CN112289023B - 用于自动驾驶的停车仿真测试方法、装置及相关设备 - Google Patents
用于自动驾驶的停车仿真测试方法、装置及相关设备 Download PDFInfo
- Publication number
- CN112289023B CN112289023B CN202011075027.9A CN202011075027A CN112289023B CN 112289023 B CN112289023 B CN 112289023B CN 202011075027 A CN202011075027 A CN 202011075027A CN 112289023 B CN112289023 B CN 112289023B
- Authority
- CN
- China
- Prior art keywords
- parking
- target
- parking space
- automatic driving
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 67
- 238000010998 test method Methods 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 277
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000003860 storage Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 110
- 230000004044 response Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims description 5
- 230000008054 signal transmission Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 32
- 238000001550 Park test Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 4
- 230000002547 anomalous effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 1
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
Abstract
本公开提供一种用于自动驾驶的停车仿真测试方法、装置以及电子设备和计算机可读存储介质，该方法包括：获取车位下发误码率；向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试；获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果；根据所述车位下发误码率和所述目标次数确定停车测试阈值；根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果。本公开实施例提供的技术方案，可以提高停车仿真测试的准确率。
Description
技术领域
本公开涉及自动驾驶技术领域，尤其涉及一种用于自动驾驶的停车仿真测试方法及装置、电子设备和计算机可读存储介质。
背景技术
随着汽车电子产业的不断发展，驾驶员对车辆舒适性与安全性的要求越来越高。与主动安全相关的控制系统，如自动泊车系统，自适应巡航系统等应运而生。这些系统一般统称为高级驾驶员辅助系统，他们将对车辆进行不同程度的干预，而这种干预若是出现错误将导致难以想象的结果。
目前来说，整车厂为了测试车辆的自动泊车系统，通常会控制车辆自动泊入指定车位，当车辆全部正确泊入指定车位后才会认为该车辆的自动泊车性能通过。
在实际操作中，可能会由于一些客观因素导致车辆并不能百分之百的泊入指定车位。因此，如果根据上述方法对测试车辆进行停车测试，则有可能会因为客观因素导致停车测试的失败。
因此，一种可以对车辆自动泊车性能进行准确判断的停车仿真测试，对整车厂来说就显得尤为重要。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开实施例提供一种用于自动驾驶的停车仿真测试方法及装置、电子设备和计算机可读存储介质，能够对车辆的自动泊车性能进行准确地判断，缩短停车测试周期，避免停车测试的资源浪费。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
本公开实施例提出一种用于自动驾驶的停车仿真测试方法，该方法包括：获取车位下发误码率；向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试；获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果；根据所述车位下发误码率和所述目标次数确定停车测试阈值；根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果。
本公开实施例提供了一种用于自动驾驶的停车仿真测试装置，所述用于自动驾驶的停车仿真测试装置可以包括：误码率获取模块、停车指令下发模块、停车结果获取模块、停车测试阈值确定模块以及目标停车结果确定模块。
其中，所述误码率获取模块可以配置为获取车位下发误码率；所述停车指令下发模块可以配置为向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试；所述停车结果获取模块可以配置为获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果；所述停车测试阈值确定模块可以配置为根据所述车位下发误码率和所述目标次数确定停车测试阈值；所述目标停车结果确定模块可以配置为根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果。
在一些实施例中，所述误码率获取模块可以包括：第一车位指示信息下发子模块、第二车位指示信息接收子模块以及车位下发误码率确定子模块。
其中，所述第一车位指示信息下发子模块可以配置为向历史测试自动驾驶车辆下发停车位是否可用的第一车位指示信息。所述第二车位指示信息接收子模块可以配置为接收所述历史测试自动驾驶车辆响应所述第一车位指示信息后反馈的第二车位指示信息。所述车位下发误码率确定子模块可以配置为根据所述第一车位指示信息与第二车位指示信息统计获得所述车位下发误码率。
在一些实施例中，所述停车测试阈值确定模块可以包括：停车位异常概率值确定子模块和停车测试阈值确定子模块。
其中，所述停车位异常概率值确定子模块可以配置为获取所述目标停车场的停车位异常概率值。所述测试阈值确定子模块可以配置为根据所述车位下发误码率、所述目标次数和所述停车位异常概率值确定所述停车测试阈值。
在一些实施例中，所述目标次数的停车指令包括针对第一停车位的停车指令，所述停车结果包括针对所述第一停车位的停车结果，所述针对所述第一停车位的停车结果包括所述第一停车位为异常停车位的异常提示信息。
在一些实施例中，所述停车位异常概率值确定子模块可以包括：初始异常停车位确定单元、目标异常停车位确定单元以及停车位异常概率值第一确定单元。
其中，所述初始异常停车位确定单元可以配置为获取所述目标停车场中的初始正常停车位和初始异常停车位。所述目标异常停车位确定单元可以配置为根据所述异常提示信息更新所述初始正常停车位和初始异常停车位，以获得目标正常停车位和目标异常停车位。所述停车位异常概率值第一确定单元可以配置为根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
在一些实施例中，所述停车位异常概率值确定子模块可以包括：目标传感器信息获取单元、目标传感器信息处理单元以及停车位异常概率值第二确定单元。
其中，所述目标传感器信息获取单元可以配置为获取所述目标停车场中的目标传感器信息。所述目标传感器信息处理单元可以配置为根据所述目标传感器信息，确定所述目标停车场中的目标正常停车位和目标异常停车位。所述停车位异常概率值第二确定单元可以配置为根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
在一些实施例中，所述停车测试阈值包括停车测试不通过阈值。
在一些实施例中，所述停车结果获取模块可以包括：第一实时信息获取子模块，配置为实时获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述的停车结果包括异常停车结果；
在一些实施例中，所述目标停车结果确定模块可以包括：异常停车次数获取子模块和停车测试未通过确定子模块。
其中，所述异常停车次数获取子模块可以配置为根据所述停车结果实时统计所述当前被测自动驾驶车辆异常停车的次数。所述停车测试未通过确定子模块可以配置为若所述当前被测自动驾驶车辆异常停车的次数超过所述停车测试不通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为未通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
在一些实施例中，所述测试阈值包括停车测试通过阈值。
在一些实施例中，所述停车结果获取模块可以包括：正常停车结果获取子模块。
其中，所述正常停车结果获取子模块可以配置为实时获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述的停车结果包括正常停车结果；
在一些实施例中，所述目标停车结果确定模块可以包括：正常停车次数获取子模块和停车测试通过确定子模块。
其中，所述正常停车次数获取子模块可以配置为根据所述停车结果实时统计所述当前被测自动驾驶车辆正常停车的次数。所述停车测试通过确定子模块可以配置为若所述当前被测自动驾驶车辆异常停车的次数超过所述停车测试通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
在一些实施例中，所述用于自动驾驶的停车仿真测试装置可以包括：第一真实停车场信息获取模块、三维建模模块以及目标停车场生成模块。
其中，所述第一真实停车场信息获取模块可以配置为获取第一真实停车场信息。所述三维建模模块可以配置为根据所述第一真实停车场信息进行三维建模，以生成虚拟停车场信息。所述目标停车场生成模块可以配置为根据所述虚拟停车场信息生成所述目标停车场。
在一些实施例中，所述目标停车场生成模块可以包括：第二真实停车场信息获取子模块和目标停车场生成子模块。
其中，所述第二真实停车场信息获取子模块可以配置为获取第二真实停车场信息。所述目标停车场生成子模块可以配置为根据所述第二真实停车场信息和所述虚拟停车场信息生成所述目标停车场。
在一些实施例中，所述目标停车位包括真实停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述真实停车位停车的第一指令。
在一些实施例中，所述停车指令下发模块可以包括：第一指令下发子模块。
其中，所述第一指令下发子模块可以配置为向所述当前被测自动驾驶车辆下发所述第一指令，以控制所述当前被测自动驾驶车辆真实泊入所述真实停车位进行停车。
在一些实施例中，所述目标停车位包括虚拟停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述虚拟停车位停车的第二指令。
在一些实施例中，所述停车指令下发模块可以包括：第二指令下发子模块、虚拟停车行为信息接收子模块以及判断子模块。
其中，所述第二指令下发子模块可以配置为向所述当前被测自动驾驶车辆下发所述第二指令，以便所述当前被测自动驾驶车辆根据所述第二指令给出虚拟停车行为信息。所述虚拟停车行为信息接收子模块可以配置为接收所述虚拟停车行为信息，并判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息是否能够正常进入所述虚拟停车位进行停车。所述判断子模块可以配置为若判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息能够正常进入所述虚拟停车位进行停车，则确定所述当前被测自动驾驶车辆针对所述第二指令完成停车。
本公开实施例提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一项所述的用于自动驾驶的停车仿真测试方法。
本公开实施例提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任一项所述的用于自动驾驶的停车仿真测试方法。
本公开实施例提出一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述用于自动驾驶的停车仿真测试方法。
本公开实施例提供的用于自动驾驶的停车仿真测试方法、装置及电子设备和计算机可读存储介质，通过车位下发误码率、下发停车指令的目标次数确定了停车测试阈值，通过该停车测试阈值对当前被测自动驾驶车辆的目标停车结果进行判断。本公开通过结合车位下发误码率确定的停车测试阈值，考虑了客观存在的车位下发的误码率问题，通过该停车测试阈值能够对被测自动驾驶车辆的目标停车结果进行真实、客观地判断。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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示出了应用于本公开实施例的用于自动驾驶的停车仿真测试方法或用于自动驾驶的停车仿真测试装置的示例性系统架构的示意图。
图2是根据一示例性实施例示出的一种应用于用于自动驾驶的停车仿真测试装置的计算机系统的结构示意图。
图3是根据一示例性实施例示出的一种用于自动驾驶的停车仿真测试方法的流程图。
图4是根据一示例性实施例示出的一种真实停车场的示意图。
图5是图3中步骤S1在一示例性实施例中的流程图。
图6是图3中步骤S3在一示例性实施例中的流程图。
图7是图3中步骤S4在一示例性实施例中的流程图。
图8是图7中步骤S41在一示例性实施例中的流程图。
图9是图3中步骤S3和S5在一示例性实施例中的流程图。
图10是图3中步骤S3和S5在一示例性实施例中的流程图。
图11是根据一示例性实施例示出的一种用于自动驾驶的停车仿真测试方法的流程图。
图12是根据一示例性实施例示出的一种用于自动驾驶的停车仿真测试示意图。
图13是根据一示例性实施例示出的一种用于自动驾驶的停车仿真测试装置的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
本公开所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图仅为本公开的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和步骤，也不是必须按所描述的顺序执行。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本说明书中，用语“一个”、“一”、“该”、“所述”和“至少一个”用以表示存在一个或多个要素/组成部分/等；用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”、“第二”和“第三”等仅作为标记使用，不是对其对象的数量限制。
下面结合附图对本公开示例实施方式进行详细说明。
图1示出了可以应用于本公开实施例的用于自动驾驶的停车仿真测试方法或用于自动驾驶的停车仿真测试装置的示例性系统架构的示意图。
如图1所示，系统架构100可以包括当前被测自动驾驶车辆101、终端设备102、103，网络104和服务器105。网络104用以在当前被测自动驾驶车辆101、终端设备102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备102、103通过网络104与当前被测自动驾驶车辆101、服务器105交互，以接收或发送消息等。其中，终端设备102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、虚拟现实设备、智能家居等等。
服务器105可以是提供各种服务的服务器，例如对当前被测自动驾驶车辆101、用户利用终端设备102、103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备。
服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器等，本公开对此不做限制。
服务器105可例如获取车位下发误码率；服务器105可例如向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试；服务器105可例如获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果；服务器105可例如根据所述车位下发误码率和所述目标次数确定停车测试阈值；服务器105可例如根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，服务器105可以是一个实体的服务器，还可以为多个服务器组成，根据实际需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图2，其示出了适于用来实现本申请实施例的终端设备的计算机系统200的结构示意图。图2示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从储存部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统200操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207；包括硬盘等的储存部分208；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块和/或子模块和/或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块和/或子模块和/或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中，这些模块和/或子模块和/或单元的名称在某种情况下并不构成对该模块和/或子模块和/或单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备可实现功能包括：获取车位下发误码率；向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试；获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果；根据所述车位下发误码率和所述目标次数确定停车测试阈值；根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果。
图3是根据一示例性实施例示出的一种用于自动驾驶的停车仿真测试方法的流程图。本公开实施例所提供的方法可以由任意具备计算处理能力的电子设备来执行，例如该方法可以由上述图1实施例中的服务器或终端设备来执行，也可以由服务器和终端设备共同执行，在下面的实施例中，以服务器为执行主体为例进行举例说明，但本公开并不限定于此。
在一些实施例中，可以由仿真测试平台执行下述用于自动驾驶的停车仿真测试方法，该仿真测试平台可以是一种独立的实体服务器，也可以是一种部署于云端的服务器，本公开对此不做限制。
云技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。
云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。
云计算指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。云计算是网格计算(GridComputing)、分布式计算(DistributedComputing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(Network Storage Technologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机和网络技术发展融合的产物。
参照图3，本公开实施例提供的用于自动驾驶的停车仿真测试方法可以包括以下步骤。
在步骤S1中，获取车位下发误码率。
在车辆研发过程中，通常需要通过仿真测试平台对车辆的自动泊车系统进行测试，以确定车辆的自动泊车系统的安全性。
相关技术中，通常会通过仿真测试平台控制当前被测车辆向一些指定停车位进行停车，并在被测车辆能够正确驶入全部指定停车位后才会判断被测车辆通过此次停车测试。
但是，当仿真测试平台向当前被测车辆下发停车指令时，可能会由于信号传输问题导致指令发生误码，例如当仿真测试平台下发的指令为“当前车位可用”，而被测车辆接收到的指令为“当前车位不可用”。鉴于“当前车位不可用”的指令，当前被测车辆并不会向该停车指令指向的车位停车，导致当前被测车辆不能百分之百的完成对所有车位的停车，导致车辆无法通过停车测试，进而需要进行更多次数的停车测试以确定当前被测车辆的停车性能可靠性。
上述情况中，若当前被测车辆的停车性能可靠性已满足要求，仅因为客观存在的车位下发误码率而导致当前测试不通过，引发了下一次停车测试，将会极大的浪费停车测试资源，增长停车测试周期。
为了避免由于非车辆因素(例如车位下发误码率)而导致被测车辆不能完成停车测试，本实施例考虑引入车位下发误码率，以实现对被测车辆的目标停车结果进行准确的判断。
在一些实施例中，当前被测车辆可以指的是真实的自动驾驶车辆，也可以指的是虚拟的自动驾驶车辆，本公开对此不做限制。其中，虚拟的自动驾驶车辆可以指的是将真实自动驾驶车辆映射至虚拟场景中后的车辆，例如可以将真实自动驾驶车辆映射为虚拟场景中的虚拟自动驾驶车辆，并将真实自动驾驶车辆各个传感器的传感器信息映射为虚拟自动驾驶车辆的传感器信息，以实现对虚拟自动驾驶车辆的控制。
在一些实施例中，自动驾驶车辆可以指的是带有自动驾驶(例如自动泊车)功能的车辆。
在步骤S2中，向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试。
在一些实施例中，在仿真测试平台向当前被测自动驾驶车辆下发目标次数的停车指令之前，需要获取目标停车场的信息。该目标停车场可以指的是真实的停车场，也可以指的是虚拟的停车场，还可以指的是虚实结合的停车场，本公开对此不做限制。
在一些实施例中，目标停车场的信息可以指的是目标停车场的三维信息，也可以指的是目标停车场的二维信息，本公开对此不做限制。
在一些实施例中，目标停车场的信息可以包括目标停车场中的停车位的信息、障碍物的信息等，本公开对此不做限制。其中，停车位的信息可以包括停车位的位置信息(例如GPS位置信息等)、朝向等信息。
在一些实施例中，真实的停车场的信息可以指的是真实存在的停车场的信息。在一些实施例中，可以通过图像采集、视频采集、传感器信息采集，地理位置采集等确定目标停车场中各个停车位的信息，例如获取停车位的位置信息、是否可正常使用信息(如车位中是否存在车辆或障碍物等)，本公开对此不做限制。
在一些实施例中，若目标停车场是真实停车场，则可以控制当前被测自动驾驶车辆在目标停车场中进行真实的停车或者虚拟停车，但本公开对此不做限制。
在一些实施例中，可以通过虚拟技术对停车位、障碍物、交通场景、传感器等进行虚拟构建以生成虚拟停车场。
在一些实施例中，若目标停车场是虚拟停车场，可以控制当前被测自动驾驶车辆根据目标停车场信息进行虚拟停车。例如可以将当前被测自动驾驶车辆映射至目标停车场中生成虚拟自动驾驶车辆，并将当前被测自动驾驶车辆的传感器信息映射给虚拟自动驾驶车辆，以控制虚拟自动驾驶车辆在虚拟停车停车。
在一些实施例中，可以通过下述方法获得虚拟停车场：获取第一真实停车场信息(如图4所示)；根据第一真实停车场信息进行三维建模(也可以是二维建模)，以生成虚拟停车场信息；根据虚拟停车场信息生成所述目标停车场。
其中，第一真实停车场信息可以指的是真实存在的停车场的信息，第一真实停车场信息可以包括第一真实停车场的视频信息、图像信息、文字信息、位置信息等，本公开对此不做限制。
在一些实施例中，可以根据第一真实停车场的视频信息、图像信息、文字信息、传感器信息等信息进行三维建模(或二维建模)，以生成虚拟停车场中的虚拟停车场信息。
在一些实施例中，可以直接将上述根据第一真实停车场信息生成的虚拟停车场作为目标停车场，也可以在虚拟停车场的基础上结合真实停车场或者继续增加虚拟停车位，以生成目标停车场，本公开对此不做限制。
在一些实施例中，虚实结合的停车场的停车场信息可以既包括真实停车场信息也可以包括虚拟停车场信息。例如，可以通过以下方法获得虚实结合的停车场。
获取第一真实停车场信息；根据第一真实停车场信息进行三维建模，以生成虚拟停车场信息；获取第二真实停车场信息；根据第二真实停车场信息和虚拟停车场信息生成所述目标停车场。
在一些实施例中，在通过该虚拟结合的停车场对当前被测自动驾驶车辆进行停车测试时，若当前被测自动驾驶车辆接收到向真实车位进行停车时，该当前被测自动驾驶车辆会在真实的场地中真实的驶入真实停车位；若当前被测自动驾驶车辆接收到向虚拟停车进行停车时，该当前被测自动驾驶车辆会根据自身所在的位置信息以及虚拟停车位的位置信息给出可以驶向虚拟停车位进行停车的虚拟停车行为信息，并将虚拟停车行为信息映射为虚拟停车场中的虚拟自动驾驶车辆的停车行为，以便虚拟自动驾驶车辆能够自动驶入虚拟停车位以完成停车行为。
在一些实施例中，当仿真测试平台获得目标停车场信息后，会根据目标停车场中的停车位信息向当前被测自动驾驶车辆下发目标次数的停车指令，该目标次数的停车指令可以控制当前被测自动驾驶车辆向目标停车位停车。
在步骤S3中，获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果。
在一些实施例中，可以在目标停车位附近或者当前被测自动驾驶车辆上安装目标传感器(例如图像传感器、射频传感器)等，以便根据该目标传感器的传感器信息确定当前被测自动驾驶车辆是否已正确驶入目标停车位。
在一些实施例中，仿真测试平台可以根据安装在当前被测自动驾驶车辆或者目标车位附近的目标传感器返回的目标传感器信息确定当前被测自动驾驶车辆是否准确的泊入停车指令对应的停车位。
例如，可以根据安装在目标停车位附件的图像采集传感器返回的图像信息确定当前被测自动驾驶车辆是否准确的泊入停车指令对应的停车位；再例如，可以根据安装在当前被测自动驾驶车辆上的位置传感器返回的当前被测自动驾驶车辆的位置信息，确定当前被测自动驾驶车辆是否准确的停车指令对应的停车位。可以理解的是，任意可以确定当前被测自动驾驶车辆是否正确驶入停车指令对应停车位。
在步骤S4中，根据所述车位下发误码率和所述目标次数确定停车测试阈值。
在一些实施例中，停车测试阈值可以包括停车测试通过阈值和停车测试不通过阈值。
在一些实施例中，可以根据公式(1)确定停车测试通过阈值，通过公式(2)确定停车测试不通过阈值。
其中，Thremin1可以代表停车测试通过阈值，Thremax1可以代表停车测试不通过阈值，N代表针对当前被测自动驾驶车辆下发停车指令的目标次数，Perror代表车位下发误码率，代表向上取整。/>
在步骤S5中，根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果。
在一些实施例中，若当前被测自动驾驶车辆正确驶入目标停车位的次数大于该停车测试通过阈值时，即可以确定当前被测自动驾驶车辆通过停车测试；若当前被测自动驾驶车辆未能正确驶入目标停车位的次数大于该停车测试不通过阈值时，即可以确定当前被测自动驾驶车辆未能通过停车测试。
本实施例提供的用于自动驾驶的停车仿真测试方，通过车位下发误码率、下发停车指令的目标次数确定了停车测试阈值，通过该停车测试阈值对当前被测自动驾驶车辆的目标停车结果进行判断。本公开通过结合车位下发误码率确定的停车测试阈值，考虑了客观存在的车位下发的误码率问题，通过该停车测试阈值能够对被测自动驾驶车辆的目标停车结果进行真实、客观地判断。
图5是图3中步骤S1在一示例性实施例中的流程图。参考图5，上述步骤S1可以包括以下过程。
在步骤S11中，向历史测试自动驾驶车辆下发停车位是否可用的第一车位指示信息。
在一些实施例中，为了确定仿真测试平台的车位下发误码率，仿真测试平台可以向历史测试自动驾驶车辆下发停车位是否可用的第一车位指示信息，该第一车位指示信息可以是车位可用，也可以是车位不可用，本公开对此不做限制。
在步骤S12中，接收所述历史测试自动驾驶车辆响应所述第一车位指示信息后反馈的第二车位指示信息。
在一些实施例中，历史测试自动驾驶车辆会接收到第二车位指示信息后。但是由于信号传输问题，历史测试自动驾驶车辆接收到的第二车位指示信息可以与第一车位指示信息相同，也可以与第一车位指示信息不同，本公开对此不做限制。
在一些实施例中，历史测试自动驾驶车辆会将接收到的第二车位指示信息反馈给仿真测试平台。
在步骤S13中，根据所述第一车位指示信息与第二车位指示信息统计获得所述车位下发误码率。
在一些实施例中，仿真测试平台会接收历史测试自动驾驶车辆反馈的第二车位指示信息，若第二车位指示信息与第一车位指示信息不同，则可以判断在第一车位指示信息下发的过程中发生了误码。
在一些实施例中，可以统计仿真测试平台向历史测试自动驾驶车辆下发信号的误码概率，以作为车位下发误码率。
本实施例提供的技术方案，可以准确的获取仿真测试平台的车位下发误码率，以便于根据该车位下发误码率确定停车测试阈值，以实现对当前被测自动驾驶车辆停车测试结果的准确判断。
图6是图3中步骤S3在一示例性实施例中的流程图。参考图6，上述步骤S3可以包括以下过程。
在步骤S31中，向所述当前被测自动驾驶车辆下发所述第二指令，以便所述当前被测自动驾驶车辆根据所述第二指令给出虚拟停车行为信息。
在一些实施例中，目标停车场中目标停车位可以是虚拟停车位，仿真测试平台向当前被测自动驾驶车辆下发的停车指令可以包括控制当前被测自动驾驶车辆向虚拟停车位停车的第二指令。
在一些实施例中，仿真测试平台可以向当前被测自动驾驶车辆下发第二指令，以控制当前被测自动驾驶车辆向虚拟停车位停车。
在步骤S32中，接收所述虚拟停车行为信息，并判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息是否能够正常进入所述虚拟停车位进行停车。
在一些实施例中，若当前被测自动驾驶车辆接收到第二指令，当前被测自动驾驶车辆会给出从当前位置移动到虚拟停车位的虚拟停车行为信息，该虚拟停车行为信息可以包括一些车辆行驶行为信息，如按照A速度执行10米后控制方向盘向左旋转60度，然后继续执行50米，接着方向盘右转80度驶入虚拟停车位等，本公开对对此不做限制。可以理解的是，虚拟停车行为信息可以指的是对当前被测自动驾驶车辆运动的控制参数(例如对方向的控制、对速度的控制等)，本公开对此不做限制。
在步骤S33中，若判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息能够正常进入所述虚拟停车位进行停车，则确定所述当前被测自动驾驶车辆针对所述第二指令完成停车。
在一些实施例中，仿真测试平台接收到当前被测自动驾驶车辆返回的虚拟停车行为后，判断当前被测自动驾驶车辆根据该虚拟停车行为信息是否能够进入虚拟停车位进行停车。
在一些实施例中，若当仿真测试平台长期未接收到当前被测自动驾驶车辆返回的虚拟停车行为信息或判断当前被测自动驾驶车辆根据该虚拟停车行为信息不能够正常进入虚拟停车位进行停车时，仿真测试平台认为当前被测自动驾驶车辆针对第二指令未能成功完成停车。
在一些实施例中，若仿真测试平台判断当前被测自动驾驶车辆根据该虚拟停车行为信息能够正常进入虚拟停车位进行停车时，仿真测试平台认为当前被测自动驾驶车辆针对第二指令成功完成停车。
在一些实施例中，目标停车场还可以包括真实停车位，仿真测试平台向当前被测自动驾驶车辆下发的停车指令可以包括控制当前被测自动驾驶车辆向真实停车位停车的第一指令。
在一些实施例中，仿真测试平台可以向当前被测自动驾驶车辆下发第一指令，以控制当前被测自动驾驶车辆真实泊入真实停车位进行停车。
在一些实施例中，若当前被测自动驾驶车辆接收到该第一指令，既可能根据第一指令给出驶向真实停车位的虚拟停车行为信息，也可能会根据该第一指令从当前位置真实的行驶值真实停车位以真实的泊入第一停车位。
在一些实施例中，若当前被测自动驾驶车辆给出的是驶向真实停车位的虚拟停车行为信息，仿真测试平台则判断当前被测自动驾驶车辆根据该虚拟停车行为信息是否能够正常泊入真实停车位，若当前被测自动驾驶车辆根据该虚拟停车行为信息能够正常泊入真实停车位，则判断当前被测自动驾驶车辆针对第一指令成功完成停车。
在一些实施例中，当前被测自动驾驶车辆还可以根据第一指令从当前位置向真实停车位真实行驶。
在一些实施例中，各个真实停车位附近或当前被测自动驾驶车辆上可能会安装有目标传感器(例如图像传感器、射频收发传感器、位置传感器等)，根据该目标传感器可以判断当前被测自动驾驶车辆是否正常驶入真实停车位。
在一些实施例中，若仿真测试平台长期未接收到当前被测自动驾驶车辆正确驶入真实停车位的反馈信息，或仿真测试平台接收到目标传感器返回的当前被测自动驾驶车辆未能正确泊入真实停车场，则判断当前被测自动驾驶车辆针对第一指令未能正常停车。
在一些实施例中，若仿真测试平台接收到目标传感器返回的当前被测自动驾驶车辆正确泊入真实停车场，则判断当前被测自动驾驶车辆针对第一指令正常完成停车。
图7是图3中步骤S4在一示例性实施例中的流程图。参考图7，上述步骤S4可以包括以下步骤。
在步骤S41中，获取所述目标停车场的停车位异常概率值。
在一些实施例中，可以事先在各个停车位安装目标传感器(例如图像采集传感器、视频采集传感器等)，以确定当前车位是否可用(若车位中不存在非车辆障碍物则确定当前车位可用)。
在一些实施例中，可以根据目标传感器信息确定目标停车场中的目标正常停车位(即可以正常停车的停车位)和目标异常停车位(不可以正常停车的停车位，例如该停车位存在障碍物等)。
在一些实施例中，可以根据目标正常停车位和目标异常停车位确定目标停车场的停车位异常概率值(例如异常停车位个数与停车位总数的比例)。
在步骤S42中，根据所述车位下发误码率、所述目标次数和所述停车位异常概率值确定所述停车测试阈值。
在一些实施例中，停车测试阈值可以包括停车测试通过阈值和停车测试不通过阈值。
在一些实施例中，还可以根据公式(3)确定停车测试通过阈值，还可以通过公式(4)确定停车测试不通过阈值。
其中，Thremin2可以代表停车测试通过阈值，Thremax2可以代表停车测试不通过阈值，N代表针对当前被测自动驾驶车辆下发停车指令的目标次数，Perror代表车位下发误码率，Pabnormal可以代表目标停车场的停车位异常概率值，代表向上取整。
在一些实施例中，若当前被测自动驾驶车辆正确驶入目标停车位的次数大于该停车测试通过阈值时，即可以确定当前被测自动驾驶车辆通过停车测试；若当前被测自动驾驶车辆未能正确驶入目标停车位的次数大于该停车测试不通过阈值时，即可以确定当前被测自动驾驶车辆未能通过停车测试。
图8是图7中步骤S41在一示例性实施例中的流程图。
在一些实施例中，仿真测试平台向当前被测自动驾驶车辆下发的目标次数的停车指令可以包括针对第一停车位的停车指令。
在一些实施例中，若第一停车位为异常，则当前被测自动驾驶车辆针对第一停车位反馈的停车结果可以包括第一停车位为异常停车位的异常提示信息。
参考图8，上述步骤S41可以包括以下步骤。
在步骤S411中，获取所述目标停车场中的初始正常停车位和初始异常停车位。
在一些实施例中，可以通过安装目标停车场中的目标传感器可以确定目标停车场中的初始正常停车位和初始异常停车位。
在步骤S412中，根据所述异常提示信息更新所述初始正常停车位和初始异常停车位，以获得目标正常停车位和目标异常停车位。
随着时间的变化，目标停车场中的停车位的异常情况也是随时变化的。
在一些实施例中，可以根据当前被测自动驾驶车辆反馈的异常提示信息个更新目标停车场中的正常停车位信息和异常停车位信息，以获得目标正常停车位和目标异常停车位。
在步骤S413中，根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
在一些实施例中，可以通过目标异常停车位个数/(目标异常停车位个数+目标正常停车位个数)确定目标停车场的停车位异常概率值。
图9是图3中步骤S3和S5在一示例性实施例中的流程图。
在一些实施例中，停车测试阈值可以包括停车测试不通过阈值。
参考图9，图3中步骤S3可以包括以下步骤。
在步骤S34中，实时获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述的停车结果包括异常停车结果。
参考图9，图3中步骤S5可以包括以下步骤。
在步骤S511中，根据所述停车结果实时统计所述当前被测自动驾驶车辆异常停车的次数。
在步骤S512中，若所述当前被测自动驾驶车辆异常停车的次数超过所述停车测试不通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为未通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
在一些实施例中，可以实时统计当前被测自动驾驶车辆响应于目标停车指令后异常停车的次数。
在一些实施例中，可以实时将当前被测自动驾驶车辆异常停车的次数与停车测试不通过阈值进行比较，若当前被测自动驾驶车辆异常停车的次数超过停车测试不通过阈值，则确定当前被测自动驾驶车辆的目标停车结果为未通过停车测试，并停止对当前被测自动驾驶车辆的停车测试。
图10是图3中步骤S3和S5在一示例性实施例中的流程图。
在一些实施例中，测试阈值可以包括停车测试通过阈值。
参考图10，图3中步骤S3可以包括以下步骤。
在步骤S35中，实时获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述的停车结果包括正常停车结果。
参考图10，图3中步骤S5可以包括以下步骤。
在步骤S521中，根据所述停车结果实时统计所述当前被测自动驾驶车辆正常停车的次数。
在步骤S522中，若所述当前被测自动驾驶车辆异常停车的次数超过所述停车测试通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
在一些实施例中，可以实时统计当前被测自动驾驶车辆响应于目标停车指令后正常停车的次数。
在一些实施例中，可以实时将当前被测自动驾驶车辆正常停车的次数与停车测试通过阈值进行比较，若当前被测自动驾驶车辆正常停车的次数超过停车测试通过阈值，则确定当前被测自动驾驶车辆的目标停车结果为通过停车测试，并停止对当前被测自动驾驶车辆的停车测试。
图11是根据一示例性实施例示出的一种用于自动驾驶的停车仿真测试方法的流程图。参考图11，上述方法可以包括以下步骤。
在步骤S111中，仿真测试平台获取车位下发误码率。
在一些实施例中，可以通过以下步骤获取车位下发误码率：向历史测试自动驾驶车辆下发停车位是否可用的第一车位指示信息；接收所述历史测试自动驾驶车辆响应所述第一车位指示信息后反馈的第二车位指示信息；根据所述第一车位指示信息与第二车位指示信息统计获得所述车位下发误码率。
在步骤S112中，仿真测试平台获取目标停车场的车位异常概率。
在一些实施例中，可以通过以下步骤获取车位异常概率：在一些实施例中，可以事先在各个停车位安装目标传感器(例如图像采集传感器、视频采集传感器等)，以确定当前车位是否可用(若车位中不存在非车辆障碍物则确定当前车位可用)；在一些实施例中，可以根据目标传感器信息确定目标停车场中的目标正常停车位(即可以正常停车的停车位)和目标异常停车位(不可以正常停车的停车位，例如该停车位存在障碍物等)；在一些实施例中，可以根据目标正常停车位和目标异常停车位确定目标停车场的停车位异常概率值(例如异常停车位个数与停车位总数的比例)。
在一些实施例中，可以根据当前被测自动驾驶车辆停车过程中对车位的检测，以实时更新目标正常停车位和目标异常赢车网，以实时跟新车位异常概率。
在步骤S113中，仿真测试平台向当前被测自动驾驶车辆下发目标次数的停车指令，以控制当前被测自动驾驶车辆进行实车在环泊车仿真测试。
在步骤S114中，根据车位下发误码率、车位异常概率以及下发停车指令的目标次数确定停车测试阈值，该停车测试阈值包括停车测试通过阈值和停车测试不通过阈值。
在一些实施例中个，可以根据公式(3)切断停车测试通过阈值，通过公式(4)确定停车测试不通过阈值。
在步骤S115中，根据当前被测自动驾驶车辆针对每一次停车指令的停车结果以及停车测试阈值确定当前被测自动驾驶车辆的目标停车结果。
在一些实施例中，若当前被测自动驾驶车辆正确驶入目标停车位的次数大于该停车测试通过阈值时，即可以确定当前被测自动驾驶车辆通过停车测试；若当前被测自动驾驶车辆未能正确驶入目标停车位的次数大于该停车测试不通过阈值时，即可以确定当前被测自动驾驶车辆未能通过停车测试。
图13是根据一示例性实施例示出的一种用于自动驾驶的停车仿真测试装置的框图。参照图13，本公开实施例提供的用于自动驾驶的停车仿真测试装置1300可以包括：误码率获取模块1301、停车指令下发模块1302、停车结果获取模块1303、停车测试阈值确定模块1304以及目标停车结果确定模块1305。
其中，所述误码率获取模块1301可以配置为获取车位下发误码率。所述停车指令下发模块1302可以配置为向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试。所述停车结果获取模块1303可以配置为获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果。所述停车测试阈值确定模块1304可以配置为根据所述车位下发误码率和所述目标次数确定停车测试阈值。所述目标停车结果确定模块1305可以配置为根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果。
在一些实施例中，所述误码率获取模块1301可以包括：第一车位指示信息下发子模块、第二车位指示信息接收子模块以及车位下发误码率确定子模块。
其中，所述第一车位指示信息下发子模块可以配置为向历史测试自动驾驶车辆下发停车位是否可用的第一车位指示信息。所述第二车位指示信息接收子模块可以配置为接收所述历史测试自动驾驶车辆响应所述第一车位指示信息后反馈的第二车位指示信息。所述车位下发误码率确定子模块可以配置为根据所述第一车位指示信息与第二车位指示信息统计获得所述车位下发误码率。
在一些实施例中，所述停车测试阈值确定模块1304可以包括：停车位异常概率值确定子模块和停车测试阈值确定子模块。
其中，所述停车位异常概率值确定子模块可以配置为获取所述目标停车场的停车位异常概率值。所述测试阈值确定子模块可以配置为根据所述车位下发误码率、所述目标次数和所述停车位异常概率值确定所述停车测试阈值。
在一些实施例中，所述目标次数的停车指令包括针对第一停车位的停车指令，所述停车结果包括针对所述第一停车位的停车结果，所述针对所述第一停车位的停车结果包括所述第一停车位为异常停车位的异常提示信息。
在一些实施例中，所述停车位异常概率值确定子模块可以包括：初始异常停车位确定单元、目标异常停车位确定单元以及停车位异常概率值第一确定单元。
其中，所述初始异常停车位确定单元可以配置为获取所述目标停车场中的初始正常停车位和初始异常停车位。所述目标异常停车位确定单元可以配置为根据所述异常提示信息更新所述初始正常停车位和初始异常停车位，以获得目标正常停车位和目标异常停车位。所述停车位异常概率值第一确定单元可以配置为根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
在一些实施例中，所述停车位异常概率值确定子模块可以包括：目标传感器信息获取单元、目标传感器信息处理单元以及停车位异常概率值第二确定单元。
其中，所述目标传感器信息获取单元可以配置为获取所述目标停车场中的目标传感器信息。所述目标传感器信息处理单元可以配置为根据所述目标传感器信息，确定所述目标停车场中的目标正常停车位和目标异常停车位。所述停车位异常概率值第二确定单元可以配置为根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
在一些实施例中，所述停车测试阈值包括停车测试不通过阈值。
在一些实施例中，所述停车结果获取模块1303可以包括：第一实时信息获取子模块，配置为实时获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述的停车结果包括异常停车结果；
在一些实施例中，所述目标停车结果确定模块1305可以包括：异常停车次数获取子模块和停车测试未通过确定子模块。
其中，所述异常停车次数获取子模块可以配置为根据所述停车结果实时统计所述当前被测自动驾驶车辆异常停车的次数。所述停车测试未通过确定子模块可以配置为若所述当前被测自动驾驶车辆异常停车的次数超过所述停车测试不通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为未通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
在一些实施例中，所述测试阈值包括停车测试通过阈值。
在一些实施例中，所述停车结果获取模块1303可以包括：正常停车结果获取子模块。
其中，所述正常停车结果获取子模块可以配置为实时获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述的停车结果包括正常停车结果；
在一些实施例中，所述目标停车结果确定模块1305可以包括：正常停车次数获取子模块和停车测试通过确定子模块。
其中，所述正常停车次数获取子模块可以配置为根据所述停车结果实时统计所述当前被测自动驾驶车辆正常停车的次数。所述停车测试通过确定子模块可以配置为若所述当前被测自动驾驶车辆异常停车的次数超过所述停车测试通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
在一些实施例中，所述用于自动驾驶的停车仿真测试装置1300可以包括：第一真实停车场信息获取模块、三维建模模块以及目标停车场生成模块。
其中，所述第一真实停车场信息获取模块可以配置为获取第一真实停车场信息。所述三维建模模块可以配置为根据所述第一真实停车场信息进行三维建模，以生成虚拟停车场信息。所述目标停车场生成模块可以配置为根据所述虚拟停车场信息生成所述目标停车场。
在一些实施例中，所述目标停车场生成模块可以包括：第二真实停车场信息获取子模块和目标停车场生成子模块。
其中，所述第二真实停车场信息获取子模块可以配置为获取第二真实停车场信息。所述目标停车场生成子模块可以配置为根据所述第二真实停车场信息和所述虚拟停车场信息生成所述目标停车场。
在一些实施例中，所述目标停车位包括真实停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述真实停车位停车的第一指令。
在一些实施例中，所述停车指令下发模块1302可以包括：第一指令下发子模块。
其中，所述第一指令下发子模块可以配置为向所述当前被测自动驾驶车辆下发所述第一指令，以控制所述当前被测自动驾驶车辆真实泊入所述真实停车位进行停车。
在一些实施例中，所述目标停车位包括虚拟停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述虚拟停车位停车的第二指令。
在一些实施例中，所述停车指令下发模块1302可以包括：第二指令下发子模块、虚拟停车行为信息接收子模块以及判断子模块。
其中，所述第二指令下发子模块可以配置为向所述当前被测自动驾驶车辆下发所述第二指令，以便所述当前被测自动驾驶车辆根据所述第二指令给出虚拟停车行为信息。所述虚拟停车行为信息接收子模块可以配置为接收所述虚拟停车行为信息，并判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息是否能够正常进入所述虚拟停车位进行停车。所述判断子模块可以配置为若判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息能够正常进入所述虚拟停车位进行停车，则确定所述当前被测自动驾驶车辆针对所述第二指令完成停车。
由于本公开的示例实施例的用于自动驾驶的停车仿真测试装置1300的各个功能模块与上述用于自动驾驶的停车仿真测试方法的示例实施例的步骤对应，因此在此不再赘述。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本公开实施例的方法，例如图3的一个或多个所示的步骤。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不限于这里已经示出的详细结构、附图方式或实现方法，相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (22)
1.一种用于自动驾驶的停车仿真测试方法，其特征在于，包括：
获取车位下发误码率，其中所述车位下发误码率是在向被测车辆下发指令，由信号传输问题导致指令发生误码时确定的；
向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试；
获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述停车结果用于确认所述当前被测自动驾驶车辆是否准确的泊入所述目标停车位；
根据所述车位下发误码率和所述目标次数确定停车测试阈值；
根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果；其中，所述目标停车结果包括所述当前被测自动驾驶车辆通过停车测试；
其中，根据所述车位下发误码率和所述目标次数确定停车测试阈值，包括：
用所述目标次数减去所述目标次数与所述误码率的乘积，获得所述停车测试阈值；
其中所述停车测试阈值包括停车测试通过阈值；其中，根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果，包括：
根据所述停车结果确定所述当前被测自动驾驶车辆准确泊入所述目标停车位的次数大于所述停车测试通过阈值时，则确定所述目标停车结果为所述当前被测自动驾驶车辆通过停车测试。
2.根据权利要求1所述方法，其特征在于，获取车位下发误码率，包括：
向历史测试自动驾驶车辆下发停车位是否可用的第一车位指示信息；
接收所述历史测试自动驾驶车辆响应所述第一车位指示信息后反馈的第二车位指示信息；
根据所述第一车位指示信息与第二车位指示信息统计获得所述车位下发误码率。
3.根据权利要求1所述方法，其特征在于，根据所述车位下发误码率和所述目标次数确定停车测试阈值，还包括：
获取所述目标停车场的停车位异常概率值；
根据所述车位下发误码率、所述目标次数和所述停车位异常概率值确定所述停车测试阈值；
其中，根据所述车位下发误码率、所述目标次数和所述停车位异常概率值确定所述停车测试阈值，包括：
用所述车位下发误码率与1的差值与所述停车位异常概率值与1的差值相乘后、再与所述目标次数相乘，以获得所述停车测试通过阈值。
4.根据权利要求3所述方法，其特征在于，所述目标次数的停车指令包括针对第一停车位的停车指令，所述停车结果包括针对所述第一停车位的停车结果，所述针对所述第一停车位的停车结果包括所述第一停车位为异常停车位的异常提示信息；其中，获取所述目标停车场的停车位异常概率值，包括：
获取所述目标停车场中的初始正常停车位和初始异常停车位；
根据所述异常提示信息更新所述初始正常停车位和初始异常停车位，以获得目标正常停车位和目标异常停车位；
根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
5.根据权利要求3所述方法，其特征在于，获取所述目标停车场的停车位异常概率值，包括：
获取所述目标停车场中的目标传感器信息；
根据所述目标传感器信息，确定所述目标停车场中的目标正常停车位和目标异常停车位；
根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
6.根据权利要求1所述方法，其特征在于，所述停车测试阈值包括停车测试不通过阈值；
其中，根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果，包括：
根据所述停车结果实时统计所述当前被测自动驾驶车辆未能准确泊入所述目标停车位的次数；
若所述当前被测自动驾驶车辆未能准确泊入所述目标停车位的次数超过所述停车测试不通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为所述当前被测自动驾驶车辆未通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
7.根据权利要求1所述方法，其特征在于，在执行向当前被测自动驾驶车辆下发目标次数的停车指令之前，所述方法还包括：
获取第一真实停车场信息；
根据所述第一真实停车场信息进行三维建模，以生成虚拟停车场信息；
根据所述虚拟停车场信息生成所述目标停车场。
8.根据权利要求7所述方法，其特征在于，根据所述虚拟停车场信息生成所述目标停车场，包括：
获取第二真实停车场信息；
根据所述第二真实停车场信息和所述虚拟停车场信息生成所述目标停车场。
9.根据权利要求1所述方法，其特征在于，所述目标停车位包括真实停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述真实停车位停车的第一指令；其中，向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试，包括：
向所述当前被测自动驾驶车辆下发所述第一指令，以控制所述当前被测自动驾驶车辆真实泊入所述真实停车位进行停车。
10.根据权利要求1所述方法，其特征在于，所述目标停车位包括虚拟停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述虚拟停车位停车的第二指令；其中，向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试，包括：
向所述当前被测自动驾驶车辆下发所述第二指令，以便所述当前被测自动驾驶车辆根据所述第二指令给出虚拟停车行为信息；
接收所述虚拟停车行为信息，并判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息是否能够正常进入所述虚拟停车位进行停车；
若判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息能够正常进入所述虚拟停车位进行停车，则确定所述当前被测自动驾驶车辆针对所述第二指令完成停车。
11.一种用于自动驾驶的停车仿真测试装置，其特征在于，包括：
误码率获取模块，配置为获取车位下发误码率，其中所述车位下发误码率是在向被测车辆下发指令，由信号传输问题导致指令发生误码时确定的；
停车指令下发模块，配置为向当前被测自动驾驶车辆下发目标次数的停车指令，所述停车指令包括目标停车场的目标停车位信息，以控制所述当前被测自动驾驶车辆在所述目标停车位信息对应的目标停车位进行停车测试；
停车结果获取模块，配置为获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述停车结果用于确认所述当前被测自动驾驶车辆是否准确的泊入所述目标停车位；
停车测试阈值确定模块，配置为根据所述车位下发误码率和所述目标次数确定停车测试阈值；
目标停车结果确定模块，配置为根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果；其中所述目标停车结果包括所述当前被测自动驾驶车辆通过停车测试；
其中，所述停车测试阈值包括停车测试通过阈值；
其中，根据所述车位下发误码率和所述目标次数确定停车测试阈值，包括：
用所述目标次数减去所述目标次数与所述误码率的乘积，获得所述停车测试阈值；
其中，根据所述测试阈值和所述停车结果确定所述当前被测自动驾驶车辆的目标停车结果，包括：
根据所述停车结果确定所述当前被测自动驾驶车辆准确泊入所述目标停车位的次数大于所述停车测试通过阈值时，则确定所述目标停车结果为所述当前被测自动驾驶车辆通过停车测试。
12.根据权利要求11所述装置，其特征在于，所述误码率获取模块包括：
第一车位指示信息下发子模块，配置为向历史测试自动驾驶车辆下发停车位是否可用的第一车位指示信息；
第二车位指示信息接收子模块，配置为接收所述历史测试自动驾驶车辆响应所述第一车位指示信息后反馈的第二车位指示信息；
车位下发误码率确定子模块，配置为根据所述第一车位指示信息与第二车位指示信息统计获得所述车位下发误码率。
13.根据权利要求11所述装置，其特征在于，停车测试阈值确定模块还包括：
停车位异常概率值确定子模块，配置为获取所述目标停车场的停车位异常概率值；
测试阈值确定子模块，配置为根据所述车位下发误码率、所述目标次数和所述停车位异常概率值确定所述停车测试阈值；
其中，根据所述车位下发误码率、所述目标次数和所述停车位异常概率值确定所述停车测试阈值，包括：
用所述车位下发误码率与1的差值与所述停车位异常概率值与1的差值相乘后、再与所述目标次数相乘，以获得所述停车测试通过阈值。
14.根据权利要求13所述装置，其特在于，所述目标次数的停车指令包括针对第一停车位的停车指令，所述停车结果包括针对所述第一停车位的停车结果，所述针对所述第一停车位的停车结果包括所述第一停车位为异常停车位的异常提示信息；所述停车位异常概率值确定子模块包括：
初始异常停车位确定单元，配置为获取所述目标停车场中的初始正常停车位和初始异常停车位；
目标异常停车位确定单元，配置为根据所述异常提示信息更新所述初始正常停车位和初始异常停车位，以获得目标正常停车位和目标异常停车位；
停车位异常概率值第一确定单元可以配置为根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
15.根据权利要求13所述装置，其特征在于，所述停车位异常概率值确定子模块可以包括：
目标传感器信息获取单元，配置为获取所述目标停车场中的目标传感器信息；
目标传感器信息处理单元，配置为根据所述目标传感器信息，确定所述目标停车场中的目标正常停车位和目标异常停车位；
停车位异常概率值第二确定单元，配置为根据所述目标正常停车位和所述目标异常停车位确定所述停车位异常概率值。
16.根据权利要求11所述装置，其特征在于，所述停车测试阈值包括停车测试不通过阈值；所述停车结果获取模块还包括：
第一实时信息获取子模块，配置为实时获取所述当前被测自动驾驶车辆响应所述停车指令的停车结果，所述的停车结果包括异常停车结果；
其中，目标停车结果确定模块包括：
异常停车次数获取子模块，配置为根据所述停车结果实时统计所述当前被测自动驾驶车辆未能准确泊入所述目标停车位的次数；
停车测试未通过确定子模块，配置为若所述当前被测自动驾驶车辆未能准确泊入所述目标停车位的次数超过所述停车测试不通过阈值，则确定所述当前被测自动驾驶车辆的目标停车结果为所述当前被测自动驾驶车辆未通过停车测试，并停止对所述当前被测自动驾驶车辆的停车测试。
17.根据权利要求11所述装置，其特征在于，所述装置还包括：
第一真实停车场信息获取模块，配置为在执行向当前被测自动驾驶车辆下发目标次数的停车指令之前获取第一真实停车场信息；
三维建模模块，配置为根据所述第一真实停车场信息进行三维建模，以生成虚拟停车场信息；
目标停车场生成模块，配置为根据所述虚拟停车场信息生成所述目标停车场。
18.根据权利要求17所述装置，其特征在于，所述目标停车场生成模块包括：
第二真实停车场信息获取子模块，配置为获取第二真实停车场信息
目标停车场生成子模块，配置为根据所述第二真实停车场信息和所述虚拟停车场信息生成所述目标停车场。
19.根据权利要求11所述装置，其特征在于，所述目标停车位包括真实停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述真实停车位停车的第一指令；所述停车指令下发模块包括：
第一指令下发子模块，配置为向所述当前被测自动驾驶车辆下发所述第一指令，以控制所述当前被测自动驾驶车辆真实泊入所述真实停车位进行停车。
20.根据权利要求11所述装置，其特征在于，所述目标停车位包括虚拟停车位，所述停车指令包括控制所述当前被测自动驾驶车辆向所述虚拟停车位停车的第二指令；所述停车指令下发模块包括：
第二指令下发子模块，配置为向所述当前被测自动驾驶车辆下发所述第二指令，以便所述当前被测自动驾驶车辆根据所述第二指令给出虚拟停车行为信息；
虚拟停车行为信息接收子模块，配置为接收所述虚拟停车行为信息，并判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息是否能够正常进入所述虚拟停车位进行停车；
判断子模块，配置为若判断所述当前被测自动驾驶车辆根据所述虚拟停车行为信息能够正常进入所述虚拟停车位进行停车，则确定所述当前被测自动驾驶车辆针对所述第二指令完成停车。
21.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一项所述的方法。
22.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-10中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011075027.9A CN112289023B (zh) | 2020-10-09 | 2020-10-09 | 用于自动驾驶的停车仿真测试方法、装置及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011075027.9A CN112289023B (zh) | 2020-10-09 | 2020-10-09 | 用于自动驾驶的停车仿真测试方法、装置及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112289023A CN112289023A (zh) | 2021-01-29 |
| CN112289023B true CN112289023B (zh) | 2024-03-26 |
Family
ID=74421800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011075027.9A Active CN112289023B (zh) | 2020-10-09 | 2020-10-09 | 用于自动驾驶的停车仿真测试方法、装置及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112289023B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9969386B1 (en) * | 2017-01-10 | 2018-05-15 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle automated parking system and method |
| CN108241354A (zh) * | 2016-12-26 | 2018-07-03 | 乐视汽车（北京）有限公司 | 用于自动驾驶仿真系统的测试方法 |
| DE102017200319A1 (de) * | 2017-01-11 | 2018-07-12 | Robert Bosch Gmbh | Konzept zum Leiten eines nach einem freien Stellplatz eines mehrere Stellplätze umfassenden Parkplatzes suchenden Kraftfahrzeugs |
| CN108319259A (zh) * | 2018-03-22 | 2018-07-24 | 上海科梁信息工程股份有限公司 | 一种测试系统及测试方法 |
| CN108760332A (zh) * | 2018-05-14 | 2018-11-06 | 公安部交通管理科学研究所 | 基于场地驾驶的自动驾驶汽车测试场景构建方法 |
| CN109032103A (zh) * | 2017-06-09 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的测试方法、装置、设备及存储介质 |
| JP2019016341A (ja) * | 2017-07-10 | 2019-01-31 | アンリツ株式会社 | 車載アプリケーションの試験システム及び試験方法 |
| CN109948289A (zh) * | 2019-04-01 | 2019-06-28 | 清华大学 | 基于最大全局侵占率搜索的车辆自主泊车功能测评方法 |
| CN110572231A (zh) * | 2019-09-09 | 2019-12-13 | 北京百度网讯科技有限公司 | 时间同步方法、装置及设备 |
| CN110618910A (zh) * | 2019-08-27 | 2019-12-27 | 中国第一汽车股份有限公司 | 一种测试系统及方法 |
| CN110617970A (zh) * | 2018-06-19 | 2019-12-27 | 上海汽车集团股份有限公司 | 一种泊车反应时间的测试系统及方法 |
| CN111562117A (zh) * | 2020-06-03 | 2020-08-21 | 中国第一汽车股份有限公司 | 一种自动泊车系统的测试装置、方法和存储介质 |
| CN111610033A (zh) * | 2019-02-22 | 2020-09-01 | 广州汽车集团股份有限公司 | 自动泊车系统的测试方法和装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017214049A (ja) * | 2016-05-27 | 2017-12-07 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | セキュリティ検査システム、セキュリティ検査方法、機能評価装置、及びプログラム |
| US20180025640A1 (en) * | 2016-07-19 | 2018-01-25 | Ford Global Technologies, Llc | Using Virtual Data To Test And Train Parking Space Detection Systems |
| DE102017213634A1 (de) * | 2017-08-07 | 2019-02-07 | Ford Global Technologies, Llc | Verfahren und Vorrichtung für die Durchführung von virtuellen Tests in einer virtuellen Realitätsumgebung für ein autonom fahrendes Fahrzeug |
-
2020
- 2020-10-09 CN CN202011075027.9A patent/CN112289023B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108241354A (zh) * | 2016-12-26 | 2018-07-03 | 乐视汽车（北京）有限公司 | 用于自动驾驶仿真系统的测试方法 |
| US9969386B1 (en) * | 2017-01-10 | 2018-05-15 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle automated parking system and method |
| DE102017200319A1 (de) * | 2017-01-11 | 2018-07-12 | Robert Bosch Gmbh | Konzept zum Leiten eines nach einem freien Stellplatz eines mehrere Stellplätze umfassenden Parkplatzes suchenden Kraftfahrzeugs |
| CN109032103A (zh) * | 2017-06-09 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的测试方法、装置、设备及存储介质 |
| JP2019016341A (ja) * | 2017-07-10 | 2019-01-31 | アンリツ株式会社 | 車載アプリケーションの試験システム及び試験方法 |
| CN108319259A (zh) * | 2018-03-22 | 2018-07-24 | 上海科梁信息工程股份有限公司 | 一种测试系统及测试方法 |
| CN108760332A (zh) * | 2018-05-14 | 2018-11-06 | 公安部交通管理科学研究所 | 基于场地驾驶的自动驾驶汽车测试场景构建方法 |
| CN110617970A (zh) * | 2018-06-19 | 2019-12-27 | 上海汽车集团股份有限公司 | 一种泊车反应时间的测试系统及方法 |
| CN111610033A (zh) * | 2019-02-22 | 2020-09-01 | 广州汽车集团股份有限公司 | 自动泊车系统的测试方法和装置 |
| CN109948289A (zh) * | 2019-04-01 | 2019-06-28 | 清华大学 | 基于最大全局侵占率搜索的车辆自主泊车功能测评方法 |
| CN110618910A (zh) * | 2019-08-27 | 2019-12-27 | 中国第一汽车股份有限公司 | 一种测试系统及方法 |
| CN110572231A (zh) * | 2019-09-09 | 2019-12-13 | 北京百度网讯科技有限公司 | 时间同步方法、装置及设备 |
| CN111562117A (zh) * | 2020-06-03 | 2020-08-21 | 中国第一汽车股份有限公司 | 一种自动泊车系统的测试装置、方法和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 自动驾驶整车在环仿真平台研究及模拟实现;马志成;王立;李志斌;;汽车实用技术(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112289023A (zh) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11400928B2 (en) | Driverless vehicle testing method and apparatus, device and storage medium | |
| JP6952165B2 (ja) | 障害物検出方法および装置 | |
| CN113129596B (zh) | 行驶数据处理方法、装置、设备、存储介质及程序产品 | |
| US20190066249A1 (en) | Ride share behavior monitoring | |
| KR20200056300A (ko) | 자율주행차량의 경로 검증 실행을 제어하기 위한 방법 및 장치 | |
| CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
| CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
| WO2018141415A1 (en) | Enabling remote control of a vehicle | |
| CN113535569A (zh) | 自动驾驶的控制效果确定方法 | |
| US20200164881A1 (en) | Vehicle passing controller | |
| CN111551190B (zh) | 自动驾驶确定定位能力的方法、装置、设备及介质 | |
| CN113721621A (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
| KR102139172B1 (ko) | 가상환경에서의 자율주행차량 시뮬레이션 방법 | |
| CN115454843A (zh) | 一种无人驾驶仿真装置及自动化测试方法 | |
| CN111461980B (zh) | 点云拼接算法的性能估计方法和装置 | |
| CN109827610B (zh) | 用于校验传感器融合结果的方法和装置 | |
| CN112289023B (zh) | 用于自动驾驶的停车仿真测试方法、装置及相关设备 | |
| CN112017462A (zh) | 用于生成场景信息的方法、装置、电子设备和介质 | |
| CN113479194B (zh) | 泊车控制方法、装置、电子设备和可读介质 | |
| CN111833608B (zh) | 路况信息的处理方法、装置 | |
| CN113183988B (zh) | 一种车辆自动驾驶的监督方法、装置、设备及存储介质 | |
| CN112590798B (zh) | 用于检测驾驶员状态的方法、装置、电子设备和介质 | |
| CN115384536A (zh) | 一种驾驶辅助系统控制器的评估方法、装置、设备及介质 | |
| CN112526477B (zh) | 用于处理信息的方法和装置 | |
| CN109859254B (zh) | 自动驾驶中用于发送信息的方法和装置 |
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 |