CN112560258A - 一种测试方法、装置、设备及存储介质 - Google Patents
一种测试方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112560258A CN112560258A CN202011457546.1A CN202011457546A CN112560258A CN 112560258 A CN112560258 A CN 112560258A CN 202011457546 A CN202011457546 A CN 202011457546A CN 112560258 A CN112560258 A CN 112560258A
- Authority
- CN
- China
- Prior art keywords
- list
- obstacle
- target
- parameters
- sensor
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
- G01S7/4972—Alignment of sensor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种测试方法、装置、设备及存储介质。该方法包括:获取传感器参数、障碍物参数和车辆参数;根据所述传感器参数得到传感器类列表;根据所述障碍物参数得到障碍物类列表;根据所述车辆参数得到车辆类列表;将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试,通过本发明的技术方案,以实现能够有限涵盖各类评估场景中的各类障碍物,提供一个全面的,多维度的评估报告。
Description
技术领域
本发明实施例涉及车辆技术,尤其涉及一种测试方法、装置、设备及存储介质。
背景技术
车辆保有率日益增加,道路铺设逐渐结构化规范化,但是车祸却日益成为一个严重的问题困扰着整个社会。行车安全,不仅保障了车辆,道路的财产安全更是保护了行人,驾驶员的生命安全。因此减少车辆事故率,保证车辆的行车规范已经成为了一个亟待解决的问题。在如今的新基建背景下,无人驾驶恰恰是一个契合的解决方案。而在无人驾驶方案中,激光雷达的地位举足轻重。
市面上的激光雷达厂商各有不同,从激光线束,激光器安装角度,发射原理,覆盖范围等存在着巨大的差异。而现在搭载激光雷达的自动驾驶车型也各式各样,形状不同。再者,不同的驾驶场景下有着不同的需求。因此激光雷达的选型布置再到驾驶场景的适应性评估充满了挑战和不确定性。
现有厂商提供的点云模拟系统成本高昂,灵活性较差,且没有为激光雷达布置选型评估的模块。
发明内容
本发明实施例提供一种测试方法、装置、设备及存储介质,以实现能够有限涵盖各类评估场景中的各类障碍物,提供一个全面的,多维度的评估报告。
第一方面,本发明实施例提供了一种测试方法,包括:
获取传感器参数、障碍物参数和车辆参数;
根据所述传感器参数得到传感器类列表;
根据所述障碍物参数得到障碍物类列表;
根据所述车辆参数得到车辆类列表;
将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
进一步的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
根据用户输入的特征信息从所述传感器类列表、障碍物类列和车辆类列表中选取目标障碍物参数、目标车辆参数以及目标传感器参数;
根据所述目标障碍物参数和目标车辆参数确定目标距离列表和目标方向列表,所述目标距离列表中至少包括两个距离数据,所述目标方向列表中包括至少两个方向;
通过所述目标传感器参数对应的传感器依次获取目标障碍物按照所述目标距离列表和所述目标方向列表在空间中模拟移动时,打在所述目标障碍物上的点云数量和点云延展度;
根据所述点云数量和点云延展度评定点云质量。
进一步的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
从所述传感器类列表、障碍物类列表和车辆类列表中随机选取传感器参数、障碍物参数和车辆参数;
将随机选取的传感器参数、障碍物参数、位置参数和车辆参数输入点云模拟器进行测试。
进一步的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
通过所述目标传感器参数对应的传感器获取所述目标障碍物在目标范围内,围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云;
计算所述点云覆盖面积和目标障碍物表面积的第一比值;
若所述第一比值大于或者等于比值阈值,则确定点云能够描述障碍物的形状特征;
若所述第一比值小于比值阈值,则确定点云不能够描述障碍物的形状特征。
进一步的,还包括:
获取所述目标障碍物在目标范围内围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云的最低点;
根据所述点云的最低点确定三维的激光雷达点云盲区。
进一步的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
获取障碍物根据所述传感器类列表、障碍物类列和车辆类列表移动过程中,打在障碍物上的点云和打在地上的点云;
根据障碍物和传感器位置之间的距离确定丢失率。
第二方面,本发明实施例还提供了一种测试装置,该装置包括:获取模块,用于获取传感器参数、障碍物参数和车辆参数;
第一得到模块,用于根据所述传感器参数得到传感器类列表;
第二得到模块,用于根据所述障碍物参数得到障碍物类列表;
第三得到模块,用于根据所述车辆参数得到车辆类列表;
测试模块,用于将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
进一步的,测试模块具体用于:
根据用户输入的特征信息从所述传感器类列表、障碍物类列和车辆类列表中选取目标障碍物参数、目标车辆参数以及目标传感器参数;
根据所述目标障碍物参数和目标车辆参数确定目标距离列表和目标方向列表,所述目标距离列表中至少包括两个距离数据,所述目标方向列表中包括至少两个方向;
通过所述目标传感器参数对应的传感器依次获取目标障碍物按照所述目标距离列表和所述目标方向列表在空间中模拟移动时,打在所述目标障碍物上的点云数量和点云延展度;
根据所述点云数量和点云延展度评定点云质量。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的方法。
本发明实施例通过获取传感器参数、障碍物参数和车辆参数;根据所述传感器参数得到传感器类列表;根据所述障碍物参数得到障碍物类列表;根据所述车辆参数得到车辆类列表;将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试,以实现能够有限涵盖各类评估场景中的各类障碍物,提供一个全面的,多维度的评估报告。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本发明实施例一中的一种测试方法的流程图;
图1a是本发明实施例一中的点云模拟评估工具整体流程;
图1b是本发明实施例一中的标准测试流程图;
图1c是本发明实施例一中的点云模拟解算器流程图;
图1d是本发明实施例一中的盲区测试示意图;
图1e是本发明实施例一中的障碍物简化模型;
图1f是本发明实施例一中的点云模拟俯视图;
图1g是本发明实施例一中的障碍物反射模拟点云;
图1h是本发明实施例一中的标准测试结果图;
图2是本发明实施例二中的一种测试装置的结构示意图;
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
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。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种测试方法的流程图,本实施例可适用于测试的情况,该方法可以由本发明实施例中的测试装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,获取传感器参数、障碍物参数和车辆参数。
示例性的,总体来看可通过参数设置对3大类物理部件进行模拟设置。包括:传感器设置、障碍物设置和车辆设置,传感器设置:可选固态和机械式。不同型号的传感器会将会决定激光器的布置形式和扫描方。视场角、角分辨率、激光线数、激光线束角度以及帧率是传感器的内参,通过这些参数可以模拟激光雷达在运行过程中的激光雷达发生形式。补偿文件,可以对激光器发射的点云进行补偿,使得点云更加的准确和符合实际情况。传感器设置还包括:传感器布置位置设定,其中,传感器布置位置设定包括:对选择的激光雷达进行布置,共有6个自由度可供选择。车辆设置:对自车形状和速度进行设置,后面的点云解算器会对根据自车的形状和运动信息进行点云的模拟。障碍物设定:由一系列长方体构成,不同参数的长方体将组合出各种形状的障碍物,用于模拟在道路上出现的行人,车辆以及路侧的各类建筑物,路沿等。障碍物可设定运动速度,后期模拟器会根据障碍物的运动信息进行模拟解算。这3个参数设定完成后会生成3个抽象的类,这3个类会送入点云模拟器中进行解算,最后根据测试流程测试类规定的测试方式进行模拟,最终形成需要的测试报告和点云图。在对传感器设置、障碍物设置和车辆设置后,得到相应的传感器参数、障碍物参数和车辆参数。
S120,根据所述传感器参数得到传感器类列表。
S130,根据所述障碍物参数得到障碍物类列表。
S140,根据所述车辆参数得到车辆类列表。
示例性的,根据获取到的传感器参数得到传感器类列表,根据所述障碍物参数得到障碍物类列表,根据所述车辆参数得到车辆类列表。
S150,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
需要说明的是,步骤120、130和140可以为同时发生的步骤,本发明实施例对步骤120、130和140的顺序不进行限制。
可选的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
根据用户输入的特征信息从所述传感器类列表、障碍物类列和车辆类列表中选取目标障碍物参数、目标车辆参数以及目标传感器参数;
根据所述目标障碍物参数和目标车辆参数确定目标距离列表和目标方向列表,所述目标距离列表中至少包括两个距离数据,所述目标方向列表中包括至少两个方向;
通过所述目标传感器参数对应的传感器依次获取目标障碍物按照所述目标距离列表和所述目标方向列表在空间中模拟移动时,打在所述目标障碍物上的点云数量和点云延展度;
根据所述点云数量和点云延展度评定点云质量。
示例性的,用户输入待评估的厂家A的传感器参数、厂家B的传感器参数和厂家C的传感器参数,将厂家A的传感器参数、厂家B的传感器参数和厂家C的传感器参数确定为目标传感器参数,通过厂家A的传感器采集目标障碍物在不同位置不同方向的点云数据,通过厂家B的传感器采集目标障碍物在不同位置不同方向的点云数据,通过厂家C的传感器采集目标障碍物在不同位置不同方向的点云数据。
可选的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
从所述传感器类列表、障碍物类列表和车辆类列表中随机选取传感器参数、障碍物参数和车辆参数;
将随机选取的传感器参数、障碍物参数、位置参数和车辆参数输入点云模拟器进行测试。
可选的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
通过所述目标传感器参数对应的传感器获取所述目标障碍物在目标范围内,围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云;
计算所述点云覆盖面积和目标障碍物表面积的第一比值;
若所述第一比值大于或者等于比值阈值,则确定点云能够描述障碍物的形状特征;
若所述第一比值小于比值阈值,则确定点云不能够描述障碍物的形状特征。
可选的,还包括:
获取所述目标障碍物在目标范围内围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云的最低点;
根据所述点云的最低点确定三维的激光雷达点云盲区。
可选的,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
获取障碍物根据所述传感器类列表、障碍物类列和车辆类列表移动过程中,打在障碍物上的点云和打在地上的点云;
根据障碍物和传感器位置之间的距离确定丢失率。
本发明实施例为了解决无人驾驶系统激光雷达选型布置方案设计中存在无法定量评估的问题,提出用于针对不同车型,不同传感器类型,不同应用场景进行模拟评估测试的方法。给设计者提供一份定量的标准的测试报告用来支持激光雷达系统的传感器方案设计。本发明实施例实现成本低廉,对激光雷达系统的方案设计具有更强的针对性。且本发明实施例定义了一系列的标准模拟实验,能有限涵盖各类评估场景中的各类障碍物,提供一个全面的,多维度的评估报告。
激光雷达系统设计之初,选型布置成为一个难题。选型和布置将极大的影响到后续的检测效果。但是在设计之初,设计人员无法直观的想象出点云的分布,点云的组合以及由于雷达布置不同和车身遮挡造成的近车处的盲区分布。该方法基于点云模拟,可调传感器选型,传感器布置位置,障碍物布置及类型,给用户提供了一个直观的布置方案的评估结果。
图1a为整体的点云模拟评估工具流程图,本发明实施例通过Python实现。总体来看可通过参数设置对3大类物理部件进行模拟设置。传感器设置:可选固态和机械式。不同型号的传感器会将会决定激光器的布置形式和扫描方。视场角、角分辨率、激光线数、激光线束角度以及帧率是传感器的内参,通过这些参数可以模拟激光雷达在运行过程中的激光雷达发生形式。补偿文件,可以对激光器发射的点云进行补偿,使得点云更加的准确和符合实际情况。传感器设置还包括:传感器布置位置设定,其中,传感器布置位置设定包括:对选择的激光雷达进行布置,共有6个自由度可供选择。自车设置:对自车形状和速度进行设置,后面的点云解算器会对根据自车的形状和运动信息进行点云的模拟。障碍物设定:由一系列长方体构成,不同参数的长方体将组合出各种形状的障碍物,用于模拟在道路上出现的行人,车辆以及路侧的各类建筑物,路沿等。障碍物可设定运动速度,后期模拟器会根据障碍物的运动信息进行模拟解算。这3个参数设定完成后会生成3个抽象的类,这3个类会送入点云模拟器中进行解算,最后根据测试流程测试类规定的测试方式进行模拟,最终形成需要的测试报告和点云图。
图1b为标准测试流程类的测试流程图。测试流程分为3个部分,标准测试,随机测试和盲区测试。首先是标准测试,标准测试将需要评估的障碍物按照设定的方向和距离进行排布,根据既定的传感器选型和布置方案进行点云模拟,最终得到不同距离不同方向下各类型障碍物的点云梳理和在障碍物表面的点云分布图。最终根据排布在障碍物上点云数量和点云延展度来评定点云质量。其中点云延展程度定义公式如下:Dp为延展程度。β,γ为加权值,取值范围为[0-1],通过这个加权还是来调整对于各个方向的点云的偏重程度。障碍物按照设定的位置和角度在空间中模拟的移动,反射激光雷达发射的激光形成模拟点云。不同的方案将会有不同的模拟点云结果,也会产生不同的评估结果。
随机测试中,用户可选择障碍物的类型和尺寸,这个信息将会决定最终有哪些模拟障碍物将会随机出现在模拟场景中。设定数量,决定了模拟场景的复杂程度。测试范围决定了障碍物会出现在模拟场景的什么范围内。建筑物模拟,是一种可选的模拟选项。建筑物模拟可模拟路沿,路边的房屋等,建筑物模拟会固定的构建出一列建筑物,用于仿真真实的道路情况对于点云的遮挡。随机程度决定了整个障碍物模拟系统的随机程度。可选的随机方式有尺寸随机,位置随机,速度随机。通过不同的随机方式的组合,可以组合出大量的模拟场景。最终将该模拟障碍物场景输入点云模拟器中进行模拟,得到一系列仿真的模拟点云。最终通过计算反射了足够点云数量的障碍的数量和查看分布来评估传感器布置的好坏。随机测试具有较强的随机性,相对于标准测试不具有重复性,但是由于引入随机性,可以帮助设计者发现一些平常难以发现的盲区和点云探测薄弱地带。并且随机测试障碍物之间存在随机的相互遮挡,这种特型更加符合车辆在实际道路上的运行情况,得到的模拟结果要更具有普遍意义。
盲区检测则是为了更好的确定该选型及布置方案下的激光雷达系统存在的点云盲区。激光雷达盲区一般存在于车身附近,通过设置通过设定检测范围和障碍物类型可以模拟得到行人,车辆,锥桶等不同尺寸的障碍物在近车身一定范围内的点云分布情况和盲区情况。具体的盲区测试是将障碍物限定在测试范围内,让模拟障碍物绕着车身前进并且向靠近车身的方向移动。收集这个过程中打在障碍物上的点云可以帮助设计判断该点云形态是否满足测试需求。通过计算点云覆盖面积和障碍物表面积的比值可以定量的分析该形态的点云是否足够描述障碍物的形状特征。最后通过解算移动中的障碍物点云的最低点,即可确定一个三维的激光雷达点云盲区,这个区域内激光雷达完全失效,提供此数据可帮助设计者在盲区内覆盖其他传感器来防止漏检。
图1c为模拟点云解算器的流程。障碍在模拟系统中被拆解成一个个独立的平面,传感器根据内参和布置参数被拆解成一个个独立的激光线束发射源。通过三维空间的面线求交点的方式得出干涉点。在模拟器中有一个定时器,该定时器模拟时间流动,时间流动将会间断的触发不同的激光雷达线束发射。并且由于障碍物和自车都存在运动信息,根据定时器的时间,障碍物的位置和位姿,自车的位置和位姿以及激光器的光速位置都会随时间相应的变化。根据这些信息,进行激光线和障碍物面的干涉计算,获得的最近解就是障碍物上的反射点,无解则表示该激光线和障碍物无交点。之后进行地面判断,激光束和地面进行干涉判断求解。走完一个帧的周期后就得到了一帧模拟点云。但是激光雷达在不同的障碍物和距离的条件下会有一定概率的点云无法返回的情况,这在模拟器中就表现为随机丢失。本发明实施例中根据实际测试的经验值设置了如下的随机丢失的概率规则,如表1所示:
表1
表中包括各个距离下不同障碍物的丢失率。通过随机的丢失部分点云后得到一帧点云将更加的贴合实际情况。最终这一帧点云将输出到下游以供评测或者又设计者进行可视化的观察。
在一个具体的例子中,如图1d所示,为盲区检测的示意图,激光雷达发射激光束,激光束打在模拟障碍物上,根据打在模拟障碍物上的点云的最低点确定盲区,如图1e所示,可以将障碍物简化为图中所示模型。
其中,图1f为放置了3个障碍物后的点云模拟图的俯视图,如图1g所示,图1g为障碍物反射模拟点云。
如图1h所示,图1h为一种标准测试结果图,图中包括:前向方向、左向方向和后向方向上不同距离的点云数据,图中右上角为不同方向和距离上的点云数据的数量。
现阶段anasys,matlab等厂商均有点云模拟系统。该厂商的系统均基于复杂的物理引擎作为驱动进行点云模拟。使用该方法进行点云模拟成本高昂,需要消耗大量的计算资源才能进行单次点云模拟。本方法基于Python实现,精简了与评估无关的大量物理要素,仅保留与布置,选型强相关的物理要素。是一种低成本,针对性更强,且计算资源要求较低的点云模拟方法。
现有的点云模拟工具均没有为布置选型提供评估模块。本发明实施例可通过配置参数的修改,模拟不同类型的激光雷达。通过对配置参数的修改组合出不同布置场景和障碍物的分布场景。通过上述的两种参数组合,可实现对特定车型,特定场景的组合,针对性的对激光雷达系统选型,布置方案进行模拟。
本发明实施例提供了一套标准的、完整的点云模拟实验方案,并且能生成一份标准的测试报告。提供了对车辆,行人等障碍物的一个点云质量评估。同时加入了障碍物随机生成的功能,模拟了特定道路情况下的障碍物随机分布的情况,对点云质量进行综合的评估。同时还能生成对车身附近盲区的一个评估报告。
本实施例的技术方案,通过获取传感器参数、障碍物参数和车辆参数;根据所述传感器参数得到传感器类列表;根据所述障碍物参数得到障碍物类列表;根据所述车辆参数得到车辆类列表;将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试,以实现能够有限涵盖各类评估场景中的各类障碍物,提供一个全面的,多维度的评估报告。
实施例二
图2为本发明实施例二提供的一种测试装置的结构示意图。本实施例可适用于测试的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供测试功能的设备中,如图2所示,所述测试装置具体包括:获取模块210、第一得到模块220、第二得到模块230、第三得到模块240和测试模块250。
其中,获取模块,用于获取传感器参数、障碍物参数和车辆参数;
第一得到模块,用于根据所述传感器参数得到传感器类列表;
第二得到模块,用于根据所述障碍物参数得到障碍物类列表;
第三得到模块,用于根据所述车辆参数得到车辆类列表;
测试模块,用于将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
可选的,测试模块具体用于:
根据用户输入的特征信息从所述传感器类列表、障碍物类列和车辆类列表中选取目标障碍物参数、目标车辆参数以及目标传感器参数;
根据所述目标障碍物参数和目标车辆参数确定目标距离列表和目标方向列表,所述目标距离列表中至少包括两个距离数据,所述目标方向列表中包括至少两个方向;
通过所述目标传感器参数对应的传感器依次获取目标障碍物按照所述目标距离列表和所述目标方向列表在空间中模拟移动时,打在所述目标障碍物上的点云数量和点云延展度;
根据所述点云数量和点云延展度评定点云质量。
可选的,测试模块具体用于:
从所述传感器类列表、障碍物类列表和车辆类列表中随机选取传感器参数、障碍物参数和车辆参数;
将随机选取的传感器参数、障碍物参数、位置参数和车辆参数输入点云模拟器进行测试。
可选的,测试模块具体用于:
通过所述目标传感器参数对应的传感器获取所述目标障碍物在目标范围内,围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云;
计算所述点云覆盖面积和目标障碍物表面积的第一比值;
若所述第一比值大于或者等于比值阈值,则确定点云能够描述障碍物的形状特征;
若所述第一比值小于比值阈值,则确定点云不能够描述障碍物的形状特征。
可选的,测试模块具体用于:
获取所述目标障碍物在目标范围内围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云的最低点;
根据所述点云的最低点确定三维的激光雷达点云盲区。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本发明实施例为了解决无人驾驶系统激光雷达选型布置方案设计中存在无法定量评估的问题,提出用于针对不同车型,不同传感器类型,不同应用场景进行模拟评估测试的方法。给设计者提供一份定量的标准的测试报告用来支持激光雷达系统的传感器方案设计。本发明实施例实现成本低廉,对激光雷达系统的方案设计具有更强的针对性。且本发明实施例定义了一系列的标准模拟实验,能有限涵盖各类评估场景中的各类障碍物,提供一个全面的,多维度的评估报告。
激光雷达系统设计之初,选型布置成为一个难题。选型和布置将极大的影响到后续的检测效果。但是在设计之初,设计人员无法直观的想象出点云的分布,点云的组合以及由于雷达布置不同和车身遮挡造成的近车处的盲区分布。该方法基于点云模拟,可调传感器选型,传感器布置位置,障碍物布置及类型,给用户提供了一个直观的布置方案的评估结果。
现阶段anasys,matlab等厂商均有点云模拟系统。该厂商的系统均基于复杂的物理引擎作为驱动进行点云模拟。使用该方法进行点云模拟成本高昂,需要消耗大量的计算资源才能进行单次点云模拟。本方法基于Python实现,精简了与评估无关的大量物理要素,仅保留与布置,选型强相关的物理要素。是一种低成本,针对性更强,且计算资源要求较低的点云模拟方法。
现有的点云模拟工具均没有为布置选型提供评估模块。本发明实施例可通过配置参数的修改,模拟不同类型的激光雷达。通过对配置参数的修改组合出不同布置场景和障碍物的分布场景。通过上述的两种参数组合,可实现对特定车型,特定场景的组合,针对性的对激光雷达系统选型,布置方案进行模拟。
本发明实施例提供了一套标准的、完整的点云模拟实验方案,并且能生成一份标准的测试报告。提供了对车辆,行人等障碍物的一个点云质量评估。同时加入了障碍物随机生成的功能,模拟了特定道路情况下的障碍物随机分布的情况,对点云质量进行综合的评估。同时还能生成对车身附近盲区的一个评估报告。
本实施例的技术方案,通过获取传感器参数、障碍物参数和车辆参数;根据所述传感器参数得到传感器类列表;根据所述障碍物参数得到障碍物类列表;根据所述车辆参数得到车辆类列表;将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试,以实现能够有限涵盖各类评估场景中的各类障碍物,提供一个全面的,多维度的评估报告。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外,本实施例中的计算机设备12,显示器24不是作为独立个体存在,而是嵌入镜面中,在显示器24的显示面不予显示时,显示器24的显示面与镜面从视觉上融为一体。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网Wide AreaNetwork,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的测试方法:
获取传感器参数、障碍物参数和车辆参数;
根据所述传感器参数得到传感器类列表;
根据所述障碍物参数得到障碍物类列表;
根据所述车辆参数得到车辆类列表;
将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
实施例四
本发明实施例四提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的测试方法:
获取传感器参数、障碍物参数和车辆参数;
根据所述传感器参数得到传感器类列表;
根据所述障碍物参数得到障碍物类列表;
根据所述车辆参数得到车辆类列表;
将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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介质,该计算机可读介质可以发送、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。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读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该电子设备执行时,使得该电子设备:接收用户输入的源文本,将所述源文本翻译为目标语种对应的目标文本;获取所述用户的历史纠正行为;根据所述历史纠正行为对所述目标文本进行纠正,获得翻译结果,并将所述翻译结果推送至所述用户所在的客户端。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开实施例中所涉及到的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。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种测试方法,其特征在于,包括:
获取传感器参数、障碍物参数和车辆参数;
根据所述传感器参数得到传感器类列表;
根据所述障碍物参数得到障碍物类列表;
根据所述车辆参数得到车辆类列表;
将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
2.根据权利要求1所述的方法,其特征在于,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
根据用户输入的特征信息从所述传感器类列表、障碍物类列和车辆类列表中选取目标障碍物参数、目标车辆参数以及目标传感器参数;
根据所述目标障碍物参数和目标车辆参数确定目标距离列表和目标方向列表,所述目标距离列表中至少包括两个距离数据,所述目标方向列表中包括至少两个方向;
通过所述目标传感器参数对应的传感器依次获取目标障碍物按照所述目标距离列表和所述目标方向列表在空间中模拟移动时,打在所述目标障碍物上的点云数量和点云延展度;
根据所述点云数量和点云延展度评定点云质量。
3.根据权利要求2所述的方法,其特征在于,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
从所述传感器类列表、障碍物类列表和车辆类列表中随机选取传感器参数、障碍物参数和车辆参数;
将随机选取的传感器参数、障碍物参数、位置参数和车辆参数输入点云模拟器进行测试。
4.根据权利要求2所述的方法,其特征在于,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
通过所述目标传感器参数对应的传感器获取所述目标障碍物在目标范围内,围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云;
计算所述点云覆盖面积和目标障碍物表面积的第一比值;
若所述第一比值大于或者等于比值阈值,则确定点云能够描述障碍物的形状特征;
若所述第一比值小于比值阈值,则确定点云不能够描述障碍物的形状特征。
5.根据权利要求4所述的方法,其特征在于,还包括:
获取所述目标障碍物在目标范围内围绕目标车辆前进并且向靠近目标车辆的方向移动过程中打在障碍物上的点云的最低点;
根据所述点云的最低点确定三维的激光雷达点云盲区。
6.根据权利要求1所述的方法,其特征在于,将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试包括:
获取障碍物根据所述传感器类列表、障碍物类列和车辆类列表移动过程中,打在障碍物上的点云和打在地上的点云;
根据障碍物和传感器位置之间的距离确定丢失率。
7.一种测试装置,其特征在于,包括:
获取模块,用于获取传感器参数、障碍物参数和车辆参数;
第一得到模块,用于根据所述传感器参数得到传感器类列表;
第二得到模块,用于根据所述障碍物参数得到障碍物类列表;
第三得到模块,用于根据所述车辆参数得到车辆类列表;
测试模块,用于将所述传感器类列表、障碍物类列和车辆类列表输入点云模拟器进行测试。
8.根据权利要求7所述的装置,其特征在于,测试模块具体用于:
根据用户输入的特征信息从所述传感器类列表、障碍物类列和车辆类列表中选取目标障碍物参数、目标车辆参数以及目标传感器参数;
根据所述目标障碍物参数和目标车辆参数确定目标距离列表和目标方向列表,所述目标距离列表中至少包括两个距离数据,所述目标方向列表中包括至少两个方向;
通过所述目标传感器参数对应的传感器依次获取目标障碍物按照所述目标距离列表和所述目标方向列表在空间中模拟移动时,打在所述目标障碍物上的点云数量和点云延展度;
根据所述点云数量和点云延展度评定点云质量。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的方法。
10.一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,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011457546.1A CN112560258B (zh) | 2020-12-10 | 2020-12-10 | 一种测试方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011457546.1A CN112560258B (zh) | 2020-12-10 | 2020-12-10 | 一种测试方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560258A true CN112560258A (zh) | 2021-03-26 |
CN112560258B CN112560258B (zh) | 2023-02-21 |
Family
ID=75061985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011457546.1A Active CN112560258B (zh) | 2020-12-10 | 2020-12-10 | 一种测试方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560258B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116106839A (zh) * | 2023-03-22 | 2023-05-12 | 武汉中关村硬创空间科技有限公司 | 车载雷达可靠性检测方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780586A (zh) * | 2016-11-14 | 2017-05-31 | 厦门大学 | 一种基于地面激光点云的太阳能潜力评估方法 |
CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
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 |
CN109598066A (zh) * | 2018-12-05 | 2019-04-09 | 百度在线网络技术(北京)有限公司 | 预测模块的效果评估方法、装置、设备和存储介质 |
CN110764108A (zh) * | 2019-11-05 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶场景的障碍物检测方法及装置 |
CN111174777A (zh) * | 2018-11-09 | 2020-05-19 | 阿里巴巴集团控股有限公司 | 定位方法、装置以及电子设备 |
CN111177869A (zh) * | 2020-01-02 | 2020-05-19 | 北京百度网讯科技有限公司 | 传感器布局方案的确定方法、装置及设备 |
CN111402161A (zh) * | 2020-03-13 | 2020-07-10 | 北京百度网讯科技有限公司 | 点云障碍物的去噪方法、装置、设备和存储介质 |
WO2020150904A1 (en) * | 2019-01-22 | 2020-07-30 | SZ DJI Technology Co., Ltd. | Neural network based obstacle detection for mobile platforms, and associated systems and methods |
-
2020
- 2020-12-10 CN CN202011457546.1A patent/CN112560258B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780586A (zh) * | 2016-11-14 | 2017-05-31 | 厦门大学 | 一种基于地面激光点云的太阳能潜力评估方法 |
CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
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 |
CN111174777A (zh) * | 2018-11-09 | 2020-05-19 | 阿里巴巴集团控股有限公司 | 定位方法、装置以及电子设备 |
CN109598066A (zh) * | 2018-12-05 | 2019-04-09 | 百度在线网络技术(北京)有限公司 | 预测模块的效果评估方法、装置、设备和存储介质 |
WO2020150904A1 (en) * | 2019-01-22 | 2020-07-30 | SZ DJI Technology Co., Ltd. | Neural network based obstacle detection for mobile platforms, and associated systems and methods |
CN110764108A (zh) * | 2019-11-05 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶场景的障碍物检测方法及装置 |
CN111177869A (zh) * | 2020-01-02 | 2020-05-19 | 北京百度网讯科技有限公司 | 传感器布局方案的确定方法、装置及设备 |
CN111402161A (zh) * | 2020-03-13 | 2020-07-10 | 北京百度网讯科技有限公司 | 点云障碍物的去噪方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
刘畅 等: ""基于欧氏聚类的改进激光雷达障碍物检测方法"", 《激光与光电子学进展》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116106839A (zh) * | 2023-03-22 | 2023-05-12 | 武汉中关村硬创空间科技有限公司 | 车载雷达可靠性检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112560258B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11455565B2 (en) | Augmenting real sensor recordings with simulated sensor data | |
US11487988B2 (en) | Augmenting real sensor recordings with simulated sensor data | |
CN109459734B (zh) | 一种激光雷达定位效果评估方法、装置、设备及存储介质 | |
CN109271893B (zh) | 一种仿真点云数据的生成方法、装置、设备及存储介质 | |
US11663377B2 (en) | Sensor arrangement validation using simulated environments | |
CN112652045A (zh) | 一种面向自动驾驶虚实融合测试的点云融合方法及其应用 | |
Rosenberger et al. | Benchmarking and functional decomposition of automotive lidar sensor models | |
EP3816663B1 (en) | Method, device, equipment, and storage medium for determining sensor solution | |
JP2022550512A (ja) | マルチエージェントシミュレーション | |
CN117269940B (zh) | 点云数据生成方法、激光雷达的感知能力验证方法 | |
Rosenberger et al. | Analysis of real world sensor behavior for rising fidelity of physically based lidar sensor models | |
Roos et al. | A framework for simulative evaluation and optimization of point cloud-based automotive sensor sets | |
CN112699765A (zh) | 评估视觉定位算法的方法、装置、电子设备及存储介质 | |
CN112560258B (zh) | 一种测试方法、装置、设备及存储介质 | |
CN109827610B (zh) | 用于校验传感器融合结果的方法和装置 | |
CN113433568B (zh) | 一种激光雷达观测模拟方法及装置 | |
CN116642490A (zh) | 基于混合地图的视觉定位导航方法、机器人及存储介质 | |
CN113468735B (zh) | 一种激光雷达仿真方法、装置、系统和存储介质 | |
Martowicz et al. | Uncertainty propagation for vehicle detections in experimentally validated radar model for automotive application | |
CN115657494A (zh) | 虚拟对象仿真方法、装置、设备及存储介质 | |
CN115507840A (zh) | 一种栅格地图构建方法、栅格地图构建装置及电子设备 | |
CN116867699A (zh) | 用于自动驾驶车辆和模拟器的地图的迭代扭曲的方法、系统和计算机程序产品 | |
Koduri et al. | AUREATE: An Augmented Reality Test Environment for Realistic Simulations | |
CN116449807B (zh) | 一种物联网汽车操控系统仿真测试方法及系统 | |
Uecker et al. | Can you see me now? Blind spot estimation for autonomous vehicles using scenario-based simulation with random reference sensors |
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 |