无人车调试方法、装置、服务器和介质制造方法及图纸

本申请公开了一种无人车调试方法、装置、服务器和介质，涉及无人驾驶技术领域。该方法由服务器执行，具体实现方案为：根据无人车中待检测模块的异常问题信息，从预先记录的待检测模块的运行数据中抽取异常问题数据；根据所述异常问题数据进行调试，并根据调试结果确定异常原因。本申请实施例，通过服务器针对性地抽取异常问题数据，根据异常问题数据进行异常原因的确定，从而提高异常原因确定的效率，并且不需要考虑本地操作系统不一致的问题，简化了确定异常原因的操作，节约了成本。

Debugging method, device, server and medium of unmanned vehicle

【技术实现步骤摘要】
无人车调试方法、装置、服务器和介质
本申请涉及自动化领域，尤其涉及一种无人驾驶技术，具体涉及一种无人车调试方法、装置、服务器和介质。
技术介绍
无人驾驶车辆、机器人等自动化设备的功能模块(例如控制模块、路径规划模块等)涉及非常多的信号，在部署到一定的规模后，出现异常问题需要进行调试以确定异常原因。目前方案主要为通过将服务器中功能模块的数据文件，下载到本地设备，在本地设备进行调试，或者，在服务器中对车辆运行数据进行二次回放。然而，将功能模块的数据文件下载到本地，费时费力，并且不同设备的操作系统不同，需要调试工具具有跨平台性。在服务器对车辆运行数据进行二次回放，只能显示车辆运动方式，例如速度、加速度等宏观信号，信息量较少，无法精准确定异常原因。
技术实现思路
本申请实施例提供的一种无人车调试方法、装置、服务器和介质，可以实现在服务器中精确地确定异常原因，并提高异常原因确定的效率。本申请实施例公开了一种无人车调试方法，该方法包括：根据无人车中待检测模块的异常问题信息，从预先记录的待检测模块的运行数据中抽取异常问题数据；根据所述异常问题数据进行调试，并根据调试结果确定异常原因。上述实施例具有如下优点或有益效果：通过根据异常问题信息精确地抽取异常问题数据，并根据异常问题数据对待检测模块进行调试，确定异常原因，从而克服了需要从云端将数据下载至本地设备才能够进行异常分析，以及云端只能够对车辆的运动情况进行二次回放，而无法精确地确定异常原因的问题，使得云端服务器能够精确地确定异常原因，并提高异常问题的确定效率。进一步地，所述待检测模块的运行数据包括所述待检测模块的输入数据、内部状态变量数据和输出数据。据此，上述实施例具有如下优点或有益效果：通过待监测模块的输入数据、内部状态变量数据和输出数据，从而能够更加精确地分析待检测模块的异常情况，确定异常原因的细节信息，支持帧级别的细粒度处理。进一步地，根据无人车中待检测模块的异常问题信息，从预先记录的待检测模块的运行数据中抽取异常问题数据，包括：根据无人车中待检测模块的异常问题信息，确定异常时间段和异常数据抽取模板；根据所述异常时间段和所述异常数据抽取模板中的数据种类，从预先记录的待检测模块的运行数据中抽取异常问题数据。据此，上述实施例具有如下优点或有益效果：通过根据异常时间段和异常数据抽取模板，确定数据种类，进一步抽取异常问题数据，从而使抽取的异常问题数据更具有代表性和针对性，便于通过异常问题数据更加精准地分析异常原因。进一步地，根据所述异常问题数据进行调试，包括：通过web技术，根据所述异常问题数据进行调试；通过可视化工具展示所述调试结果。据此，上述实施例具有如下优点或有益效果：通过根据异常问题数据对待检测模块进行调试，并且通过可视化工具展示调试结果，从而更加清晰直接地确定异常原因。进一步地，根据所述异常问题数据进行调试，并根据调试结果确定异常原因，包括：通过车辆模型，根据所述待检测模块的异常输入数据和异常输出数据，仿真车辆运行过程，并根据车辆仿真数据确定候选异常原因；通过web技术，根据所述待检测模块的内部状态变量数据，从所述候选异常原因中确定目标异常原因。据此，上述实施例具有如下优点或有益效果：通过仿真车辆运行过程，确定候选异常原因，能够初步确定候选异常原因，根据内部状态变量数据进一步调试，从候选异常原因中选择目标异常原因，从而更加精确地分析出产生异常的具体原因和细节，以便于根据具体原因和细节，对无人车进行调试。进一步地，若所述待检测模块为控制模块，则所述输入数据包括：局部决策规划模块规划的输出路径、定位信息和车辆底盘反馈信息；所述输出数据包括：方向盘角度；所述内部状态变量数据包括：坡度值、抗扰动值、时间、横向控制误差、纵向控制误差、横向控制误差变化率、航向角误差、航向角误差变化率和主车位置。进一步地，若所述待检测模块为局部决策规划模块，则所述输入数据包括：定位数据、地图数据、导航数据、车底盘数据、感知模块数据和预测模块数据；所述输出数据包括局部轨迹；所述内部状态变量数据包括：路径规划变量、速度规划变量和决策规划变量。据此，上述实施例具有如下优点或有益效果：通过针对待检测模块为控制模块和局部决策规划模块两种情况，确定输入数据、输出数据以及内部状态变量数据，从而更加针对性地对控制模块以及局部决策规划模块出现的异常状况进行分析，准确地确定异常原因。本申请实施例还公开了一种无人车调试装置，该装置包括：异常问题数据抽取模块，用于根据无人车中待检测模块的异常问题信息，从预先记录的待检测模块的运行数据中抽取异常问题数据；异常原因确定模块，用于根据所述异常问题数据进行调试，并根据调试结果确定异常原因。进一步地，所述待检测模块的运行数据包括所述待检测模块的输入数据、内部状态变量数据和输出数据。进一步地，所述异常问题数据抽取模块，包括：异常信息确定单元，用于根据无人车中待检测模块的异常问题信息，确定异常时间段和异常数据抽取模板；数据抽取单元，用于根据所述异常时间段和所述异常数据抽取模板中的数据种类，从预先记录的待检测模块的运行数据中抽取异常问题数据。进一步地，所述异常原因确定模块，包括：调试单元，用于通过web技术，根据所述异常问题数据进行调试；调试结果展示单元，用于通过可视化工具展示所述调试结果。进一步地，所述异常原因确定模块，还包括：初步确定单元，用于通过车辆模型，根据所述待检测模块的异常输入数据和异常输出数据，仿真车辆运行过程，并根据车辆仿真数据确定候选异常原因；原因确定单元，用于通过web技术，根据所述待检测模块的内部状态变量数据，从所述候选异常原因中确定目标异常原因。进一步地，若所述待检测模块为控制模块，则所述输入数据包括：局部决策规划模块规划的输出路径、定位信息和车辆底盘反馈信息；所述输出数据包括：方向盘角度；所述内部状态变量数据包括：坡度值、抗扰动值、时间、横向控制误差、纵向控制误差、横向控制误差变化率、航向角误差、航向角误差变化率和主车位置；若所述待检测模块为局部决策规划模块，则所述输入数据包括：定位数据、地图数据、导航数据、车底盘数据、感知模块数据和预测模块数据；所述输出数据包括局部轨迹；所述内部状态变量数据包括：路径规划变量、速度规划变量和决策规划变量。本申请实施例还公开了一种服务器，该服务器包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请实施例中任一项所述的方法。本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请实施例中任一项所述的方法。上述可选本文档来自技高网...

【技术保护点】
1.一种无人车调试方法，其特征在于，由服务器执行，所述方法包括：/n根据无人车中待检测模块的异常问题信息，从预先记录的待检测模块的运行数据中抽取异常问题数据；/n根据所述异常问题数据进行调试，并根据调试结果确定异常原因。/n

【技术特征摘要】
1.一种无人车调试方法，其特征在于，由服务器执行，所述方法包括：
根据无人车中待检测模块的异常问题信息，从预先记录的待检测模块的运行数据中抽取异常问题数据；
根据所述异常问题数据进行调试，并根据调试结果确定异常原因。


2.根据权利要求1所述的方法，其特征在于，所述待检测模块的运行数据包括所述待检测模块的输入数据、内部状态变量数据和输出数据。


3.根据权利要求1所述的方法，其特征在于，根据无人车中待检测模块的异常问题信息，从预先记录的待检测模块的运行数据中抽取异常问题数据，包括：
根据无人车中待检测模块的异常问题信息，确定异常时间段和异常数据抽取模板；
根据所述异常时间段和所述异常数据抽取模板中的数据种类，从预先记录的待检测模块的运行数据中抽取异常问题数据。


4.根据权利要求1所述的方法，其特征在于，根据所述异常问题数据进行调试，包括：
通过web技术，根据所述异常问题数据进行调试；
通过可视化工具展示所述调试结果。


5.根据权利要求2所述的方法，其特征在于，根据所述异常问题数据进行调试，并根据调试结果确定异常原因，包括：
通过车辆模型，根据所述待检测模块的异常输入数据和异常输出数据，仿真车辆运行过程，并根据车辆仿真数据确定候选异常原因；
通过web技术，根据所述待检测模块的内部状态变量数据，从所述候选异常原因中确定目标异常原因。


6.根据权利要求2所述的方法，其特征在于，若所述待检测模块为控制模块，则所述输入数据包括：局部决策规划模块规划的输出路径、定位信息和车辆底盘反馈信息；所述输出数据包括：方向盘角度；所述内部状...

【专利技术属性】
技术研发人员：朱振广，郭鼎峰，谭益农，付骁鑫，陈至元，马霖，李旭健，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11