地面无人车辆自主跟随性能测试与评价方法技术

本发明专利技术提出了一种地面无人车辆自主跟随性能测试与评价方法，能够实现地面无人车辆自主跟随性能测试与多维指标量化评价。本发明专利技术在被测车辆上安装卫星信号接收机和非接触式汽车测试仪，分别完成直道跟随、弯道跟随、坡度突变跟随的自主跟随场景测试，并采集该条路上的试验数据。在此基础上，提出包含了风险分析及关键功能性指标的五维评价指标体系，对五项评价指标进行无量纲化处理，获得自主跟随性能综合评价结果。本发明专利技术基于非结构化场景风险分析，实现了地面无人车辆自主跟随性能测试与多维指标量化评价，可为被测车辆的自主跟随性能的开发与改进提供有效参考。的开发与改进提供有效参考。的开发与改进提供有效参考。

【技术实现步骤摘要】
地面无人车辆自主跟随性能测试与评价方法


[0001]本专利技术涉及无人驾驶车辆测试
，具体涉及一种地面无人车辆自主跟随性能测试与评价方法。

技术介绍

[0002]随着人工智能技术和无人移动平台的兴起，地面无人车辆在军用领域也得到持续的关注与发展，无人班组支援车可以运输物资和伤员，跟随有人车辆和士兵行驶，可有效减轻后勤保障工作。作为全自主无人车辆的过渡期，遥控型班组支援车是当前的研究热点。当远距离快速运输与越野机动时，为减轻操控手的工作强度，自主跟随是必备功能之一，其中直道、弯道、坡道有效跟随和引导车紧急制动不碰撞是两个技术难点。为了验证、改进所设计算法的鲁棒性与适应性，目前的研究偏重于环境感知算法、实时地图构建与导航定位、轨迹预测、轨迹跟踪等分系统性能改进与验证，但系统性分析、量化评估整车自主跟随性能，还缺少相关理论及方法。

技术实现思路

[0003]有鉴于此，本专利技术提出了一种地面无人车辆自主跟随性能测试与评价方法，能够实现地面无人车辆自主跟随性能测试与多维指标量化评价。
[0004]为实现上述目的，本专利技术的技术方案为：
[0005]一种地面无人车辆自主跟随性能测试与评价方法，包括如下步骤：
[0006]步骤1，选择一条包含直道、弯道、坡度的非结构化道路作为试验场地；
[0007]步骤2，分别完成直道跟随、弯道跟随以及坡度突变跟随的自主跟随场景测试，采集该条路上的试验数据；其中，所述试验数据具体是被试和陪试车辆的速度、里程、制动触发信号、经纬度及时刻；r/>[0008]步骤3，基于物理学和逻辑学，将跟丢风险、碰撞风险以及发生危险后的危害程度量化，即是自主跟随风险评估的关键指标；其次，加入无人车辆自主跟随在包括自主跟随平均速度以及跟随稳定性的功能指标方面要求，构建完整的评价指标体系；
[0009]步骤4，根据所述评价指标体系，根据试验数据计算得到碰撞风险性、跟丢风险性、碰撞危害程度、自主跟随平均速度和跟随稳定性指标；
[0010]步骤5，对得到的碰撞风险性、跟丢风险性、碰撞危害程度、自主跟随平均速度和跟随稳定性指标进行无量纲化处理，获得自主跟随性能综合评价结果。
[0011]其中，所述步骤2中，直道跟随测试场景下直道自主跟车中，t0到t
i
时间段内实时跟随距离L
sf
为：
[0012][0013]其中，V
sf0
与V
sr0
分别为直道行驶时前车、后车的初始速度a
f
与a
r
分别为前车、后车
的实时加速度，L
sf0
为两车初始跟随距离；
[0014]弯道跟随测试场景下弯道自主跟车中，假设引导车和无人车辆都行驶在道路正中间；弯道圆心到前后车跟随视线的最短距离L
C
为：
[0015][0016]R1至R3代表不同半径的弯道，L
cf1
代表弯道时的跟车距离；
[0017]坡度突变跟随测试场景下上下坡自主跟车中，当实时视觉夹角大于感知系统极限识别角度时，即存在感知盲区，自主跟随功能失效。
[0018]其中，所述步骤3中，对于跟丢风险性，跟丢风险指标如下：
[0019][0020]式中，L
f
是实时跟车距离，L
max
是无人车辆自主跟车时的最大感知距离，L
cfmax
是不同曲率弯道跟随时的最大跟随距离；K
s
与K
c
分别为直道跟随、弯道跟随时，最大极限跟随距离安全裕量系数；θ1、θ2代表无人车辆感知系统上下极限识别角度，α1、α2分别为上坡时、下坡时引导车与无人车之间的实时视觉夹角。
[0021]其中，对于碰撞风险性，自主跟随全程中，用TTC小于某一临界报警值TTC0的时长占总行驶里程S的比例，来衡量自主跟随发生碰撞的风险性：
[0022]RC＝(count(t|TTC<TTC0))/S
[0023]对于碰撞危害程度，发生碰撞时的能量大小为：
[0024]EC＝m
r
·
(V
sr
‑
V
sf
+(a
r
‑
a
f
)
·
TTC)2/2
[0025]其中，m
r
为后车质量，V
sf
与V
sr
分别为前车、后车的实时速度，a
f
与a
r
分别为前车、后车的实时加速度。
[0026]其中，对于自主跟随平均速度，通过跟随总里程S和总用时t
all
换算获得如下：
[0027][0028]其中，对于跟随稳定性，自主跟随稳定性指标如下：
[0029][0030]其中，N为跟随全程功能失败总次数，N0为执行跟随任务时允许失败次数上限，N1、N2、N3分别为跟丢、发生碰撞、人员干预次数。
[0031]其中，所述步骤5中，将各指标经无量纲化处理，即碰撞风险值、跟丢风险值、碰撞危害程度、跟随稳定性除以各指标计算出的最大值，跟随速度除以预期最大速度，得出性能网状图，以此来评价地面无人车辆自主跟随性能。
[0032]其中，所述步骤1中，对于试验场地要求车辆通过的直道总长不少于1000m、弯道个
数不少于4个且完成至少一次上坡或下坡动作，道路坡度角依据被试车辆最大爬坡度确定。
[0033]其中，所述步骤2中，通过在被测车辆上安装卫星信号接收机和非接触式汽车测试仪来采集试验数据，具体是在引导车和被测地面无人车辆分别安装卫星信号接收机和非接触式汽车测试仪，引导车若为有人驾驶车辆，则安装自动驾驶机器人。
[0034]有益效果：
[0035]1、本专利技术分别完成直道跟随、弯道跟随、坡度突变跟随的自主跟随场景测试，并采集该条路上的试验数据。在此基础上，提出包含了风险分析及关键功能性指标的五维评价指标体系，对五项评价指标进行无量纲化处理，获得自主跟随性能综合评价结果。本专利技术基于非结构化场景风险分析，实现了地面无人车辆自主跟随性能测试与多维指标量化评价，可为被测车辆的自主跟随性能的开发与改进提供有效参考。
[0036]2、本专利技术中，基于风险分析的五维评价指标体系包括跟丢风险性、碰撞风险性、碰撞危害程度、自主跟随平均速度和跟随稳定性指标，涉及风险的各个方面，可以实现全面的评价。
[0037]3、本专利技术中，将各指标经无量纲化处理，即碰撞风险值、跟丢风险值、碰撞危害程度、跟随稳定性除以各指标计算出的最大值，跟随速度除以预期最大速度，得出性能网状图，能够实现准确评价。
[0038]4、本专利技术中，选择一条包含直道、弯道、坡度的非结构化道路作为试验场地，地面无人车辆自主跟随非结构化测试场景设计主要包括：直道跟随、弯道跟随以及坡度突变跟随测试场景设计，实现全面测试本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地面无人车辆自主跟随性能测试与评价方法，其特征在于，包括如下步骤：步骤1，选择一条包含直道、弯道、坡度的非结构化道路作为试验场地；步骤2，分别完成直道跟随、弯道跟随以及坡度突变跟随的自主跟随场景测试，采集该条路上的试验数据；其中，所述试验数据具体是被试和陪试车辆的速度、里程、制动触发信号、经纬度及时刻；步骤3，基于物理学和逻辑学，将跟丢风险、碰撞风险以及发生危险后的危害程度量化，即是自主跟随风险评估的关键指标；其次，加入无人车辆自主跟随在包括自主跟随平均速度以及跟随稳定性的功能指标方面要求，构建完整的评价指标体系；步骤4，根据所述评价指标体系，根据试验数据计算得到碰撞风险性、跟丢风险性、碰撞危害程度、自主跟随平均速度和跟随稳定性指标；步骤5，对得到的碰撞风险性、跟丢风险性、碰撞危害程度、自主跟随平均速度和跟随稳定性指标进行无量纲化处理，获得自主跟随性能综合评价结果。2.如权利要求1所述的方法，其特征在于，所述步骤2中，直道跟随测试场景下直道自主跟车中，t0到t
i
时间段内实时跟随距离L
sf
为：其中，V
sf0
与V
sr0
分别为直道行驶时前车、后车的初始速度a
f
与a
r
分别为前车、后车的实时加速度，L
sf0
为两车初始跟随距离；弯道跟随测试场景下弯道自主跟车中，假设引导车和无人车辆都行驶在道路正中间；弯道圆心到前后车跟随视线的最短距离L
C
为：R1至R3代表不同半径的弯道，L
cf1
代表弯道时的跟车距离；坡度突变跟随测试场景下上下坡自主跟车中，当实时视觉夹角大于感知系统极限识别角度时，即存在感知盲区，自主跟随功能失效。3.如权利要求2所述的方法，其特征在于，所述步骤3中，对于跟丢风险性，跟丢风险指标如下：式中，L
f
是实时跟车距离，L
max
是无人车辆自主跟车时的最大感知距离，L
cfmax
是不同曲率弯道跟随时的最大跟随距离；K
s
与K
c
分别为直道跟随、弯道跟随时，最大极限跟随距离安全裕量系数；θ1、...

【专利技术属性】
技术研发人员：钟必清，曾日芽，崔昊巍，张月，靳聪，于海，刘炜杭，王有林，秦亚洲，顾辰，李建成，汤传琦，
申请(专利权)人：中国北方车辆研究所，
类型：发明
国别省市：