CN112346982A - 测试用例生成方法、装置和电子设备 - Google Patents
测试用例生成方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112346982A CN112346982A CN202011257352.7A CN202011257352A CN112346982A CN 112346982 A CN112346982 A CN 112346982A CN 202011257352 A CN202011257352 A CN 202011257352A CN 112346982 A CN112346982 A CN 112346982A
- Authority
- CN
- China
- Prior art keywords
- scene data
- test
- test case
- tested
- effective
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种测试用例生成方法、装置和电子设备,涉及车辆技术领域,该测试用例生成方法包括:基于预先采集的真实场景数据生成测试场景数据;根据测试场景数据确定有效场景数据;有效场景数据包括与待测试的自动驾驶车辆存在交互动作的目标对象;将有效场景转化成针对待测试的自动驾驶车辆的测试用例。本发明提升了测试用例生成时的有效场景数据的获取效率及真实性,提升了测试测试效率,进一步提升了自动驾驶的准确性和安全性。
Description
技术领域
本发明涉及车辆技术领域,尤其是涉及一种测试用例生成方法、装置和电子设备。
背景技术
自动驾驶技术对驾驶员的车辆驾驶起到了较好的辅助作用,同时为人们的出行带来极大的便利。为了实现较为安全的自动驾驶技术,目前针对自动驾驶算法的测试,通常通过服务器对测试场景进行初始化,并对自动驾驶车辆进行路线规划,进而进行自动驾驶的仿真测试。然而,这种方式所采用的测试场景单一,无法覆盖多种不同的自动驾驶场景,如果要提供尽可能多的测试场景,需要花费较大的时间成本和人力成本,测试的效率较低。
发明内容
本发明的目的在于提供一种测试用例生成方法、装置和电子设备,提升了测试用例生成时的有效场景数据的获取效率及真实性,提升了测试测试效率,进一步提升了自动驾驶的准确性和安全性。
第一方面,本发明实施例提供一种测试用例生成方法,包括:基于预先采集的真实场景数据生成测试场景数据;根据测试场景数据确定有效场景数据;有效场景数据包括与待测试的自动驾驶车辆存在交互动作的目标对象;将有效场景转化成针对待测试的自动驾驶车辆的测试用例。
在可选的实施方式中,基于预先采集的真实场景生成测试场景的步骤,包括:采集真实场景数据;真实场景数据为预先驾驶车辆采集的场景数据;对真实场景数据进行物体识别,生成测试场景数据。
在可选的实施方式中,对真实场景数据进行物体识别,生成测试场景数据的步骤,包括:通过预先选择的神经网络模型对真实场景数据进行物体识别,生成测试场景数据。
在可选的实施方式中,根据测试场景数据确定有效场景数据的步骤,包括:对测试场景数据进行数据划分,得到多个子场景数据;多个子场景数据的时间段部分重叠或不重叠;基于多个子场景数据确定有效场景数据。
在可选的实施方式中,将有效场景数据转化成针对待测试的自动驾驶车辆的测试用例的步骤,包括:当待测试的自自动驾驶车辆行驶至预设位置时,触发有效场景数据中的目标对象按照预先设置的运行状态进行运行;预先设置的运行状态包括预先采集的目标对象的行驶路线和行驶动作;基于预先设置的运行状态生成测试用例。
在可选的实施方式中,方法还包括:按照测试用例配置生成目标测试场景;在目标测试场景下对待测试的自动驾驶车辆进行测试。
在可选的实施方式中,在目标测试场景下对待测试的自动驾驶车辆进行测试的步骤,包括:基于目标对象的预先设置的运行状态,对待测试的自自动驾驶车辆的驾驶策略进行测试;驾驶策略至少包括:避让策略、减速策略、加速策略、刹车策略。
第二方面,本发明实施例提供一种测试用例生成装置,装置包括:数据生成模块,用于基于预先采集的真实场景数据生成测试场景数据;确定模块,用于根据测试场景数据确定有效场景数据;有效场景数据包括与待测试的自动驾驶车辆存在交互动作的目标对象;测试用例生成模块,用于将有效场景转化成针对待测试的自动驾驶车辆的测试用例。
第三方面,本发明实施例提供一种电子设备,包括处理器和存储器;存储器上存储有计算机程序,计算机程序在被处理器运行时执行如前述实施方式任一项的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,用于储存如前述实施方式任一项方法所用的计算机软件指令。
本发明提供的测试用例生成方法、装置和电子设备,该自动驾驶方法首先基于预先采集的真实场景数据生成测试场景数据;根据测试场景数据确定有效场景数据;有效场景数据包括与待测试的自动驾驶车辆存在交互动作的目标对象;将有效场景转化成针对待测试的自动驾驶车辆的测试用例。上述方式通过在预先采集真实场景数据,并对该真实场景数据得到有效场景数据,提升了测试用例生成时的有效场景的获取效率及真实性;通过将有效场景转化成针对待测试的自动驾驶车辆的测试用例,可以用于测试待测试的自动驾驶车辆的自动驾驶性能,从而针对真实场景中目标对象的运行状态进行驾驶策略的选择,进一步提升了自动驾驶的准确性和安全性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,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为本发明实施例提供的一种测试用例生成方法的流程示意图;
图2为本发明实施例提供的另一种测试用例生成方法的流程示意图;
图3为本发明实施例提供的一种测试用例生成装置的结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
为便于理解,首先对本发明实施例提供一种自动驾驶方法进行详细说明,参见图1所示的一种自动驾驶方法的流程示意图,该方法应用于自动驾驶的仿真测试,主要包括以下步骤S102至步骤S106:
步骤S102,基于预先采集的真实场景数据生成测试场景数据。
预先采集的真实场景数据为预先驾驶车辆进行录制的场景数据,诸如可以包括通过车辆激光雷达、摄像头、超声波雷达等传感器采集的原始数据,真实场景数据中包括实际行驶道路上的车辆、行人、道路、交通信号灯、交通信号标志等。对真实场景数据进行预处理后得到测试场景数据,预处理操作包括对真实场景数据进行进行物体识别、跟踪等操作。通过驾驶车辆录制得到真实场景数据,可以使车辆在进行自动驾驶仿真测试时,更加贴近真实的道路情况。
步骤S104,根据测试场景数据确定有效场景数据。
通过上述对测试场景数据划分为多个子场景数据,并过滤出生成测试用例所需的场景数据,可以得到待测试的自动驾驶车辆(也即下述自车)的有效场景数据,该有效场景数据包括与自车存在交互动作的目标对象,交互动作诸如可以包括迎面行驶,同向行驶、并道等动作,目标对象包括诸如其他车辆、行人等,有效场景数据为自车与目标对象存在交互动作的场景数据,诸如自车在直行、路口等待、转弯、加速、减速、避让(对向、侧向)的(车辆、行人、障碍物等)的不同的场景数据。
步骤S106,将有效场景数据转化成针对待测试的自动驾驶车辆的测试用例。
在将有效场景数据转换为测试用例时,当待测试的自动驾驶车辆行驶至预设位置时,触发有效场景数据中的目标对象按照预先设置的运行状态进行运行,目标对象的运行状态为真实场景数据中目标对象的状态,可以理解的是,由于预先录制的真实场景在自车进行相同的行驶动作时,会存在多种不同的场景数据,诸如当自车进行转弯时,在不同的路口会有不同的车辆、行人、道路情况等,因此,目标对象的运行状态也不同,多种不同的目标对象状态可以多次重复使用,以便生成针对不同的待测试的自动驾驶车辆的测试用例,用于测试待测试的自动驾驶车辆针对不同的目标对象执行不同的自动驾驶策略。从而可以针对自动驾驶算法的仿真测试,可以尽可能的覆盖不同的行驶情况,提升了自动驾驶算法的测试效率,进一步可以对自动驾驶算法的性能进行更好的测试。
本发明实施例提供的测试用例生成方法,通过在预先采集真实场景数据,并对该真实场景数据得到有效场景数据,提升了测试用例生成时的有效场景的获取效率及真实性;通过将所述有效场景转化成针对所述待测试的自动驾驶车辆的测试用例,可以用于测试待测试的自动驾驶车辆的自动驾驶性能,从而针对真实场景中目标对象的运行状态进行驾驶策略的选择,进一步提升了自动驾驶的准确性和安全性。
为了能够提升自动驾驶仿真测试的效率及自动驾驶的准确性和安全性,上述步骤S102可以进一步包括以下步骤1至步骤2:
步骤1,采集真实场景数据,真实场景数据为预先驾驶车辆采集的真实场景数据,通过预先驾驶车辆采集真实场景数据相较于设置场景数据可以更加真实的反映车辆行驶时的道路状态,同时可以在较短的时间获取较多的数据,因此可以提升自动驾驶仿真测试的效率,节省大量的数据获取时间。
步骤2,对真实场景数据进行物体识别,生成测试场景数据。由于在采集真实场景数据时,真实场景数据中可能会存在诸如道路上车辆和行人,甚至是出现在真实场景数据中其他物体。物体识别可以包括场景中的行人、车辆、交通信号灯、指示牌、交通信号标志等进行识别,也可以包括对行人、车辆等进行目标跟踪。在进行物体识别时,可以通过预先选择的神经网络模型对有效场景数据进行物体识别,得到测试场景数据,预先选择的神经网络模型诸如可以包括用于目标检测跟踪的网络模型。通过对真实场景数据进行物体识别,可以对识别到的目标对象(也即与待测试的自动驾驶车辆存在交互动作的)进行跟踪监测,也可以将识别到的一些无用的物体进行删除,从而使得生成的测试场景数据更加准确。
在生成的测试场景中,可能会存在没有车辆和行人的场景数据,或者,存在和自动驾驶情况存在差别的场景数据,诸如人工驾驶车辆相较于自动驾驶可能会存在车速较快、没有及时躲避行人等情况,因此需要对上述测试场景数据(也即对真实场景数据进行物体识别后的场景数据)进行划分,得到多个子场景数据。可以理解的是,划分的子场景数据可以包括指定时间段的场景数据,例如采集的真实场景数据为20min的数据,则可以将该真实场景数据划分为30s一段的子场景数据(仅作示例,不作具体限定)。需要注意的是,多个子场景数据的时间段可以存在部分重叠,也可以时间段均不重叠,可以根据实际仿真测试的需求进行调整。
在对测试场景数据进行划分后,进一步基于多个子场景数据确定有效场景数据。在确定多个子场景数据后,选取子场景数据中的自车存在交互动作的有效场景数据。交互动作为自车与目标车辆发生的交互动作,诸如可以包括迎面行驶,同向行驶、并道等动作。此外,该有效场景数据还可以包括自动驾驶情况较为相像的场景数据,诸如,由于人工驾驶车辆可能存在车速较快的情况,因此,录制的视频数据时间点越靠后,则与自动驾驶车辆的行驶情况越不同(也即当人工驾驶的车辆车速较快时,时间越靠后,则在相同的时间点人工驾驶的车辆和自动驾驶车辆可能行驶到的地点也不同),此时,有效场景数据则为采集的数据时间点较靠前的数据,诸如,采集的真实场景数据为车辆即将进行左拐的数据,则有效场景数据为从开始时刻至左拐结束这一时间段的数据。在实际应用中,可能会存在其他确定有效场景的标准,此处不作具体限定。
当待测试的自动驾驶车辆行驶至预设位置时,触发有效场景数据中的目标对象按照预先设置的运行状态进行运行,该预先设置的运行状态诸如可以包括预先采集的目标对象的行驶路线和行驶动作,进而基于预先设置的运行状态生成所述测试用例。
在一种实施方式中,按照测试用例配置生成目标测试场景,并在目标测试场景下对待测试的自动驾驶车辆进行测试。在实际引用时,根据目标对象的运行状态对预先建立的自动驾驶算法进行测试,预先建立的自动驾驶算法用于基于目标对象的运行状态,对待测试的自动驾驶车辆的驾驶策略进行测试,其中,该驾驶策略至少包括:避让策略、减速策略、加速策略、刹车策略,进而控制自车基于驾驶策略控制自车进行自动驾驶。需要补充说明的是,预先建立的自动驾驶算法也可以为无人驾驶算法,也即本实施例也可以对无人驾驶算法进行仿真测试,具体的实施方式参见上述介绍,此处不再赘述。
针对上述自动驾驶方法,本发明实施例还提供一种自动驾驶测试用例的生成方法,该方法用于通过前述实施方式任一项的应用于仿真测试的自动驾驶方法生成测试用例。
在一种实施方式中,自动驾驶测试用例的生成方法可以参见图2所示的一种自动驾驶测试用例的生成方法的流程示意图,该方法主要包括如下步骤S202至步骤S206:
步骤S202,传感器采集真实场景数据。
步骤S206,对真实场景数据进行预处理,主要包括切分为多个时间段的子场景。
步骤S208,设置子场景中的目标对象的触发条件,进而生成测试用例。
为便于理解,举例说明该测试用例,诸如预先在十字路口采集真实的左转行驶数据后,首先预处理删除等待红灯过程、左转驶离过程等无效的场景数据,对左转行驶过程进行切分,切分为:1)避让自行车过程;2)避让对向直行车辆过程。设置过程1)和过程2)的触发条件,诸如可以为,当自车行驶过停止线时,自行车触发行驶;当自车行驶到路中央时,触发对向车辆行驶,进而生成左转的测试用例,用于对自动驾驶车辆和/或无人驾驶车辆的左转过程进行自动化测试。
本实施例提供的自动驾驶测试用例的生成方法,由于预先采集真实场景,因此可以在获取测试场景时可以更高效更全面,并且更加贴近真实的道路情况,相较于人工设置测试环境具有较好的有益效果。通过对真实场景进行预处理,得到多个时间段的子场景,可以针对某些感兴趣的行驶情况,诸如转弯、避让行人、超车等进行针对性的测试,进一步通过生成的该测试用例可以对自动驾驶算法和/或无人驾驶算法进行更有效的测试,更好的对自动驾驶算法和/或无人驾驶算法进行改进及应用。
针对上述图1所示的测试用例生成方法,本发明实施例提供一种测试用例生成装置,参见图3所示的一种测试用例生成装置的结构示意图,该装置主要包括以下部分:
数据生成模块302,用于基于预先采集的真实场景数据生成测试场景数据;
确定模块304,用于根据所述测试场景数据确定有效场景数据;所述有效场景数据包括与待测试的自动驾驶车辆存在交互动作的目标对象;
测试用例生成模块306,将所述有效场景转化成针对所述待测试的自动驾驶车辆的测试用例。
本发明提供的测试用例生成装置,通过在预先采集真实场景数据,并对该真实场景数据得到有效场景数据,提升了测试用例生成时的有效场景的获取效率及真实性;通过将所述有效场景转化成针对所述待测试的自动驾驶车辆的测试用例,可以用于测试待测试的自动驾驶车辆的自动驾驶性能,从而针对真实场景中目标对象的运行状态进行驾驶策略的选择,进一步提升了自动驾驶的准确性和安全性。
在一种实施方式中,上述数据生成模块302,还用于采集所述真实场景数据;所述真实场景数据为预先驾驶车辆采集的场景数据;对所述真实场景数据进行物体识别,生成所述测试场景数据。
在一种实施方式中,上述数据生成模块302,还用于通过预先选择的神经网络模型对所述真实场景数据进行物体识别,生成所述测试场景数据。
在一种实施方式中,上述确定模块304,还用于对所述测试场景数据进行数据划分,得到多个子场景数据;多个所述子场景数据的时间段部分重叠或不重叠;基于多个所述子场景数据确定所述有效场景数据。
在一种实施方式中,上述测试用例生成模块306,还用于当所述待测试的自动驾驶车辆行驶至预设位置时,触发所述有效场景数据中的目标对象按照预先设置的运行状态进行运行;所述预先设置的运行状态包括预先采集的目标对象的行驶路线和行驶动作;基于所述预先设置的运行状态生成所述测试用例。
在一种实施方式中,上述装置还包括:测试模块,还用于按照所述测试用例配置生成目标测试场景;在所述目标测试场景下对待测试的自动驾驶车辆进行测试。
在一种实施方式中,上述测试模块,进一步用于基于所述目标对象的预先设置的所述运行状态,对所述待测试的自动驾驶车辆的驾驶策略进行测试;所述驾驶策略至少包括:避让策略、减速策略、加速策略、刹车策略。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图4为本发明实施例提供的一种电子设备的结构示意图,该电子设备100包括:处理器40,存储器41,总线42和通信接口43,所述处理器40、通信接口43和存储器41通过总线42连接;处理器40用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器40在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中,或者由处理器40实现。
处理器40可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器40读取存储器41中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的测试用例生成方法、装置和电子设备的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统具体工作过程,可以参考前述实施例中的对应过程,在此不再赘述。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种测试用例生成方法,其特征在于,所述方法包括:
基于预先采集的真实场景数据生成测试场景数据;
根据所述测试场景数据确定有效场景数据;所述有效场景数据包括与待测试的自动驾驶车辆存在交互动作的目标对象;
将所述有效场景数据转化成针对所述待测试的自动驾驶车辆的测试用例。
2.根据权利要求1所述的方法,其特征在于,所述基于预先采集的真实场景生成测试场景的步骤,包括:
采集所述真实场景数据;所述真实场景数据为预先驾驶车辆采集的场景数据;
对所述真实场景数据进行物体识别,生成所述测试场景数据。
3.根据权利要求2所述的方法,其特征在于,对所述真实场景数据进行物体识别,生成所述测试场景数据的步骤,包括:
通过预先选择的神经网络模型对所述真实场景数据进行物体识别,生成所述测试场景数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述测试场景数据确定有效场景数据的步骤,包括:
对所述测试场景数据进行数据划分,得到多个子场景数据;多个所述子场景数据的时间段部分重叠或不重叠;
基于多个所述子场景数据确定所述有效场景数据。
5.根据权利要求1所述的方法,其特征在于,所述将所述有效场景数据转化成针对所述待测试的自动驾驶车辆的测试用例的步骤,包括:
当所述待测试的自动驾驶车辆行驶至预设位置时,触发所述有效场景数据中的目标对象按照预先设置的运行状态进行运行;所述预先设置的运行状态包括预先采集的目标对象的行驶路线和行驶动作;
基于所述预先设置的运行状态生成所述测试用例。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
按照所述测试用例配置生成目标测试场景;
在所述目标测试场景下对待测试的自动驾驶车辆进行测试。
7.根据权利要求6所述的方法,其特征在于,所述在所述目标测试场景下对待测试的自动驾驶车辆进行测试的步骤,包括:
基于所述目标对象的预先设置的所述运行状态,对所述待测试的自动驾驶车辆的驾驶策略进行测试;所述驾驶策略至少包括:避让策略、减速策略、加速策略、刹车策略。
8.一种测试用例生成装置,其特征在于,所述装置包括:
数据生成模块,用于基于预先采集的真实场景数据生成测试场景数据;
确定模块,用于根据所述测试场景数据确定有效场景数据;所述有效场景数据包括与待测试的自动驾驶车辆存在交互动作的目标对象;
测试用例生成模块,用于将所述有效场景转化成针对所述待测试的自动驾驶车辆的测试用例。
9.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,用于储存如权利要求1至7任一项所述方法所用的计算机软件指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011257352.7A CN112346982A (zh) | 2020-11-11 | 2020-11-11 | 测试用例生成方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011257352.7A CN112346982A (zh) | 2020-11-11 | 2020-11-11 | 测试用例生成方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112346982A true CN112346982A (zh) | 2021-02-09 |
Family
ID=74363497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011257352.7A Pending CN112346982A (zh) | 2020-11-11 | 2020-11-11 | 测试用例生成方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112346982A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359669A (zh) * | 2021-06-09 | 2021-09-07 | 阿波罗智联(北京)科技有限公司 | 生成测试数据的方法、装置、电子设备和介质 |
CN115148028A (zh) * | 2022-06-30 | 2022-10-04 | 北京小马智行科技有限公司 | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 |
CN115729812A (zh) * | 2022-11-09 | 2023-03-03 | 广州汽车集团股份有限公司 | 测试方法、电子设备及存储介质 |
EP4151979A3 (en) * | 2021-12-28 | 2023-06-28 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Test method and test apparatus for automatic driving, and storage medium |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060058928A1 (en) * | 2004-09-14 | 2006-03-16 | Beard Randal W | Programmable autopilot system for autonomous flight of unmanned aerial vehicles |
CN109164785A (zh) * | 2018-08-24 | 2019-01-08 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的仿真测试方法、装置、设备及存储介质 |
CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
CN109739245A (zh) * | 2019-02-19 | 2019-05-10 | 东软睿驰汽车技术(沈阳)有限公司 | 一种基于无人驾驶的端到端模型评估方法及装置 |
CN111179585A (zh) * | 2018-11-09 | 2020-05-19 | 上海汽车集团股份有限公司 | 自动驾驶车辆的场地测试方法及装置 |
-
2020
- 2020-11-11 CN CN202011257352.7A patent/CN112346982A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060058928A1 (en) * | 2004-09-14 | 2006-03-16 | Beard Randal W | Programmable autopilot system for autonomous flight of unmanned aerial vehicles |
CN109164785A (zh) * | 2018-08-24 | 2019-01-08 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的仿真测试方法、装置、设备及存储介质 |
CN111179585A (zh) * | 2018-11-09 | 2020-05-19 | 上海汽车集团股份有限公司 | 自动驾驶车辆的场地测试方法及装置 |
CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
CN109739245A (zh) * | 2019-02-19 | 2019-05-10 | 东软睿驰汽车技术(沈阳)有限公司 | 一种基于无人驾驶的端到端模型评估方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359669A (zh) * | 2021-06-09 | 2021-09-07 | 阿波罗智联(北京)科技有限公司 | 生成测试数据的方法、装置、电子设备和介质 |
EP4151979A3 (en) * | 2021-12-28 | 2023-06-28 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Test method and test apparatus for automatic driving, and storage medium |
CN115148028A (zh) * | 2022-06-30 | 2022-10-04 | 北京小马智行科技有限公司 | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 |
CN115148028B (zh) * | 2022-06-30 | 2023-12-15 | 北京小马智行科技有限公司 | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 |
CN115729812A (zh) * | 2022-11-09 | 2023-03-03 | 广州汽车集团股份有限公司 | 测试方法、电子设备及存储介质 |
CN115729812B (zh) * | 2022-11-09 | 2024-04-23 | 广州汽车集团股份有限公司 | 测试方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112346982A (zh) | 测试用例生成方法、装置和电子设备 | |
JP6935948B2 (ja) | 自律走行車両を学習、テスティング及び検証をするために仮想走行環境に対するドメイン適応された交通シナリオを生成するための方法及び装置 | |
JP6463713B2 (ja) | 車両制御方法と装置及び判断モジュールの獲得方法と装置 | |
US9990548B2 (en) | Traffic signal analysis system | |
CN112069643B (zh) | 一种自动驾驶仿真场景生成方法及装置 | |
CN108133484B (zh) | 基于场景分割的自动驾驶处理方法及装置、计算设备 | |
US10919543B2 (en) | Learning method and learning device for determining whether to switch mode of vehicle from manual driving mode to autonomous driving mode by performing trajectory-based behavior analysis on recent driving route | |
WO2018220853A1 (ja) | 自動運転車の制御のための車両制御装置及び方法 | |
RU2711031C2 (ru) | Обнаружение направления полосы движения транспортного средства | |
KR20210044960A (ko) | 자율주행차량의 차선변경 제어 장치 및 그 방법 | |
JP6574224B2 (ja) | 車両制御装置、車両、車両制御方法およびプログラム | |
CN111881519A (zh) | 一种自动驾驶的测试方法、装置、计算机设备及存储介质 | |
WO2018220851A1 (ja) | 自動運転車の制御のための車両制御装置及び方法 | |
WO2020007589A1 (en) | Training a deep convolutional neural network for individual routes | |
CN115292435B (zh) | 高精地图的更新方法和装置、电子设备和存储介质 | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
CN110634324A (zh) | 一种基于车载终端的礼让行人的提醒方法、系统及车载终端 | |
CN113420714B (zh) | 一种采集图像上报方法、装置及电子设备 | |
CN113253299B (zh) | 障碍物检测方法、装置及存储介质 | |
CN114754778A (zh) | 一种车辆定位方法以及装置、电子设备、存储介质 | |
CN114444208A (zh) | 自动驾驶系统的可靠性确定方法、装置、设备及介质 | |
CN111688714B (zh) | 车辆控制方法、装置及自动驾驶车辆 | |
CN110146074B (zh) | 一种应用于自动驾驶的实时定位方法及装置 | |
CN114333339B (zh) | 深度神经网络功能模块去重复的方法 | |
CN111381575A (zh) | 自动测试方法、装置、服务器、电子设备及存储介质 |
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 |