CN115469564A - 车辆的自动泊车测试系统、方法、车辆及存储介质 - Google Patents
车辆的自动泊车测试系统、方法、车辆及存储介质 Download PDFInfo
- Publication number
- CN115469564A CN115469564A CN202211185139.9A CN202211185139A CN115469564A CN 115469564 A CN115469564 A CN 115469564A CN 202211185139 A CN202211185139 A CN 202211185139A CN 115469564 A CN115469564 A CN 115469564A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- pedestrians
- submodule
- target
- 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
- 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
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆的自动泊车测试系统、方法、车辆及存储介质,包括:场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹;感知子模块根据场景仿真子模块采集的雷达数据计算得到目标车辆至周围车辆和行人的距离,并将场景仿真子模块采集的视频数据转换为目标视频数据;域控子模块接收并融合目标车辆至周围车辆和行人的距离和目标视频数据,根据融合得到的停车位信息和目标车辆至周围车辆和行人信息规划泊车轨迹;车辆动力学子模块解析泊车轨迹得到目标车辆的控制参数,并根据控制参数控制目标车辆泊车,并输出泊车测试结果。该系统通过分析测试车辆接收到的测试人员的泊车控制指令,从而控制车辆完成智能泊车。
Description
技术领域
本申请涉及自动泊车测试技术领域,特别涉及一种车辆的自动泊车测试系统、方法、车辆及存储介质。
背景技术
随着车辆自动化程度的发展,自动化产品的不断普及,用户对车辆自动化的接受和使用程度日益加深,其中,自动泊车是目前车辆自动化使用的一个重要场景,也是用户选择车辆的一个重要标准。
相关技术中,一方面自动泊车系统的设计链路繁多、运行复杂,另一方面自动泊车实车测试耗时长、场景难复现,由于车辆自动化软件迭新较快,对测试的快速响应和实时性要求更高,因此,需要改善车辆自动化测试手段,以提高测试效率。
发明内容
本申请提供一种车辆的自动泊车测试系统、方法、车辆及存储介质,以解决相关技术中的自动泊车设计链路繁多、运行复杂且实车测试耗时长、场景难复现等问题。
本申请第一方面实施例提供一种车辆的自动泊车测试系统,包括:场景仿真子模块,用于模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹,并采集所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并识别静态物体、动态物体、行人及停车线,得到视频数据;感知子模块,用于获取所述雷达数据和所述视频数据,并根据所述雷达数据计算得到所述目标车辆至周围车辆和行人的距离,并将所述视频数据转换为预设视频格式的目标视频数据;域控子模块,用于接收并融合所述目标车辆至周围车辆和行人的距离和所述目标视频数据,得到停车位信息和所述目标车辆至周围车辆和行人信息,并根据所述停车位信息和所述目标车辆至周围车辆和行人信息规划所述目标车辆的泊车轨迹;以及车辆动力学子模块,用于接收所述域控子模块发送的所述泊车轨迹,并解析所述泊车轨迹得到所述目标车辆的控制参数,并根据所述控制参数控制所述目标车辆泊车,并输出泊车测试结果。
根据上述技术手段,基于硬件环境,同时搭载虚拟控制器和真实控制器的测试系统,提高了测试效率。
进一步地,在本申请的一个实施例中,所述场景仿真子模块,包括:用于模拟道路环境的道路环境模型;用于模拟所述目标车辆与所述目标车辆周围车辆和行人的运动轨迹的交通参与者目标模型;超声波雷达模型,用于采集所述目标车辆至所述目标车辆周围车辆和行人的雷达数据;视频采集模型,用于识别静态物体、动态物体、行人及停车线,得到所述视频数据。
根据上述技术手段,通过采集目标车辆周围车辆、行人的运动轨迹及雷达数据、进而解析出视频数据,可以提高实车测试的精度。
进一步地,在本申请的一个实施例中,所述感知子模块,包括:超声波回波仿真单元,用于获取所述超声波雷达模型探测到的所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并将所述雷达数据延时预设时长后发出超声波回波给所述域控子模块;视频注入单元,用于获取所述视频采集模型采集的视频数据,并将所述视频数据转换成目标形式后,输出至所述域控子模块。
根据上述技术手段,通过域控子模块接收到周围车辆、雷达数据以及视频采集模型采集的视频数据,能够实时将或得到的数据传送给车辆动力学子系统,以实现精准的输出测试仿真结果。
进一步地,在本申请的一个实施例中,上述的车辆的自动泊车测试系统,还包括:自动化测试管理模块,用于统一调度所述场景仿真子模块、所述感知子模块、所述域控子模块和所述车辆动力学子模块,并根据所述泊车测试结果和预设测试结果判断所述域控子模块是否存在异常。
根据上述技术手段,通过泊车测试结果和预设测试结果判断出域控子模块是否存在异常,以便进行实时检测进行修正。
进一步地,在本申请的一个实施例中,所述目标车辆的控制参数包括横向转角控制参数、方向盘转角控制参数、纵向控制参数和横向控制参数。
根据上述技术手段,通过获取目标车辆的多种控制参数,以提高实车测试的精度。
本申请第二方面实施例提供一种车辆的自动泊车测试方法,采用如上述任一项权利要求所述的自动泊车测试系统,所述方法包括以下步骤:通过所述场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹,并采集所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并识别静态物体、动态物体、行人及停车线,得到所述视频数据;通过所述感知子模块获取所述雷达数据和所述视频数据,并根据所述雷达数据计算得到所述目标车辆至周围车辆和行人的距离,并将所述视频数据转换为预设视频格式的目标视频数据;通过所述域控子模块接收并融合所述目标车辆至周围车辆和行人的距离和所述目标视频数据,得到停车位信息和所述目标车辆至周围车辆和行人信息,并根据所述停车位信息和所述目标车辆至周围车辆和行人信息规划所述目标车辆的泊车轨迹;以及通过所述车辆动力学子模块接收所述域控子模块发送的所述泊车轨迹,并解析所述泊车轨迹得到所述目标车辆的控制参数,并根据所述控制参数控制所述目标车辆泊车,并输出泊车测试结果。
进一步地,在本申请的一个实施例中,上述的车辆的自动泊车测试方法,还包括:通过超声波回波仿真单元获取所述超声波雷达模型探测到的所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并将所述雷达数据延时预设时长后发出超声波回波给所述域控子模块;通过所述视频注入单元获取所述视频采集模型采集的视频数据,并将所述视频数据转换成目标形式后,输出至所述域控子模块。
进一步地,在本申请的一个实施例中,上述的车辆的自动泊车测试方法,还包括:通过自动化测试管理模块统一调度所述场景仿真子模块、所述感知子模块、所述域控子模块和所述车辆动力学子模块,并根据所述泊车测试结果和预设测试结果判断所述域控子模块是否存在异常。
本申请第三方面实施例提供一种车辆,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,所述处理器执行所述程序,以实现如上述实施例所述的车辆的自动泊车测试方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的车辆的自动泊车测试方法。
本申请实施例通过场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹;感知子模块根据场景仿真子模块采集的雷达数据计算得到目标车辆至周围车辆和行人的距离,并将场景仿真子模块采集的视频数据转换为目标视频数据;域控子模块接收并融合目标车辆至周围车辆和行人的距离和目标视频数据,根据融合得到的停车位信息和目标车辆至周围车辆和行人信息规划泊车轨迹;车辆动力学子模块解析泊车轨迹得到目标车辆的控制参数,并根据控制参数控制目标车辆泊车,并输出泊车测试结果。由此,解决了相关技术中的自动泊车设计链路繁多、运行复杂且实车测试耗时长、场景难复现等问题。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种车辆的自动泊车测试系统的方框示意图;
图2为根据本申请一个实施例的远程自动泊车的自动测试系统的结构示意图;
图3为根据本申请实施例的车辆的自动泊车测试方法的流程图;
图4为根据本申请实施例的车辆的结构示意图。
附图标记说明:10-车辆的自动泊车测试系统;100-场景仿真子模块、200-感知子模块、300-域控子模块、400-车辆动力学子模块。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的车辆的自动泊车测试系统、方法、车辆及存储介质。针对上述背景技术中提到的相关技术中的自动泊车设计链路繁多、运行复杂且实车测试耗时长、场景难复现的问题,本申请提供了一种车辆的自动泊车测试系统,在该系统中,由场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹;感知子模块根据场景仿真子模块采集的雷达数据计算得到目标车辆至周围车辆和行人的距离,并将场景仿真子模块采集的视频数据转换为目标视频数据;域控子模块接收并融合目标车辆至周围车辆和行人的距离和目标视频数据,根据融合得到的停车位信息和目标车辆至周围车辆和行人信息规划泊车轨迹;车辆动力学子模块解析泊车轨迹得到目标车辆的控制参数,并根据控制参数控制目标车辆泊车,并输出泊车测试结果。由此,解决了相关技术中的自动泊车设计链路繁多、运行复杂且实车测试耗时长、场景难复现等问题。
具体而言,图1为本申请实施例所提供的一种车辆的自动泊车测试系统的方框示意图。
如图1所示,该车辆的自动泊车测试系统10,包括:场景仿真子模块100、感知子模块200、域控子模块300和车辆动力学子模块400。
其中,场景仿真子模100与感知子模块200相连,用于模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹,并采集目标车辆至目标车辆周围车辆和行人的雷达数据,并识别静态物体、动态物体、行人及停车线,得到视频数据;感知子模块200与域控子模块300相连,用于获取雷达数据和视频数据,并根据雷达数据计算得到目标车辆至周围车辆和行人的距离,并将视频数据转换为预设视频格式的目标视频数据;域控子模块300与车辆动力学子模块400相连,用于接收并融合目标车辆至周围车辆和行人的距离和目标视频数据,得到停车位信息和目标车辆至周围车辆和行人信息,并根据停车位信息和目标车辆至周围车辆和行人信息规划目标车辆的泊车轨迹;车辆动力学子模块400,用于接收域控子模块发送的泊车轨迹,并解析泊车轨迹得到目标车辆的控制参数,并根据控制参数控制目标车辆泊车,并输出泊车测试结果。
进一步地,在本申请的一个实施例中,场景仿真子模块100,包括:用于模拟道路环境的道路环境模型;用于模拟目标车辆与目标车辆周围车辆和行人的运动轨迹的交通参与者目标模型;超声波雷达模型,用于采集目标车辆至目标车辆周围车辆和行人的雷达数据;视频采集模型,用于识别静态物体、动态物体、行人及停车线,得到视频数据。
其中,视频采集模型可以选用鱼眼摄像头模型采集相关的视频数据,也可以由用户或相关技术人员根据实际应用情况自行选定,在此不做具体限定。
具体地,如图2所示,在本申请实施例中,首先,通过采用场景仿真软件VTD(Virtual Test Drive,自动驾驶仿真软件)搭建道路环境模型、交通参与者目标模型以及车辆的传感器模型,其中,道路环境模型主要建立车辆运行的道路条件、天气条件,交通参与者模型主要建立车辆行驶周围的目标车辆、行人等运动轨迹,车辆的传感器模型则主要建立车辆所需的超声波雷达模型、鱼眼摄像头模型;其次,通过建立的道路环境模型、交通参与者目标模型以及车辆的传感器模型,分别进行道路环境、目标车辆与目标车辆周围车辆和行人的运动轨迹的模拟,以及目标车辆至目标车辆周围车辆和行人的雷达数据以及静态物体、动态物体、行人及停车线等视频数据的采集。
具体而言,本申请实施例在上述建立的超声波雷达模型中,需要根据车辆设计的12个超声波雷达位置,如在车辆前、后端设置12个超声波探头、姿态参数布置,在仿真场景的本车上设置雷达的工作频率、探测范围、FOV(Field of View,视场角)等参数;在建立的鱼眼摄像头模型中,需根据车辆设计的4个环视摄像头位置、姿态参数布置,在仿真场景的本车上设置视场角FOV、分辨率,以及使用VTD插件将畸变矩阵表转换生成畸变id(identification,身份标识),从而使虚拟的鱼眼摄像头模型与真实的摄像头一致,然后基于生产线上的黑白标定板规格设计虚拟标定场景,采用分布式IG(Image Generator,图片渲染器)的方法将4个鱼眼摄像头模型镜头下拍摄的图片数据,如静动态物体、行人及停车线等信息注入给域控子模块300,使其成功完成环视标定。
进一步地,在本申请的一个实施例中,感知子模块200,包括:超声波回波仿真单元,用于获取超声波雷达模型探测到的目标车辆至目标车辆周围车辆和行人的雷达数据,并将雷达数据延时预设时长后发出超声波回波给域控子模块300;视频注入单元,用于获取视频采集模型采集的视频数据,并将视频数据转换成目标形式后,输出至域控子模块300。
其中,超声波回波仿真单元可以采用超声波回波仿真卡,以获取场景目标信息,然后输入给域控子模块300;视频注入单元可以采用视频注入盒,以获取到场景仿真子模块100的鱼眼摄像头模型所采集的视频数据。
具体地,如图2所示,本申请实施例的超声波回波仿真单元,通过CAN(ControllerArea Network,控制器局域网络)总线获取到场景仿真子模块100的超声波雷达模型探测到的目标车辆至目标车辆周围车辆和行人的雷达数据,并将雷达数据延迟一段时间后驱动换能器发出超声波回波给域控子模块300,域控子模块300接收到回波后即可通过延迟时间的长短计算障碍物距离。
进一步地,本申请实施例的视频注入盒,通过HDMI(High Definition MultimediaInterface,全数字化视频和声音发送接口)线获取到场景仿真子模块100的鱼眼摄像头模型采集的视频数据,将输入的视频进行处理,转换成图像芯片所要求的数据形式,并通过匹配的模组硬件接口输出给域控子模块300,使其获取场景中道路车道线、行驶目标、障碍物、行人等交通参与者信息。
进一步地,在本申请的一个实施例中,上述的车辆的自动泊车测试系统10,还包括:自动化测试管理模块,用于统一调度场景仿真子模块100、感知子模块200、域控子模块300和车辆动力学子模块400,并根据泊车测试结果和预设测试结果判断域控子模块300是否存在异常。
具体地,本申请实施例的自动化测试管理模块是整个自动化测试系统的核心,通过统一调度场景仿真软件系统和试验管理软件系统,分发测试案例任务和监控测试执行过程,并对比与预设数据对应的预期控制指令是否一致,从而判断当前自动驾驶系统是否按照期望运行。
进一步地,本申请实施例的域控子模块300作为被测对象,用于接收感知子模块200的数据,采用摄像技术和超声波技术的融合获取停车位的长度、深度、停车线以及车辆周边障碍物信息,接受车辆动力学子模块400反馈的仿真车辆位置、姿态、行车信息,运用自适应算法计算最佳的泊车轨迹,并将相关目标车辆的控制参数传给车辆动力学子模块400进行车辆的相关控制。其中,目标车辆的控制参数包括横向转角控制参数、方向盘转角控制参数、纵向控制参数和横向控制参数。
进一步地,本申请实施例为提高车辆驾驶的平顺性和车辆执行控制指令的稳定性,通过使用车辆动力学软件Carsim建立动力学模型,不仅可以用来表征作用于预设车辆的力与运动的关系,还可以用于接收域控子模块300输入的目标车辆的控制参数,例如,通过控制轮胎转速实现纵向速度控制,通过控制方向盘转角实现横向转角控制等,并将接收的参数分解对应控制模型,模拟相关执行器输出的状态参数,以生成预设车辆当前的车辆位姿信息,并发出仿真测试结果。
根据本申请实施例的车辆的自动泊车测试系统,通过场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹;感知子模块根据场景仿真子模块采集的雷达数据计算得到目标车辆至周围车辆和行人的距离,并将场景仿真子模块采集的视频数据转换为目标视频数据;域控子模块接收并融合目标车辆至周围车辆和行人的距离和目标视频数据,根据融合得到的停车位信息和目标车辆至周围车辆和行人信息规划泊车轨迹;车辆动力学子模块解析泊车轨迹得到目标车辆的控制参数,并根据控制参数控制目标车辆泊车,并输出泊车测试结果,从而控制车辆完成自动泊车。由此,解决了相关技术中的自动泊车设计链路繁多、运行复杂且实车测试耗时长、场景难复现等问题。
其次参照附图描述根据本申请实施例提出的车辆的自动泊车测试方法。
图3是本申请实施例的车辆的自动泊车测试方法的流程图。
如图3所示,该车辆的自动泊车测试方法包括以下步骤:
步骤S301,通过场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹,并采集目标车辆至目标车辆周围车辆和行人的雷达数据,并识别静态物体、动态物体、行人及停车线,得到视频数据。
步骤S302,通过感知子模块获取雷达数据和视频数据,并根据雷达数据计算得到目标车辆至周围车辆和行人的距离,并将视频数据转换为预设视频格式的目标视频数据。
步骤S303,通过域控子模块接收并融合目标车辆至周围车辆和行人的距离和目标视频数据,得到停车位信息和目标车辆至周围车辆和行人信息,并根据停车位信息和目标车辆至周围车辆和行人信息规划目标车辆的泊车轨迹。
步骤S304,通过车辆动力学子模块接收域控子模块发送的泊车轨迹,并解析泊车轨迹得到目标车辆的控制参数,并根据控制参数控制目标车辆泊车,并输出泊车测试结果。
进一步地,在本申请的一个实施例中,上述的车辆的自动泊车测试方法,还包括:
通过超声波回波仿真单元获取超声波雷达模型探测到的目标车辆至目标车辆周围车辆和行人的雷达数据,并将雷达数据延时预设时长后发出超声波回波给域控子模块;
通过视频注入单元获取视频采集模型采集的视频数据,并将视频数据转换成目标形式后,输出至域控子模块。
进一步地,在本申请的一个实施例中,上述的车辆的自动泊车测试方法,还包括:
通过自动化测试管理模块统一调度场景仿真子模块、感知子模块、域控子模块和车辆动力学子模块,并根据泊车测试结果和预设测试结果判断域控子模块是否存在异常。
根据本申请实施例的车辆的自动泊车测试方法,通过场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹;感知子模块根据场景仿真子模块采集的雷达数据计算得到目标车辆至周围车辆和行人的距离,并将场景仿真子模块采集的视频数据转换为目标视频数据;域控子模块接收并融合目标车辆至周围车辆和行人的距离和目标视频数据,根据融合得到的停车位信息和目标车辆至周围车辆和行人信息规划泊车轨迹;车辆动力学子模块解析泊车轨迹得到目标车辆的控制参数,并根据控制参数控制目标车辆泊车,并输出泊车测试结果,从而控制车辆完成自动泊车。由此,解决了相关技术中的自动泊车设计链路繁多、运行复杂且实车测试耗时长、场景难复现等问题。
图4为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
处理器402执行程序时实现上述实施例中提供的车辆的自动泊车测试方法。
进一步地,车辆还包括:
通信接口403,用于存储器401和处理器402之间的通信。
存储器401,用于存放可在处理器402上运行的计算机程序。
存储器401可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器401、处理器402和通信接口403独立实现,则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器401、处理器402及通信接口403,集成在一块芯片上实现,则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
处理器402可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的车辆的自动泊车测试方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种车辆的自动泊车测试系统,其特征在于,包括:
场景仿真子模块,用于模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹,并采集所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并识别静态物体、动态物体、行人及停车线,得到视频数据;
感知子模块,用于获取所述雷达数据和所述视频数据,并根据所述雷达数据计算得到所述目标车辆至周围车辆和行人的距离,并将所述视频数据转换为预设视频格式的目标视频数据;
域控子模块,用于接收并融合所述目标车辆至周围车辆和行人的距离和所述目标视频数据,得到停车位信息和所述目标车辆至周围车辆和行人信息,并根据所述停车位信息和所述目标车辆至周围车辆和行人信息规划所述目标车辆的泊车轨迹;以及
车辆动力学子模块,用于接收所述域控子模块发送的所述泊车轨迹,并解析所述泊车轨迹得到所述目标车辆的控制参数,并根据所述控制参数控制所述目标车辆泊车,并输出泊车测试结果。
2.根据权利要求1所述的系统,其特征在于,所述场景仿真子模块,包括:
用于模拟道路环境的道路环境模型;
用于模拟所述目标车辆与所述目标车辆周围车辆和行人的运动轨迹的交通参与者目标模型;
超声波雷达模型,用于采集所述目标车辆至所述目标车辆周围车辆和行人的雷达数据;
视频采集模型,用于识别静态物体、动态物体、行人及停车线,得到所述视频数据。
3.根据权利要求2所述的系统,其特征在于,所述感知子模块,包括:
超声波回波仿真单元,用于获取所述超声波雷达模型探测到的所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并将所述雷达数据延时预设时长后发出超声波回波给所述域控子模块;
视频注入单元,用于获取所述视频采集模型采集的视频数据,并将所述视频数据转换成目标形式后,输出至所述域控子模块。
4.根据权利要求1所述的系统,其特征在于,还包括:
自动化测试管理模块,用于统一调度所述场景仿真子模块、所述感知子模块、所述域控子模块和所述车辆动力学子模块,并根据所述泊车测试结果和预设测试结果判断所述域控子模块是否存在异常。
5.根据权利要求1所述的系统,其特征在于,所述目标车辆的控制参数包括横向转角控制参数、方向盘转角控制参数、纵向控制参数和横向控制参数。
6.一种车辆的自动泊车测试方法,其特征在于,采用如权利要求1-5任一项所述的自动泊车测试系统,所述方法包括以下步骤:
通过所述场景仿真子模块模拟道路环境、目标车辆与周围车辆和行人的运动归轨迹,并采集所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并识别静态物体、动态物体、行人及停车线,得到所述视频数据;
通过所述感知子模块获取所述雷达数据和所述视频数据,并根据所述雷达数据计算得到所述目标车辆至周围车辆和行人的距离,并将所述视频数据转换为预设视频格式的目标视频数据;
通过所述域控子模块接收并融合所述目标车辆至周围车辆和行人的距离和所述目标视频数据,得到停车位信息和所述目标车辆至周围车辆和行人信息,并根据所述停车位信息和所述目标车辆至周围车辆和行人信息规划所述目标车辆的泊车轨迹;以及
通过所述车辆动力学子模块接收所述域控子模块发送的所述泊车轨迹,并解析所述泊车轨迹得到所述目标车辆的控制参数,并根据所述控制参数控制所述目标车辆泊车,并输出泊车测试结果。
7.根据权利要求6所述的方法,其特征在于,还包括:
通过超声波回波仿真单元获取所述超声波雷达模型探测到的所述目标车辆至所述目标车辆周围车辆和行人的雷达数据,并将所述雷达数据延时预设时长后发出超声波回波给所述域控子模块;
通过所述视频注入单元获取所述视频采集模型采集的视频数据,并将所述视频数据转换成目标形式后,输出至所述域控子模块。
8.根据权利要求6所述的方法,其特征在于,还包括:
通过自动化测试管理模块统一调度所述场景仿真子模块、所述感知子模块、所述域控子模块和所述车辆动力学子模块,并根据所述泊车测试结果和预设测试结果判断所述域控子模块是否存在异常。
9.一种车辆,其特征在于,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,所述处理器执行所述程序,以实现如权利要求6-8任一项所述的车辆的自动泊车测试方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求6-8任一项所述的车辆的自动泊车测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211185139.9A CN115469564A (zh) | 2022-09-27 | 2022-09-27 | 车辆的自动泊车测试系统、方法、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211185139.9A CN115469564A (zh) | 2022-09-27 | 2022-09-27 | 车辆的自动泊车测试系统、方法、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115469564A true CN115469564A (zh) | 2022-12-13 |
Family
ID=84335253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211185139.9A Pending CN115469564A (zh) | 2022-09-27 | 2022-09-27 | 车辆的自动泊车测试系统、方法、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115469564A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826437A (zh) * | 2022-12-22 | 2023-03-21 | 镁佳(北京)科技有限公司 | 一种自动化车辆泊车仿真方法、系统、装置及电子设备 |
-
2022
- 2022-09-27 CN CN202211185139.9A patent/CN115469564A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826437A (zh) * | 2022-12-22 | 2023-03-21 | 镁佳(北京)科技有限公司 | 一种自动化车辆泊车仿真方法、系统、装置及电子设备 |
CN115826437B (zh) * | 2022-12-22 | 2024-01-30 | 镁佳(北京)科技有限公司 | 一种自动化车辆泊车仿真方法、系统、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110412374B (zh) | 一种基于多传感器的adas hil测试系统 | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
CN115187742B (zh) | 自动驾驶仿真测试场景生成方法、系统及相关装置 | |
Reway et al. | Test methodology for vision-based adas algorithms with an automotive camera-in-the-loop | |
CN218332314U (zh) | 一种基于智能驾驶域控制器hil仿真测试平台 | |
Vacek et al. | Learning to predict lidar intensities | |
US11636684B2 (en) | Behavior model of an environment sensor | |
CN116224954A (zh) | 一种融合真实道路场景的智能驾驶在环测试方、环境及存储介质 | |
CN115469564A (zh) | 车辆的自动泊车测试系统、方法、车辆及存储介质 | |
CN112671487B (zh) | 一种车辆测试的方法、服务器以及测试车辆 | |
CN116107288A (zh) | 智能驾驶仿真测试系统及其方法 | |
CN109683491B (zh) | 车载摄像头仿真系统 | |
CN115479782A (zh) | 多源数据孪生联动测试方法、装置、车辆及存储介质 | |
Volk et al. | Environment-aware development of robust vision-based cooperative perception systems | |
CN111736486A (zh) | 一种面向l2智能驾驶控制器的传感器仿真建模方法及装置 | |
Roos et al. | A framework for simulative evaluation and optimization of point cloud-based automotive sensor sets | |
CN116776288A (zh) | 一种智能驾驶感知模型的优化方法、装置及存储介质 | |
CN111816022A (zh) | 一种模拟场景的仿真方法、装置、存储介质以及电子设备 | |
EP3618013A1 (en) | System for generating vehicle sensor data | |
CN113689695B (zh) | 路侧感知系统的数据采集、可视化和标定的方法及系统 | |
Lee et al. | Development of deep learning autonomous car using raspberry Pi | |
CN111897241A (zh) | 传感器融合多目标模拟硬件在环仿真系统 | |
CN112966565A (zh) | 一种物体检测方法、装置、终端设备及存储介质 | |
US20230195977A1 (en) | Method and system for classifying scenarios of a virtual test, and training method | |
US20230410573A1 (en) | Vehicular control system with automatic subsystem selection |
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 |