具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的自动驾驶仿真测试方法的一些实施例的流程100。该自动驾驶仿真测试方法的流程100,包括以下步骤:
步骤101,获取当前车辆检测信息。
在一些实施例中,自动驾驶仿真测试方法的执行主体可以通过有线的方式或者无线的方式获取当前车辆检测信息。其中,上述当前车辆检测信息可以包括当前车辆感知信息、道路图像和障碍物感知信息。当前车辆信息可以是自动驾驶软件功能对预先存储的道路数据进行检测后生成的当前车辆和障碍物车辆的信息。自动驾驶软件功能可以是仿真测试所需要测试的一项功能。道路数据可以是预先存储的、车辆在行驶过程中的道路数据。例如,激光雷达数据、车辆定位数据等。当前车辆感知信息可以是表征当前车辆状态的信息。障碍物感知信息可以是从道路数据中检测到的、障碍物车辆的信息。例如,障碍物车辆位置、障碍物车辆距离、障碍物车辆速度等。
步骤102,对道路图像进行障碍物检测,得到障碍物检测信息。
在一些实施例中,上述执行主体可以对上述道路图像进行障碍物检测,得到障碍物检测信息。其中,可以通过预设的图像检测算法,对道路图像进行障碍物检测,得到障碍物检测信息。上述图像检测算法可以是仿真测试所测试的功能之一,例如,图像算法可以是VGG(Visual Geometry Group Network,卷积神经网络)模型或GoogLeNet(深度神经网络)模型等。上述障碍物检测信息可以包括检测生成的障碍物的各项数据,例如可以包括但不限于以下至少一项:障碍物位置、障碍物与当前车辆距离、障碍物所在车道、障碍物车速、障碍物车型等。
步骤103,基于预设的仿真测试数据,对障碍物检测信息和障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息。
在一些实施例中,上述执行主体可以基于预设的仿真测试数据,对上述障碍物检测信息和上述障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息。其中,预设的仿真测试数据可以是已经校准过的数据,这些数据相比于被测试的自动驾驶功能所生成的数据更具准确性。另外,上述仿真测试数据与当前车辆检测信息可以是相对应的,即都可以用于表征当前车辆在同一时刻的运动状态。上述仿真测试数据可以包括针对当前车辆检测信息中各项数据的设定范围。上述数据校验可以是确定障碍物检测信息和障碍物感知信息中的数据是否处于仿真测试数据中对应设定范围内。若数据超出设定范围,则可以将该数据修正至设定范围以内。若数据未超出设定范围,则可以不做修改。最后,可以将数据校验完成的障碍物检测信息和障碍物感知信息确定为障碍物目标检测信息。从而,可以避免生成的数据超出设定范围的因素出现,导致仿真测试失败。
另外,对于超出设定范围的数据,可以返回该数据和该数据对应的仿真测试功能序号、测试时间、设定范围等信息,作为障碍物数据校验结果。以供记录测试的异常功能。以此达到仿真测试的目的。
在一些实施例的一些可选的实现方式中,上述仿真测试数据可以包括:障碍物仿真测试信息和障碍物仿真感知信息;以及上述执行主体基于预设的仿真测试数据,对上述障碍物检测信息和上述障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息,可以包括以下步骤:
第一步,对上述障碍物仿真测试信息和上述障碍物检测信息进行匹配校验,得到第一障碍物校验结果。其中,上述障碍物仿真感知信息可以是预设的、用于仿真测试的、针对障碍物的感知信息。上述障碍物仿真测试信息可以是预先对道路图像进行识别得到的障碍物信息。上述障碍物仿真感知信息可以是预先从感知数据(例如激光雷达数据)中识别得到的障碍物信息。上述障碍物仿真测试信息可以是预设的、用于仿真测试的、针对障碍物的测试信息。例如,某一时刻障碍物车辆的车速、车辆位置等。匹配校验可以是确定障碍物仿真测试信息中、与障碍物检测信息中每项数据相对应的数据之间的差异。若障碍物检测信息中某项数据与障碍物仿真测试信息中的数据不同,则将障碍物检测信息中的该项数据替换为对应的障碍物仿真测试信息中心的数据。另外,若障碍物检测信息中某项数据与障碍物仿真测试信息中的数据相同,则可以不做修改。最后,可以将存在数据差异的障碍物检测信息和对应的仿真测试功能序号、测试时间等信息确定为第一障碍物校验结果。
第二步,对上述障碍物仿真感知信息和上述障碍物感知信息进行匹配校验,得到第二障碍物校验结果。其中,匹配校验可以是确定障碍物仿真感知信息中、与障碍物感知信息中每项数据相对应的数据之间的差异。若障碍物感知信息中某项数据与障碍物仿真感知信息中的数据不同,则将障碍物感知信息中的该项数据替换为对应的障碍物仿真感知信息中心的数据。另外,若障碍物感知信息中某项数据与障碍物仿真感知信息中的数据相同,则可以不做修改。最后,可以将存在数据差异的障碍物感知信息和对应的仿真测试功能序号、测试时间等信息确定为第二障碍物校验结果。
第三步,将上述第一障碍物校验结果和上述第二障碍物校验结果确定为障碍物数据校验结果。因此,障碍物数据校验结果可以用于表征检测结果异常的软件功能和障碍物信息。
在一些实施例的一些可选的实现方式中,上述执行主体基于预设的仿真测试数据,对上述障碍物检测信息和上述障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息,还可以包括以下步骤:
基于上述障碍物数据校验结果、上述障碍物检测信息和上述障碍物感知信息,生成障碍物目标检测信息。其中,可以将上述障碍物数据校验结果、匹配校验后的障碍物检测信息和障碍物感知信息确定为障碍物目标检测信息。
步骤104,基于预设的仿真测试数据,对当前车辆感知信息进行数据校验,得到当前车辆数据校验结果和当前车辆目标检测信息。
在一些实施例中,上述执行主体可以基于上述预设的仿真测试数据,对上述当前车辆感知信息进行数据校验,得到当前车辆数据校验结果和当前车辆目标检测信息。其中,上述仿真测试数据中还可以包括针对当前车辆感知信息中各项数据的设定范围。对当前车辆感知信息进行数据校验可以是确定当前车辆感知信息中的各项数据是否处于对应的设定范围内。若数据处于对应的设定范围内,则可以不做修改。若数据处于对应的设定范围内,则可以调整至设定范围内。最后,可以将数据校验后的当前车辆感知信息确定为当前车辆目标检测信息。同时,可以将经过调整的数据及对应的仿真测试功能序号、测试时间、设定范围等信息作为当前车辆数据校验结果。
通过上述方式,可以确保仿真测试可以继续执行。进而,可以提高仿真测试的效率。
步骤105,对障碍物目标检测信息和当前车辆目标检测信息进行仿真测试,得到目标测试结果。
在一些实施例中,上述执行主体可以对上述障碍物目标检测信息和上述当前车辆目标检测信息进行仿真测试,通过各种方式得到目标测试结果。
在一些实施例的一些可选的实现方式中,上述执行主体对上述障碍物目标检测信息和上述当前车辆目标检测信息进行仿真测试,得到目标测试结果。可以包括以下步骤:
第一步,根据上述当前车辆目标检测信息,确定当前车辆第一功能信息和当前车辆第二功能信息。其中,当前车辆第一功能信息可以用于表征当前车辆非预期行为。当前车辆非预期行为可以指车辆响应异常的行为。可以包括但不限于以下至少一项:响应提前行为、响应滞后行为、未响应行为、响应错误行为、提示行为、灯光行为、鸣笛行为、导航行为等。若触发以上任一种行为后,可以标记为1。即,当前车辆第一功能信息为1。否则标记为0。
响应提前行为可以指车辆提前进行移动、刹车或加速等操作。此行为可以从当前车辆目标检测信息中提取出,车辆实际开始操作的时刻和控制车辆移动的时刻。若车辆实际开始操作的时刻比控制车辆移动的时刻早,则触发响应提前行为。响应滞后行为可以指车辆实际开始操作的时刻晚于控制车辆移动的时刻。
若检测到当前车辆目标检测信息中当前车辆状态与对应的状态标识不匹配,则触发响应错误行为。例如,当前车辆状态为:“加速”。状态对应的标识为“刹车”。因此触发响应错误行为。又例如,当前车辆状态为“灯光关闭状态”。状态对应的标识为“远光灯开启状态”。则触发灯光行为。
另外,上述当前车辆第二功能信息可以是表征当前车辆是否压线的行为。可以从当前车辆目标检测信息中提取出该项行为的检测结果。
第二步,根据上述障碍物目标检测信息和上述当前车辆目标检测信息,生成当前车辆第三功能信息。其中,可以确定障碍物目标检测信息中的障碍物位置和当前车辆目标检测信息中当前车辆的位置之间的距离值。若该距离值小于预设安全距离,则可以表示触发碰撞行为。那么可以将标记1确定为当前车辆第三功能信息。否则可以标记为0。
第三步,利用上述当前车辆第一功能信息、上述当前车辆第二功能信息、上述当前车辆第三功能信息、上述障碍物目标检测信息和上述当前车辆目标检测信息,构建仿真测试评价参数模型。其中,可以通过以下公式,构建仿真测试评价参数模型:
其中,
表示仿真测试评价参数模型。
表示当前车辆目标检测信息中当前车辆速度值与预设的目标速度值之间的差值。
表示当前车辆目标检测信息中当前车辆速度值与预设的目标加速度值之间的差值。
表示当前车辆目标检测信息中当前加速度变化率与预设的目标加速度变化率之间的差值。
表示当前车辆目标检测信息中当前车辆位置与障碍物目标检测信息中障碍物车辆位置之间的纵向距离值、与预设纵向距离值之间的差值。
表示当前车辆目标检测信息中当前车辆速度值与障碍物目标检测信息中障碍物车辆速度值之间的纵向速度值、与预设纵向速度值之间的差值。
表示当前车辆目标检测信息中当前车辆的位置与当前车辆所在车道的中心线之间的横向偏差值。
表示当前车辆目标检测信息中当前车辆航向角与当前车辆所在车道的中心线之间的夹角值。
表示上述当前车辆第一功能信息。
表示上述当前车辆第三功能信息。
表示上述当前车辆第二功能信息。
通过构建仿真测试评价参数模型,可以将不同类型的数据进行统一测试。不仅可以提高测试效率,还可以考虑数据之间的相关性,能够对仿真测试结果进行多角度多目标全面客观地评价,极大地提升了仿真测试对软件开发的支持效率。
第四步,基于上述仿真测试评价参数模型、预设的第一权重系数模型和第二权重系数模型,生成综合测试结果。其中,可以将仿真测试评价参数模型的结果、第一权重系数模型的结果和第二权重系数模型的结果的乘积确定为综合测试结果。
第五步,基于上述仿真测试评价参数模型和预设的烈度仿真测试信息,生成烈度测试结果。其中,其中,可以将仿真测试评价参数模型结果的矩阵中的各个数据中的最大值确定为烈度测试结果。
第六步,基于上述仿真测试评价参数模型和预设的稳定度仿真测试信息,生成稳定度测试结果。其中,上述预设的稳定度仿真测试信息可以包括稳定度仿真测试矩阵,该矩阵与仿真测试评价参数模型的结果具有同样维度、且各项数据一一对应的矩阵。可以确定仿真测试评价参数模型结果的矩阵中各项数据与稳定度仿真测试矩阵中对应数据的差值。最后,可以将各项数据的差值的平均值确定为稳定度测试结果。
第七步,将上述综合测试结果、上述烈度测试结果和上述稳定度测试结果确定为目标测试结果。
在一些实施例的一些可选的实现方式中,上述预设的第一权重系数模型和第二权重系数模型通过以下方式生成:
第一步,对预获取的测试场景数据进行预处理,得到处理后测试场景数据。其中,测试场景数据可以是连续帧数据,每帧对应一个数据组。每个数据组中可以包括多个不同类型的数据。可以通过以下公式进行预处理:
其中,
表示预处理模型。
表示连续帧数据的总时长。
表示序号。
表示测试场景数据中当前车辆速度值与预设的目标速度值之间的差值。
表示测试场景数据中当前车辆速度值与预设的目标加速度值之间的差值。
表示测试场景数据中当前加速度变化率与预设的目标加速度变化率之间的差值。
表示测试场景数据中当前车辆位置与障碍物车辆位置之间的纵向距离值、与预设纵向距离值之间的差值。
表示测试场景数据中当前车辆速度值与障碍物车辆速度值之间的纵向速度值、与预设纵向速度值之间的差值。
表示测试场景数据中当前车辆的位置与当前车辆所在车道的中心线之间的横向偏差值。
表示测试场景数据中当前车辆航向角与当前车辆所在车道的中心线之间的夹角值。
表示上述测试场景数据中的当前车辆第一功能信息。
表示上述测试场景数据中的当前车辆第三功能信息。
表示上述测试场景数据中的当前车辆第二功能信息。
表示第
帧数据组。
具体的,通过上述公式可以得到测试矩阵组,作为处理后测试场景数据。通过上述公式可以对不同数据组中同一类型的数据进行数据平滑处理,减少后续测试误差。
第二步,基于上述处理后测试场景数据,构建第一权重系数模型。其中,首先,可以将测试矩阵组中各个测试矩阵中对应位置的各项数据的平均值确定为平均测试矩阵中的数据,得到平均测试矩阵。
作为示例,若有两个测试矩阵组,可将两个测试矩阵组中第一行第一列的数据的平均值作为平均测试矩阵的第一行第一列数据。
然后,可以利用样本标准差公式和上述平均测试矩阵,确定上述测试矩阵组中每个测试矩阵中每个数据的样本标准差,得到样本标准差矩阵。
之后,可以利用预设的评价指标矩阵组,通过以下公式生成相关系数矩阵:
其中,
表示上述相关系数矩阵。
、
、
表示序号。
表示上述相关系数矩阵中第
行第
列的数据。
表示上述评价指标矩阵组中评价指标矩阵的数量。
表示评价指标矩阵中的数据。
表示上述测试矩阵组中与第
个测试矩阵对应的评价指标矩阵中第
行第
列的数据,该数据可以与测试矩阵中第
行第
列的数据对应。
而后,可以将上述标准差矩阵与上述相关系数矩阵中各个对应位置的乘积确定为信息量矩阵中的数据,得到信息量矩阵。其中,相乘可以是每个测试矩阵中的每个数据与相关系数矩阵中对应位置的数据相乘。
最后,利用上述相关系数矩阵和上述样本标准差矩阵,通过以下公式构建第一权重系数模型:
其中,
表示上述第一权重系数模型的数据,上述第一权重系数模型的结果可以是1×3的矩阵。
表示上述第一权重系数模型中第
列的数据。
表示上述样本标准差矩阵的行数。
表示上述样本标准差矩阵的列数。
表示上述样本标准差矩阵。
表示上述样本标准差矩阵中第
行第
列的数据。
第三步,基于预设的测试参数组,构建第二权重系数模型。其中,可以将预设的测试参数组中的测试参数输入至以下公式,得到第二权重系数模型:
其中,
表示上述第二权重系数模型。
、
、
表示测试参数组中的测试参数。
表示矩阵的转置。
作为示例,
可以是0.237。
可以是0.415。
可以是0.631。那么最终结果可以是:[1.47,0.65,-1.88]的转置。
实践中,模型中的第一项数据可以用于表征自动驾驶的舒适性。模型中的第二项数据可以用于表征自动驾驶的稳定性。模型中的第三项数据可以用于表征自动驾驶的安全性。
上述各个公式及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“自动驾驶仿真测试的参数项目繁多,且参数之间存在相关性,使得无法有效地比较不同版本软件仿真测试结果的优劣程度,从而,无法生成对软件稳定性、合格性的评价指标”。导致无法生成对软件稳定性、合格性的评价指标的因素往往如下:自动驾驶仿真测试的参数项目繁多,且参数之间存在相关性,使得仿真测试结果无法有效地比较不同版本软件的优劣程度。如果解决了上述因素,就能对软件稳定性、合格性进行评价指标。为了达到这一效果,首先,通过预处理的公式,可以将连续帧的、不同类型的数据同时进行数据平滑处理。以此去除干扰数据,提高仿真测试结果的准确度。然后,通过引入预设的评价指标矩阵组,可以针对不同的数据设定不同的评价指标。以及利用相关系数矩阵公式,将各项指标进行融合。因此,即使测试数据相同,通过评价指标的不同所生成的测试结果也不相同。从而,可以用于区分不同版本软件的优劣程度。而后,通过利用上述相关系数矩阵、上述样本标准差矩阵和构建第一权重系数模型的公式,可以客观的生成测试数据所需要的权重。最后,通过预设的测试参数组和引入构建第二权重系数模型的公式,可以更加细粒度的考虑因不同测试需求,在舒适性、稳定性、安全性等不同需求侧重点之间设定所需要的数值。从而,可以使得最终测试结果能够体现稳定性、合格性等评价指标。
步骤106,根据障碍物数据校验结果、当前车辆数据校验结果和目标测试结果,生成仿真测试结果。
在一些实施例中,上述执行主体可以根据上述障碍物数据校验结果、上述当前车辆数据校验结果和上述目标测试结果,生成仿真测试结果。其中,可以将障碍物数据校验结果、当前车辆数据校验结果和目标测试结果确定为仿真测试结果。
可选的,上述执行主体还可以将上述仿真测试结果发送至显示终端以供查看。通过显示可以为返回测试异常和测试正常的测试结果,以完成测试目的。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的自动驾驶仿真测试方法,可以提高仿真测试的效率。具体来说,造成降低仿真测试效率的原因在于:若某个参数超出了需求设定的区间,则该测试项将被列为不通过,从而,导致仿真测试失败。基于此,本公开的一些实施例的自动驾驶仿真测试方法,首先,获取当前车辆检测信息,其中,上述当前车辆检测信息包括当前车辆感知信息、道路图像和障碍物感知信息。然后,对上述道路图像进行障碍物检测,得到障碍物检测信息。之后,基于预设的仿真测试数据,对上述障碍物检测信息和上述障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息。通过数据校验,其一可以检测出障碍物检测信息和障碍物感知信息之间的差异,避免产生参数超出需求设定区间的问题;其二可以用于对生成障碍物检测信息的自动驾驶软件功能的仿真测试。接着,对上述障碍物目标检测信息和上述当前车辆目标检测信息进行仿真测试,得到目标测试结果。最后,根据上述障碍物数据校验结果、上述当前车辆数据校验结果和上述目标测试结果,生成仿真测试结果。由于可以避免参数超范围的问题。因此可以极大的避免仿真测试失败。进而,提高仿真测试的效率。
进一步参考图2,其示出了自动驾驶仿真测试方法的另一些实施例的流程200。该自动驾驶仿真测试的流程200,包括以下步骤:
步骤201,获取当前车辆检测信息。
步骤202,对道路图像进行障碍物检测,得到障碍物检测信息。
步骤203,基于预设的仿真测试数据,对障碍物检测信息和障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息。
在一些实施例中,步骤201-203的具体实现方式及所带来的技术效果可以参考图1对应的那些实施例中的步骤101-103,在此不再赘述。
步骤204,对当前车辆仿真测试信息和当前车辆感知信息进行匹配校验,得到当前车辆数据校验结果。
在一些实施例中,上述执行主体可以对上述当前车辆仿真测试信息和上述当前车辆感知信息进行匹配校验,得到当前车辆数据校验结果。其中,上述仿真测试数据可以包括当前车辆仿真测试信息。对上述当前车辆仿真测试信息和上述当前车辆感知信息进行匹配校验,可以是确定上述当前车辆仿真测试信息和上述当前车辆感知信息中每项相对应的数据之间的差异。若存在差异,则可以表示当前车辆感知信息中的数据准确度不够,同时也可以表征用于测量该项数据的软件功能未通过仿真测试。因此,可以未通过测试的数据确定为当前车辆数据校验结果。
步骤205,基于当前车辆数据校验结果、仿真测试数据和当前车辆感知信息,生成当前车辆目标检测信息。
在一些实施例中,上述执行主体可以基于上述当前车辆数据校验结果、上述仿真测试数据和上述当前车辆感知信息,生成当前车辆目标检测信息。其中,首先,可以将当前车辆感知信息中未通过测试的数据替换为仿真测试数据中对应的数据,使得自动驾驶仿真测试可以继续执行。然后,可以将替换修改后的当前车辆感知信息和当前车辆数据校验结果确定为当前车辆目标检测信息。
步骤206,对障碍物目标检测信息和当前车辆目标检测信息进行仿真测试,得到目标测试结果。
步骤207,根据障碍物数据校验结果、当前车辆数据校验结果和目标测试结果,生成仿真测试结果。
在一些实施例中,步骤206-207的具体实现方式及所带来的技术效果可以参考图1对应的那些实施例中的步骤105-106,在此不再赘述。
从图2中可以看出,与图1对应的一些实施例的描述相比,图2对应的一些实施例中的自动驾驶仿真测试方法的流程200体现了对当前车辆感知信息进行数据校验的步骤。通过数据校验,不仅可以避免检测信息异常导致测试失败。还可以用于反馈检测功能的测试结果。从而,可以进一步提高仿真测试效率。
进一步参考图3,作为对上述各图所示方法的实现,本公开提供了一种自动驾驶仿真测试装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,一些实施例的自动驾驶仿真测试装置300包括:获取单元301、检测单元302、第一校验单元303、第二校验单元304、仿真测试单元305和生成单元306。其中,获取单元301,被配置成获取当前车辆检测信息,其中,上述当前车辆检测信息包括当前车辆感知信息、道路图像和障碍物感知信息;检测单元302,被配置成对上述道路图像进行障碍物检测,得到障碍物检测信息;第一校验单元303,被配置成基于预设的仿真测试数据,对上述障碍物检测信息和上述障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息;第二校验单元304,被配置成基于上述预设的仿真测试数据,对上述当前车辆感知信息进行数据校验,得到当前车辆数据校验结果和当前车辆目标检测信息;仿真测试单元305,被配置成对上述障碍物目标检测信息和上述当前车辆目标检测信息进行仿真测试,得到目标测试结果;生成单元306,被配置成根据上述障碍物数据校验结果、上述当前车辆数据校验结果和上述目标测试结果,生成仿真测试结果。
可以理解的是,该装置300中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开的一些实施例的电子设备400的结构示意图。图4示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取当前车辆检测信息,其中,上述当前车辆检测信息包括当前车辆感知信息、道路图像和障碍物感知信息;对上述道路图像进行障碍物检测,得到障碍物检测信息;基于预设的仿真测试数据,对上述障碍物检测信息和上述障碍物感知信息进行数据校验,得到障碍物数据校验结果和障碍物目标检测信息;基于上述预设的仿真测试数据,对上述当前车辆感知信息进行数据校验,得到当前车辆数据校验结果和当前车辆目标检测信息;对上述障碍物目标检测信息和上述当前车辆目标检测信息进行仿真测试,得到目标测试结果;根据上述障碍物数据校验结果、上述当前车辆数据校验结果和上述目标测试结果,生成仿真测试结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、检测单元、第一校验单元、第二校验单元、仿真测试单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取当前车辆检测信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。