CN116416779A - 一种路侧感知系统的测试方法、装置、测试设备和介质 - Google Patents
一种路侧感知系统的测试方法、装置、测试设备和介质 Download PDFInfo
- Publication number
- CN116416779A CN116416779A CN202111644860.5A CN202111644860A CN116416779A CN 116416779 A CN116416779 A CN 116416779A CN 202111644860 A CN202111644860 A CN 202111644860A CN 116416779 A CN116416779 A CN 116416779A
- Authority
- CN
- China
- Prior art keywords
- data
- tested
- truth
- road side
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 259
- 230000008447 perception Effects 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 23
- 238000010998 test method Methods 0.000 claims description 20
- 230000007613 environmental effect Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- -1 license plates Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于智能交通技术领域,提供了一种路侧感知系统的测试方法、装置、测试设备和介质。其中,上述路侧感知系统的测试方法应用于测试平台,测试方法具体包括:获取由真值设备采集的真值数据,并实时获取由路侧感知系统采集的初始待测试数据,通过测试平台的数据记录单元对待测试数据进行处理,得到待测试数据;从待测试数据中筛选出与真值数据中交通参与者对应的目标待测试数据;根据对齐时间的真值数据和目标待测试数据,确定路侧感知系统的测试结果。本申请的实施例可以有效地评估路侧感知系统的能力,进而确保路侧感知系统提供的数据的准确性。
Description
技术领域
本申请属于智能交通技术领域,尤其涉及一种路侧感知系统的测试方法、装置、测试设备和介质。
背景技术
随着我国智能交通的迅速发展,而路侧感知系统作为其重要组成部分,规模化部署在亟。路侧感知系统常由路侧感知单元、数据传输单元、路侧计算单元、附属配套设施等组成,路侧感知单元的产品种类繁多,比如激光雷达和摄像头组合,毫米波雷达和摄像头的组合等。
路端最终是要为车端服务的。目前缺少一套评测方式,在投入使用之前评估路侧感知系统的能力。若路侧感知系统提供的数据准确性不足,这些数据将无法用于车端,也成为掣肘自动驾驶技术的关键因素之一。
发明内容
本申请实施例提供一种路侧感知系统的测试方法、装置、测试设备和介质,可以有效地评估路侧感知系统的能力,进而确保路侧感知系统提供的数据的准确性。
本申请实施例第一方面提供一种路侧感知系统的测试方法,应用于测试平台,所述测试方法包括:
获取由真值设备采集的真值数据;所述真值数据包含时间戳;所述真值数据中包含至少一个交通参与者,以及所述交通参与者对应的移动状态;
实时获取由路侧感知系统采集的初始待测试数据,并通过所述测试平台的数据记录单元对所述待测试数据进行处理,得到待测试数据;所述真值数据中的交通参与者位于所述路侧感知系统的感知范围;
从所述待测试数据中筛选出与所述真值数据中交通参与者对应的目标待测试数据;
根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果。
本申请实施例第二方面提供的一种路侧感知系统的测试装置,配置于测试平台,所述测试装置包括:
真值数据获取单元,用于获取由真值设备采集的真值数据;所述真值数据包含时间戳;所述真值数据中包含至少一个交通参与者,以及所述交通参与者对应的移动状态;
待测试数据获取单元,用于实时获取由路侧感知系统采集的初始待测试数据,并通过所述测试平台的数据记录单元对所述待测试数据进行处理,得到待测试数据;所述真值数据中的交通参与者位于所述路侧感知系统的感知范围;
筛选单元,用于从所述待测试数据中筛选出与所述真值数据中交通参与者对应的目标待测试数据;
测试单元,用于根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果。
本申请实施例第三方面提供一种测试设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述测试方法的步骤。
本申请实施例第四方面提供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程序,所述计算机程序被处理器执行时实现上述测试方法的步骤。
本申请实施例第五方面提供了一种计算机程序产品,当计算机程序产品在测试设备上运行时,使得测试设备执行时实现测试方法的步骤。
本申请的实施方式中,测试平台通过获取由真值设备采集的真值数据,以及实时获取由路侧感知系统采集的初始待测试数据,通过测试平台的数据记录单元对所述待测试数据进行处理,得到待测试数据,可以避免路侧感知系统为了结果更准确修改时间戳的作弊行为,确保了测试结果的公正性,然后,从待测试数据中筛选出与真值数据中交通参与者对应的目标待测试数据,最后根据对齐时间的真值数据和目标待测试数据,确定路侧感知系统的测试结果,能够准确地找出能与真值设备比对的数据,并根据真值数据和目标待测试数据,确定路侧感知系统的测试结果,保证了测试结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种路侧感知系统的测试方法的实现流程示意图;
图2是本申请实施例提供的测试平台的结构示意图;
图3是本申请实施例提供的路侧感知系统的架构示意图;
图4是本申请实施例提供的显示设备上所显示的内容的示意图;
图5是本申请实施例提供的真值经纬度对应位置和待测试经纬度对应位置的示意图;
图6是本申请实施例提供的参考线与真值经纬度对应的位置的示意图;
图7是本申请实施例提供的一种路侧感知系统的测试装置的结构示意图;
图8是本申请实施例提供的测试设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护。
随着我国智能交通的迅速发展,而路侧感知系统作为其重要组成部分,规模化部署在亟。但是,目前缺少一套评测方式,在投入使用之前评估路侧感知系统的能力。若路侧感知系统提供的数据准确性不足,这些数据将无法用于车端。
因此,本申请提出了一种路侧感知系统的测试方法,可以应用在测试平台上,通过测试平台对路侧感知系统的能力进行评估,得到准确的测试结果,进而使得投入使用的路侧感知系统能够提供准确的数据。
为了说明本申请的技术方案,下面通过具体实施例来进行说明。
图1示出了本申请实施例提供的一种路侧感知系统的测试方法的实现流程示意图,该测试方法可以应用于测试平台上,可适用于需评估路侧感知系统的能力的情形。
请参看图2,在本申请的一些实施方式中,上述测试平台可以是计算机、平板电脑等具有运行测试程序(可以是软件程序)能力的测试设备。该测试平台用于通过有线和/或无线的传输方式获取由真值设备发送的真值数据,以及由路侧感知系统采集到的待测试数据,进而对路侧感知系统的能力进行评估。
具体的,路侧感知系统的全称为车路协同路侧感知与计算系统,主要由路侧感知单元、数据传输单元、路侧计算单元、附属配套设施等组成,一些情况下还包括外部设施/系统。路侧感知系统的组成架构如图3所示。
其中,路侧感知单元用于提取道路交通状态的各类要素,如交通参与者的运动学信息、判定交通事件触发的信息、计算交通流相关指标的支撑信息等,宜包括摄像机、毫米波雷达、激光雷达等交通检测器,宜包括用于气象状态感知、道路状态监测等场景的传统交通检测器。考虑到路侧感知单元的选择与系统支持的应用场景有关,本申请对路侧感知单元的具体组成不作限定。
外部设施/系统用于为闯红灯预警、浮动车信息采集、感知数据共享等特定场景提供感知信源,宜包括信号机、RSU(透传车载终端数据)、云平台、交通管控系统等外部设施或系统。
数据传输设备用于系统组成设备之间以及系统与外部设备/系统进行通信,包括各类有线或无线通讯设施。
路侧计算单元用于对路侧感知单元的原始数据或结果数据进行存储、融合处理分析,生成较高精度的感知结果信息,本申请对路侧计算单元的具体部署形态不作限定。
附属配套设施用于为系统提供部署、供电、时间同步、信息安全等支撑服务的相关设备。
具体的,上述路侧感知系统的测试方法可以包括以下步骤S101至步骤S104。
步骤S101,获取由真值设备采集的真值数据。
其中,上述真值数据中可以包含至少一个交通参与者,以及交通参与者对应的移动状态。真值设备为设定的提供针对测试数据的评测进行对照的设备,一般情况下,真值设备获取的数据的精度需符合要求。该真值设备可以为真值车,也可能为真值路侧设备。例如,在评测路侧感知设备的定位精度时,该真值设备可以是真值车,但是在评测感知路侧设备的追踪准确率时,该真值设备则是路侧真值设备。因此,可以认为,在选择真值设备的组成时,可以根据实际的评测需求进行选择。
在本申请的实施方式中,交通参与者可以具体指参与交通行为的行人、非机动车(如自行车、电瓶车、三轮车等)和机动车(如摩托车、小汽车、面包车、卡车、大巴车等)等。
在一些实施方式中,上述真值设备可以为真值车,真值车上安装有高精定位模块,相应的,测试平台所获取到的真值数据中包含的交通参与者为真值车,交通参与者对应的移动状态为真值车的实时位置,速度,航向角。
具体的,上述安装高精定位模块可以指GPS定位系统、惯性导航系统以及其他用于进行信息采集的系统,其定位精度可以达到厘米级,数据输出频率可以达到100Hz。真值车可以在路侧感知系统感知范围内的车道中行驶,由真值车在行驶的过程中,实时地通过Wifi、蓝牙等无线通讯方式向测试平台发送真值数据。
在另一些实施方式中,上述真值设备还可以为路侧真值设备。其中,路侧真值设备用于与路侧感知系统进行同步感知,获取路侧真值数据。测试平台所获取到的路侧真值数据可以包含时间戳。需要说明的是,路侧真值设备的感知精度应符合预设要求,预设要求可以根据实际情况进行设置。
相应的,真值数据包含路侧真值数据。真值数据中包含的交通参与者为路侧真值设备感知到的所有交通参与者,路侧真值设备可以为感知到的交通参与者分配身份标识,以唯一标识每个交通参与者。交通参与者对应的移动状态则可以包括交通参与者的位置,速度,航向角以及尺寸等。
步骤S102,实时获取由路侧感知系统采集的初始待测试数据,并通过测试平台的数据记录单元对待测试数据进行处理,得到待测试数据。
请参看图2,在本申请的一些实施方式中,路侧感知系统可以通过路侧感知单元实时地采集场景内交通参与者的各类要素,并将信息发送至路侧计算单元。路侧计算单元在接收到信息之后,可以进行数据的处理与分析,得到场景中每个交通参与者的初始待测试数据,例如交通参与者的经度、纬度、速度、航向角、长度、宽度、高度等等,同时还可以得到每个数据对应的帧号。
为了方便比对,在本申请的一些实施方式中,上述测试平台可以包括数据记录单元,测试平台可以通过测试平台的数据记录单元为初始待测试数据赋时间戳,以获取待测试数据。真值设备与数据记录单元统一授时。
其中,时间戳用于表征对应数据的发生时刻。具体的,数据记录单元可以将初始待测试数据按照交通参与者和对应的时刻进行分类,并为同一时刻的初始待测试数据打上相同的时间戳,得到每个交通参与者对应的待测试数据。
在本申请的实施方式中,由测试平台负责时间戳的处理工作,可以避免路侧感知系统为了结果更准确而修改时间戳的作弊行为,能够确保测试结果的公正性。
步骤S103,从待测试数据中筛选出与真值数据中交通参与者对应的目标待测试数据。
在本申请的实施方式中,由于待测试数据中包含路侧感知系统感知范围内各个交通参与者的数据,因此,测试平台需要进一步从待测试数据中筛选出与真值数据中交通参与者对应的目标待测试数据,才能够与真值数据进行比对。
在本申请的一些实施方式中,测试平台可以连接有显示设备。测试平台通过对待测试数据进行分析,得到各个交通参与者的待测试数据,接着,通过显示设备将真值数据以及待测试数据进行显示,并接收用户对交通参与者的选中操作,进而从待测试数据中筛选出与选中操作关联的目标待测试数据。
具体的,上述测试平台可以对待测试数据进行分类,得到每个交通参与者的待测试数据,并为每个交通参与者赋予一个身份标识,然后通过显示模块,显示路侧感知系统感知范围的场景并在场景中每个交通参与者对应的位置显示交通参与者的身份标识。图4示出了上述显示设备上所显示的内容的一种示意图。
用户基于显示设备显示的内容,可以通过选择操作、输入操作等方式,选中其中的路侧真值设备感知到的所有交通参与者。测试平台在接收到用户的选中操作之后,即可从待测试数据中筛选出与选中操作关联的交通参与者的目标待测试数据。
本申请的实施方式中,通过可视化界面,显示可实时观测的身份标识,可以便于目标待测试数据的筛选。
在本申请的另一些实施方式中,当上述待测试数据包括场景的场景图像时,测试平台可以获取路侧真值设备感知到的所有交通参与者的交通参与者特征,并从场景图像中识别出各个交通参与者的特征,然后,确认出特征与路侧真值设备感知到的所有交通参与者的特征相同的交通参与者,以从待测试数据中筛选出与路侧真值设备感知到的所有交通参与者对应的目标待测试数据。
其中,上述交通参与者的特征可以包括交通参与者的颜色、车牌、车型等。在本申请的一些实施方式中,工作人员可以提前在测试平台中配置好路侧真值设备感知到的所有交通参与者的特征,由测试平台根据配置好的特征进行匹配,从待测试数据中筛选出与路侧真值设备感知到的所有交通参与者对应的目标待测试数据。
需要说明的是,从识别特征的方式可以根据实际情况进行选择,例如可以通过边缘检测、深度学习等方式实现。
在本申请的另一些实施方式中,上述测试平台还可以获取路侧真值设备感知到的每个交通参与者所处环境的目标环境特征,并从场景图像中识别出场景内各个区域的环境特征,然后根据环境特征与目标环境特征相同的区域,预估路侧真值设备感知到的每个交通参与者的实时位置,并根据实时位置,从待测试数据中筛选出与路侧真值设备感知到的所有交通参与者对应的目标待测试数据。
其中,上述目标环境特征可以交通参与者所处环境的景观、前后车辆等。在本申请的一些实施方式中,真值设备可以用于采集交通参与者所处的环境图像,然后从环境图像中识别目标环境特征。同样的,测试平台可以将目标场景划分成不同的区域,然后从场景图像中识别每个区域的环境特征。此时,根据目标环境特征进行匹配,可以找到环境特征与目标环境特征相同的区域,进而预估交通参与者所处的实时位置,然后从待测试数据中筛选出与路侧真值设备感知到的所有交通参与者对应的目标待测试数据。
同样的,识别环境特征的方式可以根据实际情况进行选择,例如可以通过边缘检测、深度学习等方式实现。
上述方式可以使测试平台在未知交通参与者的实时位置的情况下准确地筛选出目标待测试数据。而如果测试平台可以获取到交通参与者所在的实时位置,则可以根据交通参与者所在的实时位置,从待测试数据中筛选出与路侧真值设备感知到的所有交通参与者对应的目标待测试数据。
实际应用中,上述目标环境特征、实时位置和/或交通参与者的特征,均可以由工作人员提供。
步骤S104,根据对齐时间的真值数据和目标待测试数据,确定路侧感知系统的测试结果。
具体的,测试平台可以将目标测试数据按照类型分别与对应的真值数据进行比对,根据两者之间的误差确定每一类型的数据的精准程度,例如将误差与预先设置好的阈值比对,得到路侧感知系统的测试结果。一般情况下,在选择出目标待测数据后,先基于时间戳将真值数据与目标待测数据进行对齐,之后进行比对。当然,在其他情形下,也可能先不做数据筛选,而先进行数据对齐,之后再针对对齐后的数据进行筛选。在保证时间戳获取时的时钟一致的前提下,本申请对何时进行时间对齐不做要求。
在本申请的一些实施方式中,若路侧感知系统的测试结果均满足需求,将完成测试的路侧感知系统用于实际应用中,能够为自动驾驶决策提供准确的信息。而当路侧感知系统的测试结果不满足需求时,工作人员可以对路侧感知系统中的路侧感知单元进行参数调整,或直接更换路侧感知单元中的设备,并重新进行测试,直至路侧感知系统的测试结果满足需求。
本申请的实施方式中,测试平台通过获取由真值设备采集的真值数据,以及实时获取由路侧感知系统采集的初始待测试数据,通过测试平台的数据记录单元对待测试数据进行处理,得到待测试数据,可以避免路侧感知系统为了结果更准确修改时间戳的作弊行为,确保了测试结果的公正性,然后,从待测试数据中筛选出与真值数据中交通参与者对应的目标待测试数据,最后根据对齐时间的真值数据和目标待测试数据,确定路侧感知系统的测试结果,能够准确地找出能与真值设备比对的数据,并根据真值数据和目标待测试数据,确定路侧感知系统的测试结果,保证了测试结果的准确性。
在本申请的实施方式中,测试平台可以根据对齐时间的真值数据和目标待测试数据,依据不同的指标确定路侧感知系统的测试结果。其中,路侧感知系统的评价指标可以分为两大类,一类是数据质量评价指标,具体可以包括路侧感知系统的尺寸精度、定位精度、速度精度、航向角精度、识别准确率、分类准确率、误检率、虚检率、跟踪成功率等。另一类是系统性能评价指标,具体可以包括路侧感知系统的感知范围、响应时间、数据频率、最大检测数量、最小可识别尺寸、环境适应性等。
实际测试过程中,测试平台可以测试其中的任意一项或多项指标,在条件允许的情况下,可以对每一项指标进行测试,得到更加全面的测试结果。
下面将以具体的实施例说明不同指标的测试方式。
在本申请的一些实施方式中,测试平台的测试过程可以包括:计算每个时刻,真值数据和目标待测试数据之间的误差值;统计不同时刻误差值的平均值和标准差;根据误差值的平均值和标准差,确定误差值在不同置信区间的第一分布概率值;根据第一分布概率值,确定路侧感知系统的精度测试结果。
具体的,测试平台可以基于时间戳将真值数据和目标待测试数据按时刻对齐,然后对同一时刻、同一类型的真值数据和目标待测试数据进行比对,确定两者之间的误差值。遍历各个时刻计算得到的误差值,可以统计不同时刻误差值的平均值和标准差,并将平均值和标准差作为对应类型数据的准确度。
并且,在统计不同时刻误差值的平均值和标准差之后,测试平台还可以,确定误差值在不同置信区间的第一分布概率值,然后根据第一分布概率值确定路侧感知系统的精度。
其中,上述路侧感知系统的测试结果可以包括定位精度,速度精度,航向角精度,以及尺寸精度中的一种或几种。
第一项:速度精度。
具体的,上述真值数据可以包括每个时刻真值设备感知到的交通参与者的真值速度v1,目标待测试数据可以包括每个时刻对应的交通参与者的待测试速度v2。根据对齐后的数据,测试平台可以计算每个时刻的速度偏差Δv=|v2-v1|,统计不同时刻速度偏差Δv的速度均值μ1和速度标准差δ1,并将速度均值μ1和速度标准差δ1作为路侧感知系统的速度准确度。
此时,如表1所示,路侧感知系统的速度精度可以表述为:速度偏差Δv有68%的概率落在[μ1-δ1,μ1+δ1]内,有95%的概率落在[μ1-2δ1,μ1+2δ1]内,有99%的概率落在[μ1-3δ1,μ1+3δ1]内。
表1速度精度分布表
序号 | 区间 | 概率P |
1 | [μ1-δ1,μ1+δ1] | 68% |
2 | [μ1-2δ1,μ1+2δ1] | 95% |
3 | [μ1-3δ1,μ1+3δ1] | 99% |
第二项:航向角精度。
具体的,上述真值数据可以包括每个时刻真值设备感知到的交通参与者的真值航向角α1,目标待测试数据可以包括每个时刻对应的交通参与者的待测试航向角α2。根据对齐后的数据,测试平台可以计算每个时刻的航向角偏差Δα=|α2-α1|,统计不同时刻航向角偏差Δα的速度均值μ2和速度标准差δ2,并将速度均值μ2和速度标准差δ2作为路侧感知系统的航向角准确度。
此时,如表2所示,路侧感知系统的航向角精度可以表述为:航向角偏差Δα有68%的概率落在[μ2-δ2,μ2+δ2]内,有95%的概率落在[μ2-2δ2,μ2+2δ2]内,有99%的概率落在[μ2-3δ2,μ2+3δ2]内。
表2航向角精度分布表
序号 | 区间 | 概率P |
1 | [μ2-δ2,μ2+δ2] | 68% |
2 | [μ2-2δ2,μ2+2δ2] | 95% |
3 | [μ2-3δ2,μ2+3δ2] | 99% |
第三项:定位精度。
具体的,上述真值数据可以包括每个时刻真值设备感知到的交通参与者的真值经纬度(lat1,lng1),真值经纬度是指真值设备感知到的交通参与者所在位置的纬度值lat1和经度值lng1。目标待测试数据可以包括每个时刻对应的交通参与者的待测试经纬度(lat2,lng2),待测试经纬度是指由路侧感知系统感知得到对应的交通参与者所在位置的纬度值lat2和经度值lng2。
如图5所示,根据对齐后的数据,测试平台可以计算每个时刻真值经纬度对应位置A和待测试经纬度对应位置B之间的距离
过待测试经纬度对应位置B点做地球正北方向的垂线,设交点为C,则点C的经纬度为(lat2,lng1),则AC之间的距离
相应的,BC之间的距离
此时,根据AC之间的距离d1和BC之间的距离d2,可以确定AB与正北方向的夹角则根据真值数据中交通参与者的真值航向角α1,可以确定AB与真值数据中交通参与者行驶方向的夹角θ=β-α1。根据夹角θ,可以确定位于真值数据中交通参与者的行驶方向上的纵向偏差p1=d0×cosθ,以及位于行驶方向垂直方向上的横向偏差p2=d0×sinθ。
统计不同时刻纵向偏差p1的均值和标准差,以及不同时刻横向偏差p2的均值和标准差,设纵向偏差p1或横向偏差p2的均值为μ3、标准差为δ3。可以将均值μ3和标准差δ3作为路侧感知系统的定位准确度。
此时,如表3所示,路侧感知系统的定位精度可以表述为:纵向偏差p1或横向偏差p2有68%的概率落在[μ3-δ3,μ3+δ3]内,有95%的概率落在[μ3-2δ3,μ3+2δ3]内,有99%的概率落在[μ3-3δ3,μ3+3δ3]内。
表3定位精度分布表
序号 | 区间 | 概率P |
1 | [μ3-δ3,μ3+δ3] | 68% |
2 | [μ3-2δ3,μ3+2δ3] | 95% |
3 | [μ3-3δ3,μ3+3δ3] | 99% |
第四项:尺寸精度。
具体的,上述真值数据可以包括每个时刻真值设备感知到的交通参与者的真值尺寸,真值尺寸可以包括交通参与者的真值长度l1、交通参与者的真值宽度w1和真值高度H1,上述目标待测试数据可以包括每个时刻对应的交通参与者的待测试尺寸,待测试尺寸可以具体包括对应的交通参与者的待测试长度l2、待测试宽度w2和待测试高度H2。根据对齐后的数据,测试平台可以计算每个时刻的长度偏差Δl=l2-l1,宽度偏差Δw=w2-w1和高度偏差ΔH=H2-H1。
统计不同时刻长度偏差Δl的均值和标准差、不同时刻宽度偏差Δw的均值和标准差,以及不同时刻高度偏差ΔH的均值和标准差。设长度偏差Δl、宽度偏差Δw或高度偏差ΔH的均值为μ4、标准差为δ4。可以将均值μ4和标准差δ4作为路侧感知系统的尺寸准确度。
此时,如表4所示,路侧感知系统的尺寸精度可以表述为:长度偏差Δl、宽度偏差Δw或高度偏差ΔH有68%的概率落在[μ4-δ4,μ4+δ4]内,有95%的概率落在[μ4-2δ4,μ4+2δ4]内,有99%的概率落在[μ4-3δ4,μ4+3δ4]内。
表4尺寸精度分布表
序号 | 区间 | 概率P |
1 | [μ4-δ4,μ4+δ4] | 68% |
2 | [μ4-2δ4,μ4+2δ4] | 95% |
3 | [μ4-3δ4,μ4+3δ4] | 99% |
在本申请的另一些实施方式中,测试平台还可以分别统计真值数据和目标待测试数据中交通参与者的数量以及对应的类别;根据真值数据和目标待测试数据中交通参与者的数量以及对应的类别的统计结果,计算测试结果。
具体的,当真值数据为路侧真值数据时,由于路侧真值设备和路侧感知系统的感知范围不一定相同,因此,需要对真值数据进行筛选,以同时位于两者感知范围内的交通参与者为需要统计的交通参与者。分别统计真值数据和目标待测试数据中交通参与者的数量以及对应的类别,然后根据真值数据和目标待测试数据中交通参与者的数量以及对应的类别的统计结果,计算测试结果。
而当真值数据仅包含真值车时,测试平台则可以统计路侧感知系统的感知范围内交通参与者的数量以及对应的类型,得到统计结果,并根据待测试数据和统计结果中交通参与者的数量以及对应的类型计算测试结果。
接着,测试平台可以获取人工输入的统计结果,将统计结果与待测试数据进行比对。
具体的,测试平台可以确定目标待测试数据的准确识别对象、误检对象、虚检对象以及识别到的对象的待测试对象总数。根据真值数据中交通参与对象的数量、准确识别对象的第一数量、误检对象的第二数量、虚检对象的第三数量和待测试对象总数,测试平台可以确定路侧感知系统的测试结果。
其中,误检是指路侧感知系统将交通参与者的类型错误分类,虚检是指路侧感知系统将非交通参与者确认为交通参与者。
具体的,可以人工统计真值数据中机动车的总数量S1、非机动车的总数量S2、行人的总数量S3;路侧感知系统准确识别的机动车的第一数量A1、准确识别的非机动车的第一数量A2、准确识别的行人的第一数量A3;路侧感知系统误检的机动车的第二数量C1、误检的非机动车的第二数量C2、误检的第二数量C3;以及路侧感知系统虚检的机动车的第三数量D1、虚检的非机动车的第三数量D2、虚检的行人的第三数量D3。
相应的,路侧感知系统识别到的机动车的待测试对象总数B1=A1+C1+D1、识别到的非机动车的待测试对象总数B2=A2+C2+D2、识别到的行人的待测试对象总数B3=A3+C3+D3。
上述路侧感知系统的测试结果可以包括识别准确率、分类准确率、误检率、虚检率中的一种或几种。
第五项:识别准确率。
第六项:分类准确率。
第七项:误检率。
第八项:虚检率。
在本申请的另一些实施方式中,测试平台还可以统计每种类型的交通参与者从进入路侧感知系统的感知范围到离开路侧感知系统的感知范围的全过程中身份标识不发生变化的样本数,并根据每种类型的交通参与者的样本数与对应的总样本数的比值,计算测试结果。
在一些实施方式中,测试平台可以在每种类型分别选择预设数量的交通参与者进行统计。预设数量的具体取值可以根据实际情况进行调整。
具体的,测试平台可以通过显示设备从待测试数据中选取预设数量的交通参与者的轨迹,并对每个轨迹进行显示。假设筛选出G1条机动车轨迹、G2条非机动车轨迹和G3条行人轨迹。统计从进入路侧感知系统的感知区域到离开感知区域的全过程中,G1条机动车轨迹中身份标识未发生变化的机动车轨迹数F1、G2条非机动车轨迹中身份标识未发生变化的非机动车轨迹数F2、G3条行人轨迹身份标识未发生变化的行人轨迹数F3。
相应的,上述路侧感知系统的测试结果可以包括跟踪成功率。
第九项:跟踪成功率。
在本申请的另一些实施方式中,测试平台还可以分别计算各个车道上交通参与者在每个时刻真值经纬度和待测试经纬度之间的经纬度偏差;确定经纬度偏差所在的精度区间,得到路侧感知系统的测试结果。其中,经纬度偏差可以以真值经纬度对应位置和待测试经纬度对应位置之间的欧氏距离表示。
接着,确定经纬度偏差所在的第一精度区间,并将第一精度区间和目标场景中其他车道对应的第二精度区间组合,得到路侧感知系统的测试结果。
其中,上述路侧感知系统的测试结果可以包括感知范围。
第十项:感知范围。
具体的,参考表5,测试平台可以将真值数据和目标待测试数据对齐,从中筛选出每个车道的交通参与者,并分别计算各个车道上交通参与者在每个时刻真值经纬度和待测试经纬度之间的经纬度偏差,基于下表5查询每个车道对应的经纬度偏差所在的精度区间,组合得到路侧感知系统的感知范围。
表5定位精度要求
序号 | 定位精度(cm) |
1 | ≤50 |
2 | (50,100] |
3 | (100,150] |
4 | (150,200] |
5 | >200 |
在本申请的另一些实施方式中,测试平台可以获取路侧感知系统的感知范围内参考线的位置,从真值经纬度中筛选出距离参考线的位置最近的真值经纬度,并根据筛选出的真值经纬度,确定交通参与者经过参考线的参考时间。同样的,从待测试经纬度中筛选出距离参考线的位置最近的待测试经纬度,并根据筛选出的待测试经纬度,计算交通参与者经过参考线的待测试时间。然后,计算待测试时间和参考时间之间的误差值,得到路侧感知系统的测试结果。
需要说明的是,参考线可以由工作人员根据实际情况进行设置。
其中,上述路侧感知系统的测试结果可以包括响应时间。
第十一项:响应时间。
具体的,如图6所示,设P1、P2为参考线两个端点,Pv是真值经纬度对应的位置,三者构成一个三角形,在已知P1、P2、和Pv的经纬度的情况下,可以求得P1、P2之间距离Dist0;P1、Pv之间距离Dist1;Pv、P2之间距离Dist2。由此可计算三角形周长的一半
遍历各个轨迹点,h最小的轨迹点对应的真值经纬度就是距离参考线的位置最近的真值经纬度。
如果h最小的轨迹点不在参考线上,则测试平台可以计算该轨迹点以当前速度v沿直线运动到参考线的时间然后判断该轨迹点是否已越过参考线,如果没有越过参考线,则交通参与者经过参考线的参考时间t’0=t0+Δt;其中,t0为h最小的轨迹点对应的时刻。
反之,如果轨迹点已经越过了参考线,则交通参与者经过参考线的参考时间t’0=t0-Δt。
如果h最小的轨迹点在参考线上,则交通参与者经过参考线的参考时间t’0=t0。
同样的,对待测试经纬度进行相同的处理,得到交通参与者经过参考线的待测试时间t’1。则测试平台可以计算待测试时间和参考时间之间的误差值t=t’1-t’0,并将误差值t作为响应时间。
在本申请的另一些实施方式中,测试平台还可以依次计算每个时刻与对应的下一个时刻之间的时刻差,根据时刻差确定每个时刻的瞬时数据频率。然后,统计瞬时数据频率的平均值和标准差,并根据瞬时数据频率的平均值和标准差,确定瞬时数据频率在不同置信区间的第二分布概率值,进而根据第二分布概率值,确定路侧感知系统的测试结果。
其中,上述路侧感知系统的测试结果可以包括数据频率。
第十二项:数据频率。
此时,如表6所示,数据频率可以表述为:数据频率有68%的概率落在[μ5-δ5,μ5+δ5]内,有95%的概率落在[μ5-2δ5,μ5+2δ5]内,有99%的概率落在[μ5-3δ5,μ5+3δ5]内。
表6数据频率分布表
序号 | 区间 | 概率P |
1 | [μ5-δ5,μ5+δ5] | 68% |
2 | [μ5-2δ5,μ5+2δ5] | 95% |
3 | [μ5-3δ5,μ5+3δ5] | 99% |
在本申请另一些实施方式中,上述测试平台还可以从待测试数据对应的时刻筛选出目标时刻,其中,目标时刻为路侧感知系统感知到交通参与者的总数量最多的时刻。然后,根据目标时刻的测试数据,确定路侧感知系统的识别准确率,若识别准确率大于准确率阈值,则根据目标时刻路侧感知系统感知到的交通参与者的总数量,确定路侧感知系统的测试结果。
其中,上述路侧感知系统的测试结果可以包括最大检测量。
第十三项:最大检测量。
具体的,测试平台可以统计待测试数据中每一时刻识别出交通参与者的总数量,进而筛选出目标时刻。接着,通过前述方法统计目标时刻机动车、非机动车和行人的识别准确率,如果识别准确率大于准确率阈值,则可以将目标时刻识别出交通参与者的总数量作为路侧感知系统的最大检测量。
如果识别准确率小于或等于准确率阈值,则可以筛选出路侧感知系统识别出交通参与者的总数量第二多的时刻,统计该时刻机动车、非机动车和行人的识别准确率,直至识别准确率大于准确率阈值,将对应时刻识别出交通参与者的总数量作为路侧感知系统的最大检测量测试结果。
在本申请的另一些实施方式中,上述目标待测试数据可以包括交通参与者的待测试尺寸,此时,测试平台还可以获取交通参与者的当前参考尺寸,然后计算待测试尺寸与当前参考尺寸之间的尺寸误差值。若尺寸误差值小于尺寸误差阈值,则更新交通参与者的当前参考尺寸,直至尺寸误差值大于或等于尺寸误差阈值,得到路侧感知系统的测试结果。
为了便于测试,实际应用中,上述交通参与者可以用假人模型代替。
其中,上述路侧感知系统的测试结果可以包括可识别尺寸。
第十四项:可识别尺寸。
具体的,工作人员可以将假人模型放置在路侧感知系统的感知范围内,然后由测试平台计算待测试尺寸与假人模型的当前参考尺寸的尺寸误差值。如果尺寸误差值小于尺寸误差阈值,即满足尺寸精度要求,则可以继续减小假人模型的尺寸,直至尺寸误差值大于或等于尺寸误差阈值,即超出精度要求,将此时的假人模型的当前参考尺寸作为路侧感知系统的最小可识别尺寸。
此外,路侧感知系统的测试结果还可以环境适应性。
第十五项:环境适应性。
具体的,上述测试平台还可以分别获取路侧感知系统在不同自然条件下采集的交通参与者的目标待测试数据。其中,自然条件可以包括但不限于雨天、雾天、沙尘环境、雪天等。基于不同自然条件下的目标待测试数据,通过前述其他指标进行测试,再与正常天气下的数据进行比对,可以确定路侧感知系统的环境适应性。
实际应用中,测试平台可以对前述任意一项或多项指标进行测试。同时,针对每一项测试结果,测试平台可以自动化地生成不同形式的评测报告,以供工作人员进行查看。其中,评测报告的形式可以包括但不限于word、excel、xml格式的文件。
本申请的实施方式中,通过对不同的指标进行测试,可以较为全面地评估路侧感知系统的工作能力,能够使投入使用的路侧感知系统为工作能力满足需求的系统,进而使路侧感知系统可以在实际应用中为无人驾驶技术提供准确的数据支持。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为根据本申请,某些步骤可以采用其它顺序进行。
如图7所示为本申请实施例提供的一种路侧感知系统的测试装置700的结构示意图,所述路侧感知系统的测试装置700配置于测试平台上。
具体的,所述路侧感知系统的测试装置700可以包括:
真值数据获取单元701,用于获取由真值设备采集的真值数据;所述真值数据包含时间戳;所述真值数据中包含至少一个交通参与者,以及所述交通参与者对应的移动状态;
待测试数据获取单元702,用于实时获取由路侧感知系统采集的初始待测试数据,并通过所述测试平台的数据记录单元对待测试数据进行处理,得到待测试数据;所述真值数据中的交通参与者位于所述路侧感知系统的感知范围;
筛选单元703,用于从所述待测试数据中筛选出与所述真值数据中交通参与者对应的目标待测试数据;
测试单元704,用于根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果。
在本申请的一些实施方式中,上述待测试数据获取单元702可以具体用于通过所述测试平台的数据记录单元为所述初始待测试数据赋时间戳,以获取待测试数据;所述真值设备与所述数据记录单元统一授时。
在本申请的一些实施方式中,上述真值车上安装高精定位模块,所述真值数据包含的交通参与者为所述真值车,所述交通参与者对应的移动状态为所述真值车的实时位置,速度,航向角。
在本申请的一些实施方式中,上述所述真值设备包括路侧真值设备,所述路侧真值设备的感知精度符合预设要求,所述真值数据包含路侧真值数据;所述路侧真值设备用于与所述路侧感知系统进行同步感知,获取路侧真值数据;所述路侧真值数据包含时间戳;所述真值数据中包含的交通参与者为所述路侧真值设备感知到的所有交通参与者,所述路侧真值设备为感知到的交通参与者分配身份标识;所述交通参与者对应的移动状态包括:交通参与者的位置,速度,航向角以及尺寸。
在本申请的一些实施方式中,上述测试平台连接显示设备,上述筛选单元703可以具体用于:通过所述显示设备将所述真值数据以及所述待测试数据进行显示;根据基于显示的选中操作,从所述待测试数据中筛选出与所述选中操作关联的目标待测试数据。
在本申请的一些实施方式中,上述测试结果包括定位精度,速度精度,航向角精度以及尺寸精度中的一种或几种;上述测试单元704还可以用于:计算每个时刻,所述真值数据和所述目标待测试数据之间的误差值;统计不同时刻所述误差值的平均值和标准差;根据所述误差值的平均值和标准差,确定所述误差值在不同置信区间的第一分布概率值;根据所述第一分布概率值,确定所述路侧感知系统的精度测试结果。
在本申请的一些实施方式中,上述测试结果包括定位精度,上述真值数据可以包括每个时刻交通参与者的真值经纬度,上述所述真值数据包括每个时刻所述真值数据中交通参与者的真值经纬度,所述目标待测试数据包括每个时刻对应的交通参与者的待测试经纬度;所述误差值包括位于所述真值数据中交通参与者的行驶方向上的纵向偏差,以及位于所述行驶方向垂直方向上的横向偏差;上述测试单元704还可以用于:根据所述真值经纬度和所述待测试经纬度,计算每个时刻所述真值经纬度对应位置和所述待测试经纬度对应位置之间的距离;获取所述真值数据中交通参与者的真值航向角;根据所述真值航向角和所述距离,确定每个时刻的所述纵向偏差和每个时刻的所述横向偏差。
在本申请的一些实施方式中,上述测试结果包括识别准确率、分类准确率、误检率、虚检率中的一种或几种;上述目标待测试数据包括每个时刻所述交通参与者的待测试尺寸,上述测试单元704还可以用于:分别统计所述真值数据和所述目标待测试数据中交通参与者的数量以及对应的类别;根据所述真值数据和所述目标待测试数据中交通参与者的数量以及对应的类别的统计结果,计算所述测试结果。
在本申请的一些实施方式中,上述测试结果包括最远感知距离,上述测试单元704还可以用于:统计所述路侧感知系统的感知范围内交通参与者的数量以及对应的类型,得到统计结果;根据待测试数据和所述统计结果中交通参与者的数量以及对应的类型计算所述测试结果。
在本申请的一些实施方式中,上述测试结果包括跟踪成功率,上述测试单元704还可以用于:统计每种类型的交通参与者从进入所述路侧感知系统的感知范围到离开所述路侧感知系统的感知范围的全过程中所述身份标识不发生变化的样本数;根据每种类型的交通参与者的样本数与对应的总样本数的比值,计算所述测试结果。
在本申请的一些实施方式中,上述测试结果包括感知范围,上述真值数据可以包括每个时刻交通参与者的真值经纬度,上述目标待测试数据包括每个时刻交通参与者的待测试经纬度;上述测试单元704还可以用于:分别计算各个车道上交通参与者在每个时刻所述真值经纬度和所述待测试经纬度之间的经纬度偏差;确定经纬度偏差所在的精度区间,得到所述路侧感知系统的测试结果。
在本申请的一些实施方式中,上述测试结果包括响应时间,上述真值数据包括每个时刻所述交通参与者的真值经纬度,目标待测试数据包括每个时刻所述交通参与者的待测试经纬度;上述测试单元704还可以用于:获取所述目标场景中参考线的位置;从所述真值经纬度中筛选出距离所述参考线的位置最近的真值经纬度,并根据筛选出的真值经纬度,确定所述交通参与者经过所述参考线的参考时间;从所述待测试经纬度中筛选出距离所述参考线的位置最近的待测试经纬度,并根据筛选出的待测试经纬度,计算所述交通参与者经过所述参考线的待测试时间;计算所述待测试时间和所述参考时间之间的误差值,得到所述路侧感知系统的测试结果。
在本申请的一些实施方式中,上述测试结果包括数据频率,上述测试单元704还可以用于:依次计算每个时刻与对应的下一个时刻之间的时刻差,根据所述时刻差确定每个时刻的瞬时数据频率;统计所述瞬时数据频率的平均值和标准差,并根据所述瞬时数据频率的平均值和标准差,确定所述瞬时数据频率在不同置信区间的第二分布概率值;根据所述第二分布概率值,确定所述路侧感知系统的测试结果。
在本申请的一些实施方式中,上述测试结果包括最大检测量,上述测试单元704还可以用于:从所述测试数据对应的时刻中筛选出目标时刻,所述目标时刻为所述路侧感知系统感知到的交通参与者的总数量最多的时刻;根据所述目标时刻的测试数据,确定所述路侧感知系统的识别准确率;若所述识别准确率大于准确率阈值,则根据所述目标时刻所述路侧感知系统感知到的交通参与者的总数量,确定所述路侧感知系统的测试结果。
在本申请的一些实施方式中,上述测试结果包括环境适应性,上述测试单元704还可以用于:分别获取所述路侧感知系统在不同自然条件下采集的交通参与者对应的目标待测试数据;根据所述真值数据和不同自然条件对应的所述目标待测试数据,确定所述路侧感知系统的测试结果。
需要说明的是,为描述的方便和简洁,上述路侧感知系统的测试装置700的具体工作过程,可以参考图1至图6所述方法的对应过程,在此不再赘述。
如图8所示,为本申请实施例提供的一种测试设备的示意图。该测试设备8可以包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82,例如路侧感知系统的测试程序。所述处理器80执行所述计算机程序82时实现上述各个路侧感知系统的测试方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图7所示的真值数据获取单元701、待测试数据获取单元702、筛选单元703和测试单元704。
所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述测试设备中的执行过程。
例如,所述计算机程序可以被分割成:真值数据获取单元、待测试数据获取单元、筛选单元和测试单元。
各单元具体功能如下:真值数据获取单元,用于获取由真值设备采集的真值数据;所述真值数据包含时间戳;所述真值数据中包含至少一个交通参与者,以及所述交通参与者对应的移动状态;待测试数据获取单元,用于实时获取由路侧感知系统采集的初始待测试数据,并通过所述测试平台的数据记录单元对所述待测试数据进行处理,得到待测试数据;所述真值数据中的交通参与者位于所述路侧感知系统的感知范围;筛选单元,用于从所述待测试数据中筛选出与所述真值数据中交通参与者对应的目标待测试数据;测试单元,用于根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果。
所述测试设备可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是测试设备的示例,并不构成对测试设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述测试设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述测试设备的内部存储单元,例如测试设备的硬盘或内存。所述存储器81也可以是所述测试设备的外部存储设备,例如所述测试设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括所述测试设备的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述测试设备所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,为描述的方便和简洁,上述测试设备的结构还可以参考方法实施例中对结构的具体描述,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,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单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对各个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/测试设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/测试设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (18)
1.一种路侧感知系统的测试方法,其特征在于,应用于测试平台,所述测试方法包括:
获取由真值设备采集的真值数据;所述真值数据包含时间戳;所述真值数据中包含至少一个交通参与者,以及所述交通参与者对应的移动状态;
实时获取由路侧感知系统采集的初始待测试数据,并通过所述测试平台的数据记录单元对所述待测试数据进行处理,得到待测试数据;所述真值数据中的交通参与者位于所述路侧感知系统的感知范围;
从所述待测试数据中筛选出与所述真值数据中交通参与者对应的目标待测试数据;
根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果。
2.如权利要求1所述的测试方法,其特征在于,所述通过所述测试平台的数据记录单元对所述待测试数据进行处理,得到待测试数据,包括:
通过所述测试平台的数据记录单元为所述初始待测试数据赋时间戳,以获取待测试数据;所述真值设备与所述数据记录单元统一授时。
3.如权利要求1所述的测试方法,其特征在于,所述真值设备为真值车,所述真值车上安装高精定位模块,所述真值数据包含的交通参与者为所述真值车,所述交通参与者对应的移动状态为所述真值车的实时位置,速度,航向角。
4.如权利要求1所述的测试方法,其特征在于,所述真值设备包括路侧真值设备,所述路侧真值设备的感知精度符合预设要求,所述真值数据包含路侧真值数据;
所述路侧真值设备用于与所述路侧感知系统进行同步感知,获取路侧真值数据;所述路侧真值数据包含时间戳;所述真值数据中包含的交通参与者为所述路侧真值设备感知到的所有交通参与者,所述路侧真值设备为感知到的交通参与者分配身份标识;所述交通参与者对应的移动状态包括:交通参与者的位置,速度,航向角以及尺寸。
5.如权利要求4所述的测试方法,其特征在于,所述测试平台连接显示设备,对应的,从所述待测试数据中筛选出所述真值数据中交通参与者对应的目标待测试数据,包括:
通过所述显示设备将所述真值数据以及所述待测试数据进行显示;
根据基于显示的选中操作,从所述待测试数据中筛选出与所述选中操作关联的目标待测试数据。
6.如权利要求1至5任意一项所述的测试方法,其特征在于,所述测试结果包括定位精度,速度精度,航向角精度以及尺寸精度中的一种或几种,所述根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果,包括:
计算每个时刻,所述真值数据和所述目标待测试数据之间的误差值;
统计不同时刻所述误差值的平均值和标准差;
根据所述误差值的平均值和标准差,确定所述误差值在不同置信区间的第一分布概率值;
根据所述第一分布概率值,确定所述路侧感知系统的测试结果。
7.如权利要求6所述的测试方法,其特征在于,所述测试结果包括定位精度,所述真值数据包括每个时刻所述真值数据中交通参与者的真值经纬度和真值航向角,所述目标待测试数据包括每个时刻对应的交通参与者的待测试经纬度;所述误差值包括位于所述真值数据中交通参与者的行驶方向上的纵向偏差,以及位于所述行驶方向垂直方向上的横向偏差;
对应的,所述计算每个时刻,所述真值数据和所述目标待测试数据之间的误差值,包括:
根据所述真值经纬度和所述待测试经纬度,计算每个时刻所述真值经纬度对应位置和所述待测试经纬度对应位置之间的距离;
获取所述真值航向角;
根据所述真值航向角和所述距离,确定每个时刻的所述纵向偏差和所述横向偏差。
8.如权利要求4所述的测试方法,其特征在于,所述测试结果包括识别准确率、分类准确率、误检率、虚检率中的一种或几种,对应的,所述根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果,包括:
分别统计所述真值数据和所述目标待测试数据中交通参与者的数量以及对应的类别;
根据所述真值数据和所述目标待测试数据中交通参与者的数量以及对应的类别的统计结果,计算所述测试结果。
9.如权利要求3所述的测试方法,其特征在于,所述测试结果包括识别准确率、分类准确率、误检率、虚检率中的一种或几种,对应的,所述方法还包括:
统计所述路侧感知系统的感知范围内交通参与者的数量以及对应的类型,得到统计结果;
根据待测试数据和所述统计结果中交通参与者的数量以及对应的类型计算所述测试结果。
10.如权利要求4所述的测试方法,其特征在于,所述测试结果包括跟踪成功率,所述根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果,包括:
统计每种类型的交通参与者从进入所述路侧感知系统的感知范围到离开所述路侧感知系统的感知范围的全过程中所述身份标识不发生变化的样本数;
根据每种类型的交通参与者的样本数与对应的总样本数的比值,计算所述测试结果。
11.如权利要求4所述的测试方法,其特征在于,所述测试结果包括感知范围,所述真值数据包括每个时刻所述真值数据中交通参与者的真值经纬度,所述目标待测试数据包括每个时刻对应的交通参与者的待测试经纬度;
所述根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果,包括:
分别计算各个车道上交通参与者在每个时刻所述真值经纬度和所述待测试经纬度之间的经纬度偏差;
确定经纬度偏差所在的精度区间,得到所述路侧感知系统的测试结果。
12.如权利要求3所述的测试方法,其特征在于,所述测试结果包括响应时间,所述真值数据包括每个时刻所述真值数据中交通参与者的真值经纬度,所述目标待测试数据包括每个时刻对应的交通参与者的待测试经纬度;
所述根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果,包括:
获取参考线的位置;
从所述真值经纬度中筛选出距离所述参考线的位置最近的真值经纬度,并根据筛选出的真值经纬度,确定所述交通参与者经过所述参考线的参考时间;
从所述待测试经纬度中筛选出距离所述参考线的位置最近的待测试经纬度,并根据筛选出的待测试经纬度,计算所述交通参与者经过所述参考线的待测试时间;
计算所述待测试时间和所述参考时间之间的误差值,得到所述路侧感知系统的测试结果。
13.如权利要求4所述的测试方法,其特征在于,所述测试结果包括数据频率,所述方法包括:
依次计算每个时刻与对应的下一个时刻之间的时刻差,根据所述时刻差确定每个时刻的瞬时数据频率;
统计所述瞬时数据频率的平均值和标准差,并根据所述瞬时数据频率的平均值和标准差,确定所述瞬时数据频率在不同置信区间的第二分布概率值;
根据所述第二分布概率值,确定所述路侧感知系统的测试结果。
14.如权利要求4所述的测试方法,其特征在于,所述测试结果包括最大检测量,所述方法包括:
从所述待测试数据对应的时刻中筛选出目标时刻,所述目标时刻为所述路侧感知系统感知到的交通参与者的总数量最多的时刻;
根据所述目标时刻的测试数据,确定所述路侧感知系统的识别准确率;
若所述识别准确率大于准确率阈值,则根据所述目标时刻所述路侧感知系统感知到的交通参与者的总数量,确定所述路侧感知系统的测试结果。
15.如权利要求1至5任意一项所述的测试方法,其特征在于,所述测试结果包括环境适应性,所述方法还包括:
分别获取所述路侧感知系统在不同自然条件下采集的交通参与者对应的目标待测试数据;
根据所述真值数据和不同自然条件对应的所述目标待测试数据,确定所述路侧感知系统的测试结果。
16.一种路侧感知系统的测试装置,其特征在于,配置于测试平台,所述测试装置包括:
真值数据获取单元,用于获取由真值设备采集的真值数据;所述真值数据包含时间戳;所述真值数据中包含至少一个交通参与者,以及所述交通参与者对应的移动状态;
待测试数据获取单元,用于实时获取由路侧感知系统采集的初始待测试数据,并通过所述测试平台的数据记录单元对所述待测试数据进行处理,得到待测试数据;所述真值数据中的交通参与者位于所述路侧感知系统的感知范围;
筛选单元,用于从所述待测试数据中筛选出与所述真值数据中交通参与者对应的目标待测试数据;
测试单元,用于根据对齐时间的所述真值数据和所述目标待测试数据,确定所述路侧感知系统的测试结果。
17.一种测试设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至15任一项所述测试方法的步骤。
18.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至15任一项所述测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111644860.5A CN116416779A (zh) | 2021-12-29 | 2021-12-29 | 一种路侧感知系统的测试方法、装置、测试设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111644860.5A CN116416779A (zh) | 2021-12-29 | 2021-12-29 | 一种路侧感知系统的测试方法、装置、测试设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116416779A true CN116416779A (zh) | 2023-07-11 |
Family
ID=87054879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111644860.5A Pending CN116416779A (zh) | 2021-12-29 | 2021-12-29 | 一种路侧感知系统的测试方法、装置、测试设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116416779A (zh) |
-
2021
- 2021-12-29 CN CN202111644860.5A patent/CN116416779A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11074813B2 (en) | Driver behavior monitoring | |
Lin et al. | A review of travel-time prediction in transport and logistics | |
CN108986465B (zh) | 一种车流量检测的方法、系统及终端设备 | |
Morris et al. | Real-time video-based traffic measurement and visualization system for energy/emissions | |
CN111178402B (zh) | 一种自动驾驶车辆道路测试的场景分类方法及装置 | |
CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
US20230066476A1 (en) | System and method for monitoring a vehicle | |
CN110322687B (zh) | 确定目标交叉口运行状态信息的方法和装置 | |
CN114973659A (zh) | 一种高速公路的间接事件检测的方法、装置及系统 | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
Refai et al. | The study of vehicle classification equipment with solutions to improve accuracy in Oklahoma. | |
CN116416780A (zh) | 一种路侧感知系统的测试方法、装置、测试设备和介质 | |
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 | |
Bock et al. | Learning on-street parking maps from position information of parked vehicles | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
Noh et al. | SafetyCube: Framework for potential pedestrian risk analysis using multi-dimensional OLAP | |
Zhang et al. | Machine learning and computer vision-enabled traffic sensing data analysis and quality enhancement | |
CN116416779A (zh) | 一种路侧感知系统的测试方法、装置、测试设备和介质 | |
Auberlet et al. | Data collection techniques | |
Coifman | Vehicle reidentification and travel time measurement using loop detector speed traps | |
CN115019263A (zh) | 交通监管模型的建立方法、交通监管系统及方法 | |
KR101035122B1 (ko) | 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법 | |
CN114707567A (zh) | 轨迹分类方法、轨迹分类模型训练方法及计算机程序产品 | |
Kurz et al. | Automatic traffic monitoring with an airborne wide-angle digital camera system for estimation of travel times | |
WO2019038987A1 (ja) | コンピュータプログラム、走行車線特定装置および走行車線特定システム |
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 |