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)的測試技術(shù)體系也在不斷完善, 推動產(chǎn)業(yè)進(jìn)步?本書首先立足于整體現(xiàn)狀對智能汽車測試體系架構(gòu)進(jìn)行綜述, 并針對測試技術(shù)的發(fā)展趨勢和整個核心技術(shù)進(jìn)行詳細(xì)描述;然后, 針對測試體系中每一測試過程的概念?核心思想?關(guān)鍵技術(shù)?測試方法?發(fā)展趨勢等進(jìn)行詳細(xì)描述?

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

本文是《智能汽車測試技術(shù)》系列文章第二篇，上一篇智能汽車測試技術(shù)：環(huán)境感知系統(tǒng)的測試技術(shù)與方法（一、需求分析及系統(tǒng)介紹）

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

《智能汽車測試技術(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 測試與評價的基本概念/ 003

1.2.2 產(chǎn)品全生命周期中的測評技術(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

測評概述

 2.1 測評需求分析/ 009

2.1.1 安全性測試與驗證/ 009

2.1.2 智能性測試與評價/ 012

2.2 測試方法論/ 015

2.2.1 安全性測試驗證框架/ 015

2.2.2 智能性測試評估框架和體系/ 017

2.3 測試工具鏈及應(yīng)用要求/ 023

2.3.1 測試工具鏈/ 023

2.3.2 測試需求與測試工具的適配性/ 027

2.4 本章小結(jié)/ 029

參考文獻(xiàn)/ 030

第3 章

智能汽車

測試場景

3.1 場景基本概念/ 031

3.2 場景體系/ 033

3.2.1 場景要素與屬性/ 033

3.2.2 場景層級/ 035

3.2.3 場景分類/ 036

3.3 場景生成方法/ 037

3.3.1 基于形式化描述的場景生成方法/ 037

3.3.2 基于駕駛員模型的場景生成方法/ 040

3.3.3 安全關(guān)鍵場景生成方法/ 048

3.4 場景采集與利用/ 051

3.4.1 場景采集技術(shù)/ 051

3.4.2 場景庫搭建/ 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)的測試

技術(shù)與方法

4.1 環(huán)境感知系統(tǒng)測試需求分析/ 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 具體測試案例/ 076

4.6.1 案例一:基于封閉場地環(huán)境的感知系統(tǒng)測試/ 076

4.6.2 案例二:基于虛擬仿真環(huán)境的硬件模組測試/ 078

4.6.3 案例三:基于虛擬仿真環(huán)境的感知系統(tǒng)測試/ 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)的測試

技術(shù)與方法

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

5.1.1 測試需求/ 089

5.1.2 測試挑戰(zhàn)/ 090

5.2 基于場景的測試技術(shù)與方法/ 092

5.2.1 靜態(tài)試驗設(shè)計測試方法/ 092

5.2.2 動態(tài)試驗設(shè)計測試方法/ 094

5.3 基于真實里程的測試技術(shù)與方法/ 101

5.3.1 開放道路測試技術(shù)/ 101

5.3.2 重要度采樣加速測試方法/ 103

5.4 基于虛擬里程的測試技術(shù)與方法/ 104

5.4.1 虛擬里程測試系統(tǒng)組成框架/ 105

5.4.2 用于虛擬里程測試的NPC 模型生成方法/ 106

5.4.3 用于虛擬里程測試的NPC 模型性能驗證/ 113

5.4.4 虛擬里程測試的應(yīng)用/ 118

5.4.5 小結(jié)/ 130

5.5 其他測試技術(shù)/ 131

5.5.1 自動化測試技術(shù)/ 131

5.5.2 錯誤注入測試技術(shù)/ 139

5.5.3 分布式自動化測試技術(shù)/ 152

5.6 本章小結(jié)/ 157

參考文獻(xiàn)/ 157

第6 章

整車測試

技術(shù)與方法

6.1 整車測評需求分析/ 159

6.2 封閉測試場地平臺/ 160

6.2.1 封閉測試場/ 160

6.2.2 動態(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 開放道路測試系統(tǒng)/ 164

6.3.1 測試方案制定/ 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

安全性評估

7.1 基于具體場景的安全性評估/ 169

7.1.1 場景瞬時風(fēng)險評估方法/ 170

7.1.2 多階段安全評估/ 180

7.1.3 單個測試場景結(jié)果外推/ 181

7.2 基于邏輯場景的安全性評估/ 182

7.2.1 評估要求/ 182

7.2.2 面向邏輯場景評價的危險域識別方法/ 183

7.3 針對被測功能的安全性評估/ 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

性能評估

 8.1 測評需求與研究現(xiàn)狀/ 195

8.1.1 測評需求/ 195

8.1.2 研究現(xiàn)狀/ 195

8.2 測評基本流程/ 197

8.3 典型測試場景矩陣/ 198

8.4 測試方法與流程/ 199

8.4.1 測試方案/ 199

8.4.2 背景車跟馳模型/ 199

8.4.3 測試數(shù)據(jù)輸出/ 201

8.5 評價方法與流程/ 202

8.5.1 評價體系/ 202

8.5.2 評價流程/ 204

8.6 測評示例/ 206

8.7 本章小結(jié)/ 209

參考文獻(xiàn)/ 209

附 錄

附錄A 測試工況參數(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

4. 3 環(huán)境感知系統(tǒng)測試技術(shù)框架

本章主要討論針對前向環(huán)境感知系統(tǒng)(如1V,即1個前向視覺傳感器)的測試技術(shù),其他如負(fù)責(zé)定位功能的感知系統(tǒng)測試,可以參考本章所提出的測試技術(shù)框架。針對前向環(huán)境感知系統(tǒng)的測試技術(shù)分為從被感知對象所處環(huán)境獲取數(shù)據(jù)和被測對象選取兩大部分,中間借助相關(guān)輔助工具完成測試流程。如圖4-3中的序號①~③所示,可以直接在道路交通環(huán)境和封閉場地環(huán)境中針對被測感知系統(tǒng)開展測試,也可以基于虛擬仿真環(huán)境并額外使用如攝像頭光學(xué)暗箱或毫米波雷達(dá)仿真暗箱等工具,對該感知系統(tǒng)進(jìn)行測試;如圖4-3中的序號④~⑥所示, 可以使用數(shù)據(jù)采集系統(tǒng)從各類環(huán)境中獲取待測感知數(shù)據(jù), 隨后進(jìn)一步輸入給被測對象; 對于虛擬仿真環(huán)境還可以在環(huán)境中使用虛擬傳感器模型直接輸出待測感知數(shù)據(jù), 即序號⑦; 另外, 如圖4 -3 的序號⑧所示, 使用數(shù)據(jù)生成模型也可以直接得到待測感知數(shù)據(jù)用于測試。

在圖4-3 中, 一條從獲取數(shù)據(jù)到獲得認(rèn)知結(jié)果的包含完整流程的連線, 即構(gòu)成一種測試技術(shù)。在本章后續(xù)的小節(jié)中, 4.4 節(jié)將介紹各類被感知對象所處環(huán)境, 4.5 節(jié)將對數(shù)據(jù)生成模型展開介紹, 4.6 節(jié)將對若干具體測試案例展開介紹。

圖4 -3 環(huán)境感知系統(tǒng)測試技術(shù)框架

4. 4 各類感知環(huán)境介紹

基于4.3 節(jié)的環(huán)境感知系統(tǒng)測試技術(shù)框架, 被感知對象所處的不同環(huán)境在一定程度上決定了整體的測試流程和所需使用的輔助工具。本章將對4. 3 節(jié)中列舉的各類感知環(huán)境進(jìn)行介紹, 包括封閉場地環(huán)境、道路交通環(huán)境和虛擬仿真環(huán)境。

4.4.1 封閉場地環(huán)境

封閉場地環(huán)境依托專門建設(shè)的封閉測試場地。封閉測試場地強(qiáng)調(diào)環(huán)境和場景的還原和模擬能力, 采用柔性化設(shè)計, 保證感知系統(tǒng)能夠在有限的場地條件下, 盡可能多地經(jīng)歷不同環(huán)境和場景的測試, 從而不斷積累測試數(shù)據(jù), 為智能汽車技術(shù)迭代提供有力支撐。封閉場地生成基于測試需求和封閉測試場地的特點, 有針對性地直接構(gòu)建測試用例, 因此其弊端為生成效率低、成本高, 并且存在一定的風(fēng)險, 針對封閉測試場地詳細(xì)的介紹可見本書2.3 節(jié)。封閉測試場地需要在有限的范圍內(nèi)盡可能在多方面模擬真實道路環(huán)境, 從而更好地服務(wù)于感知系統(tǒng)測試, 因此需要重點考慮以下三個方面: 道路環(huán)境模擬、氣象條件模擬和交通參與要素模擬。

1 . 道路環(huán)境模擬

道路環(huán)境通常不是感知系統(tǒng)直接的感知目標(biāo), 但其在很大程度上會對感知結(jié)果造成影響, 如易揚(yáng)塵道路會干擾傳感器感知, 環(huán)島和T 形路口會造成不同的感知盲區(qū)等。為滿足在各種道路路面下的測試需求, 封閉測試場地應(yīng)具有瀝青路、水泥路、磚石路、砂石路、泥土路等多種材質(zhì)路面, 道路設(shè)計和鋪設(shè)應(yīng)滿足公路工程和道路設(shè)計相關(guān)標(biāo)準(zhǔn)。美國密歇根的Mcity測試場地[9] 即由多種路面和道路元素構(gòu)成。它包含水泥、柏油、仿真磚等鋪裝路面, 還有泥土、碎石等非鋪裝路面。瑞典的AstaZero封閉測試場地由五個區(qū)域組成[10] , 包括不同道路類型, 分別是多車道測試區(qū)域、由四個街區(qū)組成的城市區(qū)域、高速道路測試區(qū)域、農(nóng)郊道路和主試驗中心, 通過不同區(qū)域的組合可以模擬幾乎全部道路交通模式及場景。國家智能網(wǎng)聯(lián)汽車(長沙) 測試區(qū)(以下簡稱長沙測試區(qū))也涵蓋多種測試道路, 包括高速、城市、鄉(xiāng)村、越野等, 如圖4 -4 所示。

圖4-4 長沙測試區(qū)

除測試場地的路面條件需要盡可能貼近真實道路外,測試場地還需包含其他道路元素信息,如交通標(biāo)志、車道線、信號燈、人行橫道、指示牌、減速帶等,這些要素同樣需復(fù)刻真實道路環(huán)境。

封閉測試場地中不同的道路類型也是生成多樣化場景的必要條件之一,與路面條件模擬類似,不同道路類型的模擬同樣需要參照相關(guān)標(biāo)準(zhǔn)構(gòu)建以滿足對真實道路類型的復(fù)刻。美國Mcity測試場模擬了隧道、環(huán)島、交通管制區(qū)、施工區(qū)等道路元素。長沙測試區(qū)模擬了隧道、十字路口、T形路口、環(huán)島等道路元素,如圖4-5所示。

圖4 -5 長沙測試區(qū)不同道路類型

為更好地還原真實世界場景,道路環(huán)境模擬中還需要對道路周邊要素進(jìn)行還原,如路邊建筑、加油站、停車場等。例如,在美國Mcity測試場地,其城市場景設(shè)計有可移動的房屋外墻,墻體材料均取自真實建筑,如玻璃、磚、木頭、氯乙烯等,用于模擬傳感器對于不同材料的不同反饋,并且還有多種停車位可供選擇,如側(cè)方停車、倒車入庫和斜對角停車等。該測試場地還在市中心區(qū)域設(shè)置有郵箱、消防栓、候車椅、計時碼表等自動駕駛車輛在真實世界中會遇到的道路元素,用于測試它們的應(yīng)對狀況。

另外,除常規(guī)行車場景外,如循線行駛、通過各類路口、斜坡等,封閉測試場還可以特別設(shè)計一些用于測試傳感器的場景。如美國Mcity的人造樹蔭區(qū)域,可以用于測試傳感器信號被削弱、遮蔽和延遲對于自動駕駛車輛的影響;Mcity內(nèi)還有故意做舊的道路標(biāo)牌,用來測試圖像處理系統(tǒng)等。

2. 氣象條件模擬

自然氣象條件如雨、霧、雪等,具有地域性和季節(jié)性的特點,其發(fā)生時間、持續(xù)時間、強(qiáng)度大小等均不受人為控制。通過在封閉測試場地內(nèi)搭建相關(guān)氣象條件模擬設(shè)備,能夠規(guī)避以上測試時遇到的問題,從而提高測試效率、降低測試成本。

美國弗吉尼亞SmartRoad的天氣模擬系統(tǒng)是該封閉測試場的特色之一[11] 。如圖4-6所示,測試場中75個天氣塔可以產(chǎn)生雨、雪和霧。天氣塔中的水來源于一個容量為189萬L的水箱,它們可以在適宜的天氣環(huán)境下在0.8km的道路范圍內(nèi)產(chǎn)生特定的天氣:如雨量為每小時2~64mm的降雨天氣;能見度在3~91m范圍內(nèi)變化的霧天;以及雪量為每小時102mm的降雪天氣。日本J?town的特殊環(huán)境試驗區(qū)可以在室內(nèi)復(fù)現(xiàn)雨、霧等氣候條件,能夠?qū)崿F(xiàn)暴雨、大暴雨及特大暴雨的模擬,同時環(huán)境中還設(shè)置了如隔離欄、交通信號燈等其他交通元素,能夠組合實現(xiàn)多種降雨環(huán)境下的測試場景。

長沙測試區(qū)內(nèi)專門搭建了一系列能夠帶來危害的特殊氣候環(huán)境的模擬設(shè)施,能夠?qū)崿F(xiàn)雨天、霧天、揚(yáng)塵等模擬,如圖4-7所示。

圖4 -6 美國弗吉尼亞SmartRoad測試場天氣模擬系統(tǒng)

圖4-7 長沙測試區(qū)氣候環(huán)境模擬設(shè)施

除雨、霧、雪等天氣條件外,光照條件的模擬同樣是測試用例生成的關(guān)鍵條件之一。美國SmartRoad測試場內(nèi)配有可變照明設(shè)施,用以研究光照條件對傳感器的影響。它可以復(fù)現(xiàn)95%的美國公路照明系統(tǒng),采用了變間距設(shè)計,光源有包括發(fā)光二極管模塊在內(nèi)的多種燈具頭可選。能見度測試系統(tǒng)包括靜態(tài)和動態(tài)兩個路段,用于測試路面標(biāo)記和其他對象的可見性。Mcity測試場地有貫穿整個測試場的各類照明設(shè)施。長沙測試區(qū)內(nèi)也搭建有光照模擬設(shè)備,如圖4-8所示。

圖4 -8 長沙測試區(qū)光照模擬設(shè)備

3. 交通參與要素模擬

常見的交通參與要素包括隱蔽的障礙物、行人、動物、汽車等,在封閉測試場地內(nèi)常通過假人、氣球車等進(jìn)行模擬。如瑞典AstaZero測試場即模擬了假人以及大型動物模型、可遠(yuǎn)程控制的氣球車等。圖4-9所示為AstaZero在鄉(xiāng)村區(qū)域的大型動物場景模擬。

圖4 -9 AstaZero 在鄉(xiāng)村區(qū)域的大型動物場景模擬

4 4 2 道路交通環(huán)境

道路交通環(huán)境是指真實的道路環(huán)境,可以直接對被測系統(tǒng)在該環(huán)境中進(jìn)行測試,也可以從該環(huán)境中獲取待測數(shù)據(jù)再進(jìn)行測試。待測數(shù)據(jù)獲取的流程為:首先在真實道路上采集一定時長的自然駕駛數(shù)據(jù);然后對采集得到的數(shù)據(jù)結(jié)果進(jìn)行后處理,如場景劃分、攝像頭圖像生成、點云生成等;最后對數(shù)據(jù)進(jìn)行標(biāo)注、整理,即完成待測數(shù)據(jù)的獲取。現(xiàn)階段已有較多開源數(shù)據(jù)集是通過從道路交通環(huán)境中獲取自然駕駛數(shù)據(jù),后經(jīng)加工得到的,下面將對幾個典型的數(shù)據(jù)集進(jìn)行介紹。

1.KITTI數(shù)據(jù)集

KITTI數(shù)據(jù)集[12] 是由德國卡爾斯魯厄理工學(xué)院和豐田工業(yè)大學(xué)芝加哥分校聯(lián)合構(gòu)建的用于自動駕駛領(lǐng)域研究的數(shù)據(jù)集。采集地點位于德國卡爾斯魯厄,采集時長為6h,采集數(shù)據(jù)共劃分為城市、鄉(xiāng)村、道路、校園、行人五大類,如圖4-10所示。數(shù)據(jù)采集平臺裝配有2個灰度攝像頭、2個彩色攝像頭、4個光學(xué)鏡片、1個64線旋轉(zhuǎn)激光雷達(dá)和1個組合慣導(dǎo)系統(tǒng)。經(jīng)人工處理后,KITTI數(shù)據(jù)集共包含原始和同步矯正處理后的灰度圖像、彩色圖像、激光雷達(dá)點云數(shù)據(jù)、組合慣導(dǎo)數(shù)據(jù)(位置、速度、加速度等)、矯正文件、3D目標(biāo)檢測標(biāo)簽。

圖4-10 KITTI數(shù)據(jù)集 

2.nuScenes數(shù)據(jù)集

nuScenes數(shù)據(jù)集[13] 是由Motional團(tuán)隊開發(fā)的大規(guī)模自動駕駛公共數(shù)據(jù)集,如圖4-11所示。數(shù)據(jù)采集地點為具有密集交通環(huán)境和極具挑戰(zhàn)性駕駛環(huán)境的波士頓和新加坡,收集大約15h的駕駛數(shù)據(jù),經(jīng)專家篩選后得到1000個駕駛場景。每個場景的持續(xù)時間為20s,每個場景內(nèi)同時包含數(shù)十個對象,不同場景之間的天氣條件、車輛類型、道路標(biāo)記、植被環(huán)境等均有所不同。數(shù)據(jù)采集平臺上配備了多種傳感器,包括6個攝像頭、1個激光雷達(dá)、5個毫米波雷達(dá),以及GPS和慣性測量單元(IMU)。完整的數(shù)據(jù)集包含近140萬張圖片、39萬個激光雷達(dá)掃頻數(shù)據(jù)、140萬個毫米波雷達(dá)掃頻數(shù)據(jù)和4萬個關(guān)鍵幀中的140萬個目標(biāo)包圍盒。

圖4-11 nuScenes數(shù)據(jù)集

3.Waymo數(shù)據(jù)集

Waymo數(shù)據(jù)集[14] 是谷歌母公司Alphabet旗下的自動駕駛公司Waymo開源的自動駕駛數(shù)據(jù)集,如圖4-12所示。數(shù)據(jù)集中涵蓋了菲尼克斯市(又稱鳳凰城)、亞利桑那州、柯克蘭市、華盛頓州、山景城、舊金山等共25個城市和地區(qū),同時有各種天氣條件下的數(shù)據(jù),包括白天和夜晚、黎明和黃昏、晴天和雨天等。數(shù)據(jù)采集平臺為Waymo的自動駕駛車輛,其上配備了1個中程激光雷達(dá)、4個短程激光雷達(dá)、5個攝像頭用于采集數(shù)據(jù)。數(shù)據(jù)集中有1000個場景片段的激光雷達(dá)數(shù)據(jù)和攝像頭圖像數(shù)據(jù),每個片段時間長度為20s。數(shù)據(jù)標(biāo)注方面,Waymo數(shù)據(jù)集將目標(biāo)對象分為4類:車輛、行人、騎行者和交通標(biāo)志,總共標(biāo)注了1200萬個3D邊界框和120萬個2D邊界框。

圖4 -12 Waymo 數(shù)據(jù)集

4 4 3 虛擬仿真環(huán)境

虛擬仿真環(huán)境是指在虛擬仿真測試軟件中模擬汽車復(fù)雜的行駛環(huán)境,如極端天氣、復(fù)雜交通參與者等,進(jìn)而生成待測場景和數(shù)據(jù)。經(jīng)虛擬仿真環(huán)境的生成方法可以擺脫對真實環(huán)境和硬件的需求,其生成效率高,生成成本和下一步進(jìn)行測試的風(fēng)險較低。但其仍有一定缺陷,一方面,所獲取的待測數(shù)據(jù)的效果嚴(yán)重依賴傳感器模型和環(huán)境模型的正確性,不正確或錯誤的仿真模型將導(dǎo)致不真實的結(jié)果,從而對下一步的測試造成影響;另一方面,在仿真環(huán)境中難以快速還原現(xiàn)實場景,需要軟件開發(fā)團(tuán)隊有針對性地提升場景渲染的真實度。現(xiàn)階段已有較多的數(shù)據(jù)集是通過虛擬仿真生成的方式構(gòu)建的,下面將對幾個典型的數(shù)據(jù)集進(jìn)行介紹。

1. SHIFT 

SHIFT[15] 是由蘇黎世聯(lián)邦理工學(xué)院視覺智能和系統(tǒng)組構(gòu)建的數(shù)據(jù)集,是目前最大的自動駕駛多任務(wù)合成數(shù)據(jù)集,同時提供最全面的注釋和條件。它包含云、雨和霧的強(qiáng)度大小,以及一天中連續(xù)時間內(nèi)的車輛和行人密度的離散和連續(xù)變化情況,進(jìn)而捕捉現(xiàn)實世界不斷變化的本質(zhì)。SHIFT是在CARLA虛擬仿真軟件中收集的,它包括全面的傳感器套件,能夠覆蓋最重要的感知任務(wù)。SHIFT從8個不同位置的多視圖傳感器套件捕獲了4800多個序列。針對多任務(wù)駕駛系統(tǒng),該數(shù)據(jù)集可以支持13個感知任務(wù):語義/實例分割、單目/立體深度回歸、2D/3D物體檢測、2D/3D多物體跟蹤(MOT)、光流估計、點云配準(zhǔn)、視覺里程計、軌跡預(yù)測和人體姿態(tài)估計。SHIFT數(shù)據(jù)集中的RGB攝像頭數(shù)據(jù)集如圖4-13所示。

2.Livox仿真數(shù)據(jù)集

Livox仿真數(shù)據(jù)集是基于自動駕駛仿真測試平臺生成的點云數(shù)據(jù)和對應(yīng)標(biāo)注,支持3D目標(biāo)檢測和語義分割任務(wù)。其中傳感器配置了5個浩界Horizon激光雷達(dá)和1個泰覽Tele?15超遠(yuǎn)距激光雷達(dá),整個數(shù)據(jù)集包含14445幀360°Lidar點云數(shù)據(jù),6種目標(biāo)的3D包圍框標(biāo)注和14種類別的點云語義標(biāo)注。目前開放下載的數(shù)據(jù)集場景主要為市區(qū)寬闊道路場景,包括雙向12車道和雙向8車道。相應(yīng)地,該仿真場景中也包含多種車輛和行人模型,以及更貼近真實場景的交通流模擬。此外,豐富的交通信號燈、交通標(biāo)識牌、隔離物(包括隔離欄桿、綠化帶、隔離墩等)、樹木建筑等都讓整個仿真場景更加貼近實際駕駛路況。仿真場景示例和數(shù)據(jù)標(biāo)注示例如圖4-14和圖4-15所示。

圖4 -14 仿真場景示例

圖4-15 數(shù)據(jù)標(biāo)注示例

3.51WORLD虛擬標(biāo)注數(shù)據(jù)集

51WORLD虛擬標(biāo)注數(shù)據(jù)集是基于其自研的自動駕駛仿真測試平臺51Sim?One生成及標(biāo)注的。51Sim?One場景如圖4-16所示。在51WORLD虛擬標(biāo)注數(shù)據(jù)集中,主要包含由51Sim?One所產(chǎn)生的攝像頭傳感器相關(guān)數(shù)據(jù)和激光雷達(dá)傳感器相關(guān)數(shù)據(jù)。攝像頭傳感器相關(guān)數(shù)據(jù)主要包括圖像和對應(yīng)的語義分割、實例分割、深度標(biāo)注、目標(biāo)檢測標(biāo)注;激光雷達(dá)傳感器相關(guān)數(shù)據(jù)主要包括激光點云和對3D邊界框標(biāo)注、語義分割標(biāo)注、實例分割標(biāo)注。51WORLD虛擬標(biāo)注數(shù)據(jù)集內(nèi)容豐富且全面,可滿足圖像目標(biāo)檢測、點云目標(biāo)檢測、融合目標(biāo)檢測、光流、實例分割、語義分割和深度預(yù)測等算法研究的需求。

圖4-16 51Sim?One場景 

4. OPV2V 

OPV2V(OpendatasetforPerceptionwithV2Vcommunication)是由加州大學(xué)洛杉磯分校Mobility實驗室構(gòu)建的數(shù)據(jù)集[16] 。該數(shù)據(jù)集是第一個用于車對車感知的大規(guī)模開放模擬數(shù)據(jù)集,包含70多個場景、11464個幀和232913個有注釋的三維車輛邊界框,收集自CARLA的8個城鎮(zhèn)和洛杉磯卡爾弗城的一個數(shù)字城鎮(zhèn)。數(shù)據(jù)集中,每一幀平均包含3個聯(lián)網(wǎng)車輛,每個聯(lián)網(wǎng)車輛配備了4個攝像頭,總共可以覆蓋360°視角,同時配備了64通道激光雷達(dá)和GPS/IMU傳感器。OPV2V可以支持協(xié)同3D目標(biāo)檢測、純電動汽車(BEV)語義分割、跟蹤和預(yù)測等感知任務(wù)。OPV2V數(shù)據(jù)集示例如圖4-17所示。

圖4 -17 OPV2V 數(shù)據(jù)集示例

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

本書可供智能汽車設(shè)計人員及測試人員閱讀使用， 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?長期從事自動駕駛汽車測試與評價方向研究工作,先后主持和參與國家級?省部級項目共11項,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;申請發(fā)明專利30余項(已授權(quán)7項)?擔(dān)任SAE汽車安全和網(wǎng)絡(luò)安全技術(shù)委員會秘書?功能安全和預(yù)期功能安全分委會主席;是自動駕駛測試場景國際標(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》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》?《汽車工程》?IEEE Intelligent Transportation Systems Conference?IEEE Intelligent Vehicles Symposium等國內(nèi)外期刊和國際會議審稿人,曾于多項國際學(xué)術(shù)會議擔(dān)任分論壇主席?

版權(quán)信息:

智能汽車測試技術(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

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。