CN112269080A - 智能座舱测试系统 - Google Patents
智能座舱测试系统 Download PDFInfo
- Publication number
- CN112269080A CN112269080A CN202011093561.2A CN202011093561A CN112269080A CN 112269080 A CN112269080 A CN 112269080A CN 202011093561 A CN202011093561 A CN 202011093561A CN 112269080 A CN112269080 A CN 112269080A
- Authority
- CN
- China
- Prior art keywords
- channel
- server
- power supply
- testing system
- test
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 50
- 230000006870 function Effects 0.000 claims abstract description 8
- 238000013135 deep learning Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013526 transfer learning Methods 0.000 claims description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 238000005538 encapsulation Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了智能座舱测试系统，包括总线模块、存储模块、和服务器，总线模块和存储模块均与服务器连接，总线模块用于总线信号模拟与采集，服务器内将至少一种测试设备按功能进行虚拟化封装。由此，将测试系统中使用到的各种测试设备按其功能进行虚拟化的封装，把实际的设备抽象为具有统一接口的虚拟资源，从而使不同厂家的测试设备都可以无缝的集成进入测试系统。
Description
技术领域
本发明涉及智能座舱检测领域，尤其涉及智能座舱测试系统。
背景技术
智能化、网联化、电动化、共享化已经成为汽车行业公认的产业发展趋势和战略方向。“四化”为汽车市场带来巨大的冲击,促进了整个产业链和生态系统的重构。其中以“电动化”为代表的新能源汽车、以“智能化+网联化”为代表的智能网联汽车,更是汽车产业“四化”发展的重要载体，其中的网联化程度集中体现在优良的智能座舱系统。智能座舱系统功能涉及人机交互、音\视频信号、硬线信号及总线信号等多种技术集成，故在实验室条件下的测试需求涉及面广、且繁复多样。因此，开发一套开发的、适应强的、可扩展的、能够进行图像相似度计算的、能够模拟人进行仿真操作的智能座舱测试自动化测试系统变得越来越重要。
发明内容
本发明的目的是在于提供智能座舱测试系统，解决上述现有技术问题中的一个或者多个。
根据本发明的一个方面，提供智能座舱测试系统，包括总线模块、存储模块、和服务器，总线模块和存储模块均与服务器连接，总线模块用于总线信号模拟与采集，服务器内将至少一种测试设备按功能进行虚拟化封装。
由此，将测试系统中使用到的各种测试设备按其功能进行虚拟化的封装，把实际的设备抽象为具有统一接口的虚拟资源，从而使不同厂家的测试设备都可以无缝的集成进入测试系统。
在一些实施方式中：服务器支持抽象资源包括模拟量测量通道以及输出通道、数字量测量通道以及输出通道、可编程电源通道、PWM波形测量以及波形输出、继电器通道、故障注入通道、CAN\LIN总线通道、FLEXRAY总线通道、汽车以太网通道、机器人控制通道和图形采集通道中的一种或多种。由此，满足汽车电子测试中会涉及的各种需求。
在一些实施方式中：还包括摄像头，摄像头用于拍摄图像，并将图像信息发送给服务器。
在一些实施方式中：还包括机械手臂，机械手臂与服务器连接，用于模拟人工触按操作。
在一些实施方式中：还包括电流采集卡，电流采集卡与服务器连接，用于模拟上电时序。
在一些实施方式中：还包括可编程电源，可编程电源与服务器连接，用于模拟汽车锂电池供电。
在一些实施方式中：还包括设备电源和电源分配单元，设备电源给摄像头、机械手臂、存储模块、总线模块、电流采集卡、可编程电源、电源分配单元和服务器供电，电源分配单元连接于设备电源，能够对设备电源()进行控制、分配、和保护。
在一些实施方式中：服务器对收到的图像信号采用深度学习的方法进行图像对比测试，深度学习方法为基于VGG网络的迁移学习方法。
在一些实施方式中：深度学习方法包括：
使用VGG网络在resnet50分类图像上的预训练权重，但去除最后的SoftMax层；
在此基础上加上2层池化层和一层正则层；
将在长时间PMA测试中摄像头自动拍摄到的在图像元素归类在其特定的文件夹中；
在模型在这些数据上进行深入学习获得新的网络参数作为预测相似性的权重矩阵；
将需要识别图形使用学习好的网络进行预测计算获取最后一层的参数作为特征向量；
将预期图片也使用学习好的网络进行预测计算获取最后一层参数作为特征向量；
将两组特征向量计算相似度计算，即计算均方差，得到其相似性0为完全相同，1为完全不同，取0.05为阈值进行相似度判别。
由此，使用了基于VGG网络的迁移学习从而使图像比对的准备率得到了较大的提高。
附图说明
图1是本发明智能座舱测试系统的信号关系图。
具体实施方式
下面结合附图说明，对本发明作进一步详细说明。
如图1所示，智能座舱测试系统，包括总线模块、存储模块、和服务器，总线模块和存储模块均与服务器连接，总线模块用于总线信号模拟与采集，服务器内将至少一种测试设备按功能进行虚拟化封装。其中，在本实施例中，存储模块选用优越者多盘位硬盘柜raid磁盘阵列存储架，总线模块选用VN7572 PCIe CAN总线通讯板块和CANboardXLPCIe总线板卡；服务器采用研华工控机，型号IPC-610L/AIMB-705VG/I7-6700/8G/1T/DVD/鼠健。
由此，将测试系统中使用到的各种测试设备按其功能进行虚拟化的封装，把实际的设备抽象为具有统一接口的虚拟资源，从而使不同厂家的测试设备都可以无缝的集成进入测试系统。
服务器支持抽象资源包括模拟量测量通道以及输出通道、数字量测量通道以及输出通道、可编程电源通道、PWM波形测量以及波形输出、继电器通道、故障注入通道、CAN\LIN总线通道、FLEXRAY总线通道、汽车以太网通道、机器人控制通道和图形采集通道中的一种或多种。由此，满足汽车电子测试中会涉及的各种需求。在本实施例中，采用Python负责对测试硬件资源的封装，调用测试资源。
还包括摄像头，摄像头用于拍摄图像，并将图像信息发送给服务器。
还包括机械手臂，机械手臂与服务器连接，用于模拟人工触按操作。在本实施例中，机械手臂选用轻量型四轴协作机械臂Z-Arm 2140C，支持标准的二次开发端口，能够支持拖动示教，可以在无隔离围栏的情况下与人安全协作。
还包括电流采集卡，电流采集卡与服务器连接，用于模拟上电时序。
还包括可编程电源，可编程电源与服务器连接，用于模拟汽车锂电池供电。在本实施例中，可编程电源选用爱德克斯的可编程电源来模拟汽车的蓄电池。
还包括设备电源和电源分配单元，设备电源给摄像头、机械手臂、存储模块、总线模块、电流采集卡、可编程电源、电源分配单元和服务器供电，电源分配单元连接于设备电源，能够对设备电源()进行控制、分配、和保护。
服务器对收到的图像信号采用深度学习的方法进行图像对比测试，深度学习方法为基于VGG网络的迁移学习方法。
深度学习方法包括：
使用VGG网络在resnet50分类图像上的预训练权重，但去除最后的SoftMax层；
在此基础上加上2层池化层和一层正则层；
将在长时间PMA测试中摄像头自动拍摄到的在图像元素归类在其特定的文件夹中；
在模型在这些数据上进行深入学习获得新的网络参数作为预测相似性的权重矩阵；
将需要识别图形使用学习好的网络进行预测计算获取最后一层的参数作为特征向量；
将预期图片也使用学习好的网络进行预测计算获取最后一层参数作为特征向量；
将两组特征向量计算相似度计算，即计算均方差，得到其相似性0为完全相同，1为完全不同，取0.05为阈值进行相似度判别。
由此，使用了基于VGG网络的迁移学习从而使图像比对的准备率得到了较大的提高。
以上所述仅是本发明的一种实施方式，应当指出，对于本领域普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干相似的变形和改进，这些也应视为本发明的保护范围之内。
Claims (9)
1.智能座舱测试系统，其特征在于：包括总线模块、存储模块、和服务器，所述总线模块和存储模块均与所述服务器连接，所述总线模块用于总线信号模拟与采集，所述服务器内将至少一种测试设备按功能进行虚拟化封装。
2.根据权利要求1所述的智能座舱测试系统，其特征在于：所述服务器支持抽象资源包括模拟量测量通道以及输出通道、数字量测量通道以及输出通道、可编程电源通道、PWM波形测量以及波形输出、继电器通道、故障注入通道、CAN\LIN总线通道、FLEXRAY总线通道、汽车以太网通道、机器人控制通道和图形采集通道中的一种或多种。
3.根据权利要求1所述的智能座舱测试系统，其特征在于：好包括摄像头，所述摄像头用于拍摄图像，并将图像信息发送给所述服务器。
4.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括机械手臂，所述机械手臂与所述服务器连接，用于模拟人工触按操作。
5.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括电流采集卡，所述电流采集卡与所述服务器连接，用于模拟上电时序。
6.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括可编程电源，所述可编程电源与所述服务器连接，用于模拟汽车锂电池供电。
7.根据权利要求1所述的智能座舱测试系统，其特征在于：还包括设备电源和电源分配单元，所述设备电源给所述摄像头、机械手臂、存储模块、总线模块、电流采集卡、可编程电源、电源分配单元和服务器供电，所述电源分配单元连接于所述设备电源，能够对所述设备电源进行控制、分配、和保护。
8.根据权利要求3所述的智能座舱测试系统，其特征在于：所述服务器对收到的图像信号采用深度学习的方法进行图像对比测试，所述深度学习方法为基于VGG网络的迁移学习方法。
9.根据权利要求8所述的智能座舱测试系统，其特征在于：所述深度学习方法包括：
使用VGG网络在resnet50分类图像上的预训练权重，但去除最后的SoftMax层；
在此基础上加上2层池化层和一层正则层；
将在长时间PMA测试中摄像头自动拍摄到的在图像元素归类在其特定的文件夹中；
在模型在这些数据上进行深入学习获得新的网络参数作为预测相似性的权重矩阵；
将需要识别图形使用学习好的网络进行预测计算获取最后一层的参数作为特征向量；
将预期图片也使用学习好的网络进行预测计算获取最后一层参数作为特征向量；
将两组特征向量计算相似度计算，即计算均方差，得到其相似性0为完全相同，1为完全不同，取0.05为阈值进行相似度判别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011093561.2A CN112269080A (zh) | 2020-10-14 | 2020-10-14 | 智能座舱测试系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011093561.2A CN112269080A (zh) | 2020-10-14 | 2020-10-14 | 智能座舱测试系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112269080A true CN112269080A (zh) | 2021-01-26 |
Family
ID=74338877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011093561.2A Pending CN112269080A (zh) | 2020-10-14 | 2020-10-14 | 智能座舱测试系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112269080A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112882458A (zh) * | 2021-01-27 | 2021-06-01 | 东风电子科技股份有限公司 | 智能座舱组合测试设备装置 |
| CN114993596A (zh) * | 2022-05-05 | 2022-09-02 | 东风电子科技股份有限公司 | 基于自动循环模拟智能座舱供电场景的测试系统、方法、装置、处理器及其存储介质 |
| CN115356946A (zh) * | 2022-08-12 | 2022-11-18 | 成都赛力斯科技有限公司 | 一种汽车座舱系统的模拟操作装置及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108766096A (zh) * | 2018-03-21 | 2018-11-06 | 武汉理工大学 | 一种基于驾驶模拟器的自动驾驶人机交互仿真测试系统 |
| CN208796101U (zh) * | 2018-08-31 | 2019-04-26 | 延锋伟世通电子科技（南京）有限公司 | 汽车音响娱乐系统诊断自动化测试系统 |
| CN110108510A (zh) * | 2019-05-22 | 2019-08-09 | 哈尔滨理工大学 | 基于嵌入式系统汽车电子产品智能检测系统及其方法 |
| CN111199194A (zh) * | 2019-12-25 | 2020-05-26 | 吉林大学 | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 |
| CN111399480A (zh) * | 2020-03-30 | 2020-07-10 | 上海汽车集团股份有限公司 | 智能驾驶控制器的硬件在环测试系统 |
| CN211527832U (zh) * | 2019-08-19 | 2020-09-18 | 深圳元戎启行科技有限公司 | 测试座舱及车辆测试系统 |
-
2020
- 2020-10-14 CN CN202011093561.2A patent/CN112269080A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108766096A (zh) * | 2018-03-21 | 2018-11-06 | 武汉理工大学 | 一种基于驾驶模拟器的自动驾驶人机交互仿真测试系统 |
| CN208796101U (zh) * | 2018-08-31 | 2019-04-26 | 延锋伟世通电子科技（南京）有限公司 | 汽车音响娱乐系统诊断自动化测试系统 |
| CN110108510A (zh) * | 2019-05-22 | 2019-08-09 | 哈尔滨理工大学 | 基于嵌入式系统汽车电子产品智能检测系统及其方法 |
| CN211527832U (zh) * | 2019-08-19 | 2020-09-18 | 深圳元戎启行科技有限公司 | 测试座舱及车辆测试系统 |
| CN111199194A (zh) * | 2019-12-25 | 2020-05-26 | 吉林大学 | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 |
| CN111399480A (zh) * | 2020-03-30 | 2020-07-10 | 上海汽车集团股份有限公司 | 智能驾驶控制器的硬件在环测试系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112882458A (zh) * | 2021-01-27 | 2021-06-01 | 东风电子科技股份有限公司 | 智能座舱组合测试设备装置 |
| CN114993596A (zh) * | 2022-05-05 | 2022-09-02 | 东风电子科技股份有限公司 | 基于自动循环模拟智能座舱供电场景的测试系统、方法、装置、处理器及其存储介质 |
| CN115356946A (zh) * | 2022-08-12 | 2022-11-18 | 成都赛力斯科技有限公司 | 一种汽车座舱系统的模拟操作装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112269080A (zh) | 智能座舱测试系统 | |
| WO2022077587A1 (zh) | 一种数据预测方法、装置及终端设备 | |
| CN109240277B (zh) | 控制系统诊断功能实车测试自动化平台及测试方法 | |
| CN109214238A (zh) | 多目标跟踪方法、装置、设备及存储介质 | |
| CN110412374A (zh) | 一种基于多传感器的adas hil测试系统 | |
| CN103925853B (zh) | 一种运载火箭地面测试系统装置 | |
| CN110110627B (zh) | 一种面向计算资源局限平台部署的实时目标检测的方法 | |
| CN104518924A (zh) | 自动化测试及结果比对方法及系统 | |
| CN110222705B (zh) | 一种网络模型的训练方法以及相关装置 | |
| CN113610069B (zh) | 基于知识蒸馏的目标检测模型训练方法 | |
| CN110554831A (zh) | 操作同步方法、装置、设备及存储介质 | |
| EP3862830A1 (en) | Learning device, control device, learning method, and learning program | |
| EP4191464A1 (en) | Method for constructing simulation traffic flow and simulation device | |
| CN112445129A (zh) | 用于训练神经网络以控制飞机的系统和方法 | |
| CN111897660B (zh) | 模型部署方法、模型部署装置及终端设备 | |
| CN112180957A (zh) | 无人机的三余度仲裁切换方法、装置及计算机设备 | |
| CN110580171B (zh) | App分类方法、相关装置及产品 | |
| CN113723378A (zh) | 一种模型训练的方法、装置、计算机设备和存储介质 | |
| CN109086819A (zh) | caffemodel模型压缩方法、系统、设备及介质 | |
| CN112543195A (zh) | 面向智能网联汽车的信息安全评估方法、装置及电子设备 | |
| CN116797973A (zh) | 应用于环卫智慧管理平台的数据挖掘方法及系统 | |
| CN108364067B (zh) | 基于数据分割的深度学习方法以及机器人系统 | |
| CN214851308U (zh) | 车载设备测试系统 | |
| CN115236272A (zh) | 多工况条件下的气体传感器故障诊断方法、装置及存储介质 | |
| CN114967653A (zh) | 一种智能驾驶功能测试装置及方法 |
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 |