[發明專利]面向虛擬算法驗證的通用虛擬傳感數據采集方法及系統

有效

• 申請號: 202110184777.8
• 申請日: 2021-02-10
• 公開（公告）號: CN112802343B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 王亞飛;代堃鵬;周志松;殷承良
• 申請（專利權）人: 上海交通大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F30/20;G01D21/02;G06F16/27;G06N20/00
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

一種面向虛擬算法驗證的通用虛擬傳感器模型建模方法，通過建立模型指標，采用基于MCMC方法的新型建模技術，建立真實分布模型，并建立可以納入虛擬仿真平臺的虛擬傳感器模型。簡化了數據采集階段的操作，數據的分類和處理可以自動化實現，提升數據采集效率。本發明建立的虛擬傳感器模型能夠反映真實環境下特定目標狀態條件下傳感器對其檢測概率、分類能力、運動狀態檢測精度，賦予虛擬測試中虛擬傳感器符合真實情況的失效能力，便于驗證規劃、控制算法在傳感器失效等極端場景下的魯棒性、有效性。

技術領域

本發明涉及的是一種自動駕駛領域的車載傳感器虛擬仿真技術，具體是一種用于智能網聯汽車規劃控制算法驗證的通用虛擬傳感器建模方法及系統，適用于不同類型的外感傳感器設備。

背景技術

智能汽車算法的測試需要覆蓋足夠多的場景，特別是危害性大的場景。基于實車實驗無法完全覆蓋危害性大的測試場景，因此虛擬測試成為應對此挑戰的主流形式。現有虛擬測試軟件中的虛擬傳感器無法反映真實傳感器的特征，具體為傳感器由于自然交通環境的復雜性導致的對于周圍感知目標的檢測存在誤差無法體現。比如檢測目標的漏檢、誤檢以及目標量測報文的統計學誤差。目前基于傳感器物理模型建模(如IPG CarMaker/PreScan中的傳感器模型)雖然便于建立不同型號、不同參數的虛擬傳感器模型，但是其對于真實復雜環境對于量測的干擾無法建模。基于當前的傳感器模型開展自動駕駛算法/ADAS算法的仿真，將無法充分體現傳感器可能發生的漏檢、誤檢、檢測誤差等，無法充分驗證自動駕駛算法/ADAS算法的魯棒性。

發明內容

本發明針對現有技術存在的上述不足，提出一種面向虛擬算法驗證的通用虛擬傳感器模型建模方法，基于傳感器的輸出特性，建立包括傳感器對典型目標檢測概率、分類能力、運動狀態檢測精度等統計分布模型的虛擬傳感器模型，對自動駕駛算法/ADAS算法的設計提供指導。

本發明是通過以下技術方案實現的：

本發明涉及一種面向虛擬算法驗證的通用虛擬傳感器模型建模方法，包括以下步驟：

步驟1、傳感器與目標真實數據同步采集系統采集真實傳感器數據，利用時間戳及插值算法實現傳感器數據及真實狀態數據時間上的同步，存儲于數據庫。

所述的傳感器指搭載于自動駕駛車輛上的感知傳感器，包括但不限于視覺感知系統、毫米波雷達、激光雷達等。

所述的目標指城市交通工況中常見的交通參與者，包括但不限于其他車輛、行人、騎行者等。

步驟2、基于傳感器監控區域預劃分網格對采集傳感器數據及真實狀態數據進行統計學空間分組，即將目標處于單個網格中的數據存于一組中，然后采用機器學習模型(MCMC)計算毫米波雷達在特定復雜環境下目標的檢測概率、分類能力、運動狀態檢測精度統計學模型，具體包括：

2.1)基于對外感傳感器(如視覺感知系統、毫米波雷達等)感知范圍的預劃分網格(1mX1m)，對采集的傳感器量測數據-真值對依空間分布劃分到各個對應網格中，以模擬真實目標在各個網格中的重復檢測實驗數據。

2.2)采用馬爾科夫鏈蒙特卡洛方法計算毫米波雷達在包含路燈柱、道路圍欄、地面金屬反射物的自然交通環境時①傳感器對于處于其理論檢測范圍內的目標，成功檢測到并給出量測報文的概率，隨目標在傳感器檢測范圍中不同位置的分布，具體為：p_D＝f(s，x)，其中：s為傳感器的位置、朝向角即其內參，x為處于其理論檢測范圍內的目標的位置、速度、形狀大小即材質；②傳感器對于目標處于傳感器檢測區域內不同區域分類置信度，具體為：p(y|x)其中x為傳感器感知數據，y為類別，基于數據x得到分類為y的條件概率；③傳感器對于目標處于傳感器檢測區域內不同區域狀態檢測誤差均值及協方差矩陣，具體為：其中：x_i，i＝1，…，M為M個樣本數據，為樣本均值，S為樣本協方差。