CN113777951B - 面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法 - Google Patents
面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法 Download PDFInfo
- Publication number
- CN113777951B CN113777951B CN202110891341.2A CN202110891341A CN113777951B CN 113777951 B CN113777951 B CN 113777951B CN 202110891341 A CN202110891341 A CN 202110891341A CN 113777951 B CN113777951 B CN 113777951B
- Authority
- CN
- China
- Prior art keywords
- state information
- information
- collision avoidance
- motion state
- simulation
- 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.)
- Active
Links
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法,其中,该方法包括:采集弱势交通参与者的第一运动状态信息并输出;根据第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态信息并生成虚拟传感器感知信息并输出虚拟传感器感知信息;根据预先存储的避撞决策和获取的拟传感器感知信息生成对应的操控指令并输出操控指令;执行操控指令,并输出与操控指令对应的响应结果;根据响应结果生成车辆运动状态信息,根据车辆运动状态信息,在虚拟交通环境中实现避撞决策仿真测试。该方法在自动驾驶测试中引入真实的弱势交通参与者,车辆和行人的运动信息则通过实时仿真系统进行关联,实时仿真交通状况。
Description
技术领域
本发明涉及自动驾驶仿真测试技术领域,特别涉及一种面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法。
背景技术
目前弱势道路使用者主要包括行人、骑车人等较弱势的道路交通参与者,统计数据表明,在我国,包含弱势道路使用者的交通事故占一半以上,且其伤亡严重度高,因此弱势道路使用者是自动驾驶车辆安全测试的重点避撞对象。
现有关于自动驾驶车辆与行人等弱势道路使用者之间的避撞决策实验,基本上通过计算机仿真或真实车辆与假人之间在测试场地内进行。并且目前自动驾驶仿真测试缺少真实的交通参与者,并且测试场景有限,往往需要重复构建。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种面向弱势道路使用者避撞决策的自动驾驶仿真系统,该系统在自动驾驶测试中引入真实的弱势交通参与者,车辆结合避撞决策进行控制,车辆和行人的运动信息则通过实时仿真系统进行关联,实时仿真交通状况。
本发明的另一个目的在于提出一种用于面向弱势道路使用者避撞决策的自动驾驶仿真方法。
为达到上述目的,本发明一方面实施例提出了一种面向弱势道路使用者避撞决策的自动驾驶仿真系统,其中,仿真环境包括第一区域和第二区域,驾驶模拟器处于所述第一区域内,弱势交通参与者处于所述第二区域内,包括:传感器,用于采集所述第一区域内的弱势交通参与者的第一运动状态信息,并将所述第一运动状态信息发送至客户端;所述客户端上具有仿真平台,所述仿真平台用于根据所述第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态信息,并根据所述第二运动状态信息生成虚拟传感器感知信息,将所述虚拟传感器感知信息发送至工控机,所述脚本文件包括已搭建好的不同场景下的弱势交通参与者的运动状态信息;所述工控机,用于存储避撞决策,根据所述避撞决策和所述拟传感器感知信息生成对应的操控指令,将所述操控指令发送至所述驾驶模拟器;所述驾驶模拟器,用于执行所述操控指令,并输出与所述操控指令对应的响应结果至所述仿真平台;所述仿真平台,还用于根据所述响应结果生成车辆运动状态信息,根据所述车辆运动状态信息,在虚拟交通环境中实现避撞决策仿真测试。
本发明实施例的面向弱势道路使用者避撞决策的自动驾驶仿真系统,在自动驾驶测试中引入真实的交通参与者,该系统在自动驾驶测试中引入真实的弱势交通参与者,车辆结合避撞决策进行控制,车辆和行人的运动信息则通过实时仿真系统进行关联,实时仿真交通状况,并且可以通过真实交通参与者的不同行为测试不同场景,在保证安全性的条件下,测试自动驾驶的避撞决策模型与算法。
另外,根据本发明上述实施例的面向弱势道路使用者避撞决策的自动驾驶仿真系统还可以具有以下附加的技术特征:
进一步的,在本发明的一个实施例中,所述弱势道路交通参与者包括行人、骑车人中的一种,所述驾驶模拟器用于模拟汽车行驶。
进一步的,在本发明的一个实施例中,所述传感器包括:图像传感器,用于采集所述弱势交通参与者的图像,并对所述图像中的目标进行识别;加速度传感器,用于采集所述弱势交通参与者的速度信息;GPS传感器,用于采集所述弱势交通参与者的位置信息。
进一步的,在本发明的一个实施例中,所述响应结果包括:汽车的方向盘转角信息、油门信息、刹车信息和档位信息的一种或者多种。
进一步的,在本发明的一个实施例中,所述仿真平台还包括:车辆动力学模型,所述车辆动力学模型用于接收并处理所述响应结果,经过CarSim封装得到与所述响应结果对应的所述车辆运动状态信息。
进一步的,在本发明的一个实施例中,所述传感器还用于,预先采集所述第一区域内的弱势交通参与者的第一运动状态信息,并保存为数据集,进行仿真时使用所述数据集以重复实验,在保证所述仿真环境不变的同时,测试所述避撞决策的性能。
为达到上述目的,本发明另一方面实施例提出了一种用于面向弱势道路使用者避撞决策的自动驾驶仿真方法,包括以下步骤:采集弱势交通参与者的第一运动状态信息,并输出所述第一运动状态信息;根据所述第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态息,并根据所述第二运动状态信息生成虚拟传感器感知信息,并输出所述虚拟传感器感知信息,所述脚本文件包括已搭建好的不同场景下的弱势交通参与者的运动状态信息;根据预先存储的避撞决策和获取的所述拟传感器感知信息生成对应的操控指令,并输出所述操控指令;执行所述操控指令,并输出与所述操控指令对应的响应结果;根据所述响应结果生成车辆运动状态信息,根据所述车辆运动状态信息,在虚拟交通环境中实现避撞决策仿真测试。
本发明实施例的用于面向弱势道路使用者避撞决策的自动驾驶仿真方法,在自动驾驶测试中引入真实的弱势交通参与者,车辆结合避撞决策进行控制,车辆和行人的运动信息则通过实时仿真系统进行关联,实时仿真交通状况。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明一个实施例的面向弱势道路使用者避撞决策的自动驾驶仿真系统的结构示意图。
图2为根据本发明一个实施例的面向弱势道路使用者避撞决策的自动驾驶仿真平台系统框图。
图3为根据本发明一个实施例的面向弱势道路使用者避撞决策的自动驾驶仿真平台示意图。
图4为根据本发明一个实施例的面向弱势道路使用者避撞决策的自动驾驶仿真方法流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的面向弱势道路使用者避撞决策的自动驾驶仿真系统和方法,首先将参照附图描述根据本发明实施例提出的面向弱势道路使用者避撞决策的自动驾驶仿真系统。
图1为根据本发明实施例的面向弱势道路使用者避撞决策的自动驾驶仿真系统的结构示意图。
如图1所示,该仿真系统10包括:传感器100、客户端200、工控机300和驾驶模拟器400。
可以理解的是,本发明的仿真环境包括第一区域和第二区域,驾驶模拟器400处于第一区域内,弱势交通参与者处于第二区域内。其中,传感器100,用于采集第一区域内的弱势交通参与者的第一运动状态信息,并将第一运动状态信息发送至客户端200。客户端200具有仿真平台,仿真平台用于根据第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态信息,并根据第二运动状态信息生成虚拟传感器感知信息,将虚拟传感器感知信息发送至工控机300,脚本文件包括已搭建好的不同场景下的弱势交通参与者的运动状态信息。工控机300,用于存储避撞决策,根据避撞决策和拟传感器感知信息生成对应的操控指令,将操控指令发送至所述驾驶模拟器400。驾驶模拟器400用于执行操控指令,并输出与操控指令对应的响应结果至仿真平台。仿真平台,还用于根据响应结果生成车辆运动状态信息,根据车辆运动状态信息,在虚拟交通环境中实现避撞决策仿真测试。
可以理解的是,本发明实施例的系统10将驾驶模拟器和真实的弱势道路使用者分置于两块区域,利用实时仿真系统构建虚拟的仿真环境、车辆与弱势道路使用者,真实的车辆和真实的弱势道路使用者,在虚拟的环境中进行交互。
下面将结合实施例对仿真系统10进行进一步阐述。
进一步地,在本发明的一个实施例中,传感器100包括:图像传感器、加速度传感器和GPS传感器。
具体而言,如图3所示,传感器100一端与弱势交通者相连,图像传感器采集弱势交通参与者的图像,并对图像中的目标进行识别;加速度传感器采集弱势交通参与者的速度信息;GPS传感器采集弱势交通参与者的位置信息;另一端与客户端200相连,传感器100将采集的第一运动状态信息发送至客户端200。
可以理解的是,在一块区域内,安装摄像头、激光雷达等传感器,用于检测弱势道路使用者。真实的弱势道路使用者在该区域内移动。传感器采集弱势道路使用者的位置、速度等信息,并传递给客户端。
另外,本发明实施例可通过传感器100用于预先采集第一区域内的弱势交通参与者的第一运动状态信息,并保存为数据集,进行仿真时使用所述数据集以重复实验,在保证仿真环境不变的同时,测试所述避撞决策的性能。
本发明在车辆与行人之间交互仿真方面进行了系统设计。利用现有的仿真技术,设计构建一个面向弱势道路使用者避撞决策的自动驾驶仿真平台。本发明建立的仿真测试平台,可以基于真实的车辆和真实的弱势道路使用者,在无安全风险的情况下进行避撞决策和人车交互仿真。
本发明具有真实的弱势道路使用者,并且以驾驶模拟器作为真实的自动驾驶汽车。在保证一定的真实性的同时,能够安全的进行避撞决策验证。
进一步地,在本发明的一个实施例中,客户端200包括:仿真平台500。
仿真平台500用于根据第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态信息,并根据第二运动状态信息生成虚拟传感器感知信息,将虚拟传感器感知信息发送至工控机300,脚本文件包括已搭建好的不同场景下的弱势交通参与者的运动状态信息。
具体而言,如图2所示,客户端200一端与传感器100相连,接收采集的弱势道路交通者的运动状态信息;中间与工控机300相连,将虚拟传感器感知信息发送至工控机300,另一端与驾驶模拟器400相连,接收并处理驾驶模拟器400输出的响应结果。
可以理解的是,仿真平台500的虚拟场景由PreScan搭建,包括道路、非机动车、行人等,可以通过OpenStreetMap,Google Earth,Google 3D Warehouse快速建立真实地图。PreScan同样可以与Simulink联合仿真,虚拟的场景、虚拟的传感器可以封装成Simulink模块。该模块以车辆的实时状态作为输入,输出各个虚拟传感器的感知结果。
可以理解的是,PreScan的MALTAB接口,提供了通过MATLAB脚本来设置场景参数和数据的途径。利用采集得到的弱势道路使用者的状态信息,通过编写脚本,改变已经搭建好的场景里面的弱势道路使用者的参数。实现真实弱势道路使用者与仿真平台的连接。
进一步地,在本发明的一个实施例中,仿真平台500还包括:车辆动力学模型600。
可以理解的是,车辆动力学模型600接收并处理响应结果,经过CarSim封装得到与响应结果对应的车辆运动状态信息。
具体而言,如图2所示,车辆动力学模型600一端与驾驶模拟器相连,接收响应结果;另一端与仿真环境相连,经过CarSim处理响应结果并输出车辆运动状态信息。
可以理解的是,仿真平台的动力学模型600由CarSim建立,CarSim可以与Simulink联合仿真。在CarSim中建立动力学模型,并封装成Simulink模块。驾驶模拟器400的车辆响应结果数据,作为车辆动力学模块600的输入,经过CarSim可以得到虚拟车辆实时状态。
进一步地,在本发明的一个实施例中,工控机300:用于存储避撞决策。
具体而言,根据避撞决策和拟传感器感知信息生成对应的操控指令,将操控指令发送至驾驶模拟器400。
具体而言,如图2所示,工控机300的一端与仿真平台的虚拟环境相连,接收拟传感器感知信息;另一端与驾驶模拟器400相连,据避撞决策和拟传感器感知信息生成对应的操控指令,将操控指令发送至驾驶模拟器400。
可以理解的是,需要验证的避撞决策储存在工控机中,通过与客户端200通讯,传输决策输入、输出的数据,实现与Simulink的连接。虚拟传感器的感知结果,作为避撞决策的输入,经过决策计算后,输出对汽车操控的指令,操控驾驶模拟器400中的车辆的控制设备。
进一步地,在本发明的一个实施例中,驾驶模拟器400:用于模拟汽车行驶。
具体而言,驾驶模拟器执行操控指令并模拟汽车行驶,输出与操控指令对应的响应结果至仿真平台。
具体而言,如图2所示,驾驶模拟器400一端与工控机300相连,执行工控机300发出的操控指令;另一端与仿真平台的车辆动力学模型600相连,输出与操控指令对应的响应结果至仿真平台的车辆动力学模型600。
具体而言,如图3所示,车辆响应结果包括:汽车的方向盘转角信息、油门信息、刹车信息和档位信息等。
可以理解的是,仿真平台以驾驶模拟器400作为真实车辆模拟,驾驶模拟器具有真实的交互设备,如方向盘、油门、刹车等。这些交互设备由工控机中发出的指令来操控,车辆响应的结果,如方向盘转角、油门踏板开度等数据,通过通讯传递给客户端200中的Simulink。
综上,本发明提供一种面向弱势道路使用者避撞决策的自动驾驶仿真平台,该平台将驾驶模拟器和真实的弱势道路使用者分置于两块区域,利用实时仿真系统构建虚拟的仿真环境、车辆与弱势道路使用者,真实的车辆和真实的弱势道路使用者,在虚拟的环境中进行交互。虚拟环境基于实际道路数据构建,并根据车辆和行人等交通参与者的数据,实时仿真交通状况。车辆则根据获得的环境交通信息,结合避撞决策进行控制。车辆和行人的运动信息则通过实时仿真系统进行关联,在虚拟环境中实现车辆与交通参与者的交互。
根据本发明实施例提出的用于面向弱势道路使用者避撞决策的自动驾驶仿真系统,在自动驾驶测试中引入真实的交通参与者,并且可以通过真实交通参与者的不同行为测试不同场景,在保证安全性的条件下,测试自动驾驶的避撞决策模型与算法。同时,也可以预先采集真实弱势道路使用者的运动信息,保存为数据集。进行仿真时,使用预先采集的数据集,这样可以重复实验,保证场景状态不变的同时,测试避撞决策的性能。该发明同样可以适合不同级别的自动驾驶汽车(L1~L5),实现具有驾驶员或安全员参与的驾驶和接管实验。
其次参照附图描述根据本发明实施例提出的面向弱势道路使用者避撞决策的自动驾驶仿真方法。
图4是本发明一个实施例的面向弱势道路使用者避撞决策的自动驾驶仿真方法的流程图。
如图4所示,该面向弱势道路使用者避撞决策的自动驾驶仿真方法包括以下步骤:
步骤S401,采集弱势交通参与者的第一运动状态信息,并输出所述第一运动状态信息;
步骤S402,根据所述第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态信息,并根据所述第二运动状态信息生成虚拟传感器感知信息,并输出所述虚拟传感器感知信息,所述脚本文件包括已搭建好的不同场景下的弱势交通参与者的运动状态信息;
步骤S403,根据预先存储的避撞决策和获取的所述拟传感器感知信息生成对应的操控指令,并输出所述操控指令;
步骤S404,执行所述操控指令,并输出与所述操控指令对应的响应结果;
步骤S405,根据所述响应结果生成车辆运动状态信息,根据所述车辆运动状态信息,在虚拟交通环境中实现避撞决策仿真测试。
需要说明的是,前述对面向弱势道路使用者避撞决策的自动驾驶仿真系统实施例的解释说明也适用于该实施例的面向弱势道路使用者避撞决策的自动驾驶仿真方法,此处不再赘述。
根据本发明实施例提出的面向弱势道路使用者避撞决策的自动驾驶仿真方法,在自动驾驶测试中引入真实的交通参与者,并且可以通过真实交通参与者的不同行为测试不同场景,在保证安全性的条件下,测试自动驾驶的避撞决策模型与算法。同时,也可以预先采集真实弱势道路使用者的运动信息,保存为数据集。进行仿真时,使用预先采集的数据集,这样可以重复实验,保证场景状态不变的同时,测试避撞决策的性能。
此外,术语“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。
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。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种用于面向弱势道路使用者避撞决策的自动驾驶仿真系统,其特征在于,仿真环境包括第一区域和第二区域,驾驶模拟器处于所述第一区域内,弱势交通参与者处于所述第二区域内,所述仿真系统包括:
传感器,用于采集所述第一区域内的弱势交通参与者的第一运动状态信息,并将所述第一运动状态信息发送至客户端;
所述客户端上具有仿真平台,所述仿真平台用于根据所述第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态信息,并根据所述第二运动状态信息生成虚拟传感器感知信息,将所述虚拟传感器感知信息发送至工控机,所述脚本文件包括已搭建好的不同场景下的弱势交通参与者的运动状态信息;
所述工控机,用于存储避撞决策,根据所述避撞决策和所述拟传感器感知信息生成对应的操控指令,将所述操控指令发送至所述驾驶模拟器;
所述驾驶模拟器,用于执行所述操控指令,并输出与所述操控指令对应的响应结果至所述仿真平台;
所述仿真平台,还用于根据所述响应结果生成车辆运动状态信息,根据所述车辆运动状态信息,在虚拟交通环境中实现避撞决策仿真测试;
所述仿真平台的虚拟场景由PreScan搭建,PreScan与Simulink联合仿真,将虚拟场景和虚拟传感器封装成Simulink模块;
所述仿真平台还包括车辆动力学模型,所述车辆动力学模型用于接收并处理所述响应结果,经过CarSim封装得到与所述响应结果对应的所述车辆运动状态信息;车辆动力学模型通过CarSim搭建,CarSim与Simulink联合仿真,并在CarSim中建立车辆动力学模型,封装成所述Simulink模块;
所述传感器还用于,预先采集所述第一区域内的弱势交通参与者的第一运动状态信息,并保存为数据集,进行仿真时使用所述数据集以重复实验,在保证所述仿真环境不变的同时,测试所述避撞决策的性能。
2.根据权利要求1所述的用于面向弱势道路使用者避撞决策的自动驾驶仿真系统,其特征在于,所述弱势道路交通参与者包括行人、骑车人中的一种,所述驾驶模拟器用于模拟汽车行驶。
3.根据权利要求2所述的用于面向弱势道路使用者避撞决策的自动驾驶仿真系统,其特征在于,所述传感器包括图像传感器、加速度传感器和GPS传感器中的一种或者多种,所述图像传感器用于采集所述弱势交通参与者的图像,并对所述图像中的目标进行识别,所述加速度传感器用于采集所述弱势交通参与者的速度信息,所述GPS传感器用于采集所述弱势交通参与者的位置信息。
4.根据权利要求3所述的用于面向弱势道路使用者避撞决策的自动驾驶仿真系统,其特征在于,所述响应结果包括汽车的方向盘转角信息、油门信息、刹车信息和档位信息中的一种或者多种。
5.一种用于面向弱势道路使用者避撞决策的自动驾驶仿真方法,其特征在于,所述方法包括:
采集弱势交通参与者的第一运动状态信息,并输出所述第一运动状态信息;
根据所述第一运动状态信息对预先编写的脚本文件进行修改以得到第二运动状态信息,并根据所述第二运动状态信息生成虚拟传感器感知信息,并输出所述虚拟传感器感知信息,所述脚本文件包括已搭建好的不同场景下的弱势交通参与者的运动状态信息;
根据预先存储的避撞决策和获取的所述拟传感器感知信息生成对应的操控指令,并输出所述操控指令;
执行所述操控指令,并输出与所述操控指令对应的响应结果;
根据所述响应结果生成车辆运动状态信息,根据所述车辆运动状态信息,在虚拟交通环境中实现避撞决策仿真测试;
仿真平台的虚拟场景由PreScan搭建,PreScan与Simulink联合仿真,将虚拟场景和虚拟传感器封装成Simulink模块;
所述方法还包括:
利用车辆动力学模型接收并处理所述响应结果,经过CarSim封装得到与所述响应结果对应的所述车辆运动状态信息;车辆动力学模型通过CarSim搭建,CarSim与Simulink联合仿真,并在CarSim中建立车辆动力学模型,封装成所述Simulink模块;
所述方法还包括:
预先采集所述弱势交通参与者的第一运动状态信息,并保存为数据集,进行仿真时使用所述数据集以重复实验,在保证所述仿真环境不变的同时,测试所述避撞决策的性能。
6.根据权利要求5所述的用于面向弱势道路使用者避撞决策的自动驾驶仿真方法,其特征在于,所述采集弱势交通参与者的第一运动状态信息包括:采集所述弱势交通参与者的图像,并对所述图像中的目标进行识别、采集所述弱势交通参与者的速度信息以及位置信息。
7.根据权利要求5所述的用于面向弱势道路使用者避撞决策的自动驾驶仿真方法,其特征在于,所述执行所述操控指令是模拟汽车行驶,所述输出与所述操控指令对应的响应结果包括汽车的方向盘转角信息、油门信息、刹车信息和档位信息中的一种或者多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891341.2A CN113777951B (zh) | 2021-08-04 | 2021-08-04 | 面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891341.2A CN113777951B (zh) | 2021-08-04 | 2021-08-04 | 面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113777951A CN113777951A (zh) | 2021-12-10 |
CN113777951B true CN113777951B (zh) | 2023-07-25 |
Family
ID=78836791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110891341.2A Active CN113777951B (zh) | 2021-08-04 | 2021-08-04 | 面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777951B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507488A (zh) * | 2017-09-30 | 2017-12-22 | 中铁第四勘察设计院集团有限公司 | 一种轨道交通虚拟电子沙盘仿真训练系统及方法 |
CN111538315A (zh) * | 2020-04-26 | 2020-08-14 | 东风汽车集团有限公司 | 一种整车自动驾驶功能仿真测试系统及测试方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109213126B (zh) * | 2018-09-17 | 2020-05-19 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车测试系统和方法 |
CN109781431B (zh) * | 2018-12-07 | 2019-12-10 | 山东省科学院自动化研究所 | 基于混合现实的自动驾驶测试方法及系统 |
CN110414365B (zh) * | 2019-07-03 | 2021-08-31 | 上海交通大学 | 基于社会力模型的过街行人轨迹预测方法、系统及介质 |
CN111458154A (zh) * | 2020-04-01 | 2020-07-28 | 清华大学苏州汽车研究院(吴江) | 基于自动驾驶整车在环人车冲突场景的测试系统和方法 |
CN111505965B (zh) * | 2020-06-17 | 2020-09-29 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质 |
CN112684423A (zh) * | 2020-12-30 | 2021-04-20 | 东风汽车有限公司 | 一种自动驾驶功能测试系统及测试方法 |
CN112819968B (zh) * | 2021-01-22 | 2024-04-02 | 北京智能车联产业创新中心有限公司 | 基于混合现实的自动驾驶车辆的测试方法和装置 |
-
2021
- 2021-08-04 CN CN202110891341.2A patent/CN113777951B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507488A (zh) * | 2017-09-30 | 2017-12-22 | 中铁第四勘察设计院集团有限公司 | 一种轨道交通虚拟电子沙盘仿真训练系统及方法 |
CN111538315A (zh) * | 2020-04-26 | 2020-08-14 | 东风汽车集团有限公司 | 一种整车自动驾驶功能仿真测试系统及测试方法 |
Non-Patent Citations (2)
Title |
---|
Scenario Design and Driving Simulation Experiment of Vehicle-to-Pedestrain Accidents Based on Real Accident Data;Yuan Quan 等;《汽车安全与节能学报》;第3卷(第1期);19-25 * |
面向现场要素关联的车辆冲撞行人案件研判系统构建;袁泉 等;《刑事技术》;第45卷(第4期);335-340 * |
Also Published As
Publication number | Publication date |
---|---|
CN113777951A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
CN108319249B (zh) | 基于驾驶模拟器的无人驾驶算法综合测评系统及方法 | |
CN109884916A (zh) | 一种自动驾驶仿真评估方法及装置 | |
Galko et al. | Vehicle-Hardware-In-The-Loop system for ADAS prototyping and validation | |
CN104298122B (zh) | 一种用于acc系统开发的硬件在环试验系统及试验方法 | |
Liu et al. | Intelligent and connected vehicles: Current situation, future directions, and challenges | |
US20220198107A1 (en) | Simulations for evaluating driving behaviors of autonomous vehicles | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
CN113848855B (zh) | 车辆控制系统测试方法、装置、设备、介质及程序产品 | |
Reway et al. | Test methodology for vision-based adas algorithms with an automotive camera-in-the-loop | |
CN110299003A (zh) | 为测试车辆仿真不同的交通状况的方法 | |
CN109671006A (zh) | 交通事故处理方法、装置及存储介质 | |
WO2018220829A1 (ja) | ポリシー生成装置及び車両 | |
CN110871811B (zh) | 学习装置、模拟系统、学习方法及存储介质 | |
Hou et al. | An integrated traffic-driving simulation framework: Design, implementation, and validation | |
CN114365108A (zh) | 虚拟环境下的自动驾驶车辆模拟方法 | |
CN114793460A (zh) | 用于创建用于对交通参与者进行计算机模拟的算法的方法、用于训练至少一个用于机动车的控制设备的算法的方法、计算机程序产品及机动车 | |
CN112506075B (zh) | 基于tpzn的智能网联汽车系统协同控制方法 | |
CN108648555A (zh) | 一种智能行车训练装置、系统及方法 | |
Yang et al. | Survey on autonomous vehicle simulation platforms | |
Hong et al. | System configuration of Human-in-the-loop Simulation for Level 3 Autonomous Vehicle using IPG CarMaker | |
CN110501167A (zh) | 用于执行机动车辆与非机动车道路使用者的模拟碰撞场景的系统 | |
KR20230150350A (ko) | 차량의 운전자 보조 시스템을 시험하기 위한 방법 | |
CN113777951B (zh) | 面向弱势道路使用者避撞决策的自动驾驶仿真系统及方法 | |
Zhao et al. | Virtual traffic simulator for connected and automated vehicles |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |