CN116449807A - 一种物联网汽车操控系统仿真测试方法及系统 - Google Patents
一种物联网汽车操控系统仿真测试方法及系统 Download PDFInfo
- Publication number
- CN116449807A CN116449807A CN202310700080.0A CN202310700080A CN116449807A CN 116449807 A CN116449807 A CN 116449807A CN 202310700080 A CN202310700080 A CN 202310700080A CN 116449807 A CN116449807 A CN 116449807A
- Authority
- CN
- China
- Prior art keywords
- model
- simulation
- test
- radar
- simulation 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 141
- 238000010998 test method Methods 0.000 title claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013178 mathematical model Methods 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000002592 echocardiography Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 238000001787 Wald–Wolfowitz test Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种物联网汽车操控系统仿真测试方法及系统，测试方法包括建立驾驶控制器的传感器仿真模型；建立环境仿真模型；将所述传感器仿真模型和环境仿真模型集成到仿真测试平台中；在仿真测试平台中运行多组测试案例，并记录模型的输出，将模型的输出与实际驾驶结果进行比较，评估模型的准确性和可靠性；进行虚拟测试场景的仿真测试，并生成测试报告。本发明所述方法通过对仿真结果和真实测试结果的比较，评估模型的准确性和可靠性，并且能够大大提高测试的效率，降低测试成本，同时提高测试结果的准确性，为物联网汽车的安全和性能提供有力的保障。
Description
技术领域
本发明涉及汽车仿真测试技术领域，特别是一种物联网汽车操控系统仿真测试方法及系统。
背景技术
自动驾驶技术开发是一个高度复杂的系统工程，其外界感知模块由毫米波雷达、超声波雷达、摄像头、激光雷达、全球定位系统GPS以及惯性导航单元(IMU)等多种传感器组成，不同的传感器对车辆周围的不同特征进行检测，不同特征在感知车辆周遭环境中起到的作用各不相同，由控制系统对各信息加以整合估计出当前车辆的位置信息，进而决定车辆的运动情况。
为了确保传感器的正确性和可靠性，需要在真实环境中进行全面的测试。然而，现场测试既昂贵又耗时，且存在很多不可控因素。因此，开发一种物联网汽车操控系统仿真测试方法和系统是必要的。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有的汽车测试方法中存在的问题，提出了本发明。
因此，本发明所要解决的问题在于如何提供一种物联网汽车操控系统仿真测试方法。建立驾驶控制器的传感器仿真模型；建立环境仿真模型；将所述传感器仿真模型和环境仿真模型集成到仿真测试平台中；在仿真测试平台中运行多组测试案例，并记录模型的输出，将模型的输出与实际驾驶结果进行比较，评估模型的准确性和可靠性；进行虚拟测试场景的仿真测试，并生成测试报告。
作为本发明所述物联网汽车操控系统仿真测试方法的一种优选方案，其中：所述传感器仿真模型包括激光雷达、摄像头、GPS、IMU和车轮编码器，所述环境仿真模型包括道路模型，交通流模型和天气模型。
作为本发明所述物联网汽车操控系统仿真测试方法的一种优选方案，其中：在建立激光雷达模型时，其数学模型通过如下公式进行表示，
式中，是未考虑信号衰减因子的雷达返回的信号强度，Pt是雷达发射的功率，是考虑信号衰减因子的雷达返回的信号强度，G是雷达的增益，λ是雷达工作的波长，σ是目标的雷达截面积，ρ是目标的反射率，R是雷达和目标之间的距离，L是系统损失，/>是天气条件的衰减因子，η是雷达工作条件的参数，f是雷达工作频率，/>是雷达的波束宽度，/>是雷达的脉冲宽度，/>是信号衰减系数，c为光速，t是雷达发射电磁波后接收到反射回波的时间。
作为本发明所述物联网汽车操控系统仿真测试方法的一种优选方案，其中：在建立摄像头模型时，其数学模型通过如下公式进行表示，
式中，u、v、w为图像坐标，K是相机内参矩阵，R和t是旋转和平移矩阵，X、Y、Z是世界坐标；
在建立GPS模型时，其数学模型通过如下公式进行表示，
式中，R是GPS接收器和GPS卫星之间的距离，(x，y，z)是GPS接收器的坐标，(，/>)是GPS卫星的坐标；
在建立IMU模型时，其数学模型通过如下公式进行表示，
式中，X是状态向量，包括位置，速度和姿态，u是输入向量，包括线性加速度和角速度，A和B是系统矩阵；
在建立车轮编码器模型时，其数学模型通过如下公式进行表示，
式中，v是速度，r是车轮半径，ω是角速度，d是行驶距离，θ是车轮旋转的角度。
作为本发明所述物联网汽车操控系统仿真测试方法的一种优选方案，其中：在仿真测试平台中运行多组测试案例时，记录的模型输出包括激光雷达的距离读数和雷达返回的信号强度、摄像头的图像、GPS的位置数据、IMU的姿态数据、车轮编码器的速度和距离，以及由控制器产生的行为决策。
作为本发明所述物联网汽车操控系统仿真测试方法的一种优选方案，其中：进行虚拟测试场景的仿真测试包括如下步骤，通过仿真测试平台的界面输入或选择相应的场景参数，包括道路布局、交通流密度和天气条件；将生成的虚拟测试场景配置数据发送到各个传感器仿真模型；向仿真测试平台发送启动指令，开始仿真测试；在测试过程中，仿真测试平台实时接收来自传感器仿真模型的数据，并根据这些数据调整虚拟车辆的状态；在测试结束后，根据收集到的数据生成测试报告。
本发明的另外一个目的是提供一种物联网汽车传感器仿真测系统，在仿真环境中模拟各种汽车传感器的行为，创建真实环境模型，将模拟的传感器和真实环境模型集成到一个仿真测试平台中，并运行测试案例。
一种物联网汽车传感器仿真测系统，其包括，传感器仿真模块，用于模拟车辆上的各种传感器；环境仿真模块，用于模拟车辆运行的环境；控制器仿真模块，用于模拟车辆的控制系统，接收来自传感器仿真模块的数据，并根据这些数据和控制策略计算出控制指令；车辆动力学模型，用于模拟车辆的动力学行为，接收来自控制器仿真模块的控制指令，并根据这些指令和车辆的动力学模型更新车辆的状态；测试场景配置模块，用于令用户能够定义和配置各种测试场景；结果分析和报告模块，用于收集仿真结果，进行数据分析，并生成测试报告，提供对驾驶控制器性能的量化评估。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明有益效果为：能够在仿真环境中模拟各种汽车传感器的行为，创建真实环境模型，将模拟的传感器和真实环境模型集成到一个仿真测试平台中，并运行测试案例。通过对仿真结果和真实测试结果的比较，评估模型的准确性和可靠性，并且能够大大提高测试的效率，降低测试成本，同时提高测试结果的准确性，为物联网汽车的安全和性能提供有力的保障。
附图说明
为了更清楚地说明本发明实施例的技术方案，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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为实施例1中物联网汽车操控系统仿真测试方法的流程图；
图2为实施例1中物联网汽车操控系统仿真测试方法的进行虚拟测试场景的仿真测试的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1和图2，为本发明第一个实施例，该实施例提供了一种物联网汽车操控系统仿真测试方法，物联网汽车操控系统仿真测试方法包括如下步骤：
S1、建立驾驶控制器的传感器仿真模型。
所述传感器仿真模型包括激光雷达、摄像头、GPS、IMU和车轮编码器，本发明选择这几个传感器进行仿真的原因在于它们在自动驾驶系统中的关键作用和复杂性，模拟这五种传感器的数据可以全面地评估自动驾驶系统的性能，能够在达到实验目的同时达到节省成本的目的。在建立激光雷达模型时，其数学模型通过如下公式进行表示，
式中，是未考虑信号衰减因子的雷达返回的信号强度，Pt是雷达发射的功率，是考虑信号衰减因子的雷达返回的信号强度，G是雷达的增益，λ是雷达工作的波长，σ是目标的雷达截面积，ρ是目标的反射率，R是雷达和目标之间的距离，L是系统损失，/>是天气条件的衰减因子，η是雷达工作条件的参数，f是雷达工作频率，/>是雷达的波束宽度，/>是雷达的脉冲宽度，/>是信号衰减系数，c为光速，t是雷达发射电磁波后接收到反射回波的时间。
天气条件的衰减因子也称作大气衰减因子，主要是考虑大气对雷达波的散射和吸收等影响，它会根据大气的特性和雷达波的频率变化。在本实施例中，选择的激光雷达频段为8-12 GHz，降雨对雷达的衰减可以在0.01-15dB/km之间，这个值取决于降雨的强度，雾霾对雷达的衰减更加复杂，它取决于雾霾的粒子大小、数量和复杂度等因素。在一般情况下，雾霾对雷达的衰减可以在0.01-3dB/km之间，在下雪天气，由于雪花的形状和大小变化很大，所以衰减也有很大的变化。大致的范围可能在0.01-0.5dB/km之间。
在建立摄像头模型时，其数学模型通过如下公式进行表示，
式中，u、v、w为图像坐标，K是相机内参矩阵，R和t是旋转和平移矩阵，X、Y、Z是世界坐标，为是齐次坐标下的世界坐标，T代表转置操作，L是指光照条件和天气条件的影响系数，/>，其中I 是光照强度，W 是天气条件，a 和 b 是调整因子，由于摄像头模型中不考虑光照条件和天气条件的影响系数时，图像质量最好，故调整因子a、b应当小于1。
需要说明的是，在现实生活中，摄像头在不同的光照条件下的性能会有很大的差异，例如，夜间或者逆光条件下摄像头的图像质量会下降，影响物体检测和识别，同理，雨、雾、雪等天气条件也会影响摄像头的性能，这些天气条件可能会降低摄像头的视觉清晰度，影响图像处理算法的准确性。本发明创造性的将光照和天气条件融入摄像头模型，通过光照条件和天气条件的影响系数L来表示在不用条件下对相机内参矩阵的影响，光照强度I取值区间为【0,1】，用来表示从完全黑暗到完全明亮的范围，天气条件W取值区间为【0,1】，用来表示从完全晴朗到极其恶劣的范围。
为了确定调整因子a、b的优选数值，收集一组实验数据，其中包括天气条件W、光照条件I以及真实情况下摄像机图像质量与通过本发明的摄像头模型形成的图像质量相似度，具体表格如表1所示。
表1 摄像机图像质量对比数据
从表1中可以看出，当调整因子a=0.2，b=0.3时，真实情况下摄像机图像质量与通过本发明的摄像头模型形成的图像，相似度最高。
在建立GPS模型时，其数学模型通过如下公式进行表示，
式中，R是GPS接收器和GPS卫星之间的距离，(x，y，z)是GPS接收器的坐标，(，/>)是GPS卫星的坐标。
在建立IMU模型时，其数学模型通过如下公式进行表示，
式中，X是状态向量，包括位置，速度和姿态，u是输入向量，包括线性加速度和角速度，A和B是系统矩阵。
在建立车轮编码器模型时，其数学模型通过如下公式进行表示，
式中，v是速度，r是车轮半径，ω是角速度，d是行驶距离，θ是车轮旋转的角度。
S2、建立环境仿真模型。
所述环境仿真模型包括道路模型，交通流模型和天气模型，道路模型需要考虑的参数可能包括道路的宽度、曲率、坡度、路面摩擦系数、路面粗糙度等，交通流模型通常会考虑车辆的密度、速度和流量等参数，天气模型可能会考虑的参数包括温度、湿度、风速、降雨量等。
S3、将所述传感器仿真模型和环境仿真模型集成到仿真测试平台中。
首先选择一个仿真平台，其能够模拟并处理各种传感器输入和输出，如雷达、激光雷达、摄像头、GPS、IMU、车轮编码器等，例如ROS(Robot Operating System)，Webots，Carla，Simulink等平台。根据传感器数学模型编写仿真模型软件包，这些软件包能够模拟传感器的工作原理和产生相应的数据输出，如雷达模型需要能够模拟雷达的距离、速度测量和信号强度，摄像头模型需要模拟摄像头的图像采集等。在仿真平台上安装或配置这些软件包，使得它们能够在仿真环境中运行。然后将一些现有的环境仿真模型软件包安装或配置到仿真平台上，进行多次的调试和验证，确保各个仿真模型可以正确的在仿真平台上运行，且仿真结果符合预期。
S4、在仿真测试平台中运行多组测试案例，并记录模型的输出，将模型的输出与实际驾驶结果进行比较，评估模型的准确性和可靠性。
在仿真测试平台中运行多组测试案例时，记录的模型输出包括激光雷达的距离读数和雷达返回的信号强度、摄像头的图像、GPS的位置数据、IMU的姿态数据、车轮编码器的速度和距离，以及由控制器产生的行为决策。
选择或设计适当的测试案例，例如城市道路、高速公路、不同的天气和光照条件、各种交通流情况等，运行测试案例，并记录模型的输出，然后在同样的驾驶场景中，在实际车辆上安装相应的传感器，记录车上的传感器读数和控制器的行为决策，然后将两种数据进行对比，确定模型能在各种驾驶场景下提供准确和可靠的输出。
S5、进行虚拟测试场景的仿真测试，并生成测试报告。
具体的，S5步骤包括：
S51、通过仿真测试平台的界面输入或选择相应的场景参数，包括道路布局、交通流密度和天气条件；
S52、将生成的虚拟测试场景配置数据发送到各个传感器仿真模型；
S53、向仿真测试平台发送启动指令，开始仿真测试；
S54、在测试过程中，仿真测试平台实时接收来自传感器仿真模型的数据，并根据这些数据调整虚拟车辆的状态；
S55、在测试结束后，根据收集到的数据生成测试报告。
通过本发明所述方法，能够在仿真环境中模拟各种汽车传感器的行为，创建真实环境模型，将模拟的传感器和真实环境模型集成到一个仿真测试平台中，并运行测试案例。通过对仿真结果和真实测试结果的比较，评估模型的准确性和可靠性，并且能够大大提高测试的效率，降低测试成本，同时提高测试结果的准确性，为物联网汽车的安全和性能提供有力的保障。
实施例2
本发明第二个实施例，该实施例提供了一种物联网汽车操控系统仿真测试系统，该测试系统包括传感器仿真模块、环境仿真模块、控制器仿真模块、车辆动力学模型、测试场景配置模块以及结果分析和报告模块。
具体的传感器仿真模块用于模拟车辆上的各种传感器，环境仿真模块用于模拟车辆运行的环境，控制器仿真模块用于模拟车辆的控制系统，接收来自传感器仿真模块的数据，并根据这些数据和控制策略计算出控制指令。车辆动力学模型用于模拟车辆的动力学行为，接收来自控制器仿真模块的控制指令，并根据这些指令和车辆的动力学模型更新车辆的状态。测试场景配置模块用于令用户能够定义和配置各种测试场景。结果分析和报告模块用于收集仿真结果，进行数据分析，并生成测试报告，提供对驾驶控制器性能的量化评估。
本实施例中还提供了一种计算机设备，该计算机设备可以是终端，该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种高可靠性配网优化转供策略生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
建立驾驶控制器的传感器仿真模型；建立环境仿真模型；将所述传感器仿真模型和环境仿真模型集成到仿真测试平台中；在仿真测试平台中运行多组测试案例，并记录模型的输出，将模型的输出与实际驾驶结果进行比较，评估模型的准确性和可靠性；进行虚拟测试场景的仿真测试，并生成测试报告。
实施例3
本发明第三个实施例，在本实施例中，提供了一种车路协同自动驾驶仿真测试方法的验证测试，对本方法中采用的技术方案加以验证说明，测试结果如表2所示。
表2 测试结果
从表2中可以看出，在仿真环境的真实度和模拟传感器的精确性方面，实际道路上的无人驾驶测试和本发明的仿真测试都表现出色，但在测试效率、测试成本以及测试案例的覆盖度这三个方面，本技术的仿真测试方法明显优于其他两种方法。这种性能优势主要源自于本发明能够模拟各种汽车传感器的行为，创建真实环境模型，将模拟的传感器和真实环境模型集成到一个仿真测试平台中，并运行测试案例，既节省了在实际道路上测试的资源，又能实现对各种潜在情况的高覆盖度测试，提高了测试效率和准确性，降低了测试成本。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种物联网汽车操控系统仿真测试方法，其特征在于：包括，
建立驾驶控制器的传感器仿真模型；
建立环境仿真模型；
将所述传感器仿真模型和环境仿真模型集成到仿真测试平台中；
在仿真测试平台中运行多组测试案例，并记录模型的输出，将模型的输出与实际驾驶结果进行比较，评估模型的准确性和可靠性；
进行虚拟测试场景的仿真测试，并生成测试报告；
所述传感器仿真模型包括激光雷达、摄像头、GPS、IMU和车轮编码器，所述环境仿真模型包括道路模型，交通流模型和天气模型；
在建立激光雷达模型时，其数学模型通过如下公式进行表示，
式中，是未考虑信号衰减因子的雷达返回的信号强度，Pt是雷达发射的功率，/>是考虑信号衰减因子的雷达返回的信号强度，G是雷达的增益，λ是雷达工作的波长，σ是目标的雷达截面积，ρ是目标的反射率，R是雷达和目标之间的距离，L是系统损失，/>是天气条件的衰减因子，η是雷达工作条件的参数，f是雷达工作频率，/>是雷达的波束宽度，/>是雷达的脉冲宽度，/>是信号衰减系数，c为光速，t是雷达发射电磁波后接收到反射回波的时间。
2.如权利要求1所述的物联网汽车操控系统仿真测试方法，其特征在于：在建立摄像头模型时，其数学模型通过如下公式进行表示，
式中，u、v、w为图像坐标，K是相机内参矩阵，R和t是旋转和平移矩阵，X、Y、Z是世界坐标，为是齐次坐标下的世界坐标，T代表转置操作，L是指光照条件和天气条件的影响系数，/>，其中I 是光照强度，W 是天气条件，a 和 b 是调整因子；
在建立GPS模型时，其数学模型通过如下公式进行表示，
式中，R是GPS接收器和GPS卫星之间的距离，(x，y，z)是GPS接收器的坐标，(，/>)是GPS卫星的坐标；
在建立IMU模型时，其数学模型通过如下公式进行表示，
式中，X是状态向量，包括位置，速度和姿态，u是输入向量，包括线性加速度和角速度，A和B是系统矩阵；
在建立车轮编码器模型时，其数学模型通过如下公式进行表示，
式中，v是速度，r是车轮半径，ω是角速度，d是行驶距离，θ是车轮旋转的角度。
3.如权利要求2所述的物联网汽车操控系统仿真测试方法，其特征在于：在仿真测试平台中运行多组测试案例时，记录的模型输出包括激光雷达的距离读数和雷达返回的信号强度、摄像头的图像、GPS的位置数据、IMU的姿态数据、车轮编码器的速度和距离，以及由控制器产生的行为决策。
4.如权利要求3所述的物联网汽车操控系统仿真测试方法，其特征在于：进行虚拟测试场景的仿真测试包括如下步骤，
通过仿真测试平台的界面输入或选择相应的场景参数，包括道路布局、交通流密度和天气条件；
将生成的虚拟测试场景配置数据发送到各个传感器仿真模型；
向仿真测试平台发送启动指令，开始仿真测试；
在测试过程中，仿真测试平台实时接收来自传感器仿真模型的数据，并根据这些数据调整虚拟车辆的状态；
在测试结束后，根据收集到的数据生成测试报告。
5.一种实施如权利要求1~4任一所述的物联网汽车操控系统仿真测试方法的测试系统，其特征在于：包括，
传感器仿真模块，用于模拟车辆上的各种传感器；
环境仿真模块，用于模拟车辆运行的环境；
控制器仿真模块，用于模拟车辆的控制系统，接收来自传感器仿真模块的数据，并根据这些数据和控制策略计算出控制指令；
车辆动力学模型，用于模拟车辆的动力学行为，接收来自控制器仿真模块的控制指令，并根据这些指令和车辆的动力学模型更新车辆的状态；
测试场景配置模块，用于令用户能够定义和配置各种测试场景；
结果分析和报告模块，用于收集仿真结果，进行数据分析，并生成测试报告，提供对驾驶控制器性能的量化评估。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310700080.0A CN116449807B (zh) | 2023-06-14 | 2023-06-14 | 一种物联网汽车操控系统仿真测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310700080.0A CN116449807B (zh) | 2023-06-14 | 2023-06-14 | 一种物联网汽车操控系统仿真测试方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116449807A true CN116449807A (zh) | 2023-07-18 |
| CN116449807B CN116449807B (zh) | 2023-09-01 |
Family
ID=87132377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310700080.0A Active CN116449807B (zh) | 2023-06-14 | 2023-06-14 | 一种物联网汽车操控系统仿真测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116449807B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862293A (zh) * | 2017-09-14 | 2018-03-30 | 北京航空航天大学 | 基于对抗生成网络的雷达生成彩色语义图像系统及方法 |
| CN108681264A (zh) * | 2018-08-10 | 2018-10-19 | 成都合纵连横数字科技有限公司 | 一种智能车辆数字化仿真测试装置 |
| CN112198495A (zh) * | 2020-09-04 | 2021-01-08 | 腾讯科技（深圳）有限公司 | 激光雷达仿真及其参数标定方法、装置和设备 |
| CN112433934A (zh) * | 2020-11-03 | 2021-03-02 | 腾讯科技（深圳）有限公司 | 仿真测试方法、装置、计算机设备和存储介质 |
| CN113311727A (zh) * | 2021-05-13 | 2021-08-27 | 际络科技(上海)有限公司 | 一种用于自动驾驶测试的仿真模拟系统 |
| CN113885062A (zh) * | 2021-09-28 | 2022-01-04 | 中国科学技术大学先进技术研究院 | 基于v2x的数据采集融合设备、方法和系统 |
| KR20220022984A (ko) * | 2020-08-20 | 2022-03-02 | 인하대학교 산학협력단 | 물리 광학 기반 효율적 시영역 신호 생성 알고리즘 및 시나리오 기반 자율 주행 차량 레이더 모의 실험 방법 및 장치 |
| US20220206117A1 (en) * | 2020-12-31 | 2022-06-30 | Keysight Technologies, Inc. | System and method for emulating echo signals for a lidar sensor |
| CN115016323A (zh) * | 2022-06-21 | 2022-09-06 | 际络科技(上海)有限公司 | 自动驾驶的仿真测试系统及方法 |
| CN115081300A (zh) * | 2022-06-01 | 2022-09-20 | 东南大学 | 基于虚拟仿真评估智能驾驶车辆恶劣天气视距安全的方法 |
| CN115421127A (zh) * | 2022-09-26 | 2022-12-02 | 中汽创智科技有限公司 | 一种激光雷达仿真模型的生成方法、装置及电子设备 |
| CN115454843A (zh) * | 2022-09-05 | 2022-12-09 | 北京机械设备研究所 | 一种无人驾驶仿真装置及自动化测试方法 |
| CN115599694A (zh) * | 2022-11-03 | 2023-01-13 | 上海友道智途科技有限公司（Cn） | 一种自动驾驶软件版本集成测试方法 |
| CN115731350A (zh) * | 2022-11-23 | 2023-03-03 | 北京宾理信息科技有限公司 | 车辆的虚拟激光雷达的仿真方法及其装置 |
| CN116167255A (zh) * | 2023-04-26 | 2023-05-26 | 北京市计量检测科学研究院 | 一种基于vtd的车路协同闭环仿真测试方法及系统 |
-
2023
- 2023-06-14 CN CN202310700080.0A patent/CN116449807B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862293A (zh) * | 2017-09-14 | 2018-03-30 | 北京航空航天大学 | 基于对抗生成网络的雷达生成彩色语义图像系统及方法 |
| CN108681264A (zh) * | 2018-08-10 | 2018-10-19 | 成都合纵连横数字科技有限公司 | 一种智能车辆数字化仿真测试装置 |
| KR20220022984A (ko) * | 2020-08-20 | 2022-03-02 | 인하대학교 산학협력단 | 물리 광학 기반 효율적 시영역 신호 생성 알고리즘 및 시나리오 기반 자율 주행 차량 레이더 모의 실험 방법 및 장치 |
| CN112198495A (zh) * | 2020-09-04 | 2021-01-08 | 腾讯科技（深圳）有限公司 | 激光雷达仿真及其参数标定方法、装置和设备 |
| CN112433934A (zh) * | 2020-11-03 | 2021-03-02 | 腾讯科技（深圳）有限公司 | 仿真测试方法、装置、计算机设备和存储介质 |
| US20220206117A1 (en) * | 2020-12-31 | 2022-06-30 | Keysight Technologies, Inc. | System and method for emulating echo signals for a lidar sensor |
| CN113311727A (zh) * | 2021-05-13 | 2021-08-27 | 际络科技(上海)有限公司 | 一种用于自动驾驶测试的仿真模拟系统 |
| CN113885062A (zh) * | 2021-09-28 | 2022-01-04 | 中国科学技术大学先进技术研究院 | 基于v2x的数据采集融合设备、方法和系统 |
| CN115081300A (zh) * | 2022-06-01 | 2022-09-20 | 东南大学 | 基于虚拟仿真评估智能驾驶车辆恶劣天气视距安全的方法 |
| CN115016323A (zh) * | 2022-06-21 | 2022-09-06 | 际络科技(上海)有限公司 | 自动驾驶的仿真测试系统及方法 |
| CN115454843A (zh) * | 2022-09-05 | 2022-12-09 | 北京机械设备研究所 | 一种无人驾驶仿真装置及自动化测试方法 |
| CN115421127A (zh) * | 2022-09-26 | 2022-12-02 | 中汽创智科技有限公司 | 一种激光雷达仿真模型的生成方法、装置及电子设备 |
| CN115599694A (zh) * | 2022-11-03 | 2023-01-13 | 上海友道智途科技有限公司（Cn） | 一种自动驾驶软件版本集成测试方法 |
| CN115731350A (zh) * | 2022-11-23 | 2023-03-03 | 北京宾理信息科技有限公司 | 车辆的虚拟激光雷达的仿真方法及其装置 |
| CN116167255A (zh) * | 2023-04-26 | 2023-05-26 | 北京市计量检测科学研究院 | 一种基于vtd的车路协同闭环仿真测试方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116449807B (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230177819A1 (en) | Data synthesis for autonomous control systems | |
| CN109459734B (zh) | 一种激光雷达定位效果评估方法、装置、设备及存储介质 | |
| US20180267538A1 (en) | Log-Based Vehicle Control System Verification | |
| US20230150529A1 (en) | Dynamic sensor data augmentation via deep learning loop | |
| CN112256589B (zh) | 一种仿真模型的训练方法、点云数据的生成方法及装置 | |
| CN109726426A (zh) | 一种车辆自动驾驶虚拟环境构建方法 | |
| US10754030B2 (en) | Methods and systems for radar simulation and object classification | |
| CN112417757A (zh) | 车载雷达信号级仿真方法、装置、设备及可读存储介质 | |
| CN115421127A (zh) | 一种激光雷达仿真模型的生成方法、装置及电子设备 | |
| CN115392015A (zh) | 一种基于数字孪生的自动驾驶推演系统和推演方法 | |
| US20230080540A1 (en) | Lidar simulation system | |
| CN113495495B (zh) | 一种基于虚幻引擎的轨道障碍物检测仿真平台的构建方法 | |
| CN117269940B (zh) | 点云数据生成方法、激光雷达的感知能力验证方法 | |
| CN116449807B (zh) | 一种物联网汽车操控系统仿真测试方法及系统 | |
| CN117029840A (zh) | 一种移动车辆定位方法及系统 | |
| EP3948660A1 (en) | System and method for determining location and orientation of an object in a space | |
| US11555928B2 (en) | Three-dimensional object detection with ground removal intelligence | |
| CN110134024A (zh) | 车辆自动驾驶虚拟环境中特殊标志物的构建方法 | |
| US20230133867A1 (en) | Domain adaptation of autonomous vehicle sensor data | |
| CN112560258B (zh) | 一种测试方法、装置、设备及存储介质 | |
| CN112629881B (zh) | 一种自动驾驶仿真测试要素的提取方法 | |
| Kesury et al. | Radar modeling for autonomous vehicle simulation environment with open-source utilities | |
| CN116451590B (zh) | 自动驾驶仿真测试平台的仿真方法及装置 | |
| Zhang et al. | SMART-Degradation: A Dataset for LiDAR Degradation Evaluation in Rain | |
| US11847869B1 (en) | Multimodal perception simulation |
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 |