CN113268411A - 驾驶辅助算法测试方法、装置、电子装置和存储介质 - Google Patents
驾驶辅助算法测试方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN113268411A CN113268411A CN202110447145.6A CN202110447145A CN113268411A CN 113268411 A CN113268411 A CN 113268411A CN 202110447145 A CN202110447145 A CN 202110447145A CN 113268411 A CN113268411 A CN 113268411A
- Authority
- CN
- China
- Prior art keywords
- data
- result
- sensor data
- perception
- algorithm
- 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
- 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
- G06F11/36—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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种驾驶辅助算法测试方法、装置、电子装置和存储介质,其中,该驾驶辅助算法测试方法包括:获取第一传感器数据和第二传感器数据,第一传感器数据至少包括图像数据和毫米波雷达数据,第二传感器数据至少包括激光雷达数据;将第一传感器数据与第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据;基于驾驶辅助算法对第一同步数据进行处理,得到第一感知结果;基于测试算法对第二同步数据进行处理,得到第二感知结果;将第一感知结果与第二感知结果进行比对,获取第一测试结果。通过本申请,解决了智能驾驶辅助算法可靠性测试的准确率较低的问题,实现了对智能驾驶辅助算法的可靠性进行准确测试的技术效果。
Description
技术领域
本申请涉及智能驾驶领域,特别是涉及驾驶辅助算法测试方法、装置、电子装置和存储介质。
背景技术
在国际上自动驾驶技术已经成为众多科技公司争相竞技的领域,除了传统的汽车制造商,谷歌、Uber、特斯拉等科技公司也已经在该领域取得了令人瞩目的成果。在国内受市场和法律法规的驱动,各类高级辅助驾驶产品也已经大批量投入市场。由于高级辅助驾驶产品设计汽车安全性,所以投产前厂商都会进行大量的性能测试及可靠性测试。作为新兴领域,目前没有一套完整的测试方法支持高校、低成本的性能及可靠性测试。
现有技术以毫米波雷达和摄像头的数据通过算法处理结果作为真值,去评价ADAS系统的感知结果,但是仅仅使用这两个传感器数据,处理得到的真值的准确度不高。
针对相关技术中存在智能驾驶辅助算法可靠性测试的准确率较低的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种驾驶辅助算法测试方法、装置、系统、电子装置和存储介质,以解决相关技术中智能驾驶辅助算法可靠性测试的准确率较低的问题。
第一个方面,在本实施例中提供了一种驾驶辅助算法测试方法,包括:
获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据;
将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据;
基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息;
基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息;
将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果。
在其中的一个实施例中,所述将所述第一传感器数据与所述第二传感器数据进行时间对齐之前包括:向所述图像数据以及所述毫米波雷达数据中添加时间戳信息;根据所述时间戳信息将所述图像数据以及所述毫米波雷达数据进行时间对齐。
在其中的一个实施例中,所述将所述第一传感器数据与所述第二传感器数据进行时间对齐包括:通过网络时间同步协议向所述第一传感器数据与所述第二传感器数据中添加时间戳信息,使得所述第一传感器数据与所述第二传感器数据的时间同步对应。
在其中的一个实施例中,所述将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果包括:获取相同时间节点的所述第一感知结果和所述第二感知结果;将所述第二感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格。
在其中的一个实施例中,所述将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果之后包括:将所述图像数据、第一感知结果、第二感知结果以及第一测试结果发送至显示设备进行显示。
在其中的一个实施例中,所述基于第一预设算法对所述第一传感器数据进行处理,得到第一感知结果之后还包括:基于测试算法对所述第一同步数据进行处理,得到第三感知结果;将所述第一感知结果与所述第三感知结果进行比对,获取第二测试结果。
在其中的一个实施例中,所述将所述第一感知结果与所述第三感知结果进行比对,获取第二测试结果还包括:将所述第三感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格;或,将所述第一感知结果作为标准识别结果,若所述第三感知结果与所述标准识别结果不同,则判定所述测试算法待改进。
第二个方面,在本实施例中提供了一种驾驶辅助算法测试装置,包括:
数据获取模块:用于获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据;
数据同步模块:用于将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据;
第一感知模块:用于基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息;
第二感知模块:用于基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息;
感知评价模块:用于将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果。
第三个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的驾驶辅助算法测试方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的驾驶辅助算法测试方法。
与相关技术相比,在本实施例中提供的驾驶辅助算法测试方法,通过获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据;将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据;基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息;基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息;将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果,解决了智能驾驶辅助算法可靠性测试的准确率较低的问题,实现了对智能驾驶辅助算法的可靠性进行准确测试的技术效果。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是相关技术的驾驶辅助算法测试方法的终端的硬件结构框图。
图2是本实施例的驾驶辅助算法测试方法的流程图。
图3是根据本申请实施例的驾驶辅助算法测试系统示意图。
图4是根据本申请实施例的智能驾驶开环仿真测试系统示意图。
图5是本实施例的驾驶辅助算法测试装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的驾驶辅助算法测试方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的驾驶辅助算法测试方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
随着汽车电子控制技术的发展,以及人们对交通安全的重视,高级驾驶辅助系统(Advanced Driving Assistant System,ADAS)相关的控制器越来越多的配置与量产车型,其对于提高驾驶安全性和降低交通事故具有重大意义。对于车辆电子系统开发而言,一款控制器在正式列装前,需要进行大量的路试,以保证该款控制器各项功能的稳定性与可靠性,同时保证其与整车电子系统中的其他控制器能够进行协调工作。然而,现有技术方案在测试过程中一般是基于摄像头数据和雷达数据进行处理,通过对比测试设备和被试设备在某一时刻的感知、融合结果,分析被试设备的性能。然而,目前行业中没有一种图像驾驶辅助算法能够在全工况下准确输出感知结果。全工况是指出满足一般环境正常使用条件外,还可长期适用于对输入电压、温度、湿度、海拔、电磁干扰等方面有更高要求的恶劣环境或特殊环境。在实际应用中,雨雪天气或国外路况都会影响感知结果的准确性。
在本实施例中提供了一种驾驶辅助算法测试方法,图2是本实施例的驾驶辅助算法测试方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据。
具体的,通过多种传感器采集路况数据。例如通过图像传感器,如摄像头等采集图像数据,通过毫米波雷达采集毫米波雷达数据。通过激光雷达获取激光点云数据,即激光雷达数据。在现有技术中,多数设备仅仅根据一种传感器的数据作为驾驶辅助算法的处理依据,例如仅依靠毫米波雷达数据进行驾驶感知和感知测试。在本实施例中,采用了多种传感器设备采集路况数据,包括摄像头、毫米波雷达以及激光雷达等,需要强调的是,基于激光雷达精度高、抗干扰能力强的特点,可以使驾驶辅助算法的感知结果更加精确。
步骤S202,将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据。
具体的,在对多传感器数据进行处理,尤其是要根据多种传感器数据获取感知结果时,应当将传感器数据进行时间对齐,在本实施例中,即使得图像数据、毫米波雷达数据以及激光雷达的时间戳信息一致。
在其中的一个实施例中,所述将所述第一传感器数据与所述第二传感器数据进行时间对齐之前包括:向所述图像数据以及所述毫米波雷达数据中添加时间戳信息;根据所述时间戳信息将所述图像数据以及所述毫米波雷达数据进行时间对齐。具体的,该时间对齐过程在车辆的ADAS系统中实现。将图像数据和毫米波雷达数据进行对齐,将两种传感器数据进行同步,有利于简化驾驶辅助算法的计算过程,并且,在数据同步后,可以将图像数据以及毫米波雷达数据同步输出至显示器进行显示,工程师可根据直观的图像数据对毫米波雷达数据的处理结果进行评判。
在其中的一个实施例中,所述将所述第一传感器数据与所述第二传感器数据进行时间对齐包括:通过网络时间同步协议向所述第一传感器数据与所述第二传感器数据中添加时间戳信息,使得所述第一传感器数据与所述第二传感器数据的时间同步对应。具体的,激光雷达通过以太网与测试设备连接,使用IEEE1588网络时间同步协议实现两系统之间时间同步。通过网络时间同步协议解决了各系统之间不同源的问题。
步骤S203,基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息。
具体的,驾驶辅助算法为车辆中的ADAS系统的内置驾驶辅助算法。ADAS系统,即智能驾驶辅助控制系统。第一传感器包括摄像头模组和毫米波雷达,摄像头模组采集的摄像头数据经过FPGA图像采集卡后发送给ADAS控制器,毫米波雷达数据通过CAN总线发送ADAS控制器。ADAS控制器接收到摄像头数据和毫米波雷达数据后,为摄像头数据和毫米波雷达数据添加时间戳信息并通过驾驶辅助算法识别出当前环境下的车道线信息、障碍物等场景识别信息,根据当前场景识别信息作出功能决策。
步骤S204,基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息。
具体的,激光雷达通过以太网将周围环境中感知到的点云数据发送给数据处理模块。数据处理模块根据点云数据提取周围环境中的车道线信息、障碍物信息等场景识别信息。
步骤S205,将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果。
具体的,因为ADAS控制器处理的摄像头数据和毫米波雷达数据,与激光雷达处理的激光雷达数据都带有系统时间戳信息,所以可以根据该时间戳信息找到ADAS控制器和激光雷达在相同时刻感知的障碍物信息,进行对比分析并将结果输出到显示器上。用户可以将激光雷达的感知结果作为真值,真值即标准感知结果,可以在应用界面上直观的对软件性能进行评价。
在其中的一个实施例中,所述将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果包括:获取相同时间节点的所述第一感知结果和所述第二感知结果;将所述第二感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格。具体的,驾驶辅助算法包括感知算法、融合算法和控制算法,用于根据车辆传感器采集到的传感器数据进行智能感知,信息融合以及决策控制等。测试设备中的测试数据模块还支持为ADAS控制器的感知、融合、控制算法提供相同的运行环境,当数据处理模块接收到摄像头图像数据和毫米波雷达数据后,同ADAS控制器一样对数据进行处理,识别出当前环境下的车道线、障碍物、功能决策等信息并将传感器数据、感知融合结果发送给测试设备内部的数据分析模块。
数据分析模块可将ADAS控制器和数据处理模块传进来的感知、融合结果进行对比分析。由于相同时刻,ADAS控制器和数据处理模块接收到的传感器数据相同,所以对比感知、融合结果可以快速的评估数据处理模块内部算法和ADAS控制器内部算法之间的差异。数据处理模块将视频图像、感知融合结果、分析结果等信息显示在显示器上,便于用户能够快速的对产品进行评估。
在其中的一个实施例中,所述将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果之后包括:将所述图像数据、第一感知结果、第二感知结果以及第一测试结果发送至显示设备进行显示。具体的,将摄像头采集的图像数据、ADAS控制器对传感器数据的处理结果、测试算法对传感器数据的处理结果通过比对分析,将其同时展现在显示设备上,工程师可以直接结合原始图像数据观察传感器数据的两种处理结果,便于工程师直观的对测试结果做出评价。
在其中的一个实施例中,所述基于第一预设算法对所述第一传感器数据进行处理,得到第一感知结果之后还包括:基于测试算法对所述第一同步数据进行处理,得到第三感知结果;将所述第一感知结果与所述第三感知结果进行比对,获取第二测试结果。具体的,由于ADAS控制系统与测试设备处理的是相同的传感器数据,可以根据其处理的结果,对ADAS控制系统中的驾驶辅助算法和测试设备的测试算法进行更加直观的比对,以便后续工程师对软件算法进行改进。
在其中的一个实施例中,所述将所述第一感知结果与所述第三感知结果进行比对,获取第二测试结果还包括:将所述第三感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格;或,将所述第一感知结果作为标准识别结果,若所述第三感知结果与所述标准识别结果不同,则判定所述测试算法待改进。
具体的,在产品感知融合算法优化阶段,该阶段主要是将优化后的驾驶辅助算法作为测试算法,ADAS控制器内运行当前版本感知融合算法。在数据处理模块内运行优化后的感知融合算法,经过数据分析模块后,测试人员可以通过显示器分析软件优化效果。
在产品的感知融合算法开发阶段,在该阶段主要是将实际应用中,参考其他先进产品对用户当前使用的测试算法进行优化。例如:ADAS控制器替换为对标产品,数据处理模块运行当前版本感知融合算法,数据分析模块将对标产品的感知融合结果作为真值,并将当前版本感知融合结果与真值的差异显示在显示器上,测试工程师可以根据两个产品的表现,获得软件待优化项。
在实际应用中,通过产品的感知融合算法开发阶段和优化阶段的多次比对过程,既可以在产品开发时,将当前市场上的先进驾驶辅助产品作为对标产品,即将对标产品的算法作为测试算法,对用户自家产品进行优化。也可以在产品优化阶段,将产品不同版本的算法处理结果进行比对,获取最新版本的算法优化效果。
在其中的一个实施例中,图3是根据本申请实施例的驾驶辅助算法测试系统示意图,如图3所示,在进行实车测试时,车辆上包括多种传感器、ADAS控制器、测试设备和显示器。传感器包括但不限于摄像头、毫米波雷达以及激光雷达等。测试设备中包括FPGA图像采集卡、传感器数据采集卡、网卡以及数据处理模块和数据分析模块。激光雷达通过网卡,即以太网与测试设备连接,使用IEEE 1588网络时间同步协议实现两系统之间时间同步。通过网络时间同步协议解决了各系统时间系之间不同源的问题。
摄像头采集的图像数据通过FPGA图像采集卡同时发送至ADAS控制器和数据处理模块;毫米波雷达采集的毫米波雷达数据通过CAN总线同时发送至ADAS控制器和测试设备内部的传感器数据采集卡,数据采集卡将毫米波雷达数据传送给数据处理模块。数据处理模块中内置测试驾驶辅助算法,在收到图像数据和毫米波雷达数据后,为图像数据和毫米波雷达数据添加系统时间戳。
激光雷达通过以太网将周围环境中感知到的点云数据发送给数据处理模块。数据处理模块根据点云数据提取周围环境中的车道线和障碍物信息,并将该信息发送给数据分析模块。因为ADAS控制器、测试系统和激光雷达经过时间同步后系统时间一致且ADAS控制器和激光雷达的数据都带有系统时间戳信息,所以数据分析模块可以通过时间戳找到ADAS控制器和激光雷达在相同时刻感知的障碍物信息,进行对比分析并将结果输出到显示器上。用户可以将激光雷达的感知结果作为真值,可以在应用界面上直观的对软件性能进行评价。
测试设备中的数据处理模块还支持为ADAS控制器的感知、融合、控制算法提供相同的运行环境,当数据处理模块接收到摄像头图像数据和毫米波雷达数据后,同ADAS控制器一样对数据做相同处理,识别出当前环境下的车道线、障碍物、功能决策等信息并将传感器数据、感知融合结果发送给测试设备内部的数据分析模块。
数据分析模块将ADAS控制器和数据处理模块传进来的感知、融合结果进行对比分析。由于相同时刻,ADAS控制器和数据处理模块接收到的传感器数据相同,所以对比感知、融合结果可以快速的评估数据处理模块内部算法和ADAS控制器内部算法之间的差异。数据处理模块将视频图像、感知融合结果、分析结果等信息显示在显示器上,便于用户能够快速的对产品进行评估。
通过上述步骤,本申请通过对激光雷达采集的点云数据进行处理,将其处理结果作为真值系统,对ADAS控制器的内置驾驶辅助算法进行评价,基于激光雷达本身精度高、抗干扰能力强的特点,解决了现有技术中仅仅依靠摄像头数据和毫米波雷达数据的处理结果作为真值系统,实施难度高,评估可靠性差的技术问题。并且用过网络时间同步协议,解决了传感器、ADAS控制设备以及测试设备之间的时间系统不同源的问题,实现了各系统间的时间对齐,使得驾驶辅助控制算法的性能测试具有更高的可靠性。
在其中的一个实施例中,本申请还提供了一种可以应用在实验室的低成本测试方法,该方法通过将真实环境采集的实车传感器数据注入ADAS控制器的方式,实现在实验室对被测产品进行不同场景的感知。图4是根据本申请实施例的智能驾驶开环仿真测试系统示意图,如图4所述,测试设备通过网络从服务器获取录制的传感器数据,传感器数据包含但不限于摄像头原始数据、毫米波雷达等传感器数据。数据处理模块解析获取的数据后,按照原始帧率将图像发送到FPGA图像采集卡,图像采集卡会按照FPDLink协议将数据发送到ADAS控制器。用时将雷达等其他传感器数据通过传感器数据采集卡发送给ADAS控制器。在传统技术中,产品研发阶段会对产品进行多次迭代,如果每次都需要搭建相同的试车测试环境,就会提高研发成本和测试周期。而应用本实施例的数据回灌方法,可以将图像数据和雷达传感器采集的CAN总线数据同步注入给被测产品。通过数据注入的方式,模拟真实环境,实现在实验室对被测产品进行不同场景的感知、融合和功能测试。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种驾驶辅助算法测试装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是本实施例的驾驶辅助算法测试装置的结构框图,如图5所示,该装置包括:
数据获取模块10:用于获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据。
数据同步模块20:用于将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据。
第一感知模块30:用于基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息。
第二感知模块40:用于基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息。
感知评价模块50:用于将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果。
所述数据获取模块10,还用于向所述图像数据以及所述毫米波雷达数据中添加时间戳信息;根据所述时间戳信息将所述图像数据以及所述毫米波雷达数据进行时间对齐。
所述数据同步模块20,还用于通过网络时间同步协议向所述第一传感器数据与所述第二传感器数据中添加时间戳信息,使得所述第一传感器数据与所述第二传感器数据的时间同步对应。
所述感知评价模块50,还用于获取相同时间节点的所述第一感知结果和所述第二感知结果;将所述第二感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格。
所述感知评价模块50,还用于将所述图像数据、第一感知结果、第二感知结果以及第一测试结果发送至显示设备进行显示。
所述感知评价模块50,还用于基于测试算法对所述第一同步数据进行处理,得到第三感知结果;将所述第一感知结果与所述第三感知结果进行比对,获取第二测试结果。
所述感知评价模块50,还用于将所述第三感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格;或,将所述第一感知结果作为标准识别结果,若所述第三感知结果与所述标准识别结果不同,则判定所述测试算法待改进。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据。
S2,将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据。
S3,基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息。
S4,基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息。
S5,将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的驾驶辅助算法测试方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种驾驶辅助算法测试方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种驾驶辅助算法测试方法,其特征在于,包括:
获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据;
将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据;
基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息;
基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息;
将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果。
2.根据权利要求1所述的驾驶辅助算法测试方法,其特征在于,所述将所述第一传感器数据与所述第二传感器数据进行时间对齐之前包括:
向所述图像数据以及所述毫米波雷达数据中添加时间戳信息;
根据所述时间戳信息将所述图像数据以及所述毫米波雷达数据进行时间对齐。
3.根据权利要求1所述的驾驶辅助算法测试方法,其特征在于,所述将所述第一传感器数据与所述第二传感器数据进行时间对齐包括:
通过网络时间同步协议向所述第一传感器数据与所述第二传感器数据中添加时间戳信息,使得所述第一传感器数据与所述第二传感器数据的时间同步对应。
4.根据权利要求1所述的驾驶辅助算法测试方法,其特征在于,所述将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果包括:
获取相同时间节点的所述第一感知结果和所述第二感知结果;
将所述第二感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格。
5.根据权利要求1所述的驾驶辅助算法测试方法,其特征在于,所述获取第一测试结果之后包括:
将所述图像数据、第一感知结果、第二感知结果以及第一测试结果发送至显示设备进行显示。
6.根据权利要求1所述的驾驶辅助算法测试方法,其特征在于,所述基于第一预设算法对所述第一传感器数据进行处理,得到第一感知结果之后还包括:
基于测试算法对所述第一同步数据进行处理,得到第三感知结果;
将所述第一感知结果与所述第三感知结果进行比对,获取第二测试结果。
7.根据权利要求6所述的驾驶辅助算法测试方法,其特征在于,所述将所述第一感知结果与所述第三感知结果进行比对,获取第二测试结果还包括:
将所述第三感知结果作为标准感知结果,将所述第一感知结果与所述标准感知结果进行比对,若所述第一感知结果与所述标准感知结果相同,则所述驾驶辅助算法合格;
或
将所述第一感知结果作为标准识别结果,若所述第三感知结果与所述标准识别结果不同,则判定所述测试算法待改进。
8.一种驾驶辅助算法测试装置,其特征在于,包括:
数据获取模块:用于获取第一传感器数据和第二传感器数据,所述第一传感器数据至少包括图像数据和毫米波雷达数据,所述第二传感器数据至少包括激光雷达数据;
数据同步模块:用于将所述第一传感器数据与所述第二传感器数据进行时间对齐,得到第一同步数据以及第二同步数据;
第一感知模块:用于基于驾驶辅助算法对所述第一同步数据进行处理,得到第一感知结果,所述驾驶辅助算法用于根据所述第一传感器数据获取场景识别信息;
第二感知模块:用于基于测试算法对所述第二同步数据进行处理,得到第二感知结果,所述测试算法用于根据所述第一传感器数据和/或第二传感器数据获取场景识别信息;
感知评价模块:用于将所述第二感知结果作为标准感知结果,并与所述第一感知结果进行比对,获取第一测试结果。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的驾驶辅助算法测试方法。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的驾驶辅助算法测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447145.6A CN113268411A (zh) | 2021-04-25 | 2021-04-25 | 驾驶辅助算法测试方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447145.6A CN113268411A (zh) | 2021-04-25 | 2021-04-25 | 驾驶辅助算法测试方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113268411A true CN113268411A (zh) | 2021-08-17 |
Family
ID=77229310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110447145.6A Pending CN113268411A (zh) | 2021-04-25 | 2021-04-25 | 驾驶辅助算法测试方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268411A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114077875A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 信息验证方法、装置、设备及存储介质 |
CN114136356A (zh) * | 2021-11-30 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 参数采集测试系统、方法、设备及计算机可读存储介质 |
CN114383667A (zh) * | 2022-01-29 | 2022-04-22 | 重庆长安汽车股份有限公司 | 多传感器仿真数据同步注入方法及系统 |
CN114579556A (zh) * | 2022-05-05 | 2022-06-03 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN116089314A (zh) * | 2023-03-07 | 2023-05-09 | 北京路凯智行科技有限公司 | 无人驾驶车辆的感知算法的测试系统、方法及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107623863A (zh) * | 2017-09-21 | 2018-01-23 | 广州华多网络科技有限公司 | 算法测试方法、装置及服务器 |
CN108152045A (zh) * | 2017-12-13 | 2018-06-12 | 中国汽车工程研究院股份有限公司 | 汽车数据采集方法、装置及系统 |
CN108196260A (zh) * | 2017-12-13 | 2018-06-22 | 北京汽车集团有限公司 | 无人驾驶车辆多传感器融合系统的测试方法和装置 |
KR20180092066A (ko) * | 2017-02-08 | 2018-08-17 | (주)인스페이스 | 이종센서 영상 융합 알고리즘의 관리 및 평가 장치 |
CN111398989A (zh) * | 2020-04-02 | 2020-07-10 | 昆易电子科技(上海)有限公司 | 驾驶辅助系统的性能分析方法和测试设备 |
CN111930755A (zh) * | 2020-09-16 | 2020-11-13 | 蘑菇车联信息科技有限公司 | 行车数据处理方法及相关设备 |
-
2021
- 2021-04-25 CN CN202110447145.6A patent/CN113268411A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180092066A (ko) * | 2017-02-08 | 2018-08-17 | (주)인스페이스 | 이종센서 영상 융합 알고리즘의 관리 및 평가 장치 |
CN107623863A (zh) * | 2017-09-21 | 2018-01-23 | 广州华多网络科技有限公司 | 算法测试方法、装置及服务器 |
CN108152045A (zh) * | 2017-12-13 | 2018-06-12 | 中国汽车工程研究院股份有限公司 | 汽车数据采集方法、装置及系统 |
CN108196260A (zh) * | 2017-12-13 | 2018-06-22 | 北京汽车集团有限公司 | 无人驾驶车辆多传感器融合系统的测试方法和装置 |
CN111398989A (zh) * | 2020-04-02 | 2020-07-10 | 昆易电子科技(上海)有限公司 | 驾驶辅助系统的性能分析方法和测试设备 |
CN111930755A (zh) * | 2020-09-16 | 2020-11-13 | 蘑菇车联信息科技有限公司 | 行车数据处理方法及相关设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114136356A (zh) * | 2021-11-30 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 参数采集测试系统、方法、设备及计算机可读存储介质 |
CN114077875A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 信息验证方法、装置、设备及存储介质 |
CN114383667A (zh) * | 2022-01-29 | 2022-04-22 | 重庆长安汽车股份有限公司 | 多传感器仿真数据同步注入方法及系统 |
CN114579556A (zh) * | 2022-05-05 | 2022-06-03 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114579556B (zh) * | 2022-05-05 | 2022-08-02 | 中汽创智科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN116089314A (zh) * | 2023-03-07 | 2023-05-09 | 北京路凯智行科技有限公司 | 无人驾驶车辆的感知算法的测试系统、方法及存储介质 |
CN116089314B (zh) * | 2023-03-07 | 2023-07-28 | 北京路凯智行科技有限公司 | 无人驾驶车辆的感知算法的测试系统、方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113268411A (zh) | 驾驶辅助算法测试方法、装置、电子装置和存储介质 | |
CN110412374B (zh) | 一种基于多传感器的adas hil测试系统 | |
CN108259890B (zh) | 一种信息采集桥接装置及图像传感器质量自动检测设备 | |
CN102946616B (zh) | 一种物联网中间件性能测试系统和测试方法 | |
CN102592414A (zh) | 一种驾驶员主动安全预警系统的测试平台 | |
CN112789619A (zh) | 一种仿真场景的构建方法、仿真方法以及设备 | |
CN113395200B (zh) | 消息推送方法和系统、客户端、存储介质及处理器 | |
CN109030994B (zh) | 一种测试方法及系统 | |
CN113155173A (zh) | 感知性能评测方法、装置、电子装置和存储介质 | |
CN116347385A (zh) | 一种面向车路协同的通信感知及边缘计算一体化系统 | |
CN116580271A (zh) | 一种感知融合算法的测评方法、装置、设备及存储介质 | |
CN112686979B (zh) | 仿真行人动画生成方法、装置和电子设备 | |
CN112699754B (zh) | 信号灯识别方法、装置、设备以及存储介质 | |
CN109683155A (zh) | 传感器融合系统、方法、终端及存储介质 | |
CN105843211A (zh) | 用于动力电池管理系统测试的监控系统和方法 | |
CN202855049U (zh) | 一种驾驶员主动安全预警系统的测试平台 | |
CN103368786B (zh) | 控制器局域网络总线数据的测试方法及装置 | |
CN114710228B (zh) | 一种时间的同步方法、装置、存储介质及电子装置 | |
CN113689695B (zh) | 路侧感知系统的数据采集、可视化和标定的方法及系统 | |
CN113985854A (zh) | 数据处理方法、装置及电子设备 | |
CN114356931A (zh) | 数据处理方法、装置、存储介质、处理器及电子装置 | |
CN117332734B (zh) | 多种通信方式融合的单片机设计系统 | |
CN111175055A (zh) | 自动驾驶分布式协同仿真方法、装置以及终端 | |
CN113408496B (zh) | 图像确定方法和装置、存储介质及电子设备 | |
CN111145212B (zh) | 一种目标追踪处理方法及装置 |
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 |