CN113110392A - 一种基于地图导入的自动驾驶汽车相机硬件在环测试方法 - Google Patents

Abstract

本发明属于自动驾驶汽车测试技术领域，具体为一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，包括步骤一：搜索有代表性的路段，在仿真软件中导入Openstreetmap地图，基于真实场景处理地图，注意保留经纬度、绝对坐标等参数，主要处理地图的车道信息；步骤二：选择合适的测试路段，添加虚拟车辆和传感器，合理规划车道线；步骤三：设置多组试验参数，分别代表了现实车辆行驶的不同情况；其结构合理，道路建模基于现实，充分尊重真实地图，方便与实车测试进行准确度对比；初步量化了图像分析算法的能力，可以作为参数进行比较；可以分析效果相近的图像分析算法的不同特点。

Description

一种基于地图导入的自动驾驶汽车相机硬件在环测试方法

技术领域

本发明涉及自动驾驶汽车测试技术领域，具体为一种基于地图导入的自动驾驶汽车相机硬件在环测试方法。

背景技术

智能网联汽车，(Intelligent Connected Vehicle，ICV)，是指车联网与智能车的有机联合，是搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交换共享，实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。由于智能网联汽车具有节能，环保，高效，发展潜力大等不可替代的巨大优势，已被世界各国高度重视并有望成为汽车行业未来发展的方向和核心，国内外开始将发展智能交通系统作为一项重点工作内容，通过制定国家战略和法规，推进智能网联汽车产业的研发和应用。然而智能网联汽车要想推广普及并达到量产阶段仍需要严格且漫长的测试过程

现在的智能网联汽车测试方法仿真测试方法主要有软件在环(Software in theloop，SIL)、硬件在环(Hardware in the loop，HIL)、车辆在环(Vehicle in the loop，VIL)等方法。其中硬件在环仿真测试方法凭借其结果的真实可信性，研究方案的可拓展性，反馈速度的及时性等优势，已成为现今智能网联汽车测试方法的热门研究方法。硬件在环是指控制系统硬件作为被测对象，通过软件(如PRESCAN，Scanner等)构建虚拟元素并通过传感器模型(如毫米波雷达，激光雷达，摄像头等)将虚拟目标传递给控制系统，来测试验证智能网联汽车控制系统的功能指标和一些重要的性能参数。而以摄像头作为传感器模型的相机硬件在环测试方法更是现在研究的热点。通常来讲，用软件进行虚拟环境的仿真具有较高的真实可信性，但考虑到我国道路环境的复杂性，驾驶总人数基数大等因素，通过软件来进行一些复杂道路条件的仿真搭建或特殊交通场景的模拟再现就有了不小的难度，即使可以用软件进行大致的仿真拟合，最终得到的实验结果也不具有说服性和可信性。据此本发明提出了基于导入真实地图并针对图像分析算法的自动驾驶汽车相机硬件在环测试方法，基于从外部导入指定地域的真实地图并建立与其对应的复杂环境模型，使仿真测试中的主车在非常接近真实道路的环境下进行更加高级，真实，准确的测试，来弥补目前无法高效模拟复杂道路条件和特殊交通场景的不足与不便，从而为之后的智能网联汽车的仿真测试做准备。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于现有智能网联汽车测试方法中存在的问题，提出了本发明。

因此，本发明的目的是提供一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，基于从外部导入指定地域的真实地图并建立与其对应的复杂环境模型，使仿真测试中的主车在非常接近真实道路的环境下进行更加高级，真实，准确的测试。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，其包括如下步骤：

步骤一：搜索有代表性的路段，在仿真软件中导入Openstreetmap地图，基于真实场景处理地图，注意保留经纬度、绝对坐标等参数，主要处理地图的车道信息；

步骤二：选择合适的测试路段，添加虚拟车辆和传感器，合理规划车道线；

步骤三：设置多组试验参数，分别代表了现实车辆行驶的不同情况；

步骤四：将测试对象图像分析算法导入虚拟车辆，按照上述各组参数进行试验，通过虚拟车辆成功制动的次数定量评价图像分析算法的优劣；如成功制动次数相同，还能通过比较测试通过的不同参数组分析算法的特点。

作为本发明所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法的一种优选方案，其中：所述仿真软件包括Prescan。

作为本发明所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法的一种优选方案，其中：所述步骤一中，基于真实场景处理地图，包括添加树木绿化带及路网附近的建筑物。

作为本发明所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法的一种优选方案，其中：所述步骤一中，处理地图的车道信息包括修改车道数目和车道线。

作为本发明所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法的一种优选方案，其中：所述步骤三中，试验参数包括车辆速度、算法识别系统最精确距离和最小制动安全距离修正值等参数。

与现有技术相比，本发明的有益效果是：道路建模基于现实，充分尊重真实地图，方便与实车测试进行准确度对比；初步量化了图像分析算法的能力，可以作为参数进行比较；可以分析效果相近的图像分析算法的不同特点；基于从外部导入指定地域的真实地图并建立与其对应的复杂环境模型，使仿真测试中的主车在非常接近真实道路的环境下进行更加高级，真实，准确的测试，来弥补目前无法高效模拟复杂道路条件和特殊交通场景的不足与不便，从而为之后的智能网联汽车的仿真测试做准备。

附图说明

为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明步骤流程结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。

其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。

实施例1

步骤一：Prescan对路网的描述比较精确，并且支持外部导入，选择开源地图道路采集软件Openstreetmap，导出并下载长春市南关区工农广场的区域地图，由于Openstreetmap软件的局域性使得导入到Prescan的道路信息不准确，所以只保留主要道路的经纬度，绝对坐标等参数，其他的路网信息与相关参数均需实地考察并进行后期的人工调整

步骤二：根据实际路况以及实验对特殊场地的需求，选择保留南湖大路，人民大街，磐石路，工农大路，昂昂溪路作为本次实验测试的主干道路；删除人民大街与自由大路交汇处以北的道路和与繁荣路交汇处以南的道路，删除南湖大路与亚泰大街交汇口以东部分和其经过南湖大桥以西的道路，同时忽略文昌路，工农胡同等与实验测试无关的道路。接下来进行以下车道数的更正，具体操作为修改人民大街为十车道，南湖大路东为十车道，南湖大路西为七车道，工农大路为四车道，磐石路与南湖大路连接处的道路为单车道。车道数符合实际路况后，继续修改车道的走向：通过查阅实景地图和开战实地勘测，可以观测得到：以人民大街从北向南走向为正向，则正向车道为五条，逆向为五条。工农广场南侧人民大街走向与工农广场北侧方向车道数和走向完全一致。同理，令南湖大路从南向西为正向走向，则正向车道数为七，逆向车道数为三。经上所述，将两条主要道路的车道走向修改为符合现实的值后，再修改次级道路工农大路正向车道数为二，昂昂溪路和磐石路正向车道数保持原来不变。至此正向逆向车道数修改完毕。

紧接着在已经搭建好的基本路网中完善prescan仿真地图中各车道线颜色的修改，人民大街北侧中心线应该为双黄色实线，按照与地图相同的方向仿真，一号车道线应为黄色虚线，二三号车道线为白色实线，四号车道线为白色虚线，路肩为黄色实线。五号车道线为中心线，则六七八九号依次应为：白色虚线，白色实线，白色实线和白色虚线。人民大街南侧除一号车道线为白色虚线外其他与北侧均相同。南湖大街东侧中心线为双黄线。一二三四号依次应为：白色虚线，白色实线，白色实线和白色虚线，六七八九号也为白色虚线，白色实线，白色实线和白色虚线。西侧中心线为黄色单实线，一二五六号车道线为白色虚线，四号为黄色虚线。并且将路肩改为黄色单实线。工农大路中心线改为黄色单实线，路肩改为黄色单实线。最后再将磐石路路肩改为黄色单实线，车道线颜色修改结束。

为了保证虚拟场景的高度拟合性，不仅要关注实验车道的准确性，还要着重关注道路参数，树木绿化带，以及区域路网附近的建筑等可能会对后期实验测试结果产生影响的场景因素，所以要与实际道路进行一系列的对比，进而补充相关信以息完善虚拟仿真地图

在道路参数中修改路肩参数为和适值后，再对人行道宽度予以适当调整。在工农广场路口，磐石路与人民大街交汇处和与南湖大路交互处等添加人行横道，并将人行横道的宽度改为根据实际观测的宽度。

考虑到树木和绿化带等植物可能对光照和颜色识别存在影响，所以不能忽略。将南湖大路整段两侧(工农广场部分除外)，人民大街道路两侧(磐石路路口和工农广场除外)，昂昂溪路两侧，工农大路两侧，磐石路南侧添加合适的树木，设计好间距和偏离值。

实际道路还应有护栏，在道路的object configuration中选择line placement，在车道线上添加护栏，护栏的类型选择outside。在人民大街二三七八车道线上添加护栏，南湖大路东侧二三七八车线上同样添加护栏。南湖大路西侧和昂昂溪路由于实际并不存在护栏，所以无需添加护栏。

最后将现实中存在的建筑添加入prescan的experiment中。本发明实例中为虚拟仿真地图中添加的建筑群有：南湖假日酒店，东方饺子王，工农广场地铁站，光机一区，中国城建大厦，奥莱公寓，天骄大厦，华峰建设大厦，吉林省疼痛医学研究院，南国家园，国盛大酒店，吉林省物资大厦，南波大厦，吉林省实验中学，长春工业大学，盛京银行，吉林省科学技术协会，光机小区，中国科学院长春应用化学研究所，光机宾馆，湖光小区，长春工程学院，国家税务总局长春市税务局，长春急救中心，长春外国语实验学校，凯撒花园等。将上述建筑根据地图相对道路的位置进行标记，进行比例换算和计算后得出其在模型中的绝对坐标，再从building菜单栏中选择合适的基础建筑(如用apartment building代表老式小区,house modern代表现代小区,house old代表矮楼,large office building代表写字楼,tall office building代表酒店，school代表学校等等)拖入绝对坐标中，再对角度进行适度的调整，使其符合实际建筑朝向，至此建筑部分添加完毕。

步骤三：通过prescan软件打开已经建好的experiment场景文件，等待加载完毕后，于工农广场与工农大路交汇处的人行横道上找到目标行人A，同时在众多车辆中找到待测试车辆甲，其型号为，其位于人民大街北侧从西往东编号为2的车道上，型号为Audi A8sedan。

开启Prescan-Matlab联合仿真模拟环境：在Pescan Process Manager中唤醒Matlab，再在Prescan界面中点击上方菜单栏中的“Invoke Simulink Run Mode”选项。等待加载完毕后可以看到基于目标实验的Simulink仿真模型。接下来开启Pycharm，目的将已经编写好的车辆摄像头行人检测系统算法导入到上述实验中。打开已准备好的算法源代码，点击Run按钮，开启模拟测试。在Pescan Process Manager中点击VisServer，再在VisServer界面中点击FullScreenViewer,目的是把摄像头输出到主机的第二屏幕上。

接下来介绍实验主要需要修改的三个参数：车辆速度v，算法识别系统最精确距离x，和最小制动安全距离修正值c。三个数值相互影响：车辆速度关系着识别速度和制动距离的长短，最精确距离影响算法识别的优劣和传递制动信号的快慢，最下制动安全距离修正值关系着汽车制动及时不及时而且其与其它两个参数相互影响。三个参数并非线性或者函数关系。将上述的三个参数，点击Prescan中的Build按钮，再在Simulink中点击Regenerate按钮，等待两个过程加载完毕后，点击Simulink中的运行按钮，观察第二屏幕中车辆前置摄像头的影响，如果未能及时制动而发生事故，则实验失败，需要修改上述参数。反复进行参数修改，直到汽车能够及时制动。记录下该工况下三个数的值。

反复在该工况下进行调试，进行多组实验，这里进行二十次实验，发现其中16次实验能够及时制动，4次实验不能及时制动。记录实验数据。本次测试初步量化了车道偏离预警算法，并量化出参数为有关方面的测试提供横向对比的数据参数。

虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (5)

1.一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，其特征在于：包括如下步骤：

步骤一：搜索有代表性的路段，在仿真软件中导入Openstreetmap地图，基于真实场景处理地图，注意保留经纬度、绝对坐标等参数，主要处理地图的车道信息；

步骤二：选择合适的测试路段，添加虚拟车辆和传感器，合理规划车道线；

步骤三：设置多组试验参数，分别代表了现实车辆行驶的不同情况；

步骤四：将测试对象图像分析算法导入虚拟车辆，按照上述各组参数进行试验，通过虚拟车辆成功制动的次数定量评价图像分析算法的优劣；如成功制动次数相同，还能通过比较测试通过的不同参数组分析算法的特点。

2.根据权利要求1所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，其特征在于：所述仿真软件包括Prescan。

3.根据权利要求1所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，其特征在于：所述步骤一中，基于真实场景处理地图，包括添加树木绿化带及路网附近的建筑物。

4.根据权利要求1所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，其特征在于：所述步骤一中，处理地图的车道信息包括修改车道数目和车道线。

5.根据权利要求1所述的一种基于地图导入的自动驾驶汽车相机硬件在环测试方法，其特征在于：所述步骤三中，试验参数包括车辆速度、算法识别系统最精确距离和最小制动安全距离修正值等参数。

Images