CN111811828A - 一种无人车驾驶测试方法、装置、***及存储介质 - Google Patents

Abstract

本发明实施例提供了一种无人车驾驶测试方法、装置、***及存储介质，应用于车辆测试技术领域，所述方法包括：获取人工在测试路线上驾驶的第一驾驶数据；采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据；依据所述第一驾驶数据，对所述第二驾驶数据进行评分。本发明实施例通过上述方法，可为无人车提供在所述测试路线上实车行驶的效果，能够测试出无人车在所述测试路线上驾驶时的真实反应，提高了无人车测试的准确性和安全性；且基于第一驾驶数据的采集便捷性，可以为无人车的驾驶测试提供丰富、全面的测试路线，测试更加高效和低成本。

Description

一种无人车驾驶测试方法、装置、***及存储介质

技术领域

本发明涉及车辆测试技术领域，特别是涉及一种无人车驾驶测试方法、一种无人车驾驶测试装置，一种无人车驾驶测试***及存储介质。

背景技术

无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机***为主的智能驾驶仪来实现无人驾驶的目的。

为保证无人车驾驶的安全性，无人车在正式驾驶应用前，需要进行安全性驾驶测试。但已有的无人车驾驶测试方法的测试准确性、安全性和全面性都有不足。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种无人车驾驶测试方法、一种无人车驾驶测试装置，一种无人车驾驶测试***及存储介质。

依据本发明的一个方面，本发明实施例公开了一种无人车驾驶测试方法，所述方法包括：

获取人工在测试路线上驾驶的第一驾驶数据；

采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据；

依据所述第一驾驶数据，对所述第二驾驶数据进行评分。

在本发明一可选实施例中，所述第一驾驶数据包括预设时间段内的多帧路况图像数据，所述方法还包括：

计算所述多帧路况图像数据的帧完整率；所述帧完整率为所述多帧路况图像数据的总帧数与应获得的理论总帧数的比值；

判断所述多帧路况图像数据的帧完整率是否大于等于预设帧完整率阈值；

当所述多帧路况图像数据的帧完整率大于等于所述预设帧完整率阈值时，将所述多帧路况图像数据保存为所述第一驾驶数据。

在本发明一可选实施例中，所述方法还包括：

获取所述多帧路况图像数据的开始测试时间、结束测试时间以及理论采集频率，所述预设时间段为自所述开始测试时间至所述结束测试时间的时间段；

依据所述开始测试时间的时间戳、所述结束测试时间的时间戳以及所述理论采集频率，确定应获得的理论总帧数；

依据所述开始测试时间的时间戳、所述结束测试时间的时间戳、所述理论采集频率以及所述多帧路况图像数据中的第一帧图像的采集时间戳和最后一帧图像的采集时间戳，统计所述多帧路况图像数据的实际丢帧数，并确定所述实际丢帧数中无法插补的丢帧数；

将所述应获得的理论总帧数与所述无法插补的丢帧数的差值确定为所述多帧路况图像数据的总帧数。

在本发明一可选实施例中，所述实际丢帧数包括中间丢帧数、前丢帧数和后丢帧数中的至少一种；依据所述开始测试时间的时间戳、所述结束测试时间的时间戳、所述理论采集频率以及所述多帧路况图像数据中的第一帧图像的采集时间戳和最后一帧图像的采集时间戳，统计所述多帧路况图像数据的实际丢帧数，包括：

根据所述开始测试时间的时间戳，所述多帧路况图像数据中的第一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的前丢帧数；

根据所述结束测试时间的时间戳，所述多帧路况图像数据中的最后一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的后丢帧数；

根据所述理论采集频率、所述第一帧图像的采集时间戳以及所述最后一帧图像的采集时间戳，确定所述多帧路况图像数据的中间丢帧数；

基于所述多帧路况图像数据的前丢帧数、后丢帧数和中间丢帧数，统计所述多帧路况图像数据的实际丢帧数。

在本发明一可选实施例中，确定所述实际丢帧数中无法插补的丢帧数，包括：

当所述实际丢帧数中包括所述前丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述前丢帧数；

当所述实际丢帧数中包括所述后丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述后丢帧数；

当所述实际丢帧数中包括所述中间丢帧数时，比较所述中间丢帧数与预设的可插补帧数，在所述中间丢帧数大于所述预设的可插补帧数时，将所述中间丢帧数与所述预设的可插补帧数的差值确定为所述实际丢帧数中无法插补的丢帧数。

在本发明一可选实施例中，所述方法还包括：

确定所述多帧路况图像数据的中间丢帧数中的连续丢帧数；

当所述连续丢帧数大于等于预设的中间连续最大丢帧数时，在所述第一驾驶数据中去除所述多帧路况图像数据。

在本发明一可选实施例中，所述多帧路况图像数据包括多帧光学图像数据和多帧雷达图像数据，所述预设帧完整率阈值包括光学帧完整率阈值和雷达帧完整率阈值；

判断所述多帧路况图像数据的帧完整率是否大于等于预设帧完整率阈值，包括：

判断所述多帧光学图像数据的帧完整率是否大于等于所述光学帧完整率阈值，以及判断所述多帧雷达图像数据的帧完整率是否大于等于所述雷达帧完整率阈值；

当所述多帧路况图像数据的帧完整率大于等于所述预设帧完整率阈值时，将所述多帧路况图像数据保存为所述第一驾驶数据，包括：

当所述多帧光学图像数据的帧完整率大于等于所述光学帧完整率阈值且所述多帧雷达图像数据的帧完整率大于等于所述雷达帧完整率阈值时，将所述多帧光学图像数据和多帧雷达图像数据保存为所述第一驾驶数据。

在本发明一可选实施例中，所述第一驾驶数据还包括第一驾驶控制参数，所述第二驾驶数据包括第二驾驶控制参数；

当所述测试路线为可变路线时，所述可变路线包括多个事件，每个事件包括至少2个选项；依据所述第一驾驶数据，对所述第二驾驶数据进行评分，包括：

以所述第一驾驶控制参数对应的事件的选项作为所述可变路线的标准选项，制定所述可变路线的同一事件的选项的分数；

依据所述可变路线的同一事件的选项的分数，确定所述第二驾驶控制参数在所述事件中对应的选项的分数。

在本发明一可选实施例中，所述第一驾驶数据还包括第一驾驶控制参数，所述第二驾驶数据包括第二驾驶控制参数；

当所述测试路线为不可变路线时，依据所述第一驾驶数据，对所述第二驾驶数据进行评分，包括：

将所述第一驾驶控制参数确定为所述不可变路线的唯一执行标准；

依照所述唯一执行标准，对所述第二驾驶控制参数进行评分。

依据本发明的另一个方面，本发明实施例还公开了一种无人车驾驶测试***，所述***包括：

驾驶路线模拟平台、无人车以及安装于人工驾驶汽车上的采集设备，其中：

所述采集设备，用于采集人工在测试路线上驾驶的第一驾驶数据；

所述驾驶路线模拟平台，用于依据所述第一驾驶数据，为行驶在所述驾驶路线模拟平台上的无人车模拟所述测试路线对应的虚拟路线，并采集所述无人车在所述虚拟路线上驾驶的第二驾驶数据，以及对所述第二驾驶数据进行评分；

所述无人车，用于在所述虚拟路线上进行驾驶控制。

在本发明一可选实施例中，所述第一驾驶数据包括多帧光学图像数据、多帧雷达图像数据和第一驾驶控制参数，所述采集设备包括光学图像采集设备、雷达图像采集设备和驾驶控制参数采集设备，其中：

所述光学图像采集设备，用于采集人工在测试路线上驾驶的所述多帧光学图像数据；

所述雷达图像采集设备，用于采集人工在测试路线上驾驶的所述多帧雷达图像数据；

所述驾驶控制参数采集设备，用于采集人工在测试路线上驾驶的第一驾驶控制参数。

依据本发明的另一个方面，本发明实施例还公开了一种无人车驾驶测试装置，其特征在于，所述装置包括：

第一驾驶数据获取模块，用于获取人工在测试路线上驾驶的第一驾驶数据；

第二驾驶数据采集模块，用于采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据；

第二驾驶数据评分模块，用于依据所述第一驾驶数据，对所述第二驾驶数据进行评分。

依据本发明的另一个方面，本发明实施例还公开了一种无人车驾驶测试装置，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行如上述所述的无人车驾驶测试方法。

依据本发明的另一个方面，本发明实施例还公开了一种计算机可读存储介质，其存储的计算机程序使得处理器执行如上述所述的无人车驾驶测试方法。

本发明实施例包括以下优点：

在本发明实施例中，先确定一个测试路线，然后获取人工在测试路线上驾驶的第一驾驶数据，以及所述第一驾驶数据，将所述测试路线模拟出来，获得虚拟路线，并提供给无人车，使得无人车在所述虚拟路线上行驶时能达到在所述测试路线上实车行驶的效果；然后采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据，依据所述第一驾驶数据，对所述第二驾驶数据进行评分，能够测试出无人车在所述测试路线上驾驶时的真实反应，提高了无人车测试的准确性和安全性；且基于第一驾驶数据的采集便捷性，可以为无人车的驾驶测试提供丰富、全面的测试路线，测试更加高效和低成本。

附图说明

图1是本发明实施例一种无人车驾驶测试***的结构示意图；

图2是本发明实施例一种无人车驾驶测试方法的步骤流程图；

图3是本发明实施例一种第一驾驶数据处理方法的步骤流程图；

图4是本发明实施例的多帧光学图像数据和多帧雷达图像数据的校验流程示意图；

图5是本发明实施例完整的测试评估流程示意图；

图6是本发明实施例一种无人车驾驶测试装置的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

针对本发明实施例的技术问题，参照图1，示出了本发明实施例一种无人车驾驶测试***的结构示意图，所述***具体可以包括：

驾驶路线模拟平台101、无人车102以及安装于人工驾驶汽车上的采集设备103，其中：

所述采集设备103，用于采集人工在测试路线上驾驶的第一驾驶数据；

所述驾驶路线模拟平台101，用于依据所述第一驾驶数据，为行驶在所述驾驶路线模拟平台上的无人车模拟所述测试路线对应的虚拟路线，并采集所述无人车在所述虚拟路线上驾驶的第二驾驶数据，以及对所述第二驾驶数据进行评分；

所述无人车102，用于在所述虚拟路线上进行驾驶控制。

在本发明实施例中，人工驾驶汽车可以是依靠人工进行驾驶控制，能在真实道路上自由驾驶的汽车，优选已经大规模应用的人工驾驶类汽车，如汽油汽车、电动汽车。

所述采集设备可以采集人工在每条测试路线上驾驶的第一驾驶数据，所述第一驾驶数据包括多帧光学图像数据、多帧雷达图像数据、第一驾驶控制参数。在本申请一可选方式中，所述采集设备包括光学图像采集设备、雷达图像采集设备和驾驶控制参数采集设备，其中：

所述光学图像采集设备，用于采集人工在测试路线上驾驶的所述多帧光学图像数据；

所述雷达图像采集设备，用于采集人工在测试路线上驾驶的所述多帧雷达图像数据；

所述驾驶控制参数采集设备，用于采集人工在测试路线上驾驶的第一驾驶控制参数。

上述光学图像采集设备，具体可以为各种类型的摄像头，比如工业相机、高速摄像头、广角摄像头等，可以拍摄测试路线上的道路环境、天气环境、以及在测试路线的行人或其他行驶车辆等，以形成多帧光学图像数据。

雷达图像采集设备利用电磁波探测目标，由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息，具体可以为旋转激光雷达、单线激光雷达、毫米波雷达等等。比如，通过雷达图像采集设备采集周围环境，可获得车辆与地面的距离，与周围行驶车辆、行人、障碍物的距离，与隧道洞口的高度等等，然后生成多帧雷达图像数据。

驾驶控制参数采集设备可以是各种传感器、定位芯片和处理器等，可以采集人工在测试路线上驾驶的第一驾驶控制参数，比如速度、加减速、制动等等。

驾驶路线模拟平台，包括计算机测控***，为多功能一体化智能快速汽车实验检测试验台，具有多种接口，能通过相关接口与无人车建立通信连接，可以依据人工在测试路线上驾驶获得的第一驾驶数据，为行驶在所述驾驶路线模拟平台上的无人车模拟测试路线对应的虚拟路线。比如通过模拟测试路线的坡度、侧倾角、路面附着系数、路面湿滑度、车辆行驶时的平动惯量、路面行驶阻力等，结合高精度驾驶地图进行实时路径规划，采用最先进的电控液压相结合的方式对车辆的执行机构部分进行控制，可使得行驶在所述驾驶路线模拟平台上的无人车达到在所述测试路线上实车行驶的效果。驾驶路线模拟平台还具有无人车的元功能检测功能与决策性能检测功能，可以对车辆进行速度性测试、安全性测试、自动驾驶辅助技术测试、智能灯光测试等等，以此能采集无人车在所述虚拟路线上驾驶的第二驾驶数据，并依据第一驾驶数据对所述第二驾驶数据进行评分，以此判断无人车在真实道路上行驶的真实反应，确定其与人工驾驶的差别。

实际中，驾驶路线模拟平台所获得的第一驾驶数据可以是安装于人工驾驶汽车上的采集设备发送给驾驶路线模拟平台的，也可以是人工或采用其他方式输入所述驾驶路线模拟平台的。

无人车，也称无人驾驶汽车，具有相应的感知***和智能控制***，在高精度驾驶地图定位的基础上，可基于单目视觉、立体环境、激光点云数据、毫米波雷达等各类单传感器处理技术的感知***对虚拟路线进行路况和周围环境的感知，可以在所述虚拟路线上进行横向、纵向、加减速、制动等等的驾驶控制操作。

本发明实施例采用已有普遍使用的人工驾驶汽车，可同时在各种测试路线上驾驶，通过在人工驾驶汽车上安设相应的采集设备，就可很便捷地采集人工在各种测试路线驾驶上的第一驾驶数据，为无人车的驾驶测试提供丰富、全面的测试路线素材，测试路线素材的获得过程具有高效、便捷、低成本的优点。其次，通过驾驶路线模拟平台和无人车的组建，依据第一驾驶数据，可在室内将真实测试路线中的路况情况模拟出来，使得行驶在所述驾驶路线模拟平台上的无人车达到在所述测试路线上实车行驶的效果，能够测试出无人车在真实道路上行驶的真实反应，提高了无人车测试的准确性，相比将无人车放入实际道路中进行实车路试的方式，大大提高了无人车测试的安全性。

基于上述无人车驾驶测试***，接下来对本发明的一种无人车驾驶测试方法进行详细介绍。

参照图2，示出了本发明实施例一种无人车驾驶测试方法的步骤流程图，所述方法具体可以包括以下步骤：

步骤S201：获取人工在所述测试路线上驾驶的第一驾驶数据；

测试路线在本发明实施例中指真实道路所形成的路线，具有起点和终点，起点和终点可以由测试人员规划制定。本发明实施例可以基于测试人员规划的起点和终点，确定测试路线。比如起点为成都东站，终点为重庆西站，其中，成都东站到重庆西站有三条道路可以选，分别为道路1、道路2和道路3，那么所确定的测试路线也有3条，分别为：(1)从成都东站出发，通过道路1到达重庆西站；(2)从成都东站出发，通过道路2到达重庆西站；(3)从成都东站出发，通过道路3到达重庆西站。这种测试路线为可变路线，因为不知道无人车从起到终点之间会选择那一条测试路线，所以，在实际测试前，需要人工将起点和终点之间所有的测试路线都驾驶一遍，分别获得各个测试路线的第一驾驶数据。当然，测试路线也可以为不可变路线，即起点到终点之间只有一条道路，在该道路上也只允许有一种形式方式，比如只能直行，而不能转弯或掉头。

实际中，因道路的不同，其测试路线的路况也不同，如有的道路为高速路，有的为泥坑路，有的为桥梁，有的为隧道；有的道路上行驶的车流量大，有的道路上行驶的车流量小，有的道路上有事故，有的道路上有雨水、刮风或下雨，有的道路为上坡路或下坡路，有的道路弯道多。相应的，安装于人工驾驶汽车上的采集设备所采集的第一驾驶数据也会不同。

步骤S202：采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据；

在本发明实施例中，首先需要将第一驾驶数据输入驾驶路线模拟平台，由驾驶路线模拟平台依据第一驾驶数据，通过虚拟现实生成技术，将测试路线在室内模拟出来，并为行驶在路线模拟平台的无人车模拟测试路线的路面状态，给无人车提供一个与测试路线对应的虚拟路线，以此将真实的测试路线搬入室内，达到在室内测试无人车在测试路线上实车行驶的效果。

具体的，所述第一驾驶数据包括多帧路况图像数据，在本发明一可选实施例中，步骤S202可以包括：

依据所述多帧路况图像数据，生成所述测试路线对应的虚拟路线；

将所述虚拟路线输入所述无人车，并采集无人车在所述虚拟路线上驾驶的第二驾驶数据。

基于测试路线的不同，不同测试路线中所采集到的多帧路况图像数据也会不同，对应步骤S201中对测试路线的路况的解释，有的多帧路况图像数据可能包括隧道的路况图像，有的多帧路况图像数据可能包括桥梁的路况图像，进一步的，有的可能为A桥梁的图像，有的可能为B桥梁的图像。

针对某条测试路线，驾驶路线模拟平台依据多帧路况图像数据，将测试路线模拟出来，获得虚拟路线，然后将虚拟路线输入无人车。因为虚拟路线依据测试路线而模拟，所以无人车所驾驶的虚拟路线也会相应不同。比如有的虚拟路线中可能经过隧道，有的可能经过桥梁等等。

在本发明一可选实施例中，所述多帧路况图像数据包括多帧光学图像数据、多帧雷达图像数据，具体实现时，可依据所述多帧光学图像数据和所述多帧雷达图像数据，生成所述测试路线对应的虚拟路线。在本发明实施例中，关于驾驶路线模拟平台怎样将测试路线模拟出来，可采用相关现有技术实现，如虚拟现实技术、各类电控液压控制技术、高精度驾驶地图等，其不是本发明实施例的重点，在此不多赘述。

无人车在所述虚拟路线中行驶时，依据所感知的虚拟路线中的路况和环境，进行相应的驾驶控制。驾驶路线模拟平台通过相关的检测装置与无人车连接，采集无人车在所述虚拟路线上进行驾驶控制第二驾驶数据。

步骤S203：依据所述第一驾驶数据，对所述第二驾驶数据进行评分。

由于测试路线分为可变路线和不可变路线，在本发明实施例中，依据人工驾驶的第一驾驶数据，对无人车驾驶的第二驾驶数据进行评分也基于这两种路线的不同进行分别评定。

所述第一驾驶数据还包括第一驾驶控制参数，所述第二驾驶数据包括第二驾驶控制参数；当所述测试路线为可变路线时，所述可变路线包括多个事件，每个事件包括至少2个选项；在本发明一可选实施例中，步骤S203可以包括以下子步骤：

子步骤S203-1：以所述第一驾驶控制参数对应的事件的选项作为所述可变路线的标准选项，制定所述可变路线的同一事件的选项的分数；

子步骤S203-2：依据所述可变路线的同一事件的选项的分数，确定所述第二驾驶控制参数在所述事件中对应的选项的分数。

步骤S201提出了对可变路线的一种解释，即同一起点和终点之间有多条道路可选，那么，在多个道路中选择一个道路，这是一个事件，所提供的多条可选道路为所述事件的选项。可变路线还包括多个事件，如某一事件为超车，那么选项则有左超车和右超车；某一事件为高速路行驶，那么选项则有行驶速度小于80km/h，行驶速度在80km/h到120km/h之间，行驶速度大于120km/h。

在本发明实施例中，假设人工驾驶汽车在所述可变路线上针对不同事件的选择都非常安全、标准，那么子步骤S203-1的一可选示例可以为：所述事件为在道路A、道路B和道路C中选择一个道路，第一驾驶控制参数中选择了道路A，那么制定道路A的分数为100分，道路B和道路C的分数分别为80分和70分。子步骤S203-1的另二可选示例可以为：所述事件为超车，第一驾驶控制参数中选择了左超车，那么制定左超车的分数为100分，右超车的分数为60分。

依据上述所制定的同一事件的选项的分数，可确定第二驾驶控制参数在面临该事件时所作出的选择的分数，以此能判断出无人车针对同一事件所作出的选择与人工驾驶的选择的差距。

当所述测试路线为不可变路线时，在本发明一可选实施例中，步骤S203可以包括以下子步骤：

子步骤S203-3：将所述第一驾驶控制参数确定为所述不可变路线的唯一执行标准；

子步骤S203-4：依照所述唯一执行标准，对所述第二驾驶控制参数进行评分。

在不可变路线中，执行标准有且只有一种，假设人工驾驶汽车在所述不可变路线上执行的驾驶操作都非常标准、安全，那么无人车在所述不可变路线上驾驶所获得的第二驾驶控制参数只要与第一驾驶控制参数不一致，则说明其是不合格的。因此，依照所述唯一执行标准，对所述第二驾驶控制参数进行评分进一步可以解释为：依照所述唯一执行标准，判断所述第二驾驶控制参数是否合格。比如在所述不可变路线上只能直行，而无人车进行了掉头或转弯的操作，那么这就是不合格的。

需要说明的是，本发明的测试路线可同时包括可变路线和不可变路线，也可只是可变路线或不可变路线中的一种。

综上，本发明实施例依据第一驾驶数据，可在室内将真实测试路线中的路况情况模拟出来，使得行驶在所述驾驶路线模拟平台上的无人车达到在所述测试路线上实车行驶的效果；并依据人工驾驶汽车在所述测试路线上驾驶获得的第一驾驶数据，对无人车驾驶获得第二驾驶数据进行评分，能够测试出无人车在所述测试路线上驾驶时的真实反应，提高了无人车测试的准确性和安全性。

在上述一种无人车驾驶测试方法的基础上，本发明实施例在获取到第一驾驶数据后，还对第一驾驶数据进行了优化，以提高所模拟出来的虚拟路线的可靠性。参照图3，示出了本发明实施例一种第一驾驶数据处理方法的步骤流程图，所述方法具体可以包括以下步骤：

步骤S301：计算所述多帧路况图像数据的帧完整率；所述帧完整率为所述多帧路况图像数据的总帧数与应获得的理论总帧数的比值；

步骤S302：判断所述多帧路况图像数据的帧完整率是否大于等于预设帧完整率阈值；

步骤S303：当所述多帧路况图像数据的帧完整率大于等于所述预设帧完整率阈值时，将所述多帧路况图像数据保存为所述第一驾驶数据。

第一驾驶数据包括预设时间段内的多帧路况图像数据，理想条件下，实际获得的多帧路况图像数据的总帧数与应获得的理论总帧数应该是一致的，等同的，其帧完整率也应该达到100％。但是在采集第一驾驶数据的过程中，因为网络或安装于人工驾驶汽车上的采集设备等原因，其所采集的一些数据的完整性可能受到影响，特别是一些图像数据，图像数据丢失过多，这导致虚拟路线的模拟效果不理想。因此，本发明实施例通过对预设时间段内的多帧路况图像数据的帧完整率进行计算判断，只将帧完整率达到预设帧完整率阈值的多帧路况图像数据保存为第一驾驶数据，进而才能将第一驾驶数据作为模拟测试路线的数据源使用，以提高所模拟出来的虚拟路线的可靠性。如果帧完整率达不到预设帧完整率阈值，则将多帧路况图像数据丢弃，后期重新人工驾驶，补齐相应的数据。

在本发明一可选实施例中，提出了对多帧路况图像数据的总帧数与应获得的理论总帧数的计算方法，包括：

步骤S11：获取所述多帧路况图像数据的开始测试时间、结束测试时间以及理论采集频率，所述预设时间段为自所述开始测试时间至所述结束测试时间的时间段；

在本发明实施例中，多帧路况图像数据的开始测试时间可以为人工驾驶汽车从测试路线的起点出发的时间，结束测试时间可以为人工驾驶汽车到达测试路线的终点的时间。当然，开始测试时间和结束测试时间也可以为人工驾驶汽车从测试路线的起点出发的时间到达测试路线的终点的时间之间的任意两个时间节点，这样可以减少测试的次数和路程，降低测试成本。如人工驾驶汽车从测试路线的起点出发的时间为2019年3月4日上午9点00分00秒，到达测试路线的终点的时间为2019年3月4日上午9点30分25秒，那么，开始测试时间可以选为2019年3月4日上午9点10分30秒，结束测试时间可以选为2019年3月4日上午9点20分30秒，预设时间段为2019年3月4日上午9点10分30秒至2019年3月4日上午9点20分30秒的时间段。

理论采样频率依据多帧路况图像数据对应的采集设备的设备性能所决定，所述多帧路况图像数据可以包括多帧光学图像数据和多帧雷达图像数据，多帧光学图像数据的理论采样频率依据光学图像采集设备的设备采样频率所确定，多帧雷达图像数据的理论采样频率依据雷达图像采集设备的设备采样频率所确定，如光学图像采集设备的设备采样频率为30帧/秒，那么多帧光学图像数据的理论采集频率为30帧/秒；雷达图像采集设备的设备采样频率为60帧/秒，多帧雷达图像数据的理论采样频率为60帧/秒。

步骤S12：依据所述开始测试时间的时间戳、所述结束测试时间的时间戳以及所述理论采集频率，确定应获得的理论总帧数；

在计算时，针对不同的多帧路况图像数据，分别计算其应获得的理论总帧数，即分别计算多帧光学图像数据应获得的理论总帧数和多帧雷达图像数据应获得的理论总帧数。

通过开始测试时间的时间戳和结束测试时间的时间戳，获得预设时间段的时长，然后依据时间与频率的公式，将预设时间段的时长与所述理论采集频率相乘，即可确定应获得的理论总帧数。比如多帧雷达图像数据的理论采样频率为60帧/秒，预设时间段的时长为10分钟，即600秒，那么多帧雷达图像数据应获得的理论总帧数为36000帧。

本发明实施例在计算多帧路况图像数据的总帧数时，并不是将采集到的多帧路况图像数据的全部帧数直接作为预设时间段内获得的多帧路况图像数据的总帧数进行帧完整率的计算，在其帧完整率不合格时，就完全丢弃，这太浪费了。因此，本发明实施例提出了步骤S13和步骤S14的计算方式。

步骤S13：依据所述开始测试时间的时间戳、所述结束测试时间的时间戳、所述理论采集频率以及所述多帧路况图像数据中的第一帧图像的采集时间戳和最后一帧图像的采集时间戳，统计所述多帧路况图像数据的实际丢帧数，并确定所述实际丢帧数中无法插补的丢帧数；

在本发明实施例中，实际丢帧数包括中间丢帧数、前丢帧数和后丢帧数中的至少一种；步骤S13可以通过以下子步骤来统计所述多帧路况图像数据的实际丢帧数：

子步骤S13-1：根据所述开始测试时间的时间戳，所述多帧路况图像数据中的第一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的前丢帧数；

前丢帧数指从开始测试时间到获得所述多帧路况图像数据中的第一帧图像的时间之间丢失的帧数。

如开始测试时间的时间戳为9点00分00秒，而多帧路况图像数据中的第一帧图像的采集时间戳为9点00分01秒，其理论采样频率为60帧/秒，那么所述多帧路况图像数据的前丢帧数为60帧。

子步骤S13-2：根据所述结束测试时间的时间戳，所述多帧路况图像数据中的最后一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的后丢帧数；

后丢帧数指从获得多帧路况图像数据中的最后一帧图像的时间到所述结束测试时间之间丢失的帧数。

如所述结束测试时间的时间戳为9点20分30秒，而多帧路况图像数据中的最后一帧图像的采集时间戳为9点20分29秒，其理论采样频率为60帧/秒，那么所述多帧路况图像数据的后丢帧数为60帧。

子步骤S13-3：根据所述理论采集频率、所述第一帧图像的采集时间戳以及所述最后一帧图像的采集时间戳，确定所述多帧路况图像数据的中间丢帧数；

中间丢帧数指获得多帧路况图像数据的第一帧图像的时间到获得最后一帧图像的时间之间所丢失的帧数。

确定中间丢帧数有两种方法：

第一种，依据理论采样频率，确定采集每一帧图像的时长，然后在第一帧图像的采集时间戳的基础上，一帧一帧的加上采集每一帧图像的时长，可获得每一帧图像的时间戳，然后将每一帧图像的时间戳与实际获得的多帧路况图像数据的图像的时间戳进行比对，即可确定所丢失的图像是哪些帧。

第二种，依据所述第一帧图像的采集时间戳到所述最后一帧图像的采集时间戳之间的时长与理论采样频率的乘积，可确定在获得第一帧图像的时间到获得最后一帧图像的时间段内应该获得的帧数，然后将应该获得的真帧数减去在获得第一帧图像的时间到获得最后一帧图像的时间段实际获得的帧数，即可确定中间丢帧数。如多帧路况图像数据中的第一帧图像的采集时间戳为9点00分01秒，最后一帧图像的采集时间戳为9点05分01秒，其理论采样频率为60帧/秒，那么正常情况下，从9点00分01秒到9点05分01秒的时间之间应该可以获得60*5*60＝18000帧。但实际中，从9点00分01秒到9点05分01秒的时间之间只获得了17500帧，这说明中间丢失了500帧，中间丢帧数为500帧。

子步骤S13-4：基于所述多帧路况图像数据的前丢帧数、后丢帧数和中间丢帧数，统计所述多帧路况图像数据的实际丢帧数。

实际丢帧数为所述多帧路况图像数据的前丢帧数、后丢帧数和中间丢帧数之和。如所述多帧路况图像数据的前丢帧数为60帧，后丢帧数为60帧，中间丢帧数为500帧，那么多帧路况图像数据的实际丢帧数为620帧。

在本发明实施例中，为提高多帧路况图像数据的可用性以及进一步降低测试成本，提出了对多帧路况图像数据进行图像插补的方法。但由于有些图像不可进行插补处理，因此，本发明实施例得先确定所述实际丢帧数中无法插补的丢帧数，确定方法可以包括：

当所述实际丢帧数中包括所述前丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述前丢帧数；

当所述实际丢帧数中包括所述后丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述后丢帧数；

当所述实际丢帧数中包括所述中间丢帧数时，比较所述中间丢帧数与预设的可插补帧数，在所述中间丢帧数大于所述预设的可插补帧数时，将所述中间丢帧数与所述预设的可插补帧数的差值确定为所述实际丢帧数中无法插补的丢帧数。

插补处理是一种已知运动轨迹的起点、终点、曲线类型和走向，以此能计算出运动轨迹所要经过的中间点坐标，从而对缺失的部分进行插补的方法。因此，当多帧路况图像数据出现前丢帧和后丢帧时，所丢失的前丢帧数和后丢帧数都无法进行插补。而当多帧路况图像数据出现中间丢帧的情况时，因其之间还具有相邻的图像，所以还可进行插补处理。当然，当中间丢帧数丢失过多时，两个已有的相邻图像之间的差别太大，也无法进行插补处理。所以经过发明人对于预设时间段内的多帧路况图像数据的研究，设定了一个预设的可插补帧数，当中间丢帧数小于等于所述预设的可插补帧数时，那么所述多帧路况图像数据的第一帧图像到最后一帧图像之间所丢失的图像都还可进行插补。而当中间丢帧数大于所述预设的可插补帧数时，中间丢帧数超过预设的可插补帧数的部分也相当于无法插补了。

以此，本发明实施例通过将中间丢帧数与预设的可插补帧数进行比较，以及加上所丢失的前丢帧数、后丢帧数，就可确定无法插补的丢帧数。

步骤S14：将所述应获得的理论总帧数与所述无法插补的丢帧数的差值确定为所述多帧路况图像数据的总帧数。

最后，本发明实施例将应获得的理论总帧数减去所述无法插补的丢帧数，将其差值确定为所述多帧路况图像数据的总帧数。然后，将多帧路况图像数据的总帧数与应获得的理论总帧数相除，就可计算出多帧路况图像数据的帧完整率。

由于本发明实施例的多帧路况图像数据包括多帧光学图像数据和多帧雷达图像数据，所以本发明实施例分别对多帧光学图像数据和多帧雷达图像数据的帧完整率阈值进行了分别设置，所述预设帧完整率阈值包括光学帧完整率阈值和雷达帧完整率阈值；

步骤S302可以包括以下步骤：判断所述多帧光学图像数据的帧完整率是否大于等于所述光学帧完整率阈值，以及判断所述多帧雷达图像数据的帧完整率是否大于等于所述雷达帧完整率阈值；

步骤S303可以包括以下步骤：当所述多帧光学图像数据的帧完整率大于等于所述光学帧完整率阈值且所述多帧雷达图像数据的帧完整率大于等于所述雷达帧完整率阈值时，将所述多帧光学图像数据和多帧雷达图像数据保存为所述第一驾驶数据。

在本发明实施例中，光学帧完整率阈值和雷达帧完整率阈值可以相同，也可以不同，当多帧光学图像数据的帧完整率大于等于所述光学帧完整率阈值且多帧雷达图像数据的帧完整率大于等于所述雷达帧完整率阈值时，说明本次采集的多帧光学图像数据和多帧雷达图像数据都还可取得较好的插补效果，该组多帧路况图像数据可作为第一驾驶数据以进行虚拟路线的模拟使用，反之，将数据丢弃。光学帧完整率阈值和雷达帧完整率阈值均可选设置为95％-100％。

在本发明一可选实施例中，所述方法具体还可以包括以下步骤：

确定所述多帧路况图像数据的中间丢帧数中的连续丢帧数；

当所述连续丢帧数大于等于预设的中间连续最大丢帧数时，在所述第一驾驶数据中去除所述多帧路况图像数据。

基于前述的中间丢帧数的第一种确定方法，本发明实施例可确定出中间丢帧数中的连续丢帧数。比如中间丢帧数为50帧，中间连续最大丢帧数为10帧，这500帧中的连续丢帧数分别有3组连续丢帧数，第一组连续丢帧数为8帧，第二组连续丢帧数为10帧，第三组连续丢帧数为12帧，因第三组的连续丢帧数为12帧，已经大于预设的中间连续最大丢帧数10帧，即使通过插补处理也无法找回，说明这组多帧路况图像数据的可用性不高，建议丢弃该组数据，并进行重新采集。在本发明实施例中，在判断多帧路况图像数据的帧完整率是否大于等于预设帧完整率阈值之前，将中间连续最大丢帧数作为了一个中间筛选条件，可将明显不可用的多帧路况图像数据筛选去除，提高了对多帧路况图像数据进行筛选处理的速度。

为更清楚地展示本发明实施例的第一驾驶数据处理方法的处理过程，参照图4，以多帧路况图像数据为多帧光学图像数据和多帧雷达图像数据为例，示出了本发明实施例的多帧光学图像数据和多帧雷达图像数据的校验流程示意图。

结合本发明实施例的一种第一驾驶数据处理方法，参照图5，示出了本发明实施例完整的测试评估流程示意图。在图5中，驾驶控制参数以绘制的路线图和速度图表示，可以更清晰的表明比对过程。

需要说明的是，在图4和图5中，多帧光学图像数据由摄像头采集，多帧雷达图像数据由雷达采集，终端分别指摄像头和雷达，为节省篇幅，多帧光学图像数据和多帧雷达图像数据以光学和雷达图像数据简写。图5中，测试车辆指待测试的无人车，本发明实施例通过对输入的多帧光学图像数据和多帧雷达图像数据进行按时间戳进行校验，可校验出人工驾驶获取的多帧光学图像数据和多帧雷达图像数据的同步性、完整性，从而提高所模拟出来的虚拟路线的可靠性。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图6，基于同一发明构思，示出了本发明实施例一种无人车驾驶测试装置的结构示意图，所述装置可以包括以下模块：

第一驾驶数据获取模块601，用于获取人工在测试路线上驾驶的第一驾驶数据；

第二驾驶数据采集模块602，用于采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据；

第二驾驶数据评分模块603，用于依据所述第一驾驶数据，对所述第二驾驶数据进行评分。

在本发明一可选实施例中，所述第一驾驶数据包括预设时间段内的多帧路况图像数据，所述装置还可以包括以下模块：

帧完整率计算模块，用于计算所述多帧路况图像数据的帧完整率；所述帧完整率为所述多帧路况图像数据的总帧数与应获得的理论总帧数的比值；

帧完整率判断模块，用于判断所述多帧路况图像数据的帧完整率是否大于等于预设帧完整率阈值；

多帧路况图像数据第一筛选模块，用于在所述多帧路况图像数据的帧完整率大于等于所述预设帧完整率阈值时，将所述多帧路况图像数据保存为所述第一驾驶数据。

在本发明一可选实施例中，所述装置还可以包括以下模块：

第一获取模块，用于获取所述多帧路况图像数据的开始测试时间、结束测试时间以及理论采集频率，所述预设时间段为自所述开始测试时间至所述结束测试时间的时间段；

理论总帧数确定模块，用于依据所述开始测试时间的时间戳、所述结束测试时间的时间戳以及所述理论采集频率，确定应获得的理论总帧数；

丢帧数确定模块，用于依据所述开始测试时间的时间戳、所述结束测试时间的时间戳、所述理论采集频率以及所述多帧路况图像数据中的第一帧图像的采集时间戳和最后一帧图像的采集时间戳，统计所述多帧路况图像数据的实际丢帧数，并确定所述实际丢帧数中无法插补的丢帧数；

总帧数计算模块，用于将所述应获得的理论总帧数与所述无法插补的丢帧数的差值确定为所述多帧路况图像数据的总帧数。

在本发明一可选实施例中，所述实际丢帧数包括中间丢帧数、前丢帧数和后丢帧数中的至少一种；所述丢帧数确定模块可以包括以下子模块：

前丢帧数确定子模块，用于根据所述开始测试时间的时间戳，所述多帧路况图像数据中的第一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的前丢帧数；

后丢帧数确定子模块，用于根据所述结束测试时间的时间戳，所述多帧路况图像数据中的最后一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的后丢帧数；

中间丢帧数确定子模块，用于根据所述理论采集频率、所述第一帧图像的采集时间戳以及所述最后一帧图像的采集时间戳，确定所述多帧路况图像数据的中间丢帧数；

实际丢帧数确定子模块，用于基于所述多帧路况图像数据的前丢帧数、后丢帧数和中间丢帧数，统计所述多帧路况图像数据的实际丢帧数。

在本发明一可选实施例中，所述丢帧数确定模块还可以包括以下子模块：

无法插补帧数第一确定子模块，用于在所述实际丢帧数中包括所述前丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述前丢帧数；

无法插补帧数第二确定子模块，用于在所述实际丢帧数中包括所述后丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述后丢帧数；

无法插补帧数第三确定子模块，用于在所述实际丢帧数中包括所述中间丢帧数时，比较所述中间丢帧数与预设的可插补帧数，在所述中间丢帧数大于所述预设的可插补帧数时，将所述中间丢帧数与所述预设的可插补帧数的差值确定为所述实际丢帧数中无法插补的丢帧数。

在本发明一可选实施例中，所述装置还可以包括以下模块：

连续丢帧数确定模块，用于确定所述多帧路况图像数据的中间丢帧数中的连续丢帧数；

多帧路况图像数据第二筛选模块，用于当所述连续丢帧数大于等于预设的中间连续最大丢帧数时，在所述第一驾驶数据中去除所述多帧路况图像数据。

在本发明一可选实施例中，所述多帧路况图像数据包括多帧光学图像数据和多帧雷达图像数据，所述预设帧完整率阈值包括光学帧完整率阈值和雷达帧完整率阈值；

所述帧完整率判断模块包括以下子模块：

光学帧完整率判断子模块，用于判断所述多帧光学图像数据的帧完整率是否大于等于所述光学帧完整率阈值；

雷达帧完整率判断子模块，用于判断所述多帧雷达图像数据的帧完整率是否大于等于所述雷达帧完整率阈值；

所述多帧路况图像数据第一筛选模块可以包括以下子模块：

多帧路况图像数据保存子模块，用于在所述多帧光学图像数据的帧完整率大于等于所述光学帧完整率阈值且所述多帧雷达图像数据的帧完整率大于等于所述雷达帧完整率阈值时，将所述多帧光学图像数据和多帧雷达图像数据保存为所述第一驾驶数据。

在本发明一可选实施例中，所述第一驾驶数据还包括第一驾驶控制参数，所述第二驾驶数据包括第二驾驶控制参数；当所述测试路线为可变路线时，所述可变路线包括多个事件，每个事件包括至少2个选项；第二驾驶数据评分模块603可以包括以下子模块：

可变路线选择分数制定子模块，用于以所述第一驾驶控制参数对应的事件的选项作为所述可变路线的标准选项，制定所述可变路线的同一事件的选项的分数；

第一评分子模块，用于依据所述可变路线的同一事件的选项的分数，确定所述第二驾驶控制参数在所述事件中对应的选项的分数。

在本发明一可选实施例中，所述第一驾驶数据还包括第一驾驶控制参数，所述第二驾驶数据包括第二驾驶控制参数；当所述测试路线为不可变路线时，第二驾驶数据评分模块603可以包括以下子模块：

唯一执行标准确定子模块，用于将所述第一驾驶控制参数确定为所述不可变路线的唯一执行标准；

第二评分子模块，用于依照所述唯一执行标准，对所述第二驾驶控制参数进行评分。

依据本发明的一个方面，本发明实施例提供了一种无人车驾驶测试装置，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行如上述所述的无人车驾驶测试方法。

依据本发明的一个方面，本发明实施例还提供了一种计算机可读存储介质，其存储的计算机程序使得处理器执行如上述所述的无人车驾驶测试方法。

对于装置实施例而言，由于其与方法实施例基本相似，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。

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，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机有效程序代码的计算机有效存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种无人车驾驶测试方法、一种无人车驾驶测试装置，一种无人车驾驶测试***及存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种无人车驾驶测试方法，其特征在于，所述方法包括：

获取人工在测试路线上驾驶的第一驾驶数据；

采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据；

依据所述第一驾驶数据，对所述第二驾驶数据进行评分。

2.根据权利要求1所述的方法，其特征在于，所述第一驾驶数据包括预设时间段内的多帧路况图像数据，所述方法还包括：

计算所述多帧路况图像数据的帧完整率；所述帧完整率为所述多帧路况图像数据的总帧数与应获得的理论总帧数的比值；

判断所述多帧路况图像数据的帧完整率是否大于等于预设帧完整率阈值；

当所述多帧路况图像数据的帧完整率大于等于所述预设帧完整率阈值时，将所述多帧路况图像数据保存为所述第一驾驶数据。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取所述多帧路况图像数据的开始测试时间、结束测试时间以及理论采集频率，所述预设时间段为自所述开始测试时间至所述结束测试时间的时间段；

依据所述开始测试时间的时间戳、所述结束测试时间的时间戳以及所述理论采集频率，确定应获得的理论总帧数；

依据所述开始测试时间的时间戳、所述结束测试时间的时间戳、所述理论采集频率以及所述多帧路况图像数据中的第一帧图像的采集时间戳和最后一帧图像的采集时间戳，统计所述多帧路况图像数据的实际丢帧数，并确定所述实际丢帧数中无法插补的丢帧数；

将所述应获得的理论总帧数与所述无法插补的丢帧数的差值确定为所述多帧路况图像数据的总帧数。

4.根据权利要求3所述的方法，其特征在于，所述实际丢帧数包括中间丢帧数、前丢帧数和后丢帧数中的至少一种；依据所述开始测试时间的时间戳、所述结束测试时间的时间戳、所述理论采集频率以及所述多帧路况图像数据中的第一帧图像的采集时间戳和最后一帧图像的采集时间戳，统计所述多帧路况图像数据的实际丢帧数，包括：

根据所述开始测试时间的时间戳，所述多帧路况图像数据中的第一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的前丢帧数；

根据所述结束测试时间的时间戳，所述多帧路况图像数据中的最后一帧图像的采集时间戳以及所述理论采集频率，确定所述多帧路况图像数据的后丢帧数；

根据所述理论采集频率、所述第一帧图像的采集时间戳以及所述最后一帧图像的采集时间戳，确定所述多帧路况图像数据的中间丢帧数；

基于所述多帧路况图像数据的前丢帧数、后丢帧数和中间丢帧数，统计所述多帧路况图像数据的实际丢帧数。

5.根据权利要求4所述的方法，其特征在于，确定所述实际丢帧数中无法插补的丢帧数，包括：

当所述实际丢帧数中包括所述前丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述前丢帧数；

当所述实际丢帧数中包括所述后丢帧数时，所述实际丢帧数中无法插补的丢帧数包括所述后丢帧数；

当所述实际丢帧数中包括所述中间丢帧数时，比较所述中间丢帧数与预设的可插补帧数，在所述中间丢帧数大于所述预设的可插补帧数时，将所述中间丢帧数与所述预设的可插补帧数的差值确定为所述实际丢帧数中无法插补的丢帧数。

6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：

确定所述多帧路况图像数据的中间丢帧数中的连续丢帧数；

当所述连续丢帧数大于等于预设的中间连续最大丢帧数时，在所述第一驾驶数据中去除所述多帧路况图像数据。

7.根据权利要求2所述的方法，其特征在于，所述多帧路况图像数据包括多帧光学图像数据和多帧雷达图像数据，所述预设帧完整率阈值包括光学帧完整率阈值和雷达帧完整率阈值；

判断所述多帧路况图像数据的帧完整率是否大于等于预设帧完整率阈值，包括：

判断所述多帧光学图像数据的帧完整率是否大于等于所述光学帧完整率阈值，以及判断所述多帧雷达图像数据的帧完整率是否大于等于所述雷达帧完整率阈值；

当所述多帧路况图像数据的帧完整率大于等于所述预设帧完整率阈值时，将所述多帧路况图像数据保存为所述第一驾驶数据，包括：

当所述多帧光学图像数据的帧完整率大于等于所述光学帧完整率阈值且所述多帧雷达图像数据的帧完整率大于等于所述雷达帧完整率阈值时，将所述多帧光学图像数据和多帧雷达图像数据保存为所述第一驾驶数据。

8.根据权利要求1所述的方法，其特征在于，所述第一驾驶数据还包括第一驾驶控制参数，所述第二驾驶数据包括第二驾驶控制参数；当所述测试路线为可变路线时，所述可变路线包括多个事件，每个事件包括至少2个选项；依据所述第一驾驶数据，对所述第二驾驶数据进行评分，包括：

以所述第一驾驶控制参数对应的事件的选项作为所述可变路线的标准选项，制定所述可变路线的同一事件的选项的分数；

依据所述可变路线的同一事件的选项的分数，确定所述第二驾驶控制参数在所述事件中对应的选项的分数。

9.根据权利要求1所述的方法，其特征在于，所述第一驾驶数据还包括第一驾驶控制参数，所述第二驾驶数据包括第二驾驶控制参数；当所述测试路线为不可变路线时，依据所述第一驾驶数据，对所述第二驾驶数据进行评分，包括：

将所述第一驾驶控制参数确定为所述不可变路线的唯一执行标准；

依照所述唯一执行标准，对所述第二驾驶控制参数进行评分。

10.一种无人车驾驶测试***，其特征在于，所述***包括：

驾驶路线模拟平台、无人车以及安装于人工驾驶汽车上的采集设备，其中：

所述采集设备，用于采集人工在测试路线上驾驶的第一驾驶数据；

所述驾驶路线模拟平台，用于依据所述第一驾驶数据，为行驶在所述驾驶路线模拟平台上的无人车模拟所述测试路线对应的虚拟路线，并采集所述无人车在所述虚拟路线上驾驶的第二驾驶数据，以及对所述第二驾驶数据进行评分；

所述无人车，用于在所述虚拟路线上进行驾驶控制。

11.根据权利要求10所述的***，其特征在于，所述第一驾驶数据包括多帧光学图像数据、多帧雷达图像数据和第一驾驶控制参数，所述采集设备包括光学图像采集设备、雷达图像采集设备和驾驶控制参数采集设备，其中：

所述光学图像采集设备，用于采集人工在测试路线上驾驶的所述多帧光学图像数据；

所述雷达图像采集设备，用于采集人工在测试路线上驾驶的所述多帧雷达图像数据；

所述驾驶控制参数采集设备，用于采集人工在测试路线上驾驶的第一驾驶控制参数。

12.一种无人车驾驶测试装置，其特征在于，所述装置包括：

第一驾驶数据获取模块，用于获取人工在测试路线上驾驶的第一驾驶数据；

第二驾驶数据采集模块，用于采集无人车在所述测试路线对应的虚拟路线上驾驶的第二驾驶数据；

第二驾驶数据评分模块，用于依据所述第一驾驶数据，对所述第二驾驶数据进行评分。

13.一种无人车驾驶测试装置，其特征在于，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行如权利要求1至9任一项所述的无人车驾驶测试方法。

14.一种计算机可读存储介质，其特征在于，其存储的计算机程序使得处理器执行如权利要求1至9任一项所述的无人车驾驶测试方法。

Images