智能汽車是汽車?電子?信息通信?道路交通運(yùn)輸?shù)刃袠I(yè)深度融合的新型產(chǎn)業(yè)形態(tài)?當(dāng)前, 我國智能汽車產(chǎn)業(yè)進(jìn)入快車道, 技術(shù)創(chuàng)新日益活躍, 新型應(yīng)用蓬勃發(fā)展, 產(chǎn)業(yè)規(guī)模不斷擴(kuò)大,而相應(yīng)的測(cè)試技術(shù)體系也在不斷完善, 推動(dòng)產(chǎn)業(yè)進(jìn)步?本書首先立足于整體現(xiàn)狀對(duì)智能汽車測(cè)試體系架構(gòu)進(jìn)行綜述, 并針對(duì)測(cè)試技術(shù)的發(fā)展趨勢(shì)和整個(gè)核心技術(shù)進(jìn)行詳細(xì)描述;然后, 針對(duì)測(cè)試體系中每一測(cè)試過程的概念?核心思想?關(guān)鍵技術(shù)?測(cè)試方法?發(fā)展趨勢(shì)等進(jìn)行詳細(xì)描述?

注：本文節(jié)選自《智能汽車測(cè)試技術(shù)》第四章節(jié)，由機(jī)械工業(yè)出版社于2025年6月份出版

本書可供智能汽車設(shè)計(jì)人員及測(cè)試人員閱讀使用, 也可供車輛工程專業(yè)及相關(guān)專業(yè)師生閱讀參考?點(diǎn)擊下方鏈接直播購買此書。

《智能汽車測(cè)試技術(shù)》目錄 

第1 章

導(dǎo)論

1.1 背景與需求/ 001

1.2 基本概念/ 003

1.2.1 測(cè)試與評(píng)價(jià)的基本概念/ 003

1.2.2 產(chǎn)品全生命周期中的測(cè)評(píng)技術(shù)/ 004

1.3 現(xiàn)狀與挑戰(zhàn)/ 005

1.4 本書章節(jié)安排/ 006

第2 章

智能汽車

測(cè)評(píng)概述

 2.1 測(cè)評(píng)需求分析/ 009

2.1.1 安全性測(cè)試與驗(yàn)證/ 009

2.1.2 智能性測(cè)試與評(píng)價(jià)/ 012

2.2 測(cè)試方法論/ 015

2.2.1 安全性測(cè)試驗(yàn)證框架/ 015

2.2.2 智能性測(cè)試評(píng)估框架和體系/ 017

2.3 測(cè)試工具鏈及應(yīng)用要求/ 023

2.3.1 測(cè)試工具鏈/ 023

2.3.2 測(cè)試需求與測(cè)試工具的適配性/ 027

2.4 本章小結(jié)/ 029

參考文獻(xiàn)/ 030

第3 章

智能汽車

測(cè)試場(chǎng)景

3.1 場(chǎng)景基本概念/ 031

3.2 場(chǎng)景體系/ 033

3.2.1 場(chǎng)景要素與屬性/ 033

3.2.2 場(chǎng)景層級(jí)/ 035

3.2.3 場(chǎng)景分類/ 036

3.3 場(chǎng)景生成方法/ 037

3.3.1 基于形式化描述的場(chǎng)景生成方法/ 037

3.3.2 基于駕駛員模型的場(chǎng)景生成方法/ 040

3.3.3 安全關(guān)鍵場(chǎng)景生成方法/ 048

3.4 場(chǎng)景采集與利用/ 051

3.4.1 場(chǎng)景采集技術(shù)/ 051

3.4.2 場(chǎng)景庫搭建/ 052

3.5 本章小結(jié)/ 052

參考文獻(xiàn)/ 053

第4 章

環(huán)境感知

系統(tǒng)的測(cè)試

技術(shù)與方法

4.1 環(huán)境感知系統(tǒng)測(cè)試需求分析/ 055

4.2 環(huán)境感知系統(tǒng)介紹/ 057

4.2.1 感知系統(tǒng)/ 057

4.2.2 硬件模組/ 058

4.2.3 認(rèn)知算法/ 058

4.3 環(huán)境感知系統(tǒng)測(cè)試技術(shù)框架/ 059

4.4 各類感知環(huán)境介紹/ 060

4.4.1 封閉場(chǎng)地環(huán)境/ 060

4.4.2 道路交通環(huán)境/ 064

4.4.3 虛擬仿真環(huán)境/ 066

4.5 數(shù)據(jù)生成模型介紹/ 069

4.5.1 降雨圖像生成方法概述/ 070

4.5.2 降雨圖像生成模型介紹/ 071

4.5.3 降雨圖像生成模型結(jié)果/ 075

4.6 具體測(cè)試案例/ 076

4.6.1 案例一:基于封閉場(chǎng)地環(huán)境的感知系統(tǒng)測(cè)試/ 076

4.6.2 案例二:基于虛擬仿真環(huán)境的硬件模組測(cè)試/ 078

4.6.3 案例三:基于虛擬仿真環(huán)境的感知系統(tǒng)測(cè)試/ 081

4.6.4 案例四:基于三類感知環(huán)境和數(shù)據(jù)生成模型的

認(rèn)知算法測(cè)試/ 083

4.7 本章小結(jié)/ 086

參考文獻(xiàn)/ 087

第5 章

決策規(guī)劃

系統(tǒng)的測(cè)試

技術(shù)與方法

 5.1 決策規(guī)劃系統(tǒng)的測(cè)試需求與挑戰(zhàn)/ 089

5.1.1 測(cè)試需求/ 089

5.1.2 測(cè)試挑戰(zhàn)/ 090

5.2 基于場(chǎng)景的測(cè)試技術(shù)與方法/ 092

5.2.1 靜態(tài)試驗(yàn)設(shè)計(jì)測(cè)試方法/ 092

5.2.2 動(dòng)態(tài)試驗(yàn)設(shè)計(jì)測(cè)試方法/ 094

5.3 基于真實(shí)里程的測(cè)試技術(shù)與方法/ 101

5.3.1 開放道路測(cè)試技術(shù)/ 101

5.3.2 重要度采樣加速測(cè)試方法/ 103

5.4 基于虛擬里程的測(cè)試技術(shù)與方法/ 104

5.4.1 虛擬里程測(cè)試系統(tǒng)組成框架/ 105

5.4.2 用于虛擬里程測(cè)試的NPC 模型生成方法/ 106

5.4.3 用于虛擬里程測(cè)試的NPC 模型性能驗(yàn)證/ 113

5.4.4 虛擬里程測(cè)試的應(yīng)用/ 118

5.4.5 小結(jié)/ 130

5.5 其他測(cè)試技術(shù)/ 131

5.5.1 自動(dòng)化測(cè)試技術(shù)/ 131

5.5.2 錯(cuò)誤注入測(cè)試技術(shù)/ 139

5.5.3 分布式自動(dòng)化測(cè)試技術(shù)/ 152

5.6 本章小結(jié)/ 157

參考文獻(xiàn)/ 157

第6 章

整車測(cè)試

技術(shù)與方法

6.1 整車測(cè)評(píng)需求分析/ 159

6.2 封閉測(cè)試場(chǎng)地平臺(tái)/ 160

6.2.1 封閉測(cè)試場(chǎng)/ 160

6.2.2 動(dòng)態(tài)模擬目標(biāo)物系統(tǒng)/ 162

6.2.3 定位與數(shù)據(jù)采集系統(tǒng)/ 163

6.3 開放道路測(cè)試系統(tǒng)/ 164

6.3.1 測(cè)試方案制定/ 165

6.3.2 數(shù)據(jù)采集與數(shù)據(jù)閉環(huán)系統(tǒng)/ 165

6.4 本章小結(jié)/ 166

第7 章

智能汽車

安全性評(píng)估

7.1 基于具體場(chǎng)景的安全性評(píng)估/ 169

7.1.1 場(chǎng)景瞬時(shí)風(fēng)險(xiǎn)評(píng)估方法/ 170

7.1.2 多階段安全評(píng)估/ 180

7.1.3 單個(gè)測(cè)試場(chǎng)景結(jié)果外推/ 181

7.2 基于邏輯場(chǎng)景的安全性評(píng)估/ 182

7.2.1 評(píng)估要求/ 182

7.2.2 面向邏輯場(chǎng)景評(píng)價(jià)的危險(xiǎn)域識(shí)別方法/ 183

7.3 針對(duì)被測(cè)功能的安全性評(píng)估/ 192

7.4 本章小結(jié)/ 192

參考文獻(xiàn)/ 193

第8 章

智能汽車

綜合行駛

性能評(píng)估

 8.1 測(cè)評(píng)需求與研究現(xiàn)狀/ 195

8.1.1 測(cè)評(píng)需求/ 195

8.1.2 研究現(xiàn)狀/ 195

8.2 測(cè)評(píng)基本流程/ 197

8.3 典型測(cè)試場(chǎng)景矩陣/ 198

8.4 測(cè)試方法與流程/ 199

8.4.1 測(cè)試方案/ 199

8.4.2 背景車跟馳模型/ 199

8.4.3 測(cè)試數(shù)據(jù)輸出/ 201

8.5 評(píng)價(jià)方法與流程/ 202

8.5.1 評(píng)價(jià)體系/ 202

8.5.2 評(píng)價(jià)流程/ 204

8.6 測(cè)評(píng)示例/ 206

8.7 本章小結(jié)/ 209

參考文獻(xiàn)/ 209

附 錄

附錄A 測(cè)試工況參數(shù)設(shè)置/ 210

附錄B 背景車跟馳模型/ 212

附錄C 歸一化方法/ 214

附錄D 常見縮寫詞/ 216

環(huán)境感知系統(tǒng)作為智能網(wǎng)聯(lián)汽車的“眼睛”,是智能網(wǎng)聯(lián)汽車獲取外界環(huán)境信息的關(guān)鍵模塊,其能否良好地實(shí)現(xiàn)預(yù)期功能在很大程度上影響了智能網(wǎng)聯(lián)汽車的安全,因此十分有必要通過測(cè)試發(fā)現(xiàn)其性能局限,或驗(yàn)證其性能是否滿足要求。本章從環(huán)境感知系統(tǒng)的測(cè)試需求分析出發(fā),強(qiáng)調(diào)了測(cè)試的必要性,隨后介紹了各類被測(cè)對(duì)象,提出了針對(duì)環(huán)境感知系統(tǒng)的測(cè)試技術(shù)框架,然后介紹了不同的數(shù)據(jù)生成環(huán)境和獲取方法,最后結(jié)合具體的測(cè)試案例,對(duì)本章的測(cè)試技術(shù)和方法進(jìn)行詳細(xì)說明。

4. 1 環(huán)境感知系統(tǒng)測(cè)試需求分析

智能汽車通常包括環(huán)境感知系統(tǒng)、行為決策系統(tǒng)和控制執(zhí)行系統(tǒng)三部分,其中環(huán)境感知系統(tǒng)是智能汽車準(zhǔn)確及時(shí)獲取外界信息的關(guān)鍵模塊,決策規(guī)劃系統(tǒng)需要根據(jù)環(huán)境感知系統(tǒng)提供的車輛內(nèi)外部環(huán)境信息做出合理的軌跡規(guī)劃,并由控制執(zhí)行系統(tǒng)完成預(yù)定軌跡行駛。環(huán)境感知系統(tǒng)面臨的行駛環(huán)境包括各種極端天氣、惡劣光照條件和各類交通參與者。因此,環(huán)境感知系統(tǒng)極易受到復(fù)雜環(huán)境條件的影響而無法實(shí)現(xiàn)預(yù)期功能,環(huán)境感知系統(tǒng)性能局限是引發(fā)安全問題的主要來源之一。因此,通過測(cè)試發(fā)現(xiàn)其性能局限,或驗(yàn)證其性能是否滿足要求是環(huán)境感知系統(tǒng)測(cè)試的主要需求。

構(gòu)成環(huán)境感知系統(tǒng)的傳感器和感知算法,都存在一定的性能局限性。在傳感器感知性能局限性方面,以視覺傳感器和激光雷達(dá)兩類典型傳感器為例,它們獲取信息的精度、廣度相較其他傳感器更優(yōu),是高級(jí)自動(dòng)駕駛汽車不可或缺的感知部件。視覺傳感器通常包括成像傳感器、光學(xué)系統(tǒng)和一個(gè)可選的圖像信號(hào)處理單元,因?yàn)槭艿界R頭、畸變效應(yīng)、動(dòng)態(tài)范圍、靈敏度、幀率等因素的限制,感知系統(tǒng)接收到的信息相比原始信息有不同程度的缺失。因而,在雨霧、暗光等情況下,傳感器會(huì)受到干擾,產(chǎn)生難以利用的低質(zhì)量圖像。在降雨、霧條件下,隨著霧和雨水的增加,圖像的灰度直方圖的分布逐漸向右偏移,導(dǎo)致圖像對(duì)比度下降;降落的雨滴會(huì)在圖像上產(chǎn)生條紋,從而導(dǎo)致圖像的像素值下降,使得圖像中物體的邊界出現(xiàn)模糊。激光雷達(dá)使用激光束來確定傳感器和附近物體之間的相對(duì)距離,多激光束的反射信號(hào)形成代表這些對(duì)象的點(diǎn)云。由于激光的性質(zhì),在大霧、暴雨和大雪的情況下,激光雷達(dá)的性能會(huì)明顯下降;此外,目標(biāo)物體尺寸、物體表面反射強(qiáng)度以及環(huán)境光照強(qiáng)度等因素也會(huì)對(duì)激光雷達(dá)造成影響;激光雷達(dá)表面灰塵積聚會(huì)產(chǎn)生激光前向傳播過程中的折射現(xiàn)象,導(dǎo)致激光點(diǎn)云的坐標(biāo)值發(fā)生偏移;通過實(shí)驗(yàn)室、封閉場(chǎng)地環(huán)境下的模擬降雨試驗(yàn)研究發(fā)現(xiàn),降雨量、雨滴直徑等因素對(duì)激光雷達(dá)獲得的反射激光的點(diǎn)云數(shù)量、反射強(qiáng)度、測(cè)距精度等均會(huì)造成影響,降低激光雷達(dá)的測(cè)量精度。

對(duì)于系統(tǒng)內(nèi)部的算法而言,目標(biāo)的識(shí)別過程可以概括為獲取數(shù)據(jù)、數(shù)據(jù)過濾、特征提取、對(duì)象信息提取以及語義建模五個(gè)步驟。基于視覺傳感器的圖像識(shí)別算法是自底向上的,其中的關(guān)鍵部分就是對(duì)特征的提取。在圖像識(shí)別中起主導(dǎo)作用的特征主要包括紋理特征、顏色特征、形狀特征和空間關(guān)系特征等。由于現(xiàn)實(shí)世界包含的視覺特征及其組合的復(fù)雜性,導(dǎo)致相關(guān)因素極其多樣。天氣條件和光照條件的變化、物體之間的遮擋或與背景之間的相似性、物體形成的陰影等都會(huì)對(duì)識(shí)別算法形成干擾。激光雷達(dá)點(diǎn)云數(shù)據(jù)中則主要是坐標(biāo)和強(qiáng)度信息,對(duì)于物體的識(shí)別需要先進(jìn)行點(diǎn)云聚類,然后從中提取關(guān)鍵特征進(jìn)行目標(biāo)識(shí)別。因此,數(shù)據(jù)中特征的顯著程度是影響識(shí)別算法的關(guān)鍵因素,而影響特征的因素又包括原始數(shù)據(jù)的質(zhì)量,以及感興趣區(qū)域中的特征有效性。常用的點(diǎn)云特征包括直線和曲面等源語特征,其準(zhǔn)確性取決于點(diǎn)云的參數(shù),但真實(shí)環(huán)境下很多因素會(huì)影響源語特征的提取。在類似道路邊緣檢測(cè)和障礙物檢測(cè)的任務(wù)中,基于邊緣的方法可解決相關(guān)問題,但要求對(duì)象須具有較強(qiáng)的人工邊緣特征,且該方法容易受到點(diǎn)云參數(shù)噪聲的影響;基于區(qū)域的分割方法則過于依賴種子點(diǎn)的選擇,選點(diǎn)不當(dāng)會(huì)導(dǎo)致分割不充分和效率低下,種子點(diǎn)的不同選擇往往導(dǎo)致分割結(jié)果的不同;基于模型的方法不能處理非平面路面,如起伏路面、上坡路面、下坡路面、駝峰路面等,此外,分割對(duì)點(diǎn)云密度、位置精度和噪聲都比較敏感。

綜上,對(duì)環(huán)境感知系統(tǒng)開展測(cè)試,需要構(gòu)建包含上述影響因素或觸發(fā)條件等的測(cè)試用例,并對(duì)感知性能進(jìn)行評(píng)估,考察其是否能夠在行駛環(huán)境(ODD范圍內(nèi))中具備足夠的魯棒性、可靠性。

4. 2 環(huán)境感知系統(tǒng)介紹

感知系統(tǒng)通常包括物理傳感器、相關(guān)硬件單元以及內(nèi)部相對(duì)應(yīng)的認(rèn)知算法,三者間的關(guān)系如圖4-1所示,通常來說這三者也是環(huán)境感知系統(tǒng)在測(cè)試中的被測(cè)對(duì)象。其中,物理傳感器負(fù)責(zé)從環(huán)境中采集原始的感知數(shù)據(jù),隨后將其輸入相應(yīng)的算法中進(jìn)行數(shù)據(jù)分析和處理,得到最終的感知與認(rèn)知結(jié)果。目前主流感知系統(tǒng)使用的傳感器包括視覺傳感器、激光雷達(dá)、毫米波雷達(dá)和組合導(dǎo)航設(shè)備等。本節(jié)將以視覺感知系統(tǒng)為例,詳細(xì)介紹感知系統(tǒng)各層級(jí)。

圖4 -1 感知系統(tǒng)各部分關(guān)系示意圖

4 2 1感知系統(tǒng)

感知系統(tǒng)中的物理傳感器負(fù)責(zé)從環(huán)境中采集數(shù)據(jù),然后將特定格式數(shù)據(jù)輸入內(nèi)置算法中,經(jīng)算法處理后輸出最終感知結(jié)果。

以視覺感知系統(tǒng)為例,其為機(jī)器視覺系統(tǒng)信息的直接來源,是指利用光學(xué)元件和成像裝置獲取外部環(huán)境信息的設(shè)備。車載視覺傳感器主要是指車載攝像頭。從硬件組成的角度,目前車載攝像頭主要由透鏡、成像器、圖像處理元件組成。其中圖像處理元件有可能集成在鏡頭部件,攝像頭直接負(fù)責(zé)目標(biāo)識(shí)別和測(cè)距;也可能集成在控制器中,攝像頭僅負(fù)責(zé)生成圖像。車載攝像頭兩種硬件組成方式如圖4-2所示,其中圖像信號(hào)處理(Image Signal Processing, ISP)為圖像信號(hào)處理算法,放置位置相對(duì)靈活。

4 2 2 硬件模組

硬件模組指的是硬件單元和認(rèn)知算法的組合,如芯片單元等。相比于完整的感知系統(tǒng),它不具備待測(cè)感知數(shù)據(jù)獲取的能力,無法將環(huán)境中的光線信號(hào)轉(zhuǎn)換為圖像信息,需要借助外部數(shù)據(jù)采集系統(tǒng)進(jìn)行數(shù)據(jù)獲取,再輸入模組中,但相比感知系統(tǒng),它體積小,同時(shí)不受測(cè)試條件和測(cè)試環(huán)境的影響,具有不錯(cuò)的靈活性和良好的可擴(kuò)展性。相比于認(rèn)知算法,一方面,硬件模組可以滿足硬件在環(huán)測(cè)試的需求;另一方面,硬件模組中通常搭載了多種認(rèn)知算法,可以實(shí)現(xiàn)一次對(duì)多種功能進(jìn)行測(cè)試。

4 2 3 認(rèn)知算法

認(rèn)知算法需要完成兩個(gè)主要的任務(wù):物體檢測(cè)和語義分割。前者得到的是場(chǎng)景中重要目標(biāo)的信息,包括位置、大小、速度等,是一種稀疏的表示;而后者得到的是場(chǎng)景中每一個(gè)位置的語義信息,如可行駛、障礙物等,是一種稠密的表示,這兩個(gè)任務(wù)的結(jié)合被稱為全景分割。對(duì)于物體目標(biāo)(如車輛、行人),全景分割輸出其分割掩膜、類別和實(shí)例ID;對(duì)于非物體目標(biāo)(如道路、建筑物),則只輸出其分割掩膜和類別。環(huán)境感知系統(tǒng)的終極目標(biāo)就是要得到車輛周邊三維空間中全景分割結(jié)果。

對(duì)于視覺傳感器,其收集得到的是圖像和視頻信息,算法的目的是根據(jù)圖像和視頻實(shí)現(xiàn)目標(biāo)識(shí)別和測(cè)距。針對(duì)智能汽車行駛過程中的交通場(chǎng)景,需要檢測(cè)的目標(biāo)主要是汽車、兩輪車及行人。目前在目標(biāo)檢測(cè)領(lǐng)域,常見的多模態(tài)視覺識(shí)別算法大多是基于傳統(tǒng)的視覺識(shí)別算法發(fā)展起來的,如FasterR?CNN[1] 、SSD[2] 、YOLO[3] 等。FasterR?CNN是由R?CNN[4] 改進(jìn)到FastR?CNN[5] 再改進(jìn)而來的,當(dāng)前其優(yōu)勢(shì)在于極高的檢測(cè)精度,并將推理時(shí)間減少了一個(gè)數(shù)量級(jí),但是檢測(cè)速度仍顯著低于其他主流視覺識(shí)別算法。SSD(SingleShotMultiBoxDetector)是第一個(gè)與同時(shí)代兩級(jí)探測(cè)器(如FasterR?CNN)的準(zhǔn)確性相匹配同時(shí)還能保持實(shí)時(shí)速度的一階段檢測(cè)器,但是它在檢測(cè)小物體方面效果不好。此外,由于它的網(wǎng)絡(luò)結(jié)構(gòu)中利用了多層特征,引入了過多的超參數(shù),訓(xùn)練難度較高。YOLO是一種一步式的視覺識(shí)別算法,可以同時(shí)完成物體的定位與分類,經(jīng)過回歸最終輸出邊界框的位置和其中物體所屬類別。YOLO的優(yōu)勢(shì)在于極快的檢測(cè)速度(相較FasterR?CNN速度快了10倍左右),可以實(shí)現(xiàn)高幀率實(shí)時(shí)檢測(cè),并且由于沒有劃分區(qū)域采樣,在全局信息上表現(xiàn)較好。雖然犧牲了一定的檢測(cè)精度,但是由于其在實(shí)時(shí)檢測(cè)方面顯著的優(yōu)越性及在應(yīng)用上的靈活性,因而在目前的智能感知系統(tǒng)中常被作為基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)而廣泛應(yīng)用。在這些基礎(chǔ)的識(shí)別算法基礎(chǔ)上,為了進(jìn)一步提升感知系統(tǒng)的能力,還衍生出了跟蹤算法,如DeepSORT[6] 、ByteTrack[7]和BoT?SORT[8]等,以及基于單目視覺的三維物體檢測(cè)算法,如GS3D、MonoDIS等。

本書首先立足于整體現(xiàn)狀對(duì)智能汽車測(cè)試體系架構(gòu)進(jìn)行綜述， 并針對(duì)測(cè)試技術(shù)的發(fā)展趨勢(shì)和整個(gè)核心技術(shù)進(jìn)行詳細(xì)描述；然后， 針對(duì)測(cè)試體系中每一測(cè)試過程的概念、核心思想、關(guān)鍵技術(shù)、測(cè)試方法、發(fā)展趨勢(shì)等進(jìn)行詳細(xì)描述。

本書可供智能汽車設(shè)計(jì)人員及測(cè)試人員閱讀使用， 也可供車輛工程專業(yè)及相關(guān)專業(yè)師生閱讀參考。

作者簡介：

陳君毅,2009年畢業(yè)于同濟(jì)大學(xué)汽車學(xué)院,獲工學(xué)博士學(xué)位,任職于同濟(jì)大學(xué)汽車學(xué)院?長期從事自動(dòng)駕駛汽車測(cè)試與評(píng)價(jià)方向研究工作,先后主持和參與國家級(jí)?省部級(jí)項(xiàng)目共11項(xiàng),并與華為?路特斯?上汽大眾?蔚來等企業(yè)開展了深度校企合作研究?近5年,在國內(nèi)外學(xué)術(shù)期刊和國際會(huì)議上共發(fā)表SCI/EI檢索論文近30篇,其中以第一作者或及通訊作者發(fā)表的為20余篇;申請(qǐng)發(fā)明專利30余項(xiàng)(已授權(quán)7項(xiàng))?擔(dān)任SAE汽車安全和網(wǎng)絡(luò)安全技術(shù)委員會(huì)秘書?功能安全和預(yù)期功能安全分委會(huì)主席;是自動(dòng)駕駛測(cè)試場(chǎng)景國際標(biāo)準(zhǔn)(ISO3450X)支撐專家組成員,以及CAICV聯(lián)盟預(yù)期功能安全工作組核心成員;擔(dān)任《汽車工程》和《汽車工程學(xué)報(bào)》青年編委委員,IEEE Transactions on Intelligent Vehicles?Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering?《中國公路學(xué)報(bào)》?《汽車工程》?IEEE Intelligent Transportation Systems Conference?IEEE Intelligent Vehicles Symposium等國內(nèi)外期刊和國際會(huì)議審稿人,曾于多項(xiàng)國際學(xué)術(shù)會(huì)議擔(dān)任分論壇主席?

版權(quán)信息:

智能汽車測(cè)試技術(shù) / 陳君毅等著. -- 北京 : 機(jī)械工業(yè)出版社, 2025. 5. -- (智能汽車關(guān)鍵技術(shù)叢書).ISBN 978-7-111-77871-4 Ⅰ. U467 中國國家版本館CIP數(shù)據(jù)核字第2025X8D229號(hào)

本書由機(jī)械工業(yè)出版社出版，本文經(jīng)出版方授權(quán)發(fā)布。