CN116822256A - 一种利用场景仿真调试验证车道线拟合偏差问题的方法 - Google Patents
一种利用场景仿真调试验证车道线拟合偏差问题的方法 Download PDFInfo
- Publication number
- CN116822256A CN116822256A CN202311096887.4A CN202311096887A CN116822256A CN 116822256 A CN116822256 A CN 116822256A CN 202311096887 A CN202311096887 A CN 202311096887A CN 116822256 A CN116822256 A CN 116822256A
- Authority
- CN
- China
- Prior art keywords
- scene
- simulation
- line fitting
- lane line
- lane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 238000002347 injection Methods 0.000 claims abstract description 25
- 239000007924 injection Substances 0.000 claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 5
- 230000004048 modification Effects 0.000 claims description 23
- 238000012986 modification Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000005065 mining Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种利用场景仿真调试验证车道线拟合偏差问题的方法,它包括:步骤S1、车道线拟合偏差场景内容提取;步骤S2、利用仿真软件重构场景,还原问题场景;步骤S3、仿真视频注入测试方法;步骤S4、通过电脑可视化客户端重现场景问题。本发明提供一种利用场景仿真调试验证车道线拟合偏差问题的方法,采用仿真软件制作高覆盖度且路况精准的仿真场景模拟问题场景并进行泛化,通过视频注入的方式在板端复现问题并跟踪调试,定位到车道线拟合偏差问题后升级并立即仿真验证的方法,可大大提高车道线拟合偏差问题定位及调试验证的速度、效率,并降低成本。并且由于仿真场景设计的灵活性,可以极大地丰富测试场景数据集,使得问题验证更充分。
Description
技术领域
本发明涉及一种利用场景仿真调试验证车道线拟合偏差问题的方法。
背景技术
目前,在自动驾驶技术领域中,车道线的分割和拟合是不可缺少的一部分。车道线分割拟合的准确性,直接影响规控系统PNC能否精准控制自动驾驶车辆沿期望道路行驶。准确的车道线拟合效果,能够指导车辆在正确的区域行驶,为自动驾驶汽车的自动巡航、车道保持、车道超车等行为提供重要依据。但由于实际场景道路情况复杂,车道线拟合成为自动驾驶算法中的一个难点问题。尤其是车道线拟合的算法中,需要根据自车速度、加速度、偏航角等信息,确定拟合系数。因此由车机信号引起的车道线拟合偏差问题,通常需要更新MCU软件,再利用实车道路测试的方法进行问题的调试解决。这种方法调试效率低,且成本高。
目前也有一些厂家通过HIL(硬件在环)台架回灌路采数据来解决,但回灌方式本身受到路采数据多少的限制。当路采数据不足时,也必须要先实车路采,再回灌调试,但有些场景采集困难,因此调试效率也深受影响。
针对车道线拟合出现偏差的问题,如果是车机信号透传引起的,通常需要更新MCU软件,例如弯道曲线拟合和对手车切入、切出引起的车道线拟合问题。现有的测试方式是回灌测试,是通过软件开发人员更改MCU软件版本,刷新MCU后,再由测试人员利用实车进行实际道路测试进行验证;或者通过HIL(硬件在环)台架注入进行验证。这些方法本身也受到路采数据量的限制。
(1)回灌测试方式,利用路采数据作为板端输入的测试方式。路采时的车机信号已保存,回灌时通过软件读取送入算法方式验证算法,无法验证MCU透传车身信号的环节,定位问题困难。
(2)实车道路测试方式,通过修改升级一版MCU软件后利用实车路测验证的方式。这种方式难以在短时间内实现多种场景的采集,因此也无法在短时间内实现问题的多场景验证。且当一次修改后实车道路测试验证不通用,就需要重复走修改软件版本-刷MCU-上实车道路测试的流程,反复的实车测试验证将会产生昂贵的人员成本和车辆成本、时间成本。
(3)HIL(硬件在环)台架回灌路采数据测试方式,通过将路采的车机信号读取出来,再通过CAN板卡发送的方式测试。这种方式取决于路采数据的规模。一方面很难采集到不同曲率半径的道路,无法保证各种曲率半径的弯道都能被测试覆盖到;另一方面实车采集过程中,遇到在有曲率弯道上对手车正好切入或前车正好切出的路况纯属偶然,问题点路况的特殊性导致实车路测难度大。
发明内容
本发明所要解决的技术问题是,克服现有技术的不足,提供一种利用场景仿真调试验证车道线拟合偏差问题的方法,采用仿真软件制作高覆盖度且路况精准的仿真场景模拟问题场景并进行泛化,通过仿真视频注入的方式在板端复现问题并跟踪调试,定位到车道线拟合偏差问题后升级并立即仿真验证的方法,可大大提高车道线拟合偏差问题定位及调试验证的速度、效率,并降低成本。并且由于仿真场景设计的灵活性,可以极大地丰富测试场景数据集,使得问题验证更充分。
为了解决上述技术问题,本发明的技术方案是:
一种利用场景仿真调试验证车道线拟合偏差问题的方法,它包括:
步骤S1、车道线拟合偏差场景内容提取;
步骤S2、利用仿真软件重构场景,还原问题场景;
步骤S3、仿真视频注入测试方法;
步骤S4、通过电脑可视化客户端重现场景问题;
步骤S5、修改CSV数据文件CAN信号影响因子;
步骤S6、重新进行视频注入,调试偏差效果,定位车道线拟合偏差问题;
步骤S7、再次进行视频注入,确认域控制器硬件板卡的MCU软件修改是否成功;
步骤S8、利用仿真软件制作多场景数据集,对修改效果进行室内仿真验证;
步骤S9、进行实车道路测试,对修改效果进行实车验证。
进一步,所述步骤S1具体包括如下步骤:
实车测试时发现车道线拟合存在偏差问题,则获取偏差问题pack包,从偏差问题pack包中提取路网信息,所述路网信息包括道路属性、道路周边设施等静态要素,也包括自车和对手车的车速、加速度、偏航角等动态要素。
进一步,所述步骤S2具体包括如下步骤:
利用仿真软件构建场景还原案例后,导出视频流文件和带有车身CAN信号信息的CSV数据文件;
所述视频流文件是将仿真场景视频流以MPEG4格式写入的文件;
所述车身CAN信号信息包括自车或者其他对手车的速度、位置、角速度、加速度信息;
所述车身CAN信号信息周期性写入CSV数据文件。
进一步,所述步骤S3具体包括如下步骤:
利用视频注入手段把仿真场景视频流和车身CAN信号同步注入到域控制器硬件板卡。
进一步,所述步骤S4具体包括如下步骤:
在电脑上安装可视化客户端,通过以太网转换器将电脑与域控制器硬件板卡相连,由可视化客户端重现车道线拟合偏差问题,点击可视化客户端展示的详细CAN信号字段,找到影响车道线拟合的因子。
进一步,所述步骤S5具体包括如下步骤:
打开带有车身CAN信号信息的CSV数据文件,修改CSV数据文件中的影响因子字段,修改完成保存新的CSV文件即可。
进一步,所述步骤S6具体包括如下步骤:
利用原场景视频流文件与新的带有车身CAN信号信息的CSV数据文件,重新进行视频注入,在可视化客户端上查看传入的影响因子字段是否改变,观察车道线拟合结果,确认车道线拟合偏差问题是否由影响因子字段错误导致的,最后定位到车道线拟合偏差原因,对代码中的影响因子字段进行处理修改,然后刷新域控制器硬件板卡的MCU软件版本。
进一步,所述步骤S7具体包括如下步骤:
利用原场景视频流文件与带有车身CAN信号信息的的原CSV数据文件,再次进行视频注入,验证修改域控制器硬件板卡的MCU代码程序是否正确,如果在可视化客户端能查看到车道线拟合偏差问题已解决,则表示域控制器硬件板卡的MCU软件修改成功。
进一步,所述步骤S8具体包括如下步骤:
利用仿真软件构建影响因子字段在不同参数下的仿真场景,并且利用仿真软件的泛化能力,生成不同天气、不同时段下的仿真场景;
由仿真软件制作出多场景数据集,然后进行视频注入,通过可视化客户端验证车道线拟合偏差问题的定位和域控制器硬件板卡的MCU软件的修改是否正确。
进一步,所述影响因子字段在不同参数下的仿真场景包括小曲率弯道上对手车切入场景、大曲率弯道上对手车切入场景、连续弯道上对手车切入场景、切入时间快慢引起的不同遮挡场景。
采用了上述技术方案,本发明具有以下的有益效果:
(1)本发明利用仿真软件构建重现实测问题数据包中的场景,包括重现路网、车辆的行为规划等,找到影响车道线拟合效果的各种因子。利用场景仿真解决方案能实现数据包(路网和对手车行为)的高覆盖度和精确性,使得测试更具充分性与更强的针对性,结论也更具可靠性。
(2)本发明从仿真软件中提取车身CAN信号写入CSV文件;提取场景视频保存为视频文件;利用仿真视频注入手段把仿真场景视频流和车身CAN信号同步注入到硬件板端运行,方便重现问题。
(3)本发明可以直接修改车身CAN信号CSV文件中字段(yaw rate),在可视化客户端查看传入的yaw rate是否改变,直接能观察车道线拟合结果确认问题是否是由yaw rate错误导致的,定位问题快捷准确。
(4)本发明如果确认是yaw rate错误引起的,修改MCU软件,同时车身CAN信号恢复原状,再次视频注入,实时就能验证MCU程序修改是否正确。针对回灌中无法验证MCU透传的车身CAN信号的缺点,本发明能直接修改CAN信号,并实时能通过CANOE发送修改后的信号进行修改效果的直接验证,不用上实车就能方便快捷地灵活模拟CAN信号的调整。
(5)本发明利用仿真软件构建问题影响因子不同参数的的仿真场景,如不同曲率的路网,不同对手车行为等,利用多场景能充分地验证问题定位是否准确,MCU的修改是否正确。
(6)本发明利用仿真软件的泛化能力,生成不同天气、不同时段的仿真场景,用足够的场景数据集再次验证问题定位是否准确,MCU的修改是否正确。
(7)本发明针对实车路测成本大以及需要反复路测调试验证的缺点,在办公室利用仿真就能实现调试验证,可以大大提高测试速度、效率以及降低成本。在验证完成后,再进行实车道路测试,提高实车一次路测的成功可能性。
附图说明
图1为本发明的一种利用场景仿真调试验证车道线拟合偏差问题的方法的流程图;
图2为本发明的一种利用场景仿真调试验证车道线拟合偏差问题的方法的仿真平台架构图。
具体实施方式
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明。
如图1所示,本实施例提供一种利用场景仿真调试验证车道线拟合偏差问题的方法,它包括:
步骤S1、车道线拟合偏差场景内容提取,具体包括如下步骤:
实车测试时发现车道线拟合存在偏差问题,则获取偏差问题pack包,从偏差问题pack包中提取路网信息和车辆行为规划信息,所述路网信息包括道路属性、道路周边设施等静态要素,也包括自车和对手车的车速、加速度、偏航角等动态要素。
步骤S2、利用仿真软件重构场景,还原问题场景,具体包括如下步骤:
利用仿真软件构建场景还原案例后,导出视频流文件和带有车身CAN信号信息的CSV数据文件;
视频流文件是将仿真场景视频流以MPEG4格式写入的文件;
车身CAN信号信息包括自车或者其他对手车的速度、位置、角速度、加速度信息;
车身CAN信号信息周期性写入CSV数据文件。
步骤S3、仿真视频注入测试方法,具体包括如下步骤:
利用视频注入手段把仿真场景视频流和车身CAN信号同步注入到域控制器硬件板卡。
步骤S4、通过电脑可视化客户端重现场景问题,具体包括如下步骤:
在电脑上安装可视化客户端,通过以太网连接线将电脑与域控制器硬件板卡相连,由可视化客户端重现车道线拟合偏差问题,点击可视化客户端展示的详细CAN信号字段,找到影响车道线拟合的因子。
步骤S5、修改CSV数据文件CAN信号影响因子,具体包括如下步骤:
打开带有车身CAN信号信息的CSV数据文件,修改CSV数据文件中的影响因子字段(yaw rate),修改完成保存新的CSV文件即可。
步骤S6、重新进行视频注入,调试偏差效果,定位车道线拟合偏差问题,具体包括如下步骤:
利用原场景视频流文件与新的带有车身CAN信号信息的CSV数据文件,重新进行视频注入,在可视化客户端上查看传入的影响因子字段(yaw rate)是否改变,直接能观察车道线拟合结果,确认车道线拟合偏差问题是否由影响因子字段(yaw rate)错误导致的,最后定位到车道线拟合偏差原因,开发人员对代码中的影响因子字段(yaw rate)进行处理修改,然后刷新域控制器硬件板卡的MCU软件版本。
步骤S7、再次进行视频注入,确认域控制器硬件板卡的MCU软件修改是否成功,具体包括如下步骤:
如图2所示,利用原场景视频流文件与带有车身CAN信号信息的的原CSV数据文件,再次进行视频注入,验证修改域控制器硬件板卡的MCU代码程序是否正确,如果在可视化客户端能查看到车道线拟合偏差问题已解决,则表示MCU软件修改成功。
步骤S8、利用仿真软件制作多场景数据集,对修改效果进行室内仿真验证,具体包括如下步骤:
一方面可以利用仿真软件构建影响因子字段(yaw rate)在不同参数下的仿真场景,影响因子字段(yaw rate)在不同参数下的仿真场景包括小曲率弯道上对手车切入场景、大曲率弯道上对手车切入场景、连续弯道上对手车切入场景、切入时间快慢引起的不同遮挡场景。另一方面还能利用仿真软件的泛化能力,生成不同天气、不同时段下的仿真场景;由仿真软件快捷方便地制作出多场景数据集,然后进行视频注入,通过可视化客户端即可实时地充分地验证车道线拟合偏差问题的定位和域控制器硬件板卡的MCU软件的修改是否正确。
步骤S9、仿真验证完成后,再进行实车道路测试,对修改效果进行实车验证。此时如果域控制器硬件板卡的MCU软件在车道线拟合偏差问题上的修改已可靠稳定,则道路一次测试成功性高。
以上所述的具体实施例,对本发明解决的技术问题、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,它包括:
步骤S1、车道线拟合偏差场景内容提取;
步骤S2、利用仿真软件重构场景,还原问题场景;
步骤S3、仿真视频注入测试方法;
步骤S4、通过电脑可视化客户端重现场景问题;
步骤S5、修改CSV数据文件CAN信号影响因子;
步骤S6、重新进行视频注入,调试偏差效果,定位车道线拟合偏差问题;
步骤S7、再次进行视频注入,确认域控制器硬件板卡的MCU软件修改是否成功;
步骤S8、利用仿真软件制作多场景数据集,对修改效果进行室内仿真验证;
步骤S9、进行实车道路测试,对修改效果进行实车验证。
2.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S1具体包括如下步骤:
实车测试时发现车道线拟合存在偏差问题,则获取偏差问题pack包,从偏差问题pack包中提取路网信息和车辆行为规划信息,所述路网信息包括道路属性、道路周边设施以及自车和对手车的车速、加速度、偏航角。
3.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S2具体包括如下步骤:
利用仿真软件构建场景还原案例后,导出视频流文件和带有车身CAN信号信息的CSV数据文件;
所述视频流文件是将仿真场景视频流以MPEG4格式写入的文件;
所述车身CAN信号信息包括自车或者其他对手车的速度、位置、角速度、加速度信息;
所述车身CAN信号信息周期性写入CSV数据文件。
4.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S3具体包括如下步骤:
利用视频注入手段把仿真场景视频流和车身CAN信号同步注入到域控制器硬件板卡。
5.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S4具体包括如下步骤:
在电脑上安装可视化客户端,通过以太网转换器将电脑与域控制器硬件板卡相连,由可视化客户端重现车道线拟合偏差问题,点击可视化客户端展示的详细CAN信号字段,找到影响车道线拟合的因子。
6.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S5具体包括如下步骤:
打开带有车身CAN信号信息的CSV数据文件,修改CSV数据文件中的影响因子字段,修改完成保存新的CSV文件即可。
7.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S6具体包括如下步骤:
利用原场景视频流文件与新的带有车身CAN信号信息的CSV数据文件,重新进行视频注入,在可视化客户端上查看传入的影响因子字段是否改变,观察车道线拟合结果,确认车道线拟合偏差问题是否由影响因子字段错误导致的,最后定位到车道线拟合偏差原因,对代码中的影响因子字段进行处理修改,然后刷新域控制器硬件板卡的MCU软件版本。
8.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S7具体包括如下步骤:
利用原场景视频流文件与带有车身CAN信号信息的的原CSV数据文件,再次进行视频注入,验证修改域控制器硬件板卡的MCU软件代码程序是否正确,如果在可视化客户端能查看到车道线拟合偏差问题已解决,则表示域控制器硬件板卡的MCU软件修改成功。
9.根据权利要求1所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于,所述步骤S8具体包括如下步骤:
利用仿真软件构建影响因子字段在不同参数下的仿真场景,并且利用仿真软件的泛化能力,生成不同天气、不同时段下的仿真场景;
由仿真软件制作出多场景数据集,然后进行视频注入,通过可视化客户端验证车道线拟合偏差问题的定位和域控制器硬件板卡的MCU软件的修改是否正确。
10.根据权利要求9所述的利用场景仿真调试验证车道线拟合偏差问题的方法,其特征在于:所述影响因子字段在不同参数下的仿真场景包括小曲率弯道上对手车切入场景、大曲率弯道上对手车切入场景、连续弯道上对手车切入场景、切入时间快慢引起的不同遮挡场景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311096887.4A CN116822256B (zh) | 2023-08-29 | 2023-08-29 | 一种利用场景仿真调试验证车道线拟合偏差问题的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311096887.4A CN116822256B (zh) | 2023-08-29 | 2023-08-29 | 一种利用场景仿真调试验证车道线拟合偏差问题的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116822256A true CN116822256A (zh) | 2023-09-29 |
CN116822256B CN116822256B (zh) | 2023-11-10 |
Family
ID=88126063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311096887.4A Active CN116822256B (zh) | 2023-08-29 | 2023-08-29 | 一种利用场景仿真调试验证车道线拟合偏差问题的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822256B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779413A (zh) * | 2012-07-23 | 2012-11-14 | 上海汉世智能交通科技发展有限公司 | 一种机动车特征数据采集分析器及分析方法 |
KR20220003358A (ko) * | 2020-07-01 | 2022-01-10 | 한양대학교 산학협력단 | 곡선 도로 주행을 위한 차량 횡방향 제어 장치 및 방법 |
CN114579131A (zh) * | 2020-11-30 | 2022-06-03 | 中科寒武纪科技股份有限公司 | 用于获取硬件性能数据的方法、设备和系统 |
CN116228756A (zh) * | 2023-05-08 | 2023-06-06 | 常州星宇车灯股份有限公司 | 一种自动驾驶中相机坏点的检测方法及检测系统 |
CN116383041A (zh) * | 2023-03-03 | 2023-07-04 | 嬴彻星创智能科技(上海)有限公司 | 用于自动驾驶仿真测试的车道线拟合方法及装置 |
-
2023
- 2023-08-29 CN CN202311096887.4A patent/CN116822256B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779413A (zh) * | 2012-07-23 | 2012-11-14 | 上海汉世智能交通科技发展有限公司 | 一种机动车特征数据采集分析器及分析方法 |
KR20220003358A (ko) * | 2020-07-01 | 2022-01-10 | 한양대학교 산학협력단 | 곡선 도로 주행을 위한 차량 횡방향 제어 장치 및 방법 |
CN114579131A (zh) * | 2020-11-30 | 2022-06-03 | 中科寒武纪科技股份有限公司 | 用于获取硬件性能数据的方法、设备和系统 |
CN116383041A (zh) * | 2023-03-03 | 2023-07-04 | 嬴彻星创智能科技(上海)有限公司 | 用于自动驾驶仿真测试的车道线拟合方法及装置 |
CN116228756A (zh) * | 2023-05-08 | 2023-06-06 | 常州星宇车灯股份有限公司 | 一种自动驾驶中相机坏点的检测方法及检测系统 |
Non-Patent Citations (2)
Title |
---|
HAN HUA等: "Path Recognition Algorithm of Tracking Robots Based on Image Sensor", 《JOURNAL OF DONGHUA UNIVERSITY (ENGLISH EDITION)》, pages 137 - 140 * |
杜学峰: "基于卷积神经网络的车道保持系统的研究与设计", 《中国优秀硕士学位论文全文数据库》, no. 6, pages 1 - 82 * |
Also Published As
Publication number | Publication date |
---|---|
CN116822256B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4224404A1 (en) | Simulated traffic scene file generation method and apparatus | |
Hauer et al. | Did we test all scenarios for automated and autonomous driving systems? | |
CN113341935A (zh) | 一种车辆测试方法、装置、测试设备、系统及存储介质 | |
CN109358526B (zh) | 基于仿真的自动驾驶循迹算法的软件在环测试方法 | |
CN101727383B (zh) | 数据库的仿真测试方法和系统 | |
CN110533940B (zh) | 自动驾驶中异常交通信号灯识别的方法、装置和设备 | |
WO2024131678A1 (zh) | 一种融合真实道路场景的智能驾驶在环测试方法、环境及存储介质 | |
CN109857087A (zh) | 一种城轨区域控制器系统硬件在环测试系统 | |
CN110793548A (zh) | 基于gnss接收机硬件在环的虚实结合的导航仿真测试系统 | |
CN109828551A (zh) | 自动化测试方法、装置以及计算机可读存储介质 | |
CN111553995A (zh) | 对从生产线下线的车辆进行etc检测的方法、装置、系统计算机可读存储介质 | |
CN110116727A (zh) | 一种车道中心保持系统的实车测试方法 | |
CN116822256B (zh) | 一种利用场景仿真调试验证车道线拟合偏差问题的方法 | |
CN111368409A (zh) | 车辆流的模拟处理方法、装置、设备和存储介质 | |
CN112671487A (zh) | 一种车辆测试的方法、服务器以及测试车辆 | |
CN108259258A (zh) | 一种实现调车监控系统自动化功能测试的系统及方法 | |
Wang et al. | Hybrid online model-based testing for communication-based train control systems | |
Vedder et al. | Automated testing of ultrawideband positioning for autonomous driving | |
Hallerbach et al. | Simulation-Enabled Methods for Development, Testing, and Validation of Cooperative and Automated Vehicles | |
CN111914412B (zh) | 一种基于错误注入器的自动驾驶性能局限测试系统及方法 | |
CN113704100A (zh) | 一种测试用例的自动管理方法及系统 | |
CN113434427A (zh) | 一种实现测试验证的方法、装置、计算机存储介质及终端 | |
Mehlitz et al. | Analyzing airspace data with race | |
CN103150254A (zh) | 基于状态依赖概率建模的软件错误定位方法 | |
US11610504B2 (en) | Systems and methods for scenario marker infrastructure |
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 |