CN113359673A - 一种基于大数据的自动驾驶汽车性能判定系统 - Google Patents

Abstract

本发明公开了一种基于大数据的自动驾驶汽车性能判定系统及方法，所述该系统包括若干摄像头、测距雷达传感器、不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块、车辆障碍物处理性能综合分析模块和车辆障碍物处理安全性评估模块，所述若干摄像头、测距雷达传感器设置在车辆顶部，用于对车辆外部的障碍物进行识别，测距雷达用于对若干摄像头识别的障碍物进行测距，旨在对障碍物进行不同类别的划分，自动驾驶车辆在对障碍物的避让中获取自动驾驶车辆障碍避让过程中产生的数据，对自动驾驶车辆的障碍处理性能进行分析和安全性判断。

Description

一种基于大数据的自动驾驶汽车性能判定系统

技术领域

本发明涉及自动驾驶领域，具体是一种基于大数据的自动驾驶汽车性能判定系统。

背景技术

通常用来评定汽车的性能指标主要有：动力性、燃油经济性、制动性、操控稳定性、平顺性以及通过性等。在一定使用条件下，汽车以最高效率工作的能力，称为汽车使用性能。它是决定汽车利用效率和方便性的结构特性表征。

汽车的动力性是用汽车在良好路面上直线行驶时所能达到的平均行驶速度来表示。汽车动力性主要用三个方面的指标来评定：最高车速；汽车的加速时间；汽车所能爬上的最大坡度。最高车速是指汽车在平坦良好的路面上行驶时所能达到的最高速度。数值越大，动力性就越好。汽车的加速时间表示汽车的加速能力也形象的称为反映速度能力，它对汽车的平均行驶车速有很大的影响，特别是轿车，对加速时间更为重要。常用原地起步加速时间以及超车加速时间来表示。汽车的爬坡能力用满载时的汽车所能爬上的最大坡度。

自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆，汽车自动驾驶技术包括视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，并通过一个详尽的地图(通过有人驾驶汽车采集的地图)对前方的道路进行导航。这一切都通过谷歌的数据中心来实现，谷歌的数据中心能处理汽车收集的有关周围地形的大量信息。就这点而言，自动驾驶汽车相当于谷歌数据中心的遥控汽车或者智能汽车。汽车自动驾驶技术物联网技术应用之一。

目前，自动驾驶车辆只能单纯的对判别对静止障碍物的处理，而且审核的标准是是否避开障碍物，本申请旨在对障碍物进行不同类别的划分，自动驾驶车辆在对障碍物的避让中获取自动驾驶车辆障碍避让过程中产生的数据，对自动驾驶车辆的障碍处理性能进行分析和安全性判断。

发明内容

本发明的目的在于提供一种基于大数据的自动驾驶汽车性能判定系统及方法，以解决现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的自动驾驶汽车性能判定系统，所述该系统包括若干摄像头、测距雷达传感器、不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块、车辆障碍物处理性能综合分析模块和车辆障碍物处理安全性评估模块，其中，不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块、车辆障碍物处理性能综合分析模块和车辆障碍物处理安全性评估模块通过内网依次连接，不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块分别和若干摄像头、测距雷达传感器通过内网连接；

所述若干摄像头、测距雷达传感器设置在车辆顶部，用于对车辆外部的障碍物进行识别，测距雷达用于对若干摄像头识别的障碍物进行测距，不同交通场景识别模块用于对车辆外部的交通场景进行识别，自动驾驶汽车车辆外部障碍实时监测模块用于对车辆外部的障碍物进行实时识别和监测标记，车辆不同障碍物处理性能分析模块用于根据车辆对不同障碍物的处理性能进行逐一分析，车辆障碍物处理性能综合分析模块用于根据车辆对不同障碍物的处理合格率进行车辆障碍物处理性能综合分析，车辆障碍物处理安全性评估模块用于根据车辆障碍物处理性能综合分析对车辆进行安全性评估。

通过采用上述技术方案：所述不同交通场景识别模块包括场景区域划分识别子模块和交通场景类型判别子模块，场景区域划分识别子模块用于获取若干摄像头对车辆外部场景的摄像，对获取的场景的不同区域的划分，将划分不同场景区域发送给交通场景类型判别子模块，交通场景类型判别子模块逐一对不同的区域场景进行识别，判定当前交通场景属于集镇道路或外围公路。

通过采用上述技术方案：所述自动驾驶汽车车辆外部障碍实时监测模块包括不同外部障碍物数量实时监测子模块和不同障碍物类别实时识别子模块，不同外部障碍物数量实时监测子模块用于对车辆外部的障碍物的数量实时进行监测，不同障碍物类别实时识别子模块用于对车辆外部的不同障碍物类别进行实时识别，其中，障碍物的类别为静止障碍物和移动障碍物，其中，静止障碍物包括固体障碍物和液体障碍物，移动障碍物包括有意识障碍物和无意识障碍物。

通过采用上述技术方案：所述车辆不同障碍物处理性能分析模块包括不同障碍物距离判定子模块和车辆障碍物处理性能样本数据分析子模块，不同障碍物距离判定子模块用于通过测距雷达传感器对不同障碍物与车辆车身的距离进行判定，统计不同障碍物与车辆的距离，将统计数据发送给车辆障碍物处理性能样本数据分析子模块，车辆障碍物处理性能样本数据分析子模块获取不同障碍物类别实时识别子模块所判定的障碍物类别，在自动驾驶车辆面对不同障碍物的情况下分析其对障碍物处理的数据；

当障碍物类别为静止障碍物时，设定当前车辆与障碍物之间距离为L0，设定当前车辆移动速度为Vi(单位：m/s)，设定不同时间下车辆与障碍物之间的距离为L，根据公式：

L＝L0-Vi*t(t＝1,2,3……,n)(单位：m)

计算得出当前不同时间下车辆与障碍物之间的距离，当L≤15m时，自动驾驶车辆开始降速，设定车辆降速后的移动速度为Vj(单位：m/s)，设定当前车辆下降指定速度需要行驶的距离为Lh，根据公式：

计算得出当前车辆下降指定速度需要行驶的距离，当车辆下降到指定速度时，对自动驾驶车辆进行自动变道，设定当前车辆的变道的角度为C，以车身右侧面为基准线，设定车辆未转向车身右侧面的斜率为H1，设定车辆变道时，车身右侧面斜率为H2，根据公式：

计算得出当前车身在变道时偏移的角度，从而判断当前自动驾驶车辆是否能够正常变道，当车辆正常变道结束后，对自动驾驶车辆障碍物避让反应时间进行统计；

其中，当障碍物类别为静止障碍物中的液体障碍物，通过若干摄像头拍摄路面前方液体水量，若干摄像头将拍摄的路面液体水量发送给车辆不同障碍物处理性能分析模块，车辆不同障碍物处理性能分析模块对路面水量进行预估，当拍摄照片中液体高度超出设定阈值，自动驾驶汽车按照静止障碍物模式进行避让，当拍摄照片中液体高度小于等于设定阈值，自动驾驶汽车继续行驶，无需进行障碍物处理。

通过采用上述技术方案：所述车辆障碍物处理性能样本数据分析子模块获取不同障碍物类别实时识别子模块所判定的障碍物类别，当障碍物类别为移动障碍物；

当该移动障碍物为无意识障碍物时，利用若干摄像头对该移动障碍物进行定位，利用测距雷达传感器测量自动驾驶车辆与移动障碍物当前位置距离，设定若干摄像头判别当前移动障碍物移动速度为Vm(单位：m/s)，设定当前车辆移动速度为Vi(单位：m/s)，设定自动驾驶车辆与移动障碍物当前位置距离为L1，设定当前不同时间下车辆与障碍物之间的实时距离为L2，根据公式：

L2＝L1-Vm*t-Vi*t(t＝1,2,3……,n)(单位：m)

计算得出障碍物之间的实时距离，当距离≤20m时，自动驾驶车辆开始降速变道，其中降速变道按照静止障碍物模式进行避让；

当该移动障碍物为有意识障碍物时，自动驾驶车辆发送预警播报，让该障碍物进行避让；

车辆障碍物处理性能样本数据分析子模块采集自动驾驶汽车面对不同类别障碍物的处理方式，对其中面对静止障碍物和移动障碍物时，统计自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离、车身在变道时偏移的角度和障碍物避让反应总时间，将统计的数据发送给车辆障碍物处理性能综合分析模块。

通过采用上述技术方案：所述车辆障碍物处理性能综合分析模块包括不同障碍物处理数据获取子模块和障碍处理模拟数据综合分析子模块，不同障碍物处理数据获取子模块用于对车辆障碍物处理性能样本数据分析子模块统计的自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离、车身在变道时偏移的角度和障碍物避让反应总时间进行获取，障碍处理模拟数据综合分析子模块用于对获取的数据进行综合分析，其中，自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离为Lh，当Lh∈[7,10]，判定当前自动驾驶车辆下降到指定速度需要行驶的距离为合格，自动驾驶车辆车身在变道时偏移的角度为C，当C∈[45°,60°]，判定当前自动驾驶车辆车身在变道时偏移的角度合格，设定障碍物避让反应总时间为T总，当T总∈[2min,5min]，判定当前障碍物避让反应总时间合格，反之，则判定为不合格，将统计的自动驾驶车辆合格或不合格的数据发送给车辆障碍物处理安全性评估模块进行安全性判定。

通过采用上述技术方案：所述车辆障碍物处理安全性评估模块包括不同安全性指标定义子模块和车辆安全性等级标记子模块，不同安全性指标定义子模块用于根据自动驾驶车辆不同的指标合格性进行安全性判定，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据全为合格，判定当前该自动驾驶车辆障碍处理性能安全，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据其中一项为不合格，对该自动驾驶车辆进行检修后重新进行测试，车辆安全性等级标记子模块用于对判定为车辆障碍处理性能安全的自动驾驶车辆进行标记。

通过采用上述技术方案：所述若干摄像头采用SE-MSD8230ST-HID摄像头，测距雷达传感器采用PCR雷达传感器。

一种基于大数据的自动驾驶汽车性能判定方法：

S1：利用若干摄像头对车辆外部的障碍物进行识别，测距雷达对若干摄像头识别的障碍物进行测距；

S2：利用不同交通场景识别模块对车辆外部的交通场景进行识别；

S3：利用自动驾驶汽车车辆外部障碍实时监测模块对车辆外部的障碍物进行实时识别和监测标记；

S4：利用车辆不同障碍物处理性能分析模块根据车辆对不同障碍物的处理性能进行逐一分析；

S5：利用车辆障碍物处理性能综合分析模块根据车辆对不同障碍物的处理合格率进行车辆障碍物处理性能综合分析；

S6：利用车辆障碍物处理安全性评估模块根据车辆障碍物处理性能综合分析对车辆进行安全性评估。

通过采用上述技术方案：所述性能判定方法还包括以下步骤：

S1-1：利用场景区域划分识别子模块获取若干摄像头对车辆外部场景的摄像，对获取的场景的不同区域的划分，将划分不同场景区域发送给交通场景类型判别子模块，交通场景类型判别子模块逐一对不同的区域场景进行识别，判定当前交通场景属于集镇道路或外围公路；

S2-1：利用不同外部障碍物数量实时监测子模块对车辆外部的障碍物的数量实时进行监测，不同障碍物类别实时识别子模块对车辆外部的不同障碍物类别进行实时识别，其中，障碍物的类别为静止障碍物和移动障碍物，其中，静止障碍物包括固体障碍物和液体障碍物，移动障碍物包括有意识障碍物和无意识障碍物；

S3-1：利用不同障碍物距离判定子模块通过测距雷达传感器对不同障碍物与车辆车身的距离进行判定，统计不同障碍物与车辆的距离，将统计数据发送给车辆障碍物处理性能样本数据分析子模块，车辆障碍物处理性能样本数据分析子模块获取不同障碍物类别实时识别子模块所判定的障碍物类别，在自动驾驶车辆面对不同障碍物的情况下分析其对障碍物处理的数据；

S4-1：利用不同障碍物处理数据获取子模块对车辆障碍物处理性能样本数据分析子模块统计的自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离、车身在变道时偏移的角度和障碍物避让反应总时间进行获取，障碍处理模拟数据综合分析子模块对获取的数据进行综合分析，其中，自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离为Lh，当Lh∈[7,10]，判定当前自动驾驶车辆下降到指定速度需要行驶的距离为合格，自动驾驶车辆车身在变道时偏移的角度为C，当C∈[45°,60°]，判定当前自动驾驶车辆车身在变道时偏移的角度合格，设定障碍物避让反应总时间为T总，当T总∈[2min,5min]，判定当前障碍物避让反应总时间合格，反之，则判定为不合格，将统计的自动驾驶车辆合格或不合格的数据发送给车辆障碍物处理安全性评估模块进行安全性判定；

S5-1：利用不同安全性指标定义子模块根据自动驾驶车辆不同的指标合格性进行安全性判定，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据全为合格，判定当前该自动驾驶车辆障碍处理性能安全，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据其中一项为不合格，对该自动驾驶车辆进行检修后重新进行测试，车辆安全性等级标记子模块对判定为车辆障碍处理性能安全的自动驾驶车辆进行标记。

与现有技术相比，本发明的有益效果是：本发明旨在对障碍物进行不同类别的划分，自动驾驶车辆在对障碍物的避让中获取自动驾驶车辆障碍避让过程中产生的数据，对自动驾驶车辆的障碍处理性能进行分析和安全性判断；

利用若干摄像头、测距雷达传感器设置在车辆顶部，用于对车辆外部的障碍物进行识别，测距雷达用于对若干摄像头识别的障碍物进行测距，不同交通场景识别模块用于对车辆外部的交通场景进行识别，自动驾驶汽车车辆外部障碍实时监测模块用于对车辆外部的障碍物进行实时识别和监测标记，车辆不同障碍物处理性能分析模块用于根据车辆对不同障碍物的处理性能进行逐一分析，车辆障碍物处理性能综合分析模块用于根据车辆对不同障碍物的处理合格率进行车辆障碍物处理性能综合分析，车辆障碍物处理安全性评估模块用于根据车辆障碍物处理性能综合分析对车辆进行安全性评估。

附图说明

为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。

图1为本发明一种基于大数据的自动驾驶汽车性能判定系统的模块结构示意图；

图2为本发明一种基于大数据的自动驾驶汽车性能判定方法的步骤示意图；

图3为本发明一种基于大数据的自动驾驶汽车性能判定方法的具体步骤示意图；

图4为本发明一种基于大数据的自动驾驶汽车性能判定方法的实施方法示意图。

具体实施方式

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，所描述的实施例仅仅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做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。

请参阅图1～4，本发明实施例中，一种基于大数据的自动驾驶汽车性能判定系统及方法，所述该系统包括若干摄像头、测距雷达传感器、不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块、车辆障碍物处理性能综合分析模块和车辆障碍物处理安全性评估模块，其中，不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块、车辆障碍物处理性能综合分析模块和车辆障碍物处理安全性评估模块通过内网依次连接，不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块分别和若干摄像头、测距雷达传感器通过内网连接；

所述若干摄像头、测距雷达传感器设置在车辆顶部，用于对车辆外部的障碍物进行识别，测距雷达用于对若干摄像头识别的障碍物进行测距，不同交通场景识别模块用于对车辆外部的交通场景进行识别，自动驾驶汽车车辆外部障碍实时监测模块用于对车辆外部的障碍物进行实时识别和监测标记，车辆不同障碍物处理性能分析模块用于根据车辆对不同障碍物的处理性能进行逐一分析，车辆障碍物处理性能综合分析模块用于根据车辆对不同障碍物的处理合格率进行车辆障碍物处理性能综合分析，车辆障碍物处理安全性评估模块用于根据车辆障碍物处理性能综合分析对车辆进行安全性评估。

通过采用上述技术方案：所述不同交通场景识别模块包括场景区域划分识别子模块和交通场景类型判别子模块，场景区域划分识别子模块用于获取若干摄像头对车辆外部场景的摄像，对获取的场景的不同区域的划分，将划分不同场景区域发送给交通场景类型判别子模块，交通场景类型判别子模块逐一对不同的区域场景进行识别，判定当前交通场景属于集镇道路或外围公路。

通过采用上述技术方案：所述自动驾驶汽车车辆外部障碍实时监测模块包括不同外部障碍物数量实时监测子模块和不同障碍物类别实时识别子模块，不同外部障碍物数量实时监测子模块用于对车辆外部的障碍物的数量实时进行监测，不同障碍物类别实时识别子模块用于对车辆外部的不同障碍物类别进行实时识别，其中，障碍物的类别为静止障碍物和移动障碍物，其中，静止障碍物包括固体障碍物和液体障碍物，移动障碍物包括有意识障碍物和无意识障碍物。

通过采用上述技术方案：所述车辆不同障碍物处理性能分析模块包括不同障碍物距离判定子模块和车辆障碍物处理性能样本数据分析子模块，不同障碍物距离判定子模块用于通过测距雷达传感器对不同障碍物与车辆车身的距离进行判定，统计不同障碍物与车辆的距离，将统计数据发送给车辆障碍物处理性能样本数据分析子模块，车辆障碍物处理性能样本数据分析子模块获取不同障碍物类别实时识别子模块所判定的障碍物类别，在自动驾驶车辆面对不同障碍物的情况下分析其对障碍物处理的数据；

当障碍物类别为静止障碍物时，设定当前车辆与障碍物之间距离为L0，设定当前车辆移动速度为Vi(单位：m/s)，设定不同时间下车辆与障碍物之间的距离为L，根据公式：

L＝L0-Vi*t(t＝1,2,3……,n)(单位：m)

计算得出当前不同时间下车辆与障碍物之间的距离，当L≤15m时，自动驾驶车辆开始降速，设定车辆降速后的移动速度为Vj(单位：m/s)，设定当前车辆下降指定速度需要行驶的距离为Lh，根据公式：

计算得出当前车辆下降指定速度需要行驶的距离，当车辆下降到指定速度时，对自动驾驶车辆进行自动变道，设定当前车辆的变道的角度为C，以车身右侧面为基准线，设定车辆未转向车身右侧面的斜率为H1，设定车辆变道时，车身右侧面斜率为H2，根据公式：

计算得出当前车身在变道时偏移的角度，从而判断当前自动驾驶车辆是否能够正常变道，当车辆正常变道结束后，对自动驾驶车辆障碍物避让反应时间进行统计；

其中，当障碍物类别为静止障碍物中的液体障碍物，通过若干摄像头拍摄路面前方液体水量，若干摄像头将拍摄的路面液体水量发送给车辆不同障碍物处理性能分析模块，车辆不同障碍物处理性能分析模块对路面水量进行预估，当拍摄照片中液体高度超出设定阈值，自动驾驶汽车按照静止障碍物模式进行避让，当拍摄照片中液体高度小于等于设定阈值，自动驾驶汽车继续行驶，无需进行障碍物处理。

通过采用上述技术方案：所述车辆障碍物处理性能样本数据分析子模块获取不同障碍物类别实时识别子模块所判定的障碍物类别，当障碍物类别为移动障碍物；

当该移动障碍物为无意识障碍物时，利用若干摄像头对该移动障碍物进行定位，利用测距雷达传感器测量自动驾驶车辆与移动障碍物当前位置距离，设定若干摄像头判别当前移动障碍物移动速度为Vm(单位：m/s)，设定当前车辆移动速度为Vi(单位：m/s)，设定自动驾驶车辆与移动障碍物当前位置距离为L1，设定当前不同时间下车辆与障碍物之间的实时距离为L2，根据公式：

L2＝L1-Vm*t-Vi*t(t＝1,2,3……,n)(单位：m)

计算得出障碍物之间的实时距离，当距离≤20m时，自动驾驶车辆开始降速变道，其中降速变道按照静止障碍物模式进行避让；

当该移动障碍物为有意识障碍物时，自动驾驶车辆发送预警播报，让该障碍物进行避让；

车辆障碍物处理性能样本数据分析子模块采集自动驾驶汽车面对不同类别障碍物的处理方式，对其中面对静止障碍物和移动障碍物时，统计自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离、车身在变道时偏移的角度和障碍物避让反应总时间，将统计的数据发送给车辆障碍物处理性能综合分析模块。

通过采用上述技术方案：所述车辆障碍物处理性能综合分析模块包括不同障碍物处理数据获取子模块和障碍处理模拟数据综合分析子模块，不同障碍物处理数据获取子模块用于对车辆障碍物处理性能样本数据分析子模块统计的自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离、车身在变道时偏移的角度和障碍物避让反应总时间进行获取，障碍处理模拟数据综合分析子模块用于对获取的数据进行综合分析，其中，自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离为Lh，当Lh∈[7,10]，判定当前自动驾驶车辆下降到指定速度需要行驶的距离为合格，自动驾驶车辆车身在变道时偏移的角度为C，当C∈[45°,60°]，判定当前自动驾驶车辆车身在变道时偏移的角度合格，设定障碍物避让反应总时间为T总，当T总∈[2min,5min]，判定当前障碍物避让反应总时间合格，反之，则判定为不合格，将统计的自动驾驶车辆合格或不合格的数据发送给车辆障碍物处理安全性评估模块进行安全性判定。

通过采用上述技术方案：所述车辆障碍物处理安全性评估模块包括不同安全性指标定义子模块和车辆安全性等级标记子模块，不同安全性指标定义子模块用于根据自动驾驶车辆不同的指标合格性进行安全性判定，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据全为合格，判定当前该自动驾驶车辆障碍处理性能安全，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据其中一项为不合格，对该自动驾驶车辆进行检修后重新进行测试，车辆安全性等级标记子模块用于对判定为车辆障碍处理性能安全的自动驾驶车辆进行标记。

通过采用上述技术方案：所述若干摄像头采用SE-MSD8230ST-HID摄像头，测距雷达传感器采用PCR雷达传感器。

一种基于大数据的自动驾驶汽车性能判定方法：

S1：利用若干摄像头对车辆外部的障碍物进行识别，测距雷达对若干摄像头识别的障碍物进行测距；

S2：利用不同交通场景识别模块对车辆外部的交通场景进行识别；

S3：利用自动驾驶汽车车辆外部障碍实时监测模块对车辆外部的障碍物进行实时识别和监测标记；

S4：利用车辆不同障碍物处理性能分析模块根据车辆对不同障碍物的处理性能进行逐一分析；

S5：利用车辆障碍物处理性能综合分析模块根据车辆对不同障碍物的处理合格率进行车辆障碍物处理性能综合分析；

S6：利用车辆障碍物处理安全性评估模块根据车辆障碍物处理性能综合分析对车辆进行安全性评估。

通过采用上述技术方案：所述性能判定方法还包括以下步骤：

S1-1：利用场景区域划分识别子模块获取若干摄像头对车辆外部场景的摄像，对获取的场景的不同区域的划分，将划分不同场景区域发送给交通场景类型判别子模块，交通场景类型判别子模块逐一对不同的区域场景进行识别，判定当前交通场景属于集镇道路或外围公路；

S2-1：利用不同外部障碍物数量实时监测子模块对车辆外部的障碍物的数量实时进行监测，不同障碍物类别实时识别子模块对车辆外部的不同障碍物类别进行实时识别，其中，障碍物的类别为静止障碍物和移动障碍物，其中，静止障碍物包括固体障碍物和液体障碍物，移动障碍物包括有意识障碍物和无意识障碍物；

S3-1：利用不同障碍物距离判定子模块通过测距雷达传感器对不同障碍物与车辆车身的距离进行判定，统计不同障碍物与车辆的距离，将统计数据发送给车辆障碍物处理性能样本数据分析子模块，车辆障碍物处理性能样本数据分析子模块获取不同障碍物类别实时识别子模块所判定的障碍物类别，在自动驾驶车辆面对不同障碍物的情况下分析其对障碍物处理的数据；

S4-1：利用不同障碍物处理数据获取子模块对车辆障碍物处理性能样本数据分析子模块统计的自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离、车身在变道时偏移的角度和障碍物避让反应总时间进行获取，障碍处理模拟数据综合分析子模块对获取的数据进行综合分析，其中，自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离为Lh，当Lh∈[7,10]，判定当前自动驾驶车辆下降到指定速度需要行驶的距离为合格，自动驾驶车辆车身在变道时偏移的角度为C，当C∈[45°,60°]，判定当前自动驾驶车辆车身在变道时偏移的角度合格，设定障碍物避让反应总时间为T总，当T总∈[2min,5min]，判定当前障碍物避让反应总时间合格，反之，则判定为不合格，将统计的自动驾驶车辆合格或不合格的数据发送给车辆障碍物处理安全性评估模块进行安全性判定；

S5-1：利用不同安全性指标定义子模块根据自动驾驶车辆不同的指标合格性进行安全性判定，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据全为合格，判定当前该自动驾驶车辆障碍处理性能安全，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据其中一项为不合格，对该自动驾驶车辆进行检修后重新进行测试，车辆安全性等级标记子模块对判定为车辆障碍处理性能安全的自动驾驶车辆进行标记。

实施例1：限定条件，当障碍物类别为静止障碍物时，设定当前车辆与障碍物之间距离为20m，设定当前车辆移动速度为0.32m/s，设定不同时间下车辆与障碍物之间的距离为L，根据公式：

15＝20-0.32*t(t＝1,2,3……,n)(单位：m)

计算得出当前不同时间下车辆与障碍物之间的距离小于等于15m时所需用的时间为16s，当L≤15m时，自动驾驶车辆开始降速，设定车辆降速后的移动速度为0.15m/s，设定降速到指定速度的时间为20s，设定当前车辆下降指定速度需要行驶的距离为Lh，根据公式：

计算得出当前车辆下降指定速度需要行驶的距离为9.9米，其中Lh＝9.9∈[7,10]，判定当前自动驾驶车辆下降到指定速度需要行驶的距离为合格。

实施例2：限定条件，当该移动障碍物为无意识障碍物时，利用若干摄像头对该移动障碍物进行定位，利用测距雷达传感器测量自动驾驶车辆与移动障碍物当前位置距离，设定若干摄像头判别当前移动障碍物移动速度为0.09m/s，设定当前车辆移动速度为0.27m/s，设定自动驾驶车辆与移动障碍物当前位置距离为42，设定当前不同时间下车辆与障碍物之间的实时距离为L2，根据公式：

20＝42-0.09*t-0.27*t

t＝61s

计算得出障碍物之间的实时距离为20m时所需要的时间为61s，当距离≤20m时，自动驾驶车辆开始降速变道，其中降速变道按照静止障碍物模式进行避让。

实施例3：限定条件，当车辆下降到指定速度时，对自动驾驶车辆进行自动变道，设定当前车辆的变道的角度为C，以车身右侧面为基准线，设定车辆未转向车身右侧面的斜率为0，设定车辆变道时，车身右侧面斜率为1，根据公式：

C＝45°

计算得出当前车身在变道时偏移的角度为45°，C＝45°∈[45°,60°]，判定当前自动驾驶车辆车身在变道时偏移的角度合格，当车辆正常变道结束后，对自动驾驶车辆障碍物避让反应时间进行统计。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (1)

1.一种基于大数据的自动驾驶汽车性能判定系统，其特征在于：所述系统包括若干摄像头、测距雷达传感器、不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块、车辆障碍物处理性能综合分析模块和车辆障碍物处理安全性评估模块，其中，不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块、车辆障碍物处理性能综合分析模块和车辆障碍物处理安全性评估模块通过内网依次连接，不同交通场景识别模块、自动驾驶汽车车辆外部障碍实时监测模块、车辆不同障碍物处理性能分析模块分别和若干摄像头、测距雷达传感器通过内网连接；

所述若干摄像头、测距雷达传感器设置在车辆顶部，用于对车辆外部的障碍物进行识别，测距雷达用于对若干摄像头识别的障碍物进行测距，不同交通场景识别模块用于对车辆外部的交通场景进行识别，自动驾驶汽车车辆外部障碍实时监测模块用于对车辆外部的障碍物进行实时识别和监测标记，车辆不同障碍物处理性能分析模块用于根据车辆对不同障碍物的处理性能进行逐一分析，车辆障碍物处理性能综合分析模块用于根据车辆对不同障碍物的处理合格率进行车辆障碍物处理性能综合分析，车辆障碍物处理安全性评估模块用于根据车辆障碍物处理性能综合分析对车辆进行安全性评估；

所述不同交通场景识别模块包括场景区域划分识别子模块和交通场景类型判别子模块，场景区域划分识别子模块用于获取若干摄像头对车辆外部场景的摄像，对获取的场景的不同区域的划分，将划分不同场景区域发送给交通场景类型判别子模块，交通场景类型判别子模块逐一对不同的区域场景进行识别，判定当前交通场景属于集镇道路或外围公路。

所述判定系统的判定方法包括以下步骤：

S1：利用若干摄像头对车辆外部的障碍物进行识别，测距雷达对若干摄像头识别的障碍物进行测距；

S2：利用不同交通场景识别模块对车辆外部的交通场景进行识别；

S3：利用自动驾驶汽车车辆外部障碍实时监测模块对车辆外部的障碍物进行实时识别和监测标记；

S4：利用车辆不同障碍物处理性能分析模块根据车辆对不同障碍物的处理性能进行逐一分析；

S5：利用车辆障碍物处理性能综合分析模块根据车辆对不同障碍物的处理合格率进行车辆障碍物处理性能综合分析；

S6：利用车辆障碍物处理安全性评估模块根据车辆障碍物处理性能综合分析对车辆进行安全性评估；

所述性能判定方法还包括以下步骤：

S1-1：利用场景区域划分识别子模块获取若干摄像头对车辆外部场景的摄像，对获取的场景的不同区域的划分，将划分不同场景区域发送给交通场景类型判别子模块，交通场景类型判别子模块逐一对不同的区域场景进行识别，判定当前交通场景属于集镇道路或外围公路；

S2-1：利用不同外部障碍物数量实时监测子模块对车辆外部的障碍物的数量实时进行监测，不同障碍物类别实时识别子模块对车辆外部的不同障碍物类别进行实时识别，其中，障碍物的类别为静止障碍物和移动障碍物，其中，静止障碍物包括固体障碍物和液体障碍物，移动障碍物包括有意识障碍物和无意识障碍物；

S3-1：利用不同障碍物距离判定子模块通过测距雷达传感器对不同障碍物与车辆车身的距离进行判定，统计不同障碍物与车辆的距离，将统计数据发送给车辆障碍物处理性能样本数据分析子模块，车辆障碍物处理性能样本数据分析子模块获取不同障碍物类别实时识别子模块所判定的障碍物类别，在自动驾驶车辆面对不同障碍物的情况下分析其对障碍物处理的数据；

S4-1：利用不同障碍物处理数据获取子模块对车辆障碍物处理性能样本数据分析子模块统计的自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离、车身在变道时偏移的角度和障碍物避让反应总时间进行获取，障碍处理模拟数据综合分析子模块对获取的数据进行综合分析，其中，自动驾驶车辆在面对障碍物时车辆下降到指定速度需要行驶的距离为Lh，当Lh∈[7,10]，判定当前自动驾驶车辆下降到指定速度需要行驶的距离为合格，自动驾驶车辆车身在变道时偏移的角度为C，当C∈[45°,60°]，判定当前自动驾驶车辆车身在变道时偏移的角度合格，设定障碍物避让反应总时间为T总，当T总∈[2min,5min]，判定当前障碍物避让反应总时间合格，反之，则判定为不合格，将统计的自动驾驶车辆合格或不合格的数据发送给车辆障碍物处理安全性评估模块进行安全性判定；

S5-1：利用不同安全性指标定义子模块根据自动驾驶车辆不同的指标合格性进行安全性判定，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据全为合格，判定当前该自动驾驶车辆障碍处理性能安全，当障碍处理模拟数据综合分析子模块分析当前自动驾驶车辆获取的数据其中一项为不合格，对该自动驾驶车辆进行检修后重新进行测试，车辆安全性等级标记子模块对判定为车辆障碍处理性能安全的自动驾驶车辆进行标记。

Images