CN112307566B - 车辆仿真测试方法、装置、设备及存储介质 - Google Patents
车辆仿真测试方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112307566B CN112307566B CN202011266268.1A CN202011266268A CN112307566B CN 112307566 B CN112307566 B CN 112307566B CN 202011266268 A CN202011266268 A CN 202011266268A CN 112307566 B CN112307566 B CN 112307566B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- simulation
- scene
- simulation 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于车辆测试技术领域,公开了一种车辆仿真测试方法、装置、设备及存储介质。该方法包括:在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。通过上述方式,采集真实场景数据,构建仿真测试场景,从而对目标决策系统进行测试,避免了人为手动构建仿真场景,得到的仿真测试场景更真实,对目标决策系统的测试结果更准确,解决了现有技术中车辆仿真测试构建的场景与真实场景存在较大差异的技术问题。
Description
技术领域
本发明涉及车辆测试技术领域,尤其涉及一种车辆仿真测试方法、装置、设备及存储介质。
背景技术
装配有ADAS(高级辅助系统)系统的车辆已经大批量生产,ADAS系统可以减少驾驶员疲劳,减少交通事故。不仅如此,基于高速公路的自动驾驶系统也逐渐批量生产。自动驾驶及ADAS车辆的各项功能进行实车验证前,仿真测试在所难免,仿真测试平台是通过仿真把真实世界投影到真实世界,并且需要构造真实世界的物理规律。仿真测试平台通过仿真采集数据,可以把训练时间大大提高,加快模型迭代速度。同时可以减少直接路试带来的安全风险。
当前ADAS及自动驾驶平台例如通过Prescan软件构件虚拟场景,如构建道路信息、交通标识信息、天气信息、以及传感器信息,carsim软件提供仿真车辆动力学,并结合matlab或其他软件构建ADAS或自动驾驶功能来进行仿真测试,测试ADAS或自动驾驶功能是否满足需求。
当前仿真测试场景的构建需要手动进行构建,如通过Prescan构建一个复杂的道路场景需要花费很长一段时间,且通过Prescan或其他仿真软件构建的虚拟场景不能完全模拟真实时间中的所有场景,且构建的场景信息和真实场景存在一定的差距。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车辆仿真测试方法、装置、设备及存储介质,旨在解决现有技术中车辆仿真测试构建的场景与真实场景存在较大差异的技术问题。
为实现上述目的,本发明提供了一种车辆仿真测试方法,所述方法包括以下步骤:
在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;
对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;
根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
可选地,所述在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息,包括:
在待测试车辆处于真实测试场景内行驶时,通过激光雷达以及毫米波雷达获取周围环境信息;
通过相机传感器获取周围标识信息;
通过超声波雷达获取近距离障碍物信息;
将所述周围环境信息、所述周围标识信息以及所述近距离障碍物信息作为真实测试场景数据信息。
可选地,所述对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景,包括:
从所述周围标识信息中提取短距标识信息、中距标识信息以及长距标识信息;
对所述周围环境信息和所述短距标识信息进行融合,得到仿真环境场景;
根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的相对运动信息;
对所述周围环境信息、所述中距标识信息以及所述长距标识信息进行融合,得到所述待测试车辆所属车道内的障碍物信息;
根据所述仿真环境场景、所述相对运动信息以及所述障碍物信息得到仿真测试场景。
可选地,所述根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的相对运动信息,包括:
根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的连续多帧坐标信息;
根据所述连续多帧坐标信息通过最小二乘法公式进行拟合,得到所述近距离障碍物对应的运动轨迹直线方程;
根据所述运动轨迹直线方程计算所述近距离障碍物相对于所述待测试车辆的航向角值;
根据所述航向角值以及所述运动轨迹直线方程确定所述近距离障碍物对应的相对运动轨迹;
将所述相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
可选地,所述根据所述航向角值以及所述运动轨迹直线方程确定所述近距离障碍物对应的相对运动轨迹之后,所述方法包括:
在所述相对运动轨迹上选取若干个点;
根据三次样条曲线方程依次连接若干个点,得到若干个直线轨迹线段;
根据若干个直线轨迹线段得到目标相对运动轨迹;
所述将所述运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息,包括:
将所述目标相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
可选地,所述根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果,包括:
根据所述仿真测试场景确定所述待测试车辆对应的目标决策系统的仿真决策信息;
将所述仿真决策信息与驾驶员的实际决策信息进行比较;
在所述仿真决策信息与所述实际决策信息不一致时,获取当前仿真行驶状态;
在所述当前仿真行驶状态为异常时,得到系统待优化的功能测试结果。
可选地,所述对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景之后,所述方法还包括:
将所述仿真测试场景进行离线缓存,得到离线仿真测试场景信息;
获取用户输入的修改信息,根据所述修改信息对所述离线仿真测试场景信息进行修改,得到目标仿真测试场景;
所述根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果,包括:
根据所述目标仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
此外,为实现上述目的,本发明还提出一种车辆仿真测试装置,所述车辆仿真测试装置包括:
获取模块,用于在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;
仿真模块,用于对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;
测试模块,用于根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
此外,为实现上述目的,本发明还提出一种车辆仿真测试设备,所述车辆仿真测试设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆仿真测试程序,所述车辆仿真测试程序配置为实现如上文所述的车辆仿真测试方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有车辆仿真测试程序,所述车辆仿真测试程序被处理器执行时实现如上文所述的车辆仿真测试方法的步骤。
本发明通过在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。通过上述方式,采集真实场景数据,构建仿真测试场景,从而对目标决策系统进行测试,避免了人为手动构建仿真场景,得到的仿真测试场景更真实,对目标决策系统的测试结果更准确,解决了现有技术中车辆仿真测试构建的场景与真实场景存在较大差异的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车辆仿真测试设备的结构示意图;
图2为本发明车辆仿真测试方法第一实施例的流程示意图;
图3为本发明车辆仿真测试方法第二实施例的流程示意图;
图4为本发明车辆仿真测试方法第三实施例的流程示意图;
图5为本发明车辆仿真测试装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车辆仿真测试设备结构示意图。
如图1所示,该车辆仿真测试设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对车辆仿真测试设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆仿真测试程序。
在图1所示的车辆仿真测试设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明车辆仿真测试设备中的处理器1001、存储器1005可以设置在车辆仿真测试设备中,所述车辆仿真测试设备通过处理器1001调用存储器1005中存储的车辆仿真测试程序,并执行本发明实施例提供的车辆仿真测试方法。
本发明实施例提供了一种车辆仿真测试方法,参照图2,图2为本发明一种车辆仿真测试方法第一实施例的流程示意图。
本实施例中,所述车辆仿真测试方法包括以下步骤:
步骤S10:在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息。
可以理解的是,本实施例的执行主体为车辆仿真测试设备,所述车辆仿真测试设备可以是电脑、服务器以及带有存储单元的处理器,也可以为车载电脑,也可以为其他能实现同样功能的设备,本实施例对此不加以限制。
需要说明的是,真实测试场景可以为测试员设置的室内外场景,也可以为实际驾驶场景。真实测试场景数据信息可以包括:雷达数据信息、速度信息、位置信息、视觉数据、里程数据以及油液温度信息等。真实测试场景数据信息通过安装于待测试车辆上的各类传感器获取。各类传感器与车辆仿真测试设备通信连接,以向车辆仿真测试设备传输真实测试场景信息。部分真实测试场景数据信息可通过待测试车辆上已经安装好的采集设备获取,与车载电脑连接或者与车载T-BOX连接,从而通过车辆CAN总线获取车辆参数信息。
具体地,为了得到更准确的真实测试场景数据信息,从而仿真出真实的仿真测试场景,步骤S10,包括:在待测试车辆处于真实测试场景内行驶时,通过激光雷达以及毫米波雷达获取周围环境信息;通过相机传感器获取周围标识信息;通过超声波雷达获取近距离障碍物信息;将所述周围环境信息、所述周围标识信息以及所述近距离障碍物信息作为真实测试场景数据信息。
需要说明的是,通过安装在车辆周围的传感器进行道路信息的采集,所用的传感器包括激光雷达、毫米波雷达、超声波雷达及相机传感器。激光雷达安装在车顶,毫米波雷达安装在车辆四周,形成车辆周围360度覆盖,相机安装在车辆四周,形成360环视覆盖;超声波雷达安装于车顶。激光雷达以及毫米波雷达用于采集车辆周围环境信息,如车辆、行人以及障碍物等;相机传感器用于采集车辆道路信息、交通标识信息、障碍物信息及车辆行人的识别等;超声波雷达用于车辆低速行驶或泊车时采集车辆周围的障碍物信息。
步骤S20:对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景。
在具体实现中,基于采集到的数据完成场景元素的提取,提取得到的场景元素包括:车辆所在道路的车道数量、道路护栏/路牙/隔离带、交通杆、交通信号灯及车辆左前/右前/正前方的车辆、行人以及动物等。进行场景的拼接,拼接后的虚拟场景与真实场景保持一致,场景拼接以周围场景元素的种类、每类元素的数量、距离以及大小等为依据进行。同时基于真实场景中采集车辆与周围环境个元素的相对运动建立周围环境元素的运动轨迹,包括行驶方向速度等。从而得到带有环境信息和运动信息的仿真测试场景。可以将各类传感器设置为实时将采集到的数据通过云服务传送给车辆仿真测试设备,从而实现采集数据和场景仿真同步进行。
步骤S30:根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
可以理解的是,目标决策系统可以包括自动驾驶系统及高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)。根据实时建立的仿真场景对自动驾驶及ADAS系统进行仿真测试,具体过程可以为:在待测试车辆处于真实测试场景中时,开启自动驾驶及ADAS系统功能,记录车辆行驶路线,与提前采集的人为行驶路线对比,在预设目标规范和符合交通规范的前提下,判断路线是否合理,如果不合理,得到得到系统待优化的功能测试结果。还可以在驾驶员控制车辆在真实测试场景内行驶时,后台运行目标决策系统,判断当前系统的决策与驾驶员操作是否保持一致,并以此作为参考,判断是否需要对该系统进行进一步的优化。
进一步地,为了得到更准确的仿真测试结果,步骤S30,包括:根据所述仿真测试场景确定所述待测试车辆对应的目标决策系统的仿真决策信息;将所述仿真决策信息与驾驶员的实际决策信息进行比较;在所述仿真决策信息与所述实际决策信息不一致时,获取当前仿真行驶状态;在所述当前仿真行驶状态为异常时,得到系统待优化的功能测试结果。
可以理解的是,在待测试车辆处于真实测试场景内行驶并且进行数据采集时,自动驾驶或者ADAS系统会在后台运行,虚拟车辆基于其车身上安装的虚拟传感器检测虚拟车辆周围的道路场景、运动物体等,并基于检测到的场景信息进行决策。记录目标决策系统的决策与人类驾驶员的决策是否一致,如不一致则进行标记,方便后续查找原因。仿真决策信息由目标决策系统根据仿真测试场景进行确定的,包括:加速、减速、变道、停车、转弯以及掉头等决策信息。当前仿真行驶状态为目标决策系统控制的待测试车辆在仿真测试场景中的行驶状态,行驶状态可以包括与近距离障碍物的相对运动轨迹是否发生重合,还可以包括虚拟车辆在仿真测试场景内的行驶状态。例如,驾驶员控制待测试车辆在一车道上行驶,看到前面有障碍物,选择变道以避开障碍物,车辆在自动驾驶系统的控制下遇到同样的状态未变道,与障碍物发生了擦碰,此时,得到系统待优化的功能测试结果。异常状态可以包括:发生碰撞、违反交规以及超速等等。
进一步地,为了得到更精确的仿真测试场景,还提供离线仿真功能,步骤S20之后,所述方法还包括:将所述仿真测试场景进行离线缓存,得到离线仿真测试场景信息;获取用户输入的修改信息,根据所述修改信息对所述离线仿真测试场景信息进行修改,得到目标仿真测试场景;相应地,步骤S30,包括:根据所述目标仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
可以理解的是,实时在线仿真可能存在与真实场景有差别的情况,如某个车辆或者行人未被识别到;由于实时在线仿真不能对场景进行更改及回放。本实施例中,通过将仿真测试场景进行离线缓存,缓存的数据中可以包括当前各类传感器采集的真实场景数据信息和仿真测试场景融合后的数据,用户可以对基于离线数据建立的场景进行修改,以使离线仿真场景信息与真实场景之间的差别消除,可以基于当前场景为基础对离线仿真测试场景增加或删减更多的元素。
本实施例通过在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。通过上述方式,采集真实场景数据,构建仿真测试场景,从而对目标决策系统进行测试,避免了人为手动构建仿真场景,得到的仿真测试场景更真实,对目标决策系统的测试结果更准确,解决了现有技术中车辆仿真测试构建的场景与真实场景存在较大差异的技术问题。
参考图3,图3为本发明一种车辆仿真测试方法第二实施例的流程示意图。
基于上述第一实施例和第二实施例,本实施例车辆仿真测试方法的所述步骤S20,包括:
步骤S201:从所述周围标识信息中提取短距标识信息、中距标识信息以及长距标识信息。
可以理解的是,以待测试车辆沿着当前车道行驶为例进行说明,采集的数据主要为前方障碍物和环境信息,相机传感器包括短距前视相机、中距前视相机以及长距前视相机,从周围标识信息可以提取前视相机采集的短距标识信息、中距标识信息以及长距标识信息。
步骤S202:对所述周围环境信息和所述短距标识信息进行融合,得到仿真环境场景。
需要说明的是,基于前方短距前视相机及前方毫米波雷达数据以及激光雷达采集到的数据信息完成道路护栏、路牙、道路车道信息的融合以及进距离障碍物的融合与跟踪。
步骤S203:根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的相对运动信息。
可以理解的是,根据所述近距离障碍物信息获取基于障碍物相对于待测试车辆的行驶速度、行驶距离、相对角度信息以及所在车道信息,从而生成测试测量前方进距离障碍物的行驶轨迹。
步骤S204:对所述周围环境信息、所述中距标识信息以及所述长距标识信息进行融合,得到所述待测试车辆所属车道内的障碍物信息。
需要说明的是,基于前方中距相机、前方长距相机、毫米波雷达以及激光雷达采集到的信息完成当前车道内的障碍物信息融合与障碍物跟踪。
步骤S205:根据所述仿真环境场景、所述相对运动信息以及所述障碍物信息得到仿真测试场景。
可以理解的是,融合后的仿真测试场景包含车辆所在道路的车道数量、道路护栏/路牙/隔离带、交通杆、交通信号灯及车辆左前/右前/正前方的车辆、行人以及动物等信息。
本实施例通过对真实测试场景数据信息中不同的数据进行分别融合,得到仿真环境场景、相对运动信息以及障碍物信息,得到更真实的仿真测试场景,使根据仿真测试场景对目标决策系统进行测试时,得到更准确的测试结果,避免了人为手动构建仿真场景,解决了现有技术中车辆仿真测试构建的场景与真实场景存在较大差异的技术问题。
参考图4,图4为本发明一种车辆仿真测试方法第三实施例的流程示意图。
基于上述第一实施例和第二实施例,本实施例车辆仿真测试方法的所述步骤S203,包括:
步骤S2031:根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的连续多帧坐标信息。
需要说明的是,近距离障碍物与待测试车辆的距离为预先根据待测试车辆的最高速度计算得到的安全距离确定的,近距离障碍物与待测试车辆的距离大于安全距离。连续多帧的帧数可以根据实际情况进行设置,坐标信息用(x,y)表示,在仿真测试场景中划分网格,根据坐标信息进行位置点标注。
步骤S2032:根据所述连续多帧坐标信息通过最小二乘法公式进行拟合,得到所述近距离障碍物对应的运动轨迹直线方程。
可以理解的是,通过最小二乘法公式(1)拟合近距离障碍物连续多祯运动轨迹的直线方程:
其中,n为帧数,xi和yi为任意一组的坐标数据,为所有帧数的坐标数据对应的x坐标平均值,/>为所有帧数的坐标数据对应的y坐标平均值。
步骤S2033:根据所述运动轨迹直线方程计算所述近距离障碍物相对于所述待测试车辆的航向角值。
可以理解的是,通过公式(2)基于拟合的直线方程计算该近距离障碍物相对于待测试车辆的航向角θ值:
其中Δx、Δy为拟合的直线线段轨迹的x、y坐标的差值。
步骤S2034:根据所述航向角值以及所述运动轨迹直线方程确定所述近距离障碍物对应的相对运动轨迹。
需要说明的是,航向角用于确定近距离障碍物与待测试车辆之间的位置,从而与运动轨迹直线方程相结合,得到近距离障碍物对应的相对运动轨迹。
步骤S2035:将所述相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
需要说明的是,根据近距离障碍物的相对运动轨迹可以为目标决策系统提供更有利的决策信息,从而使测试结果更准确。
进一步地,为了得到更平顺准确的运动轨迹,使场景仿真更真实准确,步骤S2034之后,所述方法还包括:在所述相对运动轨迹上选取若干个点;根据三次样条曲线方程依次连接若干个点,得到若干个直线轨迹线段;根据若干个直线轨迹线段得到目标相对运动轨迹;相应地,步骤S2035,包括:将所述目标相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
可以理解的是,在拟合成的直线轨迹的基础上通过三次样条曲线进行二次拟合。三次样条曲线拟合是在拟合成的直线轨迹线段上选取若干个点,然后基于三次样条曲线方程连接若干个直线轨迹线段。
需要说明的是,在待测试车辆沿着当前车道运行时,通过前视相机采集相关视觉数据,对前方障碍物的运动轨迹进行拟合,当车辆变道时,与车辆在当前车道内类似,但是车辆变道时会检测待测试车辆右后方或者左后方的车辆或其他运动物体,并拟合运动物体的行驶轨迹。
本实施例通过对近距离障碍物与待测试车辆之间的相对运动轨迹进行拟合,为仿真测试提供更真实的运动信息,避免了人为手动构建仿真场景,解决了现有技术中车辆仿真测试构建的场景与真实场景存在较大差异的技术问题。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有车辆仿真测试程序,所述车辆仿真测试程序被处理器执行时实现如上文所述的车辆仿真测试方法的步骤。
参照图5,图5为本发明车辆仿真测试装置第一实施例的结构框图。
如图5所示,本发明实施例提出的车辆仿真测试装置包括:
获取模块10,用于在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息。
需要说明的是,真实测试场景可以为测试员设置的室内外场景,也可以为实际驾驶场景。真实测试场景数据信息可以包括:雷达数据信息、速度信息、位置信息、视觉数据、里程数据以及油液温度信息等。真实测试场景数据信息通过安装于待测试车辆上的各类传感器获取。各类传感器与获取模块10通信连接,以向获取模块10传输真实测试场景信息。部分真实测试场景数据信息可通过待测试车辆上已经安装好的采集设备获取,与车载电脑连接或者与车载T-BOX连接,从而通过车辆CAN总线获取车辆参数信息。
具体地,为了得到更准确的真实测试场景数据信息,从而仿真出真实的仿真测试场景,所述获取模块10,还用于在待测试车辆处于真实测试场景内行驶时,通过激光雷达以及毫米波雷达获取周围环境信息;通过相机传感器获取周围标识信息;通过超声波雷达获取近距离障碍物信息;将所述周围环境信息、所述周围标识信息以及所述近距离障碍物信息作为真实测试场景数据信息。
需要说明的是,通过安装在车辆周围的传感器进行道路信息的采集,所用的传感器包括激光雷达、毫米波雷达、超声波雷达及相机传感器。激光雷达安装在车顶,毫米波雷达安装在车辆四周,形成车辆周围360度覆盖,相机安装在车辆四周,形成360环视覆盖;超声波雷达安装于车顶。激光雷达以及毫米波雷达用于采集车辆周围环境信息,如车辆、行人以及障碍物等;相机传感器用于采集车辆道路信息、交通标识信息、障碍物信息及车辆行人的识别等;超声波雷达用于车辆低速行驶或泊车时采集车辆周围的障碍物信息。
仿真模块20,用于对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景。
在具体实现中,基于采集到的数据完成场景元素的提取,提取得到的场景元素包括:车辆所在道路的车道数量、道路护栏/路牙/隔离带、交通杆、交通信号灯及车辆左前/右前/正前方的车辆、行人以及动物等。进行场景的拼接,拼接后的虚拟场景与真实场景保持一致,场景拼接以周围场景元素的种类、每类元素的数量、距离以及大小等为依据进行。同时基于真实场景中采集车辆与周围环境个元素的相对运动建立周围环境元素的运动轨迹,包括行驶方向速度等。从而得到带有环境信息和运动信息的仿真测试场景。可以将各类传感器设置为实时将采集到的数据通过云服务传送给获取模块10,从而实现采集数据和场景仿真同步进行。
测试模块30,用于根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
可以理解的是,目标决策系统可以包括自动驾驶系统及高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)。根据实时建立的仿真场景对自动驾驶及ADAS系统进行仿真测试,具体过程可以为:在待测试车辆处于真实测试场景中时,开启自动驾驶及ADAS系统功能,记录车辆行驶路线,与提前采集的人为行驶路线对比,在预设目标规范和符合交通规范的前提下,判断路线是否合理,如果不合理,得到得到系统待优化的功能测试结果。还可以在驾驶员控制车辆在真实测试场景内行驶时,后台运行目标决策系统,判断当前系统的决策与驾驶员操作是否保持一致,并以此作为参考,判断是否需要对该系统进行进一步的优化。
进一步地,为了得到更准确的仿真测试结果,所述测试模块30,还用于根据所述仿真测试场景确定所述待测试车辆对应的目标决策系统的仿真决策信息;将所述仿真决策信息与驾驶员的实际决策信息进行比较;在所述仿真决策信息与所述实际决策信息不一致时,获取当前仿真行驶状态;在所述当前仿真行驶状态为异常时,得到系统待优化的功能测试结果。
可以理解的是,在待测试车辆处于真实测试场景内行驶并且进行数据采集时,自动驾驶或者ADAS系统会在后台运行,虚拟车辆基于其车身上安装的虚拟传感器检测虚拟车辆周围的道路场景、运动物体等,并基于检测到的场景信息进行决策。记录目标决策系统的决策与人类驾驶员的决策是否一致,如不一致则进行标记,方便后续查找原因。仿真决策信息由目标决策系统根据仿真测试场景进行确定的,包括:加速、减速、变道、停车、转弯以及掉头等决策信息。当前仿真行驶状态为目标决策系统控制的待测试车辆在仿真测试场景中的行驶状态,行驶状态可以包括与近距离障碍物的相对运动轨迹是否发生重合,还可以包括虚拟车辆在仿真测试场景内的行驶状态。例如,驾驶员控制待测试车辆在一车道上行驶,看到前面有障碍物,选择变道以避开障碍物,车辆在自动驾驶系统的控制下遇到同样的状态未变道,与障碍物发生了擦碰,此时,得到系统待优化的功能测试结果。异常状态可以包括:发生碰撞、违反交规以及超速等等。
进一步地,为了得到更精确的仿真测试场景,还提供离线仿真功能,所述测试模块30,还用于将所述仿真测试场景进行离线缓存,得到离线仿真测试场景信息;获取用户输入的修改信息,根据所述修改信息对所述离线仿真测试场景信息进行修改,得到目标仿真测试场景;相应地,步骤S30,包括:根据所述目标仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
可以理解的是,实时在线仿真可能存在与真实场景有差别的情况,如某个车辆或者行人未被识别到;由于实时在线仿真不能对场景进行更改及回放。本实施例中,通过将仿真测试场景进行离线缓存,缓存的数据中可以包括当前各类传感器采集的真实场景数据信息和仿真测试场景融合后的数据,用户可以对基于离线数据建立的场景进行修改,以使离线仿真场景信息与真实场景之间的差别消除,可以基于当前场景为基础对离线仿真测试场景增加或删减更多的元素。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。通过上述方式,采集真实场景数据,构建仿真测试场景,从而对目标决策系统进行测试,避免了人为手动构建仿真场景,得到的仿真测试场景更真实,对目标决策系统的测试结果更准确,解决了现有技术中车辆仿真测试构建的场景与真实场景存在较大差异的技术问题。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的车辆仿真测试方法,此处不再赘述。
在一实施例中,所述仿真模块20,还用于从所述周围标识信息中提取短距标识信息、中距标识信息以及长距标识信息;
对所述周围环境信息和所述短距标识信息进行融合,得到仿真环境场景;
根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的相对运动信息;
对所述周围环境信息、所述中距标识信息以及所述长距标识信息进行融合,得到所述待测试车辆所属车道内的障碍物信息;
根据所述仿真环境场景、所述相对运动信息以及所述障碍物信息得到仿真测试场景。
在一实施例中,所述仿真模块20,还用于根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的连续多帧坐标信息;
根据所述连续多帧坐标信息通过最小二乘法公式进行拟合,得到所述近距离障碍物对应的运动轨迹直线方程;
根据所述运动轨迹直线方程计算所述近距离障碍物相对于所述待测试车辆的航向角值;
根据所述航向角值以及所述运动轨迹直线方程确定所述近距离障碍物对应的相对运动轨迹;
将所述相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
在一实施例中,所述仿真模块20,还用于在所述相对运动轨迹上选取若干个点;
根据三次样条曲线方程依次连接若干个点,得到若干个直线轨迹线段;
根据若干个直线轨迹线段得到目标相对运动轨迹;
所述将所述运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息,包括:
将所述目标相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
此外,需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种车辆仿真测试方法,其特征在于,所述车辆仿真测试方法包括:
在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;
对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;
根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果;
所述在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息,包括:
在待测试车辆处于真实测试场景内行驶时,通过激光雷达以及毫米波雷达获取周围环境信息;
通过相机传感器获取周围标识信息;
通过超声波雷达获取近距离障碍物信息;
将所述周围环境信息、所述周围标识信息以及所述近距离障碍物信息作为真实测试场景数据信息;
所述对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景,包括:
从所述周围标识信息中提取短距标识信息、中距标识信息以及长距标识信息;
对所述周围环境信息和所述短距标识信息进行融合,得到仿真环境场景;
根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的相对运动信息;
对所述周围环境信息、所述中距标识信息以及所述长距标识信息进行融合,得到所述待测试车辆所属车道内的障碍物信息;
根据所述仿真环境场景、所述相对运动信息以及所述障碍物信息得到仿真测试场景。
2.如权利要求1所述的车辆仿真测试方法,其特征在于,所述根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的相对运动信息,包括:
根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的连续多帧坐标信息;
根据所述连续多帧坐标信息通过最小二乘法公式进行拟合,得到所述近距离障碍物对应的运动轨迹直线方程;
根据所述运动轨迹直线方程计算所述近距离障碍物相对于所述待测试车辆的航向角值;
根据所述航向角值以及所述运动轨迹直线方程确定所述近距离障碍物对应的相对运动轨迹;
将所述相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
3.如权利要求2所述的车辆仿真测试方法,其特征在于,所述根据所述航向角值以及所述运动轨迹直线方程确定所述近距离障碍物对应的相对运动轨迹之后,所述方法包括:
在所述相对运动轨迹上选取若干个点;
根据三次样条曲线方程依次连接若干个点,得到若干个直线轨迹线段;
根据若干个直线轨迹线段得到目标相对运动轨迹;
所述将所述相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息,包括:
将所述目标相对运动轨迹作为所述近距离障碍物相对于所述待测试车辆的相对运动信息。
4.如权利要求1-3中任一项所述的车辆仿真测试方法,其特征在于,所述根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果,包括:
根据所述仿真测试场景确定所述待测试车辆对应的目标决策系统的仿真决策信息;
将所述仿真决策信息与驾驶员的实际决策信息进行比较;
在所述仿真决策信息与所述实际决策信息不一致时,获取当前仿真行驶状态;
在所述当前仿真行驶状态为异常时,得到系统待优化的功能测试结果。
5.如权利要求1-3中任一项所述的车辆仿真测试方法,其特征在于,所述对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景之后,所述方法还包括:
将所述仿真测试场景进行离线缓存,得到离线仿真测试场景信息;
获取用户输入的修改信息,根据所述修改信息对所述离线仿真测试场景信息进行修改,得到目标仿真测试场景;
所述根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果,包括:
根据所述目标仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果。
6.一种车辆仿真测试装置,其特征在于,所述车辆仿真测试装置包括:
获取模块,用于在待测试车辆处于真实测试场景内行驶时,获取真实测试场景数据信息;
仿真模块,用于对所述真实测试场景数据信息进行提取与融合,得到仿真测试场景;
测试模块,用于根据所述仿真测试场景对所述待测试车辆对应的目标决策系统进行测试,得到功能测试结果;
所述获取模块,还用于在待测试车辆处于真实测试场景内行驶时,通过激光雷达以及毫米波雷达获取周围环境信息;
通过相机传感器获取周围标识信息;
通过超声波雷达获取近距离障碍物信息;
将所述周围环境信息、所述周围标识信息以及所述近距离障碍物信息作为真实测试场景数据信息;
所述仿真模块,还用于从所述周围标识信息中提取短距标识信息、中距标识信息以及长距标识信息;对所述周围环境信息和所述短距标识信息进行融合,得到仿真环境场景;根据所述近距离障碍物信息确定近距离障碍物相对于所述待测试车辆的相对运动信息;对所述周围环境信息、所述中距标识信息以及所述长距标识信息进行融合,得到所述待测试车辆所属车道内的障碍物信息;根据所述仿真环境场景、所述相对运动信息以及所述障碍物信息得到仿真测试场景。
7.一种车辆仿真测试设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆仿真测试程序,所述车辆仿真测试程序配置为实现如权利要求1至5中任一项所述的车辆仿真测试方法的步骤。
8.一种存储介质,其特征在于,所述存储介质上存储有车辆仿真测试程序,所述车辆仿真测试程序被处理器执行时实现如权利要求1至5任一项所述的车辆仿真测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011266268.1A CN112307566B (zh) | 2020-11-12 | 2020-11-12 | 车辆仿真测试方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011266268.1A CN112307566B (zh) | 2020-11-12 | 2020-11-12 | 车辆仿真测试方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112307566A CN112307566A (zh) | 2021-02-02 |
CN112307566B true CN112307566B (zh) | 2023-07-18 |
Family
ID=74334299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011266268.1A Active CN112307566B (zh) | 2020-11-12 | 2020-11-12 | 车辆仿真测试方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307566B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032261B (zh) * | 2021-03-23 | 2022-09-30 | 北京三快在线科技有限公司 | 一种仿真测试的方法及装置 |
CN112948270A (zh) * | 2021-04-06 | 2021-06-11 | 东风小康汽车有限公司重庆分公司 | 自动驾驶车辆道路测试仿真分析方法、装置、设备和介质 |
CN113092135A (zh) * | 2021-04-14 | 2021-07-09 | 东软睿驰汽车技术(沈阳)有限公司 | 一种自动驾驶车辆的测试方法、装置及设备 |
CN113946146A (zh) * | 2021-08-03 | 2022-01-18 | 上海和夏新能源科技有限公司 | 具有场景数据的智能驾驶及adas测试数据采集系统及方法 |
CN113342704B (zh) * | 2021-08-06 | 2021-11-12 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、设备以及计算机可读存储介质 |
CN114166520A (zh) * | 2021-08-27 | 2022-03-11 | 东风汽车集团股份有限公司 | 汽车adas场景识别功能的测试方法 |
CN113806862B (zh) * | 2021-09-07 | 2022-08-30 | 北京三快在线科技有限公司 | 无人车仿真方法、装置、存储介质及电子设备 |
CN113516749B (zh) * | 2021-09-14 | 2021-12-17 | 中国汽车技术研究中心有限公司 | 自动驾驶视觉传感器数据采集方法、装置、设备及介质 |
CN113885754A (zh) * | 2021-09-30 | 2022-01-04 | 奥特酷智能科技(南京)有限公司 | 一种用于自动驾驶仿真平台的仿真器 |
CN113844216B (zh) * | 2021-09-30 | 2023-09-12 | 重庆长安汽车股份有限公司 | 一种使用牵引系统进行aeb系统测试时的紧急制动系统 |
CN114061982A (zh) * | 2021-12-10 | 2022-02-18 | 中国第一汽车股份有限公司 | 一种车辆测试方法、装置、系统及存储介质 |
CN114063475A (zh) * | 2021-12-17 | 2022-02-18 | 无锡来达科技有限公司 | 一种基于数据同步的自动驾驶的仿真测试系统 |
CN114415542A (zh) * | 2022-01-06 | 2022-04-29 | 中国第一汽车股份有限公司 | 自动驾驶仿真系统、方法、服务器及介质 |
CN114707303A (zh) * | 2022-03-11 | 2022-07-05 | 福瑞泰克智能系统有限公司 | 自动紧急系统的检测方法、系统、电子设备、存储介质 |
CN115828608A (zh) * | 2022-12-12 | 2023-03-21 | 中汽院智能网联科技有限公司 | 用于智能泊车测试的场景构建方法 |
CN116150040B (zh) * | 2023-04-24 | 2023-07-14 | 江苏泽景汽车电子股份有限公司 | 航迹数据测试方法、显示决策方法、存储介质及电子设备 |
CN116224974B (zh) * | 2023-05-08 | 2023-07-21 | 江铃汽车股份有限公司 | 基于云管端的车身控制器在环测试方法、平台及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108267322A (zh) * | 2017-01-03 | 2018-07-10 | 北京百度网讯科技有限公司 | 对自动驾驶性能进行测试的方法和系统 |
CN111505965A (zh) * | 2020-06-17 | 2020-08-07 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质 |
CN111524357A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
CN111580493A (zh) * | 2020-04-14 | 2020-08-25 | 吉利汽车研究院(宁波)有限公司 | 一种自动驾驶仿真方法、系统及介质 |
CN111797526A (zh) * | 2020-06-30 | 2020-10-20 | 北京经纬恒润科技有限公司 | 一种仿真测试场景构建方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160210382A1 (en) * | 2015-01-21 | 2016-07-21 | Ford Global Technologies, Llc | Autonomous driving refined in virtual environments |
CN109032102B (zh) * | 2017-06-09 | 2020-12-18 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆测试方法、装置、设备及存储介质 |
US10739775B2 (en) * | 2017-10-28 | 2020-08-11 | Tusimple, Inc. | System and method for real world autonomous vehicle trajectory simulation |
-
2020
- 2020-11-12 CN CN202011266268.1A patent/CN112307566B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108267322A (zh) * | 2017-01-03 | 2018-07-10 | 北京百度网讯科技有限公司 | 对自动驾驶性能进行测试的方法和系统 |
CN111580493A (zh) * | 2020-04-14 | 2020-08-25 | 吉利汽车研究院(宁波)有限公司 | 一种自动驾驶仿真方法、系统及介质 |
CN111524357A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
CN111505965A (zh) * | 2020-06-17 | 2020-08-07 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质 |
CN111797526A (zh) * | 2020-06-30 | 2020-10-20 | 北京经纬恒润科技有限公司 | 一种仿真测试场景构建方法及装置 |
Non-Patent Citations (3)
Title |
---|
A novel integrated simulation and testing platform for self-driving cars with hardware in the loop;Chen S 等;《IEEE Transactions on Intelligent Vehicles》;第425-436页 * |
基于视觉与雷达信息融合的智能车环境感知算法研究;莫春媚;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;第C035-361页 * |
用于车辆自主导航的多传感器数据融合方法;安吉尧 等;汽车工程(第07期);第64-69页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112307566A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112307566B (zh) | 车辆仿真测试方法、装置、设备及存储介质 | |
US11554785B2 (en) | Driving scenario machine learning network and driving environment simulation | |
US11084494B2 (en) | Method for detecting safety of driving behavior, apparatus, device and storage medium | |
US11235767B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
WO2022141910A1 (zh) | 一种基于行车安全风险场的车路激光雷达点云动态分割及融合方法 | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
CN111123920A (zh) | 一种自动驾驶仿真测试场景生成方法和装置 | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
CN113085852A (zh) | 自动驾驶车辆的行为预警方法、装置及云端设备 | |
CN111240224A (zh) | 一种车辆自动驾驶技术的多功能仿真模拟系统 | |
CN115165387A (zh) | 一种自动驾驶整车性能测试的控制方法、装置及系统 | |
CN113071515B (zh) | 可移动载体控制方法、装置、可移动载体及存储介质 | |
CN113895429A (zh) | 一种自动泊车方法、系统、终端及存储介质 | |
Zhang et al. | Aerial dataset for china congested highway & expressway and its potential applications in automated driving systems development | |
CN116597690B (zh) | 智能网联汽车的高速公路测试场景生成方法、设备及介质 | |
CN113176778A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN117521389A (zh) | 一种基于车路协同感知仿真平台的车辆感知测试方法 | |
CN117008574A (zh) | 一种智能网联汽车高级辅助驾驶系统和自动驾驶系统测试平台 | |
CN113465608B (zh) | 一种路侧传感器标定方法及系统 | |
CN113092135A (zh) | 一种自动驾驶车辆的测试方法、装置及设备 | |
CN112770139A (zh) | 车辆虚拟竞赛系统及方法 | |
CN116811884B (zh) | 一种智能驾驶环境感知分析方法及系统 | |
Zhang et al. | Virtual validation method for automated driving vehicles based on traffic accident | |
CN113793523B (zh) | 一种指挥交通的方法、装置、车载设备及车辆 |
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 |