TWI832203B - 驗證系統及方法 - Google Patents
驗證系統及方法 Download PDFInfo
- Publication number
- TWI832203B TWI832203B TW111113529A TW111113529A TWI832203B TW I832203 B TWI832203 B TW I832203B TW 111113529 A TW111113529 A TW 111113529A TW 111113529 A TW111113529 A TW 111113529A TW I832203 B TWI832203 B TW I832203B
- Authority
- TW
- Taiwan
- Prior art keywords
- module
- test scene
- image
- vehicle
- scene
- Prior art date
Links
- 238000012795 verification Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012360 testing method Methods 0.000 claims abstract description 115
- 238000004088 simulation Methods 0.000 claims abstract description 34
- 230000009471 action Effects 0.000 claims abstract description 13
- 230000006872 improvement Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申請公開一種驗證系統及方法,所述驗證系統,包括:模擬模組,用於生成測試場景,所述測試場景內設置有至少兩個物體;顯示模組,所述顯示模組連接所述模擬模組,用於顯示所述測試場景之影像;採集模組,所述採集模組用於採集所述測試場景之影像及車輛動作訊號;控制模組,所述控制模組用於根據所述影像計算所述至少兩個物件之間之至少一感測距離,且匹配所述至少一感測距離與所述車輛動作訊號;介面模組,所述介面模組連接所述採集模組與控制模組,用於傳輸所述車輛動作訊號及所述測試場景之影像至所述控制模組。
Description
本申請涉及汽車技術領域,尤其涉及一種驗證系統及方法。
隨著技術之進步,高級駕駛輔助系統(Advanced Driving Assistance System,ADAS)於汽車上之應用正變得越來越普及。ADAS設置於汽車內,是利用安裝於車上之各式各樣之感測器,於汽車行駛過程中隨時來感應周圍之環境,收集資料,進行物體之辨識、偵測與追蹤,從而預先讓駕駛者察覺到可能發生之危險,有效增加汽車駕駛之舒適性與安全性。
目前,為保證車輛能夠準確之辨識周圍環境之物體資訊,多採用虛擬影像或實車來進行驗證,缺乏結合ADAS之車輛驗證應用,存於改進空間。
有鑒於此,本申請提供一種驗證系統及方法。能夠藉由虛擬測試場景及ADAS系統中之攝像頭計算感測距離,並將感測距離匹配一對應之真實距離。可以減少測試時將真實距離匹配至駕駛者行為時需要車輛外出試驗次數。
本申請提供之一種驗證系統,應用於車輛,包括:模擬模組,用於生成測試場景,所述測試場景內設置有至少兩個物體;顯示模組,所述顯示模組連接所述模擬模組,用於顯示所述測試場景之影像;採集模組,所述採集模組用於採集所述測試場景之影像及車輛動作訊號,其中所述車輛動作訊號由
所述車輛之操控訊號所產生;控制模組,所述控制模組用於根據所述影像計算所述至少兩個物件之間之至少一感測距離,且匹配所述至少一感測距離與所述車輛動作訊號;介面模組,所述介面模組連接所述採集模組與控制模組,用於傳輸所述車輛動作訊號及所述測試場景之影像至所述控制模組。
本申請提供之一種驗證方法,所述方法包括:生成測試場景,所述測試場景內設置有至少兩個物件;顯示所述測試場景之影像;藉由攝像頭採集所述測試場景之影像;藉由控制模組根據所述攝像頭採集所述影像計算至少一感測距離;採集車輛動作訊號,其中所述車輛動作訊號由所述車輛之操控訊號所產生;及匹配所述至少一感測距離與所述車輛動作訊號。
10;10a:驗證系統
100:模擬模組
200:顯示模組
300;300a:採集模組
310:影像採集模組
311:攝像頭
312:中繼鏡
313:殼體
314:調節件
315:第一支撐件
316:第二支撐件
320:動作採集模組
400:介面模組
500;500a:控制模組
20:高級駕駛輔助系統
S100-S600;S010-S050:步驟
圖1為本申請一實施例提供之驗證系統之模組示意圖。
圖2是本申請另一實施例提供之驗證系統之模組示意圖。
圖3是圖2所示驗證系統中影像採集模組及顯示模組之示意圖。
圖4A、圖4B、圖4C及圖4D是本申請一實施例提供之影像識別結果示意圖。
圖5是本申請一實施例提供之驗證方法流程示意圖。
圖6是本申請另一實施例提供之驗證方法流程示意圖。
為能夠更清楚地理解本申請之上述目的、特徵與優點,下面結合附圖與具體實施例對本申請進行詳細描述。需要說明,於不衝突之情況下,本申請之實施例及實施例中之特徵可以相互組合。於下面之描述中闡述了很多具體細節以便於充分理解本申請,所描述之實施例僅係本申請一部分實施例,而不是全部之實施例。
需要說明,雖於流程圖中示出了邏輯順序,但於某些情況下,可以以不同於流程圖中之循序執行所示出或描述之步驟。本申請實施例中公開之方法包括用於實現方法之一個或複數步驟或動作。方法步驟與/或動作可以於不脫離請求項之範圍之情況下彼此互換。換句話說,除非指定步驟或動作之特定順序,否則特定步驟與/或動作之順序與/或使用可以於不脫離請求項範圍之情況下被修改。
隨著技術之進步,高級駕駛輔助系統(Advanced Driving Assistance System,ADAS)於汽車上之應用正變得越來越普及。ADAS系統設置於汽車內,是利用安裝於車上之各式各樣之感測器,於汽車行駛過程中隨時來感應周圍之環境,收集資料,進行物體之辨識、偵測與追蹤,從而預先讓駕駛者察覺到可能發生之危險,有效增加汽車駕駛之舒適性與安全性。
本申請提供一種驗證系統及方法。所述系統及方法能夠藉由虛擬測試場景及ADAS系統中之攝像頭計算感測距離,並將感測距離匹配一對應之真實距離。可以減少測試時將真實距離匹配至駕駛者行為時需要車輛外出試驗次數。
下面結合附圖,對申請之一些實施方式作詳細說明。於不衝突之情況下,下述之實施例及實施例中之特徵可以相互組合。
圖1是本申請一實施例提供之一種驗證系統10之模組示意圖。如圖1所示,驗證系統10至少包括以下部分:模擬模組100、顯示模組200、採集模組300、介面模組400及控制模組500。其中,採集模組300及介面模組400分別連接高級駕駛輔助系統(Advanced Driving Assistance System,ADAS)20。
模擬模組100用於生成測試場景。測試場景包括於驗證高級駕駛輔助系統20之過程中,一定之時間與空間範圍內,汽車與行駛環境中之其它車輛、道路、交通設施、氣象條件等元素之綜合交互過程。測試場景內設置有至
少兩個物件。於一些實施例中,其中之一個物件為具有高級駕駛輔助系統20之車輛本身。於一些實施例中,其中之一個或二個物件還可以包括其他車輛,或測試場景內其他物件如貓、狗、行人、自行車、坑洞等。
可以理解,於生成測試場景時,需要參考之要素包括車輛自身要素及外部交通環境要素,以確保測試場景可以還原真實之駕駛情況。其中,車輛自身要素包括車輛自身之基礎屬性(例如長度、寬度、高度等資訊)、位置資訊、運動狀態資訊及駕駛任務等資訊。外部交通環境要素又涵蓋:靜態環境要素、動態環境要素、交通參與者要素、氣象要素等。其中,靜態環境要素包括交通環境中靜止狀態之物體,例如,道路、交通設施、周圍景觀以及障礙物等。動態環境要素包括交通環境中處於動態變化之要素,例如,動態指示設施與通信環境資訊。交通參與者要素包括於自動駕駛測試場景中對本車決策規劃造成影響之物件資訊,例如車輛、行人與動物。氣象要素包括例如測試場景中之環境溫度、光照條件以及天氣情況等資訊。
可以理解,於本申請中,模擬模組100於生成測試場景時,對車輛及其感測器進行建模,以使車輛自身要素及外部交通環境要素可與真實場景中之比例一致,以使高級駕駛輔助系統20可以正確識別測試場景中之各種要素。
可以理解,顯示模組200連接模擬模組100。顯示模組200用於顯示模擬模組100生成之測試場景中之影像。示例性顯示模組200可以採用顯示幕或投影儀結合幕布之形式顯示測試場景中之影像,本申請對此不作限制。
採集模組300用於採集測試場景之影像及車輛動作訊號。可以理解,車輛動作訊號由車輛操控訊號產生,車輛操控訊號是駕駛員於駕駛車輛時產生之訊號。示例性車輛操控訊號可以是駕駛員駕駛車輛或模擬駕駛車輛時,方向盤之轉動角度、油門移動角度或刹車移動角度等訊號。
介面模組400通信連接模擬模組100、採集模組300、控制模組500及高級駕駛輔助系統20。介面模組400用於傳輸車輛動作訊號及測試場景之影像至控制模組500。
可以理解,介面模組400可以實現採集模組300與控制模組500之間之資料交互。示例介面模組400內可以設置乙太網模組,以將採集模組300採集到之影像訊號傳輸至控制模組500。於一些實施例中,介面模組400內還可以設置有控制器區域網路(Controller Area Network,CAN)模組以傳輸採集模組300獲取之車輛動作訊號至控制模組500。
控制模組500用於根據車輛動作訊號及測試場景之影像更新測試場景之參數。
可以理解,模擬模組100還藉由介面模組400連接至控制模組500,模擬模組100用於根據控制模組500更新後之測試場景之參數更新測試場景,以完成高級駕駛輔助系統20之驗證。
可以理解,控制模組500還用於校正測試場景之影像,使測試場景之影像比例與真實場景相同。
可以理解,高級駕駛輔助系統20藉由採集模組300獲取測試場景之影像資訊,再根據獲取到之影像資訊識別測試場景內之其他物體之尺寸及距離等資訊。高級駕駛輔助系統20將識別結果藉由介面模組400傳輸至控制模組500。控制模組500用於控制模擬模組100生成之測試場景內其他物體之尺寸及距離,以測試高級駕駛輔助系統20能否正確之識別測試場景內之其他物體。
可以理解,於高級駕駛輔助系統20進行性能驗證時,首先需要藉由識別標靶來識別影像之比例及尺寸等資訊,以校驗高級駕駛輔助系統20之識別結果是否準確,並根據識別之結果確定其他物體之比例及尺寸。示例測試場景內可以設置有識別標靶,測試場景內之識別標靶具有與真實場景中之識別標
靶相同之比例,以測試高級駕駛輔助系統20能否正確之採集與識別測試場景內之物體。
可以理解,模擬模組100於生成測試場景時,根據車輛自身要素及外部交通環境要素生成測試場景。模擬模組100還用於接收來自控制模組500之測試場景之更新參數,根據測試場景與更新參數生成與更新參數對應之測試場景,可以使測試場景模擬車輛於測試場景中之運行狀態,驗證高級駕駛輔助系統20於車輛於測試場景中運行時,能否正確之識別場景內之其他物體。
可以理解,模擬模組100還用於調整生成之測試場景之天氣與光源特徵。示例性模擬模組100可以藉由調整測試場景之天氣與光源等特徵來模擬白天、夜間、霧天及雨天等天氣狀況,以模擬高級駕駛輔助系統20於不同之環境下之識別測試場景中之物體。藉由模擬不同環境下之測試場景對高級駕駛輔助系統20進行驗證,可以訓練高級駕駛輔助系統20識別不同環境下之物體,進而提高高級駕駛輔助系統20對於不同環境之適應度。
請一併參閱圖2,圖2是本申請另一實施例提供之一種驗證系統10a之模組示意圖。如圖2所示,驗證系統10a亦包括模擬模組100、顯示模組200、採集模組300a、介面模組400及控制模組500a。於本實施例中,驗證系統10a中之模擬模組100、顯示模組200、介面模組400及控制模組500a與驗證系統10中之模擬模組100、顯示模組200、介面模組400及控制模組500相同或類似,於此不再贅述。
於圖2所示之實施例中,驗證系統10a與驗證系統10之區別在於,採集模組300a包括影像採集模組310及動作採集模組320。影像採集模組310包括攝像頭311及中繼鏡312。其中,攝像頭311用於採集測試場景之影像。於一些實施例中,攝像頭311可以是高級駕駛輔助系統20中用於採集影像之攝像頭。
於一些實施例中,高級駕駛輔助系統20中可能具有多個攝像頭,每個攝像頭均具有不同之視角以全面之採集駕駛時之影像資訊。此時,於驗證系統10a中可以設置多個影像採集模組310,影像採集模組310之數量與攝像頭311相同,每個影像採集模組310用於為高級駕駛輔助系統20中不同之攝像頭311提供不同視角之測試場景之影像,以使高級駕駛輔助系統20可以採集到完整之測試場景影像進行性能測試。
中繼鏡312用於調節測試場景之影像之顯示距離。中繼鏡312可以將近距離之物體於更遠處生成一個較小之虛像,該虛像為處於近距離之物體於遠距離之鏡像。攝像頭311藉由中繼鏡312採集到之測試場景影像實際上是測試場景影像於遠距離之鏡像,從而實現增距檢測之目的。
可以理解,於影像採集模組310設置中繼鏡312,可以調節攝像頭311採集到之測試場景之影像顯示距離,模擬不同距離之測試場景。
於一些實施例中,動作採集模組320可以連接汽車操控裝置,以採集車輛動作訊號。汽車操控裝置可以包括方向盤、刹車、油門等。於進行高級駕駛輔助系統20測試時,可以由測試人員操作汽車操控裝置,以模擬人員駕駛汽車時之操作。
於一些實施例中,高級駕駛輔助系統20還可以藉由介面模組400獲取來自動作採集模組320之車輛動作訊號。高級駕駛輔助系統20可以根據車輛動作訊號及測試場景之影像資訊判斷車輛與場景內物體之距離是否為安全距離。
於一些實施例中,動作採集模組320還可以連接由自動駕駛系統控制之汽車操控訊號。
於一些實施例中,汽車操控裝置可以是獨立於汽車之外之方向盤、刹車、油門等操作裝置,測試人員可以藉由汽車操控裝置模擬汽車正常之運行狀態,例如直行、加速、刹車及轉彎等操作。
於一些實施例中,汽車操控裝置還可以是汽車中之方向盤、刹車、油門等操作裝置,測試人員可以坐於車輛內進行相應之操作,以模擬駕駛員於汽車內之操作過程,提高高級駕駛輔助系統20測試時資料之真實性。
於一些實施例中,操作人員或自動駕駛系統還可以模擬不同類型之駕駛員產生之車輛動作訊號,例如謹慎型駕駛員、一般型駕駛員及激進型駕駛員等。示例性若車輛動作訊號包括頻繁之急刹車及急加速等操作,則可以判斷駕駛員之類型為激進型駕駛員,反若車輛動作訊號包括於遇到障礙物前提前採取刹車操作,並於綠燈後保持穩定之加速度前進,則可以判斷駕駛員之類型為謹慎型駕駛員。高級駕駛輔助系統20於進行安全距離判斷時,還會根據車輛動作訊號判斷駕駛員類型,再根據駕駛員之類型提供不同之安全距離判斷。當駕駛員類型為謹慎型駕駛員時,高級駕駛輔助系統20提供之安全距離可能比駕駛員類型為激進型駕駛員要長,以適應不同駕駛員之駕駛習慣。
可以理解,控制模組500a還用於根據車輛動作訊號及測試場景之影像獲取測試場景內車輛與場景內物體之距離及車輛之間之縱向車距及橫向車距,並由高級駕駛輔助系統20判斷車輛與場景內物體之距離及車輛之間之縱向車距及橫向車距是否為安全距離,若低於安全距離,則發出示警,以提示駕駛員保持安全距離。
示例控制模組500a可以根據碰撞時間(Time-To-Collision,TTC)演算法計算車輛與場景內物體之間之安全距離。具體地,控制模組500a獲取車輛動作訊號及測試場景中之其他車輛、物體之位置及其相對速度與加速度。控制模組500a根據本車、其他車輛及物體建立坐標系,並標注各個車輛及物體之
位置。控制模組500a根據車輛之位置、相對速度向量及加速度向量計算車輛之運行軌跡,並計算於預設時間後本車與其他車輛或物體是否有碰撞之風險。若存於碰撞風險,則控制模組500a認定本車與其他車輛之距離低於安全距離,若不存於碰撞風險,則控制模組500a認定本車與其他車輛之距離符合安全距離。可以理解,當駕駛員提前2.5秒獲取到一個警示訊號,則根據駕駛員之反應時間與刹車時間可以控制車輛停止。示例預設時間可以設置為2.5秒或更高,以保障駕駛員有足夠之時間刹車。
圖3為圖2中影像採集模組310與顯示模組200之示意圖。如圖3所示,影像採集模組310還包括殼體313、調節件314、第一支撐件315及第二支撐件316。
可以理解,攝像頭311、中繼鏡312、調節件314、第一支撐件315及第二支撐件316設置於殼體313內。其中,殼體313設置為遮光材料,以遮罩外界之環境光,避免環境光導致攝像頭311無法正確之採集顯示模組200上顯示之測試場景之影像。
可以理解,攝像頭311設置於第一支撐件315上,第一支撐件315之另外一端連接殼體313。第一支撐件315可以調節攝像頭311於影像採集模組310內之高度。中繼鏡312設置於第二支撐件316上,第二支撐件316之另外一端連接調節件314,調節件314設置於殼體313上。第二支撐件316可以調節中繼鏡312之高度。調節件314用於調節中繼鏡312與攝像頭311及顯示模組200之間之距離。
可以理解,中繼鏡312設置於第二支撐件316上,調節件314可以藉由調節第二支撐件316與攝像頭311及顯示模組200之間之距離進而調節中繼鏡312與攝像頭311及顯示模組200之間之距離。
藉由設置第一支撐件315及第二支撐件316,可以使攝像頭311能夠透過中繼鏡312採集顯示模組200上顯示之測試場景之影像。例如,影像採集模組310可以藉由第一支撐件315與第二支撐件316將攝像頭311與中繼鏡312設置為具有相同之高度,以使攝像頭311可以採集標準之測試場景之影像。
於一些實施例中,影像採集模組310可以藉由第一支撐件315與第二支撐件316將攝像頭311與中繼鏡312設置為具有不同之高度,以使攝像頭311可以採集偏斜之測試場景之影像,以訓練高級駕駛輔助系統20於採集到偏斜之影像時依舊可以正確之識別本車與周圍環境資訊之關係,完成高級駕駛輔助系統20之多角度驗證。
示例性不同車輛之高級駕駛輔助系統20中之攝像頭311安裝位置可能不同,因此攝像頭311之拍攝角度亦存於差異。影像採集模組310可以藉由調節攝像頭311與中繼鏡312之高度,以調節攝像頭311採集測試場景影像之角度,從而使攝像頭311採集與真實場景中相同視角之影像。
可以理解,測試場景之影像為標準之影像(即非偏斜之影像),影像採集模組310根據攝像頭311於高級駕駛輔助系統20中之角度,調節攝像頭311於影像採集模組310中之角度,以使高級駕駛輔助系統20可以採集到與真實場景中相同視角之影像。
於一些實施例中,中繼鏡312為可拆卸結構。影像採集模組310可以藉由更換不同之中繼鏡312完成不同類型之測試。
可以理解,於更換中繼鏡312之後,需要藉由第一支撐件315與第二支撐件316重新調節攝像頭311與中繼鏡312之高度,再藉由調節件314調節中繼鏡312與攝像頭311及顯示模組200之間之距離,以使攝像頭311可以採集到正確之影像資訊。
可以理解,影像採集模組310於調節完攝像頭311與中繼鏡312之高度,及中繼鏡312與攝像頭311及顯示模組200之間之距離後,模擬模組100可於測試場景中設置識別標靶,藉由識別標靶驗證攝像頭311能否正確之識別測試場景中之影像資訊。若能夠正確識別,則開始高級駕駛輔助系統20性能測試。
於一些實施例中,影像採集模組310還可以藉由更換攝像頭311之方式,測試不同高級駕駛輔助系統20之性能。
於一些實施例中,影像採集模組310內還可以設置多個第一支撐件315以安裝多個攝像頭311,於同一個影像採集模組310內完成具有多個攝像頭311之ADAS系統之測試。
於一些實施例中,影像採集模組310可以設置於汽車內部,還可以設置為獨立之模組。
於一些實施例中,攝像頭311與中繼鏡312之間設置有一定距離,以避免汽車行駛過程中造成攝像頭311與中繼鏡312之間碰撞。示例性攝像頭311與中繼鏡312之間之距離可以設置為60mm。
圖4A、4B、4C及4D是本申請一實施例提供之影像識別結果示意圖。
可以理解,圖4A為虛擬影像模擬之測試場景中之標靶示意圖。圖4B為圖4A場景中高級駕駛輔助系統20之識別結果。圖4C為真實場景之標靶示意圖。圖4D為圖4C場景中高級駕駛輔助系統20之識別結果。
如圖4B及圖4D所示,高級駕駛輔助系統20於測試場景中之標靶識別結果與高級駕駛輔助系統20於真實場景中之標靶識別結果相同,即,本申請提出之驗證系統10及10a可以提供高級駕駛輔助系統20能夠識別之虛擬場景影像,可以滿足高級駕駛輔助系統20之測試需要。
圖5是本申請一實施例提供之驗證方法之流程示意圖。驗證方法可以應用於圖1中示出之驗證系統10及圖2中示出之驗證系統10a。如圖5所示,驗證方法至少包括以下步驟。
S100:生成測試場景。
可以理解,於步驟S100中,可藉由模擬模組100生成測試場景,測試場景內設置有至少一車輛,模擬模組100生成測試場景之方式與圖1至2中之生成方式相同,於此不再贅述。
S200:顯示測試場景之影像。
可以理解,於步驟S200中,可藉由顯示模組200顯示測試場景之影像,顯示模組200顯示之方式與圖1至2中之生成方式相同,於此不再贅述。
S300:藉由攝像頭採集測試場景之影像。
可以理解,於步驟S300中,可藉由攝像頭311採集測試場景之影像,攝像頭311之採集測方式與圖1至2中之採集方式相同,於此不再贅述。
S400:藉由控制模組根據攝像頭採集影像計算至少一感測距離。
可以理解,於步驟S400中,可藉由控制模組500根據攝像頭311採集影像計算至少一感測距離,控制模組500計算之方式與圖1至3中之計算方式相同,於此不再贅述。
S500:採集車輛動作訊號。
可以理解,於步驟S500中,可藉由採集模組300採集車輛動作訊號,其中車輛動作訊號由車輛之操控訊號所產生,採集模組300採集之方式與圖1至2中之採集方式相同,於此不再贅述。
S600:匹配至少一感測距離與車輛動作訊號。
可以理解,於步驟S600中,可藉由控制模組500匹配至少一感測距離與車輛動作訊號,控制模組500匹配之方式與圖1至2中之匹配方式相同,於
此不再贅述。藉由重複步驟S100、S200、S300、S400、S500、及S600,可獲得多個車輛動作訊號與其分別對應匹配之多個感測距離。此資料有助於輔助判斷駕駛者於各種對應之真實場景中,可能於何種真實距離下有何種駕駛行為並產生何種操作訊號。該真實距離對應步驟S400計算之感測距離。
圖6是本申請一實施例提供之測試場景校正方法流程示意圖。如圖6所示,測試場景校正方法至少包括以下步驟。
S010:獲取車輛參數及感測器參數。
可以理解,於步驟S010中,可藉由模擬模組100獲取車輛參數及感測器參數,具體獲取方式請一併參閱圖1至圖2,於此不再贅述。
S020:根據車輛參數及感測器參數建立車輛模型及感測器模型。
可以理解,於步驟S010中,可藉由模擬模組100根據車輛參數及感測器參數建立車輛模型及感測器模型,具體建模方式請一併參閱圖1至圖2,於此不再贅述。
S030:校正虛擬測試場景。
可以理解,於步驟S010中,可藉由模擬模組100校正虛擬測試場景,具體校正方式請一併參閱圖1至圖2,於此不再贅述。
S040:根據車輛模型及感測器模型設置並運行虛擬測試場景。
可以理解,於步驟S010中,可藉由模擬模組100根據車輛模型及感測器模型設置並運行虛擬測試場景,具體設置及運行方式請一併參閱圖1至圖2,於此不再贅述。
S050:驗證虛擬測試場景校正是否完成。
可以理解,於步驟S050中,可以藉由高級駕駛輔助系統20驗證虛擬測試場景校正是否完成,具體驗證方式請一併參閱圖1至圖2,於此不再贅述。
可以理解,於步驟S050中,若虛擬測試場景校正未完成,則返回步驟S040以重新根據車輛模型及感測器模型設置並運行測試場景。
可以理解,於步驟S050中,若虛擬測試場景校正完成,則結束測試場景校正方法。
上面結合附圖對本申請實施例作了詳細說明,但本申請不限於上述實施例,於所屬技術領域普通技術人員所具備之知識範圍內,還可以於不脫離本申請宗旨之前提下做出各種變化。此外,於不衝突之情況下,本申請之實施例及實施例中之特徵可以相互組合。
10:驗證系統
100:模擬模組
200:顯示模組
300:採集模組
400:介面模組
500:控制模組
20:高級駕駛輔助系統
Claims (9)
- 一種驗證系統,應用於車輛,其改良在於,包括:模擬模組,用於生成測試場景,所述測試場景內設置有至少兩個物體;顯示模組,所述顯示模組連接所述模擬模組,用於顯示所述測試場景之影像;採集模組,所述採集模組用於採集所述測試場景之影像及車輛動作訊號,其中所述車輛動作訊號由所述車輛之操控訊號所產生;控制模組,所述控制模組用於根據所述影像計算所述至少兩個物件之間之至少一感測距離,且匹配所述至少一感測距離與所述車輛動作訊號;所述控制模組還用於校正所述測試場景之影像,使所述測試場景之影像比例與真實場景相同;介面模組,所述介面模組連接所述採集模組與控制模組,用於傳輸所述車輛動作訊號及所述測試場景之影像至所述控制模組。
- 如請求項1所述之驗證系統,其中,所述採集模組包括影像採集模組及動作採集模組;所述影像採集模組用於採集所述測試場景之影像;所述動作採集模組用於採集所述車輛動作訊號。
- 如請求項2所述之驗證系統,其中,所述影像採集模組包括攝像頭,所述攝像頭用於採集所述測試場景之影像。
- 如請求項3所述之驗證系統,其中,所述影像採集模組還包括中繼鏡,所述中繼鏡設置於所述攝像頭與所述顯示模組之間,所述中繼鏡用於調整所述測試場景之影像距離。
- 如請求項1所述之驗證系統,其中,所述至少兩個物件之其中一者為所述車輛。
- 如請求項1所述之驗證系統,其中,所述至少一感測距離為所述至少兩個物件之間之縱向距離及橫向距離。
- 如請求項1所述之驗證系統,其中,所述控制模組還用於根據所述至少一感測距離及其所匹配之所述車輛動作訊號判定一駕駛模式。
- 如請求項7所述之驗證系統,其中,所述控制模組還用於根據所述駕駛模式計算車輛安全距離。
- 一種驗證方法,其改良在於,所述方法包括:生成測試場景,所述測試場景內設置有至少兩個物件;藉由控制模組控制模擬模組校正所述測試場景之影像,使所述測試場景之影像比例與真實場景相同;顯示所述測試場景之影像;藉由攝像頭採集所述測試場景之影像;藉由控制模組根據所述攝像頭採集所述影像計算至少一感測距離;採集車輛動作訊號,其中所述車輛動作訊號由所述車輛之操控訊號所產生;及匹配所述至少一感測距離與所述車輛動作訊號。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111113529A TWI832203B (zh) | 2022-04-08 | 2022-04-08 | 驗證系統及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111113529A TWI832203B (zh) | 2022-04-08 | 2022-04-08 | 驗證系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202340006A TW202340006A (zh) | 2023-10-16 |
TWI832203B true TWI832203B (zh) | 2024-02-11 |
Family
ID=89855986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111113529A TWI832203B (zh) | 2022-04-08 | 2022-04-08 | 驗證系統及方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI832203B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107031622A (zh) * | 2016-01-26 | 2017-08-11 | 福特全球技术公司 | 用于碰撞避免的训练算法 |
CN108290579A (zh) * | 2015-11-04 | 2018-07-17 | 祖克斯有限公司 | 用于自主车辆的模拟系统和方法 |
US20200180647A1 (en) * | 2018-12-10 | 2020-06-11 | Perceptive Automata, Inc. | Neural network based modeling and simulation of non-stationary traffic objects for testing and development of autonomous vehicle systems |
CN111629945A (zh) * | 2017-11-30 | 2020-09-04 | 日产北美公司 | 自主车辆运行管理场景 |
US20210245770A1 (en) * | 2017-12-18 | 2021-08-12 | Plusai Limited | Method and system for human-like vehicle control prediction in autonomous driving vehicles |
-
2022
- 2022-04-08 TW TW111113529A patent/TWI832203B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108290579A (zh) * | 2015-11-04 | 2018-07-17 | 祖克斯有限公司 | 用于自主车辆的模拟系统和方法 |
CN107031622A (zh) * | 2016-01-26 | 2017-08-11 | 福特全球技术公司 | 用于碰撞避免的训练算法 |
CN111629945A (zh) * | 2017-11-30 | 2020-09-04 | 日产北美公司 | 自主车辆运行管理场景 |
US20210245770A1 (en) * | 2017-12-18 | 2021-08-12 | Plusai Limited | Method and system for human-like vehicle control prediction in autonomous driving vehicles |
US20200180647A1 (en) * | 2018-12-10 | 2020-06-11 | Perceptive Automata, Inc. | Neural network based modeling and simulation of non-stationary traffic objects for testing and development of autonomous vehicle systems |
Also Published As
Publication number | Publication date |
---|---|
TW202340006A (zh) | 2023-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190236380A1 (en) | Image generation system, program and method, and simulation system, program and method | |
CN112997060A (zh) | 用于修改自主车辆的控制单元的方法和系统 | |
CN109100155A (zh) | 一种无人车在环快速仿真测试系统和方法 | |
WO2020079698A1 (en) | Adas systems functionality testing | |
WO2019130945A1 (ja) | 情報処理装置、情報処理方法、プログラム、及び移動体 | |
CN112987703A (zh) | 一种实验室内整车在环自动驾驶开发测试系统及方法 | |
JP7143857B2 (ja) | 情報処理装置、情報処理方法、プログラム、及び、移動体 | |
US11715237B2 (en) | Deep learning-based camera calibration | |
GB2557252A (en) | Physical environment simulator for vehicle testing | |
US11136048B2 (en) | System for sensor synchronization data analysis in an autonomous driving vehicle | |
CN112119282A (zh) | 信息处理装置、移动装置、方法和程序 | |
US20210103745A1 (en) | Vehicle neural network training | |
CN112172778A (zh) | 车辆姿势确定 | |
TWI832203B (zh) | 驗證系統及方法 | |
CN116660846A (zh) | 一种汽车自动驾驶功能动态验证系统及方法 | |
CN116147888A (zh) | 用于测量光学渐晕的系统和方法 | |
CN116958916A (zh) | 验证系统及方法 | |
WO2020090320A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
WO2023021755A1 (ja) | 情報処理装置、情報処理システム、モデル及びモデルの生成方法 | |
EP2639771B1 (en) | Augmented vision in image sequence generated from a moving vehicle | |
WO2022075039A1 (ja) | 情報処理装置、情報処理システム及び情報処理方法 | |
US20230267640A1 (en) | Pose estimation | |
Song et al. | A HiL Test Bench for Monocular Vision Sensors and Its Applications in Camera-Only AEBs | |
WO2024062842A1 (ja) | 固体撮像装置 | |
US20230147392A1 (en) | Two-axis test fixture |