CN109435955B - 一种自动驾驶***性能评估方法、装置、设备及存储介质 - Google Patents

一种自动驾驶***性能评估方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109435955B
CN109435955B CN201811229417.XA CN201811229417A CN109435955B CN 109435955 B CN109435955 B CN 109435955B CN 201811229417 A CN201811229417 A CN 201811229417A CN 109435955 B CN109435955 B CN 109435955B
Authority
CN
China
Prior art keywords
module
performance evaluation
automatic driving
function
functional 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.)
Active
Application number
CN201811229417.XA
Other languages
English (en)
Other versions
CN109435955A (zh
Inventor
李世伟
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.)
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 CN201811229417.XA priority Critical patent/CN109435955B/zh
Publication of CN109435955A publication Critical patent/CN109435955A/zh
Application granted granted Critical
Publication of CN109435955B publication Critical patent/CN109435955B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种自动驾驶***性能评估方法、装置、设备及存储介质，所述方法包括：获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。通过上述技术方案实现了对自动驾驶***整体性能的评估，根据评估结果可获知自动驾驶***的整体能力。

Description

一种自动驾驶***性能评估方法、装置、设备及存储介质
技术领域
本发明实施例涉及自动驾驶技术，尤其涉及一种自动驾驶***性能评估方法、装置、设备及存储介质。
背景技术
自动驾驶汽车又称自动驾驶汽车，它依靠人工智能、计算机视觉、雷达、全球定位***及高精地图等技术，能够自动获取车辆周围的环境信息并进行决策和路径规划，从而实现完全不依赖人类操作的自动驾驶。针对自动驾驶***性能进行测试是确保自动驾驶汽车安全的关键环节。
目前，针对自动驾驶***性能的评估主要是对自动驾驶***中各功能模块进行单独评估，国际上各大自动驾驶公开数据集也是对单一功能模块进行评估，比如障碍物检测精度与识别精度、交通标识识别准确性、车辆定位精度、障碍物行为预测准确性、车辆规划合理性以及车辆控制精度等的评估。
但是，上述单一的功能模块评估较难反馈自动驾驶***的整体性能。
发明内容
本发明提供一种自动驾驶***性能评估方法、装置、设备及存储介质，以得到自动驾驶***的整体性能。
第一方面，本发明实施例提供了一种自动驾驶***性能评估方法，所述方法包括：
获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。
第二方面，本发明实施例还提供了一种自动驾驶***性能评估装置，所述装置包括：
获取单元，用于获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
子功能评估单元，用于对各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；
整体性能评估单元，用于根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。
第三方面，本发明实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的自动驾驶***性能评估方法。
第四方面，本发明实施例还提供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实现一种自动驾驶***性能评估方法，所述方法包括：
获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。
本发明提供的一种自动驾驶***性能评估方法，通过获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据，然后对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果，最后根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果的技术手段，实现了对自动驾驶***整体性能的评估，根据评估结果可获知自动驾驶***的整体能力。
附图说明
图1是本发明实施例一中的一种自动驾驶***性能评估方法的流程示意图；
图2是本发明实施例一中的一种自动驾驶***各功能模块之间的连接结构示意图；
图3是本发明实施例二中的一种自动驾驶***性能评估方法的流程示意图；
图4是本发明实施例三中的一种自动驾驶***性能评估装置的结构示意图；
图5是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种自动驾驶***性能评估方法的流程示意图，本实施例提供的自动驾驶***性能评估方法可适用于对***的性能进行整体评估的情况，本实施例以所述***为自动驾驶***为例进行介绍。所述自动驾驶***性能评估方法可以由自动驾驶***性能评估装置来执行，该装置可由软件和/或硬件的形式实现，所述装置一般集成于终端中，所述终端具体可以是服务器。参见图1所示，所述方法具体包括如下步骤：
步骤110、获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据。
其中，自动驾驶***的所述各功能模块包括：用于车辆定位的定位模块、用于感知障碍物的感知模块和用于车辆路径规划及车辆控制的规划控制模块。所述定位模块对应的源数据包括：卫星定位数据和点云数据；所述感知模块对应的源数据包括：车载摄像头输出的图像数据、点云数据和雷达数据；所述规划控制模块对应的源数据包括：车辆的底盘数据，所述车辆的底盘数据具体指车辆的四轮定位数据、车辆的姿态数据以及车辆的速度数据等，所述车辆的底盘数据可通过车载的加速度传感器、角速度传感器、陀螺仪等获取。
所述定位模块根据定位所需的源数据对自动驾驶汽车的当前位置进行定位，然后将定位得到的所述自动驾驶汽车的当前位置数据发送至所述感知模块，所述感知模块基于所述自动驾驶汽车的当前位置数据以及属于所述感知模块的源数据对自动驾驶汽车周围的障碍物进行感知，并将感知结果发送至所述规划控制模块，所述规划控制模块根据所述障碍物感知结果以及属于所述规划控制模块的源数据对自动驾驶汽车进行路径规划及车辆控制，从而实现自动驾驶汽车的正常行驶。
示例性的，所述定位模块、感知模块以及规划控制模块之间的连接关系参见图2所示的自动驾驶***各功能模块之间的连接结构示意图，具体为：通过各类车载传感器对自动驾驶汽车的行驶环境进行采集，然后将采集的行驶环境数据分别传输给所述定位模块与所述感知模块，以使所述定位模块基于采集的行驶环境数据对自动驾驶汽车的当前位置进行定位，并将定位结果传输至所述感知模块，所述感知模块进一步根据所述定位结果结合采集的所述行驶环境数据对自动驾驶汽车周围的障碍物进行感知识别，并将感知识别结果传输至所述规划控制模块，所述规划控制模块根据所述感知识别结果以及自动驾驶汽车当前的底盘数据对自动驾驶汽车进行路径规划与车辆控制，最终实现自动驾驶汽车的正常行驶。
所述各类传感器例如可以包括：相机、摄像头等视觉传感器，毫米波雷达、激光雷达、超声波雷达等雷达传感器以及定位导航***，例如，INS(Inertial NavigationSystem，惯性导航***)、GPS(Global Positioning System,全球定位***)或者BDS(BeiDou Navigation Satellite System,北斗卫星导航***)等。所述视觉传感器采集的行驶环境数据为图像形式的数据；所述雷达传感器采集的行驶环境数据为点云形式的数据；所述毫米波雷达通常用于检测距离自动驾驶汽车150米-200米之间的物体；所述激光雷达通常用于检测距离自动驾驶汽车0.9米-150米之间的物体；所述超声波雷达通常用于检测距离自动驾驶汽车0.1米-3米之间的物体。
步骤120、对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果。
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。具体的，参见图2所示，所述感知模块要想实现其对自动驾驶汽车行驶环境中障碍物的感知功能，则所述感知模块所需的输入数据包括与所述感知模块对应的源数据(例如，车载摄像头输出的图像数据、点云数据和雷达数据)以及评估过程中上一级功能模块的输出数据，即所述定位模块输出的定位结果。也就是所述感知模块的功能实现依赖所述定位模块的输出结果，所述定位模块为所述感知模块的评估过程中的上一级功能模块。
示例性的，所述根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果，包括：
将当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，输入给与当前功能模块对应的性能评估算法模块，得到当前功能模块的性能估值；
将所述性能估值与性能真值进行比较，得到与当前功能模块对应的子功能性能评估结果。
以当前功能模块为定位模块为例，定位模块的性能可表现为定位精度的高低，因此，定位模块对应的子功能性能评估过程大致如下：首先获取定位所需的源数据(例如卫星定位数据和自动驾驶汽车行驶环境的点云数据)，然后将该源数据输入给定位模块采用的定位算法，通过定位算法计算得到定位结果，最后通过将所述定位结果与自动驾驶汽车的定位真值进行比对，得到定位模块对应的子功能性能评估结果。自动驾驶汽车的定位真值可以是在对定位模块进行性能评估时根据模拟的定位场景预先设置的；还可以是基于自动驾驶汽车的GNSS(Global Navigation Satellite System，全球导航卫星***)数据、IMU(Inertial Measurement Unit,惯性测量单元)数据以及激光点云数据计算得到，所述GNSS数据以差分GPS数据为例，具体是，在自动驾驶汽车行驶过程中通过车载GPS模块实时获取差分GPS数据、通过惯性测量单元实时获取IMU数据和通过激光雷达实时获取激光点云数据，随后，可以将差分GPS数据和激光点云数据利用ICP(Iterative Closest Points，迭代最近点)算法进行离线配准，得到自动驾驶汽车当前的定位真值；也可以将获取的差分GPS数据、IMU数据和激光点云数据与预先确定的高精地图进行比对，得到自动驾驶汽车当前的定位真值。由于差分GPS数据的定位精度可以达到厘米级，再结合激光点云数据利用ICP算法进行离线配准确定的定位真值的准确度可高于厘米级。
同样的原理，对所述感知模块进行性能评估，得到感知模块对应的子功能性能评估结果具体为：首先获取障碍物感知所需的源数据(例如车载摄像头输出的图像数据、点云数据和雷达数据)以及定位模块输出的定位结果，然后将所述源数据以及定位结果输入给感知模块采用的感知算法，通过感知算法计算得到感知结果，所述感知结果具体指自动驾驶汽车周围的物体与自动驾驶汽车的相对位置信息，最后通过将所述感知结果与感知真值进行比对，得到感知模块对应的子功能性能评估结果。
步骤130、根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果。
具体的，可以将得到的各子功能性能评估结果进行求和得到自动驾驶***的整体性能评估结果；或者结合自动驾驶***的工作原理为各功能模块设置对应的权重，该权重用于表示对应功能模块在自动驾驶***中的重要性，然后将得到的各子功能性能评估结果进行加权求和，得到自动驾驶***的整体性能评估结果，具体可以参见实施例二。
本实施例提供的一种自动驾驶***性能评估方法，通过获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据，然后对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果，最后根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果的技术手段，实现了对自动驾驶***整体性能的评估，根据评估结果可获知自动驾驶***的整体能力。
实施例二
图3为本发明实施例二提供的一种自动驾驶***性能评估方法的流程示意图，在上述实施例的基础上，本实施例对“步骤130、根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果”进行了优化，通过结合自动驾驶汽车所处的行驶场景为各功能模块配置不同的权重，然后基于各功能模块的权重与各功能模块对应的子功能性能评估结果得到自动驾驶***的整体性能评估结果，提高了自动驾驶***整体性能评估结果的准确度。具体参见图3所示，所述方法包括如下步骤：
步骤310、获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据。
步骤320、对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果。
步骤330、从所述场景信息获得各功能模块在车辆所处场景下的权重信息。
其中，所述车辆具体指基于自动驾驶***实现行驶功能的自动驾驶汽车，所述各功能模块在车辆所处场景下的权重信息用于表征各功能模块在车辆所处场景下对自动驾驶***整体性能的重要程度；例如，车辆所处场景为雾天的城市快速路，由于雾天的能见度比较低，各视觉传感器以及雷达传感器对车辆行驶环境采集的数据较晴天时采集的数据噪声较大，准确度有所下降，此时，定位模块对应的子功能性能对自动驾驶***的整体性能影响较大，若定位模块能够基于噪声较大的源数据实现较准的定位功能，则说明自动驾驶***的整体性能较佳，因此，在“车辆所处场景为雾天的城市快速路”时，可为定位模块设置较高的权重；同时，由于城市快速路的路况均较佳，“坑洼”、行人以及其他移动障碍物出现的可能性较小，故此场景下可为感知模块以及规划控制模块设置较低的权重。再例如，车辆所处场景为乡村的集市，由于集市的路况较复杂，行人以及商贩的摊位均较多，且乡村道路“坑洼”比较多，此时，用于障碍物感知的感知模块以及用于车辆路径规划及车辆控制的规划控制模块对应的子功能性能对自动驾驶***的整体性能影响较大，若感知模块以及规划控制模块能够在该复杂场景下实现准确的感知与规划控制功能，则说明自动驾驶***的整体性能较好，因此，在“车辆所处场景为乡村的集市”时，可为感知模块以及规划控制模块设置较高的权重。
步骤340、根据各功能模块在车辆所处场景下的权重信息和对应的各子功能性能评估结果计算所述自动驾驶***的整体性能评估结果。
示例性的，所述根据各功能模块在车辆所处场景下的权重信息和对应的各子功能性能评估结果计算所述自动驾驶***的整体性能评估结果，包括：
基于各功能模块在车辆所处场景下的权重信息将各子功能性能评估结果进行加权相加，得到所述自动驾驶***的整体性能评估结果。
举例说明所述基于各功能模块在车辆所处场景下的权重信息将各子功能性能评估结果进行加权相加，得到所述自动驾驶***的整体性能评估结果的过程：假设定位模块的子功能性能评估结果为0.7，对应的权重信息为0.4；感知模块的子功能性能评估结果为0.8，对应的权重信息为0.3，规划控制模块的子功能性能评估结果为0.9，对应的权重信息为0.3，则自动驾驶***的整体性能评估结果为0.7*0.4+0.8*0.3+0.9*0.3＝0.79。
通过根据各功能模块的子功能性能评估结果及各功能模块在车辆当前所处场景下的权重，综合计算自动驾驶***的整体性能评估结果，从而得到自动驾驶***的整体能力。
本实施例提供的一种自动驾驶***性能评估方法，在上述实施例的基础上，通过根据各功能模块的子功能性能评估结果及各功能模块在车辆当前所处场景下的权重，综合计算自动驾驶***的整体性能评估结果，从而得到自动驾驶***的整体能力的技术手段，提高了自动驾驶***整体性能评估结果的准确度。
实施例三
图4为本发明实施例三提供的一种自动驾驶***性能评估装置的结构示意图，该装置可由软件和/或硬件实现，用于执行上述实施例所述的自动驾驶***性能评估方法。具体参见图4所示，所述装置包括：获取单元410、子功能评估单元420和整体性能评估单元430；
其中，获取单元410，用于获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
子功能评估单元420，用于对各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；
整体性能评估单元430，用于根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。
示例性的，所述各功能模块包括：用于车辆定位的定位模块、用于感知障碍物的感知模块和用于车辆路径规划及车辆控制的规划控制模块；
其中，所述定位模块对应的源数据包括：卫星定位数据和点云数据；
所述感知模块对应的源数据包括：车载摄像头输出的图像数据、点云数据和雷达数据；
所述规划控制模块对应的源数据包括：车辆的底盘数据。
示例性的，整体性能评估单元430，包括：
获取子单元，用于从所述场景信息获得各功能模块在车辆所处场景下的权重信息；
评估子单元，用于根据各功能模块在车辆所处场景下的权重信息和对应的各子功能性能评估结果计算所述自动驾驶***的整体性能评估结果。
进一步的，所述评估子单元具体用于：基于各功能模块在车辆所处场景下的权重信息将各子功能性能评估结果进行加权相加，得到所述自动驾驶***的整体性能评估结果。
示例性的，所述子功能评估单元420包括：
输入子单元，用于将当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，输入给与当前功能模块对应的性能评估算法模块，得到当前功能模块的性能估值；
比较子单元，用于将所述性能估值与性能真值进行比较，得到与当前功能模块对应的子功能性能评估结果。
本实施例提供的一种自动驾驶***性能评估装置，通过获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据，然后对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果，最后根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果的技术手段，实现了对自动驾驶***整体性能的评估，根据评估结果可获知自动驾驶***的整体能力。
本发明实施例所提供的自动驾驶***性能评估装置可执行本发明任意实施例所提供的自动驾驶***性能评估方法，具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备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5所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元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。
设备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设备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。设备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5未显示，通常称为“硬盘驱动器”)。尽管图5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(例如获取单元410、子功能评估单元420和整体性能评估单元430)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(至少一个获取单元410、子功能评估单元420和整体性能评估单元430)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。
设备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设备12交互的设备通信，和/或与使得该设备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，设备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。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备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。
处理单元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，例如实现本发明实施例所提供的自动驾驶***性能评估方法。
实施例五
本发明实施例五还提供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实现一种自动驾驶***性能评估方法，所述方法包括：
获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。
本发明实施例的计算机可读存储介质，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)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种自动驾驶***性能评估方法，其特征在于，包括：
获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据；所述根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果，包括：
从所述场景信息获得各功能模块在车辆所处场景下的权重信息，所述各功能模块在不同的车辆所处场景下具有不同的权重信息；
根据各功能模块在车辆所处场景下的权重信息和对应的各子功能性能评估结果计算所述自动驾驶***的整体性能评估结果。
2.根据权利要求1所述的方法，其特征在于，所述根据各功能模块在车辆所处场景下的权重信息和对应的各子功能性能评估结果计算所述自动驾驶***的整体性能评估结果，包括：
基于各功能模块在车辆所处场景下的权重信息将各子功能性能评估结果进行加权相加，得到所述自动驾驶***的整体性能评估结果。
3.根据权利要求1所述的方法，其特征在于，所述根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果，包括：
将当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，输入给与当前功能模块对应的性能评估算法模块，得到当前功能模块的性能估值；
将所述性能估值与性能真值进行比较，得到与当前功能模块对应的子功能性能评估结果。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述各功能模块包括：用于车辆定位的定位模块、用于感知障碍物的感知模块和用于车辆路径规划及车辆控制的规划控制模块；
其中，所述定位模块对应的源数据包括：卫星定位数据和点云数据；
所述感知模块对应的源数据包括：车载摄像头输出的图像数据、点云数据和雷达数据；
所述规划控制模块对应的源数据包括：车辆的底盘数据。
5.一种自动驾驶***性能评估装置，其特征在于，包括：
获取单元，用于获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
子功能评估单元，用于对各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；
整体性能评估单元，用于根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据；
所述整体性能评估单元，包括：
获取子单元，用于从所述场景信息获得各功能模块在车辆所处场景下的权重信息，所述各功能模块在不同的车辆所处场景下具有不同的权重信息；
评估子单元，用于根据各功能模块在车辆所处场景下的权重信息和对应的各子功能性能评估结果计算所述自动驾驶***的整体性能评估结果。
6.根据权利要求5所述的装置，其特征在于，所述各功能模块包括：用于车辆定位的定位模块、用于感知障碍物的感知模块和用于车辆路径规划及车辆控制的规划控制模块；
其中，所述定位模块对应的源数据包括：卫星定位数据和点云数据；
所述感知模块对应的源数据包括：车载摄像头输出的图像数据、点云数据和雷达数据；
所述规划控制模块对应的源数据包括：车辆的底盘数据。
7.一种自动驾驶***性能评估设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的自动驾驶***性能评估方法。
8.一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实现一种自动驾驶***性能评估方法，其特征在于，所述方法包括：
获取场景信息，所述场景信息包括对自动驾驶***的各功能模块进行性能评估所使用的源数据；
对于各功能模块，根据当前功能模块对应的源数据及评估过程中上一级功能模块的输出数据，对当前功能模块进行性能评估，得到与当前功能模块对应的子功能性能评估结果；根据得到的各子功能性能评估结果得到自动驾驶***的整体性能评估结果；
其中，当前功能模块的功能实现依赖所述评估过程中上一级功能模块的输出数据。
CN201811229417.XA 2018-10-22 2018-10-22 一种自动驾驶***性能评估方法、装置、设备及存储介质 Active CN109435955B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811229417.XA CN109435955B (zh) 2018-10-22 2018-10-22 一种自动驾驶***性能评估方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811229417.XA CN109435955B (zh) 2018-10-22 2018-10-22 一种自动驾驶***性能评估方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109435955A CN109435955A (zh) 2019-03-08
CN109435955B true CN109435955B (zh) 2020-08-25

Family

ID=65547861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811229417.XA Active CN109435955B (zh) 2018-10-22 2018-10-22 一种自动驾驶***性能评估方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109435955B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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***
CN110599025A (zh) * 2019-09-06 2019-12-20 武汉理工大学 自动驾驶汽车驾驶行为可靠性指标评估方法
CN111290370B (zh) * 2020-03-03 2021-07-23 腾讯科技（深圳）有限公司 一种自动驾驶性能检测方法和装置
CN111541990B (zh) * 2020-04-30 2022-07-29 招商局检测车辆技术研究院有限公司 一种车路协同***测试数据的采集***、方法及装置
CN111680596B (zh) * 2020-05-29 2023-10-13 北京百度网讯科技有限公司 基于深度学习的定位真值校验方法、装置、设备及介质
CN111857093B (zh) * 2020-06-29 2021-12-07 华东师范大学 基于dag区块链的自动驾驶预期功能安全评估方法、设备
CN112100030B (zh) * 2020-09-15 2023-07-28 北京百度网讯科技有限公司 自动驾驶技术评估的方法、装置、计算机***和存储介质
CN113535569B (zh) * 2021-07-22 2022-12-16 中国第一汽车股份有限公司 自动驾驶的控制效果确定方法
CN114379582A (zh) * 2021-11-30 2022-04-22 华人运通(上海)自动驾驶科技有限公司 一种控制车辆各自动驾驶功能的方法、***及存储介质
CN114802284A (zh) * 2022-02-16 2022-07-29 武汉路特斯汽车有限公司 车辆感知性能评价方法及***
CN114434466B (zh) * 2022-03-14 2022-09-20 交通运输部公路科学研究所 一种汽车智能驾舱性能评测仿真机器人
CN114852098A (zh) * 2022-05-26 2022-08-05 重庆长安汽车股份有限公司 一种用于自动驾驶算法评价的***、方法及存储介质
CN115447593A (zh) * 2022-09-28 2022-12-09 中汽创智科技有限公司 一种用于自动驾驶车辆的感知数据获取方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016000493A1 (de) * 2016-01-19 2017-07-20 Audi Ag Verfahren zum Betrieb eines Fahrzeugsystems und Kraftfahrzeug
CN107357978A (zh) * 2017-06-28 2017-11-17 同济大学 一种同步发电机励磁***性能评估方法
CN107544290A (zh) * 2017-10-26 2018-01-05 南京越博电驱动***有限公司 一种新能源汽车性能评估分析和优化***及方法
KR20180090659A (ko) * 2017-02-03 2018-08-13 자동차부품연구원 운전자 수용성 평가 장치 및 방법
CN108536977A (zh) * 2018-04-16 2018-09-14 北京京大律业知识产权代理有限公司 一种智能无人驾驶车辆定量评价***
CN108647437A (zh) * 2018-05-09 2018-10-12 公安部交通管理科学研究所 一种自动驾驶汽车评价方法及评价***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016000493A1 (de) * 2016-01-19 2017-07-20 Audi Ag Verfahren zum Betrieb eines Fahrzeugsystems und Kraftfahrzeug
KR20180090659A (ko) * 2017-02-03 2018-08-13 자동차부품연구원 운전자 수용성 평가 장치 및 방법
CN107357978A (zh) * 2017-06-28 2017-11-17 同济大学 一种同步发电机励磁***性能评估方法
CN107544290A (zh) * 2017-10-26 2018-01-05 南京越博电驱动***有限公司 一种新能源汽车性能评估分析和优化***及方法
CN108536977A (zh) * 2018-04-16 2018-09-14 北京京大律业知识产权代理有限公司 一种智能无人驾驶车辆定量评价***
CN108647437A (zh) * 2018-05-09 2018-10-12 公安部交通管理科学研究所 一种自动驾驶汽车评价方法及评价***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丰田公路自动驾驶***研究;刘艳;《汽车与配件》;20181020;第47-49页 *

Also Published As

Publication number Publication date
CN109435955A (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN109435955B (zh) 一种自动驾驶***性能评估方法、装置、设备及存储介质
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
US11320836B2 (en) Algorithm and infrastructure for robust and efficient vehicle localization
CN109270545B (zh) 一种定位真值校验方法、装置、设备及存储介质
CN110388924B (zh) 用于与自动导航有关的基于雷达的车辆定位的***和方法
US10380890B2 (en) Autonomous vehicle localization based on walsh kernel projection technique
CN109931944B (zh) 一种ar导航方法、装置、车端设备、服务端及介质
KR20210111180A (ko) 위치 추적 방법, 장치, 컴퓨팅 기기 및 컴퓨터 판독 가능한 저장 매체
CN112639502A (zh) 机器人位姿估计
CN113933818A (zh) 激光雷达外参的标定的方法、设备、存储介质及程序产品
CN110110029B (zh) 用于匹配车道的方法和装置
CN114111774B (zh) 车辆的定位方法、***、设备及计算机可读存储介质
KR20230086628A (ko) 다중 센서 융합에 의한 측정값 신뢰도 획득 방법 및 자율주행 차량
CN111469781B (zh) 用于输出信息的方法和装置
CN115164936A (zh) 高精地图制作中用于点云拼接的全局位姿修正方法及设备
CN112834249B (zh) 转向参数检测方法、装置、设备及存储介质
CN112965076B (zh) 一种用于机器人的多雷达定位***及方法
CN114419573A (zh) 动态占据栅格估计方法及装置
CN117387604A (zh) 基于4d毫米波雷达和imu融合的定位与建图方法及***
EP3618025A1 (en) Method for indicating obstacle by smart roadside unit
CN111461980A (zh) 点云拼接算法的性能估计方法和装置
CN110720025B (zh) 移动物体的地图的选择方法、装置、***和车辆/机器人
CN116931040A (zh) 定位方法及装置、设备、载体、存储介质
CN115032672A (zh) 一种基于定位子***的融合定位方法及***
CN114281832A (zh) 基于定位结果的高精地图数据更新方法、装置和电子设备

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