[发明专利]ADAS ECU仿真测试方法和测试系统

说明书

本发明公开了一种ADAS ECU仿真测试方法，包括以下步骤：提供视频源；将视频源转换为符合待测试ADAS ECU视频格式,并注入待测试ADAS ECU；提供车辆动力学模型和图形化仿真场景，车辆动力学模型根据图形化仿真场景输出测试信号至待测试ADAS ECU；待测试ADAS ECU根据所述输出测试信号实现图形化仿真场景的开/闭MiL测试以及在环的Hil闭环测试。本发明还公开了一种ADAS ECU仿真测试系统。本发明通过真实视频流和/或(模拟的)图形化仿真场景与辆动力学模型实时耦合能在有限的测试环境中仿真模拟各种测试场景或环境，能大幅显著的节省测试成本和测试时间，有利于提高生产效率。

技术领域

本发明涉及汽车电子领域，特别是涉及一种基于视频注入和车辆动力学模型ADAS(智能辅助驾驶)ECU仿真测试方法。本发明还涉及一种基于视频注入和车辆动力学模型ADAS ECU仿真测试系统。

背景技术

环境感知在ADAS(智能辅助驾驶)等领域是关键技术之一，基于视觉的环境感知，也即视觉感知，是环境感知的一条重要技术路线。例如，特斯拉的AutoPilot系统中，前向的车辆、行人、车道线等目标的检测与识别主要是基于视觉感知技术；MobileEye公司发布的EQ系列芯片也是将视觉感知算法集成到芯片中，来提供给OEM和自动驾驶系统开发人员。

由于深度学习技术的发展，计算机视觉技术的识别率有了显著提高，这也使得视觉技术或视觉感知系统能够在自动驾驶的环境感知中可以得到实际的应用。但是，由于视觉算法还在不断发展之中，视觉感知系统在实际应用之前是需要进行性能测试或性能评估。

目前业界对视觉感知系统的性能测试中，一方面，依赖于例如通过装车进行实际路测以在线地获得视频数据并输出相应感知结果，从而在线地对感知结果进行性能评估或评价；另一方面，停留在对视觉感知系统的性能评估测试的定性地评估或评价阶段，不同视觉感知系统的性能测试的一致性差。另一方面现有较完善的相关测试方法与体系主要针对L2及以下级别的主动安全系统，通过台架测试、场地测试以及道路测试等多阶段的测试方法来完成。其中，台架以及场地测试主要对系统的逻辑、稳定性以及典型场景的系统表现进行测试:道路测试则针对复杂与极端场景测试系统的鲁棒性。对于ADAS车辆来说，设置不同的测试场景进行测试是保证自动驾驶车辆安全性的必要手段。但是测试ADAS的场景成千上万，由于无法区分不同测试场景的重要程度，因此需要每次都对成千上万的场景进行测试，一方面会带来巨大的测试压力，另一方面会降低测试效率。因此，亟需一种能够对基于视频注入和车辆动力学模型的ADAS仿真测试系统。

发明内容

在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明要解决的技术问题是提供一种基于视频注入和车辆动力学模型的ADASECU仿真测试方法。

本发明要解决的另一技术问题是提供一种基于视频注入和车辆动力学模型的ADAS ECU仿真测试系统。

为解决上述技术问题，本发明提供的一种基于视频注入和车辆动力学模型的ADASECU仿真测试方法，包括以下步骤：

S1，提供视频源；

S2，将视频源转换为符合待测试ADAS ECU视频格式,并注入待测试ADAS ECU；

S3，提供车辆动力学模型和图形化仿真场景，车辆动力学模型根据图形化仿真场景输出测试信号至待测试ADAS ECU；所述车辆动力学模型包括但不限于实时动态车辆动力学模型；

S4，待测试ADAS ECU根据所述输出测试信号实现图形化仿真场景的开/闭MiL测试以及在环的Hil闭环测试。