CN109032103A - 无人驾驶车辆的测试方法、装置、设备及存储介质 - Google Patents

无人驾驶车辆的测试方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109032103A
CN109032103A CN201710431914.7A CN201710431914A CN109032103A CN 109032103 A CN109032103 A CN 109032103A CN 201710431914 A CN201710431914 A CN 201710431914A CN 109032103 A CN109032103 A CN 109032103A
Authority
CN
China
Prior art keywords
test
result
data
vehicle
test scene
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
Application number
CN201710431914.7A
Other languages
English (en)
Other versions
CN109032103B (zh
Inventor
胡太群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710431914.7A priority Critical patent/CN109032103B/zh
Publication of CN109032103A publication Critical patent/CN109032103A/zh
Application granted granted Critical
Publication of CN109032103B publication Critical patent/CN109032103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了无人驾驶车辆的测试方法、装置、设备及存储介质，其中方法包括：获取人工驾驶车辆行驶时所采集的测试场景数据；将测试场景数据划分为输入数据及期望结果；当无人驾驶车辆中的算法模块发生更新时，将输入数据发送给算法模块，得到测试结果，并将测试结果与期望结果进行比较，根据比较结果确定测试是否通过。采用本发明所述方案，能够快速有效地完成测试。

Description

无人驾驶车辆的测试方法、装置、设备及存储介质
【技术领域】
本发明涉及无人驾驶车辆技术，特别涉及无人驾驶车辆的测试方法、装置、设备及存储介质。
【背景技术】
无人驾驶车辆，也可称为自动驾驶车辆等，是指通过各传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
无人驾驶车辆的核心是称为“驾驶大脑”的算法模块，其中可包括定位、高精地图、感知、决策和控制等子模块。
上述各子模块一般由不同的团队进行开发维护，集成在一起作为整个无人驾驶车辆的算法模块进行发布和部署。
由于涉及到多个复杂的子模块，加上现有的软件工程都采用敏捷迭代开发的模式，因此造成了算法模块迭代周期短，更新(变更)频繁。
算法模块的任何修改都可能会引入新的问题，因此在每次发生更新后，都需要进行测试，以确定更新后的算法模块是否能够正常工作，相应地，如何快速有效地完成测试，则是一个亟待解决的问题。
【发明内容】
有鉴于此，本发明提供了无人驾驶车辆的测试方法、装置、设备及存储介质，能够快速有效地完成测试。
具体技术方案如下：
一种无人驾驶车辆的测试方法，包括：
获取人工驾驶车辆行驶时所采集的测试场景数据；
将所述测试场景数据划分为输入数据及期望结果；
当无人驾驶车辆中的算法模块发生更新时，将所述输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述期望结果进行比较，根据比较结果确定测试是否通过。
根据本发明一优选实施例，所述获取人工驾驶车辆行驶时所采集的测试场景数据包括：
针对不同的测试场景，分别获取人工驾驶车辆行驶时所采集的测试场景数据；
所述将所述测试场景数据划分为输入数据及期望结果包括：
针对每个测试场景，分别将所述测试场景对应的测试场景数据划分为输入数据及期望结果；
所述当无人驾驶车辆中的算法模块发生更新时，将所述输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述期望结果进行比较，根据比较结果确定测试是否通过包括：
当无人驾驶车辆的算法模块发生更新时，针对每个测试场景，分别将所述测试场景对应的测试场景数据中的输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述测试场景对应的测试场景数据中的期望结果进行比较，根据比较结果确定所述测试场景下的测试是否通过。
根据本发明一优选实施例，该方法进一步包括：
获取通过远程无线传输的方式，部署到无人驾驶车辆上的更新后的算法模块。
根据本发明一优选实施例，所述测试场景数据包括：传感器数据、驾驶员操控信息以及车辆行驶轨迹信息；
所述将所述测试场景数据划分为输入数据及期望结果包括：
将所述传感器数据作为所述输入数据，将所述驾驶员操控信息以及所述车辆行驶轨迹信息作为所述期望结果。
根据本发明一优选实施例，所述将所述输入数据发送给所述算法模块包括：
通过模拟无人驾驶车辆上的各传感器，将所述传感器数据发送给所述算法模块；
所述将所述测试结果与所述期望结果进行比较包括：
将所述测试结果中的车辆操控信息与所述期望结果中的所述驾驶员操控信息进行比较；
将所述测试结果中的车辆行驶轨迹信息与所述期望结果中的所述车辆行驶轨迹信息进行比较。
一种无人驾驶车辆的测试装置，包括：预处理单元以及测试单元；
所述预处理单元，用于获取人工驾驶车辆行驶时所采集的测试场景数据，并将所述测试场景数据划分为输入数据及期望结果；
所述测试单元，用于当无人驾驶车辆中的算法模块发生更新时，将所述输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述期望结果进行比较，根据比较结果确定测试是否通过。
根据本发明一优选实施例，
所述预处理单元进一步用于，
针对不同的测试场景，分别获取人工驾驶车辆行驶时所采集的测试场景数据；
针对每个测试场景，分别将所述测试场景对应的测试场景数据划分为输入数据及期望结果；
所述测试单元进一步用于，
当无人驾驶车辆的算法模块发生更新时，针对每个测试场景，分别将所述测试场景对应的测试场景数据中的输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述测试场景对应的测试场景数据中的期望结果进行比较，根据比较结果确定所述测试场景下的测试是否通过。
根据本发明一优选实施例，所述装置中进一步包括：更新单元；
所述更新单元，用于获取通过远程无线传输的方式发送来的更新后的算法模块，将更新后的算法模块部署到无人驾驶车辆上。
根据本发明一优选实施例，所述测试场景数据包括：传感器数据、驾驶员操控信息以及车辆行驶轨迹信息；
所述预处理单元将所述传感器数据作为所述输入数据，将所述驾驶员操控信息以及所述车辆行驶轨迹信息作为所述期望结果。
根据本发明一优选实施例，所述测试单元中包括：传感器模拟子单元以及结果验证子单元；
所述传感器模拟子单元，用于当无人驾驶车辆中的算法模块发生更新时，通过模拟无人驾驶车辆上的各传感器，将所述传感器数据发送给所述算法模块；
所述结果验证子单元，用于获取测试结果，并将所述测试结果中的车辆操控信息与所述期望结果中的所述驾驶员操控信息进行比较，将所述测试结果中的车辆行驶轨迹信息与所述期望结果中的所述车辆行驶轨迹信息进行比较，根据比较结果确定测试是否通过。
一种计算机设备，包括存储器、处理器及存储在所述存储器上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程序时实现如以上所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出，采用本发明所述方案，可预先获取人工驾驶车辆行驶时所采集的测试场景数据，并将测试场景数据划分为输入数据及期望结果，这样，当无人驾驶车辆中的算法模块发生更新时，可将输入数据发送给算法模块，从而得到测试结果，进而将测试结果与期望结果进行比较，根据比较结果确定出测试是否通过，可以看出，当每次算法模块发生更新时，即可利用测试场景数据来快速有效地完成测试，而且，所采集的测试场景数据，可以反复多次使用，无需每次重新获取，从而提高了测试效率。
【附图说明】
图1为本发明所述无人驾驶车辆的测试方法第一实施例的流程图。
图2为本发明所述无人驾驶车辆的测试方法第二实施例的流程图。
图3为本发明所述无人驾驶车辆的测试装置实施例的组成结构示意图。
图4示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
【具体实施方式】
针对现有技术中存在的问题，本发明中提出一种无人驾驶车辆的测试方式，预先构造测试场景数据，当无人驾驶车辆中的算法模块发生更新时，通过远程无线传输的方式，自动部署更新后的算法模块到无人驾驶车辆上，并利用测试场景数据完成测试，从而验证无人驾驶车辆在测试道路上的各项操控指标等，进而达到快速验证无人驾驶车辆的“驾驶大脑”的目的。
为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案进行进一步说明。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明所述无人驾驶车辆的测试方法第一实施例的流程图，如图1所示，包括以下具体实现方式。
在101中，获取人工驾驶车辆行驶时所采集的测试场景数据。
可选取有经验的优秀驾驶员，人工驾驶数据采集车辆，在实际道路上行驶，从而采集所需的测试场景数据。
数据采集车辆上需装配有与无人驾驶车辆配置相同的各传感器，如：激光雷达、图像传感器、毫米波雷达、超声波雷达、红外传感器、全球定位***(GPS，Global PositioningSystem)以及惯性测量单元(IMU，Inertial Measurement Unit)等。
采集到的测试场景数据可包括：传感器数据、驾驶员操控信息以及车辆行驶轨迹信息等。
其中，传感器数据可包括各传感器的输出数据以及内外参数等，传感器的内外参数可包括传感器在车上的相对位置信息、传感器本身的型号以及功能性能参数等。
驾驶员操控信息即指驾驶员在驾驶过程中的操控动作和时机等信息，如转向角度、刹车时机和强度、加油时机和强度等。
在102中，将测试场景数据划分为输入数据及期望结果。
针对采集到的测试场景数据，可进一步将其划分为输入数据及期望结果。
具体地，可将传感器数据作为输入数据，将驾驶员操控信息以及车辆行驶轨迹信息作为期望结果。
在103中，当无人驾驶车辆中的算法模块发生更新时，将输入数据发送给算法模块，得到测试结果。
当算法模块中的定位、高精地图、感知、决策和控制等子模块中的任意一个或任意多个子模块有变更时，则可认为算法模块发生了更新，相应地，可通过云服务器，通过远程无线传输的方式，将更新后的算法模块部署到无人驾驶车辆上。
之后，可通过模拟无人驾驶车辆上的各传感器，将作为输入数据的传感器数据发送给更新后的算法模块，以便算法模块根据获取到的传感器数据等进行决策控制等操作，从而得到测试结果。
即可模拟实际工作中无人驾驶车辆上的各传感器的工作方式等，将传感器数据发送给算法模块。
在104中，将测试结果与期望结果进行比较，根据比较结果确定测试是否通过。
得到的测试结果中可包括车辆操控信息以及车辆行驶轨迹信息等，可将测试结果中的车辆操控信息与期望结果中的驾驶员操控信息进行比较，将测试结果中的车辆行驶轨迹信息与期望结果中的车辆行驶轨迹信息进行比较。
可根据比较结果确定测试是否通过，比如，测试结果与期望结果相符，则认为测试通过，或者，测试结果与期望结果的差别在可接受范围内，则认为测试通过。
还可将测试相关数据，如测试中间过程、测试log及测试结果等发送给云服务器进行保存。
基于上述介绍，采用上述实施例所述方案，可预先获取人工驾驶车辆行驶时所采集的测试场景数据，并将测试场景数据划分为输入数据及期望结果，这样，当无人驾驶车辆中的算法模块发生更新时，可将输入数据发送给算法模块，从而得到测试结果，进而将测试结果与期望结果进行比较，根据比较结果确定出测试是否通过，可以看出，当每次算法模块发生更新时，即可利用测试场景数据来快速有效地完成测试。
而且，采用上述实施例所述方案，所采集的测试场景数据，可以反复多次使用，无需每次重新获取，从而提高了测试效率。
另外，采用上述实施例所述方案，被测试的无人驾驶车辆上可无需部署各传感器，从而降低了实现成本。
再有，采用上述实施例所述方案，可通过远程部署的方式来更新算法模块，更加方便快捷，从而大大提高了算法开发进度，进而缩短了产品发布周期等。
在上述基础上，还可划分不同的测试场景，针对不同的测试场景分别进行测试，从而全面地测试更新后的算法模块对于不同的测试场景的适用性等。
相应地，图2为本发明所述无人驾驶车辆的测试方法第二实施例的流程图，如图2所示，包括以下具体实现方式。
在201中，针对不同的测试场景，分别获取人工驾驶车辆行驶时所采集的测试场景数据。
不同的测试场景可包括：直行通过无车辆和行人的十字路口、前方有障碍车时超车、经过红灯亮的路口停车等待、单行道前方有停止车辆时刹车等。
针对不同的测试场景，分别获取测试场景数据。
测试场景数据可包括：传感器数据、驾驶员操控信息以及车辆行驶轨迹信息等。
在202中，针对每个测试场景，分别将该测试场景对应的测试场景数据划分为输入数据及期望结果。
比如，针对“直行通过无车辆和行人的十字路口”这一测试场景，将该测试场景对应的测试场景数据划分为输入数据及期望结果。
同样地，针对“前方有障碍车时超车”这一测试场景，将该测试场景对应的测试场景数据划分为输入数据及期望结果。
具体地，可将测试场景数据中的传感器数据作为输入数据，将测试场景数据中的驾驶员操控信息以及车辆行驶轨迹信息作为期望结果。
在203中，当无人驾驶车辆的算法模块发生更新时，针对每个测试场景，分别将该测试场景对应的测试场景数据中的输入数据发送给算法模块，得到测试结果，并将测试结果与该测试场景对应的测试场景数据中的期望结果进行比较，根据比较结果确定该测试场景下的测试是否通过。
比如，针对“直行通过无车辆和行人的十字路口”这一测试场景，可通过模拟无人驾驶车辆上的各传感器，将该测试场景对应的测试场景数据中的传感器数据发送给更新后的算法模块，算法模块可根据获取到的传感器数据等进行决策控制等操作，从而得到测试结果，之后，可将测试结果中的车辆操控信息与该测试场景对应的测试场景数据中的驾驶员操控信息进行比较，将测试结果中的车辆行驶轨迹信息与该测试场景对应的测试场景数据中的车辆行驶轨迹信息进行比较，进而根据比较结果确定该测试场景下的测试是否通过。
针对其它测试场景，可分别按照上述方式进行处理。
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的部分，可以参见其它实施例的相关描述。
以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。
图3为本发明所述无人驾驶车辆的测试装置实施例的组成结构示意图，如图3所示，包括：预处理单元301以及测试单元302。
预处理单元301，用于获取人工驾驶车辆行驶时所采集的测试场景数据，并将测试场景数据划分为输入数据及期望结果。
测试单元302，用于当无人驾驶车辆中的算法模块(驾驶大脑)发生更新时，将输入数据发送给算法模块，得到测试结果，并将测试结果与期望结果进行比较，根据比较结果确定测试是否通过。
可选取有经验的优秀驾驶员，人工驾驶数据采集车辆，在实际道路上行驶，从而采集所需的测试场景数据。
数据采集车辆上需装配有与无人驾驶车辆配置相同的各传感器，如：激光雷达、图像传感器、毫米波雷达、超声波雷达、红外传感器、GPS以及IMU等。
采集到的测试场景数据可包括：传感器数据、驾驶员操控信息以及车辆行驶轨迹信息等。
其中，传感器数据可包括各传感器的输出数据以及内外参数等，传感器的内外参数可包括传感器在车上的相对位置信息、传感器本身的型号以及功能性能参数等。
驾驶员操控信息即指驾驶员在驾驶过程中的操控动作和时机等信息，如转向角度、刹车时机和强度、加油时机和强度等。
预处理单元301获取到人工驾驶车辆行驶时所采集的测试场景数据之后，可进一步将其划分为输入数据及期望结果。
具体地，可将传感器数据作为输入数据，将驾驶员操控信息以及车辆行驶轨迹信息作为期望结果。
如图3所示，该装置中还可进一步包括：更新单元303，另外，测试单元302中可具体包括：传感器模拟子单元3021以及结果验证子单元3022。
更新单元303可获取通过远程无线传输的方式发送来的更新后的算法模块，将更新后的算法模块部署到无人驾驶车辆上。
当算法模块中的定位、高精地图、感知、决策和控制等子模块中的任意一个或任意多个子模块有变更时，则可认为算法模块发生了更新，相应地，可通过云服务器，通过远程无线传输的方式，将更新后的算法模块发送至更新单元303。
之后，传感器模拟子单元3021可通过模拟无人驾驶车辆上的各传感器，将传感器数据发送给算法模块，以便算法模块根据获取到的传感器数据等进行决策控制等操作，从而得到测试结果。
得到的测试结果中可包括车辆操控信息以及车辆行驶轨迹信息等，结果验证子单元3022可将测试结果中的车辆操控信息与期望结果中的驾驶员操控信息进行比较，将测试结果中的车辆行驶轨迹信息与期望结果中的车辆行驶轨迹信息进行比较，根据比较结果确定测试是否通过。
可以看出，采用上述实施例所述方案，当每次算法模块发生更新时，即可利用测试场景数据来快速有效地完成测试。
而且，采用上述实施例所述方案，所采集的测试场景数据，可以反复多次使用，无需每次重新获取，从而提高了测试效率。
另外，采用上述实施例所述方案，被测试的无人驾驶车辆上可无需部署各传感器，从而降低了实现成本。
再有，采用上述实施例所述方案，可通过远程部署的方式来更新算法模块，更加方便快捷，从而大大提高了算法开发进度，进而缩短了产品发布周期等。
在上述基础上，还可划分不同的测试场景，针对不同的测试场景分别进行测试，从而全面地测试更新后的算法模块对于不同的测试场景的适用性等。
相应地，预处理单元301可针对不同的测试场景，分别获取人工驾驶车辆行驶时所采集的测试场景数据，并针对每个测试场景，分别将该测试场景对应的测试场景数据划分为输入数据及期望结果。
不同的测试场景可包括：直行通过无车辆和行人的十字路口、前方有障碍车时超车、经过红灯亮的路口停车等待、单行道前方有停止车辆时刹车等。
当无人驾驶车辆的算法模块发生更新时，针对每个测试场景，测试单元302可分别将该测试场景对应的测试场景数据中的输入数据发送给算法模块，得到测试结果，并将测试结果与该测试场景对应的测试场景数据中的期望结果进行比较，根据比较结果确定该测试场景下的测试是否通过。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明，不再赘述。
图4示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图4显示的计算机***/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于：一个或者多个处理器(处理单元)16，存储器28，连接不同***组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信，和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机***/服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1所示实施例中的方法，即获取人工驾驶车辆行驶时所采集的测试场景数据，将测试场景数据划分为输入数据及期望结果，当无人驾驶车辆中的算法模块发生更新时，将输入数据发送给算法模块，得到测试结果，并将测试结果与期望结果进行比较，根据比较结果确定测试是否通过。
具体实现请参照前述各实施例中的相应说明，不再赘述。
本发明同时公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时将实现如图1所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法等，可以通过其它的方式实现。例如，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。
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，在本发明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，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明保护的范围之内。

Claims (12)

1.一种无人驾驶车辆的测试方法，其特征在于，包括：
获取人工驾驶车辆行驶时所采集的测试场景数据；
将所述测试场景数据划分为输入数据及期望结果；
当无人驾驶车辆中的算法模块发生更新时，将所述输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述期望结果进行比较，根据比较结果确定测试是否通过。
2.根据权利要求1所述的方法，其特征在于，
所述获取人工驾驶车辆行驶时所采集的测试场景数据包括：
针对不同的测试场景，分别获取人工驾驶车辆行驶时所采集的测试场景数据；
所述将所述测试场景数据划分为输入数据及期望结果包括：
针对每个测试场景，分别将所述测试场景对应的测试场景数据划分为输入数据及期望结果；
所述当无人驾驶车辆中的算法模块发生更新时，将所述输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述期望结果进行比较，根据比较结果确定测试是否通过包括：
当无人驾驶车辆的算法模块发生更新时，针对每个测试场景，分别将所述测试场景对应的测试场景数据中的输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述测试场景对应的测试场景数据中的期望结果进行比较，根据比较结果确定所述测试场景下的测试是否通过。
3.根据权利要求1所述的方法，其特征在于，
该方法进一步包括：
获取通过远程无线传输的方式，部署到无人驾驶车辆上的更新后的算法模块。
4.根据权利要求1所述的方法，其特征在于，
所述测试场景数据包括：传感器数据、驾驶员操控信息以及车辆行驶轨迹信息；
所述将所述测试场景数据划分为输入数据及期望结果包括：
将所述传感器数据作为所述输入数据，将所述驾驶员操控信息以及所述车辆行驶轨迹信息作为所述期望结果。
5.根据权利要求4所述的方法，其特征在于，
所述将所述输入数据发送给所述算法模块包括：
通过模拟无人驾驶车辆上的各传感器，将所述传感器数据发送给所述算法模块；
所述将所述测试结果与所述期望结果进行比较包括：
将所述测试结果中的车辆操控信息与所述期望结果中的所述驾驶员操控信息进行比较；
将所述测试结果中的车辆行驶轨迹信息与所述期望结果中的所述车辆行驶轨迹信息进行比较。
6.一种无人驾驶车辆的测试装置，其特征在于，包括：预处理单元以及测试单元；
所述预处理单元，用于获取人工驾驶车辆行驶时所采集的测试场景数据，并将所述测试场景数据划分为输入数据及期望结果；
所述测试单元，用于当无人驾驶车辆中的算法模块发生更新时，将所述输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述期望结果进行比较，根据比较结果确定测试是否通过。
7.根据权利要求6所述的装置，其特征在于，
所述预处理单元进一步用于，
针对不同的测试场景，分别获取人工驾驶车辆行驶时所采集的测试场景数据；
针对每个测试场景，分别将所述测试场景对应的测试场景数据划分为输入数据及期望结果；
所述测试单元进一步用于，
当无人驾驶车辆的算法模块发生更新时，针对每个测试场景，分别将所述测试场景对应的测试场景数据中的输入数据发送给所述算法模块，得到测试结果，并将所述测试结果与所述测试场景对应的测试场景数据中的期望结果进行比较，根据比较结果确定所述测试场景下的测试是否通过。
8.根据权利要求6所述的装置，其特征在于，
所述装置中进一步包括：更新单元；
所述更新单元，用于获取通过远程无线传输的方式发送来的更新后的算法模块，将更新后的算法模块部署到无人驾驶车辆上。
9.根据权利要求6所述的装置，其特征在于，
所述测试场景数据包括：传感器数据、驾驶员操控信息以及车辆行驶轨迹信息；
所述预处理单元将所述传感器数据作为所述输入数据，将所述驾驶员操控信息以及所述车辆行驶轨迹信息作为所述期望结果。
10.根据权利要求9所述的装置，其特征在于，
所述测试单元中包括：传感器模拟子单元以及结果验证子单元；
所述传感器模拟子单元，用于当无人驾驶车辆中的算法模块发生更新时，通过模拟无人驾驶车辆上的各传感器，将所述传感器数据发送给所述算法模块；
所述结果验证子单元，用于获取测试结果，并将所述测试结果中的车辆操控信息与所述期望结果中的所述驾驶员操控信息进行比较，将所述测试结果中的车辆行驶轨迹信息与所述期望结果中的所述车辆行驶轨迹信息进行比较，根据比较结果确定测试是否通过。
11.一种计算机设备，包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1～5中任一项所述的方法。
12.一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，所述程序被处理器执行时实现如权利要求1～5中任一项所述的方法。
CN201710431914.7A 2017-06-09 2017-06-09 无人驾驶车辆的测试方法、装置、设备及存储介质 Active CN109032103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710431914.7A CN109032103B (zh) 2017-06-09 2017-06-09 无人驾驶车辆的测试方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710431914.7A CN109032103B (zh) 2017-06-09 2017-06-09 无人驾驶车辆的测试方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109032103A true CN109032103A (zh) 2018-12-18
CN109032103B CN109032103B (zh) 2020-12-18

Family

ID=64628741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710431914.7A Active CN109032103B (zh) 2017-06-09 2017-06-09 无人驾驶车辆的测试方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109032103B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782737A (zh) * 2019-01-28 2019-05-21 平安科技（深圳）有限公司 无人车模拟测试方法和***
CN110174274A (zh) * 2019-05-28 2019-08-27 初速度（苏州）科技有限公司 一种智能驾驶算法的修正方法及装置
CN110497914A (zh) * 2019-08-26 2019-11-26 格物汽车科技(苏州)有限公司 自动驾驶的驾驶员行为模型开发方法、设备和存储介质
CN110579216A (zh) * 2019-09-12 2019-12-17 百度在线网络技术（北京）有限公司 测试场景库构建方法、装置、电子设备和介质
CN110606093A (zh) * 2019-09-26 2019-12-24 中国第一汽车股份有限公司 车辆性能评测方法、装置、设备和存储介质
CN110785718A (zh) * 2019-09-29 2020-02-11 驭势科技（北京）有限公司 一种车载自动驾驶测试***及测试方法
CN111142129A (zh) * 2019-11-26 2020-05-12 北京百度网讯科技有限公司 定位***测试方法、装置、设备及存储介质
CN111292527A (zh) * 2020-01-22 2020-06-16 长安大学 一种无人车特殊车道通行能力测试***及方法
CN111859597A (zh) * 2019-04-18 2020-10-30 北京京东尚科信息技术有限公司 一种自动驾驶算法的评估方法和***
CN112289023A (zh) * 2020-10-09 2021-01-29 腾讯科技（深圳）有限公司 用于自动驾驶的停车仿真测试方法、装置及相关设备
CN112560258A (zh) * 2020-12-10 2021-03-26 中国第一汽车股份有限公司 一种测试方法、装置、设备及存储介质
CN112596500A (zh) * 2020-12-16 2021-04-02 清华大学苏州汽车研究院（相城） 一种用于自动驾驶车辆误/漏识别的预期功能安全分析方法
CN112683544A (zh) * 2019-10-17 2021-04-20 北京百度网讯科技有限公司 无人车行驶能力验证方法、装置、设备及存储介质
CN113183979A (zh) * 2021-05-26 2021-07-30 江苏盛海智能科技有限公司 一种无人驾驶车辆的线控测试方法及***
CN113361059A (zh) * 2020-03-05 2021-09-07 北京京东乾石科技有限公司 车辆模拟场景的生成方法及相关设备
CN113377033A (zh) * 2019-01-15 2021-09-10 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN113742196A (zh) * 2020-05-27 2021-12-03 中车株洲电力机车研究所有限公司 一种机车智能驾驶软件的测试方法及装置
CN114720148A (zh) * 2022-03-23 2022-07-08 小米汽车科技有限公司 车辆感知能力的确定方法、装置、设备及存储介质
CN114741288A (zh) * 2022-03-31 2022-07-12 北京地平线机器人技术研发有限公司 数据处理方法、装置、介质、***以及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102350990A (zh) * 2011-06-29 2012-02-15 北京理工大学 有人驾驶与无人驾驶车辆避障行为的对照模型
CN103207090A (zh) * 2013-04-09 2013-07-17 北京理工大学 一种无人驾驶车辆环境模拟测试***及测试方法
CN106153352A (zh) * 2016-07-04 2016-11-23 江苏大学 一种无人驾驶车辆测试验证平台及其测试方法
CN106289797A (zh) * 2016-07-19 2017-01-04 百度在线网络技术（北京）有限公司 用于测试无人驾驶车辆的方法和装置
CN106355880A (zh) * 2016-10-09 2017-01-25 东南大学 一种面向跟车安全的无人驾驶车辆控制参数标定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102350990A (zh) * 2011-06-29 2012-02-15 北京理工大学 有人驾驶与无人驾驶车辆避障行为的对照模型
CN103207090A (zh) * 2013-04-09 2013-07-17 北京理工大学 一种无人驾驶车辆环境模拟测试***及测试方法
CN106153352A (zh) * 2016-07-04 2016-11-23 江苏大学 一种无人驾驶车辆测试验证平台及其测试方法
CN106289797A (zh) * 2016-07-19 2017-01-04 百度在线网络技术（北京）有限公司 用于测试无人驾驶车辆的方法和装置
CN106355880A (zh) * 2016-10-09 2017-01-25 东南大学 一种面向跟车安全的无人驾驶车辆控制参数标定方法

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113377033B (zh) * 2019-01-15 2024-03-22 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN113377033A (zh) * 2019-01-15 2021-09-10 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN109782737A (zh) * 2019-01-28 2019-05-21 平安科技（深圳）有限公司 无人车模拟测试方法和***
CN111859597A (zh) * 2019-04-18 2020-10-30 北京京东尚科信息技术有限公司 一种自动驾驶算法的评估方法和***
CN111859597B (zh) * 2019-04-18 2024-04-05 北京京东乾石科技有限公司 一种自动驾驶算法的评估方法和***
CN110174274A (zh) * 2019-05-28 2019-08-27 初速度（苏州）科技有限公司 一种智能驾驶算法的修正方法及装置
CN110497914B (zh) * 2019-08-26 2020-10-30 格物汽车科技(苏州)有限公司 自动驾驶的驾驶员行为模型开发方法、设备和存储介质
CN110497914A (zh) * 2019-08-26 2019-11-26 格物汽车科技(苏州)有限公司 自动驾驶的驾驶员行为模型开发方法、设备和存储介质
CN110579216A (zh) * 2019-09-12 2019-12-17 百度在线网络技术（北京）有限公司 测试场景库构建方法、装置、电子设备和介质
CN110579216B (zh) * 2019-09-12 2022-02-18 阿波罗智能技术(北京)有限公司 测试场景库构建方法、装置、电子设备和介质
CN110606093A (zh) * 2019-09-26 2019-12-24 中国第一汽车股份有限公司 车辆性能评测方法、装置、设备和存储介质
CN110785718A (zh) * 2019-09-29 2020-02-11 驭势科技（北京）有限公司 一种车载自动驾驶测试***及测试方法
CN110785718B (zh) * 2019-09-29 2021-11-02 驭势科技（北京）有限公司 一种车载自动驾驶测试***及测试方法
WO2021056556A1 (zh) * 2019-09-29 2021-04-01 驭势科技（北京）有限公司 一种车载自动驾驶测试***及测试方法
CN112683544A (zh) * 2019-10-17 2021-04-20 北京百度网讯科技有限公司 无人车行驶能力验证方法、装置、设备及存储介质
CN111142129A (zh) * 2019-11-26 2020-05-12 北京百度网讯科技有限公司 定位***测试方法、装置、设备及存储介质
CN111292527A (zh) * 2020-01-22 2020-06-16 长安大学 一种无人车特殊车道通行能力测试***及方法
CN113361059A (zh) * 2020-03-05 2021-09-07 北京京东乾石科技有限公司 车辆模拟场景的生成方法及相关设备
CN113742196B (zh) * 2020-05-27 2024-04-12 中车株洲电力机车研究所有限公司 一种机车智能驾驶软件的测试方法及装置
CN113742196A (zh) * 2020-05-27 2021-12-03 中车株洲电力机车研究所有限公司 一种机车智能驾驶软件的测试方法及装置
CN112289023B (zh) * 2020-10-09 2024-03-26 腾讯科技（深圳）有限公司 用于自动驾驶的停车仿真测试方法、装置及相关设备
CN112289023A (zh) * 2020-10-09 2021-01-29 腾讯科技（深圳）有限公司 用于自动驾驶的停车仿真测试方法、装置及相关设备
CN112560258A (zh) * 2020-12-10 2021-03-26 中国第一汽车股份有限公司 一种测试方法、装置、设备及存储介质
CN112560258B (zh) * 2020-12-10 2023-02-21 中国第一汽车股份有限公司 一种测试方法、装置、设备及存储介质
CN112596500B (zh) * 2020-12-16 2022-01-28 清华大学苏州汽车研究院（相城） 一种用于自动驾驶车辆误/漏识别的预期功能安全分析方法
CN112596500A (zh) * 2020-12-16 2021-04-02 清华大学苏州汽车研究院（相城） 一种用于自动驾驶车辆误/漏识别的预期功能安全分析方法
CN113183979B (zh) * 2021-05-26 2023-02-14 江苏盛海智能科技有限公司 一种无人驾驶车辆的线控测试方法及***
CN113183979A (zh) * 2021-05-26 2021-07-30 江苏盛海智能科技有限公司 一种无人驾驶车辆的线控测试方法及***
CN114720148A (zh) * 2022-03-23 2022-07-08 小米汽车科技有限公司 车辆感知能力的确定方法、装置、设备及存储介质
CN114741288A (zh) * 2022-03-31 2022-07-12 北京地平线机器人技术研发有限公司 数据处理方法、装置、介质、***以及电子设备

Also Published As

Publication number Publication date
CN109032103B (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN109032103A (zh) 无人驾驶车辆的测试方法、装置、设备及存储介质
CN109032102A (zh) 无人驾驶车辆测试方法、装置、设备及存储介质
Szalay Next generation X-in-the-loop validation methodology for automated vehicle systems
CN108319259B (zh) 一种测试***及测试方法
US20180322230A1 (en) Driverless vehicle simulation test method and apparatus, device and readable medium
CN111123735B (zh) 自动驾驶仿真运行方法和装置
CN108319249B (zh) 基于驾驶模拟器的无人驾驶算法综合测评***及方法
JP6964354B2 (ja) 最近の走行経路に対する軌跡基盤行動分析を遂行して、車両のモードを手動走行モードから自律走行モードに変更するか否かを判断する学習方法及び学習装置
CN106951627A (zh) 车辆自动驾驶的仿真测试方法、装置、设备及计算机可读存储介质
CN109557904A (zh) 一种测试方法、装置、设备和介质
CN113515105A (zh) 用于车辆预期功能安全仿真测试的平台、方法及存储介质
CN109211575A (zh) 无人驾驶汽车及其场地测试方法、装置及可读介质
US20220198107A1 (en) Simulations for evaluating driving behaviors of autonomous vehicles
KR101742536B1 (ko) 주행 성능 테스트 장치, 이를 이용한 테스트 시스템 및 이를 이용한 테스트 방법
CN113535569B (zh) 自动驾驶的控制效果确定方法
CN107063710A (zh) 用于测试无人车的方法和装置
CN108268831A (zh) 一种无人车视觉检测的鲁棒性测试方法和***
CN108734949A (zh) 无人驾驶车辆仿真平台构建方法、装置、设备及存储介质
CN110147085A (zh) 一种自动驾驶的测试方法、测试装置及测试***
CN110188687A (zh) 汽车的地形识别方法、***、设备及存储介质
CN109783374A (zh) 自动驾驶领域的代码处理方法、装置、设备和计算机存储介质
CN109297725A (zh) 车辆边界能力的测试方法、装置、设备、介质和车辆
CN112784867A (zh) 利用合成图像训练深度神经网络
KR101690280B1 (ko) 주행 성능 테스트 장치, 이를 이용한 테스트 시스템 및 이를 이용한 테스트 방법
US20230294736A1 (en) Offline Tracking System for Autonomous Vehicle Control Systems

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