CN112817873A - 一种毫米波雷达报警自动化测试方法 - Google Patents
一种毫米波雷达报警自动化测试方法 Download PDFInfo
- Publication number
- CN112817873A CN112817873A CN202110229883.3A CN202110229883A CN112817873A CN 112817873 A CN112817873 A CN 112817873A CN 202110229883 A CN202110229883 A CN 202110229883A CN 112817873 A CN112817873 A CN 112817873A
- Authority
- CN
- China
- Prior art keywords
- alarm
- test
- radar
- file
- alarm information
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 170
- 238000010586 diagram Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims 2
- 238000000034 method Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
Abstract
本发明公开了一种毫米波雷达报警自动化测试方法。该方法包括采集路测数据，路测数据包括dat格式的测试文件及其对应的csv格式的报警信息文件；根据测试项目将相应的测试文件中的每一帧信息回灌至测试雷达，以使测试雷达对接收到的数据进行分析并输出相应的报警信息；将测试雷达输出的报警信息与csv格式的报警信息文件中的报警信息进行对比，以判断测试雷达输出的报警信息是否正确；生成报警测试报告。本发明首先是将雷达报警测试做到了完全的自动化，无需测试人员职守，大大提高了测试效率，降低了测试的时间与成本，并提高了测试结果的可靠性和准确性，测试结果更能让人觉得可靠。
Description
技术领域
本发明涉及毫米波雷达报警测试技术领域，具体涉及一种毫米波雷达报警自动化测试方法。
背景技术
随着这几年人工智能技术的不断进步，无人驾驶越来越成为人们关注的焦点。在整个在无人驾驶技术的发展进程中，77G赫兹的毫米波雷达以其不受天气以及光线的影响，探测距离远，探测精度高等优点，越来越收到厂家和消费者的青睐。
77G赫兹的毫米波雷达应用于车身可实现BSD(盲点辅助检测)，LCW(便道辅助预警)，DOW(开门预警)，ACC(自适应巡航)，AEB(自动紧急制动)等功能。为验证这些报警功能我们通常会用误报率和漏报率来衡量报警功能的准确程度。
当雷达软件经过一次软件开发迭代后，相关人员需要测试雷达对一些经典场景如对向来车，同向来车，侧边护栏，雨雪天气等场景的报警情况。这些场景数据都保存在.dat格式的二进制文件中，对应该文件还有路况信息的.mp4格式的影像视屏。测试人员需要将二进制文件回灌给雷达，雷达对收到的数据处理并根据处理结果发出不同类型的报警信号或是不发出报警信号。测试人员对应这路况的影像视频判断该次报警是误报，漏报或是正确报警。当回灌完全部二进制文件，测试人员须要统计总报警次数，误报次数，以及漏报次数。并通过公式误报率＝误报次数/(总报警次数+漏报次数),漏报率＝漏报次数/(总报警次数+漏报次数)得到误报率和漏报率。
发明内容
本发明的目的是针对现有技术存在的不足，提供一种毫米波雷达报警自动化测试方法。
为实现上述目的，本发明提供了一种毫米波雷达报警自动化测试方法，包括：
采集路测数据，所述路测数据包括dat格式的测试文件及其对应的csv格式的报警信息文件；
根据测试项目将相应的测试文件中的每一帧信息回灌至测试雷达，以使测试雷达对接收到的数据进行分析并输出相应的报警信息；
将测试雷达输出的报警信息与所述csv格式的报警信息文件中的报警信息进行对比，以判断测试雷达输出的报警信息是否正确；
生成报警测试报告。
进一步的，所述采集路测数据具体包括：
将雷达装载在测试车上；
驾驶该测试车在道路上行驶，以使所述雷达采集路测数据。
进一步的，还包括：
借助路试的视频软件对csv格式的报警信息文件进行人工核对，以确保csv格式的报警信息文件中记载的报警信息准确无误。
进一步的，所述csv格式的报警信息文件中的报警信息包括报警时间、报警帧号和报警具体类别，所述报警具体类别包括报警类型和雷达的安装位置，所述报警类型分为Event_T和Event_A，所述Event_T表示误报或是漏报，其在人工核对时由人为标记出，所述Event_A表示雷达的正常报警。
进一步的，还包括：
以帧号为横坐标，报警为纵坐标，分别将csv格式的报警信息文件中的报警信息和测试雷达输出的报警信息转化成方波图，其中，纵坐标中的1为报警，0为无报警；
对将测试雷达输出的报警信息转化成的方波图执行报警+1；
将由csv格式的报警信息文件中的报警信息转化成方波图与执行报警+1后的方波图进行叠加，以获得报警分析方波图，所述报警分析方波图呈现在报警测试报告中。
进一步的，所述测试项目包括盲点检测、开门报警、变道辅助和后方交通穿行提示。
进一步的，将测试文件中的每一帧信息回灌至测试雷达具体包括：
发送指令至测试雷达，以使测试雷达先进入诊断模式后再进入回灌测试模式；
选择测试项目，并选择需要回灌的测试文件；
对选择的测试文件以ISO-8859-1的编码方式进行解析，并将解析后的数据变为16进制的字节流；
将16进制的字节流以udp格式发送给测试雷达。
进一步的，所述测试文件中的每一帧信息通过网口回灌至测试雷达。
有益效果：本发明首先是将雷达报警测试做到了完全的自动化：包括自动测试和自动输出测试结果，相较与现有的测试人员需全程职守的技术，该开发成果可以做到无需测试人员职守。这大大提高了测试效率，降低了测试的时间与成本。其次，本发明还提高了测试结果的可靠性和准确性，由于测试的评判标准已经在测试前给出，从而使得人为主观因素对测试结果的影响被降低到最小，测试结果更能让人觉得可靠。
附图说明
图1是本发明实施例的毫米波雷达报警自动化测试方法的流程示意图；
图2是本发明实施例的毫米波雷达报警自动化测试方法的原理图；
图3是本发明实施例的测试报告的局部示意图；
图4是向测试雷达回灌回灌测试文件中的每一帧信息的流程示意图；
图5基于Python Unittest框架开发的自动化测试工具的界面示意图；
图6是将雷达的报警信号分别存储成的列表结构示意图；
图7是报警分析方波图的生成过程示意图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，本实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1至7所示，本发明实施例提供了一种毫米波雷达报警自动化测试方法，可用于对77G赫兹的毫米波雷达进行报警测试，该方法包括：
采集路测数据，路测数据包括dat格式的测试文件及其对应的csv格式的报警信息文件。具体来说，采集路测数据包括：
将雷达装载在测试车上。角雷达一般安装在车的四个拐角处，前向雷达安装在车身正前方。安装的时候要安装在相对空旷的位置，保证雷达探测区域没有金属物或突出结构件，防止反射电磁波，确保雷达附近没有传感器或者线束干扰。
驾驶该测试车在道路上行驶，以使雷达采集路测数据。如图2所示，通常在路采数据时是通过雷达的收发天线接收无线电信号的，这个信号信息被称之为Raw Data，RawData通过信号处理模块后会得到点迹信息(Target)。通常一簇的点代表这可能是环境中的某个物体，零散的点可能是干扰点或称之为环境噪声。目标识别算法就是要尽可能正确的将这些点识别为物体(Object)，并将他们分类，如车，人，路边护栏等。在路测的时候雷达可以根据被识别的物体并结合自身的车速信息输出报警信息，这个部分需要用到的就是报警功能模块。通常每一帧数据是由原始数据(Raw Data)，点迹数据(Target)，航迹数据(Object)等信息构成的，多帧数据组合在一起就成为了dat格式的测试文件。被测雷达的工作周期通常为50毫秒，所以每50毫秒就会有一帧数据被存储到路测数据中。这个数据可以作为我们之后回灌测试的主要数据来源。在回灌测试的时候，我们将路测数据通过网口传输给测试雷达。基于路采数据的结构特征我们可以在测试前选择不同的数据内容来验证雷达软件中不同的模块。不同模块的分工如下：信号处理模块：处理原始数据并形成点迹，目标识别算法：处理点迹到并形成航迹，报警功能：结合车身信息和航迹信息的到报警输出。
软件迭代过程中如果只修改了报警功能模块的内容，那么可以选择回灌dat文件中的Object数据来验证报警功能模块。如果目标识别算法的内容有修改，则可以选择回灌dat数据中的target数据。如果信号处理模块有变化，则可通过回灌原始数据部分进行验证。按照这个方法就实现了功能模块分层测试验证的目的，这对于错误的跟踪和迅速查找提供了很大的帮助。
根据测试项目将相应的测试文件中的每一帧信息回灌至测试雷达，以使测试雷达对接收到的数据进行分析并输出相应的报警信息。如图4所示，具体来说，将测试文件中的每一帧信息回灌至测试雷达包括：
发送指令至测试雷达，以使测试雷达先进入诊断模式后再进入回灌测试模式。
选择测试项目，并选择需要回灌的测试文件。具体如图2所示，测试项目包括BSD(Blind Spot Detection，盲点检测)、DOW(Doors Opening Warning，开门报警)、LCW(LaneChange Warning，变道辅助)和RCTA(Rear Cross Traffic Alert，后方交通穿行提示)等，可通过人工操作选择测试项目，通过右侧的选择路径，可选择需要回灌的测试文件。
对选择的测试文件以ISO-8859-1的编码方式进行解析，并将解析后的数据变为16进制的字节流。
将16进制的字节流遵照udp格式发送给测试雷达。具体来说，每帧信息的帧头有22个字节，首先将这22个字节发送给测试雷达，以使测试雷达能够识别这是一帧信息的开始，然后可以把每1024个字节作为的单元发送数据发送给测试雷达，直到这一帧的数据发送完成。发完一帧数据后，测试雷达会对这一帧的数据进行处理，给出报警信息。等这一切结束后就可以发送第二帧，以此类推直到将所有的数据dat文件回灌完成，我们也就得到了所有帧对应的报警信息。
将测试雷达输出的报警信息与csv格式的报警信息文件中的报警信息进行对比，以判断测试雷达输出的报警信息是否正确。除此之外，通过这两种报警信息，还可以计算漏报率和误报率，以及测试雷达当前测试项目是通过还是未通过。
在采集回来路测数据以后，一般可以借助路试的视频软件对csv格式的报警信息文件进行人工核对，以确保csv格式的报警信息文件中记载的报警信息准确无误。请参见图6，csv格式的报警信息文件中的报警信息包括报警时间、报警帧号和报警具体类别，报警具体类别包括报警类型和雷达的安装位置，报警类型分为Event_T和Event_A，Event_T表示误报或是漏报，其在人工核对时由人为标记出，在对测试雷达测试时，需要特别注意该处的误报或漏报是否能消除，Event_A表示雷达的正常报警。
生成报警测试报告。如图3所示，测试报告可以包括测试时间、测试项目、回灌的总帧数、报警次数、漏报率、漏报次数、误报率、误报次数、以及测试雷达当前测试项目是通过还是未通过等。
如图6所示，为了能达到正确判定漏报误报或是正确报警的效果，优选将毫米波雷达的报警信号分别存储成列表，以此来方便后续的操作。如图7所示，然后还可以进行以下步骤：以帧号为横坐标，报警为纵坐标，分别将csv格式的报警信息文件中的报警信息和测试雷达输出的报警信息转化成方波图，其中，纵坐标中的1为报警，0为无报警。
对将测试雷达输出的报警信息转化成的方波图执行报警+1。
将由csv格式的报警信息文件中的报警信息转化成方波图与执行报警+1后的方波图进行叠加，以获得报警分析方波图，报警分析方波图呈现在报警测试报告中。报警分析方波图是按实际报警和正确报警按照帧号一一相加就得到的，是一个准确且便于分析的报警结果。参照图7，在这个最后的报警分析结果的波形图中，可以发现纵坐标为3的是正确报警，为1的是漏报，为2的是误报。这样我们就能很好的统计出漏报次数和误报次数了。
需要说明的是，整个路测数据回灌的测试过程均是通过基于Python Unittest框架开发的自动化测试工具进行的，该工具的界面显示如图5所示。在左侧可以勾选报警的测试类型。对应测试类型后面有一个选择路径的按钮，通过该按钮可以设置对应前面报警类型的dat文件的存储路径。一切就绪后点击开始测试按钮，测试就会自动开始，测试结束后自动输出测试结果。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，其它未具体描述的部分，属于现有技术或公知常识。在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种毫米波雷达报警自动化测试方法，其特征在于，包括：
采集路测数据，所述路测数据包括dat格式的测试文件及其对应的csv格式的报警信息文件；
根据测试项目将相应的测试文件中的每一帧信息回灌至测试雷达，以使测试雷达对接收到的数据进行分析并输出相应的报警信息；
将测试雷达输出的报警信息与所述csv格式的报警信息文件中的报警信息进行对比，以判断测试雷达输出的报警信息是否正确；
生成报警测试报告。
2.根据权利要求1所述的毫米波雷达报警自动化测试方法，其特征在于，所述采集路测数据具体包括：
将雷达装载在测试车上；
驾驶该测试车在道路上行驶，以使所述雷达采集路测数据。
3.根据权利要求1所述的毫米波雷达报警自动化测试方法，其特征在于，还包括：
借助路试的视频软件对csv格式的报警信息文件进行人工核对，以确保csv格式的报警信息文件中记载的报警信息准确无误。
4.根据权利要求3所述的毫米波雷达报警自动化测试方法，其特征在于，所述csv格式的报警信息文件中的报警信息包括报警时间、报警帧号和报警具体类别，所述报警具体类别包括报警类型和雷达的安装位置，所述报警类型分为Event_T和Event_A，所述Event_T表示误报或是漏报，其在人工核对时由人为标记出，所述Event_A表示雷达的正常报警。
5.根据权利要求1所述的毫米波雷达报警自动化测试方法，其特征在于，还包括：
以帧号为横坐标，报警为纵坐标，分别将csv格式的报警信息文件中的报警信息和测试雷达输出的报警信息转化成方波图，其中，纵坐标中的1为报警，0为无报警；
对将测试雷达输出的报警信息转化成的方波图执行报警+1；
将由csv格式的报警信息文件中的报警信息转化成方波图与执行报警+1后的方波图进行叠加，以获得报警分析方波图，所述报警分析方波图呈现在报警测试报告中。
6.根据权利要求1所述的毫米波雷达报警自动化测试方法，其特征在于，所述测试项目包括盲点检测、开门报警、变道辅助和后方交通穿行提示。
7.根据权利要求1所述的毫米波雷达报警自动化测试方法，其特征在于，将测试文件中的每一帧信息回灌至测试雷达具体包括：
发送指令至测试雷达，以使测试雷达先进入诊断模式后再进入回灌测试模式；
选择测试项目，并选择需要回灌的测试文件；
对选择的测试文件以ISO-8859-1的编码方式进行解析，并将解析后的数据变为16进制的字节流；
将16进制的字节流以udp格式发送给测试雷达。
8.根据权利要求1所述的毫米波雷达报警自动化测试方法，其特征在于，所述测试文件中的每一帧信息通过网口回灌至测试雷达。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110229883.3A CN112817873A (zh) | 2021-03-02 | 2021-03-02 | 一种毫米波雷达报警自动化测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110229883.3A CN112817873A (zh) | 2021-03-02 | 2021-03-02 | 一种毫米波雷达报警自动化测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112817873A true CN112817873A (zh) | 2021-05-18 |
Family
ID=75862637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110229883.3A Pending CN112817873A (zh) | 2021-03-02 | 2021-03-02 | 一种毫米波雷达报警自动化测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112817873A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160454A (zh) * | 2021-05-31 | 2021-07-23 | 重庆长安汽车股份有限公司 | 自动驾驶车辆历史传感器数据回灌方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5361072A (en) * | 1992-02-28 | 1994-11-01 | Codar Ocean Sensors, Ltd. | Gated FMCW DF radar and signal processing for range/doppler/angle determination |
| CN109656982A (zh) * | 2018-12-11 | 2019-04-19 | 北京无线电测量研究所 | 一种雷达一致性测试结果的显示方法及系统 |
| CN110069408A (zh) * | 2019-04-11 | 2019-07-30 | 杭州飞步科技有限公司 | 自动驾驶车辆感知系统测试方法及装置 |
| CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶系统测试方法 |
| CN111143202A (zh) * | 2019-12-17 | 2020-05-12 | 苏州智加科技有限公司 | 一种对自动驾驶系统进行自动道路测试的方法和系统 |
| CN111290370A (zh) * | 2020-03-03 | 2020-06-16 | 腾讯科技（深圳）有限公司 | 一种自动驾驶性能检测方法和装置 |
-
2021
- 2021-03-02 CN CN202110229883.3A patent/CN112817873A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5361072A (en) * | 1992-02-28 | 1994-11-01 | Codar Ocean Sensors, Ltd. | Gated FMCW DF radar and signal processing for range/doppler/angle determination |
| CN109656982A (zh) * | 2018-12-11 | 2019-04-19 | 北京无线电测量研究所 | 一种雷达一致性测试结果的显示方法及系统 |
| CN110069408A (zh) * | 2019-04-11 | 2019-07-30 | 杭州飞步科技有限公司 | 自动驾驶车辆感知系统测试方法及装置 |
| CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶系统测试方法 |
| CN111143202A (zh) * | 2019-12-17 | 2020-05-12 | 苏州智加科技有限公司 | 一种对自动驾驶系统进行自动道路测试的方法和系统 |
| CN111290370A (zh) * | 2020-03-03 | 2020-06-16 | 腾讯科技（深圳）有限公司 | 一种自动驾驶性能检测方法和装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160454A (zh) * | 2021-05-31 | 2021-07-23 | 重庆长安汽车股份有限公司 | 自动驾驶车辆历史传感器数据回灌方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112693466A (zh) | 一种车辆环境感知传感器性能测评系统及方法 | |
| KR101731050B1 (ko) | 음향센서, 레이더센서 및 영상센서를 결합한 복합센서를 이용한 돌발상황 자동 검지장치 및 그 방법 | |
| Bach et al. | Deep convolutional traffic light recognition for automated driving | |
| CN111372279B (zh) | 基于v2x的隧道测试方法 | |
| CN109270524B (zh) | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 | |
| US7010428B2 (en) | Driving support system, driving support apparatus and driving support method | |
| Groh et al. | Simulation and its contribution to evaluate highly automated driving functions | |
| CN108303271A (zh) | 辅助驾驶产品测试系统及测试方法 | |
| CN104424804A (zh) | 单雷达多车道智能测速方法及其系统 | |
| CN112330968A (zh) | 一种基于微波雷达的城市路边停车场的数据采集装置及其方法 | |
| CN115527364B (zh) | 一种基于雷视数据融合的交通事故溯源方法及系统 | |
| CN112817873A (zh) | 一种毫米波雷达报警自动化测试方法 | |
| CN111898460A (zh) | 机车辅助挂车系统、方法、装置、设备以及存储介质 | |
| WO2020071995A1 (en) | Real time vehicle location system | |
| US20220234588A1 (en) | Data Recording for Advanced Driving Assistance System Testing and Validation | |
| CN115236603A (zh) | 隧道内基于时空关系的毫米波雷达量测异常轨迹处理方法 | |
| KR102557620B1 (ko) | 객체를 분류하는 레이더 장치 및 방법 | |
| Scharf et al. | A semi-automated multi-sensor data labeling process for deep learning in automotive radar environment | |
| CN112346969B (zh) | 一种基于数据采集平台的aeb开发验证系统及方法 | |
| Strand et al. | Systematic error source analysis of a real-world multi-camera traffic surveillance system | |
| EP4116738A1 (en) | Radar device and method for classifying objects | |
| Czyżewski et al. | Comparative study on the effectiveness of various types of road traffic intensity detectors | |
| CN113640013A (zh) | 用于辅助驾驶的道路测试数据处理方法 | |
| CN111626334A (zh) | 一种车载高级辅助驾驶系统的关键控制目标选择方法 | |
| CN110412525A (zh) | 一种车载雷达bsd与fcw策略验证系统及方法 |
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 |