CN112114580B - 一种acc仿真测试***及方法 - Google Patents
一种acc仿真测试***及方法 Download PDFInfo
- Publication number
- CN112114580B CN112114580B CN202011049722.8A CN202011049722A CN112114580B CN 112114580 B CN112114580 B CN 112114580B CN 202011049722 A CN202011049722 A CN 202011049722A CN 112114580 B CN112114580 B CN 112114580B
- Authority
- CN
- China
- Prior art keywords
- model
- vehicle
- information
- parameters
- state
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 43
- 238000004088 simulation Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims description 58
- 238000010998 test method Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0256—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Regulating Braking Force (AREA)
Abstract
本申请公开了一种ACC仿真测试***及方法，涉及仿真测试技术领域；***包括虚拟场景模型、传感器模型、定位模型、反馈模块、ACC算法载体、执行器模型和车辆模型；方法包括：提供车辆模型以及用于生成虚拟场景信息的虚拟场景模型，基于所述虚拟场景信息和车辆模型生成传感器目标信号；采集所述车辆模型的车辆定位参数和反馈参数，根据所述传感器目标信号、车辆定位参数和反馈参数生成控制参数；基于所述控制参数驱动所述车辆模型，生成车辆位姿信息和执行状态信息。本申请根据控制参数实现车辆位姿信息和执行状态信息的更新，形成闭环的仿真测试，有效提高测试的可信度、运行效率以及算法迭代的效率。
Description
技术领域
本申请涉及仿真测试技术领域，尤其涉及一种ACC仿真测试***及方法。
背景技术
ACC(Adaptive Cruise Control，自适应巡航)是一种通过控制车辆制动、驱动实现车辆保持一定距离跟车或保持一定速度的汽车控制***，随着驾驶辅助功能的逐渐发展，L2等级的半自动化智能驾驶辅助***逐步得到普及，目前ACC正不断应用于一般车辆。
在开发过程中需要进行ACC功能的测试，过去针对ACC功能的测试常采用实车测试的方式实现，如公开号为CN107678418B、名称为一种自适应巡航测试方法及装置的专利中公开了模拟真实的驾驶工况实现ACC测试的方案。由于实车测试需要改制车辆并加载各种复杂场景以模拟复杂多样的交通状况，同时还需要投入大量的测试人员和设备，整个测试周期长、效率低且成本高，难以满足快速研发节奏的要求。
发明内容
针对现有技术的不足，提供一种ACC仿真测试***及方法，解决现有技术中对应用于汽车的ACC功能的测试周期长、效率低及成本高的问题。
为实现上述目的，本申请提供以下的技术方案：
一方面，提供一种ACC仿真测试***，包括虚拟场景模型、传感器模型、定位模型、反馈模块、ACC算法载体、执行器模型和车辆模型；
所述虚拟场景模型用于提供虚拟场景信息；
所述传感器模型的输入端连接所述车辆模型和所述虚拟场景模型的输出端、输出端连接所述ACC算法载体的输入端，用于基于所述虚拟场景信息和车辆模型生成传感器目标信号；
所述定位模型的输入端连接所述车辆模型的输出端、输出端连接所述ACC算法载体的输入端，用于基于所述车辆模型采集车辆定位参数；
所述反馈模块的输入端连接所述车辆模型的输出端、输出端连接所述ACC算法载体的输入端，用于基于所述车辆模型采集反馈参数；
所述ACC算法载体的输出端连接所述执行器模型的输入端，用于基于所述传感器目标信号、车辆定位参数和反馈参数生成控制参数；
所述执行器模型的输出端连接所述车辆模型的输入端，用于基于所述控制参数驱动所述车辆模型生成车辆位姿信息和执行状态信息。
可选的，所述控制参数包括减速度参数、电机扭矩参数、挡位参数和电子手刹参数中的一种或多种。
可选的，所述执行器模型包括：
用于根据所述减速度参数控制车辆模型制动踏板开度的电控制动***、用于根据所述电机扭矩参数控制车辆模型电机扭矩的电控驱动***、用于根据挡位参数控制车辆模型挡位的电控挡位，和/或用于根据所述电子手刹参数控制车辆模型手刹状态的电控手刹；
所述执行状态信息包括：
踏板开度状态信息、电机扭矩状态信息、挡位信息和手刹状态信息中的一种或多种；
所述反馈参数包括轮速参数、轮脉冲参数和电机扭矩参数中的一种或多种。
可选的，所述的ACC仿真测试***还包括车辆状态控制模块，所述车辆状态控制模块的输出端连接所述ACC算法载体的输入端，用于生成至少一个异常状态参数并传输至所述ACC算法载体，所述异常状态参数用于模拟异常车门状态、异常胎压状态、异常车内顶灯状或异常车窗状态；
所述ACC算法载体用于在接收到至少一个所述异常状态参数时，生成中止指令并输出至所述执行器模型，使所述执行器模型暂停运行。
可选的，所述虚拟场景模型包括：
车道线场景子模型，用于生成车道线信息，所述车道线信息包括车道线颜色信息和车道线形状信息；
障碍物场景子模型，用于生成障碍物信息，所述障碍物信息包括动态障碍物信息和静态障碍物信息。
另一方面，提供一种ACC仿真测试方法，基于如上所述的ACC仿真测试***实现，包括：
提供车辆模型以及用于生成虚拟场景信息的虚拟场景模型，基于所述虚拟场景信息和车辆模型生成传感器目标信号；
采集所述车辆模型的车辆定位参数和反馈参数，根据所述传感器目标信号、车辆定位参数和反馈参数生成控制参数；
基于所述控制参数驱动所述车辆模型，生成车辆位姿信息和执行状态信息。
可选的，所述控制参数包括减速度参数、电机扭矩参数、挡位参数和/或电子手刹参数；
所述执行状态信息包括：
踏板开度状态信息、电机扭矩状态信息、挡位信息和手刹状态信息中的一种或多种。
可选的，所述反馈参数包括轮速参数、轮脉冲参数和电机扭矩参数中的一种或多种。
可选的，所述的ACC仿真测试方法还包括：
生成至少一个用于模拟异常车门状态、异常胎压状态、异常车内顶灯状或异常车窗状态的异常状态参数；
根据至少一个异常状态参数暂停对所述车辆模型的驱动。
可选的，所述虚拟场景信息包括：
车道线信息，包括车道线颜色信息和车道线形状信息；
障碍物信息，包括动态障碍物信息和静态障碍物信息。
与现有技术相比，本申请具有以下有益效果：
本申请提供一种ACC仿真测试***及方法，不依赖于实车测试，利用虚拟场景信息提供模拟的驾驶环境，利用车辆的车辆位姿信息和执行状态信息结合虚拟场景信息最终生成控制参数，并根据控制参数实现车辆位姿信息和执行状态信息的更新，从而形成闭环的仿真测试，能够有效提高测试的可信度和运行效率，进而提高了量产中算法迭代的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种ACC仿真测试***的结构框图；
图2为本申请提供的一种ACC仿真测试***中虚拟场景模型的结构框图；
图3为本申请提供的一种ACC仿真测试***中执行器模型的结构框图；
图4为本申请提供的一种ACC仿真测试方法的流程图；
图5为本申请提供的一种ACC仿真测试方法的又一流程图。
上述图中：11、ACC算法载体；12、执行器模型；121、电控制动***；122、电控驱动***；123、电控挡位；124、电控手刹；20、车辆模型；30、虚拟场景模型；31、车道线场景子模型；32、障碍物场景子模型；40、传感器模型；50、定位模型；60、反馈模块；70、车辆状态控制模块。
具体实施方式
为使得本申请的目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。
请参考图1，本申请一方面提供一种ACC仿真测试***，包括ACC算法载体11、执行器模型12，还包括车辆模型20、虚拟场景模型30、传感器模型40、定位模型50和反馈模块60。
其中，车辆模型20用于模拟车辆形成虚拟车辆，并基于所模拟的虚拟车辆的当前位姿和执行状态计算生成车辆位姿信息和执行状态信息。
可以理解的是，该车辆模型20可以基于现有技术中的车辆动力学模型实现，例如Carsim模型等，在此不作过多限定。执行状态信息则包括针对所建模的车辆模型20计算得到的制动踏板开度状态信息、电机扭矩状态信息、挡位信息和手刹状态信息中的一种或多种；此外，执行状态信息均为参数化的信息。
请参考图2，虚拟场景模型30包括车道线场景子模型31和障碍物场景子模型32。
其中，车道线场景子模型31用于构建虚拟的车道线特征以生成车道线信息，所生成的车道线信息包括车道线颜色信息和车道线形状信息，从而模拟道路中不同类型的车道线。
障碍物场景子模型32用于构建虚拟的障碍物以生成障碍物信息，障碍物可以包括信号灯、车辆、行人、建筑或路标等；具体地，根据动态和静态的障碍物将障碍物信息分为动态障碍物信息和静态障碍物信息，使得对于驾驶环境的模拟更符合实际。
传感器模型40包括虚拟传感器，其输入端连接车辆模型20的输出端、输出端连接ACC算法载体11的输入端，用于针对虚拟场景模型30所构建的虚拟场景采集数据形成传感器数据，并基于该传感器数据生成传感器目标信号，作为驱动车辆模型20进行下一步动作的参考。具体地，虚拟传感器可以包括激光雷达传感器、定位传感器等和图像传感器等类型的传感器，在此不作过多限定。
例如，传感器模型40基于车道线信息生成的传感器数据可以包括对应于不同的车道线颜色、车道线形状及其结合的车道线参数；基于障碍物信息生成的传感器数据可以包括与目标障碍物之间的纵向距离和侧向距离，当目标障碍物为动态障碍物时，还能够生成目标障碍物的纵和/或侧向速度，以及纵和/或侧向速度加速度。
定位模型50与的输入端与车辆模型20的输出端连接、输出端与ACC算法载体11的输入端连接；定位模型50包括IMU(Inertial Measurement Unit，惯性测量)单元和GPS(Global Positioning System，全球定位***)模块，用于根据车辆位姿信息生成包括三轴转角速度、三轴加速度和车辆坐标等数据的车辆定位参数。
由于在测试过程中车辆模型20的状态是时刻变化的，车辆模型20与目标障碍物之间的相对位置、距离均存在变化，因此传感器模型40还需要结合车辆模型20的车辆定位参数处理传感器数据，并最终生成传感器目标信号。
反馈模块60，其输入端连接车辆模型20的输出端、输出端连接ACC算法载体11的输入端；具体地，反馈模块60包括虚拟传感器，用于针对车辆位姿信息和执行状态信息采集反馈参数，并将反馈参数传输至ACC算法载体11中以达到反馈的目的，从而提高仿真测试的可靠度。
ACC算法载体11，与传感器模型40、定位模型50、反馈模块60和车辆模型20均连接，输出端与执行器模型12连接，用于基于车辆定位参数、传感器目标信号和反馈参数生成控制参数，并将控制参数输出至执行器模型12中以驱动车辆模型20做虚拟化的驾驶动作，以供车辆模型20计算并更新车辆位姿信息和执行状态信息。
在本实施例中，该ACC算法载体11可以是硬件控制器，也可以是虚拟的存储介质。
具体地，ACC算法载体11生成的控制参数包括减速度参数、电机扭矩参数、挡位参数和电子手刹参数中的一种或多种。
请参考图3，执行器模型12包括：
用于根据减速度参数控制车辆模型制动踏板开度的电控制动***121、用于根据电机扭矩参数控制车辆模型电机扭矩的电控驱动***122、用于根据挡位参数控制车辆模型挡位的电控挡位123，和/或用于根据电子手刹参数控制车辆模型手刹状态的电控手刹124。
进一步地，车辆模型20根据控制参数生成对应的执行状态信息，并对之前所生成的执行状态信息进行更新，从而形成测试闭环。
基于前述实施例，进一步地，本实施例提供的ACC仿真测试***还包括用于模拟异常状态的车辆状态控制模块70。其中，车辆状态控制模块70用于生成至少一个异常状态参数并传输至ACC算法载体11，当ACC算法载体11接收到至少一个异常状态参数时，生成中止指令并输出至执行器模型12，使执行器模型12暂停运行，借此测试异常状态下该ACC仿真测试***的运行情况。
在本实施例中，异常状态参数用于模拟异常车门状态、异常胎压状态、异常车内顶灯状或异常车窗状态；可以理解的是，异常状态参数还可以用于模拟除前述列举类型之外的、在汽车的驾驶过程中会形成安全隐患的异常状态，在此不作过多限定。
当车辆状态控制模块70生成两个或以上的异常状态参数时，各异常状态参数的类型不同。
若ACC算法载体11在接收到至少一个异常状态参数时未能控制***暂停或终止运行，则需要重新优化算法以实现对ACC功能的改进，提高汽车半自动化驾驶辅助***的安全性。
请参考图4，另一方面，本实施例提供一种ACC仿真测试方法，基于如上各个实施例提供的ACC仿真测试***实现，包括如下步骤：
S11、提供车辆模型以及用于生成虚拟场景信息的虚拟场景模型，基于虚拟场景信息和车辆模型生成传感器目标信号。
S12、采集车辆模型的车辆定位参数和反馈参数，根据传感器目标信号、车辆定位参数和反馈参数生成控制参数。
S13、基于控制参数驱动车辆模型，生成车辆位姿信息和执行状态信息。
步骤S11中，虚拟场景信息包括车道线信息和障碍物信息。
其中，车道线信息包括车道线颜色信息和车道线形状信息；车道线颜色信息和车道线形状信息的组合能够构成一种类型的车道线，针对每种类型的车道线以采集对应的传感器数据。
障碍物信息包括动态障碍物信息和静态障碍物信息。具体地，动态障碍物信息和静态障碍物信息可以分别包括人、物和车等类型的障碍物，使得对于驾驶环境的模拟更符合实际。
由于在测试过程中车辆模型20的状态是时刻变化的，车辆模型20与目标障碍物之间的相对位置、距离均存在变化，因此需要根据车辆定位参数处理传感器数据，并最终生成传感器目标信号。
步骤S12中，反馈参数包括轮速参数、轮脉冲参数和电机扭矩参数中的一种或多种；可以理解的是，反馈参数还可以包括汽车在驾驶过程中产生的其他参数，在此选取其中能够对生成控制参数起参考作用的几种类型作为参考，不构成对本实施例的限制。
在本实施例中，可以根据车辆模型20计算输出的车辆位姿信息和执行状态信息采集反馈参数，基于该反馈参数、结合车辆定位参数和传感器目标信号生成控制参数，并基于该控制参数驱动车辆模型20做虚拟化的驾驶动作，以供车辆模型20计算并更新车辆位姿信息和执行状态信息，从而提高仿真测试的可靠度。
其中，控制参数包括减速度参数、电机扭矩参数、挡位参数和电子手刹参数中的一种或多种。
可以理解的是，执执行状态信息针对所建模的车辆模型20计算得到的制动踏板开度状态信息、电机扭矩状态信息、挡位信息和手刹状态信息中的一种或多种；此外，执行状态信息均为参数化的信息。
请参考图5，为了测试异常状态下该ACC仿真测试***的运行情况，ACC仿真测试方法还进一步包括如下步骤：
S21、生成至少一个用于模拟异常车门状态、异常胎压状态、异常车内顶灯状或异常车窗状态的异常状态参数。
在本实施例中，异常状态参数用于模拟异常车门状态、异常胎压状态、异常车内顶灯状或异常车窗状态；可以理解的是，异常状态参数还可以用于模拟除前述列举类型之外的、在汽车的驾驶过程中会形成安全隐患的异常状态，在此不作过多限定。
当成两个或以上的异常状态参数时，各异常状态参数的类型不同。
S22、根据至少一个异常状态参数暂停对车辆模型的驱动。
当生成至少一个异常状态参数时，***未能暂停对车辆模型的驱动，则需要重新优化算法以实现对ACC功能的改进，提高汽车半自动化驾驶辅助***的安全性。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (7)
1.一种ACC仿真测试***，其特征在于，包括虚拟场景模型、传感器模型、定位模型、反馈模块、ACC算法载体、执行器模型、车辆模型和车辆状态控制模块；
所述虚拟场景模型用于提供虚拟场景信息；
所述传感器模型的输入端连接所述车辆模型和所述虚拟场景模型的输出端、输出端连接所述ACC算法载体的输入端，用于基于所述虚拟场景信息和车辆模型生成传感器目标信号；
所述定位模型的输入端连接所述车辆模型的输出端、输出端连接所述ACC算法载体的输入端，用于基于所述车辆模型采集车辆定位参数；
所述反馈模块的输入端连接所述车辆模型的输出端、输出端连接所述ACC算法载体的输入端，用于基于所述车辆模型采集反馈参数；
所述ACC算法载体的输出端连接所述执行器模型的输入端，用于基于所述传感器目标信号、车辆定位参数和反馈参数生成控制参数；所述控制参数包括减速度参数、电机扭矩参数、挡位参数和电子手刹参数中的一种或多种；
所述执行器模型的输出端连接所述车辆模型的输入端，用于基于所述控制参数驱动所述车辆模型生成车辆位姿信息和执行状态信息；
所述虚拟场景模型包括：
障碍物场景子模型，用于生成障碍物信息，所述障碍物信息包括动态障碍物信息和静态障碍物信息；
当目标障碍物为动态障碍物时，所述传感器模型生成目标障碍物的纵和/或侧向速度，以及纵和/或侧向速度加速度；
所述车辆状态控制模块的输出端连接所述ACC算法载体的输入端，用于生成至少一个异常状态参数并传输至所述ACC算法载体，所述异常状态参数用于模拟异常车门状态、异常胎压状态、异常车内顶灯状或异常车窗状态；
所述ACC算法载体用于在接收到至少一个所述异常状态参数时，生成中止指令并输出至所述执行器模型，使所述执行器模型暂停运行。
2.根据权利要求1所述的ACC仿真测试***，其特征在于，所述执行器模型包括：
用于根据所述减速度参数控制车辆模型制动踏板开度的电控制动***、用于根据所述电机扭矩参数控制车辆模型电机扭矩的电控驱动***、用于根据挡位参数控制车辆模型挡位的电控挡位，和/或用于根据所述电子手刹参数控制车辆模型手刹状态的电控手刹；
所述执行状态信息包括：
踏板开度状态信息、电机扭矩状态信息、挡位信息和手刹状态信息中的一种或多种；
所述反馈参数包括轮速参数、轮脉冲参数和电机扭矩参数中的一种或多种。
3.根据权利要求1所述的ACC仿真测试***，其特征在于，所述虚拟场景模型还包括：
车道线场景子模型，用于生成车道线信息，所述车道线信息包括车道线颜色信息和车道线形状信息。
4.一种ACC仿真测试方法，其特征在于，包括：
提供车辆模型以及用于生成虚拟场景信息的虚拟场景模型，基于所述虚拟场景信息和车辆模型生成传感器目标信号；所述虚拟场景信息包括：障碍物信息，包括动态障碍物信息和静态障碍物信息；当目标障碍物为动态障碍物时，所述传感器目标信号包括目标障碍物的纵和/或侧向速度，以及纵和/或侧向速度加速度；
采集所述车辆模型的车辆定位参数和反馈参数，根据所述传感器目标信号、车辆定位参数和反馈参数生成控制参数；所述控制参数包括减速度参数、电机扭矩参数、挡位参数和电子手刹参数中的一种或多种；
基于所述控制参数驱动所述车辆模型，生成车辆位姿信息和执行状态信息；
生成至少一个用于模拟异常车门状态、异常胎压状态、异常车内顶灯状或异常车窗状态的异常状态参数；根据至少一个异常状态参数暂停对所述车辆模型的驱动。
5.根据权利要求4所述的ACC仿真测试方法，其特征在于，所述执行状态信息包括：
踏板开度状态信息、电机扭矩状态信息、挡位信息和手刹状态信息中的一种或多种。
6.根据权利要求4所述的ACC仿真测试方法，其特征在于，所述反馈参数包括轮速参数、轮脉冲参数和电机扭矩参数中的一种或多种。
7.根据权利要求4所述的ACC仿真测试方法，其特征在于，所述虚拟场景信息还包括：
车道线信息，包括车道线颜色信息和车道线形状信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011049722.8A CN112114580B (zh) | 2020-09-29 | 2020-09-29 | 一种acc仿真测试***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011049722.8A CN112114580B (zh) | 2020-09-29 | 2020-09-29 | 一种acc仿真测试***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112114580A CN112114580A (zh) | 2020-12-22 |
| CN112114580B true CN112114580B (zh) | 2022-05-13 |
Family
ID=73797247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011049722.8A Active CN112114580B (zh) | 2020-09-29 | 2020-09-29 | 一种acc仿真测试***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112114580B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112783142B (zh) * | 2021-01-05 | 2023-02-03 | 广州小鹏自动驾驶科技有限公司 | 车道居中控制的仿真测试***、方法、设备和存储介质 |
| CN113341240B (zh) * | 2021-04-21 | 2022-11-29 | 广州亚美信息科技有限公司 | 车载电子产品的功能测试设备及方法 |
| CN116451590B (zh) * | 2023-06-09 | 2023-11-17 | 安徽深信科创信息技术有限公司 | 自动驾驶仿真测试平台的仿真方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3316001B1 (en) * | 2016-10-25 | 2024-06-12 | Centre National d'Etudes Spatiales | Collaborative improvement of a vehicle's positioning |
| CN107782564B (zh) * | 2017-10-30 | 2019-12-13 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评***及方法 |
| CN109100155B (zh) * | 2018-07-09 | 2020-06-16 | 长安大学 | 一种无人车在环快速仿真测试***和方法 |
| CN110736627A (zh) * | 2019-09-30 | 2020-01-31 | 山东省科学院自动化研究所 | 一种自动驾驶测试车及其远程控制***、方法 |
| CN111399475B (zh) * | 2020-03-05 | 2021-06-15 | 中国第一汽车股份有限公司 | 一种测试***及方法 |
-
2020
- 2020-09-29 CN CN202011049722.8A patent/CN112114580B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112114580A (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112114580B (zh) | 一种acc仿真测试***及方法 | |
| WO2022078289A1 (zh) | 一种自动驾驶的仿真测试***和方法 | |
| CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
| CN109801534A (zh) | 基于自动驾驶模拟器的驾驶行为硬件在环仿真测试*** | |
| CN109141929A (zh) | 智能网联汽车仿真测试***及方法 | |
| CN104834776B (zh) | 一种微观交通仿真中交通车辆建模仿真***及方法 | |
| CN112180892A (zh) | 一种基于场地在环的智能驾驶车辆测试方法 | |
| CN109901546A (zh) | 辅助驾驶车辆硬件在环仿真测试方法和*** | |
| US20210387653A1 (en) | Reconstruction method for secure environment envelope of smart vehicle based on driving behavior of vehicle in front | |
| CN105759789A (zh) | 整车控制器的仿真测试方法、装置和*** | |
| CN111538315B (zh) | 一种整车自动驾驶功能仿真测试***及测试方法 | |
| KR20090016183A (ko) | 차량의 충돌 예방 시스템 시험 평가 장치 | |
| CN112015164A (zh) | 基于数字孪生的智能网联汽车复杂测试场景实现*** | |
| CN104076692A (zh) | 测试*** | |
| CN109634259A (zh) | 自动驾驶冗余控制方法、***及验证平台 | |
| CN113848855A (zh) | 车辆控制***测试方法、装置、设备、介质及程序产品 | |
| CN113962019A (zh) | 一种基于虚拟现实技术的智能驾驶汽车安全防护*** | |
| CN110687828A (zh) | 一种基于整车硬件在环的智能网联汽车仿真测试*** | |
| WO2019003302A1 (ja) | 車両制御装置 | |
| CN112487549A (zh) | 自动驾驶转向失效后驾驶人反应行为测试***及测试方法 | |
| CN115344939A (zh) | 一种基于人、车、环境建模的自动驾驶虚拟测试*** | |
| Verhoeff et al. | VEHIL: A full-scale test methodology for intelligent transport systems, vehicles and subsystems | |
| US10831209B2 (en) | Using a long-term recurrent convolutional network to plan a sequence of lateral controls in autonomous driving | |
| CN112783142B (zh) | 车道居中控制的仿真测试***、方法、设备和存储介质 | |
| CN115167360A (zh) | 基于模拟驾驶器的线控底盘测试***及方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240305 Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province Patentee after: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd. Country or region after: China Address before: Room 46, room 406, No.1, Yichuang street, Zhongxin knowledge city, Huangpu District, Guangzhou City, Guangdong Province 510000 Patentee before: Guangzhou Xiaopeng Automatic Driving Technology Co.,Ltd. Country or region before: China |