自动驾驶车辆道路测试仿真分析方法、装置、设备和介质与流程

本申请涉及自动驾驶测试领域，特别是涉及一种自动驾驶车辆道路测试仿真分析方法、装置、计算机设备和存储介质。

背景技术：

目前自动驾驶测试主要有仿真测试、场地测试和道路测试等。配备l2级别adas的自动驾驶车辆在道路测试中需要采集自动驾驶车辆的多种数据，比如车辆总线数据、定位数据等，然而，目前在对采集的数据进行分析时，会存在各数据之间相互独立，分析界面不直观，这给数据分析工作带来不便。

以上陈述仅提供与本发明有关的背景信息，而不必然地构成现有技术。

技术实现要素：

本发明针对上述不足或缺点，提供了一种自动驾驶车辆道路测试仿真分析方法、装置、计算机设备和存储介质，本发明实施例有利于优化道路测试分析过程，提高道路测试分析效率。

本发明根据第一方面提供了一种自动驾驶车辆道路测试仿真分析方法，在一个实施例中，该方法包括：

采集道路测试过程中测试车辆的车辆总线数据、场景数据和定位数据；

对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据；

通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据；

将车辆总线数据、场景数据和定位数据、以及交通场景仿真数据上传云端服务器。

在一个实施例中，对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据的步骤，包括：

对采集到的车辆总线数据、场景数据和定位数据进行数字信号转换并对转换得到的数据进行预处理；

对预处理后得到的数据进行特征提取，得到多种类型的特征数据；

使用融合算法对多种类型的特征数据进行融合处理，得到融合数据；融合数据包括测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据。

在一个实施例中，通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据的步骤，包括：

通过仿真软件调取测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型；

根据融合数据包括的测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据分别调整测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型的模型参数；

根据调整模型参数后的测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型生成测试车辆在道路测试过程中的交通场景仿真数据。

在一个实施例中，交通场景仿真数据包括可视化数据列表和可视化动态图；可视化动态图包括测试车辆的仪表仿真数据和全景仿真数据。

在一个实施例中，车辆总线数据包括前置毫米波雷达数据、前置多功能摄像头数据、角雷达数据、超声波雷达数据、电子助力转向系统数据、车身控制器数据、电子稳定控制系统数据以及中控屏数据。

在一个实施例中，场景数据包括由设置于测试车辆周围的高清摄像头采集到的测试车辆的周边场景信息、其在车道中的位置信息和姿态信息，以及目标车辆的图像信息。

在一个实施例中，定位数据是设置于测试车辆上的定位设备采集到的数据。

本发明根据第二方面提供了一种自动驾驶车辆道路测试仿真分析装置，在一个实施例中，该装置包括：

数据采集模块，用于采集道路测试过程中测试车辆的车辆总线数据、场景数据和定位数据；

融合处理模块，用于对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据；

仿真模块，用于通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据；

数据上传模块，用于将车辆总线数据、场景数据和定位数据、以及交通场景仿真数据上传云端服务器。

本发明根据第三方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的实施例的步骤。

本发明根据第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一方法的实施例的步骤。

在本发明实施例中，通过采集道路测试过程中测试车辆的车辆总线数据、场景数据和定位数据，对采集到的车辆总线数据、场景数据和定位数据进行融合处理以得到融合数据，再通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据；将车辆总线数据、场景数据和定位数据、以及交通场景仿真数据上传云端服务器。本发明实施例有利于优化道路测试分析过程，提高道路测试分析效率。

附图说明

图1为一个实施例中一种自动驾驶车辆道路测试仿真分析方法的流程示意图；

图2为一个实施例中工控机所采集的数据来源示意图；

图3为一个实施例中工控机的数据处理过程示意图；

图4为一个实施例中一种自动驾驶车辆道路测试仿真分析装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本发明提供了一种自动驾驶车辆道路测试仿真分析方法。在一个实施例中，如图1所示，该方法包括以下步骤：

s110：采集道路测试过程中测试车辆的车辆总线数据、场景数据和定位数据；

s120：对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据；

s130：通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据；

s140：将车辆总线数据、场景数据和定位数据、以及交通场景仿真数据上传云端服务器。

其中，交通场景仿真数据包括可视化数据列表和可视化动态图；可视化动态图包括测试车辆的仪表仿真数据和全景仿真数据。车辆总线数据包括前置毫米波雷达数据、前置多功能摄像头数据、角雷达数据、超声波雷达数据、电子助力转向系统数据、车身控制器数据、电子稳定控制系统数据以及中控屏数据。场景数据包括由设置于测试车辆周围的高清摄像头采集到的测试车辆的周边场景信息、其在车道中的位置信息和姿态信息，以及目标车辆的图像信息。定位数据是设置于测试车辆上的定位设备采集到的位置数据。

在道路测试时，在测试车辆中安装数据采集和分析一体化的工控机，在测试车辆周围安装高清摄像头，将工控机与测试车辆的can总线、视频采集卡和定位设备连接，从而工控机能够通过can总线采集车辆总线数据、通过视频采集卡采集到高清摄像头获取到的场景数据、以及通过定位设备获取到的定位数据。

具体地，如图2所示，测试车辆中安装有毫米波雷达(设置于测试车辆前端)、多功能摄像头(设置于测试车辆前端)、角雷达、超声波雷达等传感器，以及电子助力转向系统(electricalpowersteering，esp)、车身控制器(bodycontrolmodule，bcm)、电子稳定控制系统(electronicstabilitycontrol，esc)和中控屏。其中，毫米波雷达用于获取自车(即测试车辆)、目标车辆(测试时设置的车辆)以及其他交通参与者(如正常在道路中行驶的车辆)的速度、加速度、距离、方位、角度等信息；多功能摄像头用于获取目标车辆的图像信息，以及识别目标车辆的类型和方位、车道线类型及自车与车道线的横向距离；超声波雷达用于获取低速工况下自车和障碍物之间的距离；电子助力转向系统用于获取eps状态、自车方向盘转角、转速等相关信息；车身控制器用于获取自车硬开关、转向灯、危险指示灯、电源状态信号等信息，并执行危险灯、报警声及频率等指令；电子稳定控制系统用于获取自车速度和横摆角的信息；中控屏用于获取测试车辆搭载的智能辅助驾驶系统(adas)的相关设置信息。工控机通过测试车辆的can总线即可获得毫米波雷达采集到的数据(即前置毫米波雷达数据)、前置多功能摄像头数据(即前置多功能摄像头数据)、角雷达采集到的数据(即角雷达数据)、超声波雷达采集到的数据(即超声波雷达数据)、电子助力转向系统采集到的数据(即电子助力转向系统数据)、电子稳定控制系统采集到的数据(即电子稳定控制系统数据)、中控屏采集到的数据(即中控屏数据)，而场景数据和定位数据则是通过高清摄像头和定位设备(如gps定位设备)获得。

如图3所示，在获得车辆总线数据、场景数据和定位数据后，工控机即对采集到的数据进行融合处理，以及将融合处理得到的数据导入仿真软件中，利用仿真软件对融合处理得到的数据进行实时仿真，并在生成交通场景仿真数据后，将其与获得的车辆总线数据、场景数据和定位数据上传至云端服务器供分析人员查看分析。

其中，工控机对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据的步骤，包括：对采集到的车辆总线数据、场景数据和定位数据进行数字信号转换并对转换得到的数据进行预处理；对预处理后得到的数据进行特征提取，得到多种类型的特征数据；使用融合算法对多种类型的特征数据进行融合处理，得到融合数据；融合数据包括测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据。

具体地，上述的安装于测试车辆中的毫米波雷达、多功能摄像头等传感器或系统、设备等会将采集到的感知数据通过特定的传输方式传输至工控机内，工控机会先对接收到的各路数据进行数字信号转换以及对转换后的数据进行预处理。完成预处理后，工控机对预处理后的数据进行特征处理，不同类型的传感器、系统或设备可以提供不同类型的数据，比如毫米波雷达主要提供目标车辆的速度、加速度、距离、方位以及点云数据等相关信息；多功能摄像头主要提供车道线颜色及类型、自车与车道线的距离、目标车辆类型、车道曲率和目标车辆距离等相关信息；高清摄像头主要提供道路场景数据、道路动态参与者数据和自车在车道中的位置数据等相关信息；超声波雷达主要提取车辆低速情况下车辆周围的障碍物距离和方位信息；执行器esc和eps主要提供自车行车相关信息，如自车车身姿态、自车车速、制动、方向盘转角等信号。

之后工控机使用融合算法各类数据进行融合处理，从而得到自车在行驶过程中的自车、目标车辆、交通动态参与者和道路场景的详细数据，这些数据会被导入到仿真软件中进行仿真回放。

进一步地，工控机通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据的步骤，包括：通过仿真软件调取测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型；根据融合数据包括的测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据分别调整测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型的模型参数；根据调整模型参数后的测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型生成测试车辆在道路测试过程中的交通场景仿真数据。

具体地，工控机将融合处理得到的自车、目标车辆、交通动态参与者和道路场景等详细信息自动导入到仿真软件中进行实时仿真，高度回放事件(如超速行驶、变道、超车等事件)触发时的最真实的情况。仿真软件根据融合处理后的输出结果调取仿真系统中的道路场景、自车、目标车辆以及其他交通动态参与者的仿真模型，并把融合处理后的各种数据参数提供给相应的仿真模型使用，进而能够将赋予参数和数据的道路场景、自车、目标车辆以及其他交通参与者仿真构成虚拟的实时交通场景，以还原整个测试过程。

本实施例通过设置于测试车辆内的工控机采集测试车辆在道路测试过程中由设置于测试车辆内的多个传感器、高清摄像头、定位设备等采集的车辆总线数据、场景数据和定位数据，然后对采集到的数据进行融合处理，之后通过仿真软件对融合处理后的数据进行实时模拟仿真，从而得到测试车辆在道路测试过程中的交通场景仿真数据，该交通场景仿真数据包括测试车辆内的仪表仿真数据和测试车辆外的全景仿真数据，工控机获得交通场景仿真数据之后将其与采集到的车辆总线数据、场景数据和定位数据一同上传到云端，供分析人员(比如相关的工程师)进行道路测试分析，交通场景仿真数据能够为分析人员提供可视化的测试车辆在道路测试过程中的交通场景，清晰准确地还原测试车辆的整个测试过程，能让分析人员清楚看到测试过程中发生的事件，进而分析出事件发生的原因、过程和后果，为adas系统的改善和系统升级提供全面的测试数据。

图1为一个实施例中自动驾驶车辆道路测试仿真分析方法的流程示意图。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，这些步骤可以以其它的顺序执行。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，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它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。

基于相同的发明构思，本发明还提供了一种自动驾驶车辆道路测试仿真分析装置。在一个实施例中，如图4所示，该自动驾驶车辆道路测试仿真分析装置包括以下模块：

数据采集模块110，用于采集道路测试过程中测试车辆的车辆总线数据、场景数据和定位数据；

融合处理模块120，用于对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据；

仿真模块130，用于通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据；

数据上传模块140，用于将车辆总线数据、场景数据和定位数据、以及交通场景仿真数据上传云端服务器。

在一个实施例中，融合处理模块，包括：

信号转换和预处理子模块，用于对采集到的车辆总线数据、场景数据和定位数据进行数字信号转换并对转换得到的数据进行预处理；

特征提取子模块，用于对预处理后得到的数据进行特征提取，得到多种类型的特征数据；

融合处理子模块，用于使用融合算法对多种类型的特征数据进行融合处理，得到融合数据；融合数据包括测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据。

在一个实施例中，仿真模块，包括：

模型调取子模块，用于通过仿真软件调取测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型；

模型参数调整子模块，用于根据融合数据包括的测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据分别调整测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型的模型参数；

交通场景仿真子模块，用于根据调整模型参数后的测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型生成测试车辆在道路测试过程中的交通场景仿真数据。

在一个实施例中，交通场景仿真数据包括可视化数据列表和可视化动态图；可视化动态图包括测试车辆的仪表仿真数据和全景仿真数据。

在一个实施例中，车辆总线数据包括前置毫米波雷达数据、前置多功能摄像头数据、角雷达数据、超声波雷达数据、电子助力转向系统数据、车身控制器数据、电子稳定控制系统数据以及中控屏数据。

在一个实施例中，场景数据包括由设置于测试车辆周围的高清摄像头采集到的测试车辆的周边场景信息、其在车道中的位置信息和姿态信息，以及目标车辆的图像信息。

在一个实施例中，定位数据是设置于测试车辆上的定位设备采集到的数据。

关于自动驾驶车辆道路测试仿真分析装置的具体限定可以参见上文中对于自动驾驶车辆道路测试仿真分析方法的限定，在此不再赘述。上述自动驾驶车辆道路测试仿真分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于采集到的车辆总线数据、场景数据和定位数据等数据，具体存储的数据还可以参见上述方法实施例中的限定。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种自动驾驶车辆道路测试仿真分析方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

采集道路测试过程中测试车辆的车辆总线数据、场景数据和定位数据；对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据；通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据；将车辆总线数据、场景数据和定位数据、以及交通场景仿真数据上传云端服务器。

在一个实施例中，处理器执行计算机程序，实现对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据时，还实现以下步骤：

对采集到的车辆总线数据、场景数据和定位数据进行数字信号转换并对转换得到的数据进行预处理；对预处理后得到的数据进行特征提取，得到多种类型的特征数据；使用融合算法对多种类型的特征数据进行融合处理，得到融合数据；融合数据包括测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据。

在一个实施例中，处理器执行计算机程序，实现通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据时，还实现以下步骤：

通过仿真软件调取测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型；根据融合数据包括的测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据分别调整测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型的模型参数；根据调整模型参数后的测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型生成测试车辆在道路测试过程中的交通场景仿真数据。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

采集道路测试过程中测试车辆的车辆总线数据、场景数据和定位数据；对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据；通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据；将车辆总线数据、场景数据和定位数据、以及交通场景仿真数据上传云端服务器。

在一个实施例中，计算机程序被处理器执行，对采集到的车辆总线数据、场景数据和定位数据进行融合处理，得到融合数据时，还实现以下步骤：

对采集到的车辆总线数据、场景数据和定位数据进行数字信号转换并对转换得到的数据进行预处理；对预处理后得到的数据进行特征提取，得到多种类型的特征数据；使用融合算法对多种类型的特征数据进行融合处理，得到融合数据；融合数据包括测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据。

在一个实施例中，计算机程序被处理器执行，通过仿真软件对融合数据进行仿真处理，得到测试车辆在道路测试过程中的交通场景仿真数据时，还实现以下步骤：

通过仿真软件调取测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型；根据融合数据包括的测试车辆详细数据、目标车辆详细数据、交通动态参与者详细数据和道路场景详细数据分别调整测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型的模型参数；根据调整模型参数后的测试车辆仿真模型、目标车辆仿真模型、交通动态参与者仿真模型和道路场景仿真模型生成测试车辆在道路测试过程中的交通场景仿真数据。

本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。