CN114755035B - 一种基于车载终端的智能驾驶多维度测试方法 - Google Patents
一种基于车载终端的智能驾驶多维度测试方法 Download PDFInfo
- Publication number
- CN114755035B CN114755035B CN202210670974.5A CN202210670974A CN114755035B CN 114755035 B CN114755035 B CN 114755035B CN 202210670974 A CN202210670974 A CN 202210670974A CN 114755035 B CN114755035 B CN 114755035B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- test
- sub
- 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
- 238000010998 test method Methods 0.000 title claims description 7
- 238000012360 testing method Methods 0.000 claims abstract description 339
- 238000012544 monitoring process Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000012795 verification Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 42
- 238000004590 computer program Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004898 kneading Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于车载终端的智能驾驶多维度测试方法,可以应用于无人驾驶测试领域。对无人驾驶车辆的测评依赖于车辆测试工程师的工作经验和远程监控平台,存在无人驾驶测试结果难以量化、无法在测试过程中实时获取测试结果以及信息输入来源受限、可信度差等技术问题。该方法包括:确定测试车辆的测试场景;获取在测试过程中车载终端的监测信息、测试场景的场景信息以及测试车辆的实际行为监测信息。在确定行驶在测试车辆后方的跟随车辆之后,获取跟随车辆采集的测试车辆的车辆外部信息;根据上述信息,确定测试场景的测试结果。本发明提供了一种可量化的、实时的、多维度、可信度高的测试方法,可以应用于无人驾驶车辆的实际测试。
Description
技术领域
本发明涉及无人驾驶功能测试领域,尤其涉及一种基于车载终端的智能驾驶多维度测试方法。
背景技术
无人驾驶车辆集环境感知、决策规划和驾驶控制等功能于一体,在特定环境下能够自主、安全、可靠地行驶。随着无人驾驶技术的发展,对无人驾驶车辆性能的测试需求也愈加急迫。
现有技术主要是在仿真、封闭场地测试和开放测试道路条件下,对无人驾驶车辆进行测试。其中,针对封闭场地和开放测试道路的实车测试,依赖于车辆测试工程师的工作经验和远程监控平台,无法实时测评无人驾驶场景。此外,现有技术还存在测试结果难以量化、远程数据无法有效利用、信息输入来源受限等技术问题。
发明内容
鉴于上述问题,本发明提供了一种基于车载终端的智能驾驶多维度测试方法、装置、电子设备和计算机存储介质。
根据本发明的第一个方面,提供了一种基于车载终端的智能驾驶多维度测试方法,包括:确定测试车辆的测试场景,测试车辆上设置有车载终端;获取在测试过程中车载终端的监测信息、测试场景的场景信息以及测试车辆的实际行为监测信息;根据测试场景,确定行驶在测试车辆后方的跟随车辆;获取在测试过程中跟随车辆采集的测试车辆的车辆外部信息;以及根据车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息,确定测试场景的测试结果。
可选的,根据车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息,确定测试场景的测试结果包括:将车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息分别细分为多个子信息;将用于描述同一事件的子信息进行分类合并,得到与同一事件对应的信息集合;对信息集合中的子信息进行冗余验证和可信度筛选,得到与同一事件对应的可信子信息;根据与同一事件对应的可信子信息确定测试场景的测试结果。
可选的,对信息集合中的子信息进行冗余验证和可信度筛选,得到与同一事件对应的可信子信息包括:根据信息集合中的子信息表征的结果,对信息集合中的子信息进行相互验证,得到验证结果;根据验证结果确定信息集合中的子信息的可信度;根据可信度对信息集合中的子信息进行筛选,得到与同一事件对应的可信子信息。
可选的,测试场景包括多个事件,每个事件具有对应的权重数据,根据与同一事件对应的可信子信息确定测试场景的测试结果包括:根据与同一事件对应的可信子信息,确定同一事件的测试结果;根据多个事件中每个事件的权重数据和测试结果,确定测试场景的测试结果。
可选的,多个事件包括车辆违规事件。
可选的,车载终端的监测信息包括测试车辆内部的摄像头信息、测试车辆的定位信息和测试车辆的车辆总线信息;车载终端的监测信息细分的子信息包括:来自摄像头的油门踩踏的起始时间/踩踏时长,刹车踩踏的起始时间/踩踏时长,方向盘干预的起始时间/转向时长,来自定位信息的测试车辆车速超过限速要求/定位信息/姿态信息,来自车辆总线的油门踩踏的起始时间/踩踏时长/踩踏力度,刹车踩踏的起始时间/踩踏时长/踩踏力度,方向盘干预的起始时间/转向时长/施加力矩;场景信息包括:与路口停止线距离、碰撞水马或锥桶数量、车辆停入车位信息;场景信息细分的子信息包括:与路口停止线距离、碰撞时间/碰撞数量/碰撞类型、每个车轮距离车位线距离/车身是否超出车位;实际行为监测信息包括:测试车辆的碰撞事件信息、车辆起步信息、车辆停车信息、闯红灯信息、变道信息;实际行为监测信息细分的子信息包括:与交通参与者发生碰撞/交通参与者类型,与非交通参与者发生碰撞/非交通参与者类型,是否停车/停车起止时间/前进倒退,闯红灯起始时间,路口是否变道/左右变道类型;车辆外部信息包括:测试车辆的转向灯信息、测试车辆的车轮压线信息、测试车辆的制动信息、测试车辆的所在车道信息;车辆外部信息细分的多个子信息包括:打转向灯起止时间/转向灯类型,车轮压线起止时间/车轮压线时车道线类型,车辆制动起止时间,车辆当前行驶车道。
可选的,车载终端通过数据读取接口和/或传感器获取摄像头信息、定位信息和车辆总线信息。
本发明的第二方面提供了一种基于车载终端的智能驾驶多维度测试装置,包括:第一确定模块,用于确定测试车辆的测试场景,测试车辆上设置有车载终端;第一获取模块,用于获取在测试过程中车载终端的监测信息、测试场景的场景信息以及测试车辆的实际行为监测信息;第二确定模块,用于根据测试场景,确定行驶在测试车辆后方的跟随车辆;第二获取模块,用于获取在测试过程中跟随车辆采集的测试车辆的车辆外部信息;以及测试模块,用于根据车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息,确定测试场景的测试结果。
本发明的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述基于车载终端的智能驾驶多维度测试方法。
本发明的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述基于车载终端的智能驾驶多维度测试方法。
本发明的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述基于车载终端的智能驾驶多维度测试方法。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本发明实施例的基于车载终端的智能驾驶多维度测试方法的应用场景;
图2示意性示出了根据本发明实施例的基于车载终端的智能驾驶多维度测试方法的流程图;
图3示意性示出了根据本发明具体实施例的基于车载终端的智能驾驶多维度测试方法的示意图;
图4示意性示出了根据本发明实施例的基于车载终端的智能驾驶多维度测试装置的结构框图;以及
图5示意性示出了根据本发明实施例的适于基于车载终端的智能驾驶多维度测试方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
当前无人驾驶车辆的测试可在仿真模拟环境下进行,但无法对真实情况下无人驾驶车辆性能进行完全复现实车测试;在封闭场地完成的实车测试虽然能够相对真实的测试无人驾驶车辆,但是也无法对无人驾驶车辆在实际交通情况下的性能进行测试;在开放测试道路虽然可实现真实交通流情况下的性能测试,但是由于测试时道路情况复杂,测试多依赖于车辆测试工程师的工作经验和远程监控平台,很难做到精确量化分析和事后精确溯源。
在对无人驾驶车辆的测试结果进行分析的过程中,不仅获取的信息输入来源受限,而且获取的测试结果也依赖于车辆工程师的工作经验,无法量化分析测试结果导致测试效率低、测试结果存在偏差、可信度差。
考虑到上述技术问题,本发明利用场景信息、实际行为监测信息、车载终端的监测信息以及跟随车辆采集的车辆外部信息,不仅完善了信息获取来源,实现多维度测试,还能够量化分析测试结果,增加测试的可信度。测试车辆副驾驶座位的测试人员不仅可以利用终端设备采集实际行为监测信息,还可以对无人驾驶车辆行驶过程中的突发状况采取相应的措施。
本发明的实施例提供了一种基于车载终端的智能驾驶多维度测试方法,包括:确定测试车辆的测试场景,测试车辆上设置有车载终端;获取在测试过程中车载终端的监测信息、测试场景的场景信息以及测试车辆的实际行为监测信息;根据测试场景,确定行驶在测试车辆后方的跟随车辆;获取在测试过程中跟随车辆采集的测试车辆的车辆外部信息;以及根据车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息,确定测试场景的测试结果。
图1示意性示出了根据本发明实施例的基于车载终端的智能驾驶多维度测试方法的应用场景。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、104、105和车载终端103。网络106用以在终端设备101、102、104、105、车载终端103和服务器107之间提供通信链路的介质。网络106可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
场景测试人员可以通过终端设备101采集场景信息,跟随车辆的测试人员可以通过另一终端设备102来采集测试车辆的车辆外部信息,设置于测试车辆内部的车载终端103可以采集车辆的测试信息,获取车载终端的监测信息,测试车辆内部的测试人员可以通过另一终端设备105采集测试车辆的实际行为监测信息。
终端设备101、102、104、105通过网络106与服务器107交互,以接收或发送消息等。终端设备101、102、104、105可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。
服务器107可以是提供各种服务的服务器,例如测试人员利用终端设备101、102、104、105所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的测试人员请求等数据进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的基于车载终端的智能驾驶多维度测试方法一般可以由服务器107执行。相应地,本发明实施例所提供的基于车载终端的智能驾驶多维度测试装置一般可以设置于服务器107中。本发明实施例所提供的基于车载终端的智能驾驶多维度测试方法也可以由不同于服务器107且能够与终端设备101、102、104、105和/或服务器107通信的服务器或服务器集群执行。相应地,本发明实施例所提供的基于车载终端的智能驾驶多维度测试装置也可以设置于不同于服务器107且能够与终端设备101、102、104、105和/或服务器107通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本发明实施例的基于车载终端的智能驾驶多维度测试方法的流程图。
如图2所示,该方法包括操作S210~S250。
在操作S210,确定测试车辆的测试场景,测试车辆上设置有车载终端。
根据本发明的实施例,测试车辆可以是无人驾驶车辆,无人驾驶车辆的测试场景包括实际驾驶车辆可能遇到的测试场景,例如,红绿灯通行、环岛行驶、智能泊车、高速行驶等。根据本发明的实施例,在无人驾驶车辆内部安装有车载终端,车载终端用于采集测试车辆在行驶过程中的测试信息。
在操作S220,获取在测试过程中车载终端的监测信息、测试场景的场景信息以及测试车辆的实际行为监测信息。
根据本发明的实施例,车载终端的监测信息可以通过远程监控平台的测试人员的终端设备获取,测试场景的场景信息可以通过位于测试场地的测试人员的终端设备获取,测试车辆的实际行为监测信息可以通过位于测试车辆副驾驶座位的测试人员的终端设备获取。
在测试车辆出现突发情况时,位于副驾驶座位的测试人员可以通过人工干预及时制止突发情况,并通过副驾驶座位测试人员的终端设备采集突发状况的信息,以便后续调整测试车辆的性能。例如,对于正常绿灯行驶的情况下,突然有行人冲出,副驾驶座位的测试人员可以通过相应的处理措施实时应对突发情况,从源头制止事故的产生。
根据本发明的实施例,测试车辆内部可以设置有紧急按钮,副驾驶座位的测试人员可以通过操作紧急按钮,使得测试车辆能够及时制动,以应对突发状况。
根据本发明的实施例,车载终端的监测信息包括测试车辆内部的摄像头信息、测试车辆的定位信息和测试车辆的车辆总线信息。
根据本发明的实施例,根据车载终端的监测信息可以确定测试车辆内测试人员的人工干预信息。例如,通过摄像头信息获取到测试车辆内方向盘、脚踏板等视角的视频信息,该视频信息包括人工干预的帧信息和没有人工干预的帧信息。在利用车载终端将该视频图像上传到远程监控平台之后,可以通过远程监控平台的测试人员的终端设备获取人工干预信息。根据本发明的实施例,车载终端可以通过数据读取接口和/或传感器获取摄像头信息、定位信息和车辆总线信息。
根据本发明的实施例,测试车辆的实际行为监测信息至少包括以下其中之一:测试车辆的碰撞事件信息、车辆起步信息、车辆停车信息、闯红灯信息、变道信息。
根据本发明的实施例,测试场景的场景信息包括与路口停止线距离、碰撞水马或锥桶数量、车辆停入车位信息等。场景信息还包括测试车辆内部其他来源无法获取的信息,如实际行为监测信息、车辆外部信息、车载终端的监测信息无法采集到的信息。
在操作S230,根据测试场景,确定行驶在测试车辆后方的跟随车辆。
根据本发明的实施例,测试场景包括低速场景和高速场景。在低速测试场景下,如智能泊车,测试车辆后方不需要跟随车辆。此时,根据车载终端的监测信息、场景信息和实际行为监测信息,确定测试场景的测试结果。
在操作S240,获取在测试过程中跟随车辆采集的测试车辆的车辆外部信息。
根据本发明的实施例,在确定当前测试场景需要的跟随车辆之后,通过跟随车辆内测试人员的终端设备,可以采集测试车辆在测试过程中的车辆外部信息。
车辆外部信息包括测试车辆的转向灯信息、测试车辆的车轮压线信息、测试车辆的制动信息、测试车辆的所在车道信息。
在操作S250,根据车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息,确定测试场景的测试结果。
根据发明的实施例,对车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息进行实时的子信息提取、子信息分类、子信息可信度筛选,得到测试车辆产生的事件,其中,测试车辆产生的事件包括车辆违规事件。然后进一步将筛选后的事件子信息输入到测试模块。测试模块根据预设的分值规则表,确定各个事件的得分数据,最终得到测试场景的测试结果。测试模块可以实时提取车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息。
根据本发明的实施例,子信息提取、分类和可信度筛选是将获得的车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息进行细分处理,且针对描述同一事件的子信息进行分类合并,再进行冗余验证和可信度筛选,得出同一事件及其对应的可信子信息,然后输入到测试模块,确定当前测试场景的测试结果。其中,在得出同一事件及其对应的可信子信息的过程中,可以同时筛选出车辆违规事件。
本发明利用场景信息、实际行为监测信息、车载终端的监测信息以及跟随车辆采集的车辆外部信息,不仅丰富了信息获取来源,实现多维度、全方面测试和评价无人驾驶车辆的性能,提高了无人驾驶车辆测试的准确性和可靠性;还能够量化分析测试结果。此外,本发明通过采集实际行为监测信息可以获取无人驾驶车辆在真实行驶环境下信息,进一步提高测试结果的准确性和可靠性。
根据本发明的实施例,将车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息分别细分为多个子信息之后,将用于描述同一事件的子信息进行分类合并,得到与同一事件对应的信息集合。需要说明的是,同一事件对应的信息集合中的子信息可以来自车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息中的任意一个或多个信息来源。
根据本发明的实施例,车载终端的监测信息细分的子信息包括:来自摄像头的油门踩踏的起始时间/踩踏时长,刹车踩踏的起始时间/踩踏时长,方向盘干预的起始时间/转向时长,来自定位信息的测试车辆车速超过限速要求/定位信息/姿态信息,来自车辆总线的油门踩踏的起始时间/踩踏时长/踩踏力度,刹车踩踏的起始时间/踩踏时长/踩踏力度,方向盘干预的起始时间/转向时长/施加力矩。
场景信息细分的子信息包括:与路口停止线距离、碰撞时间/碰撞数量/碰撞类型、每个车轮距离车位线距离/车身是否超出车位。
实际行为监测信息细分的子信息包括:与交通参与者发生碰撞/交通参与者类型,与非交通参与者发生碰撞/非交通参与者类型,是否停车/停车起止时间/前进倒退,闯红灯起始时间,路口是否变道/左右变道类型。
车辆外部信息细分的多个子信息包括:打转向灯起止时间/转向灯类型,车轮压线起止时间/车轮压线时车道线类型,车辆制动起止时间,车辆当前行驶车道。
在确定同一事件对应的信息集合之后,对信息集合中的子信息进行冗余验证和可信度筛选,得到与同一事件对应的可信子信息,然后根据与同一事件对应的可信子信息确定测试场景的测试结果。信息集合中的子信息是对同一事件不同维度的描述,对于同一事件的描述结果可能存在差异,需要对信息集合中的子信息进行筛选或融合,以确定同一事件的测试结果。
根据本发明的实施例,根据信息集合中的子信息表征的结果,对信息集合中的子信息进行相互验证,得到验证结果;根据验证结果确定信息集合中的子信息的可信度;根据可信度对信息集合中的子信息进行筛选,得到与同一事件对应的可信子信息。根据本发明的实施例,信息集合中的子信息表征的结果包括是否违规,例如,对于红绿灯左转通行,需要在左转道左转,并且路口处不能压实线。实际行为监测信息细分得到的子信息包括存在变道/左转道变道,表征的结果为未违规;车辆外部信息细分的子信息包括左转向灯亮起,车辆当前行驶在直行车道,表征的结果为违规。此时对于红绿灯通行中的转向灯事件,两个子信息存在差异,得到的验证结果为不匹配。
例如,对信息集合中的子信息进行相互验证可以是验证信息集合中的子信息表征的结果是否一致,例如,对于车辆总线信息获取的踩刹车时间为2s,摄像头信息获取的踩刹车时间为5s,两者信息不匹配,得到的验证结果为不匹配。
在验证结果不匹配的情况下,根据预设规则确定信息集合中的子信息的可信度。将可信度高的子信息筛选出来,作为与同一事件对应的可信子信息。例如,在实际行为监测信息细分的变道子信息的可信度高于车辆外部信息细分的变道子信息的情况下,将在左转道左转作为规定车道行驶事件的可信子信息。
根据本发明的实施例,预设规则包括:关于碰撞,实际行为监测信息中碰撞子信息可信度高于其他来源子信息;关于变道,实际行为监测信息中变道子信息可信度高于车辆外部信息中测试车辆变道子信息;关于转向,车辆外部信息的转向子信息可信度高于其他来源子信息;车载终端的监测信息中总线信息可信度高于摄像头信息。
预设规则还包括:根据测试场景包括的多个事件,从预先测试的数据中确定可信度表,然后从该可信度表中确定子信息的可信度。
根据本发明的实施例,测试场景可以包括多个事件,多个事件具有对应的权重数据。例如,对于红绿灯通行测试场景,包括是否闯红灯事件、是否压线事件、是否熄火事件,其中,是否闯红灯事件的权重数据高于是否压线事件的权重数据,是否压线事件的权重数据高于是否熄火事件的权重数据。具体的,多个事件的权重数据可以从权重数据表中获取,权重数据表中多个事件的权重可以依据交通违规中扣分值的多少和专家打分来确定。
根据本发明的实施例,多个事件包括车辆违规事件。例如,对于红绿灯通行测试场景,包括车辆闯红灯、车辆路口变道碾压实线、车辆变道未打转向灯、车辆在直行道路左转等多个违规事件,还包括与之对应的未违规事件:车辆未闯红灯、车辆正常变道、车辆变道正常打转向灯等。
在根据与同一事件对应的可信子信息,确定同一事件的测试结果之后,可以根据多个事件的权重数据和测试结果确定测试场景的测试结果。例如,在将上述车辆违规事件和事件对应的子信息输入到测试模块,根据预设的分值规则表,针对每一个车辆违规事件扣除相应的分数,未违规事件记录正常得分。将未违规事件和扣除惩罚分数后的车辆违规事件根据权重数据加权相加,得到最后的总得分,根据总得分可以分析测试结果。总得分越高,表示测试车辆的测试性能越好。
本发明通过综合车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息,可以实时输出测试结果,提高了无人驾驶车辆的测试效率。
根据本发明的实施例,通过车载终端采集的测试车辆的定位信息包括测试车辆的实际定位信息和测试车辆的姿态信息。具体的,实际定位信息可以通过全球定位系统(Global Positioning System,GPS)、蓝牙、WIFI等获取,姿态信息可以通过惯性测量单元(Inertial Measurement Unit,IMU)获取。
通过车载终端采集的摄像头信息包括测试车辆内部的前挡风玻璃视角信息、方向盘视角信息和脚踏板视角信息。前挡风玻璃视角信息,用于获取测试车辆前方行驶状况。方向盘视角信息和脚踏板视角信息,用于采集无人驾驶车辆操控状况及测试车辆内部测试人员的人工干预情况。车载终端可以安装在测试车辆的内部或外部,便于采集摄像头信息、定位信息、车辆总线信息等。摄像头信息可以由安装在测试车辆内部的多个摄像头采集,车辆内部至少包括采集前挡风玻璃视角信息、方向盘视角信息和脚踏板视角信息的三个摄像头。
在一些实施例中,车载终端将采集的测试信息发送到远程监控平台,远程监控平台的测试人员可以通过额外的终端设备或远程监控平台配套的终端设备采集监测信息。具体的,通过远程监控测试人员的终端设备采集的信息包括:测试车辆内部的摄像头信息、测试车辆的定位信息和测试车辆的车辆总线信息等。
根据本发明的实施例,在确定测试场景的测试结果之后,再进入下一个测试场景的测试过程。例如,当开始测试时,测试车辆需要先进行车辆起步操作,在完成车辆起步之后,测试车辆需要一段路程才能进入红绿灯通行测试场景。在完成车辆起步测试场景之后,进入红绿灯通行测试场景之前,即可实时确定出车辆起步测试场景的测试结果,并存储车辆起步测试场景的测试结果,然后才进入红绿灯通行测试场景。
以红绿灯通行和智能泊车两个实际测试场景详细说明本发明所提出的测评方法的具体实施方式。
在红绿灯通行测试场景中,在将车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息分别细分为多个子信息之后,将用于描述同一事件的子信息提取出来、并进行分类合并,得到与同一事件对应的信息集合。
对提取到的子信息进一步进行冗余验证和可信度筛选,如将车载终端的监测信息中来自摄像头的油门踩踏的起始时间/踩踏时长与车辆总线信息中的同类型信息进行冗余验证,保留可信子信息。如将实际行为监测信息中路口是否变道/左右变道类型,与车辆外部信息中打转向灯起止时间/转向灯类型、车辆当前行驶车道进行冗余验证。根据子信息的可信度,筛选出同一事件的可信子信息。在上述多个子信息的验证结果为匹配的情况下,上述多个来源的子信息都为可信子信息。
对于红绿灯通行测试场景下的车辆违规事件,包括:车辆闯红灯、车辆路口变道碾压实线、车辆变道未打转向灯、车辆在直行道路左转。将上述车辆违规事件和未违规事件对应的子信息输入到测试模块,针对每一个违规事件扣除相应的分数惩罚,未违规事件记录正常得分,加权求和得到总得分。总得分越高,表示测试车辆的测试性能越好。此外,测试结果可以体现出测试场景中每个测试项目的具体数值情况,可以直观、准确的确定出现问题的测试行为。
智能泊车测试场景属于低速场景,不需要跟随车辆。在智能泊车测试场景下,在将获得的车载终端的监测信息、场景信息、实际行为监测信息进行细分处理,且针对描述同一事件的子信息进行分类合并之后,再进行冗余验证和可信度筛选。
将用于描述同一事件的子信息进行分类合并、冗余验证和可信度筛选。例如,将车载终端的监测信息中来自摄像头的油门踩踏的起始时间/踩踏时长,与车辆总线信息中的同类型信息进行冗余验证,保留可信子信息。
例如,对于事件A,将实际行为监测信息中是否停车/停车起止时间/前进倒退,与场景信息中同类型的子信息进行冗余验证。实际行为监测信息中的子信息为存在前进倒退,且前进倒退次数大于6次;场景信息中的子信息为车辆揉库次数大于6次,停车姿态角大于3度,车身停在车位线外,上述两个来源的子信息均表明事件A为车辆违规事件(定义揉库次数大于4次为违规事件),且信息一致,所以上述两个来源的子信息均为可信子信息。将上述车辆违规事件A和事件对应的子信息输入到测试模块,针对每一个违规事件扣除相应的分数惩罚,确定智能泊车测试场景的测试结果。
图3示意性示出了根据本发明具体实施例的基于车载终端的智能驾驶多维度测试方法的示意图。
如图3所示,340为确定的测试场景A,在测试场景A中,测试车辆320为待测试的无人驾驶车辆,测试车辆320内部乘坐有测试人员,测试车辆320内部安装有车载终端330;跟随车辆310设置在测试车辆后方,跟随车辆310内部也乘坐有测试人员。
跟随车辆内部的测试人员通过终端设备采集车辆外部信息350,测试车辆内部的测试人员通过终端设备采集实际行为监测信息360,车载终端330将采集到的摄像头信息331、定位信息332和车辆总线信息333发送到远程监控平台,远程监控平台的测试人员通过终端设备采集车载终端的监测信息370,测试场地的测试人员通过终端设备采集场景信息380。其中,摄像头信息331包括前挡风玻璃视角信息3311、方向盘视角信息3312和脚踏板视角信息3313;定位信息332包括姿态信息3321和实时定位信息3322。
在390子信息提取、分类合并,具体的,测试模块可以将获取的车辆外部信息350、实际行为监测信息360、车载终端的监测信息370和场景信息380分别细分为多个子信息,然后将用于描述同一事件的子信息进行分类合并,得到信息集合。接下来在3100冗余验证、可信度筛选,具体的,利用子信息的可信度对信息集合内的子信息进行冗余验证和可信度筛选,得到与同一事件对应的可信子信息。测试场景A包括多个事件,在3110结合权重数据、得到测试场景A的测试结果,具体的,可以利用每个事件对应的权重数据,加权求和得到测试场景A的测试结果。在3120按照测试场景的测试顺序,输出全部测试场景的测试结果。
从测试车辆开始进行测试到结束测试,测试模块可以根据测试场景的时间发生顺序或者测试顺序输出多个测试场景的测试结果,还可以将多个测试场景进行组合,输出包含多个测试场景的最终测试结果。
图4示意性示出了根据本发明实施例的基于车载终端的智能驾驶多维度测试装置的结构框图。
如图4所示,该实施例的基于车载终端的智能驾驶多维度测试装置400包括第一确定模块410、第一获取模块420、第二确定模块430、第二获取模块440和测试模块450。
第一确定模块410,用于确定测试车辆的测试场景,测试车辆上设置有车载终端。在一实施例中,第一确定模块410,可以用于执行前文描述的操作S210,在此不再赘述。
第一获取模块420,用于获取在测试过程中车载终端的监测信息、测试场景的场景信息以及测试车辆的实际行为监测信息。在一实施例中,第一获取模块420,可以用于执行前文描述的操作S220,在此不再赘述。
第二确定模块430,用于根据测试场景,确定行驶在测试车辆后方的跟随车辆。在一实施例中,第二确定模块430,可以用于执行前文描述的操作S230,在此不再赘述。
第二获取模块440,用于获取在测试过程中跟随车辆采集的测试车辆的车辆外部信息。在一实施例中,第二获取模块440,可以用于执行前文描述的操作S240,在此不再赘述。
测试模块450,用于根据车载终端的监测信息、场景信息、实际行为监测信息和车辆外部信息,确定测试场景的测试结果。在一实施例中,测试模块450,可以用于执行前文描述的操作S250,在此不再赘述。
图5示意性示出了根据本发明实施例的适于基于车载终端的智能驾驶多维度测试方法的电子设备的方框图。
如图5所示,根据本发明实施例的电子设备500包括处理器501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM503中,存储有电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM503通过总线504彼此相连。处理器501通过执行ROM502和/或RAM503中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM502和RAM503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备500还可以包括输入/输出(I/O)接口505,输入/输出(I/O)接口505也连接至总线504。电子设备500还可以包括连接至I/O接口505的以下部件中的一项或多项:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本发明实施例的方法。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于: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)、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。在本发明中,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。例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM502和/或RAM503和/或ROM502和RAM503以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品,其包括计算机程序,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。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本发明实施例所提供的基于车载终端的智能驾驶多维度测试方法。
在该计算机程序被处理器501执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分509被下载和安装,和/或从可拆卸介质511被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时,执行本发明实施例的系统中限定的上述功能。根据本发明的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例,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实施例提供的计算机程序的程序代码,具体地,可以利用面向过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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、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)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,上述模块、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,框图或流程图中的每个方框、以及框图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。
本领域技术人员可以理解,本发明的各个实施例中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于车载终端的智能驾驶多维度测试方法,其特征在于,包括:
确定测试车辆的测试场景,所述测试车辆上设置有车载终端;
获取在测试过程中所述车载终端的监测信息、所述测试场景的场景信息以及所述测试车辆的实际行为监测信息;
根据所述测试场景,确定行驶在所述测试车辆后方的跟随车辆;
获取在测试过程中所述跟随车辆采集的所述测试车辆的车辆外部信息;
将所述车载终端的监测信息、所述场景信息、所述实际行为监测信息和所述车辆外部信息分别细分为多个子信息;
将用于描述同一事件的子信息进行分类合并,得到与所述同一事件对应的信息集合;
对所述信息集合中的子信息进行冗余验证和可信度筛选,得到与所述同一事件对应的可信子信息;
根据与所述同一事件对应的可信子信息确定所述测试场景的测试结果;
其中,所述车载终端的监测信息包括所述测试车辆内部的摄像头信息、所述测试车辆的定位信息和所述测试车辆的车辆总线信息;所述车载终端的监测信息细分的子信息包括:来自摄像头的油门踩踏的起始时间/踩踏时长,刹车踩踏的起始时间/踩踏时长,方向盘干预的起始时间/转向时长,来自定位信息的测试车辆车速超过限速要求/定位信息/姿态信息,来自车辆总线的油门踩踏的起始时间/踩踏时长/踩踏力度,刹车踩踏的起始时间/踩踏时长/踩踏力度,方向盘干预的起始时间/转向时长/施加力矩;
所述场景信息包括:与路口停止线距离、碰撞水马或锥桶数量、车辆停入车位信息;所述场景信息细分的子信息包括:与路口停止线距离、碰撞时间/碰撞数量/碰撞类型、每个车轮距离车位线距离/车身是否超出车位;
所述实际行为监测信息包括:测试车辆的碰撞事件信息、车辆起步信息、车辆停车信息、闯红灯信息、变道信息;所述实际行为监测信息细分的子信息包括:与交通参与者发生碰撞/交通参与者类型,与非交通参与者发生碰撞/非交通参与者类型,是否停车/停车起止时间/前进倒退,闯红灯起始时间,路口是否变道/左右变道类型;
所述车辆外部信息包括:测试车辆的转向灯信息、测试车辆的车轮压线信息、测试车辆的制动信息、测试车辆的所在车道信息;所述车辆外部信息细分的多个子信息包括:打转向灯起止时间/转向灯类型,车轮压线起止时间/车轮压线时车道线类型,车辆制动起止时间,车辆当前行驶车道。
2.根据权利要求1所述的方法,其特征在于,对所述信息集合中的子信息进行冗余验证和可信度筛选,得到与所述同一事件对应的可信子信息包括:
根据所述信息集合中的子信息表征的结果,对所述信息集合中的子信息进行相互验证,得到验证结果;
根据所述验证结果确定所述信息集合中的子信息的可信度;
根据所述可信度对所述信息集合中的子信息进行筛选,得到与所述同一事件对应的可信子信息。
3.根据权利要求1所述的方法,其特征在于,所述测试场景包括多个事件,每个所述事件具有对应的权重数据,根据与所述同一事件对应的可信子信息确定所述测试场景的测试结果包括:
根据与所述同一事件对应的可信子信息,确定所述同一事件的测试结果;
根据多个所述事件中每个所述事件的权重数据和测试结果,确定测试场景的测试结果。
4.根据权利要求3所述的方法,其特征在于,所述多个事件包括车辆违规事件。
5.根据权利要求1所述的方法,其特征在于,所述车载终端通过数据读取接口和/或传感器获取所述摄像头信息、所述定位信息和所述车辆总线信息。
6.一种基于车载终端的智能驾驶多维度测试装置,其特征在于,包括:
第一确定模块,用于确定测试车辆的测试场景,所述测试车辆上设置有车载终端;
第一获取模块,用于获取在测试过程中所述车载终端的监测信息、所述测试场景的场景信息以及所述测试车辆的实际行为监测信息;
第二确定模块,用于根据所述测试场景,确定行驶在所述测试车辆后方的跟随车辆;
第二获取模块,用于获取在测试过程中所述跟随车辆采集的所述测试车辆的车辆外部信息;以及
测试模块,用于将所述车载终端的监测信息、所述场景信息、所述实际行为监测信息和所述车辆外部信息分别细分为多个子信息;
将用于描述同一事件的子信息进行分类合并,得到与所述同一事件对应的信息集合;
对所述信息集合中的子信息进行冗余验证和可信度筛选,得到与所述同一事件对应的可信子信息;
根据与所述同一事件对应的可信子信息确定所述测试场景的测试结果;
其中,所述车载终端的监测信息包括所述测试车辆内部的摄像头信息、所述测试车辆的定位信息和所述测试车辆的车辆总线信息;所述车载终端的监测信息细分的子信息包括:来自摄像头的油门踩踏的起始时间/踩踏时长,刹车踩踏的起始时间/踩踏时长,方向盘干预的起始时间/转向时长,来自定位信息的测试车辆车速超过限速要求/定位信息/姿态信息,来自车辆总线的油门踩踏的起始时间/踩踏时长/踩踏力度,刹车踩踏的起始时间/踩踏时长/踩踏力度,方向盘干预的起始时间/转向时长/施加力矩;
所述场景信息包括:与路口停止线距离、碰撞水马或锥桶数量、车辆停入车位信息;所述场景信息细分的子信息包括:与路口停止线距离、碰撞时间/碰撞数量/碰撞类型、每个车轮距离车位线距离/车身是否超出车位;
所述实际行为监测信息包括:测试车辆的碰撞事件信息、车辆起步信息、车辆停车信息、闯红灯信息、变道信息;所述实际行为监测信息细分的子信息包括:与交通参与者发生碰撞/交通参与者类型,与非交通参与者发生碰撞/非交通参与者类型,是否停车/停车起止时间/前进倒退,闯红灯起始时间,路口是否变道/左右变道类型;
所述车辆外部信息包括:测试车辆的转向灯信息、测试车辆的车轮压线信息、测试车辆的制动信息、测试车辆的所在车道信息;所述车辆外部信息细分的多个子信息包括:打转向灯起止时间/转向灯类型,车轮压线起止时间/车轮压线时车道线类型,车辆制动起止时间,车辆当前行驶车道。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~5中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,其上存储有可执行指令,所述可执行指令被处理器执行时使处理器执行根据权利要求1~5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210670974.5A CN114755035B (zh) | 2022-06-15 | 2022-06-15 | 一种基于车载终端的智能驾驶多维度测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210670974.5A CN114755035B (zh) | 2022-06-15 | 2022-06-15 | 一种基于车载终端的智能驾驶多维度测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114755035A CN114755035A (zh) | 2022-07-15 |
CN114755035B true CN114755035B (zh) | 2022-09-09 |
Family
ID=82336314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210670974.5A Active CN114755035B (zh) | 2022-06-15 | 2022-06-15 | 一种基于车载终端的智能驾驶多维度测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114755035B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632339A (zh) * | 2018-12-28 | 2019-04-16 | 同济大学 | 一种自动驾驶车辆交通协调性实车测试系统及方法 |
CN110441066A (zh) * | 2019-07-15 | 2019-11-12 | 中国第一汽车股份有限公司 | 一种智能驾驶车辆在环测试方法及测试系统 |
CN110785718A (zh) * | 2019-09-29 | 2020-02-11 | 驭势科技(北京)有限公司 | 一种车载自动驾驶测试系统及测试方法 |
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 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107782564B (zh) * | 2017-10-30 | 2019-12-13 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评系统及方法 |
CN108319249B (zh) * | 2017-12-15 | 2020-10-30 | 天津大学 | 基于驾驶模拟器的无人驾驶算法综合测评系统及方法 |
CN108255151A (zh) * | 2017-12-15 | 2018-07-06 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种无人驾驶车辆的测评系统 |
JP7254320B2 (ja) * | 2018-07-03 | 2023-04-10 | 株式会社Zmp | 走行車両の自動テスト走行システム |
CN112061132A (zh) * | 2019-05-24 | 2020-12-11 | 阿里巴巴集团控股有限公司 | 驾驶辅助方法和驾驶辅助装置 |
CN110197036B (zh) * | 2019-06-04 | 2023-02-28 | 云动(上海)汽车技术有限公司 | 智能驾驶评测系统及评测方法 |
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
- 2022-06-15 CN CN202210670974.5A patent/CN114755035B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632339A (zh) * | 2018-12-28 | 2019-04-16 | 同济大学 | 一种自动驾驶车辆交通协调性实车测试系统及方法 |
CN110441066A (zh) * | 2019-07-15 | 2019-11-12 | 中国第一汽车股份有限公司 | 一种智能驾驶车辆在环测试方法及测试系统 |
CN110785718A (zh) * | 2019-09-29 | 2020-02-11 | 驭势科技(北京)有限公司 | 一种车载自动驾驶测试系统及测试方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN114755035A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
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 | |
US20180322230A1 (en) | Driverless vehicle simulation test method and apparatus, device and readable medium | |
CN109416873B (zh) | 具有自动化风险控制系统的自主或部分自主机动车辆及其相应方法 | |
CN106846863B (zh) | 基于增强现实和云端智能决策的事故黑点警告系统及方法 | |
JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
CN112789619B (zh) | 一种仿真场景的构建方法、仿真方法以及设备 | |
US9472098B2 (en) | Vehicle-based abnormal travel event detecting and reporting | |
DE112020004587T5 (de) | Verteilter verkehrssicherheitskonsens | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
US20140278840A1 (en) | Telemetry-based vehicle policy enforcement | |
CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
US20220198107A1 (en) | Simulations for evaluating driving behaviors of autonomous vehicles | |
CN111765904B (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
CN110304068A (zh) | 汽车行驶环境信息的采集方法、装置、设备和存储介质 | |
CN114492022A (zh) | 路况传感数据处理方法、装置、设备、程序以及存储介质 | |
CN114664002A (zh) | 分布式车载实时传感器数据处理作为服务 | |
CN113053099A (zh) | 一种异常交通事件处理方法及装置 | |
Alsubaei | Reliability and security analysis of artificial intelligence-based self-driving technologies in Saudi Arabia: A case study of Openpilot | |
CN108346294B (zh) | 车辆识别系统、方法和装置 | |
CN114755035B (zh) | 一种基于车载终端的智能驾驶多维度测试方法 | |
US20230196619A1 (en) | Validation of virtual camera models | |
Bäumler et al. | Report on validation of the stochastic traffic simulation (Part B) | |
CN112216133B (zh) | 信息推送方法、装置、设备及介质 | |
CN117730289A (zh) | 测试方法及装置 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220715 Assignee: Zhongqi Intellectual Property (Guangzhou) Co.,Ltd. Assignor: China automobile information technology (Tianjin) Co.,Ltd. Contract record no.: X2024440000002 Denomination of invention: A Multidimensional Testing Method for Intelligent Driving Based on Vehicle Terminal Granted publication date: 20220909 License type: Common License Record date: 20240105 |
|
EE01 | Entry into force of recordation of patent licensing contract |