纯视觉自动驾驶车辆测试方法及装置与流程

1.本发明涉及自动驾驶相关技术领域。更具体地说，本发明涉及一种纯视觉自动驾驶车辆测试方法及装置。


背景技术：

2.目前，自动驾驶行业中量产车越来越青睐于纯视觉的自动驾驶方案，比如特斯拉官宣其自动驾驶系统将采用纯视觉方案，不仅如此，多家自动驾驶厂商也开始准备纯视觉自动驾驶方案。目前传统的测试方法主要基于仿真和实车测试，仿真测试目前业内的水平集中在完美感知的前提下的控制算法的仿真，缺少对于感知的仿真测试；实车测试主要集中在传统试验场，使用4a或abd的一套测试设备，来完成aeb的测试。然而，仿真技术缺少感知模块的仿真，且单纯的控制算法仿真和实车测试结果相比差距较大。实车测试一方面时间成本和经济成本较高，完成一次的测试，前期设备安装调试时间约为4小时，实际测试时长不足10分钟，测试效率低，不适合大规模的批量测试；另一方面，因为测试设备都是国外进口设备，每次的测试成本约在50w左右，只适合认证测试，不适合研发测试。对于研发而言，测试需求量较大，但是由于经济性上不够廉价，一般厂商都单采用仿真的方式测试或者少量实车测试的方式，由于实车测试累积少，导致很多厂商的aeb性能并不能满足国标的要求，导致发生了很多事故。
3.因此，亟需设计一种能够一定程度克服上述缺陷的技术方案。


技术实现要素：

4.本发明的一个目的是提供一种纯视觉自动驾驶车辆测试方法及装置，能够克服自动驾驶车辆测试效率低，无法批量测试，以及测试费用高的问题。
5.为了实现本发明的这些目的和其它优点，根据本发明的一个方面，本发明提供了纯视觉自动驾驶车辆测试方法，包括：将数据采集设备由测试场景的起点移动至终点，采集所述测试场景的场景数据，所述测试场景利用障碍物搭建；将所述场景数据转换为测试数据；将测试车辆放入所述测试场景中，撤去所述障碍物，向所述测试车辆传输所述测试数据进行测试。
6.进一步地，利用所述测试车辆或标定用车辆搭载所述数据采集设备，匀速由所述测试场景的起点移动至终点。
7.进一步地，所述数据采集设备至少包括视频采集设备和定位设备，所述场景数据至少包括由起点至终点的视频数据和定位数据。
8.进一步地，对所述视频数据执行抽帧操作，获得视频帧图像，根据时间戳信息将所述视频帧图像与所述定位数据中的各位置点匹配，形成所述测试数据；测试时，根据所述测试车辆所在的位置点向所述测试车辆传输相应的所述视频帧图像。
9.进一步地，所述标定用车辆上的所述视频采集设备与所述测试车辆自带视频设备的数量、位置关系、俯仰角、横摆角参数一致。
10.进一步地，所述测试车辆或所述标定用车辆在搭载所述视频采集设备和所述定位设备后，利用所述定位设备对所述视频采集设备的相对位置关系和所述测试车辆或所述标定用车辆的轮廓线进行标定。
11.进一步地，检测向所述测试车辆传输所述测试数据的通信时延，若大于预定时长，则根据所述通信时延计算和所述数据采集设备的移动速度修正所述测试数据。
12.进一步地，撤去所述障碍物之前，标记所述障碍物的轮廓线。
13.进一步地，若所述测试车辆与所述障碍物的轮廓线重叠，则判断所述测试车辆未通过测试。
14.根据本发明的另一个方面，本发明提供了纯视觉自动驾驶车辆测试装置，包括：数据采集模块，用于由测试场景的起点移动至终点，获取所述测试场景的场景数据，所述测试场景利用障碍物搭建；数据处理模块，用于将所述场景数据转换为测试数据；数据注入模块，用于将测试数据传输至测试车辆，使所述测试车辆在撤去所述障碍物后的所述测试场景中进行测试。
15.本发明至少包括以下有益效果：本发明首先将数据采集设备由测试场景的起点移动至终点，获取测试场景的场景数据，将场景数据转换为测试数据，然后撤去所述障碍物，利用测试数据对所述测试车辆进行测试，无需花费较长的前期调试时间，测试效率高，能够批量测试，同款车型测试数据可重复使用，测试成本较低。
16.本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
17.图1为本发明一个实施例的流程图。
具体实施方式
18.下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
19.应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
20.本技术的实施例提供了纯视觉自动驾驶车辆测试方法，包括：将数据采集设备由测试场景的起点移动至终点，采集所述测试场景的场景数据，所述测试场景利用障碍物搭建；将所述场景数据转换为测试数据；将测试车辆放入所述测试场景中，撤去所述障碍物，向所述测试车辆传输所述测试数据进行测试。
21.在上述实施例中，测试场景由假人、假车等固定或非固定障碍物搭建，可根据实际测试需求确定，例如利用静态障碍物测试自动紧急制动功能（简称aeb）。数据采集设备用于采集测试场景内的障碍物参数，即场景数据。测试数据包括测试车辆能够据以感知障碍物的图像。正式测试时，撤去障碍物，将测试数据传输至测试车辆，根据测试车辆在原障碍物占据位置处的表现，来判断是否通过测试。可以看出，本实施例可对每辆车进行实车测试，获取测试数据的过程较为简单，无需花费较长的前期调试时间，测试效率高，获得一次测试
数据可以给大量同类型车辆重复使用，测试过程中不会损坏车辆，无需昂贵的测试设备，测试成本较低。
22.在另一些实施例中，利用所述测试车辆或标定用车辆搭载所述数据采集设备，匀速由所述测试场景的起点移动至终点，即可以直接使用测试车辆进行场景数据采集，也可以使用另外的标定用车辆进行场景数据采集，为了更准确地采集场景数据，测试车辆或标定用车辆的移动速度不应高于5km/h。
23.在另一些实施例中，所述数据采集设备至少包括视频采集设备和定位设备，所述场景数据至少包括由起点至终点的视频数据和定位数据，视频采集设备可以是相机或测试车辆自带视频设备，定位设备可以是gps定位设备。
24.在另一些实施例中，对所述视频数据执行抽帧操作，获得视频帧图像，根据时间戳信息将所述视频帧图像与所述定位数据中的各位置点对应起来，形成所述测试数据；测试时，根据所述测试车辆所在的位置点向所述测试车辆传输相应的所述视频帧图像。这些实施例提供了一种形式的测试数据，即通过抽帧，得到按时间戳信息排列的视频帧图像，结合定位数据中各位置点的坐标，即可形成位置和图像相对应的图像集合，测试时，利用定位设备获取测试车辆的位置，根据测试车辆的位置向测试车辆发生对应的视频帧图像，测试车辆利用视频帧图像感知障碍物，完成测试。
25.在另一些实施例中，所述标定用车辆上的所述视频采集设备与所述测试车辆自带视频设备的数量、位置关系、俯仰角、横摆角参数一致。当在测试车辆之外另外选定标定用车辆时，就要在标定用车辆上设置相机，为了方便测试，需要使得相机的参数与测试车辆自用的视频设备一致。
26.在另一些实施例中，所述测试车辆或所述标定用车辆在搭载所述视频采集设备和所述定位设备后，利用所述定位设备对所述视频采集设备的相对位置关系和所述测试车辆或所述标定用车辆的轮廓线进行标定。标定后，便于将视频采集设备和定位设备转移至其它测试车辆，而不改变视频采集设备和定位设备的位置关系。
27.在另一些实施例中，检测向所述测试车辆传输所述测试数据的通信时延，若大于预定时长，则根据所述通信时延计算和所述数据采集设备的移动速度修正所述测试数据，即将位置点更新为当前位置 实时速度
×
延时时长，再与对应的视频帧图像匹配，减少试验误差。
28.在另一些实施例中，撤去所述障碍物之前，标记所述障碍物的轮廓线，标记的方式可以是用记号笔标记，或者采用如红外传感器之类的传感器标记，当测试未通过时，会触发传感器反应。
29.在另一些实施例中，若所述测试车辆与所述障碍物的轮廓线重叠，即测试车辆会与障碍物碰撞，则判断所述测试车辆未通过测试，若否，则通过测试。
30.在另一些实施例中，包括：1、相机设备标定：相机标定分2种情况，如果自动驾驶车辆自带视频存储和输出模块，则无需标定，直接进入与步骤2；如果自动驾驶车辆不带视频存储和输出模块，则需要采用相同型号的相机，用专用的标定工具和设备标定在其他车辆（后称标定用车辆）上，标定的参数应和开展测试的车辆相机参数一致，至少包括相机的高度、俯仰角、横摆角等；2、gps定位设备标定：将定位设备安装在自动驾驶车辆上，并对定位设备在车上安装的位置进行标定，包括但不限于距车头、车尾、车左侧、车右侧的距离标定，
距离相机位置的标定等；定位设备精度要求达到厘米级；3、数据采集：数据采集共计采集2种数据，相机的视频数据和车辆的定位数据；采集开始前，要将所有的静态目标物（即障碍物）场景摆好，采集开始后，打开数据采集设备，自动驾驶车辆（或标定用车辆）从测试起点位置出发，以小于5km/h的速度匀速行驶，至障碍物前结束。重复采集不低于3次；采集结束后，把静态目标物的位置在地面上做好轮廓标记，将静态目标物移走；将视频数据和定位数据进行导出；定位设备所在的自动驾驶车辆如果为即将开展测试的车辆，则不用拆除，留在步骤5使用，如果不是，则需要按找步骤2记录的标定数据安装到即将开展测试的车辆；4、数据处理：将3次采集到的视频数据通过opencv进行抽帧成图像，每一张图像，根据时间戳信息，寻找对应的gps定位数据，并对每一张图片设置图片和gps定位信息的关联标签，相同定位信息的图像只保留一张；如此就形成了一个不同位置下的图像库；5、数据注入：将上述处理好的图像库导入数据注入模块中，设置开发数据注入模块与测试车辆的通信协议，保证其互联互通，将相机断电，测试车辆只接收由数据注入模块下发的数据；测试开始后，测试车辆在起点起步，车上的gps定位设备将定位信息传输给数据注入装置，数据注入装置根据上传的gps位置信息，从图像库中寻找匹配的图像信息，注入给测试车辆；数据注入模块与测试车的通信延时应控制在30ms以内，如果超过30ms，应通过算法补偿通信延时带来的选择图像误差，即输入匹配位置图像应为当前位置 实时速度
×
延时时长，并转换成gps位置坐标，得出匹配位置对应的图像；6、评价评判：测试结果评判，测试车辆停稳后，如果车头位置垂线穿过地面轮廓线或与地面轮廓线有重叠，则说明测试车辆与静态目标物发生了碰撞，判定结果不通过，如果车头位置未接触地面轮廓线，则说明未发生碰撞，测试结果为通过测试。
31.本技术的实施例提供了纯视觉自动驾驶车辆测试装置，包括：数据采集模块，可以包括视频模块和定位模块，用于由测试场景的起点移动至终点，获取所述测试场景的场景数据，所述测试场景利用障碍物搭建；数据处理模块，可以包括处理器、存储器等，用于将所述场景数据转换为测试数据；数据注入模块，可以包括通信模块，用于将测试数据传输至所述测试车辆，使所述测试车辆在撤去所述障碍物后的所述测试场景中进行测试。
32.这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明纯视觉自动驾驶车辆测试方法及装置的应用、修改和变化对本领域的技术人员来说是显而易见的。
33.尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。