CN109522673A - 一种测试方法、装置、设备和存储介质 - Google Patents
一种测试方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109522673A CN109522673A CN201811459787.2A CN201811459787A CN109522673A CN 109522673 A CN109522673 A CN 109522673A CN 201811459787 A CN201811459787 A CN 201811459787A CN 109522673 A CN109522673 A CN 109522673A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parameter
- model
- test
- 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.)
- Granted
Links
- 238000010998 test method Methods 0.000 title claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 121
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000004088 simulation Methods 0.000 claims description 34
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 7
- 241000208340 Araliaceae Species 0.000 description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 235000008434 ginseng Nutrition 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003447 ipsilateral effect Effects 0.000 description 1
- 238000005511 kinetic theory Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种测试方法、装置、设备和存储介质。该方法包括:根据车辆的属性参数构建整车模型;根据所述车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对所述整车模型进行校准;采用校准后的整车模型进行测试。本发明实施例的技术方案能够在测试过程中充分考虑车辆的动力学和运动学等参数造成的待测试模块的输出值误差,进而提高了测试的准确度。
Description
技术领域
本发明实施例涉及自动驾驶技术,尤其涉及一种测试方法、装置、设备和存储介质。
背景技术
在自动驾驶车辆道路测试过程中,障碍物与道路的场景都是非定量,不可控的,因而为了保证自动驾驶车辆的行驶安全,对自动驾驶车辆的各模块进行测试是十分必要的。
目前,自动驾驶车辆在道路实际行驶过程中采集感知数据、车辆运动状态数据,以及车辆实际轨迹数据。根据采集的感知数据和车辆运动状态数据对车辆的各模块进行仿真测试,得到仿真测试过程中自动驾驶车辆的离线轨迹数据。并对自动驾驶车辆的实际轨迹数据和离线轨迹数据进行回归对比,从而完成对自动驾驶车辆各模块的测试。
但是,在自动驾驶车辆实际行驶过程中,由于车辆动力学和运动学等参数的影响,自动驾驶车辆的控制数据值与实际行驶数据值之间会存在误差,从而影响了对自动驾驶车辆各模型测试的准确性。
发明内容
本发明实施例提供了一种测试方法、装置、设备和存储介质,能够在测试过程中充分考虑车辆动力学和运动学参数造成的待测试模块的输出值误差,进而提高了测试的准确度。
第一方面,本发明实施例提供了一种测试方法,该方法包括:
根据车辆的属性参数构建整车模型;
根据所述车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对所述整车模型进行校准;
采用校准后的整车模型进行测试。
第二方面,本发明实施例还提供了一种测试装置,该装置包括:
模型构建模块,用于根据车辆的属性参数构建整车模型;
模型校准模块,用于根据所述车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对所述整车模型进行校准;
测试模块,用于采用校准后的整车模型进行测试。
第三方面,本发明实施例还提供了一种设备,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本发明任意实施例所述的测试方法。
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如本发明任意实施例所述的测试方法。
本发明实施例的方案,通过构建整车模型,根据车辆运行过程中的实际运行参数之间的关系对构建的整车模型进行校准后,采用校准后的整车模型进行测试,能够在测试过程中充分考虑车辆的动力学和运动学参数造成的待测试模块的输出值误差,进而提高了测试的准确度。
附图说明
图1是本发明实施例一提供的一种测试方法的流程图;
图2是本发明实施例二提供的一种测试方法的流程图;
图3是本发明实施例三提供的一种测试方法的流程图;
图4是本发明实施例四提供的一种测试装置的结构示意图;
图5是本发明实施例五提供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测试方法的流程图,本实施例可适用于对自动驾驶车辆的各模块进行性能测试的情况,例如,对自动驾驶车辆的决策规划控制模块进行性能测试的情况。该方法可以由本发明实施例提供的测试装置或设备来执行,该装置可采用硬件和/或软件的方式实现。如图1所示,具体包括如下步骤:
S101,根据车辆的属性参数构建整车模型。
其中,车辆的属性参数可以是造成决策规划控制值与车辆行驶实际输出值存在误差的车辆本身自带的固定参数。可以包括静态的属性参数和动态的属性参数。例如,静态属性参数可以包括车辆空载质量、车辆轮距和车辆轴距等。车辆空载质量可以是车辆没有承载任何物体时,车辆本身的质量;车辆的轮距可以是车辆上对称设置的左右两轮之间的距离;车辆的轴距可以是车辆同侧的前后两轮之间的距离;动态属性参数可以包括:物体在空间的位置、速度、加速度等。整车模型可以是指用于描述车辆属性参数、运行能力以及力学特性等性能的应用于车辆仿真测试的模型。可选的,整车模型可以包括但不限于:整车动力学模型、整车运动学模型以及形心简化模型等。具体的,整车动力学模型可以是为研究作用于车辆上的受力情况与车辆运动的关系而建立的模型,可以包括2自由度1/4模型、7自由度1/2模型以及15自由度整车模型等。整车动力学模型可以是反应车辆位置、速度、加速度等与时间的关系而建立的模型。形心简化模型可以是反应车辆的形心与受力情况的关系而建立的简化模型。
可选的,根据车辆的属性参数构建整车模型中的整车动力学模型、整车运动学模型或形心简化模型的过程是类似的。接下来本发明实施例以构根据车辆的属性参数构建整车动力学模型为例进行详细的介绍。
示例性的,根据车辆的属性参数构建整车动力学模型时,可以是分析导致车辆的控制值与实际输出值存在误差的原因,从而确定从哪些自由度着手根据车辆的属性参数,构建符合当前自动驾驶车辆的整车动力学模型;也可以是采用现有的动力学理论中的已有的整车动力学模型(如2自由度1/4模型、7自由度1/2模型或15自由度整车模型),结合当前自动驾驶车辆的属性参数,构建当前自动驾驶车辆的整车动力学模型,例如,可以将获取的车辆的属性参数导入第三方动力学软件中,软件即可以自动构建出该自动驾驶车辆的整车动力学模型。
可选的,根据车辆的属性参数构建整车模型时,可以是对同一型号或车辆构成类似的一类自动驾驶车辆构建一种整车模型。
S102,根据车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对整车模型进行校准。
其中,车辆实际运行参数可以是指自动驾驶车辆在道路实际运行过程中输出的参数,可以包括:自动驾驶车辆的加速度、速度、油门、刹车、方向盘转动惯量、扭矩、摩擦力系数、前轮转角、后轮转角、整车转向误差等。
为了防止S101构建的整车模型由于测量误差或行驶环境不同,导致整车模型的参数不准确的情况出现,在基于整车模型测试自动驾驶车辆中待测试模块的性能前,需要先对构建的整车模型进行校准,避免因整车模型的误差导致待测试模块性能测试的不准确的情况。
可选的,采集到的车辆实际运行参数之间通常存在着一定的对应关系,例如,加速度与速度、油门之间的关系、方向盘转动惯量与前轮转角、后轮转角之间的关系等等。在本发明实施例中,可以通过自动驾驶车辆实际道路行驶过程中输出的运行参数之间的关系,对构建的整车模型进行校准,例如,可以根据加速度与速度、油门之间的关系,对构建的整车模型中和加速度、速度、油门相关的模型公式参数进行调整。还可以通过自动驾驶车辆实际道路行驶过程中输出的运行参数之间的关系以及通过该整车模型规划的运行参数之间的关系,来对构建的整车模型进行校准。具体的,可以是根据实际运行参数之间的关系和规划的运行参数之间的关系进行比较,调整整车模型中的参数值,进而完成对构建的整车模型的校准;也可以是根据实际运行参数之间的关系和仿真测试得到的运行参数之间的关系,构建代价函数,求得误差最小时对应的整车模型公式参数,进而完成对构建的整车模型的校准;还可以是基于神经网络模型,将实际运行参数之间的关系和规划的运行参数之间的关系输入神经网络模型,该神经网络模型会按照训练时的样本数据以及对应的算法分析输出该整车模型对应的最优参数值,从而完成对构建的整车模型的校准。
需要说明的是,本发明实施例还可以采用其他方式根据车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对整车模型进行校准,对此本实施例不进行限定。
S103,采用校准后的整车模型进行测试。
可选的,对该自动驾驶车辆的整车模型校准后,采用校准后的整车模型进行车辆中各待测试模块的测试时,可以是设置不同的测试场景(如二车道十字路口、三车道有障碍物车并线的路口、狭窄的山路转弯道路等),对车辆中的各待测试模块进行测试,从而保证测试结果的准确性。
可选的,采用校准后的整车模型对车辆中各待测试模型进行测试的过程类似。接下来本发明实施例以采用校准后的整车模型对车辆中的决策规划控制模型进行测试为例进行详细介绍。
示例性的,在对车辆中决策规划控制模块进行测试时,控制自动驾驶车辆通过获取感知数据和车辆的当前行驶数据,基于校准后的整车模型,由决策规划控制模块输出控制自动驾驶车辆的规划运行数据,使得该自动驾驶车辆在当前场景下行驶。此时可以是获取自动驾驶车辆输出的实际运行数据,通过比较决策规划控制模块控制自动驾驶车辆的规划运行数据和该车辆在当前场景下实际运行数据之间的误差,来判断车辆中决策规划控制模块的性能。还可以是获取自动驾驶车辆的实际行驶轨迹,通过比较决策规划控制模块控制自动驾驶车辆运行的理想轨迹与实际轨迹之间的偏离程度,来判断车辆中决策规划控制模块的性能。
可选的,由于不同场景下车辆的属性参数可以能有所不同,在采用校准后的整车学模型进行车辆中各待测试模块的测试时,可以是针对不同的测试场景对应的校准后的整车模型来进行车辆中各待测试模块的测试。从而保证测试结果的准确性。
本实施例提供了一种测试方法,通过构建整车模型,根据车辆运行过程中的实际运行参数之间的关系对构建的整车模型进行校准后,采用校准后的整车模型进行测试,能够在测试过程中充分考虑车辆的动力学和运动学参数造成的待测试摸的输出值误差,进而提高了测试的准确度。
实施例二
图2是本发明实施例二提供的一种测试方法的流程图,该方法在上述实施例的基础上进一步的优化,具体给出根据车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对整车模型进行校准的具体情况介绍。如图2所示,该方法包括:
S201,根据车辆的属性参数构建整车模型。
S202,将车辆在实际道路运行过程中采集的车辆实际运行参数中至少一个维度的运行参数作为输入参数,其他维度的运行参数作为输出参数,拟合实际关系曲线。
具体的,车辆在实际道路行驶过程中采集到的实际运行参数有很多,可以将其中的至少一个维度作为输入参数,其他的作为输出参数,拟合车辆实际运行参数之间的实际关系曲线。可选的,可以将车辆运行参数中速度、加速度和控制指令值中至少一个维度上的参数作为输入参数;将车辆运行参数中横向补偿、转向、纵向补偿、误差刹车、油门、扭矩、摩擦力系数、车轮转角、整车转向和误差中至少一个维度上的参数作为输出参数。
可选的,拟合的关系曲线可以是一个输入参数对应一个或多个输出参数,也可能是多个输入参数对应一个或多个输出参数,拟合的实际关系曲线,可以是一条(即通过一条实际关系曲线反映多个输入和输出参数之间的实际对应关系),也可以是多条(即通过多条实际关系曲线反映不同输入输出参数之间的实际对应关系)。例如,可以是将一段时间内的实际加速度值作为输出参数,将该时间段内的实际油门变化值作为输出参数,拟合实际加速度值与油门的关系曲线。也可以是将实际一段时间内的转弯控制指令为输入参数,将该时间段内的实际车轮转角和整车转向误差作为输出参数,拟合实际转弯控制指令与车轮转角和整车转向误差之间的关系曲线。
可选的,已知输入参数和输出参数,拟合实际曲线时,可以是将输入参数和输出参数输入到曲线拟合软件中,得到对应的拟合关系曲线,也可以是将输入参数和输出参数带入拟合公式,求解拟合公式的具体参数,进而画出拟合关系曲线等,对此,本发明实施例不进行限定。
S203,采用至少一个维度的运行参数和整车学模型对待测试模块作仿真测试。
可选的,对车辆的待测试模块作仿真测试,可以是对至少一个维度的运行参数通过整车模型处理后,由待测试模块按照相关算法确定与该维度运行参数有对应关系的其他维度上的运行参数,例如,若对车辆的决策规划模块进行测试,则可以是通过整车模型对加速度维度的运行参数进行处理后,由车辆的决策规划控制模块基于相应的决策规划控制算法(如模型预测控制(Model Predictive Control,MPC)算法、比例-积分-微分(Proportion-Integral-Differential,PID)算法等)输出规划的油门维度的运行参数。
可选的,采用至少一个维度的运行参数和整车模型对待测试模块作仿真测试的具体过程,可以是将至少一个维度的运行参数作为整车模型的输入,将整车模型的输出作为待测试模块的输入,对待测试模块进行仿真测试,得到待测试模块仿真输出的其他维度的运行参数。例如,若对车辆的决策规划模块进行测试,可以是将加速度维度的运行参数输入整车模型,将整车模型输出的经过处理后的加速度值输入车辆的决策规划控制模块,决策规划控制模块根据车辆动力学模型输出的处理后的加速度值,按照预的决策规划控制算法规划出控制自动驾驶车辆行驶的油门维度的运行参数。
可选的,整车模型对输入的至少一个维度的运行参数进行处理,可以是将至少一个维度的运行参数带入该整车模型公式中,从而得到处理后的该维度的运行参数值。该运行参数值考虑了车辆动力学和运动学参数造成的误差,通过该运行参数决策规划出的其他维度的运行参数值更为准确。
S204,将至少一个维度的运行参数作为输入参数,仿真测试结果作为输出参数,拟合仿真关系曲线。
可选的,拟合仿真关系曲线的方式与拟合实际关系曲线的方式类似,只是对应的输出参数不同,在拟合仿真关系曲线时将S203待测试模块的测试结果作为输出参数,输入参数是对车辆的待测试模块作仿真测试的至少一个维度的运行参数。
需要说明的是,S202、S203以及S204中的至少一个维度的运行参数都是一致的,因为只有同一维度的运行参数拟合出来的仿真关系曲线才有可比性,进而才可以基于S203中的实际关系曲线和S204中的仿真关系曲线对车辆动力学模型进行校准。
S205,比较实际关系曲线和仿真关系曲线,并根据比较结果对整车模型进行校准。
可选的,比较实际关系曲线和仿真关系曲线,可以是计算两曲线的重合度,也可以是计算两曲线的之间的平均误差,还可以是同时计算量曲线的重合度和平均误差等,从而判断是否需要对该车辆动力学模型进行校准,例如,若两曲线的重合度小于预设重合度阈值和/或平均误差小于预设误差阈值时,才对该整车模型进行校准。
可选的,根据比较结果对整车模型进行校准时,可以是基于采集车辆实际运行参数和待测试模块控制自动驾驶车辆的规划运行参数,对整车模型进行校准,例如,若对车辆的决策规划模块进行测试,则可以是采集具有对应关系的实际多维度运行参数和规划运行参数,将实际多维度运行参数中的油门维度的运行参数作为决策规划控制模块的输出,通过决策规划控制算法,反向推算该输出参数值对应的模块输入参数值,将推算出的输入参数值作为整车模型的输出,将对应的规划多维度运行参数中的油门维度的运行参数作为整车模型的输入,将其带入整车模型公式中,来调整该模型公式中的参数值的大小,进而完成对整车学模型的校准。还可以采用神经网络模型或构造代价函数的方式或其他方式进行整车模型的校准,对此本实施例不进行限定。
S206,采用校准后的整车模型进行测试。
本实施例提供了一种测试方法,通过构建整车模型,拟合车辆实际运行参数的关系曲线和仿真测试的运行参数的关系曲线,对构建的整车模型进行校准,采用校准后的整车模型进行测试,能够提高整车模型校准的精确度,进而提高测试的准确度。
实施例三
图3是本发明实施例三提供的一种测试方法的流程图,该方法在上述实施例的基础上进一步的优化,给出了采用校准后的整车模型进行车辆中待测试模块测试的具体情况介绍,具体给出了采用校准后的整车模型进行车辆的决策规划控制模块进行测试的具体情况介绍。
决策规划控制模块是自动驾驶车辆的核心模块,用于根据实际道路情况和车辆当前的运行参数,生成行驶策略,并根据该策略规划运行参数,然后按照规划的运行参数控制自动驾驶车辆在道路上安全行驶。例如,通过摄像头或雷达激光设备获取环境道路情况,发现前方需要转弯,且车辆当前的直线行驶,则会生成转弯的决策指令,然后根据转弯的决策指令规划转弯的运行参数(如,方向盘的转动惯量、前轮转角、后轮转角、车速等),最后控制自动驾驶车辆按照规划的运行参数完美执行。但是由于车辆动力学和运动学参数的影响,完美执行规划出来的运行参数,会出现车辆实际的运行参数和规划出现误差的情况,例如,完美执行规划的运行参数中的前轮转角是30度,而实际由于摩擦阻力的影响,输出的前轮转角只有25度,此时就会出现前轮转角误差。因此,可以基于整车模型来规划运行参数,然后再控制自动驾驶车辆按照规划的运行参数行驶,从而减少决策规划控制值与实际输出值之间的误差。本实施例的车辆决策规划控制模块的测试就是对基于整车模型决策规划出的行驶参数与车辆最终输出的行驶参数的一致性进行评估测试。
如图3所示,该方法包括:
S301,根据车辆的属性参数构建整车模型。
S302,将车辆在实际道路运行过程中采集的车辆实际运行参数中至少一个维度的运行参数作为输入参数,其他维度的运行参数作为输出参数,拟合实际关系曲线。
S303,采用至少一个维度的运行参数和整车模型对待测试模块作仿真测试。
S304,将至少一个维度的运行参数作为输入参数,仿真测试结果作为输出参数,拟合仿真关系曲线。
S305,比较实际关系曲线和仿真关系曲线,并根据比较结果对整车模型进行校准。
S306,将测试参数作为校准后的整车学模型的输入,得到车辆测试过程中的运行参数。
其中,测试参数可以是基于当前测试目的确定的至少一个维度的运行参数,例如,要测试决策规划控制模块控制自动驾驶车辆高速行驶的性能,则测试数据可以是将速度维度和/或加速度维度的运行参数作为测试参数。车辆测试过程中的运行参数可以是通过校准后的整车模型处理后的测试参数对应的参数值。例如,可以是将测试参数带入校准后的整车模型公式,将公式的计算结果作为车辆测试过程中的运行参数。
示例性的,可以是把校准后的整车模型接入车辆仿真工具中,即把校准后的整车模型的输出口连接决策规划控制模块的输入口,将测试数据输入到校准后的整车模型中,整车模型就会对该测试参数进行处理,得到车辆测试过程中的运行参数。
S307,将车辆测试过程中的运行参数作为车辆中待测试模块的输入,进行车辆仿真测试,并得到车辆仿真测试过程中的仿真轨迹数据。
示例性的,将S306得到的车辆测试过程中的运行参数作为决策规划控制模块的输入参数,进行车辆的仿真测试,具体的测试过程可以是:决策规划控制模块根据输入的参数对自动驾驶车辆下发决策指令,然后根据该指令规划该车辆的行驶参数,控制自动驾驶车辆执行该行驶参数值在道路上行驶的同时,根据规划的行驶参数进行轨迹仿真,得到仿真轨迹数据。
S308,根据测试参数关联的实际轨迹数据和仿真轨迹数据,确定待测试模块的测试结果。
其中,测试参数关联的实际轨迹可以是自动驾驶车辆基于决策规划控制模块的控制,在道路上实际行驶的轨迹数据。仿真轨迹数据是根据决策规划控制模块规划的行驶参数,通过仿真软件仿真出来的轨迹数据。控制模块的测试结果可以是用来表示决策规划控制模块控制自动驾驶车辆的实际行驶轨迹和规划的仿真行驶轨迹是否一致的测试结果。
具体的,根据实际轨迹数据和仿真轨迹数据,确定控制模块的测试结果的方法有很多,本实施例对此不进行限定。可以是计算实际轨迹数据和仿真轨迹数据的重合度,重合度越大,说明决策规划控制模块的性能越好;也可以是计算实际轨迹数据和仿真轨迹数据的平均误差值,误差值越小,说明决策规划控制模块的性能越好等。
需要说明的是,本发明实施例以测试自动驾驶车辆的决策规划控制模块为例进行介绍的,但是不限于此,还可以是对自动驾驶车辆的其他模块进行测试,具体的执行过程与对决策规划控制模块的执行过程类似,对此不再进行赘述。
本实施例提供了一种测试方法,通过构建车辆动力学模型,通过拟合车辆实际运行参数的关系曲线和仿真测试的运行参数的关系曲线,对构建的整车模型进行校准,将整车模型的输出连接待测试模块的输入,将测试参数输入整车模型,根据最终待测试模块输出的仿真轨迹数据和实际轨迹数据,对待测试模块进行测试评估。提高了测试的准确度。
实施例四
图4是本发明实施例四提供的一种测试装置的结构示意图,该装置可执行本发明任意实施例所提供的测试方法,具备执行方法相应的功能模块和有益效果。如图4所示,该装置包括:
模型构建模块401,用于根据车辆的属性参数构建整车模型;
模型校准模块402,用于根据所述车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对所述整车模型进行校准;
测试模块403,用于采用校准后的整车模型进行测试。
本实施例提供了一种测试装置,通过构建整车模型,根据车辆运行过程中的实际运行参数之间的关系对整车模型进行校准后,采用校准后的整车模型进测试,能够在测试过程中充分考虑车辆的动力学和运动学参数造成的待测试模块的输出值误差,进而提高了测试的准确度。
进一步地,上述模型校准模块402包括:
曲线拟合单元,用于将所述车辆在实际道路运行过程中采集的车辆实际运行参数中至少一个维度的运行参数作为输入参数,其他维度的运行参数作为输出参数,拟合实际关系曲线;
仿真测试单元,用于采用所述至少一个维度的运行参数和所述整车模型对待测试模块作仿真测试;
所述曲线拟合单元,还用于将所述至少一个维度的运行参数作为输入参数,仿真测试结果作为输出参数,拟合仿真关系曲线;
模型校准单元,用于比较所述实际关系曲线和所述仿真关系曲线,并根据比较结果对所述整车模型进行校准。
进一步地,上述仿真测试单元具体用于:
将所述至少一个维度的运行参数作为所述整车模型的输入,将所述整车模型的输出作为待测试模块的输入,对所述待测试模块进行仿真测试,得到所述待测试模块仿真输出的其他维度的运行参数。
进一步地,上述曲线拟合单元具体用于:
将车辆运行参数中速度、加速度和控制指令值中至少一个维度上的参数作为输入参数;将车辆运行参数中横向补偿、转向、纵向补偿、误差刹车、油门、扭矩、摩擦力系数、车轮转角、整车转向和误差中至少一个维度上的参数作为输出参数。
进一步地,上述测试模块403具体用于:
将测试参数作为校准后的整车模型的输入,得到车辆测试过程中的运行参数;
将车辆测试过程中的运行参数作为所述车辆中待测试模块的输入,进行车辆仿真测试,并得到车辆仿真测试过程中的仿真轨迹数据;
根据测试参数关联的实际轨迹数据和所述仿真轨迹数据,确定所述待测试模块的测试结果。
实施例五
图5为本发明实施例五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50的框图。图5显示的设备50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,该设备50以通用计算设备的形式表现。该设备50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501,***存储器502,连接不同***组件(包括***存储器502和处理单元501)的总线503。
总线503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50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50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502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)504和/或高速缓存存储器505。设备50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***506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503相连。***存储器502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507的程序/实用工具508,可以存储在例如***存储器502中,这样的程序模块507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507通常执行本发明所描述的实施例中的功能和/或方法。
设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信,还可与一个或者多个使得用户能与该设备交互的设备通信,和/或与使得该设备50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511进行。并且,设备50还可以通过网络适配器512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5所示,网络适配器512通过总线503与设备50的其它模块通信。应当明白,尽管图中未示出,可以结合设备50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501通过运行存储在***存储器502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测试方法。
实施例六
本发明实施例六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可实现上述实施例所述的测试方法。
本发明实施例的计算机存储介质,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)。
上述实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员应该明白,上述的本发明实施例的各模块或各操作可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或操作制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间的相同或相似的部分互相参见即可。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种测试方法,其特征在于,包括:
根据车辆的属性参数构建整车模型;
根据所述车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对所述整车模型进行校准;
采用校准后的整车模型进行测试。
2.根据权利要求1所述的方法,其特征在于,根据所述车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对所述整车模型进行校准,包括:
将所述车辆在实际道路运行过程中采集的车辆实际运行参数中至少一个维度的运行参数作为输入参数,其他维度的运行参数作为输出参数,拟合实际关系曲线;
采用所述至少一个维度的运行参数和所述整车模型对待测试模块作仿真测试;
将所述至少一个维度的运行参数作为输入参数,仿真测试结果作为输出参数,拟合仿真关系曲线;
比较所述实际关系曲线和所述仿真关系曲线,并根据比较结果对所述整车模型进行校准。
3.根据权利要求2所述的方法,其特征在于,采用所述至少一个维度的运行参数和所述整车模型对待测试模块作仿真测试,包括:
将所述至少一个维度的运行参数作为所述整车模型的输入,将所述整车模型的输出作为待测试模块的输入,对所述待测试模块进行仿真测试,得到所述待测试模块仿真输出的其他维度的运行参数。
4.根据权利要求2所述的方法,其特征在于,将所述车辆在实际道路运行过程中采集的车辆实际运行参数中至少一个维度的运行参数作为输入参数,其他维度的运行参数作为输出参数,包括:
将车辆运行参数中速度、加速度和控制指令值中至少一个维度上的参数作为输入参数;将车辆运行参数中横向补偿、转向、纵向补偿、误差刹车、油门、扭矩、摩擦力系数、车轮转角、整车转向和误差中至少一个维度上的参数作为输出参数。
5.根据权利要求1所述的方法,其特征在于,采用校准后的整车模型进行测试,包括:
将测试参数作为校准后的整车模型的输入,得到车辆测试过程中的运行参数;
将车辆测试过程中的运行参数作为所述车辆中待测试模块的输入,进行车辆仿真测试,并得到车辆仿真测试过程中的仿真轨迹数据;
根据测试参数关联的实际轨迹数据和所述仿真轨迹数据,确定所述待测试模块的测试结果。
6.一种测试装置,其特征在于,包括:
模型构建模块,用于根据车辆的属性参数构建整车模型;
模型校准模块,用于根据所述车辆在实际道路运行过程中采集的车辆实际运行参数之间的关系,对所述整车模型进行校准;
测试模块,用于采用校准后的整车模型进行测试。
7.根据权利要求6所述的装置,其特征在于,所述模型校准模块包括:
曲线拟合单元,用于将所述车辆在实际道路运行过程中采集的车辆实际运行参数中至少一个维度的运行参数作为输入参数,其他维度的运行参数作为输出参数,拟合实际关系曲线;
仿真测试单元,用于采用所述至少一个维度的运行参数和所述整车模型对待测试模块作仿真测试;
所述曲线拟合单元,还用于将所述至少一个维度的运行参数作为输入参数,仿真测试结果作为输出参数,拟合仿真关系曲线;
模型校准单元,用于比较所述实际关系曲线和所述仿真关系曲线,并根据比较结果对所述整车模型进行校准。
8.根据权利要求7所述的装置,其特征在于,所述仿真测试单元具体用于:
将所述至少一个维度的运行参数作为所述整车模型的输入,将所述整车模型的输出作为待测试模块的输入,对所述待测试模块进行仿真测试,得到所述待测试模块仿真输出的其他维度的运行参数。
9.根据权利要求7所述的装置,其特征在于,所述曲线拟合单元具有用于:
将车辆运行参数中速度、加速度和控制指令值中至少一个维度上的参数作为输入参数;将车辆运行参数中横向补偿、转向、纵向补偿、误差刹车、油门、扭矩、摩擦力系数、车轮转角、整车转向和误差中至少一个维度上的参数作为输出参数。
10.根据权利要求6所述的装置,其特征在于,所述测试模块具体用于:
将测试参数作为校准后的整车模型的输入,得到车辆测试过程中的运行参数;
将车辆测试过程中的运行参数作为所述车辆中待测试模块的输入,进行车辆仿真测试,并得到车辆仿真测试过程中的仿真轨迹数据;
根据测试参数关联的实际轨迹数据和所述仿真轨迹数据,确定所述待测试模块的测试结果。
11.一种设备,其特征在于,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中任一所述的测试方法。
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,该程序被处理器执行时实现如权利要求1-5中任一所述的测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459787.2A CN109522673B (zh) | 2018-11-30 | 2018-11-30 | 一种测试方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459787.2A CN109522673B (zh) | 2018-11-30 | 2018-11-30 | 一种测试方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109522673A true CN109522673A (zh) | 2019-03-26 |
CN109522673B CN109522673B (zh) | 2024-06-04 |
Family
ID=65794748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811459787.2A Active CN109522673B (zh) | 2018-11-30 | 2018-11-30 | 一种测试方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522673B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110285985A (zh) * | 2019-05-31 | 2019-09-27 | 驭势科技(浙江)有限公司 | 智能车转向***的评估方法、装置、***及存储介质 |
CN110598234A (zh) * | 2019-05-07 | 2019-12-20 | 重庆长安汽车股份有限公司 | 车辆动力学模型参数校准方法 |
CN110807238A (zh) * | 2019-08-26 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种仿真模型校准方法及相关设备 |
CN111897305A (zh) * | 2020-06-02 | 2020-11-06 | 浙江吉利汽车研究院有限公司 | 一种基于自动驾驶的数据处理方法、装置、设备及介质 |
EP3761274A1 (en) * | 2019-07-01 | 2021-01-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, storage medium and electronic device for testing dynamic parameter of vehicle |
CN112328970A (zh) * | 2020-11-05 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 基于车辆性能参数的事故预测方法和*** |
CN114486245A (zh) * | 2022-03-31 | 2022-05-13 | 东风汽车集团股份有限公司 | 一种试验方法、装置、设备及存储介质 |
CN114662269A (zh) * | 2021-11-12 | 2022-06-24 | 国家电投集团科学技术研究院有限公司 | 模型参数调试方法、装置以及存储介质 |
WO2022143919A1 (zh) * | 2020-12-31 | 2022-07-07 | 广州极飞科技股份有限公司 | 转向参数检测方法及装置、计算机设备及可读存储介质 |
CN114859796A (zh) * | 2022-06-09 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种车辆控制方法、电子设备及存储介质 |
CN115258323A (zh) * | 2021-04-29 | 2022-11-01 | 北京小米移动软件有限公司 | 撕膜控制方法、装置、电子设备及存储介质 |
CN116124270A (zh) * | 2023-04-18 | 2023-05-16 | 深圳亿维锐创科技股份有限公司 | 一种动态汽车衡自动智能化校准方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108152050A (zh) * | 2017-12-22 | 2018-06-12 | 南京越博动力***股份有限公司 | 一种整车参数校准方法 |
CN108734949A (zh) * | 2017-04-18 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆仿真平台构建方法、装置、设备及存储介质 |
CN108737955A (zh) * | 2018-04-28 | 2018-11-02 | 交通运输部公路科学研究所 | 基于虚拟车道线的ldw/lka测试评价***及方法 |
-
2018
- 2018-11-30 CN CN201811459787.2A patent/CN109522673B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734949A (zh) * | 2017-04-18 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆仿真平台构建方法、装置、设备及存储介质 |
CN108152050A (zh) * | 2017-12-22 | 2018-06-12 | 南京越博动力***股份有限公司 | 一种整车参数校准方法 |
CN108737955A (zh) * | 2018-04-28 | 2018-11-02 | 交通运输部公路科学研究所 | 基于虚拟车道线的ldw/lka测试评价***及方法 |
Non-Patent Citations (2)
Title |
---|
王秋等: "基于随机模型预测控制的自主车辆转向控制", 《信息与控制》 * |
王萍等: "高速公路车辆智能驾驶仿真平台", 《***仿真学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598234A (zh) * | 2019-05-07 | 2019-12-20 | 重庆长安汽车股份有限公司 | 车辆动力学模型参数校准方法 |
CN110285985A (zh) * | 2019-05-31 | 2019-09-27 | 驭势科技(浙江)有限公司 | 智能车转向***的评估方法、装置、***及存储介质 |
EP3761274A1 (en) * | 2019-07-01 | 2021-01-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, storage medium and electronic device for testing dynamic parameter of vehicle |
US11634148B2 (en) | 2019-07-01 | 2023-04-25 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method, apparatus, storage medium and electronic device for testing dynamic parameter of vehicle |
CN110807238B (zh) * | 2019-08-26 | 2022-11-18 | 腾讯科技(深圳)有限公司 | 一种仿真模型校准方法及相关设备 |
CN110807238A (zh) * | 2019-08-26 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种仿真模型校准方法及相关设备 |
CN111897305A (zh) * | 2020-06-02 | 2020-11-06 | 浙江吉利汽车研究院有限公司 | 一种基于自动驾驶的数据处理方法、装置、设备及介质 |
CN112328970A (zh) * | 2020-11-05 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 基于车辆性能参数的事故预测方法和*** |
WO2022143919A1 (zh) * | 2020-12-31 | 2022-07-07 | 广州极飞科技股份有限公司 | 转向参数检测方法及装置、计算机设备及可读存储介质 |
CN115258323A (zh) * | 2021-04-29 | 2022-11-01 | 北京小米移动软件有限公司 | 撕膜控制方法、装置、电子设备及存储介质 |
CN114662269A (zh) * | 2021-11-12 | 2022-06-24 | 国家电投集团科学技术研究院有限公司 | 模型参数调试方法、装置以及存储介质 |
CN114486245A (zh) * | 2022-03-31 | 2022-05-13 | 东风汽车集团股份有限公司 | 一种试验方法、装置、设备及存储介质 |
CN114486245B (zh) * | 2022-03-31 | 2024-04-23 | 东风汽车集团股份有限公司 | 一种试验方法、装置、设备及存储介质 |
CN114859796A (zh) * | 2022-06-09 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种车辆控制方法、电子设备及存储介质 |
CN116124270A (zh) * | 2023-04-18 | 2023-05-16 | 深圳亿维锐创科技股份有限公司 | 一种动态汽车衡自动智能化校准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109522673B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522673A (zh) | 一种测试方法、装置、设备和存储介质 | |
O'Kelly et al. | F1/10: An open-source autonomous cyber-physical platform | |
Chen et al. | A novel integrated simulation and testing platform for self-driving cars with hardware in the loop | |
CN109491369A (zh) | 车辆实际控制单元的性能评估方法、装置、设备和介质 | |
Flad et al. | Cooperative shared control driver assistance systems based on motion primitives and differential games | |
CN107479368A (zh) | 一种基于人工智能的训练无人机控制模型的方法及*** | |
CN109446662A (zh) | 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质 | |
CN113032285A (zh) | 一种高精地图测试方法、装置、电子设备及存储介质 | |
Lattarulo et al. | Urban Motion Planning Framework Based on N‐Bézier Curves Considering Comfort and Safety | |
Naumann et al. | Coincar-sim: An open-source simulation framework for cooperatively interacting automobiles | |
CN108508881A (zh) | 自动驾驶控制策略调整方法、装置、设备及存储介质 | |
Yang et al. | Multi-vehicle experiment platform: A digital twin realization method | |
Verma et al. | Implementation and validation of behavior cloning using scaled vehicles | |
Xiong et al. | Design and Implementation of Digital Twin‐Assisted Simulation Method for Autonomous Vehicle in Car‐Following Scenario | |
Daza et al. | Sim-to-real transfer and reality gap modeling in model predictive control for autonomous driving | |
Li et al. | Design and performance evaluation of a simple semi-physical human-vehicle collaborative driving simulation system | |
Li et al. | A real-time co-simulation framework for virtual test and validation on a high dynamic vehicle test bed | |
Zhang et al. | A survey of vehicle dynamics modeling methods for autonomous racing: Theoretical models, physical/virtual platforms, and perspectives | |
Zhao et al. | Driving experience and behavior change in remote driving-an explorative experimental study | |
CN112835362A (zh) | 一种自动变道规划方法及装置、电子设备和存储介质 | |
CN112597005A (zh) | 一种自动驾驶全栈算法闭环仿真测试***及方法 | |
Li et al. | GA‐BPNN Based Hybrid Steering Control Approach for Unmanned Driving Electric Vehicle with In‐Wheel Motors | |
Brisan et al. | A modular road auto-generating algorithm for developing the road models for driving simulators | |
Kim et al. | OPEMI: Online Performance Evaluation Metrics Index for Deep Learning-Based Autonomous Vehicles | |
Phuong et al. | Building a mathematics model for lane‐change technology of autonomous vehicles |
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 |