CN114707303A - 自动紧急系统的检测方法、系统、电子设备、存储介质 - Google Patents
自动紧急系统的检测方法、系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114707303A CN114707303A CN202210242245.XA CN202210242245A CN114707303A CN 114707303 A CN114707303 A CN 114707303A CN 202210242245 A CN202210242245 A CN 202210242245A CN 114707303 A CN114707303 A CN 114707303A
- Authority
- CN
- China
- Prior art keywords
- data
- triggering
- automatic emergency
- detection
- trigger
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 131
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 56
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 29
- 238000012795 verification Methods 0.000 claims description 29
- 230000006399 behavior Effects 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 10
- 238000013480 data collection Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种自动紧急系统的检测方法、检测系统、电子设备、存储介质，检测方法包括以下步骤：基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；根据所述触发数据验证所述自动紧急系统的触发性能。可以有效验证由于设计不足或性能局限导致的自动紧急制动系统。
Description
技术领域
本发明涉及智能驾驶技术领域，尤其是涉及一种自动紧急系统的检测方法、检测系统、电子设备及存储介质。
背景技术
随着科技的进步，自动驾驶成为当下流行的汽车市场。但是多起因自动驾驶汽车引发的致命交通事故表明，依靠传统的质量保障(关注失效风险的预防、探测和消除，例如：国家标准GB/T 34590《道路车辆功能安全》(修改采用ISO26262)关注并解决的是因电控系统故障而导致的整车行为危害)为中心的车辆安全体系，已经不能完全满足自动驾驶车辆的安全保障需求，因此预期功能安全(SOTIF)应运而生。预期功能安全的定义：不存在因设计不足或性能局限引起的危害而导致不合理的风险，也就是将设计不足、性能局限导致的风险控制在合理可接受的范围内。
自动紧急制动系统(Autonomous Emergency Braking，AEB)，是车辆遇到突发危险情况或与前车及行人距离小于安全距离时主动进行刹车避免或减少追尾等碰撞事故的发生，从而提高行车安全性的一种技术。在当今搭载AEB汽车主动安全上市车型中，出现了较多“故障率”引发用户较多的抱怨。该“故障率”是指当确实遇到碰撞风险时，需要系统触发安全制动，而系统未能及时做出反应；或者是当未出现碰撞风险时，不需要系统做出安全制动时，系统却错误的做出制动刹车。我们将前者视为漏触发动，后者视为误触发，两者是一对矛盾。且现实过程中，由于受到传感器性能限制，系统相关原因，环境特殊因素等，误触发不可能完全避免。
导致自动紧急制动系统误触发的一个主要来源是未知不安全场景区域，对其无法定义需求，也难以量化评价以及验证，这成为了自动紧急制动系统开发领域的痛点。如何验证自动紧急制动系统误触发以将由于因设计不足或性能局限导致的风险控制在合理可接受的范围内是目前行业急需解决的问题。
发明内容
本发明主要解决的技术问题是提供一种自动紧急系统的检测方法、检测系统、电子设备、存储介质，可以有效验证由于设计不足或性能局限导致的自动紧急制动系统误触发是否在可接受范围。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种自动紧急系统的检测方法，所述检测方法包括以下步骤：
基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；
对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；
基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；
根据所述触发数据验证所述自动紧急系统的触发性能。
其中，所述数据采集条件包括以下条件：检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库。
其中，所述检测方法还包括：
基于所述检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库获取检测数据采集场景以及分布；
所述通过测试车辆采集对应的检测数据的步骤包括：
基于所述数据采集场景和分布，通过测试车辆采集对应的检测数据。
其中，所述检测数据包括：图像数据、车辆数据以及雷达数据。
其中，所述根据所述触发数据验证所述自动紧急系统的触发性能，包括：
根据触发数据验证所述自动紧急系统制动触发是属于正常触发还是误触发。
其中，所述根据所述触发数据验证所述自动紧急系统的触发性能，包括：
若所述自动紧急系统制动触发是属于误触发，则判断所述误触发是否在预设的误触发范围内；
若判断的结果为否，则分析所述误触发的原因。
其中，所述检测方法还包括：
根据所述误触发的原因对所述检测方法进行优化，并重新进行检测，直到所述制动触发属于正常触发或所述误触发在预设的误触发范围内。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种自动紧急系统的检测系统，所述检测系统包括以下步骤：
采集模块，用于基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；
仿真模块，用于对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；
触发模块，用于基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；
验证模块，用于根据所述触发数据验证所述自动紧急系统的触发性能。
为解决上述技术问题，本发明采用的又一个技术方案是：提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器存储有计算机程序用于所述处理器执行前文所述的方法。
为解决上述技术问题，本发明采用的又一个技术方案是：提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序用于处理器执行前文所述的方法。
本发明的有益效果是：区别于现有技术的情况，提供一种自动紧急系统的检测方法、检测系统、电子设备、存储介质，检测方法包括以下步骤：基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；根据所述触发数据验证所述自动紧急系统的触发性能。可以有效验证由于设计不足或性能局限导致的自动紧急制动系统。有效验证自动紧急制动系统误触发是否在可接受范围。
附图说明
图1是本发明实施例提供的一种自动紧急系统的检测方法的流程图；
图2是本发明实施例提供的一种自动紧急系统的检测系统的结构示意图；
图3是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。需要说明的是，本发明中的实施例、实施方式及其技术特征在不冲突的情况下可以相互组合，且本发明中的步骤顺序仅用于举例，在不冲突的情况下，不对其具体顺序做限制。
请参阅图1，图1是本申请实施例提供的一种自动紧急系统的检测方法的流程示意图。如图1所示，本实施例的检测方法包括：
步骤S1：基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据。
数据采集条件包括以下条件：检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库。其中，检测里程数属于验证目标，可由整车厂定义，检测里程数代表检测车辆在进行检测时的里程数量，例如10万公里。验证目标还包括可接受的误触发率，例如误触发率为0误触发/10万公里。正常驾驶行为代表司机驾驶检测车辆时合规的驾驶行为，例如正常速度驾驶、遵守交通灯的指示驾驶等，可尽量接近正常驾驶员驾驶时的行为。道路类型可包括城市道路、高速公路、山路等。车速包括检测车辆的车速，也可以包括过往车辆的车速等。环境条件可包括道路条件(例如学校路段、医院路段等)，天气条件等。
数据采集条件还可以包括产品目标市场，例如是中小城市市场还是一二线城市市场等。
可选的，本实施例基于所述检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库获取检测数据采集场景以及分布。为了使检测数据采集场景更好的达到验证目标，预先建立的误触发场景库中的每个场景都应该被包含在数据采集场景中。
步骤S1具体为：基于所述数据采集场景和分布，通过测试车辆采集对应的检测数据。
在一实施例中，例如数据采集场景为晴朗天气中的城市道路上，通过驾驶员按照正常驾驶行为驾驶检测车辆进行检测数据采集。又如数据采集场景为雾霾天气的高速公路上，通过驾驶员按照正常驾驶行为驾驶检测车辆在规定的车速上进行检测数据采集。
可选的，检测数据包括：图像数据、车辆数据以及雷达数据。其中，图像数据具体可为安装在检测车辆上的摄像装置获取到的数据，例如可以是道路的路沿数据、摄像头检测的目标信息等。车辆数据可包括检测车辆的车速、角速度、纵向加速度等数据。雷达数据可以为安装在检测车辆上的雷达获取的数据，例如可以是雷达等获取的距离数据等。
步骤S2：对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现。
将采集到的检测数据传输到自动紧急制动运行平台上进行仿真，模拟自动紧急系统在检测数据下的工作表现。例如在某些检测数据下，自动紧急系统会触发制动。
步骤S3：基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据。基于仿真结果标记出自动紧急制动系统触发制动时的数据。
步骤S4：根据所述触发数据验证所述自动紧急系统的触发性能。
具体的，根据触发数据、相应的场景、自动紧急制动触发条件分析验证所述自动紧急系统制动触发是属于正常触发还是误触发，即进行触发分类。
验证自动紧急系统的触发性能的过程可以检测系统自动验证。也可以检测系统验证后反馈给相关人员，由相关人员进一步确认。还可以是仅由相关人员确认。
进一步的，若所述自动紧急系统制动触发是属于误触发，则判断所述误触发是否在预设的误触发范围内。其中，误触发范围即前文所述的误触发率，可由整车厂定义，也可以由检测阶段时自行定义。误触发范围可以包括一个误触发率范围，例如前文所述的0误触发/10万公里，也可以包括一个误触发的检测数据范围，在此不作限制。
进一步的，根据所述误触发的原因对所述检测方法进行优化，并重新进行检测，直到所述制动触发属于正常触发或所述误触发在预设的误触发范围内。
具体而言，可分析误触发的原因是否是检测数据采集时出现问题导致，例如，传感器性能问题、感知性能问题等；还是触发策略制定，如决策算法存在问题导致，还是将检测数据融合到检测平台时出现问题导致，等等。根据检测出的问题进行对应的调整优化，例如提升传感器性能、提升感知算法性能、提升决策算法性能等。如是由于各算法不足导致的误触发，设计优化后可通过模型再次仿真验证，验证优化后的算法能否解决误触发问题。进一步的，可根据正常驾驶行为、道路类型(如城市道路、高速公路等)、车速、车辆所处的外部环境条件以及预先建立的误触发场景库等因素按照等价类的方法定义最小测试集合。等价类测试有利于提升测试效率，每个等价类需要定义最小测试用例数量以代表此等价类其它测试用例。最小测试集合用来验证由于传感器性能不足提升后的系统。
进一步的，根据调整优化的检测条件重复上述的检测方法进行重新检测，直到制动触发属于正常触发或所述误触发在预设的误触发范围内。
进一步的，可将发现的误触发场景数据记录到误触发场景库中，方便后续项目定义数据采集场景。
进一步的，如检测后的触发属于正常触发或不存在不可接受的误触发，或者最小测试集合验证通过后则可以继续进行客户验收测试，使用准量产软件在客户实车上进行验证。如在客户验收测试中存在不可接受的误触发则继续进行误触发分析以及设计优化，并重新进行检测。如在客户验收测试中均属于正常触发，或者不存在不可接受的误触发则验证结束。
综上所述，本实施例结合仿真测试以及实际的检测车辆测试，可以在开发过程中就开始验证自动紧急制动系统是否存在不可接收的误触发，缩短整体开发验证周期；检测车辆采集的检测数据可以复用，当自动紧急制动系统功能安全算法调整后可以使用之前采集的检测数据，不需要额外再进行实际车辆的检测数据采集，节约数据采集成本。本申请的检测方法通过建立误触发场景库辅助更好的定义数据采集场景，以最小的测试样本来达到验证目标。通过模型在环测试以及基于等价类最小测试集合的测试更加快速的迭代功能算法，提升算法迭代验证效率。
本申请还提供一种自动紧急系统的检测系统来执行前文所述的方法。具体请参阅图2，图2是本申请实施例提供的一种自动紧急系统的检测系统的结构示意图。如图2所示，本实施例的自动紧急系统的检测系统20包括：
采集模块21，用于基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据。
数据采集条件包括以下条件：检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库。其中，检测里程数属于验证目标，可由整车厂定义，检测里程数代表检测车辆在进行检测时的里程数量，例如10万公里。验证目标还包括可接受的误触发率，例如误触发率为0误触发/10万公里。正常驾驶行为代表司机驾驶检测车辆时合规的驾驶行为，例如正常速度驾驶、遵守交通灯的指示驾驶等，可尽量接近正常驾驶员驾驶时的行为。道路类型可包括城市道路、高速公路、山路等。车速包括检测车辆的车速，也可以包括过往车辆的车速等。环境条件可包括道路条件(例如学校路段、医院路段等)，天气条件等。
数据采集条件还可以包括产品目标市场，例如是中小城市市场还是一二线城市市场。
基于所述检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库获取检测数据采集场景以及分布。为了使检测数据采集场景更好的达到验证目标，预先建立的误触发场景库中的每个场景都应该被包含在数据采集场景中。
采集模块21具体用于基于所述数据采集场景和分布，通过测试车辆采集对应的检测数据。
在一实施例中，例如数据采集场景为晴朗天气中的城市道路上，通过驾驶员按照正常驾驶行为驾驶检测车辆进行检测数据采集。又如数据采集场景为雾霾天气的高速公路上，通过驾驶员按照正常驾驶行为驾驶检测车辆在规定的车速上进行检测数据采集。
可选的，检测数据包括：图像数据、车辆数据以及雷达数据。其中，图像数据具体可为安装在检测车辆上的摄像装置获取到的数据，例如可以是道路的路沿数据、摄像头检测的目标信息等。车辆数据可包括检测车辆的车速、角速度、纵向加速度等数据。雷达数据可以为安装在检测车辆上的雷达获取的数据，例如可以是雷达等获取的距离数据等。
仿真模块22，用于对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现。
仿真模块22将采集到的检测数据传输到自动紧急制动运行平台上进行仿真，模拟自动紧急系统在检测数据下的工作表现。例如在某些检测数据下，自动紧急系统会触发制动。
触发模块23，用于基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据。
验证模块24，用于根据所述触发数据、相应的场景、自动紧急制动触发条件分析验证所述自动紧急系统的触发性能。
具体的，验证模块24根据触发数据验证所述自动紧急系统制动触发是属于正常触发还是误触发，即进行触发分类。
上述验证自动紧急系统的触发性能的过程可以检测系统自动验证。也可以检测系统验证后反馈给相关人员，由相关人员进一步确认。还可以是仅由相关人员确认。
进一步的，若所述自动紧急系统制动触发是属于误触发，则验证模块24判断所述误触发是否在预设的误触发范围内；若所述自动紧急系统制动触发是属于误触发，则验证模块24判断所述误触发是否在预设的误触发范围内。其中，误触发范围即前文所述的误触发率，可由整车厂定义，也可以由检测阶段时自行定义。误触发范围可以包括一个误触发率范围，例如前文所述的0误触发/10万公里，也可以包括一个误触发的检测数据范围，在此不作限制。
进一步的，验证模块24根据所述误触发的原因对所述检测方法进行优化，并重新进行检测，直到所述制动触发属于正常触发或所述误触发在预设的误触发范围内。
具体而言，可分析误触发的原因是否是检测数据采集时出现问题导致，例如，传感器性能问题、感知性能问题等；还是触发策略制定，如决策算法存在问题导致，还是将检测数据融合到检测平台时出现问题导致，等等。根据检测出的问题进行对应的调整优化，例如提升传感器性能、提升感知算法性能、提升决策算法性能等。如是由于各算法不足导致的误触发，设计优化后可通过模型再次仿真验证，验证优化后的算法能否解决误触发问题。进一步的，可根据正常驾驶行为、道路类型(如城市道路、高速公路等)、车速、车辆所处的外部环境条件以及预先建立的误触发场景库等因素按照等价类的方法定义最小测试集合。等价类测试有利于提升测试效率，每个等价类需要定义最小测试用例数量以代表此等价类其它测试用例。最小测试集合用来验证由于传感器性能不足提升后的系统。
进一步的，根据调整优化的检测条件重复上述的检测方法进行重新检测，直到制动触发属于正常触发或所述误触发在预设的误触发范围内。
进一步的，可将发现的误触发场景数据记录到误触发场景库中，方便后续项目定义数据采集场景。
进一步的，如检测后的触发属于正常触发或不存在不可接受的误触发，或者最小测试集合验证通过后则可以继续进行客户验收测试，使用准量产软件在客户实车上进行验证。如在客户验收测试中存在不可接受的误触发则继续进行误触发分析以及设计优化，并重新进行检测。如在客户验收测试中均属于正常触发，或者不存在不可接受的误触发则验证结束。
下面参考图3来描述根据本发明的这种实施例的电子设备800。图3显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。电子设备800可为前文所述的主设备或者从设备。
如图3所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元810可以执行如图1中的步骤S1：基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；步骤S2：对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；步骤S3：基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；步骤S4：根据所述触发数据验证所述自动紧急系统的触发性能。
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)821和/或高速缓存存储单元822，还可以进一步包括只读存储单元(ROM)823。
存储单元820还可以包括具有一组(至少一个)程序模块825的程序/实用工具824，这样的程序模块825包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备870(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施例的方法。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
综上所述，本申请提供一种自动紧急系统的检测方法、检测系统、电子设备、存储介质，检测方法包括以下步骤：基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；根据所述触发数据验证所述自动紧急系统的触发性能。因此，本申请结合仿真测试以及实际的检测车辆测试，可以在开发过程中就开始验证自动紧急制动系统是否存在不可接收的误触发，缩短整体开发验证周期；检测车辆采集的检测数据可以复用，当自动紧急制动系统功能安全算法调整后可以使用之前采集的检测数据，不需要额外再进行实际车辆的检测数据采集，节约数据采集成本。本申请的检测方法通过建立误触发场景库辅助更好的定义数据采集场景，可以最小的测试样本来达到验证目标。此外，本申请通过模型在环测试以及基于等价类最小测试集合的测试更加快速的迭代功能算法，提升算法迭代验证效率。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其他实施例。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种自动紧急系统的检测方法，其特征在于，所述检测方法包括以下步骤：
基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；
对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；
基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；
根据所述触发数据验证所述自动紧急系统的触发性能。
2.根据权利要求1所述的检测方法，其特征在于，所述数据采集条件包括以下条件：检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库。
3.根据权利要求2所述的检测方法，其特征在于，所述检测方法还包括：
基于所述检测里程数、产品目标市场、正常驾驶行为、道路类型、车速、车辆所处的外部环境条件以及预先建立的误触发场景库获取检测数据采集场景以及分布；
所述通过测试车辆采集对应的检测数据的步骤包括：
基于所述数据采集场景和分布，通过测试车辆采集对应的检测数据。
4.根据权利要求1所述的检测方法，其特征在于，所述检测数据包括：图像数据、车辆数据以及雷达数据。
5.根据权利要求4所述的检测方法，其特征在于，所述根据所述触发数据验证所述自动紧急系统的触发性能，包括：
根据触发数据验证所述自动紧急系统制动触发是属于正常触发还是误触发。
6.根据权利要求5所述检测方法，其特征在于，所述根据所述触发数据验证所述自动紧急系统的触发性能，包括：
若所述自动紧急系统制动触发是属于误触发，则判断所述误触发是否在预设的误触发范围内；
若判断的结果为否，则分析所述误触发的原因。
7.根据权利要求6所述的检测方法，其特征在于，所述检测方法还包括：
根据所述误触发的原因对所述检测方法进行优化，并重新进行检测，直到所述制动触发属于正常触发或所述误触发在预设的误触发范围内。
8.一种自动紧急系统的检测系统，其特征在于，所述检测系统包括以下步骤：
采集模块，用于基于预先设置的数据采集条件，通过测试车辆采集对应的检测数据；
仿真模块，用于对采集到的所述检测数据进行仿真，模拟所述自动紧急系统在所述检测数据下的工作表现；
触发模块，用于基于仿真结果获取所述自动紧急系统产生自动紧急触发的触发数据；
验证模块，用于根据所述触发数据验证所述自动紧急系统的触发性能。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器存储有计算机程序用于所述处理器执行所述权利要求1-7任一项中的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序用于处理器执行所述权利要求1-7任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210242245.XA CN114707303A (zh) | 2022-03-11 | 2022-03-11 | 自动紧急系统的检测方法、系统、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210242245.XA CN114707303A (zh) | 2022-03-11 | 2022-03-11 | 自动紧急系统的检测方法、系统、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114707303A true CN114707303A (zh) | 2022-07-05 |
Family
ID=82168824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210242245.XA Pending CN114707303A (zh) | 2022-03-11 | 2022-03-11 | 自动紧急系统的检测方法、系统、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114707303A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104062966A (zh) * | 2013-03-20 | 2014-09-24 | 博世汽车部件(苏州)有限公司 | 用于自动紧急制动系统的验证方法及相应的验证系统 |
| CN111735642A (zh) * | 2020-07-30 | 2020-10-02 | 北汽福田汽车股份有限公司 | 自动刹车系统的路试方法及装置 |
| CN112307566A (zh) * | 2020-11-12 | 2021-02-02 | 安徽江淮汽车集团股份有限公司 | 车辆仿真测试方法、装置、设备及存储介质 |
| CN112711260A (zh) * | 2020-12-29 | 2021-04-27 | 清华大学苏州汽车研究院（相城） | 一种用于自动驾驶车辆误/漏识别的预期功能安全测试评价方法 |
| CN113804460A (zh) * | 2021-09-24 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 车辆测评方法、车辆测评系统、车辆及存储介质 |
-
2022
- 2022-03-11 CN CN202210242245.XA patent/CN114707303A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104062966A (zh) * | 2013-03-20 | 2014-09-24 | 博世汽车部件(苏州)有限公司 | 用于自动紧急制动系统的验证方法及相应的验证系统 |
| CN111735642A (zh) * | 2020-07-30 | 2020-10-02 | 北汽福田汽车股份有限公司 | 自动刹车系统的路试方法及装置 |
| CN112307566A (zh) * | 2020-11-12 | 2021-02-02 | 安徽江淮汽车集团股份有限公司 | 车辆仿真测试方法、装置、设备及存储介质 |
| CN112711260A (zh) * | 2020-12-29 | 2021-04-27 | 清华大学苏州汽车研究院（相城） | 一种用于自动驾驶车辆误/漏识别的预期功能安全测试评价方法 |
| CN113804460A (zh) * | 2021-09-24 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 车辆测评方法、车辆测评系统、车辆及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 邓伟文: "《汽车智能驾驶模拟仿真技术》", vol. 2021, 30 April 2021, 机械工业出版社, pages: 3 - 5 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110794810B (zh) | 一种对智能驾驶车辆进行集成化测试的方法 | |
| CN110795818B (zh) | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 | |
| CN107153363B (zh) | 无人驾驶汽车的仿真测试方法及装置、设备与可读介质 | |
| CN109598066B (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
| CN110502852B (zh) | 一种自动驾驶仿真测试场景的生成方法及生成系统 | |
| CN113343461A (zh) | 自动驾驶车辆的仿真方法、装置、电子设备及存储介质 | |
| CN114399744A (zh) | 一种车型识别方法、装置、电子设备和存储介质 | |
| CN116580271A (zh) | 一种感知融合算法的测评方法、装置、设备及存储介质 | |
| CN114301938A (zh) | 车路协同车辆事件确定方法、相关装置及计算机程序产品 | |
| CN114415542A (zh) | 自动驾驶仿真系统、方法、服务器及介质 | |
| CN115165398A (zh) | 车辆的行驶功能测试方法、装置、计算设备及介质 | |
| CN110263622A (zh) | 列车火情监测方法、装置、终端及存储介质 | |
| CN113239609A (zh) | 一种用于智能车单目摄像头目标识别监测的试验系统及检测方法 | |
| CN114707303A (zh) | 自动紧急系统的检测方法、系统、电子设备、存储介质 | |
| CN116859881A (zh) | 测试方法及装置 | |
| CN111145554A (zh) | 一种基于自动驾驶aeb的场景定位方法和装置 | |
| CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 | |
| Shanshan et al. | An evaluation system based on user big data management and artificial intelligence for automatic vehicles | |
| CN116997890A (zh) | 生成未知不安全场景、改进自动交通工具、计算机系统 | |
| CN115346288A (zh) | 仿真行车记录采集方法、系统、电子设备及存储介质 | |
| CN116091989A (zh) | 一种违章审核方法、装置及存储介质 | |
| CN112882949A (zh) | 一种交通环境融合感知在环vthil的车联网仿真测试平台与方法 | |
| CN114755035B (zh) | 一种基于车载终端的智能驾驶多维度测试方法 | |
| CN110796024B (zh) | 一种针对失效样本的自动驾驶视觉感知测试方法和装置 | |
| CN116639150A (zh) | 用于评估自动驾驶系统的方法、装置、设备和存储介质 |
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 |