CN115962961A - Adas信号显示功能的测试系统以及方法 - Google Patents
Adas信号显示功能的测试系统以及方法 Download PDFInfo
- Publication number
- CN115962961A CN115962961A CN202310238445.2A CN202310238445A CN115962961A CN 115962961 A CN115962961 A CN 115962961A CN 202310238445 A CN202310238445 A CN 202310238445A CN 115962961 A CN115962961 A CN 115962961A
- Authority
- CN
- China
- Prior art keywords
- signal
- test
- adas
- image
- model
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 320
- 238000000034 method Methods 0.000 title claims abstract description 58
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 title claims abstract 42
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 title claims abstract 42
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 title claims abstract 42
- 238000004088 simulation Methods 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims description 94
- 230000006870 function Effects 0.000 claims description 81
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 12
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 10
- 238000010998 test method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 abstract description 10
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000001537 neural effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
Landscapes
- Tests Of Electronic Circuits (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种ADAS信号显示功能的测试系统以及方法。测试系统包括ADAS测试设备，用于基于预设的测试用例生成对应的测试信号，将测试信号发送至ADAS信号显示装置，以及用于基于测试信号生成对应的采集触发信号，将采集触发信号发送至预设的图像采集装置；ADAS信号显示装置，用于显示测试信号对应的信号图像；图像采集装置，用于采集信号图像，并将信号图像发送至ADAS测试设备；ADAS测试设备，还用于基于信号图像生成对应的仿真信号，并基于测试信号和仿真信号生成ADAS信号显示功能的测试结果。本发明公开的技术方案，解决了现有技术对信号可视化输出的测试过程中出现测试复杂度高以及测试准确率低的问题，实现了提高测试准确率。
Description
技术领域
本发明涉及ADAS硬件测试技术领域，尤其涉及ADAS信号显示功能的测试系统以及方法。
背景技术
高级驾驶辅助系统（Advanced Driver Assistant System，ADAS）利用传感器，通过计算机对人驾驶的车辆提供必要的辅助，帮助驾驶员实现更安全、更好的驾驶体验。一般情况下ADAS系统信息显示屏要保证及时向驾驶员发出声音或视觉警报。而随着ADAS系统的出现，从功能和安全角度考虑，人们不仅要对电子控制单元进行测试，还要对ADAS的输出显示功能进行测试。具体测试过程中，不仅需要对ADAS测试场景进行仿真测试，还需要对ADAS的信号可视化输出进行测试，以确定ADAS的输出显示功能是否正常。
目前，对信号可视化输出的测试通常采用人工测试和基于视觉评估的方法进行测试。但是基于人工测试效率低，测试覆盖率低，并且人工测试也容易出错。
发明内容
本发明提供了一种ADAS信号显示功能的测试系统以及方法，以解决现有技术对对信号可视化输出的测试过程中出现测试复杂度高以及测试准确率低的问题，实现了提高测试准确率。
第一方面，本发明实施例提供了一种ADAS信号显示功能的测试系统，所述测试系统包括ADAS测试设备、ADAS信号显示装置以及图像采集装置；其中，
所述ADAS测试设备，用于基于预设的测试用例生成对应的测试信号，将所述测试信号发送至ADAS信号显示装置，以及用于基于所述测试信号生成对应的采集触发信号，将所述采集触发信号发送至预设的图像采集装置；
所述ADAS信号显示装置，用于显示所述测试信号对应的信号图像；
所述图像采集装置，用于采集所述信号图像，并将所述信号图像发送至所述ADAS测试设备；
所述ADAS测试设备，还用于基于所述信号图像生成对应的仿真信号，并基于所述测试信号和所述仿真信号生成所述ADAS信号显示功能的测试结果。
可选的，所述ADAS测试设备包括ADAS测试控制模块和ADAS HIL测试系统；
所述ADAS测试控制模块，用于获取预设的测试用例，并将所述测试用例发送至所述ADAS HIL测试系统；
所述ADAS HIL测试系统，用于基于接收到的所述测试用例生成对应的测试信号，并将所述测试信号发送至所述ADAS测试控制模块和所述ADAS信号显示装置；
所述ADAS HIL测试系统，还用于生成测试信号对应的采集触发信号，并将所述采集触发信号发送至所述图像采集装置。
可选的，所述ADAS测试控制模块包括测试仿真信号生成模块；所述测试信号生成模块包括信号识别结果生成单元和仿真信号生成单元，其中，
所述信号识别结果生成单元，用于基于预先训练完成的信号识别模型对所述信号图像进行信号识别，确定所述信号图像对应的信号识别结果；
所述仿真信号生成单元，用于基于预设的信号文件对所述信号识别结果进行信号转化，确定所述信号识别结果对应的仿真信号。
可选的，所述ADAS测试控制模块还包括测试结果生成模块；其中，
所述测试结果生成模块，用于确定所述仿真信号和所述测试信号的信号比对结果，基于所述信号比对结果生成所述ADAS信号显示功能的测试结果。
可选的，所述ADAS测试控制模块还包括模型训练模块；所述模型训练模块包括样本获取单元和模型训练单元；其中，
所述样本获取单元，用于获取用于模型训练的历史信号图像，并确定各历史信号图像的信号标签；
所述模型训练单元，用于基于各所述历史信号图像对待训练的信号识别模型进行如下迭代训练，直到迭代训练的信号识别模型满足预设条件，得到训练完成的信号识别模型；其中，迭代训练过程包括：
将任一历史信号图像输入至对待训练的信号识别模型，得到所述历史信号图像的信号识别预测结果；
基于所述信号识别预测结果和所述历史信号图像的信号标签生成损失函数，并基于所述损失函数对所述待训练的信号识别模型进行参数调节。
可选的，所述模型训练单元包括参数获取子单元和参数调节子单元；其中，
所述参数获取子单元，用于对于信号识别模型的任一迭代训练过程，获取所述信号识别模型预设的模型学习率、模型损失函数、损失函数梯度、以及历史模型参数；
所述参数调节子单元，用于基于所述模型学习率、所述模型损失函数、所述损失函数梯度以及所述历史模型参数确定所述信号识别模型在当前次迭代训练过程中的模型参数。
可选的，所述信号识别模型的迭代训练包括内循环迭代训练和外循环迭代训练。
第二方面，本发明实施例还提供了一种ADAS信号显示功能的测试方法，其特征在于，应用于ADAS测试设备，所述ADAS测试设备用于对ADAS信号显示装置进行仿真测试，所述测试方法包括：
基于预设的测试用例生成对应的测试信号，将所述测试信号发送至ADAS信号显示装置，以使所述ADAS信号显示装置显示所述测试信号对应的信号图像；
基于所述测试信号生成对应的采集触发信号，将所述采集触发信号发送至预设的图像采集装置，以使所述图像采集装置采集所述信号图像，并将所述信号图像发送至所述ADAS测试设备；
基于所述信号图像生成对应的仿真信号，并基于所述测试信号和所述仿真信号生成所述ADAS信号显示功能的测试结果。
第三方面，本发明实施例还提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的ADAS信号显示功能的测试方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的ADAS信号显示功能的测试方法。
本实施例提供的图像处理系统，具体包括ADAS测试设备、ADAS信号显示装置以及图像采集装置，具体测试系统中的ADAS测试设备输出测试信号至ADAS信号显示装置，ADAS信号显示装置显示该测试信号对应的信号图像，同时图像采集装置采集信号图像，并信号图像发送至ADAS测试设备，进而ADAS测试设备将信号图像转换为仿真信号，并基于仿真信号与其生成的测试信号直接生成ADAS显示功能对应的测试结果，上述试相比于现有技术中的人工测试，上述自动在环测试方法可以有效提高测试结果的准确性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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是根据本发明实施例提供的一种ADAS信号显示功能的测试系统的结构示意图；
图2是根据本发明实施例提供的另一种ADAS信号显示功能的测试系统的结构示意图；
图3是根据本发明实施例提供的另一种ADAS信号显示功能的测试系统的结构示意图；
图4是根据本发明实施例所适用的信号识别模型在训练过程中的内循环训练原理图；
图5是根据本发明实施例提供的一种ADAS信号显示功能的测试方法的流程图；
图6是实现本发明实施例的ADAS信号显示功能的测试方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是，本技术方案所涉及的数据（包括但不限于数据本身、数据的获取或使用）应当遵循相应法律法规及相关规定的要求。
本发明实施例提供了一种ADAS信号显示功能的测试系统。图1为本发明实施例提供的一种ADAS信号显示功能的测试系统的结构示意图。本实施例可适用于对ADAS的信号显示功能进行测试的情况。
随着ADAS系统的出现，从功能和安全角度考虑，人们不仅要对电子控制单元进行测试，还要对ADAS的输出显示功能进行测试。具体测试过程中，不仅需要对ADAS测试场景进行仿真测试，还需要对ADAS的信号可视化输出进行测试，以确定ADAS的输出显示功能是否正常。
在现有技术中，对信号可视化输出的测试通常采用人工测试和基于视觉评估的方法进行测试。但是基于人工测试效率低，测试覆盖率低，并且人工测试也容易出错。
基于上述技术问题，本发明实施例的技术方案提供了一种ADAS信号显示功能的测试系统，具体测试系统中的ADAS测试设备输出测试信号至ADAS信号显示装置，ADAS信号显示装置显示该测试信号对应的信号图像，同时图像采集装置采集信号图像，并信号图像发送至ADAS测试设备，进而ADAS测试设备将信号图像转换为仿真信号，并基于仿真信号与其生成的测试信号直接生成ADAS显示功能对应的测试结果，上述试相比于现有技术中的人工测试，上述自动在环测试方法可以有效提高测试结果的准确性。
如图1所示，所述测试系统包括ADAS测试设备1、ADAS信号显示装置2以及图像采集装置3；其中，所述ADAS测试设备1，用于基于预设的测试用例生成对应的测试信号，将所述测试信号发送至ADAS信号显示装置2，以及用于基于所述测试信号生成对应的采集触发信号，将所述采集触发信号发送至预设的图像采集装置3；所述ADAS信号显示装置2，用于显示所述测试信号对应的信号图像；所述图像采集装置3，用于采集所述信号图像，并将所述信号图像发送至所述ADAS测试设备1；所述ADAS测试设备1，还用于基于所述信号图像生成对应的仿真信号，并基于所述测试信号和所述仿真信号生成所述ADAS信号显示功能的测试结果。
在本发明实施例中，ADAS测试设备1可以理解为车载控制设备，用于生成测试指令，以及基于测试指令进行测试的设备。测试用例为预先编写的测试脚本，用于对ADAS中各个信号的信号显示功能进行仿真测试。可选的，不同信号可以对应不同的测试用例，也可以将不同信号的测试过程集于同一个测试用例中，对此不作限定。测试信号为ADAS输出的信号，例如告警信号、刹车信号以及车道保持信号等辅助驾驶信号。ADAS信号显示装置2可以理解为车辆中的车载显示屏，该显示屏包括但不限于车辆的仪表盘以及中控显示屏等。信号图像可以理解为辅助驾驶信号对应的信号图标。例如，车门开启提示信号对应的信号图像可以为显示车辆过程中高亮显示车门的信号图标。图像采集装置3可以理解为内置的虚拟摄像机，其可以采集ADAS信号显示装置2所显示的内容。仿真信号可以理解为基于信号图像所计算出的信号，并不是直接生成的信号。
在本实施例提供的测试系统中，ADAS测试设备1分别与ADAS信号显示装置2和图像采集装置3进行电连接，同时，ADAS信号显示装置2与图像采集装置3进行电连接。
具体的，ADAS测试设备1基于测试用例生成测试信号，并将生成的测试信号发送至ADAS信号显示装置2，以及基于测试信号生成采集触发信号，并将生成的采集触发信号发送至图像采集装置3。ADAS信号显示装置2接收到测试信号时，确定测试信号对应的信号图像，并将信号图像进行显示；图像采集装置3采集ADAS信号显示装置2所显示的信号图像，并将采集到的信号图像发送至ADAS测试设备1。进一步的，ADAS测试设备1确定接收到的信号图像对应的仿真信号，并将仿真信号与对应的测试信号进行比对，从而生成最终的测试结果。
本实施例提供的图像处理系统，具体包括ADAS测试设备1、ADAS信号显示装置2以及图像采集装置3，具体测试系统中的ADAS测试设备1输出测试信号至ADAS信号显示装置2，ADAS信号显示装置2显示该测试信号对应的信号图像，同时图像采集装置3采集信号图像，并信号图像发送至ADAS测试设备1，进而ADAS测试设备1将信号图像转换为仿真信号，并基于仿真信号与其生成的测试信号直接生成ADAS显示功能对应的测试结果，上述试相比于现有技术中的人工测试，上述自动在环测试方法可以有效提高测试结果的准确性。
图2为本发明实施例提供的另一种ADAS信号显示功能的测试系统的结构示意图。参见图2，在上述实施方式的基础上，可选的，所述ADAS测试设备1包括ADAS测试控制模块101和ADAS HIL测试系统102；所述ADAS测试控制模块101，用于获取预设的测试用例，并将所述测试用例发送至所述ADAS HIL测试系统102；所述ADAS HIL测试系统102，用于基于接收到的所述测试用例生成对应的测试信号，并将所述测试信号发送至所述ADAS测试控制模块101和所述ADAS信号显示装置2；所述ADAS HIL测试系统102，还用于生成测试信号对应的采集触发信号，并将所述采集触发信号发送至所述图像采集装置3。
在本实施例中，ADAS测试控制模块101可以理解为用于生成测试结果的控制模块；高级驾驶辅助系统硬件在环（Advanced Driver Assistant System hardware-in-the-loop，ADAS HIL）测试系统可以理解为进行仿真测试所搭建的测试环境中的上位机。
在本实施例提供的测试系统中，ADAS测试控制模块101与ADAS HIL测试系统102电连接，ADAS信号显示装置2分别与ADAS测试控制模块101和ADAS HIL测试系统102电连接，同时图像采集装置3也分别与ADAS测试控制模块101和ADAS HIL测试系统102电连接。
具体的，在测试过程中，ADAS测试控制模块101基于获取待测试的ADAS辅助驾驶信号对应的测试用例，并将测试用例发送至ADAS HIL测试系统102；ADAS HIL测试系统102执行接收到的测试用例，生成对应的测试信号，并将测试信号发送至ADAS测试控制模块101作为生成测试结果的对比信号进行暂存，以及将将测试信号发送至ADAS信号显示装置2，以使ADAS信号显示装置2显示测试信号对应的信号图像。本实施例中，ADAS HIL测试系统102还基于生成的测试信号生成采集触发信号，并将采集触发信号发送至图像采集装置3。可选的，可以是在检测到测试信号时生成采集触发信号，其效果在于可以在ADAS显示装置显示信号图像时快速采集图像，并将信号图像进行发送，从而实现提高测试效率；当然，一些实施例中还可以是在确定ADAS信号显示装置2显示信号图像时生成采集触发信号，其效果在于可以确保图像采集装置3采集到的是该测试信号对应的信号图像，从而实现提高测试的准确率。本实施例对于采集触发信号的触发指令不作限定。进一步的，图像采集装置3采集ADAS信号显示装置2显示的信号图像，并将信号图像发送至ADAS测试控制模块101，以实现生成后续的测试结果。
图3为本发明实施例提供的另一种ADAS信号显示功能的测试系统的结构示意图。参见图3，在上述实施方式的基础上，可选的，所述ADAS测试控制模块101包括测试仿真信号生成模块111；所述测试信号生成模块包括信号识别结果生成单元1111和仿真信号生成单元1112，其中，所述信号识别结果生成单元1111，用于基于预先训练完成的信号识别模型对所述信号图像进行信号识别，确定所述信号图像对应的信号识别结果；所述仿真信号生成单元1112，用于基于预设的信号文件对所述信号识别结果进行信号转化，确定所述信号识别结果对应的仿真信号。
在本发明实施例中，测试控制模块在接收到信号图像的基础上，需要对信号图像进行转换，得到信号图像对应的信号量，才可以和之前接收到的测试信号进行比对，以得到测试结果。具体的，对信号图像进行转换得到信号量具体可分为两步，首先对信号图像进行信号识别，得到信号识别结果；进而对信号识别结果进行信号转换，得到对应的仿真信号，即得到信号图像对应的信号量，后续可以生成测试结果。
可选的，本实施例中信号图像进行信号识别，得到信号识别结果的步骤可以是基于预先训练完成的信号识别模型对所述信号图像进行信号识别，确定所述信号图像对应的信号识别结果。具体的，获取预先训练完成的信号识别模型，可以将信号图像输入至上述信号识别模型，得到信号识别模型输出的信号识别结果。
可选的，本实施例中对信号识别结果进行信号转换，得到对应的仿真信号的步骤可以是基于预设的信号文件对所述信号识别结果进行信号转化，确定所述信号识别结果对应的仿真信号。具体的，获取预先设置的信号文件。其中，信号文件中描述了各信号图像的分别对应的信号识别结果与各仿真信号的对应关系。进而就信号文件确定信号识别结果对应的仿真信号，并将信号识别结果转换为仿真信号，以实现得到用于生成测试结果的信号量。
继续参见图3，在上述实施方式的基础上，可选的，所述ADAS测试控制模块101还包括测试结果生成模块112；其中，所述测试结果生成模块112，用于确定所述仿真信号和所述测试信号的信号比对结果，基于所述信号比对结果生成所述ADAS信号显示功能的测试结果。
在本实施例中，测试结果生成模块112与测试仿真信号生成模块111电连接。
具体的，测试结果生成模块112，根据生成的仿真信号和接收到的测试信号，生成ADAS信号显示功能的测试结果。可选的，生成测试结果的步骤可以是确定所述仿真信号和所述测试信号的信号比对结果，基于所述信号比对结果生成所述ADAS信号显示功能的测试结果。
具体的，将仿真信号和测试信号进行信号比对，得到信号比对结果。可选的，比对过程可以是基于预设的比对模型或者比对算法进行比对，也可以仅比对两信号的相似度，得到信号比对结果，本实施例对于比对过程不作限定。进一步的，在得到信号比对结果的基础上，基于信号比对结果以及预设的测试报告模板，生成所述ADAS信号显示功能的测试结果。
下面继续基于图3对本发明实施例用到的信号识别模型的训练过程进行具体说明。在实际应用中，基于视觉评估的方法在测试前需要反复学习不同对象的位置，但由于现实应用中无法获取大量ADAS信息显示的图像，数据量的不足使得深度学习不能有效地发挥作用，因此需投入大量的时间和精力进行样本确定以及模型训练，导致测试成本较高。因此本实施例的技术方案采用基于长短期记忆网络（Long Short-Term Memory，LSTM）的元学习方法解决可视化输出测试小样本的问题。LSTM为RNN的一种主要形式，由于LSTM网络在处理时序相关的数据时具有较好的效果，因此用LSTM网络代替元学习网络中梯度下降过程。具体的，在将信号图像转换为仿真信号过程中采用基于LSTM的元学习方法进行训练得到信号识别模型进行信号识别，该模型的训练方法可以通过小数据样本数据得到训练完成的信号识别模型，减少了模型训练的投入精力，从而实现降低测试成本和测试时间，提高测试效率。
继续参见图3，在上述实施方式的基础上，可选的，在上述实施方式的基础上，可选的，所述ADAS测试控制模块101还包括模型训练模块113；所述模型训练模块113包括样本获取单元1131和模型训练单元1132；其中，所述样本获取单元1131，用于获取用于模型训练的历史信号图像，并确定各历史信号图像的信号标签；所述模型训练单元1132，用于基于各所述历史信号图像对待训练的信号识别模型进行如下迭代训练，直到迭代训练的信号识别模型满足预设条件，得到训练完成的信号识别模型；其中，迭代训练过程包括：将任一历史信号图像输入至对待训练的信号识别模型，得到所述历史信号图像的信号识别预测结果；基于所述信号识别预测结果和所述历史信号图像的信号标签生成损失函数，并基于所述损失函数对所述待训练的信号识别模型进行参数调节。
在本实施例中，模型训练模块113与测试结果生成模块112电连接。
具体的，基于ADAS测试控制模块101中预设的模型训练模块113对信号识别模型进行训练，得到训练完成的信号识别模型，以便于后续直接基于模型进行信号识别。具体的，模型训练模块113包括样本获取单元1131和模型训练单元1132，其中，样本获取单元1131，用于获取用于模型训练的历史信号图像，并确定各历史信号图像的信号标签；所述模型训练单元1132，用于基于各所述历史信号图像对待训练的信号识别模型进行如下迭代训练，直到迭代训练的信号识别模型满足预设条件，得到训练完成的信号识别模型。
样本获取单元1131根据历史信号图像生成训练样本。生成训练样本的具体步骤可以包括：获取历史信号图像，并对历史信号图像所对应的辅助驾驶信号进行标记，得到标记后信号图像，并将标记后的样本数据作为训练信号识别模型的训练样本。
具体的，模型训练单元1132采用迭代训练的方式对信号识别模型进行训练。具体的，迭代训练的训练过程可以包括：将任一历史信号图像输入至对待训练的信号识别模型，得到所述历史信号图像的信号识别预测结果；基于所述信号识别预测结果和所述历史信号图像的信号标签生成损失函数，并基于所述损失函数对所述待训练的信号识别模型进行参数调节。
下面继续基于图3对本发明实施例的信号识别模型在训练过程对模型参数的调节过程进行具体说明。继续参见图3，在上述实施方式的基础上，可选的，在上述实施方式的基础上，可选的，所述模型训练单元1132包括参数获取子单元11321和参数调节子单元11322；其中，所述参数获取子单元11321，用于对于信号识别模型的任一迭代训练过程，获取所述信号识别模型预设的模型学习率、模型损失函数、损失函数梯度、以及历史模型参数；所述参数调节子单元11322，用于基于所述模型学习率、所述模型损失函数、所述损失函数梯度以及所述历史模型参数确定所述信号识别模型在当前次迭代训练过程中的模型参数。
本实施例中，参数获取子单元11321获取用于调整模型参数的各训练参数，具体的，训练参数包括但不限于模型学习率、模型损失函数、损失函数梯度、以及历史模型参数等参数。参数调节子单元11322在获取到上述模型学习率、模型损失函数、损失函数梯度、以及历史模型参数等参数的基础上，获取预设的参数调节表示式，并将各参数代入至参数表达式中，得到调节后的模型参数。
示例性的，参数调节表达式如下述公式所示：
（1）
其中，θt是第t次更新迭代之后的参数，θt-1是第t-1次更新迭代之后的参数， 是第t时刻的模型学习率，是第t-1时刻损失函数相对于θt-1的损失函数梯度，是损失函数在第t次更新时的损失函数。
在本实施例中，训练过程中的损失函数可以包括但不限于交叉熵损失，也可以为距离损失函数等。
在实际应用中，LSTM算法中包括给定输入门i、遗忘门f、输出门c、以及输入特征。在本实施例的训练过程中，LSTM的输出ct可以表示为：
（2）
进一步的，利用LSTM进行元学习模型的优化。其中，LSTM相关参数表示为：
（3）
（4）
在本实施例中，信号识别模型的迭代训练包括内循环迭代训练和外循环迭代训练。
具体的，在进行模型训练前预先将训练样本分为训练数据集Dtrain和测试数据集Dtest，确定样本集Dtrain和Dtest以及元学习器的内循环迭代次数T和外循环迭代次数N；进而在训练的过程中，首先进入外循环，之后进在第一次外循环中进行多次内循环迭代训练，进而在第一次外循环结束后退出第一次外循环迭代训练，再次进行第二次外循环训练，在第二次外循环训练中重复多次内循环训练，进而在第二次外循环结束后退出第二次外循环训练，继续进行下一次外循环训练，直至达到训练迭代停止条件，得到训练完成的信号识别模型。可选的，本实施例中训练迭代停止条件可以是迭代次数达到预设阈值，当然还可以预先设定其他迭代停止条件，对此不作限定。
示例性的，本实施例中进行外循环迭代训练以及内循环迭代训练的过程可以包括：首先从外循环迭代训练开始，预设循环次数为循环N次，n = 1:N；随机初始化卷积神经网络初始化参数θ0和LSTM模型优化参数c0。进而进入内循环迭代训练，预设循环次数为循环T次，t = 1:T；示例性的参见图4，从样本集Dtrain中随机选择两个批次样本Xt和Yt；在数据批次Xt上训练卷积神经网格，并更新参数θt′；计算卷积神经网格在数据批次Yt上的损失；根据公式（3）(5)获取LSTM模型ct的输出；使用LSTM模型输出的ct更新卷积神经网格模型是参数θt。进而继续执行外循环迭代训练，具体包括：从样本Dtest中选择所有样本X和Y；在样本X上训练卷积神经网格，并更新参数θ′；在样本Y计算卷积神经网格的损失；输出卷积神经网格的优化参数θ∗和LSTM模型优化参数c*。
在上述实施方式中，通过在将信号图像转换为仿真信号过程中采用基于长短期记忆网络（Long Short-Term Memory,LSTM）的元学习方法进行训练得到信号识别模型进行信号识别，该模型的训练方法可以通过小数据样本数据得到训练完成的信号识别模型，减少了模型训练的投入精力，从而实现降低测试成本和测试时间，提高测试效率。
图5为本发明实施例提供的一种ADAS信号显示功能的测试方法的流程图。该方法可以由ADAS测试设备来执行，该ADAS测试设备可配置于ADAS信号显示功能的测试系统中。如图5所示，该方法包括：
S410、基于预设的测试用例生成对应的测试信号，将所述测试信号发送至ADAS信号显示装置，以使所述ADAS信号显示装置显示所述测试信号对应的信号图像。
S420、基于所述测试信号生成对应的采集触发信号，将所述采集触发信号发送至预设的图像采集装置，以使所述图像采集装置采集所述信号图像，并将所述信号图像发送至所述ADAS测试设备。
S430、基于所述信号图像生成对应的仿真信号，并基于所述测试信号和所述仿真信号生成所述ADAS信号显示功能的测试结果。
本实施例提供的图像处理系统，具体包括ADAS测试设备、ADAS信号显示装置以及图像采集装置，具体测试系统中的ADAS测试设备输出测试信号至ADAS信号显示装置，ADAS信号显示装置显示该测试信号对应的信号图像，同时图像采集装置采集信号图像，并信号图像发送至ADAS测试设备，进而ADAS测试设备将信号图像转换为仿真信号，并基于仿真信号与其生成的测试信号直接生成ADAS显示功能对应的测试结果，上述试相比于现有技术中的人工测试，上述自动在环测试方法可以有效提高测试结果的准确性。
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如ADAS信号显示功能的测试方法。
在一些实施例中，ADAS信号显示功能的测试方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的ADAS信号显示功能的测试方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行ADAS信号显示功能的测试方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的ADAS信号显示功能的测试方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种ADAS信号显示功能的测试系统，其特征在于，所述测试系统包括ADAS测试设备、ADAS信号显示装置以及图像采集装置；其中，
所述ADAS测试设备，用于基于预设的测试用例生成对应的测试信号，将所述测试信号发送至ADAS信号显示装置，以及用于基于所述测试信号生成对应的采集触发信号，将所述采集触发信号发送至预设的图像采集装置；
所述ADAS信号显示装置，用于显示所述测试信号对应的信号图像；
所述图像采集装置，用于采集所述信号图像，并将所述信号图像发送至所述ADAS测试设备；
所述ADAS测试设备，还用于基于所述信号图像生成对应的仿真信号，并基于所述测试信号和所述仿真信号生成所述ADAS信号显示功能的测试结果。
2.根据权利要求1所述的系统，其特征在于，所述ADAS测试设备包括ADAS测试控制模块和ADAS HIL测试系统；
所述ADAS测试控制模块，用于获取预设的测试用例，并将所述测试用例发送至所述ADAS HIL测试系统；
所述ADAS HIL测试系统，用于基于接收到的所述测试用例生成对应的测试信号，并将所述测试信号发送至所述ADAS测试控制模块和所述ADAS信号显示装置；
所述ADAS HIL测试系统，还用于生成测试信号对应的采集触发信号，并将所述采集触发信号发送至所述图像采集装置。
3.根据权利要求2所述的系统，其特征在于，所述ADAS测试控制模块包括测试仿真信号生成模块；所述测试信号生成模块包括信号识别结果生成单元和仿真信号生成单元，其中，
所述信号识别结果生成单元，用于基于预先训练完成的信号识别模型对所述信号图像进行信号识别，确定所述信号图像对应的信号识别结果；
所述仿真信号生成单元，用于基于预设的信号文件对所述信号识别结果进行信号转化，确定所述信号识别结果对应的仿真信号。
4.根据权利要求2所述的系统，其特征在于，所述ADAS测试控制模块还包括测试结果生成模块；其中，
所述测试结果生成模块，用于确定所述仿真信号和所述测试信号的信号比对结果，基于所述信号比对结果生成所述ADAS信号显示功能的测试结果。
5.根据权利要求2所述的系统，其特征在于，所述ADAS测试控制模块还包括模型训练模块；所述模型训练模块包括样本获取单元和模型训练单元；其中，
所述样本获取单元，用于获取用于模型训练的历史信号图像，并确定各历史信号图像的信号标签；
所述模型训练单元，用于基于各所述历史信号图像对待训练的信号识别模型进行如下迭代训练，直到迭代训练的信号识别模型满足预设条件，得到训练完成的信号识别模型；其中，迭代训练过程包括：
将任一历史信号图像输入至对待训练的信号识别模型，得到所述历史信号图像的信号识别预测结果；
基于所述信号识别预测结果和所述历史信号图像的信号标签生成损失函数，并基于所述损失函数对所述待训练的信号识别模型进行参数调节。
6.根据权利要求5所述的系统，其特征在于，所述模型训练单元包括参数获取子单元和参数调节子单元；其中，
所述参数获取子单元，用于对于信号识别模型的任一迭代训练过程，获取所述信号识别模型预设的模型学习率、模型损失函数、损失函数梯度、以及历史模型参数；
所述参数调节子单元，用于基于所述模型学习率、所述模型损失函数、所述损失函数梯度以及所述历史模型参数确定所述信号识别模型在当前次迭代训练过程中的模型参数。
7.根据权利要求5所述的系统，其特征在于，所述信号识别模型的迭代训练包括内循环迭代训练和外循环迭代训练。
8.一种ADAS信号显示功能的测试方法，其特征在于，应用于ADAS测试设备，所述ADAS测试设备用于对ADAS信号显示装置进行仿真测试，所述测试方法包括：
基于预设的测试用例生成对应的测试信号，将所述测试信号发送至ADAS信号显示装置，以使所述ADAS信号显示装置显示所述测试信号对应的信号图像；
基于所述测试信号生成对应的采集触发信号，将所述采集触发信号发送至预设的图像采集装置，以使所述图像采集装置采集所述信号图像，并将所述信号图像发送至所述ADAS测试设备；
基于所述信号图像生成对应的仿真信号，并基于所述测试信号和所述仿真信号生成所述ADAS信号显示功能的测试结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求8所述的ADAS信号显示功能的测试方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求8所述的ADAS信号显示功能的测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310238445.2A CN115962961B (zh) | 2023-03-14 | 2023-03-14 | Adas信号显示功能的测试系统以及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310238445.2A CN115962961B (zh) | 2023-03-14 | 2023-03-14 | Adas信号显示功能的测试系统以及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115962961A true CN115962961A (zh) | 2023-04-14 |
| CN115962961B CN115962961B (zh) | 2023-05-30 |
Family
ID=85899648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310238445.2A Active CN115962961B (zh) | 2023-03-14 | 2023-03-14 | Adas信号显示功能的测试系统以及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115962961B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801534A (zh) * | 2019-02-19 | 2019-05-24 | 上海思致汽车工程技术有限公司 | 基于自动驾驶模拟器的驾驶行为硬件在环仿真测试系统 |
| CN211236045U (zh) * | 2019-07-24 | 2020-08-11 | 苏州瑞地测控技术有限公司 | 一种基于多传感器的adas hil测试系统 |
| CN111782505A (zh) * | 2020-05-26 | 2020-10-16 | 株洲中车时代电气股份有限公司 | 列车系统仿真测试方法、装置、计算机设备和存储介质 |
| CN112418230A (zh) * | 2020-11-14 | 2021-02-26 | 武汉光庭信息技术股份有限公司 | 一种基于车载显示的自动化测试方法及测试系统 |
| CN113049264A (zh) * | 2019-12-27 | 2021-06-29 | 北京车和家信息技术有限公司 | 一种车辆高级驾驶辅助系统的测试系统及方法 |
| CN213987262U (zh) * | 2020-12-21 | 2021-08-17 | 苏州瑞地测控技术有限公司 | 一种adas道路测试数据记录系统 |
| CN113532882A (zh) * | 2021-07-22 | 2021-10-22 | 中国第一汽车股份有限公司 | 一种汽车仪表测试方法、装置、系统及存储介质 |
| CN113610811A (zh) * | 2021-08-09 | 2021-11-05 | 北京天融信网络安全技术有限公司 | 汽车仪表盘指示灯测试方法、设备及存储介质 |
| CN113758514A (zh) * | 2021-07-29 | 2021-12-07 | 江铃汽车股份有限公司 | 汽车仪表自动化测试方法、系统、可读存储介质及车辆 |
| CN114201346A (zh) * | 2021-10-25 | 2022-03-18 | 合众新能源汽车有限公司 | 一种can通讯接口的hil测试方法、装置及电子设备 |
| CN114383856A (zh) * | 2021-11-30 | 2022-04-22 | 江铃汽车股份有限公司 | 一种车辆自动测试方法、装置、存储介质及设备 |
| CN115470109A (zh) * | 2022-08-24 | 2022-12-13 | 中汽创智科技有限公司 | 一种汽车仪表自动化测试方法及装置 |
-
2023
- 2023-03-14 CN CN202310238445.2A patent/CN115962961B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801534A (zh) * | 2019-02-19 | 2019-05-24 | 上海思致汽车工程技术有限公司 | 基于自动驾驶模拟器的驾驶行为硬件在环仿真测试系统 |
| CN211236045U (zh) * | 2019-07-24 | 2020-08-11 | 苏州瑞地测控技术有限公司 | 一种基于多传感器的adas hil测试系统 |
| CN113049264A (zh) * | 2019-12-27 | 2021-06-29 | 北京车和家信息技术有限公司 | 一种车辆高级驾驶辅助系统的测试系统及方法 |
| CN111782505A (zh) * | 2020-05-26 | 2020-10-16 | 株洲中车时代电气股份有限公司 | 列车系统仿真测试方法、装置、计算机设备和存储介质 |
| CN112418230A (zh) * | 2020-11-14 | 2021-02-26 | 武汉光庭信息技术股份有限公司 | 一种基于车载显示的自动化测试方法及测试系统 |
| CN213987262U (zh) * | 2020-12-21 | 2021-08-17 | 苏州瑞地测控技术有限公司 | 一种adas道路测试数据记录系统 |
| CN113532882A (zh) * | 2021-07-22 | 2021-10-22 | 中国第一汽车股份有限公司 | 一种汽车仪表测试方法、装置、系统及存储介质 |
| CN113758514A (zh) * | 2021-07-29 | 2021-12-07 | 江铃汽车股份有限公司 | 汽车仪表自动化测试方法、系统、可读存储介质及车辆 |
| CN113610811A (zh) * | 2021-08-09 | 2021-11-05 | 北京天融信网络安全技术有限公司 | 汽车仪表盘指示灯测试方法、设备及存储介质 |
| CN114201346A (zh) * | 2021-10-25 | 2022-03-18 | 合众新能源汽车有限公司 | 一种can通讯接口的hil测试方法、装置及电子设备 |
| CN114383856A (zh) * | 2021-11-30 | 2022-04-22 | 江铃汽车股份有限公司 | 一种车辆自动测试方法、装置、存储介质及设备 |
| CN115470109A (zh) * | 2022-08-24 | 2022-12-13 | 中汽创智科技有限公司 | 一种汽车仪表自动化测试方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115962961B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112633384A (zh) | 基于图像识别模型的对象识别方法、装置和电子设备 | |
| CN112966742A (zh) | 模型训练方法、目标检测方法、装置和电子设备 | |
| US20220351398A1 (en) | Depth detection method, method for training depth estimation branch network, electronic device, and storage medium | |
| CN113627361B (zh) | 人脸识别模型的训练方法、装置及计算机程序产品 | |
| CN116149304B (zh) | 一种车辆诊断系统、方法、设备及存储介质 | |
| US20230297557A1 (en) | Method for monitoring a state of an external data source, device, and medium | |
| CN115880536A (zh) | 数据处理方法、训练方法、目标对象检测方法及装置 | |
| CN113821433A (zh) | 云手机应用程序的测试方法、装置、设备、介质及产品 | |
| CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
| CN114970883A (zh) | 模型量化方法、装置、电子设备和存储介质 | |
| CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
| CN117056728A (zh) | 一种时间序列生成方法、装置、设备和存储介质 | |
| CN115962961B (zh) | Adas信号显示功能的测试系统以及方法 | |
| CN110717315A (zh) | 系统数据批量修改方法、装置、存储介质及电子设备 | |
| CN115964999A (zh) | 模型训练和文本生成方法、装置、电子设备和存储介质 | |
| CN114141236B (zh) | 语言模型更新方法、装置、电子设备及存储介质 | |
| CN113554062A (zh) | 多分类模型的训练方法、设备和存储介质 | |
| KR102379637B1 (ko) | 딥 러닝 인공신경망 기반 영상 인식 방법 및 시스템 | |
| CN113190154A (zh) | 模型训练、词条分类方法、装置、设备、存储介质及程序 | |
| CN108965039B (zh) | 一种基于流量监控的告警方法以及电子设备 | |
| KR20210057845A (ko) | 트레이닝 영상 데이터를 사용하여 딥러닝 프레임 워크 기반 영상 인식 방법 및 시스템 | |
| CN114494818B (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 | |
| CN115131562B (zh) | 三维场景分割方法、模型训练方法、装置和电子设备 | |
| CN113836291B (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN114926447B (zh) | 用于训练模型的方法、用于检测目标的方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |