CN112525552A - 汽车高级辅助驾驶系统的算法测试系统及方法 - Google Patents
汽车高级辅助驾驶系统的算法测试系统及方法 Download PDFInfo
- Publication number
- CN112525552A CN112525552A CN202011479012.9A CN202011479012A CN112525552A CN 112525552 A CN112525552 A CN 112525552A CN 202011479012 A CN202011479012 A CN 202011479012A CN 112525552 A CN112525552 A CN 112525552A
- Authority
- CN
- China
- Prior art keywords
- test
- algorithm
- different
- vehicle
- road
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种汽车高级辅助驾驶系统的算法测试系统,包括:历史测试数据库,用于覆盖各种测试场景,包括不同天气状况、不同道路类型、不同路况、不同光线、不同障碍物类型、障碍物不同运动状态的场景;场景生成库,用于根据算法的测试需求,从测试数据库中选取测试场景;算法编译模块,用于对新开发的算法进行编译,生成测试程序并分发给执行机;执行机,用于在测试场景中执行测试程序,得到测试结果,并与正确结果进行对比,生成测试报告。本发明可以再次利用历史测试视频素材,不需要到实地现场进行测试,不受制于设备系统固件,也无需构造或等待特定的测试环境,可以覆盖各种测试场景,大大缩短测试周期,省时省力。
Description
技术领域
本发明属于汽车高级辅助驾驶系统技术领域,具体涉及一种汽车高级辅助驾驶系统的算法测试系统及方法。
背景技术
汽车高级辅助驾驶系统(ADAS)具有很多功能,例如车道偏离警告功能、前车碰撞预警功能、行人碰撞预警功能等等。ADAS使用摄像头采集图像信息,然后通过算法分析出图像中的道路环境,实现路标识别、车道线感应、行人识别、车辆识别等特殊功能,并基于此做进一步分析,进而给出预警信息,有效增加汽车驾驶的舒适性和安全性。例如,车道偏离警告功能能够利用摄像头采集到的图像,测量出本车距离车道线的距离,同时结合车速、转向灯等信息,综合判断是否向驾驶员发出预警,警告汽车偏离当前车道。
这些功能都需要相应的算法从拍摄的视频流中提取有效目标运动信息。目前,算法的普遍测试方案为:算法开发出来后,集成到设备固件中,测试人员验证固件基本功能后,开车到实地场地测试,采集数据回来后,处理生成测试结果。这样的测试方案,耗时耗力且效率低,其缺点主要表现在以下几个方面:1、每次测试,都要开车到实地场地进行测试,耗费大量人力、时间和成本,且效率低;2、每次测试均要覆盖各种场景,其中某些场景条件难以构造,需要耗时耗力或等待时机才能实现;3、历史测试视频素材无法再次利用;4、每次测试各种场景由于人力、车辆、场地限制,只能串行进行,导致一次完整的测试周期非常长;5、算法验证依赖设备系统固件,每次验证,必须要等设备系统固件开发完成,并且如果固件有基本功能问题,测试活动还无法开展。
发明内容
本发明解决的技术问题是提供一种汽车高级辅助驾驶系统的算法测试系统及方法,解决ADAS算法测试耗时耗力且效率低的问题。
本发明提供一种汽车高级辅助驾驶系统的算法测试系统,包括:
历史测试数据库,用于覆盖各种测试场景,包括不同天气状况、不同道路类型、不同路况、不同光线、不同障碍物类型、障碍物不同运动状态的场景;
场景生成库,用于根据算法的测试需求,从测试数据库中选取测试场景;
算法编译模块,用于对新开发的算法进行编译,生成测试程序并分发给执行机;
执行机,用于在测试场景中执行测试程序,得到测试结果,并与正确结果进行对比,生成测试报告。
进一步地,执行机为多个,多个执行机并发执行测试程序。
进一步地,历史测试数据库中,天气状况包括晴、雨、雪、雾和霜;道路类型包括高速、市区和国道;路况包括车道线清晰、车道线残破和车道线模糊;光线包括明暗、角度、对比度和色温;障碍物类型包括车和人,以及车和人的大小、形状、颜色;障碍物运动状态包括运动和静止。
进一步地,场景生成库中测试场景具体为:在预设天气状况、预设道路类型、预设路况、预设光线下,自车以预设速度行驶、自车周围存在预设障碍物、障碍物正以预设运动状态在运动。
进一步地,执行机为运行测试程序的PC机或者虚拟机。
进一步地,测试结果包括目标识别和告警处理;其中,目标识别包括车道识别、前车识别、行人识别、标志牌识别;告警处理包括车道偏离告警、前车碰撞预警、行人碰撞预警。
进一步地,测试报告包括算法的准确率。
本发明还提供一种利用上述测试系统实现汽车高级辅助驾驶系统的算法测试方法,包括以下步骤:
收集各种测试场景,包括不同天气状况、不同道路类型、不同路况、不同光线、不同障碍物类型、障碍物不同运动状态的场景;
根据算法的测试需求,从测试数据库中选取测试场景;
对新开发的算法进行编译,生成测试程序并分发给执行机;
执行机在测试场景中执行测试程序,得到测试结果,并与正确结果进行对比,生成测试报告。
进一步地,执行机为多个,多个执行机并发执行测试程序。
进一步地,历史测试数据库中,天气状况包括晴、雨、雪、雾和霜;道路类型包括高速、市区和国道;路况包括车道线清晰、车道线残破和车道线模糊;光线包括明暗、角度、对比度和色温;障碍物类型包括车和人,以及车和人的大小、形状、颜色;障碍物运动状态包括运动和静止。
本发明的有益效果为:本发明的汽车高级辅助驾驶系统的算法测试系统及方法,可以再次利用历史测试视频素材,不需要到实地现场进行测试,不受制于设备系统固件,也无需构造或等待特定的测试环境,可以覆盖各种测试场景,大大缩短测试周期,省时省力。
进一步地,多个执行机并发执行测试程序,测试周期大大缩短,测试效率更高。
附图说明
图1为发明的汽车高级辅助驾驶系统的算法测试系统示意图。
具体实施方式
下面将结合附图对本发明作进一步的说明:
本发明的汽车高级辅助驾驶系统的算法测试系统及方法,可以再次利用历史测试视频素材,不需要到实地现场进行测试,不受制于设备系统固件,也无需构造或等待特定的测试环境,可以覆盖各种测试场景,大大缩短测试周期,省时省力。
本发明实施例的汽车高级辅助驾驶系统的算法测试系统,如图1所示,包括:
历史测试数据库,通过收集历史测试数据,这些历史测试数据包括视频录像、汽车车速、雷达数据等,整理分类,进而构建覆盖各种测试场景的数据库。历史测试数据库包括不同天气状况、不同道路类型、不同路况、不同光线、不同障碍物类型、障碍物不同运动状态的场景;其中,天气状况包括晴、雨、雪、雾和霜等;道路类型包括高速、市区和国道等;路况包括车道线清晰、车道线残破和车道线模糊等;光线包括明暗、角度、对比度和色温等;障碍物类型包括车和人等,以及车和人的大小、形状、颜色等;障碍物运动状态包括运动和静止。
场景生成库,用于根据算法的测试需求,从测试数据库中选取测试场景。场景生成库中测试场景具体为:在预设天气状况、预设道路类型、预设路况、预设光线下,自车以预设速度行驶、自车周围存在预设障碍物、障碍物正以预设运动状态在运动。以前车碰撞预警为例,一个典型的测试场景为:在XX天气、XX道路、XX光线、XX路况下,前方存在某XX类型障碍物,自车以XX速度向障碍物逼近时,当碰撞时间小于XX秒时,会上报碰撞预警。
算法编译模块,用于对新开发的算法进行编译,生成测试程序并分发给执行机。开发提供新版本算法后,上传到自动化测试平台。测试平台算法编译模块自动编译,生成新版本自动化测试程序,并分发到各个执行机。执行机,指运行测试或计算程序的PC机或者虚拟机。
执行机,用于在测试场景中执行测试程序,得到测试结果,并与正确结果进行对比,生成测试报告。各个执行机自动化运行测试程序,并生成结果报告。测试人员启动自动化执行后,测试平台自动分发测试场景到各个执行机执行,得到目标识别(车道识别、前车识别、行人识别、标志牌识别)、告警处理(车道偏离、前车碰撞预警、行人预警)的值,并与正确结果进行对比,得到测试结果:算法准确率。收集每个执行机的执行结果并汇总,得到所有的测试结果集合,最后通过邮件等方式发送给测试、开发等相关人员。
进一步地,执行机为多个,多个执行机并发执行测试程序。并发执行,测试周期大大缩短。测试平台有N台执行机,所有测试场景由这些执行机分配执行完成,测试周期进一步压缩。
本发明还提供一种利用上述测试系统实现汽车高级辅助驾驶系统的算法测试方法,包括以下步骤:
收集各种测试场景,包括不同天气状况、不同道路类型、不同路况、不同光线、不同障碍物类型、障碍物不同运动状态的场景;
根据算法的测试需求,从测试数据库中选取测试场景;
对新开发的算法进行编译,生成测试程序并分发给执行机;
执行机在测试场景中执行测试程序,得到测试结果,并与正确结果进行对比,生成测试报告。
进一步地,执行机为多个,多个执行机并发执行测试程序。
进一步地,历史测试数据库中,天气状况包括晴、雨、雪、雾和霜;道路类型包括高速、市区和国道;路况包括车道线清晰、车道线残破和车道线模糊;光线包括明暗、角度、对比度和色温;障碍物类型包括车和人,以及车和人的大小、形状、颜色;障碍物运动状态包括运动和静止。
本发明的汽车高级辅助驾驶系统的算法测试系统和方法有以下优点:
(1)可以全天候随时执行,只要开发出了新版本的算法,即可启动自动化测试,得到测试结果。
(2)测试周期短。原来的测试周期以周为单位,现在的测试周期只需几小时。
(3)历史测试视频素材可以再次利用,无需重复构造。
(4)无需构造或等待特定的测试环境条件,也无需车辆、场地、外出测试人员。
(5)算法可以单独先行验证,而不受制于设备系统固件的开发进度。
本领域的技术人员容易理解,以上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 (10)
1.一种汽车高级辅助驾驶系统的算法测试系统,其特征在于,包括:
历史测试数据库,用于覆盖各种测试场景,包括不同天气状况、不同道路类型、不同路况、不同光线、不同障碍物类型、障碍物不同运动状态的场景;
场景生成库,用于根据算法的测试需求,从测试数据库中选取测试场景;
算法编译模块,用于对新开发的算法进行编译,生成测试程序并分发给执行机;
执行机,用于在测试场景中执行测试程序,得到测试结果,并与正确结果进行对比,生成测试报告。
2.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试系统,其特征在于,执行机为多个,多个执行机并发执行测试程序。
3.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试系统,其特征在于,历史测试数据库中,天气状况包括晴、雨、雪、雾和霜;道路类型包括高速、市区和国道;路况包括车道线清晰、车道线残破和车道线模糊;光线包括明暗、角度、对比度和色温;障碍物类型包括车和人,以及车和人的大小、形状、颜色;障碍物运动状态包括运动和静止。
4.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试系统,其特征在于,场景生成库中测试场景具体为:在预设天气状况、预设道路类型、预设路况、预设光线下,自车以预设速度行驶、自车周围存在预设障碍物、障碍物正以预设运动状态在运动。
5.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试系统,其特征在于,执行机为运行测试程序的PC机或者虚拟机。
6.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试系统,其特征在于,测试结果包括目标识别和告警处理;其中,目标识别包括车道识别、前车识别、行人识别、标志牌识别;告警处理包括车道偏离告警、前车碰撞预警、行人碰撞预警。
7.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试系统,其特征在于,测试报告包括算法的准确率。
8.一种汽车高级辅助驾驶系统的算法测试方法,其特征在于,包括以下步骤:
收集各种测试场景,包括不同天气状况、不同道路类型、不同路况、不同光线、不同障碍物类型、障碍物不同运动状态的场景;
根据算法的测试需求,从测试数据库中选取测试场景;
对新开发的算法进行编译,生成测试程序并分发给执行机;
执行机在测试场景中执行测试程序,得到测试结果,并与正确结果进行对比,生成测试报告。
9.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试方法,其特征在于,执行机为多个,多个执行机并发执行测试程序。
10.根据权利要求1所述的汽车高级辅助驾驶系统的算法测试方法,其特征在于,历史测试数据库中,天气状况包括晴、雨、雪、雾和霜;道路类型包括高速、市区和国道;路况包括车道线清晰、车道线残破和车道线模糊;光线包括明暗、角度、对比度和色温;障碍物类型包括车和人,以及车和人的大小、形状、颜色;障碍物运动状态包括运动和静止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479012.9A CN112525552A (zh) | 2020-12-15 | 2020-12-15 | 汽车高级辅助驾驶系统的算法测试系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011479012.9A CN112525552A (zh) | 2020-12-15 | 2020-12-15 | 汽车高级辅助驾驶系统的算法测试系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112525552A true CN112525552A (zh) | 2021-03-19 |
Family
ID=75000204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011479012.9A Pending CN112525552A (zh) | 2020-12-15 | 2020-12-15 | 汽车高级辅助驾驶系统的算法测试系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112525552A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113805566A (zh) * | 2021-09-17 | 2021-12-17 | 南斗六星系统集成有限公司 | 一种集成辅助驾驶系统控制器的检测方法及系统 |
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 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109446371A (zh) * | 2018-11-09 | 2019-03-08 | 苏州清研精准汽车科技有限公司 | 一种智能汽车仿真测试场景库生成方法及测试系统和方法 |
-
2020
- 2020-12-15 CN CN202011479012.9A patent/CN112525552A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109446371A (zh) * | 2018-11-09 | 2019-03-08 | 苏州清研精准汽车科技有限公司 | 一种智能汽车仿真测试场景库生成方法及测试系统和方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113805566A (zh) * | 2021-09-17 | 2021-12-17 | 南斗六星系统集成有限公司 | 一种集成辅助驾驶系统控制器的检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179585B (zh) | 自动驾驶车辆的场地测试方法及装置 | |
Arya et al. | Transfer learning-based road damage detection for multiple countries | |
CN109657355B (zh) | 一种车辆道路虚拟场景的仿真方法及系统 | |
CN109211575B (zh) | 无人驾驶汽车及其场地测试方法、装置及可读介质 | |
CN113487874B (zh) | 一种跟驰行为场景数据采集、识别、分类提取系统及方法 | |
JP2002083297A (ja) | 物体認識方法および物体認識装置 | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
CN110188482B (zh) | 一种基于智能驾驶的测试场景创建方法及装置 | |
CN112525552A (zh) | 汽车高级辅助驾驶系统的算法测试系统及方法 | |
KR102355431B1 (ko) | Ai 기반 돌발상황 검지 방법 및 그 시스템 | |
WO2020007589A1 (en) | Training a deep convolutional neural network for individual routes | |
CN114781479A (zh) | 交通事件检测方法及装置 | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
CN113870551B (zh) | 一种能够鉴别危险和非危险驾驶行为的路侧监控系统 | |
CN114527675A (zh) | 自动驾驶仿真测试方法、装置、设备及存储介质 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
US20230033314A1 (en) | Method and processor circuit for operating an automated driving function with object classifier in a motor vehicle, as well as the motor vehicle | |
CN115762153A (zh) | 倒车检测方法及装置 | |
Varma et al. | Vision Based Advanced Driver Assistance System Using Deep Learning | |
CN110795348A (zh) | 基于数据回放的图像测距的自动化测试装置及方法 | |
CN115394089A (zh) | 一种车辆信息融合展示的方法、无感通行系统及存储介质 | |
CN114579088A (zh) | 基于数据挖掘和测试闭环的无人驾驶算法开发方法 | |
Sanchez et al. | Arterial travel time estimation based on vehicle re-identification using magnetic sensors: Performance analysis | |
CN117612140B (zh) | 道路场景的识别方法、装置和存储介质及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |