CN111795832B - 一种智能驾驶车辆测试方法、装置及设备 - Google Patents
一种智能驾驶车辆测试方法、装置及设备 Download PDFInfo
- Publication number
- CN111795832B CN111795832B CN202010488767.9A CN202010488767A CN111795832B CN 111795832 B CN111795832 B CN 111795832B CN 202010488767 A CN202010488767 A CN 202010488767A CN 111795832 B CN111795832 B CN 111795832B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- virtual target
- test
- parameters
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能驾驶车辆测试方法、装置及设备,属于智能驾驶技术领域,该方法包括:响应于针对待测车辆进行测试的测试指令,所述测试指令包括测试模式;若所述测试模式为虚拟目标模式,则从所述测试指令中获取虚拟目标参数;根据所述虚拟目标参数构建至少一个虚拟目标;获取所述待测车辆行驶道路的道路环境信息;基于所述道路环境信息和所述至少一个虚拟目标进行规划决策,控制所述待测车辆的运动。本发明通过构建虚拟目标对车辆进行测试,可以降低测试前准备过程所消耗的时间成本和资源成本。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及一种智能驾驶车辆测试方法、装置及设备。
背景技术
在控制***的研发过程中,通常先基于仿真***进行仿真研究,在完成仿真测试后,再在实车上进行相应功能测试,目的在于缩短产品的研发周期,降低研发成本,比较常用的例如硬件在环仿真***(HIL,Hardware in the Loop)和实车在环仿真***(VIL,Vehicle in the Loop)等。
而在现有的实车测试方案中,需要配置与功能相应的测试设备(如自动紧急自动功能等相关测试),例如HIL通常需要使用供应商提供的HIL机柜,VIL则需要装配供应商提供的诸如实时仿真机等仿真平台。且为了构建测试场景,还需要配备测试目标车辆(如自适应巡航功能等相关测试),或者在公共道路中刻意创造机会(如主动变道功能、避障功能等相关测试)。这些均将导致对实车测试前的准备过程需要较多的时间成本和资源成本,甚至可能会引发安全事故。
发明内容
本发明实施例提供了一种智能驾驶车辆测试方法、装置及设备,以解决现有技术在实车测试准备时需要较多时间成本和资源成本的技术问题。
为了达到所述目的,本发明采用的技术方案是:
一方面,本发明实施例提供了一种智能驾驶车辆测试方法,包括:
响应于针对待测车辆进行测试的测试指令,所述测试指令包括测试模式;
若所述测试模式为虚拟目标模式,则从所述测试指令中获取虚拟目标参数;
根据所述虚拟目标参数构建至少一个虚拟目标;
获取所述待测车辆行驶道路的道路环境信息;
基于所述道路环境信息和所述至少一个虚拟目标进行规划决策,控制所述待测车辆的运动。
另一方面,本发明实施例提供了一种智能驾驶车辆测试装置,包括:
信息接收模块,用于响应于针对待测车辆进行测试的测试指令,所述测试指令包括测试模式;
模式识别模块,用于若所述测试模式为虚拟目标模式,则从所述测试指令中获取虚拟目标参数;
虚拟目标构建模块,用于根据所述虚拟目标参数构建至少一个虚拟目标;
道路环境获取模块,用于获取所述待测车辆行驶道路的道路环境信息;
实车控制模块,用于基于所述道路环境信息和所述至少一个虚拟目标进行规划决策,控制所述待测车辆的运动。
另一方面,本发明实施例提供了一种测试设备,所述测试设备包括存储器和处理器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由所述处理器加载并执行以实现上述的智能驾驶车辆测试方法。
本发明的技术方案带来的有益效果是:
通过构建虚拟目标对车辆进行测试,而不需要准备与测试功能相应的测试设备和测试目标车辆,降低了时间成本和资源成本;同时可以通过设置不同的虚拟目标参数构建需要的测试场景,而不需要在公共道路中刻意创造机会进行相应场景测试,避免了测试过程中与真实目标发生碰撞的风险,提高了安全性;通过将虚拟目标与真实的道路环境信息进行结合,可以提升测试的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明实施例提供的一种智能驾驶车辆测试***的结构示意图。
图2是本发明实施例提供的目标构建***的结构示意。
图3是本发明实施例提供的一种智能驾驶车辆测试方法的流程示意图。
图4是本发明实施例提供的一种控制待测车辆运动的流程示意图。
图5是本发明实施例提供的计算待测车辆的位置参数的流程示意图。
图6是本发明实施例提供的计算待测车辆的位置参数的流程示意图
图7是本发明实施例提供的一个具体测试场景示例示意图。
图8是本发明实施例提供的另一个具体测试场景示例示意图。
图9是本发明实施例提供的一种智能驾驶车辆测试装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,其示出了本发明实施例提供的一种智能驾驶车辆测试***的结构示意图,该***可以包括视觉摄像头***101、雷达***102、地图定位***103以及快速控制原型平台104。
视觉摄像头***101可以通过利用摄像头等传感器设备,采集车辆视角范围内的真实目标信息与道路环境信息,例如车辆、行人、车道线或交通标志等。
雷达***102可以通过利用雷达传感器等设备,采集其检测范围内的真实目标信息与道路环境信息,例如车辆或行人等,雷达传感器可以包括但不限于毫米波雷达以及激光雷达等。
地图定位***103通过对车辆进行定位,输出对车辆的位置以及道路情况等相关信息。
快速控制原型平台104为快速控制原型控制器的软件平台,快速控制原型平台104在接收到用户对车辆的测试指令后,首先利用目标构建***构建/设置对车辆进行测试的测试目标;然后利用功能算法***,将测试目标与上述的真实目标信息、道路环境信息及相关位置信息进行融合,确定对车辆控制的控制策略,然后根据控制策略控制车辆的运动。
功能算法***所涉及的功能可以但不限于车道保持功能、前向碰撞预警功能、自动紧急制动功能、自适应巡航功能、拨杆变道功能、主动变道功能、自动上下匝道功能以及主动避障功能等。
目标构建***可以包括虚拟目标构建模块、真实目标设置模块以及目标选择模块,目标构建***可以输出虚拟目标和/或真实目标作为测试目标,目标构建***在输出测试目标时,可以根据用户所选择的测试模式进行确定。具体实施时,虚拟目标构建模块通过虚拟目标参数构建虚拟目标,真实目标确定模块通过对视觉摄像头***和雷达***的数据进行融合得到真实目标以及对应的真实目标参数,目标选择模块最终输出测试目标。
具体可参见图2,其示出了本发明实施例提供的目标构建***的结构示意图。当需要对车辆进行测试时,根据测试模式选择不同的测试目标。若测试模式为虚拟目标模式,则虚拟目标构建模块根据虚拟目标参数构建虚拟目标,将选择测试模式的时刻作为初始时刻,在对车辆测试过程中,实时计算虚拟目标绝对参数,并基于待测车辆参数得到相对于待测车辆的目标相对参数,通过增加噪声处理等方式,实现虚拟目标构建和虚拟目标的参数获取;若测试模式为真实目标模式,则真实目标设置模块对各传感器输出的相关信息进行融合,得到真实目标及其对应的参数;目标构建***可以根据目标选择模块选择输出虚拟目标和/或真实目标作为测试目标,以对车辆进行测试。
请参阅图3,其示出了本发明实施例提供的一种智能驾驶车辆测试方法的流程示意图。如图3所示,该方法可以包括:
S301,响应于针对待测车辆进行测试的测试指令,该测试指令包括测试模式。
本发明实施例中,待测车辆上配备了相关的自动驾驶功能或辅助驾驶功能,所配备的功能可以包括车道保持功能、前向碰撞预警功能、自动紧急制动功能、自适应巡航功能、拨杆变道功能、主动变道功能、自动上下匝道功能以及主动避障功能等。当需要对待测车辆上配备的这些功能进行测试时,可以设置进行测试的测试模式,然后为不同的测试模式定制不同的测试参数,其中,测试模式可以包括虚拟目标模式和真实目标模式。
S302,若测试模式为虚拟目标模式,则从测试指令中获取虚拟目标参数。
本发明实施例中,若测试模式为虚拟模式,则表示通过建立虚拟目标对待测车辆的相应功能进行测试。虚拟目标参数可以包括虚拟目标类型、虚拟目标个数以及目标属性等,虚拟目标类型表征所要构建的虚拟目标的类型,虚拟目标类型可以包括行人、车辆及交通标志;虚拟目标个数表征所要构建的虚拟目标的个数;目标属性表征虚拟目标所特有的属性,例如虚拟目标类型为车辆的目标属性可以包括横纵向位置、横纵向加速度、航向角、目标宽度、目标质量以及可信度等,虚拟目标为交通标志的目标属性可以包括限速速率等。
通过目标属性,可以设置对应虚拟目标处于待测车辆行驶道路的位置,若是行人或车辆,该行人或车辆是静止还是运动,可以通过设置其速度、加速度以及航向角等值控制虚拟目标的运动。当目标类型为车辆时,还可以设置车辆的类型或型号,以测试功能在面对不同车型的车辆时的响应。
在实际应用中,可以通过界面或配置文件的方式提供虚拟目标参数的配置,虚拟目标参数可以包括多个参数组,每个参数组对应于一个虚拟目标的参数,每个虚拟目标的参数可以相同也可以不同,例如可以设置一个类型为交通标志的虚拟目标,设置一个类型为车辆的虚拟目标,根据调整每个虚拟目标的参数,实现不同测试场景的构造。例如,可以在待测车辆正前方设置一个运动的车辆,在待测车辆行驶道路旁设置一个限速标志,各虚拟目标的类型可以任意组合。
S303,根据虚拟目标参数构建至少一个虚拟目标。
在智能驾驶功能算法开发过程中,利用快速控制原型(RCP,Rapid ControlPrototype)能够很大程度的提高开发效率,降低开发成本。在完成仿真测试后,可以利用RCP平台在实车上验证功能算法。因此,在本发明实施例中,可以通过基于快速原型控制平台构建或设置对待测车辆进行测试的目标,并进行相应功能的验证。
在构建虚拟目标时,通过读取虚拟目标参数中的各参数信息进行虚拟目标的构建,可以按需构建一个或多个虚拟目标。由于车辆在实际道路中行驶时,车辆前方道路中存在的目标有限,安装在车辆上的各传感器所检测到的目标也有限,为了更贴切实际交通场景,在构建虚拟目标时,可以对虚拟目标的个数进行限制。
鉴于此,在一个可能的实施例中,根据虚拟目标参数构建至少一个虚拟目标可以包括:基于快速原型控制平台,根据虚拟目标参数构建至少一个虚拟目标,其中,虚拟目标的类型包括行人、车辆及交通标志,虚拟目标的个数不超过预设目标阈值。
需要说明的是,预设目标阈值可以根据需要进行设定,也可以基于当前车辆上各传感器数据融合后得到,在此不做限定。
S304,获取待测车辆行驶道路的道路环境信息。
本发明实施例中,可以通过安装于车辆上的摄像头、毫米波雷达或激光雷达等传感器获取道路环境信息,道路环境信息可以包括障碍物信息、车道线信息、车道数量信息、车道引导线信息以及交通标识等车辆所能识别的所有路况信息。通过采用真实道路场景和真实的视觉输入,可以确保在虚拟目标模式下的测试结果更精确。
S305,基于道路环境信息和至少一个虚拟目标进行规划决策,控制待测车辆的运动。
其中,控制待测车辆的运动主要包括控制待测车辆的速度、位置以及行驶方向等。具体可参见图4,其示出了本发明实施例提供的一种控制待测车辆运动的流程示意图。如图4所示,步骤S305可以包括:
S3051,计算待测车辆的位置参数,其中,该位置参数包括横向位置、纵向位置以及航向角。
本发明实施例中,待车车辆的横向位置、纵向位置及航向角可以根据在一个采样周期内横向位置变化量、纵向位置变化量及航向角变化量计算得到。
具体可参见图5,其示出了本发明实施例提供的计算待测车辆的位置参数的流程示意图。如图5所示,执行步骤S3051,计算待测车辆的位置参数可以包括:
S30511,采集待测车辆的纵向速度和横摆角速度。
通常车辆的纵向速度、纵向加速度、横摆角速度、方向盘转角等参数都可以从车辆上安装的相关传感器所采集的数据进行计算或直接获取得到,现有已有较多的方案,在此不做详细阐述。
S30512,根据所述纵向速度计算所述待测车辆的位置变化量。
在当前采样时刻,待测车辆的位置变化量可以根据待测车辆的速度和采样周期进行计算得到,若用Detad表示待测车辆的位置变化量,则Detad可以表示为:
Detad=V·T
其中,V表示待测车辆的纵向速度,T表示采样周期。
S30513,判断纵向速度是否小于或等于预设速度阈值。
本发明实施例中,可以根据待测车辆的纵向速度确定曲率的计算方式,当纵向速度小于或等于预设速度阈值时,执行步骤S30514,通过二自由度车辆模型计算曲率;当纵向速度大于预设速度阈值时,执行步骤S30515,直接根据横摆角速度计算曲率。
S30514,根据二自由度车辆模型计算得到待测车辆的曲率。
具体的,若用Curvature表示待测车辆的曲率,则当待测车辆的车速较小时,即纵向速度小于或等于预设速度阈值时,曲率Curvature可以表示为:
其中,R表示转弯半径,WheelAngle表示车轮转角,B表示轮距,m表示待测车辆的质量,lr表示后轴到质心的距离,Cf表示前轮侧偏系数,lf表示前轴到质心的距离,Cr表示后轮偏侧系数。
车轮转角WheelAngle可以通过方向盘转角与方向盘转角传动比的乘积进行计算,即:
WheelAngle=PinionSteerAg·SteerWhlAgRat
其中,PinionSteerAg表示待测车辆的方向盘转角,SteerWhlAgRat表示方向盘转角传动比。
S30515,根据横摆角速度计算得到待测车辆的曲率。
当待测车辆的车速较大时,即纵向速度大于预设速度阈值时,曲率为横摆角速度与纵向速度的比值,即:
其中,YawRate表示待测车辆的横摆角速度。
S30516,根据曲率和位置变化量,计算得到待测车辆的位置参数。
本发明实施例中,首先根据曲率的大小确定待测车辆位置的预测模式,得到横向位置变化量和纵向位置变化量。具体的,如图6所示,步骤S30516可以包括:
S305161,根据曲率和位置变化量,计算待测车辆的航向角变化量。
具体的,航向角变化量可以通过曲率与位置变化量的乘积进行计算得到,若用Detah表示航向角变化量,则有以下表达式:
Detah=Curvature·Detad
S305162,判断曲率是否小于或等于预设曲率阈值。
本发明实施例中,根据曲率的大小,设置预设曲率阈值,当曲率小于或等于预设曲率阈值时,待测车辆的位置按照直线方法进行预测,执行步骤S305163;当曲率大于预设曲率阈值时,待测车辆的位置按照曲线方法进行预测,执行步骤S305164。
S305163,根据位置变化量和航向角变化量,计算得到待测车辆的横向位置变化量和纵向位置变化量。
具体的,待测车辆的横向位置变化量Detax和纵向位置变化量Detay可以分别表示为:
Detax=Detad·cos(Detah)
Detay=Detad·sin(Detah)
S305164,根据曲率和航向角变化量,计算得到待测车辆的横向位置变化量和纵向位置变化量。
具体的,待测车辆的横向位置变化量Detax和纵向位置变化量Detay可以分别表示为:
Detax=sin(Detah)/Curvature
Detay=(1-cos(Detah))/Curvature
S305165,根据横向位置变化量、纵向位置变化量以及航向角变化量,计算得到待测车辆的位置参数。
在具体实施时,可以将上一个采样周期的横向位置和在当前采样周期的横向位置变化量进行叠加即可得到当前采样周期内的横向位置,同理可以计算纵向位置以及航向角。为了便于描述,用LaterPosition表示待测车辆的横向位置,用LongtudinalPosition表示待测车辆的纵向位置,用HostHeadingAngle表示待测车辆的航向角。
需要说明的是,上述的预设速度阈值以及预设曲率阈值可以根据具体测试场景或所要测试的功能进行设置,曲率与对应的曲率变化率有关,因而预设曲率阈值还可以根据曲率变化率进行设置,在此不做限定。
S3052,根据横向位置、纵向位置以及航向角,计算至少一个虚拟目标相对于待测车辆的相对目标参数。
本发明实施例中,可以先通过计算每个虚拟目标的速度、曲率、纵向位置和横向位置,然后再根据待测车辆的横向位置、纵向位置以及航向角,得到相对目标参数。
具体的,在测试的初始时刻,虚拟目标的各参数值按照设定值的虚拟目标参数进行赋值,在k时刻,各参数值可以基于采样周期和前一时刻的参数值计算得到。在开启虚拟目标模式时,以待测车辆后轴中心位置为坐标原点,若用SPk表示k时刻虚拟目标的速度,TargetAk表示k时刻虚拟目标的加速度,Curk表示k时刻虚拟目标的曲率,用CurRatek表示k时刻虚拟目标的曲率变化率,DeltaDisk表示k时刻的虚拟目标的距离变化量,TargHGk表示k时刻虚拟目标的航向角,TarLgtPosk表示k时刻虚拟目标的纵向位置,TarLatPosk表示k时刻虚拟目标的横向位置,则虚拟目标的速度、曲率、距离变化量、纵向位置、横向位置可以分别表示为:
SPk=SPk-1+TargetAk·T,
Curk=Curk-1+CurRatek-1·T,
DeltaDisk=f(SPk,TargetAk),
TarLgtPosk=cos(TargHGk)·DeltaDisk+TarLgtPosk-1,
TarLatPosk=sin(TargHGk)·DeltaDisk+TarLatPosk-1.
其中,T表示采样周期,f(SPk,TargetAk)表示关于SPk与TargetAk的函数,即距离变化量可以通过速度和加速度计算得到。
那么,虚拟目标与待测车辆之间的绝对横向位置差可以表示为:
PosnLatG=TarLatPos-LaterPosition
虚拟目标与待测车辆之间的绝对纵向位置差可以表示为:
PosnLgtG=TarLgtPos-LongtudinalPosition
虚拟目标与待测车辆之间的绝对距离可以表示为:
每一个虚拟目标相对于待测车辆的相对目标参数至少包括相对航向角、相对横向位置、相对纵向位置、相对横向速度、相对纵向速度、相对横向加速度以及相对纵向加速度,其中,相对横向位置和相对纵向位置的计算与该虚拟目标在待车车辆的前方或后方有关。具体的,各相对目标参数的参数值可以如下表所示方式计算:
S3053,将相对目标参数与道路环境信息进行结合,控制待测车辆的运动。
本发明实施例中,基于相对目标参数结合道路环境信息,例如结合车道线或者车道数等真实道路场景,对待测车辆进行横向或纵向的耦合控制。
在一个可能的实施例中,在执行步骤S3053之前,该智能驾驶车辆测试方法还可以包括:对相对目标参数进行加噪处理。通过对相对目标参数进行增加噪声处理,例如对相对横纵向速度、相对横纵向加速度等进行增加噪声处理,可以使得所输出的相对目标参数更加接近真实传感器的输出特性。
本发明实施例中,在控制待测车辆的运动过程中,还可以通过调整虚拟目标对应参数,构造更多的场景,以满足对待测车辆的功能测试的需求。
鉴于此,在一个可能的实施例中,该智能驾驶车辆测试方法还可以包括:响应于针对虚拟目标参数的修改指令,根据修改指令调整至少一个虚拟目标的行驶状态。
另外,也可以对测试模式进行切换,例如若待测车辆行驶在公共道路上,此时检测到公共道路上的交通场景适合当前测试的场景,可以通过将虚拟目标模式切换为真实目标模式,进行真实目标测试;而若公共道路上没有相应的测试场景,则可以将测试模式切换至虚拟目标模式,进行虚拟目标测试。
在一个可能的实施例中,该智能驾驶车辆测试方法还可以包括:响应于针对测试模式的切换指令,按照切换指令将测试模式切换为真实目标模式或虚拟目标模式,其中,真实目标模式采用至少一个真实目标对待测车辆进行测试,该真实目标为安装于待测车辆上各真实传感器所检测到的目标。具体实施时,真实目标可以是各个或者各类传感器采集到的数据融合后的目标结果。
下面结合具体功能测试场景对本发明实施例的智能驾驶车辆测试方法进行更加全面的阐述。
请参见图7,其示出了对自适应巡航(Adaptive Cruise Control,ACC)功能的测试场景示意图。图7为ACC功能中的Stop&Go场景,待测车辆正常行驶在公共道路上并开启ACC功能,将测试模式切换为虚拟目标模式,在待测车辆正前方设置虚拟目标类型为车辆的虚拟目标。在测试开始,虚拟目标按照一定的速度行驶,在一定时间后通过调整虚拟目标参数,让虚拟目标慢慢减速直至停车,之后虚拟目标又加速前行。待测车辆在开始阶段根据ACC设定的时距与虚拟目标保持一定的安全距离,此后相应虚拟目标的减速停车过程,待测车辆慢慢降低速度,并准确的跟停,待虚拟目标起步加速后,待测车辆随即起步并加速。通过该测试可以检测ACC跟车的稳定性、ACC-Stop&Go的跟停以及重新起步的性能。
请参见图8,其示出了对主动变道功能的测试场景示意图。在图8中,待测车辆正常行驶在公共道路上,并开启ACC、智能领航(Poilt Assist,PA)、拔杆变道功能及主动变道功能,将测试模式切换为虚拟目标模式。虚拟目标设置在待测车辆的前方,并按照一定的速度行驶,且虚拟目标的行驶速度小于ACC设定的车速,待测车辆检测到虚拟目标后慢慢开始减速,当驾驶员打了转向灯后开始进行主动变道。
当然,虚拟目标模式不仅限于应用于上述所示的测试场景,还可以将其应用在实车测试的各个方面。例如,AEB(Autonomous Emergency Brake,自动紧急自动)测试中的气球车、假人等在可以用虚拟目标来代替;主动变道测试过程中,待测车辆周围各种存在风险的目标车辆均可以用虚拟目标替代;以及微避障测试中用虚拟目标代替即将超越的前车等等。
而在现有的实车测试中,需要配置与功能相应的测试设备,例如HIL通常需要使用供应商提供的HIL机柜,而VIL则需要装配供应商提供的诸如实时仿真机等仿真平台。且前期需花费大量时间构建相应场景,例如在待测车辆前方配备一个目标车辆,该目标车辆需要配置相应的人员按照不同的功能进行相应的速度、位置等的调整,以与待测车辆进行动态配合,且场景构建不可复用,在需要重新测试功能时,还需要重新构建相同的场景。在实际应用中,通常会出现准备设备几个小时,实际测试几分钟的严重不对称情况。
在本发明实施例提供的智能驾驶测试方法中,使用虚拟目标代替各种测试设备和目标车辆,虚拟目标参数可以根据场景需求进行定制,从而直接快速的构造出特定的场景,并可以根据虚拟目标的特征对相应的功能进行控制,很大程度上提高测试效率,减小测试所需资源和时间。
由上述实施例提供的技术方案可见,本发明实施例的智能驾驶车辆测试方法通过构建虚拟目标对车辆进行测试,而不需要准备与测试功能相应的测试设备和测试目标车辆,降低了时间成本和资源成本;同时可以通过设置不同的虚拟目标参数构建需要的测试场景,而不需要在公共道路中刻意创造机会进行相应场景测试,避免了测试过程中与真实目标发生碰撞的风险,提高了安全性;通过将虚拟目标与真实的道路环境信息进行结合,可以提升测试的准确性。
请参阅图9,其示出了本发明实施例提供的一种智能驾驶车辆测试装置的结构示意图。如图9所示,该装置900可以包括:
信息接收模块901,用于响应于针对待测车辆进行测试的测试指令,所述测试指令包括测试模式;
模式识别模块902,用于若所述测试模式为虚拟目标模式,则从所述测试指令中获取虚拟目标参数;
虚拟目标构建模块903,用于根据所述虚拟目标参数构建至少一个虚拟目标;
道路环境获取模块904,用于获取所述待测车辆行驶道路的道路环境信息;
实车控制模块905,用于基于所述道路环境信息和所述至少一个虚拟目标进行规划决策,控制所述待测车辆的运动。
在一个可能的实施例中,虚拟目标构建模块903具体用于基于快速原型控制平台,根据所述虚拟目标参数构建至少一个虚拟目标,其中,所述虚拟目标的类型包括行人、车辆及交通标志,所述虚拟目标的个数不超过预设目标阈值。
在一个可能的实施例中,实车控制模块905包括车辆位置获取单元、相对位置获取单元以及控制单元:
车辆位置获取单元用于计算所述待测车辆的位置参数,其中,所述位置参数包括横向位置、纵向位置以及航向角;
相对位置获取单元用于根据所述横向位置、所述纵向位置以及所述航向角,计算所述至少一个虚拟目标相对于所述待测车辆的相对目标参数;
控制单元用于将所述相对目标参数与所述道路环境信息进行结合,控制所述待测车辆的运动。
在一个可能的实施例中,车辆位置获取单元还用于:
采集所述待测车辆的纵向速度和横摆角速度;
根据所述纵向速度计算所述待测车辆的位置变化量;
当所述纵向速度小于或等于预设速度阈值时,根据二自由度车辆模型计算得到所述待测车辆的曲率;
当所述纵向速度大于所述预设速度阈值时,根据所述横摆角速度计算得到所述待测车辆的曲率;
根据所述曲率和所述位置变化量,计算得到所述待测车辆的位置参数。
在一个可能的实施例中,车辆位置获取单元还用于:
根据所述曲率和所述位置变化量,计算所述待测车辆的航向角变化量;
当所述曲率小于或等于预设曲率阈值时,根据所述位置变化量和所述航向角变化量,计算得到所述待测车辆的横向位置变化量和纵向位置变化量;
当所述曲率大于所述预设曲率阈值时,根据所述曲率和所述航向角变化量,计算得到所述待测车辆的横向位置变化量和纵向位置变化量;
根据所述横向位置变化量、所述纵向位置变化量以及所述航向角变化量,计算得到所述待测车辆的位置参数。
在一个可能的实施例中,实车控制模块905还包括预处理单元,所述预处理单元用于对所述相对目标参数进行加噪处理。
在一个可能的实施例中,该装置900还可以包括场景更改模块,所述场景更改模块用于响应于针对所述虚拟目标参数的修改指令,根据所述修改指令调整所述至少一个虚拟目标的行驶状态。
在一个可能的实施例中,该装置900还可以包括模式切换模块,所述模式切换模块用于响应于针对所述测试模式的切换指令,按照所述切换指令将所述测试模式切换为真实目标模式或虚拟目标模式,其中,所述真实目标模式采用至少一个真实目标对所述待测车辆进行测试,所述真实目标为安装于所述待测车辆上各真实传感器所检测到的目标。
需要说明的是,上述实施例提供的装置/***,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置/***与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本发明实施例还提供一种测试设备,该测试设备包括存储器和处理器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的智能驾驶车辆测试方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和电子设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (9)
1.一种智能驾驶车辆测试方法,其特征在于,包括:
响应于针对待测车辆进行测试的测试指令,所述测试指令包括测试模式;
若所述测试模式为虚拟目标模式,则从所述测试指令中获取虚拟目标参数;
根据所述虚拟目标参数构建至少一个虚拟目标;
获取所述待测车辆行驶道路的道路环境信息;
计算所述待测车辆的位置参数,其中,所述位置参数包括横向位置、纵向位置以及航向角;
根据所述横向位置、所述纵向位置以及所述航向角,计算所述至少一个虚拟目标相对于所述待测车辆的相对目标参数;
将所述相对目标参数与所述道路环境信息进行结合,控制所述待测车辆的运动。
2.根据权利要求1所述的方法,其特征在于,所述根据所述虚拟目标参数构建至少一个虚拟目标包括:
基于快速原型控制平台,根据所述虚拟目标参数构建至少一个虚拟目标,其中,所述虚拟目标的类型包括行人、车辆及交通标志,所述虚拟目标的个数不超过预设目标阈值。
3.根据权利要求1所述的方法,其特征在于,所述计算所述待测车辆的位置参数包括:
采集所述待测车辆的纵向速度和横摆角速度;
根据所述纵向速度计算所述待测车辆的位置变化量;
当所述纵向速度小于或等于预设速度阈值时,根据二自由度车辆模型计算得到所述待测车辆的曲率;
当所述纵向速度大于所述预设速度阈值时,根据所述横摆角速度计算得到所述待测车辆的曲率;
根据所述曲率和所述位置变化量,计算得到所述待测车辆的位置参数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述曲率和所述位置变化量,计算得到所述待测车辆的位置参数包括:
根据所述曲率和所述位置变化量,计算所述待测车辆的航向角变化量;
当所述曲率小于或等于预设曲率阈值时,根据所述位置变化量和所述航向角变化量,计算得到所述待测车辆的横向位置变化量和纵向位置变化量;
当所述曲率大于所述预设曲率阈值时,根据所述曲率和所述航向角变化量,计算得到所述待测车辆的横向位置变化量和纵向位置变化量;
根据所述横向位置变化量、所述纵向位置变化量以及所述航向角变化量,计算得到所述待测车辆的位置参数。
5.根据权利要求1所述的方法,其特征在于,在所述将所述相对目标参数与所述道路环境信息进行结合,控制所述待测车辆的运动之前,所述方法还包括:
对所述相对目标参数进行加噪处理。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于针对所述虚拟目标参数的修改指令,根据所述修改指令调整所述至少一个虚拟目标的行驶状态。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于针对所述测试模式的切换指令,按照所述切换指令将所述测试模式切换为真实目标模式或虚拟目标模式,其中,所述真实目标模式采用至少一个真实目标对所述待测车辆进行测试,所述真实目标为安装于所述待测车辆上各真实传感器所检测到的目标。
8.一种智能驾驶车辆测试装置,其特征在于,包括:
信息接收模块,用于响应于针对待测车辆进行测试的测试指令,所述测试指令包括测试模式;
模式识别模块,用于若所述测试模式为虚拟目标模式,则从所述测试指令中获取虚拟目标参数;
虚拟目标构建模块,用于根据所述虚拟目标参数构建至少一个虚拟目标;
道路环境获取模块,用于获取所述待测车辆行驶道路的道路环境信息;
实车控制模块,用于基于所述道路环境信息和所述至少一个虚拟目标进行规划决策,控制所述待测车辆的运动,包括:
计算所述待测车辆的位置参数,其中,所述位置参数包括横向位置、纵向位置以及航向角;
根据所述横向位置、所述纵向位置以及所述航向角,计算所述至少一个虚拟目标相对于所述待测车辆的相对目标参数;
将所述相对目标参数与所述道路环境信息进行结合,控制所述待测车辆的运动。
9.一种测试设备,所述测试设备包括存储器和处理器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由所述处理器加载并执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010488767.9A CN111795832B (zh) | 2020-06-02 | 2020-06-02 | 一种智能驾驶车辆测试方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010488767.9A CN111795832B (zh) | 2020-06-02 | 2020-06-02 | 一种智能驾驶车辆测试方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111795832A CN111795832A (zh) | 2020-10-20 |
CN111795832B true CN111795832B (zh) | 2022-09-02 |
Family
ID=72806248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010488767.9A Active CN111795832B (zh) | 2020-06-02 | 2020-06-02 | 一种智能驾驶车辆测试方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111795832B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112649208A (zh) * | 2020-11-30 | 2021-04-13 | 北京智能车联产业创新中心有限公司 | 测试自动驾驶车辆紧急制动功能的装置及方法 |
CN113447276A (zh) * | 2021-05-26 | 2021-09-28 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 车辆测试***和车辆测试方法 |
CN113460050B (zh) * | 2021-07-22 | 2022-11-15 | 上汽通用五菱汽车股份有限公司 | 车辆跟停控制方法、装置及计算机可读存储介质 |
CN113342704B (zh) * | 2021-08-06 | 2021-11-12 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、设备以及计算机可读存储介质 |
CN113484851B (zh) * | 2021-09-08 | 2021-11-16 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 车载激光雷达的仿真测试***、方法和整车在环测试*** |
CN114067459B (zh) * | 2021-09-10 | 2023-08-01 | 中国人民解放军63966部队 | 一种机动车安全性能测试*** |
CN114089773B (zh) * | 2022-01-11 | 2022-05-27 | 深圳佑驾创新科技有限公司 | 自动驾驶车辆的测试方法、装置、设备及存储介质 |
CN115372020A (zh) * | 2022-08-24 | 2022-11-22 | 禾多科技(北京)有限公司 | 自动驾驶车辆测试方法、装置、电子设备和介质 |
CN115493857B (zh) * | 2022-11-16 | 2023-03-21 | 苏州挚途科技有限公司 | 自动紧急制动参数的确定方法、确定装置与处理器 |
CN116734892B (zh) * | 2023-08-15 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 行驶数据的处理方法、装置、设备和介质 |
CN117074049B (zh) * | 2023-10-19 | 2024-01-02 | 中汽传媒(天津)有限公司 | 一种基于虚实结合的智能驾驶车路云测试*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9836895B1 (en) * | 2015-06-19 | 2017-12-05 | Waymo Llc | Simulating virtual objects |
CN108897216A (zh) * | 2018-07-03 | 2018-11-27 | 吉林大学 | 一种基于区域虚拟力场的智能汽车模型预测决策方法 |
CN109580252A (zh) * | 2018-12-29 | 2019-04-05 | 驭势科技(北京)有限公司 | 一种车辆在环的智能驾驶车辆测试方法、车载控制装置和测试*** |
CN109808687B (zh) * | 2019-01-17 | 2021-09-21 | 福瑞泰克智能***有限公司 | 一种驾驶辅助方法、装置及设备 |
-
2020
- 2020-06-02 CN CN202010488767.9A patent/CN111795832B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111795832A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
CN109421742B (zh) | 用于监测自主车辆的方法和设备 | |
CN109421738B (zh) | 用于监视自主车辆的方法和装置 | |
US10943414B1 (en) | Simulating virtual objects | |
CN112703459B (zh) | 对抗场景的迭代生成 | |
CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
Naranjo et al. | Using fuzzy logic in automated vehicle control | |
US20190235521A1 (en) | System and method for end-to-end autonomous vehicle validation | |
Belbachir et al. | Simulation-driven validation of advanced driving-assistance systems | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和*** | |
WO2020079698A1 (en) | Adas systems functionality testing | |
CN110174274A (zh) | 一种智能驾驶算法的修正方法及装置 | |
Gietelink et al. | Development of a driver information and warning system with vehicle hardware-in-the-loop simulations | |
EP4020113A1 (en) | Dynamic model evaluation package for autonomous driving vehicles | |
EP3869341A1 (en) | Play-forward planning and control system for an autonomous vehicle | |
CN117130298A (zh) | 用于评估自动驾驶***的方法、装置及存储介质 | |
CN115907250A (zh) | 用于调整自主驾驶车辆的运动规划器的基于学习的评论器 | |
CN112985825B (zh) | 用于确定自动驾驶***的乘坐稳定性的方法 | |
CN112446466A (zh) | 在深度神经网络中测量置信度 | |
CN117008574A (zh) | 一种智能网联汽车高级辅助驾驶***和自动驾驶***测试平台 | |
CN112415910A (zh) | 用于评价SiL环境的软件组件的方法 | |
EP4082856A2 (en) | E2e learning-based evaluator for an autonomous driving vehicle | |
CN115755865A (zh) | 一种商用车辅助驾驶硬件在环测试***及方法 | |
CN115859821A (zh) | 创建用于模拟自主驾驶车辆的模拟环境的方法和*** |
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 |