CN115931379A - 智能汽车道路测试多目标物复杂场景构建系统及构建方法 - Google Patents
智能汽车道路测试多目标物复杂场景构建系统及构建方法 Download PDFInfo
- Publication number
- CN115931379A CN115931379A CN202211401978.XA CN202211401978A CN115931379A CN 115931379 A CN115931379 A CN 115931379A CN 202211401978 A CN202211401978 A CN 202211401978A CN 115931379 A CN115931379 A CN 115931379A
- Authority
- CN
- China
- Prior art keywords
- scene
- target
- test
- target body
- data
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种智能汽车道路测试多目标物复杂场景构建系统及构建方法,包括单机目标体、协同控制系统、数据通讯单元、车载触发单元等,通过该系统及方法可以实现智能汽车道路测试多目标物的测试场景工况复现模拟,尤其针对L3及以上高级别自动驾驶车辆封闭道路测试,可以实现多目标物协同控制,高效、安全构建复杂交通测试场景,为高级别的自动驾驶车辆提供更符合实际交通流的测试工况,有效解决汽车感知、控制策略、执行输出等相关主动安全的开发和检验。
Description
技术领域
本发明涉及智能汽车道路测试技术领域,尤其涉及一种智能汽车道路测试多目标物复杂场景构建系统以及基于该改建系统的构建方法,可安全、高效复现模拟实际复杂的道路交通流场景,开展智能汽车尤其是L3及以上高级别自动驾驶车辆道路测试针对实际应用场景的主动安全试验。
背景技术
自动驾驶汽车行业发展迅速,但其开发验证阶段的车辆的测试方法进步缓慢,尤其是针对自动驾驶汽车封闭场地测试场景构建测试方法或系统,目前的封闭场地测试场景构建还停留在十分简单或者单一的场景构建水平,完全脱离自动驾驶汽车实际应用场景,既不符合实际的道路交通场景,无法满足自动驾驶汽车封闭场地开展符合真实应用环境的测试需求。
通过对封闭场地测试场景现状和智能汽车技术发展所需的封闭测试技术需求研究,封闭道路测试场景的构建需要通过技术手段进行大幅度提高和完善,需要在封闭道路测试过程中通过一些方法或专业系统,用以安全、灵活、高效的模拟复现真实道路交通场景,尤其是多目标物的道路交通模拟场景,满足自动驾驶汽车封闭场地开展符合真实应用环境的测试需求。
发明内容
以专业、安全、灵活、高效测试为原则,针对智能汽车,尤其是L3及以上的高级别自动驾驶汽车封闭道路模拟测试场景需求,本发明提供一种智能汽车道路测试多目标物复杂场景构建系统及构建方法,可以实现多目标物协同控制,在封闭道路测试场高效、安全构建复杂交通测试场景,为高级别的自动驾驶车辆提供更符合实际的交通流测试工况,有效解决汽车控制策略、执行输出等相关主动安全的开发和检验。
本发明的一种智能汽车道路测试多目标物复杂场景构建系统,包括单机目标体、协同控制系统、数据通讯单元、车载触发单元。
该系统可以实现多个单交通模拟目标物体通过数据互联连接到数据存储分析单元,利用数据存储单元的数据汇总分析计算,再结合控制软件完成参数配置、场景规划等功能,协同控制系统通过数据下发单元将复杂场景构建所需的相关参数发送给场景构建中需要的各个单机目标体,所有的目标体会根据场景构建的需求,接收到相关指令,最后通过触发单元,结合智能汽车试验状况进行多目标体联动输出,整个过程通过协同控制系统实时反馈介入,实现智能汽车尤其是L3及以上高级别自动驾驶车辆道路测试复杂工况的模拟复现。
所述复杂场景是指符合实际的交通流测试工况的场景,比如十字路口机非混合的交通流场景,场景中可能会出现多个行人横穿马路、多个自行车、踏板车直行或右转、多个机动车直行或右转等交通场景。
所述的复杂道路场景另一个重要元素包括交通流中可能会出现驾驶运动冲突、危险工况,对智能汽车测试验证尤为重要,通过所示一种智能汽车道路测试多目标物复杂场景构建系统也可以方便、高效复现冲突、危险的场景测试工况,更符合真实的应用场景。
所述的单机目标体为基于高精度定位系统自主导航移动的平台。所述的单机目标体可搭载不同的仿真模拟交通目标物,比如模拟儿童、成人、自行车、两轮踏板车、摩托车、汽车等仿真体,在封闭测试场地内模拟真实的交通道路参与者。所述的单机目标体内置高精度定位系统、控制系统、供电系统、动力系统、通讯系统,在整个协同控制中可利用可通过自身控制系统并结合协同控制指令进行不同场景动作的输出模拟,可以根据协同控制系统的参数配置和指令进行高精度的位置轨迹、加速度、速度、转向等动作输出,配合搭载的各类目标体,实现交通模拟物的运动场景复现。
进一步的,所述的协同控制系统为是整个场景构建系统计算控制中心,其核心部件为高速计算工控机,工控机作用是数据存储与多目标物联合控制,内置控制指令采集模块、场景数据库、数据存储模块及通讯模块等,工控机运行会结合控制软件单元,实现整个系统的智能化、自动化运行控制。
所述协同控制系统可以将所述的协同控制软件配置或选择的相关参数、场景工况等转化成多目标体的控制运动的程序代码,并将确认好的场景复现控制功能通过所述5G数据通讯单元下发给场景构建所需的各个单机目标体;同时所述协同控制系统也会通过5G数据通讯单元获取到当前多目标场景运行状态等数据,在整个多目标场景复现过程中实现数据、状态的实时闭环控制。
所述协同控制系统具有协同控制软件,协同控制软件具有前端配置、控制、显示的软件界面,作为整个系统输入配置、数据参数显示、场景定义前端HMI(人机界面),该软件采用模块化设计,支持二次开发。
所述协同控制软件与所述的协同控制系统配合应用,可以根据智能汽车封闭场地道路测试场景的功能需求进行数据、参数、功能的配置,方便、快速实现多目标物复杂场景构建。
所述数据通讯单元是采用5G网络通讯技术,实现数据的高速通讯互联,其包括网络交换机、网络通信模块、数据存储器等。5G数据通讯单元上端连接协同控制系统,下端连接参与多目标体场景的各个单机目标体,无论是在试验前,试验中、试验后都能通过高速网络通讯技术实时将各种数据进行采集存储,具备低延时、大带宽的数据交互能力,较好地满足多目标体协同控制数据传输需要,满足构建复杂测试场景的数据交互工作。5G数据通讯单元具备高带宽、低延时的特点,保证了整个系统的数据连接与交互的实时性有效性。
所述车载触发单元是安装在智能汽车上的具备高精度定位功能及运算、通讯功能的模块,内置供电模块及计算处理单元,外置5G网络通讯天线。所述车载触发单元其主要功能可以实时获取智能汽车测试过程中各种状态,包括车速、轨迹、姿态角、航向角等详细参数,将这些参数实时通过5G网络发送给所述5G数据通讯单元。所述的协同控制系统获取到相关数据后进行计算分析,根据不同的触发机制生成不能触发指令下发给各个单机目标体,实现基于某种触发模式的精确控制与协同。
本发明还提供一种上述智能汽车道路测试多目标物复杂场景构建系统的构建方法,包括如下步骤:
(1)以测试场景需求为输入,通过协同控制软件进行目标体及场景配置;
配置包括场景内所含目标体的类型、初始状态、数量、运动参数、路径等;交通场景的配置,包括系统数据库里的标准场景选择、自定义场景的设置等,交通场景主要是定义包含路况类型,比如十字路口、丁字路口、环岛、弯道等机动车;
(2)目标体及场景配置结束后,通过软件配置场景过程中运动逻辑关系;
场景构建运动逻辑关系包括运行速度逻辑关系、运行位置轨迹逻辑、TTC(碰撞时间)逻辑关系等;
(3)配置确认,协同控制系统可以将配置的各种相关参数、场景工况进行数据分析并转化生成场景复现运动的控制程序及逻辑,根据场景参数要求、试验车状态及其它有关数据状态进行运动控制,实现复杂测试场景的模拟构建与数据保存。
本发明与现有技术相比:
目前,智能汽车道路测试系统发展已经很难满足飞速发展的智能汽车所要求的道路测试,尤其是针对L3及以上高级别自动驾驶车辆道路测试要求,目前的道路测试场景工况单一,能实现自动可控的场景几乎全部为单目标物的测试工况,即测试场景中只含有一个测试目标,仅能满足低级别自动驾驶辅助系统的道路测试需求。
以当前的道路实际测试为例,比如AEB单个行人横穿场景,单个自行车横穿或纵向追尾场景,单个汽车纵向追尾场景等。如上所述,单个目标物的道路模拟测试场景与智能汽车实际道路行驶的交通场景相比,其场景结构极其简单,完全脱离实际的交通流应用场景,在智能汽车尤其是L3及以上高级别自动驾驶车辆道路测试验证要求上相差甚远,甚至无法满足智能汽车道路测试验证的需求。
本发明,即所述的智能汽车道路测试多目标物复杂场景构建系统及构建方法,很好地解决了上述存在问题,通过系统所含的单机目标体、数据存储分析单元、协同控制系统、协同控制软件等,可实现多目标复杂场景道路测试工况的构建,场景构建设置连续且可定制,贴合实际使用的连续行驶场景,有效解决L3及以上高级别自动驾驶车辆道路测试要求,提供更符合实际的交通流测试工况,满足高级别自动驾驶测试真实应用场景需求。
本发明具有如下优势:
(1)本发明可以根据试验汽车的测试需求,模拟构建比如十字路口、丁字路口、环岛、弯道等机动车、非机动车混合通行的复杂交通场景,解决L3及以上高级别自动驾驶车辆道路测试要求,提供更符合实际的交通流测试工况,满足高级别自动驾驶测试真实应用场景需求;
(2)场景构建设置连续且可定制;可拓展性好,能虚拟结合仿真平台等相关测试工具链使用;
(3)完全自动化高精度、高灵活度控制方式,场景复现一致性高,测试效率高。
附图说明
为了更清楚地说明本发明实施例的技术方案,更好体现发明创新性与实用性及基本技术原理,下面结合附图对本发明作进一步详细描述。
图1是本发明的智能汽车道路测试多目标物复杂场景构建系统的结构示意图;
图2是本发明的协同控制系统示意图;
图3是本发明应用效果示例十字路口复杂场景构建图;
图4是本发明的基于航迹误差与航向误差双闭环的闭环控制逻辑图;
图5是本发明的单机目标体示意图;
图6是本发明的数据通讯单元示意图;
图7是本发明的车载触发单元示意图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易被本领域人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
如图1所示的一种智能汽车道路测试多目标物复杂场景构建系统,其包括协同控制系统200、数据通讯单元300、车载触发单元400及多个单机目标体100,协同控制系统200具有协同控制软件500,协同控制系统200通过数据交换机600与数据通讯单元300实现数据通信,车载触发单元400则安装于测试车辆700上。
所述的智能汽车道路测试多目标物复杂场景构建系统在上述的各个系统模块的共同作用下,结合协同控制软件逻辑配置、参数配置、场景配置等,由协同控制系统的工控机进行若干个单机目标体的运动输出控制协调,能够完成智能汽车封闭道路测试多目标物协同控制,高效、安全构建出复杂交通测试场景,为高级别的自动驾驶车辆提供更符合实际的交通流测试工况,将一些只能在仿真环境下构建的复杂交通流转化为实际道路上模拟真实场景。通过所述智能汽车道路测试多目标物复杂场景构建系统各个模块的配合,该系统可安全、高效、可靠模拟复现比如十字路口、丁字路口、环岛、弯道等机动车、非机动车混合通行,更符合真实道路场景的复杂交通场景,专业解决了智能汽车对真实交通场景测试验证的需求。
上述智能汽车道路测试多目标物复杂场景构建系统的构建方法如下:
以测试场景需求为输入,通过协同控制软件进行目标体及场景配置;
配置包括场景内所含目标体的类型、初始状态、数量、运动参数、路径等;交通场景的配置,包括系统数据库里的标准场景选择、自定义场景的设置等,交通场景主要是定义包含路况类型,比如十字路口、丁字路口、环岛、弯道等机动车;
目标体及场景配置结束后,通过软件配置场景过程中运动逻辑关系;
场景构建运动逻辑关系包括运行速度逻辑关系、运行位置轨迹逻辑、TTC(碰撞时间)逻辑关系等;
配置确认,协同控制系统可以将配置的各种相关参数、场景工况进行数据分析并转化生成场景复现运动的控制程序及逻辑,根据场景参数要求、试验车状态及其它有关数据状态进行运动控制,实现复杂测试场景的模拟构建与数据保存。
其中,协同控制软件构建复杂多目标物模拟场景的输入、配置等工作在此控制软件进行。具体描述如下:
所述的协同控制软件功能主要包括系统状态显示菜单模块,打开此菜单可以看到当前整个系统运行的状态,包括网络连接状态、各个子系统差分定位状态、故障状态等。所含目标设置菜单是针对图1所示的单机目标体设置,目标设置菜单的界面,页面里通过添加设备或删除设备按钮可以对复杂场景包含的单机目标体的个数进行设置,显示界面即表示当前场景构建包含多个单机目标体模拟多目标交通流工况;显示界面可以对每一个单机目标体的相关参数进行设计,具体实施为通过ID确认所需的具体单机目标体,然后点击单机连接单机目标题通过5G网络连接介入到整个系统中;点击参数配置,可以对单个目标体参与场景构建输出的参数进行设置,包括加减速度、运行速度、运行轨迹、位移、协同触发关系位置触发或TTC(实时碰撞时间)触发模式等参数;单目标体设置界面里的单机场景菜单主要是针对单个目标体自身场景的设置,比如十字路口场景、弯道场景、直线道场景、环岛场景等,可直接调用系统内置的标准场景库,也可进行自定义场景的配置。场景控制是在配置完成的基础下,对整个场景的多个目标体系构建的场景逻辑关系进行参数配置,逻辑关系包括运行速度逻辑关系、运行位置轨迹逻辑、TTC(碰撞时间)逻辑关系等,作为协同控制系统控制参数输入。场景预览为配置之后的场景预览查看功能,根据配置后的场景参数进行在线场景动作预览,以此检查相关参数、场景复现是否符合测试要求。数据保存菜单为测试过程中的数据保存,包括系统自身数据和智能试验车辆测试过程中的状态数据。历史记录为历史数据的查看菜单,可以对历史数据进行数据追溯。软件一般控制按钮,其中,测试开始按钮是准备工作完成无误后测试使能按钮,点击后试验即可开展;急停按钮是在试验过程中出现紧急或危险情况进行系统紧急控制,除了软件急停外,系统还配置硬件急停开关;自动循环按钮是为了同一个试验工况或CASE需要重复测试数次,点击此按钮,一次试验结束后,系统控制单机目标体会自动回到初始位置并准备就位,等待下一次重复试验。返回原点按钮是手动控制系统各个单机目标题返回初始位置。第一界面上的状态显示指示灯,包括网络连接状态、GPS定位状态、试验状态、故障状态,显示的状态也包含于系统状态对应的菜单里。
如图2所示的协同控制系统,为构建复杂测试场景及场景运行过程中的计算控制中心。所述协同控制系统主要包括计算工控机201、控制指令集模块202、场景数据库203、数据存储模块205和通讯模块204。协同控制系统是结合协同控制软件参数配置进行复杂场景的运算控制,可以实现不同模式的控制逻辑输出,用于控制各个单机目标体按照场景构建要求进行运动输出。
进一步的,结合协同控制软件和图3所示的十字路口复杂场景构建按照TTC协同控制逻辑为例,详细说明协同控制系统的控制功能,具体描述如下:
参照图3所示十字路口复杂场景构建,该场景是首先通过协同控制软件进行场景参数基本配置而成。图3所示为典型的十字路口多目标交通参与者冲突通行的测试场景,是L3及以上高级别自动驾驶实际应用中的典型交通场景。十字路口场景008为封闭场地真实十字路口上的构建的场景,对应高精度地图也包含在图2协同控制系统内,通过协同软件配置,在十字路口场景中不同的车道或位置布置了6个模拟交通参与者的单机目标体。所述的6个单机目标体并非虚拟而是全部为封闭道路测试实际的交通参与者模拟装置,通过协同控制软件增设了分别为单机目标体汽车002、单机目标体自行车003、单机目标体行人004、单机目标体汽车005、单机目标体摩托车006和单机目标体汽车007,上述6个目标体真实、有效的还原复现出真实十字路口交通流场景。所示的001为十字路口冲突通信场景中的测试主车。通过协同软件配置出图3所示的各个单机目标体运动轨迹或路径,即002a、003a、004a、005a、006a、007a,001a为测试主车的测试行驶路径。系统测试场景路径规划中,通过软件系统配置相对于测试主车001的测试路径的003a、004a、005a为十字路口冲突形式路径,构建测试主车001十字路口左转时,依次与对应的单机目标体自行车003直行冲突,与对应的单机目标体行人004过马路直行冲突,与对向车道的单机目标体汽车005直行冲突。通过软件系统同时定义或配置了测试过程中冲突碰撞发生位置,理论值为测试主车不改变行驶速度的情况,与各对应参数配置好的单机目标体自行车003、单机目标体行人004、单机目标体汽车005正好发生碰撞的位置,如图3所示,0015b为测试主车001与对向车道单机目标体汽车005发生碰撞的位置,0014b为测试主车001与单机目标体行人004过马路直行发生碰撞的位置,0013b为测试主车001与单机目标体自行车003直行过马路发生碰撞的位置;002a、004a和007a为软件配置的单机目标体汽车002、单机目标体行人004、单机目标体汽车007非冲突通行的单机目标题干扰车辆行驶轨迹或路径,其中单机目标体汽车002作为测试车辆后方干扰车辆,单机目标体汽车007作为测试主车左转时自身同步进行左转干扰汽车,单机目标体摩托车006作为试验主车左转时自身同步进行右转干扰摩托车。
十字路口多目标交通参与者冲突通行的试验开始前,协同控制系统首先通过协同软件配置获取基本参数,包括单机目标体汽车002、单机目标体自行车003、单机目标体行人004、单机目标体汽车005、单机目标体摩托车006和单机目标体汽车007初始位置经纬度信息、运行轨迹信息、加速度信息、目标速度信息、TTC控制模式等。十字路口多目标交通参与者冲突通行的测试场景中,根据参与模拟单体目标体的数量以及试验车,协同控制系统调用多个线程进行结算分析与控制。
结合内置高精地图,协同控制系统调用多个线程获取各个单机目标体的初始位置GNSS经纬度信息、航向角和运行距离,分别计算出各个单机目标体触发到对应碰撞点或干扰点的时间,可命名为T0,计算公式如下:
其中,S0为单机目标体到达碰撞点或干扰点的总行驶位移,通过内置高精度地图获取的初始点(Lon0,Lat0)和碰撞点或干扰点(Lon1,Lat1)GNSS经纬度数据计算得来;V1为单机目标体协同软件设置的场景中目标运行速度,一般为加速到匀速阶段;S1为协同软件设置的单机目标体的0-V1加速距离。通过上述公式可以计算出复杂场景系统中各个单机目标体对应有效运行时间T0。
试验过程中,协同控制系统会实时获取当前的十字路口场景中各种数据,比如未触发动作前,系统会获取试验主车的位置经纬度信息、速度、速度波动值等计算实时TTC(到碰撞点或干扰点的时间),计算公式如下:
其中,S2为试验主车到达碰撞点或干扰点的距离,是通过内置高精度组合惯导获取主车自身实时的经纬数据(Lon0,Lat0)和对应碰撞点或干扰点(Lon1,Lat1)GNSS经纬度数据计算得来;V2为试验主车实时的运行速度,通过车载触发单元数据包中解析得到,协同控制系统会实时计算出试验主车的实时TTC数据。
举例说明的十字路口多目标交通参与者冲突通行场景为TTC控制模式,当协同控制系统通过5G无线数据获取数据并计算出测试主车当前的TTC时间数据与场景中某个单机目标体对应的碰撞点或干扰点的时间T0相等时,即TTC时间冲突满足条件,所述的协同控制系统就会通过5G单元发送触发指令使其输出动作,动作过程中系统会对于每个单机目标体的进行闭环反馈控制,按照十字路口复杂场景,其闭环反馈控制主要单机目标体规划的路径控制和包括TTC误差补偿,对于单机目标体的精确控制时实现整个复杂场景控制的基础,具体如下:
协同控制系统对于TTC控制模式下的误差补偿,系统通过高精度组合惯导位置信息和实时运行速度误差,计算出当前实际的TTC,采用进行误差计算,即TTC(实际)-TTC(理论)=△TTC(实时误差),然后再通过线性运算比例P转换成单机目标体速度调节控制,即△TTC(实时误差)*P=速度调节量,最终通过调节单体目标体的输出速度实现TTC同步的精确触发,TTC控制模式下的误差补偿持续到试验结束,以此来保证测试碰撞时间、测试碰撞点位置等精确无误。
协同控制系统对于复杂场景内各个单机目标体路径控制是实现复杂交通场景模拟复现的关键,相比于速度闭环控制、TTC闭环控制,系统的运动路径控制比较复杂。在整个场景运行过程中,协同控制系统通过系统多路程获取各个目标体的运行数据,结合场景相关参数设置和系统相关算法,对构建复杂场景中的各个单机目标体的运动轨迹实现精确控制,确保场景精确性和重复性。系统的主要控制方式采用基于航迹误差与航向误差双闭环的控制方式,可以保证运行过程中的实际路径轨迹符合场景测试需求。
如图4所示,闭环控制逻辑图是基于航迹误差与航向误差双闭环的控制结构,协同控制系统内置基于GPS数据的自主控制程序,可以根据过程实时反馈回来的数据进行运算分析进行矫正输出,转化为各个单机目标体动作输出的各个指令,尤其是保证运行路径正确的转向矫正指令。
上述闭环控制逻辑图具体步骤如下:
通过协同软件参数尤其是各个单机目标体运行路径规划,协同控制系统会自动生成、拟合出各个目标体路径数据,即系统所含的各个单机目标体目标路径跟随的点位信息。十字路口多目标交通参与者冲突通行场景试验准备就绪开始,当TTC符合测试动作触发条件,场景中的各个单机目标体会根据场景工况定义进行动作输出,尤其是要按照规划的路径进行运动,但实际上在运动过程中会出现轨迹位置的偏差和航向运动偏差。协同控制系统通过系统内置高精地图及确认轨迹路径,采用轨迹分段法获道路上的各个单机目标体对应行驶路径上各点的经纬度、航向角,计为目标轨迹点Lon0、Lat0和Head0,通过5G通讯模块实时获取单机目标体路径运行过程中的经纬度信息,计为Lon1、Lat1,然后所述的协同控制系统会实时计算出各个单机目标体的轨迹误差和航向误差,由航迹偏差与航向偏差构建控制关系,具体过程如下:
其中,α运行过程中路径航迹误差,β为运行过程中航向误差。协同控制系统通过100Hz的数据刷新频率计算出十字路口多目标交通参与者冲突通行场景对应的各个单机目标体的实时航迹误差α和航向误差β,θ为协同控制系统输出的转向控制数据,拟合出航迹偏差与航向偏差与转角控制θ的控制关系,即θ=f(α,β),控制关系采用比例算法输出单机目标体在路径运行中的控制转角参数,即θ=﹣(K1*α+K2*β),其中K1、K2为公式中的比例因子。
如图5所示的单机目标体,所述单机目标体包括RTK差分模块101、高精度组合惯导模块102、动力机构103、转向机构104、嵌入式控制板105、5G通讯模块106、供电模块107和模拟目标物108。其中RTK差分模块101通过连接网络差分信号,将载波相位信号输入给高精度组合惯导模块102,提高单机目标体的定位精度,使其误差不超过2cm。所述嵌入式控制板105为单机目标体的控制单元,通过5G通讯模块106接收协同控制系统指令,对动力机构103、转向机构104进行控制输出,实现单机目标体的运行路径、位置、速度等参数符合场景设置需求。所述的模拟目标物108是封闭道路场景构建中的模拟真实的交通参与者的仿真装置,单机目标体可搭载不同的仿真装置,比如模拟儿童、模拟成人、模拟自行车、模拟两轮踏板车、模拟摩托汽车等,实现不同的交通参与者的封闭道路复现。
本发明的单机目标体是整个系统的中的执行机构,该单机目标体是基于高精度定位导航的运动单元,通过5G通讯模块实时与协同控制系统数据交互、指令对接,可灵活、快速实现的场景动作输出要求。
图6为本发明的5G数据通讯单元,包括5G网络基站301、网络通讯模块302、网络交换机303和数据存储器304,5G通讯单元在整个系统中的作用是实现各个单元数据实时无线交互和存储,采用高速5G通讯方式,可保证系统无线数据通讯中低延时、高带宽特性。
图7为本发明的车载触发单元,包括RTK差分模块401、高精度惯导模块402、计算处理单元403、5G通讯模块404和供电模块405。RTK差分模块401通过连接网络差分信号,将载波相位信号输入给高精度惯导模块402,车载触发单元高精度定位,使其误差不超过2cm。车载触发单元是安装在测试主车上,用来采集车辆测试过程中的一些数据信息,主要包括UTC时间、定位状态、经度、纬度、速度、航向角度等数据信息。计算处理单元403可以将高精度惯导模块402输出的数据实时进行采集分析,然后通过5G通讯模块404实时发送给5G数据通讯单元,5G数据通讯单元连接到协同控制系统,协同控制系统实时获取到试验车辆的相关数据,结合场景配置的位置、速度、时间等逻辑控制要求,进行运算决策分析。
综上所述,本发明的一种智能汽车道路测试多目标物复杂场景构建系统及构建方法可以根据智能汽车封闭道路测试场景工况测试需求,通过系统参数配置,场景设置等软件操作,在封闭实际道路上安全、高效、灵活浮现模拟真实、复杂的交通道路场景,满足智能汽车真实应用场景的测试验证需求。本发明较好解决当前智能汽车封闭道路测试复杂场景构建,为智能汽车封闭道路复杂真实测试场景工况提供一种有效的测试解决方案和实现工具。
以上说明书中描述的只是本发明的具体实施方式,各种举例说明不对本发明的实质内容构成限制,所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形,而不背离本发明的实质和范围。
Claims (9)
1.一种智能汽车道路测试多目标物复杂场景构建系统,其特征在于:包括单机目标体、协同控制系统、数据通讯单元、车载触发单元;
所述单机目标体基于具有导航系统的自由移动平台小车,小车灵活搭载不同的智能汽车仿真用的各种模拟交通的目标物;
所述协同控制系统通过数据通讯单元与单机目标体相连,协同控制系统将配置的相关参数、多目标物复杂场景工况进行数据分析,并转化生成各个单机目标体的控制运动的程序代码,协同控制系统通过数据通讯单元将多目标物场景工况的参数发送给多目标物复杂场景复现的各个单机目标体,同时各个单机目标体的运动参数及状态通过所述的数据通讯单元反馈至协同控制系统中,实现数据、状态的实时闭环控制;
所述车载触发单元通过数据通讯单元与协同控制系统相连,车载触发单元实时获取智能汽车测试过程中各种状态及参数,将状态及参数实时通过数据通讯单元发送给协同控制系统,协同控制系统获取到相关数据后进行计算分析,根据不同的触发机制生成不能触发指令下发给各个单机目标体,实现基于触发模式的精确控制与协同。
2.根据权利要求1所述的智能汽车道路测试多目标物复杂场景构建系统,其特征在于:所述单机目标体内置有嵌入式控制板、RTK差分模块、高精度惯导模块、供电模块、通讯模块、动力机构及转向机构,能够根据协同控制系统的参数配置和指令进行高精度的位置轨迹、加速度、速度、转向动作输出,配合搭载的各类目标体,实现交通模拟物的运动场景复现。
3.根据权利要求2所述的智能汽车道路测试多目标物复杂场景构建系统,其特征在于:所述单机目标体包括模拟儿童目标体、模拟成人目标体、模拟自行车目标体、模拟电动两轮车目标体、模拟摩托车目标体和模拟汽车目标体。
4.根据权利要求2所述的智能汽车道路测试多目标物复杂场景构建系统,其特征在于:所述协同控制系统采用工控机,内置控制指令采集模块、场景数据库、数据存储模块及通讯模块,工控机结合控制软件实现整个系统的智能化、自动化运行控制。
5.根据权利要求4所述的智能汽车道路测试多目标物复杂场景构建系统,其特征在于:所述数据通讯单元采用5G网络通讯技术,内置网络交换机、网络通信模块、数据存储器,数据通讯单元通过高速网络通讯技术实时将各种数据进行采集存储,满足多目标体协同控制数据传输需要,满足构建复杂测试场景的数据交互工作。
6.根据权利要求5所述的智能汽车道路测试多目标物复杂场景构建系统,其特征在于:所述车载触发单元安装于智能汽车上,内置供电模块、计算处理单元、RTK差分模块及高精度惯导模块,外置网络通讯天线。
7.一种如权利要求1-6任一项所述的智能汽车道路测试多目标物复杂场景构建系统的构建方法,其特征在于,包括如下步骤:
(1)以测试场景需求为输入,通过协同控制软件进行目标体及场景配置;
(2)目标体及场景配置结束后,通过软件配置场景过程中运动逻辑关系;
(3)配置确认,协同控制系统可以将配置的各种相关参数、场景工况进行数据分析并转化生成场景复现运动的控制程序及逻辑,根据场景参数要求、试验车状态及其它有关数据状态进行运动控制,实现复杂测试场景的模拟构建与数据保存。
8.根据权利要求7所述的智能汽车道路测试多目标物复杂场景构建系统的构建方法,其特征在于:所述目标体的配置包括目标体的类型、初始状态、数量、运动参数、路径配置,所述场景配置包括系统数据库里的标准场景选择、自定义场景的设置、交通场景的配置。
9.根据权利要求8所述的智能汽车道路测试多目标物复杂场景构建系统的构建方法,其特征在于:场景过程中运动逻辑关系包括运行速度逻辑关系、运行位置轨迹逻辑、碰撞时间逻辑关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401978.XA CN115931379A (zh) | 2022-11-10 | 2022-11-10 | 智能汽车道路测试多目标物复杂场景构建系统及构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401978.XA CN115931379A (zh) | 2022-11-10 | 2022-11-10 | 智能汽车道路测试多目标物复杂场景构建系统及构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115931379A true CN115931379A (zh) | 2023-04-07 |
Family
ID=86655141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401978.XA Pending CN115931379A (zh) | 2022-11-10 | 2022-11-10 | 智能汽车道路测试多目标物复杂场景构建系统及构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115931379A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116147938A (zh) * | 2023-04-18 | 2023-05-23 | 中国汽车技术研究中心有限公司 | 自动驾驶车辆的道路测试控制方法、设备及介质 |
-
2022
- 2022-11-10 CN CN202211401978.XA patent/CN115931379A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116147938A (zh) * | 2023-04-18 | 2023-05-23 | 中国汽车技术研究中心有限公司 | 自动驾驶车辆的道路测试控制方法、设备及介质 |
CN116147938B (zh) * | 2023-04-18 | 2023-06-23 | 中国汽车技术研究中心有限公司 | 自动驾驶车辆的道路测试控制方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A novel integrated simulation and testing platform for self-driving cars with hardware in the loop | |
Tettamanti et al. | Vehicle-in-the-loop test environment for autonomous driving with microscopic traffic simulation | |
CN103177596B (zh) | 一种交叉路口自主管控系统 | |
CN109993849A (zh) | 一种自动驾驶测试场景再现模拟方法、装置及系统 | |
CN105652690A (zh) | 自动泊车系统车辆在环测试系统及方法 | |
JP2021526699A (ja) | データ採集方法、装置、デバイス、プログラム及びコンピュータ可読記憶媒体 | |
Lattarulo et al. | Urban Motion Planning Framework Based on N‐Bézier Curves Considering Comfort and Safety | |
Guvenc et al. | Connected and autonomous vehicles | |
Bock et al. | Design and development of a future freight train concept–“virtually coupled train formations” | |
CN110568841A (zh) | 一种自动驾驶决策方法及系统 | |
CN110047306A (zh) | 一种智能交通网络 | |
CN113065257A (zh) | 一种测试实例的自动生成方法、装置、计算机设备及介质 | |
Moten et al. | X-in-the-loop advanced driving simulation platform for the design, development, testing and validation of ADAS | |
US20220340177A1 (en) | Systems and methods for cooperative driving of connected autonomous vehicles in smart cities using responsibility-sensitive safety rules | |
CN115931379A (zh) | 智能汽车道路测试多目标物复杂场景构建系统及构建方法 | |
CN112035951A (zh) | 一种用于自动驾驶算法验证的仿真平台及仿真方法 | |
Li et al. | A unified, scalable and replicable approach to development, implementation and HIL evaluation of autonomous shuttles for use in a smart city | |
CN112131697B (zh) | 一种智能集卡的仿真测试方法、装置及平台 | |
Malayjerdi et al. | Practical path planning techniques in overtaking for autonomous shuttles | |
Martínez-Barberá et al. | Multilayer distributed intelligent control of an autonomous car | |
Pechinger et al. | Benefit of smart infrastructure on urban automated driving-using an av testing framework | |
Lattarulo et al. | Audric2: A modular and highly interconnected automated driving framework focus on decision making and vehicle control | |
Jiang et al. | A reinforcement learning benchmark for autonomous driving in general urban scenarios | |
CN110426215B (zh) | 一种用于车辆平顺性测试的模型建立方法及智能驾驶系统 | |
Gelbal et al. | Smartshuttle: Model based design and evaluation of automated on-demand shuttles for solving the first-mile and last-mile problem in a smart city |
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 |