CN115016323A - 自动驾驶的仿真测试系统及方法 - Google Patents

自动驾驶的仿真测试系统及方法 Download PDF

Info

Publication number
CN115016323A
CN115016323A CN202210705766.4A CN202210705766A CN115016323A CN 115016323 A CN115016323 A CN 115016323A CN 202210705766 A CN202210705766 A CN 202210705766A CN 115016323 A CN115016323 A CN 115016323A
Authority
CN
China
Prior art keywords
simulation
test
data
vehicle
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.)
Pending
Application number
CN202210705766.4A
Other languages
English (en)
Inventor
赵家玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Network Technology Shanghai Co Ltd
Original Assignee
International Network Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Network Technology Shanghai Co Ltd filed Critical International Network Technology Shanghai Co Ltd
Priority to CN202210705766.4A priority Critical patent/CN115016323A/zh
Publication of CN115016323A publication Critical patent/CN115016323A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种自动驾驶的仿真测试系统及方法，包括：仿真测试环境模块，用于获取仿真场景的场景数据；仿真输入模块，用于根据测试目的的不同将场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；控制器模块，用于对模态数据进行处理，生成自动驾驶控制指令；车辆仿真模块，用于通过仿真车辆根据自动驾驶控制指令进行仿真测试，并生成测试反馈信息；其中，测试目的包括感知测试与规划控制测试；相应地，分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。本发明能够提升测试准确性，支持对于整个自动驾驶方案的测试。

Description

自动驾驶的仿真测试系统及方法
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶的仿真测试系统及方法。
背景技术
近年来，无人驾驶相关技术得到了广泛关注。由于无人驾驶汽车在进行测试时往往会面临较高的危险性，硬件的可靠性、算法的鲁棒性以及对于复杂环境的泛化能力等均会对自动驾驶算法的最终效果带来很大影响。同时，由于自动驾驶算法中包含多个模块，各个模块之间的兼容性也会对算法的实际使用带来影响；另外，在一些危险场景下对无人驾驶算法进行测试，具有很大的危险性，且会在很大程度上提高测试成本。
因此，在进行实际路测之前，需要建立一种安全高置信度的自动驾驶仿真测试系统，在大量的测试场景对无人驾驶相关算法进行仿真分析，提高算法的对复杂环境的鲁棒性和泛化能力，并对硬件可靠性和不同模块间的兼容性进行验证。
自动驾驶仿真测试系统通过搭建测试仿真场景、传感器模型、车辆动力学模型等，将自动驾驶域控制器接入系统当中，实现仿真闭环测试。
然而，现有的一些自动驾驶仿真测试系统大多是面向汽车某些单一功能设计进行的，例如汽车动力总成、发动机、辅助驾驶等，不支持对于整个自动驾驶方案进行仿真测试。
发明内容
本发明提供一种自动驾驶的仿真测试系统及方法，用以解决上述问题。
本发明提供一种自动驾驶的仿真测试系统，包括：
仿真测试环境模块，用于获取仿真场景的场景数据；
仿真输入模块，用于根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；
控制器模块，用于对所述模态数据进行处理，生成自动驾驶控制指令；
车辆仿真模块，用于通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息；
其中，所述测试目的包括感知测试与规划控制测试；
相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
根据本发明提供的一种自动驾驶的仿真测试系统，所述仿真输入模块包括仿真状态管理单元、传感器仿真单元以及仿真车辆信息获取单元；
所述仿真状态管理单元根据测试目的的不同将所述场景数据分为用于感知测试的场景数据以及用于规划控制测试的场景数据，并将所述用于感知测试的场景数据输入所述传感器仿真单元，将所述用于规划控制测试的场景数据输入所述仿真车辆信息获取单元；
所述传感器仿真单元基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据；
所述仿真车辆信息获取单元从所述用于规划控制测试的场景数据中获取车辆信息作为用于规划控制测试的模态数据。
根据本发明提供的一种自动驾驶的仿真测试系统，所述传感器仿真模型为激光雷达仿真模型；对应地，所述用于感知测试的模态数据为激光雷达点云数据；
所述激光雷达点云数据通过所述激光雷达仿真模型生成，包括：
激光反射信息获取单元，用于模拟光线生成，并获取光线在仿真场景中经过多次反射碰撞后所生成的碰撞点位置以及光线的反射强度；
噪点处理单元，用于利用噪点模型对所述碰撞点位置进行噪点处理，得到噪点处理后碰撞点位置；
衰减处理单元，用于利用光线衰减模型对所述反射强度进行衰减处理，从而得到衰减处理后放射强度；
点云数据获取单元，用于根据所述噪点处理后碰撞点位置以及所述衰减处理后放射强度获取激光雷达点云数据。
根据本发明提供的一种自动驾驶的仿真测试系统，所述传感器仿真模型为毫米波雷达仿真模型；对应地，所述用于感知测试的模态数据为物体状态信息，包括物体速度以及物体位置；
所述物体状态信息通过毫米波雷达仿真模型获取，包括：
反射模拟单元，用于模拟电磁波在仿真环境中的反射过程，并获取反射数据；
反射数据处理单元，用于对所述反射数据进行3D傅里叶变换计算，得到物体速度以及物体位置，并将所述物体速度以及物体位置按照预定的数据格式进行排列形成物体状态信息序列，用以通过模拟板卡发送至所述控制器模块。
根据本发明提供的一种自动驾驶的仿真测试系统，所述传感器仿真模型为摄像头传感器模型；对应地，所述用于感知测试的模态数据为仿真场景图像；所述摄像头传感器模型获取原始仿真环境，经过格式转后得到仿真场景图像，用以通过模拟板卡发送至所述控制器模块。
根据本发明提供的一种自动驾驶的仿真测试系统，所述传感器仿真模型为定位模型；对应地，所述用于感知测试的模态数据为车辆位置信息；
所述车辆仿真模块还将所述测试反馈信息发送至所述仿真测试环境模块以及所述定位模型；
所述仿真测试环境模块还用于将所述测试反馈信息在仿真场景中进行可视化显示；
所述定位模型根据所述测试反馈信息更新位置信息，并将更新后的位置信息发送至所述车辆仿真模块；
所述车辆仿真模块根据所述更新后的位置信息更新车辆状态信息，并基于所述更新后的车辆状态信息进行测试结果提示。
根据本发明提供的一种自动驾驶的仿真测试系统，该系统还包括故障管理模块，所述故障管理模块包括：
仿真输入故障单元，用于提供修改各个传感器仿真模型的关键参数的接口，并将修改后的传感器仿真模型的关键参数发送至所述仿真输入模块；
车辆仿真故障单元，用于提供修改车辆的关键参数的接口，并将修改后的车辆的关键参数发送至所述车辆仿真模块；以及
故障数据检验单元，用于检验所述车辆仿真模块在接收到所述修改后的车辆的关键参数之后，实际车辆的变化值是否与所述修改后的车辆的关键参数一致；或
检验所述仿真输入模块在接收到所述修改后的传感器仿真模型的关键参数之后，实际传感器仿真模型的变化值是否与所述修改后的传感器仿真模型的关键参数一致。
本发明还提供一种自动驾驶的仿真测试方法，获取仿真场景的场景数据；
根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；
对所述模态数据进行处理，生成自动驾驶控制指令；
通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息；
其中，所述测试目的包括感知测试与规划控制测试；
相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
根据本发明提供的一种自动驾驶的仿真测试方法，所述根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取其对应的模态数据，包括：
根据测试目的的不同将所述场景数据分为用于感知测试的场景数据以及用于规划控制测试的场景数据；
基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据；
从所述用于规划控制测试的场景数据中获取车辆信息作为用于规划控制测试的模态数据。
根据本发明提供的一种自动驾驶的仿真测试方法，该方法还包括：
将所述测试反馈信息在仿真场景中进行可视化显示；
根据所述测试反馈信息更新位置信息，根据更新后的位置信息更新车辆状态信息，并基于所述更新后的车辆状态信息进行测试结果提示。
根据本发明提供的一种自动驾驶的仿真测试方法，该方法还包括：
通过用于修改各个传感器仿真模型的关键参数的接口对传感器仿真模型的关键参数进行修改，得到修改后的传感器仿真模型的关键参数；
检验所述修改后的传感器仿真模型的关键参数与实际传感器仿真模型的变化值是否一致；
在所述修改后的传感器仿真模型的关键参数与实际传感器仿真模型的变化值一致的情况下，根据所述实际传感器仿真模型的变化值得到更新后传感器仿真模型；
相应地，基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据，包括：
基于所述用于感知测试的场景数据，利用多个更新后传感器仿真模型进行感知模拟，得到用于感知测试的模态数据。
根据本发明提供的一种自动驾驶的仿真测试方法，该方法还包括：
通过用于修改车辆的关键参数的接口对车辆的关键参数进行修改，得到修改后的车辆的关键参数；
检验所述修改后的车辆的关键参数是否与实际车辆的变化值一致；
在所述修改后的车辆的关键参数与实际车辆的变化值一致的情况下，根据所述实际车辆的变化值得到更新后仿真车辆；
相应地，所述通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息，包括：
通过更新后仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种自动驾驶的仿真测试方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一种自动驾驶的仿真测试方法。
本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种自动驾驶的仿真测试方法。
本发明提供的自动驾驶的仿真测试系统及方法，其中，自动驾驶的仿真测试系统通过根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据，进而完成对应的感知算法测试或是规划控制算法测试，可以在同一测试平台上完成不同算法的测试，实现了多模态仿真，且两种类型的算法在测试过程中相对独立，能够减少感知算法与传感器数据对下游算法(即规划控制算法)的影响，提升测试准确性，且能够支持对于整个自动驾驶方案的测试。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的自动驾驶的仿真测试系统的结构框图；
图2是本发明实施例提供的自动驾驶的仿真测试系统的结构示意图；
图3是本发明实施例提供的仿真输入模块的结构示意图；
图4是本发明实施例提供的故障管理模块的结构示意图；
图5为本发明实施例提供的自动驾驶的仿真测试方法的流程示意图；
图6为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。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。
图1是本发明实施例提供的自动驾驶的仿真测试系统的结构框图；图2是本发明实施例提供的自动驾驶的仿真测试系统的结构示意图。
如图1以及图2所示，一种自动驾驶的仿真测试系统，包括仿真测试环境模块101、仿真输入模块102、控制器模块103以及车辆仿真模块104。
仿真测试环境模块101，用于获取仿真场景的场景数据。
在本模块中，仿真场景的场景数据由仿真测试系统中的场景库模块提供，该场景库模块中存储有虚拟高精度地图、渲染场景文件、静态场景配置文件以及动态场景配置文件等等各种场景配置信息，能够更具仿真测试环境模块的需求提供仿真测试的测试环境。
其中，虚拟高精度地图可与自动驾驶控制器内部的高精度地图匹配，两者之间的误差很小，在厘米级别，从而有效保证仿真定位的精度。另外，上述虚拟高精度仿真地图可以通过手工绘制、从2D地图转换成3D地图或是将基于实体道路所采集到的高精度地图转换为仿真引擎所支持格式的地图得到，本实施例中虚拟高精度地图通过最后一种方式得来，选用常用的Open DRIVE标准格式的地图，在本发明的其他实施例中，也可以选用其他格式的地图或是选用通过其他方式生成的地图，本发明对此不做限定。
动态场景配置文件是指在虚拟高精度地图基础上目标物体运动所产生的动态信息，具体包括目标物体(即车辆)的类型定义、目标物体的起始位置以及运行路线。其提供了交通目标的种类、触发条件以及运动轨迹，能够覆盖绝大部分自动驾驶车辆可能遇到的交通场景，可以与控制器控制的自动驾驶车辆形成配合。
根据自动驾驶控制器的测试需求选定仿真场景，从上述场景库模块中动态场景配置文件，进而驱动引擎带动整个交通场景实现动态运行；同时，读取渲染场景文件，仿真渲染出环境模型和车辆模型信息。
仿真输入模块102，用于根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据。
其中，所述测试目的包括感知测试与规划控制测试；相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
具体地，仿真输入模块根据测试目的的不同对场景数据仿真状态管理，即将场景数据分为用于感知测试的场景数据以及用于规划控制测试的场景数据，进而基于将分类后的场景数据分别进行相关算法的测试。
其中，感知测试是指利用各种仿真的传感器来测试自动驾驶控制器中对应的感知算法，仿真的传感器包括激光雷达模型、毫米波雷达模型等等。
规划控制是指利用仿真场景中的目标信息来测试自动驾驶控制器中的规划逻辑，仿真场景中的目标信息包括目标物体的位置、速度信息等。
需要说明的是，由于同一时间只能执行一种测试，即在某一时刻只能单一地进行感知测试或规划控制测试，因此，仿真输入模块只能输入一种模态数据给到控制器进行对应的测试，不能实现控制器同时进行感知测试与规划控制测试。但是，在根据测试目的的不同将所述场景数据进行分类之后，可以在不切换软件情况下先后进行感知测试或规划控制测试。
控制器模块103，用于对所述模态数据进行处理，生成自动驾驶控制指令。
在本模块中，预先存储有各种感知测试算法以及规划控制算法，基于不同的模态数据，对相应的相关算法进行性能测试。本模块在接收到模态数据后会根据测试目的的不同从感知测试算法以及规划控制算法中选择对应的算法，进而启动相应的配置文件，启动对应的算法模型来对模态数据进行计算与处理，从而输出自动驾驶车辆的控制指令，例如加速、减速、转向等指令。
车辆仿真模块104，用于通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息。
在本模块中，车辆仿真模块能够模拟真实车辆的运动属性和电子信号，其包括车辆模型单元、车辆电子控制单元以及动力学模型单元。
车辆模型单元能够对被控制的自动驾驶车辆虚拟化，模拟其中的差速器、分动器、轮胎等各种车辆物理传动模型。
车辆电子控制单元能够模拟真实的车辆控制器信号并通过CAN总线板卡给到被测控制器，满足真实车辆的ECU与被测控制器的信息交互需求。另外，还能够仿真车辆中动力系统的控制策略与逻辑，将控制器输出的方向盘转角、油门开度、挡杆位置转换成车辆实际的速度、加速度角速度等信息。上述控制策略与逻辑是按照需要仿真的车型来设计得到，可以确保车辆控制模型可以正常接收自动驾驶控制器发出的加速、减速、转向指令，同时也可以接收来自外界的加速、制动、转向操作输入。
动力学模型单元能够模拟指定车型的动力、底盘、轮胎、道路摩擦系数、风阻系数等，使被控制的车辆模型的机械运动属性与实车保持一致。
车辆仿真模块在接收到控制器模块生成的自动驾驶控制指令之后，通过车辆电子控制单元来根据自动驾驶控制指令模拟出真实的车辆控制器信号，从而控制车辆模型单元模拟出的自动驾驶车辆，经过动力学模型单元的转换，获得自动驾驶车辆经过自动驾驶控制指令控制后所发生的状态变化，例如车辆前进了多少，速度为多少等当前状态信息，上述当前状态信息即为测试反馈信息，将该测试反馈信息与预期车辆状态信息进行比较，从而评估相关测试算法的准确性。
本发明实施例提供的一种自动驾驶的仿真测试系统，通过根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据，进而完成对应的感知算法测试或是规划控制算法测试，可以在同一测试平台上完成不同算法的测试，实现了多模态仿真，且两种类型的算法在测试过程中相对独立，能够减少感知算法与传感器数据对下游算法(即规划控制算法)的影响，提升测试准确性，且能够支持对于整个自动驾驶方案的测试。
图3是本发明实施例提供的仿真输入模块的结构示意图；如图3所示，所述仿真输入模块包括仿真状态管理单元、传感器仿真单元以及仿真车辆信息获取单元。
所述仿真状态管理单元根据测试目的的不同将所述场景数据分为用于感知测试的场景数据以及用于规划控制测试的场景数据，并将所述用于感知测试的场景数据输入所述传感器仿真单元，将所述用于规划控制测试的场景数据输入所述仿真车辆信息获取单元。
所述传感器仿真单元基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据。
所述仿真车辆信息获取单元从所述用于规划控制测试的场景数据中获取车辆信息作为用于规划控制测试的模态数据。
具体地，仿真输入模块包括仿真状态管理单元、传感器仿真单元以及仿真车辆信息获取单元。
其中，仿真状态管理单元对原始的场景数据进行分类，分类后得到感知测试数据以及规划控制测试数据，并根据接收到的规划控制算法测试指令或感知算法测试指令输入对应的仿真车辆信息获取单元或传感器仿真单元中。上述规划控制算法测试指令或感知算法测试指令可以是测试过程中相关管理人员手动发出，也可以是通过自动化测试软件自动发出。
另外，在仿真状态管理单元中，可以手动更改仿真输入状态，也可以受测试软件参数控制远程修改仿真输入状态，通过更改仿真环境软件的配置和被测控制器中的管理文件实现。
传感器仿真单元中存储有多种传感器模型，这些传感器模型是基于摄像头、激光雷达、毫米波雷达、GPS和IMU物理属性开发的模型，模型相对复杂，对计算机算力要求高，生成的数据量大，但是可以提供较高逼真度的仿真数据。
通过上述传感器模型能够模拟得到高逼真度的仿真数据，该仿真数据即为用于感知测试的模态数据。
仿真车辆信息获取单元能够从用于规划控制测试的场景数据中提取仿真车辆的信息，包括目标车大小、位置、速度、加速度以及姿态等信息。上述仿真车辆的信息即为用于规划控制测试的模态数据。
本发明实施例提供的一种自动驾驶的仿真测试系统，能够实现多模态数据仿真，且在测试过程中能够减少感知算法对规划控制算法的影响，提升测试的准确性，且能够支持对于整个自动驾驶方案的测试。
进一步地，所述传感器仿真模型为激光雷达仿真模型；对应地，所述用于感知测试的模态数据为激光雷达点云数据。
所述激光雷达点云数据通过所述激光雷达仿真模型生成，包括激光反射信息获取单元、噪点处理单元、衰减处理单元以及点云数据获取单元。
其中，激光反射信息获取单元用于模拟光线生成，并获取光线在仿真场景中经过多次反射碰撞后所生成的碰撞点位置以及光线的反射强度。
噪点处理单元用于利用噪点模型对所述碰撞点位置进行噪点处理，得到噪点处理后碰撞点位置。
衰减处理单元用于利用光线衰减模型对所述反射强度进行衰减处理，从而得到衰减处理后放射强度。
点云数据获取单元用于根据所述噪点处理后碰撞点位置以及所述衰减处理后放射强度获取激光雷达点云数据。
具体地，激光雷达仿真模型根据真实的激光雷达点云的物理生成方式来实现。其先模拟光线生成，然后，获取光在仿真环境中经过多次碰撞反射后所形成的碰撞点的坐标以及反射强度。对于碰撞点的坐标进行噪点处理，对于反射强度进行衰减处理，从而得到处理后的碰撞点的坐标以及处理后的反射强度，作为激光雷达点云数据。
上述噪点处理是指利用噪点模型对碰撞点的坐标进行点云数据处理，其中，点云噪点分布使用伽马分布来描述。
衰减处理是指使用自然衰减系数和梯度方程结合，并根据光线碰撞点距离发射点距离的不同，使用不同的衰减系数进行处理。
上述激光雷达点云数据会根据激光雷达官方数据格式进行格式转化处理，并通过UDP或者TCP方式发送到被测控制器中。
本发明实施例提供的一种自动驾驶的仿真测试系统，通过在激光雷达仿真模型中增加了噪点处理与衰减处理，从而使得仿真得到的激光雷达点云数据更加真实。
进一步地，所述传感器仿真模型为毫米波雷达仿真模型；对应地，所述用于感知测试的模态数据为物体状态信息，包括物体速度以及物体位置。
所述物体状态信息通过毫米波雷达仿真模型获取，包括反射模拟单元以及反射数据处理单元。
其中，反射模拟单元用于模拟电磁波在仿真环境中的反射过程，并获取反射数据。
反射数据处理单元用于对所述反射数据进行3D傅里叶变换计算，得到物体速度以及物体位置，并将所述物体速度以及物体位置按照预定的数据格式进行排列形成物体状态信息序列，用以通过模拟板卡发送至所述控制器模块。
具体地，毫米波雷达仿真模型能够模拟真实电磁波在仿真场景内部的反射过程，并对反射数据进行3D傅里叶变换处理，从的计算得到物体速度与位置，将物体速度与位置数据信息根据官方的数据格式排列，通过CANFD模拟板卡，以真实毫米波雷达的发送频率以及数据长度发送到被测控制器。
本发明实施例提供的一种自动驾驶的仿真测试系统，将毫米波雷达仿真模型与物理硬件CANFD模拟板卡相结合，从而提高数据的真实性。
进一步地，所述传感器仿真模型为摄像头传感器模型；对应地，所述用于感知测试的模态数据为仿真场景图像；所述摄像头传感器模型获取原始仿真环境，经过格式转后得到仿真场景图像，用以通过模拟板卡发送至所述控制器模块。
具体地，摄像头传感器模型能够获取仿真测试环境中的图像，并经过HDMI或DP接口传输到FPGA模块处理，处理成摄像头模组的数据格式，在本实施例中是GMSL格式，在本发明的其他实施例中也可以是其他数据格式。上述GMSL格式的数据即为仿真场景图像，将上述仿真场景图像注入多功能模拟板卡中。
本发明实施例提供的一种自动驾驶的仿真测试系统，将摄像头传感器模型与物理硬件模拟板卡相结合，从而提高数据的真实性。
进一步地，所述传感器仿真模型为定位模型；对应地，所述用于感知测试的模态数据为车辆位置信息。
所述车辆仿真模块还将所述测试反馈信息发送至所述仿真测试环境模块以及所述定位模型。
所述仿真测试环境模块还用于将所述测试反馈信息在仿真场景中进行可视化显示。
所述定位模型根据所述测试反馈信息更新位置信息，并将更新后的位置信息发送至所述车辆仿真模块。
所述车辆仿真模块根据所述更新后的位置信息更新车辆状态信息，并基于所述更新后的车辆状态信息进行测试结果提示。
具体地，车辆仿真模块在接收到的加速、减速、转向等控制指令后会计算出车辆实际应有的速度、加速度、角速度等信息，并将车辆原始位置、速度等信息反馈给仿真测试环境模块进行可视化，使得测试员能够非常直观地观测到车辆在仿真场景下从原始位置行驶至更新后的位置(该更新后的位置根据车辆实际应有的速度、加速度、角速度等信息计算得到)、速度等状态信息的变化情况。
除此之外，车辆仿真模块还会将速度、加速度、角速度等车辆实际状态信息经过坐标转换后发送至仿真输入模块中的定位模型，该定位模型会根据上述经过坐标转换后的车辆实际状态信息计算得到新的地理位置，定位模型再将新的地理位置信息输入给控制器，使得控制器获得经过一次仿真测试后地理位置的变化情况，便于后续的仿真测试能够基于新的地理位置进行。同时，控制器在接收到新的地理位置后会自动评估是否出现碰撞等问题，从而产生预警，用于提醒测试员本次测试问题。
另外，定位模型中包括全球导航卫星系统GNSS以及惯性测量单元IMU。
本发明实施例提供的一种自动驾驶的仿真测试系统，能够将测试反馈信息在仿真环境可视化，展示测试结果，也能够将测试反馈信息输送至控制器，通过控制器自动进行测试结果的提示，实现了控制闭环，并通过两种方式向测试员展示测试结果。
进一步地，该系统还包括故障管理模块。
图4是本发明实施例提供的故障管理模块的结构示意图；如图4所示，所述故障管理模块包括仿真输入故障单元、车辆仿真故障单元以及故障数据检验单元。
其中，仿真输入故障单元用于提供修改各个传感器仿真模型的关键参数的接口，并将修改后的传感器仿真模型的关键参数发送至所述仿真输入模块。
车辆仿真故障单元用于提供修改车辆的关键参数的接口，并将修改后的车辆的关键参数发送至所述车辆仿真模块。
故障数据检验单元用于检验所述车辆仿真模块在接收到所述修改后的车辆的关键参数之后，实际车辆的变化值是否与所述修改后的车辆的关键参数一致；或用于检验所述仿真输入模块在接收到所述修改后的传感器仿真模型的关键参数之后，实际传感器仿真模型的变化值是否与所述修改后的传感器仿真模型的关键参数一致。
在本实施例中，除了能够进行上述正常的仿真测试之外，还能够进行故障测试。由于自动驾驶过程中的故障由外部环境以及车辆自身两种因此造成，因此故障的注入也分为两种，一种是通过修改各种传感器模型中的关键参数，以使得仿真数据产生变化，形成外部环境带来的故障；另一种则是通过修改车辆自身的关键参数，从而造成车辆故障。
具体地，仿真输入故障单元具有用于修改各个传感器仿真模型的关键参数的接口，相应地，仿真输入模块对应有接收修改后的传感器仿真模型的关键参数的接口，从而可以实现远程控制修改。在激光雷达仿真模型中关键参数包括设备温度、输出电压、数据发送频率以及衰减模型系数等参数。在摄像头模型中关键参数包括白平衡、对比度等参数。在定位模型中关键参数包括GPS的week周、经纬度偏差、时间同步偏差等。
车辆仿真故障单元具有用于修改车辆的关键参数的接口，相应地，车辆仿真模块具有对应的接收修改后的车辆的关键参数的接口，从而实现远程控制修改。例如，修改车身控制器BCM参数、车辆发动机ECU参数以及自动变速箱TCU参数。
故障数据检验单元能够监控各种修改后的关键参数的运行情况，通过校验仿真输入故障单元或车辆仿真故障单元发送的修改值与发送至控制器的CANFD数据中数据帧的硬件故障信号的值(即实际值)是否一致，来判定是否生效，并在生效的情况下，才开始故障测试。
本发明实施例提供的一种自动驾驶的仿真测试系统，能够远程完成故障注入，不需要直接对模型或硬件进行修改，且能够对传感器故障以及车辆故障进行同一管理，简化故障测试流程，提高了测试效率。
下面对本发明提供的自动驾驶的仿真测试方法进行描述，下文描述的自动驾驶的仿真测试方法与上文描述的自动驾驶的仿真测试系统可相互对应参照。
图5为本发明实施例提供的自动驾驶的仿真测试方法的流程示意图，如图5所示，一种自动驾驶的仿真测试方法，包括：
S101，获取仿真场景的场景数据。
在本步骤中，通过在测试平台的场景库中读取静态道路与动态交通流的配置文件，并经过仿真引擎渲染出可视化的场景，形成场景数据。
S102，根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据.
其中，所述测试目的包括感知测试与规划控制测试。
相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
在本步骤中，对场景数据进行分类得到用于感知测试的场景数据以及用于规划控制测试的场景数据，在接收到感知测试指令时，基于用于感知测试的场景数据以及多种传感器仿真模型生成用于感知测试的模态数据，进而进行感知算法测试；在接收到规划控制测试指令时，从用于规划控制测试的场景数据中提取到车辆信息作为用于规划控制测试的模态数据，进而用于规划控制算法。
S103，对所述模态数据进行处理，生成自动驾驶控制指令。
在本步骤中，利用感知算法对用于感知测试的模态数据进行处理，或者利用规划控制算法对用于规划控制测试的模态数据进行计算处理，从而生成自动驾驶控制指令，例如车辆加速、减速、转向等控制指令。
S104，通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息。
在本步骤中，仿真车辆接收到自动驾驶控制指令之后会产生具体的指令动作，根据该指令动作计算出车辆实际应用的速度、加速度、角速度等测试反馈信息。测试员根据测试反馈信息来评估相关算法的准确性。
本发明实施例提供的自动驾驶的仿真测试方法，通过根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据，进而完成对应的感知算法测试或是规划控制算法测试，可以在同一测试平台上完成不同算法的测试，实现了多模态仿真，且两种类型的算法在测试过程中相对独立，能够减少感知算法与传感器数据对下游算法(即规划控制算法)的影响，提升测试准确性，且能够支持对于整个自动驾驶方案的测试。
进一步地，所述根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取其对应的模态数据，包括：
根据测试目的的不同将所述场景数据分为用于感知测试的场景数据以及用于规划控制测试的场景数据。
基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据。
从所述用于规划控制测试的场景数据中获取车辆信息作为用于规划控制测试的模态数据。
具体地，在接收到用于感知测试的场景数据之后，通过激光雷达仿真模型、毫米波雷达仿真模型等多种传感器仿真模型进行数据处理，从而模拟得到对应的仿真数据，作为用于感知测试的模态数据。
在接收到用于规划控制测试的场景数据之后，从用于规划控制测试的场景数据中提取仿真车辆的信息，包括仿真车辆的大小、位置、速度、加速度、姿态、类型等信息，作为用于规划控制测试的模态数据。
进一步地，该方法还包括：
将所述测试反馈信息在仿真场景中进行可视化显示；根据所述测试反馈信息更新位置信息，根据更新后的位置信息更新车辆状态信息，并基于所述更新后的车辆状态信息进行测试结果提示。
具体地，将包括仿真车辆位置、速度等测试反馈信息在仿真场景中进行可视化，便于测试员在仿真场景中直接观察到仿真测量的位置、速度等变化。同时，将速度、加速度等测试反馈信息进行坐标转换，并通过定位模型获得新的地理位置(即更新后的位置信息)，将该新的地理位置更新到控制器中，在后续的仿真测试中，基于新的地理位置进行测试。同时，控制器中的车辆状态信息根据新的地理位置也发生相应改变形成更新后的车辆状态信息，例如，发生碰撞的事故。控制器会根据更新后的车辆状态信息进行显示，如果发生了故障会报错从而提醒测试员。
本发明实施例提供的自动驾驶的仿真测试方法，通过两种方式对测试反馈信息进行显示，从而便于测试员进行观察以及处理。
进一步地，该方法还包括：
通过用于修改各个传感器仿真模型的关键参数的接口对传感器仿真模型的关键参数进行修改，得到修改后的传感器仿真模型的关键参数。
在本实施例中，根据测试需求，手动或者通过自动化测试软件指令修改相关传感器仿真模型的关键参数，从而形成修改后的传感器仿真模型的关键参数。
检验所述修改后的传感器仿真模型的关键参数与实际传感器仿真模型的变化值是否一致。
在本实施例中，通过监控传感器仿真模型发送给被测控制器的CANFD数据中数据帧的硬件故障信号的值(即实际传感器仿真模型的变化值)来判定是否与修改后的传感器仿真模型的关键参数相一致。
在确认修改值与实际值一致后，再进行故障测试；在两者不一致的情况下，则对测试员进行报错预警，从而确保故障成功注入。
在所述修改后的传感器仿真模型的关键参数与实际传感器仿真模型的变化值一致的情况下，根据所述实际传感器仿真模型的变化值得到更新后传感器仿真模型。
相应地，基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据，包括：
基于所述用于感知测试的场景数据，利用多个更新后传感器仿真模型进行感知模拟，得到用于感知测试的模态数据。
本发明实施例提供的自动驾驶的仿真测试方法，能够通过远程控制的方式完成传感器模型的故障注入，提升了测试效率。
进一步地，该方法还包括：
通过用于修改车辆的关键参数的接口对车辆的关键参数进行修改，得到修改后的车辆的关键参数。
在本实施例中，根据测试需求，手动或者通过自动化测试软件指令修改相关仿真车辆的关键参数，从而形成修改后的车辆的关键参数。
检验所述修改后的车辆的关键参数是否与实际车辆的变化值一致。
在本实施例中，通过监控传感器仿真模型发送给被测控制器的CANFD数据中数据帧的硬件故障信号的值(即实际车辆的变化值)来判定是否与修改后的车辆的关键参数相一致。
在确认修改值与实际值一致后，再进行故障测试；在两者不一致的情况下，则对测试员进行报错预警，从而确保故障成功注入。
在所述修改后的车辆的关键参数与实际车辆的变化值一致的情况下，根据所述实际车辆的变化值得到更新后仿真车辆。
相应地，所述通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息，包括：
通过更新后仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息。
本发明实施例提供的自动驾驶的仿真测试方法，能够通过远程控制的方式完成仿真车辆的故障注入，提升了测试效率。
图6为本发明实施例提供的一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行自动驾驶的仿真测试方法，所述自动驾驶的仿真测试方法，包括：获取仿真场景的场景数据；根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；对所述模态数据进行处理，生成自动驾驶控制指令；通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息；其中，所述测试目的包括感知测试与规划控制测试；相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各方法所提供的一种自动驾驶的仿真测试方法，所述自动驾驶的仿真测试方法，包括：获取仿真场景的场景数据；根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；对所述模态数据进行处理，生成自动驾驶控制指令；通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息；其中，所述测试目的包括感知测试与规划控制测试；相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述方法所提供的自动驾驶的仿真测试方法，所述自动驾驶的仿真测试方法，包括：获取仿真场景的场景数据；根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；对所述模态数据进行处理，生成自动驾驶控制指令；通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息；其中，所述测试目的包括感知测试与规划控制测试；相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (15)

1.一种自动驾驶的仿真测试系统，其特征在于，包括：
仿真测试环境模块，用于获取仿真场景的场景数据；
仿真输入模块，用于根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；
控制器模块，用于对所述模态数据进行处理，生成自动驾驶控制指令；
车辆仿真模块，用于通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息；
其中，所述测试目的包括感知测试与规划控制测试；
相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
2.根据权利要求1所述的自动驾驶的仿真测试系统，其特征在于，所述仿真输入模块包括仿真状态管理单元、传感器仿真单元以及仿真车辆信息获取单元；
所述仿真状态管理单元根据测试目的的不同将所述场景数据分为用于感知测试的场景数据以及用于规划控制测试的场景数据，并将所述用于感知测试的场景数据输入所述传感器仿真单元，将所述用于规划控制测试的场景数据输入所述仿真车辆信息获取单元；
所述传感器仿真单元基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据；
所述仿真车辆信息获取单元从所述用于规划控制测试的场景数据中获取车辆信息作为用于规划控制测试的模态数据。
3.根据权利要求2所述的自动驾驶的仿真测试系统，其特征在于，所述传感器仿真模型为激光雷达仿真模型；对应地，所述用于感知测试的模态数据为激光雷达点云数据；
所述激光雷达点云数据通过所述激光雷达仿真模型生成，包括：
激光反射信息获取单元，用于模拟光线生成，并获取光线在仿真场景中经过多次反射碰撞后所生成的碰撞点位置以及光线的反射强度；
噪点处理单元，用于利用噪点模型对所述碰撞点位置进行噪点处理，得到噪点处理后碰撞点位置；
衰减处理单元，用于利用光线衰减模型对所述反射强度进行衰减处理，从而得到衰减处理后放射强度；
点云数据获取单元，用于根据所述噪点处理后碰撞点位置以及所述衰减处理后放射强度获取激光雷达点云数据。
4.根据权利要求2所述的自动驾驶的仿真测试系统，其特征在于，所述传感器仿真模型为毫米波雷达仿真模型；对应地，所述用于感知测试的模态数据为物体状态信息，包括物体速度以及物体位置；
所述物体状态信息通过毫米波雷达仿真模型获取，包括：
反射模拟单元，用于模拟电磁波在仿真环境中的反射过程，并获取反射数据；
反射数据处理单元，用于对所述反射数据进行3D傅里叶变换计算，得到物体速度以及物体位置，并将所述物体速度以及物体位置按照预定的数据格式进行排列形成物体状态信息序列，用以通过模拟板卡发送至所述控制器模块。
5.根据权利要求2所述的自动驾驶的仿真测试系统，其特征在于，所述传感器仿真模型为摄像头传感器模型；对应地，所述用于感知测试的模态数据为仿真场景图像；所述摄像头传感器模型获取原始仿真环境，经过格式转后得到仿真场景图像，用以通过模拟板卡发送至所述控制器模块。
6.根据权利要求2所述的自动驾驶的仿真测试系统，其特征在于，所述传感器仿真模型为定位模型；对应地，所述用于感知测试的模态数据为车辆位置信息；
所述车辆仿真模块还将所述测试反馈信息发送至所述仿真测试环境模块以及所述定位模型；
所述仿真测试环境模块还用于将所述测试反馈信息在仿真场景中进行可视化显示；
所述定位模型根据所述测试反馈信息更新位置信息，并将更新后的位置信息发送至所述车辆仿真模块；
所述车辆仿真模块根据所述更新后的位置信息更新车辆状态信息，并基于所述更新后的车辆状态信息进行测试结果提示。
7.根据权利要求2所述的自动驾驶的仿真测试系统，其特征在于，该系统还包括故障管理模块，所述故障管理模块包括：
仿真输入故障单元，用于提供修改各个传感器仿真模型的关键参数的接口，并将修改后的传感器仿真模型的关键参数发送至所述仿真输入模块；
车辆仿真故障单元，用于提供修改车辆的关键参数的接口，并将修改后的车辆的关键参数发送至所述车辆仿真模块；以及
故障数据检验单元，用于检验所述车辆仿真模块在接收到所述修改后的车辆的关键参数之后，实际车辆的变化值是否与所述修改后的车辆的关键参数一致；或
检验所述仿真输入模块在接收到所述修改后的传感器仿真模型的关键参数之后，实际传感器仿真模型的变化值是否与所述修改后的传感器仿真模型的关键参数一致。
8.一种自动驾驶的仿真测试方法，其特征在于，包括：
获取仿真场景的场景数据；
根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取与其对应的模态数据；
对所述模态数据进行处理，生成自动驾驶控制指令；
通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息；
其中，所述测试目的包括感知测试与规划控制测试；
相应地，所述分类后场景数据包括用于感知测试的场景数据以及用于规划控制测试的场景数据；所述模态数据包括用于感知测试的模态数据以及用于规划控制测试的模态数据。
9.根据权利要求8所述的自动驾驶的仿真测试方法，其特征在于，所述根据测试目的的不同将所述场景数据进行分类，并通过分类后的场景数据获取其对应的模态数据，包括：
根据测试目的的不同将所述场景数据分为用于感知测试的场景数据以及用于规划控制测试的场景数据；
基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据；
从所述用于规划控制测试的场景数据中获取车辆信息作为用于规划控制测试的模态数据。
10.根据权利要求8所述的自动驾驶的仿真测试方法，其特征在于，该方法还包括：
将所述测试反馈信息在仿真场景中进行可视化显示；
根据所述测试反馈信息更新位置信息，根据更新后的位置信息更新车辆状态信息，并基于所述更新后的车辆状态信息进行测试结果提示。
11.根据权利要求9所述的自动驾驶的仿真测试方法，其特征在于，该方法还包括：
通过用于修改各个传感器仿真模型的关键参数的接口对传感器仿真模型的关键参数进行修改，得到修改后的传感器仿真模型的关键参数；
检验所述修改后的传感器仿真模型的关键参数与实际传感器仿真模型的变化值是否一致；
在所述修改后的传感器仿真模型的关键参数与实际传感器仿真模型的变化值一致的情况下，根据所述实际传感器仿真模型的变化值得到更新后传感器仿真模型；
相应地，基于所述用于感知测试的场景数据，利用多个传感器仿真模型进行感知模拟，得到用于感知测试的模态数据，包括：
基于所述用于感知测试的场景数据，利用多个更新后传感器仿真模型进行感知模拟，得到用于感知测试的模态数据。
12.根据权利要求9所述的自动驾驶的仿真测试方法，其特征在于，该方法还包括：
通过用于修改车辆的关键参数的接口对车辆的关键参数进行修改，得到修改后的车辆的关键参数；
检验所述修改后的车辆的关键参数是否与实际车辆的变化值一致；
在所述修改后的车辆的关键参数与实际车辆的变化值一致的情况下，根据所述实际车辆的变化值得到更新后仿真车辆；
相应地，所述通过仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息，包括：
通过更新后仿真车辆根据所述自动驾驶控制指令进行仿真测试，并生成测试反馈信息。
13.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求8至12任一项所述自动驾驶的仿真测试方法。
14.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求8至12任一项所述自动驾驶的仿真测试方法。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求8至12任一项所述自动驾驶的仿真测试方法。
CN202210705766.4A 2022-06-21 2022-06-21 自动驾驶的仿真测试系统及方法 Pending CN115016323A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210705766.4A CN115016323A (zh) 2022-06-21 2022-06-21 自动驾驶的仿真测试系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210705766.4A CN115016323A (zh) 2022-06-21 2022-06-21 自动驾驶的仿真测试系统及方法

Publications (1)

Publication Number Publication Date
CN115016323A true CN115016323A (zh) 2022-09-06

Family

ID=83076211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210705766.4A Pending CN115016323A (zh) 2022-06-21 2022-06-21 自动驾驶的仿真测试系统及方法

Country Status (1)

Country Link
CN (1) CN115016323A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115344503A (zh) * 2022-10-18 2022-11-15 深圳市城市交通规划设计研究中心股份有限公司 面向自动驾驶规划控制测试的交通流仿真系统与仿真方法
CN115879323A (zh) * 2023-02-02 2023-03-31 西安深信科创信息技术有限公司 自动驾驶仿真测试方法、电子设备及计算机可读存储介质
CN115878494A (zh) * 2023-01-04 2023-03-31 小米汽车科技有限公司 自动驾驶软件系统的测试方法、装置、车辆及存储介质
CN116010854A (zh) * 2023-02-03 2023-04-25 小米汽车科技有限公司 异常原因的确定方法、装置、电子设备及存储介质
CN116046417A (zh) * 2023-04-03 2023-05-02 西安深信科创信息技术有限公司 自动驾驶感知局限测试方法、装置、电子设备及存储介质
CN116205084A (zh) * 2023-04-27 2023-06-02 苏州智行众维智能科技有限公司 基于转向器加载机构的车辆驾驶仿真测试系统
CN116449807A (zh) * 2023-06-14 2023-07-18 北京市计量检测科学研究院 一种物联网汽车操控系统仿真测试方法及系统
CN117708099A (zh) * 2024-02-05 2024-03-15 中国科学院自动化研究所 矿山自动驾驶感知能力测试场景库构建方法及测试方法
CN117970906A (zh) * 2024-03-28 2024-05-03 深圳市卓驭科技有限公司 自动驾驶系统测试方法、系统、计算机设备、存储介质及程序产品

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115344503B (zh) * 2022-10-18 2023-04-07 深圳市城市交通规划设计研究中心股份有限公司 面向自动驾驶规划控制测试的交通流仿真系统与仿真方法
CN115344503A (zh) * 2022-10-18 2022-11-15 深圳市城市交通规划设计研究中心股份有限公司 面向自动驾驶规划控制测试的交通流仿真系统与仿真方法
CN115878494B (zh) * 2023-01-04 2023-05-09 小米汽车科技有限公司 自动驾驶软件系统的测试方法、装置、车辆及存储介质
CN115878494A (zh) * 2023-01-04 2023-03-31 小米汽车科技有限公司 自动驾驶软件系统的测试方法、装置、车辆及存储介质
CN115879323A (zh) * 2023-02-02 2023-03-31 西安深信科创信息技术有限公司 自动驾驶仿真测试方法、电子设备及计算机可读存储介质
CN116010854A (zh) * 2023-02-03 2023-04-25 小米汽车科技有限公司 异常原因的确定方法、装置、电子设备及存储介质
CN116010854B (zh) * 2023-02-03 2023-10-17 小米汽车科技有限公司 异常原因的确定方法、装置、电子设备及存储介质
CN116046417A (zh) * 2023-04-03 2023-05-02 西安深信科创信息技术有限公司 自动驾驶感知局限测试方法、装置、电子设备及存储介质
CN116046417B (zh) * 2023-04-03 2023-11-24 安徽深信科创信息技术有限公司 自动驾驶感知局限测试方法、装置、电子设备及存储介质
CN116205084A (zh) * 2023-04-27 2023-06-02 苏州智行众维智能科技有限公司 基于转向器加载机构的车辆驾驶仿真测试系统
CN116449807A (zh) * 2023-06-14 2023-07-18 北京市计量检测科学研究院 一种物联网汽车操控系统仿真测试方法及系统
CN116449807B (zh) * 2023-06-14 2023-09-01 北京市计量检测科学研究院 一种物联网汽车操控系统仿真测试方法及系统
CN117708099A (zh) * 2024-02-05 2024-03-15 中国科学院自动化研究所 矿山自动驾驶感知能力测试场景库构建方法及测试方法
CN117708099B (zh) * 2024-02-05 2024-05-24 中国科学院自动化研究所 矿山自动驾驶感知能力测试场景库构建方法及测试方法
CN117970906A (zh) * 2024-03-28 2024-05-03 深圳市卓驭科技有限公司 自动驾驶系统测试方法、系统、计算机设备、存储介质及程序产品

Similar Documents

Publication Publication Date Title
CN115016323A (zh) 自动驾驶的仿真测试系统及方法
CN111897305B (zh) 一种基于自动驾驶的数据处理方法、装置、设备及介质
Stellet et al. Testing of advanced driver assistance towards automated driving: A survey and taxonomy on existing approaches and open questions
Szalay Next generation X-in-the-loop validation methodology for automated vehicle systems
CN111309600A (zh) 虚拟场景注入自动驾驶测试方法及电子设备
Galko et al. Vehicle-Hardware-In-The-Loop system for ADAS prototyping and validation
US20090157365A1 (en) Simulation device and simulation method
CN113484851B (zh) 车载激光雷达的仿真测试系统、方法和整车在环测试系统
US11514212B2 (en) Method of simulating autonomous vehicle in virtual environment
CN112987593B (zh) 一种视觉定位硬件在环仿真平台及仿真方法
CN113496510A (zh) 使用神经网络进行逼真的图像透视变换
CN111127651A (zh) 基于高精度可视化技术的自动驾驶测试开发方法及装置
CN114442507A (zh) 基于频率控制的车辆在环自动驾驶仿真测试方法和系统
CN115878494B (zh) 自动驾驶软件系统的测试方法、装置、车辆及存储介质
CN113918615A (zh) 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统
CN112784867A (zh) 利用合成图像训练深度神经网络
Passchier et al. An integral approach to autonomous and cooperative vehicles development and testing
CN110501167A (zh) 用于执行机动车辆与非机动车道路使用者的模拟碰撞场景的系统
CN114013478A (zh) 基于蒙特卡洛仿真的列车定位分析方法及系统
US11327878B2 (en) Method for rating a software component of an SiL environment
CN115755865A (zh) 一种商用车辅助驾驶硬件在环测试系统及方法
US10977783B1 (en) Quantifying photorealism in simulated data with GANs
US20230278589A1 (en) Autonomous driving sensor simulation
CN117434916B (zh) 车辆功能测试系统、方法及存储介质
CN115145246B (zh) 控制器的测试方法、装置、车辆、存储介质及芯片

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