CN112558581A - 高级驾驶辅助***功能的测试方法和测试装置 - Google Patents
高级驾驶辅助***功能的测试方法和测试装置 Download PDFInfo
- Publication number
- CN112558581A CN112558581A CN201910919741.2A CN201910919741A CN112558581A CN 112558581 A CN112558581 A CN 112558581A CN 201910919741 A CN201910919741 A CN 201910919741A CN 112558581 A CN112558581 A CN 112558581A
- Authority
- CN
- China
- Prior art keywords
- data
- road test
- road
- test
- model
- 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.)
- Pending
Links
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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种高级驾驶辅助***功能的测试方法和测试装置,通过获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据,进而根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。在对高级驾驶辅助***功能进行测试时不但利用了CAN总线数据,还利用了ADAS传感器数据,提高了ADAS传感器数据的利用率,并使得测试结果更加准确。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种高级驾驶辅助***功能的测试方法和测试装置。
背景技术
智能网联汽车,即ICV(全称Intelligent Connected Vehicle),是指车联网与智能车的有机联合的新一代汽车,车上搭载有一套汽车高级驾驶辅助***(AdvancedDriving Assistant System,简称ADAS),利用安装在车上的各式各样传感器,在汽车行驶过程中随时来感应周围的环境,收集数据,并结合导航仪地图数据,进行***的运算与分析,根据分析结果确定路况,增加汽车驾驶的安全性。因此,在汽车量产之前需要对ADAS进行功能测试,保证驾驶过程的安全。
现有技术中,在对ADAS进行功能测试时,大部分测试结果都是根据测试人员的驾乘感受判断得到的。在测试过程中,不同的测试人员有不同的主观标准,可能对于同样的测试过程得到不同的测试结果,不能保证测试结果的准确性,还浪费了在路试过程中的路试数据。
发明内容
基于上述问题,本申请提供了一种高级驾驶辅助***功能的测试方法和测试装置,以使高级驾驶辅助***功能的测试结果更加准确。
本申请实施例公开了如下技术方案:
第一方面,本申请提供一种高级驾驶辅助***功能的测试方法,包括:
获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;
根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据;
根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。
可选地,所述获取路试车辆的路试数据具体为:
对所述CAN总线数据和ADAS传感器数据进行采集和融合处理,获得所述路试车辆的路试数据。
可选地,所述对所述路试数据进行问题测试,确定所述路试数据中的问题数据之前还包括:
对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点和/或微小颠簸数据。
可选地,所述根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据包括:
将所述路试数据导入所述问题模型,遍历所述问题模型的逻辑分支;
若未通过所述问题模型的逻辑分支测试,则返回问题数据并退出所述逻辑分支测试。
可选地,所述逻辑分支包括以下至少其一:信号状态逻辑分支、阈值设定逻辑分支。
可选地,所述问题模型包括下述至少其一:所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型。
可选地,所述方法还包括:通过图表区域和/或数据透视表,将所述路试车辆的测试结果进行分析与可视化处理。
第二方面,本申请提供一种高级驾驶辅助***功能的测试装置,包括:
数据获取模块,用于获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;
数据运算模块,用于根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据;
结果生成模块,用于根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。
可选地,所述获取装置具体用于:
对所述CAN总线数据和ADAS传感器数据进行采集和融合处理,获得所述路试车辆的路试数据。
可选地,所述装置还包括预处理模块,用于对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点和/或微小颠簸数据。
可选地,所述数据运算模块进一步用于:
将所述路试数据导入所述问题模型,遍历所述问题模型的逻辑分支;
若未通过所述问题模型的逻辑分支测试,则返回问题数据并退出所述逻辑分支测试。
可选地,所述逻辑分支包括以下至少其一:信号状态逻辑分支、阈值设定逻辑分支。
可选地,所述问题模型包括下述至少其一:所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型。
可选地,所述装置还包括可视化模块,用于通过图表区域和/或数据透视表,将所述路试车辆的测试结果进行分析与可视化处理。
相较于现有技术,本申请具有以下有益效果:
本申请提供的高级驾驶辅助***功能的测试方法和测试装置,通过获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据,进而根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。在对高级驾驶辅助***功能进行测试时不但利用了CAN总线数据,还利用了ADAS传感器数据,提高了ADAS传感器数据的利用率,并使得测试结果更加准确。
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他的附图。
图1为本申请实施例一提供的一种高级驾驶辅助***功能的测试方法的流程图。
图2为本申请实施例二提供的一种高级驾驶辅助***功能的测试方法的流程图。
图3为本申请实施例三提供的一种高级驾驶辅助***功能的测试方法的流程图。
图4为本申请实施例四提供的一种高级驾驶辅助***功能的测试方法的流程图。
图5为本申请实施例五提供的一种高级驾驶辅助***功能的测试方法的流程图。
图6为本申请实施例六提供的一种高级驾驶辅助***功能的测试装置的结构框图。
图7为本申请实施例七提供的一种高级驾驶辅助***功能的测试装置的结构框图。
图8为本申请实施例八提供的一种高级驾驶辅助***功能的测试装置的结构框图。
图9为本申请实施例九提供的一种高级驾驶辅助***功能的测试装置的结构框图。
图10为本申请实施例十提供的一种高级驾驶辅助***功能的测试装置的结构框图。
具体实施方式
正如前文描述,目前在对ADAS进行功能测试时,大部分测试结果都是根据测试人员的驾乘感受判断得到的。在测试过程中,不同的测试人员有不同的主观标准,可能对于同样的测试过程得到不同的测试结果,不能保证测试结果的准确性,还浪费了在路试过程中的路试数据。
基于以上问题,发明人经过研究,提供了一种高级驾驶辅助***功能的测试方法和测试装置。该方法由测试装置具体执行。通过获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据,进而根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。在对高级驾驶辅助***功能进行测试时不但利用了CAN总线数据,还利用了ADAS传感器数据,提高了ADAS传感器数据的利用率,并使得测试结果更加准确。
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。
第一实施例
参见图1,该图为本申请实施例一提供的一种高级驾驶辅助***功能的测试方法的流程图。
如图1所示,本实施例提供的高级驾驶辅助***功能的测试方法,包括:
步骤S102、获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据。
本实施例中,所述CAN总线数据包括所述路试车辆的控制器局域网络(ControllerArea Network,简称CAN)总线数据。ADAS传感器数据包括所述路试车辆的高级驾驶辅助***的传感器数据,例如激光雷达的数据、摄像头数据等。
在一具体实施方式中,可以采用CAN卡和数据融合采集工控机分别采集所述CAN总线数据和ADAS传感器数据,当然在其他实施例中也可以采用其他方式获取所述路试数据,此处不做限制。
本实施例中,考虑到现有技术中,在对所述高级驾驶辅助***功能进行测试时,大多依赖测试人员的驾乘感受确定所述高级驾驶辅助***功能出现的问题,对所述ADAS传感器数据利用率较低。因此,本申请的测试方法中获得的路试数据中不仅包括所述CAN总线数据,还包括所述ADAS传感器数据,极大地提高了ADAS传感器数据的利用率和价值,弥补了现有技术中ADAS传感器数据利用率低的缺陷。
步骤S104、根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据。
本实施例中,在对所述高级驾驶辅助***进行测试时,可能进行多种测试,例如,驾驶平顺性测试和跟车距离稳定性测试等。在对所述高级驾驶辅助***进行多种测试时,可使用一个问题模型对所述路试数据进行运算,筛选出对应每种测试的问题数据,当然也可以针对每一种测试使用一个问题模型对所述路试数据进行运算,筛选出对应每种测试的问题数据。
本实施例中,通过问题模型自动对所述路试数据进行运算,得到所述问题数据,不再需要测试人员判断所述路试数据是否为问题数据,降低了测试过程中的人力成本,提高了测试效率,另外也避免了测试人员判断所述路试数据是否为问题数据时,遗漏问题数据,保证了测试结果的准确性。
步骤S106、根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。
本实施例中,所述测试结果包括所述问题数据发生的精确时间点,所述问题数据的名称和数量,所述问题数据的信号值以及所述生成所述问题数据的控制器中的至少一个,实现了问题数据的精准定位以及问题严重程度的自动化统计,提高了测试效率和测试结果的精准度。
本实施例中,所述测试结果是通过对路试数据进行运算得到的,能够支持测试人员根据驾乘感受判断得到的结果,避免了不同的测试人员对同样的问题进行测试时的驾乘感受不同而产生的分歧,保证了测试结果的一致性。另外,所述路试数据的采集,对所述路试数据筛选得到问题点数据,以及生成测试结果都是自动完成,显著提高了整个测试过程的数据处理效率。
本申请实施例提供的高级驾驶辅助***功能的测试方法,通过获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据,进而根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。在对高级驾驶辅助***功能进行测试时不但利用了CAN总线数据,还利用了ADAS传感器数据,提高了ADAS传感器数据的利用率,并使得测试结果更加准确。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试方法。下面结合实施例和附图对该方法的具体实现进行描述和说明。
第二实施例
参见图2,该图为本申请实施例二提供的一种高级驾驶辅助***功能的测试方法的流程图。本实施例提供的高级驾驶辅助***功能的测试方法,包括前述的步骤S102~步骤S106。
如图2所示,在本实施例中,所述步骤S102具体为:对所述CAN总线数据和ADAS传感器数据进行采集和融合处理,获得所述路试车辆的路试数据。
本实施例中,由于所述CAN总线数据和所述ADAS传感器数据来源不同,所以两种数据的数据格式和采集数据的时间戳也可能会不同,在对所述路试数据进行运算时就会无法处理。所以对所述CAN总线数据和所述ADAS传感器数据进行融合处理,统一两种数据的格式和时间戳,得到所述路试数据,便于对所述路试数据进行运算。
需要说明的是,可以CAN总线数据为标准,当然也可以ADAS传感器数据为标准,或者自行确定一个标准对两种数据的格式和时间戳进行统一,此处不做限制。例如,CSV格式广泛用于不同体系结构的应用程序之间交换数据表格信息,能解决不兼容数据格式的互通问题,可将两种数据的格式统一为CSV格式。
本实施例中,将所述CAN总线数据和所述ADAS传感器数据进行融合得到所述路试数据,极大地提高了ADAS传感器数据的利用率和价值,弥补了现有技术中ADAS传感器数据利用率低的缺陷。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试方法。下面结合实施例和附图对该方法的具体实现进行描述和说明。
第三实施例
参见图3,该图为本申请实施例三提供的一种高级驾驶辅助***功能的测试方法的流程图。本实施例提供的高级驾驶辅助***功能的测试方法,包括前述的步骤S102~步骤S106。
其中,步骤S102可以采用实施例二中所述的实现方式,或者采用其他实现方式。
如图3所示,在本实施例中,所述步骤S104之前,所述方法还包括:
步骤S103、对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点和/或微小颠簸数据。
本实施例中,在进行数据采集时可能会出现一些空白点,在所述路试数据中会显示字母或者符号,而非数字。因此通过对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点,避免了非数值坏点对所述测试结果造成影响,保证了测试结果的准确性。
在一具体实施方式中,可采用数据清洗脚本对所述路试数据进行数值检测,去除检测到的非数值坏点。当然还可以采用其他方式去除所述路试数据中的非数值坏点,此处不做限制。
本实施例中,在进行数据采集时,可能因为一些原因导致所述路试数据中存在一些微小颠簸数据。例如,当所述路试车辆处于静止状态,但是所述路试车辆的加速度传感器由于所述路试车辆的震动而输出一些微小的跳变数据,可能会在0至0.03之间变化。因此,通过对所述路试数据进行预处理操作,去除所述路试数据中的微小颠簸数据,避免了所述微小颠簸数据对所述测试结果造成影响,保证了所述测试结果的准确性。
在一具体实施方式中,可采用频谱分析法对所述路试数据进行频域分析,确定所述路试数据的滤波通带和抑止频带,然后根据所述路试数据的滤波通带和抑止频带,采用低通滤波器根据所述滤波通带和抑止频带过滤所述路试数据中的所述微小颠簸数据。当然还可以采用其他方式去除所述路试数据中的微小颠簸数据,此处不做限制。
需要说明的是,可以只去除所述路试数据中的非数值坏点,也可以只去除所述路试数据中的微小颠簸数据,优选地,为了保证所述测试结果的准确性,同时去除所述路试数据中的非数值坏点和微小颠簸数据。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试方法。下面结合实施例和附图对该方法的具体实现进行描述和说明。
第四实施例
参见图4,该图为本申请实施例四提供的一种高级驾驶辅助***功能的测试方法的流程图。本实施例提供的高级驾驶辅助***功能的测试方法,包括前述的步骤S102~步骤S106。其可以包括步骤S103,或不包括步骤S103。
其中,步骤S102可以采用实施例二中所述的实现方式,或者采用其他实现方式。
如图4所示,在本实施例中,所述步骤S104包括以下子步骤:
步骤S1041、将所述路试数据导入所述问题模型,遍历所述问题模型的逻辑分支。
步骤S1042、若未通过所述问题模型的逻辑分支测试,则返回问题数据并退出所述逻辑分支测试。
本实施例中,所述逻辑分支包括以下至少其一:信号状态逻辑分支、阈值设定逻辑分支。
在一具体实施方式中,可通过所述信号状态逻辑分支对所述路试数据进行运算,将所述路试数据中的信号数据与所述信号状态逻辑分支中的标准信号数据进行比对。若所述路试数据中的信号数据与所述标准信号数据不一致,则说明所述路试数据中的信号数据没有通过所述问题模型的逻辑分支测试,则将所述路试数据中的信号数据作为问题数据返回,并退出所述信号状态逻辑分支。若所述路试数据中的信号数据与所述标准信号数据一致,则说明所述路试数据中的信号数据通过了所述问题模型的逻辑分支测试,则返回空值并退出所述信号状态逻辑分支。通过所述信号状态逻辑分支对所述路试数据进行运算,可准确定位所述路试数据中的问题数据,以及所述问题数据的发生时间和发生的逻辑原因,实现了所述高级驾驶辅助功能的问题精准定位,提高了测试结果的准确性。
在一具体实施方式中,可通过所述阈值设定逻辑分支对所述路试数据进行运算,将所述路试数据与所述阈值设定逻辑分支中对应的阈值进行比对。若所述路试数据没有超过所述阈值,则说明所述路试数据通过了所述问题模型的阈值设定逻辑分支的测试,则返回空值,并退出所述阈值设定逻辑分支。若所述路试数据超过所述阈值,则说明所述路试数据没有通过所述问题模型的阈值设定逻辑分支的测试,则将所述路试数据作为问题数据返回,并退出所述阈值设定逻辑分支。本实施例中,所述阈值是将测试人员的驾乘感受进行数据化得到的,使得筛选所述问题数据时标准更加客观,保证了测试结果的客观性和一致性。
本实施例中,所述问题模型包括下述至少其一:所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型。
本实施例中,所述路试车辆的传感器感知数据校验模型针对的问题包括所述路试车辆的ADAS控制器对外界路况环境感知产生的问题,例如感知与前车车距是否灵敏等问题。所述驾乘感受和/或功能合理性决策校验模型针对的问题包括所述路试车辆的ADAS控制器对于感知到的外界路况环境做出的控制决策的问题,例如当与前车的车距过小时,控制车速是否合适等问题。所述控制器决策输出校验模型针对的问题包括所述路试车辆的ADAS控制器传出的指令到达其他控制器及硬件后被服从和执行的问题,例如所述路试车辆的ADAS控制器传出减速的指令,刹车控制器和油门控制器执行是否及时等问题。
优选地,将所述路试数据分别导入所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型,从而实现了ADAS问题的全面测试,使得测试结果更加准确。
在一具体实施方式中,所述路试车辆的传感器感知数据校验模型对应的标准信号数据可以为从所述路试车辆上采集到的标准传感器数据。例如,测试人员可在所述路试车辆上另外安装比所述高级驾驶辅助***的传感器精度更高的相同类型的传感器,然后通过对精度更高的相同类型的传感器进行数据采集,得到所述标准信号数据。当然所述传感器感知数据校验模型对应的标准信号数据的设定方法可以采用其他方法,此处不做限定。
在一具体实施方式中,所述驾乘感受和/或功能合理性决策校验模型对应的标准信号数据可以是根据所述路试车辆的路试数据,得到所述路试车辆的标准决策输出数据,作为所述标准信号数据。例如,测试人员根据车辆路试数据中的车距数据,得到所述路试车辆的标准决策输出数据为控制油门,与所述路试数据中的实际决策输出数据进行校对,判断所述路试数据中的实际决策输出数据是否准确。当然所述驾乘感受和/或功能合理性决策校验模型对应的标准信号数据的设定方法可以采用其他方法,此处不做限定。
在一具体实施方式中,所述控制器决策输出校验模型对应的标准信号数据可以是所述路试车辆的总控输出数据。例如,将所述路试车辆的总控输出数据与所述路试数据中控制器输出数据进行校验,判断所述路试数据中控制器输出数据是否及时以及稳定。当然所述控制器决策输出校验模型对应的标准信号数据的设定方法可以采用其他方法,此处不做限定。
在一具体实施方式中,所述路试车辆的传感器感知数据校验模型对应的阈值可以根据所述ADAS开发设计参数、国内外的ADAS认证标准和规范以及根据数值模型对历史路试数据进行处理中的至少一种方式确定的。其中,根据数值模型对历史路试数据进行处理具体为:从所述历史路试数据中筛选出所述路试车辆的传感器感知数据校验模型对应的历史路试数据,然后将所述路试车辆的传感器感知数据校验模型对应的历史路试数据导入所述数值模型,统计出所述路试车辆的传感器感知数据校验模型对应的历史路试数据中每个信号值出现的频数,形成频数分布表,并确定所述路试车辆的传感器感知数据校验模型对应的历史路试数据中问题数据中的信号值在所述频数分布表中的分布情况,根据分布情况确定能够覆盖65%到99%问题数据的信号值的阈值。
本实施例中,根据所述历史路试数据和所述数值模型得到所述问题模型的阈值,将测试人员的驾乘感受进行数据化,使得测试结果更加客观和准确。
需要说明的是,所述驾乘感受和/或功能合理性决策校验模型和所述控制器决策输出校验模型对应的阈值与所述路试车辆的传感器感知数据校验模型的阈值设定方法类似,此处不再赘述。
本实施例中,现有技术中根据测试人员的驾乘感受确定所述高级驾驶辅助***功能出现的问题,大多只能感受到控制器决策输出方面的问题,并不能针对所述高级驾驶辅助***功能在传感器感知方面的问题和驾乘感受和/或功能合理性决策方面的问题进行测试。所以,通过所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型和控制器决策输出校验模型对所述路试数据进行逻辑分支测试,实现了对所述高级驾驶辅助***功能进行全方面问题测试,得到的测试结果更加准确。
可选的,在将所述路试数据导入所述问题模型之前,还可对所述路试数据进行分割,得到与所述问题模型对应的路试数据,然后再将所述问题模型对应的路试数据导入所述问题模型。通过对所述路试数据进行分割,降低了数据维度,使得所述问题模型在对所述路试数据进行逻辑分支测试时,简化了所述逻辑分支的数据运算量,提高了测试效率。
本实施例中,在从所述路试数据中筛选出所述问题数据时不再是按照测试人员的驾乘感受确定,而是根据问题模型的逻辑分支测试从所述路试数据中筛选出所述问题数据,保证了测试结果的客观性和一致性,并且测试结果更加准确。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试方法。下面结合实施例和附图对该方法的具体实现进行描述和说明。
第五实施例
参见图5,该图为本申请实施例五提供的一种高级驾驶辅助***功能的测试方法的流程图。本实施例提供的高级驾驶辅助***功能的测试方法,包括前述的步骤S102~步骤S106。其可以包括步骤S103,或不包括步骤S103。
其中,步骤S102可以采用实施例二中所述的实现方式,或者采用其他实现方式。步骤S104可以采用实施例四中所述的实现方式,或者采用其他实现方式。
如图5所示,在本实施例中,所述步骤S106之后,所述方法还包括:
步骤S107、通过图表区域和/或数据透视表,将所述路试车辆的测试结果进行分析与可视化处理。
本实施例中,可视化处理具体可以为将所述测试结果包括的所述问题数据发生的精确时间点,所述问题数据的名称和数量,所述问题数据的信号值以及所述生成所述问题数据的控制器中的至少一个通过图表区域和/或数据表展示给测试人员,便于测试人员查看测试结果,并对测试结果进行分析,从而提高测试效率。
基于前述实施例提供的高级驾驶辅助***功能的测试方法,相应地,本申请还提供一种高级驾驶辅助***功能的测试装置。下面结合附图和实施例对该装置的具体实现进行描述。
第六实施例
参见图6,该图为本申请实施例六提供的一种高级驾驶辅助***功能的测试装置的结构框图。
如图6所示,本实施例提供的高级驾驶辅助***功能的测试装置,包括:
数据获取模块602,用于获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据。
本实施例中,所述CAN总线数据包括所述路试车辆的控制器局域网络(ControllerArea Network,简称CAN)总线数据。ADAS传感器数据包括所述路试车辆的高级驾驶辅助***的传感器数据,例如激光雷达的数据、摄像头数据等。
在一具体实施方式中,可以采用CAN卡和数据融合采集工控机采集所述CAN总线数据和ADAS传感器数据,当然在其他实施例中也可以采用其他方式获取所述路试数据,此处不做限制。
本实施例中,考虑到现有技术中,在对所述高级驾驶辅助***功能进行测试时,大多依赖测试人员的驾乘感受确定所述高级驾驶辅助***功能出现的问题,对所述ADAS传感器数据利用率较低。因此,本申请的测试方法中获得的路试数据中包括所述ADAS传感器数据,极大地提高了ADAS传感器数据的利用率和价值,弥补了现有技术中ADAS传感器数据利用率低的缺陷。
数据运算模块604,用于根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据。
本实施例中,在对所述高级驾驶辅助***进行测试时,可能出现多种问题,例如,驾驶平顺性问题和跟车距离稳定性问题等。所以所述问题模型可以针对所有问题对所述路试数据进行运算,当然也可以针对某一问题对所述路试数据进行运算。当所述问题模型针对某一问题对所述路试数据进行运算时,为了能够针对所有问题对所述高级驾驶辅助***进行测试,优选地,所述问题模型的数量与问题数量一致。
本实施例中,通过问题模型自动对所述路试数据进行运算,得到所述问题数据,不再需要测试人员判断所述路试数据是否为问题数据,降低了测试过程中的人力成本,提高了测试效率,另外也避免了测试人员判断所述路试数据是否为问题数据时,遗漏问题数据,保证了测试结果的准确性。
结果生成模块606,用于根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。
本实施例中,所述测试结果包括所述问题数据发生的精确时间点,所述问题数据的名称和数量,所述问题数据的信号值以及所述生成所述问题数据的控制器中的至少一个,实现了问题数据的精准定位以及问题严重程度的自动化统计,提高了测试效率和测试结果的精准度。
本实施例中,所述测试结果是通过对路试数据进行运算得到的,能够支持测试人员根据驾乘感受判断得到的结果,避免了不同的测试人员对同样的问题进行测试时的驾乘感受不同而产生的分歧,保证了测试结果的一致性。另外,所述路试数据的采集,对所述路试数据筛选得到问题点数据,以及生成测试结果都是自动完成,显著提高了整个测试过程的数据处理效率。
本申请实施例提供的高级驾驶辅助***功能的测试装置,通过获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据,进而根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。在对高级驾驶辅助***功能进行测试时不但利用了CAN总线数据,还利用了ADAS传感器数据,提高了ADAS传感器数据的利用率,并使得测试结果更加准确。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试装置。下面结合实施例和附图对该装置的具体实现进行描述和说明。
第七实施例
参见图7,该图为本申请实施例七提供的一种高级驾驶辅助***功能的测试装置的结构框图。本实施例提供的高级驾驶辅助***功能的测试装置,包括前述的数据获取模块602、数据运算模块604、结果生成模块606。
如图7所示,本实施例中,所述数据获取模块602具体用于对所述CAN总线数据和ADAS传感器数据进行采集和融合处理,获得所述路试车辆的路试数据。
本实施例中,由于所述CAN总线数据和所述ADAS传感器数据来源不同,所以两种数据的数据格式和采集数据的时间戳也可能会不同,在对所述路试数据进行运算时就会无法处理。所以对所述CAN总线数据和所述ADAS传感器数据进行融合处理,统一两种数据的格式和时间戳,得到所述路试数据,便于对所述路试数据进行运算。
需要说明的是,可以CAN总线数据为标准,当然也可以ADAS传感器数据为标准,或者自行确定一个标准对两种数据的格式和时间戳进行统一,此处不做限制。例如,CSV格式广泛用于不同体系结构的应用程序之间交换数据表格信息,能解决不兼容数据格式的互通问题,可将两种数据的格式统一为CSV格式。
本实施例中,将所述CAN总线数据和所述ADAS传感器数据进行融合得到所述路试数据,极大地提高了ADAS传感器数据的利用率和价值,弥补了现有技术中ADAS传感器数据利用率低的缺陷。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试装置。下面结合实施例和附图对该装置的具体实现进行描述和说明。
第八实施例
参见图8,该图为本申请实施例八提供的一种高级驾驶辅助***功能的测试装置的结构框图。本实施例提供的高级驾驶辅助***功能的测试装置,包括前述的数据获取模块602、数据运算模块604、结果生成模块606。其中所述数据获取模块602可以采用实施例七中的具体实现方式,或采用其他具体实现方式。
如图8所示,在本实施例中,所述测试装置还包括预处理模块603,用于对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点和/或微小颠簸数据。
本实施例中,在进行数据采集时可能会出现一些空白点,在所述路试数据中会显示字母或者符号,而非数字。因此通过对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点,避免了非数值坏点对所述测试结果造成影响,保证了测试结果的准确性。
在一具体实施方式中,可采用数据清洗脚本对所述路试数据进行数值检测,去除检测到的非数值坏点。当然还可以采用其他方式去除所述路试数据中的非数值坏点,此处不做限制。
本实施例中,在进行数据采集时,可能因为一些原因导致所述路试数据中存在一些微小颠簸数据。例如,当所述路试车辆处于静止状态,但是所述路试车辆的加速度传感器由于所述路试车辆的震动而输出一些微小的跳变数据,可能会在0至0.03之间变化。因此,通过对所述路试数据进行预处理操作,去除所述路试数据中的微小颠簸数据,避免了所述微小颠簸数据对所述测试结果造成影响,保证了所述测试结果的准确性。
在一具体实施方式中,可采用频谱分析法对所述路试数据进行频域分析,确定所述路试数据的滤波通带和抑止频带,然后根据所述路试数据的滤波通带和抑止频带,采用低通滤波器根据所述滤波通带和抑止频带过滤所述路试数据中的所述微小颠簸数据。当然还可以采用其他方式去除所述路试数据中的微小颠簸数据,此处不做限制。
需要说明的是,可以只去除所述路试数据中的非数值坏点,也可以只去除所述路试数据中的微小颠簸数据,优选地,为了保证所述测试结果的准确性,同时去除所述路试数据中的非数值坏点和微小颠簸数据。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试装置。下面结合实施例和附图对该装置的具体实现进行描述和说明。
第九实施例
参见图9,该图为本申请实施例九提供的一种高级驾驶辅助***功能的测试装置的结构框图。本实施例提供的高级驾驶辅助***功能的测试装置包括前述的数据获取模块602、数据运算模块604、结果生成模块606。其可以包括预处理模块603,或不包括预处理模块603。
其中,所述数据获取模块602可以采用实施例七中的具体实现方式,或采用其他具体实现方式。
如图9所示,在本实施例中,所述数据运算模块604进一步用于:
将所述路试数据导入所述问题模型,遍历所述问题模型的逻辑分支;
若未通过所述问题模型的逻辑分支测试,则返回问题数据并退出所述逻辑分支测试。
本实施例中,所述逻辑分支包括以下至少其一:信号状态逻辑分支、阈值设定逻辑分支。
在一具体实施方式中,可通过所述信号状态逻辑分支对所述路试数据进行运算,将所述路试数据中的信号数据与所述信号状态逻辑分支中的标准信号数据进行比对。若所述路试数据中的信号数据与所述标准信号数据不一致,则说明所述路试数据中的信号数据没有通过所述问题模型的逻辑分支测试,则将所述路试数据中的信号数据作为问题数据返回,并退出所述信号状态逻辑分支。若所述路试数据中的信号数据与所述标准信号数据一致,则说明所述路试数据中的信号数据通过了所述问题模型的逻辑分支测试,则返回空值并退出所述信号状态逻辑分支。通过所述信号状态逻辑分支对所述路试数据进行运算,可准确定位所述路试数据中的问题数据,以及所述问题数据的发生时间和发生的逻辑原因,实现了所述高级驾驶辅助功能的问题精准定位,提高了测试结果的准确性。
在一具体实施方式中,可通过所述阈值设定逻辑分支对所述路试数据进行运算,将所述路试数据与所述阈值设定逻辑分支中对应的阈值进行比对。若所述路试数据没有超过所述阈值,则说明所述路试数据通过了所述问题模型的阈值设定逻辑分支的测试,则返回空值,并退出所述阈值设定逻辑分支。若所述路试数据超过所述阈值,则说明所述路试数据没有通过所述问题模型的阈值设定逻辑分支的测试,则将所述路试数据作为问题数据返回,并退出所述阈值设定逻辑分支。本实施例中,所述阈值是将测试人员的驾乘感受进行数据化得到的,使得筛选所述问题数据时标准更加客观,保证了测试结果的客观性和一致性。
本实施例中,所述问题模型包括下述至少其一:所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型。
本实施例中,所述路试车辆的传感器感知数据校验模型针对的问题包括所述路试车辆的ADAS控制器对外界路况环境感知产生的问题,例如感知与前车车距出现的问题。所述驾乘感受和/或功能合理性决策校验模型针对的问题包括所述路试车辆的ADAS控制器对于感知到的外界路况环境做出的控制决策的问题,例如当与前车的车距过小时,控制车速出现的问题。所述控制器决策输出校验模型针对的问题包括所述路试车辆的ADAS控制器传出的指令到达其他控制器及硬件后被服从和执行的问题,例如所述路试车辆的ADAS控制器传出减速的指令,刹车控制器和油门控制器执行出现的问题。
优选地,将所述路试数据分别导入所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型,从而实现了ADAS问题的全面测试,使得测试结果更加准确。
在一具体实施方式中,所述路试车辆的传感器感知数据校验模型对应的标准信号数据可以为从所述路试车辆上采集到的标准传感器数据。例如,测试人员可在所述路试车辆上另外安装比所述高级驾驶辅助***的传感器精度更高的相同类型的传感器,然后通过对精度更高的相同类型的传感器进行数据采集,得到所述标准信号数据。当然所述传感器感知数据校验模型对应的标准信号数据的设定方法可以采用其他方法,此处不做限定。
在一具体实施方式中,所述驾乘感受和/或功能合理性决策校验模型对应的标准信号数据可以是根据所述路试车辆的路试数据,得到所述路试车辆的标准决策输出数据,作为所述标准信号数据。例如,测试人员根据车辆路试数据中的车距数据,得到所述路试车辆的标准决策输出数据为控制油门,与所述路试数据中的实际决策输出数据进行校对,判断所述路试数据中的实际决策输出数据是否准确。当然所述驾乘感受和/或功能合理性决策校验模型对应的标准信号数据的设定方法可以采用其他方法,此处不做限定。
在一具体实施方式中,所述控制器决策输出校验模型对应的标准信号数据可以是所述路试车辆的总控输出数据。例如,将所述路试车辆的总控输出数据与所述路试数据中控制器输出数据进行校验,判断所述路试数据中控制器输出数据是否及时以及稳定。当然所述控制器决策输出校验模型对应的标准信号数据的设定方法可以采用其他方法,此处不做限定。
在一具体实施方式中,所述路试车辆的传感器感知数据校验模型对应的阈值可以根据所述ADAS开发设计参数、国内外的ADAS认证标准和规范以及根据数值模型对历史路试数据进行处理中的至少一种方式确定的。其中,根据数值模型对历史路试数据进行处理具体为:从所述历史路试数据中筛选出所述路试车辆的传感器感知数据校验模型对应的历史路试数据,然后将所述路试车辆的传感器感知数据校验模型对应的历史路试数据导入所述数值模型,统计出所述路试车辆的传感器感知数据校验模型对应的历史路试数据中每个信号值出现的频数,形成频数分布表,并确定所述路试车辆的传感器感知数据校验模型对应的历史路试数据中问题数据中的信号值在所述频数分布表中的分布情况,根据分布情况确定能够覆盖65%到99%问题数据的信号值的阈值。
本实施例中,根据所述历史路试数据和所述数值模型得到所述问题模型的阈值,将测试人员的驾乘感受进行数据化,使得测试结果更加客观和准确。
需要说明的是,所述驾乘感受和/或功能合理性决策校验模型和所述控制器决策输出校验模型对应的阈值与所述路试车辆的传感器感知数据校验模型的阈值设定方法类似,此处不再赘述。
本实施例中,现有技术中根据测试人员的驾乘感受确定所述高级驾驶辅助***功能出现的问题,大多只能感受到控制器决策输出方面的问题,并不能针对所述高级驾驶辅助***功能在传感器感知方面的问题和驾乘感受和/或功能合理性决策方面的问题进行测试。所以,通过所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型和控制器决策输出校验模型对所述路试数据进行逻辑分支测试,实现了对所述高级驾驶辅助***功能进行全方面问题测试,得到的测试结果更加准确。
可选的,在将所述路试数据导入所述问题模型之前,还可对所述路试数据进行分割,得到与所述问题模型对应的路试数据,然后再将所述问题模型对应的路试数据导入所述问题模型。通过对所述路试数据进行分割,降低了数据维度,使得所述问题模型在对所述路试数据进行逻辑分支测试时,简化了所述逻辑分支的数据运算量,提高了测试效率。
本实施例中,在从所述路试数据中筛选出所述问题数据时不再是按照测试人员的驾乘感受确定,而是根据问题模型的逻辑分支测试从所述路试数据中筛选出所述问题数据,保证了测试结果的客观性和一致性,并且测试结果更加准确。
在前述实施例基础上,本申请还提供另一种高级驾驶辅助***功能的测试装置。下面结合实施例和附图对该装置的具体实现进行描述和说明。
第十实施例
参见图10,该图为本申请实施例十提供的一种高级驾驶辅助***功能的测试装置的结构框图。本实施例提供的高级驾驶辅助***功能的测试装置,包括前述的数据获取模块602、数据运算模块604、结果生成模块606。其可以包括预处理模块603,或不包括预处理模块603。
其中,所述数据获取模块602可以采用实施例七中的具体实现方式,或采用其他具体实现方式。所述数据运算模块604可以采用实施例九中的具体实现方式,或采用其他具体实现方式。
如图10所示,在本实施例中,所述测试装置还包括可视化模块607,用于通过图表区域和/或数据透视表,将所述路试车辆的测试结果进行分析与可视化处理。
本实施例中,可视化处理具体可以为将所述测试结果包括的所述问题数据发生的精确时间点,所述问题数据的名称和数量,所述问题数据的信号值以及所述生成所述问题数据的控制器中的至少一个通过图表区域和/或数据表展示给测试人员,便于测试人员查看测试结果,并对测试结果进行分析,从而提高测试效率。
需要说明的是,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,对于设备及***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的设备及***实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元提示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (14)
1.一种高级驾驶辅助***功能的测试方法,其特征在于,包括:
获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;
根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据;
根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。
2.根据权利要求1所述的方法,其特征在于,所述获取路试车辆的路试数据具体为:
对所述CAN总线数据和ADAS传感器数据进行采集和融合处理,获得所述路试车辆的路试数据。
3.根据权利要求1所述的方法,其特征在于,所述对所述路试数据进行问题测试,确定所述路试数据中的问题数据之前还包括:
对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点和/或微小颠簸数据。
4.根据权利要求1-3任一所述的方法,其特征在于,所述根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据包括:
将所述路试数据导入所述问题模型,遍历所述问题模型的逻辑分支;
若未通过所述问题模型的逻辑分支测试,则返回问题数据并退出所述逻辑分支测试。
5.根据权利要求4所述的方法,其特征在于,所述逻辑分支包括以下至少其一:
信号状态逻辑分支、阈值设定逻辑分支。
6.根据权利要求1-3任一所述的方法,其特征在于,所述问题模型包括下述至少其一:所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型。
7.根据权利要求1-3任一所述的方法,其特征在于,所述方法还包括:
通过图表区域和/或数据透视表,将所述路试车辆的测试结果进行分析与可视化处理。
8.一种高级驾驶辅助***功能的测试装置,其特征在于,包括:
数据获取模块,用于获取路试车辆的路试数据,所述路试数据包括CAN总线数据和ADAS传感器数据;
数据运算模块,用于根据问题模型对所述路试数据进行运算,筛选出所述路试数据中的问题数据;
结果生成模块,用于根据所述问题数据生成对所述路试车辆的高级驾驶辅助***功能的测试结果。
9.根据权利要求8所述的装置,其特征在于,所述数据获取模块具体用于:
对所述CAN总线数据和ADAS传感器数据进行采集和融合处理,获得所述路试车辆的路试数据。
10.根据权利要求8所述的装置,其特征在于,所述装置还包括预处理模块,用于对所述路试数据进行预处理操作,去除所述路试数据中的非数值坏点和/或微小颠簸数据。
11.根据权利要求8-10所述的装置,其特征在于,所述数据运算模块进一步用于:
将所述路试数据导入所述问题模型,遍历所述问题模型的逻辑分支;
若未通过所述问题模型的逻辑分支测试,则返回问题数据并退出所述逻辑分支测试。
12.根据权利要求11所述的装置,其特征在于,所述逻辑分支包括以下至少其一:
信号状态逻辑分支、阈值设定逻辑分支。
13.根据权利要求8-10所述的装置,其特征在于,所述问题模型包括下述至少其一:所述路试车辆的传感器感知数据校验模型、驾乘感受和/或功能合理性决策校验模型、控制器决策输出校验模型。
14.根据权利要求8-10任一所述的装置,其特征在于,所述装置还包括可视化模块,用于通过图表区域和/或数据透视表,将所述路试车辆的测试结果进行分析与可视化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919741.2A CN112558581A (zh) | 2019-09-26 | 2019-09-26 | 高级驾驶辅助***功能的测试方法和测试装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910919741.2A CN112558581A (zh) | 2019-09-26 | 2019-09-26 | 高级驾驶辅助***功能的测试方法和测试装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112558581A true CN112558581A (zh) | 2021-03-26 |
Family
ID=75030146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910919741.2A Pending CN112558581A (zh) | 2019-09-26 | 2019-09-26 | 高级驾驶辅助***功能的测试方法和测试装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112558581A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047361A (zh) * | 2022-01-11 | 2022-02-15 | 深圳佑驾创新科技有限公司 | 一种adas视觉设备的校验*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130226400A1 (en) * | 2012-02-29 | 2013-08-29 | Anthony Gerald King | Advanced diver assistance system feature performance using off-vehicle communications |
CN105388021A (zh) * | 2015-10-21 | 2016-03-09 | 重庆交通大学 | Adas虚拟开发与测试*** |
CN106681329A (zh) * | 2017-01-20 | 2017-05-17 | 深圳大图科创技术开发有限公司 | 一种车辆自动驾驶*** |
CN106864351A (zh) * | 2017-01-17 | 2017-06-20 | 盐城师范学院 | 一种基于计算机视觉的夜间车辆行驶辅助照明*** |
CN107992016A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试方法 |
CN108844754A (zh) * | 2018-08-10 | 2018-11-20 | 安徽江淮汽车集团股份有限公司 | 用于评估高级驾驶员辅助***的测试装置 |
CN208848375U (zh) * | 2018-10-19 | 2019-05-10 | 北京经纬恒润科技有限公司 | 一种路试信息采集*** |
-
2019
- 2019-09-26 CN CN201910919741.2A patent/CN112558581A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130226400A1 (en) * | 2012-02-29 | 2013-08-29 | Anthony Gerald King | Advanced diver assistance system feature performance using off-vehicle communications |
CN105388021A (zh) * | 2015-10-21 | 2016-03-09 | 重庆交通大学 | Adas虚拟开发与测试*** |
CN107992016A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试方法 |
CN106864351A (zh) * | 2017-01-17 | 2017-06-20 | 盐城师范学院 | 一种基于计算机视觉的夜间车辆行驶辅助照明*** |
CN106681329A (zh) * | 2017-01-20 | 2017-05-17 | 深圳大图科创技术开发有限公司 | 一种车辆自动驾驶*** |
CN108844754A (zh) * | 2018-08-10 | 2018-11-20 | 安徽江淮汽车集团股份有限公司 | 用于评估高级驾驶员辅助***的测试装置 |
CN208848375U (zh) * | 2018-10-19 | 2019-05-10 | 北京经纬恒润科技有限公司 | 一种路试信息采集*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047361A (zh) * | 2022-01-11 | 2022-02-15 | 深圳佑驾创新科技有限公司 | 一种adas视觉设备的校验*** |
CN114047361B (zh) * | 2022-01-11 | 2022-04-05 | 深圳佑驾创新科技有限公司 | 一种adas视觉设备的校验*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190301979A1 (en) | Abnormality detection system, support device, and abnormality detection method | |
CN111130890A (zh) | 一种网络流量动态预测*** | |
CN110809280B (zh) | 一种铁路无线网络质量的检测预警方法及装置 | |
CN112558581A (zh) | 高级驾驶辅助***功能的测试方法和测试装置 | |
CN108377209A (zh) | 基于scada的设备故障检测***和检测方法 | |
CN114326677A (zh) | 车机测试方法及装置 | |
CN110823596B (zh) | 一种测试方法和装置、电子设备和计算机可读存储介质 | |
CN112034820A (zh) | 基于云端的硬件在环***测试方法、***以及存储介质 | |
CN111780799A (zh) | 一种仪表数据验证方法及装置 | |
KR20130074403A (ko) | 계측기 신뢰성 평가 장치 및 그의 동작 방법 | |
CN114858482A (zh) | 一种车身耐撞性的检测方法及装置 | |
CN111428345B (zh) | 一种随机性负载扰动控制***的性能评价***及方法 | |
CN112699490B (zh) | 一种车辆维修结果验证方法和装置 | |
CN110971483B (zh) | 一种压力测试的方法、装置及计算机*** | |
CN111474293B (zh) | 一种青枯病菌溶液测定方法及测定*** | |
CN110181511B (zh) | 机器人零点丢失检测及辅助零点校准的方法及*** | |
CN108595824B (zh) | 一种链路信号仿真方法及*** | |
CN112781556A (zh) | 一种基于多数据融合滤波的井盖异动监测方法和装置 | |
CN112857419A (zh) | 一种基于车辆多传感器的数据测试方法及装置 | |
CN104598704A (zh) | 基于卡尔曼滤波法的检测数据融合方法 | |
CN112506749B (zh) | 一种硬盘报错信息的现场区分方法和*** | |
CN113447045B (zh) | 一种惯性***精度可靠度分析方法及*** | |
CN117208053A (zh) | 虚拟编组下运行间距测试方法、装置、设备及介质 | |
CN112903306A (zh) | 一种汽车线上数字智能模拟试驾安全性能测试*** | |
CN110567523A (zh) | 一种基于车联网***的区域温湿度检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |