CN113311727A - 一种用于自动驾驶测试的仿真模拟系统 - Google Patents
一种用于自动驾驶测试的仿真模拟系统 Download PDFInfo
- Publication number
- CN113311727A CN113311727A CN202110524560.7A CN202110524560A CN113311727A CN 113311727 A CN113311727 A CN 113311727A CN 202110524560 A CN202110524560 A CN 202110524560A CN 113311727 A CN113311727 A CN 113311727A
- Authority
- CN
- China
- Prior art keywords
- test
- automatic driving
- simulation system
- vehicle
- model
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 184
- 238000012360 testing method Methods 0.000 title claims abstract description 166
- 238000011156 evaluation Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000033001 locomotion Effects 0.000 claims description 51
- 230000003993 interaction Effects 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Abstract
本发明提供一种用于自动驾驶测试的仿真模拟系统,系统包括:前端仿真系统、自动驾驶控制器、后端仿真系统和测试管理系统;其中,所述自动驾驶控制器用于作为被测试的对象;所述前端仿真系统用于仿真所述自动驾驶控制器的输入数据;所述后端仿真系统用于接收所述自动驾驶控制器的输出数据;所述测试管理系统用于自动加载测试过程中所需的虚拟地图和动态场景,并调用测试过程中所需的虚拟地图或动态场景至所述前端仿真系统或所述后端仿真系统执行评估测试,以输出与评估测试结果对应的测试报告;本发明通过在加载测试过程中引入虚拟地图和动态场景从而提高模拟器的逼真度,缩小仿真测试结果与真实测试结果的测试偏差。
Description
技术领域
本发明涉及车辆仿真测试领域,尤其涉及一种用于自动驾驶测试的仿真模拟系统。
背景技术
自动驾驶车辆与传统人工驾驶车辆相比具有更高的复杂性,需要安装激光雷达、摄像头、毫米波雷达、GPS、自动驾驶控制器等装置。这些装置在达到高度安全性之前,不能直接在开放道路测试,必须依托仿真模拟设备进行测试。
自动驾驶仿真模拟设备需要构建交通场景、传感器模型、车辆动力学模型等系统,并将自动驾驶控制器接入上述系统中,形成一个完整的仿真闭环链路。
自动驾仿真模拟器与真实的驾驶场景存在较大偏差,造成较大偏差的原因主要有两个因素,一是仿真闭环链路的时间延迟过大,导致系统运行实时性差;二是传感器仿真数据的逼真度低,会导致仿真测试结果与真实测试结果不一致。
发明内容
针对现有技术中的问题,本发明实施例提供一种用于自动驾驶测试的仿真模拟系统。
具体地,本发明实施例提供了以下技术方案:
第一方面,本发明实施例提供了一种用于自动驾驶测试的仿真模拟系统,包括:自动驾驶控制器、与所述自动驾驶控制器连接的前端仿真系统、与所述自动驾驶控制器连接的后端仿真系统以及与所述前端仿真系统和所述后端仿真系统连接的测试管理系统,其中:
所述自动驾驶控制器用于作为被测试的对象;
所述前端仿真系统用于仿真所述自动驾驶控制器的输入数据;
所述后端仿真系统用于接收所述自动驾驶控制器的输出数据;
所述测试管理系统用于自动加载测试过程中所需的虚拟地图和动态场景,并调用测试过程中所需的虚拟地图或动态场景至所述前端仿真系统或所述后端仿真系统执行评估测试,以输出与评估测试结果对应的测试报告。
进一步地,所述前端仿真系统包括场景库、仿真引擎和传感器模型,所述前端仿真系统用于根据场景库、仿真引擎和传感器模型构建自动驾驶的虚拟场景;所述后端仿真系统包括车辆模型和与所述车辆模型连接的人机交互系统,所述后端仿真系统用于根据车辆模型和所述人机交互系统模拟真实车辆的运动属性。
进一步地,所述场景库中存储虚拟地图;所述自动驾驶控制器中存储高精度地图;所述测试管理系统将所述场景库中存储的虚拟地图输入至所述自动驾驶控制器中与所述自动驾驶控制器中存储的高精度地图进行匹配。
进一步地,所述场景库中存储动态场景,所述测试管理系统加载所述场景库中存储的动态场景至仿真引擎中的交通模型以实现动态运行。
进一步地,所述自动驾驶控制器用于构建虚拟感知节点,并通过所述虚拟感知节点将所述传感器模型生成的数据传输至所述自动驾驶控制器进行数据识别。
进一步地,所述传感器模型为基于摄像头、激光雷达、毫米波雷达、GPS及超声波雷达中的至少一项开发的传感器模型。
进一步地,所述车辆模型包括车辆控制模型、车辆动力学模型、车辆运动模拟器和驾驶模拟舱中的至少一项,所述车辆模型用于对被控制的自动驾驶车辆虚拟化;其中,所述车辆控制模型用于接收所述自动驾驶控制器的加减速指令和转向指令,并模拟实际车辆的初始化设置以及进行故障诊断;所述车辆动力学模型模拟指定车型的动力、底盘、轮胎、道路摩擦系数以及风阻系数中的一种或多种,使得被控制的车辆模型的机械运动属性与实际车辆车一致;所述车辆运动模拟器为电驱动运动平台;所述驾驶模拟舱为安装在所述车辆运动模拟器的驾驶舱,并将所述驾驶模拟舱的内部结构与指定车型匹配。
进一步地,所述电驱动运动平台支持在前、后、左、右、上、下中的一个或多个纬度运动。
进一步地,所述人机交互系统包括:导航系统、语音提醒模块、灯光提醒模块、文字提醒模块、震动座椅提醒模块以及方向盘握力感应模块中的一种或多种;
所述导航系统用于设置自动驾驶的起点和终点,并实时显示抽象化的驾驶场景;
所述语音提醒模块、灯光提醒模块、文字提醒模块以及震动座椅提醒模块中的一种或多种用于传递与自动驾驶对应的工况信息;
所述方向盘握力感应模块用于检测驾驶员对方向盘的控制状态,并作为输入信息输入所述自动驾驶控制器。
进一步地,所述测试管理系统包括自动化测试系统和测试评估系统,所述自动化测试系统与所述前端仿真系统连接,所述测试评估系统与所述后端仿真系统连接;所述自动化测试系统用于依据既定的测试目标和测试范围自动调用动态场景;所述测试评估系统用于对评估测试的结果进行评判;其中,评判的维度包括碰撞检测、舒适性评估以及能源消耗评估中的一种或多种。
由上面技术方案可知,本发明实施例提供的用于自动驾驶测试的仿真模拟系统,通过前端仿真系统来仿真自动驾驶控制器的输入数据;通过后端仿真系统用于接收所述自动驾驶控制器的输出数据;通过测试管理系统用于自动加载测试过程中所需的虚拟地图和动态场景,并进行评估测试,以输出与评估测试结果对应的测试报告;本发明通过在加载测试过程中引入虚拟地图和动态场景从而提高模拟器的逼真度,缩小仿真测试结果与真实测试结果的测试偏差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1为本发明一实施例提供的用于自动驾驶测试的仿真模拟系统的一种结构示意图;
图2为前端仿真系统示意图;
图3为后端仿真系统示意图;
图4为测试管理系统示意图;
图5为本发明一实施例提供的驾驶模拟系统框架图;
图6为本发明一实施例提供的用于自动驾驶测试的仿真模拟系统的一种高实时性或高逼真度仿真模式示意图;
附图标记:101表示自动驾驶控制器;102表示前端仿真系统;103表示后端仿真系统;104表示测试管理系统。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明实施例提供的用于自动驾驶测试的仿真模拟系统的结构示意图。如图1所示,本发明实施例提供的用于自动驾驶测试的仿真模拟系统,包括:自动驾驶控制器、与所述自动驾驶控制器连接的前端仿真系统、与所述自动驾驶控制器连接的后端仿真系统以及与所述前端仿真系统和所述后端仿真系统连接的测试管理系统,其中:
所述自动驾驶控制器用于作为被测试的对象;
所述前端仿真系统用于仿真所述自动驾驶控制器的输入数据;
所述后端仿真系统用于接收所述自动驾驶控制器的输出数据;
所述测试管理系统用于自动加载测试过程中所需的虚拟地图和动态场景,并调用测试过程中所需的虚拟地图或动态场景至所述前端仿真系统或所述后端仿真系统执行评估测试,以输出与评估测试结果对应的测试报告。
在本实施例中,需要说明的是,自动驾驶车辆与传统人工驾驶车辆相比具有更高的复杂性,需要安装激光雷达、摄像头、毫米波雷达、GPS、自动驾驶控制器等装置。这些装置在达到高度安全性之前,不能直接在开放道路测试,必须依托仿真模拟设备进行测试。自动驾驶仿真模拟设备需要构建交通场景、传感器模型、车辆动力学模型等模块,并将自动驾驶控制器接入上述模块中,形成一个完整的仿真闭环链路。自动驾仿真模拟器与真实的驾驶场景存在较大偏差,会导致仿真测试结果与真实测试结果不一致,需要提高模拟器的逼真度才能缩小测试偏差。自动驾驶系统通常需要高精地图,在仿真模拟测试中同样需要构建仿真高精地图,并通过自动化的地图与场景调用实现大规模的加速测试。
在本实施例中,可以理解的是,所述用于自动驾驶测试的仿真模拟系统主要由前端仿真系统、自动驾驶控制器、后端仿真系统以及测试管理系统四部分组成,可以提供高实时性和高逼真度两种仿真模式。其中,前端仿真系统包括场景库、仿真环境、传感器模型,可以仿真自动驾驶控制器的输入数据;后端仿真系统包括车辆模型、运动模拟系统、人机交互系统,可以接收自动驾驶控制器的输出数据;测试管理系统可以自动加载测试的虚拟高精地图和动态场景,并评估测试的结果,输出完整的测试报告。
在本实施例中,通过前端仿真系统、自动驾驶控制器、后端仿真系统和测试管理系统形成闭环仿真链路使得该仿真模拟系统可用于验证自动驾驶控制器的功能与性能,同时还可以用于自动驾驶人机交互的策略研究。
在本实施例中,在加载测试过程中引入虚拟地图和动态场景从而提高模拟器的逼真度,缩小仿真测试结果与真实测试结果的测试偏差。
由上面技术方案可知,本发明实施例提供的用于自动驾驶测试的仿真模拟系统,所述自动驾驶控制器用于作为被测试的对象;所述前端仿真系统用于仿真所述自动驾驶控制器的输入数据;所述后端仿真系统用于接收所述自动驾驶控制器的输出数据;所述测试管理系统用于自动加载测试过程中所需的虚拟地图和动态场景,并调用测试过程中所需的虚拟地图或动态场景至所述前端仿真系统或所述后端仿真系统执行评估测试,以输出与评估测试结果对应的测试报告通过前端仿真系统来仿真自动驾驶控制器的输入数据;通过后端仿真系统用于接收所述自动驾驶控制器的输出数据;通过测试管理系统用于自动加载测试过程中所需的虚拟地图和动态场景,并进行评估测试,以输出与评估测试结果对应的测试报告;本发明通过在加载测试过程中引入虚拟地图和动态场景从而提高模拟器的逼真度,缩小仿真测试结果与真实测试结果的测试偏差。
在上述实施例的基础上,在本实施例中,参见图2所示的前端仿真系统,所述前端仿真系统包括场景库、仿真引擎和传感器模型,所述前端仿真系统用于根据场景库、仿真引擎和传感器模型构建自动驾驶的虚拟场景;参见图3所示的后端仿真系统,所述后端仿真系统包括车辆模型和与所述车辆模型连接的人机交互系统,所述后端仿真系统用于根据车辆模型和所述人机交互系统模拟真实车辆的运动属性。
在本实施例中,需要说明的是,前端仿真系统主要构建自动驾驶的虚拟场景与传感器模型;后端仿真系统模拟真实车辆的运动属性;测试管理系统用于提升整个驾驶模拟系统的运行效率和运行精度,而自动驾驶控制器是被测试的对象。进一步地,所述前端仿真系统由场景库、仿真引擎、传感器模型组成;场景库内保存了虚拟高精度地图和动态场景。
在上述实施例的基础上,为了使得仿真模拟测试中定位精准度得到进一步提升,在本实施例中,所述场景库中存储虚拟地图;所述自动驾驶控制器中存储高精度地图;所述测试管理系统将所述场景库中存储的虚拟地图输入至所述自动驾驶控制器中与所述自动驾驶控制器中存储的高精度地图进行匹配。
在本实施例中,需要说明的是,自动驾驶系统通常需要高精地图来支持厘米级别的精准定位。在仿真模拟测试中如果定位不精准,会导致车辆的规划与控制出现偏离。自动驾驶测试需要覆盖的场景数量非常多,通常在10万个以上,需要通过自动化的地图与场景调用实现大规模的加速测试。
在本实施例中,需要说明的是,通过引入虚拟高精度地图,使仿真的地图(即场景库中存储的虚拟地图)与自动驾驶控制器内部存储的地图(即自动驾驶控制器中存储的高精度地图)完全匹配,可覆盖“定位”算法的测试。
在本实施例中,虚拟高精度地图可与自动驾驶控制器内部的高精度地图匹配,两者之间误差小于2厘米,可以有效保证仿真定位的精度。
在上述实施例的基础上,为了覆盖了绝大部分自动驾驶车辆可能遇到的交通场景,在本实施例中,所述场景库中存储动态场景,所述测试管理系统加载所述场景库中存储的动态场景至仿真引擎中的交通模型以实现动态运行。
举例来说,动态场景提供了交通目标的种类、触发条件和运动轨迹,从而覆盖了绝大部分自动驾驶车辆可能遇到的交通场景。
举例来说,仿真引擎可以加载场景库内部的动态场景并导入到交通模型中,驱动引擎带动整个交通场景实现动态运行。
在上述实施例的基础上,在本实施例中,所述自动驾驶控制器用于构建虚拟感知节点,并通过所述虚拟感知节点将所述传感器模型生成的数据传输至所述自动驾驶控制器进行数据识别。
在本实施例中,需说明的是,为了提供了一种支持高实时性和高逼真度的驾驶模拟系统,使得在传感器和自动驾驶控制器的软件和硬件尚不成熟的前提下,就可以对自动驾驶控制器的算法进行测试,规避了在开放道路测试的安全风险,传感器模型尤为重要。传感器模型作为本实施例中的核心组成部分,为了分别适用高实时性和高逼真度的要求,设计了两套不同的模型:简易传感器模型和复杂传感器模型。简易传感器模型对计算机算力要求低,生成的数据量少,可以快速完成传感器数据的结果处理,保证了仿真系统的实时性。复杂传感器模型是基于摄像头、激光雷达、毫米波雷达、GPS、超声波雷达的物理属性开发的模型。模型相对复杂,对计算机算力要求高,生成的数据量大,处理时间较长,但是可以提供较高逼真度的仿真数据;进一步的,将所述自动驾驶控制器作为被测试的对象,在高实时仿真模式下,对该控制器内部的软件结构进行了调整;具体方式是构建一个虚拟感知节点,屏蔽该控制器内部的驱动和感知算法;将简易传感器模型生成的数据通过虚拟感知节点发送给控制器内部的规划算法。
在本实施例中,需要说明的是,优选的采用物理传感器模型来替换常规的简易传感器模型,使仿真的传感器数据更接近真实传感器。
在上述实施例的基础上,在本实施例中,所述传感器模型为基于摄像头、激光雷达、毫米波雷达、GPS及超声波雷达中的至少一项开发的传感器模型。
在上述实施例的基础上,为了让驾驶员在模拟系统中的感受与真实道路驾驶感受尽可能接近,在本实施例中,所述车辆模型包括车辆控制模型、车辆动力学模型、车辆运动模拟器和驾驶模拟舱中的至少一项,所述车辆模型用于对被控制的自动驾驶车辆虚拟化;其中,所述车辆控制模型用于接收所述自动驾驶控制器的加减速指令和转向指令,并模拟实际车辆的初始化设置以及进行故障诊断;所述车辆动力学模型模拟指定车型的动力、底盘、轮胎、道路摩擦系数以及风阻系数中的一种或多种,使得被控制的车辆模型的机械运动属性与实际车辆车一致;所述车辆运动模拟器为电驱动运动平台;所述驾驶模拟舱为安装在所述车辆运动模拟器的驾驶舱,并将所述驾驶模拟舱的内部结构与指定车型匹配。
在本实施例中,需要说明的是,车辆模型是对被控制的自动驾驶车辆虚拟化,进一步分解为车辆控制模型、车辆动力学模型、车辆运动模拟器以及驾驶模拟舱。其中,车辆控制模型接受自动驾驶控制器的加减速指令和转向指令,并模拟实车的一些初始化设置以及故障诊断功能;车辆动力学模型模拟指定车型的动力、底盘、轮胎、道路摩擦系数、风阻系数等,使被控制的车辆模型的机械运动属性与实车尽量保持一致;车辆运动模拟器是一个6自由度的电驱动运动平台,可以在前、后、左、右、上、下6个维度运动,运动的方向与幅度完全基于车辆动力学模型的变化而改变;驾驶模拟舱是一个安装在车辆运动模拟器上的驾驶舱,内部结构与指定车型一致,座椅、档位、仪表台等零件都采用真实量产零件,从而使得驾驶员在模拟系统中的感受与真实道路驾驶感受尽可能接近。
在本实施例中,需要说明的是,增加车辆运动模拟器,并与车辆动力学模型关联,使行驶道路与车辆运动的体感传递到驾驶员。
在上述实施例的基础上,在本实施例中,所述电驱动运动平台支持在前、后、左、右、上、下中的一个或多个纬度运动。
在上述实施例的基础上,为了进一步提升人机交互系统的性能,在本实施例中,所述人机交互系统包括:导航系统、语音提醒模块、灯光提醒模块、文字提醒模块、震动座椅提醒模块以及方向盘握力感应模块中的一种或多种;
所述导航系统用于设置自动驾驶的起点和终点,并实时显示抽象化的驾驶场景;
所述语音提醒模块、灯光提醒模块、文字提醒模块以及震动座椅提醒模块中的一种或多种用于传递与自动驾驶对应的工况信息;
所述方向盘握力感应模块用于检测驾驶员对方向盘的控制状态,并作为输入信息输入所述自动驾驶控制器。
在本实施例中,需要说明的是,人机交互系统部署在驾驶模拟舱内,主要包括了导航系统、语音提醒模块、灯光提醒模块、文字提醒模块、震动座椅提醒模块、方向盘握力感应模块。导航系统主要用于设置自动驾驶的起点和终点,并实时显示抽象化的驾驶场景。语音、灯光、文字、震动座椅主要提供听觉、视觉、触觉来传递自动驾驶各种工况下的信息,例如注意力提醒、危险交通场景提醒、接管提醒等。方向盘握力感应模块用于检测驾驶员对方向盘的控制状态,是自动驾驶控制器在危险工况下选择策略的一种重要输入信息。
在本实施例中,需要说明的是,L3级自动驾驶系统中(条件自动驾驶),要求驾驶员对道路环境和控制系统保持警惕,并在必要时刻接管车辆。这种人机共驾场景对人机交互方式带来了巨大的挑战。人机交互的策略需要基于大量的试验来制定。
在本实施例中,需要说明的是,在车辆运动模拟器中增加震动座椅、预紧安全带、驾驶员监控系统、以及声音、灯光、文字提醒,可以有效支撑自动驾驶人机共驾的前瞻性策略研究。
在上述实施例的基础上,在本实施例中,参见图4所示的测试管理系统,所述测试管理系统包括自动化测试系统和测试评估系统,所述自动化测试系统与所述前端仿真系统连接,所述测试评估系统与所述后端仿真系统连接;所述自动化测试系统用于依据既定的测试目标和测试范围自动调用动态场景;所述测试评估系统用于对评估测试的结果进行评判;其中,评判的维度包括碰撞检测、舒适性评估以及能源消耗评估中的一种或多种。
在本实施例中,需要说明的是,所述测试管理系统包括了自动化测试系统和测试评估系统。自动化测试系统可以依据既定的测试目标和测试范围自动调用动态场景,这有利于对数以万计的动态场景执行连续测试。动态场景提前做好了分类和权重设置,调用过程存在一定的优先级,风险等级高的会优先执行测试。测试评估系统可以对测试的结果进行评判。评判维度包括碰撞检测、舒适性评估、能源消耗评估。
在上述实施例的基础上,在本实施例中,需要说明的是,被调用的动态场景为已进行分类和权重设置的动态场景。
为了更好的理解本发明,下面结合实施例进一步阐述本发明的内容,但本发明不仅仅局限于下面的实施例。
参见图5所示的驾驶模拟系统框架图,其驾驶模拟系统运行过程主要包括:
步骤1,前端仿真系统构建虚拟的静态道路和动态交通流,并依托内部的仿真引擎渲染出可视化的场景,场景数据通过传感器模型传输到自动驾驶控制器;
步骤2,自动驾驶控制器收到来自前段仿真系统的场景数据,经过处理后,发出加速、减速、转向的指令给后端仿真系统;
步骤3,后端仿真系统接收到加速、减速、转向指令后,驱动车辆模型按照具体的指令动作,并将位置、速度等信息反馈给前端仿真系统。前端仿真系统、自动驾驶控制器和后端仿真系统组成了一个最核心的控制闭环。
步骤4,前端仿真系统的交通视景图像会投射给驾驶员,后端仿真系统的运动状态以及人机交互信息也会输出给驾驶员,形成一个驾驶员在环的虚拟驾驶控制闭环。
步骤5,测试管理系统可以自动检测前段仿真系统和后端仿真系统的运行进展,自动加载下一个测试序列,并将结果进行存储、分析、评估。
图2所示为本发明实施例中前端仿真系统的内部组成结构,基本可分为场景库、仿真引擎、传感器模型三个子系统。同时,图2标记了前端仿真系统与自动驾驶控制器、后端仿真系统的数据传输关系。
前端仿真系统中的场景库包含了虚拟高精度地图和动态场景。
所述虚拟高精度地图来源支持三种途径,一是手工绘制;二是从2D地图转换成3D地图;三是将道路采集的高精地图转换成仿真引擎支持的格式。本实施例中虚拟高精度地图支持业界通用的OpenDRIVE标准格式。
为了确保仿真过程定位的精度,虚拟高精度地图经过一定的格式转换生成量产用高精度地图。量产用高精度地图可以加载到自动驾驶控制内部。两种高精度地图由于属于同一来源,匹配精度可以控制在2厘米以内,确保了仿真运行时不会出现位置偏差。
动态场景是定义在虚拟高精度地图基础上的动态事件,包括目标物的定义,如乘用车、卡车、摩托车,也包括目标物的起始点以及运行轨迹。为了更有效的与自动驾驶控制器控制的主车配合,动态场景中设置了事件,可以按照一定的范围、车速来触发既定的事件。
动态场景因目标的种类、形状、速度、运动轨迹差异可以扩展成很多数量,通常在10万个以上。
前端仿真系统中加载的高精度地图和动态场景,分别对应仿真引擎中的道路和交通模型。驱动引擎将加载的内容以视景图像方式实时渲染出来。本实施例中的交通模型,除了可以加载数十万个动态场景外,可以导入连续的微观交通模型,可以让交通场景更加接近真实道路交通规律。
前端仿真系统中的传感器模型是连接仿真引擎与自动驾驶控制器的数据纽带。本实施例中设计了两种类型的传感器模型:简易传感器模型和复杂传感器模型,分别来应对仿真系统中对实时性与逼真度的要求。
参见图6,为系统的高实时性仿真模式。该模式设计了简易传感器模型,没有区分激光雷达、摄像头、毫米波雷达、超声波雷达等类型的传感器,而是直接仿真了这些传感器融合输出的目标。这些目标都是结构化数据,主要是车辆、障碍物的类别、速度、位置等信息。这些结构化数据数量少,消耗的内存和计算机算力少,通过以太网传输保证了极高的响应速度,可以获得很好的实时性。
高实时性仿真模式下,简易传感器模型输出的数据不能直接被自动驾驶控制器识别。本发明实施例中设计了一个虚拟感知节点,可以将简易传感器模型数据解析成自动驾驶控制器规划算法的接口要求,并传输给自动驾驶控制器。虚拟感知节点起到了数据中转的作用,同时也绕过了自动驾驶控制器接口驱动的带来的接口通信障碍。
参见图6,为系统的高逼真度仿真模式。该模式设计了复杂传感器模型。具体方式是依据激光雷达、摄像头、毫米波雷达传感器的物理属性,设计了与之对应的激光点云生成器,图像生成器以及电磁点云生成器。这些复杂传感器模型生成的数据完全按照制定品牌和指定型号的真实传感器输出的数据结构设计。输出数据的帧率、视场角和噪点也进行了严格的匹配。
复杂传感器模型虽然对计算机和图形处理器要求高,数据吞吐量大,网络传输带宽要求高,但是由于完全按照真实传感物理属性设计,输出的数据逼真度高,也不需要另外设计虚拟感知节点就可以将数据注入到自动驾驶控制器内部,可实现更为逼真、覆盖范围更广的测试。
高逼真度仿真模式下不需要对GPS、毫米波雷达构建复杂传感器模型,这是由于该类传感器本身输出的就是结构化数据。
图3所示为后端仿真系统,主要包括车辆模型和人机交互系统。
所述车辆模型是对被控制的自动驾驶车辆虚拟化,进一步分解为车辆控制模型、车辆动力学模型、车辆运动模拟器以及驾驶模拟舱。
车辆控制模型仿真了车辆的动力、底盘、车身等系统的控制策略与逻辑。在实施例中,这些策略与逻辑是按照指定品牌和型号的车辆来设计的,可以确保车辆控制模型可以正常接收自动驾驶控制器发出的加速、减速、转向指令,同时也可以接收来自驾驶员的加速、制动、转向操作输入。
本发明实施例中,车辆控制模型还仿真了车辆动力、底盘、车身等系统的故障诊断机制,可以将这些系统的自身状态反馈给自动驾驶控制器。
车辆控制模型对分别来自驾驶员和自动驾驶控制器的指令进行分析、判断之后,会将最终合理的指令发送给车辆动力学模型。
所述车辆动力学模型模拟指定车型的动力、底盘、轮胎、道路摩擦系数、风阻系数等,使被控制的车辆模型的机械运动属性与实车尽量保持一致。并基于车辆控制模型的指令,解析成车辆实际的运动,具体可以包括前进、后退、转向、翻滚等。
车辆动力学模型将车辆的位置信息、速度信息反馈给前端仿真系统。
所述车辆运动模拟器是一个6自由度的电驱动运动平台,可以在前、后、左、右、上、下6个维度运动,运动的方向与幅度完全基于车辆动力学模型的变化而改变。
车辆运动模拟器将数字化的车辆运动状态转化成了可以直观感受的物理运动。
所述驾驶模拟舱是一个安装在车辆运动模拟器上的驾驶舱,内部结构与指定车型一致,座椅、档位、仪表台等零件都采用真实量产零件,目的是让驾驶员在模拟系统中的感受与真实道路驾驶感受尽可能接近。
人机交互系统部署在驾驶模拟舱内,主要包括了导航系统、语音提醒模块、灯光提醒模块、文字提醒模块、震动座椅提醒模块、方向盘握力感应模块。
导航系统主要用于设置自动驾驶的起点和终点,并实时显示抽象化的驾驶场景,提供路径规划的短期与长期示意图。
语音、灯光、文字、震动座椅基于听觉、视觉、触觉来传递自动驾驶各种工况下的信息,例如注意力提醒、危险交通场景提醒、接管提醒等。
语音、文字提醒是基于不同场景的风险等级给出差异化的警示或操作请求。
灯光颜色与闪烁频率以及震动座椅频率随场景风险等级的变化而变化,接口开放给自动驾驶控制器。
方向盘握力感应模块用于检测驾驶员的双手状态,可以分为双手脱离、单手掌握、双手掌握三种状态。
方向盘握力感应模块的输出结果可以作为自动驾驶控制器判断驾驶员注意力的重要依据,也是在常规自动驾驶场景下判断是否有驾驶员主动接管的指令之一。
参见图4,测试管理系统包括了自动化测试系统和测试评估系统。
自动化测试系统可以依据既定的测试目标和测试范围自动调用动态场景,这有利于对数以万计的动态场景执行连续测试。动态场景提前做好了分类和权重设置,调用过程存在一定的优先级,风险等级高的会优先执行测试。
测试评估系统可以对测试的结果进行评判。评判维度包括碰撞检测、舒适性评估、能源消耗评估。
测试评估系统可以生成最终的测试报告,并支持对兴趣场景进行回放。
建立复杂交通流模型来替换常规的片段式手工交通场景,增加了动态交通流的逼真度。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
此外,在本发明中,诸如“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
此外,在本发明中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于自动驾驶测试的仿真模拟系统,其特征在于,包括:自动驾驶控制器、与所述自动驾驶控制器连接的前端仿真系统、与所述自动驾驶控制器连接的后端仿真系统以及与所述前端仿真系统和所述后端仿真系统连接的测试管理系统,其中:
所述自动驾驶控制器用于作为被测试的对象;
所述前端仿真系统用于仿真所述自动驾驶控制器的输入数据;
所述后端仿真系统用于接收所述自动驾驶控制器的输出数据;
所述测试管理系统用于自动加载测试过程中所需的虚拟地图和动态场景,并调用测试过程中所需的虚拟地图或动态场景至所述前端仿真系统或所述后端仿真系统执行评估测试,以输出与评估测试结果对应的测试报告。
2.根据权利要求1所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述前端仿真系统包括场景库、仿真引擎和传感器模型,所述前端仿真系统用于根据场景库、仿真引擎和传感器模型构建自动驾驶的虚拟场景;所述后端仿真系统包括车辆模型和与所述车辆模型连接的人机交互系统,所述后端仿真系统用于根据车辆模型和所述人机交互系统模拟真实车辆的运动属性。
3.根据权利要求2所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述场景库中存储虚拟地图;所述自动驾驶控制器中存储高精度地图;所述测试管理系统将所述场景库中存储的虚拟地图输入至所述自动驾驶控制器中与所述自动驾驶控制器中存储的高精度地图进行匹配。
4.根据权利要求2所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述场景库中存储动态场景,所述测试管理系统加载所述场景库中存储的动态场景至仿真引擎中的交通模型以实现动态运行。
5.根据权利要求2所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述自动驾驶控制器用于构建虚拟感知节点,并通过所述虚拟感知节点将所述传感器模型生成的数据传输至所述自动驾驶控制器进行数据识别。
6.根据权利要求5所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述传感器模型为基于摄像头、激光雷达、毫米波雷达、GPS及超声波雷达中的至少一项开发的传感器模型。
7.根据权利要求2所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述车辆模型包括车辆控制模型、车辆动力学模型、车辆运动模拟器和驾驶模拟舱中的至少一项,所述车辆模型用于对被控制的自动驾驶车辆虚拟化;其中,所述车辆控制模型用于接收所述自动驾驶控制器的加减速指令和转向指令,并模拟实际车辆的初始化设置以及进行故障诊断;所述车辆动力学模型模拟指定车型的动力、底盘、轮胎、道路摩擦系数以及风阻系数中的一种或多种,使得被控制的车辆模型的机械运动属性与实际车辆车一致;所述车辆运动模拟器为电驱动运动平台;所述驾驶模拟舱为安装在所述车辆运动模拟器的驾驶舱,并将所述驾驶模拟舱的内部结构与指定车型匹配。
8.根据权利要求7所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述电驱动运动平台支持在前、后、左、右、上、下中的一个或多个纬度运动。
9.根据权利要求2所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述人机交互系统包括:导航系统、语音提醒模块、灯光提醒模块、文字提醒模块、震动座椅提醒模块以及方向盘握力感应模块中的一种或多种;
所述导航系统用于设置自动驾驶的起点和终点,并实时显示抽象化的驾驶场景;
所述语音提醒模块、灯光提醒模块、文字提醒模块以及震动座椅提醒模块中的一种或多种用于传递与自动驾驶对应的工况信息;
所述方向盘握力感应模块用于检测驾驶员对方向盘的控制状态,并作为输入信息输入所述自动驾驶控制器。
10.根据权利要求1所述的用于自动驾驶测试的仿真模拟系统,其特征在于,所述测试管理系统包括自动化测试系统和测试评估系统,所述自动化测试系统与所述前端仿真系统连接,所述测试评估系统与所述后端仿真系统连接;所述自动化测试系统用于依据既定的测试目标和测试范围自动调用动态场景;所述测试评估系统用于对评估测试的结果进行评判;其中,评判的维度包括碰撞检测、舒适性评估以及能源消耗评估中的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110524560.7A CN113311727A (zh) | 2021-05-13 | 2021-05-13 | 一种用于自动驾驶测试的仿真模拟系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110524560.7A CN113311727A (zh) | 2021-05-13 | 2021-05-13 | 一种用于自动驾驶测试的仿真模拟系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113311727A true CN113311727A (zh) | 2021-08-27 |
Family
ID=77373020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110524560.7A Pending CN113311727A (zh) | 2021-05-13 | 2021-05-13 | 一种用于自动驾驶测试的仿真模拟系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113311727A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114280954A (zh) * | 2021-11-16 | 2022-04-05 | 武汉未来幻影科技有限公司 | 一种基于制动修正的驾考模拟器仿真系统及方法 |
CN114326667A (zh) * | 2021-12-23 | 2022-04-12 | 清华大学 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
CN114442507A (zh) * | 2021-12-17 | 2022-05-06 | 际络科技(上海)有限公司 | 基于频率控制的车辆在环自动驾驶仿真测试方法和系统 |
CN116449807A (zh) * | 2023-06-14 | 2023-07-18 | 北京市计量检测科学研究院 | 一种物联网汽车操控系统仿真测试方法及系统 |
CN116719054A (zh) * | 2023-08-11 | 2023-09-08 | 光轮智能(北京)科技有限公司 | 虚拟激光雷达点云的生成方法、计算机设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
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 |
CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
CN111273547A (zh) * | 2020-02-05 | 2020-06-12 | 哈尔滨工业大学 | 集成车速规划和预瞄半主动悬架的无人车舒适性控制方法 |
CN211527832U (zh) * | 2019-08-19 | 2020-09-18 | 深圳元戎启行科技有限公司 | 测试座舱及车辆测试系统 |
CN111767630A (zh) * | 2019-04-02 | 2020-10-13 | 上海汽车集团股份有限公司 | 一种应用于智能驾驶的虚拟仿真测试方法及装置 |
CN112115600A (zh) * | 2020-09-11 | 2020-12-22 | 中国第一汽车股份有限公司 | 一种自动驾驶车辆的仿真系统 |
CN112130472A (zh) * | 2020-10-14 | 2020-12-25 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶的仿真测试系统和方法 |
WO2021063786A1 (en) * | 2019-10-02 | 2021-04-08 | Siemens Industry Software And Services B.V. | System, device and method for testing autonomous vehicles |
-
2021
- 2021-05-13 CN CN202110524560.7A patent/CN113311727A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
CN111767630A (zh) * | 2019-04-02 | 2020-10-13 | 上海汽车集团股份有限公司 | 一种应用于智能驾驶的虚拟仿真测试方法及装置 |
CN211527832U (zh) * | 2019-08-19 | 2020-09-18 | 深圳元戎启行科技有限公司 | 测试座舱及车辆测试系统 |
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 |
CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
WO2021063786A1 (en) * | 2019-10-02 | 2021-04-08 | Siemens Industry Software And Services B.V. | System, device and method for testing autonomous vehicles |
CN111273547A (zh) * | 2020-02-05 | 2020-06-12 | 哈尔滨工业大学 | 集成车速规划和预瞄半主动悬架的无人车舒适性控制方法 |
CN112115600A (zh) * | 2020-09-11 | 2020-12-22 | 中国第一汽车股份有限公司 | 一种自动驾驶车辆的仿真系统 |
CN112130472A (zh) * | 2020-10-14 | 2020-12-25 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶的仿真测试系统和方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114280954A (zh) * | 2021-11-16 | 2022-04-05 | 武汉未来幻影科技有限公司 | 一种基于制动修正的驾考模拟器仿真系统及方法 |
CN114442507A (zh) * | 2021-12-17 | 2022-05-06 | 际络科技(上海)有限公司 | 基于频率控制的车辆在环自动驾驶仿真测试方法和系统 |
CN114326667A (zh) * | 2021-12-23 | 2022-04-12 | 清华大学 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
CN114326667B (zh) * | 2021-12-23 | 2023-08-08 | 水木东方(深圳)科技有限公司 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
CN116449807A (zh) * | 2023-06-14 | 2023-07-18 | 北京市计量检测科学研究院 | 一种物联网汽车操控系统仿真测试方法及系统 |
CN116449807B (zh) * | 2023-06-14 | 2023-09-01 | 北京市计量检测科学研究院 | 一种物联网汽车操控系统仿真测试方法及系统 |
CN116719054A (zh) * | 2023-08-11 | 2023-09-08 | 光轮智能(北京)科技有限公司 | 虚拟激光雷达点云的生成方法、计算机设备及存储介质 |
CN116719054B (zh) * | 2023-08-11 | 2023-11-17 | 光轮智能(北京)科技有限公司 | 虚拟激光雷达点云的生成方法、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113311727A (zh) | 一种用于自动驾驶测试的仿真模拟系统 | |
Gietelink et al. | Development of advanced driver assistance systems with vehicle hardware-in-the-loop simulations | |
CN112526893B (zh) | 一种智能汽车的测试系统 | |
CN107221222B (zh) | 一种面向工效评定的多模式驾驶模拟系统及其评定方法 | |
Zhao | Accelerated Evaluation of Automated Vehicles. | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
CN109801534A (zh) | 基于自动驾驶模拟器的驾驶行为硬件在环仿真测试系统 | |
CN115016323A (zh) | 自动驾驶的仿真测试系统及方法 | |
US20220198107A1 (en) | Simulations for evaluating driving behaviors of autonomous vehicles | |
Gietelink et al. | Development of a driver information and warning system with vehicle hardware-in-the-loop simulations | |
Moten et al. | X-in-the-loop advanced driving simulation platform for the design, development, testing and validation of ADAS | |
CN112015164A (zh) | 基于数字孪生的智能网联汽车复杂测试场景实现系统 | |
CN104298122A (zh) | 一种用于acc系统开发的硬件在环试验系统及试验方法 | |
US11604908B2 (en) | Hardware in loop testing and generation of latency profiles for use in simulation | |
US20220204009A1 (en) | Simulations of sensor behavior in an autonomous vehicle | |
CN110930811B (zh) | 一种适用于无人驾驶决策学习和训练的系统 | |
CN112784867A (zh) | 利用合成图像训练深度神经网络 | |
Xiong et al. | Design and implementation of digital twin-assisted simulation method for autonomous vehicle in car-following scenario | |
CN111767630A (zh) | 一种应用于智能驾驶的虚拟仿真测试方法及装置 | |
Wang et al. | An intelligent self-driving truck system for highway transportation | |
Zhou et al. | A survey on autonomous driving system simulators | |
CN115755865A (zh) | 一种商用车辅助驾驶硬件在环测试系统及方法 | |
Luo et al. | UML-based design of intelligent vehicles virtual reality platform | |
CN213042144U (zh) | 一种自动驾驶系统的融合测试台架 | |
Feng et al. | Research on Testing System for an Intelligent and Connected Vehicle |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210827 |
|
RJ01 | Rejection of invention patent application after publication |