CN114490376A - 数据调试方法、装置、设备及可读存储介质 - Google Patents
数据调试方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114490376A CN114490376A CN202210081625.XA CN202210081625A CN114490376A CN 114490376 A CN114490376 A CN 114490376A CN 202210081625 A CN202210081625 A CN 202210081625A CN 114490376 A CN114490376 A CN 114490376A
- Authority
- CN
- China
- Prior art keywords
- data
- key
- recharging
- targets
- time point
- 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
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
- G06F11/362—Software debugging
-
- 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
- G06F11/362—Software debugging
- G06F11/366—Software debugging using diagnostics
-
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种数据调试方法、装置、设备及可读存储介质,数据调试方法包括:从问题数据中获取关键目标;将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值;将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;将数据回灌的仿真结果进行可视化输出。本发明通过在数据回灌的过程中将其他目标的属性值设置成和关键目标一致的属性值,形成统一的可观测的输出结果,直观的展示在坐标轴的曲线图中,方便算法人员分析定位问题,进一步地本发明对当问题数据出现多个问题时间点时进行多次赋值分别多次输出可视化的结果,能让算法人员快速的分析和定位问题。
Description
技术领域
本发明涉及智能驾驶领域,尤其涉及一种数据调试方法、装置、设备及可读存储介质。
背景技术
汽车的智能化是未来的趋势,其中智能驾驶是汽车智能化的重要组成部分。汽车智能驾驶的典型架构一般由感知、决策和控制三大模块组成,其中感知模块通过摄像头、激光雷达、毫米波雷达、超声波雷达、陀螺仪、加速度计等多种传感器,来感知周围的环境信息和车辆的状态信息,所感知的信息包括道路的形状、方向、曲率、坡度和车道,交通标志,信号灯,以及其他车辆或行人的位置、大小、前进方向和速度等。
在对智能驾驶产品进行研发的过程中,需要采集大量的实车测试数据然后将测试数据输入数据回灌仿真环境进行分析调试,以验证产品性能,加速产品开发周期,减少实车路测需求,提升智能驾驶产品的安全性。其中目标筛选算法主要用于对车辆、行人等动态交通参与者的筛选,目标筛选模型是衔接感知融合和决策模块的重要算法模块,对于L2级智能驾驶,感知融合模块一般会输出8-32个道路动态静态交通参与者,一般称之为目标,然后目标筛选模型根据目标模型与本车的相对位置、速度、加速度和运动趋势等条件筛选输出一个主要目标,提供给后面的决策规划模型进行规划决策。
目标筛选算法需要对多个不同的目标进行数值计算,通常采用循环的方法对多个目标的数据进行批量的处理,在对输出结果进行观测分析的时候,存在一个运行周期里多个输出结果投射到同一时间点的问题,如图1所示,图1为数据回灌仿真结果可视化输出曲线图中的关键输出信号曲线图,参照图1,例如在第5秒的时刻,32个目标的不同输出结果投射到同一纵坐标轴上,无法直观地观测到所关注目标的具体数值,或者不好根据数值确定具体的关注目标,不便于进行问题的分析和定位。
发明内容
本发明的主要目的在于提供一种数据调试方法、装置、设备及可读存储介质,旨在解决智能驾驶领域在对问题数据进行目标筛选调试的过程中可视化程度不高,不便于进行问题分析和定位的技术问题。
第一方面,本发明提供一种数据调试方法,所述数据调试方法包括:
从问题数据中获取关键目标;
将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
可选的,所述从问题数据中获取关键目标的步骤包括:
将问题数据按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌,将数据回灌的仿真结果输出形成多个可视化的曲线图;
其中的关键目标曲线图的横轴代表时间,纵轴代表关键目标;
获取曲线图中某个时间点所对应的关键目标,作为所述关键目标。
可选的,所述从问题数据中获取关键目标的步骤包括:
当某个问题数据出现多个问题时间点时,获取每个问题时间点及与其对应的关键目标。
可选的,在所述获取每个问题时间点及与其对应的关键目标的步骤之后,还包括:
将每个问题时间点前其它目标属性设置为和每个问题时间点对应的关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
可选的,所述将数据回灌的仿真结果进行可视化输出的步骤包括:
将数据回灌的仿真结果输出形成多个可视化的曲线图;
其中的关键输出信号曲线图的横轴代表时间,纵轴代表关键输出信号。
第二方面,本发明还提供一种数据调试装置,所述数据调试装置包括:
获取模块,用于从问题数据中获取关键目标;
设置模块,用于将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值;
回灌模块,用于将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
输出模块,用于将数据回灌的仿真结果进行可视化输出。
可选的,所述获取模块,用于:
当某个问题数据出现多个问题时间点时,获取每个问题时间点及与其对应的关键目标。
可选的,所述设置模块,用于:
将每个问题时间点前其它目标属性设置为和每个问题时间点对应的关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
第三方面,本发明还提供一种数据调试设备,所述数据调试设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的数据调试程序,其中所述数据调试程序被所述处理器执行时,实现如上述所述的数据调试方法的步骤。
第四方面,本发明还提供一种可读存储介质,所述可读存储介质上存储有数据调试程序,其中所述数据调试程序被处理器执行时,实现如上述所述的数据调试方法的步骤。
本发明中,从问题数据中获取关键目标;将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值;将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;将数据回灌的仿真结果进行可视化输出。本发明通过在数据回灌的过程中将其他目标的属性值设置成和关键目标一致的属性值,形成统一的可观测的输出结果,直观的展示在坐标轴的曲线图中,方便算法人员分析定位问题,避免由于多个目标的属性值不同从而输出结果不同输出到曲线图中无法观测某一问题时间点是哪个目标出错的情况,进一步地本发明对当问题数据出现多个问题时间点时进行多次赋值分别多次输出可视化的结果,能让算法调试人员快速的分析和定位问题。
附图说明
图1为数据回灌仿真结果可视化输出曲线图中的关键输出信号曲线图;
图2为本发明数据调试设备一实施例的硬件结构示意图;
图3为本发明数据调试方法一实施例的流程示意图;
图4为本发明使用前后关键输出信号曲线图的显示效果对比图;
图5为本发明数据调试方法一实施例的问题数据的问题时间定位方法示意图;
图6为本发明数据调试方法一实施例的另一问题数据的问题时间定位方法示意图;
图7为本发明数据调试装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
第一方面,本发明实施例提供一种数据调试设备,该数据调试设备可以是个人计算机(personal computer,PC)、笔记本电脑、服务器等具有数据处理功能的设备。
参照图2,图2为本发明实施例方案中涉及的数据调试设备的硬件结构示意图。本发明实施例中,数据调试设备可以包括处理器1001(例如中央处理器Central ProcessingUnit,CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信;用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard);网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WI-FI接口);存储器1005可以是高速随机存取存储器(random accessmemory,RAM),也可以是稳定的存储器(non-volatile memory),例如磁盘存储器,存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解,图2中示出的硬件结构并不构成对本发明的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
继续参照图2,图2中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及数据调试程序。其中,处理器1001可以调用存储器1005中存储的数据调试程序,并执行本发明实施例提供的数据调试方法。
第二方面,本发明实施例提供了一种数据调试方法。
为了更清楚地展示本申请实施例提供的数据调试方法,首先介绍一下本申请实施例提供的数据调试方法的应用场景。
本申请实施例提供的数据调试方法应用在智能驾驶领域对问题数据进行分析调试的过程中,配置好数据采集环境后,采集模型采集实车测试中产生的输入信号和关键的输出信号,标记信号数据中的问题数据,通过对问题数据进行数据回灌从而进行问题的分析和定位。
一实施例中,参照图3,图3为本发明数据调试方法一实施例的流程示意图,如图3所示,数据调试方法包括:
步骤S10,从问题数据中获取关键目标。
本实施例中,问题数据为从采集的数据中发现算法实际输出的结果与期望的结果不同时被标记的数据,例如从数据采集开始第10秒的时刻,某关键输出信号的数值应该从0变化为1,但实际没有发生变化,实际的输出值还是为0,那么此时就标记问题数据,第10秒为问题数据的问题时间点。
本实施例中,目标是指L2级智能驾驶中的感知融合模块输出的8-32个道路动态静态交通参与者,其中动态目标包括周边车辆、行人、交通信号等,静态目标包括路面设施、交通规则等,目标筛选算法通过将多个目标与本车的相对位置、速度、加速度、运动趋势等条件进行算法对比分析筛选出来的一个主要目标为关键目标,关键目标是我们在对问题数据进行调试分析的过程中要重点关注分析的目标对象。
步骤S20,将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值。
本实施例中,目标的属性值包括相对位置、速度、加速度等,问题数据中通常会包括多个目标,将问题数据中其他目标的相对位置、速度、加速度等的属性值设置为和关键目标的相对位置、速度、加速度等的属性值相同,这样能够得到所有目标的属性值都一致的用于输入被调试的算法模型的目标属性值。
步骤S30,将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌。
本实施例中,通过搭建数据回灌仿真分析环境,在桌面环境下对问题数据进行复现,以便于对问题进行分析和定位。数据回灌仿真分析环境由数据读取模块、被调试的算法模型及数据监控等模块组成,被调试的算法模型包括感知融合、目标筛选及决策规划等算法模型。通过数据读取模块将采集的问题数据按照时间顺序读取出来然后输入被调试的算法模型中,驱动算法模型重新运行一遍,这个过程即为数据回灌。
本实施例中,通过前述步骤S20将问题数据中其他目标的属性值设置为和关键目标相同的属性值,得到了所有目标的属性值都一致的相同的目标属性值,将经过修改设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌。
步骤S40,将数据回灌的仿真结果进行可视化输出。
本实施例中,通过数据回灌仿真将算法模型的关键输出信号和算法运行中所产生的过程量数据输入到数据监控模块,数据监控模块负责将所关注的信号进行输出,形成可视化的曲线图,提供给算法人员进行问题的分析和定位。
本实施例中,经过前面的步骤,通过数据回灌会得到所有目标都一致的输出结果,通过对数据回灌的仿真结果进行可视化输出,算法人员可以直观的观测到输出结果,参照图4,图4为本发明使用前后关键输出信号曲线图的显示效果对比图,使用本发明方法后相比于在未使用本发明方法前,能够避免在进行问题数据调试时,某个问题时间点32个目标的不同输出结果投射到同一纵坐标轴上,无法直观地观测到所关注目标的具体数值,或者不好根据数值确定具体的关注目标,不便于进行问题的分析和定位。
进一步地,一实施例中,步骤S10包括:
将问题数据按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌,将数据回灌的仿真结果输出形成多个可视化的曲线图;
其中的关键目标曲线图的横轴代表时间,纵轴代表关键目标;
获取曲线图中某个时间点所对应的关键目标,作为所述关键目标。
本实施例中,数据回灌的仿真结果通过数据监控模块输出会形成多个可视化的曲线图,其中的关键目标曲线图如图5所示,图5为本发明数据调试方法一实施例的问题数据的问题时间定位方法示意图,参照图5中的关键目标曲线图,坐标轴的横轴代表时间,纵轴代表关键目标,例如图5中第10S的时间点对应关键目标1,将关键目标1作为关键目标。
进一步地,一实施例中,步骤S10包括:
当某个问题数据出现多个问题时间点时,获取每个问题时间点及与其对应的关键目标。
本实施例中,某个问题数据会出现在多个问题时间点上输出结果与预期值不同的情况,如图6所示,图6为本发明数据调试方法一实施例的另一问题数据的问题时间定位方法示意图,参照图6中的关键目标曲线图,分别获取每个问题时间点及与其对应的关键目标,获取到第2S对应的关键目标1、第5S对应的关键目标2、第10S对应的关键目标3。
进一步地,一实施例中,步骤S10之后还包括:
将每个问题时间点前其它目标属性设置为和每个问题时间点对应的关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
本实施例中,基于当某个问题数据出现多个问题时间点的情况,分别获取每个问题时间点及与其对应的关键目标,重复将每个问题时间点前其它目标属性设置为和每个问题时间点对应的关键目标相同的属性值;重复将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;重复将数据回灌的仿真结果进行可视化输出。
本实施例中,这个过程是当某个问题数据出现多个问题时间点时,进行循环的关键目标获取、目标属性值设置、进行数据回灌以及将仿真结果可视化输出。这样可以通过循环的方式,对问题数据发生的多个问题时间点分别进行问题分析和定位。
第三方面,本发明实施例还提供一种数据调试装置。
参照图7,图7为本发明数据调试装置一实施例的功能模块示意图。
本实施例中,所述数据调试装置包括:
获取模块10,用于从问题数据中获取关键目标;
设置模块20,用于将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值;
回灌模块30,用于将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
输出模块40,用于将数据回灌的仿真结果进行可视化输出。
进一步地,一实施例中,获取模块10,用于:
当某个问题数据出现多个问题时间点时,获取每个问题时间点及与其对应的关键目标。
进一步地,一实施例中,设置模块20,用于:
将每个问题时间点及之前对应的其他目标的属性值设置为和每个问题时间点对应的关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
进一步地,一实施例中,获取模块10,用于:
将问题数据按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌,将数据回灌的仿真结果输出形成多个可视化的曲线图;
其中的关键目标曲线图的横轴代表时间,纵轴代表关键目标;
获取曲线图中某个时间点所对应的关键目标,作为所述关键目标。
进一步地,一实施例中,输出模块40,用于:
将数据回灌的仿真结果输出形成多个可视化的曲线图;
其中的关键输出信号曲线图的横轴代表时间,纵轴代表关键输出信号。
其中,上述数据调试装置中各个模块的功能实现与上述数据调试方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
第四方面,本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有数据调试程序,其中所述数据调试程序被处理器执行时,实现如上述的数据调试方法的步骤。
其中,数据调试程序被执行时所实现的方法可参照本发明数据调试方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种数据调试方法,其特征在于,所述数据调试方法包括:
从问题数据中获取关键目标;
将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
2.如权利要求1所述的数据调试方法,其特征在于,所述从问题数据中获取关键目标包括:
将问题数据按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌,将数据回灌的仿真结果输出形成多个可视化的曲线图;
其中的关键目标曲线图的横轴代表时间,纵轴代表关键目标;
获取曲线图中某个时间点所对应的关键目标,作为所述关键目标。
3.如权利要求1所述的数据调试方法,其特征在于,所述从问题数据中获取关键目标包括:
当某个问题数据出现多个问题时间点时,获取每个问题时间点及与其对应的关键目标。
4.如权利要求3所述的数据调试方法,其特征在于,在所述获取每个问题时间点及与其对应的关键目标的步骤之后,还包括:
将每个问题时间点前其它目标属性设置为和每个问题时间点对应的关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
5.如权利要求1所述的数据调试方法,其特征在于,所述将数据回灌的仿真结果进行可视化输出包括:
将数据回灌的仿真结果输出形成多个可视化的曲线图;
其中的关键输出信号曲线图的横轴代表时间,纵轴代表关键输出信号。
6.一种数据调试装置,其特征在于,所述数据调试装置包括:
获取模块,用于从问题数据中获取关键目标;
设置模块,用于将所述问题数据中其他目标的属性值设置为和所述关键目标相同的属性值;
回灌模块,用于将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
输出模块,用于将数据回灌的仿真结果进行可视化输出。
7.如权利要求6所述的数据调试装置,其特征在于,所述获取模块,用于:
当某个问题数据出现多个问题时间点时,获取每个问题时间点及与其对应的关键目标。
8.如权利要求6所述的数据调试装置,其特征在于,所述设置模块,用于:
将每个问题时间点前其它目标属性设置为和每个问题时间点对应的关键目标相同的属性值;
将经过设置后的问题数据,按照问题数据发生的时间顺序,输入被调试的算法模型中进行数据回灌;
将数据回灌的仿真结果进行可视化输出。
9.一种数据调试设备,其特征在于,所述数据调试设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的数据调试程序,其中所述数据调试程序被所述处理器执行时,实现如权利要求1至5中任一项所述的数据调试方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有数据调试程序,其中所述数据调试程序被处理器执行时,实现如权利要求1至5中任一项所述的数据调试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081625.XA CN114490376A (zh) | 2022-01-24 | 2022-01-24 | 数据调试方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081625.XA CN114490376A (zh) | 2022-01-24 | 2022-01-24 | 数据调试方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114490376A true CN114490376A (zh) | 2022-05-13 |
Family
ID=81474149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210081625.XA Pending CN114490376A (zh) | 2022-01-24 | 2022-01-24 | 数据调试方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114490376A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117785541A (zh) * | 2024-02-27 | 2024-03-29 | 荣耀终端有限公司 | 一种数据处理方法及电子设备 |
-
2022
- 2022-01-24 CN CN202210081625.XA patent/CN114490376A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117785541A (zh) * | 2024-02-27 | 2024-03-29 | 荣耀终端有限公司 | 一种数据处理方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109683175B (zh) | 激光雷达配置方法、装置、设备和存储介质 | |
EP4006733A1 (en) | Fuzzy testing a software system | |
CN105302413A (zh) | 控件的ui测试方法及系统 | |
JP2019109881A (ja) | 車道交差点の仮想シミュレーションにおける歩行者の自動生成 | |
CN114490376A (zh) | 数据调试方法、装置、设备及可读存储介质 | |
US20160357890A1 (en) | Verification Log Analysis | |
Sus et al. | Software system for virtual laboratory works | |
CN111736951A (zh) | 自动驾驶的仿真方法、计算机设备、及存储介质 | |
Zhao et al. | Suraksha: A framework to analyze the safety implications of perception design choices in avs | |
CN110823596B (zh) | 一种测试方法和装置、电子设备和计算机可读存储介质 | |
CN114092889B (zh) | 违规行为检测方法、装置、电子设备及可读存储介质 | |
CN115934088A (zh) | 一种可视化分析系统 | |
WO2023110478A1 (en) | Method for automatically exploring states and transitions of a human machine interface (hmi) device | |
CN115576990A (zh) | 视觉真值数据与感知数据的评测方法、装置、设备及介质 | |
CN114972500A (zh) | 查验方法、标注方法、系统、装置、终端、设备及介质 | |
Hallerbach et al. | Simulation-Enabled Methods for Development, Testing, and Validation of Cooperative and Automated Vehicles | |
US20200394844A1 (en) | Display method, image generation device, and computer-readable non-transitory recording medium on which program is recorded | |
CN113704085A (zh) | 用于检查技术系统的方法和设备 | |
CN113590458A (zh) | 用于检查技术系统的方法和设备 | |
JP6253838B1 (ja) | 行動ログ生成方法、行動ログ生成装置及び行動ログ生成プログラム | |
CN112052738A (zh) | 一种室内障碍物测试方法、系统、设备和可读存储介质 | |
CN108287842B (zh) | 一种导航地图防压盖的方法和装置、以及导航设备 | |
CN113177452B (zh) | 一种基于图像处理与射频技术的封样方法及装置 | |
Sun et al. | An intelligent driving simulation platform: architecture, implementation and application | |
Alam et al. | Modeling and Analyzing Hybrid Systems Using Hybrid Predicate Transition Nets (S). |
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 |