CN116229708A - 基于v2i的路侧感知系统对交通目标的感知测试方法 - Google Patents

基于v2i的路侧感知系统对交通目标的感知测试方法 Download PDF

Info

Publication number
CN116229708A
CN116229708A CN202211614902.5A CN202211614902A CN116229708A CN 116229708 A CN116229708 A CN 116229708A CN 202211614902 A CN202211614902 A CN 202211614902A CN 116229708 A CN116229708 A CN 116229708A
Authority
CN
China
Prior art keywords
data
truth
test
vehicle
tested
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
Application number
CN202211614902.5A
Other languages
English (en)
Inventor
陈星筑
王龙翔
龚正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd
China Academy of Information and Communications Technology CAICT
Original Assignee
Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd
China Academy of Information and Communications Technology CAICT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd, China Academy of Information and Communications Technology CAICT filed Critical Xintong Institute Innovation Center For Internet Of Vehicles Chengdu Co ltd
Priority to CN202211614902.5A priority Critical patent/CN116229708A/zh
Publication of CN116229708A publication Critical patent/CN116229708A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于V2I的路侧感知系统对交通目标的感知测试方法,属于车联网领域。该感知测试方法包括以下步骤:S1:测试区域设计与选定:S2:开启测试流程与数据采集:S3:进行测试数据分析评测。相比于现有技术,本发明的有益效果是:通过对不同路口类型、测试区域进行设计,以车载真值系统的数据作为基准,对道路中的交通目标(如机动车、非机动车、行人)进行感知,能够从定位、速度、航向角、尺寸检测四个方面评价待测系统的运动学感知性能,更加全面、精准。

Description

基于V2I的路侧感知系统对交通目标的感知测试方法
技术领域:
本发明属于车联网领域,具体涉及一种基于V2I的路侧感知系统对交通目标的感知测试方法。
背景技术:
车路协同是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
路侧感知系统(Roadside Sensing System,RSS)是支撑网联自动驾驶,提升交通运行效率、缓解拥堵的重要手段。通过RSS系统为自动驾驶汽车提供超视距感知、盲区预警、驾驶意图等信息,是弥补单车自动驾驶感知局限的重要技术手段之一。
在车路协同应用中,路侧感知系统实现全局目标的实时矢量化和跟踪,其精准感知能力是路侧感知系统的关键。
基于此,现有技术中出现了多种用于评估路侧感知系统的性能的方案。
如公开号为CN114383649A的现有专利公开了一种基于高精度定位的路侧感知系统测试方法,包括有测试系统和路侧感知系统,测试系统包括有移动载体,测试系统以移动载体为参照获取交通参与者信息,并通过处理获取的交通参与者信息以输出交通参与者信息的参照状态信息;路侧感知系统获取到交通参与者的待测状态信息;将参照状态信息和待测状态信息进行对比分析,计算参照状态信息和待测状态信息之间的误差,根据计算出来的误差给出路侧感知系统的性能评估报告。
又如公开号为CN112816954A的现有专利公开了一种基于真值的路侧感知系统评测方法,包括以下步骤:建立真值感知设备组,在选定的测试时间区间,与待测的路侧感知系统RSS的感知设备同步进行路侧感知数据采集;对真值感知设备组回传的原始数据进行处理,完成目标类型识别和目标轨迹识别,完成感知数据标注;基于已标注数据生成真值,真值数据包括交通参与者目标类型、位置、速度、加速度、轨迹;在所述选定的测试时间区间,比较待测RSS输出的结构化感知数据和所述真值数据,输出感知性能的统计评测结果。
再如公开号为CN112382079A的现有专利公开了一种面向车路协同的路侧感知模拟仿真方法和系统,为路侧感知进行实际道路测试前提供一个虚拟环境进行仿真测试,借助仿真环境可以分析传感器实际安装前与环境之间的关系,可视化显示对应的工作效果,另外,通过仿真系统直接输出用于机器学习所需要的训练数据与测试数据。
上述专利均可对车路协同中路侧感知系统交通参与者感知能力进行测试评估,但其评估的对象是整体的交通参与者,包括有交通目标、交通事件、交通流等,并非专用于交通目标的感知能力评价。同时,上述专利也均是以常规的路侧感知系统测试方法为主,对不同路口类型、测试区域设计的考虑不细致和不完善。
发明内容
为解决上述问题,本发明的首要目的在于提供一种基于V2I的路侧感知系统对交通目标的感知测试方法,通过对不同路口类型、测试区域进行设计,以车载真值系统的数据作为基准,更加精准、全面的评价待测系统的对交通目标的运动学感知性能。
为实现上述目的,本发明的技术方案如下:
一种基于V2I的路侧感知系统对交通目标的感知测试方法,该感知测试方法包括以下步骤:
S1:测试区域设计与选定:根据测试场景的不同,将测试场景划分为长直道路和全息路口两类,并分别设定不同类型的测试区域,在测试区域内记录点位并标记序号;
S2:开启测试流程与数据采集:选定真值车在测试区域内进行行驶测试,真值车记录自车的真值数据,待测系统对测试区域的真值车进行目标感知,并输出结构化的感知数据;
S3:进行测试数据分析评测。
进一步地,所述步骤S1中的长直道路又称为“普通路口”。
进一步地,所述步骤S1中,长直道路设定的测试区域为四边形区域,记录6个点位并标记序号,包含矩形顶点4个和截面点2个;矩形区域分两种,一种以道路边界作为区域边界,即包含全部车道,另一种测试区域仅包含部分车道。
进一步地,所述步骤S1中,全息路口设定的测试区域为十字形区域,记录32个点位并标记序号。考虑到实际路口建设情况,这些点位记录的数量可自行确定,如果单独设定截面需要额外再记录8个点位。
进一步地,所述步骤S2包括有:
步骤S21:确定测试区域的范围。按照“东南-东-东北-北-西北-西-西南-南-东南”的顺序记录每个点位的经纬信息;
步骤S22:选定真值车进行测试,人工测量真值车的尺寸大小,输出真值车长、宽、高的值;
步骤S23:选定一个待测系统感知范围之外的地方作为真值车的起点,真值车从起点出发测试并记录自车行驶的真值数据;
步骤S24:真值车以正常城市交通行驶速度行驶,沿车道从入口方向进入,并经过划定的测试区域;
步骤S25:真值车离开测试区域,并停止自车的真值数据采集;
步骤S26:若测试区域内包含转弯道路,则重复S23-S25,直到遍历完成所有车道,且沿着车道规则完成路线行驶(即直行道直行,转弯道则转弯,若该车道同时可直行和转弯,则先进行直行,下一次测试再执行转弯);
若测试区域内仅只有直行道,则重复步骤S23-S25,直到遍历完成所有车道后,再额外进行重复至少2次步骤S23-S25,并要求在额外重复的步骤S24中真值车以曲线“S形”行驶,且跨越至少2个车道的运动方式经过测试区域;在本申请中,真值车以曲线“S形”行驶重复步骤S23-S25,保证在长直道路的测试场景中,也能够采集到车辆转弯的数据,保证采集的数据的完整。
步骤S27:对真值车采集的真值数据以及待测系统对真值车的感知数据进行处理,输出时间戳,及时间戳对应的车辆信息,真值车输出的真值数据为Sgt,待测系统输出的待测数据为Sdut,Sdut中的内容仅包含对真值车进行感知的数据。
进一步地,步骤S23中,真值车在待测系统感知范围外,要求与待测系统位置的距离在400米以上。
进一步地,步骤S24中,真值车的行驶速度为20-60km/h。
进一步地,步骤S25中,真值车离开测试区域后,需额外再行驶一段至少150米的距离,再停止自车的数据采集,以保证真值数据的完整。
进一步地,步骤S27中,车辆信息包括有目标物经、纬度、高程,尺寸等信息。
进一步地,所述步骤S3包括有:
S31:统一路侧真值系统与待测系统的定位参考点;
S32:以全部测试数据中的经纬度信息和测试区域的经纬度信息为依据,筛选出所有在测试区域范围内的数据,作为有效评测数据;
S33:在S32中筛选出的有效数据中,将待测数据Sdut和真值数据Sgt进行关联,建立关联关系;
S34:以S33中建立关联关系后的数据为基础,对于Sdut中的每一个点,在Sgt中找到与之时间相同的点,计算每个点对位置之间的欧氏距离,并最终取平均值作为定位误差;同理,计算每个点对的速度差值的绝对值,并最终取平均值作为测速误差;计算每个点对的航向角的差值绝对值,并最终取平均值作为航向角检测误差;每个点对的三维尺寸长、宽、高误差,并最终取平均值作为尺寸检测误差;
S35:统计所有测试轮次的误差计算结果,设定定位误差、速度误差、航向角误差、尺寸检测误差各项的阈值,当满足有效性的条件时,则确认该轮次的误差计算结果有效,否则该轮次数据无效;
S36:基于各个测试轮次的有效误差计算结果,每项指标再次进行平均即求得最终的系统的定位精度、速度精度、航向角精度、尺寸检测精度。
进一步地,所述定位参考点即局部切平面坐标系的原点,用于确定对真值车的坐标位置。
进一步地,全部测试数据包括有测试区域内和测试区域外的数据。
进一步地,在步骤S33中,对数据进行关联的方式包括有两种,分别为:
数据关联方式1:在有效评测数据中,以待测数据Sdut中的每一个时间戳为基准,对真值数据Sgt作插值处理,使得对于Sdut中的每一点都可在Sgt中找到与之时间相同的位置点,从而建立待测数据Sdut和真值数据Sgt的关联关系;
数据关联方式2:在有效评测数据中,以待测数据Sdut中的每一个时间戳为基准,对真值数据Sgt中的时间戳进行纵向搜索,然后取相差最小值,即最相邻时间戳,最终将真值数据Sgt和待测数据Sdut形成基于时间戳的关联关系。
进一步地,步骤S34中,定位误差的计算公式为:
Figure BDA0004000137990000051
式中:
i——待测系统输出数据中的帧;
pi——待测系统中第i帧的二维平面位置向量;
Figure BDA0004000137990000061
——真值车第i帧在二维平面中的位置向量;
||·||——欧氏距离;
M——统计时间内待测系统检测到的样本总量。
速度误差的计算公式为:
Figure BDA0004000137990000062
式中:
i——待测系统输出数据中的帧;
vi——待测系统在第i帧的速度;
Figure BDA0004000137990000063
——真值车第i帧的速度;
M——统计时间内待测系统检测到的样本总量。
航向角误差的计算公式为:
Figure BDA0004000137990000064
式中:
i——待测系统输出数据中的帧;
αi——待测系统在第i帧的航向角;
Figure BDA0004000137990000065
——真值车第i帧的航向角;
M——统计时间内待测系统检测到的样本总量。
尺寸检测误差的计算公式为:真值车的真实尺寸经测量为lz(长),wz(宽)和hz(高),待测系统感知后的输出值为li,wi和hi,则尺寸检测精度为:
Ed=mean((|li-lz|+|wi-wz|+|hi-hz|)/3))
式中:
i——待测系统输出数据中的帧;
mean(·)——统计时间内待测系统检测到的样本数据求平均数。
进一步地,S35中的有效性的判断条件包括有:
定位误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的定位误差≤定位误差阈值,阈值默认为1.5m,如不满足,则以阈值以0.25m增加,直到阈值等于5m时终止;
速度误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的速度误差≤速度误差阈值,阈值默认2m/s;
航向角误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的航向角误差≤航向角误差阈值,阈值默认10°;
尺寸检测误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的尺寸检测误差≤尺寸检测误差阈值,阈值默认1m。
相比于现有技术,本发明的有益效果是:通过对不同路口类型、测试区域进行设计,以车载真值系统的数据作为基准,对道路中的交通目标(如机动车、非机动车、行人)进行感知,能够从定位、速度、航向角、尺寸检测四个方面评价待测系统的运动学感知性能,更加全面、精准。
附图说明
图1是本发明的测试流程图。
图2是本发明的长直道路的测试区域图。
图3是本发明的全息路口的测试区域图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1-3所示,本发明的实现如下:
一种基于V2I的路侧感知系统对交通目标的感知测试方法,该感知测试方法包括以下步骤:
S1:测试区域设计与选定:根据测试场景的不同,将测试场景划分为长直道路和全息路口两类,并分别设定不同类型的测试区域,在测试区域内记录点位并标记序号;
S2:开启测试流程与数据采集:选定真值车在测试区域内进行行驶测试,真值车记录自车的真值数据,待测系统对测试区域的真值车进行目标感知,并输出结构化的感知数据;
S3:进行测试数据分析评测。
进一步地,所述步骤S1中的长直道路又称为“普通路口”。
进一步地,所述步骤S1中,长直道路设定的测试区域为四边形区域,记录6个点位并标记序号,包含矩形顶点4个和截面点2个,截面点在蓝色虚线上;矩形区域分两种,一种以道路边界作为区域边界,即包含全部车道,如图2中A(a)所示,另一种测试区域仅包含部分车道,如图2中A(b)所示。
进一步地,所述步骤S1中,全息路口设定的测试区域为十字形区域,记录32个点位并标记序号,如图3所示。考虑到实际路口建设情况,这些点位记录的数量可自行确定,如果单独设定截面需要额外再记录8个点位。
进一步地,所述步骤S2包括有:
步骤S21:确定测试区域的范围。按照“东南-东-东北-北-西北-西-西南-南-东南”的顺序记录每个点位的经纬信息;
步骤S22:选定真值车进行测试,人工测量真值车的尺寸大小,输出真值车长、宽、高的值;
步骤S23:选定一个待测系统感知范围之外的地方作为真值车的起点,真值车从起点出发测试并记录自车行驶的真值数据;
步骤S24:真值车以正常城市交通行驶速度行驶,沿车道从入口方向进入,并经过划定的测试区域;
步骤S25:真值车离开测试区域,并停止自车的真值数据采集;
步骤S26:若测试区域内包含转弯道路,则重复S23-S25,直到遍历完成所有车道(顺序不做要求),且沿着车道规则完成路线行驶(即直行道直行,转弯道则转弯,若该车道同时可直行和转弯,则先进行直行,下一次测试再执行转弯);
若测试区域内仅只有直行道,则重复步骤S23-S25,直到遍历完成所有车道后(顺序不做要求),再额外进行重复至少2次步骤S23-S25,并要求在额外重复的步骤S24中真值车以曲线“S形”行驶,且跨越至少2个车道的运动方式经过测试区域;在本申请中,真值车以曲线“S形”行驶重复步骤S23-S25,保证在长直道路的测试场景中,也能够采集到车辆转弯的数据,保证采集的数据的完整。
步骤S27:对真值车采集的真值数据以及待测系统对真值车的感知数据进行处理,输出时间戳,及时间戳对应的车辆信息,真值车输出的真值数据为Sgt,待测系统输出的待测数据为Sdut,Sdut中的内容仅包含对真值车进行感知的数据。
进一步地,步骤S23中,真值车在待测系统感知范围外,要求与待测系统位置的距离在400米以上。
进一步地,步骤S24中,真值车的行驶速度为20-60km/h。
进一步地,步骤S25中,真值车离开测试区域后,需额外再行驶一段至少150米的距离,再停止自车的数据采集,以保证真值数据的完整。
进一步地,步骤S27中,车辆信息包括有目标物经、纬度、高程,尺寸等信息。
进一步地,所述步骤S3包括有:
S31:统一路侧真值系统与待测系统的定位参考点;
S32:以全部测试数据中的经纬度信息和测试区域的经纬度信息为依据,筛选出所有在测试区域范围内的数据,作为有效评测数据;
S33:在S32中筛选出的有效数据中,将待测数据Sdut和真值数据Sgt进行关联,建立关联关系;
S34:以S33中建立关联关系后的数据为基础,对于Sdut中的每一个点,在Sgt中找到与之时间相同的点,计算每个点对位置之间的欧氏距离,并最终取平均值作为定位误差;同理,计算每个点对的速度差值的绝对值,并最终取平均值作为测速误差;计算每个点对的航向角的差值绝对值,并最终取平均值作为航向角检测误差;每个点对的三维尺寸长、宽、高误差,并最终取平均值作为尺寸检测误差;
S35:统计所有测试轮次的误差计算结果,设定定位误差、速度误差、航向角误差、尺寸检测误差各项的阈值,当满足有效性的条件时,则确认该轮次的误差计算结果有效,否则该轮次数据无效;
S36:基于各个测试轮次的有效误差计算结果,每项指标再次进行平均即求得最终的系统的定位精度、速度精度、航向角精度、尺寸检测精度。
进一步地,所述定位参考点即局部切平面坐标系的原点,用于确定对真值车的坐标位置。
进一步地,全部测试数据包括有测试区域内和测试区域外的数据。
进一步地,在步骤S33中,对数据进行关联的方式包括有两种,分别为:
数据关联方式1:在有效评测数据中,以待测数据Sdut中的每一个时间戳为基准,对真值数据Sgt作插值处理,使得对于Sdut中的每一点都可在Sgt中找到与之时间相同的位置点,从而建立待测数据Sdut和真值数据Sgt的关联关系;
数据关联方式2:在有效评测数据中,以待测数据Sdut中的每一个时间戳为基准,对真值数据Sgt中的时间戳进行纵向搜索(即搜索相邻值,包含往前和往后搜索),然后取相差最小值,即最相邻时间戳,最终将真值数据Sgt和待测数据Sdut形成基于时间戳的关联关系。
进一步地,步骤S34中,定位误差的计算公式为:
Figure BDA0004000137990000101
式中:
i——待测系统输出数据中的帧;
pi——待测系统中第i帧的二维平面位置向量;
Figure BDA0004000137990000102
——真值车第i帧在二维平面中的位置向量;
||·||——欧氏距离;
M——统计时间内待测系统检测到的样本总量。
速度误差的计算公式为:
Figure BDA0004000137990000111
式中:
i——待测系统输出数据中的帧;
vi——待测系统在第i帧的速度,m/s;
Figure BDA0004000137990000112
——真值车第i帧的速度,m/s;
M——统计时间内待测系统检测到的样本总量。
航向角误差的计算公式为:
Figure BDA0004000137990000113
式中:
i——待测系统输出数据中的帧;
αi——待测系统在第i帧的航向角,单位为度;
Figure BDA0004000137990000114
——真值车第i帧的航向角,单位为度;
M——统计时间内待测系统检测到的样本总量。
尺寸检测误差的计算公式为:真值车的真实尺寸经测量为lz(长),wz(宽)和hz(高),待测系统感知后的输出值为li,wi和hi,则尺寸检测精度为:
Ed=mean((|li-lz|+|wi-wz|+|hi-hz|)/3))
式中:
i——待测系统输出数据中的帧;
mean(·)——统计时间内待测系统检测到的样本数据求平均数。
进一步地,S35中的有效性的判断条件包括有:
定位误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的定位误差≤定位误差阈值,阈值默认为1.5m,如不满足,则以阈值以0.25m增加,直到阈值等于5m时终止;
速度误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的速度误差≤速度误差阈值,阈值默认2m/s;
航向角误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的航向角误差≤航向角误差阈值,阈值默认10°;
尺寸检测误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的尺寸检测误差≤尺寸检测误差阈值,阈值默认1m。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,该感知测试方法包括以下步骤:
S1:测试区域设计与选定:根据测试场景的不同,将测试场景划分为长直道路和全息路口两类,并分别设定不同类型的测试区域,在测试区域内记录点位并标记序号;
S2:开启测试流程与数据采集:选定真值车在测试区域内进行行驶测试,真值车记录自车的真值数据,待测系统对测试区域的真值车进行目标感知,并输出结构化的感知数据;
S3:进行测试数据分析评测。
2.如权利要求1所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,所述步骤S1中,长直道路设定的测试区域为四边形区域,记录6个点位并标记序号,包含矩形顶点4个和截面点2个。
3.如权利要求1所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,所述步骤S1中,全息路口设定的测试区域为十字形区域,记录32个点位并标记序号。
4.如权利要求1所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,所述步骤S2包括有:
步骤S21:确定测试区域的范围。按照“东南-东-东北-北-西北-西-西南-南-东南”的顺序记录每个点位的经纬信息;
步骤S22:选定真值车进行测试,人工测量真值车的尺寸大小,输出真值车长、宽、高的值;
步骤S23:选定一个待测系统感知范围之外的地方作为真值车的起点,真值车从起点出发测试并记录自车行驶的真值数据;
步骤S24:真值车以正常城市交通行驶速度行驶,沿车道从入口方向进入,并经过划定的测试区域;
步骤S25:真值车离开测试区域,并停止自车的真值数据采集;
步骤S26:若测试区域内包含转弯道路,则重复S23-S25,直到遍历完成所有车道,且沿着车道规则完成路线行驶;
若测试区域内仅只有直行道,则重复步骤S23-S25,直到遍历完成所有车道后,再额外进行重复至少2次步骤S23-S25,并要求在额外重复的步骤S24中真值车以曲线“S形”行驶,且跨越至少2个车道的运动方式经过测试区域;
步骤S27:对真值车采集的真值数据以及待测系统对真值车的感知数据进行处理,输出时间戳,及时间戳对应的车辆信息,真值车输出的真值数据为Sgt,待测系统输出的待测数据为Sdut,Sdut中的内容仅包含对真值车进行感知的数据。
5.如权利要求4所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,步骤S23中,真值车在待测系统感知范围外,要求与待测系统位置的距离在400米以上;步骤S24中,真值车的行驶速度为20-60km/h;步骤S25中,真值车离开测试区域后,需额外再行驶一段至少150米的距离,再停止自车的数据采集,以保证真值数据的完整;步骤S27中,车辆信息包括有目标物经、纬度、高程,尺寸等信息。
6.如权利要求1所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,所述步骤S3包括有:
S31:统一路侧真值系统与待测系统的定位参考点;
S32:以全部测试数据中的经纬度信息和测试区域的经纬度信息为依据,筛选出所有在测试区域范围内的数据,作为有效评测数据;
S33:在S32中筛选出的有效数据中,将待测数据Sdut和真值数据Sgt进行关联,建立关联关系;
S34:以S33中建立关联关系后的数据为基础,对于Sdut中的每一个点,在Sgt中找到与之时间相同的点,计算每个点对位置之间的欧氏距离,并最终取平均值作为定位误差;同理,计算每个点对的速度差值的绝对值,并最终取平均值作为测速误差;计算每个点对的航向角的差值绝对值,并最终取平均值作为航向角检测误差;每个点对的三维尺寸长、宽、高误差,并最终取平均值作为尺寸检测误差;
S35:统计所有测试轮次的误差计算结果,设定定位误差、速度误差、航向角误差、尺寸检测误差各项的阈值,当满足有效性的条件时,则确认该轮次的误差计算结果有效,否则该轮次数据无效;
S36:基于各个测试轮次的有效误差计算结果,每项指标再次进行平均即求得最终的系统的定位精度、速度精度、航向角精度、尺寸检测精度。
7.如权利要求6所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,全部测试数据包括有测试区域内和测试区域外的数据。
8.如权利要求6所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,在步骤S33中,对数据进行关联的方式包括有两种,分别为:
数据关联方式1:在有效评测数据中,以待测数据Sdut中的每一个时间戳为基准,对真值数据Sgt作插值处理,使得对于Sdut中的每一点都可在Sgt中找到与之时间相同的位置点,从而建立待测数据Sdut和真值数据Sgt的关联关系;
数据关联方式2:在有效评测数据中,以待测数据Sdut中的每一个时间戳为基准,对真值数据Sgt中的时间戳进行纵向搜索,然后取相差最小值,即最相邻时间戳,最终将真值数据Sgt和待测数据Sdut形成基于时间戳的关联关系。
9.如权利要求6所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,步骤S34中,定位误差的计算公式为:
Figure FDA0004000137980000031
式中:
i——待测系统输出数据中的帧;
pi——待测系统中第i帧的二维平面位置向量;
Figure FDA0004000137980000032
——真值车第i帧在二维平面中的位置向量;
||·||——欧氏距离;
M——统计时间内待测系统检测到的样本总量;
速度误差的计算公式为:
Figure FDA0004000137980000041
式中:
i——待测系统输出数据中的帧;
vi——待测系统在第i帧的速度;
Figure FDA0004000137980000042
——真值车第i帧的速度;
M——统计时间内待测系统检测到的样本总量;
航向角误差的计算公式为:
Figure FDA0004000137980000043
式中:
i——待测系统输出数据中的帧;
αi——待测系统在第i帧的航向角;
Figure FDA0004000137980000044
——真值车第i帧的航向角;
M——统计时间内待测系统检测到的样本总量;
尺寸检测误差的计算公式为:真值车的真实尺寸经测量为lz(长),wz(宽)和hz(高),待测系统感知后的输出值为li,wi和hi,则尺寸检测精度为:
Ed=mean((|li-lz|+|wi-wz|+|hi-hz|)/3)),式中:
i——待测系统输出数据中的帧;
mean(·)——统计时间内待测系统检测到的样本数据求平均数。
10.如权利要求6所述的基于V2I的路侧感知系统对交通目标的感知测试方法,其特征在于,S35中的有效性的判断条件包括有:
定位误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的定位误差≤定位误差阈值,阈值默认为1.5m,如不满足,则以阈值以0.25m增加,直到阈值等于5m时终止;
速度误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的速度误差≤速度误差阈值,阈值默认2m/s;
航向角误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的航向角误差≤航向角误差阈值,阈值默认10°;
尺寸检测误差的计算结果有效性条件为:任意测试轮次中连续10帧数据的尺寸检测误差≤尺寸检测误差阈值,阈值默认1m。
CN202211614902.5A 2022-12-15 2022-12-15 基于v2i的路侧感知系统对交通目标的感知测试方法 Pending CN116229708A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211614902.5A CN116229708A (zh) 2022-12-15 2022-12-15 基于v2i的路侧感知系统对交通目标的感知测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211614902.5A CN116229708A (zh) 2022-12-15 2022-12-15 基于v2i的路侧感知系统对交通目标的感知测试方法

Publications (1)

Publication Number Publication Date
CN116229708A true CN116229708A (zh) 2023-06-06

Family

ID=86581381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211614902.5A Pending CN116229708A (zh) 2022-12-15 2022-12-15 基于v2i的路侧感知系统对交通目标的感知测试方法

Country Status (1)

Country Link
CN (1) CN116229708A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116824869A (zh) * 2023-08-31 2023-09-29 国汽(北京)智能网联汽车研究院有限公司 车路云一体化交通融合感知测试方法、装置、系统及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116824869A (zh) * 2023-08-31 2023-09-29 国汽(北京)智能网联汽车研究院有限公司 车路云一体化交通融合感知测试方法、装置、系统及介质
CN116824869B (zh) * 2023-08-31 2023-11-24 国汽(北京)智能网联汽车研究院有限公司 车路云一体化交通融合感知测试方法、装置、系统及介质

Similar Documents

Publication Publication Date Title
CN109272756B (zh) 一种信控交叉口排队长度估计方法
CN104021676B (zh) 基于车辆动态视频特征的车辆定位及车速测量方法
Zhang et al. Integration of GPS traces with road map
CN102208013B (zh) 风景匹配参考数据生成系统和位置测量系统
CN109544932A (zh) 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法
CN111027430B (zh) 一种面向无人车智能评估的交通场景复杂度计算方法
CN104318781B (zh) 基于rfid技术的行程速度获取方法
CN110414803B (zh) 不同网联程度下自动驾驶系统智能水平的测评方法及装置
CN108922193B (zh) 一种基于浮动车轨迹数据的交叉口信号周期估计方法
CN104750963A (zh) 交叉口延误时长估计方法及装置
Zheng et al. Background noise filtering and clustering with 3D LiDAR deployed in roadside of urban environments
CN111402613A (zh) 一种自动驾驶车辆收费站车道选择方法
CN104900057A (zh) 一种城市快速路主辅道的浮动车地图匹配方法
CN101131796A (zh) 一种道路交通参数检测装置及检测方法
CN116229708A (zh) 基于v2i的路侧感知系统对交通目标的感知测试方法
CN110363988B (zh) 一种交叉口车辆通行效率的计算系统及方法
CN110675631A (zh) 一种交通流溯源分析方法及系统
Chen et al. A cooperative perception environment for traffic operations and control
CN117198057A (zh) 一种面向路侧感知轨迹数据质量检评的实验方法及系统
Ghaffarpasand et al. Telematics data for geospatial and temporal mapping of urban mobility: New insights into travel characteristics and vehicle specific power
CN116170347A (zh) 一种车联网路侧感知系统时频性能测试方法
Li et al. A feature-based approach to large-scale freeway congestion detection using full cellular activity data
Kang et al. Road gradient estimation using smartphones: Towards accurate estimation on fuel consumption and air pollution emission on roads
Herath et al. A Comparison of speed data by different speed detection techniques
CN116416780A (zh) 一种路侧感知系统的测试方法、装置、测试设备和介质

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