[发明专利]一种面向自动驾驶软件系统激光雷达的分布式模糊测试方法

权利要求书

1.一种面向自动驾驶软件系统激光雷达的分布式模糊测试方法，其特征在于，采用了分布式点云数据生成和测试技术，能够高效进行自动化测试用例生成、自动驾驶软件系统评估以及测试报告的生成，首先在用例生成模块中，采用规则提取加变异手段，生成特定场景的测试用例，接着使用模糊测试技术对于数据进行微调，生成大量测试用例以提高覆盖率，为度量相关扩增数据质量，把每条规则的得分按照给定的权重进行评价，形成合理的数据质量评价等级，由用户规定检测规则的权重，做出一个权重方案，然后按照各个检测规则的权重进行整体的计算统计，得到一个合理的数据质量评估得分，最后，通过构建蜕变关系来解决系统输出正确性问题，被测系统将运行结果返回给监控模块，监控模块将运行结果与预期结果进行比较，如果运行结果与预期结果不符，将当前模糊测试用例存储到异常测试用例数据集中。

2.根据权利要求1所述的一种面向自动驾驶软件系统激光雷达的分布式模糊测试方法，其特征在于，模糊引导的点云测试数据生成和度量方法，通过分析自动驾驶开源数据集和已有论文，提炼出自动驾驶和智能交通领域数据样本扩增规则，采用众包等技术实现分布式的规则获取，即确定特定测试场景下需要的多种状态对应数据的特征区域，通过Fuzzing方法能够在基本数据格式或场景条件制约下，实现扩增测试用例的微调扰动，从而生成更大规模的高覆盖数据集合，把每条规则的得分按照给定的权重进行评价，做出一个合理的数据质量评价等级，由用户规定每个检测规则的权重，做出一个权重方案，然后按照各个检测规则的权重进行整体的计算统计，得到一个合理的数据质量评估得分，对于自动驾驶软件系统的激光雷达点云数据质量的评估，主要关注以下方面：数据完整性、数据准确性、数据有效性、数据时效性、数据一致性，最终形成五维度量评估结果。

3.根据权利要求1所述的一种面向自动驾驶软件系统激光雷达的分布式模糊测试方法，其特征在于，构建评估的蜕变关系，通过对比分析生成的测试用例与源测试用例的关系，构建一系列蜕变关系，运用蜕变关系来对特定生成用例输入被测自动驾驶系统产生的结果进行评估，同时基于分布式的系统评估，能够在短时间内容实现关系构建，基于不同的结果反馈，优化整体评估效率，得到一个最终的评估结果。