CN114323693A - 车路云感知***的测试方法、装置、设备及存储介质 - Google Patents
车路云感知***的测试方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114323693A CN114323693A CN202111662910.2A CN202111662910A CN114323693A CN 114323693 A CN114323693 A CN 114323693A CN 202111662910 A CN202111662910 A CN 202111662910A CN 114323693 A CN114323693 A CN 114323693A
- Authority
- CN
- China
- Prior art keywords
- test
- sensing
- perception
- information
- cloud
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 141
- 238000010998 test method Methods 0.000 title claims description 12
- 238000012360 testing method Methods 0.000 claims abstract description 290
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000004927 fusion Effects 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims description 27
- 230000006872 improvement Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 2
- 238000009825 accumulation Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车路云感知***的测试方法、装置、电子设备及存储介质。该方法包括：获取云端生成的对预设的测试区域的测试感知信息；其中，测试感知信息包括云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合得到；基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；其中，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。本发明实施例的技术方案，可以对***整体从感知精度和召回率等方面进行测试，避免了单独部件的测试结果累加造成的测试误差，提高了测试结果的准确度，更好地对***进行评价。
Description
技术领域
本发明实施例涉及车辆感知技术领域，尤其涉及一种车路云感知***的测试方法、装置、设备及存储介质。
背景技术
随着汽车新四化的产业升级，智能网联汽车成为未来汽车的发展方向，“人–车–路–云”***协同能力建设是未来智能汽车示范应用工作的重要目标。如何对车路云感知***进行全面充分的功能验证和性能评价，成为确保车路云感知***的性能的十分重要的环节。
现有技术中，车辆测试主要面向单车的感知***，缺少对搭载车路云感知***的整车进行测试的方法。或者，通常的测试方式为对车辆中的对应的感知硬件在搭建的测试环境中进行测试，但单独部件的测试结果不能体现出整车的性能，基于单独部件的测试结果无法对车路云感知***进行准确地评价。
发明内容
本发明实施例提供了一种车路云感知***的测试方法、装置、电子设备及存储介质，以实现对***整体从感知精度和召回率等方面进行测试，提高测试结果的准确度，更好地对***进行评价。
第一方面，本发明实施例提供了一种车路云感知***的测试方法，获取云端生成的对预设的测试区域的测试感知信息；其中，所述测试感知信息包括云端基于车载传感器和路侧传感器分别对所述测试区域采集到的测试图像进行信息融合得到；
基于所述测试感知信息和预先存储的对所述测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；
其中，所述测试项包括位置感知精度、召回率和正例感知精度中的至少一项。
第二方面，本发明实施例还提供了一种车路云感知***的测试装置，该装置包括：
获取测试感知信息模块，用于获取云端生成的对预设的测试区域的测试感知信息；其中，所述测试感知信息包括云端基于车载传感器和路侧传感器分别对所述测试区域采集到的测试图像进行信息融合得到；
确定测试数据模块，用于基于所述测试感知信息和预先存储的对所述测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；
其中，所述测试项包括位置感知精度、召回率和正例感知精度中的至少一项。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的车路云感知***的测试方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的车路云感知***的测试方法。
本发明实施例所提供的一种车路云感知***的测试方法，云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合，得到测试感知信息，获取云端生成的测试感知信息，通过测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，实现了对车路云感知***的测试，其中，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。本发明实施例提供的车路云感知***的测试方法，可对***整体从感知精度和召回率等方面进行测试，避免了单独部件的测试结果累加造成的测试误差，提高了测试结果的准确度，能够更好地对***进行评价。
此外，本发明所提供的一种车路云感知***的测试装置、电子设备及存储介质与上述方法对应，具有同样的有益效果。
附图说明
为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，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他的附图。
图1为本发明实施例提供的一种车路云感知***的测试方法的流程图；
图2为本发明实施例提供的另一种车路云感知***的测试方法的流程图；
图3为本发明实施例提供的一种车路云感知***的结构图；
图4为本发明实施例提供的一种车辆的结构图；
图5为本发明实施例提供的一种路侧设备的结构图；
图6为本发明实施例提供的一种云控平台的结构图；
图7为本发明实施例提供的一种车路云感知***的测试装置的结构图；
图8为本发明实施例提供的一种电子设备的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
实施例一
图1为本发明实施例提供的一种车路云感知***的测试方法的流程图。该方法可以由车路云感知***的测试装置来执行，该装置可以通过软件和/或硬件来实现，可配置于终端和/或服务器中来实现本发明实施例中的车路云感知***的测试方法。
如图1所示，本实施例的方法具体可包括：
S101、获取云端生成的对预设的测试区域的测试感知信息。
可选的，测试感知信息包括云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合得到。在具体实施中，车端传感器和路侧传感器分别包括视觉传感器、激光雷达、毫米波雷达和超声波雷达中的至少一项。通过车端传感器可采集到测试区域的车端感知信息，路侧传感器可采集到测试区域的路侧感知信息。云端可获取车端传感器发送的车端感知信息和路侧传感器发送的路侧感知信息，并对车端感知信息和路侧感知信息进行信息融合处理，从而生成测试感知信息。需要说明的是，测试区域为设定的包含有障碍物的路面区域。本领域技术人员可根据实际应用情况，选定测试区域，对此本发明实施例不作限定。
通过测试感知信息能够从车端和路侧端两个角度，全面的确定出测试区域中障碍物信息。障碍物包括行人、自行车、机动车、交通设施等，障碍物信息包括障碍物位置、尺寸、速度、加速度、航向角、距离等。
S102、基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据。
在具体实施中，可通过人为确定的方式预先确定出测试区域的实际感知信息，并对实际感知信息进行存储。需要说明的是，实际感知信息为测试区域中实际存在的障碍物信息。通过将测试感知信息和实际感知信息进行对比，确定出测试区域中车路云感知***的各测试项对应的测试数据。
可选的，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。其中，位置感知精度可反映出车路云感知***感知出的障碍物的位置的准确度。
可选的，测试感知信息包括测试区域中的各感知目标的感知位置信息，实际感知信息包括测试区域中的各感知目标的实际位置信息；其中，基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，包括：计算各测试区域中的各感知目标的感知位置信息与实际位置信息之间的交并比值；基于各感知目标对应的交并比值确定车路云感知***的位置感知精度的测试数据。
在具体实施中，感知目标为测试区域中的障碍物。感知位置信息包括感知目标的位置和尺寸。在确定感知目标在测试区域中的位置时，可通过边缘切割的方式确定出感知目标的边缘切割线，基于边缘切割线确定出感知目标的位置信息。进一步的，可通过实际确定出的测试区域中的感知目标的实际切割线，确定感知目标的实际位置信息。
具体的，当测试区域中包含有两个或两个以上的感知目标时，可在各感知目标中确定出一个用于计算车辆云感知***的位置感知精度的测试数据；也可对各感知目标均计算位置感知精度的测试数据，对各测试数据取平均值作为车路云感知***的位置感知精度的测试数据。
进一步的，可通过计算各测试区域中的各感知目标的感知位置信息与实际位置信息之间的交并比值；基于各感知目标对应的交并比值确定车路云感知***的位置感知精度的测试数据。示例性的，计算感知结果中感知目标的感知切割线和实际切割线之间的交并比值，将该交并比值确定为位置感知精度的测试数据；交并比值越高，则说明对感知目标的感知结果越准确。
进一步的，在确定车路云感知***的位置感知精度的测试数据时，还可感知切割线构成的感知面积与实际切割线构成的实际面积之间的交并比值，将该交并比值确定为车路云感知***的位置感知精度的测试数据。
可选的，测试感知信息包括测试区域中的各感知目标的感知正例信息和感知负例信息，实际感知信息包括测试区域中的各感知目标的实际正例信息和实际负例信息；其中，基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，包括：基于实际正例信息、感知正例信息和感知负例信息，确定各感知目标被正确划分为正例的第一数量和被错误划分为负例的第二数量；计算第一数量和第二数量之和，将第一数量与和值的比值确定为车路云感知***的召回率的测试数据。
在具体实施中，设第一数量为TP，第二数量为FN，则可确定出：
召回率＝TP/(TP+FN)
可选的，实际感知信息还包括实际负例信息，其中，基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，包括：基于实际正例信息、实际负例信息、感知正例信息和感知负例信息，确定各感知目标被错误划分为正例的第三数量；计算第一数量与第三数量之和，将第一数量与第一数量与第三数量的和值的比值确定为车路云感知***的正例感知精度的测试数据。
具体的，设第三数量为FP，表示实际为负例，但被错误化为正例的数量。基于第一数量TP和第三数量FP可确定出：
正例感知精度＝TP/(TP+FP)
本发明实施例所提供的一种车路云感知***的测试方法，云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合，得到测试感知信息，获取云端生成的测试感知信息，通过测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，实现了对车路云感知***的测试，其中，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。本发明实施例提供的车路云感知***的测试方法，可对***整体从感知精度和召回率等方面进行测试，避免了单独部件的测试结果累加造成的测试误差，提高了测试结果的准确度，更好地对***进行评价。
实施例二
图2为本发明实施例提供的另一种车路云感知***的测试方法的流程图。本实施例以上述各技术方案为基础进行优化。可选的，本发明实施例提供的方法还包括：获取车端接收到的云端下发的感知数据；其中，感知数据包含有车端预先上传至云端的采集数据和对应的上传时间戳；确定车端接收到感知数据的车端本地时间，计算感知数据中的上传时间戳和车端本地时间之间的时间差，将时间差确定为车云感知通讯延时。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。
如图2所示，本实施例的方法具体可包括：
S201、获取云端生成的对预设的测试区域的测试感知信息。
S202、基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据。
S203、获取车端接收到的云端下发的感知数据。
可选的，感知数据包含有车端预先上传至云端的采集数据和对应的上传时间戳。采集数据可为车端传感器采集到的测试图像，即在上传测试图像至云端时，可确定出上传时间戳，同时将上传时间戳发送至云端。
云端基于上传的测试图像确定出测试感知信息后，为指导车辆运行，可将测试感知信息反馈至车端。示例性的，可将测试感知信息与上传时间戳封装至JSON串中下发到车端。
S204、确定车端接收到感知数据的车端本地时间，计算感知数据中的上传时间戳和车端本地时间之间的时间差，将时间差确定为车云感知通讯延时。
具体的，确定车端接收到感知数据的车端本地时间，基于车端接收到的JSON串确定出上传时间戳，计算上传时间戳和车端本地时间之间的时间差，将时间差确定为车云感知通讯延时。通过通讯延时，实现了对车路云感知***处理信息的能力的测试。
进一步的，为提高确定通讯延时的准确度，可计算多组感知数据的车端本地时间和上传时间戳的时间差，对多组时间差计算平均值，将平均值确定为车路云感知***的通讯时延，从而减少计算误差。
进一步的，还可获取路侧接收到的云端下发的感知数据。确定路侧接收到感知数据的路侧本地时间，计算感知数据中的路侧上传采集数据时的上传时间戳和路侧本地时间之间的时间差，将时间差确定为路云感知通讯延时。
可选的，本发明实施例提供的方法，还包括：以车载传感器或路侧传感器所在位置为中心位置，按照预设步长确定当前感知范围；计算车路云感知***在当前感知范围对应的召回率，确定召回率是否小于预设阈值；如果否，则按照预设步长扩大当前感知范围，并确定扩大后的当前感知范围对应的召回率；如果是，则确定当前感知范围为车路云感知***的最大感知范围。
具体的，可将车载传感器或路侧传感器所在位置为中心位置，按照预设步长确定当前感知范围。示例性的，预设步长可为20米，将中心位置设为圆心，预设步长为半径的圆形区域确定为当前感知范围。确定当前感知范围对应的召回率，确定召回率是否小于预设阈值，预设阈值可为90％。如果否，则说明在确保满足召回率要求的情况下，还可以增大车路云感知***的感知范围；则可再次按照预设步长扩大当前感知范围，例如，由半径20米扩大为半径40米的圆形区域；并再次确定当前感知范围的召回率；直到确定出的召回率首次小于预设阈值时，确定出此时的当前感知范围为最大感知范围。
可选的，本发明实施例提供的方法，还包括：确定单端传感器在进行感知时确定出的最大感知范围；其中，单端传感器包括车载传感器和路侧传感器；计算车路云感知***对应的最大感知范围与单端传感器对应的最大感知范围的差值；计算差值与单端传感器对应的最大感知范围的比值，将比值确定为车路云感知***相对于单端传感器的感知范围提升率。进一步的，可通过百分制的方式体现感知范围提升率。
进一步的，可确定***正例感知精度、车端正例感知精度和路侧正例感知精度。车端正例感知精度和路侧正例感知精度可称为单端正例感知精度；则***的感知精度提升率计算公式如下：
具体的，可从感知范围提升率和感知精度提升率两个角度，对车路云感知***的感知性能进行评价。
本发明实施例还可从通讯延时和最大感知范围两个角度对车路云感知***进行测试，更好地体现出车路云感知***的性能；并且，基于确定出的感知范围提升率和感知精度提升率，更好地将车路云感知***与单端感知进行比较，直观、清楚地对车路云感知***进行评价。
实施例三
上文中对于车路云感知***的测试方法对应的实施例进行了详细描述，为了使本领域技术人员进一步清楚本方法的技术方案，下文中对车路云感知***中的各组成结构进行详细描述。
图3为本发明实施例提供的一种车路云感知***的结构图；如图3所示，本发明实施例提供的车路云感知***包括：驾驶车辆、路侧设备和云控平台。其中，车辆可进行联网，具备感知、决策、控制、通信等能力，将车况数据、感知数据、故障信息等发送至云控平台。云控平台具备联网设备接入、分布式计算、分布式存储等能力，将确定出的感知数据、决策结果、控制指令等反馈至车辆；路侧设备具备感知、决策、通信等能力，将感知到的感知数据、交通信息、道路信息等发送至云控平台；驾驶车辆和路侧设备之间可实现车况数据、感知数据、交通信息、道路信息等信息通讯。
图4为本发明实施例提供的一种车辆的结构图；如图4所示，车辆搭载感知部件、控制部件、执行部件、车载计算单元、通信单元、定位单元等，各部件通过车内网关进行路由通信。其中，感知部件一般指视觉传感器、激光雷达、毫米波雷达、超声波雷达等，用于对车辆周围环境感知，识别周围障碍物信息，包括障碍物位置、尺寸、速度、加速度、航向角、距离等，以辅助车辆进行路径规划决策和运动控制；控制部件一般指整车控制器、车身控制器等，主要用于根据接收到的指令，执行相应的控制逻辑，实现对执行部件的控制；执行部件主要执行控制器发出的控制指令，如左转向、打开车灯等；车载计算单元是感知、决策、规划等算法的运算中心，主要实现视频处理、点云处理、多源数据融合、目标识别、目标跟踪、目标预测等功能，并融合车辆接收到的感知数据、决策信息或者控制指令，最终计算得到车辆的控制信息；通信单元主要用于车辆与远车、路侧设备和云控平台的通信，实现数据传输和交互，根据不同的应用场景，具备4G、5G、V2X等通信能力；定位单元用于提供车辆位置信息，可通过GNSS(全球导航卫星***)、惯性导航、5G定位等单一定位或多种定位方式融合技术，实现车辆的精准定位。
图5为本发明实施例提供的一种路侧设备的结构图；如图5所示，路侧设备用于提供路侧感知信息、交通信息、道路信息，路侧设备搭载感知部件、计算单元、通信单元、定位单元、红绿灯单元等。其中，感知部件一般指视觉传感器、激光雷达、毫米波雷达、超声波雷达等，主要用于对道路及交通环境感知，包括识别道路交通事件(如交通事故等)、车辆异常行为(超速、驶离车道等)、道路障碍物(如落石、枯枝等)及路面状况(如积水、结冰等)、交通拥堵状态等信息，以补偿车辆感知盲区，提供道路及交通信息辅助车辆驾驶；计算单元主要用于实现传感器数据处理、多传感数据融合、交通事件判断、交通拥堵状态计算等；通信单元主要用于路侧设备与车辆和云控平台的通信，实现数据传输和交互，根据不同的应用场景，需具备4G、5G、V2X等通信能力；定位单元用于提供路侧位置信息，可通过GNSS、惯性导航、5G定位等单一定位或多种定位方式融合技术，实现路侧设备的精准定位；红绿灯单元主要用于提供红绿灯相位信息，通过通信单元将红绿灯信息发送给云平台或经过路口的车辆，实现红绿灯信息的提前感知。
图6为本发明实施例提供的一种云控平台的结构图；如图6所示，云控平台用于进行联网设备接入、分布式计算、分布式存储等操作，采用微服务架构和分布式计算集群，实现云服务开发和集成部署，为车路云感知***提供云端强大的计算能力和存储能力。云控平台主要由设备接入网关、微服务管理、公共组建、应用服务和接口等组成。设备接入网关主要用于车辆和路侧设备等联网设备接入、安全认证、请求路由、负载均衡，快速地实现车辆、路侧与云服务之间可靠、高并发的数据通信。微服务管理平台主要用于提供应用全生命周期管理，实现服务注册与发现、服务调用连追踪、服务监控等功能；公共组件主要用于为上层应用服务提供消息订阅、数据存储、日志采集等基础服务，通过集成kafka、Redis、Mysql和ELK等适用于分布式***的组件实现；应用服务主要用于实现数据采集、数据融合、时空同步、协同感知、数据下发等应用开发，采用微服务架构，每个应用即为一个独立的微服务，微服务之间采用轻量级协议进行通信，每个服务单独对外提供API接口，用于客户端进行服务访问。
本发明实施例提供的车路云感知***中的各组成结构，能够基于车端、路侧采集到的环境信息，对环境中的障碍物进行识别，提高了识别的精确度和有效性。
实施例四
图7为本发明实施例提供的一种车路云感知***的测试装置的结构图，该装置用于执行上述任意实施例所提供的车路云感知***的测试方法。该装置与上述各实施例的车路云感知***的测试方法属于同一个发明构思，在车路云感知***的测试装置的实施例中未详尽描述的细节内容，可以参考上述车路云感知***的测试方法的实施例。该装置具体可包括：
获取测试感知信息模块10，用于获取云端生成的对预设的测试区域的测试感知信息；其中，测试感知信息包括云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合得到；
确定测试数据模块11，用于基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；
其中，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。
在本发明实施例中任一可选技术方案的基础上，可选的，测试感知信息包括测试区域中的各感知目标的感知位置信息，实际感知信息包括测试区域中的各感知目标的实际位置信息；其中，确定测试数据模块11，包括：
计算交并比值单元，用于计算各测试区域中的各感知目标的感知位置信息与实际位置信息之间的交并比值；基于各感知目标对应的交并比值确定车路云感知***的位置感知精度的测试数据。
在本发明实施例中任一可选技术方案的基础上，可选的，测试感知信息包括测试区域中的各感知目标的感知正例信息和感知负例信息，实际感知信息包括测试区域中的各感知目标的实际正例信息和实际负例信息；其中，确定测试数据模块11，包括：
确定召回率单元，用于基于实际正例信息、感知正例信息和感知负例信息，确定各感知目标被正确划分为正例的第一数量和被错误划分为负例的第二数量；计算第一数量和第二数量之和，将第一数量与和值的比值确定为车路云感知***的召回率的测试数据。
在本发明实施例中任一可选技术方案的基础上，可选的，实际感知信息还包括实际负例信息，其中，确定测试数据模块11，包括：
确定正例感知精度单元，用于基于实际正例信息、实际负例信息、感知正例信息和感知负例信息，确定各感知目标被错误划分为正例的第三数量；计算第一数量与第三数量之和，将第一数量与第一数量与第三数量的和值的比值确定为车路云感知***的正例感知精度的测试数据。
在本发明实施例中任一可选技术方案的基础上，可选的，该装置还包括：
确定最大感知范围模块，用于以车载传感器或路侧传感器所在位置为中心位置，按照预设步长确定当前感知范围；计算车路云感知***在当前感知范围对应的召回率，确定召回率是否小于预设阈值；如果否，则按照预设步长扩大当前感知范围，并确定扩大后的当前感知范围对应的召回率；如果是，则确定当前感知范围为车路云感知***的最大感知范围。
在本发明实施例中任一可选技术方案的基础上，可选的，该装置还包括：
确定感知范围提升率模块，用于确定单端传感器在进行感知时确定出的最大感知范围；其中，单端传感器包括车载传感器和路侧传感器；计算车路云感知***对应的最大感知范围与单端传感器对应的最大感知范围的差值；计算差值与单端传感器对应的最大感知范围的比值，将比值确定为车路云感知***相对于单端传感器的感知范围提升率。
在本发明实施例中任一可选技术方案的基础上，可选的，该装置还包括：
确定通讯时延模块，用于获取车端接收到的云端下发的感知数据；其中，感知数据包含有车端预先上传至云端的采集数据和对应的上传时间戳；确定车端接收到感知数据的车端本地时间，计算感知数据中的上传时间戳和车端本地时间之间的时间差，将时间差确定为车云感知通讯延时。
本发明实施例所提供的一种车路云感知***的测试装置，能够实现如下方法；获取云端生成的对预设的测试区域的测试感知信息；其中，测试感知信息包括云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合得到；基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；其中，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。本发明实施例提供的车路云感知***的测试装置，可对***整体从感知精度和召回率等方面进行测试，避免了单独部件的测试结果累加造成的测试误差，提高了测试结果的准确度，更好地对***进行评价。
值得注意的是，上述车路云感知***的测试装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例五
图8为本发明实施例提供的一种电子设备的结构图。图8示出了适于用来实现本发明实施例实施方式的示例性电子设备20的框图。显示的电子设备20仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，电子设备20以通用计算设备的形式表现。电子设备20的组件可以包括但不限于：一个或者多个处理器或者处理单元201，***存储器202，连接不同***组件(包括***存储器202和处理单元201)的总线203。
总线203表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备20典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备20访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器202可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)204和/或高速缓存存储器205。电子设备20可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***206可以用于读写不可移动的、非易失性磁介质。可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线203相连。存储器202可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块207的程序/实用工具208，可以存储在例如存储器202中，这样的程序模块207包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块207通常执行本发明所描述的实施例中的功能和/或方法。
电子设备20也可以与一个或多个外部设备209(例如键盘、指向设备、显示器210等)通信，还可与一个或者多个使得用户能与该电子设备20交互的设备通信，和/或与使得该电子设备20能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口211进行。并且，电子设备20还可以通过网络适配器212与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器212通过总线203与电子设备20的其它模块通信。应当明白，可以结合电子设备20使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元201通过运行存储在***存储器202中的程序，从而执行各种功能应用以及数据处理。
本发明所提供的一种电子设备，能够实现如下方法：获取云端生成的对预设的测试区域的测试感知信息；其中，测试感知信息包括云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合得到；基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；其中，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。本发明实施例可对***整体从感知精度和召回率等方面进行测试，避免了单独部件的测试结果累加造成的测试误差，提高了测试结果的准确度，更好地对***进行评价。
实施例六
本发明实施例提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种车路云感知***的测试方法，该方法包括：
获取云端生成的对预设的测试区域的测试感知信息；其中，测试感知信息包括云端基于车载传感器和路侧传感器分别对测试区域采集到的测试图像进行信息融合得到；基于测试感知信息和预先存储的对测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；其中，测试项包括位置感知精度、召回率和正例感知精度中的至少一项。本发明实施例可对***整体从感知精度和召回率等方面进行测试，避免了单独部件的测试结果累加造成的测试误差，提高了测试结果的准确度，更好地对***进行评价。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的车路云感知***的测试方法中的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车路云感知***的测试方法，其特征在于，包括：
获取云端生成的对预设的测试区域的测试感知信息；其中，所述测试感知信息包括云端基于车载传感器和路侧传感器分别对所述测试区域采集到的测试图像进行信息融合得到；
基于所述测试感知信息和预先存储的对所述测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；
其中，所述测试项包括位置感知精度、召回率和正例感知精度中的至少一项。
2.根据权利要求1所述的方法，其特征在于，所述测试感知信息包括所述测试区域中的各感知目标的感知位置信息，所述实际感知信息包括所述测试区域中的各感知目标的实际位置信息；其中，
所述基于所述测试感知信息和预先存储的对所述测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，包括：
计算各所述测试区域中的各所述感知目标的所述感知位置信息与所述实际位置信息之间的交并比值；
基于各所述感知目标对应的交并比值确定车路云感知***的所述位置感知精度的测试数据。
3.根据权利要求1所述的方法，其特征在于，所述测试感知信息包括所述测试区域中的各感知目标的感知正例信息和感知负例信息，所述实际感知信息包括所述测试区域中的各感知目标的实际正例信息和实际负例信息；其中，
所述基于所述测试感知信息和预先存储的对所述测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，包括：
基于所述实际正例信息、所述感知正例信息和所述感知负例信息，确定各所述感知目标被正确划分为正例的第一数量和被错误划分为负例的第二数量；
计算所述第一数量和第二数量之和，将所述第一数量与和值的比值确定为所述车路云感知***的所述召回率的测试数据。
4.根据权利要求3所述的方法，其特征在于，所述实际感知信息还包括实际负例信息，其中，
所述基于所述测试感知信息和预先存储的对所述测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据，包括：
基于所述实际正例信息、实际负例信息、所述感知正例信息和所述感知负例信息，确定各所述感知目标被错误划分为正例的第三数量；
计算所述第一数量与所述第三数量之和，将所述第一数量与所述第一数量与所述第三数量的和值的比值确定为所述车路云感知***的所述正例感知精度的测试数据。
5.根据权利要求1所述的方法，其特征在于，还包括：
以所述车载传感器或所述路侧传感器所在位置为中心位置，按照预设步长确定当前感知范围；
计算车路云感知***在所述当前感知范围对应的召回率，确定所述召回率是否小于预设阈值；
如果否，则按照所述预设步长扩大所述当前感知范围，并确定扩大后的当前感知范围对应的召回率；
如果是，则确定所述当前感知范围为所述车路云感知***的最大感知范围。
6.根据权利要求5所述的方法，其特征在于，还包括：
确定单端传感器在进行感知时确定出的最大感知范围；其中，所述单端传感器包括车载传感器和路侧传感器；
计算车路云感知***对应的最大感知范围与所述单端传感器对应的最大感知范围的差值；
计算所述差值与所述单端传感器对应的最大感知范围的比值，将所述比值确定为所述车路云感知***相对于所述单端传感器的感知范围提升率。
7.根据权利要求1所述的方法，其特征在于，还包括：
获取车端接收到的云端下发的感知数据；其中，所述感知数据包含有所述车端预先上传至所述云端的采集数据和对应的上传时间戳；
确定车端接收到所述感知数据的车端本地时间，计算所述感知数据中的所述上传时间戳和所述车端本地时间之间的时间差，将所述时间差确定为车云感知通讯延时。
8.一种车路云感知***的测试装置，其特征在于，包括：
获取测试感知信息模块，用于获取云端生成的对预设的测试区域的测试感知信息；其中，所述测试感知信息包括云端基于车载传感器和路侧传感器分别对所述测试区域采集到的测试图像进行信息融合得到；
确定测试数据模块，用于基于所述测试感知信息和预先存储的对所述测试区域的实际感知信息，确定出车路云感知***的各测试项的测试数据；
其中，所述测试项包括位置感知精度、召回率和正例感知精度中的至少一项。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的车路云感知***的测试方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的车路云感知***的测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111662910.2A CN114323693A (zh) | 2021-12-31 | 2021-12-31 | 车路云感知***的测试方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111662910.2A CN114323693A (zh) | 2021-12-31 | 2021-12-31 | 车路云感知***的测试方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114323693A true CN114323693A (zh) | 2022-04-12 |
Family
ID=81020673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111662910.2A Pending CN114323693A (zh) | 2021-12-31 | 2021-12-31 | 车路云感知***的测试方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114323693A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116824869A (zh) * | 2023-08-31 | 2023-09-29 | 国汽(北京)智能网联汽车研究院有限公司 | 车路云一体化交通融合感知测试方法、装置、***及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108762226A (zh) * | 2018-05-14 | 2018-11-06 | 济南浪潮高新科技投资发展有限公司 | 一种自动驾驶车辆测试方法、装置及*** |
| CN110287832A (zh) * | 2019-06-13 | 2019-09-27 | 北京百度网讯科技有限公司 | 高速自动驾驶场景障碍物感知评测方法及装置 |
| CN110519821A (zh) * | 2019-09-09 | 2019-11-29 | 贵州电网有限责任公司 | 一种智能配电网无线传感器网络簇头的选择方法 |
| CN111983935A (zh) * | 2020-08-19 | 2020-11-24 | 北京京东叁佰陆拾度电子商务有限公司 | 一种性能评测方法和装置 |
| CN112687107A (zh) * | 2021-03-15 | 2021-04-20 | 中智行科技有限公司 | 感知数据获取方法和装置 |
| CN112698421A (zh) * | 2020-12-11 | 2021-04-23 | 北京百度网讯科技有限公司 | 障碍物检测的测评方法、装置、设备以及存储介质 |
| CN112816954A (zh) * | 2021-02-09 | 2021-05-18 | 中国信息通信研究院 | 一种基于真值的路侧感知***评测方法和*** |
| WO2021203341A1 (zh) * | 2020-04-09 | 2021-10-14 | 华为技术有限公司 | 车辆感知的方法、装置和*** |
| CN113763738A (zh) * | 2021-09-14 | 2021-12-07 | 上海智能网联汽车技术中心有限公司 | 车路协同***路侧感知与车端感知实时匹配的方法及*** |
-
2021
- 2021-12-31 CN CN202111662910.2A patent/CN114323693A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108762226A (zh) * | 2018-05-14 | 2018-11-06 | 济南浪潮高新科技投资发展有限公司 | 一种自动驾驶车辆测试方法、装置及*** |
| CN110287832A (zh) * | 2019-06-13 | 2019-09-27 | 北京百度网讯科技有限公司 | 高速自动驾驶场景障碍物感知评测方法及装置 |
| CN110519821A (zh) * | 2019-09-09 | 2019-11-29 | 贵州电网有限责任公司 | 一种智能配电网无线传感器网络簇头的选择方法 |
| WO2021203341A1 (zh) * | 2020-04-09 | 2021-10-14 | 华为技术有限公司 | 车辆感知的方法、装置和*** |
| CN111983935A (zh) * | 2020-08-19 | 2020-11-24 | 北京京东叁佰陆拾度电子商务有限公司 | 一种性能评测方法和装置 |
| CN112698421A (zh) * | 2020-12-11 | 2021-04-23 | 北京百度网讯科技有限公司 | 障碍物检测的测评方法、装置、设备以及存储介质 |
| CN112816954A (zh) * | 2021-02-09 | 2021-05-18 | 中国信息通信研究院 | 一种基于真值的路侧感知***评测方法和*** |
| CN112687107A (zh) * | 2021-03-15 | 2021-04-20 | 中智行科技有限公司 | 感知数据获取方法和装置 |
| CN113763738A (zh) * | 2021-09-14 | 2021-12-07 | 上海智能网联汽车技术中心有限公司 | 车路协同***路侧感知与车端感知实时匹配的方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| ZHEHAN XU 等: "An Efficient Multi-Sensor Fusion Protocol in a Vehicle-Road Collaborative System", 《2021 IEEE/CIC INTERNATIONAL CONFERENCE ON COMMUNICATIONS IN CHINA (ICCC)》, 8 November 2021 (2021-11-08) * |
| 冯舒 等: "基于车路协同C-V2X技术设计与应用研究", 《汽车文摘》, 31 December 2020 (2020-12-31) * |
| 李奕安: "基于视觉融合与深度学习的智能道路协同感知方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 10, 15 October 2021 (2021-10-15), pages 24 - 25 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116824869A (zh) * | 2023-08-31 | 2023-09-29 | 国汽(北京)智能网联汽车研究院有限公司 | 车路云一体化交通融合感知测试方法、装置、***及介质 |
| CN116824869B (zh) * | 2023-08-31 | 2023-11-24 | 国汽(北京)智能网联汽车研究院有限公司 | 车路云一体化交通融合感知测试方法、装置、***及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109917765B (zh) | 一种基于自动驾驶***的网络架构的集散式域控制器*** | |
| US10311658B2 (en) | Unexpected impulse change collision detector | |
| JP7355877B2 (ja) | 車路協同自動運転の制御方法、装置、電子機器及び車両 | |
| US11724708B2 (en) | Fail-safe handling system for autonomous driving vehicle | |
| CN110796007B (zh) | 场景识别的方法与计算设备 | |
| CN209842367U (zh) | 一种基于自动驾驶***的网络架构的集散式域控制器*** | |
| CN112738171B (zh) | 车辆的控制方法、装置、***、设备及存储介质 | |
| GB2547999A (en) | Tracking objects within a dynamic environment for improved localization | |
| CN112673231A (zh) | 用于更新环境地图的方法、用于在交通工具侧实施该方法的方法步骤的设备、交通工具、用于在中央计算机侧实施该方法的方法步骤的设备以及计算机可读的存储介质 | |
| JP2020109655A (ja) | 交通手段の危険早期警告方法、装置、機器および媒体 | |
| US11587366B1 (en) | Systems and methods for selecting locations to validate automated vehicle data transmission | |
| EP3971865A1 (en) | Scenario identification in autonomous driving environments | |
| EP4083957A1 (en) | Navigation system with traffic state detection mechanism and method of operation thereof | |
| US11790781B2 (en) | Method and system for detecting slip accident using mobile device | |
| CN114323693A (zh) | 车路云感知***的测试方法、装置、设备及存储介质 | |
| CN114022973A (zh) | 一种车辆故障的处理方法、装置、设备以及存储介质 | |
| CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
| CN109017634B (zh) | 车载网络*** | |
| US20240240966A1 (en) | Information providing device and information providing method | |
| US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle | |
| EP4325419A1 (en) | Information processing method and information processing system | |
| EP4230494A1 (en) | System copmprising three groups of sensors | |
| US20240070056A1 (en) | Manufacture test system for computation hardware used in driverless vehicle | |
| CN114604241A (zh) | 车辆驾驶风险评估方法、装置、电子设备及边缘计算设备 | |
| CN116203506A (zh) | 一种检测自主车辆上的俯仰角的雷达安装误差的方法 |
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 |