CN117742183A - 一种自动驾驶的仿真测试装置和仿真测试方法 - Google Patents
一种自动驾驶的仿真测试装置和仿真测试方法 Download PDFInfo
- Publication number
- CN117742183A CN117742183A CN202311815059.1A CN202311815059A CN117742183A CN 117742183 A CN117742183 A CN 117742183A CN 202311815059 A CN202311815059 A CN 202311815059A CN 117742183 A CN117742183 A CN 117742183A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- initial
- information
- track
- module
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 58
- 238000012360 testing method Methods 0.000 title claims abstract description 50
- 238000010998 test method Methods 0.000 title claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims description 51
- 230000001133 acceleration Effects 0.000 claims description 37
- 238000005070 sampling Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000011161 development Methods 0.000 abstract description 7
- 238000000034 method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 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
- 238000012795 verification Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本申请提供了一种自动驾驶的仿真测试装置和仿真测试方法，所述仿真测试装置包括：轨迹生成模块，用于获取车辆的定位信息，基于所述车辆的定位信息生成所述车辆的目标轨迹点信息；控制模块，用于基于所述车辆的目标轨迹点信息、所述车辆模型模块生成的所述车辆的底盘信息和所述定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；车辆模型模块，用于基于所述车辆的控制信息获得所述车辆的底盘信息；定位模块，用于基于所述车辆的底盘信息，获得所述车辆的新定位信息，并将所述车辆的新定位信息发送给所述轨迹生成模块，以更新所述轨迹生成模块中的定位信息。所述仿真测试装置，能够提高自动驾驶技术研发的效率。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其是涉及一种自动驾驶的仿真测试装置和仿真测试方法。
背景技术
随着自动驾驶技术的发展，车辆的自动驾驶功能越来越成熟。对于当前的自动驾驶功能的测试，一般用实车测试，但是实车测试的效率低且测试周期长，十分影响自动驾驶技术研发的效率。
发明内容
有鉴于此，本申请的目的在于提供一种自动驾驶的仿真测试装置和仿真测试方法，通过仿真手段来对自动驾驶功能进行测试，以提高自动驾驶技术研发的效率。
第一方面，本申请实施例提供了一种自动驾驶的仿真测试装置，所述仿真测试装置包括：轨迹生成模块、控制模块、车辆模型模块和定位模块；
轨迹生成模块，用于获取车辆的定位信息，基于所述车辆的定位信息生成所述车辆的目标轨迹点信息；
控制模块，用于基于所述车辆的目标轨迹点信息、所述车辆模型模块生成的所述车辆的底盘信息和所述定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；
车辆模型模块，用于基于所述车辆的控制信息获得所述车辆的底盘信息；
定位模块，用于基于所述车辆的底盘信息，获得所述车辆的新定位信息，并将所述车辆的新定位信息发送给所述轨迹生成模块，以更新所述轨迹生成模块中的定位信息。
可选地，所述轨迹生成模块，包括：
初始轨迹获取模块，用于获取所述车辆的多个初始轨迹点信息；所述初始轨迹点信息中包括多个初始轨迹点中的每个初始轨迹点的初始参数；
预处理模块，用于对所述多个初始轨迹点信息进行预处理，获得多个采样轨迹点信息；所述采样轨迹点信息中包括多个预处理轨迹点的目标参数；
目标轨迹确定模块，用于对所述多个采样轨迹点信息进行筛选处理，获得目标轨迹点信息；所述目标轨迹点信息中包括所述多个预处理轨迹点中的多个目标轨迹点的目标参数。
可选地，所述预处理模块，包括：
样条曲线获取模块，用于基于所述车辆的多个初始轨迹点中的每个初始轨迹点的初始参数，获得每个初始参数对应的样条曲线；
采样模块，用于对所述每个初始参数对应的样条曲线进行采样处理，获得所述多个初始轨迹点中的多个预处理轨迹点的目标参数。
可选地，所述样条曲线获取模块，具体用于：
针对所述多个初始轨迹点中的每个初始轨迹点，基于该初始轨迹点的初始参数，确定该初始轨迹点的距离参数；
基于该初始轨迹点的距离参数和初始参数，确定与该初始轨迹点的初始参数中的每个初始参数对应的坐标点信息；其中，该初始轨迹点的每个初始参数对应的坐标点信息的坐标值包括该初始轨迹点的距离参数和该初始参数；
针对每个初始参数，将所述多个初始轨迹点中与该初始参数对应的坐标点信息组成的集合确定为该初始参数的坐标点信息集；
利用三次样条曲线方式分别对每个初始参数的坐标点信息集进行拟合，获得每个初始参数对应的样条曲线。
可选地，所述采样模块，具体用于：
针对每个初始参数对应的样条曲线，对该初始参数的样条曲线进行等间隔采样，获得该初始参数对应的样条曲线上的多个采样坐标点；
基于每个初始参数对应的样条曲线上的多个采样坐标点，获得多个预处理轨迹点的预处理参数；
针对所述多个预处理轨迹点中的每个预处理轨迹点，利用参数方程确定该预处理轨迹点的曲率参数；
基于每个预处理轨迹点的曲率参数、预处理参数和初始参数，获得所述多个预处理轨迹点的目标参数。
可选地，所述目标轨迹确定模块，具体用于：
获取车辆的定位信息，基于所述车辆的定位信息，从所述多个预处理轨迹点中确定与所述车辆的定位信息匹配的匹配点；
基于预设轨迹点数量，以所述匹配点作为起始点，向后从所述预处理轨迹点中筛选出多个目标轨迹点，获得目标轨迹点信息。
可选地，所述控制信息包括：方向盘转向角、加速度和档位；所述底盘信息包括：反馈方向盘转向角、反馈加速度、反馈速度、质心侧偏角、横摆角速度和航向角。
可选地，所述车辆模型模块，具体用于：
分别基于所述方向盘转向角和所述加速度获得反馈方向盘转向角和反馈加速度；
对所述反馈加速度进行积分得到反馈速度；
基于所述车辆的驾驶参数，确定横摆角加速度；
基于横摆角加速度，确定质心侧偏角、横摆角速度和航向角。
第二方面，本申请实施例提供了一种自动驾驶的仿真测试方法，应用于仿真测试装置，所述仿真测试装置包括：轨迹生成模块、控制模块、车辆模型模块和定位模块；所述仿真测试方法包括：
获取车辆的定位信息，基于所述车辆的定位信息生成所述车辆的目标轨迹点信息；
基于所述车辆的目标轨迹点信息、所述车辆模型模块生成的所述车辆的底盘信息和所述定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；
基于所述车辆的控制信息获得所述车辆的底盘信息；
基于所述车辆的底盘信息，获得所述车辆的新定位信息，并将所述车辆的新定位信息发送给所述轨迹生成模块，以更新所述轨迹生成模块中的定位信息。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的仿真测试方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的仿真测试方法的步骤。
本申请实施例提供的一种自动驾驶的仿真测试装置和仿真测试方法，通过仿真手段来对自动驾驶功能进行测试，以提高自动驾驶技术研发的效率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请示例性实施例提供的一种自动驾驶的仿真测试装置的结构示意图；
图2示出了本申请示例性实施例提供的一种自动驾驶的仿真测试方法的流程图；
图3示出了本申请示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。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每个其他实施例，都属于本申请保护的范围。
随着自动驾驶技术的发展，车辆的自动驾驶功能越来越成熟。对于当前的自动驾驶功能的测试，一般用实车测试，但是实车测试的效率低且测试周期长，十分影响自动驾驶技术研发的效率。
基于此，本申请实施例提供了一种自动驾驶的仿真测试装置，通过仿真手段来对自动驾驶功能进行测试，以提高自动驾驶技术研发的效率。
请参阅图1，图1示出了本申请示例性实施例提供的一种自动驾驶的仿真测试装置的结构示意图。
如图1所示，本申请示例性实施例提供的自动驾驶的仿真测试装置，包括：轨迹生成模块100、控制模块200、车辆模型模块300和定位模块400；
轨迹生成模块100，用于获取车辆的定位信息，基于所述车辆的定位信息生成所述车辆的目标轨迹点信息；
控制模块200，用于基于所述车辆的目标轨迹信息、所述车辆模型模块生成的所述车辆的底盘信息和所述定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；
车辆模型模块300，用于基于所述车辆的控制信息获得所述车辆的底盘信息；
定位模块400，用于基于所述车辆的底盘信息，获得所述车辆的新定位信息，并将所述车辆的新定位信息发送给所述轨迹生成模块，以更新所述轨迹生成模块中的定位信息。
本申请示例性实施例提供的一种自动驾驶的仿真测试装置，通过仿真手段来对自动驾驶功能进行测试，提高了自动驾驶技术研发的效率。
下面，将对上述仿真测试装置所包括的各个模块的具体实现方式进行详细的介绍。
所述轨迹生成模块100，可以包括：初始轨迹获取模块110、预处理模块120和目标轨迹确定模块130。
其中，初始轨迹获取模块110，用于获取所述车辆的多个初始轨迹点信息；
这里，所述初始轨迹点信息中包括多个初始轨迹点中的每个初始轨迹点的初始参数，作为示例，每个初始轨迹点的初始参数可以为用户根据仿真软件或者实车数据得到并输入的车辆的位置参数，例如，初始参数可以包括车辆在预设坐标系下的横坐标值、车辆在预设坐标系下的纵坐标值、车辆在预设坐标系下的航向角、车辆的速度和车辆的加速度。作为示例，所述预设坐标系可以为世界坐标系。
预处理模块120，用于对所述多个初始轨迹点信息进行预处理，获得多个采样轨迹点信息；
这里，所述采样轨迹点信息中包括多个预处理轨迹点的目标参数；
具体地，所述预处理模块120，可以包括：样条曲线获取模块121和采样模块122。
其中，样条曲线获取模块121，用于基于所述车辆的多个初始轨迹点中的每个初始轨迹点的初始参数，获得每个初始参数对应的样条曲线；
作为示例，所述样条曲线获取模块121，具体可以用于：
针对所述多个初始轨迹点中的每个初始轨迹点，基于该初始轨迹点的初始参数，确定该初始轨迹点的距离参数；
这里，该初始轨迹点的距离参数表示该初始轨迹点相对于所述多个初始轨迹点中的第一个初始轨迹点的距离。作为示例，可以基于该初始轨迹点的初始参数，利用现有技术中的任意一种方式确定该初始轨迹点的距离参数，本申请对此不做限制。
基于该初始轨迹点的距离参数和初始参数，确定与该初始轨迹点的初始参数中的每个初始参数对应的坐标点信息；其中，该初始轨迹点的每个初始参数对应的坐标点信息的坐标值包括该初始轨迹点的距离参数和该初始参数；
作为示例，当初始参数包括车辆在预设坐标系下的横坐标值、车辆在预设坐标系下的纵坐标值、车辆在预设坐标系下的航向角、车辆的速度和车辆的加速度的情况下，与该初始轨迹点的初始参数中的每个初始参数对应的坐标点信息包括：距离与横坐标值坐标点Aix(si，xi)、距离与纵坐标值坐标点Aiy(si，yi)、距离与航向角坐标点Aiθ(si，θi)、距离与车辆速度坐标点Aiv(si，vi)、距离与车辆加速度坐标点Aia(si，ai)。
其中，si表示第i个初始轨迹点的距离参数，xi表示第i个初始轨迹点的车辆在预设坐标系下的横坐标值，yi表示第i个初始轨迹点的车辆在预设坐标系下的纵坐标值，θi表示第i个初始轨迹点的车辆在预设坐标系下的航向角，vi表示第i个初始轨迹点的车辆的速度，ai表示第i个初始轨迹点的车辆的加速度。
针对每个初始参数，将所述多个初始轨迹点中与该初始参数对应的坐标点信息组成的集合确定为该初始参数的坐标点信息集；
例如，假设初始轨迹点的数量为N个，针对车辆在预设坐标系下的横坐标值这一初始参数，将这N个初始轨迹点中与该初始参数对应的坐标点信息组成的集合Aix(si，xi)，其中，i＝1～N确定为该初始参数的坐标点信息集。
利用三次样条曲线方式分别对每个初始参数的坐标点信息集进行拟合，获得每个初始参数对应的样条曲线。
接上述示例，获得的每个初始参数对应的样条曲线可以包括：车辆在预设坐标系下的横坐标值对应的样条曲线、车辆在预设坐标系下的纵坐标值对应的样条曲线、车辆在预设坐标系下的航向角对应的样条曲线、车辆的速度对应的样条曲线和车辆的加速度对应的样条曲线。
例如，针对车辆在预设坐标系下的横坐标值对应的样条曲线，该曲线的x轴和y轴可以分别表示距离参数和车辆在预设坐标系下的横坐标值。
其中，采样模块122，用于对所述每个初始参数对应的样条曲线进行采样处理，获得所述多个初始轨迹点中的多个预处理轨迹点的目标参数。
作为示例，所述采样模块122，具体可以用于：
针对每个初始参数对应的样条曲线，对该初始参数的样条曲线进行等间隔采样，获得该初始参数对应的样条曲线上的多个采样坐标点；
这里，间隔是预设的。例如，间隔可以设置为0.5m。例如，在每隔0.5m进行采样的情况下，针对车辆在预设坐标系下的横坐标值对应的样条曲线，获得的该样条曲线上的多个采样坐标点可以包括：X1(s0.5，x3)，X2(s1，x1.2)……XM(sm，xd1)，针对车辆在预设坐标系下的纵坐标值对应的样条曲线，获得的该样条曲线上的多个采样坐标点可以包括：Y1(s0.5，y2)，X2(s1，y4)……XM(sm，xd2)。
基于每个初始参数对应的样条曲线上的多个采样坐标点，获得多个预处理轨迹点的预处理参数；
可以理解，由于每个初始参数对应的样条曲线上的多个采样坐标点中的每个采样坐标点的坐标值包括初始参数和距离参数，其中，每个初始参数上的相应的采样坐标点的距离参数是相同的，例如每个初始参数上的第一个采样坐标点的距离参数相同，因此基于每个采样点的坐标值中的每个距离参数，可以确定与每个距离参数对应的初始参数，这里，与每个距离参数对应的初始参数和距离参数为预处理轨迹点的预处理参数。
针对所述多个预处理轨迹点中的每个预处理轨迹点，利用参数方程确定该预处理轨迹点的曲率参数；
这里，参数方程可以为
其中，y＝w(s)。
其中，x为每个预处理轨迹点的车辆在预设坐标系下的横坐标值，y为每个预处理轨迹点的车辆在预设坐标系下的纵坐标值。
基于每个预处理轨迹点的曲率参数、预处理参数和初始参数，获得所述多个预处理轨迹点的目标参数。
所述目标轨迹确定模块130，具体用于：
获取车辆的定位信息，基于所述车辆的定位信息，从所述多个预处理轨迹点中确定与所述车辆的定位信息匹配的匹配点；
这里，定位信息是不断更新的，定位信息的初始值可以为用户根据实际情况确定并输入的，在得到定位信息的初始值之后，所述自动驾驶的仿真测试装置可以基于该定位信息的初始值进行后续计算，并在定位模块中生成新定位信息，并将该新定位信息发送给所述轨迹生成模块100中的目标轨迹确定模块130，以更新目标轨迹确定模块130中获取到的车辆的定位信息。
需要说明的是，现有技术中在利用仿真手段对自动驾驶功能进行测试的方案中，一般仿真测试装置中各个模块形成开环，其中，路径规划模块输出的目标轨迹为随时间变化的轨迹，因此无法避免多变量对控制模块的验证测试的影响，导致对控制模块的验证测试的准确度降低。
本申请实施例中的仿真测试装置中的各个模块形成闭环，因此，可以利用定位模块生成的定位信息不断的更新轨迹生成模块获取到的车辆的定位信息，以不断地生成新的目标轨迹点信息，从而实现不断地利用新的目标轨迹点信息对控制模块进行验证测试，相比于现有技术，本申请的轨迹生成模块生成的车辆的目标轨迹点信息在每次对控制模块的验证过程中(以定位信息被更新一次作为对控制模块的一次验证过程)不随时间变化，因此，可以避免多变量对控制模块的验证测试的影响，提高对控制模块的验证测试的准确度。
作为示例，在基于所述车辆的定位信息，从所述多个预处理轨迹点中确定与所述车辆的定位信息匹配的匹配点时，具体可以执行以下步骤：
遍历所述多个预处理轨迹点，判断所述车辆的定位信息是否满足预定条件，基于判断结果从所述多个预处理轨迹点中确定与所述车辆的定位信息匹配的匹配点。
作为示例，预定条件可以为：且/>
其中，P为所述车辆的定位信息，Pn为与所述车辆的定位信息所表示的车辆当前位置前面相邻的预处理轨迹点，Pn+1为与所述车辆的定位信息所表示的车辆当前位置后面相邻的预处理轨迹点。
作为示例，当预定条件为且/>的情况下，关于基于判断结果从所述多个预处理轨迹点中确定与所述车辆的定位信息匹配的匹配点的步骤可以包括：
如果所述车辆的定位信息满足预定条件，说明所述车辆处于预处理轨迹点Pn和Pn+1之间，则将与所述车辆当前位置前面相邻的预处理轨迹点确定为预所述车辆的定位信息匹配的匹配点。
基于预设轨迹点数量，以所述匹配点作为起始点，向后从所述预处理轨迹点中筛选出多个目标轨迹点，获得目标轨迹点信息。
这里，预设轨迹点数量是根据实际情况确定的，例如，预设轨迹点数量可以为60个。
例如，当所述匹配点的索引值n为10时，向后从所述预处理轨迹点中筛选出的多个目标轨迹点索引值n＝11～70。
具体地，控制模块，用于基于所述车辆的目标轨迹点信息、所述车辆模型模块生成的所述车辆的底盘信息和所述定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；
作为示例，所述控制信息可以包括：方向盘转向角、加速度和档位；所述底盘信息可以包括：反馈方向盘转向角、反馈加速度、反馈速度、质心侧偏角、横摆角速度和航向角。
所述车辆模型模块300，具体用于：
分别基于所述方向盘转向角和所述加速度获得反馈方向盘转向角和反馈加速度；
这里，所述车辆模型模块300模拟转向系统、驱动系统和制动系统，作为示例，该车辆模型模块采用一阶惯性延迟系统。
可以理解，反馈方向盘转向角和反馈加速度分别为对所述方向盘转向角和所述加速度的反馈值。
对所述反馈加速度进行积分得到反馈速度；
基于所述车辆的驾驶参数，获得质心侧偏角、横摆角速度和航向角。
这里，所述车辆的驾驶参数包括：侧向偏离加速度、前轮侧偏刚度、后轮侧偏刚度、车辆的质量、车辆的速度、前轴到质心距离、后轴到质心距离、转动惯量、前轮转角、横摆角加速度。
具体地，可以基于所述车辆的驾驶参数，利用以下公式确定横摆角加速度：
其中，为侧向偏离加速度、Kf为前轮侧偏刚度、Kr为后轮侧偏刚度、m为车辆的质量、vx为车辆的速度、w为横摆角速度、lf为前轴到质心距离、lr为后轴到质心距离、Iz为转动惯量、δ为前轮转角、/>为横摆角加速度。
基于横摆角加速度，确定质心侧偏角、横摆角速度和航向角。
具体地，关于基于横摆角加速度，确定质心侧偏角、横摆角速度和航向角的步骤可以包括；
对横摆角加速度进行积分获得横摆角速度；
对横摆角速度进行积分获得航向角；
利用以下公式确定质心侧偏角：
其中，ay为侧向加速度，为侧向平移加速度。另外，/>其中，wβ为质心侧偏角速度；
对wβ进行积分，获得质心侧偏角。
所述定位模块400，具体用于：
基于所述车辆的质心侧偏角、航向角和车辆的速度，利用车辆运动学模型确定所述车辆在世界坐标系下的横向速度和纵向速度；
这里，车辆的运动学模型为：
其中，为横向速度，/>为纵向速度，θ为航向角，β为质心侧偏角。
分别对所述横向速度和纵向速度进行积分，获得所述车辆的定位信息。
基于同一发明构思，本申请实施例中还提供了自动驾驶的仿真测试装置对应的自动驾驶的仿真测试方法，由于本申请实施例中的方法解决问题的原理与本申请实施例的装置相似，因此方法的实施可以参见装置的实施，重复之处不再赘述。
图2示出了本申请示例性实施例提供的一种自动驾驶的仿真测试方法的流程图。
如图2所示，所述仿真测试方法包括：
S201、获取车辆的定位信息，基于所述车辆的定位信息生成所述车辆的目标轨迹点信息；
S202、基于所述车辆的目标轨迹点信息、所述车辆模型模块生成的所述车辆的底盘信息和所述定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；
S203、基于所述车辆的控制信息获得所述车辆的底盘信息；
S204、基于所述车辆的底盘信息，获得所述车辆的新定位信息，并将所述车辆的新定位信息发送给所述轨迹生成模块，以更新所述轨迹生成模块中的定位信息。
本申请实施例提供的仿真测试方法，通过仿真手段来对自动驾驶功能进行测试，提高了自动驾驶技术研发的效率。
请参阅图3，图3为本申请实施例所提供的一种电子设备的结构示意图。如图3中所示，所述电子设备300包括处理器310、存储器320和总线330。
所述存储器320存储有所述处理器310可执行的机器可读指令，当电子设备300运行时，所述处理器310与所述存储器320之间通过总线330通信，所述机器可读指令被所述处理器310执行时，可以执行如上述方法实施例中的自动驾驶的仿真测试方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述方法实施例中的自动驾驶的仿真测试方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，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。
所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ReCd-OnlyMemory，ROM)、随机存取存储器(RCndom Cccess Memory，RCM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种自动驾驶的仿真测试装置，其特征在于，所述仿真测试装置包括：轨迹生成模块、控制模块、车辆模型模块和定位模块；
轨迹生成模块，用于获取车辆的定位信息，基于所述车辆的定位信息生成所述车辆的目标轨迹点信息；
控制模块，用于基于所述车辆的目标轨迹点信息、所述车辆模型模块生成的所述车辆的底盘信息和所述定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；
车辆模型模块，用于基于所述车辆的控制信息获得所述车辆的底盘信息；
定位模块，用于基于所述车辆的底盘信息，获得所述车辆的新定位信息，并将所述车辆的新定位信息发送给所述轨迹生成模块，以更新所述轨迹生成模块中的定位信息。
2.根据权利要求1所述的仿真测试装置，其特征在于，所述轨迹生成模块，包括：
初始轨迹获取模块，用于获取所述车辆的多个初始轨迹点信息；所述初始轨迹点信息中包括多个初始轨迹点中的每个初始轨迹点的初始参数；
预处理模块，用于对所述多个初始轨迹点信息进行预处理，获得多个采样轨迹点信息；所述采样轨迹点信息中包括多个预处理轨迹点的目标参数；
目标轨迹确定模块，用于对所述多个采样轨迹点信息进行筛选处理，获得目标轨迹点信息；所述目标轨迹点信息中包括所述多个预处理轨迹点中的多个目标轨迹点的目标参数。
3.根据权利要求2所述的仿真测试装置，其特征在于，所述预处理模块，包括：
样条曲线获取模块，用于基于所述车辆的多个初始轨迹点中的每个初始轨迹点的初始参数，获得每个初始参数对应的样条曲线；
采样模块，用于对所述每个初始参数对应的样条曲线进行采样处理，获得所述多个初始轨迹点中的多个预处理轨迹点的目标参数。
4.根据权利要求3所述的仿真测试装置，其特征在于，所述样条曲线获取模块，具体用于：
针对所述多个初始轨迹点中的每个初始轨迹点，基于该初始轨迹点的初始参数，确定该初始轨迹点的距离参数；
基于该初始轨迹点的距离参数和初始参数，确定与该初始轨迹点的初始参数中的每个初始参数对应的坐标点信息；其中，该初始轨迹点的每个初始参数对应的坐标点信息的坐标值包括该初始轨迹点的距离参数和该初始参数；
针对每个初始参数，将所述多个初始轨迹点中与该初始参数对应的坐标点信息组成的集合确定为该初始参数的坐标点信息集；
利用三次样条曲线方式分别对每个初始参数的坐标点信息集进行拟合，获得每个初始参数对应的样条曲线。
5.根据权利要求3所述的仿真测试装置，其特征在于，所述采样模块，具体用于：
针对每个初始参数对应的样条曲线，对该初始参数的样条曲线进行等间隔采样，获得该初始参数对应的样条曲线上的多个采样坐标点；
基于每个初始参数对应的样条曲线上的多个采样坐标点，获得多个预处理轨迹点的预处理参数；
针对所述多个预处理轨迹点中的每个预处理轨迹点，利用参数方程确定该预处理轨迹点的曲率参数；
基于每个预处理轨迹点的曲率参数、预处理参数和初始参数，获得所述多个预处理轨迹点的目标参数。
6.根据权利要求2所述的仿真测试装置，其特征在于，所述目标轨迹确定模块，具体用于：
获取车辆的定位信息，基于所述车辆的定位信息，从所述多个预处理轨迹点中确定与所述车辆的定位信息匹配的匹配点；
基于预设轨迹点数量，以所述匹配点作为起始点，向后从所述预处理轨迹点中筛选出多个目标轨迹点，获得目标轨迹点信息。
7.根据权利要求1所述的仿真测试装置，其特征在于，所述控制信息包括：方向盘转向角、加速度和档位；所述底盘信息包括：反馈方向盘转向角、反馈加速度、反馈速度、质心侧偏角、横摆角速度和航向角。
8.根据权利要求7所述的仿真测试装置，其特征在于，所述车辆模型模块，具体用于：
分别基于所述方向盘转向角和所述加速度获得反馈方向盘转向角和反馈加速度；
对所述反馈加速度进行积分得到反馈速度；
基于所述车辆的驾驶参数，确定横摆角加速度；
基于横摆角加速度，确定质心侧偏角、横摆角速度和航向角。
9.一种自动驾驶的仿真测试方法，其特征在于，应用于仿真测试装置，所述仿真测试装置包括：轨迹生成模块、控制模块、车辆模型模块和定位模块；所述仿真测试方法包括：
获取车辆的定位信息，基于所述车辆的定位信息生成所述车辆的目标轨迹点信息；
基于所述车辆的目标轨迹点信息、所述车辆模型模块生成的所述车辆的底盘信息和定位模块生成的所述车辆的定位信息，获得所述车辆的控制信息；
基于所述车辆的控制信息获得所述车辆的底盘信息；
基于所述车辆的底盘信息，获得所述车辆的新定位信息，并将所述车辆的新定位信息发送给所述轨迹生成模块，以更新所述轨迹生成模块中的定位信息。
10.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求9所述的仿真测试方法的步骤。
11.一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上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求9所述的仿真测试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311815059.1A CN117742183A (zh) | 2023-12-26 | 2023-12-26 | 一种自动驾驶的仿真测试装置和仿真测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311815059.1A CN117742183A (zh) | 2023-12-26 | 2023-12-26 | 一种自动驾驶的仿真测试装置和仿真测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117742183A true CN117742183A (zh) | 2024-03-22 |
Family
ID=90250842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311815059.1A Pending CN117742183A (zh) | 2023-12-26 | 2023-12-26 | 一种自动驾驶的仿真测试装置和仿真测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117742183A (zh) |
-
2023
- 2023-12-26 CN CN202311815059.1A patent/CN117742183A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108508881B (zh) | 自动驾驶控制策略调整方法、装置、设备及存储介质 | |
| Castignani et al. | Driver behavior profiling using smartphones: A low-cost platform for driver monitoring | |
| CN109522673B (zh) | 一种测试方法、装置、设备和存储介质 | |
| CN109491369B (zh) | 车辆实际控制单元的性能评估方法、装置、设备和介质 | |
| CN109131351B (zh) | 基于随机时滞的车辆稳定性评价方法 | |
| CN111797526B (zh) | 一种仿真测试场景构建方法及装置 | |
| US11704554B2 (en) | Automated training data extraction method for dynamic models for autonomous driving vehicles | |
| Jain et al. | BayesRace: Learning to race autonomously using prior experience | |
| Erdogan et al. | Real-world maneuver extraction for autonomous vehicle validation: A comparative study | |
| US20200386782A1 (en) | Apparatus and method for calibrating inertial measuring unit | |
| US20200384989A1 (en) | Method for the improved detection of objects by a driver assistance system | |
| EP3751465A1 (en) | Methods, apparatuses and computer programs for generating a reinforcement learning-based machine-learning model and for generating a control signal for operating a vehicle | |
| CN116108717A (zh) | 一种基于数字孪生的交通运输设备运行预测方法及装置 | |
| CN106546261A (zh) | 一种基于虚拟现实设备的角度数据补偿方法及装置 | |
| CN117742183A (zh) | 一种自动驾驶的仿真测试装置和仿真测试方法 | |
| CN110884478B (zh) | 确定车辆的制动气室压力信号的上升时间的方法和系统 | |
| Merrill et al. | End-to-end multi-task machine learning of vehicle dynamics for steering angle prediction for autonomous driving | |
| US20230278589A1 (en) | Autonomous driving sensor simulation | |
| CN114861516B (zh) | 一种车辆动力性能确定方法、装置及存储介质 | |
| Thomaser et al. | Real-World Optimization Benchmark from Vehicle Dynamics: Specification of Problems in 2D and Methodology for Transferring (Meta-) Optimized Algorithm Parameters. | |
| CN113264054B (zh) | 基于车辆参数和控制模型的车辆控制方法、装置和设备 | |
| EP4386561A1 (en) | Method for verifying accuracy of virtual sensor model for simulation based on reality information data | |
| KR102663016B1 (ko) | 비행체의 플렉셔 데이터 학습 방법, 컴퓨터 판독 가능한 기록 매체, 컴퓨터 프로그램 및 장치, 이를 이용한 플렉셔 데이터 생성 방법, 컴퓨터 판독 가능한 기록 매체, 컴퓨터 프로그램 및 장치 | |
| CN116691677B (zh) | 车辆驾驶控制方法、装置、车辆及存储介质 | |
| EP4361877A1 (en) | Methods and systems for generating trajectory information of a plurality of road users |
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 |