[发明专利]一种自动驾驶系统测试分析方法

说明书

本发明公开了一种自动驾驶系统测试分析方法，加载待评测数据，指定所需评测的评测指标和评测场景；根据评测场景加载标准场景数据作为真值数据；获取待评测数据的特征量；根据特征量一致性和/或位置一致性将待评测数据与真值数据进行配对，形成数据对；所述位置一致性是指待评测数据中定位数据的一致性；所述特征量一致性是指特征量误差小于阈值；确定所述数据对匹配评测场景和评测指标的匹配度，将匹配度超过阈值的数据对作为分析对象；针对分析对象进行评测指标的分析，获得评测结果。本发明能够对海量的自动驾驶数据进行自动化处理及分析，具有效率高、数据处理量大、统计指标准确的优点。

技术领域

本发明涉及一种自动驾驶汽车所需数据的测试分析方法，属于自动驾驶汽车测试技术领域。

背景技术

自动驾驶汽车的测试技术是其核心技术之一，对自动驾驶汽车的性能提升有重要意义。面向复杂的自动驾驶汽车应用场景，其所涉及的测试数据量巨大，传统的汽车测试分析方法难以满足其需求，因此针对自动驾驶不同场景下大量数据自动化处理分析的方法是当前的研究热点。自动驾驶汽车的自动化测试分析，主要技术核心集中在两个方面：第一是如何高效获取不同工况数据以及场景库的建立；第二是如何对海量的自动驾驶数据进行自动化处理及分析。

本方法基于已建立的成熟高精度真值场景库，实现了高度自动化的工具链，包含数据清洗、数据处理、数据分析、报告生成等方面，构建了自动驾驶海量数据自动分析的完整链路，提高了自动驾驶汽车的测试效率。

发明内容

有鉴于此，本发明提供一种用于自动驾驶不同场景工况下大量数据自动化测试分析的方法，能够对海量的自动驾驶数据进行自动化处理及分析。

为了解决上述技术问题，本发明是这样实现的。

一种自动驾驶系统测试分析方法，包括：

步骤1、加载待评测数据，指定所需评测的评测指标和评测场景；根据评测场景加载标准场景数据作为真值数据；

步骤2、获取待评测数据的特征量；

步骤3、根据特征量一致性和/或位置一致性将待评测数据与真值数据进行配对，形成数据对；所述位置一致性是指待评测数据中定位数据的一致性；所述特征量一致性是指特征量误差小于阈值；

步骤4、确定所述数据对匹配评测场景和评测指标的匹配度，将匹配度超过阈值的数据对作为分析对象；

步骤5、针对分析对象进行评测指标的分析，获得评测结果。

优选地，待评测数据的描述参数包括自动驾驶系统的感知信息、定位信息、轨迹信息、车身运动信息；

所述感知信息包括感知目标位置、感知目标速度、感知目标加速度、感知目标协方差、车道线曲线方程参数中的一种或多种组合；

所述定位信息包括通过定位系统获得的车体位置、速度、加速度、角速度、航向角、角速度变化率、加速度变化率中的一种或多种组合；

所述轨迹信息包括轨迹点坐标、轨迹曲率、轨迹长度、

所述车身运动信息通过车体上的传感器获取的车身速度、加速度、方向盘转角、转角变换率中的一种或多种组合。

优选地，所述评测场景作为待评测数据的标签，在待评测数据采集过程中输入，或者在加载待评测数据时输入。

优选地，所述步骤2获取待评测数据的特征量为：跟踪待评测数据中各描述参数的变化趋势，如果某一或某些描述参数连续n次波动量均超过设定幅度，则计算描述参数的统计特征，如果统计特征大于或等于设定的统计特征阈值，则将描述参数的统计特性值作为特征量；n为设定值。

优选地，获取所述特征量时，所跟踪的描述参数包括车体速度、加速度、曲率变换率、角速度。

优选地，所述步骤3包括：