车辆预期功能的安全性测试方法、系统与流程
本发明涉及安全测试,具体为车辆预期功能的安全性测试方法、系统。
背景技术:
1、近年来,随着自动驾驶技术的飞速发展,由于系统功能局限性、环境干扰等非故障原因引发的预期功能安全(safety of the intended functionality,sotif)问题日益凸显。为了排查和消除自动驾驶系统在未知运行域中的安全隐患,行业内普遍采用基于真实交通数据的仿真测试方法。现有技术中,通常通过在路口、收费站等关键节点部署路侧感知单元(如摄像头、激光雷达等),采集真实的道路环境与交通参与者运动轨迹,进而在仿真软件中将其重构为虚拟测试场景,以对车端自动驾驶算法进行闭环测试与训练。
2、然而,路侧感知单元通常采用高位架设,视野开阔且无明显遮挡,其采集并输入至仿真软件的数据属于全局无死角的真值数据。但在真实的道路行驶环境中,自动驾驶车辆的预期功能安全风险往往正是由于车端视角的感知局限性所触发的,例如前方大型车辆导致的视线物理遮挡、强逆光或进出隧道导致的视觉传感器短暂致盲等。
3、当现有的仿真测试方法将完美的全局真值数据直接输入给待测的自动驾驶算法时,实际上赋予了车端算法一种全局最优视角。在这种理想化的数据输入下,待测车辆能够提前预知处于物理盲区内的交通参与者,从而轻而易举地规避碰撞风险。这种做法不仅违背了预期功能安全问题的发生机理,也掩盖了车端感知模块与规控模块在面对极端感知降级时的真实算法缺陷,导致大量潜在的未知危险场景在仿真测试中被错误地判定为安全场景,无法达到充分暴露并优化算法缺陷的测试目的。
4、因此,如何在仿真环境中真实还原车端第一人称视角下的局部感知盲区与感知降级现象,从而有效验证自动驾驶算法在感知受限极限工况下的安全性,是当前自动驾驶预期功能安全仿真测试领域亟待解决的核心技术问题。
技术实现思路
1、针对背景技术中提到的以上缺点,本发明的目的在于提供一种车辆预期功能的安全性测试方法、系统。
2、本发明提供了一种车辆预期功能的安全性测试方法,所述方法包括如下步骤:
3、获取路侧单元采集的多模态融合数据,在仿真软件中构建包含道路环境以及各交通参与者完整运动轨迹的全局真值场景;
4、在仿真软件的待测自动驾驶车辆模型上配置虚拟传感器参数集,所述虚拟传感器参数集至少包括传感器的空间相对位置与有效视场角边界;
5、基于所述虚拟传感器参数集,在所述全局真值场景的三维坐标系中实时计算待测自动驾驶车辆模型与交通参与者之间的空间几何关系,以判定交通参与者在当前车端视角下是否处于物理遮挡或环境致盲状态,输出局部感知局限性判定结果;
6、根据所述判定结果,对所述全局真值场景中对应交通参与者的数据进行数据剔除、延迟或置信度衰减的逆向降级处理,以生成车端降级数据流,并将所述车端降级数据流输入至待测自动驾驶车辆模型对应的自动驾驶算法进行仿真测试,进而基于测试结果对所述自动驾驶算法进行优化。
7、本发明还提供了一种车辆预期功能的安全性测试系统,所述系统包括:
8、场景构建模块,用于获取路侧单元采集的多模态融合数据,在仿真软件中构建包含道路环境以及各交通参与者完整运动轨迹的全局真值场景;
9、参数配置模块,用于在仿真软件的待测自动驾驶车辆模型上配置虚拟传感器参数集,所述虚拟传感器参数集至少包括传感器的空间相对位置与有效视场角边界;
10、局限性判定模块,用于基于所述虚拟传感器参数集,在所述全局真值场景的三维坐标系中实时计算待测自动驾驶车辆模型与交通参与者之间的空间几何关系,以判定交通参与者在当前车端视角下是否处于物理遮挡或环境致盲状态,输出局部感知局限性判定结果;
11、降级测试模块,用于根据所述判定结果,对所述全局真值场景中对应交通参与者的数据进行数据剔除、延迟或置信度衰减的逆向降级处理,以生成车端降级数据流,并将所述车端降级数据流输入至待测自动驾驶车辆模型对应的自动驾驶算法进行仿真测试,进而基于测试结果对所述自动驾驶算法进行优化。
12、本发明通过基于车端虚拟传感器参数实时判定物理遮挡与环境致盲状态,并据此对全局真值数据执行数据剔除、延迟或置信度衰减等定向的逆向降级处理,可解决传统仿真测试依赖路侧全局视角数据的局限性。本发明在仿真环境中真实还原了车端第一人称视角下的局部感知盲区与感知降级现象,能够有效逼出并暴露自动驾驶算法在面临极端感知受限工况时的真实决策缺陷,从而有利于显著提升自动驾驶系统在未知运行域下预期功能安全测试的有效性与可靠性。
1.一种车辆预期功能的安全性测试方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种车辆预期功能的安全性测试方法,其特征在于,判定交通参与者在当前车端视角下是否处于物理遮挡状态,包括:
3.根据权利要求1或2所述的一种车辆预期功能的安全性测试方法,其特征在于,判定交通参与者在当前车端视角下是否处于环境致盲状态,包括:
4.根据权利要求1所述的一种车辆预期功能的安全性测试方法,其特征在于,对所述全局真值场景中对应交通参与者的数据进行数据剔除、延迟或置信度衰减的逆向降级处理,包括:
5.根据权利要求4所述的一种车辆预期功能的安全性测试方法,其特征在于,所述局部感知局限性判定结果还包括半遮挡临界状态,所述半遮挡临界状态为判定交通参与者在当前车端视角下的可视比例处于预设的非完全遮挡区间;则对所述全局真值场景中对应交通参与者的数据进行数据剔除、延迟或置信度衰减的逆向降级处理,还包括:
6.一种车辆预期功能的安全性测试系统,其特征在于,所述系统包括:
7.根据权利要求6所述的一种车辆预期功能的安全性测试系统,其特征在于,所述局限性判定模块在判定交通参与者在当前车端视角下是否处于物理遮挡状态时,具体用于:
8.根据权利要求6所述的一种车辆预期功能的安全性测试系统,其特征在于,所述局限性判定模块在判定交通参与者在当前车端视角下是否处于环境致盲状态时,具体用于:
9.根据权利要求6所述的一种车辆预期功能的安全性测试系统,其特征在于,所述降级测试模块在对所述全局真值场景中对应交通参与者的数据进行数据剔除、延迟或置信度衰减的逆向降级处理时,具体用于:
10.根据权利要求9所述的一种车辆预期功能的安全性测试系统,其特征在于,所述局部感知局限性判定结果还包括半遮挡临界状态,所述半遮挡临界状态为判定交通参与者在当前车端视角下的可视比例处于预设的非完全遮挡区间;则所述降级测试模块在对所述全局真值场景中对应交通参与者的数据进行数据剔除、延迟或置信度衰减的逆向降级处理时,还用于:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com