CN112579464A - 自动驾驶算法的校验方法、装置、设备以及存储介质 - Google Patents

自动驾驶算法的校验方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN112579464A
CN112579464A CN202011562221.XA CN202011562221A CN112579464A CN 112579464 A CN112579464 A CN 112579464A CN 202011562221 A CN202011562221 A CN 202011562221A CN 112579464 A CN112579464 A CN 112579464A
Authority
CN
China
Prior art keywords
data
algorithm
automatic driving
verified
result
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.)
Withdrawn
Application number
CN202011562221.XA
Other languages
English (en)
Inventor
朱厚强
魏鹏飞
宋佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011562221.XA priority Critical patent/CN112579464A/zh
Publication of CN112579464A publication Critical patent/CN112579464A/zh
Priority to US17/501,401 priority patent/US20220035733A1/en
Withdrawn legal-status Critical Current

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
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
    • G06F11/0739—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function in a data processing system embedded in automotive or aircraft systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
    • 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
    • G06F11/3696—Methods or tools to render software testable
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2756/00—Output or target parameters relating to data
    • B60W2756/10—Involving external transmission of data to or from the vehicle
    • 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
    • G06F11/3692—Test management for test results analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/81—Threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开公开了一种自动驾驶算法的校验方法、装置、设备以及存储介质，涉及人工智能领域，尤其涉及自动驾驶领域、智能交通、计算机视觉领域。具体实现方案为：在车辆行驶过程中获取行驶数据，其中所述行驶数据包括环境参数和/或车辆的状态参数；利用待校验的自动驾驶算法对所述行驶数据进行处理，以生成预测结果；获取与所述行驶数据对应的参考结果；根据所述预测结果与参考结果的差异程度，确定所述待校验的自动驾驶算法的可靠性。本公开通过基于车辆在实际行驶过程中获取的真实性行驶数据对自动驾驶算法进行可靠性校验，不仅降低了校验成本，而且保证了校验结果真实、可靠。

Description

自动驾驶算法的校验方法、装置、设备以及存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及自动驾驶、智能交通、计算机视觉等人工智能技术领域，具体涉及一种自动驾驶算法的校验方法、装置、设备以及存储介质。
背景技术
随着众多主机厂将智能汽车投入量产，各家技术供应商的自动驾驶算法模型迅速迭代，不断优化场景问题，拓展车辆自主运行能力。技术迭代期间需要对每一版自动驾驶算法进行大量的实车在环测试，如何对自动驾驶算法进行全面、可靠的校验，成为目前亟需解决的问题。
发明内容
本公开提供了一种用于自动驾驶算法的校验的方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种自动驾驶算法的校验方法，包括：
在车辆行驶过程中获取行驶数据，其中所述行驶数据包括环境参数和/或车辆的状态参数；
利用待校验的自动驾驶算法对所述行驶数据进行处理，以生成预测结果；
获取与所述行驶数据对应的参考结果；
根据所述预测结果与参考结果的差异程度，确定所述待校验的自动驾驶算法的可靠性。
根据本公开的另一方面，提供了一种自动驾驶算法的校验装置，包括：
第一获取模块，用于在车辆行驶过程中获取行驶数据，其中所述行驶数据包括环境参数和/或车辆的状态参数；
预测模块，用于利用待校验的自动驾驶算法对所述行驶数据进行处理，以生成预测结果；
第二获取模块，用于获取与所述行驶数据对应的参考结果；
验证模块，用于根据所述预测结果与参考结果的差异程度，确定所述待校验的自动驾驶算法的可靠性。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面所述的自动驾驶算法的校验方法。
根据本公开另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面所述的自动驾驶算法的校验方法。
根据本公开另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的自动驾驶算法的校验方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本公开的自动驾驶算法的校验方法、装置、设备及存储介质，至少存在以下有益效果：
在车辆行驶过程中获取行驶数据，进而利用待校验的自动驾驶算法对行驶数据进行处理，以生成预测结果，然后再根据预测结果与对应的参考结果的差异程度，确定待校验的自动驾驶算法的可靠性。由此，通过基于车辆在实际行驶过程中获取的真实性行驶数据对自动驾驶算法进行可靠性校验，不仅降低了校验成本，而且保证了校验结果真实、可靠。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例提供的一种自动驾驶算法的校验方法的流程示意图；
图2为本公开实施例提供的另一种自动驾驶算法的校验方法的流程示意图；
图3为本公开实施例提供的一种自动驾驶算法的校验装置的结构示意图；
图4为根据本公开实施例的自动驾驶算法的校验方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了方便对本公开的理解，下面首先对本公开涉及的技术领域进行简单解释说明书。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
自动驾驶是指能够协助驾驶员转向和保持在道路内行驶，实现跟车、制动和变道等一系列操作的辅助驾驶系统，驾驶员能随时对车辆进行控制，并且系统在一些特定的环境下会提醒驾驶员介入操控。
智能交通是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统，由交通信息服务系统、交通管理系统两部分组成。
计算机视觉是一个跨学科的科学领域，研究如何让计算机从数字图像或视频中获得高水平的理解。从工程学的角度来看，它寻求人类视觉系统能够完成的自动化任务。计算机视觉任务包括获取、处理、分析和理解数字图像的方法，以及从现实世界中提取高维数据以便例如以决策的形式产生数字或符号信息的方法。
下面参考附图描述本公开实施例的自动驾驶算法的校验方法、装置、设备以及存储介质。
本公开中，通过将待校验的自动驾驶算法置入实际行驶的车辆中，并在车辆实际行驶过程中，利用真实的行驶数据对自动驾驶算法进行校验，从而不仅保证了校验结果的可靠性，而且降低了校验成本。
可以理解的是，为了保证车辆的安全性，待校验的自动驾驶算法，并不会参与车辆的实际行驶控制。
图1为本公开第一实施例提出的一种自动驾驶算法的校验方法的流程示意图。
本公开实施例提供的自动驾驶算法的校验方法，可由本公开实施例提供的自动驾驶算法的校验装置执行，该装置可配置于任意车辆。
如图1所示，该自动驾驶算法的校验方法包括：
步骤S101：在车辆行驶过程中获取行驶数据，其中所述行驶数据包括环境参数和/或车辆的状态参数。
其中，环境参数，可以包括车辆在行驶时的周围环境中的行人位置、建筑物位置、建筑物标识、交通指示信息、旁车位置、前车间距等等一切与车辆行驶相关的信息。车辆的状态参数可以包括车辆的车速、地理位置、电量状态等车辆的状态信息。
具体的，车辆中可以通过搭载各种用于检测环境参数及车辆状态参数的传感器，比如激光雷达、摄像机、加速度传感器等等，从而车辆在行驶过程中，即可利用各种传感器，获取行驶数据。
步骤S102：利用待校验的自动驾驶算法对所述行驶数据进行处理，以生成预测结果。
其中，待校验的自动驾驶算法可以为车辆中的任一自动驾驶算法。或者，也可以为根据当前的行驶数据确定的一个特定的自动驾驶算法。
举例来说，车辆中的自动驾驶算法，包括用于对车辆在高速路行驶时进行控制的算法、对车辆在停车场行驶时进行控制的算法、对车辆在城市主干道行驶时进行控制的算法等等。由于不同场景下的行驶数据，比如车间距、车速及位置信息等是不同的，因此，本公开实施例中，可以在获取到车辆当前的行驶数据后，首先基于获取的行驶数据确定待校验的自动驾驶算法。进而再基于确定的待校验的自动驾驶算法对行驶数据进行处理，以生成预测结果。
其中，预测结果，可以为与车辆的行驶状态相关的结果，或者，还可以为与车辆外界的行人、或者其他车辆等相关的结果。比如，可以为车辆可以安全通过前方指示灯的安全车速是多少，或者，还可以为车辆前方的行人通过前方路口的时间为多少，或者，还可以为前方行车突然刹车的概率为多大等等，本公开对此不做限定。
步骤S103：获取与行驶数据对应的参考结果。
其中，参考结果，是用于对待校验的自动驾驶算法生成的预测结果进行校验的可信结果。其可以是基于预置的规则确定的，或者，还可以是基于当前车辆的驾驶人员的操作确定的，或者，还可以是根据实际的行驶数据确定的，此处不做限定。
步骤S104：根据预测结果与参考结果的差异程度，确定待校验的自动驾驶算法的可靠性。
具体的，当参考结果和预测结果的差异程度较大时，可以确定待校验的自动驾驶算法可靠性低，当参考结果与预测结果的差异程度较小时，可以确定待校验的自动驾驶算法具有一定可靠性。
本公开实施例中，在车辆行驶过程中获取行驶数据，进而利用待校验的自动驾驶算法对行驶数据进行处理，以生成预测结果，然后再根据预测结果与对应的参考结果的差异程度，确定待校验的自动驾驶算法的可靠性。由此，通过基于车辆在实际行驶过程中获取的真实性行驶数据对自动驾驶算法进行可靠性校验，不仅降低了校验成本，而且保证了校验结果真实、可靠。
图2为本公开第二实施例提供的一种自动驾驶算法的校验方法包括以下步骤：
步骤S201：在车辆行驶过程中获取行驶数据，其中行驶数据包括环境参数和/或车辆的状态参数。
步骤S202：利用待校验的自动驾驶算法对行驶数据进行处理，以生成预测结果。
需要说明的是，上述步骤S201及S202的具体实现过程，可以参照上述实施例中的步骤S101及S102的具体描述，此处不再赘述。
步骤S203：获取与行驶数据对应的参考结果。
其中，参考结果，是用于对待校验的自动驾驶算法生成的预测结果进行校验的可信结果。其可以是基于预置的规则确定的，或者，还可以是基于当前车辆的驾驶人员的操作确定的，或者，还可以是根据实际的行驶数据确定的，此处不做限定。
具体的，在不同的场景中获取参考结果的方式可以不同。
比如，在人工驾驶场景下，对自动驾驶算法进行验证时，参考结果可以是根据车辆中驾驶员的操作结果确定的。
即在车辆行驶过程中，实时采集驾驶员的操作，进而根据驾驶员的操作确定参考结果。
举例来说，若待校验的自动驾驶算法生成的预测结果为“车辆在5s后需要刹车”，那么即可根据驾驶员的操作，确定参考结果，即，确定车辆是否需要刹车、且具体的刹车时刻为何时。
或者，在对待校验的自动驾驶算法进行验证时，还可以首先获取与待校验的自动驾驶算法相关联的参考算法，然后利用参考算法对行驶数据进行处理从而确定参考结果。
可以理解的是，可以用于对待校验的自动驾驶算法进行校验的参考算法为已知可靠性和准确性、可用来对车辆进行实际控制、且与待校验的自动驾驶算法具有相同功能的自动驾驶算法。
或者，还可以基于获取的真实行驶数据，确定参考结果，即上述步骤S203，还可以包括：
确定所述预测结果对应的校验时刻；
根据所述校验时刻获取的行驶数据，确定所述参考结果。
具体的，当待校验的自动驾驶算法生成的预测结果，为未来时刻某个事件时，则可以基于该预测结果对应的事件的时刻，即校验时刻，来获取该校验时刻时真实的行驶数据，进而根据该真实的行驶数据，确定参考结果。
下面，以行人穿行作为示例对基于获取的真实行驶数据确定参考结果的情况进行说明：
基于车辆在行驶过程中，根据t0时刻获取的行驶数据确定当前车辆前方有行人在穿行时，可以调用待校验的行人穿行处理模型，对t0时刻获取的行驶数据进行处理。若获取的预测结果为行人在t1秒后可能穿行到车辆前端(x,y,z)处。进而即可继续获取行驶数据，以根据获取的行驶数据，确定在t0+t1时刻的行人的位置(x',y',z')，即(x',y',z')为参考结果。
步骤S204:在预测结果与参考结果的差异程度大于阈值的情况下，根据待校验的自动驾驶算法确定待采集的目标数据。
其中，目标数据，可以根据待校验的自动驾驶算法确定。其包括对该待校验的自动驾驶算法进行完善时所需的任意相关数据。比如，可以为待校验的自动驾驶算法处理的行驶数据、预测结果及对应的参考结果等等。
具体的，若预测结果与参考结果相同，则可以确定该待校验的自动驾驶算法的准确性和可靠性较高；相应的，若预测结果与参考结果不同，则可以确定该待校验的自动驾驶算法可以进一步完善。
本公开实施例中，可以根据预测结果与参考结果的差异程度，来确定是否对自动驾驶算法进行进一步完善。
可选的，可以根据待校验的自动驾驶算法对应的场景和/或类型，确定阈值。
其中，待校验的自动驾驶算法对应的场景可以为高速路，停车场，城市主干道，十字路口等等交通场景，待校验的自动驾驶算法对应的类型可以为防碰撞算法，温度控制算法等等。由于不同类型或者不同场景下，对自动驾驶算法的要求不同，因此，本公开中，可以根据待校验的自动驾驶算法对应的场景、类型、或场景及类型，来确定阈值。
比如，在高速路中，车辆行驶速度较快，相应的对自动驾驶算法的要求较高，即该阈值可以设置为一个较小的值，即在预测结果与参考结果有较小的偏差的情况下，就需要对该自动驾驶算法进行进一步完善。
或者，在停车场中，车辆行驶速度较慢，通常发生影响人身安全的事故的概率较低，相应的对自动驾驶算法的要求较低，即该阈值可以设置为一个较大的值，即在预测结果与参考结果间的偏差较大的情况下，才需要对该自动驾驶算法进行进一步完善。
步骤S205，向服务器发送目标数据。
具体的，当参考结果和预测结果的差异程度大于阈值时，可以确定待校验的自动驾驶算法可靠性低，需要进一步对该待校验的自动驾驶算法进行完善。进而即可将目标数据传入服务器，以使服务器基于该目标数据，对该待校验的自动驾驶算法进行修正和完善。
下面以“刹停”场景作为一种示例，对本公开提供的自动驾驶算法的校验过程进行进一步说明。
在车辆行驶过程中，t2时刻获取到车辆“刹停”的行驶数据，比如刹车踏板的踩踏角度、道路的坡度等数据，进而基于“刹停”对应的自动驾驶模型，对该“刹停”行驶数据进行处理，获取预测结果为：车辆将在时间t3秒内刹停。之后，继续获取车辆的行驶数据，若根据在t2+t3时刻获取的行驶数据，确定车辆正好停车，那么则可以说明书该“刹停”对应的自动驾驶模型的可靠性较高。而若根据在t2+t3时刻获取的行驶数据，确定车辆仍再行驶，且继续行驶了t4秒后才停车则可以根据t4是否大于该场景对应的阈值，来确定是否需要采集目标数据，并将目标数据发送给服务器，以使服务器对该算法进行修正和完善。
本公开实施例中，在车辆行驶过程中获取行驶数据，进而利用待校验的自动驾驶算法对行驶数据进行处理，以生成预测结果，获取与行驶数据对应的参考结果并在预测结果与参考结果的差异程度大于阈值的情况下，根据待校验的自动驾驶算法确定待采集的目标数据，进而将目标数据发送给服务器。通过上述处理，不仅可以对待校验的自动驾驶算法进行真实环境下的校验，而且可以根据待校验的自动驾驶算法对应的场景和/或类型针对性的补足应对能力不足的场景下的问题数据，便于进行针对性的验证和优化，向服务器发送的目标数据能为研发提供数据资源，可以为算法的评估、迭代和拓展提供良好且范围较全面的数据支持。
为了实现上述实施例，本公开实施例还提出一种自动驾驶算法的校验装置。图3为本公开实施例提供的一种自动驾驶算法的校验装置的结构示意图。
如图3所示，该自动驾驶算法的校验装置300包括：第一获取模块310、预测模块320、第二获取模块330及验证模块340。
第一获取模块310，用于在车辆行驶过程中获取行驶数据，其中行驶数据包括环境参数和/或车辆的状态参数；
预测模块320，用于利用待校验的自动驾驶算法对所述行驶数据进行处理，以生成预测结果；
第二获取模块330，用于获取与行驶数据对应的参考结果；
验证模块340，用于根据预测结果与参考结果的差异程度，确定待校验的自动驾驶算法的可靠性。
在本公开的一个实施例中，上述预测模块320，具体用于：
根据行驶数据，确定当前待校验的自动驾驶算法。
在本公开的一个实施例中，上述第二获取模块330，具体用于：
根据车辆中驾驶员的操作结果，确定参考结果。
在本公开的一个实施例中，上述第二获取模块330，具体用于：
获取与待校验的自动驾驶算法关联的参考算法；
利用参考算法对所述行驶数据进行处理，以确定参考结果。
在本公开的一个实施例中，上述第二获取模块330，具体用于：
确定预测结果对应的校验时刻；
根据校验时刻获取的行驶数据，确定参考结果。
在本公开的一个实施例中，该装置还包括：
数据收集模块，用于在预测结果与参考结果的差异程度大于阈值的情况下，根据待校验的自动驾驶算法，确定待采集的目标数据；
所述数据收集模块，还用于向服务器发送所述目标数据。
在本公开的一个实施例中，该装置，还包括：
确定模块，用于根据待校验的自动驾驶算法对应的场景和/或类型，确定所述阈值。
本公开实施例的自动驾驶算法的校验装置，在车辆行驶过程中获取行驶数据，进而利用待校验的自动驾驶算法对行驶数据进行处理，以生成预测结果，然后再根据预测结果与对应的参考结果的差异程度，确定待校验的自动驾驶算法的可靠性。由此，通过基于车辆在实际行驶过程中获取的真实性行驶数据对自动驾驶算法进行可靠性校验，不仅降低了校验成本，而且保证了校验结果真实、可靠。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图4所示，是根据本公开实施例的自动驾驶算法的校验方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理，以实现上述各个实施例提供的自动驾驶算法的校验方法。在RAM403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如自动驾驶算法的校验方法。例如，在一些实施例中，自动驾驶的校验方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的自动驾驶算法的校验方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行自动驾驶算法的校验方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
本公开实施例还提供了一种计算机程序产品。该计算机程序产品包括计算机程序，计算机程序被处理器执行时能够实现如上述任一实施例所述的自动驾驶算法的校验方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本公开实施例的电子设备、可读存储介质和计算机程序产品，具有如下有益效果：
在车辆行驶过程中获取行驶数据，进而利用待校验的自动驾驶算法对行驶数据进行处理，以生成预测结果，然后再根据预测结果与对应的参考结果的差异程度，确定待校验的自动驾驶算法的可靠性。由此，通过基于车辆在实际行驶过程中获取的真实性行驶数据对自动驾驶算法进行可靠性校验，不仅降低了校验成本，而且保证了校验结果真实、可靠。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种自动驾驶算法的校验方法，包括：
在车辆行驶过程中获取行驶数据，其中所述行驶数据包括环境参数和/或车辆的状态参数；
利用待校验的自动驾驶算法对所述行驶数据进行处理，以生成预测结果；
获取与所述行驶数据对应的参考结果；
根据所述预测结果与参考结果的差异程度，确定所述待校验的自动驾驶算法的可靠性。
2.如权利要求1所述的方法，其中，在所述利用待校验的自动驾驶算法对所述行驶数据进行处理之前，还包括：
根据所述行驶数据，确定当前待校验的自动驾驶算法。
3.如权利要求1所述的方法，其中，所述获取与所述行驶数据对应的参考结果，包括：
根据所述车辆中驾驶员的操作结果，确定所述参考结果。
4.如权利要求1所述的方法，其中，所述获取与所述行驶数据对应的参考结果，包括：
获取与所述待校验的自动驾驶算法关联的参考算法；
利用所述参考算法对所述行驶数据进行处理，以确定所述参考结果。
5.如权利要求1所述的方法，其中，所述获取与所述行驶数据对应的参考结果，包括：
确定所述预测结果对应的校验时刻；
根据所述校验时刻获取的行驶数据，确定所述参考结果。
6.如权利要求1-5任一所述的方法，其中，还包括：
在所述预测结果与参考结果的差异程度大于阈值的情况下，根据所述待校验的自动驾驶算法，确定待采集的目标数据；
向服务器发送所述目标数据。
7.如权利要求6所述的方法，其中，还包括：
根据所述待校验的自动驾驶算法对应的场景和/或类型，确定所述阈值。
8.一种自动驾驶算法的校验装置，包括：
第一获取模块，用于在车辆行驶过程中获取行驶数据，其中所述行驶数据包括环境参数和/或车辆的状态参数；
预测模块，用于利用待校验的自动驾驶算法对所述行驶数据进行处理，以生成预测结果；
第二获取模块，用于获取与所述行驶数据对应的参考结果；
验证模块，用于根据所述预测结果与参考结果的差异程度，确定所述待校验的自动驾驶算法的可靠性。
9.如权利要求8所述的装置，其中，所述预测模块，具体用于：
根据所述行驶数据，确定当前待校验的自动驾驶算法。
10.如权利要求8所述的装置，其中，所述第二获取模块，具体用于：
根据所述车辆中驾驶员的操作结果，确定所述参考结果。
11.如权利要求8所述的装置，其中，所述第二获取模块，具体用于：
获取与所述待校验的自动驾驶算法关联的参考算法；
利用所述参考算法对所述行驶数据进行处理，以确定所述参考结果。
12.如权利要求8所述的装置，其中，所述第二获取模块，具体用于：
确定所述预测结果对应的校验时刻；
根据所述校验时刻获取的行驶数据，确定所述参考结果。
13.如权利要求8-12任一所述的装置，其中，还包括：
数据收集模块，用于在所述预测结果与参考结果的差异程度大于阈值的情况下，根据所述待校验的自动驾驶算法，确定待采集的目标数据；
所述数据收集模块，还用于向服务器发送所述目标数据。
14.如权利要求13所述的装置，其中，还包括：
确定模块，用于根据所述待校验的自动驾驶算法对应的场景和/或类型，
确定所述阈值。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1-7中任一项所述的方法。
CN202011562221.XA 2020-12-25 2020-12-25 自动驾驶算法的校验方法、装置、设备以及存储介质 Withdrawn CN112579464A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011562221.XA CN112579464A (zh) 2020-12-25 2020-12-25 自动驾驶算法的校验方法、装置、设备以及存储介质
US17/501,401 US20220035733A1 (en) 2020-12-25 2021-10-14 Method and apparatus for checking automatic driving algorithm, related device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011562221.XA CN112579464A (zh) 2020-12-25 2020-12-25 自动驾驶算法的校验方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN112579464A true CN112579464A (zh) 2021-03-30

Family

ID=75140577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011562221.XA Withdrawn CN112579464A (zh) 2020-12-25 2020-12-25 自动驾驶算法的校验方法、装置、设备以及存储介质

Country Status (2)

Country Link
US (1) US20220035733A1 (zh)
CN (1) CN112579464A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113183988A (zh) * 2021-06-09 2021-07-30 上海万位科技有限公司 一种车辆自动驾驶的监督方法、装置、设备及存储介质
CN113566869A (zh) * 2021-06-29 2021-10-29 东风电驱动系统有限公司 一种车载仪表的外发信号自动校验方法及系统
CN113859392A (zh) * 2021-10-20 2021-12-31 东风汽车集团股份有限公司 一种车辆减振器调校方法及系统
CN114120252A (zh) * 2021-10-21 2022-03-01 阿波罗智能技术(北京)有限公司 自动驾驶车辆状态的识别方法、装置、电子设备及车辆
CN115195785A (zh) * 2022-07-26 2022-10-18 东软睿驰汽车技术（沈阳）有限公司 针对自动驾驶模型的优化方法、装置、设备及存储介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11467947B2 (en) 2020-10-19 2022-10-11 EMC IP Holding Company LLC Automated mocking of computer system deployments
US11663112B2 (en) 2020-10-22 2023-05-30 EMC IP Holding Company LLC Selection of computer system deployments to mock for testing
US11520675B2 (en) 2020-10-23 2022-12-06 EMC IP Holding Company LLC Accelerated replay of computer system configuration sequences
CN114879627A (zh) * 2022-04-22 2022-08-09 合众新能源汽车有限公司 一种辅助驾驶模型的标定方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108334055A (zh) * 2018-01-30 2018-07-27 赵兴华 车辆自动驾驶算法的检验方法、装置、设备及存储介质
CN110118661A (zh) * 2019-05-09 2019-08-13 腾讯科技（深圳）有限公司 驾驶仿真场景的处理方法、装置及存储介质
CN111998860A (zh) * 2020-08-21 2020-11-27 北京百度网讯科技有限公司 自动驾驶定位数据校验方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020014683A1 (en) * 2018-07-13 2020-01-16 Kache.AI Systems and methods for autonomous object detection and vehicle following
US20220198107A1 (en) * 2020-12-23 2022-06-23 Waymo Llc Simulations for evaluating driving behaviors of autonomous vehicles

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108334055A (zh) * 2018-01-30 2018-07-27 赵兴华 车辆自动驾驶算法的检验方法、装置、设备及存储介质
CN110118661A (zh) * 2019-05-09 2019-08-13 腾讯科技（深圳）有限公司 驾驶仿真场景的处理方法、装置及存储介质
CN111998860A (zh) * 2020-08-21 2020-11-27 北京百度网讯科技有限公司 自动驾驶定位数据校验方法、装置、电子设备及存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113183988A (zh) * 2021-06-09 2021-07-30 上海万位科技有限公司 一种车辆自动驾驶的监督方法、装置、设备及存储介质
CN113183988B (zh) * 2021-06-09 2022-04-26 上海万位科技有限公司 一种车辆自动驾驶的监督方法、装置、设备及存储介质
CN113566869A (zh) * 2021-06-29 2021-10-29 东风电驱动系统有限公司 一种车载仪表的外发信号自动校验方法及系统
CN113859392A (zh) * 2021-10-20 2021-12-31 东风汽车集团股份有限公司 一种车辆减振器调校方法及系统
CN114120252A (zh) * 2021-10-21 2022-03-01 阿波罗智能技术(北京)有限公司 自动驾驶车辆状态的识别方法、装置、电子设备及车辆
CN114120252B (zh) * 2021-10-21 2023-09-01 阿波罗智能技术(北京)有限公司 自动驾驶车辆状态的识别方法、装置、电子设备及车辆
CN115195785A (zh) * 2022-07-26 2022-10-18 东软睿驰汽车技术（沈阳）有限公司 针对自动驾驶模型的优化方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20220035733A1 (en) 2022-02-03

Similar Documents

Publication Publication Date Title
CN112579464A (zh) 自动驾驶算法的校验方法、装置、设备以及存储介质
CN113240909B (zh) 车辆监测方法、设备、云控平台和车路协同系统
CN111680362B (zh) 一种自动驾驶仿真场景获取方法、装置、设备及存储介质
CN113129625B (zh) 车辆控制方法、装置、电子设备和车辆
CN114415628A (zh) 自动驾驶测试方法及装置、电子设备和存储介质
CN112580571A (zh) 车辆行驶的控制方法、装置及电子设备
CN114120650B (zh) 用于生成测试结果的方法、装置
CN113467875A (zh) 训练方法、预测方法、装置、电子设备以及自动驾驶车辆
CN113859264A (zh) 车辆控制方法、装置、电子设备及存储介质
CN116767281A (zh) 一种辅助驾驶方法、装置、设备、车辆和介质
CN112818792A (zh) 车道线检测方法、装置、电子设备及计算机存储介质
CN114312836A (zh) 自动驾驶车辆礼让行人的方法、装置、设备及存储介质
CN114771576A (zh) 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆
CN113119999B (zh) 自动驾驶特征的确定方法、装置、设备、介质及程序产品
CN113052047A (zh) 交通事件的检测方法、路侧设备、云控平台及系统
CN115973190A (zh) 自动驾驶车辆的决策方法、装置和电子设备
CN115534944A (zh) 基于高精地图的车辆控制方法、装置和电子设备
CN115374016A (zh) 一种测试场景仿真系统、方法、电子设备及存储介质
CN114973656A (zh) 交通交互性能的评估方法、装置、设备、介质和产品
CN115587496B (zh) 基于车路协同的测试方法、装置、设备、系统及存储介质
CN116842392B (zh) 轨迹预测方法及其模型的训练方法、装置、设备及介质
CN114120651B (zh) 用于测试感知目标数的方法、装置、设备、介质和产品
CN113177077B (zh) 用于自动驾驶的异常事件确定方法、装置及电子设备
CN115048713A (zh) 降低仿真测试场景数量的方法、装置、设备及介质
CN114954534A (zh) 用于检测自动驾驶车辆的异常运行状态的方法与装置

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210330