CN110779730A - 基于虚拟驾驶场景车辆在环的l3级自动驾驶***测试方法 - Google Patents

Abstract

本发明涉及一种基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，包括：观测车辆运动学状态，包括位置与航向角，用于更新虚拟场景中车辆位姿；感知***模型建立，包括视觉、毫米波雷达、激光雷达以及超声波雷达四种感知设备模型；虚拟测试场景库注入，按L3级自动驾驶***应用场景预定义***驾驶场景工况、紧急事件工况以及人机交互工况三类测试场景库；按主驾驶位置参数，在虚拟场景中渲染生成场景可视化视角；测试数据记录与评价，包含算法性能量化评价指标以及***评价指标，最后输出L3级自动驾驶***综合汇总评价指标。本发明能够在有限的实验场地内对L3级自动驾驶***典型应用场景进行测试与评价。

Description

基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法

技术领域

本发明涉及汽车自动驾驶技术领域，尤其涉及一种基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法。

背景技术

智能化是如今汽车行业发展的重要趋势之一，预计2020-2030期间智能驾驶技术与***将在世界范围内快速发展。自动驾驶***按智能化程度由低到高分为L0～L5六个等级，其中L3级自动驾驶等级定义为允许相应***在定义驾驶场景下替代驾驶员独立驾驶车辆，如在高速驾驶场景下减轻驾驶负担等。目前L1级、L2级高级辅助驾驶***已在部分量产车型中落地，L3级自动驾驶***目前则还处于原型开发阶段，还需大量的测试与验证工作。

相较于L1级、L2级辅助驾驶***，L3级自动驾驶***应用场景更复杂，***开发与验证难度也更大。L1级、L2级辅助驾驶***开发一般经过软件在环***逻辑验证、硬件在环测试、场地测试以及道路测试等环节完成。目前没有较为完善的L3及以上级别自动驾驶***验证与测试方法。现有较完善的相关测试方法与体系主要针对L2及以下级别的主动安全***，主要通过台架测试、场地测试以及道路测试等多阶段的测试方法来完成。其中，台架以及场地测试主要对***的逻辑、稳定性以及典型场景的***表现进行测试；道路测试则针对复杂与极端场景测试***的鲁棒性。相较于上述车辆主动安全***，L3级自动驾驶***所涉及的应用场景更加复杂，满足测试要求的场地以及测试环境搭建成本更高，时间周期更长。L3级***功能的验证与测试在道路测试之前，很难在测试场地内通过搭建相关测试环境完成验证(由于测试场景的数量与复杂程度均非常高)。因而虚拟场景在L3级以上的自动驾驶***开发与测试过程中会占据更重要的比重。

发明内容

本发明为了解决上述技术问题，提供一种基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，使用虚拟场景数据，在有限的场地环境下最大限度的验证典型场景下L3级自动驾驶***的表现。

本发明的另一目的是提供一种基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，使用车辆在环方法，最大限度的降低由于***动力学模型差异导致的测试与评价误差，使***在虚拟场景中的响应更接近真实场景测试。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，包括下列步骤：

①车辆运动学状态观测及感知***模型建立；

车辆运动学状态观测：利用高精度GPS/IMU融合设备(如RTK-3000系列)，观测车辆运动学状态，包括位置与航向角，用于更新虚拟场景中车辆位姿。

感知***模型建立：包括视觉、毫米波雷达、激光雷达以及超声波雷达四种感知设备模型，输入为感知***技术参数列表，包括传感***的安装位置、探测范围以及分辨率等，输出为虚拟感知结果。

②虚拟测试场景库注入；

按L3级自动驾驶***应用场景预定义三类测试场景库，主要包括***驾驶场景工况、紧急事件工况以及人机交互工况等。驾驶场景库主要包括静态场景与动态目标两部分。静态场景包括高速应用场景、城市应用场景以及泊车应用场景中的静态目标与背景；动态场景包含静态场景之外的可移动目标，即各类车辆与行人。

③按主驾驶位置参数，在虚拟场景中渲染生成场景可视化视角；

以便测试人员检测车辆在虚拟驾驶场景中的驾驶状态。交互方式可通过显示屏或虚拟现实穿戴设备。

④测试数据记录与评价，包含算法性能量化评价指标以及***评价指标。

主要包括工况场景数据、车辆动力学状态数据(车速、加速度、航向角等)、感知***数据(各感知***输入与输出)、决策***输出(目标轨迹、目标车速、目标加速度等)以及特殊事件参数(急减速、急加速、碰撞等)。

本发明通过使用虚拟场景数据，在有限的场地环境下最大限度的验证典型场景下L3级自动驾驶***的表现。通过使用车辆在环方法，最大限度的降低由于***动力学模型差异导致的测试与评价误差，使***在虚拟场景中的响应更接近真实场景测试。本发明能够在有限的实验场地内对L3级自动驾驶***典型应用场景进行测试与评价。

作为优选，所述的步骤①包括下列步骤：

(11)数据采集：利用多线程分别采集视频总线数据、网络总线数据以及CAN总线数据；视频总线数据源自虚拟场景处理终端，按虚拟场景视觉传感器输入配置表内容，采集虚拟驾驶场景视觉数据；网络总线数据也源自虚拟场景处理终端，网络总线数据包括激光雷达点云数据以及毫米波雷达目标与聚类点云数据；CAN总线数据包括车辆动力学信号、运动学信号、感知***输出信息、定位信息、决策轨迹信息、车辆控制请求信号以及车辆控制执行信号；

(12)数据同步：利用***时钟或GPS时钟，对所采集的视觉输入信息、激光雷达信息以及CAN总线信息进行同步，即关联相应时刻的时间戳；

(13)数据解析与存储：按照CAN总线消息定义解析相关总线信息，定义存储数据结构体，包括虚拟视觉场景数据、感知信息、定位信息、规划轨迹信息、车辆控制信息、车辆及***状态信息的属性，其中视觉场景数据以H264或H265码流形式存储，激光雷达点云数据以及CAN总线数据以浮点数形式存储，所述的数据结构体压缩后存储于车载硬盘。

在车载数据处理终端安装有车辆数据采集***，其采集、同步与存储车辆驾驶数据，主要包括CAN总线数据，自动驾驶***输入、输出数据以及中间结果数据，以及附加测试***数据。

作为优选，所述的步骤②包括下列步骤：

(21)根据车辆位置以及航向信息，生成包含静态场景库与动态场景库的虚拟驾驶场景数据并传输给车载驾驶***传输；

(22)车辆虚拟场景位姿更新，更新虚拟场景中自身车辆的位置，从而更新相应场景以及传感***测量数据，输入为车载高精度组合导航***测量信号[X_i，Y_i，Z_i，θ_i]^T，输出为虚拟场景中自身车辆位置[X′_i，Y′_i，Z′_i，θ′_i]^T，公式如下：

[X₀，Y₀，Z₀，θ₀]^T→[X′₀，Y′₀，Z′₀，θ′₀]^T

[X′_i，Y_i′，Z′_i，θ′_i]^T＝[X′_i-1，Y′_i-1，z′_i-1，θ′_i-1]^T+[X_i，Y_i，Z_i，θ_i]^T-[X_i-1，Y_i-1，Z_i-1，θ_i-1]^T；

(23)建立虚拟场景传感器模型：基于车辆传感器配置表，输入上述虚拟场景，输出各传感器虚拟测量信号；虚拟场景传感器模型包括视觉模型、激光雷达模型、毫米波雷达模型以及超声波雷达模型。

待测的汽车上安装有虚拟场景处理终端，虚拟场景处理终端生成并向车载驾驶***传输虚拟驾驶场景数据，主要包含静态场景库与动态场景库，输入为车辆位置以及航向信息，输出为感知***模拟信号量(包括相机视觉信号、激光雷达点云信号以及毫米波雷达信号)。

作为优选，所述的静态场景库包括天气场景元素、时间场景元素和基础建设场景元素，各场景元素的属性包括元素位置、元素三维大小以及元素物理特性。

作为优选，所述的动态场景库包括道路场景常见移动目标和场景交通流模型，移动目标的属性包括目标位置、目标速度、目标三维大小以及目标物理特性。

作为优选，所述的步骤③中场景可视化视角包括：

交互视角：在虚拟场景中自定义设置交互视角；

通用信息交互：包括测试时间、日期、天气、场景编号以及实时车速，通用信息以文字形式叠加于可视化界面固定区域；

自动驾驶***状态信息交互：包括软件版本号、工作模式以及***故障状态，自动驾驶***状态信息以文字形式叠加于可视化界面固定区域；

自动驾驶算法结果交互：包括感知结果图层以及决策结果图层；感知结果图层包括目标图层以及可行驶区域图层，决策结果图层包括自身车辆的目标轨迹；CAN总线中记录的位置信息[X，Y，Z，1]^T均以车辆坐标系为参照，通过交互渲染视角的相机内外参数，透视变换至交互视角坐标系下[u，v，1]^T：

[u，v，1]^T＝P_3×4[X，Y，Z，1]^T

其中，相机矩阵P_3×4可由相机内外参数计算所得。

通过测试交互***实时提示测试人员自动驾驶***的工作状态以及部分重要算法中间结果。以APP或上位机软件的形式，将上述交互信息部署于平板以及测试工控机上或利用虚拟现实穿戴设备，呈现于测试人员。

作为优选，所述的步骤④中，算法性能评价指标包括感知算法评价指标以及定位算法评价指标；定位算法评价指标参考高精度组合导航设备测量值；感知算法评价指标包括目标检测的检出率R、准确率P、距离相对误差D以及车道检测误差L，计算方式如下：

其中，d为目标距离，x为车道线侧向坐标，y为车道线纵向坐标，相应下标表征相应的测量值与真实值。。

作为优选，所述的步骤④中***评价指标，基于虚拟场景碰撞次数N₁、***人为干预次数N₂以及乘坐舒适性N₃三方面指标进行综合评定：

S＝k₁(1-γ₁N₁)+k₂(1-γ₂N₂)+k₃(1-γ₃N₃)

其中，N₁根据虚拟场景碰撞信号输出所得，N₂根据CAN总线***干预退出次数所得，N₃则根据车辆的纵向、侧向加速度以及横摆角速度统计所得，k_i和γ_i为相应权重系数。

作为优选，所述的步骤④中，在作出评价后输出***评价报告：根据虚拟测试场景库静态参数配置表，按时间、天气以及场景三个维度输出自动驾驶***评价指标以及综合汇总评价指标。

本发明的有益效果是：利用车辆虚拟驾驶场景在环的方式对L3级自动驾驶***进行测试与评价，其优点在于：i).利用虚拟驾驶场景进行***功能测试，可以降低测试场地基础设施建设的投入，在有限的测试场地上可以完成不同工况的测试，同时降低测试过程中潜在事故发生所造成的经济损失与人身伤害；ii).利用虚拟驾驶场景中的天气、光照等调节模块，可以降低测试等待时间，缩短测试周期，并为极端测试工况提供可行性；iii).利用车辆在环的测试方法，比基于车辆动力学模型的虚拟场景位姿更新更准确，自动驾驶***表现更具有参考性；iv).虚拟场景可以实时提供算法模块输出真值，包括目标位置、定位等，有助于在线量化相关算法模块输出精度。

附图说明

图1是本发明中汽车的一种俯视结构示意图。

图2是本发明的一种流程图。

图3是本发明中数据存储结构体的一种示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：本实施例的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，所基于的***硬件架构如图1所示，汽车前部安装有驾驶室监控相机和紧急制动装置，汽车后部安装有虚拟场景处理终端、车载数据处理终端和组合导航设备。车载数据处理终端安装有车辆数据采集***；虚拟场景处理终端安装有虚拟驾驶场景库；紧急制动装置置于主、副驾驶均可触及处，用于确保车辆在环测试的安全性，采用线控方式与自动驾驶***以及制动***相连。测试交互***及评价***，以APP或上位机软件的形式，部署于平板以及测试工控机上或利用虚拟现实穿戴设备，呈现于测试人员。

基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，如图2所示，包括下列步骤：

①车辆运动学状态观测及感知***模型建立：利用车载数据处理终端上的车辆数据采集***，采集、同步与存储车辆驾驶数据，主要包括CAN总线数据、自动驾驶***输入数据、输出数据以及中间结果数据，以及附加测试***数据。

详细内容如下：

(11)数据采集：利用多线程分别采集视频总线数据、网络总线数据以及CAN总线数据；视频总线数据源自虚拟场景处理终端，按虚拟场景视觉传感器输入配置表内容(各虚拟车载相机安装位置、视场角等)，通过LVDS、车载以太网或HD-CVI协议采集虚拟驾驶场景视觉数据；网络总线数据也源自虚拟场景处理终端，除了上述视觉***潜在传输内容外，网络总线主要传输激光雷达点云数据以及毫米波雷达目标与聚类点云数据；CAN总线数据包括车辆动力学信号、运动学信号(源自轮速计、高精度组合导航***)、感知***输出信息、定位信息、决策轨迹信息、车辆控制请求信号(源自自动驾驶控制器)以及车辆控制执行信号(源自控制执行机构)；

(12)数据同步：利用***时钟或GPS时钟，对所采集的视觉输入信息、激光雷达信息以及CAN总线信息进行同步，即关联相应时刻的时间戳，之后送入处理数据队列；

(13)数据解析与存储：按照CAN总线消息定义解析相关总线信息，定义存储数据结构体，如图3所示，主要包括虚拟视觉场景数据、感知信息、定位信息、规划轨迹信息、车辆控制信息、车辆及***状态信息以及其他补充信息等属性，其中视觉场景数据以H264或H265码流形式存储，激光雷达点云数据以及CAN总线数据以浮点数形式存储，上述数据结构体以Lz4方式压缩后存储于车载硬盘。

②虚拟测试场景库注入：由虚拟场景处理终端生成并向车载驾驶***传输虚拟驾驶场景数据，主要包含静态场景库与动态场景库，输入为车辆位置以及航向信息，输出为感知***模拟信号量(包括相机视觉信号、激光雷达点云信号以及毫米波雷达信号)。

详细内容如下：

(21)根据车辆位置以及航向信息，生成包含静态场景库与动态场景库的虚拟驾驶场景数据并传输给车载驾驶***传输；

静态场景库包括天气场景元素(即晴、云、阴、雨、雾等)、时间场景元素(即白天、傍晚、夜晚等)、基础建设场景元素(即高速公路、城市公路以及乡村公路等)和其他场景元素(即道路修缮或改造设施、临时交通信号标识等)，各场景组成元素的属性包括元素位置(X、Y、Z)、元素三维大小(L、W、H)以及元素物理特性(反射率、材质等)；

动态场景库包括道路场景常见移动目标(即小汽车、客车、商用车、特种车辆、行人以及自行车等)和场景交通流模型(即交通信号灯控制规则，道路行驶规则以及各移动目标运动学模型等)，各场景移动目标的属性包括：目标位置(X、Y、Z)、目标速度(vx、vy、vz)、目标三维大小(L、W、H)以及目标物理特性(反射率、材质等)；

(22)车辆虚拟场景位姿更新，更新虚拟场景中自身车辆的位置，从而更新相应场景以及传感***测量数据，输入为车载高精度组合导航***测量信号[X_i，Y_i，Z_i，θ_i]^T，输出为虚拟场景中自身车辆位置[X′_i，Y′_i，Z′_i，θ′_i]^T，公式如下：

[X₀，Y₀，Z₀，θ₀]^T→[X′₀，Y′₀，Z′₀，θ′₀]^T

[X′_i，Y_i′，Z′_i，θ′_i]^T＝[X′_i-1，Y′_i-1，Z′_i-1，θ′_i-1]^T+[X_i，Y_i，Z_i，θ_i]^T-[X_i-1，Y_i-1，Z_i-1，θ_i-1]^T；

(23)建立虚拟场景传感器模型：基于车辆传感器配置表(包括各传感器位置、类别以及关键参数)，输入上述虚拟场景，输出各传感器虚拟测量信号；虚拟场景传感器模型主要包括视觉模型、激光雷达模型、毫米波雷达模型以及超声波雷达模型。视觉模型基于虚拟相机成像模型输入静态场景以及动态场景参数组合，输出各预定义视角场景图像；毫米波雷达模型以及超声波雷达模型基于各自相应虚拟场景模型输出相应预定义格式感知***输出。

③测试交互***，按主驾驶位置参数，在虚拟场景中渲染生成场景可视化视角，用于实时提示测试人员自动驾驶***的工作状态以及部分重要算法中间结果，以APP或上位机软件的形式，部署于平板以及测试工控机上或利用虚拟现实穿戴设备，呈现于测试人员。

详细内容如下：

交互视角：交互视角可在虚拟场景中自定义设置，默认设置于车辆后方2米处，距离地面高度3米，水平往前偏下15°视角，视场角120°，分辨率1920×1080；

通用信息交互：默认包括测试时间、日期、天气、场景编号以及实时车速，可根据测试需求定制添加，其中实时车速采集于CAN总线，其他信息来源于虚拟驾驶场景；此部分信息以预设字体、大小及颜色叠加于可视化界面固定区域(默认为左上角)；

自动驾驶***状态信息交互：默认包括软件版本号、工作模式以及***故障状态等，以预设字体、大小及颜色叠加于可视化界面固定区域(默认为右上角)；

自动驾驶算法结果交互：主要包括感知结果图层以及决策结果图层；感知结果图层包括目标图层以及可行驶区域(及车道)图层，决策结果图层包括自身车辆的目标轨迹；CAN总线中记录的位置信息[X，Y，Z，1]^T均以车辆坐标系为参照，通过交互渲染视角的相机内外参数，透视变换至交互视角坐标系下[u，v，1]^T：

[u，v，1]^T＝P_3×4[X，Y，Z，1]^T

其中，相机矩阵P_3×4可由相机内外参数计算所得。

④测试数据记录与评价：自动驾驶测试评价***主要包含算法性能量化评价指标以及***评价指标两部分，输出各个细化场景下上述评价指标以及汇总评价指标。

详细内容如下：

算法性能评价指标：主要包括感知算法评价指标以及定位算法评价指标；定位算法评价真值参考高精度组合导航设备测量值；感知算法评价指标主要包括目标检测的检出率R、准确率P、距离相对误差D以及车道检测误差L，计算方式如下：

其中，d为目标距离，x为车道线侧向坐标，y为车道线纵向坐标，相应下标表征相应的测量值与真实值。

***评价指标：主要基于虚拟场景碰撞次数N₁、***人为干预次数N₂以及乘坐舒适性N₃三方面指标进行综合评定：

S＝k₁(1-γ₁N₁)+k₂(1-γ₂N₂)+k₃(1-γ₃N₃)

其中，N₁根据虚拟场景碰撞信号输出所得，N₂根据CAN总线***干预退出次数所得，N₃则根据车辆的纵向、侧向加速度以及横摆角速度统计(超过某平顺性阈值的次数)所得，k_i和γ_i为相应权重系数。

***评价报告输出：根据虚拟测试场景库静态参数配置表，按时间(白天、傍晚、夜晚)、天气(能见度高、中、低)以及场景(城市、高速、乡村)三个维度(共27个统计项)输出上述自动驾驶***评价指标以及综合汇总评价指标。

本发明利用虚拟驾驶场景进行***功能测试，可以降低测试场地基础设施建设的投入，在有限的测试场地上可以完成不同工况的测试，同时降低测试过程中潜在事故发生所造成的经济损失与人身伤害。利用虚拟驾驶场景中的天气、光照等调节模块，可以降低测试等待时间，缩短测试周期，并为极端测试工况提供可行性。利用车辆在环的测试方法，比基于车辆动力学模型的虚拟场景位姿更新更准确，自动驾驶***表现更具有参考性。虚拟场景可以实时提供算法模块输出真值，包括目标位置、定位等，有助于在线量化相关算法模块输出精度。

Claims (9)

1.一种基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于包括下列步骤：

①车辆运动学状态观测及感知***模型建立；

②虚拟测试场景库注入；

③按主驾驶位置参数，在虚拟场景中渲染生成场景可视化视角；

④测试数据记录与评价，包含算法性能量化评价指标以及***评价指标。

2.根据权利要求1所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的步骤①包括下列步骤：

(11)数据采集：利用多线程分别采集视频总线数据、网络总线数据以及CAN总线数据；视频总线数据源自虚拟场景处理终端，按虚拟场景视觉传感器输入配置表内容，采集虚拟驾驶场景视觉数据；网络总线数据也源自虚拟场景处理终端，网络总线数据包括激光雷达点云数据以及毫米波雷达目标与聚类点云数据；CAN总线数据包括车辆动力学信号、运动学信号、感知***输出信息、定位信息、决策轨迹信息、车辆控制请求信号以及车辆控制执行信号；

(12)数据同步：利用***时钟或GPS时钟，对所采集的视觉输入信息、激光雷达信息以及CAN总线信息进行同步，即关联相应时刻的时间戳；

(13)数据解析与存储：按照CAN总线消息定义解析相关总线信息，定义存储数据结构体，包括虚拟视觉场景数据、感知信息、定位信息、规划轨迹信息、车辆控制信息、车辆及***状态信息的属性，其中视觉场景数据以H264或H265码流形式存储，激光雷达点云数据以及CAN总线数据以浮点数形式存储，所述的数据结构体压缩后存储于车载硬盘。

3.根据权利要求1所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的步骤②包括下列步骤：

(21)根据车辆位置以及航向信息，生成包含静态场景库与动态场景库的虚拟驾驶场景数据并传输给车载驾驶***传输；

(22)车辆虚拟场景位姿更新，更新虚拟场景中自身车辆的位置，从而更新相应场景以及传感***测量数据，输入为车载高精度组合导航***测量信号[X_i，Y_i，Z_i，θ_i]^T，输出为虚拟场景中自身车辆位置[X′_i，Y′_i，Z′_i，θ′_i]^T，公式如下：

[X₀，Y₀，Z₀，θ₀]^T→[X′₀，Y′₀，Z′₀，θ′₀]^T

[X′_i，Y′_i，Z′_i，θ′_i]^T＝[X′_i-1，Y′_i-1，Z′_i-1，θ′_i-1]^T+[X_i，Y_i，Z_i，θ_i]^T-[X_i-1，Y_i-1，Z_i-1，θ_i-1]^T；

(23)建立虚拟场景传感器模型：基于车辆传感器配置表，输入上述虚拟场景，输出各传感器虚拟测量信号；虚拟场景传感器模型包括视觉模型、激光雷达模型、毫米波雷达模型以及超声波雷达模型。

4.根据权利要求3所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的静态场景库包括天气场景元素、时间场景元素和基础建设场景元素，各场景元素的属性包括元素位置、元素三维大小以及元素物理特性。

5.根据权利要求3或4所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的动态场景库包括道路场景常见移动目标和场景交通流模型，移动目标的属性包括目标位置、目标速度、目标三维大小以及目标物理特性。

6.根据权利要求1或2或3所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的步骤③中场景可视化视角包括：

交互视角：在虚拟场景中自定义设置交互视角；

通用信息交互：包括测试时间、日期、天气、场景编号以及实时车速，通用信息以文字形式叠加于可视化界面固定区域；

自动驾驶***状态信息交互：包括软件版本号、工作模式以及***故障状态，自动驾驶***状态信息以文字形式叠加于可视化界面固定区域；

自动驾驶算法结果交互：包括感知结果图层以及决策结果图层；感知结果图层包括目标图层以及可行驶区域图层，决策结果图层包括自身车辆的目标轨迹；CAN总线中记录的位置信息[X，Y，Z，1]^T均以车辆坐标系为参照，通过交互渲染视角的相机内外参数，透视变换至交互视角坐标系下[u，v，1]^T：

[u，v，1]^T＝P_3×4[X，Y，Z，1]^T

其中，相机矩阵P_3×4可由相机内外参数计算所得。

7.根据权利要求1所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的步骤④中，算法性能评价指标包括感知算法评价指标以及定位算法评价指标；定位算法评价指标参考高精度组合导航设备测量值；感知算法评价指标包括目标检测的检出率R、准确率P、距离相对误差D以及车道检测误差L，计算方式如下：

其中，d为目标距离，x为车道线侧向坐标，y为车道线纵向坐标，相应下标表征相应的测量值与真实值。

8.根据权利要求1所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的步骤④中***评价指标，基于虚拟场景碰撞次数N₁、***人为干预次数N₂以及乘坐舒适性N₃三方面指标进行综合评定：

S＝k₁(1-γ₁N₁)+k₂(1-γ₂N₂)+k₃(1-γ₃N₃)

其中，N₁根据虚拟场景碰撞信号输出所得，N₂根据CAN总线***干预退出次数所得，N₃则根据车辆的纵向、侧向加速度以及横摆角速度统计所得，k_i和γ_i为相应权重系数。

9.根据权利要求1或7或8所述的基于虚拟驾驶场景车辆在环的L3级自动驾驶***测试方法，其特征在于所述的步骤④中，在作出评价后输出***评价报告：根据虚拟测试场景库静态参数配置表，按时间、天气以及场景三个维度输出自动驾驶***评价指标以及综合汇总评价指标。

Images