一种针对汽车变道辅助功能的测试方法和装置制造方法及图纸

技术编号:22329216 阅读:21 留言:0更新日期:2019-10-19 12:05
本发明专利技术涉及一种针对汽车变道辅助功能的测试方法和装置,测试方法具体包括以下步骤:在车上安装摄像头捕捉本车运行时后方和侧方的目标车辆,获取视频数据;获取车辆CAN总线中的总线数据;将视频数据和总线数据发送至训练好的LCA测试神经网络模型;LCA测试神经网络模型对报警场景中的正确报警和错误报警进行分类,并记录问题场景。与现有技术相比,本发明专利技术有利于节约人力、物力的成本,能够具备更好的准确性和更低的出错率,避免人工测试时容易发生的漏报,整体提升了产品的生产质量和效率。

A test method and device for auxiliary function of vehicle lane changing

【技术实现步骤摘要】
一种针对汽车变道辅助功能的测试方法和装置
本专利技术涉及一种汽车功能检测领域,尤其是涉及一种针对汽车变道辅助功能的测试方法和装置。
技术介绍
变道辅助系统(LCA)是通过雷达对车辆相邻两侧车道及后方进行探测;获取车辆侧方及后方物体的运动信息,并结合当前车辆的状态进行判断;最终以声、光等方式提醒驾驶员;让驾驶员掌握最佳变道时机,防止变道引发的交通事故;同时对后方碰撞也有比较好的预防作用。针对LCA的现有测试方法是:在车的侧后两侧分别装一个摄像头用来录视频,用CANoe录制CAN总线上所有信号数据,后期回放采集的信号并分析和LCA报警相关的信号,再用雷达目标测试工具将摄像头数据和CANoe数据融合后进行分析,判断雷达的目标是否和真实情况一致。该方法需要人工从采集到的视频信息和CAN总线信息进行数据回放和分析,查找LCA功能的漏报,误报等错误,因此耗费大量的人力和时间,效率低,容易发生漏掉出错的情况。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种针对汽车变道辅助功能的测试方法和装置。本专利技术的目的可以通过以下技术方案来实现:一种针对汽车变道辅助功能的测试方法,具体包括以下步骤:S1.在车上安装摄像头捕捉本车运行时后方和侧方的目标车辆,获取视频数据;S2.获取车辆CAN总线中的总线数据;S3.将视频数据和总线数据发送至训练好的LCA测试神经网络模型;S4.LCA测试神经网络模型对报警场景中的正确报警和错误报警进行分类,并记录问题场景。进一步地,所述步骤S1中,在车顶后端的两角处分别安装一个摄像头用以捕捉后方的目标车辆;在两侧后视镜处分别安装一个摄像头用以捕捉侧方的目标车辆。进一步地,所述步骤S2中,总线数据包括驾驶员的操作数据、车辆的运动状态数据,以及雷达发出的并线辅助的报警信号数据。进一步地,所述的视频数据和总线数据的时间同步对应。进一步地,所述的LCA测试神经网络模型训练过程如下:A1.将历史的视频数据和总线数据作为训练样本,根据训练样本得到特征向量组data,并对特征向量组data进行归一化,将总线数据进行分类,根据并线辅助报警的时机和有无得到不同的标签向量cbit,由此得到训练样本为Y=(cbit,data),其中cbit为目标输出,data为神经网络的输入;A2.建立LCA测试神经网络模型,该神经网络模型包括输入层、隐藏层和输出层;A3.对LCA测试神经网络模型进行训练:首先对模型进行初始化,然后将特征向量组data输入模型,结合权值矩阵和偏置矩阵进行计算,通过反向传播控制算法,当不满足预设准确度要求时,调整隐藏层的个数与网络权值,直到满足准确度要求,保存LCA测试神经网络模型参数。进一步地,所述LCA测试神经网络模型参数包括循环神经网络模型、输入神经元个数和网络权值。一种针对汽车变道辅助功能的测试装置,包括:视频获取模块,用于捕捉本车运行时后方和侧方的目标车辆,获取视频数据;总线采集模块,用于获取车辆CAN总线中的总线数据;数据传输模块,用于将视频数据和总线数据发送至测试分析模块;测试分析模块,通过训练好的LCA测试神经网络模型对报警场景中的正确报警和错误报警进行分类,并记录问题场景。进一步地,所述视频获取模块包括四个摄像头,在车顶后端的两角处分别安装一个摄像头用以捕捉后方的目标车辆;在两侧后视镜处分别安装一个摄像头用以捕捉侧方的目标车辆。进一步地,所述总线采集模块中,获取的总线数据包括驾驶员的操作数据、车辆的运动状态数据,以及雷达发出的并线辅助的报警信号数据。进一步地,所述的视频数据和总线数据的时间同步对应。与现有技术相比,本专利技术具有以下优点:1、本专利技术通过LCA测试神经网络模型用机器查错的方法代替传统的人工测试,无论从人力、时间、成本上都有很大的优势,能够具备更好的准确性和更低的出错率,避免人工测试时容易发生的漏报,整体提升了产品的生产质量和效率。2、本专利技术通过在车顶后端的两角处和两侧后视镜处安装摄像机能够让获取的视频数据更加精确,有利于提高功能测试的可靠性。3、视频数据和总线数据的时间应同步对应记录能够便于后期的数据关联,减少工作量,提高数据分析效率。4、LCA测试神经网络模型采用神经网络模型具有以下优点:a.可处理噪声:LCA测试神经网络模型训练完成后,即使输入的数据中有部分遗失,它仍然有能力辨认样本。b.不易损坏:因为LCA测试神经网络模型以分布式的方法来表示数据,所以当某些单元损坏时,它依然可以正常地工作。c.可以平行处理。d.可以学习新的报警场景。附图说明图1为本专利技术的结构示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本专利技术的保护范围不限于下述的实施例。如图1所述,本实施例提供了一种针对汽车变道辅助功能的测试方法,具体包括以下步骤:步骤S1,在车上安装摄像头捕捉本车运行时后方和侧方的目标车辆,获取视频数据。由于LCA关注的区域在本车的侧后方,所以在本车车顶两个后角处各安装一个摄像头用以捕捉后方的目标车辆,同时在本车两侧后视镜处也分别安装一个摄像头用以捕捉侧方的目标车辆。安装好摄像头后将其USB口插到工控机,采用专用录制软件录制视频,获取视频数据。步骤S2,使用CANoe(总线开发环境)连接车辆CAN总线来抓取总线数据,该总线数据包括驾驶员的操作数据、车辆的运动状态数据,以及雷达发出的并线辅助的报警信号数据。视频数据和总线数据的时间要同步对应记录,以便分析时做关联。步骤S3,将视频数据和总线数据保存到工控机的硬盘上,再通过5G技术将数据发到云端服务器,云端服务器装有训练好的LCA测试神经网络模型。步骤S4,总线数据和视频数据传给的LCA测试神经网络模型后,的LCA测试神经网络模型开始分析报警场景,对正确报警和错误报警进行分类,将错误报警的场景再分类哪些为误报,哪些漏报,并把相应的问题场景记录下来。最后再通过5G技术将验证的结果发送到车载工控机,反馈给技术人员,以方便技术人员快速定位到LCA功能问题所在,极大的提升了工作效率。在上述方法中,LCA测试神经网络模型训练过程如下:步骤一,将历史的视频数据和总线数据作为训练样本,根据训练样本得到特征向量组data,并对特征向量组data进行归一化,将总线数据进行分类,根据并线辅助报警的时机和有无得到不同的标签向量cbit,由此得到训练样本为Y=(cbit,data),其中cbit为目标输出,data为神经网络的输入。步骤二,建立LCA测试神经网络模型,该神经网络模型包括输入层,隐藏层和输出层。步骤三,对LCA测试神经网络模型进行训练:首先对模型进行初始化,然后将特征向量组data输入模型,结合权值矩阵和偏置矩阵进行计算,通过反向传播控制算法,在当不满足预设准确度要求时,调整隐藏层的个数与网络权值,直到满足准确度要求,保存LCA测试神经网络模型参数。神经网络参数包括循环神经网络模型,输入神经元个数与网络权值,训练结束。经过训练后的LCA测试神经网络模型能够很好地识别LCA漏报和误报,以及触发一二级报警的时机。以上详细描述了本专利技术的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本专利技术的构思作出诸多本文档来自技高网...

【技术保护点】
1.一种针对汽车变道辅助功能的测试方法,其特征在于,具体包括以下步骤:S1.在车上安装摄像头捕捉本车运行时后方和侧方的目标车辆,获取视频数据;S2.获取车辆CAN总线中的总线数据;S3.将视频数据和总线数据发送至训练好的LCA测试神经网络模型;S4.LCA测试神经网络模型对报警场景中的正确报警和错误报警进行分类,并记录问题场景。

【技术特征摘要】
1.一种针对汽车变道辅助功能的测试方法,其特征在于,具体包括以下步骤:S1.在车上安装摄像头捕捉本车运行时后方和侧方的目标车辆,获取视频数据;S2.获取车辆CAN总线中的总线数据;S3.将视频数据和总线数据发送至训练好的LCA测试神经网络模型;S4.LCA测试神经网络模型对报警场景中的正确报警和错误报警进行分类,并记录问题场景。2.根据权利要求1所述的针对汽车变道辅助功能的测试方法,其特征在于,所述步骤S1中,在车顶后端的两角处分别安装一个摄像头用以捕捉后方的目标车辆;在两侧后视镜处分别安装一个摄像头用以捕捉侧方的目标车辆。3.根据权利要求1所述的针对汽车变道辅助功能的测试方法,其特征在于,所述步骤S2中,总线数据包括驾驶员的操作数据、车辆的运动状态数据,以及雷达发出的并线辅助的报警信号数据。4.根据权利要求1所述的针对汽车变道辅助功能的测试方法,其特征在于,所述的视频数据和总线数据的时间同步对应。5.根据权利要求1所述的针对汽车变道辅助功能的测试方法,其特征在于,所述的LCA测试神经网络模型训练过程如下:A1.将历史的视频数据和总线数据作为训练样本,根据训练样本得到特征向量组data,并对特征向量组data进行归一化,将总线数据进行分类,根据并线辅助报警的时机和有无得到不同的标签向量cbit,由此得到训练样本为Y=(cbit,data),其中cbit为目标输出,data为神经网络的输入;A2.建立LCA测试神经网络模型,该神经网络模型包括输入层...

【专利技术属性】
技术研发人员:赵晓阳
申请(专利权)人:上海思致汽车工程技术有限公司
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1