CN115934088A - 一种可视化分析系统 - Google Patents
一种可视化分析系统 Download PDFInfo
- Publication number
- CN115934088A CN115934088A CN202310004817.5A CN202310004817A CN115934088A CN 115934088 A CN115934088 A CN 115934088A CN 202310004817 A CN202310004817 A CN 202310004817A CN 115934088 A CN115934088 A CN 115934088A
- Authority
- CN
- China
- Prior art keywords
- module
- vehicle
- coordinate
- data
- lane
- 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
- 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
Abstract
本发明属于智能驾驶汽车自动驾驶系统功能测试领域,具体涉及一种可视化分析系统,系统包括:图形用户界面,自车位置和边界框绘制模块,高精度地图绘制模块,摄像头感知车道线模块,局部路径规划绘制模块,动静态目标物的边界框绘制模块,显示模块。所述图形用户界面用于实现画布的展示、图例的绘制、标尺缩放的功能窗口及可视化信息选择界面,显示模块,通过获取所述车道级导航信息和系统激活状态来显示动态高精度地图信息、激活状态信息和自车状态信息。本发明提供的可视化分析系统可以达到开发可视化分析系统的目的的基础上对所有模块进行信息的在线和离线查看。
Description
技术领域
本发明用于智能驾驶汽车自动驾驶系统功能测试领域,具体涉及一种可视化分析系统。
背景技术
随着技术的发展,行业内和社会对自动驾驶的关注度越来越高,高级驾驶辅助系统ADAS(Advanced Driving Assistant System)技术的渗透率正在逐年上升。为了高级驾驶辅助系统ADAS技术的加速迭代和技术成熟可靠,以及更好级别的自动驾驶系统的开发验证,充分的SIL(Software-In-Loop)仿真测试、台架测试以、场地测试以及开放道路测试是必不可少的。在测试过程中,分析方法、分析手段和分析系统决定了测试人员快速分析问题、排查问题和定位问题的效率和准确性,好的分析系统可以帮助减少测试人员分析负担,加快问题定位效率,从而能够快速反馈开发进行优化迭代。因此,开发一种适用于自动驾驶测试的可视化分析系统是非常有必要的。现有的ADAS功能测试方法以及高等级自动驾驶功能的测试方法中所涉及的分析方法主要是基于记录的离线数据和单独录制的测试过程进行车辆表现优劣的分析和问题案例中信号变化的查看,该分析方法存在以下两点局限:1)无法支持离线或在线的测试过程视频与所有被测模块输出信号的同步查看和分析的需要;2)不具有普适性,无法满足全链条开发测试人员的分析需求。
发明内容
鉴于以上所述现有技术的缺点,本发明提供了可视化分析系统,基于开源计算机视觉库和应用程序开发框架的基础上,对自动驾驶汽车进行可视化分析系统的开发,还同时利用各功能模块对汽车车体的各部分进行绘制的同时赋予颜色进行区分。
为实现上述目的及其他相关目的,本发明提供一种可视化分析系统,包括如下模块:图形用户界面,用于实现画布的展示、图例的绘制、标尺缩放的功能窗口及可视化信息选择界面;自车位置和边界框绘制模块,用于获取自车融合定位数据,根据所述自车融合定位数据绘制边界框的形状和车体姿态;高精度地图绘制模块,用于获取车道线以及车道中心线的点集经纬度坐标数据,根据所述车道线以及车道中心线的点集经纬度坐标数据得到所述车道线点集相对自车的坐标数据并进行拟合绘制;摄像头感知车道线模块,用于获取车道线开始位置和结束位置,根据所述开始位置和所述结束位置计算两者间坐标点的数量并进行线性绘制;局部路径规划绘制模块,用于获取规划方程系数,根据所述规划方程系数绘制路径规划;动静态目标物的边界框绘制模块,用于获取目标物的相对距离、相对速度信息和目标物的基本尺寸,根据所述目标物的相对距离、相对速度信息和目标物的基本尺寸绘制动静态目标物的边界框形状和车体姿态;显示模块,通过获取所述车道级导航信息和系统激活状态来显示动态高精度地图信息、激活状态信息和自车状态信息。
在本发明的一可选实施例中,图形用户界面还用于:通过应用程序开发框架中的类编写实现标尺缩放功能、画布类型功能和一键功能重置功能的目的。
在本发明的一可选实施例中,自车融合定位数据包括:自车经纬度和航向角数据。
在本发明的一可选实施例中,自车位置和边界框绘制模块包括:第一数据获取模块,转换坐标模块,坐标计算坐标模,直线绘制模块,具体包括:第一数据获取模块,通过通信协议调用框架内置数据获取自车经纬度和航向角数据;转换坐标模块,利用自车经纬度所在点的坐标及方向作为基准原点和正北方向,基于自车的长宽数据将所述自车经纬度坐标转换成惯性坐标;坐标计算模块,利用惯性坐标基于像素点和长宽数值的映射计算自车的像素点坐标;直线绘制模块,根据开源计算机视觉库对所述像素点坐标进行封闭直线绘制,以得到自车边界框形状并赋予自车不同状态下不同的颜色。
在本发明的一可选实施例中,所述基于自车的长宽数据将所述自车经纬度坐标转换成惯性坐标,通过下式来实现:
X=(CM+H)*cosB*cosL
Y=(CM+H)*cosb*sinL
Z=(CM*(1-e12)+H)*sinB
其中,X,Y,Z为惯性坐标的XYZ轴,L为自车经度,B为自车维度,H为自车高度,e1为第一偏心率,CM为地球椭圆曲率半径
在本发明的一可选实施例中,高精度地图绘制模块包括:第二数据获取模块,相对坐标点获取模块,第一拟合绘制模块,具体包括:第二数据获取模块,通过通信协议获取获取车道线以及车道中心线的点集经纬度坐标数据并放入容器;相对坐标点获取模块,基于对所述点集经纬度坐标转换为惯性坐标进行相对位置坐标偏移,得到所述车道中心线的点集相对自车的坐标点数据并存放在容器中;第一拟合绘制模块,根据像素映射对所述坐标点数据进行拟合绘制,以得到不同类型车道线并赋予所述车道线不同的颜色。
在本发明的一可选实施例中,摄像头感知车道线模块包括:第一系数获取模块,始终位置获取模块,第一点集数量计算模块,第一坐标点计算模块,线性绘制模块,具体包括:第一系数获取模块,通过通信协议获取车道线方程系数;始终位置获取模块,基于所述车道线方程系数得到所述车道线开始位置和结束位置;第一点集数量计算模块,根据所述车道线开始位置和结束位置将所述车道线离散成预设间隔的多个点,计算所述车道线开始位置到所述结束位置的点集数量;第一坐标点计算模块,利用述车道线方程系数计算每个点的坐标点;线性绘制模块,基于像素映射对所述坐标点进行线性绘制,以得到不同类型车道线并赋予车道线不同的颜色。
在本发明的一可选实施例中,局部路径规划绘制模块包括:第二系数获取模块,第二点集数量计算模块,第二坐标点计算模块,第二拟合绘制模块,具体包括:第二系数获取模块,通过通信协议获取规划方程系数;第二点集数量计算模块,基于规划方程系数将路径曲线离散成预设间隔的多个点,计算所述路径长度范围内的点集数量;第二坐标点计算模块,利用所述规划方程系数计算每个点的坐标点;第二拟合绘制模块,基于自车的相对位置转换和像素映射对所述坐标点进行拟合绘制,以得到规划路径线并赋予不同的颜色。
在本发明的一可选实施例中,规划方程系数包括:路径范围和三次多项式曲线系数。
在本发明的一可选实施例中,动静态目标的边界框绘制模块包括:获取目标物数据模块,绘制目标物模块,具体包括:目标物数据获取模块,获取目标物的相对距离和相对速度,读取内部配置参数表的目标物的基本尺寸;目标物绘制模块,基于所述相对距离、相所述对速度和所述基本尺寸结合自车的位置坐标进行坐标转换、矩形旋转、颜色处理、形状处理以及字符串打印绘制动静态目标物,以得到动静态目标物的边界框形状和车体姿态。
本发明的有益效果:本发明的可视化分析系统,基于应用程序开发框架的图形用户界面,结合开源计算机视觉库的各代码函数来实现对可视化分析系统的功能模块进行绘制,通过对各功能模块进行绘制的基础上,同时为车体的自车状态和车道线赋予颜色已分辨自车状态及车道线,同时基于开发的可视化分析系统,对数据进行实时在线和离线的查看与分析,有效的解决了现有技术中存在的无法支持实时在线与离线查看测试过程中的所有模块输出信号的问题。
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是本发明的实施例所提供的可视化分析系统的结构框图;
图2是本发明的实施例所提供的自车位置和边界框绘制模块的结构框图;
图3是本发明的实施例所提供的高精度地图绘制模块的结构框图;
图4是本发明的实施例所提供的摄像头感知车道线模块的结构框图;
图5是本发明的实施例所提供的局部路径规划绘制模块的结构框图;
图6是本发明的实施例所提供的动静态目标的边界框绘制模块的结构框图;
图7是本发明的实施例所提供的可视化分析系统的具体流程图;
图8是本发明的实施例所提供的基于可视化分析系统的自动驾驶测试在线和离线分析的具体流程图。
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。
需要说明的是,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。
ADAS(Advanced Driving Assistance System,高级驾驶辅助系统),是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航),是利用安装在车上的各式各样的传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性的一类技术的统称。近年来ADAS市场增长迅速,原来这类系统局限于高端市场,而现在正在进入中端市场,与此同时,许多低技术应用在入门级乘用车领域更加常见,经过改进的新型传感器技术也在为系统布署创造新的机会与策略。ADAS系统整体可分为感知层、决策层和执行层。其中感知层由雷达传感器(毫米、超声波、激光雷达)、视觉传感器(单双目摄像头、红外热成像传感器)、高精地图等构成;决策层,由芯片通过算法实现交互决策、路径规划,最终实现V2V、V2X的万物车联;执行层,通过决策实现汽车的动力转换、制动、转向及灯光效果等功能。ADAS采用的传感器主要有摄像头、雷达、激光和超声波等,可以探测光、热、压力或其它用于监测汽车状态的变量,通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。早期的ADAS技术主要以被动式报警为主,当车辆检测到潜在危险时,会发出警报提醒驾车者注意异常的车辆或道路情况。对于最新的ADAS技术来说,主动式干预也很常见。
自动驾驶系统是一个汇集众多高新技术的综合系统,作为关键环节的环境信息获取和智能决策控制依赖于传感器技术、图像识别技术、电子与计算机技术与控制技术等一系列高新技术的创新和突破。无人驾驶汽车要想取得长足的发展,有赖于多方面技术的突破和创新。自动驾驶系统相关的关键技术,包括环境感知、逻辑推理和决策、运动控制、处理器性能等。随着机器视觉(如3D摄像头技术)、模式识别软件(如光学字符识别程序)和光达系统(已结合全球定位技术和空间数据)的进步,车载计算机可以通过将机器视觉、感应器数据和空间数据相结合来控制汽车的行驶。
QT是一个跨平台C++图形用户界面应用程序开发框架。它既可以开发GUI程序,也可用于开发非GUI程序,比如控制台工具和服务器。QT是面向对象的框架,使用特殊的代码生成扩展(称为元对象编译器)以及一些宏,QT很容易扩展,并且允许真正地组件编程。
OpenCV是一个的跨平台计算机视觉和机器学习软件库,OpenCV提供的视觉处理算法非常丰富,并且它部分以C语言编写,加上其开源的特性,处理得当,不需要添加新的外部支持也可以完整的编译链接生成执行程序,所以很多人用它来做算法的移植,OpenCV的代码经过适当改写可以正常的运行在DSP系统和ARM嵌入式系统中,OpenCV致力于真实世界的实时应用,通过优化的C代码的编写对其执行速度带来了可观的提升,并且可以通过购买Intel的IPP高性能多媒体函数库得到更快的处理速度。
在其它的应用场景中,针对自动驾驶的可视化分析系统根据实际情况进行设置,本发明的实施例不对此进行限制。
图1是本发明的实施例所提供的可视化分析系统的结构框图,一种可视化分析系统,需说明的是,这里的可视化分析系统是基于自动驾驶测试所开发的,是为了提高自动驾驶系统的开发验证,能够快速反馈进行迭代优化,该系统可以应用于图1所示的实施环境,应理解的是,该方法也可以适用于其他的实例性实施环境,并由其它实施环境中的设备具体执行,本实施例不对该系统所适用的实施环境进行限制。
如图1所示,本实施例的可视化分析系统至少包括:
图形用户界面10:用于实现画布的展示、图例的绘制、标尺缩放的功能窗口及可视化信息选择界面。需要说明的是,所述图形用户界面10还用于通过应用程序开发框架中的类编写实现标尺缩放功能、画布类型功能和一键功能重置功能的目的。
自车位置和边界框绘制模块20:用于获取自车融合定位数据,根据所述自车融合定位数据绘制边界框的形状和车体姿态。需要说明的是,所述自车融合定位数据包括:自车经纬度和航向角数据。
高精度地图绘制模块30:用于获取车道线以及车道中心线的点集经纬度坐标数据,根据所述车道线以及车道中心线的点集经纬度坐标数据得到所述车道线点集相对自车的坐标数据并进行拟合绘制。需要说明的是,所述坐标数据是高精度地图模拟模块所输出的,这里的高精度地图模拟模块是一个执行程序。
摄像头感知车道线模块40:用于获取车道线开始位置和结束位置,根据所述开始位置和所述结束位置计算两者间坐标点的数量并进行线性绘制。需要说明的是,所述车道线开始位置和结束位置是摄像头模拟模块输出的车道线方程系数所的,这里的摄像头模拟模块是一个执行程序。
局部路径规划绘制模块50:用于获取规划方程系数,根据所述规划方程系数绘制路径规划。需要说明的是规划方程系数包括:路径范围和三次多项式曲线系数。
动静态目标物的边界框绘制模块60:用于获取目标物的相对距离、相对速度信息和目标物的基本尺寸,根据所述目标物的相对距离、相对速度信息和目标物的基本尺寸绘制动静态目标物的边界框形状和车体姿态。需要说明的是,所述车体姿态是指自动驾驶算法控制的车辆的车头朝向。
显示模块70:通过获取所述车道级导航信息和系统激活状态来显示动态高精度地图信息、激活状态信息和自车状态信息。
图2是本发明的实施例的自车位置和边界框绘制模块的结构框图,具体包括:
第一数据获取模块21:通过通信协议调用框架内置数据获取自车经纬度和航向角数据。需要说明的是内置数据的获取前需订阅自车融合定位数据。
转换坐标模块22:利用自车经纬度所在点的坐标及方向作为基准原点和正北方向,基于自车的长宽数据将所述自车经纬度坐标转换成惯性坐标。需要说明的是,所述基于自车的长宽数据将所述自车经纬度坐标转换成惯性坐标,通过下式来实现:
X=(CM+H)*cosB*cosL
Y=(CM+H)*cosb*sinL
Z=(CM*(1-e12)+H)*sinB
其中,X,Y,Z为惯性坐标的XYZ轴,L为自车经度,B为自车维度,H为自车高度,e1为第一偏心率,CM为地球椭圆曲率半径。
在一具体实施例中,CM=a/(1-e12*sin2B)1/2,其中a为地球长半轴为6378137m。
坐标计算坐标模块23:利用惯性坐标基于像素点和长宽数值的映射计算自车的像素点坐标。需要说明的是所述像素点坐标是指自车四个交点坐标。
直线绘制模块24:根据开源计算机视觉库对所述像素点坐标进行封闭直线绘制,以得到自车边界框形状并赋予自车不同状态下不同的颜色。需要说明的是绘制所述自车边界框形状使用的是所述开源计算机视觉库中绘制矩形的函数,如Rectangle函数。
进一步,赋予所述自车不同状态下不同的颜色使用的函数是对数值处理和时间处理的函数,如Scalar函数。
图3是本发明的实施例所提供的高精度地图绘制模块的结构框图,具体包括:
第二数据获取模块31:通过通信协议获取获取车道线以及车道中心线的点集经纬度坐标数据并放入容器。
相对坐标点获取模块32:基于对所述点集经纬度坐标转换为惯性坐标进行相对位置坐标偏移,得到所述车道中心线的点集相对自车的坐标点数据并存放在容器中。需要说明的是所述容器是高精度地图容器,如lanepoint_hdmap容器。
在一优选实施例中通过点云将所述点集近卫笃转换为惯性坐标的XY坐标数据。需要说明的是所述点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,在获取物体表面每个采样点的空间坐标后,得到的是点的集合,如PointTransForm()函数。
第一拟合绘制模块33:根据像素映射对所述坐标点数据进行拟合绘制,以得到不同类型车道线并赋予所述车道线不同的颜色。需要说明的是进行拟合绘制的函数是用于绘制多边形的函数和绘制一系列编入索引的虚线段的函数结合实现,如polylines()函数和DrawDottedLines()函数。进一步,赋予车道线不同的颜色使用对数值处理和时间处理的函数,如Scalar函数。
图4是本发明的实施例所提供的摄像头感知车道线模块的结构框图,具体包括:
第一系数获取模块41:通过通信协议获取车道线方程系数。需要说明的是车道线方程系数的三次多项式系数(常数)记为a,b,c,d,所述车道线方程系数式算法模块输出结果。
始终位置获取模块42:基于所述车道线方程系数得到所述车道线开始位置和结束位置。
第一点集数量计算模块43:根据所述车道线开始位置和结束位置将所述车道线离散成预设间隔的多个点,计算所述车道线开始位置到所述结束位置的点集数量。
在一优选具体实施例中,所述车道线开始位置为s,所述车道线结束位置为e,将所述车道线离散为每隔20cm一个点,通过下式来计算所述车道线开始位置到所述结束位置点集数量:
车道线开始位置到所述结束位置点集数量=(e-s)/0.2
第一坐标点计算模块44:利用述车道线方程系数计算每个点的坐标点。需要说明的是,所述计算每个点的XY坐标点,是通过下式来实现的:
Y=a+b*X+c*X2+d*X3
其中,a,b,c,d为算法模块输出结果,X为坐标点的横坐标,Y为坐标点的纵坐标。
线性绘制模块45:基于像素映射对所述坐标点进行线性绘制,以得到不同类型车道线并赋予车道线不同的颜色。需要说明的是进行线性绘制的函数是用于绘制多边形的函数,如polylines函数。
图5是本发明的实施例所提供的局部路径规划绘制模块的结构框图,具体包括:
第二系数获取模块51:通过通信协议获取规划方程系数。
第二点集数量计算模块52:基于规划方程系数将路径曲线离散成预设间隔的多个点,计算所述路径长度范围内的点集数量。
在一优选具体实施例中,所述路径范围为r,将所述路径范围离散成每隔20cm一个点,通过下式计算所述路径长度范围内的点集数量:
路径长度范围内的点集数量=r/0.2
第二坐标点计算模块53:利用所述规划方程系数计算每个点的坐标点。需要说明的是,通过下式实现计算每个点的所述坐标点:
Y1=a1+b1*X1+c1*X12+d1*X13
其中,X1为坐标点的横坐标,Y1为坐标点的纵坐标,a1,b1,c1,d1为所述三次多项式系数。
第二拟合绘制模块54:基于自车的相对位置转换和像素映射对所述坐标点进行拟合绘制,以得到规划路径线并赋予不同的颜色。
图6是本发明的实施例所提供的动静态目标的边界框绘制模块的结构框图,具体包括:
目标物数据获取模块61:获取目标物的相对距离和相对速度,读取内部配置参数表的目标物的基本尺寸。需要说明的是,所述目标物包括目标车,骑行者和锥形桶等。
目标物绘制模块62:基于所述相对距离、相所述对速度和所述基本尺寸结合自车的位置坐标进行坐标转换、矩形旋转、颜色处理、形状处理以及字符串打印绘制动静态目标物,以得到动静态目标物的边界框形状和车体姿态。
在本发明中还包括一种车辆,包括车体和所述可视化系统,所述可视化系统具体包括:图形用户界面,自车位置和边界框绘制模块,高精度地图绘制模块,摄像头感知车道线模块,局部路径规划绘制模块,动静态目标物的边界框绘制模块,显示模块。
具体地,图形用户界面,用于实现画布的展示、图例的绘制、标尺缩放的功能窗口及可视化信息选择界面。
自车位置和边界框绘制模块,用于获取自车融合定位数据,根据所述自车融合定位数据绘制边界框的形状和车体姿态。详情请参见上述内容。
本发明基于应用程序开发框架和开源计算机视觉库,为了实现自动驾驶测试快速迭代优化和加快排查问题和定位问题的效率和准确性,开发了可视化分析系统,保证了在测试过程中的实时在线查看和测试后的离线回放。
图7是本发明的实施例所提供的可视化分析系统的具体流程图,以下结合一种具体实施例对本发明的技术方案进行说明:
当自动驾驶算法模块输出的信息数据导入至自车的各模块中,再由各模块中的函数分配到各子模块中进行绘制,将数据导入至感知车道线绘制模块,高精度地图绘制模块,动静态目标物边界框绘制模块(图中对应为目标物位置及BBox模块)和局部路径绘制模块,利用这些模块对自车位置进行绘制,确定自车位置及方向,并以此自车位置及方向作为基准,在图形用户界面(图中对应为GUI)采用图形方式显示格式,同时当数据导入至动态规划信息及激活信息显示模块对图形用户界面(图中对应为GUI)上的绘制出的动态地图信息,横向激活状态,自车定位信息和时间与速度进行显示。
图8是本发明的实施例所提供的基于可视化分析系统的自动驾驶测试在线和离线分析的具体流程图,以下结合一种具体实施例对本发明的技术方案进行说明:
在一具体实施例中,基于自动驾驶测试的可视化分析系统,SIL仿真测试平台和自动驾驶算法库三者进行集成,并将可视化分析系统源代码,SIL仿真测试平台源代码合自动驾驶算法源代码编译成动态链接库,并生成调度不同动态链接库的配置文件合执行文件,当可视化分析系统合自动驾驶算法通过通信协议进行实时数据通信时,订阅发布的车道线,高精度地图,系统激活状态数据以及路径规划数据的主题信息,从而进行计算,实时显示信息数据。
在另一具体实施例中,基于自动驾驶测试的可视化分析系统,仿真测试平台和自动驾驶算法三者进行集成,将仿真测试记录的dat数据进行dat回灌,离线导入至可视化分析系统,进行离线信息数据的回放与分析。
综上所述,通过本发明提供的可视化分析系统,可以达到开发可视化分析系统的目的的基础上对所有模块进行信息数据的在线和离线查看。
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。
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 (11)
1.一种可视化分析系统,其特征在于,包括:
图形用户界面,用于实现画布的展示、图例的绘制、标尺缩放的功能窗口及可视化信息选择界面;
自车位置和边界框绘制模块,用于获取自车融合定位数据,根据所述自车融合定位数据绘制边界框的形状和车体姿态;
高精度地图绘制模块,用于获取车道线以及车道中心线的点集经纬度坐标数据,根据所述车道线以及车道中心线的点集经纬度坐标数据得到所述车道线点集相对自车的坐标数据并进行拟合绘制;
摄像头感知车道线模块,用于获取车道线开始位置和结束位置,根据所述开始位置和所述结束位置计算两者间坐标点的数量并进行线性绘制;
局部路径规划绘制模块,用于获取规划方程系数,根据所述规划方程系数绘制路径规划;
动静态目标物的边界框绘制模块,用于获取目标物的相对距离、相对速度信息和目标物的基本尺寸,根据所述目标物的相对距离、相对速度信息和目标物的基本尺寸绘制动静态目标物的边界框形状和车体姿态;
显示模块,通过获取所述车道级导航信息和系统激活状态来显示动态高精度地图信息、激活状态信息和自车状态信息。
2.根据权利要求1所述的可视化分析系统,其特征在于,图形用户界面还用于:
通过应用程序开发框架中的类编写实现标尺缩放功能、画布类型功能和一键功能重置功能的目的。
3.根据权利要求1所述的可视化分析系统,其特征在于,自车融合定位数据包括:自车经纬度和航向角数据。
4.根据权利要求3所述的可视化分析系统,其特征在于,自车位置和边界框绘制模块包括:第一数据获取模块,转换坐标模块,坐标计算坐标模,直线绘制模块,具体包括:
第一数据获取模块,通过通信协议调用框架内置数据获取自车经纬度和航向角数据;
转换坐标模块,利用自车经纬度所在点的坐标及方向作为基准原点和正北方向,基于自车的长宽数据将所述自车经纬度坐标转换成惯性坐标;
坐标计算模块,利用惯性坐标基于像素点和长宽数值的映射计算自车的像素点坐标;
直线绘制模块,根据开源计算机视觉库对所述像素点坐标进行封闭直线绘制,以得到自车边界框形状并赋予自车不同状态下不同的颜色。
5.根据权利要求4所述的可视化分析系统,其特征在于,所述基于自车的长宽数据将所述自车经纬度坐标转换成惯性坐标,通过下式来实现:
X=(CM+H)*cosB*cosL
Y=(CM+H)*cosb*sinL
Z=(CM*(1-e12)+H)*sinB
其中,X,Y,Z为惯性坐标的XYZ轴,L为自车经度,B为自车维度,H为自车高度,e1为第一偏心率,CM为地球椭圆曲率半径。
6.根据权利要求1所述的可视化分析系统,其特征在于,高精度地图绘制模块包括:第二数据获取模块,相对坐标点获取模块,第一拟合绘制模块,具体包括:
第二数据获取模块,通过通信协议获取获取车道线以及车道中心线的点集经纬度坐标数据并放入容器;
相对坐标点获取模块,基于对所述点集经纬度坐标转换为惯性坐标进行相对位置坐标偏移,得到所述车道中心线的点集相对自车的坐标点数据并存放在容器中;
第一拟合绘制模块,根据像素映射对所述坐标点数据进行拟合绘制,以得到不同类型车道线并赋予所述车道线不同的颜色。
7.根据权利要求1所述的可视化分析系统,其特征在于,摄像头感知车道线模块包括:第一系数获取模块,始终位置获取模块,第一点集数量计算模块,第一坐标点计算模块,线性绘制模块,具体包括:
第一系数获取模块,通过通信协议获取车道线方程系数;
始终位置获取模块,基于所述车道线方程系数得到所述车道线开始位置和结束位置;
第一点集数量计算模块,根据所述车道线开始位置和结束位置将所述车道线离散成预设间隔的多个点,计算所述车道线开始位置到所述结束位置的点集数量;
第一坐标点计算模块,利用述车道线方程系数计算每个点的坐标点;
线性绘制模块,基于像素映射对所述坐标点进行线性绘制,以得到不同类型车道线并赋予车道线不同的颜色。
8.根据权利要求1所述的可视化分析系统,其特征在于,局部路径规划绘制模块包括:第二系数获取模块,第二点集数量计算模块,第二坐标点计算模块,第二拟合绘制模块,具体包括:
第二系数获取模块,通过通信协议获取规划方程系数;
第二点集数量计算模块,基于规划方程系数将路径曲线离散成预设间隔的多个点,计算所述路径长度范围内的点集数量;
第二坐标点计算模块,利用所述规划方程系数计算每个点的坐标点;
第二拟合绘制模块,基于自车的相对位置转换和像素映射对所述坐标点进行拟合绘制,以得到规划路径线并赋予不同的颜色。
9.根据权利要求7所述的可视化分析系统,其特征在于,规划方程系数包括:路径范围和三次多项式曲线系数。
10.根据权利要求1所述的可视化分析系统,其特征在于,动静态目标的边界框绘制模块包括:获取目标物数据模块,绘制目标物模块,具体包括:
目标物数据获取模块,获取目标物的相对距离和相对速度,读取内部配置参数表的目标物的基本尺寸;
目标物绘制模块,基于所述相对距离、相所述对速度和所述基本尺寸结合自车的位置坐标进行坐标转换、矩形旋转、颜色处理、形状处理以及字符串打印绘制动静态目标物,以得到动静态目标物的边界框形状和车体姿态。
11.一种车辆,其特征在于,包括:车体和所述可视化分析系统,所述可视化分析系统具体包括:
图形用户界面,用于实现画布的展示、图例的绘制、标尺缩放的功能窗口及可视化信息选择界面;
自车位置和边界框绘制模块,用于获取自车融合定位数据,根据所述自车融合定位数据绘制边界框的形状和车体姿态;
高精度地图绘制模块,用于获取车道线以及车道中心线的点集经纬度坐标数据,根据所述车道线以及车道中心线的点集经纬度坐标数据得到所述车道线点集相对自车的坐标数据并进行拟合绘制;
摄像头感知车道线模块,用于获取车道线开始位置和结束位置,根据所述开始位置和所述结束位置计算两者间坐标点的数量并进行线性绘制;
局部路径规划绘制模块,用于获取规划方程系数,根据所述规划方程系数绘制路径规划;
动静态目标物的边界框绘制模块,用于获取目标物的相对距离、相对速度信息和目标物的基本尺寸,根据所述目标物的相对距离、相对速度信息和目标物的基本尺寸绘制动静态目标物的边界框形状和车体姿态;
显示模块,通过获取所述车道级导航信息和系统激活状态来显示动态高精度地图信息、激活状态信息和自车状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004817.5A CN115934088A (zh) | 2023-01-03 | 2023-01-03 | 一种可视化分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004817.5A CN115934088A (zh) | 2023-01-03 | 2023-01-03 | 一种可视化分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115934088A true CN115934088A (zh) | 2023-04-07 |
Family
ID=86700866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310004817.5A Pending CN115934088A (zh) | 2023-01-03 | 2023-01-03 | 一种可视化分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115934088A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168365A (zh) * | 2023-04-25 | 2023-05-26 | 南京予芯科技有限公司 | 一种基于感知数据分析动态压线量和航向角的方法及系统 |
-
2023
- 2023-01-03 CN CN202310004817.5A patent/CN115934088A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168365A (zh) * | 2023-04-25 | 2023-05-26 | 南京予芯科技有限公司 | 一种基于感知数据分析动态压线量和航向角的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111897305B (zh) | 一种基于自动驾驶的数据处理方法、装置、设备及介质 | |
CN109461211B (zh) | 基于视觉点云的语义矢量地图构建方法、装置和电子设备 | |
EP3361278B1 (en) | Autonomous vehicle localization based on walsh kernel projection technique | |
US20190043278A1 (en) | Test drive scenario system for virtual test drive scenarios | |
CN107246876B (zh) | 一种无人驾驶汽车自主定位与地图构建的方法及系统 | |
Gechter et al. | Virtual intelligent vehicle urban simulator: Application to vehicle platoon evaluation | |
CN110906954A (zh) | 一种基于自动驾驶平台的高精度地图测试评估方法和装置 | |
CN111816020A (zh) | 将合成激光雷达数据迁移至真实域用于自动驾驶汽车训练 | |
CN113009506A (zh) | 一种虚实结合的实时激光雷达数据生成方法、系统及设备 | |
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 | |
CN112146682B (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
US11299169B2 (en) | Vehicle neural network training | |
Yan et al. | Opencalib: A multi-sensor calibration toolbox for autonomous driving | |
CN112668603A (zh) | 产生识别传感器数据中的对象的识别模型用的训练数据的方法和设备、训练方法和操控方法 | |
Christensen et al. | Autonomous vehicles for micro-mobility | |
CN111338232B (zh) | 自动驾驶仿真方法及装置 | |
CN111695497B (zh) | 基于运动信息的行人识别方法、介质、终端和装置 | |
EP3789797B1 (en) | Method and apparatus for evaluating data, device, and computer-readable storage medium | |
CN115934088A (zh) | 一种可视化分析系统 | |
CN111982133B (zh) | 基于高精地图对车辆进行定位的方法、装置及电子设备 | |
CN111145262B (zh) | 一种基于车载的单目标定方法 | |
Amiri Atashgah et al. | An integrated virtual environment for feasibility studies and implementation of aerial MonoSLAM | |
Sokolov et al. | Methodological Aspects for the Development of Information Systems of Unmanned Mobile Vehicles. | |
CN113885496A (zh) | 智能驾驶仿真传感器模型及智能驾驶仿真方法 | |
Redmill et al. | Sensor and data fusion design and evaluation with a virtual environment simulator |
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 |