CN115542774A - 一种自动驾驶仿真测试系统及方法 - Google Patents
一种自动驾驶仿真测试系统及方法 Download PDFInfo
- Publication number
- CN115542774A CN115542774A CN202211218232.5A CN202211218232A CN115542774A CN 115542774 A CN115542774 A CN 115542774A CN 202211218232 A CN202211218232 A CN 202211218232A CN 115542774 A CN115542774 A CN 115542774A
- Authority
- CN
- China
- Prior art keywords
- scene
- information
- static
- test
- simulation test
- 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
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仿真测试系统及方法,可应用于自动驾驶技术领域,所述系统包括静态场景层,用于设置仿真测试场景的静态场景文件,所述静态场景文件包括静态路网上的静态对象信息;动态场景层,用于设置仿真测试场景的动态场景文件,所述动态场景文件包括多个交通参与者信息;测试案例层,用于根据所述静态场景文件和所述动态场景文件,对所述仿真测试场景进行分类和编号,生成测试案例。本发明可实现自动驾驶仿真测试的场景搭建,且所得场景贴合测试需求,同时,本发明实现了对测试场景库的管控,提高了自动驾驶仿真测试的工作效率。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种自动驾驶仿真测试系统及方法。
背景技术
随着高级辅助驾驶系统逐渐普遍的应用在各厂家推出的车型中,辅助驾驶技术已逐渐广泛的应用在我们的驾驶过程中,在智能化普及的现在,自动驾驶技术的研究已成为汽车技术领域中重点发展之一。相关研究表明,自动驾驶汽车需要在真实或者虚拟环境中至少进行上百亿英里的里程测试,才能证明自动驾驶系统比人类驾驶员更可靠。然而,基于里程的测试方法具有测试周期长、效率低、成本高等弊端,自动驾驶汽车要商业化落地,单纯依靠基于里程的测试方法显然是不够的,基于场景的仿真测试方法不可或缺。基于场景的仿真测试可形成高效的数据测试闭环,支持算法的测试和高效迭代,保证开发的算法功能的安全性。在当前自动驾驶仿真测试场景技术发展中,研发人员需要耗费大量的时间进行场景的搭建和场景的管理,限制了自动驾驶仿真测试的工作效率。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种自动驾驶仿真测试系统及方法,以解决上述技术问题。
本发明提供的一种自动驾驶仿真测试系统,包括
静态场景层,用于设置仿真测试场景的静态场景文件,所述静态场景文件包括静态路网上的静态对象信息;
动态场景层,用于设置仿真测试场景的动态场景文件,所述动态场景文件包括多个交通参与者信息;以及
测试案例层,用于根据所述静态场景文件和所述动态场景文件,对所述仿真测试场景进行分类和编号,生成测试案例。
于本发明的一实施例中,所述静态对象信息包括车道类型信息、车道数量信息、车道宽度信息、车道线类型信息、交通标志信息和/或信息牌信息。
于本发明的一实施例中,多个所述交通参与者信息包括主车和目标车的初始状态信息、车辆类型信息和/或触发的车辆行为信息。
于本发明的一实施例中,所述静态场景层包括:
静态场景名称模块,用于管理所述静态场景文件的名称;
道路拓扑结构模块,用于设置所述静态场景文件的道路拓扑结构信息;
道路标识模块,用于设置所述静态场景文件的道路标识信息;以及
环境因素模块,用于设置所述静态场景文件的环境因素信息。
于本发明的一实施例中,所述动态场景层包括:
动态场景名称模块,用于管理所述动态场景文件的名称;
主车状态模块,用于设置主车的初始状态信息、车辆类型信息;
目标车状态模块,用于设置目标车的初始状态信息、车辆类型信息;以及
场景触发模块,用于设置触发的车辆行为信息。
于本发明的一实施例中,所述测试案例层包括:
案例号模块,用于管理所述仿真测试场景的案例号编制;
案例分类模块,用于设置所述仿真测试场景的案例分类信息;
测试概述模块,用于设置所述仿真测试场景的测试概述信息;以及
期望表现模块,用于设置所述仿真测试场景的期望表现信息。
于本发明的一实施例中,所述静态场景文件满足仿真测试领域中静态场景格式标准,所述动态场景文件满足仿真测试领域中动态场景格式标准。
本发明还提供一种自动驾驶仿真测试方法,其特征在于,包括
根据静态环境层的关键静态信息数据,在仿真测试软件中搭建测试道路结构;
根据动态场景层的关键动态信息数据,设置所述仿真测试场景的动态交通流;
根据测试案例层的预设分类规则,对所述仿真测试场景进行分类和编号,基于所述仿真测试场景进行自动驾驶仿真测试,并生成仿真测试数据。
于本发明的一实施例中,所述关键静态信息数据和关键动态信息数据由路采数据提供。
于本发明的一实施例中,所述自动驾驶仿真测试方法还包括:
读取静态场景层和动态场景层的关键信息数据,批量生成测试案例所对应仿真测试场景数据。
本发明可实现自动驾驶仿真测试的场景搭建,且所得场景贴合测试需求,同时,本发明实现了对测试场景库的管控,提高了自动驾驶仿真测试的工作效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术者来讲,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。在附图中:
图1是本发明提供的自动驾驶仿真测试系统的结构示意图;
图2是本发明提供的自动驾驶仿真测试系统层级的架构示意图;
图3是本发明提供的自动驾驶仿真测试方法的流程示意图;
图4是适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
须知,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
首先要说明的是,自动驾驶系统开发需经历的三个阶段:概念阶段、系统开发阶段、测试阶段;随着系统开发过程的逐渐深入,测试场景的抽象程度需求不断降低,但测试场景的数量需求却不断在增加。在自动驾驶仿真测试领域中,德国PEGASUS理论定义了自动驾驶仿真测试场景的六层模型,分别为道路、道路设施和规则、临时修改和事件、移动物体、环境条件、数字信息。另外,仿真场景的构建主要分为三个阶段,分别为功能场景、逻辑场景和具体场景,通过分阶段来实现场景数量的递增以及场景抽象程度的明确化。本发明中的自动驾驶仿真测试系统包括三个核心层:测试案例层、静态场景层、动态场景层。其中,测试案例层即从具体场景层来进行的描述,同时结合六层模型和测试场景的关键信息数据,对静态场景层、动态场景层进行描述。
功能场景是通过语义描述的最抽象级别的操作场景,用于概念阶段的项目定义、危险分析和风险评估。逻辑场景是基于状态空间变量对功能场景的进一步详细描述,用于项目开发阶段生成需求。具体场景可以直接转化为测试用例,对于每一个具有连续取值范围的逻辑场景,都可以派生出任意数量的具体场景。
请参阅图1所示,图1是本发明提供的自动驾驶仿真测试系统的结构示意图,在一些实施例中,自动驾驶仿真测试系统可包括静态场景层110、动态场景层120和测试案例层130。其中,静态场景层,用于设置仿真测试场景的静态场景文件,所述静态场景文件包括静态路网上的静态对象信息。动态场景层,用于设置仿真测试场景的动态场景文件,所述动态场景文件包括多个交通参与者信息。测试案例层,用于根据所述静态场景文件和所述动态场景文件,对所述仿真测试场景进行分类和编号,生成测试案例。
在一些实施例中,在软件系统设计团队对自动驾驶算法开发功能及功能特性定义好之后,首先,通过语言场景符号来描述场景区域内的实体以及实体间的关系。例如,道路类型为四车道快速路,道路几何为直线道路,本车位于最右侧车道,环境条件为白天等。然后,通过定义状态空间内变量的参数范围来表达实体特征和实体间的关系,将功能场景转换为逻辑场景,并转换为可用于相应仿真环境的数据格式。例如,道路类型为四车道快速路,道路宽2.5m~3.5m,本车纵向速度70km/h~90km/h,环境条件为白天,光照强度大于1000lux。最后,通过确定状态空间中每个参数的具体值来明确描述实体和实体间的关系,以状态空间详细描述测试场景。例如,道路类型为四车道快速路,道路宽3m,本车纵向速度70km/h,环境条件为白天,光照强度2000lux。而具体测试场景转化为测试用例,则只需要增加被测对象的期望行为表现以及对相关测试设施的需求。例如,测试车辆AEB(AutonomousEmergency Braking,自动紧急刹车)功能,期望刹停安全距离为10m,障碍物为静止车辆。
在一些实施例中,静态环境层110通过测试案例的描述,从道路拓扑结构、道路标识和信息、环境条件等方面搭建符合测试案例需求的静态路网,以及在动态场景层120中配置适用的环境条件。在静态路网的描述中包括多种静态对象信息,例如车道类型信息、车道数量信息、车道宽度信息、车道线类型信息、交通标志信息和信息牌信息等。静态场景文件需满足仿真测试领域中静态场景格式标准。常见的静态场景格式标准包括OpenDRIVE、OpenCRG、RoadXML和OSM,本实施例中使用OpenDRIVE标准。OpenDRIVE标准定义了包含道路路网上的所有静态对象,主要描述道路拓扑结构、车道线和道路周边的其它静态元素。OpenDRIVE将道路分为三个部分:道路参考线(reference line)、车道(lanes)和特征元素(features)。同时对于环境条件的描述,如道路天气、光照度、能见度等描述,需满足仿真测试领域OpenX体系中OpenSCENARIO的标准。
在一些实施例中,动态场景层120结合测试案例构建的测试场景,从主车和目标车的初始状态、车辆类型、触发的车辆行为等方面,进行动态交通流的配置和丰富,静态路网中对动态场景文件需满足动态场景格式标准,本实施例中使用OpenSCENARIO标准。OpenSCENARIO主要用于描述涉及多个交通参与者(如车辆、行人和其他交通参与者)的复杂的、同步的操作;OpenSCENARIO文件结构可分为三个部分:道路拓扑、实体以及事件板。
在一些实施例中,根据静态场景文件和动态场景文件,测试用例层130通过对不同算法功能以及各功能内部测试分类,进行仿真测试场景的案例号的编制和分配,以便于通过案例号进行测试场景的管理。在具体场景层级,通过测试概述,定义出对应的测试场景,进而可从不同维度来描述出主车在测试场景的期望表现,便于从宏观表现或者信号层面观测、判断。
请参阅图2所示,图2是本发明提供的自动驾驶仿真测试系统层级的架构示意图,在一些实施例中,静态场景层110可包括静态场景名称模块211、道路拓扑结构模块212、道路标识模块213和环境因素模块214。其中,静态场景名称模块211可用于管理所述静态场景文件的名称。本实施例中,静态场景文件的名称需体现部分关键特征,便于静态路网的管理,如动态交通流的静态路网复用、场景的筛选等管理。道路拓扑结构模块212可用于设置所述静态场景文件的道路拓扑结构信息。道路标识模块213可用于设置所述静态场景文件的道路标识信息。环境因素模块214可用于设置所述静态场景文件的环境因素信息。上述道路拓扑结构信息和道路标识信息需满足仿真测试领域OpenX体系中OpenDrive的标准,环境因素信息需满足仿真测试领域OpenX体系中OpenScenario的标准。
请参阅图2所示,在一些实施例中,动态场景层120可包括动态场景名称模块211、主车状态模块212、目标车状态模块213和场景触发模块214。其中,动态场景名称模块211可用于管理所述动态场景文件的名称。本实施例中,在对动态场景文件命名上,需体现动态场景中关键特征要素的信息,或是与测试案例号、静态路网相关联的要素。主车状态模块212可用于设置主车的初始状态信息、车辆类型信息。目标车状态模块213可用于设置目标车的初始状态信息、车辆类型信息。场景触发模块214可用于设置触发的车辆行为信息。
请参阅图2所示,在一些实施例中,测试案例层130可包括案例号模块231、案例分类模块232、测试概述模块233和期望表现模块234。其中,案例号模块231可用于管理仿真测试场景的案例号编制。案例分类模块232可用于设置所述仿真测试场景的案例分类信息。本实施例中,仿真测试场景的案例号可通过对不同算法功能,结合各功能内部测试分类,进行编制和分配,便于通过案例号进行仿真测试场景的管理。测试概述模块233可用于设置所述仿真测试场景的测试概述信息。期望表现模块234可用于设置仿真测试场景的期望表现信息。期望表现信息可从不同维度来描述出主车在测试场景的期望表现,便于从宏观表现或者信号层面观测、判断。
请参阅图1所示,在一些实施例中,自动驾驶仿真测试系统还包括有场景管理层140。基于上述自动驾驶仿真测试系统可进行仿真测试场景的管理,即对仿真测试场景进行修改、筛选、泛化、调度等操作。仿真测试场景的修改操作可包括对静态场景文件、动态场景文件的修改,以及测试案例的修改。仿真测试场景的筛选操作,可以通过自动驾驶仿真测试系统的三个层级下的关键参数来进行,可通过选取某个模块的关键参数、多个模块关键参数结合的方式,从而找到对应仿真测试场景,并得到该仿真测试场景的案例号、静态场景文件、动态场景文件的信息。通过多维度、多参数的方式来提高筛选的准确性、有效性。仿真测试场景的泛化操作可结合路采数据分析出的可靠参数范围或参数分布,来进行静态场景某一特征的参数进行泛化,从而进行案例号的分配及动态场景的搭建。另外,也可通过对动态场景进行测试后,对某特征的参数、状态进行再合理化的调整、泛化,进行场景的再搭建,丰富动态场景。仿真测试场景的调用操作可包括对动态场景进行单一、批量的调用,可通过对具备某一部件、某一关键参数来实现场景的检索,基于检索返回单一文件或具备某种标签的目标文件列表,实现单一、批量的调用测试场景。
如上所述,本发明提供一种自动驾驶仿真测试系统,涉及测试案例、静态场景、动态场景等维度组合,通过对测试场景的多维度描述、定义,实现从道路拓扑等静态描述信息到车辆初始状态等动态信息的场景搭建。同时,本发明提供的自动驾驶仿真测试系统通过测试案例、静态场景、动态场景等维度的编号命名、特性标签、关联关系,实现对场景的关键参数遍历、场景修改、场景筛选、场景调度等管理操作,实现对场景库的管控,提升场景管理的效率,降低场景管理的难度。
请参阅图3所示,图3是本发明提供的自动驾驶仿真测试方法的流程示意图,自动驾驶仿真测试方法的步骤,可包括:
步骤S310、根据静态环境层的关键静态信息数据,在仿真测试软件中搭建测试道路结构。
在一些实施例中,根据静态环境层中静态场景的关键静态信息数据,可在仿真测试软件中搭建测试所使用的静态路网。关键静态信息数据可通过路采数据获取,即现实世界真实发生的,经过传感器采集到或以其它形式已经被记录保存下来的真实场景数据,包括自然驾驶数据、交通事故数据、路侧单元监控数据、封闭场地测试数据以及开发道路测试数据等。
步骤S320、根据动态场景层的关键动态信息数据,设置所述仿真测试场景的动态交通流。
在一些实施例中,根据动态场景层中动态场景的关键动态信息数据,设置仿真测试场景的动态交通流。动态场景的搭建通常基于真实交通案例数据,即通过把各类传感器采集的动态交通数据,经过算法抽取,结合已有的高精地图来搭建动态场景。
在一些实施例中,动态场景的搭建还可基于真实案例数据的泛化构建,通过合理地调整真实案例中的某些数据特征,比如对多元类型数据进行整合与加工,通过算法构建逼近真实的智能体行为模型,从而泛化生成新的动态场景案例。另外,动态场景的搭建还可基于微观交通仿真系统构建,基于真实数据或虚拟仿真数据,利用微观交通仿真系统生成车辆、行人、交通管控等动态元素。
步骤S330、根据测试案例层的预设分类规则,对所述仿真测试场景进行分类和编号,基于所述仿真测试场景进行自动驾驶仿真测试,并生成仿真测试数据。
在一些实施例中,完成仿真测试场景的静态场景和动态场景的搭建后,可根据测试案例层的预设分类规则,对仿真测试场景进行编号和分类。仿真测试场景的案例号可通过对不同算法功能,结合各功能内部测试分类,进行编制和分配,便于通过案例号进行仿真测试场景的管理。然后,可基于仿真测试场景进行自动驾驶仿真测试,生成仿真测试数据。
在一些实施例中,上述自动驾驶仿真测试方法的步骤还包括:读取静态场景层和动态场景层的关键信息数据,批量生成测试案例所对应仿真测试场景数据。自动驾驶仿真测试系统按上述方法完成第一测试场景搭建后,可通过脚本来爬取数据,批量生成测试场景。本实施例中,在同类型测试用例中,可通过编写的python脚本,读取自动驾驶仿真测速系统中静态场景层、动态场景层的关键信息对应的数据,批量化地快速生成不同测试案例所对应测试用例的仿真测试场景。本实施例中,一方面,通过将场景多维度的要素体现在同一系统,提升了场景筛选的便利性,提高了被筛选场景的具体性,通过关键参数的定义和选取提高被筛选场景的准确性。另一方面,自动驾驶仿真测试系统可结合对不同算法功能的定义,设置多个表格来进行管理,以便于对不同算法功能中场景的静态场景、动态场景等存在不同的特性、参数的描述、定义。
需要说明的是,上述实施例所提供的自动驾驶仿真测试方法与上述实施例所提供的自动驾驶仿真测试系统属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的路况刷新装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本发明的实施例还提供了一种电子设备,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,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现上述各个实施例中提供的自动驾驶仿真测试方法。
请参阅图4所示,图4是适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。需要说明的是,图4示出的电子设备的计算机系统400仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input/Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,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410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本发明的系统中限定的各种功能。
需要说明的是,本发明实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、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(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,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,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
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。其中,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。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本发明的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机的处理器执行时,使计算机执行如前所述的自动驾驶仿真测试方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本发明的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的自动驾驶仿真测试方法。
综上所述,本发明提供一种自动驾驶仿真测试系统及方法,通过对测试场景的多维度描述、定义,实现从道路拓扑等静态描述信息到车辆初始状态等动态信息的测试场景搭建,且所得场景贴合测试需求。同时,本发明通过测试案例、静态场景、动态场景等维度的编号命名、特性标签、关联关系,实现对场景的关键参数遍历、场景修改、场景筛选、场景调度等管理操作,实现了对测试场景库的高效管控,提高了自动驾驶仿真测试的工作效率。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种自动驾驶仿真测试系统,其特征在于,包括:
静态场景层,用于设置仿真测试场景的静态场景文件,所述静态场景文件包括静态路网上的静态对象信息;
动态场景层,用于设置仿真测试场景的动态场景文件,所述动态场景文件包括多个交通参与者信息;以及
测试案例层,用于根据所述静态场景文件和所述动态场景文件,对所述仿真测试场景进行分类和编号,生成测试案例。
2.根据权利要求1所述的自动驾驶仿真测试系统,其特征在于,所述静态对象信息包括车道类型信息、车道数量信息、车道宽度信息、车道线类型信息、交通标志信息和/或信息牌信息。
3.根据权利要求1所述的自动驾驶仿真测试系统,其特征在于,多个所述交通参与者信息包括主车和目标车的初始状态信息、车辆类型信息和/或触发的车辆行为信息。
4.根据权利要求1所述的自动驾驶仿真测试系统,其特征在于,所述静态场景层包括:
静态场景名称模块,用于管理所述静态场景文件的名称;
道路拓扑结构模块,用于设置所述静态场景文件的道路拓扑结构信息;
道路标识模块,用于设置所述静态场景文件的道路标识信息;以及
环境因素模块,用于设置所述静态场景文件的环境因素信息。
5.根据权利要求1所述的自动驾驶仿真测试系统,其特征在于,所述动态场景层包括:
动态场景名称模块,用于管理所述动态场景文件的名称;
主车状态模块,用于设置主车的初始状态信息、车辆类型信息;
目标车状态模块,用于设置目标车的初始状态信息、车辆类型信息;以及
场景触发模块,用于设置触发的车辆行为信息。
6.根据权利要求1所述的自动驾驶仿真测试系统,其特征在于,所述测试案例层包括:
案例号模块,用于管理所述仿真测试场景的案例号编制;
案例分类模块,用于设置所述仿真测试场景的案例分类信息;
测试概述模块,用于设置所述仿真测试场景的测试概述信息;以及
期望表现模块,用于设置所述仿真测试场景的期望表现信息。
7.根据权利要求1所述的自动驾驶仿真测试系统,其特征在于,所述静态场景文件满足仿真测试领域中静态场景格式标准,所述动态场景文件满足仿真测试领域中动态场景格式标准。
8.一种自动驾驶仿真测试方法,其特征在于,包括
根据静态环境层的关键静态信息数据,在仿真测试软件中搭建测试道路结构;
根据动态场景层的关键动态信息数据,设置所述仿真测试场景的动态交通流;
根据测试案例层的预设分类规则,对所述仿真测试场景进行分类和编号,基于所述仿真测试场景进行自动驾驶仿真测试,并生成仿真测试数据。
9.根据权利要求8所述的自动驾驶仿真测试方法,其特征在于,所述关键静态信息数据和关键动态信息数据由路采数据提供。
10.根据权利要求8所述的自动驾驶仿真测试方法,其特征在于,所述自动驾驶仿真测试方法还包括:
读取静态场景层和动态场景层的关键信息数据,批量生成测试案例所对应仿真测试场景数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211218232.5A CN115542774A (zh) | 2022-09-30 | 2022-09-30 | 一种自动驾驶仿真测试系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211218232.5A CN115542774A (zh) | 2022-09-30 | 2022-09-30 | 一种自动驾驶仿真测试系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115542774A true CN115542774A (zh) | 2022-12-30 |
Family
ID=84731367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211218232.5A Pending CN115542774A (zh) | 2022-09-30 | 2022-09-30 | 一种自动驾驶仿真测试系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115542774A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855531A (zh) * | 2023-02-16 | 2023-03-28 | 中国汽车技术研究中心有限公司 | 自动驾驶汽车的测试场景构建方法、设备和介质 |
CN115906539A (zh) * | 2023-01-10 | 2023-04-04 | 联友智连科技有限公司 | 一种基于Django实现自动驾驶仿真的系统 |
CN116090263A (zh) * | 2023-04-10 | 2023-05-09 | 成都飞机工业(集团)有限责任公司 | 一种制造工艺设计仿真任务触发方法、装置、设备及介质 |
-
2022
- 2022-09-30 CN CN202211218232.5A patent/CN115542774A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906539A (zh) * | 2023-01-10 | 2023-04-04 | 联友智连科技有限公司 | 一种基于Django实现自动驾驶仿真的系统 |
CN115855531A (zh) * | 2023-02-16 | 2023-03-28 | 中国汽车技术研究中心有限公司 | 自动驾驶汽车的测试场景构建方法、设备和介质 |
CN116090263A (zh) * | 2023-04-10 | 2023-05-09 | 成都飞机工业(集团)有限责任公司 | 一种制造工艺设计仿真任务触发方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Scholtes et al. | 6-layer model for a structured description and categorization of urban traffic and environment | |
CN115542774A (zh) | 一种自动驾驶仿真测试系统及方法 | |
US8046204B2 (en) | Collecting and modeling object simulation data | |
CN111797001A (zh) | 一种基于SCANeR的自动驾驶仿真测试模型的构建方法 | |
CN113272744A (zh) | 用于监测自动驾驶车辆的适当行为的系统及其方法 | |
Wang et al. | Simulation and application of cooperative driving sense systems using prescan software | |
Yang et al. | Survey on autonomous vehicle simulation platforms | |
Chaplier et al. | Toward a standard: RoadXML, the road network database format | |
Aguilera et al. | An accelerated-time simulation of car traffic on a motorway using a CAS | |
Bonhomme et al. | A versatile multi-agent traffic simulator framework based on real data | |
Martin et al. | Utah traffic lab driving simulator: user manual and flex lanes scenario development. | |
Barz et al. | Advantages of using runtime procedural generation of virtual environments based on real world data for conducting empirical automotive research | |
US20130116995A1 (en) | Agent-based road transportation modeling and simulation method and system | |
Bonhomme et al. | A versatile description framework for modeling behaviors in traffic simulations | |
Lee et al. | Customized simulation modeling using PARAMICS application programmer interface | |
CN114185320A (zh) | 一种无人系统集群的测评方法、装置、系统及存储介质 | |
Kurnaz | Urban traffic modeling with microscopic approach using cellular automata | |
Expósito Jiménez et al. | Safety of the Intended Functionality Concept Integration into a Validation Tool Suite | |
Zhang et al. | A Meta-Modeling Approach for Autonomous Driving Scenario Based on STTD. | |
Sun et al. | An intelligent driving simulation platform: architecture, implementation and application | |
Chen | Formal Modeling and Automatic Generation of Test Cases for the Autonomous Vehicle | |
Małecki | Two-way road cellular automaton model with loading/unloading bays for traffic flow simulation | |
Barbera et al. | Developing world model data specifications as metrics for sensory processing for on-road driving tasks | |
Ma et al. | Traffic Scenarios for Automated Vehicle Testing: A Review of Description Languages and Systems. Machines 2021, 9, 342 | |
Zhong | Modeling of airport operations using an object-oriented approach |
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 |