CN112346969B - 一种基于数据采集平台的aeb开发验证系统及方法 - Google Patents

Abstract

本发明公开了一种基于数据采集平台的AEB开发验证系统及方法，属于辅助驾驶领域，该系统包括数据采集模块及数据分析处理模块；数据采集模块分别与环境传感器及数据分析处理模块连接；数据采集模块，用于在测试过程进行中，从环境传感器中实时记录车辆行驶时的车辆数据及AEB控制算法的决策和控制数据；数据分析处理模块，用于根据车辆数据及AEB控制算法的决策和控制数据进行数据回放以复现测试场景，根据需求进行定制化图形显示，定位AEB开发过程中的关键问题和指标。本发明可适用于AEB算法的高效开发和验证。

Description

一种基于数据采集平台的AEB开发验证系统及方法

技术领域

本发明属于辅助驾驶领域，更具体地，涉及一种基于数据采集平台的AEB开发验证系统及方法。

背景技术

目前自动紧急刹车系统(Autonomous Emergency Braking，AEB)的开发和验证过程中，主要存在以下问题：

1)实验室内缺少必要的环境，实际有效的数据一般在车上才有，而复现传感器和实际控制过程相关数据需要付出巨大的人力物力以及时间成本，影响AEB的开发。

2)大量的数据采集之后，通常会遇到不同设备采集的数据无法同步等问题。

3)现有的AEB数采设备一般只支持数据记录和分析，记录的数据不能同步分析，不能进行AEB故障工况的快速定位，不能友好的支持AEB的开发和验证。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于数据采集平台的AEB开发验证系统及方法，由此解决现有技术中存在的成本及实时性问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于数据采集平台的AEB开发验证系统，包括：数据采集模块及数据分析处理模块；

其中，所述数据采集模块分别与环境传感器及所述数据分析处理模块连接；

所述数据采集模块，用于在测试过程进行中，从所述环境传感器中实时记录车辆行驶时的车辆数据及AEB控制算法的决策和控制数据；

所述数据分析处理模块，用于根据所述车辆数据及AEB控制算法的决策和控制数据进行数据回放以复现测试场景，根据需求进行定制化图形显示，定位AEB开发过程中的关键问题和指标。

优选地，所述数据采集模块，还用于在收到触发指令时，仅记录关键工况形势下的车辆行驶时的车辆数据及在所述关键工况下AEB控制算法的决策和控制数据，其中，所述触发指令为在处于所述关键工况时由AEB控制器发出。

优选地，所述数据分析处理模块，用于通过分析测试过程中车辆行驶过程中的视频数据，判定目标的识别效果是否影响到所述AEB控制算法，并通过采集到的log日志进一步确定是目标识别还是所述AEB控制算法控制决策的问题，其中，所述目标识别的问题包括：目标误检和漏检问题和/或行人检测稳定性问题，所述AEB控制算法控制决策的问题包括：控制决策合理性问题和/或多变场景适应性问题。

优选地，所述数据分析处理模块，用于根据所述车辆行驶时的车辆数据及所述AEB控制算法的决策和控制数据，得到所述AEB控制算法的综合检测率、百公里误报率、综合最远检测距离、稳定测距范围、测距精度及所述AEB控制算法的执行有效率中的一种或多种组合。

优选地，所述数据分析处理模块，还用于根据在每次失效工况时得到的车辆数据及所述AEB控制算法的决策和控制数据，定位具体的失效原因并进行归类，筛选出相同特征的测试场景作为系统不适用场景，以得到系统有效运行边界条件。

按照本发明的另一个方面，提供了一种基于数据采集平台的AEB开发验证方法，包括：

在测试过程进行中，从环境传感器中实时记录车辆行驶时的车辆数据及AEB控制算法的决策和控制数据；

根据所述车辆数据及AEB控制算法的决策和控制数据进行数据回放以复现测试场景，根据需求进行定制化图形显示，定位AEB开发过程中的关键问题和指标。

优选地，所述方法还包括：

在收到触发指令时，仅记录关键工况形势下的车辆行驶时的车辆数据及在所述关键工况下AEB控制算法的决策和控制数据，其中，所述触发指令为在处于所述关键工况时由AEB控制器发出。

优选地，所述定位AEB开发过程中的关键问题，包括：

通过分析测试过程中车辆行驶过程中的视频数据，判定目标的识别效果是否影响到所述AEB控制算法，并通过采集到的log日志进一步确定是目标识别还是所述AEB控制算法控制决策的问题，其中，所述目标识别的问题包括：目标误检和漏检问题和/或行人检测稳定性问题，所述AEB控制算法控制决策的问题包括：控制决策合理性问题和/或多变场景适应性问题。

优选地，所述定位AEB开发过程中的指标，包括：

根据所述车辆行驶时的车辆数据及所述AEB控制算法的决策和控制数据，得到所述AEB控制算法的综合检测率、百公里误报率、综合最远检测距离、稳定测距范围、测距精度及所述AEB控制算法的执行有效率中的一种或多种组合。

优选地，所述方法还包括：

根据在每次失效工况时得到的车辆数据及所述AEB控制算法的决策和控制数据，定位具体的失效原因并进行归类，筛选出相同特征的测试场景作为系统不适用场景，以得到系统有效运行边界条件。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

1、持续的记录长时间、远里程、高场景覆盖度的路测数据，以检验AEB算法的误报率；

2、数据统计内容通过数据的采集，对测试过程中的视频和数据进行分析，可以定位AEB开发过程中的关键问题和指标；

3、实时数据回放，可根据需求定制参数图，可视化显示与分析不仅可以用于实验室进行离线的算法开发，也可以在车辆上在线进行，保证问题定位的时效性，一定程度上提高AEB算法的开发和验证效率；

4、根据数据统计，定义系统不适用场景，给出系统有效运行边界条件，有利于合理的应用AEBS。

附图说明

图1是本发明实施例提供的一种基于数据采集平台的AEB开发验证系统的结构示意图；

图2是本发明实施例提供的一种实时数据记录、数据流和回放示意图；

图3是本发明实施例提供的一种基于数据采集平台的AEB开发验证方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明提出一种基于数据采集平台的AEB开发验证系统及方法。该系统需要借助数据采集模块，在测试过程进行中，持续记录全流程的感知、决策和控制数据，并进行实时定制化显示，通过自动触发方式仅记录关键工况下的数据，避免了TB级别的无效数据记录导致的高存储成本及人工分析成本。可通过数据回放复现关键工况下的测试场景，结合定制参数图形分析功能，可快速定位问题，提高问题分析的时效性。可适用于AEB算法的高效开发和验证。

如图1所示，本发明涉及一种基于数据采集平台的AEB开发验证系统，该系统组成包括：环境传感器(即摄像头主机)、AEB控制器、数据采集模块(即数据采集主机)及数据分析处理模块(即数据分析处理平台)等。数据采集主机通过USB与摄像头主机连接以获取相应的数据，并可通过4G网络无线传输到数据分析平台进行分析和问题定位。数据采集主机与车辆间没有直接通讯，不会影响车辆网络安全。

1、环境传感器：可以根据AEB控制算法的感知需求进行调整，既可以是单摄像头，也可以是摄像头和雷达的融合方案作为环境传感器，如图1所示，环境传感器可以通过CAN总线与AEB控制器连接，以获取AEB控制算法的决策和控制数据，还可以与汽车主机连接，以获取车身总线数据；

2、AEB控制器：AEB控制算法的运行平台；

3、数据采集主机：主机中包含用于存储介质的硬盘，使用RAID(磁盘阵列技术)实现以1GByte/s的速率记录自动驾驶车辆一整天的数据，存储系统需要接近30TByte的容量。实时记录环境传感器、AEB控制器及车身总线等开发和验证过程中的需求数据，该数据包括：车辆行驶时的车辆数据及AEB控制算法的决策和控制数据，具体包括以下1)～6)数据的一种或多种组合：

1)摄像头的内、外参数；

2)行驶过程中的视频；

3)行人检测结果信息，包括：距离车辆的纵、横向距离，TTC，行人识别置信度及行人ID等；

4)AEB状态参数，包括：一级报警(预警)、二级报警(点刹)、三级报警(紧急制动)；

5)AEB报警过程中车辆信息，如车辆行驶速度和车辆的减速度；

6)车辆正常行驶过程信息，如车辆制动状态及车辆转向状态。

除了持续记录模式外，可选择设置记录关键工况数据模式，如设置三级报警为自动触发Trigger，仅记录紧急制动这一关键工况的数据。通过自动触发方式仅记录关键工况下的数据，避免了TB级别的无效数据记录导致的高存储成本和人工分析成本。

4、数据分析处理平台：如图2所示，通过对记录的数据进行大量数据集的批处理和加工后，进行实时数据回放，可根据需求定制参数图，可视化显示与分析，具备强大灵活的显示能力。

其中，批处理可以是给数据定位、裁剪和导出等操作，加工可以是如设置基础逻辑运算输出等。

其中，参数图可以根据需求来定，如：既可反映某一信号在不同工况下的变化和效果，也可通过监控关键变量验证AEB控制算法。

在图2中，横坐标表示环境车辆和行人等目标物与本车的横向相对位置，纵坐标表示环境车辆和行人等目标物与本车的纵向距离，图2上图中的数据表示监控的AEB算法中的关键参数，下图中的数字表示目标物的ID。

其中，数据的统计与分析需要在测试过程根据需求制定。数据统计内容通过数据的采集，对测试过程中的视频和数据进行分析，可以定位以下问题中的一种或多种组合：

i)目标误检和漏检问题；

ii)行人检测稳定性问题；

iii)控制决策合理性问题；

iv)多变场景适应性问题。

具体地，目标的识别情况直接反馈在视频界面，测试过程中即被采集，通过分析测试阶段的视频数据，可初步判定目标的识别效果是否影响到AEB控制算法。并且通过采集到的log日志可以进一步确定，是目标识别还是控制决策的问题。

其中，数据统计内容通过数据的采集，对测试过程中的视频和数据进行分析，可以得到下述a)～e)中一种或多种有价值的指标：

a)综合检测率；

b)百公里误报率；

c)综合最远检测距离；

d)稳定测距范围；

e)测距精度；

f)AEB执行有效率。

在本发明实施例中，该AEB开发验证系统还具有如下辅助功能：

由数据分析处理平台定义功能失效模式。根据数据统计，如根据每次失效工况的数据，定位具体的原因并进行归类，筛选出相同特征测试场景作为系统不适用场景，得到系统有效运行边界条件，有利于合理的应用AEBS。例如：夜晚光线条件行人AEB其作用的条件定义；极端天气条件下的AEBS功能限制；行人形态致使AEBS失效的类别定义等。失效模式的定义有利于AEBS系统的可靠运行，避免超出系统能力范畴的误操作，降低AEBS应用风险。

如图3所示一种基于数据采集平台的AEB开发验证方法的流程示意图，包括以下步骤：

S1：在测试过程进行中，从环境传感器中实时记录车辆行驶时的车辆数据及AEB控制算法的决策和控制数据；

S2：根据车辆数据及AEB控制算法的决策和控制数据进行数据回放以复现测试场景，根据需求进行定制化图形显示，定位AEB开发过程中的关键问题和指标。

在本发明实施例中，车辆行驶时的车辆数据及AEB控制算法的决策和控制数据，包括：摄像头的内参及外参数、车辆行驶过程中的视频、行人检测结果信息、AEB状态参数、AEB报警过程中的车辆信息及车辆正常行驶过程中的信息中的一种或多种组合。

在本发明实施例中，上述方法还包括：

在收到触发指令时，仅记录关键工况形势下的车辆行驶时的车辆数据及在关键工况下AEB控制算法的决策和控制数据，其中，触发指令为在处于关键工况时由AEB控制器发出。

在本发明实施例中，定位AEB开发过程中的关键问题，可以通过以下方式实现：

通过分析测试过程中车辆行驶过程中的视频数据，判定目标的识别效果是否影响到AEB控制算法，并通过采集到的log日志进一步确定是目标识别还是AEB控制算法控制决策的问题，其中，目标识别的问题包括：目标误检和漏检问题和/或行人检测稳定性问题，AEB控制算法控制决策的问题包括：控制决策合理性问题和/或多变场景适应性问题。

在本发明实施例中，定位AEB开发过程中的指标可以通过以下方式实现：

根据车辆行驶时的车辆数据及AEB控制算法的决策和控制数据，得到AEB控制算法的综合检测率、百公里误报率、综合最远检测距离、稳定测距范围、测距精度及AEB控制算法的执行有效率中的一种或多种组合。

在本发明实施例中，上述方法还包括：

根据在每次失效工况时得到的车辆数据及AEB控制算法的决策和控制数据，定位具体的失效原因并进行归类，筛选出相同特征的测试场景作为系统不适用场景，以得到系统有效运行边界条件。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于数据采集平台的AEB开发验证系统，其特征在于，包括：数据采集模块及数据分析处理模块；

其中，所述数据采集模块分别与环境传感器及所述数据分析处理模块连接，环境传感器通过CAN总线与AEB控制器连接，以获取AEB控制算法的决策和控制数据，通过与汽车主机连接，以获取车身总线数据，数据采集模块通过USB与环境传感器连接以获取相应的数据，并通过无线网络传输到数据分析处理模块；

所述数据采集模块，用于在测试过程进行中，从所述环境传感器中实时记录车辆行驶时的车辆数据及AEB控制算法的决策和控制数据；

所述数据分析处理模块，用于根据所述车辆数据及AEB控制算法的决策和控制数据进行数据回放以复现测试场景，根据需求进行定制化图形显示，定位AEB开发过程中的关键问题和指标；

所述数据分析处理模块，还用于根据在每次失效工况时得到的车辆数据及所述AEB控制算法的决策和控制数据，定位具体的失效原因并进行归类，筛选出相同特征的测试场景作为系统不适用场景，以得到系统有效运行边界条件；

所述数据采集模块，还用于在收到触发指令时，仅记录关键工况形势下的车辆行驶时的车辆数据及在所述关键工况下AEB控制算法的决策和控制数据，其中，所述触发指令为在处于所述关键工况时由AEB控制器发出；

所述数据分析处理模块，用于通过分析测试过程中车辆行驶过程中的视频数据，判定目标的识别效果是否影响到所述AEB控制算法，并通过采集到的log日志进一步确定是目标识别还是所述AEB控制算法控制决策的问题，其中，所述目标识别的问题包括：目标误检和漏检问题和/或行人检测稳定性问题，所述AEB控制算法控制决策的问题包括：控制决策合理性问题和/或多变场景适应性问题。

2.根据权利要求1所述的系统，其特征在于，所述数据分析处理模块，用于根据所述车辆行驶时的车辆数据及所述AEB控制算法的决策和控制数据，得到所述AEB控制算法的综合检测率、百公里误报率、综合最远检测距离、稳定测距范围、测距精度及所述AEB控制算法的执行有效率中的一种或多种组合。

3.一种基于数据采集平台的AEB开发验证方法，其特征在于，包括：

在测试过程进行中，从环境传感器中实时记录车辆行驶时的车辆数据及AEB控制算法的决策和控制数据，环境传感器通过CAN总线与AEB控制器连接，以获取AEB控制算法的决策和控制数据，通过与汽车主机连接，以获取车身总线数据；

根据所述车辆数据及AEB控制算法的决策和控制数据进行数据回放以复现测试场景，根据需求进行定制化图形显示，定位AEB开发过程中的关键问题和指标；

所述方法还包括：

根据在每次失效工况时得到的车辆数据及所述AEB控制算法的决策和控制数据，定位具体的失效原因并进行归类，筛选出相同特征的测试场景作为系统不适用场景，以得到系统有效运行边界条件；

所述方法还包括：

在收到触发指令时，仅记录关键工况形势下的车辆行驶时的车辆数据及在所述关键工况下AEB控制算法的决策和控制数据，其中，所述触发指令为在处于所述关键工况时由AEB控制器发出；

所述定位AEB开发过程中的关键问题，包括：

通过分析测试过程中车辆行驶过程中的视频数据，判定目标的识别效果是否影响到所述AEB控制算法，并通过采集到的log日志进一步确定是目标识别还是所述AEB控制算法控制决策的问题，其中，所述目标识别的问题包括：目标误检和漏检问题和/或行人检测稳定性问题，所述AEB控制算法控制决策的问题包括：控制决策合理性问题和/或多变场景适应性问题。

4.根据权利要求3所述的方法，其特征在于，所述定位AEB开发过程中的指标，包括：

根据所述车辆行驶时的车辆数据及所述AEB控制算法的决策和控制数据，得到所述AEB控制算法的综合检测率、百公里误报率、综合最远检测距离、稳定测距范围、测距精度及所述AEB控制算法的执行有效率中的一种或多种组合。

Images