智能驾驶ADAS测试场景自动化生成方法及系统技术方案

本发明专利技术提供了一种智能驾驶ADAS测试场景自动化生成方法及系统，包括如下步骤：分析步骤：分析测试需求；模型选择步骤：根据测试需求选择模型；目标选择步骤：根据测试需求选择目标，并将目标放置在模型上；参数选择步骤：根据目标选择并制定参数；场景生成步骤：根据模型、目标和参数生成测试场景。本发明专利技术工作人员增进对ADAS测试规范了解从而提高实际测试效率。对ADAS测试规范了解从而提高实际测试效率。对ADAS测试规范了解从而提高实际测试效率。

【技术实现步骤摘要】
智能驾驶ADAS测试场景自动化生成方法及系统


[0001]本专利技术涉及测试场景生成的
，具体地，涉及一种智能驾驶ADAS测试场景自动化生成方法及系统。

技术介绍

[0002]智能驾驶本质上涉及注意力吸引和注意力分散的认知工程学，主要包括网络导航、自主驾驶和人工干预三个环节。智能驾驶的前提条件是，我们选用的车辆满足行车的动力学要求，车上的传感器能获得相关视听觉信号和信息，并通过认知计算控制相应的随动系统。智能驾驶的网络导航，解决我们在哪里、到哪里、走哪条道路中的哪条车道等问题；自主驾驶是在智能系统控制下，完成车道保持、超车并道、红灯停绿灯行、灯语笛语交互等驾驶行为；人工干预，就是说驾驶员在智能系统的一系列提示下，对实际的道路情况做出相应的反应。随着智能驾驶技术的发展,智能驾驶车辆测试已经成为了保证智能驾驶车辆安全性的重要环节，为了提高其测试的安全性和效率并降低测试成本,一般对其进行测试,为此,需要建立用于智能驾驶的测试场景。
[0003]公开号为CN111723458A的中国专利技术专利文献公开了一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法，该方法包括以下步骤：步骤1：基于关键字的场景描述：根据用户需求，对需要描述的场景采用关键字进行语义描述；步骤2：将语义描述中的关键字数据化；步骤3：基于关键字数据化处理后的语义描述批量生成场景文件。
[0004]针对上述中的相关技术，专利技术人认为上述方法工作人员较难进行ADAS规范测试，实际测试效率较低。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种智能驾驶ADAS测试场景自动化生成方法及系统。
[0006]根据本专利技术提供的一种智能驾驶ADAS测试场景自动化生成方法，包括如下步骤：
[0007]分析步骤：分析测试需求；
[0008]模型选择步骤：根据测试需求选择模型；
[0009]目标选择步骤：根据测试需求选择目标，并将目标放置在模型上；
[0010]参数选择步骤：根据目标选择并制定参数；
[0011]场景生成步骤：根据模型、目标和参数生成测试场景，利用生成的测试场景进行ADAS测试。
[0012]优选的，在参数选择步骤中，所述参数包括但不限于被测车辆速度、被测车辆偏置率、测试车辆速度和测试车辆加速距离。
[0013]优选的，在模型选择步骤中，所述模型包括十字模型、平行模型和曲线模型；
[0014]所述十字模型的测试使用包括用于不同目标的道路横穿相关的测试；
[0015]所述平行模型的测试使用包括用于不同目标的跟随相关的紧急制动，以及超车相
关的测试；
[0016]所述曲线模型的测试使用包括用于不同目标的变道以及其他曲线场景相关的测试。
[0017]优选的，在模型选择步骤中，所述模型是为被测车辆和目标预先设置的运动轨迹。
[0018]优选的，在目标选择步骤中，所述目标包括儿童假人、成年假人、自行车、摩托车和汽车；根据不同目标，进行测试参数的分类。
[0019]根据本专利技术提供的一种智能驾驶ADAS测试场景自动化生成系统，包括如下模块：
[0020]分析模块：分析测试需求；
[0021]模型选择模块：根据测试需求选择模型；
[0022]目标选择模块：根据测试需求选择目标，并将目标放置在模型上；
[0023]参数选择模块：根据目标选择并制定参数；
[0024]场景生成模块：根据模型、目标和参数生成测试场景，利用生成的测试场景进行ADAS测试。
[0025]优选的，在参数选择模块中，所述参数包括但不限于被测车辆速度、被测车辆偏置率、测试车辆速度和测试车辆加速距离。
[0026]优选的，在模型选择模块中，所述模型包括十字模型、平行模型和曲线模型；
[0027]所述十字模型的测试使用包括用于不同目标的道路横穿相关的测试；
[0028]所述平行模型的测试使用包括用于不同目标的跟随相关的紧急制动，以及超车相关的测试；
[0029]所述曲线模型的测试使用包括用于不同目标的变道以及其他曲线场景相关的测试。
[0030]优选的，在模型选择模块中，所述模型是为被测车辆和目标预先设置的运动轨迹。
[0031]优选的，在目标选择模块中，所述目标包括儿童假人、成年假人、自行车、摩托车和汽车；根据不同目标，进行测试参数的分类。
[0032]与现有技术相比，本专利技术具有如下的有益效果：
[0033]1、本专利技术通过三种计算模型将所有的智能ADAS测试场景更加合理的展示给操作人员，解决了工作人员对ADAS测试规范不了解从而降低实际测试效率的问题，通过此方法，可以让一个完全不了解测试规范的人员得到想要达到的效果；
[0034]2、本专利技术可实现对智能ADAS测试场景更加准确高效的规划生成，从而适应不同的测试场景；
[0035]3、本专利技术根据生成的不同场景，向假人假车测试地盘发送不同的路径，以高耦合的方式完成指定场景的车辆ADAS场景测试工作。
附图说明
[0036]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0037]图1为本专利技术的流程图；
[0038]图2为本专利技术某个使用十字模型的测试场景图；
[0039]图3为本专利技术某个使用平行模型的测试场景图；
[0040]图4为本专利技术某个使用曲线模型的测试场景图；
[0041]图5为本专利技术盲区监测范围定义图。
[0042]附图标记：STA英文全称为Scooter Target Adult，中文译文为踏板式摩托车目标物；BTA英文全称为Bicycli st Target Adult，中文译文为自行车目标物；AEB英文全称为Autonomous Emergency Braking，中文译文为自动紧急制动；FCW英文全称为Forward Coll ision Warning，中文译文为前方碰撞预警；H点表示STA侧面的原点，表示碰撞的接触点；XX表示STA H点的轨迹；YY表示试验车辆的中心线；C1表示STA加速距离；D1表示STA匀速距离；Z表示远端场景50％碰撞点；TT表示BTA后轮胎的轨迹；Q表示AEB测试时BTA加速距离；R表示FCW测试时BTA加速距离；S表示BTA匀速距离；U表示纵向场景50％碰撞点；V表示纵向场景25％碰撞点；1表示试验车辆；2表示第九十五百分位眼椭圆的中心；3表示FCGB围成的区域为直线工况下的车辆左侧盲区监视范围；4表示KCLB围成的区域为直线工况下的车辆右侧盲区监视范围。
具体实施方式
[0043]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
...

【技术保护点】

【技术特征摘要】
1.一种智能驾驶ADAS测试场景自动化生成方法，其特征在于，包括如下步骤：分析步骤：分析测试需求；模型选择步骤：根据测试需求选择模型；目标选择步骤：根据测试需求选择目标，并将目标放置在模型上；参数选择步骤：根据目标选择并制定参数；场景生成步骤：根据模型、目标和参数生成测试场景，利用生成的测试场景进行ADAS测试。2.根据权利要求1所述的智能驾驶ADAS测试场景自动化生成方法，其特征在于，在参数选择步骤中，所述参数包括但不限于被测车辆速度、被测车辆偏置率、测试车辆速度和测试车辆加速距离。3.根据权利要求1所述的智能驾驶ADAS测试场景自动化生成方法，其特征在于，在模型选择步骤中，所述模型包括十字模型、平行模型和曲线模型；所述十字模型的测试使用包括用于不同目标的道路横穿相关的测试；所述平行模型的测试使用包括用于不同目标的跟随相关的紧急制动，以及超车相关的测试；所述曲线模型的测试使用包括用于不同目标的变道以及其他曲线场景相关的测试。4.根据权利要求3所述的智能驾驶ADAS测试场景自动化生成方法，其特征在于，在模型选择步骤中，所述模型是为被测车辆和目标预先设置的运动轨迹。5.根据权利要求1所述的智能驾驶ADAS测试场景自动化生成方法，其特征在于，在目标选择步骤中，所述目标包括儿童假人、成年假人、自行车、摩托车和汽车；根据不同目标，进行测试参数的分类。6.一种智能驾...

【专利技术属性】
技术研发人员：杨波，杨俊辉，
申请(专利权)人：上海智能网联汽车技术中心有限公司，
类型：发明
国别省市：