CN114720148B - 车辆感知能力的确定方法、装置、设备及存储介质 - Google Patents
车辆感知能力的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114720148B CN114720148B CN202210295793.9A CN202210295793A CN114720148B CN 114720148 B CN114720148 B CN 114720148B CN 202210295793 A CN202210295793 A CN 202210295793A CN 114720148 B CN114720148 B CN 114720148B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- determining
- current
- test
- scene
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种车辆感知能力的确定方法、装置、设备及存储介质,涉及人工智能技术领域。具体实现方案为:确定车辆当前的行驶速度以及当前测试场景的类型;根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度;确定所述车辆在所述当前测试场景下的测试精度;根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级。由此,提高了对车辆感知能力等级确定的精准度和可靠度,使得对车辆的测试更加的充分可信,使得在对车辆感知能力的测试层面,为行车交通安全提供了可靠的保障。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及车辆感知能力的确定方法、装置、设备及存储介质。
背景技术
验证测试是无人驾驶汽车在量产和市场推广之前必不可少的环节,充分的验证测试,不仅使研发者了解车辆当前的性能和提升空间,还有助于版本的迭代,提升消费者对无人驾驶的安全感指数。无人驾驶车辆在行驶中对周围一定距离范围的感知能力,比如对方向、目标物、距离的感知力,是验证测试的重点。
相关技术中,仅是将车辆的行驶速度作为对车辆在一定距离范围感知的前提条件,比较单一。且不同交通场景下,车辆即使是保持相同行驶速度,其关注的距离范围也可能存在较大的偏差,故缺乏现实依据,导致对车辆感知力验证的非常不充分。
发明内容
本公开提供了一种车辆感知能力的确定方法、装置、电子设备、存储介质及计算机程序产品。
根据本公开的第一方面,提供了一种车辆感知能力的确定方法,包括:
确定车辆当前的行驶速度以及当前测试场景的类型;
根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度;
确定所述车辆在所述当前测试场景下的测试精度;
根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级。
根据本公开的第二方面,提供了一种车辆感知能力的确定装置,包括:
第一确定模块,用于确定车辆当前的行驶速度以及当前测试场景的类型;
第二确定模块,用于根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度;
第三确定模块,用于确定所述车辆在所述当前测试场景下的测试精度;
第四确定模块,用于根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;
以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所述的车辆感知能力的确定方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面所述的车辆感知能力的确定方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面所述的车辆感知能力的确定方法。
本公开实施例中,首先确定车辆当前的行驶速度以及当前测试场景的类型,然后根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度,之后确定所述车辆在所述当前测试场景下的测试精度,然后根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级。由此,可以结合车辆的行驶速度以及测试场景的类型,确定基准精度,也即对车辆感知能力的评测标准。从而针对不同的驾驶测试场景,比如低速场景、特殊天气场景、高速公路场景等等以及根据每种测试场景的不同行驶速度都针对性的给出了划分基准,从而提高了上游规控的发挥空间。因而,在获取了车辆在当前的测试精度时,也即获得了此时对车辆各项感知能力的测试结果后,可以将车辆在该测试场景下的测试精度和对应的基准精度进行比较,从而确定车辆在该测试场景下的感知能力的等级。由此,提高了对感知能力等级确定的精准度和可靠度,使得对车辆的测试更加的充分可信,使得在对车辆感知能力的测试层面,为行车交通安全提供了可靠的保障。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开一实施例提出的车辆感知能力的确定方法的流程示意图;
图2是本公开又一实施例提出的车辆感知能力的确定方法的流程示意图;
图3是本公开又一实施例提出的车辆感知能力的确定方法的流程示意图;
图4是本公开一实施例提出的车辆感知能力的确定装置的结构框图;
图5示出了可以用来实施本公开的实施例的车辆感知能力的确定方法的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
其中,需要说明的是,本实施例的车辆感知能力的确定方法的执行主体为车辆感知能力的确定装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在车辆的电子设备中,也可以是车端的服务器,下面以车辆感知能力的确定装置作为执行主体来对本公开提出的车辆感知能力的确定方法进行说明,以下简称为“装置”。
图1是本公开一实施例提出的车辆感知能力的确定方法的流程示意图。
如图1所示,该车辆感知能力的确定方法,包括:
步骤S101:确定车辆当前的行驶速度以及当前测试场景的类型。
本公开中,车辆可以为无人驾驶车辆、新能源车辆,在此不进行限定。
其中,行驶速度可以为当前车辆行驶时的车速。
其中,测试场景可以为当前车辆所在的道路交通场景,比如高速公路场景、学校附近道路场景、拥挤路段场景、进出匝道场景、盘山公路场景、风雪道路场景...等等,此处不做限定。
需要说明的是,在对无人驾驶车辆进行评测时,需要将车辆在各种各样的测试场景中进行测试,以保障车辆真正上路后的在各个测试场景的可靠性。本公开中,可以针对当前车辆所行驶的道路以及周围的环境,确定此时车辆在测试时所处的测试场景。
作为一种示例,可以将测试场景根据车辆行驶速度的不同分为低速场景以及非低速场景。
举例来说,可以以20km/h作为判定低速场景和非低速场景的阈值,也即,若此时车辆的行驶速度低于20km/h,则可以认为此时车辆位于低速场景中。其中,低速场景通常包括学校路段场景、进出匝道场景、拥堵路段场景等,还有很多,此处不再赘述。
或者,还可以根据当前车辆周围能见度的不同,将测试场景分为正常可视场景以及天气障碍场景。举例来说,若当前车辆在行驶过程中遇到了天气障碍,比如沙尘天气、雨雪天气、雾霾天气、黑夜,会导致车辆对当前环境的感知能力下降,使得对目标识别的精度提出了更高的要求。
另外,对于不同的道路,其要求的行驶速度也可能不同,比如对于城市主干道,则要求车速为60-100km/h,比如次干道要求车速为40km/h,对于高速要求车速60-120km/h,因而,在根据车辆周围能见度的不同划分了测试场景之后,还可以进一步地根据车辆周围行驶的建筑物环境以及道路环境,确定此时的行驶场景,也即测试场景。
步骤S102:根据车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度。
其中,基准精度可以为对当前车辆要求达到的感知精准度。需要说明的是,在车辆的各个感知精准度均达到要求时,可以视为满足行车的条件,此时车辆在上路后能够保证行车交通安全。
需要说明的是,对于不同的测试场景,车辆所关注的区域是不相同的,比如对于大雾天气测试场景,则需要关注的距离范围与晴天测试场景相比则比较大,也即需要对更远距离的目标识别准确率要高,以保证行车的交通安全。另外,对于同一测试场景,不同的行驶速度下,所关注的距离范围也可能是不同的。比如,速度越快,则需要关注的距离范围越大。
举例来说,在同一测试场景中,如果行驶速度为50公里每小时,则需要关注40米范围内的区域,比如通过行人识别模型去感知路面上的行人,从而能够在40米范围内有行人时及时刹车,如果行驶速度为80公里每小时,而仍关注的是40米范围内的区域,则有可能漏掉距离车辆43米处的行人,无法及时刹车,从而导致撞向行人,在此不仅限定。
也即是说,对于行驶速度越高的车辆,则需要关注的距离范围越大,从而可以有时间及时的作出调整和改变,保证行车交通安全。
进一步地,对于同一测试场景下的不同行驶速度来说,其对应的基准精度也可以有多种。可以理解的是,在对车辆测试时,不仅需要对车辆中各种目标检测模型进行测试,还需要对雷达、测距装置等进行测试。其中,目标检测模型可以为障碍物检测模型,行人检测模型,车辆检测模型等等,对于每个网络模型的精度、召回率、准确度都有对应的基准精度。
也即是说,对于任一测试场景以及任一行驶速度,其对应有多个指标,该多个指标可以用于表示车辆对环境的感知能力,判断能力和检测能力。对于任一类型的指标,该装置中都预设有其对应的基准精度。
举例来说,可以将当前车辆可能遇到的测试场景分为A、B、C,其中,车辆在测试场景A中可能行驶的速度为a1、a2、a3,在测试场景B中可能行驶的速度为b1、b2、b3,在测试场景C中可能行驶的速度为c1、c2、c3。其中,a1对应的指标可以为x1、x2、x3,其中,x1对应的基准精度可以为K1,x2对应的基准精度可以为K2,x3对应的基准精度可以为K3。
也即是说,每个测试场景的每个行驶速度都可能对应有多个基准精度。需要说明的是,本公开中,测试场景不限于分为A、B、C,行驶的速度不限于分为a1、a2、a3,a1对应的指标不限于分为x1、x2、x3。上述举例仅为本公开的一种示意性说明,对本公开不构成限定。
或者,还可以确定当前的行驶速度所位于的速度区间,并确定该测试场景中该速度区间对应的各个指标的各个基准精度。
举例来说,对于特殊天气场景,可以确定该场景对应的速度范围为(20,80km/h),也即可以分为(20km/h,40km/h],(40km/h,60km/h]、(60km/h,80km/h]等多个速度区间,进而确定当前的行驶速度所在的速度区间,进而确定该速度区间中各个指标对应的基准精度,比如模型准确率、召回率、接收信号强度等等,在此不不进行限定。
其中,对于每个速度区间来说,其对应的有多个距离范围。
其中,距离范围可以为道路纵向的距离,比如以车辆为中心,车辆之前100米,以及车身之后100的范围,或者,还可以包含车身的横向范围,比如车身左侧的距离以及车身右侧的距离。可以理解的是,由于主要关注的位置在车身的的纵向距离,因而横向距离的关注范围可以低于纵向的关注范围。比如,横向距离的关注范围可以仅为纵向的距离范围的一半,由此,可以降低计算量。
需要说明的是,对于任一测试场景来说,其包含的每个待测试的速度区间都包含多个待测试的距离范围。比如,对于特殊低速测试场景来说,也即速度区间为0-20km/h,其对应的距离范围可以为0-20m,20-40m,40-100m。其中,0-20m内的距离范围可以为最关键范围,对该范围内的各项指标都需要按照最高要求,而对于20-40m范围内的各项指标可以按照较高级的要求,而对于40-100m范围内的各项指标可以按照次级的要求。其中,最高要求对应着最高的基准精度,依次类推,当距离范围变大,则基准精度可以相应的降低。也即是说,可以把最关键距离的,也即最近距离范围内的各项指标按照最高级的基准精度,最大距离范围的各项指标可以按照相对次级的基准精度,但是仍需要满足对于目标识别准确率的识别要求。
步骤S103:确定车辆在当前测试场景下的测试精度。
需要说明的是,不同测试场景的测试精度可能相同,也可能不同,本公开中,在当前测试场景下对车辆进行测试时,需要获得当前测试场景下的车辆的测试精度。
其中,测试精度可以为根据当前对车辆各个指标的测试结果所确定的准确度。
具体的,一个车辆需要测试的指标有很多,比如对障碍物识别的精度,对行人、车辆识别的精度等等,还可以包括测距装置的测距精度以及激光雷达的测量准确度,可以有很多,在此不进行限定。
需要说明的是,任一测试场景都有其对应的测试的距离范围,比如对于低速测试场景来说,车辆的刹车距离较短,在反应时间一定的情况下,由于车辆的车速较低,因而车辆在对自身进行调整和控制时所需要的反应距离也较短。因而,其测试的距离范围也比较小。
本公开中,测试精度可以包含车辆在当前测试场景下的多个距离范围对应的测试精度。
需要说明的是,已知40km/h的车速推理安全制动距离20m,因此按照20m内为最关键距离,对各种指标按最高要求。
对于符合特殊低速的测试场景来说,在低速下,以20m范围内的测试结果按照最高要求,也即需要给予最高的基准精度。
进一步地,考虑20-40m范围,也即对于车辆在20-40m内的测试结果,可以按照仅次于20m范围内的测试结果的要求,也即其可以对应次级的基准精度。
另外,为了满足规控需求,需要考虑提供40m-100m范围内测试结果的测试精度,也即对于40m-100m范围内测试结果,可以按照次于20-40m范围内的测试结果的要求,也即40m-100m范围内感知结果可以对应次于20-40m范围内的基准精度。
需要说明的是,上述中对于车辆在符合特殊低速的测试场景下的举例说明,仅为本公开的一种示意性说明,在此不作为对本公开的限定。
步骤S104:根据测试精度与基准精度的比较结果,确定车辆当前的感知能力等级。
需要说明的是,在将车辆在当前测试场景下的基准精度与测试精度进行比较时,可以将每个距离范围对应的基准精度与测试精度进行比较,之后确定车辆当前的感知能力等级。
举例来说,对于车辆在当前测试场景下的各个待测试距离范围A、B、C,可以分别将A、B、C分别对应的基准精度a1,b1,c1和测试精度a2,b2,c2进行比较,之后可以根据a1和a2,b1和b2,c1和c2三个比较结果确定当前的感知能力等级,比如,若a2≥a1,b2≥b2,且c2≥c1,则可以确定车辆当前的感知能力等级为高等级。需要说明的是,当前测试场景对应的待测试距离范围可以不限于A、B、C,也可以有更多,或者,还可以仅为A和B,在此不做限定。
需要说明的是,上述示例仅为本公开的一种示意性说明,对本公开不构成限定。
本公开实施例中,首先确定车辆当前的行驶速度以及当前测试场景的类型,然后根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度,之后确定所述车辆在所述当前测试场景下的测试精度,然后根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级。由此,可以结合车辆的行驶速度以及测试场景的类型,确定基准精度,也即对车辆感知能力的评测标准。从而针对不同的驾驶测试场景,比如低速场景、特殊天气场景、高速公路场景等等以及根据每种测试场景的不同行驶速度都针对性的给出了划分基准,从而提高了上游规控的发挥空间。因而,在获取了车辆在当前的测试精度时,也即获得了此时对车辆各项感知能力的测试结果后,可以将车辆在该测试场景下的测试精度和对应的基准精度进行比较,从而确定车辆在该测试场景下的感知能力的等级。由此,提高了对感知能力等级确定的精准度和可靠度,使得对车辆的测试更加的充分可信,使得在对车辆感知能力的测试层面,为行车交通安全提供了可靠的保障。
图2是本公开又一实施例提出的车辆感知能力的确定方法的流程示意图。
如图2所示,该车辆感知能力的确定方法,包括:
步骤S201:获取当前车辆的周围环境图像以及行驶速度。
其中,当前车辆可以为无人驾驶汽车、新能源汽车,在此不进行限定。
其中,行驶速度可以为当前车辆行驶时的车速。
可选的,可以通过安装在车身周围的环视摄像装置,获取当前的周围环境图像。其中,周围环境图像可以用于该装置对当前车辆所在的测试环境进行识别。
步骤S202:对周围环境图像进行检测,以确定车辆周围环境的能见度。
其中,能见度可以为能见距离,也即具有正常视力的人在当时的天气条件下还能够看清楚目标轮廓的最大地面水平距离。
可选的,可以通过在周围环境图像中提取出与能见度关联度较大的图像特征并形成特征向量,之后利用机器学习算法建立图像特征向量与能见度真值之间的关系模型,从而可以计算车辆周围环境的能见度。
或者,还可以直接通过透射式能见度仪测量能见度,通过透射式能见度仪可以在一定的距离外检测光源衰减的程度,通过计算其大气衰减系数即可换算出能见距离。
步骤S203:根据能见度以及行驶速度,确定当前测试场景的类型。
可选的,若当前车辆周围环境的能见度小于或等于第一阈值,该装置则可以确定当前的测试场景的类型为第一场景。
其中,第一阈值可以为预先对车辆周围环境的能见度设定的阈值,该阈值可以根据经验和实际情况而调整。
需要说明的是,如果车辆周围环境的能见度小于或等于第一阈值,则说明此时车辆行驶的周围环境能见度非常的低。比如,当前的测试场景可能是傍晚、夜晚、雨雪天气、大雾、雾霾、沙尘暴等等。
其中,第一场景可以为能见度比较低的场景,比如由于天气原因造成的能见度低,或者由于光照,比如夜晚、傍晚等,光线比较弱造成的能见度比较低。
在第一场景下,由于能见度比较低,也即对车辆造成了一定的速度限制,过高的速度在这种场景下容易出现交通事故,因而,在这种测试场景下,对较远距离,比如200米以内的目标识别准确率,也即目标识别的基准精度需要提高,以保障行车安全。
或者,若当前车辆周围环境的能见度大于第一阈值且行驶速度小于第二阈值的情况下,该装置则可以确定当前的测试场景的类型为第二场景。
需要说明的是,如果车辆周围环境的能见度大于第一阈值,则说明此时的能见度比较高,比如可以为晴朗的天气。
其中,第二阈值可以为对车辆行驶速度的阈值。
需要说明的是,对于车辆行驶速度的不同,可以将测试场景分为低速场景或者高速场景。其中,低速场景可以为拥堵路段、进出匝道、学校附近限低速行驶等场景。
可选的,可以将20km/h作为第二阈值,也即如果车辆的行驶速度低于20km/h,则说明车辆此时处于低速测试场景中。
其中,第二场景可以为车辆周围环境能见度高但是车辆的行驶速度较低的场景。
需要说明的是,如果当前车辆周围环境的能见度较高且车辆的行驶速度较低,则说明此时车辆处于第二场景。
可以理解的是,在确定每个测试场景对应的速度区间时,可以依据相应的交通法规以及国家标准。
需要说明的是,根据相关法规,机动车在高速公路上行驶,遇到雾、雨、雪、尘、雹等低能见度气象条件时,应当遵守下列规定:驾驶机动车在高速公路遇到能见度低于200米的气象条件时,最高车速是不得超过60km/h,能见度低于100米时,车速不得超过每小时40km/h,当能见度低于50米时,驾驶时速不得超过20km/h,并尽快从最近的出口离开高速公路。
因而,作为一种可能实现的方式,当能见度低于50米时,行驶速度低于20km/h,此时可以确定车辆的测试场景为第二场景,也即为低速驾驶场景。
需要说明的是,通过结合交规、车速规定下的汽车安全制动距离,可以为当前待测试的车辆提出有理论依据的评价分级指标。
或者,若当前车辆周围环境的能见度大于第一阈值且行驶速度大于或等于第二阈值的情况下,该装置则可以确定当前的测试场景的类型为第三场景。
其中,第三场景可以为行驶速度较高且环境能见度较高的场景,且第三场景应用的次数更多,为一种普遍的驾驶场景。
需要说明的是,如果当前车辆的周围环境的能见度大于第一阈值且行驶速度大于或等于第二阈值,则说明此时车辆周围环境的能见度较高且此时车辆处于非低速路段,比如高速路,或者城市主干道场景中,此时由于车辆的速度较快,因而对于更大距离的精度要求变高。
步骤S204:确定当前的测试场景的类型对应的各个速度区间。
具体的,不同测试场景可以对应有不同的速度范围。比如对于第一场景,其对应的速度范围可以为20-80km/h,对于第二场景,其对应的速度范围可以为0-20km/h,对于第三场景,其对应的速度范围可以为20-120km/h,在此不做限定。
其中,速度区间可以为根据测试场景的类型所对应的速度范围,进一步划分的各个子区间。
需要说明的是,针对每一个测试场景,还可以根据其对应的速度范围进行细分,从而确定每个速度范围对应的速度区间,比如对于第一场景来说,可以将其分为四个速度区间,也即可以将20-80km/h分为20-40km/h、40-60km/h、60-80km/h,在此不做限定。
对于第二场景来说,由于其为特殊低速场景,因而其可以对应一个唯一的速度区间,也即为0-20km/h。
对于第三场景来说,其为在正常能见度下的行驶速度正常的场景,可以进一步地将20-120km/h划分为20-40km/h、40-60km/h、60-80km/h、80-100km/h、100-120km/h,在此不做限定。
需要说明的是,上述举例中对每个测试场景速度区间的划分仅为一种示意性说明,而不做为对本公开的一种限定。
步骤S205:确定当前的行驶速度所属的目标速度区间。
其中,目标速度区间可以为确定当前的行驶速度所属的速度区间。
举例来说,若测试场景为第二场景,行驶速度为17km/h,则可以确定其位于第二场景的速度区间中。
若测试场景为第三场景,且当前速度为112km/h,则可以确定当前的行驶速度属于第三场景的100-120km/h速度区间,进而可以将100-120km/h作为目标速度区间。
若测试场景为第一场景,且当前速度为66km/h,则可以确定当前的行驶速度属于第二场景的60-80km/h速度区间中,进而可以将60-80km/h作为目标速度区间。
需要说明的是,上述举例仅为一种示意性说明,而不做为对本公开的限定。
步骤S206:确定与当前的测试场景的类型以及目标速度区间对应的精度,为车辆当前对应的基准精度。
其中,车辆当前对应的基准精度可以为多个指标对应的基准精度,其中,每个指标对应的基准精度可以不同。比如对路面行人识别准确率的基准精度以及与障碍物识别准确率的基准精度,以及雷达测距的精度是不相同的。
另外,对于0-50m范围对行人识别准确率的基准精度和50-100m范围对行人识别准确率的基准精度可以是不同的。
本公开中,可以首先确定当前的测试场景的类型在当前的目标速度区间下所对应的各个距离范围,比如大雾场景,也即第一场景在40-60km/h的目标速度区间中对应的距离范围可以为0-50m,50-100m,100-200m。可以理解的是,在确定了这三个距离范围之后,还需要确定每个距离范围内对各项指标的基准精度。
举例来说,对于测试场景A来说,在确定了测试场景A对应的目标速度区间G之后,可以根据确定与目标速度区间G对应的距离范围G1、G2、G3,之后确定每个距离范围对应的指标以及指标对应的基准精度。
也即,可以进一步确定G1、G2、G3与预设的指标集{k1、k2、k3....kn}分别对应基准精度,G1对应的基准精度{k1-m1、k2-m2、k3-m3....kn-mn},G2对应的基准精度{k1-f1、k2-f2、k3-f3....kn-fn},以及G3对应的基准精度{k1-j1、k2-j2、k3-j3....kn-jn}。
需要说明的是,上述举例仅为一种示意性说明,在此不作为对本公开的限定。
步骤S207:确定车辆在所述当前测试场景下的测试精度。
步骤S208:根据测试精度与基准精度的比较结果,确定车辆当前的感知能力等级。
需要说明的是,步骤S207、S208的具体实现方式可以参照上述实施例,在此不进行赘述。
本公开实施例中,首先获取当前车辆的周围环境图像以及行驶速度,然后对周围环境图像进行检测,以确定车辆周围环境的能见度,之后根据能见度以及行驶速度,确定当前测试场景的类型,然后确定当前的测试场景的类型对应的各个速度区间,之后确定当前的行驶速度所属的目标速度区间,然后确定与当前的测试场景的类型以及目标速度区间对应的精度,为车辆当前对应的基准精度,之后确定车辆在所述当前测试场景下的测试精度,然后根据测试精度与基准精度的比较结果,确定车辆当前的感知能力等级。由此,可以根据车辆周围环境的能见度以及行驶速度确定测试场景的类型,使得对基准精度的确定更加科学有理论依据,在获取了车辆在当前的测试精度时,也即获得了此时对车辆各项感知能力的测试结果后,可以将车辆在该测试场景下的测试精度和对应的基准精度进行比较,从而确定车辆在该测试场景下的感知能力的等级。
图3是本公开又一实施例提出的车辆感知能力的确定方法的流程示意图。
如图3所示,该车辆感知能力的确定方法,包括:
步骤S301:确定车辆当前的行驶速度以及当前测试场景的类型。
步骤S302:根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度。
步骤S303:确定所述车辆在所述当前测试场景下的测试精度。
步骤S304:根据车辆在当前测试场景下,每个距离范围对应的基准精度与测试精度的比较结果,确定车辆当前的感知能力等级。
需要说明的是,在将车辆在当前测试场景下的基准精度与测试精度进行比较时,可以将每个距离范围对应的基准精度与测试精度进行比较,之后确定车辆当前的感知能力等级。
举例来说,对于车辆在当前测试场景下的各个待测试距离范围A、B、C,可以分别将A、B、C分别对应的基准精度a1,b1,c1和测试精度a2,b2,c2进行比较,之后可以根据a1和a2,b1和b2,c1和c2三个比较结果确定当前的感知能力等级。需要说明的是,当前测试场景对应的待测试距离范围可以不限于A、B、C,也可以有更多,或者,还可以仅为A和B,在此不做限定。
作为一种可能实现的方式,该装置可以在确定车辆在每个所述距离范围的测试精度均大于或者等于对应的基准精度时,确定车辆当前的感知能力等级为高等级。
举例来说,若车辆在当前测试场景下的各个待测试距离范围为A、B、C,可以分别将A、B、C分别对应的基准精度a1,b1,c1和测试精度a2,b2,c2进行比较,若a2≥a1,b2≥b2,且c2≥c1,则可以确定车辆当前的感知能力等级为高等级。
需要说明的是,如果车辆当前的感知能力等级为高等级,则说明车辆的各项待检测的感知指标均符合最高的要求,可以认为当前车辆已经满足了在当前测试场景下的行驶能力。
或者,还可以在确定车辆在最大距离范围的测试精度大于或者等于所述最小距离范围的基准精度,确定所述车辆当前的感知能力等级为高等级。
举例来说,若车辆在当前测试场景下的各个待测试距离范围为A、B、C,其中,距离范围A<B<C,也即C为最大距离范围,然后可以分别将A、B、C分别对应的基准精度a1,b1,c1和测试精度a2,b2,c2进行比较,若c2≥a1,则可以确定车辆当前的感知能力等级为高等级。
需要说明的是,由于距离越远,检测的精度越低,因而如果车辆在当前测试场景下最大距离范围对应的测试精度大于或者等于最小距离范围的基准精度,则说明其他距离范围的测试精度也可以满足对应的基准精度。也即可以说明车辆的各项待检测的感知指标均可以符合最高的要求,可以认为当前车辆已经满足了在当前测试场景下的安全行驶能力。
或者,还可以在确定车辆在最小距离范围的测试精度大于或者等于所述最小距离范围对应的基准精度,且除最小距离范围之外的每个所述距离范围的测试精度均小于对应的基准精度,确定所述车辆当前的感知能力等级为中等级。
举例来说,若车辆在当前测试场景下的各个待测试距离范围为A、B、C,其中,距离范围A<B<C,也即A为最小距离范围。可以分别将A、B、C分别对应的基准精度a1,b1,c1和测试精度a2,b2,c2进行比较,若a2≥a1,b2≤b2,且c2≤c1,则可以确定车辆当前的感知能力等级为中等级。或者,若a2≥a1,b2≥b2,且c2≤c1,也可以确定车辆当前的感知能力等级为中等级。
需要说明的是,如果只有最小距离范围的测试精度可以满足基准精度,则说明当前的车辆仅能在最关键距离内保持稳定,对于较远的距离难以保障其安全性,从而可以将车辆当前的感知能力等级为中等级。
或者,还可以在确定车辆在最小距离范围对应的测试精度小于所述最小距离范围对应的基准精度,确定所述车辆当前的感知能力等级为低等级。
举例来说,若车辆在当前测试场景下的各个待测试距离范围为A、B、C,其中,距离范围A<B<C,也即A为最小距离范围。可以分别将A、B、C分别对应的基准精度a1,b1,c1和测试精度a2,b2,c2进行比较,若a2≤a1,则可以确定车辆当前的感知能力等级为低等级。
需要说明的是,如果车辆在最关键关注距离,也即最小距离范围对应的测试精度没有达到基准精度,则说明车辆的感知能力完全没有达标,可以确定车辆当前的感知能力等级为低等级。也即是说,此时车辆在行车时的安全性是极差的,很容易出现交通事故。
步骤S305:根据车辆当前的感知能力的等级,确定对车辆在当前测试场景下的优化策略。
其中,优化策略可以为对车辆的改善策略。
通过对车辆在当前测试场景下进行测试,可以确定车辆在当前测试场景下的感知能力等级,如果车辆当前感知能力的等级为高等级,则说明此时车辆在当前测试场景下已经处于健康状态,也即各项能力具有健壮性,也即可以不同对参数进行较大的调整,或者,不用进行改动。
如果车辆在当前测试场景下的感知能力等级为中等级,也即是说此时车辆仅能完成最基础的感知,满足近距离精度要求,而对于远距离的精度要求则无法满足,因而需要对各项感知模型重新进行优化训练和升级,以使得车辆的感知能力能够满足当下测试场景中的需要。
如果车辆在当前测试场景下的感知能力等级为低等级,也即是说车辆在近距离和远距离时的测试精度均无法满足要求,因而需要对感知模型进行更换、重做或者进行较大的改善。
本公开实施例中,首先确定车辆当前的行驶速度以及当前测试场景的类型,然后根据车辆的行驶速度以及当前测试场景的类型,确定车辆当前对应的基准精度,之后确定车辆在所述当前测试场景下的测试精度,然后根据车辆在当前测试场景下,每个距离范围对应的基准精度与测试精度的比较结果,确定车辆当前的感知能力等级,根据车辆当前的感知能力的等级,确定对车辆在当前测试场景下的优化策略。由此,可以在获取了车辆在当前的测试精度时,也即获得了此时对车辆各项感知能力的测试结果后,可以将车辆在该测试场景下的每个距离范围对应的测试精度和对应的基准精度进行比较,从而确定车辆在该测试场景下的感知能力的等级,并根据该等级为车辆确定了对应的优化策略,从而可以保障对关注区域高精准要求既保证算法的可落地,在车辆在量产前为车辆在该场景下进行充分的体系测试。
图4是本公开一实施例提出的车辆感知能力的确定装置的结构框图。
如图4所示,该车辆感知能力的确定装置,包括第一确定模块410、第二确定模块420、第三确定模块430以及第四确定模块440。
第一确定模块410,用于确定车辆当前的行驶速度以及当前测试场景的类型;
第二确定模块420,用于根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度;
第三确定模块430,用于确定所述车辆在所述当前测试场景下的测试精度;
第四确定模块440,用于根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级。
可选的,所述第一确定模块,包括:
获取单元,用于获取当前车辆的周围环境图像以及行驶速度;
第一确定单元,用于对所述周围环境图像进行检测,以确定所述车辆周围环境的能见度;
第二确定单元,用于根据所述能见度以及所述行驶速度,确定所述当前测试场景的类型。
可选的,所述第二确定单元,具体用于:
在所述能见度小于或等于第一阈值的情况下,确定所述当前的测试场景的类型为第一场景;
或者,
在所述能见度大于所述第一阈值且所述行驶速度小于第二阈值的情况下,确定所述当前的测试场景的类型为第二场景;
或者,
在所述能见度大于所述第一阈值且所述行驶速度大于或等于所述第二阈值的情况下,确定所述当前的测试场景的类型为第三场景。
可选的,所述第二确定模块,具体用于:
确定所述当前的测试场景的类型对应的各个速度区间;
确定所述当前的行驶速度所属的目标速度区间;
确定与所述当前的测试场景的类型以及所述目标速度区间对应的精度,为所述车辆当前对应的基准精度。
可选的,所述测试精度包含所述车辆在当前测试场景下的多个距离范围对应的测试精度。
可选的,所述第四确定模块,包括:
第三确定单元,用于根据所述车辆在当前所述测试场景下,每个距离范围对应的所述基准精度与所述测试精度的比较结果,确定所述车辆当前的感知能力等级。
可选的,所述第三确定单元,具体用于:
响应于所述车辆在每个所述距离范围的测试精度均大于或者等于对应的基准精度,确定所述车辆当前的感知能力等级为高等级;或者,
响应于所述车辆在最大距离范围的测试精度大于或者等于所述最大距离范围的基准精度,确定所述车辆当前的感知能力等级为高等级;或者,
响应于确定所述车辆在最小距离范围的测试精度大于或者等于所述最小距离范围对应的基准精度,且除所述最小距离范围之外的每个所述距离范围的测试精度均小于对应的基准精度,确定所述车辆当前的感知能力等级为中等级;或者,
响应于确定所述车辆在所述最小距离范围对应的测试精度小于所述最小距离范围对应的基准精度,确定所述车辆当前的感知能力等级为低等级。
可选的,所述第四确定模块,还用于:
根据所述车辆当前的感知能力的等级,确定对所述车辆在当前所述测试场景下的优化策略。
本公开实施例中,首先确定车辆当前的行驶速度以及当前测试场景的类型,然后根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度,之后确定所述车辆在所述当前测试场景下的测试精度,然后根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级。由此,可以结合车辆的行驶速度以及测试场景的类型,确定基准精度,也即对车辆感知能力的评测标准。从而针对不同的驾驶测试场景,比如低速场景、特殊天气场景、高速公路场景等等以及根据每种测试场景的不同行驶速度都针对性的给出了划分基准,从而提高了上游规控的发挥空间。因而,在获取了车辆在当前的测试精度时,也即获得了此时对车辆各项感知能力的测试结果后,可以将车辆在该测试场景下的测试精度和对应的基准精度进行比较,从而确定车辆在该测试场景下的感知能力的等级。由此,提高了对感知能力等级确定的精准度和可靠度,使得对车辆的测试更加的充分可信,使得在对车辆感知能力的测试层面,为行车交通安全提供了可靠的前提。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的车辆感知能力的确定方法的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其它设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,举例而言,车辆感知能力的确定方法,或者车辆感知能力的确定方法。举例而言,在一些实施例中,车辆感知能力的确定方法,或者车辆感知能力的确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。
在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的车辆感知能力的确定方法,或者车辆感知能力的确定方法的一个或多个步骤。备选地,在其它实施例中,计算单元501可以通过其它任何适当的方式(举例而言,借助于固件)而被配置为执行车辆感知能力的确定方法,或者车辆感知能力的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(举例而言,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(举例而言,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;举例而言,提供给用户的反馈可以是任何形式的传感反馈(举例而言,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(举例而言,作为数据服务器)、或者包括中间件部件的计算系统(举例而言,应用服务器)、或者包括前端部件的计算系统(举例而言,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(举例而言,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。举例而言,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其它因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种车辆感知能力的确定方法,其特征在于,包括:
获取当前车辆的周围环境图像以及行驶速度;
对所述周围环境图像进行检测,以确定所述车辆周围环境的能见度;
根据所述能见度以及所述行驶速度,确定所述当前测试场景的类型;
根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度;
确定所述车辆在所述当前测试场景下的测试精度;
根据所述车辆在当前所述测试场景下,每个距离范围对应的所述基准精度与所述测试精度的比较结果,确定所述车辆当前的感知能力等级。
2.如权利要求1所述的方法,其特征在于,所述根据所述能见度以及所述行驶速度,确定所述当前测试场景的类型,包括:
在所述能见度小于或等于第一阈值的情况下,确定所述当前的测试场景的类型为第一场景;
或者,
在所述能见度大于所述第一阈值且所述行驶速度小于第二阈值的情况下,确定所述当前的测试场景的类型为第二场景;
或者,
在所述能见度大于所述第一阈值且所述行驶速度大于或等于所述第二阈值的情况下,确定所述当前的测试场景的类型为第三场景。
3.如权利要求1-2任一所述的方法,其特征在于,所述根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度,包括:
确定所述当前的测试场景的类型对应的各个速度区间;
确定所述当前的行驶速度所属的目标速度区间;
确定与所述当前的测试场景的类型以及所述目标速度区间对应的精度,为所述车辆当前对应的基准精度。
4.如权利要求1所述的方法,其特征在于,所述测试精度包含所述车辆在当前测试场景下的多个距离范围对应的测试精度。
5.如权利要求1所述的方法,其特征在于,所述根据所述车辆在当前所述测试场景下,每个距离范围对应的所述基准精度与所述测试精度的比较结果,确定所述车辆当前的感知能力等级,包括:
响应于所述车辆在每个所述距离范围的测试精度均大于或者等于对应的基准精度,确定所述车辆当前的感知能力等级为高等级;或者,
响应于所述车辆在最大距离范围的测试精度大于或者等于所述最大距离范围的基准精度,确定所述车辆当前的感知能力等级为高等级;或者,
响应于确定所述车辆在最小距离范围的测试精度大于或者等于所述最小距离范围对应的基准精度,且除所述最小距离范围之外的每个所述距离范围的测试精度均小于对应的基准精度,确定所述车辆当前的感知能力等级为中等级;或者,
响应于确定所述车辆在所述最小距离范围对应的测试精度小于所述最小距离范围对应的基准精度,确定所述车辆当前的感知能力等级为低等级。
6.如权利要求1所述的方法,其特征在于,在所述根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级之后,还包括:
根据所述车辆当前的感知能力的等级,确定对所述车辆在当前所述测试场景下的优化策略。
7.一种车辆感知能力的确定装置,其特征在于,包括:
第一确定模块,用于确定车辆当前的行驶速度以及当前测试场景的类型;
第二确定模块,用于根据所述车辆的行驶速度以及当前测试场景的类型,确定所述车辆当前对应的基准精度;
第三确定模块,用于确定所述车辆在所述当前测试场景下的测试精度;
第四确定模块,用于根据所述测试精度与所述基准精度的比较结果,确定所述车辆当前的感知能力等级;
所述第一确定模块,包括:
获取单元,用于获取当前车辆的周围环境图像以及行驶速度;
第一确定单元,用于对所述周围环境图像进行检测,以确定所述车辆周围环境的能见度;
第二确定单元,用于根据所述能见度以及所述行驶速度,确定所述当前测试场景的类型;
所述第四确定模块,包括:
第三确定单元,用于根据所述车辆在当前所述测试场景下,每个距离范围对应的所述基准精度与所述测试精度的比较结果,确定所述车辆当前的感知能力等级。
8.如权利要求7所述的装置,其特征在于,所述第二确定单元,具体用于:
在所述能见度小于或等于第一阈值的情况下,确定所述当前的测试场景的类型为第一场景;
或者,
在所述能见度大于所述第一阈值且所述行驶速度小于第二阈值的情况下,确定所述当前的测试场景的类型为第二场景;
或者,
在所述能见度大于所述第一阈值且所述行驶速度大于或等于所述第二阈值的情况下,确定所述当前的测试场景的类型为第三场景。
9.如权利要求7-8任一所述的装置,其特征在于,所述第二确定模块,具体用于:
确定所述当前的测试场景的类型对应的各个速度区间;
确定所述当前的行驶速度所属的目标速度区间;
确定与所述当前的测试场景的类型以及所述目标速度区间对应的精度,为所述车辆当前对应的基准精度。
10.如权利要求7所述的装置,其特征在于,所述测试精度包含所述车辆在当前测试场景下的多个距离范围对应的测试精度。
11.如权利要求7所述的装置,其特征在于,所述第三确定单元,具体用于:
响应于所述车辆在每个所述距离范围的测试精度均大于或者等于对应的基准精度,确定所述车辆当前的感知能力等级为高等级;或者,
响应于所述车辆在最大距离范围的测试精度大于或者等于所述最大距离范围的基准精度,确定所述车辆当前的感知能力等级为高等级;或者,
响应于确定所述车辆在最小距离范围的测试精度大于或者等于所述最小距离范围对应的基准精度,且除所述最小距离范围之外的每个所述距离范围的测试精度均小于对应的基准精度,确定所述车辆当前的感知能力等级为中等级;或者,
响应于确定所述车辆在所述最小距离范围对应的测试精度小于所述最小距离范围对应的基准精度,确定所述车辆当前的感知能力等级为低等级。
12.如权利要求7所述的装置,其特征在于,所述第四确定模块,还用于:
根据所述车辆当前的感知能力的等级,确定对所述车辆在当前所述测试场景下的优化策略。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295793.9A CN114720148B (zh) | 2022-03-23 | 2022-03-23 | 车辆感知能力的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295793.9A CN114720148B (zh) | 2022-03-23 | 2022-03-23 | 车辆感知能力的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114720148A CN114720148A (zh) | 2022-07-08 |
CN114720148B true CN114720148B (zh) | 2023-04-28 |
Family
ID=82239210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210295793.9A Active CN114720148B (zh) | 2022-03-23 | 2022-03-23 | 车辆感知能力的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114720148B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655752B (zh) * | 2022-12-09 | 2023-03-17 | 成都鲁易科技有限公司 | 新能源车辆自动测试方法及装置、电子设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103335853B (zh) * | 2013-07-18 | 2015-09-16 | 中国科学院自动化研究所 | 一种无人驾驶车辆认知能力测试系统及方法 |
CN109032103B (zh) * | 2017-06-09 | 2020-12-18 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的测试方法、装置、设备及存储介质 |
CN110487562B (zh) * | 2019-08-21 | 2020-04-14 | 北京航空航天大学 | 一种用于无人驾驶的车道保持能力检测系统及方法 |
CN111579251A (zh) * | 2020-04-16 | 2020-08-25 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测试场景的确定方法、装置、设备及存储介质 |
CN112781887B (zh) * | 2020-12-21 | 2024-02-20 | 苏州挚途科技有限公司 | 测试车辆性能的方法、装置和系统 |
CN114021327A (zh) * | 2021-10-28 | 2022-02-08 | 同济大学 | 一种自动驾驶汽车感知系统性能量化评估方法 |
-
2022
- 2022-03-23 CN CN202210295793.9A patent/CN114720148B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114720148A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021023102A1 (zh) | 地图更新方法、装置及存储介质 | |
CN113129625B (zh) | 车辆控制方法、装置、电子设备和车辆 | |
CN112763995B (zh) | 雷达标定方法、装置、电子设备和路侧设备 | |
CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
WO2018036892A1 (en) | Driving assistance method and system for vehicle | |
CN114120650B (zh) | 用于生成测试结果的方法、装置 | |
CN112540365B (zh) | 一种评估方法、装置、设备及存储介质 | |
CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
CN113327419A (zh) | 绿波速度确定方法、装置、电子设备和存储介质 | |
CN114720148B (zh) | 车辆感知能力的确定方法、装置、设备及存储介质 | |
CN115273477B (zh) | 路口驾驶建议推送方法、装置、系统和电子设备 | |
CN113119999B (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN114463985A (zh) | 辅助驾驶的方法、装置、设备及存储介质 | |
CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
US20230126172A1 (en) | Method of outputting prompt information, device, medium, and vehicle | |
CN116007638B (zh) | 车辆轨迹地图匹配方法、装置、电子设备及车辆 | |
CN114582125B (zh) | 道路通行方向的识别的方法、装置、设备及存储介质 | |
CN113850297B (zh) | 道路数据的监测方法、装置、电子设备及存储介质 | |
CN115171075A (zh) | 道路类型识别方法、装置及设备 | |
CN114973656A (zh) | 交通交互性能的评估方法、装置、设备、介质和产品 | |
CN112415518B (zh) | 基于车载毫米波雷达的可通行空间检测方法 | |
CN116264038A (zh) | 信号灯控制方法及装置、电子设备和存储介质 | |
CN114218344A (zh) | 地图数据更新方法、装置、设备、存储介质和程序产品 | |
CN114413922B (zh) | 电子地图的导航方法、装置、设备、介质及产品 | |
CN114120651B (zh) | 用于测试感知目标数的方法、装置、设备、介质和产品 |
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 |