一種基于數字孿生的自動駕駛仿真測試系統及評價方法與流程
1.本發明涉及自動駕駛測試系統技術領域，具體為一種基于數字孿生的自動駕駛仿真測試系統及評價方法。
背景技術：
2.自動駕駛技術是當今汽車行業最熱門的技術領域，世界各國以駕駛輔助技術作為切入點，沿著從輔助駕駛、部分自動駕駛再到無人駕駛的道路，逐步弱化駕駛員的功能，融合了人工智能、深度學習、網聯通訊等技術的自動駕駛汽車，在可行性與實用性方面取得了顯著性進展；行業標準法規以及相關配套設施逐步成熟和完善，推動自動駕駛汽車逐步進入產業化階段，自動駕駛汽車產量占比逐年提高，根據美國汽車工程師協會sae發布的自動駕駛分級標準，整車廠已有相關如搭載自適應巡航、車道偏離預警、車道保持輔助、自動緊急制動及盲區監測等系統的l1-l3級自動駕駛量產車型，而具備更高等級自動駕駛功能的l4級自動駕駛汽車仍處于試制階段；在智能駕駛系統的研發流程中，系統功能的測試與評價作為研發“v”流程中的重要一環具有不可替代的作用，通過對系統功能的有效性驗證，能夠幫助研發人員及時發現產品問題，保障系統的安全性與功能的完備性，顯著提高開發效率，雖然目前已有許多研究人員提出了大量的智能駕駛系統相關測評手段與方法，但與業內已被大多數國家與研究機構廣泛采納的傳統車載控制系統，其中如被動安全系統等的測試評價技術不同，至今仍未形成能夠被業界廣泛認可的、通用和完善的智能駕駛系統測試與驗證方法體系和流程架構，因此缺乏一種面向智能駕駛的高效數字孿生仿真測試系統架構，用于解決智能駕駛技術發展中所遇到的上述問題與瓶頸；自動駕駛汽車從實驗室走向量產，需要大量的測試來證明其各項功能和性能的穩定性、魯棒性和可靠性，各國研究人員均在探索可行的自動駕駛汽車測試方法，不同于傳統人、車、環境相互獨立的系統，自動駕駛汽車的測試評價對象變為人－車－環境－駕駛任務強耦合系統，因此僅針對車輛動態操控、被動安全和零部件系統的傳統測試與評價體系無法滿足其測試需求，面向l3及以上等級的自動駕駛汽車，多變的天氣、復雜的交通環境、多樣的駕駛任務和動態的行駛狀態進一步增加了測試工況的復雜性和不確定性，對自動駕駛汽車測試與評價提出了新的挑戰；為提高道路安全，智能汽車的開發過程中需要經過嚴格的測試，測試方法主要分為場地測試和仿真測試，場地測試是車輛測試的傳統方法，也是最為可靠的測試方法，但是，場地測試存在測試效率低、重復性差、安全性差、維護成本高等缺點，仿真測試是智能汽車算法開發、綜合性能測試的重要方法，但是單純的仿真測試存在與現實場景環境有差距的問題，不能高逼真度地完全還原真實場景來進行測試，容易導致測試結果不符合實際場景需求。
技術實現要素：
3.本發明的目的在于提供一種基于數字孿生的自動駕駛仿真測試系統及評價方法，以解決現背景技術中的問題。
4.為實現上述目的，本發明提供如下技術方案：一種基于數字孿生的自動駕駛仿真測試系統，包括駕駛艙、仿真測試場景構建模塊、仿真測試智能控制模塊和仿真測試評價模塊，所述駕駛艙與仿真測試場景構建模塊以及仿真測試評價模塊連接，所述仿真測試場景構建模塊和仿真測試智能控制模塊均與仿真測試評價模塊連接，所述仿真測試場景構建模塊用于利用數字孿生技術進行仿真測試場景的構建，所述仿真測試智能控制模塊用于收集自動駕駛場景數據，訓練端到端的卷積神經網絡駕駛模型，對自動駕駛場景數據進行識別從而輸出對應的駕駛指令對車輛進行控制，所述仿真測試評價模塊通過對于同一駕駛場景的卷積神經網絡模型的駕駛指令輸出和人工操縱駕駛艙的駕駛指令輸出進行比較，從而對仿真測試的結果進行評價。
5.進一步地，一種基于數字孿生的自動駕駛仿真測試系統的評價方法，用于上述內容中的一種基于數字孿生的自動駕駛仿真測試系統，至少包括以下步驟：s1：采用仿真測試智能控制模塊進行使用，通過模塊應用過程中的數據獲取、數據處理、虛擬模型構建，從而建立數字孿生仿真測試場景；s2：采用仿真測試智能控制模塊進行工作，生成控制；s3：采用仿真測試評價模塊配合仿真測試智能控制模塊以及仿真測試場景構建模塊形成對仿真測試結果的評價；進一步地，所述s1至少包括以下步驟：（a）通過激光雷達和攝像頭從真實道路場景中獲取車輛數據、交通流數據、行人數據、路網數據、環境數據，形成真實的道路場景數據；（b）對獲取到的真實的道路場景數據進行數據清洗，將不符合規則的數據刪除掉，將符合規則的數據保留，然后對數據進行格式化處理，并進行數據挖掘分析以及數據的分類，最后將結構化的數據保存到自動駕駛場景數字孿生系統數據庫中；（c）根據自動駕駛場景數字孿生系統數據庫中的結構化數據對虛擬模型進行構建和組裝，將模型構建完成之后對虛擬模型進行驗證，根據驗證是否通過進行不同的操作，當驗證通過，則加入到虛擬模型庫中以便后期運行和管理，當驗證失敗，則對虛擬模型進行修正直到驗證通過為止；（d）將模型庫中的環境、車輛、行人、交通流和路網三維模型導出并與真實道路場景進行數據的實時映射，利用三維構圖技術使數字孿生仿真測試場景三維動態可視化。
6.進一步地，所述s2至少包括以下步驟：（a）從仿真測試智能控制模塊的仿真測試場景中采集當前車輛正對的場景圖片數據；（b）將該場景圖片進行幾何變換、裁剪、去噪以及圖像增強等數據預處理操作；（c）設計并搭建好一個卷積神經網絡結構；（d）將預處理后的場景數據導入到卷積神經網絡中進行訓練；（e）通過訓練構建一個卷積神經網絡駕駛模型；（f）對駕駛場景信息進行識別；
（g）生成方向盤轉角、油門增量、剎車增量、速度增量等駕駛指令對車輛進行控制。
7.進一步地，所述s3至少包括以下步驟：（a）將駕駛場景輸入到卷積神經網絡駕駛模型中，得到模型輸出的駕駛指令；（b）將駕駛場景導入到駕駛艙中，人工操縱駕駛艙面對駕駛場景進行駕駛，得到人工輸出的駕駛指令；（c）將模型輸出的駕駛指令和人工輸出的駕駛指令計算偏差；（d）利用聚類分析方法對偏差數據進行聚類分析；（e）將聚類分析結果導入到設計的評分模型中，對測試結果進行分等級評價，等級分別為優、良好、合格、不合格四個評價等級。
8.與現有技術相比，本發明的有益效果是：1、本發明對于仿真測試場景的構建是利用數字孿生技術來進行構建的，能夠將真實道路場景的數據信息與構建出來的虛擬仿真測試場景實現實時的數據映射，使得虛擬仿真測試場景極度接近真實道路場景，大大提高了仿真測試場景的逼真度；2、本發明在對仿真測試場景的識別更加智能，與傳統的模型驅動的控制模型相比，基于數據驅動的控制模型能夠綜合分析大量的場景數據，從而構建卷積神經網絡駕駛模型，大大提高了控制模型的適應能力和覆蓋范圍，使得模型更加智能化；3、本發明在自動駕駛仿真測試系統上搭建了一個仿真測試評價模塊，設計了一套評價規則對仿真測試結果進行評價，使得仿真測試結果更加可視化。
附圖說明
9.為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
10.圖1為本發明基于數字孿生的自動駕駛仿真測試系統總體框架的示意圖；圖2為本發明仿真測試場景構建的流程圖；圖3為本發明仿真測試智能控制模塊的工作流程圖；圖4為本發明仿真測試評價模塊的工作流程。
具體實施方式
11.下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。
12.實施例一：請參閱圖1，一種基于數字孿生的自動駕駛仿真測試系統，包括駕駛艙、仿真測試場景構建模塊、仿真測試智能控制模塊和仿真測試評價模塊，駕駛艙與仿真測試場景構建模塊以及仿真測試評價模塊連接，仿真測試場景構建模塊和仿真測試智能控制模塊均與仿真測試評價模塊連接，仿真測試場景構建模塊用于利用數字孿生技術進行仿真測試場景的構建，仿真測試智能控制模塊用于收集自動駕駛場景數據，訓練端到端的卷積神經網絡駕駛模型，對自動駕駛場景數據進行識別從而輸出對應的駕駛指令對車輛進行控制，仿真測
試評價模塊通過對于同一駕駛場景的卷積神經網絡模型的駕駛指令輸出和人工操縱駕駛艙的駕駛指令輸出進行比較，從而對仿真測試的結果進行評價。
13.實施例二：請參閱圖2-4，一種基于數字孿生的自動駕駛仿真測試系統的評價方法，用于上述實施例的一種基于數字孿生的自動駕駛仿真測試系統，至少包括以下步驟：s1：采用仿真測試智能控制模塊進行使用，通過模塊應用過程中的數據獲取、數據處理、虛擬模型構建，從而建立數字孿生仿真測試場景；s2：采用仿真測試智能控制模塊進行工作，生成控制；s3：采用仿真測試評價模塊配合仿真測試智能控制模塊以及仿真測試智能控制模塊形成對仿真測試結果的評價；請參閱圖2，s1至少包括以下步驟：（a）通過激光雷達和攝像頭從真實道路場景中獲取車輛數據、交通流數據、行人數據、路網數據、環境數據，形成真實的道路場景數據；（b）對獲取到的真實的道路場景數據進行數據清洗，將不符合規則的數據刪除掉，將符合規則的數據保留，然后對數據進行格式化處理，并進行數據挖掘分析以及數據的分類，最后將結構化的數據保存到自動駕駛場景數字孿生系統數據庫中；（c）根據自動駕駛場景數字孿生系統數據庫中的結構化數據對虛擬模型進行構建和組裝，將模型構建完成之后對虛擬模型進行驗證，根據驗證是否通過進行不同的操作，當驗證通過，則加入到虛擬模型庫中以便后期運行和管理，當驗證失敗，則對虛擬模型進行修正直到驗證通過為止；（d）將模型庫中的環境、車輛、行人、交通流和路網三維模型導出并與真實道路場景進行數據的實時映射，利用三維構圖技術使數字孿生仿真測試場景三維動態可視化。
14.請參閱圖3，s2至少包括以下步驟：（a）從仿真測試智能控制模塊的仿真測試場景中采集當前車輛正對的場景圖片數據；（b）將該場景圖片進行幾何變換、裁剪、去噪以及圖像增強等數據預處理操作；（c）設計并搭建好一個卷積神經網絡結構；（d）將預處理后的場景數據導入到卷積神經網絡中進行訓練；（e）通過訓練構建一個卷積神經網絡駕駛模型；（f）對駕駛場景信息進行識別；（g）生成方向盤轉角、油門增量、剎車增量、速度增量等駕駛指令對車輛進行控制。
15.請參閱圖4，s3至少包括以下步驟：（a）將駕駛場景輸入到卷積神經網絡駕駛模型中，得到模型輸出的駕駛指令；（b）將駕駛場景導入到駕駛艙中，人工操縱駕駛艙面對駕駛場景進行駕駛，得到人工輸出的駕駛指令；（c）將模型輸出的駕駛指令和人工輸出的駕駛指令計算偏差；（d）利用聚類分析方法對偏差數據進行聚類分析；（e）將聚類分析結果導入到設計的評分模型中，對測試結果進行分等級評價，等級分別為優、良好、合格、不合格四個評價等級。
16.工作原理如下：在仿真測試場景構建模塊中，通過激光雷達、攝像頭等設備采集真實場景的數據，對數據進行預處理并保存在自動駕駛場景數字孿生系統數據庫中，然后利用數據進行虛擬模型的構建和驗證，驗證通過的模型可保存在模型庫中以便運行和管理，利用模型庫中的模型構建三維動態可視化的數字孿生仿真測試場景并與真實場景的數據實時映射。對于構建好的數字孿生仿真測試場景，將場景數據輸入到仿真測試智能控制模塊中，對場景數據進行預處理，并導入到卷積神經網絡中訓練出一個卷積神經網絡模型。利用卷積神經網絡模型對數字孿生仿真測試駕駛場景進行識別并生成駕駛指令控制車輛；在利用仿真測試智能控制模塊在仿真測試場景模塊構建的場景中對車輛進行控制的同時，利用駕駛艙在相同的仿真測試駕駛場景中進行人工操縱，人工操縱也會生成一系列的駕駛指令，將模型輸出的駕駛指令與人工輸出的駕駛指令輸入到仿真測試評價模塊中通過聚類分析進行仿真測試結果的分等級評價。
17.對于本領域技術人員而言，顯然本發明不限于上述示范性實施例的細節，而且在不背離本發明的精神或基本特征的情況下，能夠以其他的具體形式實現本發明。因此，無論從哪一點來看，均應將實施例看作是示范性的，而且是非限制性的，本發明的范圍由所附權利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義和范圍內的所有變化囊括在本發明內。不應將權利要求中的任何附圖標記視為限制所涉及的權利要求。
技術特征：
1.一種基于數字孿生的自動駕駛仿真測試系統，其特征在于：包括駕駛艙、仿真測試場景構建模塊、仿真測試智能控制模塊和仿真測試評價模塊，所述駕駛艙與仿真測試場景構建模塊以及仿真測試評價模塊連接，所述仿真測試場景構建模塊和仿真測試智能控制模塊均與仿真測試評價模塊連接，所述仿真測試場景構建模塊用于利用數字孿生技術進行仿真測試場景的構建，所述仿真測試智能控制模塊用于收集自動駕駛場景數據，訓練端到端的卷積神經網絡駕駛模型，對自動駕駛場景數據進行識別從而輸出對應的駕駛指令對車輛進行控制，所述仿真測試評價模塊通過對于同一駕駛場景的卷積神經網絡模型的駕駛指令輸出和人工操縱駕駛艙的駕駛指令輸出進行比較，從而對仿真測試的結果進行評價。2.一種基于數字孿生的自動駕駛仿真測試系統的評價方法，用于上述權利要求1中的一種基于數字孿生的自動駕駛仿真測試系統，其特征在于：至少包括以下步驟：s1：采用仿真測試智能控制模塊進行使用，通過模塊應用過程中的數據獲取、數據處理、虛擬模型構建，從而建立數字孿生仿真測試場景；s2：采用仿真測試智能控制模塊進行工作，生成控制；s3：采用仿真測試評價模塊配合仿真測試場景構建模塊以及仿真測試智能控制模塊形成對仿真測試結果的評價。3.根據權利要求1所述的一種基于數字孿生的自動駕駛仿真測試系統及評價方法，其特征在于：所述s1至少包括以下步驟：（a）通過激光雷達和攝像頭從真實道路場景中獲取車輛數據、交通流數據、行人數據、路網數據、環境數據，形成真實的道路場景數據；（b）對獲取到的真實的道路場景數據進行數據清洗，將不符合規則的數據刪除掉，將符合規則的數據保留，然后對數據進行格式化處理，并進行數據挖掘分析以及數據的分類，最后將結構化的數據保存到自動駕駛場景數字孿生系統數據庫中；（c）根據自動駕駛場景數字孿生系統數據庫中的結構化數據對虛擬模型進行構建和組裝，將模型構建完成之后對虛擬模型進行驗證，根據驗證是否通過進行不同的操作，當驗證通過，則加入到虛擬模型庫中以便后期運行和管理，當驗證失敗，則對虛擬模型進行修正直到驗證通過為止；（d）將模型庫中的環境、車輛、行人、交通流和路網三維模型導出并與真實道路場景進行數據的實時映射，利用三維構圖技術使數字孿生仿真測試場景三維動態可視化。4.根據權利要求1所述的一種基于數字孿生的自動駕駛仿真測試系統及評價方法，其特征在于：所述s2至少包括以下步驟：（a）從仿真測試智能控制模塊的仿真測試場景中采集當前車輛正對的場景圖片數據；（b）將該場景圖片進行幾何變換、裁剪、去噪以及圖像增強等數據預處理操作；（c）設計并搭建好一個卷積神經網絡結構；（d）將預處理后的場景數據導入到卷積神經網絡中進行訓練；（e）通過訓練構建一個卷積神經網絡駕駛模型；（f）對駕駛場景信息進行識別；（g）生成方向盤轉角、油門增量、剎車增量、速度增量等駕駛指令對車輛進行控制。5.根據權利要求1所述的一種基于數字孿生的自動駕駛仿真測試系統及評價方法，其特征在于：所述s3至少包括以下步驟：
（a）將駕駛場景輸入到卷積神經網絡駕駛模型中，得到模型輸出的駕駛指令；（b）將駕駛場景導入到駕駛艙中，人工操縱駕駛艙面對駕駛場景進行駕駛，得到人工輸出的駕駛指令；（c）將模型輸出的駕駛指令和人工輸出的駕駛指令計算偏差；（d）利用聚類分析方法對偏差數據進行聚類分析；（e）將聚類分析結果導入到設計的評分模型中，對測試結果進行分等級評價，等級分別為優、良好、合格、不合格四個評價等級。
技術總結
本發明公開了一種基于數字孿生的自動駕駛仿真測試系統及評價方法，涉及自動駕駛測試系統技術領域。本發明包括駕駛艙、仿真測試場景構建模塊、仿真測試智能控制模塊和仿真測試評價模塊，駕駛艙與仿真測試場景構建模塊以及仿真測試評價模塊連接，仿真測試場景構建模塊和仿真測試智能控制模塊均與仿真測試評價模塊連接，仿真測試場景構建模塊用于利用數字孿生技術進行仿真測試場景的構建。本發明對于仿真測試場景的構建是利用數字孿生技術來進行構建的，能夠將真實道路場景的數據信息與構建出來的虛擬仿真測試場景實現實時的數據映射，使得虛擬仿真測試場景極度接近真實道路場景，大大提高了仿真測試場景的逼真度。大大提高了仿真測試場景的逼真度。大大提高了仿真測試場景的逼真度。
