面向自动驾驶测试的危险变道场景泛化生成

针对自动驾驶虚拟测试中危险变道场景构建问题,提出一种数据−模型驱动的自动驾驶测试危险变道场景泛化生成方法.基于NGSIM US101数据集中的紧急变道数据,提出一种紧急变道轨迹对抗生成方法(BN-AM-SeqGAN),构建基于安全距离的两车变道状态约束模型,设计危险变道测试场景泛化生成方法,生成危险变道测试场景库.实验结果显示:生成的5万条紧急变道轨迹变道完成时间分布的均方根误差为0.63,生成的5万个危险变道场景中,99.54%的场景被测自动驾驶车辆与变道背景车辆的碰撞时间小于1 s,表明该方法能够有效生成自动驾驶测试危险变道场景.

复杂变道场景下的轻量化车道线检测算法研究

设计了一种轻量化的车道线检测算法用来解决复杂变道场景下存在遮挡并可能伴随阴影、光线不足等不利因素时的车道线识别任务。首先对主流的车道线检测算法逻辑作简要概述,进一步剖析其存在的不足。随后从轻量化的主干特征提取网络RepVGG-A0、路径聚合网络模块、先验车道线特征提取模块、损失函数设计等方面展开进行介绍,从整体上搭建了基于跨层特征融合的轻量化车道线检测网络。最后利用CULane数据集进行相关测试并完成了与其他相关检测算法的性能对比。测试结果表明,提出的轻量化车道线检测算法能够在保持检测精度良好的情况下速度达到132帧每秒,在经TensorRT推理加速后,检测速度突破220帧每秒,充分达到了实时性检测的要求。

变道切入场景下ADAS系统测试与评价研究

为了满足变道切入场景下的ADAS系统测试评价需求,提出一种考虑场景风险系数的变道切入场景生成方法和客观综合评价模型。通过采集自然驾驶数据,采用阈值法自动提取变道切入功能场景并深入分析变道切入行为特征。使用单因素方差分析法与皮尔逊相关性检验法共同分析场景风险系数与场景要素的相关性来确定关键场景要素。结合Kmeans算法对离散逻辑场景参数进行聚类,从而得到5个典型测试场景。基于场景风险系数,采用AHP与CRITIC法构建多层次综合评价模型,采用灰色关联理论对ADAS系统进行客观评价。借助VTD仿真软件构建变道切入虚拟测试场景库,进行仿真试验验证。结果表明,相关性分析使场景要素维度降低了60%,生成的测试场景可以有效验证ADAS系统的综合性能,综合评价模型可对ADAS系统表现进行客观有效的评价,为智能驾驶系统开发提供有效参考。