CN113781471A - 一种自动驾驶测试场系统及方法 - Google Patents
一种自动驾驶测试场系统及方法 Download PDFInfo
- Publication number
- CN113781471A CN113781471A CN202111144825.7A CN202111144825A CN113781471A CN 113781471 A CN113781471 A CN 113781471A CN 202111144825 A CN202111144825 A CN 202111144825A CN 113781471 A CN113781471 A CN 113781471A
- Authority
- CN
- China
- Prior art keywords
- information
- test
- road
- laser radar
- test vehicle
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 270
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种自动驾驶测试场系统及方法，包括：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息，对图像信息进行目标检测和跟踪，并和激光雷达信息进行融合，获取目标物体的相对位置和形状大小；获取每段道路上的图像信息和激光雷达信息，对图像信息进行目标检测和跟踪，并和激光雷达信息进行融合，获得每段道路上的目标物体的相对位置和形状大小；将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置对道路上的目标物体位置进行均值修正，获得实时动态电子地图。
Description
技术领域
本发明涉及自动驾驶测试场技术领域，具体地，涉及自动驾驶测试场系统及方法。
背景技术
测试车的诞生到发展，无时无刻不在改变着人们的生活方式，进入21世纪以来，随着人工智能和传感技术的不断发展，测试车逐步向智能化、电动化、轻量化、出行方式共享化的方向发展，智能驾驶测试车作为重要的发展趋势之一。
车辆在道路上进行自动驾驶模式会遇见各种情况，如果发生重大车祸会对人的生命和财产造成重大损失。这是测试车辆的自动驾驶系统的安全性和基本性能就尤为重要，测试场就由此产生，测试场的测试系统也是必不可少的。
2016年5月，在佛罗里达州的威利斯顿附近，一辆特斯拉Model S轿车与一辆卡车发生相撞，造成人类司机当场死亡，事发当时Model S轿车正处于自动驾驶模式下。这是全球公布的第一起自动驾驶致死事件，引发大范围的关于自动驾驶功能安全性的讨论。无独有偶，2018年3月，在亚利桑那州，一辆Uber自动驾驶测试车在交叉口与一名正在过马路的行人相撞，行人在送往医院后不治身亡，这是史上首例自动驾驶车辆在公开路面撞伤行人致死的案例。这些事故充分说明，未通过验证上道路测试的自动驾驶测试车对人类驾驶人或其他道路参与者来说无疑是一个灾难。
国内外关于自动驾驶测试车的交通事故充分表明，自动驾驶测试车上公共道路测试前，需要在可控的真实环境中进行大量的、可重复的、不同层次的测试试验，来确保自动驾驶测试车自身功能的安全性和系统的可靠性，以推动技术创新发展和保障公共安全。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种自动驾驶测试场系统及方法。
根据本发明提供的一种自动驾驶测试场系统，包括：
测试车的数据采集模块：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获取测试车前方目标物体的相对位置和形状大小，通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心；
测试场道路状况采集模块：获取每段道路上的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获得每段道路上的目标物体的相对位置和形状大小，通过路侧基站将每段道路上的目标物体的相对位置和形状大小实时传给控制中心；
控制中心的数据分析系统模块：将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置对道路上的目标物体位置进行均值修正，获得实时动态电子地图。
优选地，所述测试车的数据采集模块包括：
测试车的数据采集模块M1：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息；
测试车的数据采集模块M2：对测试车前方道路图像信息进行去噪声预处理，去噪声预处理后获得待检测图像；
测试车的数据采集模块M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得测试车前方的目标物体的跟踪信息；
测试车的数据采集模块M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试车的数据采集模块M5：将目标物体的跟踪信息与预处理后的激光雷达信息进行融合，获得测试车前方目标物体的相对位置和形状大小信息；
测试车的数据采集模块M6：通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心。
优选地，所述测试场道路状况采集模块包括：
测试场道路状况采集模块M1：获取每段道路的图像信息和激光雷达信息；
测试场道路状况采集模块M2：对每段道路的图像信息进行去噪声预处理得到待检测图像；
测试场道路状况采集模块M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得每段道路的目标物体的跟踪信息；
测试场道路状况采集模块M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试场道路状况采集模块M5：将目标物体的跟踪信息和预处理后的激光雷达信息进行融合，获得每段道路的目标物体的相对位置和形状大小信息；
测试场道路状况采集模块M6：通过路侧基站将每段道路的目标物体的相对位置和形状大小信息实时传给控制中心。
优选地，还包括根据实时动态电子地图对测试车进行安全性评估；
所述安全性评估包括实时动态电子地图中测试车在道路上的速度和行为以及交通规则中的限速和指示灯进行安全性评价。
优选地，所述路侧基站是测试车上的数据采集装置、道路采集装置以及控制中心的信息通信节点，在测试场内每个预设距离设置一个路侧基站，保持信息的及时传输。
根据本发明提供的一种自动驾驶测试场方法，包括：
测试车的数据采集步骤：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获取测试车前方目标物体的相对位置和形状大小，通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心；
测试场道路状况采集步骤：获取每段道路上的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获得每段道路上的目标物体的相对位置和形状大小，通过路侧基站将每段道路上的目标物体的相对位置和形状大小实时传给控制中心；
控制中心的数据分析系统步骤：将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置对道路上的目标物体位置进行均值修正，获得实时动态电子地图。
优选地，所述测试车的数据采集步骤包括：
测试车的数据采集步骤M1：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息；
测试车的数据采集步骤M2：对测试车前方道路图像信息进行去噪声预处理，去噪声预处理后获得待检测图像；
测试车的数据采集步骤M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得测试车前方的目标物体的跟踪信息；
测试车的数据采集步骤M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试车的数据采集步骤M5：将目标物体的跟踪信息与预处理后的激光雷达信息进行融合，获得测试车前方目标物体的相对位置和形状大小信息；
测试车的数据采集步骤M6：通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心。
优选地，所述测试场道路状况采集步骤包括：
测试场道路状况采集步骤M1：获取每段道路的图像信息和激光雷达信息；
测试场道路状况采集步骤M2：对每段道路的图像信息进行去噪声预处理得到待检测图像；
测试场道路状况采集步骤M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得每段道路的目标物体的跟踪信息；
测试场道路状况采集步骤M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试场道路状况采集步骤M5：将目标物体的跟踪信息和预处理后的激光雷达信息进行融合，获得每段道路的目标物体的相对位置和形状大小信息；
测试场道路状况采集步骤M6：通过路侧基站将每段道路的目标物体的相对位置和形状大小信息实时传给控制中心。
优选地，还包括根据实时动态电子地图对测试车进行安全性评估；
所述安全性评估包括实时动态电子地图中测试车在道路上的速度和行为以及交通规则中的限速和指示灯进行安全性评价。
优选地，所述路侧基站是测试车上的数据采集装置、道路采集装置以及控制中心的信息通信节点，在测试场内每个预设距离设置一个路侧基站，保持信息的及时传输。
与现有技术相比，本发明具有如下的有益效果：
1、本发明通过图像分析的方法，构建图像分割和光流法的目标检测和目标跟踪模型，用于将输入的目标图像信息经过去噪预处理之后，进行目标检测和目标跟踪。
2、本发明通过图像和激光雷达融合的方式，构建图像目标跟踪和激光雷达目标测距的模型，用于将图像和激光雷达的数据融合，得到一种更精确的目标跟踪数据。
3、本发明通过测试车和道路采集装置的数据融合，绘制一种更为高精度的实时动态电子地图，该地图记录测试场的各个物体运动路线和状态。
4、本发明通过上述的实时动态电子地图对测试车进行评价，通过动态地图的可以精确进行复现和评鉴自动驾驶的系统操作，更为精确地发现测试车存在的缺陷。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的自动驾驶测试场系统。
图2为本发明提供的图像处理以及激光雷达融合模型。
图3为本发明提过的控制中心数据处理模型。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种自动驾驶测试场系统，包括：
测试车的数据采集模块：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获取测试车前方目标物体的相对位置和形状大小，通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心；
测试场道路状况采集模块：获取每段道路上的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获得每段道路上的目标物体的相对位置和形状大小，通过路侧基站将每段道路上的目标物体的相对位置和形状大小实时传给控制中心；
控制中心的数据分析系统模块：将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置对道路上的目标物体位置进行均值修正，获得实时动态电子地图。
具体地，所述测试车的数据采集模块包括：
测试车的数据采集模块M1：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息；
测试车的数据采集模块M2：对测试车前方道路图像信息进行去噪声预处理，去噪声预处理后获得待检测图像；
测试车的数据采集模块M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得测试车前方的目标物体的跟踪信息；
测试车的数据采集模块M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试车的数据采集模块M5：将目标物体的跟踪信息与预处理后的激光雷达信息进行融合，获得测试车前方目标物体的相对位置和形状大小信息；
测试车的数据采集模块M6：通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心。
具体地，所述测试场道路状况采集模块包括：
测试场道路状况采集模块M1：获取每段道路的图像信息和激光雷达信息；
测试场道路状况采集模块M2：对每段道路的图像信息进行去噪声预处理得到待检测图像；
测试场道路状况采集模块M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得每段道路的目标物体的跟踪信息；
测试场道路状况采集模块M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试场道路状况采集模块M5：将目标物体的跟踪信息和预处理后的激光雷达信息进行融合，获得每段道路的目标物体的相对位置和形状大小信息；
测试场道路状况采集模块M6：通过路侧基站将每段道路的目标物体的相对位置和形状大小信息实时传给控制中心。
具体地，还包括根据实时动态电子地图对测试车进行安全性评估；
所述安全性评估包括实时动态电子地图中测试车在道路上的速度和行为以及交通规则中的限速和指示灯进行安全性评价。
具体地，所述路侧基站是测试车上的数据采集装置、道路采集装置以及控制中心的信息通信节点，在测试场内每个预设距离设置一个路侧基站，保持信息的及时传输。
根据本发明提供的一种自动驾驶测试场方法，如图1-3所示，包括：
测试车的数据采集步骤：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获取测试车前方目标物体的相对位置和形状大小，通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心；
测试场道路状况采集步骤：获取每段道路上的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获得每段道路上的目标物体的相对位置和形状大小，通过路侧基站将每段道路上的目标物体的相对位置和形状大小实时传给控制中心；
控制中心的数据分析系统步骤：将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置对道路上的目标物体位置进行均值修正，获得实时动态电子地图。
具体地，所述测试车的数据采集步骤包括：
测试车的数据采集步骤M1：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息；
测试车的数据采集步骤M2：对测试车前方道路图像信息进行去噪声预处理，去噪声预处理后获得待检测图像；
测试车的数据采集步骤M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得测试车前方的目标物体的跟踪信息；
测试车的数据采集步骤M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试车的数据采集步骤M5：将目标物体的跟踪信息与预处理后的激光雷达信息进行融合，获得测试车前方目标物体的相对位置和形状大小信息；
测试车的数据采集步骤M6：通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心。
具体地，所述测试场道路状况采集步骤包括：
测试场道路状况采集步骤M1：获取每段道路的图像信息和激光雷达信息；
测试场道路状况采集步骤M2：对每段道路的图像信息进行去噪声预处理得到待检测图像；
测试场道路状况采集步骤M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得每段道路的目标物体的跟踪信息；
测试场道路状况采集步骤M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试场道路状况采集步骤M5：将目标物体的跟踪信息和预处理后的激光雷达信息进行融合，获得每段道路的目标物体的相对位置和形状大小信息；
测试场道路状况采集步骤M6：通过路侧基站将每段道路的目标物体的相对位置和形状大小信息实时传给控制中心。
具体地，还包括根据实时动态电子地图对测试车进行安全性评估；
所述安全性评估包括实时动态电子地图中测试车在道路上的速度和行为以及交通规则中的限速和指示灯进行安全性评价。
具体地，所述路侧基站是测试车上的数据采集装置、道路采集装置以及控制中心的信息通信节点，在测试场内每个预设距离设置一个路侧基站，保持信息的及时传输。
实施例2
实施例2是实施例1的变化例
本发明涉及自动驾驶测试场领域，具体来说是一种自动驾驶测试场系统及方法。车辆在道路上进行自动驾驶模式会遇见各种情况，如果发生重大车祸会对人的生命和财产造成重大损失。这是测试车辆的自动驾驶系统的安全性和基本性能就尤为重要，测试场就由此产生，测试场的测试系统也是必不可少的。本发明就是提出一种自动驾驶测试场系统，其基本原理：利用视觉信息和激光雷达对车辆进行实时的监控，和车辆本身和道路采集装置结合的原理来对车辆进行精确的测试评价。该架构设计了三部分，测试车的采集装置，道路采集装置和控制中心等。在前两者中是对道路上的信息分析处理，以确定道路上的车和人等的位置，同时对各个目标进行跟踪，图像处理部分是对图像预处理和对图像目标检测和目标跟踪等，然后在和激光雷达等信息进行融合，使对目标对位置和速度等信息更为精确。后者是对测试车的数据和道路采集装置的数据进行计算融合，以达到对电子地图的更新，同时也可以对测试车进行监视和评价。本发明能够很好的应用在自动驾驶测试场上，利用测试车本身和道路采集装置等的传感器装置进行对道路的车和人更好的检测和跟踪，具有极大的应用价值。
本发明的目的是通过以下技术方案来实现的：
一种自动驾驶测试场系统及方法，其特征在于：测试车的数据采集模型：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息等数据，然后对图像信息进行目标检测和跟踪，并和激光雷达信息进行融合，以获取测试车前方目标物体的相对位置和形状大小信息等数据，最后通过路侧的基站将目标物体的相对位置和形状大小等的数据实时的传给总控制中心。测试场道路状况采集模型：获取每段道路上的图像信息和激光雷达信息等数据，然后对图像信息进行目标检测和跟踪，并和激光雷达信息进行融合，以获得每段道路上的目标物体的相对位置和形状大小信息等数据，最后通过路侧基站将每段道路上的目标物体的相对位置和形状大小等的数据实时的传给控制中心。控制中心的数据分析系统模型：将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置进行对道路上的目标物体位置均值修正，以获得高精度的实时动态电子地图。这三部分结合在一起，组成了该自动驾驶测试场系统。
一种测试车的数据采集装置，其特征在于：在获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息等数据后，并对测试车前方道路图像信息进行去噪声预处理，去噪声预处理后获得待检测图像，然后对待检测图像进行超像素分割和流光法的方法进行目标检测，以获得测试车前方的目标物体的跟踪信息，同时对激光雷达信息进行去噪声处理，并将通过对图像目标检测获得的目标物体信息和去噪声后的激光雷达信息进行融合，以获得测试车前方目标物体的相对位置和形状大小信息，并通过路侧的基站将目标物体的相对位置和形状大小等的数据实时的传给总控制中心。
一种测试场道路状况采集装置，其特征在于：在获取每段道路的图像信息和激光雷达信息等数据后，并对每段道路的图像信息进行去噪声预处理，去噪声预处理后获得待检测图像，然后对待检测图像进行超像素分割和流光法的方法进行目标检测，以获得每段道路的目标物体的跟踪信息，同时对激光雷达信息进行去噪声处理，并将通过对图像目标检测获得的目标物体信息和去噪声后的激光雷达信息进行融合，以获得每段道路的目标物体的相对位置和形状大小信息，并通过路侧基站将每段道路的目标物体的相对位置和形状大小等的数据实时的传给控制中心。
一种控制中心的数据分析系统，其特征在于：将对多个道路上的目标物体的相对位置信息和形状大小信息和多个自动驾驶测试车前方道路的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，融合是根据每个道路采集装置的在电子地图中的位置信息进行计算其他目标物体在电子地图中的位置信息和大小信息，同时多个测试车传来的数据以及自身的位置信息对道路上的目标物体位置和大小进行均值修正，以获得高精度的实时动态电子地图。然后安全性评价系统根据高精度的实时动态电子地图中的测试车进行安全性评价等。
一种安全性评价系统，其特征在于：根据实时动态电子地图中测试车在道路上的速度和行为以及交通规则中的限速和指示灯等进行安全性评价等。
一种数据传输系统，其特征在于：设置路侧基站作为测试车上的数据采集装置、道路采集装置和控制中心的信息通信节点，在测试场内每个一定距离设置一个路侧基站，以保持信息的及时的传输。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种自动驾驶测试场系统，其特征在于，包括：
测试车的数据采集模块：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获取测试车前方目标物体的相对位置和形状大小，通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心；
测试场道路状况采集模块：获取每段道路上的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获得每段道路上的目标物体的相对位置和形状大小，通过路侧基站将每段道路上的目标物体的相对位置和形状大小实时传给控制中心；
控制中心的数据分析系统模块：将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置对道路上的目标物体位置进行均值修正，获得实时动态电子地图。
2.根据权利要求1所述的自动驾驶测试场系统，其特征在于，所述测试车的数据采集模块包括：
测试车的数据采集模块M1：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息；
测试车的数据采集模块M2：对测试车前方道路图像信息进行去噪声预处理，去噪声预处理后获得待检测图像；
测试车的数据采集模块M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得测试车前方的目标物体的跟踪信息；
测试车的数据采集模块M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试车的数据采集模块M5：将目标物体的跟踪信息与预处理后的激光雷达信息进行融合，获得测试车前方目标物体的相对位置和形状大小信息；
测试车的数据采集模块M6：通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心。
3.根据权利要求1所述的自动驾驶测试场系统，其特征在于，所述测试场道路状况采集模块包括：
测试场道路状况采集模块M1：获取每段道路的图像信息和激光雷达信息；
测试场道路状况采集模块M2：对每段道路的图像信息进行去噪声预处理得到待检测图像；
测试场道路状况采集模块M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得每段道路的目标物体的跟踪信息；
测试场道路状况采集模块M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试场道路状况采集模块M5：将目标物体的跟踪信息和预处理后的激光雷达信息进行融合，获得每段道路的目标物体的相对位置和形状大小信息；
测试场道路状况采集模块M6：通过路侧基站将每段道路的目标物体的相对位置和形状大小信息实时传给控制中心。
4.根据权利要求1所述的自动驾驶测试场系统，其特征在于，还包括根据实时动态电子地图对测试车进行安全性评估；
所述安全性评估包括实时动态电子地图中测试车在道路上的速度和行为以及交通规则中的限速和指示灯进行安全性评价。
5.根据权利要求1所述的自动驾驶测试场系统，其特征在于，所述路侧基站是测试车上的数据采集装置、道路采集装置以及控制中心的信息通信节点，在测试场内每个预设距离设置一个路侧基站，保持信息的及时传输。
6.一种自动驾驶测试场方法，其特征在于，包括：
测试车的数据采集步骤：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获取测试车前方目标物体的相对位置和形状大小，通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心；
测试场道路状况采集步骤：获取每段道路上的图像信息和激光雷达信息，并对图像信息及激光雷达信息进行预处理，对预处理后的图像信息进行目标检测和跟踪，并和预处理后的激光雷达信息进行融合，获得每段道路上的目标物体的相对位置和形状大小，通过路侧基站将每段道路上的目标物体的相对位置和形状大小实时传给控制中心；
控制中心的数据分析系统步骤：将对多个道路上和多个自动驾驶测试车前方的目标物体的相对位置和形状大小信息以及测试场的电子地图进行融合，根据道路采集装置的位置进行计算其他目标物体的位置信息，同时根据测试车传来的数据和自身的位置对道路上的目标物体位置进行均值修正，获得实时动态电子地图。
7.根据权利要求6所述的自动驾驶测试场方法，其特征在于，所述测试车的数据采集步骤包括：
测试车的数据采集步骤M1：获取在测试车自动驾驶模式下的测试车前方道路的图像信息和激光雷达信息；
测试车的数据采集步骤M2：对测试车前方道路图像信息进行去噪声预处理，去噪声预处理后获得待检测图像；
测试车的数据采集步骤M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得测试车前方的目标物体的跟踪信息；
测试车的数据采集步骤M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试车的数据采集步骤M5：将目标物体的跟踪信息与预处理后的激光雷达信息进行融合，获得测试车前方目标物体的相对位置和形状大小信息；
测试车的数据采集步骤M6：通过路侧的基站将目标物体的相对位置和形状大小实时传给总控制中心。
8.根据权利要求6所述的自动驾驶测试场方法，其特征在于，所述测试场道路状况采集步骤包括：
测试场道路状况采集步骤M1：获取每段道路的图像信息和激光雷达信息；
测试场道路状况采集步骤M2：对每段道路的图像信息进行去噪声预处理得到待检测图像；
测试场道路状况采集步骤M3：对待检测图像进行超像素分割，并利用流光法进行目标检测，获得每段道路的目标物体的跟踪信息；
测试场道路状况采集步骤M4：对激光雷达信息进行去噪声预处理，得到预处理后的激光雷达信息；
测试场道路状况采集步骤M5：将目标物体的跟踪信息和预处理后的激光雷达信息进行融合，获得每段道路的目标物体的相对位置和形状大小信息；
测试场道路状况采集步骤M6：通过路侧基站将每段道路的目标物体的相对位置和形状大小信息实时传给控制中心。
9.根据权利要求6所述的自动驾驶测试场方法，其特征在于，还包括根据实时动态电子地图对测试车进行安全性评估；
所述安全性评估包括实时动态电子地图中测试车在道路上的速度和行为以及交通规则中的限速和指示灯进行安全性评价。
10.根据权利要求6所述的自动驾驶测试场方法，其特征在于，所述路侧基站是测试车上的数据采集装置、道路采集装置以及控制中心的信息通信节点，在测试场内每个预设距离设置一个路侧基站，保持信息的及时传输。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111144825.7A CN113781471B (zh) | 2021-09-28 | 2021-09-28 | 一种自动驾驶测试场系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111144825.7A CN113781471B (zh) | 2021-09-28 | 2021-09-28 | 一种自动驾驶测试场系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113781471A true CN113781471A (zh) | 2021-12-10 |
| CN113781471B CN113781471B (zh) | 2023-10-27 |
Family
ID=78854249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111144825.7A Active CN113781471B (zh) | 2021-09-28 | 2021-09-28 | 一种自动驾驶测试场系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781471B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114501179A (zh) * | 2022-01-12 | 2022-05-13 | 清华大学苏州汽车研究院（吴江） | 一种服务于车路协同道路基础设施数据质量测试的真值采集系统 |
| CN115576465A (zh) * | 2022-10-10 | 2023-01-06 | 昆易电子科技(上海)有限公司 | 采集数据的动态展示方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1186182A (ja) * | 1997-09-01 | 1999-03-30 | Honda Motor Co Ltd | 自動運転制御システム |
| CN110785718A (zh) * | 2019-09-29 | 2020-02-11 | 驭势科技（北京）有限公司 | 一种车载自动驾驶测试系统及测试方法 |
| CN110853393A (zh) * | 2019-11-26 | 2020-02-28 | 清华大学 | 智能网联车辆测试场数据采集与融合方法及系统 |
| CN110988912A (zh) * | 2019-12-06 | 2020-04-10 | 中国科学院自动化研究所 | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 |
| CN112307594A (zh) * | 2020-09-22 | 2021-02-02 | 中国汽车技术研究中心有限公司 | 道路数据采集和模拟场景建立一体化系统及方法 |
| CN112693466A (zh) * | 2021-01-29 | 2021-04-23 | 重庆长安汽车股份有限公司 | 一种车辆环境感知传感器性能测评系统及方法 |
| CN112926514A (zh) * | 2021-03-26 | 2021-06-08 | 哈尔滨工业大学（威海） | 一种多目标检测及跟踪方法、系统、存储介质及应用 |
-
2021
- 2021-09-28 CN CN202111144825.7A patent/CN113781471B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1186182A (ja) * | 1997-09-01 | 1999-03-30 | Honda Motor Co Ltd | 自動運転制御システム |
| CN110785718A (zh) * | 2019-09-29 | 2020-02-11 | 驭势科技（北京）有限公司 | 一种车载自动驾驶测试系统及测试方法 |
| CN110853393A (zh) * | 2019-11-26 | 2020-02-28 | 清华大学 | 智能网联车辆测试场数据采集与融合方法及系统 |
| CN110988912A (zh) * | 2019-12-06 | 2020-04-10 | 中国科学院自动化研究所 | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 |
| CN112307594A (zh) * | 2020-09-22 | 2021-02-02 | 中国汽车技术研究中心有限公司 | 道路数据采集和模拟场景建立一体化系统及方法 |
| CN112693466A (zh) * | 2021-01-29 | 2021-04-23 | 重庆长安汽车股份有限公司 | 一种车辆环境感知传感器性能测评系统及方法 |
| CN112926514A (zh) * | 2021-03-26 | 2021-06-08 | 哈尔滨工业大学（威海） | 一种多目标检测及跟踪方法、系统、存储介质及应用 |
Non-Patent Citations (5)
| Title |
|---|
| BRAVEHEART: "基于雷达与摄像机数据融合的自动驾驶目标检测新方法（上）", pages 1, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/358420354?utm_id=0> * |
| M. SNORRASON等: "Automatic target detection using PMMW and LADAR imagery", 《2002 INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION》, pages 1 - 4 * |
| 戴德云等: "动态场景下基于稠密场景流的运动目标检测", 《第18届中国系统仿真技术及其应用学术年会论文集（18TH CCSSTA 2017）》, pages 275 - 279 * |
| 陈莹等: "多传感车道检测及目标跟踪的新型融合方法", 《第二十六届中国控制会议论文集》, pages 2674 - 2677 * |
| 高洪波等: "基于深度学习的自动驾驶技术综述", 《清华大学学报(自然科学版)》, vol. 58, no. 4, pages 438 - 444 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114501179A (zh) * | 2022-01-12 | 2022-05-13 | 清华大学苏州汽车研究院（吴江） | 一种服务于车路协同道路基础设施数据质量测试的真值采集系统 |
| CN114501179B (zh) * | 2022-01-12 | 2023-06-23 | 清华大学苏州汽车研究院（吴江） | 一种服务于车路协同道路基础设施数据质量测试的真值采集系统 |
| CN115576465A (zh) * | 2022-10-10 | 2023-01-06 | 昆易电子科技(上海)有限公司 | 采集数据的动态展示方法、装置、电子设备及存储介质 |
| CN115576465B (zh) * | 2022-10-10 | 2024-04-02 | 昆易电子科技(上海)有限公司 | 采集数据的动态展示方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113781471B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107843440B (zh) | 一种自动驾驶车辆性能测试系统及方法 | |
| CN107782564B (zh) | 一种自动驾驶车辆测评系统及方法 | |
| CN111524357B (zh) | 用于车辆安全行驶所需的多数据融合的方法 | |
| CN112789619B (zh) | 一种仿真场景的构建方法、仿真方法以及设备 | |
| Singh et al. | Autonomous cars: Recent developments, challenges, and possible solutions | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| Soteropoulos et al. | Automated drivability: Toward an assessment of the spatial deployment of level 4 automated vehicles | |
| KR101040118B1 (ko) | 교통사고 재현 시스템 및 그 제어방법 | |
| CN113340325B (zh) | 一种验证车路协同路侧感知融合精度的系统、方法及介质 | |
| CN113313154A (zh) | 一体化融合多传感器自动驾驶智能感知装置 | |
| Tian et al. | Estimation of the vehicle-pedestrian encounter/conflict risk on the road based on TASI 110-car naturalistic driving data collection | |
| CN110796007B (zh) | 场景识别的方法与计算设备 | |
| Zhou et al. | A framework for virtual testing of ADAS | |
| CN108645628A (zh) | 基于道路驾驶技能的自动驾驶汽车测试系统 | |
| CN113781471B (zh) | 一种自动驾驶测试场系统及方法 | |
| Zyner et al. | ACFR five roundabouts dataset: Naturalistic driving at unsignalized intersections | |
| CN102800207A (zh) | 交通信号检测系统和方法 | |
| CN112116031B (zh) | 基于路侧设备的目标融合方法、系统、车辆及存储介质 | |
| CN103903438A (zh) | 客运车辆违规停车地点识别方法及系统 | |
| CN103903439A (zh) | 客运车辆违规停车地点识别方法及系统 | |
| CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
| CN111882924A (zh) | 车辆测试系统、驾驶行为判断控制方法及事故预警方法 | |
| CN110083099A (zh) | 一种符合汽车功能安全标准自动驾驶架构系统和工作方法 | |
| CN111422202B (zh) | 智能驾驶考试评判方法 | |
| CN112885114A (zh) | 一种远距离实时跟踪车辆轨迹的系统及其应用 |
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 |