用于智能驾驶模型开发的模型在环测试方法、系统及计算机可读存储介质技术方案

本发明专利技术提供一种用于智能驾驶模型开发验证的模型在环测试方法、系统及计算机可读存储介质，其包括：（1）测试需求分析；（2）测试案例设计；（3）编写场景设计文档；（4）确定控制器信号；（5）筛选确定需要监测的信号列表；（6）仿真测试；（7）预期判断；（8）得到测试报告。本发明专利技术针对不同的测试需求，分析确定具体测试案例，以实施相应的模型在环仿真，从而有效提升了测试需求覆盖度及打通实车问题仿真模拟。求覆盖度及打通实车问题仿真模拟。求覆盖度及打通实车问题仿真模拟。

【技术实现步骤摘要】
用于智能驾驶模型开发的模型在环测试方法、系统及计算机可读存储介质


[0001]本专利技术属于智能驾驶汽车测试
，更具体涉及用于智能驾驶模型开发的测试技术。

技术介绍

[0002]随着汽车技术的不断演进，汽车已经由机械电子为基础的硬件主导演进为以数据为基础的软件主导，汽车原有的电子系统升级为物理信息系统。自动驾驶仿真测试，是指通过计算机仿真技术，建立现实静态环境与动态交通场景的数学模型，让自动驾驶汽车与算法在虚拟交通场景中进行驾驶测试。传统的计算机仿真软件在解决以下几方面的问题上都存在不足，例如高精度地图制作与匹配，高逼真静态场景的建立，先进感知传感器的物理仿真，驾驶员模型与智能交通体模型仿真，动态场景库建设等。新一代具有信息物理特征的仿真系统已经逐渐出现，不但可以更高效的迭代和验证自动驾驶算法，而且可以更好地满足对物理信息系统的整体测试需求。
[0003]目前，传统车主要以道路测试为主，追求自动驾驶系统的国际化与不同地区的通用性面临非常多的实际挑战，广泛的公开道路测试依然很难覆盖复杂多样的交通场景。自动驾驶仿真系统可以提供更加丰富多样的静态环境，连续动态的随机交通流，结合边缘案例与危险案例的参数泛化技术，可以在有限的虚拟测试里程内有效增加高训练价值场景出现的频度与密度。

技术实现思路

[0004]本专利技术的目的是提出一种智能驾驶模型开发的模型在环（MIL）仿真测试方法、系统及计算机可读存储介质，以在有限的虚拟测试里程内有效增加高训练价值场景出现的频度与密度。
[0005]本专利技术的技术方案如下：一种用于智能驾驶模型开发验证的模型在环测试方法，其包括步骤如下：（1）测试需求分析：区分测试需求来源为静态环境和随机动态交通流。
[0006]（2）测试案例设计：对于需测试静态环境案例，根据智能驾驶系统功能逻辑开发文档及系统需求文档，结合边缘案例与危险案例，设计对应的测试案例；对于动态交通流测试，根据采集的实车数据及AI交通流数据，设计对应的测试案例。
[0007]（3）编写场景设计文档：根据测试案例中仿真场景的设计，编写相应的场景设计文档。
[0008]（4）确定控制器信号：根据测试案例中执行操作确定需要模拟仿真系统的控制器信号，在模型仿真中根据需求实时注入各域控制器模型输入端口。
[0009]（5）根据测试需要及测试案例设计，筛选确定需要监测的信号列表，以及各时刻该信号的期待值（可以理解为正确值），以供后续测试判断使用。
[0010]（6）仿真测试：通过场景文件、模型及算法、整车模型、信号监测端口进行模型在环的仿真测试。
[0011]（7）预期判断：根据信号监测端口实时信号数据与测试案例中提供的预期信号值对比判定，判断被测对象是否满足测试需求，对不符信号及结果进行测试分析。
[0012]（8）测试报告：根据测试结果数据及问题分析定位结果，得到测试报告。
[0013]本专利技术还提供一种用于智能驾驶模型开发验证的模型在环测试系统，其包括：测试需求分析模块，被配置为区分测试需求来源为静态环境和随机动态交通流。
[0014]测试案例设计模块，被配置为，对于需测试静态环境案例，根据智能驾驶系统功能逻辑开发文档及系统需求文档，结合边缘案例与危险案例，设计对应的测试案例；对于动态交通流测试，根据采集的实车数据及AI交通流数据，设计对应的测试案例。
[0015]场景设计文档编写模块，被配置为根据测试案例中仿真场景的设计，编写相应的场景设计文档。
[0016]控制器信号确定模块，被配置为根据测试案例中执行操作确定需要模拟仿真系统的控制器信号，在模型仿真中根据需求实时注入各域控制器模型输入端口。
[0017]筛选确定模块，被配置为根据测试需要及测试案例设计，筛选确定需要监测的信号列表，以及各时刻该信号的期待值，以供后续测试判断使用。
[0018]仿真测试模块，被配置为通过场景文件、模型及算法、整车模型、信号监测端口进行模型在环的仿真测试。
[0019]预期判断模块，被配置为根据信号监测端口实时信号数据与测试案例中提供的预期信号值对比判定，判断被测对象是否满足测试需求，对不符信号及结果进行测试分析。
[0020]测试报告模块，被配置为根据测试结果数据及问题分析定位结果，得到测试报告。
[0021]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如上所述的用于智能驾驶模型开发验证的模型在环测试方法。
[0022]由以上技术方案可见，本专利技术提出了一种用于智能驾驶模型开发验证的模型在环测试方法，针对不同的测试需求，分析确定具体测试案例，以实施相应的模型在环仿真。仿真测试通过案例及场景设计，可以设计出传统实车测试难以达到的边缘场景及危险案例（或需要超高里程测试才能遇到的场景），以仿真的方式代替实车执行上述案例，增加高训练、高价值的测试覆盖，在有限的案例（有限的里程）里，完成边缘场景及危险场景的测试，从而有效提升了测试需求覆盖度及打通实车问题仿真模拟。
附图说明
[0023]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，而并不认为是对本专利技术的限制。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：图1为本专利技术实施例提供的一种模型在环测试方法流程图。
具体实施方式
[0024]下面结合附图对本专利技术作进一步说明。虽然附图中显示了本专利技术的示例性实施
例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
实施例
[0025]如图1所示，本实施例是用于智能驾驶模型开发验证的模型在环测试方法，是一套针对丰富多样的静态环境，连续动态的随机交通流，结合边缘案例与危险案例的测试案例设计及测试方法，具体步骤如下：101、测试需求分析：从测试需求分析出发，区分测试需求来源为设计文档规定的静态环境还是随机动态交通流。
[0026]102、测试案例设计，包括：a、如需测试静态环境案例，根据智能驾驶系统功能逻辑开发文档及系统需求文档，结合边缘案例与危险案例，设计对应的测试案例。
[0027]b、如需测试动态交通流，根据采集的实车数据及AI交通流数据，设计对应的测试案例。
[0028]以上测试案例虽然有不同的需求来源，但本质均为测试过程的技术描述，其中包含来源信息、测试概述、测试条件、执行操作、判断条件、优先级等信息。供测试人员清晰地理解测试案例信息及步骤。
[0029]103、编写场景设计文档：根据案例中仿真场景的设计，编写相应的场景设计文档，场景文档中包含动静态环境的参数化信息记录，具体包含测试本车属性信息、目标车属性信息、道路场景信息、交通流信息，可实现场景文件的自动生成与遍历。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于智能驾驶模型开发验证的模型在环测试方法，其特征在于，包括步骤如下：（1）测试需求分析：区分测试需求来源为静态环境和随机动态交通流；（2）测试案例设计：对于需测试静态环境案例，根据智能驾驶系统功能逻辑开发文档及系统需求文档，结合边缘案例与危险案例，设计对应的测试案例；对于动态交通流测试，根据采集的实车数据及AI交通流数据，设计对应的测试案例；（3）编写场景设计文档：根据测试案例中仿真场景的设计，编写相应的场景设计文档；（4）确定控制器信号：根据测试案例中执行操作确定需要模拟仿真系统的控制器信号，在模型仿真中根据需求实时注入各域控制器模型输入端口；（5）根据测试需要及测试案例设计，筛选确定需要监测的信号列表，以及各时刻该信号的期待值，以供后续测试判断使用；（6）仿真测试：通过场景文件、模型及算法、整车模型、信号监测端口进行模型在环的仿真测试；（7）预期判断：根据信号监测端口实时信号数据与测试案例中提供的预期信号值对比判定，判断被测对象是否满足测试需求，对不符信号及结果进行测试分析；（8）测试报告：根据测试结果数据及问题分析定位结果，得到测试报告。2.根据权利要求1所述的用于智能驾驶模型开发验证的模型在环测试方法，其特征在于，所述测试案例为测试过程的技术描述，其中包含来源信息、测试概述、测试条件、执行操作、判断条件、优先级等信息。3.根据权利要求1所述的用于智能驾驶模型开发验证的模型在环测试方法，其特征在于，所述场景设计文档中包含动静态环境的参数化信息记录，具体包含测试本车属性信息、目标...

【专利技术属性】
技术研发人员：唐诚成，梁锋华，杨果，陈磊，罗鸿舰，张磊，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：