面向自动紧急转向场景的自动驾驶测试用例生成方法

为了验证智能汽车的安全性,需要生成大量用例用于系统测试。对此,提出一种基于临界安全距离模型的用例生成方法,该方法用于生成测试自动紧急转向(AES)系统的场景用例。首先通过对临界安全距离模型进行分析,识别出影响行车安全的关键参数;然后,从自然驾驶数据集High D中提取这些参数,并采用核密度估计方法构建AES测试场景的描述模型。使用蒙特卡洛(MC)方法对描述模型进行抽样,生成与自然驾驶行为参数特征相符的测试用例。同时,为了解决MC方法生成用例中风险及危险场景匮乏的问题,进一步引入重要性抽样(IS)方法,以提升风险用例和危险用例的生成比例。实验结果表明:所提方法能够高效地生成用于AES系统的测试用例;与MC方法相比,IS方法在风险用例上平均增加207.9%,在危险用例上平均增加272.6%,从而显著提高了测试效率。

基于分部特征计算的轻量化非结构目标检测

针对非结构化场景(工地、矿场)缺少特殊目标的通用数据集、复杂特征难以准确提取以及计算复杂度高的问题,构建了一个面向非结构场景的特殊目标检测数据集,并提一种轻量化目标检测模型YOLO-PT,以极低的计算量达到了较高的检测精度。通过构建分部特征计算(partial feature calculation, PFC)模型减少特征冗余信息的计算,并引入了多头自注意力机制来增强复杂特征的提取精度,同时设计多通道金字塔结构对多尺度特征进行渐进式融合,提高复杂对象的识别精度。最后在非结构场景进行实验验证,结果表明,所提出方法仅在4.3×10^(6)的参数量下就达到了53%的准确率,在精度、参数量以及浮点运算量上均优于其他方法。

基于本体论的AEB关键场景生成方法研究

为满足自动紧急制动功能仿真测试的复杂验证需求,解决海量测试场景无法进行全覆盖的遍历式测试问题。通过设计面向自动紧急制动(AEB)功能的环境本体生成测试用例,本体自动转换生成组合测试的输入模型,再使用组合测试生成测试用例,获得的抽象测试用例用于生成具体的测试场景。上述场景为验证AEB功能的仿真测试提供了基础。仿真结果表明,生成的测试场景能够满足AEB功能测试要求,检测到AEB功能关键场景,且相比于遍历式测试,能够提高测试效率。