CN114970726A - 一种多传感器自动驾驶算法的评估及可视化方法及系统 - Google Patents
一种多传感器自动驾驶算法的评估及可视化方法及系统 Download PDFInfo
- Publication number
- CN114970726A CN114970726A CN202210607346.2A CN202210607346A CN114970726A CN 114970726 A CN114970726 A CN 114970726A CN 202210607346 A CN202210607346 A CN 202210607346A CN 114970726 A CN114970726 A CN 114970726A
- Authority
- CN
- China
- Prior art keywords
- data
- algorithm
- automatic driving
- optimization
- sensor
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种多传感器自动驾驶算法的评估及可视化方法及系统,该方法包括:自动驾驶车辆将多个传感器采集的数据作为原始传感器数据进行保存;分别采用优化前后的自动驾驶算法对原始传感器数据进行计算,以分别融合控制数据;对原始传感器数据、优化前后的自动驾驶算法的融合控制数据进行可视化显示;加载优化前后自动驾驶算法的融合控制数据,并选择对比时段,通过对比时段内相同场景下车辆的刹车时间和刹车加速度的变化生成算法评估报告。本发明使用的是相同的原始传感器数据,这样在100%还原历史场景的同时,还能够对不同的自动驾驶算法得到的数据来进行对比,这样生成的报告才能更贴近实际场景,更有说服力。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种多传感器自动驾驶算法的评估及可视化方法及系统。
背景技术
目前城市汽车保有量越来越大,城市交通问题逐渐凸显出来,包括交通拥堵,空气污染等,自动驾驶作为未来汽车发展模式,被认为是解决上述问题的有效手段。自动驾驶技术通过车联网获取周围车辆和云端信息,可以实现更高效的车辆调度,缓解了车辆数目过多带来的交通拥堵问题,同时自动驾驶技术可以解放人类司机,因此吸引了众多算法开发者前往自动驾驶研究的浪潮。
如在申请号为CN201910801897.0的发明专利申请中公开了一种自动驾驶车辆的定位模块测试方法、装置及设备,该方法包括:获取测试用例,该测试用例包括基于高精度地图配置的测试路段、车辆模型数据以及驾驶状态数据;运行测试用例,根据车辆模型数据和驾驶状态数据生成自动驾驶车辆在测试路段运行的模拟场景;获取模拟场景中自动驾驶车辆的参考位置信息,基于该参考位置信息生成测试控制指令;根据测试控制指令输出用于定位的模拟信号,以使定位模块接收该模拟信号,根据该模拟信号生成自动驾驶车辆的实时位置信息;获取该实时位置信息,根据实时位置信息和参考位置信息的比对结果生成测试报告。本方案实现了在模拟场景下对定位模块的自动化测试,降低了测试成本,提高了测试效率。但是上述方案也存在下面的问题:上述方案中提到了对比模拟位置和参考位置,虽然有利于生成对比报告,但是我们知道,自动驾驶的车辆在经过相同的地方时,各个传感器接收到的信号也有很大的区别,如果只是用模拟场景和信号,这种做法智能局限于算法研究,而不能更好的贴近实际应用场景。
发明内容
针对现有技术存在的上述不足,本发明要解决的技术问题是:如何提供一种能够能够更加贴近实际应用场景,并可以更加直观的展示数据,同时能够自动生成车辆的自动驾驶算法评估报告的多传感器自动驾驶算法的评估及可视化方法及系统。
为了解决上述技术问题,本发明采用如下技术方案:
一种多传感器自动驾驶算法的评估及可视化方法,包括以下步骤:
步骤1)自动驾驶车辆将多个传感器采集的数据作为原始传感器数据进行保存;
步骤2)分别采用优化前的自动驾驶算法和优化后的自动驾驶算法对原始传感器数据进行计算,以分别得到相同场景下优化前后自动驾驶算法的融合控制数据;
步骤3)对原始传感器数据、优化前的自动驾驶算法的融合控制数据、以及优化后的自动驾驶算法的融合控制数据进行可视化显示;
步骤4)加载优化前后自动驾驶算法的融合控制数据,并选择对比时段,通过对比时段内相同场景下车辆的刹车时间和刹车加速度的变化生成算法评估报告。
优选的,步骤2)中,回放并分别保存优化前后自动驾驶算法同一时段的历史数据,且历史数据包括原始传感器数据和融合控制数据。
优选的,步骤3)中,对步骤2)中保存的优化前后自动驾驶算法同一时段的历史数据进行实时可视化显示,且可视化显示方法包括摄像头视频显示和俯视图显示。
优选的,步骤3)中还包括对历史数据中的刹车时间点进行定位及显示。
优选的,步骤4)中,选取刹车时间点前后设定的时间段作为刹车时间段,并以该刹车时间段作为对比时段,通过对比时段内相同场景下车辆的刹车时刻和刹车加速度的变化生成算法评估报告。
优选的,步骤4)中,当优化前后自动算法在刹车时间段内的相同时刻刹车时,则对比优化前后自动驾驶算法的刹车时长及刹车加速度,根据对比结果判断优化前后自动驾驶算法的合理性并生成算法评估报告。
优选的,步骤4)中,当优化前后自动算法在刹车时间段内的不同时刻刹车时,则分别记录优化前后自动驾驶算法的刹车时间点,根据刹车时间点判断优化前后自动驾驶算法的合理性并生成算法评估报告。
一种实现上述多传感器自动驾驶算法的评估及可视化方法的系统,包括:
传感器组件,所述传感器组件包括分布在自动驾驶车辆上的多个传感器,所述传感器组件用于采集自动驾驶车辆的自动驾驶数据作为原始传感器数据;
数据采集设备,所述数据采集设备与所述传感器组件连接,用于保存所述传感器组件采集的原始传感器数据;
自动驾驶算法模块,所述自动驾驶算法模块与所述数据采集设备连接,用于根据原始传感器数据进行计算并得到融合控制数据;
数据保存模块,所述数据保存模块与所述自动驾驶算法模块连接,用于保存计算得到的融合控制数据;
数据读取模块,所述数据读取模块分别与所述数据采集设备和所述数据保存模块连接,以分别从所述数据采集设备和所述数据保存模块中读取原始传感器数据和融合控制数据;
离线可视化模块,所述离线可视化模块与所述数据读取模块连接,用于实时显示同一时段的原始传感器数据、以及优化前后自动驾驶算法得到的融合控制数据,且所述离线可视化模块包括摄像头展示模块和俯视图展示模块,所述摄像头展示模块用于对数据进行摄像头视频显示,所述俯视图展示模块用于显示车辆和车道线信息;
算法评估模块,所述算法评估模块与所述离线可视化模块连接,用于对优化前后自动驾驶算法的刹车数据进行评估并生成算法评估报告。
与现有技术相比,本发明具有以下优点:
1、本方法利用使用离线加载数据方式,算法开发人员可以选取优化前后自动驾驶算法的两组数据进行回放和数据分析,本方法能够对比两种数据,实时显示视频和数据,并自动生成分析报告,这样有助于提高算法开发人员的开发效率,更加方便开发人员定位刹车时间点以及问题点。
2、本发明使用的是相同的原始传感器数据,这样在100%还原历史场景的同时,还能够对不同的自动驾驶算法得到的数据来进行对比,这样生成的报告才能更贴近实际场景,更有说服力。
3、本发明中通过对原始传感器数据进行保存,同时保存的还有优化前后自动驾驶算法的融合控制数据。当自动驾驶算法开发者需要优化算法时,本方案提供的离线可视化模块可以更好的展示当前数据,同时优化算法之后,得到的数据也可以与原始的数据进行对比,生成算法评估报告;另外,本发明中有可视化界面,能够非常直观的展示数据,同时能够自动生成车辆刹车报告(精确到毫秒级),非常精确的评估算法优化前后,刹车是否更加合理。
4、由于自动驾驶算法开发人员对算法进行迭代开发时,因为融合控制算法的改动,使得车辆在应对相同的场景的时候,可能会选择不同的时间点、不同的加速度进行刹车,通过对比相同场景下的不同自动驾驶算法的表现,可以使用优化前后的自动驾驶算法进行数据离线回放,这样就会排除自动驾驶环境的干扰。
附图说明
图1为本发明多传感器自动驾驶算法的评估及可视化方法的流程图;
图2为本发明多传感器自动驾驶算法的评估及可视化方法中可视化显示流程图;
图 3为本发明多传感器自动驾驶算法的评估及可视化方法中生成算法评估报告的流程图;
图4为本发明多传感器自动驾驶算法的评估及可视化系统的系统框图。
具体实施方式
下面将结合附图及实施例对本发明作进一步说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。此外,术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如附图1到附图3所示,一种多传感器自动驾驶算法的评估及可视化方法,包括以下步骤:
步骤1)自动驾驶车辆将多个传感器采集的数据作为原始传感器数据进行保存,具体的,原始传感器数据保存为.dat格式的文件;
步骤2)分别采用优化前的自动驾驶算法和优化后的自动驾驶算法对原始传感器数据进行计算,以分别得到相同场景下优化前后自动驾驶算法的融合控制数据;
步骤3)对原始传感器数据、优化前的自动驾驶算法(算法一)的融合控制数据、以及优化后的自动驾驶算法(算法二)的融合控制数据进行可视化显示;
步骤4)加载优化前后自动驾驶算法的融合控制数据,并选择对比时段,通过对比时段内相同场景下车辆的刹车时间和刹车加速度的变化生成算法评估报告。
在本实施例中,步骤2)中,回放并分别保存优化前后自动驾驶算法同一时段的历史数据,具体的,优化前后自动驾驶算法的历史数据分别保存为dat1文件一和dat2文件二,且历史数据包括原始传感器数据和融合控制数据。
在本实施例中,步骤3)中,对步骤2)中保存的优化前后自动驾驶算法同一时段的历史数据进行实时可视化显示,且可视化显示方法包括摄像头视频显示和俯视图显示。
在本实施例中,步骤3)中还包括对历史数据中的刹车时间点进行定位及显示。
在本实施例中,步骤4)中,选取刹车时间点前后设定的时间段作为刹车时间段,并以该刹车时间段作为对比时段,通过对比时段内相同场景下车辆的刹车时刻和刹车加速度的变化生成算法评估报告。
在本实施例中,步骤4)中,当优化前后自动算法在刹车时间段内的相同时刻刹车时,则对比优化前后自动驾驶算法的刹车时长及刹车加速度,根据对比结果判断优化前后自动驾驶算法的合理性并生成算法评估报告。
在本实施例中,步骤4)中,当优化前后自动算法在刹车时间段内的不同时刻刹车时,则分别记录优化前后自动驾驶算法的刹车时间点,根据刹车时间点判断优化前后自动驾驶算法的合理性并生成算法评估报告。
如附图4所示,一种实现上述多传感器自动驾驶算法的评估及可视化方法的系统,包括:
传感器组件,传感器组件包括分布在自动驾驶车辆上的多个传感器,传感器组件用于采集自动驾驶车辆的自动驾驶数据作为原始传感器数据;
数据采集设备,数据采集设备与传感器组件连接,用于保存传感器组件采集的原始传感器数据;
自动驾驶算法模块,自动驾驶算法模块与数据采集设备连接,用于根据原始传感器数据进行计算并得到融合控制数据;
数据保存模块,数据保存模块与自动驾驶算法模块连接,用于保存计算得到的融合控制数据;
数据读取模块,数据读取模块分别与数据采集设备和数据保存模块连接,以分别从数据采集设备和数据保存模块中读取原始传感器数据和融合控制数据;
离线可视化模块,离线可视化模块与数据读取模块连接,用于实时显示同一时段的原始传感器数据、以及优化前后自动驾驶算法得到的融合控制数据,且离线可视化模块包括摄像头展示模块和俯视图展示模块,摄像头展示模块用于对数据进行摄像头视频显示,俯视图展示模块用于显示车辆和车道线信息;
算法评估模块,算法评估模块与离线可视化模块连接,用于对优化前后自动驾驶算法的刹车数据进行评估并生成算法评估报告。
与现有技术相比,本方法利用使用离线加载数据方式,算法开发人员可以选取优化前后自动驾驶算法的两组数据进行回放和数据分析,本方法能够对比两种数据,实时显示视频和数据,并自动生成分析报告,这样有助于提高算法开发人员的开发效率,更加方便开发人员定位刹车时间点以及问题点。本发明使用的是相同的原始传感器数据,这样在100%还原历史场景的同时,还能够对不同的自动驾驶算法得到的数据来进行对比,这样生成的报告才能更贴近实际场景,更有说服力。本发明中通过对原始传感器数据进行保存,同时保存的还有优化前后自动驾驶算法的融合控制数据。当自动驾驶算法开发者需要优化算法时,本方案提供的离线可视化模块可以更好的展示当前数据,同时优化算法之后,得到的数据也可以与原始的数据进行对比,生成算法评估报告;另外,本发明中有可视化界面,能够非常直观的展示数据,同时能够自动生成车辆刹车报告(精确到毫秒级),非常精确的评估算法优化前后,刹车是否更加合理。由于自动驾驶算法开发人员对算法进行迭代开发时,因为融合控制算法的改动,使得车辆在应对相同的场景的时候,可能会选择不同的时间点、不同的加速度进行刹车,通过对比相同场景下的不同自动驾驶算法的表现,可以使用优化前后的自动驾驶算法进行数据离线回放,这样就会排除自动驾驶环境的干扰。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制技术方案,本领域的普通技术人员应当理解,那些对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种多传感器自动驾驶算法的评估及可视化方法,其特征在于,包括以下步骤:
步骤1)自动驾驶车辆将多个传感器采集的数据作为原始传感器数据进行保存;
步骤2)分别采用优化前的自动驾驶算法和优化后的自动驾驶算法对原始传感器数据进行计算,以分别得到相同场景下优化前后自动驾驶算法的融合控制数据;
步骤3)对原始传感器数据、优化前的自动驾驶算法的融合控制数据、以及优化后的自动驾驶算法的融合控制数据进行可视化显示;
步骤4)加载优化前后自动驾驶算法的融合控制数据,并选择对比时段,通过对比时段内相同场景下车辆的刹车时间和刹车加速度的变化生成算法评估报告。
2.根据权利要求1所述的多传感器自动驾驶算法的评估及可视化方法,其特征在于,步骤2)中,回放并分别保存优化前后自动驾驶算法同一时段的历史数据,且历史数据包括原始传感器数据和融合控制数据。
3.根据权利要求2所述的多传感器自动驾驶算法的评估及可视化方法,其特征在于,步骤3)中,对步骤2)中保存的优化前后自动驾驶算法同一时段的历史数据进行实时可视化显示,且可视化显示方法包括摄像头视频显示和俯视图显示。
4.根据权利要求3所述的多传感器自动驾驶算法的评估及可视化方法,其特征在于,步骤3)中还包括对历史数据中的刹车时间点进行定位及显示。
5.根据权利要求4所述的多传感器自动驾驶算法的评估及可视化方法,其特征在于,步骤4)中,选取刹车时间点前后设定的时间段作为刹车时间段,并以该刹车时间段作为对比时段,通过对比时段内相同场景下车辆的刹车时刻和刹车加速度的变化生成算法评估报告。
6.根据权利要求5所述的多传感器自动驾驶算法的评估及可视化方法,其特征在于,步骤4)中,当优化前后自动算法在刹车时间段内的相同时刻刹车时,则对比优化前后自动驾驶算法的刹车时长及刹车加速度,根据对比结果判断优化前后自动驾驶算法的合理性并生成算法评估报告。
7.根据权利要求6所述的多传感器自动驾驶算法的评估及可视化方法,其特征在于,步骤4)中,当优化前后自动算法在刹车时间段内的不同时刻刹车时,则分别记录优化前后自动驾驶算法的刹车时间点,根据刹车时间点判断优化前后自动驾驶算法的合理性并生成算法评估报告。
8.一种实现如权利要求1到7任一所述的多传感器自动驾驶算法的评估及可视化方法的系统,其特征在于,包括:
传感器组件,所述传感器组件包括分布在自动驾驶车辆上的多个传感器,所述传感器组件用于采集自动驾驶车辆的自动驾驶数据作为原始传感器数据;
数据采集设备,所述数据采集设备与所述传感器组件连接,用于保存所述传感器组件采集的原始传感器数据;
自动驾驶算法模块,所述自动驾驶算法模块与所述数据采集设备连接,用于根据原始传感器数据进行计算并得到融合控制数据;
数据保存模块,所述数据保存模块与所述自动驾驶算法模块连接,用于保存计算得到的融合控制数据;
数据读取模块,所述数据读取模块分别与所述数据采集设备和所述数据保存模块连接,以分别从所述数据采集设备和所述数据保存模块中读取原始传感器数据和融合控制数据;
离线可视化模块,所述离线可视化模块与所述数据读取模块连接,用于实时显示同一时段的原始传感器数据、以及优化前后自动驾驶算法得到的融合控制数据,且所述离线可视化模块包括摄像头展示模块和俯视图展示模块,所述摄像头展示模块用于对数据进行摄像头视频显示,所述俯视图展示模块用于显示车辆和车道线信息;
算法评估模块,所述算法评估模块与所述离线可视化模块连接,用于对优化前后自动驾驶算法的刹车数据进行评估并生成算法评估报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607346.2A CN114970726A (zh) | 2022-05-31 | 2022-05-31 | 一种多传感器自动驾驶算法的评估及可视化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607346.2A CN114970726A (zh) | 2022-05-31 | 2022-05-31 | 一种多传感器自动驾驶算法的评估及可视化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114970726A true CN114970726A (zh) | 2022-08-30 |
Family
ID=82958391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210607346.2A Pending CN114970726A (zh) | 2022-05-31 | 2022-05-31 | 一种多传感器自动驾驶算法的评估及可视化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114970726A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187917A (zh) * | 2022-09-13 | 2022-10-14 | 山东建筑大学 | 基于视频片段检索的无人车历史场景检测方法 |
-
2022
- 2022-05-31 CN CN202210607346.2A patent/CN114970726A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187917A (zh) * | 2022-09-13 | 2022-10-14 | 山东建筑大学 | 基于视频片段检索的无人车历史场景检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109739216B (zh) | 自动驾驶系统实际路测的测试方法及系统 | |
US20190043278A1 (en) | Test drive scenario system for virtual test drive scenarios | |
CN109543245B (zh) | 无人车应对能力边界信息确定方法、装置和电子设备 | |
CN109421743B (zh) | 用于监控自主车辆的方法和设备 | |
CN111406278A (zh) | 自主车辆模拟系统 | |
CN113340325B (zh) | 一种验证车路协同路侧感知融合精度的系统、方法及介质 | |
CN111845728B (zh) | 一种驾驶辅助数据采集方法及系统 | |
CN112286206B (zh) | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 | |
CN101513062A (zh) | 车载图像处理装置及其视点变换信息生成方法 | |
CN113343461A (zh) | 自动驾驶车辆的仿真方法、装置、电子设备及存储介质 | |
CN113064487A (zh) | 一种交互虚拟仿真系统 | |
CN115525974A (zh) | 适用于v2x场地测试系统的地图匹配测试场景搭建方法 | |
CN105882515A (zh) | 应用于行车记录仪的信息处理方法、装置及行车记录仪 | |
CN114970726A (zh) | 一种多传感器自动驾驶算法的评估及可视化方法及系统 | |
CN112287801A (zh) | 车载数据处理方法、装置、服务器和可读存储介质 | |
CN103426211A (zh) | 车辆行驶状况分析系统、分析装置和分析方法 | |
CN113049264B (zh) | 一种车辆高级驾驶辅助系统的测试系统及方法 | |
CN112781888A (zh) | 测试车辆的系统和方法 | |
CN105976453A (zh) | 基于图像变换进行行车报警的方法及装置 | |
CN113781786B (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
CN114863089A (zh) | 自动驾驶感知数据的自动采集方法、装置、介质及设备 | |
WO2022113196A1 (ja) | 交通イベント再現システム、サーバ、交通イベント再現方法、及び非一時的なコンピュータ可読媒体 | |
CN113447276A (zh) | 车辆测试系统和车辆测试方法 | |
CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 | |
CN115346288A (zh) | 仿真行车记录采集方法、系统、电子设备及存储介质 |
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 |