[发明专利]一种面向自动驾驶图像数据的测试用例生成方法

权利要求书

1.一种面向自动驾驶图像数据测试用例生成方法，其特征在于，基于自动驾驶场景约束下的规则变换、复杂场景下场景生成技术以及混合变换，对于自动驾驶图像数据进行扩增根据自动驾驶系统采集的原始光学传感器图像数据，自动生成新的测试用例，补充完善各类自动驾驶模型必须考虑的多种语义环境因素构成和组合形成的测试用例，利用基于蜕变关系的测试方法，挖掘自动驾驶软件存在的不合理和不正确的系统缺陷，方法包含3个主要模块：

1）基于规则的图像数据扩增模块，使用数据扩增来生成蜕变测试的测试用例，基于一定的图像变换规则对原始数据进行扩增，扩增规则包括：裁剪、平移、改变亮度、加入噪声、旋转角度和镜像，与一般的数据扩增不同，本发明重点聚焦这类数据扩增变换在自动驾驶这一特定场景下的规则变换的合理性，为多种图像变换方式构建合理的逻辑约束，

2）生成式对抗网络模块，完成与场景整体风格和语义相关的测试样本，如生成特定罕见场景下的驾驶场景图像，整体季节风格的测试图像等任务，

3）测试用例混合生成模块，真实交通场景下可能存在多种环境构成实体，单独的变换可能不能很好地完成扩增任务，本模块完成多种变换方式的混合，通过建立对应的变换序列，完成混合测试用例生成。

2.根据权利要求1所述的一种面向自动驾驶图像数据测试用例生成方法，其特征在于，采用基于规则的图像数据扩增技术处理数据，将新数据入库，获取原始图像数据，并采用基于规则的图像数据变换技术作用于原始数据，操作形式上，使用裁剪、平移、改变亮度、加入噪声、旋转角度和镜像等来处理数据，表现为程序实现的图像切割、旋转矩阵引入，像素值变更等，其中裁剪、平移、旋转和镜像需要考虑图片包含所有的框，否则会对图像的原始标注造成破坏，在增加噪声和改变亮度方面，我们不需要考虑bounding boxes问题，同时还需要考虑关于实际交通场景下的环境约束，构建合适约束集合L。

3.根据权利要求1所述的一种面向自动驾驶图像数据测试用例生成方法，其特征在于，基于对抗生成网络的场景语义特征变换，对于不同的场景图片，考虑生成人类易犯错的场景，例如：不良天气条件，不良视线条件下的测试用例，选择多个目标域(例如，大雪、大雨、大雾、强光、夜晚等天气下驾驶场景的数据集)的训练图像，对模型进行训练，为训练相应的对抗式生成网络模型，从互联网上收集各种极端场景下的路况图像并对各种路况下的图像进行预处理，统一图像的像素大小，使用经过良好训练的模型，将整个晴天驾驶场景的数据集转换为其他天气下的测试场景，通过这样的方法就可以产生面向逆逻辑的自动驾驶图像数据测试用例。