一种基于场景的异常导航数据提取方法及测试系统与流程

1.本技术涉及车辆测试，尤其涉及一种基于场景的异常导航数据提取方法及测试系统。


背景技术：

2.随着车载导航系统在车辆上的普遍应用，车载导航系统的定位准确性及系统稳定性对车辆质量有着重要影响。为保证车牌质量，对车载导航系统的完整测试显得至关重要。
3.目前对于车载导航系统的测试，先利用数据采集设备采集导航数据，再将导航数据传输至导航模拟器(例如导航数据回放装置、can数据回放装置)，再利用导航模拟器在试验室回放导航数据至车机进行测试。
4.但是，由于前期采集的导航数据巨大且无针对性，导致测试耗时，测试效率低。


技术实现要素：

5.本发明提供了一种基于场景的异常导航数据提取方法及测试系统，以解决或者部分解决测试车载导航系统时的测试数据无针对性，进而导致测试效率低的技术问题。
6.为解决上述技术问题，本发明提供了一种基于场景的异常导航数据提取方法，所述方法包括：
7.获取视频导航数据；其中，所述视频导航数据为导航时拍摄得到的实际道路数据；
8.对所述视频导航数据按照关键场景进行划分，获得m类关键场景导航数据；m≥1且为正整数；
9.从所述m类关键场景导航数据中提取出各自的异常导航数据，以用于车机测试。
10.优选的，所述对所述视频导航数据按照关键场景进行划分，获得m类关键场景导航数据，具体包括：
11.按照m类场景各自对应的场景通行时间对所述视频导航数据进行划分，得到所述m类关键场景导航数据。
12.优选的，所述m类关键场景导航数据中包含同场景的n组关键场景导航数据，每组关键场景导航数据具有自身的场景通行时间，n≥1且为正整数；
13.所述从所述m类关键场景导航数据中提取出各自的异常导航数据，具体包括：
14.针对每类场景下的n组关键场景导航数据，以关键场景导航数据在场景通行时间内对应的卫星数量和/或信号强度为依据，确定出所述n组关键场景导航数据内的异常导航数据。
15.优选的，所述针对每类场景下的n组关键场景导航数据，以关键场景导航数据在场景通行时间内对应的卫星数量和/或信号强度为依据，确定出所述n组关键场景导航数据内的异常导航数据，包括：
16.针对每类场景下的n组关键场景导航数据，若所述关键场景导航数据中的数据点对应的卫星数量小于数量阈值，将所述数据点确定为所述异常导航数据；
17.若所述数据点对应的卫星数量大于等于所述数量阈值，所述数据点对应的高于信号强度阈值的卫星数量小于所述数量阈值，将所述数据点确定为所述异常导航数据。
18.优选的，所述m类关键场景导航数据中包含同场景的n组关键场景导航数据，每组关键场景导航数据具有自身的场景通行时间，n≥1且为正整数；
19.所述从所述m类关键场景导航数据中提取出各自的异常导航数据，具体包括：
20.针对每类场景下的n组关键场景导航数据，将每组关键场景导航数据对应的场景通行时间进行分段，得到每组关键场景导航数据各自的p个时间分段，p≥1且为正整数；
21.在每个时间分段中，确定出所述时间分段内的总数据点和所述时间分段内的异常数据点，并根据所述总数据点和所述异常数据点计算出异常概率，根据所述异常概率对所述异常数据点进行数据扩充，得到异常数据段；
22.根据所述每组关键场景导航数据在p个时间分段中的异常数据段，确定出所述每组关键场景导航数据对应的异常数据段；
23.基于所述每组关键场景导航数据对应的异常数据段，得到所述n组关键场景导航数据内的异常导航数据。
24.优选的，所述确定出所述时间分段内的总数据点和所述时间分段内的异常数据点，具体包括：
25.根据公式s＝tf确定所述总数据点；其中，s表示总数据点，t表示所述时间分段的时间长度，f表示数据采集频率；
26.根据以所述时间分段内每个数据点对应的卫星数量和/或信号强度为依据，确定出所述时间分段内的异常数据点。
27.优选的，所述根据以所述时间分段内每个数据点对应的卫星数量和/或信号强度为依据，确定出所述时间分段内的异常数据点，具体包括：
28.对于所述时间分段内的每个数据点，若所述数据点对应的卫星数量小于数量阈值，将所述数据点确定为所述异常数据点；
29.若所述数据点对应的卫星数量大于等于所述数量阈值，所述数据点对应的高于信号强度阈值的卫星数量小于所述数量阈值，将所述数据点确定为所述异常数据点。
30.优选的，所述根据所述异常概率对所述异常数据点进行数据扩充，得到异常数据段，具体包括：
31.若所述异常概率小于概率阈值，将所述异常数据点的异常时刻作为第一参考时间点进行第一前后扩充，得到包含所述异常时刻的第一异常时间段，将所述第一异常时间段对应数据段确定为所述异常数据段；
32.若所述异常概率大于等于所述概率阈值，以所述时间分段内的首末异常数据点对应的异常时刻作为第二参考时间点进行第二前后扩充，得到包含所有异常数据点在内的第二异常时间段，将所述第二异常时间段对应数据段确定为所述异常数据段。
33.优选的，所述第一前后扩充和所述第二前后扩充的扩充时间段相同。
34.本发明公开了一种测试系统，包括：
35.数据采集设备，用于获取视频导航数据；其中，所述视频导航数据为导航时的实际道路数据；
36.数据处理设备，用于对所述视频导航数据按照关键场景进行划分，获得m类关键场
景导航数据；m≥1且为正整数；从所述m类关键场景导航数据中提取出各自的异常导航数据，以用于车机测试。
37.通过本发明的一个或者多个技术方案，本发明具有以下有益效果或者优点：
38.本发明公开了一种基于场景的异常导航数据提取方法，通过将视频导航数据进行了场景分类并针对各关键场景进行异常数据提取，进而能够完成不同关键场景下异常导航数据的提取，保证测试数据的针对性，并提升了测试效率，验证了不同关键场景下车载导航系统的性能。
39.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
40.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
41.图1示出了根据本发明一个实施例的一种基于场景的异常导航数据提取方法的流程图；
42.图2示出了根据本发明一个实施例的一种测试系统的示意图。
具体实施方式
43.为了使本技术所属技术领域中的技术人员更清楚地理解本技术，下面结合附图，通过具体实施例对本技术技术方案作详细描述。
44.下面参看图1，是本发明实施例的一种基于场景的异常导航数据提取方法的流程图，该方法包括如下步骤：
45.步骤101，获取视频导航数据。
46.具体来说，在测试车载导航信息使用到的测试数据主要包括：实际导航卫星数据、视频导航数据。
47.实际导航卫星数据主要包含：每个时刻对应的卫星传输数据、每个时刻实际搜到的卫星数量及各个卫星信号强度等。卫星传输数据用于实际位置定位，每个时刻的卫星数量及卫星信号强度用作数据提取的提取依据；
48.视频导航数据，为导航时拍摄得到的实际道路数据，用于不同场景下数据的初步提取。视频导航数据虽然是实际道路数据，但是每个实际道路数据和实际导航卫星数据一一对应。也即：每个时刻的实际道路数据，都对应有卫星传输数据、卫星数量、卫星信号强度。
49.在进行数据采集时，通过摄像头采集得到视频导航数据，而每个时刻的视频导航数据对应有卫星传输数据、卫星数量、卫星信号强度。
50.此外，由于车辆的行驶线路不定，因此车载导航系统会在各类不同的场景下进行导航。而由于场景特殊性，车载导航系统会出现导航异常，例如在隧道、地下车库、高架桥下等场景下，主要是由于卫星信号的遮挡，导致实际搜到卫星数量小于4，会出现车载导航异
常(导航漂移)；在城市高楼场景下，导航信号因高楼的遮挡反射，最终实际卫星信号强度减弱，导致车载导航异常；在高压变电站及类似场景，导航信号由于增加各种底噪信号，也会导致车载导航异常。
51.故，在本实施例中，在采集到测试数据之后，从测试数据中获取视频导航数据，以视频导航数据为准，以视频导航数据对应的实际导航卫星数据作为辅助，将视频导航数据按照关键场景划分，进而使测试数据更具备针对性。按关键场景划分具体参看下述描述。
52.步骤102，对视频导航数据按照关键场景进行划分，获得m类关键场景导航数据。
53.其中，m类关键场景导航数据实际指m类关键导航场景下的场景导航数据，关键导航场景指的是容易出现异常导航数据的场景，例如隧道、地下车库、高架桥下等关键场景。m≥1且为正整数，m的取值取决于视频导航数据中出现关键导航场景的数量。
54.在按照关键场景进行划分时，按照m类关键场景各自对应的场景通行时间对视频导航数据进行划分，得到m类关键场景导航数据。
55.具体来说，以车辆驶入关键场景的时刻作为开始时刻，以车辆驶出该关键场景的时刻作为结束时刻，将开始时刻和结束时刻之间的时间段作为该关键场景的场景通信时间。
56.其中，m类关键场景导航数据中包含同场景的n组关键场景导航数据，n≥1且为正整数。每组关键场景导航数据具有自身的场景通行时间。以隧道类场景为例，车辆穿过了三个隧道，而每个隧道长度各异，具有各自的场景通信时间，例如，第1隧道的场景通信时间为[12:00，12:05]，第2隧道的场景通信时间为[13:00，13:10]，第3隧道的场景通信时间为[14:00，14:15]，利用上述时间段在视频导航数据进行数据截取，则可得到上述时间段对应的关键场景导航数据。那么对于隧道类场景，包含3组关键场景导航数据，每组关键场景导航数据具有自身的场景通行时间。
[0057]
在本实施例中，通过将视频导航数据按照场景划分为各场景下对应的关键场景导航数据，能够使后续测试更有针对性，并且提升了测试效率。
[0058]
由于在测试中更注重车主导航系统在导航异常时的表现，故在对数据按照场景划分后，还会从中提取出异常导航数据，以用于车机测试，具体请看下述描述。
[0059]
步骤103，从m类关键场景导航数据中提取出各自的异常导航数据，以用于车机测试。
[0060]
异常导航数据，指在导航过程中由于卫星数量异常和/或信号强度异常产生的导航数据，例如在隧道、地下车库、高架桥下等场景下由于导航异常产生的导航数据。
[0061]
因异常导航数据的产生取决于卫星数量和/或信号强度，故在提取异常导航数据的过程中，针对每类场景下的n组关键场景导航数据，以关键场景导航数据在场景通行时间内对应的卫星数量和/或信号强度为依据，确定出n组关键场景导航数据内的异常导航数据。
[0062]
在具体的实施过程中，针对每类场景下的n组关键场景导航数据做如下处理：若关键场景导航数据中的数据点对应的卫星数量小于数量阈值，将数据点确定为异常导航数据；若数据点对应的卫星数量大于等于数量阈值，数据点对应的高于信号强度阈值的卫星数量小于数量阈值，将数据点确定为异常导航数据。
[0063]
具体的，每组关键场景导航数据中含有若干数据点，且每个数据点具有各自的采
集时刻、使用的卫星数量和各卫星的信号强度。通常来说，采集数据时至少使用4颗卫星，少于4颗卫星则表示不满足定位条件，会产生异常导航数据。可见卫星数量是影响数据采集的因素之一，故在本实施例中，判断数据点对应的卫星数量是否小于4，若小于4，则将数据点确定为异常导航数据。进一步的，由于每颗卫星具有各自的信号强度，信号强度也是影响数据采集的因素之一。故在本实施例中，设置有信号强度阈值，即便该数据点对应的卫星数量大于等于4颗卫星，但是高于信号强度阈值的卫星数量小于4颗，也将该数据点确定为导航异常数据。
[0064]
进一步的，在得到每组关键场景导航数据中的导航异常数据之后，即可确定出n组关键场景导航数据中的导航异常数据。例如，将n组关键场景导航数据中的每组关键场景导航数据中的导航异常数据作为n组关键场景导航数据中的导航异常数据。
[0065]
而得到n组关键场景导航数据中的导航异常数据，即表示得到了该类场景下的导航异常数据。
[0066]
在本实施例中，利用卫星数量和/或信号强度来得到异常导航的数据点，并将该数据点确定为异常导航数据，用于车机测试中。
[0067]
在本发明的一实施例中，由于异常数据转变为正常数据时，可能会存在过渡数据，由于过渡数据不能够毫无疑义的确认为正常导航数据，因此，本实施例根据异常数据点进行数据扩充得到该过渡数据，并将该过渡数据确一并用于车机测试，以避免数据遗漏造成测试误差。
[0068]
在具体的实施过程中，首先，针对每类场景下的n组关键场景导航数据，将每组关键场景导航数据对应的场景通行时间进行分段，得到每组关键场景导航数据各自的p个时间分段，p≥1且为正整数。具体的，分段的具体方式包括但不限于是平均分段、随机分段等等。为了避免分段过多影响计算速度，在每个时间分段的时间≥10min。
[0069]
其次，在每个时间分段中，确定出时间分段内的总数据点和时间分段内的异常数据点。
[0070]
在确定总数据点的过程中，根据公式s＝tf确定总数据点；其中，s表示总数据点，t表示时间分段的时间长度，f表示数据采集频率。
[0071]
在确定异常数据点的过程中，根据以时间分段内每个数据点对应的卫星数量和/或信号强度为依据，确定出时间分段内的异常数据点。在具体的实施过程中，对于时间分段内的每个数据点，若数据点对应的卫星数量小于数量阈值，将数据点确定为异常数据点；若数据点对应的卫星数量大于等于数量阈值，且数据点对应的高于信号强度阈值的卫星数量小于数量阈值，将数据点确定为异常数据点。
[0072]
具体的，每个时间分段内含有若干数据点，且每个数据点具有各自的采集时刻、使用的卫星数量和各卫星的信号强度。通常来说，采集数据时至少使用4颗卫星，少于4颗卫星则表示不满足定位条件，会产生异常导航数据。可见卫星数量是影响数据采集的因素之一，故在本实施例中，判断数据点对应的卫星数量是否小于4，若小于4，则将数据点确定为异常导航数据。进一步的，由于每颗卫星具有各自的信号强度，信号强度也是影响数据采集的因素之一。故在本实施例中，设置有信号强度阈值，即便该数据点对应的卫星数量大于等于4颗卫星，但是高于信号强度阈值的卫星数量小于4颗，也将该数据点确定为导航异常数据。
[0073]
再次，根据总数据点和异常数据点计算出异常概率，根据异常概率对异常数据点
进行数据扩充，得到异常数据段。
[0074]
具体来说，在计算异常概率的过程中，将异常数据点的数量和总数据点的数量相比，得到异常概率。
[0075]
而在进行数据扩充的过程中，判断异常概率是否小于异常概率阈值，例如40％。若异常概率小于概率阈值，表示时间分段内的异常数据点为分散式数据，故针对该时间分段内的所有异常数据点进行下述处理：将异常数据点的异常时刻作为第一参考时间点进行第一前后扩充，得到包含异常时刻的第一异常时间段，将第一异常时间段对应数据段确定为异常数据段。具体的，在第一前后扩充时，前后扩充的时间可以相同或不同，例如以异常数据点的异常时刻t作为中点，前后扩充时间长度为s，则第一异常时间段为[t-s，t s]，[t-s，t s]内的数据段即为异常数据段。针对每个异常数据点进行上述数据扩充后，每个异常时间点即为一个异常数据段。
[0076]
若异常概率大于等于概率阈值，表示时间分段内的异常数据点为集中式数据，以时间分段内的首末异常数据点对应的异常时刻作为第二参考时间点进行第二前后扩充，得到包含所有异常数据点在内的第二异常时间段，将第二异常时间段对应数据段确定为异常数据段。具体的，在第二前后扩充时，前后扩充的时间可以相同或不同。此外，第一前后扩充和第二前后扩充的扩充时间段也可以相同。例如前后扩充时间长度为s，首个异常数据点对应的异常时刻为ti，而末尾异常数据点对应的异常时刻为tj，则第二异常时间段为[t
i-s，tj s]，[t
i-s，tj s]内的数据段即为异常数据段。本实施例的所有异常数据点对应同一个异常数据段。
[0077]
在得到每个时间分段的异常数据段后，即可得到每组关键场景导航数据在p个时间分段中的异常数据段。进一步的，根据每组关键场景导航数据在p个时间分段中的异常数据段，确定出每组关键场景导航数据对应的异常数据段。具体的，对于每组关键场景导航数据，将每个时间分段的异常数据段之和作为每组关键场景导航数据的异常数据段。例如，该组关键场景导航数据具有3个时间分段，每个时间分段中的异常数据段分别为10段、1段、1段。则该组关键场景导航数据具有12个异常数据段。进一步的，基于每组关键场景导航数据对应的异常数据段，得到n组关键场景导航数据内的异常导航数据。具体的，将每组关键场景导航数据对应的异常数据段之和作为n组关键场景导航数据内的异常导航数据。例如，该场景下具有3组关键场景导航数据，每组关键场景导航数据具有的异常数据段分别为12个、25个、30个。则该场景下具有67个异常数据段。
[0078]
在本实施例中，通过将异常数据点扩充为异常数据段，能够将过渡数据也纳入测试，进而避免数据遗漏造成测试误差。
[0079]
基于相同的发明构思，参看图2，在下面的实施例公开了一种测试系统，包括：
[0080]
数据采集设备201，用于获取视频导航数据；其中，所述视频导航数据为导航时的实际道路数据；
[0081]
数据处理设备202，用于对所述视频导航数据按照关键场景进行划分，获得m类关键场景导航数据；m≥1且为正整数；从所述m类关键场景导航数据中提取出各自的异常导航数据，以用于回放车机测试。
[0082]
作为一种可选的实施例，该测试系统还包括：导航模拟器，用于传输异常导航数据；
[0083]
车机，用于接收异常导航数据进行导航测试。
[0084]
尽管已描述了本技术的优选实施例，但本领域内的普通技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0085]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。