CN113805834A - 一种汽车智能座舱测试方法、系统、装置和存储介质 - Google Patents
一种汽车智能座舱测试方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN113805834A CN113805834A CN202110967190.4A CN202110967190A CN113805834A CN 113805834 A CN113805834 A CN 113805834A CN 202110967190 A CN202110967190 A CN 202110967190A CN 113805834 A CN113805834 A CN 113805834A
- Authority
- CN
- China
- Prior art keywords
- test
- instrument
- audio
- image data
- intelligent
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 257
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 88
- 238000004088 simulation Methods 0.000 claims description 52
- 238000004891 communication Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008034 disappearance Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- 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
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及一种汽车智能座舱测试方法、系统、装置和存储介质，包括预先编辑汽车智能座舱的多个测试用例和所有测试用例的测试顺序；模拟所述汽车智能座舱的实车操作环境，在所述实车操作环境下，分别实时采集所述汽车智能座舱输出的视频图像数据和音频数据；按照所述测试顺序，根据所述视频图像数据和所述音频图像执行所有测试用例，得到测试结果并输出。本发明实现了汽车智能座舱的自动化测试，可以自动并重复执行测试，大大节约了人力成本，且能保证较高的准确率和测试质量。
Description
技术领域
本发明涉及汽车电子检测领域，尤其涉及一种汽车智能座舱测试方法、系统、装置和存储介质。
背景技术
随着电子信息以及互联网的飞速发展，智能座舱正在广泛应用于汽车中，显著的特点就是全液晶仪表和中控智能主机的诞生和普及，以及智能座舱内多屏显示。时至今日，汽车仪表盘已经不再仅仅是显示车速、发动机转速、油量等基本信息，其所能显示的信息可谓相当庞大。同时为了保证行车安全，驾驶员需专心驾驶，双手不要脱离方向盘，此时控制智能主机成了驾驶员不可或缺的朋友。然而，系统越是复杂，汽车仪表盘出错的可能性也就越大，汽车智能座舱的检测难度也就会相应增加。因此，汽车智能座舱出厂前需要对其各项功能进行严格的检测及校正。
然而，目前对于汽车智能座舱的测试，绝大多数主要还是以人工检测为主，受测试人员经验影响大，效率较低，准确率也不高，容易出现错检漏检现象。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种汽车智能座舱测试方法、系统、装置和存储介质，实现了汽车智能座舱的自动化测试，可以自动并重复执行测试，大大节约了人力成本，且能保证较高的准确率和测试质量。
本发明解决上述技术问题的技术方案如下：
一种汽车智能座舱测试系统，包括测试用例编辑模块、测试用例执行模块、图像采集模块、音频采集模块、测试环境模拟模块和通信模块：
所述测试用例编辑模块用于预先编辑汽车智能座舱的多个测试用例和所有测试用例的测试顺序；
所述测试环境模拟模块用于模拟所述汽车智能座舱的实车操作环境；
所述图像采集模块用于在所述实车操作环境下实时采集所述汽车智能座舱输出的视频图像数据；
所述音频采集模块用于在所述实车操作环境下实时采集所述汽车智能座舱输出的音频数据；
所述通信模块用于将所述视频图像数据和所述音频数据发送至所述测试用例执行模块；
所述测试用例执行模块用于按照所述测试顺序，根据所述视频图像数据和所述音频图像执行所有测试用例，得到测试结果并输出。
依据本发明的另一方面，还提供了一种汽车智能座舱测试方法，采用本发明中的汽车智能座舱测试系统进行测试，包括以下步骤：
预先编辑汽车智能座舱的多个测试用例和所有测试用例的测试顺序；
模拟所述汽车智能座舱的实车操作环境，在所述实车操作环境下，分别实时采集所述汽车智能座舱输出的视频图像数据和音频数据；
按照所述测试顺序，根据所述视频图像数据和所述音频图像执行所有测试用例，得到测试结果并输出。
依据本发明的另一方面，提供了一种汽车智能座舱测试装置，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现本发明的汽车智能座舱测试系统中的功能。
依据本发明的另一方面，提供了一种计算机存储介质，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现本发明的汽车智能座舱测试系统中的功能。
本发明的汽车智能座舱测试方法、系统、装置和存储介质的有益效果是：利用测试用例编辑模块预先编辑汽车智能座舱相应的多个测试用例，以及这些测试用例的测试顺序，便于后续采集的数据根据这些测试用例和测试顺序来进行自动化和重复测试；在采集数据之前，利用测试环境模拟模块来模拟实车操作环境，便于汽车智能座舱在出厂之前，按照实车操作环境来输出与真实环境下相同的数据，使得汽车智能座舱的测试更加真实可靠；利用图像采集模块来采集实车操作环境下的视频图像数据，便于基于机器视觉技术来进行后续的测试，更加智能化；利用音频采集模块来采集实车操作环境下的音频数据，可以检测汽车智能座舱中相关音频设备的正常与否，从更加全面的角度来保证汽车智能座舱的可靠性；利用通信模块便于上述各模块之间的数据交互，保证测试的顺利进行；最后利用测试用例执行模块来根据视频图像数据和音频数据来执行所有测试用例，实现汽车智能座舱的自动化测试；
本发明的汽车智能座舱测试方法、系统、装置和存储介质，实现了汽车智能座舱的自动化测试，可以自动并重复执行测试，大大节约了人力成本，且能保证较高的准确率和测试质量，测试全面可靠，智能化程度高。
附图说明
图1为本发明实施例一中一种汽车智能座舱测试系统的结构示意图；
图2为本发明实施例一中另一种汽车智能座舱测试系统的结构示意图；
图3为本发明实施例二中一种汽车智能座舱测试方法的流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
下面结合附图，对本发明进行说明。
实施例一、如图1所示，一种汽车智能座舱测试系统，包括测试用例编辑模块、测试用例执行模块、图像采集模块、音频采集模块、测试环境模拟模块和通信模块：
所述测试用例编辑模块用于预先编辑汽车智能座舱的多个测试用例和所有测试用例的测试顺序；
所述测试环境模拟模块用于模拟所述汽车智能座舱的实车操作环境；
所述图像采集模块用于在所述实车操作环境下实时采集所述汽车智能座舱输出的视频图像数据；
所述音频采集模块用于在所述实车操作环境下实时采集所述汽车智能座舱输出的音频数据；
所述通信模块用于将所述视频图像数据和所述音频数据发送至所述测试用例执行模块；
所述测试用例执行模块用于按照所述测试顺序，根据所述视频图像数据和所述音频图像执行所有测试用例，得到测试结果并输出。
利用测试用例编辑模块预先编辑汽车智能座舱相应的多个测试用例，以及这些测试用例的测试顺序，便于后续采集的数据根据这些测试用例和测试顺序来进行自动化和重复测试；在采集数据之前，利用测试环境模拟模块来模拟实车操作环境，便于汽车智能座舱在出厂之前，按照实车操作环境来输出与真实环境下相同的数据，使得汽车智能座舱的测试更加真实可靠；利用图像采集模块来采集实车操作环境下的视频图像数据，便于基于机器视觉技术来进行后续的测试，更加智能化；利用音频采集模块来采集实车操作环境下的音频数据，可以检测汽车智能座舱中相关音频设备的正常与否，从更加全面的角度来保证汽车智能座舱的可靠性；利用通信模块便于上述各模块之间的数据交互，保证测试的顺利进行；最后利用测试用例执行模块来根据视频图像数据和音频数据来执行所有测试用例，实现汽车智能座舱的自动化测试；
本实施例的汽车智能座舱测试系统，实现了汽车智能座舱的自动化测试，可以自动并重复执行测试，大大节约了人力成本，且能保证较高的准确率和测试质量，测试全面可靠，智能化程度高。
优选地，如图2所示，测试用例包括仪表图标检测案例和音频检测案例；所述测试用例编辑模块包括编辑单元、转换单元、编码单元和排序单元；
所述编辑单元用于分别编辑多个仪表图标检测案例和多个音频检测案例，所有仪表图标检测案例的格式和所有音频检测案例的格式均为TCS格式；
所述转换单元用于将每个仪表图标检测案例分别转换成可执行的仪表图标检测文件，并将每个音频检测案例分别转换成可执行的音频检测文件，所有仪表图标检测文件的格式和所有音频检测文件的格式均为二进制BIN格式；
所述编码单元用于按照预设编码规则，定义所有仪表图标检测文件和所有音频检测文件的编码；
所述排序单元用于对所有编码进行升序排列，得到所述测试顺序。
通过分别编辑多个音频检测案例和多个仪表图标检测案例，一方面可以同时实现汽车智能座舱中仪表和音频设备的自动化功能测试，多角度保证汽车智能座舱的质量，提高测试覆盖率；另一方面可以实现多次重复测试，避免一次测试而出现的误差，提高测试的可靠性。通过转换单元将编辑出的音频检测案例和仪表图标检测案例分别转换为可执行的检测文件，便于后续测试用例执行模块直接执行，保证测试的顺利进行，提高测试效率。利用编码单元对每个检测文件进行编码，便于排序单元进行排序得到测试顺序，通过排序单元根据编码进行升序排列得到的测试顺序，保证所有测试用例有条不紊地自动执行，提高汽车智能座舱的自动化测试性能，提高测试用例的执行效率和准确性，避免了视觉疲劳、听觉疲劳、判断失误等人为因素对测试结果产生的影响，节省人力测试成本。
具体地，本实施例中所有仪表图标检测案例的格式和所有音频检测案例的格式均为TCS格式，所有仪表图标检测文件的格式和所有音频检测文件的格式均为二进制BIN格式。
具体地，仪表图标检测案例包括但不局限于仪表图标显示检测案例(用于检测仪表的图标坐标、大小、颜色等是否正常)、仪表图标闪烁检测案例(用于检测仪表的图标闪烁的颜色、频率等是否正常)、仪表图标消失检测案例(用于检测仪表的图标消失条件和再显示的条件等是否正常)和仪表图标定时显示检测案例(用于检测仪表的图标定时显示的颜色、频率等是否正常)。通过这些不同类别的检测案例，能全方位地测试出每个仪表和音频设备的正常情况，保证整个汽车智能座舱的可靠性。
具体地，本实施例预设编码规则可以根据实际情况来设置，例如将所有测试用例按照优先级(优先级可根据汽车仪表和音频设备的重要程度来设置)来进行数值编码，如001、002、003、……，也可以将所有测试用例按照优先级来进行二进制编码，如0000、0001、0010……。当所有测试用例编码之后，按照编码的数值大小进行升序排列，得到的序列即为所有测试用例的测试顺序。
优选地，如图2所示，所述测试环境模拟模块包括电源模拟单元和通信网络模拟单元，所述实车操作环境包括电源仿真环境和通信网络仿真环境；
所述电源模拟单元用于按照预设的电源驱动电压，向所述汽车智能座舱输出模拟电压，模拟得到所述电源仿真环境；
所述通信网络模拟单元用于按照预设的总线驱动信号，向所述汽车智能座舱收发模拟总线信号，模拟得到所述通信网络仿真环境。
通过电源模拟单元来模拟电源仿真环境，以便汽车智能座舱在测试时按照真实的环境来进行工作，进而保证后续采集的视频图像数据和音频数据的可靠性；通过通信网络模拟单元来模拟通信网络仿真环境，以便实现采集到的视频图像数据和音频数据等数据按照真实网络环境进行交互。
优选地，如图2所示，所述视频图像数据具体为多帧RGB图片数据构成的数据序列，所述图像采集模块包括图像采集卡和图像处理单元；
所述图像采集卡用于在所述电源仿真环境下实时采集所述汽车智能座舱输出的串行视频信号，并在所述通信网络仿真环境下将所述串行视频信号发送至所述图像处理单元；
所述图像处理单元用于将所述串行视频信号解串为RGB视频信号，并将所述RGB视频信号转换为MPEG视频流；还用于将所述MPEG视频流逐帧转换为RGB图片数据，并在所述通信网络仿真环境下，通过所述通信模块将所有RGB图片数据逐帧发送至所述测试用例执行模块。
利用图像采集卡来采集串行视频信号，一方面便于后续实现图像的逐帧处理，基于机器视觉技术来提高测试准确率；另一方面避免传统技术中采用摄像头来采集时，受摄像头参数和外部光线影响而导致数据质量差，抗干扰性强；通过图像处理单元执行上述功能，便于后续基于机器视觉技术来实现更准确地数据分析，进而有效提高测试准确率。
具体地，本实施例中图像处理单元集成在图像采集卡内，将被测的汽车智能座舱用于输出显示画面到液晶屏幕的FPDLink-III视频信号线，连接到图像采集卡的视频输入端口上。图像采集卡采集到LVDS串行视频信号，通过其内的图像处理单元将LVDS串行视频信号先解串为RGB视频信号，再转换为MPEG视频流。然后将图像采集卡插在PC端的上位机上的USB端口上模拟为USB摄像头设备，利用PC端上位机将图像采集卡输入的MPEG视频流逐帧转换为RGB图片数据，供后续的模块来分析。
优选地，如图2所示，所述汽车智能座舱测试系统还包括机器学习识别模块；
所述机器学习识别模块具体用于：
在所述通信网络仿真环境下，通过所述通信模块逐帧接收RGB图片数据；
选取任一帧RGB图片数据，采用高斯滤波处理方法，对选取的RGB图片数据进行去噪，得到第一图片数据，并采用预设的大和卷积模糊图像去除所述第一图像数据中的背景，得到第二图片数据；
对所述第二图片数据进行二值化处理，得到第三图片数据，并按照预设阈值，对所述第三图片数据进行阈值分割，得到所述第三图片数据对应的多个分割图片；
分别提取每个分割图像中特征点，将所有特征点输入预先训练好的深度学习卷积网络，识别出选取的RGB图像数据中的多个仪表图标图片数据；
遍历每帧RGB图片数据，识别出每帧RGB图像数据中的多个仪表图标图片数据；并通过所述通信模块将每帧RGB图像数据对应的所有仪表图标图片数据逐帧发送至所述测试用例执行模块。
通过高斯滤波处理进行去噪，提高图片数据的质量，对得到的第一图片数据依次进行去除背景、二值化处理和阈值分割，便于后续仪表图标的特征提取和识别；对阈值分割后的每个分割图像进行特征提取，并将提取的特征点输入到预先训练好的深度学习卷积网络，基于机器学习方法对每个分割图像进行分类识别，识别出具有仪表图标特征的仪表图标图片数据，去除与仪表图标不相关的图片数据，有效减少了数据数量，便于后续测试用例执行模块进行分类和智能化自动测试，提高测试效率。
优选地，如图2所示，所述测试用例执行模块包括数据接收单元、用例分类单元、仪表用例测试单元和音频用例测试单元：
所述数据接收单元用于接收所述通信模块发送的所述音频数据，还用于接收所述通信模块逐帧发送的所有仪表图标图片数据；
所述用例分类单元用于对所有帧的所有仪表图标图片数据进行分类，得到所述汽车智能座舱中每个仪表对应的仪表图标图片数据序列；
所述仪表用例测试单元用于选取任一个仪表的仪表图标图像数据序列，按照所述测试顺序，将选取的仪表图标图像数据序列依次输入到每个仪表图标检测文件中，依次执行每个仪表图标检测文件得到选取的仪表对应的仪表测试结果并输出；还用于遍历每个仪表的仪表图标图片数据序列，得到每个仪表对应的仪表测试结果并输出；
所述音频用例测试单元用于对所述音频数据进行预处理，并按照所述测试顺序，将预处理后的所述音频数据依次输入每个音频检测文件中，依次执行每个音频检测文件得到音频测试结果并输出。
当数据接收单元接收所有帧的仪表图标图片数据之后，按照汽车智能座舱的仪表类型将这些仪表图标图片数据进行分类，得到每个仪表对应的仪表图标图片数据序列，便于后续按照仪表来进行对应的仪表图标测试；然后按照预先编辑的测试顺序将每个仪表图标图片数据序列依次输入到每个仪表图标检测文件中，实现每个仪表的全方位的、重复化的自动测试；对于接收到的音频数据之后，对音频数据进行预处理，可以提高音频数据的质量，有利于提高后续音频数据的测试准确率，将预处理后的音频数据按照测试顺序依次输入每个音频检测文件中，同理实现音频设备的全方位的、重复化的自动测试，显著提高了汽车智能座舱的测试效率，大大减小人工测试成本。
具体地，在执行一个音频检测文件的一个实施例中，该音频检测文件所对应的测试流程的具体如下：
预先提取标准音频数据，计算经音频用例测试单元预处理后的音频数据与该标准音频数据之间的余弦相似度，将余弦相似度作为对应的音频检测文件的测试结果。
其他的音频检测文件所对应的测试流程可以根据实际情况设置，当预处理后的音频数据按照测试顺序依次输入到每个音频检测文件中，得到每个音频检测文件对应的测试结果，最终将所有测试结果作为音频测试结果(所有仪表图标检测文件所执行后得到的结果即为仪表图标测试结果，根据音频测试结果和仪表图标测试结果生成测试报告并进行输出)。
具体地，对音频数据的预处理采用现有的常规处理方法，例如在音频采集模块采集到的音频数据中截取部分有效数据，再对该有效数据进行音频滤波和特征提取，具体细节此处不再列举。
具体地，设仪表图标检测案例和音频检测案例的总数(即测试用例的总数)为N，当N个测试用例均执行完之后，生成测试报告并进行输出，在每个测试用例执行的过程中，若出现异常则也将异常情况记录在测试报告中，以便相关人员进行追溯和分析，进而便于后续对测试用例的更新，完善整个汽车智能座舱测试系统。
实施例二、如图3所示，一种汽车智能座舱测试方法，采用实施例一的汽车智能座舱测试系统进行测试，包括以下步骤：
S1：预先编辑汽车智能座舱的多个测试用例和所有测试用例的测试顺序；
S2：模拟所述汽车智能座舱的实车操作环境，在所述实车操作环境下，分别实时采集所述汽车智能座舱输出的视频图像数据和音频数据；
S3：按照所述测试顺序，根据所述视频图像数据和所述音频图像执行所有测试用例，得到测试结果并输出。
本实施例的汽车智能座舱测试方法，实现了汽车智能座舱的自动化测试，可以自动并重复执行测试，大大节约了人力成本，且能保证较高的准确率和测试质量，测试全面可靠，智能化程度高。
优选地，测试用例包括仪表图标检测案例和音频检测案例；S1的具体步骤包括：
分别编辑多个仪表图标检测案例和多个音频检测案例；
将每个仪表图标检测案例分别转换成可执行的仪表图标检测文件，并将每个音频检测案例分别转换成可执行的音频检测文件；
按照预设编码规则，定义所有仪表图标检测文件和所有音频检测文件的编码，并对所有编码进行升序排列，得到所述测试顺序。
优选地，所述测试环境模拟模块包括电源模拟单元和通信网络模拟单元，所述实车操作环境包括电源仿真环境和通信网络仿真环境；
在S2中，模拟所述实车操作环境的具体步骤包括：
按照预设的电源驱动电压，向所述汽车智能座舱输出模拟电压，模拟得到所述电源仿真环境；按照预设的总线驱动信号，向所述汽车智能座舱收发模拟总线信号，模拟得到所述通信网络仿真环境。
优选地，所述仪表图标检测案例包括仪表图标显示检测案例、仪表图标闪烁检测案例、仪表图标消失检测案例和仪表图标定时显示检测案例。
优选地，所述视频图像数据具体为多帧RGB图片数据构成的数据序列，在S2中，实时采集所述视频图像数据的具体步骤包括：
在所述电源仿真环境下实时采集所述汽车智能座舱输出的串行视频信号，并在所述通信网络仿真环境下将所述串行视频信号发送至所述图像处理单元；
所述串行视频信号解串为RGB视频信号，并将所述RGB视频信号转换为MPEG视频流；还用于将所述MPEG视频流逐帧转换为RGB图片数据，并在所述通信网络仿真环境下，通过所述通信模块将所有RGB图片数据逐帧发送至测试用例执行模块。
优选地，在实时采集所述视频图像数据之后，还包括以下步骤：
在所述通信网络仿真环境下，通过所述通信模块逐帧接收RGB图片数据；
选取任一帧RGB图片数据，采用高斯滤波处理方法，对选取的RGB图片数据进行去噪，得到第一图片数据，并采用预设的大和卷积模糊图像去除所述第一图像数据中的背景，得到第二图片数据；
对所述第二图片数据进行二值化处理，得到第三图片数据，并按照预设阈值，对所述第三图片数据进行阈值分割，得到所述第三图片数据对应的多个分割图片；
分别提取每个分割图像中特征点，将所有特征点输入预先训练好的深度学习卷积网络，识别出选取的RGB图像数据中的多个仪表图标图片数据；
遍历每帧RGB图片数据，识别出每帧RGB图像数据中的多个仪表图标图片数据；并通过所述通信模块将每帧RGB图像数据对应的所有仪表图标图片数据逐帧发送至所述测试用例执行模块。
优选地，S3的具体步骤包括：
接收所述音频数据，并逐帧接收所有仪表图标图片数据；
对所有帧的所有仪表图标图片数据进行分类，得到所述汽车智能座舱中每个仪表对应的仪表图标图片数据序列；
选取任一个仪表的仪表图标图像数据序列，按照所述测试顺序，将选取的仪表图标图像数据序列依次输入到每个仪表图标检测文件中，依次执行每个仪表图标检测文件得到选取的仪表对应的仪表测试结果并输出；遍历每个仪表的仪表图标图片数据序列，得到每个仪表对应的仪表测试结果并输出；
对所述音频数据进行预处理，并按照所述测试顺序，将预处理后的所述音频数据依次输入每个音频检测文件中，依次执行每个音频检测文件得到音频测试结果并输出。
本实施例中的未尽细节，详见实施例一以及图1至图3的具体描述内容，此处不再赘述。
实施例三、基于实施例一和实施例二，本实施例还公开了一种汽车智能座舱测试装置，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现如图1所示的功能。
通过存储在存储器上的计算机程序，并运行在处理器上，实现了汽车智能座舱的自动化测试，可以自动并重复执行测试，大大节约了人力成本，且能保证较高的准确率和测试质量。
本实施例还提供一种计算机存储介质，所述计算机存储介质上存储有至少一个指令，所述指令被执行时实现如图1所示的功能。
通过执行包含至少一个指令的计算机存储介质，实现了汽车智能座舱的自动化测试，可以自动并重复执行测试，大大节约了人力成本，且能保证较高的准确率和测试质量。
本实施例中的未尽细节，详见实施例一以及图1至图2的具体描述内容，此处不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种汽车智能座舱测试系统，其特征在于，包括测试用例编辑模块、测试用例执行模块、图像采集模块、音频采集模块、测试环境模拟模块和通信模块：
所述测试用例编辑模块用于预先编辑汽车智能座舱的多个测试用例和所有测试用例的测试顺序；
所述测试环境模拟模块用于模拟所述汽车智能座舱的实车操作环境；
所述图像采集模块用于在所述实车操作环境下实时采集所述汽车智能座舱输出的视频图像数据；
所述音频采集模块用于在所述实车操作环境下实时采集所述汽车智能座舱输出的音频数据；
所述通信模块用于将所述视频图像数据和所述音频数据发送至所述测试用例执行模块；
所述测试用例执行模块用于按照所述测试顺序，根据所述视频图像数据和所述音频图像执行所有测试用例，得到测试结果并输出。
2.根据权利要求1所述的汽车智能座舱测试系统，其特征在于，测试用例包括仪表图标检测案例和音频检测案例；所述测试用例编辑模块包括编辑单元、转换单元、编码单元和排序单元；
所述编辑单元用于分别编辑多个仪表图标检测案例和多个音频检测案例；
所述转换单元用于将每个仪表图标检测案例分别转换成可执行的仪表图标检测文件，并将每个音频检测案例分别转换成可执行的音频检测文件；
所述编码单元用于按照预设编码规则，定义所有仪表图标检测文件和所有音频检测文件的编码；
所述排序单元用于对所有编码进行升序排列，得到所述测试顺序。
3.根据权利要求2所述的汽车智能座舱测试系统，其特征在于，所述测试环境模拟模块包括电源模拟单元和通信网络模拟单元，所述实车操作环境包括电源仿真环境和通信网络仿真环境；
所述电源模拟单元用于按照预设的电源驱动电压，向所述汽车智能座舱输出模拟电压，模拟得到所述电源仿真环境；
所述通信网络模拟单元用于按照预设的总线驱动信号，向所述汽车智能座舱收发模拟总线信号，模拟得到所述通信网络仿真环境。
4.根据权利要求3所述的汽车智能座舱测试系统，其特征在于，所述视频图像数据具体为多帧RGB图片数据构成的数据序列，所述图像采集模块包括图像采集卡和图像处理单元；
所述图像采集卡用于在所述电源仿真环境下实时采集所述汽车智能座舱输出的串行视频信号，并在所述通信网络仿真环境下将所述串行视频信号发送至所述图像处理单元；
所述图像处理单元用于将所述串行视频信号解串为RGB视频信号，并将所述RGB视频信号转换为MPEG视频流；还用于将所述MPEG视频流逐帧转换为RGB图片数据，并在所述通信网络仿真环境下，通过所述通信模块将所有RGB图片数据逐帧发送至所述测试用例执行模块。
5.根据权利要求4所述的汽车智能座舱测试系统，其特征在于，所述汽车智能座舱测试系统还包括机器学习识别模块；
所述机器学习识别模块具体用于：
在所述通信网络仿真环境下，通过所述通信模块逐帧接收RGB图片数据；
选取任一帧RGB图片数据，采用高斯滤波处理方法，对选取的RGB图片数据进行去噪，得到第一图片数据，并采用预设的大和卷积模糊图像去除所述第一图像数据中的背景，得到第二图片数据；
对所述第二图片数据进行二值化处理，得到第三图片数据，并按照预设阈值，对所述第三图片数据进行阈值分割，得到所述第三图片数据对应的多个分割图片；
分别提取每个分割图像中特征点，将所有特征点输入预先训练好的深度学习卷积网络，识别出选取的RGB图像数据中的多个仪表图标图片数据；
遍历每帧RGB图片数据，识别出每帧RGB图像数据中的多个仪表图标图片数据；并通过所述通信模块将每帧RGB图像数据对应的所有仪表图标图片数据逐帧发送至所述测试用例执行模块。
6.根据权利要求5所述的汽车智能座舱测试系统，其特征在于，所述测试用例执行模块包括数据接收单元、用例分类单元、仪表用例测试单元和音频用例测试单元：
所述数据接收单元用于接收所述通信模块发送的所述音频数据，还用于接收所述通信模块逐帧发送的所有仪表图标图片数据；
所述用例分类单元用于对所有帧的所有仪表图标图片数据进行分类，得到所述汽车智能座舱中每个仪表对应的仪表图标图片数据序列；
所述仪表用例测试单元用于选取任一个仪表的仪表图标图像数据序列，按照所述测试顺序，将选取的仪表图标图像数据序列依次输入到每个仪表图标检测文件中，依次执行每个仪表图标检测文件得到选取的仪表对应的仪表测试结果并输出；还用于遍历每个仪表的仪表图标图片数据序列，得到每个仪表对应的仪表测试结果并输出；
所述音频用例测试单元用于对所述音频数据进行预处理，并按照所述测试顺序，将预处理后的所述音频数据依次输入每个音频检测文件中，依次执行每个音频检测文件得到音频测试结果并输出。
7.一种汽车智能座舱测试方法，其特征在于，采用如权利要求1至6任一项所述的汽车智能座舱测试系统进行测试，包括以下步骤：
预先编辑汽车智能座舱的多个测试用例和所有测试用例的测试顺序；
模拟所述汽车智能座舱的实车操作环境，在所述实车操作环境下，分别实时采集所述汽车智能座舱输出的视频图像数据和音频数据；
按照所述测试顺序，根据所述视频图像数据和所述音频图像执行所有测试用例，得到测试结果并输出。
8.根据权利要求7所述的汽车智能座舱测试方法，其特征在于，测试用例包括仪表图标检测案例和音频检测案例；预先编辑多个测试用例和所述测试顺序的具体步骤包括：
分别编辑多个仪表图标检测案例和多个音频检测案例；
将每个仪表图标检测案例分别转换成可执行的仪表图标检测文件，并将每个音频检测案例分别转换成可执行的音频检测文件；
按照预设编码规则，定义所有仪表图标检测文件和所有音频检测文件的编码，并对所有编码进行升序排列，得到所述测试顺序。
9.一种汽车智能座舱测试装置，其特征在于，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现如权利要求1至6任一项所述的功能。
10.一种计算机存储介质，其特征在于，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现如权利要求1至6任一项所述的功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110967190.4A CN113805834A (zh) | 2021-08-23 | 2021-08-23 | 一种汽车智能座舱测试方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110967190.4A CN113805834A (zh) | 2021-08-23 | 2021-08-23 | 一种汽车智能座舱测试方法、系统、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113805834A true CN113805834A (zh) | 2021-12-17 |
Family
ID=78893838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110967190.4A Pending CN113805834A (zh) | 2021-08-23 | 2021-08-23 | 一种汽车智能座舱测试方法、系统、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113805834A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115356946A (zh) * | 2022-08-12 | 2022-11-18 | 成都赛力斯科技有限公司 | 一种汽车座舱系统的模拟操作装置及方法 |
| CN116185879A (zh) * | 2023-04-26 | 2023-05-30 | 润芯微科技(江苏)有限公司 | 基于Python的智能座舱仪表自动化测试方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180286030A1 (en) * | 2017-03-31 | 2018-10-04 | Hcl Technologies Limited | System and method for testing an electronic device |
| CN110303999A (zh) * | 2019-06-29 | 2019-10-08 | 清华大学苏州汽车研究院（吴江） | 一种无人驾驶汽车测试监控系统 |
| CN110400251A (zh) * | 2019-06-13 | 2019-11-01 | 深圳追一科技有限公司 | 视频处理方法、装置、终端设备及存储介质 |
| CN110544246A (zh) * | 2019-09-02 | 2019-12-06 | 武汉光庭信息技术股份有限公司 | 一种自动化测试方法、装置及存储介质 |
| CN209857920U (zh) * | 2019-05-15 | 2019-12-27 | 中国第一汽车股份有限公司 | 一种车载导航自动化测试设备 |
| CN111199194A (zh) * | 2019-12-25 | 2020-05-26 | 吉林大学 | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 |
| CN211602435U (zh) * | 2019-11-21 | 2020-09-29 | 广州地铁集团有限公司 | 一种城轨列车制动系统试验平台 |
| CN111862869A (zh) * | 2020-05-25 | 2020-10-30 | 青岛山景虚拟现实研究院 | 一种飞行模拟器座舱显示设备自动测试方法及系统 |
| US20210166034A1 (en) * | 2019-11-28 | 2021-06-03 | PLAIGROUND ApS | Computer-implemented video analysis method generating user viewing prediction data for a video |
| CN112908357A (zh) * | 2021-01-19 | 2021-06-04 | 广州橙行智动汽车科技有限公司 | 仪表声音测试方法、装置、测试设备以及存储介质 |
| CN113110909A (zh) * | 2021-04-20 | 2021-07-13 | 肇庆小鹏汽车有限公司 | 一种车辆仪表的测试方法和装置 |
-
2021
- 2021-08-23 CN CN202110967190.4A patent/CN113805834A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180286030A1 (en) * | 2017-03-31 | 2018-10-04 | Hcl Technologies Limited | System and method for testing an electronic device |
| CN209857920U (zh) * | 2019-05-15 | 2019-12-27 | 中国第一汽车股份有限公司 | 一种车载导航自动化测试设备 |
| CN110400251A (zh) * | 2019-06-13 | 2019-11-01 | 深圳追一科技有限公司 | 视频处理方法、装置、终端设备及存储介质 |
| CN110303999A (zh) * | 2019-06-29 | 2019-10-08 | 清华大学苏州汽车研究院（吴江） | 一种无人驾驶汽车测试监控系统 |
| CN110544246A (zh) * | 2019-09-02 | 2019-12-06 | 武汉光庭信息技术股份有限公司 | 一种自动化测试方法、装置及存储介质 |
| CN211602435U (zh) * | 2019-11-21 | 2020-09-29 | 广州地铁集团有限公司 | 一种城轨列车制动系统试验平台 |
| US20210166034A1 (en) * | 2019-11-28 | 2021-06-03 | PLAIGROUND ApS | Computer-implemented video analysis method generating user viewing prediction data for a video |
| CN111199194A (zh) * | 2019-12-25 | 2020-05-26 | 吉林大学 | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 |
| CN111862869A (zh) * | 2020-05-25 | 2020-10-30 | 青岛山景虚拟现实研究院 | 一种飞行模拟器座舱显示设备自动测试方法及系统 |
| CN112908357A (zh) * | 2021-01-19 | 2021-06-04 | 广州橙行智动汽车科技有限公司 | 仪表声音测试方法、装置、测试设备以及存储介质 |
| CN113110909A (zh) * | 2021-04-20 | 2021-07-13 | 肇庆小鹏汽车有限公司 | 一种车辆仪表的测试方法和装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115356946A (zh) * | 2022-08-12 | 2022-11-18 | 成都赛力斯科技有限公司 | 一种汽车座舱系统的模拟操作装置及方法 |
| CN116185879A (zh) * | 2023-04-26 | 2023-05-30 | 润芯微科技(江苏)有限公司 | 基于Python的智能座舱仪表自动化测试方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023001169A1 (zh) | 汽车仪表测试方法、装置、系统及存储介质 | |
| CN113805834A (zh) | 一种汽车智能座舱测试方法、系统、装置和存储介质 | |
| CN113758514B (zh) | 汽车仪表自动化测试方法、系统、可读存储介质及车辆 | |
| CN109711285B (zh) | 识别模型的训练、测试方法和装置 | |
| CN112418230A (zh) | 一种基于车载显示的自动化测试方法及测试系统 | |
| CN109697160B (zh) | 一种以太网接口软件自动化测试系统及方法 | |
| CN103471621A (zh) | 一种适用于车载导航多媒体终端的测试方法及测试设备 | |
| CN107784649B (zh) | 基于图像识别的芯棒测试远程报警系统及方法 | |
| CN203502040U (zh) | 车载多媒体终端的测试系统 | |
| CN105676045A (zh) | 一种车载多媒体性能自动化测试方法 | |
| CN114862838A (zh) | 基于无监督学习的缺陷检测方法及设备 | |
| CN111124877A (zh) | 一种列车显示器软件测试方法、装置及系统 | |
| CN111199194A (zh) | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 | |
| CN113191362B (zh) | 一种变电设备油渗漏缺陷检测装置及方法 | |
| CN115078912A (zh) | 车顶高压电缆接头异常实时检测方法、系统及列车 | |
| CN103676659A (zh) | 一种具智能记录的诊断仪及其记录方法 | |
| CN211856402U (zh) | 一种基于机器视觉的汽车仪表盘检测系统 | |
| CN203012047U (zh) | 航电设备功能测试系统 | |
| CN109279048B (zh) | 一种发动机和apu转速与航电系统交联闭环检测方法 | |
| CN116775464A (zh) | 一种整车测试方法及系统 | |
| US11714402B2 (en) | Universal automatic test system for digital plugboard based on imagine processing | |
| CN104459516A (zh) | 一种用于smt首件检测的测试方法 | |
| CN113869124A (zh) | 基于深度学习的血细胞形态学分类方法及系统 | |
| CN202758238U (zh) | 多功能汽车诊断仪器 | |
| CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 |
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 |