境模型解析器中。
ADAS性能分析数据的过程与选用的ADAS分析方法有关,因此通过针对所述环境模型定制的至少一种ADAS分析方法,对环境模型进行解析分析,形成ADAS性能分析数据的具体过程至少包括如下几种:
第一种,通过针对所述环境模型定制的环境模型模拟方法,对环境模型进行模拟,形成车辆行驶时的回放视频和车辆行驶时的三维图像。
该环境模型模拟器可部署为环境模型模拟器,该环境模型模拟方法能够根据环境模型模拟车辆行驶过程。下面对针对所述环境模型定制的环境模型模拟方法对环境模型进行模拟的过程进行说明,该过程可以包括:从环境模型中提取车道线信息(车道线信息包括车道线位置和车道线类别)和障碍物信息(障碍物信息包括障碍物位置和障碍物类别),以及车道线信息和障碍物信息对应的时间点。然后根据车道线信息和障碍物信息,以及车道线信息和障碍物信息对应的时间点还原各个时间点车辆的位置、车道线位置和障碍物位置,形成车辆行驶时的回放视频和车辆行驶时的三维图像。
示例性的,如图2所示,该图2中的21部分为回放视频对应的视频帧,图2中的22部分为三维图像,该三维图像22中的线段为车道线、该三维图像中的点为障碍物位置。
第二种,通过针对所述环境模型定制的信号示波方法,对环境模型进行多个时间点的目标参数值提取,形成车辆行驶时目标参数值与时间之间的波形图,其中,目标参数值为ADAS系统中与时间有关的性能指标。
本实施例中,目标参数值为ADAS系统中与时间有关的性能指标,该目标参数可以为如下性能指标中的至少一种:TTC(Time To Collision,碰撞时间)和TTLC(Time To LineCrossing,跨线时间)。其中,TTC是与车道偏离值相关的指标,TTLC是与车辆与障碍物之间距离相关的指标。
在确定出时间点和时间点对应的目标参数值后,可基于目标参数值和时间点之间的对应关系,形成波形图,该波形图能够表征出目标参数值随时间变化的变化趋势,其能够反映车ADAS系统的数据分析和处理性能。
第三种,通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个时间点的车辆与障碍物之间的障碍物距离提取,形成所述车辆行驶时障碍物距离与时间之间波形图。
车辆与障碍物之间的障碍物距离能够体现出ADAS系统的车道自动保持和自动紧急制动的性能。在确定出时间点和时间点对应的车辆与障碍物之间的障碍物距离后,可基于距离和时间点之间的对应关系,形成波形图,该波形图能够表征出车辆与障碍物之间的障碍物距离随时间变化的变化趋势,其能够反映车ADAS系统的数据分析和处理性能。
第四种,通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个预警信号对应的车辆与障碍物之间的障碍物距离或车辆与车道线之间的车道线距离提取,形成所述车辆行驶时障碍物距离与预警信号之间的波形图或车道线距离与预警信号之间的波形图。
车辆预警信号为车道偏离预警信号时,提取的距离为车辆与车道线之间的车道线距离,在确定出车道偏离预警信号和其对应的车道线距离之后,形成车道线距离与预警信号之间的波形图。从该波形图中能够确定ADAS系统的车道偏离预警性能。
车辆预警信号为前方碰撞预警信号时,提取的距离为车辆与障碍物之间的障碍物距离,在确定出车道偏离预警信号和其对应的障碍物距离之后,形成障碍物距离与预警信号之间的波形图。从该波形图中能够确定ADAS系统的前方碰撞预警性能。
第五种,通过针对所述环境模型定制的指标计算方法,对所述环境模型进行多种ADAS性能指标提取,形成各种所述ADAS性能指标的合格率。
在实际应用中,该多种ADAS性能指标的具体类型可基于业务要确定。示例性的,多种ADAS性能指标可以包括如下中的至少两种:碰撞时间、跨线时间、自动紧急制动时车辆与前方车辆距离、前方碰撞预警时车辆与前方车辆距离、车辆偏离预警时车辆与即将偏离的车道线的距离。
在提取多种ADAS性能指标之后,将各种ADAS性能指标分别与其各自对应的性能指标进行对比,基于各种ADAS性能指标的比对结果,形成合格率。
示例性,将各种ADAS性能指标分别与其各自对应的性能指标进行对比,实际上是将各种ADAS性能指标分别与其各自对应的性能指标进行比值,其中将各比值与其各自对应的合格指标进行对比,统计达到合格指标的各比值的数量,并将该数量与各种ADAS性能指标的总数量的比值确定为各种ADAS性能指标的合格率。
在形成ADAS性能分析数据时,上述五种方法可以单独使用,或上述五种方法中的多种方法可以结合使用。
进一步的,为了保证ADAS评测人员能够快速的进行评测,则在形成ADAS性能分析数据之后,将所述ADAS性能分析数据发送给预设的测评分析终端,以供测评分析终端对一个的测评人员对所述ADAS系统进行测评分析。
本公开的实施例提供的车辆高级驾驶辅助系统的性能分析方法,首先解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息,并基于障碍物信息和车道线信息,构建用于分析ADAS系统的环境模型。然后通过针对环境模型定制的至少一种ADAS分析方法,对环境模型进行解析分析,形成ADAS性能分析数据。可见,本公开的实施例无需使用昂贵的付费ADAS性能分析设备和软件,通过构建用于分析ADAS系统的环境模型和针对环境模型定制的ADAS分析方法便可对ADAS系统进行性能分析,从而降低ADAS系统性能分析的设备成本的同时,提高ADAS系统性能分析的定制化程度。
第二方面,依据图1所示的方法,本公开的另一个实施例还提供了一种车辆高级驾驶辅助系统的性能分析装置,如图3所示,所述装置主要包括:
解析单元31,用于解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息;
构建单元32,用于基于所述障碍物信息和所述车道线信息,构建用于分析ADAS系统的环境模型;
分析单元33,用于针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,其中,不同ADAS分析方法对所述环境模型进行不同的解析分析操作。
本公开的实施例提供的车辆高级驾驶辅助系统的性能分析装置,首先解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息,并基于障碍物信息和车道线信息,构建用于分析ADAS系统的环境模型。然后通过针对环境模型定制的至少一种ADAS分析方法,对环境模型进行解析分析,形成ADAS性能分析数据。可见,本公开的实施例无需使用昂贵的付费ADAS性能分析设备和软件,通过构建用于分析ADAS系统的环境模型和针对环境模型定制的ADAS分析方法便可对ADAS系统进行性能分析,从而降低ADAS系统性能分析的设备成本的同时,提高ADAS系统性能分析的定制化程度。
在一些实施例中,如图4所示,构建单元32包括:
同步模块321,用于对同属于一帧行车图像的车道线信息和障碍物信息进行时间同步,并标注同一图像帧编码,其中,所述行车图像包括在所述ADAS数据中;
构建模块322,用于对时间同步过车道线信息和障碍物信息,且标注了图像帧编码的各所述行车图像进行模型构建处理,形成所述环境模型。
在一些实施例中,如图4所示,分析单元33包括:
第一分析模块331,用于通过针对所述环境模型定制的环境模型模拟方法,对所述环境模型进行模拟,形成所述车辆行驶时的回放视频和所述车辆行驶时的三维图像。
在一些实施例中,如图4所示,分析单元33包括:
第二分析模块332,用于通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个时间点的目标参数值提取,形成所述车辆行驶时目标参数值与时间之间的波形图,其中,所述目标参数值为ADAS系统中与时间有关的性能指标。
在一些实施例中,如图4所示,分析单元33包括:
第三分析模块333,用于通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个时间点的车辆与障碍物之间的障碍物距离提取,形成所述车辆行驶时障碍物距离与时间之间波形图。
在一些实施例中,如图4所示,分析单元33包括:
第四分析模块334,用于通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个预警信号对应的车辆与障碍物之间的障碍物距离或车辆与车道线之间的车道线距离提取,形成所述车辆行驶时障碍物距离与预警信号之间的波形图或车道线距离与预警信号之间的波形图。
在一些实施例中,如图4所示,分析单元33包括:
第五分析模块335,用于通过针对所述环境模型定制的指标计算方法,对所述环境模型进行多种ADAS性能指标提取,形成各种所述ADAS性能指标的合格率。
在一些实施例中,如图4所示,解析单元31所用的ADAS数据包括如下中的任意一种:车辆行驶时所述感知设备实时采集的数据、车辆行驶结束后所述感知设备采集的历史数据、仿真模拟器仿真出来的仿真ADAS数据。
在一些实施例中,如图4所示,所述装置还包括:
发送单元34,用于在分析单元33形成ADAS性能分析数据之后,将所述ADAS性能分析数据发送给预设的测评分析终端,以供所述测评分析终端对一个的测评人员对所述ADAS系统进行测评分析。
第二方面的实施例提供的车辆高级驾驶辅助系统的性能分析装置,可以用以执行第一方面的实施例所提供的车辆高级驾驶辅助系统的性能分析方法,相关的用于的含义以及具体的实施方式可以参见第一方面的实施例中的相关描述,在此不再详细说明。
第三方面,本公开的另一个实施例还提供了一种车辆高级驾驶辅助系统的性能分析系统,如图5所示,所述系统主要包括:
车辆41、测评分析终端42以及第二方面所述的车辆高级驾驶辅助系统的性能分析装置43,其中,车辆41中部署ADAS系统启动和感知设备;
所述车辆41,用于在所述ADAS系统启动后,将所述感知设备所采集的ADAS数据,发送给所述车辆高级驾驶辅助系统的性能分析装置43;
所述测评分析终端42,用于接收所述车辆高级驾驶辅助系统的性能分析装置43基于所述ADAS数据而得的ADAS性能分析数据,并展示所述ADAS性能分析数据。
本公开的实施例提供的车辆高级驾驶辅助系统的性能分析系统,其包括的车辆高级驾驶辅助系统的性能分析装置首先解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息,并基于障碍物信息和车道线信息,构建用于分析ADAS系统的环境模型。然后通过针对环境模型定制的至少一种ADAS分析方法,对环境模型进行解析分析,形成ADAS性能分析数据。可见,本公开的实施例无需使用昂贵的付费ADAS性能分析设备和软件,通过构建用于分析ADAS系统的环境模型和针对环境模型定制的ADAS分析方法便可对ADAS系统进行性能分析,从而降低ADAS系统性能分析的设备成本的同时,提高ADAS系统性能分析的定制化程度。
第四方面,本公开的实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行第一方面或第二方面所述的车辆高级驾驶辅助系统的性能分析方法。
存储介质可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
第五方面,本公开的实施例提供了一种人机交互装置,所述装置包括存储介质,及一个或者多个处理器,所述存储介质与所述处理器耦合,所述处理器被配置为执行所述存储介质中存储的程序指令;所述程序指令运行时执行第一方面或第二方面所述的车辆高级驾驶辅助系统的性能分析方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开的实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照本公开的实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本公开的实施例可提供为方法、系统或计算机程序产品。因此,本公开的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本公开的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (14)
1.一种车辆高级驾驶辅助系统的性能分析方法,其特征在于,所述方法包括:
解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息;
基于所述障碍物信息和所述车道线信息,构建用于分析ADAS系统的环境模型;
通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,其中,不同ADAS分析方法对所述环境模型进行不同的解析分析操作。
2.根据权利要求1所述的方法,其特征在于,基于所述障碍物信息和所述车道线信息,构建环境模型,包括:
对同属于一帧行车图像的车道线信息和障碍物信息进行时间同步,并标注同一图像帧编码,其中,所述行车图像包括在所述ADAS数据中;
对时间同步过车道线信息和障碍物信息,且标注了图像帧编码的各所述行车图像进行模型构建处理,形成所述环境模型。
3.根据权利要求1所述的方法,其特征在于,通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,包括:
通过针对所述环境模型定制的环境模型模拟方法,对所述环境模型进行模拟,形成所述车辆行驶时的回放视频和所述车辆行驶时的三维图像。
4.根据权利要求1所述的方法,其特征在于,通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,包括:
通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个时间点的目标参数值提取,形成所述车辆行驶时目标参数值与时间之间的波形图,其中,所述目标参数值为ADAS系统中与时间有关的性能指标。
5.根据权利要求1所述的方法,其特征在于,通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,包括:
通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个时间点的车辆与障碍物之间的障碍物距离提取,形成所述车辆行驶时障碍物距离与时间之间波形图。
6.根据权利要求1所述的方法,其特征在于,通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,包括:
通过针对所述环境模型定制的信号示波方法,对所述环境模型进行多个预警信号对应的车辆与障碍物之间的障碍物距离或车辆与车道线之间的车道线距离提取,形成所述车辆行驶时障碍物距离与预警信号之间的波形图或车道线距离与预警信号之间的波形图。
7.根据权利要求1所述的方法,其特征在于,通过针对所述环境模型定制的至少一种ADAS分析方法,形成ADAS性能分析数据,包括:
通过针对所述环境模型定制的指标计算方法,对所述环境模型进行多种ADAS性能指标提取,形成各种所述ADAS性能指标的合格率。
8.根据权利要求1所述的方法,其特征在于,所述ADAS数据包括如下中的任意一种:车辆行驶时所述感知设备实时采集的数据、车辆行驶结束后所述感知设备采集的历史数据、仿真模拟器仿真出来的仿真ADAS数据。
9.根据权利要求1所述的方法,其特征在于,在形成ADAS性能分析数据之后,所述方法还包括:
将所述ADAS性能分析数据发送给预设的测评分析终端,以供所述测评分析终端对应的测评人员对所述ADAS系统进行测评分析。
10.一种车辆高级驾驶辅助系统的性能分析装置,其特征在于,所述装置包括:
解析单元,用于解析车辆处于行车状态的ADAS数据,得到车俩行车时的障碍物信息和车道线信息;
构建单元,用于基于所述障碍物信息和所述车道线信息,构建用于分析ADAS系统的环境模型;
分析单元,用于通过针对所述环境模型定制的至少一种ADAS分析方法,对所述环境模型进行解析分析,形成ADAS性能分析数据,其中,不同ADAS分析方法对所述环境模型进行不同的解析分析操作。
11.根据权利要求10所述的装置,其特征在于,所述构建单元包括:
同步模块,用于对同属于一帧行车图像的车道线信息和障碍物信息进行时间同步,并标注同一图像帧编码,其中,所述行车图像包括在所述ADAS数据中;
构建模块,用于对时间同步过车道线信息和障碍物信息,且标注了图像帧编码的各所述行车图像进行模型构建处理,形成所述环境模型。
12.一种车辆高级驾驶辅助系统的性能分析系统,其特征在于,所述系统包括:车辆、测评分析终端以及权利要求10所述的车辆高级驾驶辅助系统的性能分析装置,其中,车辆中部署有ADAS系统和感知设备;
所述车辆,用于在所述ADAS系统启动后,将所述感知设备所采集的ADAS数据,发送给所述车辆高级驾驶辅助系统的性能分析装置;
所述测评分析终端,用于接收所述车辆高级驾驶辅助系统的性能分析装置基于所述ADAS数据而得的ADAS性能分析数据,并展示所述ADAS性能分析数据。
13.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任一项所述的车辆高级驾驶辅助系统的性能分析方法。
14.一种人机交互装置,其特征在于,所述装置包括存储介质,及一个或者多个处理器,所述存储介质与所述处理器耦合,所述处理器被配置为执行所述存储介质中存储的程序指令;所述程序指令运行时执行权利要求1至9中任一项所述的车辆高级驾驶辅助系统的性能分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183781.4A CN112249022B (zh) | 2020-10-29 | 2020-10-29 | 一种车辆高级驾驶辅助系统的性能分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183781.4A CN112249022B (zh) | 2020-10-29 | 2020-10-29 | 一种车辆高级驾驶辅助系统的性能分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112249022A true CN112249022A (zh) | 2021-01-22 |
CN112249022B CN112249022B (zh) | 2022-07-29 |
Family
ID=74269010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011183781.4A Active CN112249022B (zh) | 2020-10-29 | 2020-10-29 | 一种车辆高级驾驶辅助系统的性能分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112249022B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112937599A (zh) * | 2021-01-28 | 2021-06-11 | 中国重汽集团济南动力有限公司 | 一种驾驶辅助性能监测系统及方法 |
CN113200048A (zh) * | 2021-05-28 | 2021-08-03 | 东风汽车集团股份有限公司 | 一种智能辅助驾驶车辆监控方法及系统 |
CN114199267A (zh) * | 2021-11-25 | 2022-03-18 | 交通运输部公路科学研究所 | 车辆的车道偏离预警测评方法、装置及系统 |
CN115440075A (zh) * | 2022-07-22 | 2022-12-06 | 中智行(苏州)科技有限公司 | 一种实现车路协同场景全链路性能追踪的方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014019602A1 (en) * | 2012-07-30 | 2014-02-06 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for optimizing image processing in driver assistance systems |
US20140049646A1 (en) * | 2012-08-20 | 2014-02-20 | Magna Electronics Inc. | Method of obtaining data relating to a driver assistance system of a vehicle |
CN105579320A (zh) * | 2013-09-05 | 2016-05-11 | 李斯特内燃机及测试设备公司 | 一种用于优化驾驶员辅助系统的方法和设备 |
US20160187880A1 (en) * | 2014-12-25 | 2016-06-30 | Automotive Research & Testing Center | Driving control system and dynamic decision control method thereof |
CN106882184A (zh) * | 2017-01-04 | 2017-06-23 | 江西沃可视发展有限公司 | 基于adas纯图像处理的驾驶安全系统 |
US20170232974A1 (en) * | 2014-11-07 | 2017-08-17 | Denso Corporation | Drive assistance system and center |
WO2017155165A1 (ko) * | 2016-03-09 | 2017-09-14 | (주)큐알온텍 | 차량용 블랙박스 제어 장치 및 방법 |
US20170261974A1 (en) * | 2016-03-10 | 2017-09-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for monitoring and alerting vehicle occupant to operating efficiencies of autonomous driving assistance systems |
CN107380164A (zh) * | 2016-07-07 | 2017-11-24 | 小蚁科技(香港)有限公司 | 基于计算机视觉的驾驶员辅助系统和支持系统 |
US20170369072A1 (en) * | 2016-06-28 | 2017-12-28 | Volkswagen Aktiengesellschaft | Apparatus, system and method for personalized settings for driver assistance systems |
US20170369076A1 (en) * | 2016-06-24 | 2017-12-28 | Hyundai Motor Company | Vehicle and method for controlling the same |
CN107628032A (zh) * | 2017-08-09 | 2018-01-26 | 广东欧珀移动通信有限公司 | 自动驾驶控制方法、装置、车辆和计算机可读存储介质 |
US20180086339A1 (en) * | 2016-09-26 | 2018-03-29 | Keith J. Hanna | Combining Driver Alertness With Advanced Driver Assistance Systems (ADAS) |
CN108230254A (zh) * | 2017-08-31 | 2018-06-29 | 北京同方软件股份有限公司 | 一种自适应场景切换的高速交通全车道线自动检测方法 |
CN108860165A (zh) * | 2018-05-11 | 2018-11-23 | 深圳市图灵奇点智能科技有限公司 | 车辆辅助驾驶方法和系统 |
CN108944920A (zh) * | 2017-05-26 | 2018-12-07 | 德韧营运有限责任公司 | 在机动车应用程序中生成并使用感知场景图的方法和系统 |
US10203699B1 (en) * | 2018-03-30 | 2019-02-12 | Toyota Jidosha Kabushiki Kaisha | Selective remote control of ADAS functionality of vehicle |
CN110843799A (zh) * | 2019-11-27 | 2020-02-28 | 星觅(上海)科技有限公司 | 驾驶行为处理方法、装置、设备和介质 |
CN111547049A (zh) * | 2020-05-22 | 2020-08-18 | 北京罗克维尔斯科技有限公司 | 车辆泊车入位的控制方法、装置及车辆 |
US20200283028A1 (en) * | 2017-11-17 | 2020-09-10 | Sony Semiconductor Solutions Corporation | Information processing apparatus and information processing method |
-
2020
- 2020-10-29 CN CN202011183781.4A patent/CN112249022B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014019602A1 (en) * | 2012-07-30 | 2014-02-06 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for optimizing image processing in driver assistance systems |
US20140049646A1 (en) * | 2012-08-20 | 2014-02-20 | Magna Electronics Inc. | Method of obtaining data relating to a driver assistance system of a vehicle |
CN105579320A (zh) * | 2013-09-05 | 2016-05-11 | 李斯特内燃机及测试设备公司 | 一种用于优化驾驶员辅助系统的方法和设备 |
US20170232974A1 (en) * | 2014-11-07 | 2017-08-17 | Denso Corporation | Drive assistance system and center |
US20160187880A1 (en) * | 2014-12-25 | 2016-06-30 | Automotive Research & Testing Center | Driving control system and dynamic decision control method thereof |
WO2017155165A1 (ko) * | 2016-03-09 | 2017-09-14 | (주)큐알온텍 | 차량용 블랙박스 제어 장치 및 방법 |
US20170261974A1 (en) * | 2016-03-10 | 2017-09-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for monitoring and alerting vehicle occupant to operating efficiencies of autonomous driving assistance systems |
US20170369076A1 (en) * | 2016-06-24 | 2017-12-28 | Hyundai Motor Company | Vehicle and method for controlling the same |
US20170369072A1 (en) * | 2016-06-28 | 2017-12-28 | Volkswagen Aktiengesellschaft | Apparatus, system and method for personalized settings for driver assistance systems |
US20180012085A1 (en) * | 2016-07-07 | 2018-01-11 | Ants Technology (Hk) Limited. | Computer Vision Based Driver Assistance Devices, Systems, Methods and Associated Computer Executable Code |
CN107380164A (zh) * | 2016-07-07 | 2017-11-24 | 小蚁科技(香港)有限公司 | 基于计算机视觉的驾驶员辅助系统和支持系统 |
US20180086339A1 (en) * | 2016-09-26 | 2018-03-29 | Keith J. Hanna | Combining Driver Alertness With Advanced Driver Assistance Systems (ADAS) |
CN106882184A (zh) * | 2017-01-04 | 2017-06-23 | 江西沃可视发展有限公司 | 基于adas纯图像处理的驾驶安全系统 |
CN108944920A (zh) * | 2017-05-26 | 2018-12-07 | 德韧营运有限责任公司 | 在机动车应用程序中生成并使用感知场景图的方法和系统 |
CN107628032A (zh) * | 2017-08-09 | 2018-01-26 | 广东欧珀移动通信有限公司 | 自动驾驶控制方法、装置、车辆和计算机可读存储介质 |
CN108230254A (zh) * | 2017-08-31 | 2018-06-29 | 北京同方软件股份有限公司 | 一种自适应场景切换的高速交通全车道线自动检测方法 |
US20200283028A1 (en) * | 2017-11-17 | 2020-09-10 | Sony Semiconductor Solutions Corporation | Information processing apparatus and information processing method |
US10203699B1 (en) * | 2018-03-30 | 2019-02-12 | Toyota Jidosha Kabushiki Kaisha | Selective remote control of ADAS functionality of vehicle |
CN108860165A (zh) * | 2018-05-11 | 2018-11-23 | 深圳市图灵奇点智能科技有限公司 | 车辆辅助驾驶方法和系统 |
CN110843799A (zh) * | 2019-11-27 | 2020-02-28 | 星觅(上海)科技有限公司 | 驾驶行为处理方法、装置、设备和介质 |
CN111547049A (zh) * | 2020-05-22 | 2020-08-18 | 北京罗克维尔斯科技有限公司 | 车辆泊车入位的控制方法、装置及车辆 |
Non-Patent Citations (4)
Title |
---|
MITCHELL L MODEL等: "《IP.COM非专利全文库》", 20 September 2005, IP.COM * |
徐邦振等: "基于机器视觉的轻量级驾驶辅助系统", 《计算机科学》 * |
王珂等: "基于模型设计的ADAS-HIL测试平台研究", 《汽车实用技术》 * |
郭剑鹰等: "高级驾驶辅助系统前视摄像头硬件在环测试", 《光学仪器》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112937599A (zh) * | 2021-01-28 | 2021-06-11 | 中国重汽集团济南动力有限公司 | 一种驾驶辅助性能监测系统及方法 |
CN113200048A (zh) * | 2021-05-28 | 2021-08-03 | 东风汽车集团股份有限公司 | 一种智能辅助驾驶车辆监控方法及系统 |
CN113200048B (zh) * | 2021-05-28 | 2023-02-28 | 东风汽车集团股份有限公司 | 一种智能辅助驾驶车辆监控方法及系统 |
CN114199267A (zh) * | 2021-11-25 | 2022-03-18 | 交通运输部公路科学研究所 | 车辆的车道偏离预警测评方法、装置及系统 |
CN114199267B (zh) * | 2021-11-25 | 2022-11-29 | 交通运输部公路科学研究所 | 车辆的车道偏离预警测评方法、装置及系统 |
CN115440075A (zh) * | 2022-07-22 | 2022-12-06 | 中智行(苏州)科技有限公司 | 一种实现车路协同场景全链路性能追踪的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112249022B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112249022B (zh) | 一种车辆高级驾驶辅助系统的性能分析方法及装置 | |
CN107153363B (zh) | 无人驾驶汽车的仿真测试方法及装置、设备与可读介质 | |
CN109032102B (zh) | 无人驾驶车辆测试方法、装置、设备及存储介质 | |
CN113168524B (zh) | 用于测试驾驶员辅助系统的方法和设备 | |
CN109583384A (zh) | 用于无人驾驶车的避障方法和装置 | |
CN110533940B (zh) | 自动驾驶中异常交通信号灯识别的方法、装置和设备 | |
CN107944425A (zh) | 道路标志的识别方法和装置 | |
US20230343153A1 (en) | Method and system for testing a driver assistance system | |
CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
CN113085894A (zh) | 车辆的控制方法及装置、自动驾驶车辆 | |
CN111765904A (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
CN109886198B (zh) | 一种信息处理方法、装置及存储介质 | |
CN111338232A (zh) | 自动驾驶仿真方法及装置 | |
CN106373416A (zh) | 用于测试无人驾驶车辆的交通灯识别耗时的方法和装置 | |
CN113085861A (zh) | 自动驾驶车辆的控制方法及装置、自动驾驶车辆 | |
CN113183982A (zh) | 车辆的行驶路线的生成方法及装置、自动驾驶车辆 | |
CN115713752A (zh) | 一种危险驾驶行为检测方法、装置、设备及存储介质 | |
CN113268057A (zh) | 无人驾驶车辆的避障处理方法及装置 | |
CN116997890A (zh) | 生成未知不安全场景、改进自动交通工具、计算机系统 | |
CN113147793A (zh) | 电子地图的更新方法及装置、自动驾驶车辆 | |
CN113147791A (zh) | 车辆的控制方法及装置、自动驾驶车辆 | |
CN110659384A (zh) | 视频结构化分析方法及装置 | |
CN112132115B (zh) | 一种图像筛选方法及装置 | |
CN112798293B (zh) | 一种车道偏离预警系统的测试方法及装置 | |
CN114253842A (zh) | 一种基于图像识别的列车智能检测系统的测试方法和装置 |
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 |