一种车道偏离预警功能的测试定位方法及装置与流程

本发明涉及汽车自动驾驶技术领域，尤其涉及一种车道偏离预警功能的测试定位方法及装置。

背景技术：

ldw(lanedeparturewarning，车道偏离预警)是adas(advanceddrivingassistantsystem，自动驾驶辅助系统)中重要的功能，车道偏离预警是车辆辅助驾驶系统中的重要组成部分，它是根据前方道路环境和本车位置关系，判断车辆偏离车道的行为并对驾驶员进行及时提醒，从而防止由于驾驶员疏忽造成的车道偏离事故的发生。车道偏离预警系统是一种汽车驾驶安全辅助系统，该系统旨在帮助驾驶员避免或者减少车道偏离事故。

为验证ldw功能的可靠性和安全性，车道偏离预警(ldw)作为自动驾驶辅助系统(adas)中核心功能之一，针对该功能提供的道路测试必不可少，通过路试过程中摄像头采集的数据进行分析，对ldw功能事件进行定位，进而评价ldw功能在定位场景的表现，有助于帮助后期自动驾驶辅助系统的优化改进。

传统定位ldw功能事件的方法，需要采集大量道路测试的视频，通过人工回放视频来筛选ldw功能事件的发生点。但是，传统人工目视筛选的方法，需要耗费大量的人力和时间。并且，但是人工目视筛选的主观性较大，缺少定性的判断依据，可靠性无法保障。

技术实现要素：

本发明实施例提供一种车道偏离预警功能的测试定位方法及装置，用以解决目前ldw功能的测试定位方法依赖人工目视筛选，耗费人力和时间，并且主观性较大，可靠性无法保障的问题。

本发明解决上述技术问题的技术方案如下：

第一方面，本发明实施例提供一种车道偏离预警功能的测试定位方法，包括：

s101，提取摄像头视频文件中的can信号数据；

s102，根据预设的ldw功能事件规则，从所述can信号数据中定位ldw功能事件场景。

进一步，在s101之前，所述方法还包括：

s100，针对自动驾驶车辆的ldw功能验证进行道路测试，道路测试过程中通过车辆的摄像头采集视频数据和can信号数据。

进一步，在s102之后，所述方法还包括：

s103，根据定位的ldw功能事件场景，统计分析ldw功能在ldw功能事件场景下的表现。

进一步，所述ldw功能事件包括车道边缘事件、横向距离事件、纵向距离事件和摄像头问题事件；

相应的，所述s102中，根据预设的ldw功能事件规则，从所述can信号数据中定位ldw功能事件场景，具体包括：

根据预设的车道边缘事件规则、横向距离事件规则、纵向距离事件规则和摄像头问题事件规则，分别从所述can信号数据中定位车道边缘事件、横向距离事件、纵向距离事件和摄像头问题事件。

进一步，根据预设的车道边缘事件规则，从所述can信号数据中定位车道边缘事件，包括：

基于车辆自身与道路边缘的关系，预先设置以下车道边缘事件判定条件，以筛选定位在车道线为路沿时有ldw告警的场景；

其中，所述车道线事件判定条件包括：

k1，ldw警告信号从无告警到左边车道线告警，且左边车道线类型为路沿或者障碍物，左车道线置信度为高级；

k2，ldw警告信号从无告警到右边车道线告警，且右边车道线类型为路沿或者障碍物，右车道线置信度为高级；

若所述can信号数据满足k1或k2条件，则在所述can信号数据中定位车道边缘事件。

进一步，根据预设的横向距离事件规则，从所述can信号数据中定位横向距离事件，包括：

基于车身与车道线的横向距离，预先设置以下横向距离事件判定条件，以筛选车辆横向偏移的场景；

其中，横向距离事件判定条件包括：

m1，当前车速大于预设速度阈值；

m2，当前帧和前一帧车辆的横向向左偏移量在预设距离阈值范围内，且左车道线类型不为路沿或者障碍物，左车道线置信度为高级；

m3，当前帧和前一帧车辆的横向向右偏移量在预设距离阈值范围内，且右车道线类型不为路沿或者障碍物，右车道线置信度为高级；

m4，车辆未跨越左车道线和右车道线；

若所述can信号数据同时满足m1、m2、m4条件，或者所述can信号数据同时满足m1、m3、m4条件，则在所述can信号数据中定位横向距离事件。

进一步，根据预设的纵向距离事件规则，从所述can信号数据中定位纵向距离事件，包括：

基于车身与车道线纵向可视范围的关系，预先设置以下纵向距离事件判定条件，以筛选车辆摄像头的车道线视距出现异常的场景；

其中，纵向距离事件判定条件包括：

n1，当前车速大于预设速度阈值；

n2，当前帧的摄像头左车道线视距，小于当前车速在预设时间内的行驶距离，且当前帧和前一帧的左车道线类型不为路沿或者障碍物，当前帧和前一帧的左车道线置信度为高级；

n3，当前帧的摄像头右车道线视距，小于当前车速在预设时间内的行驶距离，且当前帧和前一帧的右车道线类型不为路沿或者障碍物，当前帧和前一帧的右车道线置信度为高级；

n4，车辆未跨越左车道线和右车道线；

若所述can信号数据同时满足n1、n2、n4条件，或者所述can信号数据同时满足n1、n3、n4条件，则在所述can信号数据中定位横向距离事件。

进一步，根据预设的摄像头问题规则，从所述can信号数据中定位摄像头问题事件，包括：

若判断获知所述can信号数据满足以下摄像头问题事件判定条件中的至少一种，则定位为车辆的摄像头问题事件；

其中，摄像头问题事件判定条件包括：摄像头镜头部分遮挡、摄像头全遮挡、摄像头图像模糊、摄像头污点，摄像头雾点、摄像头眩光以及前挡风玻璃结冰。

第二方面，本发明提供一种车道偏离预警功能的测试定位装置，包括：

can信号数据提取模块，用于提取摄像头视频文件中的can信号数据；

ldw功能事件定位模块，用于根据预设的ldw功能事件规则，从所述can信号数据中定位ldw功能事件场景。

第三方面，本发明提供一种非暂态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如第一方面所提供的方法的步骤。

本发明提供的车道偏离预警功能的测试定位方法及装置，通过预先设计的ldw功能事件规则，从摄像头采集的can信号数据中自动定位ldw功能事件场景。与现有技术需要对道路测试的视频进行目视筛选，耗费人力和时间，并且主观性较大，可靠性无法保障相比，本发明能够自动定位ldw功能事件，节省了人力物力，并能保证质量。

附图说明

图1为本发明实施例提供的车道偏离预警功能的测试定位方法流程示意图；

图2为本发明实施例提供的车道偏离预警功能的测试定位装置的结构示意图；

图3为本发明实施例提供的电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

现有定位ldw功能事件的方法，需要采集大量道路测试的视频，通过人工回放视频来筛选ldw功能事件的发生点。但是，传统人工目视筛选的方法，需要耗费大量的人力和时间。并且，但是人工目视筛选的主观性较大，缺少定性的判断依据，可靠性无法保障。

因此，本发明实施例提供一种车道偏离预警功能的测试定位方法及装置，通过预先设计的ldw功能事件规则，从摄像头采集的can信号数据中自动定位ldw功能事件场景。与现有技术相比，本发明能够自动定位ldw功能事件，节省了人力物力，并能保证质量。解决了现有定位ldw功能事件的方法依赖人工目视筛选，耗费人力和时间，并且主观性较大，可靠性无法保障的问题。以下将通过多个实施例进行展开说明和介绍。

图1为本发明实施例提供的车道偏离预警功能的测试定位方法流程示意图，如图1所示，该方法包括：

s101，提取摄像头视频文件中的can信号数据。

车道偏离预警(lanedeparturewarning，ldw)是根据前方道路环境和本车位置关系，判断车辆偏离车道的行为并对驾驶员进行及时提醒，从而防止由于驾驶员疏忽造成的车道偏离事故的发生。本实施例中，执行s101之前，首先执行s100，针对自动驾驶车辆的ldw功能验证进行道路测试，道路测试过程中通过车辆的摄像头采集视频数据和can信号数据。

道路测试完成后，执行步骤s101，获取摄像头视频文件中的can信号数据。此处，摄像头视频文件包括摄像头采集的视频数据和can信号数据。进一步地，将can信号数据中提取与ldw功能事件相关的信号，去除无效信号所在的帧。

s102，根据预设的ldw功能事件规则，从所述can信号数据中定位ldw功能事件场景。

具体的，针对ldw功能验证的道路测试过程中，车辆会发生ldw功能事件，本实施例将ldw功能事件分为三个方面，包括车道边缘事件、横向/纵向距离事件和摄像头问题事件。其中，车道边缘事件关注车辆自身与道路边缘的关系，筛选在道路为路沿时有ldw警报的情况；横向距离事件关注车身与车道线的横向距离，纵向距离事件关注车身与车道线纵向可视范围的关系；摄像头问题事件关注各种路况条件下对摄像头的影响大小。

本实施例预先设置ldw功能事件的判定规则，根据预设的车道边缘事件规则、横向距离事件规则、纵向距离事件规则和摄像头问题事件规则，分别从所述can信号数据中定位车道边缘事件、横向距离事件、纵向距离事件和摄像头问题事件。

可以理解的是，传统定位ldw功能事件的方法是基于采集的大量道路测试的视频，通过人工回放视频来筛选ldw功能事件的发生点。10万公里的道路测试行驶里程，大约有70天的视频时长，按照一个人工作8小时，一个月不休息工作30天，并按照10fps的速度回放视频，需要26个人才能在一个月内完成人工目视的任务，中间还不考虑事件的对比和确认。而通过本发明实施例提供的车道偏离预警(ldw)功能的测试定位方法，能够自动提取ldw功能事件，经过试验发现，本发明能够实现一台电脑一个小时可以解析大约3.5天的数据量，20小时可以提取完成ldw功能事件定位任务，大大提高效率。这样可以大大地节省人力和物力，并且与现有的人工目视筛选方式主观性大相比，本发明能够保证ldw功能事件定位的质量。

在上述实施例的基础上，在s102之后，所述方法还包括：

s103，根据定位的ldw功能事件场景，统计分析ldw功能在ldw功能事件场景下的表现。

具体的，本实施例通过预先设置ldw功能事件的判定规则，自动对道路测试的can信号数据中ldw功能事件进行定位，能够定位ldw功能可能失效的几类事件场景。进而统计分析ldw功能在ldw功能事件场景下的表现。

在上述实施例的基础上，根据预设的车道边缘事件规则，从所述can信号数据中定位车道边缘事件，包括：

基于车辆自身与道路边缘的关系，预先设置以下车道边缘事件判定条件，以筛选定位在车道线为路沿时有ldw告警的场景；

其中，所述车道线事件判定条件包括：

k1，ldw警告信号从无告警到左边车道线告警，且左边车道线类型为路沿或者障碍物，左车道线置信度为高级；

k2，ldw警告信号从无告警到右边车道线告警，且右边车道线类型为路沿或者障碍物，右车道线置信度为高级；

若所述can信号数据满足k1或k2条件，则在所述can信号数据中定位车道边缘事件。

具体地，车道边缘事件关注车辆自身与道路边缘的关系，本实施例预先设置车道边缘事件判定条件k1和k2，筛选在车道线为路沿时有ldw警报的情况。

在上述各实施例的基础上，根据预设的横向距离事件规则，从所述can信号数据中定位横向距离事件，包括：

基于车身与车道线的横向距离，预先设置以下横向距离事件判定条件，以筛选车辆横向偏移的场景；

其中，横向距离事件判定条件包括：

m1，当前车速大于预设速度阈值。优选的，预设速度阈值设置为50～60km/h，本发明实施例对此不作具体限定。

m2，当前帧和前一帧车辆的横向向左偏移量在预设距离阈值范围内，且左车道线类型不为路沿或者障碍物，左车道线置信度为高级。

此处，can信号数据中的车道线置信度包括可信状态和不可信状态。车道线置信度的等级包括低级、中级和高级。车道线置信度表征摄像头对车道线识别准确的可信度。

m3，当前帧和前一帧车辆的横向向右偏移量在预设距离阈值范围内，且右车道线类型不为路沿或者障碍物，右车道线置信度为高级。

具体地，正常状况下，车辆在两车道线之间中央位置行驶，不会出现偏移。当车辆出现偏移时，可以近似判断当前帧和前一帧车辆的横向向左/向右偏移量在预设距离阈值范围内。优选的，预设距离阈值可以设置为0.18～1.8m，本发明实施例对此不作具体限定。

m4，车辆未跨越左车道线和右车道线。

若所述can信号数据同时满足m1、m2、m4条件，或者所述can信号数据同时满足m1、m3、m4条件，则在所述can信号数据中定位横向距离事件。

可以理解的是，当can信号数据同时满足m1、m2、m4条件或者同时满足m1、m3、m4条件时，可以判断车辆出现偏移，车辆未在两车道线之间中央位置行驶，此时车辆发生横向车道线事件。

在上述各实施例的基础上，根据预设的纵向距离事件规则，从所述can信号数据中定位纵向距离事件，包括：

基于车身与车道线纵向可视范围的关系，预先设置以下纵向距离事件判定条件，以筛选车辆摄像头的车道线视距出现异常的场景；

其中，纵向距离事件判定条件包括：

n1，当前车速大于预设速度阈值。优选的，预设速度阈值设置为50～60km/h。

n2，当前帧的摄像头左车道线视距，小于当前车速在预设时间内的行驶距离，且当前帧和前一帧的左车道线类型不为路沿或者障碍物，当前帧和前一帧的左车道线置信度为高级。此处，摄像头车道线视距是指摄像头对车前车道线的视距。此处，预设时间优选为0.9～1s。

n3，当前帧的摄像头右车道线视距，小于当前车速在预设时间内的行驶距离，且当前帧和前一帧的右车道线类型不为路沿或者障碍物，当前帧和前一帧的右车道线置信度为高级。

n4，车辆未跨越左车道线和右车道线。

若所述can信号数据同时满足n1、n2、n4条件，或者所述can信号数据同时满足n1、n3、n4条件，则在所述can信号数据中定位横向距离事件。

本实施例通过设置上述纵向距离事件判定条件，能够在can信号数据中自动定位车辆摄像头的车道线视距出现异常的场景。

在上述各实施例的基础上，根据预设的摄像头问题规则，从所述can信号数据中定位摄像头问题事件，包括：

若判断获知所述can信号数据满足以下摄像头问题事件判定条件中的至少一种，则定位为车辆的摄像头问题事件；

其中，摄像头问题事件判定条件包括：摄像头镜头部分遮挡、摄像头全遮挡、摄像头图像模糊、摄像头污点，摄像头雾点、摄像头眩光以及前挡风玻璃结冰。

具体地，摄像头问题事件关注各种路况条件下对摄像头的影响，本实施例通过预先设置摄像头问题事件判定条件，自动定位can信号数据中摄像头出现问题的场景。

图2为本发明实施例提供的车道偏离预警功能的测试定位装置的结构示意图，如图2所示，本发明提供一种车道偏离预警功能的测试定位装置，包括：

can信号数据提取模块201，用于提取摄像头视频文件中的can信号数据；

ldw功能事件定位模块202，用于根据预设的ldw功能事件规则，从所述can信号数据中定位ldw功能事件场景。

具体地，本发明实施例提供的车道偏离预警功能的测试定位装置的功能模块，具体用于执行上述方法实施例中的车道偏离预警功能的测试定位方法的步骤，由于上述实施例中已对车道偏离预警功能的测试定位方法流程进行详细介绍，此处不对车道偏离预警功能的测试定位装置的功能模块进行赘述。

本发明提供的车道偏离预警功能的测试定位装置，通过预先设计的ldw功能事件规则，从摄像头采集的can信号数据中自动定位ldw功能事件场景。与现有技术需要对道路测试的视频进行目视筛选，耗费人力和时间，并且主观性较大，可靠性无法保障相比，本发明能够自动定位ldw功能事件，节省了人力物力，并能保证质量。

图3为本发明实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(communicationsinterface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储在存储器303上并可在处理器301上运行的计算机程序，以执行上述各实施例提供的车道偏离预警功能的测试定位方法，例如包括：s101，提取摄像头视频文件中的can信号数据；s102，根据预设的ldw功能事件规则，从所述can信号数据中定位ldw功能事件场景。

本发明实施例还提供一种非暂态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以执行上述各实施例提供的车道偏离预警功能的测试定位方法，例如包括：s101，提取摄像头视频文件中的can信号数据；s102，根据预设的ldw功能事件规则，从所述can信号数据中定位ldw功能事件场景。

以上所描述的装置实施例仅仅是示意性的，其中所述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，作为单元显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的劳动的情况下，即可以理解并实施。

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各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。