CN114802284A - 车辆感知性能评价方法及*** - Google Patents
车辆感知性能评价方法及*** Download PDFInfo
- Publication number
- CN114802284A CN114802284A CN202210143669.0A CN202210143669A CN114802284A CN 114802284 A CN114802284 A CN 114802284A CN 202210143669 A CN202210143669 A CN 202210143669A CN 114802284 A CN114802284 A CN 114802284A
- Authority
- CN
- China
- Prior art keywords
- performance
- perception
- mathematical model
- vehicle
- environmental factors
- 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 76
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 230000007613 environmental effect Effects 0.000 claims abstract description 63
- 238000013178 mathematical model Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000004451 qualitative analysis Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims description 9
- 230000001149 cognitive effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/5205—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
- B60W2050/041—Built in Test Equipment [BITE]
- B60W2050/043—Testing equipment at KEY-ON
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车辆感知性能评价方法及***,其中,所述方法包括:对车辆的感知***进行定性分析,以获取表征感知***能力的性能指标以及与所述性能指标相关的环境因素;通过定量分析建立所述感知***的性能指标和所述环境因素之间的数学模型;检测所述数学模型的精度是否满足预设需求;若不满足,则重新获取所述数学模型;若满足,则根据所述数学模型对所述感知***进行评估。通过上述方式本发明能够建立车辆感知***的能力和外界环境因子之间的数学模型,该数学模型可以在感知***运行过程中,对感知***的能力进行实时评估。
Description
技术领域
本发明涉及车辆感知技术领域,特别涉及一种车辆感知性能评价方法及***。
背景技术
当前自动驾驶感知***是实现无人驾驶的重要模块,无人车辆通过感知***去感知周遭环境,进而将结果反馈给决策规划层,所以对于车辆感知***能力的评价是有必要的。
无人驾驶汽车感知***的组成为车身装载的各类传感器和车辆感知的融合算法。目前主要感知***的能力评价体系是通过真值***来验证无人驾驶车辆感知***性能的好坏,即通过标注的路测数据和感知***得到的感知数据进行匹配,进而得出感知***性能的优异。现有技术偏向考虑障碍物类型对感知***性能影响,但是忽略了周围环境对感知***的影响也是巨大的。因为环境因素,如雨量,雪量,能见度,对感知***中的传感器性能那的影响是不可忽视的。不同的环境条件下对同一个障碍物进行感知会得出差异巨大的感知***评价指标,如在能见度好的条件下光学视觉传感器测量车辆的准确率为100%,到一个能见度为0的环境下,光学视觉传感器测量同一个车辆的准确率则为0。
因此,亟需一种车辆感知性能评价方法及***来解决上述问题。
发明内容
本发明解决的技术问题在于,提供了一种车辆感知性能评价方法及***,能在车辆自动驾驶***在线运行时,可以通过外界环境,实时评估感知***的性能指标,实时评价当前感知***的性能优劣。
本发明解决其技术问题是采用以下的技术方案来实现的:
一种车辆感知性能评价方法,包括:对车辆的感知***进行定性分析,以获取表征感知***能力的性能指标以及与所述性能指标相关的环境因素;通过定量分析建立所述感知***的性能指标和所述环境因素之间的数学模型;检测所述数学模型的精度是否满足预设需求;若不满足,则重新获取所述数学模型;若满足,则根据所述数学模型对所述感知***进行评估。
在本发明的较佳实施例中,上述对车辆感知***进行定性分析,的步骤包括:获取所述感知***的应用场景;获取所述感知***中与所述应用场景相关的性能指标;获取在所述感知***运行过程中影响所述性能指标的所述环境因素;其中,所述性能指标包括以下中至少一项:测量类、统计类和最大性能类。
在本发明的较佳实施例中,上述获取在所述感知***运行过程中影响所述性能指标的所述环境因素,的步骤包括:获取所述感知***中各传感器信息;根据所述各传感器信息,获取影响所述感知***上各传感器性能的所述环境因素。
在本发明的较佳实施例中,上述对车辆的感知***进行定性分析,以获取表征感知***能力的性能指标以及与所述性能指标相关的环境因素,的步骤包括:获取所述感知***的***特征,所述***特征包括感知传感器的配置、感知原数据预处理算法和感知认知算法;根据所述***特征获取所述感知***的所述性能指标;获取影响所述性能指标的所述环境因素。
在本发明的较佳实施例中,上述环境因素包括以下中至少一项:天气、道路环境、目标物体和自车状态。
在本发明的较佳实施例中,上述根据定量分析建立所述感知***和环境因素之间的数学模型,的步骤包括:量化或归一化所述环境因素;根据预设策略和预存数据建立所述环境因素与单一传感器对应的性能指标之间的数学关系;根据各类性能指标及应用场景,对感知***性能进行定量分析,并建立数学模型。
在本发明的较佳实施例中,上述通过定量分析建立所述感知***和环境因素之间的数学模型,的步骤包括:获取各环境因素对性能指标之间的影响;通过加权求和建立各环境因素与性能指标之间的数学关系,并通过层次分析法获取各环境因素权重之比;根据所述层次分析法确定所述感知***整体表现和融合后性能指标之间的数学模型。
在本发明的较佳实施例中,上述方法还包括:根据所述感知***的评价结果,确认无人驾驶车辆的安全性能。
本发明的另一目的在于,提供了一种车辆感知性能评价***,使用上述中任一所述的车辆感知性能评价方法。
本发明采用上述技术方案达到的技术效果是:建立了感知***能力和外界环境因子之间的数学模型,该数学模型可以在感知***运行过程中,对感知***的能力进行实时评估,其评估结果可以作为自动驾驶***能力的一部分,为自动驾驶***正常运行、或降级、或有条件退出提供基础数据。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明。
附图说明
图1为本发明实施例示出的一种车辆感知性能评价方法的流程图;
图2为本发明实施例示出的感知***定性、定量分析示意图;
图3为本发明实施例示出的感知***中传感器召回率的计算示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明的实施例保护的范围。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,而且所附图式仅是提供参考与说明之用,并非用来对本发明加以限制。
图1为本发明实施例示出的一种车辆感知性能评价方法的流程图。图2为本发明实施例示出的感知***定性、定量分析示意图。图3为本发明实施例示出的感知***中各传感器召回率的计算示意图。
请结合图1至图3参阅下述实施方式。如图1所示,本发明示出的车辆感知性能评价方法,包括以下步骤:
步骤S11:对车辆的感知***进行定性分析,以获取表征感知***能力的性能指标以及与性能指标相关的环境因素;
具体地,车辆感知***,可以是单传感器组成的感知***,也可以是多类型、多个传感器组成的感知***。
具体地,感知***性能指标为根据其使用场景,评估感知***各方面表现的性能指标,主要包括测量类指标、统计类指标和最大性能类,但并不限于此。
可选地,定性分析包括:获取与所述感知***的应用场景相关的各类性能指标;获取在所述感知***运行过程中影响所述各类性能指标的环境因素。
可选地,获取在所述感知***运行过程中影响所述各类性能指标的环境因素,的步骤包括:根据所述感知***中搭载的各传感器的特点信息,获取影响各传感器性能的环境因素。
可选地,获取车辆感知***的性能指标,并对所述性能指标进行定性分析,的步骤包括:获取所述感知***的***特征,所述***特征包括感知传感器的配置、感知原数据预处理算法和感知认知算法;根据所述***特征获取所述感知***的所述性能指标;根据所述感知***的应用场景,对所述性能指标进行定性分析。
示例性地,首先针对被评估感知***的特点,对其性能进行定性分析和定量分析,分析样例如图2所示。
定性分析步骤1:结合被评估的感知***的特征(包括感知传感器的配置、感知原数据预处理算法和感知认知算法),识别表征感知***能力的性能指标。性能指标包括,测量类(例如,横向\纵向测距误差、横向\纵向测速误差、横向\纵向测加速度误差、航向角误差和测量尺寸误差等),统计类(例如,漏检率、误检率和精准率等),最大性能类(例如,传感器最远探测距离等)。
定性分析步骤2:一般感知***是由多种传感器,如激光雷达、摄像头、毫米波雷达和超声波雷达组成。通过针对组成感知***的各个传感器的特点,分析导致其性能下降的环境因素,进行列举。其中,环境因素包括:道路结构、交通设施、暂时的施工设置、目标物体、天气、数字信息和自车状态等。
通过上述定性分析,提出了与感知***使用场景相关的各类评价指标,以及影响该感知***运行过程中各指标表现的场景内的环境因素。
步骤S12:通过定量分析建立感知***的性能指标和环境因素之间的数学模型;
具体地,环境因素为影响感知***性能的各类感知***外部的影响因素,主要包括天气(降雨量,能见度,光照强度,光照变化,光照角度,降雪量,温度,雾和霾等),道路环境(隧道,建筑密集路段,建筑稀疏路段和其他遮挡等),目标物体(人,车,障碍物,交通标识路牌和交通线等),自车状态 (速度,加速度,加加速度,姿态角,角速度和角加速度等)。
可选地,根据定量分析建立所述感知***和环境因素之间的数学模型,的步骤包括:量化或归一化所述环境因素;根据预设策略和预存数据建立所述环境因素与单一传感器对应的性能指标之间的数学关系;根据各类性能指标及应用场景,对感知***性能进行定量分析,并建立数学模型。
可选地,过定量分析建立所述感知***和环境因素之间的数学模型,的步骤包括:获取各环境因素对性能指标之间的影响;通过加权求和建立各环境因素与性能指标之间的数学关系,并通过层次分析法获取各环境因素权重之比;根据所述层次分析法确定所述感知***整体表现和融合后性能指标之间的数学模型。
示例性地,定量分析步骤1:首先量化或归一化环境因素,对连续变量如降雨量进行归一化,对语意描述性变量如是否在弯路上进行量化。然后根据经验和预存数据建立环境因素与单一传感器对应的性能指标之间的数学关系。由于感知***的输出结果由各单一传感器输出结果融合获得,故最后需根据感知***融合算法的特点,评估不同单一传感器性能指标对融合后感知***整体的性能指标的影响,并建立对应的数学模型。例如,先分别对雨、雪、雾等与激光雷达、摄像头和毫米波雷达的召回率的关系进行了定量分析,后对三类传感器的召回率对融合后感知结果的召回率进行定量分析,建立分析模型。
定量分析步骤2:通过综合各类指标,结合感知***的应用场景,对感知***性能进行定量分析,并建立数学模型。例如,综合图2中的感知性能指标,定量评价各性能指标对感知***在其应用场景下正常稳定工作的影响,建立数学模型。
针对定量分析步骤1,以下使用召回率为例,仅考虑光照、降雨量和温度的影响对两种方案进行描述,过程如图3。
假设光照、降雨量和温度对召回率的影响为线性的,且三者影响互相独立不干扰。则对于某单一传感器的召回率有:
Cr,c=ω1r1+ω2r2+ω3r3+bias#(1)
其中Cr,c为某单一传感器的召回率,在此例中为激光雷达Cr,1、毫米波雷达 Cr,2和光学摄像头Cr,3;
ωi为环境因素权重;
ri为归一化环境变量,目的为消除量纲便于后续求解,当ri等于1时意味着在此环境因素下且单一变量下所得到性能为最佳,反之当ri等于0意味着性能最差;
i为环境因素个数,其中1代表温度,2代表雨量,3代表光照强度;bias为线性偏差项。
该方案的关键在于如何求解权重。理论上可以只通过测试的方法获得全部的权重,但是由于测试的局限性,测试数据有限。但是单个传感器的性能最佳的点和性能最差的点(失效点)是容易获得的则有:
Cr,c,max=ω1+ω2+ω3+bias#(2)
Cr,c,min=bias#(3)
而通过层次分析法,使用专家经验对各因素影响召回率的重要性进行排列,可以获得各个权重之间的权重系数之比。则有:
ω1:ω2:ω3=k1:k2:k3#(4)
最后求解各权重为:
对于融合后的召回率,再次进行假设:
假设当、某一物体至少被三个传感器中的两个感知到,则认定为被感知,则通过概率计算,获得融合后的召回率
Cr=Cr,1Cr,2+Cr,2Cr,3+Cr,1Cr,3-2Cr,1Cr,2Cr,3#(8)
具体地,定量分析,第一步使用线性独立假设描述各环境因素对性能指标之间的影响。第二步,选用加权求和的方式建立各环境因素与性能指标之间的数学关系,且使用层次分析法获得各环境因素权重之比。第三步针对测量类性能指标,选用最优估计方法,针对统计类性能指标,选用概率推断方法。第四步选用层次分析法确定***整体表现和融合后性能指标之间的数学模型。
通过上述定量分析步骤,建立了感知***能力和外界环境因子之间的数学模型,通过该数学模型可以在感知***运行过程中,对感知***的能力进行实时评估。
步骤S13:检测所述数学模型的精度是否满足预设需求;
步骤S14:若满足,则根据所述数学模型对所述感知***进行评估;
步骤S15:若不满足,则重新获取所述数学模型。
可选地,在获取到数学模型后,对数学模型的精度进行检测。在该数学模型的精度大于或等于阈值时,确认该数学模型满足使用需求。在该数学模型的精度小于阈值时,重新获取测试数据,并标定数学模型。
可选地,本发明所述的方法还包括:根据所述感知***的评价结果,确认无人驾驶车辆的安全性能。
由于车辆行驶过程中所处的环境是不断变化的,因此感知***中传感器的性能也会因为环境因数的变化而时刻波动,如光照,能见度,雨量,雪量等都会对传感器性能造成影响,从而可能导致无人驾驶感知***的失效,最终导致事故的发生,影响自动驾驶的安全性。
本发明提供的车辆感知性能评估方法,从环境因素波动和感知***传感器性能波动的角度出发,计算二者之间的映射关系,建立了感知***能力和外界环境因子之间的数学模型。从而当自动驾驶***在线运行时,可以通过外界环境,实时评估感知***的性能指标,实时评价当前感知***的性能优劣。其评估结果可以作为自动驾驶***能力的一部分,为自动驾驶***正常运行、或降级、或有条件退出提供基础数据。
通过专家打分法规避了大量的测试不易获得的数据,转而变为需求较为容易获得最大和最小性能指标,以及当时的环境因素作为输出。从而规避掉了特定场景设定以及前期的大量投入。
除此之外舍弃了复杂的传感器融合的算法,以最优状态估计以及概率论的方法进行传感器性能指标融合。这样既简化了***的模型,也达到了融合后优化性能指标的目的。
通过式(1)确定的方程,我们可以在任何时刻任何场景推断出当前感知***性能的波动大小,从而评价自车性能的好坏从而对自车安全性能做进一步的评估。
本发明还提供一种车辆感知性能评价***,使用上述中任一所述的车辆感知性能评价方法。
一方面,本发明提出了多种获得上述映射关系的方法;另一方面,本发明还提出了一种车辆感知性能评价***,用于获取上述映射关系。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或网络设备等)执行本发明实施例各个实施场景所述的方法。
以上结合附图详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式中的具体细节,上述实施例及附图是示例性的,附图中的模块或流程并不一定是实施本发明实施例所必须的,不能理解为对本发明的限制,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型和组合,这些简单变型和组合均属于本发明的保护范围。
Claims (9)
1.一种车辆感知性能评价方法,其特征在于,所述方法包括:
对车辆的感知***进行定性分析,以获取表征所述感知***能力的性能指标以及与所述性能指标相关的环境因素;
通过定量分析建立所述感知***的性能指标和所述环境因素之间的数学模型;
检测所述数学模型的精度是否满足预设需求;
若不满足,则重新获取所述数学模型;
若满足,则根据所述数学模型对所述感知***进行评估。
2.如权利要求1所述的方法,其特征在于,对车辆感知***进行定性分析,的步骤包括:
获取所述感知***的应用场景;
获取所述感知***中与所述应用场景相关的性能指标;
获取在所述感知***运行过程中影响所述性能指标的所述环境因素;
其中,所述性能指标包括以下中至少一项:测量类、统计类和最大性能类。
3.如权利要求2所述的方法,其特征在于,获取在所述感知***运行过程中影响所述性能指标的所述环境因素,的步骤包括:
获取所述感知***中各传感器信息;
根据所述各传感器信息,获取影响所述感知***上各传感器性能的所述环境因素。
4.如权利要求1所述的方法,其特征在于,对车辆的感知***进行定性分析,以获取表征感知***能力的性能指标以及与所述性能指标相关的环境因素,的步骤包括:
获取所述感知***的***特征,所述***特征包括感知传感器的配置、感知原数据预处理算法和感知认知算法;
根据所述***特征获取所述感知***的所述性能指标;
获取影响所述性能指标的所述环境因素。
5.如权利要求1所述的方法,其特征在于,所述环境因素包括以下中至少一项:天气、道路环境、目标物体和自车状态。
6.如权利要求1所述的方法,其特征在于,根据定量分析建立所述感知***和环境因素之间的数学模型,的步骤包括:
量化或归一化所述环境因素;
根据预设策略和预存数据建立所述环境因素与单一传感器对应的性能指标之间的数学关系;
根据各类性能指标及应用场景,对感知***性能进行定量分析,并建立数学模型。
7.如权利要求1所述的方法,其特征在于,通过定量分析建立所述感知***和环境因素之间的数学模型,的步骤包括:
获取各环境因素对性能指标之间的影响;
通过加权求和建立各环境因素与性能指标之间的数学关系,并通过层次分析法获取各环境因素权重之比;
根据所述层次分析法确定所述感知***整体表现和融合后性能指标之间的数学模型。
8.如权利要求1所述的方法,其特征在于,所述方法还包括:根据所述感知***的评价结果,确认无人驾驶车辆的安全性能。
9.一种车辆感知性能评价***,其特征在于,使用如权利要求1至8中任一所述的车辆感知性能评价方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210143669.0A CN114802284A (zh) | 2022-02-16 | 2022-02-16 | 车辆感知性能评价方法及*** |
PCT/CN2023/075679 WO2023155749A1 (zh) | 2022-02-16 | 2023-02-13 | 车辆感知性能评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210143669.0A CN114802284A (zh) | 2022-02-16 | 2022-02-16 | 车辆感知性能评价方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114802284A true CN114802284A (zh) | 2022-07-29 |
Family
ID=82527516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210143669.0A Pending CN114802284A (zh) | 2022-02-16 | 2022-02-16 | 车辆感知性能评价方法及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114802284A (zh) |
WO (1) | WO2023155749A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023155749A1 (zh) * | 2022-02-16 | 2023-08-24 | 武汉路特斯汽车有限公司 | 车辆感知性能评价方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141920A (zh) * | 2018-08-27 | 2019-01-04 | 山东省科学院自动化研究所 | 无人驾驶车辆雨天环境感知识别能力测试评价***和方法 |
DE102018120845A1 (de) * | 2017-08-28 | 2019-02-28 | GM Global Technology Operations LLC | Verfahren und Vorrichtung zum Überwachen eines autonomen Fahrzeugs |
CN109435955A (zh) * | 2018-10-22 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶***性能评估方法、装置、设备及存储介质 |
DE102019124504A1 (de) * | 2019-09-12 | 2021-04-01 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Simulation und Bewertung eines Sensorsystems für ein Fahrzeug sowie Verfahren und Vorrichtung zum Entwurf eines Sensorsystems zur Umfelddetektion für ein Fahrzeug |
CN112693466A (zh) * | 2021-01-29 | 2021-04-23 | 重庆长安汽车股份有限公司 | 一种车辆环境感知传感器性能测评***及方法 |
US20210221403A1 (en) * | 2020-01-22 | 2021-07-22 | Zenuity Ab | Perception performance evaluation of a vehicle adas or ads |
CN113205070A (zh) * | 2021-05-27 | 2021-08-03 | 三一专用汽车有限责任公司 | 视觉感知算法优化方法及*** |
US20210354708A1 (en) * | 2020-05-15 | 2021-11-18 | Zenuity Ab | Online perception performance evaluation for autonomous and semi-autonomous vehicles |
CN114021327A (zh) * | 2021-10-28 | 2022-02-08 | 同济大学 | 一种自动驾驶汽车感知***性能量化评估方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304605B (zh) * | 2017-11-09 | 2019-08-06 | 清华大学 | 汽车驾驶辅助***传感器优选配置方法 |
US11514343B2 (en) * | 2020-06-30 | 2022-11-29 | Waymo Llc | Simulating degraded sensor data |
CN113247014B (zh) * | 2021-06-09 | 2021-11-09 | 智己汽车科技有限公司 | 一种自动驾驶***的置信度标识方法及*** |
CN114802284A (zh) * | 2022-02-16 | 2022-07-29 | 武汉路特斯汽车有限公司 | 车辆感知性能评价方法及*** |
-
2022
- 2022-02-16 CN CN202210143669.0A patent/CN114802284A/zh active Pending
-
2023
- 2023-02-13 WO PCT/CN2023/075679 patent/WO2023155749A1/zh unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018120845A1 (de) * | 2017-08-28 | 2019-02-28 | GM Global Technology Operations LLC | Verfahren und Vorrichtung zum Überwachen eines autonomen Fahrzeugs |
CN109141920A (zh) * | 2018-08-27 | 2019-01-04 | 山东省科学院自动化研究所 | 无人驾驶车辆雨天环境感知识别能力测试评价***和方法 |
CN109435955A (zh) * | 2018-10-22 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶***性能评估方法、装置、设备及存储介质 |
DE102019124504A1 (de) * | 2019-09-12 | 2021-04-01 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Simulation und Bewertung eines Sensorsystems für ein Fahrzeug sowie Verfahren und Vorrichtung zum Entwurf eines Sensorsystems zur Umfelddetektion für ein Fahrzeug |
US20210221403A1 (en) * | 2020-01-22 | 2021-07-22 | Zenuity Ab | Perception performance evaluation of a vehicle adas or ads |
US20210354708A1 (en) * | 2020-05-15 | 2021-11-18 | Zenuity Ab | Online perception performance evaluation for autonomous and semi-autonomous vehicles |
CN112693466A (zh) * | 2021-01-29 | 2021-04-23 | 重庆长安汽车股份有限公司 | 一种车辆环境感知传感器性能测评***及方法 |
CN113205070A (zh) * | 2021-05-27 | 2021-08-03 | 三一专用汽车有限责任公司 | 视觉感知算法优化方法及*** |
CN114021327A (zh) * | 2021-10-28 | 2022-02-08 | 同济大学 | 一种自动驾驶汽车感知***性能量化评估方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023155749A1 (zh) * | 2022-02-16 | 2023-08-24 | 武汉路特斯汽车有限公司 | 车辆感知性能评价方法及*** |
Also Published As
Publication number | Publication date |
---|---|
WO2023155749A1 (zh) | 2023-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598066B (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
JP7351487B2 (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同*** | |
KR102565573B1 (ko) | 서브시스템 성능 평가를 위한 메트릭 역전파 | |
CN114945959B (zh) | 行驶轨迹确定方法、装置、计算机设备和存储介质 | |
CN116721549B (zh) | 一种车流量检测***及检测方法 | |
CN115034324B (zh) | 一种多传感器融合感知效能增强方法 | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
CN115273480B (zh) | 一种基于大数据分析的交通预警***及其方法 | |
CN114802284A (zh) | 车辆感知性能评价方法及*** | |
CN113743469A (zh) | 一种融合多源数据及综合多维指标的自动驾驶决策方法 | |
CN113593221A (zh) | 信息价值评估式驾驶***、网联车辆***和数据传输方法 | |
CN112509321A (zh) | 一种基于无人机的城市复杂交通情景的驾驶控制方法、***及可读存储介质 | |
CN116461546A (zh) | 车辆预警方法、装置、存储介质和处理器 | |
CN116461507A (zh) | 一种车辆驾驶决策方法、装置、设备和存储介质 | |
CN110705854A (zh) | 一种驾驶水平评估方法及*** | |
CN115688254A (zh) | 自动驾驶风险预测方法、装置、存储介质及电子设备 | |
CN110333517B (zh) | 障碍物感知方法、装置及存储介质 | |
CN114889608A (zh) | 一种基于注意力机制的车辆换道预测方法 | |
CN114282776A (zh) | 车路协同评估自动驾驶安全性的方法、装置、设备和介质 | |
CN117730289A (zh) | 测试方法及装置 | |
CN114372382B (zh) | 车辆轨迹可靠度评测方法、设备和存储介质 | |
CN115662167B (zh) | 自动驾驶地图构建方法、自动驾驶方法及相关装置 | |
CN117104255B (zh) | 一种智能驾驶车辆智能感知人车交互***及方法 | |
US20240043022A1 (en) | Method, system, and computer program product for objective assessment of the performance of an adas/ads system |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230913 Address after: Room A101, Building I, No. 7 Zhongchuang Second Road, Hangzhou Bay New Area, Ningbo City, Zhejiang Province, 315335 Applicant after: Ningbo Lutes Robotics Co.,Ltd. Address before: 430056 A404, building 3, 28 chuanjiangchi 2nd Road, Wuhan Economic and Technological Development Zone, Wuhan City, Hubei Province Applicant before: Wuhan lutes Automobile Co.,Ltd. |
|
TA01 | Transfer of patent application right |