智能汽車是汽車?電子?信息通信?道路交通運(yùn)輸?shù)刃袠I(yè)深度融合的新型產(chǎn)業(yè)形態(tài)?當(dāng)前, 我國(guó)智能汽車產(chǎn)業(yè)進(jìn)入快車道, 技術(shù)創(chuàng)新日益活躍, 新型應(yīng)用蓬勃發(fā)展, 產(chǎn)業(yè)規(guī)模不斷擴(kuò)大,而相應(yīng)的測(cè)試技術(shù)體系也在不斷完善, 推動(dòng)產(chǎn)業(yè)進(jìn)步?本書首先立足于整體現(xiàn)狀對(duì)智能汽車測(cè)試體系架構(gòu)進(jìn)行綜述, 并針對(duì)測(cè)試技術(shù)的發(fā)展趨勢(shì)和整個(gè)核心技術(shù)進(jìn)行詳細(xì)描述;然后, 針對(duì)測(cè)試體系中每一測(cè)試過程的概念?核心思想?關(guān)鍵技術(shù)?測(cè)試方法?發(fā)展趨勢(shì)等進(jìn)行詳細(xì)描述?

本書可供智能汽車設(shè)計(jì)人員及測(cè)試人員閱讀使用, 也可供車輛工程專業(yè)及相關(guān)專業(yè)師生閱讀參考?

本文是《智能汽車測(cè)試技術(shù)》系列文章第二篇，上一篇智能汽車測(cè)試技術(shù)：環(huán)境感知系統(tǒng)的測(cè)試技術(shù)與方法（一、需求分析及系統(tǒng)介紹）

注：本文節(jié)選自《智能汽車測(cè)試技術(shù)》，由機(jī)械工業(yè)出版社于2025年6月份出版

《智能汽車測(cè)試技術(shù)》目錄 

第1 章

導(dǎo)論

1.1 背景與需求/ 001

1.2 基本概念/ 003

1.2.1 測(cè)試與評(píng)價(jià)的基本概念/ 003

1.2.2 產(chǎn)品全生命周期中的測(cè)評(píng)技術(shù)/ 004

1.3 現(xiàn)狀與挑戰(zhàn)/ 005

1.4 本書章節(jié)安排/ 006

第2 章

智能汽車

測(cè)評(píng)概述

 2.1 測(cè)評(píng)需求分析/ 009

2.1.1 安全性測(cè)試與驗(yàn)證/ 009

2.1.2 智能性測(cè)試與評(píng)價(jià)/ 012

2.2 測(cè)試方法論/ 015

2.2.1 安全性測(cè)試驗(yàn)證框架/ 015

2.2.2 智能性測(cè)試評(píng)估框架和體系/ 017

2.3 測(cè)試工具鏈及應(yīng)用要求/ 023

2.3.1 測(cè)試工具鏈/ 023

2.3.2 測(cè)試需求與測(cè)試工具的適配性/ 027

2.4 本章小結(jié)/ 029

參考文獻(xiàn)/ 030

第3 章

智能汽車

測(cè)試場(chǎng)景

3.1 場(chǎng)景基本概念/ 031

3.2 場(chǎng)景體系/ 033

3.2.1 場(chǎng)景要素與屬性/ 033

3.2.2 場(chǎng)景層級(jí)/ 035

3.2.3 場(chǎng)景分類/ 036

3.3 場(chǎng)景生成方法/ 037

3.3.1 基于形式化描述的場(chǎng)景生成方法/ 037

3.3.2 基于駕駛員模型的場(chǎng)景生成方法/ 040

3.3.3 安全關(guān)鍵場(chǎng)景生成方法/ 048

3.4 場(chǎng)景采集與利用/ 051

3.4.1 場(chǎng)景采集技術(shù)/ 051

3.4.2 場(chǎng)景庫搭建/ 052

3.5 本章小結(jié)/ 052

參考文獻(xiàn)/ 053

第4 章

環(huán)境感知

系統(tǒng)的測(cè)試

技術(shù)與方法

4.1 環(huán)境感知系統(tǒng)測(cè)試需求分析/ 055

4.2 環(huán)境感知系統(tǒng)介紹/ 057

4.2.1 感知系統(tǒng)/ 057

4.2.2 硬件模組/ 058

4.2.3 認(rèn)知算法/ 058

4.3 環(huán)境感知系統(tǒng)測(cè)試技術(shù)框架/ 059

4.4 各類感知環(huán)境介紹/ 060

4.4.1 封閉場(chǎng)地環(huán)境/ 060

4.4.2 道路交通環(huán)境/ 064

4.4.3 虛擬仿真環(huán)境/ 066

4.5 數(shù)據(jù)生成模型介紹/ 069

4.5.1 降雨圖像生成方法概述/ 070

4.5.2 降雨圖像生成模型介紹/ 071

4.5.3 降雨圖像生成模型結(jié)果/ 075

4.6 具體測(cè)試案例/ 076

4.6.1 案例一:基于封閉場(chǎng)地環(huán)境的感知系統(tǒng)測(cè)試/ 076

4.6.2 案例二:基于虛擬仿真環(huán)境的硬件模組測(cè)試/ 078

4.6.3 案例三:基于虛擬仿真環(huán)境的感知系統(tǒng)測(cè)試/ 081

4.6.4 案例四:基于三類感知環(huán)境和數(shù)據(jù)生成模型的

認(rèn)知算法測(cè)試/ 083

4.7 本章小結(jié)/ 086

參考文獻(xiàn)/ 087

第5 章

決策規(guī)劃

系統(tǒng)的測(cè)試

技術(shù)與方法

 5.1 決策規(guī)劃系統(tǒng)的測(cè)試需求與挑戰(zhàn)/ 089

5.1.1 測(cè)試需求/ 089

5.1.2 測(cè)試挑戰(zhàn)/ 090

5.2 基于場(chǎng)景的測(cè)試技術(shù)與方法/ 092

5.2.1 靜態(tài)試驗(yàn)設(shè)計(jì)測(cè)試方法/ 092

5.2.2 動(dòng)態(tài)試驗(yàn)設(shè)計(jì)測(cè)試方法/ 094

5.3 基于真實(shí)里程的測(cè)試技術(shù)與方法/ 101

5.3.1 開放道路測(cè)試技術(shù)/ 101

5.3.2 重要度采樣加速測(cè)試方法/ 103

5.4 基于虛擬里程的測(cè)試技術(shù)與方法/ 104

5.4.1 虛擬里程測(cè)試系統(tǒng)組成框架/ 105

5.4.2 用于虛擬里程測(cè)試的NPC 模型生成方法/ 106

5.4.3 用于虛擬里程測(cè)試的NPC 模型性能驗(yàn)證/ 113

5.4.4 虛擬里程測(cè)試的應(yīng)用/ 118

5.4.5 小結(jié)/ 130

5.5 其他測(cè)試技術(shù)/ 131

5.5.1 自動(dòng)化測(cè)試技術(shù)/ 131

5.5.2 錯(cuò)誤注入測(cè)試技術(shù)/ 139

5.5.3 分布式自動(dòng)化測(cè)試技術(shù)/ 152

5.6 本章小結(jié)/ 157

參考文獻(xiàn)/ 157

第6 章

整車測(cè)試

技術(shù)與方法

6.1 整車測(cè)評(píng)需求分析/ 159

6.2 封閉測(cè)試場(chǎng)地平臺(tái)/ 160

6.2.1 封閉測(cè)試場(chǎng)/ 160

6.2.2 動(dòng)態(tài)模擬目標(biāo)物系統(tǒng)/ 162

6.2.3 定位與數(shù)據(jù)采集系統(tǒng)/ 163

6.3 開放道路測(cè)試系統(tǒng)/ 164

6.3.1 測(cè)試方案制定/ 165

6.3.2 數(shù)據(jù)采集與數(shù)據(jù)閉環(huán)系統(tǒng)/ 165

6.4 本章小結(jié)/ 166

第7 章

智能汽車

安全性評(píng)估

7.1 基于具體場(chǎng)景的安全性評(píng)估/ 169

7.1.1 場(chǎng)景瞬時(shí)風(fēng)險(xiǎn)評(píng)估方法/ 170

7.1.2 多階段安全評(píng)估/ 180

7.1.3 單個(gè)測(cè)試場(chǎng)景結(jié)果外推/ 181

7.2 基于邏輯場(chǎng)景的安全性評(píng)估/ 182

7.2.1 評(píng)估要求/ 182

7.2.2 面向邏輯場(chǎng)景評(píng)價(jià)的危險(xiǎn)域識(shí)別方法/ 183

7.3 針對(duì)被測(cè)功能的安全性評(píng)估/ 192

7.4 本章小結(jié)/ 192

參考文獻(xiàn)/ 193

第8 章

智能汽車

綜合行駛

性能評(píng)估

 8.1 測(cè)評(píng)需求與研究現(xiàn)狀/ 195

8.1.1 測(cè)評(píng)需求/ 195

8.1.2 研究現(xiàn)狀/ 195

8.2 測(cè)評(píng)基本流程/ 197

8.3 典型測(cè)試場(chǎng)景矩陣/ 198

8.4 測(cè)試方法與流程/ 199

8.4.1 測(cè)試方案/ 199

8.4.2 背景車跟馳模型/ 199

8.4.3 測(cè)試數(shù)據(jù)輸出/ 201

8.5 評(píng)價(jià)方法與流程/ 202

8.5.1 評(píng)價(jià)體系/ 202

8.5.2 評(píng)價(jià)流程/ 204

8.6 測(cè)評(píng)示例/ 206

8.7 本章小結(jié)/ 209

參考文獻(xiàn)/ 209

附 錄

附錄A 測(cè)試工況參數(shù)設(shè)置/ 210

附錄B 背景車跟馳模型/ 212

附錄C 歸一化方法/ 214

附錄D 常見縮寫詞/ 216

4. 3 環(huán)境感知系統(tǒng)測(cè)試技術(shù)框架

本章主要討論針對(duì)前向環(huán)境感知系統(tǒng)(如1V,即1個(gè)前向視覺傳感器)的測(cè)試技術(shù),其他如負(fù)責(zé)定位功能的感知系統(tǒng)測(cè)試,可以參考本章所提出的測(cè)試技術(shù)框架。針對(duì)前向環(huán)境感知系統(tǒng)的測(cè)試技術(shù)分為從被感知對(duì)象所處環(huán)境獲取數(shù)據(jù)和被測(cè)對(duì)象選取兩大部分,中間借助相關(guān)輔助工具完成測(cè)試流程。如圖4-3中的序號(hào)①~③所示,可以直接在道路交通環(huán)境和封閉場(chǎng)地環(huán)境中針對(duì)被測(cè)感知系統(tǒng)開展測(cè)試,也可以基于虛擬仿真環(huán)境并額外使用如攝像頭光學(xué)暗箱或毫米波雷達(dá)仿真暗箱等工具,對(duì)該感知系統(tǒng)進(jìn)行測(cè)試;如圖4-3中的序號(hào)④~⑥所示, 可以使用數(shù)據(jù)采集系統(tǒng)從各類環(huán)境中獲取待測(cè)感知數(shù)據(jù), 隨后進(jìn)一步輸入給被測(cè)對(duì)象; 對(duì)于虛擬仿真環(huán)境還可以在環(huán)境中使用虛擬傳感器模型直接輸出待測(cè)感知數(shù)據(jù), 即序號(hào)⑦; 另外, 如圖4 -3 的序號(hào)⑧所示, 使用數(shù)據(jù)生成模型也可以直接得到待測(cè)感知數(shù)據(jù)用于測(cè)試。

在圖4-3 中, 一條從獲取數(shù)據(jù)到獲得認(rèn)知結(jié)果的包含完整流程的連線, 即構(gòu)成一種測(cè)試技術(shù)。在本章后續(xù)的小節(jié)中, 4.4 節(jié)將介紹各類被感知對(duì)象所處環(huán)境, 4.5 節(jié)將對(duì)數(shù)據(jù)生成模型展開介紹, 4.6 節(jié)將對(duì)若干具體測(cè)試案例展開介紹。

圖4 -3 環(huán)境感知系統(tǒng)測(cè)試技術(shù)框架

4. 4 各類感知環(huán)境介紹

基于4.3 節(jié)的環(huán)境感知系統(tǒng)測(cè)試技術(shù)框架, 被感知對(duì)象所處的不同環(huán)境在一定程度上決定了整體的測(cè)試流程和所需使用的輔助工具。本章將對(duì)4. 3 節(jié)中列舉的各類感知環(huán)境進(jìn)行介紹, 包括封閉場(chǎng)地環(huán)境、道路交通環(huán)境和虛擬仿真環(huán)境。

4.4.1 封閉場(chǎng)地環(huán)境

封閉場(chǎng)地環(huán)境依托專門建設(shè)的封閉測(cè)試場(chǎng)地。封閉測(cè)試場(chǎng)地強(qiáng)調(diào)環(huán)境和場(chǎng)景的還原和模擬能力, 采用柔性化設(shè)計(jì), 保證感知系統(tǒng)能夠在有限的場(chǎng)地條件下, 盡可能多地經(jīng)歷不同環(huán)境和場(chǎng)景的測(cè)試, 從而不斷積累測(cè)試數(shù)據(jù), 為智能汽車技術(shù)迭代提供有力支撐。封閉場(chǎng)地生成基于測(cè)試需求和封閉測(cè)試場(chǎng)地的特點(diǎn), 有針對(duì)性地直接構(gòu)建測(cè)試用例, 因此其弊端為生成效率低、成本高, 并且存在一定的風(fēng)險(xiǎn), 針對(duì)封閉測(cè)試場(chǎng)地詳細(xì)的介紹可見本書2.3 節(jié)。封閉測(cè)試場(chǎng)地需要在有限的范圍內(nèi)盡可能在多方面模擬真實(shí)道路環(huán)境, 從而更好地服務(wù)于感知系統(tǒng)測(cè)試, 因此需要重點(diǎn)考慮以下三個(gè)方面: 道路環(huán)境模擬、氣象條件模擬和交通參與要素模擬。

1 . 道路環(huán)境模擬

道路環(huán)境通常不是感知系統(tǒng)直接的感知目標(biāo), 但其在很大程度上會(huì)對(duì)感知結(jié)果造成影響, 如易揚(yáng)塵道路會(huì)干擾傳感器感知, 環(huán)島和T 形路口會(huì)造成不同的感知盲區(qū)等。為滿足在各種道路路面下的測(cè)試需求, 封閉測(cè)試場(chǎng)地應(yīng)具有瀝青路、水泥路、磚石路、砂石路、泥土路等多種材質(zhì)路面, 道路設(shè)計(jì)和鋪設(shè)應(yīng)滿足公路工程和道路設(shè)計(jì)相關(guān)標(biāo)準(zhǔn)。美國(guó)密歇根的Mcity測(cè)試場(chǎng)地[9] 即由多種路面和道路元素構(gòu)成。它包含水泥、柏油、仿真磚等鋪裝路面, 還有泥土、碎石等非鋪裝路面。瑞典的AstaZero封閉測(cè)試場(chǎng)地由五個(gè)區(qū)域組成[10] , 包括不同道路類型, 分別是多車道測(cè)試區(qū)域、由四個(gè)街區(qū)組成的城市區(qū)域、高速道路測(cè)試區(qū)域、農(nóng)郊道路和主試驗(yàn)中心, 通過不同區(qū)域的組合可以模擬幾乎全部道路交通模式及場(chǎng)景。國(guó)家智能網(wǎng)聯(lián)汽車(長(zhǎng)沙) 測(cè)試區(qū)(以下簡(jiǎn)稱長(zhǎng)沙測(cè)試區(qū))也涵蓋多種測(cè)試道路, 包括高速、城市、鄉(xiāng)村、越野等, 如圖4 -4 所示。

圖4-4 長(zhǎng)沙測(cè)試區(qū)

除測(cè)試場(chǎng)地的路面條件需要盡可能貼近真實(shí)道路外,測(cè)試場(chǎng)地還需包含其他道路元素信息,如交通標(biāo)志、車道線、信號(hào)燈、人行橫道、指示牌、減速帶等,這些要素同樣需復(fù)刻真實(shí)道路環(huán)境。

封閉測(cè)試場(chǎng)地中不同的道路類型也是生成多樣化場(chǎng)景的必要條件之一,與路面條件模擬類似,不同道路類型的模擬同樣需要參照相關(guān)標(biāo)準(zhǔn)構(gòu)建以滿足對(duì)真實(shí)道路類型的復(fù)刻。美國(guó)Mcity測(cè)試場(chǎng)模擬了隧道、環(huán)島、交通管制區(qū)、施工區(qū)等道路元素。長(zhǎng)沙測(cè)試區(qū)模擬了隧道、十字路口、T形路口、環(huán)島等道路元素,如圖4-5所示。

圖4 -5 長(zhǎng)沙測(cè)試區(qū)不同道路類型

為更好地還原真實(shí)世界場(chǎng)景,道路環(huán)境模擬中還需要對(duì)道路周邊要素進(jìn)行還原,如路邊建筑、加油站、停車場(chǎng)等。例如,在美國(guó)Mcity測(cè)試場(chǎng)地,其城市場(chǎng)景設(shè)計(jì)有可移動(dòng)的房屋外墻,墻體材料均取自真實(shí)建筑,如玻璃、磚、木頭、氯乙烯等,用于模擬傳感器對(duì)于不同材料的不同反饋,并且還有多種停車位可供選擇,如側(cè)方停車、倒車入庫和斜對(duì)角停車等。該測(cè)試場(chǎng)地還在市中心區(qū)域設(shè)置有郵箱、消防栓、候車椅、計(jì)時(shí)碼表等自動(dòng)駕駛車輛在真實(shí)世界中會(huì)遇到的道路元素,用于測(cè)試它們的應(yīng)對(duì)狀況。

另外,除常規(guī)行車場(chǎng)景外,如循線行駛、通過各類路口、斜坡等,封閉測(cè)試場(chǎng)還可以特別設(shè)計(jì)一些用于測(cè)試傳感器的場(chǎng)景。如美國(guó)Mcity的人造樹蔭區(qū)域,可以用于測(cè)試傳感器信號(hào)被削弱、遮蔽和延遲對(duì)于自動(dòng)駕駛車輛的影響;Mcity內(nèi)還有故意做舊的道路標(biāo)牌,用來測(cè)試圖像處理系統(tǒng)等。

2. 氣象條件模擬

自然氣象條件如雨、霧、雪等,具有地域性和季節(jié)性的特點(diǎn),其發(fā)生時(shí)間、持續(xù)時(shí)間、強(qiáng)度大小等均不受人為控制。通過在封閉測(cè)試場(chǎng)地內(nèi)搭建相關(guān)氣象條件模擬設(shè)備,能夠規(guī)避以上測(cè)試時(shí)遇到的問題,從而提高測(cè)試效率、降低測(cè)試成本。

美國(guó)弗吉尼亞SmartRoad的天氣模擬系統(tǒng)是該封閉測(cè)試場(chǎng)的特色之一[11] 。如圖4-6所示,測(cè)試場(chǎng)中75個(gè)天氣塔可以產(chǎn)生雨、雪和霧。天氣塔中的水來源于一個(gè)容量為189萬L的水箱,它們可以在適宜的天氣環(huán)境下在0.8km的道路范圍內(nèi)產(chǎn)生特定的天氣:如雨量為每小時(shí)2~64mm的降雨天氣;能見度在3~91m范圍內(nèi)變化的霧天;以及雪量為每小時(shí)102mm的降雪天氣。日本J?town的特殊環(huán)境試驗(yàn)區(qū)可以在室內(nèi)復(fù)現(xiàn)雨、霧等氣候條件,能夠?qū)崿F(xiàn)暴雨、大暴雨及特大暴雨的模擬,同時(shí)環(huán)境中還設(shè)置了如隔離欄、交通信號(hào)燈等其他交通元素,能夠組合實(shí)現(xiàn)多種降雨環(huán)境下的測(cè)試場(chǎng)景。

長(zhǎng)沙測(cè)試區(qū)內(nèi)專門搭建了一系列能夠帶來危害的特殊氣候環(huán)境的模擬設(shè)施,能夠?qū)崿F(xiàn)雨天、霧天、揚(yáng)塵等模擬,如圖4-7所示。

圖4 -6 美國(guó)弗吉尼亞SmartRoad測(cè)試場(chǎng)天氣模擬系統(tǒng)

圖4-7 長(zhǎng)沙測(cè)試區(qū)氣候環(huán)境模擬設(shè)施

除雨、霧、雪等天氣條件外,光照條件的模擬同樣是測(cè)試用例生成的關(guān)鍵條件之一。美國(guó)SmartRoad測(cè)試場(chǎng)內(nèi)配有可變照明設(shè)施,用以研究光照條件對(duì)傳感器的影響。它可以復(fù)現(xiàn)95%的美國(guó)公路照明系統(tǒng),采用了變間距設(shè)計(jì),光源有包括發(fā)光二極管模塊在內(nèi)的多種燈具頭可選。能見度測(cè)試系統(tǒng)包括靜態(tài)和動(dòng)態(tài)兩個(gè)路段,用于測(cè)試路面標(biāo)記和其他對(duì)象的可見性。Mcity測(cè)試場(chǎng)地有貫穿整個(gè)測(cè)試場(chǎng)的各類照明設(shè)施。長(zhǎng)沙測(cè)試區(qū)內(nèi)也搭建有光照模擬設(shè)備,如圖4-8所示。

圖4 -8 長(zhǎng)沙測(cè)試區(qū)光照模擬設(shè)備

3. 交通參與要素模擬

常見的交通參與要素包括隱蔽的障礙物、行人、動(dòng)物、汽車等,在封閉測(cè)試場(chǎng)地內(nèi)常通過假人、氣球車等進(jìn)行模擬。如瑞典AstaZero測(cè)試場(chǎng)即模擬了假人以及大型動(dòng)物模型、可遠(yuǎn)程控制的氣球車等。圖4-9所示為AstaZero在鄉(xiāng)村區(qū)域的大型動(dòng)物場(chǎng)景模擬。

圖4 -9 AstaZero 在鄉(xiāng)村區(qū)域的大型動(dòng)物場(chǎng)景模擬

4 4 2 道路交通環(huán)境

道路交通環(huán)境是指真實(shí)的道路環(huán)境,可以直接對(duì)被測(cè)系統(tǒng)在該環(huán)境中進(jìn)行測(cè)試,也可以從該環(huán)境中獲取待測(cè)數(shù)據(jù)再進(jìn)行測(cè)試。待測(cè)數(shù)據(jù)獲取的流程為:首先在真實(shí)道路上采集一定時(shí)長(zhǎng)的自然駕駛數(shù)據(jù);然后對(duì)采集得到的數(shù)據(jù)結(jié)果進(jìn)行后處理,如場(chǎng)景劃分、攝像頭圖像生成、點(diǎn)云生成等;最后對(duì)數(shù)據(jù)進(jìn)行標(biāo)注、整理,即完成待測(cè)數(shù)據(jù)的獲取。現(xiàn)階段已有較多開源數(shù)據(jù)集是通過從道路交通環(huán)境中獲取自然駕駛數(shù)據(jù),后經(jīng)加工得到的,下面將對(duì)幾個(gè)典型的數(shù)據(jù)集進(jìn)行介紹。

1.KITTI數(shù)據(jù)集

KITTI數(shù)據(jù)集[12] 是由德國(guó)卡爾斯魯厄理工學(xué)院和豐田工業(yè)大學(xué)芝加哥分校聯(lián)合構(gòu)建的用于自動(dòng)駕駛領(lǐng)域研究的數(shù)據(jù)集。采集地點(diǎn)位于德國(guó)卡爾斯魯厄,采集時(shí)長(zhǎng)為6h,采集數(shù)據(jù)共劃分為城市、鄉(xiāng)村、道路、校園、行人五大類,如圖4-10所示。數(shù)據(jù)采集平臺(tái)裝配有2個(gè)灰度攝像頭、2個(gè)彩色攝像頭、4個(gè)光學(xué)鏡片、1個(gè)64線旋轉(zhuǎn)激光雷達(dá)和1個(gè)組合慣導(dǎo)系統(tǒng)。經(jīng)人工處理后,KITTI數(shù)據(jù)集共包含原始和同步矯正處理后的灰度圖像、彩色圖像、激光雷達(dá)點(diǎn)云數(shù)據(jù)、組合慣導(dǎo)數(shù)據(jù)(位置、速度、加速度等)、矯正文件、3D目標(biāo)檢測(cè)標(biāo)簽。

圖4-10 KITTI數(shù)據(jù)集 

2.nuScenes數(shù)據(jù)集

nuScenes數(shù)據(jù)集[13] 是由Motional團(tuán)隊(duì)開發(fā)的大規(guī)模自動(dòng)駕駛公共數(shù)據(jù)集,如圖4-11所示。數(shù)據(jù)采集地點(diǎn)為具有密集交通環(huán)境和極具挑戰(zhàn)性駕駛環(huán)境的波士頓和新加坡,收集大約15h的駕駛數(shù)據(jù),經(jīng)專家篩選后得到1000個(gè)駕駛場(chǎng)景。每個(gè)場(chǎng)景的持續(xù)時(shí)間為20s,每個(gè)場(chǎng)景內(nèi)同時(shí)包含數(shù)十個(gè)對(duì)象,不同場(chǎng)景之間的天氣條件、車輛類型、道路標(biāo)記、植被環(huán)境等均有所不同。數(shù)據(jù)采集平臺(tái)上配備了多種傳感器,包括6個(gè)攝像頭、1個(gè)激光雷達(dá)、5個(gè)毫米波雷達(dá),以及GPS和慣性測(cè)量單元(IMU)。完整的數(shù)據(jù)集包含近140萬張圖片、39萬個(gè)激光雷達(dá)掃頻數(shù)據(jù)、140萬個(gè)毫米波雷達(dá)掃頻數(shù)據(jù)和4萬個(gè)關(guān)鍵幀中的140萬個(gè)目標(biāo)包圍盒。

圖4-11 nuScenes數(shù)據(jù)集

3.Waymo數(shù)據(jù)集

Waymo數(shù)據(jù)集[14] 是谷歌母公司Alphabet旗下的自動(dòng)駕駛公司Waymo開源的自動(dòng)駕駛數(shù)據(jù)集,如圖4-12所示。數(shù)據(jù)集中涵蓋了菲尼克斯市(又稱鳳凰城)、亞利桑那州、柯克蘭市、華盛頓州、山景城、舊金山等共25個(gè)城市和地區(qū),同時(shí)有各種天氣條件下的數(shù)據(jù),包括白天和夜晚、黎明和黃昏、晴天和雨天等。數(shù)據(jù)采集平臺(tái)為Waymo的自動(dòng)駕駛車輛,其上配備了1個(gè)中程激光雷達(dá)、4個(gè)短程激光雷達(dá)、5個(gè)攝像頭用于采集數(shù)據(jù)。數(shù)據(jù)集中有1000個(gè)場(chǎng)景片段的激光雷達(dá)數(shù)據(jù)和攝像頭圖像數(shù)據(jù),每個(gè)片段時(shí)間長(zhǎng)度為20s。數(shù)據(jù)標(biāo)注方面,Waymo數(shù)據(jù)集將目標(biāo)對(duì)象分為4類:車輛、行人、騎行者和交通標(biāo)志,總共標(biāo)注了1200萬個(gè)3D邊界框和120萬個(gè)2D邊界框。

圖4 -12 Waymo 數(shù)據(jù)集

4 4 3 虛擬仿真環(huán)境

虛擬仿真環(huán)境是指在虛擬仿真測(cè)試軟件中模擬汽車復(fù)雜的行駛環(huán)境,如極端天氣、復(fù)雜交通參與者等,進(jìn)而生成待測(cè)場(chǎng)景和數(shù)據(jù)。經(jīng)虛擬仿真環(huán)境的生成方法可以擺脫對(duì)真實(shí)環(huán)境和硬件的需求,其生成效率高,生成成本和下一步進(jìn)行測(cè)試的風(fēng)險(xiǎn)較低。但其仍有一定缺陷,一方面,所獲取的待測(cè)數(shù)據(jù)的效果嚴(yán)重依賴傳感器模型和環(huán)境模型的正確性,不正確或錯(cuò)誤的仿真模型將導(dǎo)致不真實(shí)的結(jié)果,從而對(duì)下一步的測(cè)試造成影響;另一方面,在仿真環(huán)境中難以快速還原現(xiàn)實(shí)場(chǎng)景,需要軟件開發(fā)團(tuán)隊(duì)有針對(duì)性地提升場(chǎng)景渲染的真實(shí)度。現(xiàn)階段已有較多的數(shù)據(jù)集是通過虛擬仿真生成的方式構(gòu)建的,下面將對(duì)幾個(gè)典型的數(shù)據(jù)集進(jìn)行介紹。

1. SHIFT 

SHIFT[15] 是由蘇黎世聯(lián)邦理工學(xué)院視覺智能和系統(tǒng)組構(gòu)建的數(shù)據(jù)集,是目前最大的自動(dòng)駕駛多任務(wù)合成數(shù)據(jù)集,同時(shí)提供最全面的注釋和條件。它包含云、雨和霧的強(qiáng)度大小,以及一天中連續(xù)時(shí)間內(nèi)的車輛和行人密度的離散和連續(xù)變化情況,進(jìn)而捕捉現(xiàn)實(shí)世界不斷變化的本質(zhì)。SHIFT是在CARLA虛擬仿真軟件中收集的,它包括全面的傳感器套件,能夠覆蓋最重要的感知任務(wù)。SHIFT從8個(gè)不同位置的多視圖傳感器套件捕獲了4800多個(gè)序列。針對(duì)多任務(wù)駕駛系統(tǒng),該數(shù)據(jù)集可以支持13個(gè)感知任務(wù):語義/實(shí)例分割、單目/立體深度回歸、2D/3D物體檢測(cè)、2D/3D多物體跟蹤(MOT)、光流估計(jì)、點(diǎn)云配準(zhǔn)、視覺里程計(jì)、軌跡預(yù)測(cè)和人體姿態(tài)估計(jì)。SHIFT數(shù)據(jù)集中的RGB攝像頭數(shù)據(jù)集如圖4-13所示。

2.Livox仿真數(shù)據(jù)集

Livox仿真數(shù)據(jù)集是基于自動(dòng)駕駛仿真測(cè)試平臺(tái)生成的點(diǎn)云數(shù)據(jù)和對(duì)應(yīng)標(biāo)注,支持3D目標(biāo)檢測(cè)和語義分割任務(wù)。其中傳感器配置了5個(gè)浩界Horizon激光雷達(dá)和1個(gè)泰覽Tele?15超遠(yuǎn)距激光雷達(dá),整個(gè)數(shù)據(jù)集包含14445幀360°Lidar點(diǎn)云數(shù)據(jù),6種目標(biāo)的3D包圍框標(biāo)注和14種類別的點(diǎn)云語義標(biāo)注。目前開放下載的數(shù)據(jù)集場(chǎng)景主要為市區(qū)寬闊道路場(chǎng)景,包括雙向12車道和雙向8車道。相應(yīng)地,該仿真場(chǎng)景中也包含多種車輛和行人模型,以及更貼近真實(shí)場(chǎng)景的交通流模擬。此外,豐富的交通信號(hào)燈、交通標(biāo)識(shí)牌、隔離物(包括隔離欄桿、綠化帶、隔離墩等)、樹木建筑等都讓整個(gè)仿真場(chǎng)景更加貼近實(shí)際駕駛路況。仿真場(chǎng)景示例和數(shù)據(jù)標(biāo)注示例如圖4-14和圖4-15所示。

圖4 -14 仿真場(chǎng)景示例

圖4-15 數(shù)據(jù)標(biāo)注示例

3.51WORLD虛擬標(biāo)注數(shù)據(jù)集

51WORLD虛擬標(biāo)注數(shù)據(jù)集是基于其自研的自動(dòng)駕駛仿真測(cè)試平臺(tái)51Sim?One生成及標(biāo)注的。51Sim?One場(chǎng)景如圖4-16所示。在51WORLD虛擬標(biāo)注數(shù)據(jù)集中,主要包含由51Sim?One所產(chǎn)生的攝像頭傳感器相關(guān)數(shù)據(jù)和激光雷達(dá)傳感器相關(guān)數(shù)據(jù)。攝像頭傳感器相關(guān)數(shù)據(jù)主要包括圖像和對(duì)應(yīng)的語義分割、實(shí)例分割、深度標(biāo)注、目標(biāo)檢測(cè)標(biāo)注;激光雷達(dá)傳感器相關(guān)數(shù)據(jù)主要包括激光點(diǎn)云和對(duì)3D邊界框標(biāo)注、語義分割標(biāo)注、實(shí)例分割標(biāo)注。51WORLD虛擬標(biāo)注數(shù)據(jù)集內(nèi)容豐富且全面,可滿足圖像目標(biāo)檢測(cè)、點(diǎn)云目標(biāo)檢測(cè)、融合目標(biāo)檢測(cè)、光流、實(shí)例分割、語義分割和深度預(yù)測(cè)等算法研究的需求。

圖4-16 51Sim?One場(chǎng)景 

4. OPV2V 

OPV2V(OpendatasetforPerceptionwithV2Vcommunication)是由加州大學(xué)洛杉磯分校Mobility實(shí)驗(yàn)室構(gòu)建的數(shù)據(jù)集[16] 。該數(shù)據(jù)集是第一個(gè)用于車對(duì)車感知的大規(guī)模開放模擬數(shù)據(jù)集,包含70多個(gè)場(chǎng)景、11464個(gè)幀和232913個(gè)有注釋的三維車輛邊界框,收集自CARLA的8個(gè)城鎮(zhèn)和洛杉磯卡爾弗城的一個(gè)數(shù)字城鎮(zhèn)。數(shù)據(jù)集中,每一幀平均包含3個(gè)聯(lián)網(wǎng)車輛,每個(gè)聯(lián)網(wǎng)車輛配備了4個(gè)攝像頭,總共可以覆蓋360°視角,同時(shí)配備了64通道激光雷達(dá)和GPS/IMU傳感器。OPV2V可以支持協(xié)同3D目標(biāo)檢測(cè)、純電動(dòng)汽車(BEV)語義分割、跟蹤和預(yù)測(cè)等感知任務(wù)。OPV2V數(shù)據(jù)集示例如圖4-17所示。

圖4 -17 OPV2V 數(shù)據(jù)集示例

本書首先立足于整體現(xiàn)狀對(duì)智能汽車測(cè)試體系架構(gòu)進(jìn)行綜述， 并針對(duì)測(cè)試技術(shù)的發(fā)展趨勢(shì)和整個(gè)核心技術(shù)進(jìn)行詳細(xì)描述；然后， 針對(duì)測(cè)試體系中每一測(cè)試過程的概念、核心思想、關(guān)鍵技術(shù)、測(cè)試方法、發(fā)展趨勢(shì)等進(jìn)行詳細(xì)描述。

本書可供智能汽車設(shè)計(jì)人員及測(cè)試人員閱讀使用， 也可供車輛工程專業(yè)及相關(guān)專業(yè)師生閱讀參考。

作者簡(jiǎn)介：

陳君毅,2009年畢業(yè)于同濟(jì)大學(xué)汽車學(xué)院,獲工學(xué)博士學(xué)位,任職于同濟(jì)大學(xué)汽車學(xué)院?長(zhǎng)期從事自動(dòng)駕駛汽車測(cè)試與評(píng)價(jià)方向研究工作,先后主持和參與國(guó)家級(jí)?省部級(jí)項(xiàng)目共11項(xiàng),并與華為?路特斯?上汽大眾?蔚來等企業(yè)開展了深度校企合作研究?近5年,在國(guó)內(nèi)外學(xué)術(shù)期刊和國(guó)際會(huì)議上共發(fā)表SCI/EI檢索論文近30篇,其中以第一作者或及通訊作者發(fā)表的為20余篇;申請(qǐng)發(fā)明專利30余項(xiàng)(已授權(quán)7項(xiàng))?擔(dān)任SAE汽車安全和網(wǎng)絡(luò)安全技術(shù)委員會(huì)秘書?功能安全和預(yù)期功能安全分委會(huì)主席;是自動(dòng)駕駛測(cè)試場(chǎng)景國(guó)際標(biāo)準(zhǔn)(ISO3450X)支撐專家組成員,以及CAICV聯(lián)盟預(yù)期功能安全工作組核心成員;擔(dān)任《汽車工程》和《汽車工程學(xué)報(bào)》青年編委委員,IEEE Transactions on Intelligent Vehicles?Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering?《中國(guó)公路學(xué)報(bào)》?《汽車工程》?IEEE Intelligent Transportation Systems Conference?IEEE Intelligent Vehicles Symposium等國(guó)內(nèi)外期刊和國(guó)際會(huì)議審稿人,曾于多項(xiàng)國(guó)際學(xué)術(shù)會(huì)議擔(dān)任分論壇主席?

版權(quán)信息:

智能汽車測(cè)試技術(shù) / 陳君毅等著. -- 北京 : 機(jī)械工業(yè)出版社, 2025. 5. -- (智能汽車關(guān)鍵技術(shù)叢書).ISBN 978-7-111-77871-4 Ⅰ. U467 中國(guó)國(guó)家版本館CIP數(shù)據(jù)核字第2025X8D229號(hào)

本書由機(jī)械工業(yè)出版社出版，本文經(jīng)出版方授權(quán)發(fā)布。