Advertisement

适用于自动驾驶汽车开发、测试和验证的场景一

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:PDF


简介:
本场景旨在为自动驾驶汽车开发者提供一套完整的虚拟与现实结合的测试环境,确保车辆在各种复杂交通情况下的安全性和可靠性。 ISO 26262 标准是指导车辆安全关键电气电子系统开发的重要技术规范,适用于高级驾驶辅助系统(ADAS)及自动驾驶系统的研发与验证工作。它规定了基于V型开发模式的各阶段所需的工作内容和输出成果。 场景在自动驾驶汽车的研发、测试以及验证过程中扮演着至关重要的角色,用于描述其运行环境。通过场景可以推导出需求,并据此设计必要的硬件和软件组件;同时,在测试环节中也能够证明这些组件的安全性能。然而,由于开发的不同阶段对场景的表示方式存在差异,因此需要对其进行适当的抽象与定义。 本段落提出了一种基于V模型开发流程中的三个层次的场景抽象方法:概念性场景、逻辑性场景以及具体化场景。这种方法使得在项目初期就能够识别出高层次的概念场景,并随着项目的推进逐步细化为具体的执行方案。这有助于采用结构化的手段,从依据ISO 26262标准确立项目定义开始,经过危害分析与风险评估(HARA)阶段,最终形成必要的安全验证和测试案例。 三个层次的抽象具体如下: 1. **概念性场景**:描述自动驾驶汽车的整体运行环境,可以使用人类易于理解的语言或通过状态变量来表达。 2. **逻辑性场景**:基于状态变量及它们之间的关系来说明自动驾驶车辆的操作情境。 3. **具体化场景**:利用物理模型和实时数据详细描绘出具体的操作情况。 这种多层次的抽象方式有助于在不同开发阶段中应用一致性的场景描述,同时也能生成如需求文档、测试案例以及验证报告等工作产品。ISO 26262 标准还规定了如何在整个开发过程中系统地记录与推演场景以保证其可追溯性,并且详细列出了基于V型模型每个阶段的工作任务和产出物。 本段落探讨了该标准在不同开发阶段对场景描述的具体要求,提出了一种满足一致性需求的场景构建方法,并展示了如何根据各阶段的不同需要建立相应的场景。这种方法能够提升自动驾驶汽车的研发效率与安全性。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    本场景旨在为自动驾驶汽车开发者提供一套完整的虚拟与现实结合的测试环境,确保车辆在各种复杂交通情况下的安全性和可靠性。 ISO 26262 标准是指导车辆安全关键电气电子系统开发的重要技术规范,适用于高级驾驶辅助系统(ADAS)及自动驾驶系统的研发与验证工作。它规定了基于V型开发模式的各阶段所需的工作内容和输出成果。 场景在自动驾驶汽车的研发、测试以及验证过程中扮演着至关重要的角色,用于描述其运行环境。通过场景可以推导出需求,并据此设计必要的硬件和软件组件;同时,在测试环节中也能够证明这些组件的安全性能。然而,由于开发的不同阶段对场景的表示方式存在差异,因此需要对其进行适当的抽象与定义。 本段落提出了一种基于V模型开发流程中的三个层次的场景抽象方法:概念性场景、逻辑性场景以及具体化场景。这种方法使得在项目初期就能够识别出高层次的概念场景,并随着项目的推进逐步细化为具体的执行方案。这有助于采用结构化的手段,从依据ISO 26262标准确立项目定义开始,经过危害分析与风险评估(HARA)阶段,最终形成必要的安全验证和测试案例。 三个层次的抽象具体如下: 1. **概念性场景**:描述自动驾驶汽车的整体运行环境,可以使用人类易于理解的语言或通过状态变量来表达。 2. **逻辑性场景**:基于状态变量及它们之间的关系来说明自动驾驶车辆的操作情境。 3. **具体化场景**:利用物理模型和实时数据详细描绘出具体的操作情况。 这种多层次的抽象方式有助于在不同开发阶段中应用一致性的场景描述,同时也能生成如需求文档、测试案例以及验证报告等工作产品。ISO 26262 标准还规定了如何在整个开发过程中系统地记录与推演场景以保证其可追溯性,并且详细列出了基于V型模型每个阶段的工作任务和产出物。 本段落探讨了该标准在不同开发阶段对场景描述的具体要求,提出了一种满足一致性需求的场景构建方法,并展示了如何根据各阶段的不同需要建立相应的场景。这种方法能够提升自动驾驶汽车的研发效率与安全性。
  • 代码MATLAB-AV-生成器与框架
    优质
    本项目提供了一套基于MATLAB开发的自动泊车系统验证工具,包括场景生成器和测试框架,旨在为自动驾驶车辆的研发人员提供高效准确的测试环境。 自动泊车代码的MATLAB实现作为验证自动驾驶汽车(AV)场景生成及决策制定部分的一部分,在佛罗里达理工学院FLPolyVF或佛罗里达理工学院验证框架中进行研究,旨在全面评估自动驾驶车辆是否符合SAE定义的5级自动驾驶标准。鉴于视音频验证领域的复杂性与挑战,尤其是在缺乏仿真情况下几乎被视为不可能完成的任务时,FLPolyVF便显得尤为重要。通过借鉴芯片验证行业的经验来构建一个强大的AV验证框架,从而应对这些难题。 本项目旨在帮助您在本地计算机上安装并运行该项目的副本以进行开发和测试工作。为确保成功运行此项目,请准备最新的MATLAB版本以及以下所列工具箱: - MATLAB R2019b - 自动驾驶工具箱 您可以选择在设置MATLAB环境的同时安装这些额外的工具箱,或者继续按照说明操作直至代码提示您下载所需的工具包。 配置方面,在您的个人目录中进行项目设置,请将项目文件夹下载到MATLAB工作区。
  • 虚拟化研究进展1
    优质
    本研究聚焦于自动驾驶汽车虚拟测试领域,探讨了场景化技术的研究现状与发展趋势,分析了关键技术挑战及解决方案。 随着自动驾驶技术的快速发展,传统的汽车测试方法已无法满足其复杂性和安全性需求。基于场景的虚拟测试成为解决这一问题的关键途径。它能够显著提高测试效率并降低测试成本,尤其对于高复杂度的自动驾驶系统而言,在不受物理限制的情况下可以模拟各种驾驶环境和条件。 在进行虚拟测试时,首先需要定义一系列代表真实世界的驾驶情境作为基础。这些情景包括但不限于交通流、道路特征以及天气状况等元素。场景可以通过静态描述、动态生成或基于规则的方式构建。明确地界定这些场景的内涵有助于设计出更具代表性且全面覆盖各种情况的测试案例。 在创建虚拟测试环境时,通常需要考虑车辆状态、道路信息、交通参与者的行为模式和环境条件等多个要素。相关的数据可以来自实际驾驶记录、模拟生成或者传感器模拟等多种来源,并通过一系列的数据处理步骤如清洗、融合及标准化等来确保其准确性和一致性。 为了验证自动驾驶系统在不同层面的性能表现,虚拟测试主要采用软件在环(SiL)、硬件在环(HiL)和车辆在环(ViL)这三种方法。其中,SiL主要用于算法逻辑的验证;HiL则关注于硬件设备与控制软件之间的交互效果评估;而ViL是目前最接近实际驾驶情况的一种测试方式,能够全面检验整个系统的综合性能。 为了进一步提高测试效率,研究者开发了场景加速技术,包括随机生成大量测试案例以及通过学习和优化策略来快速识别潜在的高风险情境。这些方法有助于迅速发现并解决自动驾驶系统中的关键问题。 尽管目前虚拟测试已经在推动自动驾驶技术的发展方面发挥了重要作用,但仍然存在许多挑战需要克服。例如,如何构建一个可动态调整且高度准确的情境数据库;实现人-车-环境系统的整体精确建模;开发标准化的虚拟测试工具链以及模拟不同渗透率下的混合交通状况等。 未来的研究应集中于这些核心技术领域以建立完善的自动驾驶汽车虚拟测试标准体系。随着技术的进步,我们期待看到更加智能和安全的自动驾驶车辆在未来广泛应用。
  • 优质
    《自动驾驶的测试与验证》一文深入探讨了在自动驾驶技术开发过程中的关键环节——如何通过模拟仿真、封闭场地及开放道路等多阶段测试确保车辆系统的安全性和可靠性。 自动驾驶技术自问世以来一直是前沿科技的代表,并且是众多科技公司研发的重点领域之一。确保其安全可靠的关键在于测试与验证过程中的系统化方法的应用,而不仅仅依靠简单的循环式测试、修复再测机制。 ISO 26262开发V模型为不同类型的测试提供了框架,但当应用于自动驾驶车辆时,则需要进行调整以应对新的挑战和问题。本段落针对自动驾驶车辆的测试难题识别出了五个主要领域:驾驶员退出控制环、复杂需求处理、非确定性算法应用、归纳学习算法效能以及故障操作系统的验证。 在没有人类直接干预的情况下运行是“驾驶员退出控制环”的核心,这对系统提出了高度可靠性和准确性的要求。“复杂需求”则意味着必须能够应对大量传感器数据和多种道路交通状况下的决策挑战。对于不确定性情况和潜在的系统缺陷,“非确定性算法”的应用变得至关重要;同时,在适应新环境方面,归纳学习算法需要从经验中不断改进自身能力。而“故障操作系统的测试”,则是确保在出现任何问题时能够安全移交控制权给驾驶员的关键。 为解决这些挑战,可以采用分阶段部署、监控器执行器对架构以及故障注入测试等方法。“分阶段部署”意味着逐步扩大自动驾驶车辆的使用场景;“监控器执行器对架构”将复杂功能与简单安全机制分离以优化系统管理。而“故障注入测试”通过模拟各种极端情况,确保系统的稳定性和安全性。 尽管在高级自主性算法的安全认证方面仍面临诸多挑战,但基于现有软件安全方法进行自动驾驶系统及其设计流程的合理规划是可行且必要的。从几十年前自动化公路系统的项目开始,到当前许多车辆已将如自动车道保持和智能巡航控制等高级驾驶辅助系统作为标配功能,再到多车车队在各种环境下的测试应用,自动驾驶技术正向着成熟的方向发展。 随着该领域复杂性的增加,传统的软件测试方法不再适用。为了确保在所有可能的交通场景中做出准确可靠的决策,必须更加注重测试过程中的全面性和创新性,并开发新的工具和技术来应对这些特殊需求。只有这样,才能保障未来自动驾驶汽车的成功应用并为公众提供更安全、便捷和智能的出行方式。
  • :Udacity放源代码项目
    优质
    简介:Udacity推出开源自动驾驶汽车项目,旨在通过开放资源促进技术进步与教育普及,使更多人参与智能驾驶领域研究。 我们正在开发一款开源无人驾驶汽车,并期待您的参与和支持!秉持教育民主化的理念,我们的目标是为全球每个人提供学习机会。当我们决定教授如何制造自动驾驶汽车时,也意识到需要自己动手实践。为此,与汽车创始人兼总裁塞巴斯蒂安·特伦共同组建了核心团队。 我们做出的第一个重要决策之一就是开源代码,并邀请来自世界各地的数百名学生参与编写和贡献。以下是我们的几个主要项目: - 训练多种神经网络来预测车辆转向角度。 - 设计用于固定镜头和相机机身的底座,以便于使用标准GoPro硬件安装。 - 提供大量带有标记的数据集,涵盖多个小时的实际驾驶情况。 - 超过10个小时的真实道路数据(包括激光雷达、摄像头等)。 为了促进深度学习模型与ROS系统的交互,并使更多人能够贡献代码库,我们需要大家的共同努力和智慧。
  • SOTIF方法研究与
    优质
    本研究聚焦于自动驾驶汽车的安全性评估,特别是SOTIF(超出设计操作范围之外的功能安全)方面,探讨并发展有效的验证与测试策略,以提升车辆在复杂环境中的可靠性和安全性。 国际标准化组织(ISO)的预定功能安全(SOTIF)是一个相对较新的标准,它解释了系统预定功能的处理机制以及合理误用验证的方法。此标准要求在实际应用中实现基于ISO SOTIF的先进驾驶辅助系统(ADAS)和自动驾驶系统的验证过程。本段落旨在通过智能速度辅助(ISA)作为示例来阐述ISO SOTIF验证过程中虚拟仿真与合成场景创建策略的应用。 文中提到,ISO SOTIF建议的流程被用作测试策略推导的基础,并且在执行时需要确保技术和功能安全要求得到满足。危险识别和风险评估按照定义的标准程序进行实施。借助于虚拟仿真工具来构建符合ISO SOTIF标准的合成场景是本段落讨论的核心内容之一。 文中提出了一种详细的场景生成方法,包括使用包含所有可能相关静态及动态行为者的树状图结构来进行场景构思;首先创建“一行”或“两行”的简化伪场景,随后逐步扩展至完整细节。这些详细构建出的场景会进一步在虚拟仿真工具中实现,并通过SIL(软件在环)、MIL(模型在环)和HIL(硬件在环)环境对测试算法进行验证评估。 此外,文中还展示了如何根据输入需求规范生成额外的ISO SOTIF情景。本段落提供了多种涉及不同环境条件下的危险模拟实例来说明这一过程的实际应用情况。通过这些示例,读者可以更直观地理解自动驾驶系统中针对极端情形下性能评估的方法和策略。
  • 仿真构建.pdf
    优质
    该文档探讨了如何在虚拟环境中创建高效的自动驾驶汽车测试场景,旨在提高道路安全性和技术成熟度。 自动驾驶仿真测试场景设计是评估自动驾驶系统安全性和可靠性的关键环节。本段落概述了该过程的基本概念、原则及方法,并通过自动紧急制动(AEB)系统的例子详细阐述功能场景、逻辑场景与具体场景的构建流程。 此步骤的重要性在于,它能在一个虚拟环境中重现各种交通情况,从而在开发阶段就能有效检验自动驾驶技术的安全性与可靠性。基于这种仿真测试的方法不仅提高了测试效率和成本效益,还能够在早期发现实际驾驶中难以察觉的软件问题。 设计过程需考虑多个因素:驾驶员能力、物理环境条件以及各类道路使用者的行为等,并且需要建立一套评价标准来确保结果的有效性和准确性。依据OpenX系列标准,场景可以分为静态与动态两类;前者涵盖了基础设施和周边环境,后者则关注交通规则执行情况及车辆行人行为。 此外,文章还探讨了基于功能安全的场景设计策略及其具体实施步骤:从确定所需的功能要求开始逐步细化至具体的测试案例。每一步都需要精确定义相关参数以确保描述准确无误。 总而言之,自动驾驶仿真测试场景的设计对于提高自动驾驶技术的安全性和可靠性至关重要,并通过提供详细的概念、原则及方法指导帮助读者理解这一领域内的最佳实践和应用范围。
  • Autoware.AI:源软件
    优质
    Autoware.AI是一款先进的开源软件平台,专为开发和部署高度自动化及完全自主驾驶系统而设计。 Autoware是世界上首个专为自动驾驶汽车设计的“多合一”开源软件。它的功能主要适用于城市环境,但也能覆盖高速公路、乡村道路和地区以及地理围栏区域的应用场景。Autoware的代码库受Apache 2许可证保护,用户可以自由选择使用它。 为了确保安全地进行测试和开发工作,在不具备真实自动驾驶汽车的情况下,我们提供了一个基于ROSBAG的仿真环境来帮助使用者熟悉软件功能和技术细节。如果计划将Autoware应用于实际车辆中,请务必在进行现场实验前制定详尽的安全措施与风险评估策略,并参考用户指南及开发者手册获取更多指导。 此外,Autoware还包含了一系列丰富的自动驾驶模块,涵盖了感知、计算和驱动等核心领域,包括但不限于:定位服务(Localization)、地图构建(Mapping)、物体识别跟踪(Object Detection & Tracking)、交通信号辨识(Traffic Signal Recognition),任务与路径规划(Task and Motion Planning),轨迹生成(Track Generation), 车道检测及选择(Lane Detection & Selection),车辆控制(Vehicle Control),传感器融合(Sensor Fusion),摄像头(Cameras), LiDAR(激光雷达),RADAR(雷达), 深度学习技术,基于规则的系统(Rule-Based Systems)以及连接导航(Connected Navigation)、日志记录(Logging)和虚拟现实等关键技术。
  • 智能网联功能方法及要求.pdf
    优质
    本PDF文档详细探讨了针对智能网联汽车自动驾驶功能的试验场测试方法与具体技术要求,为开发者和研究者提供实用指导。 《智能网联汽车自动驾驶功能场地试验方法及要求》是一份详细介绍如何在特定场地上测试智能网联汽车自动驾驶功能的文档。它规定了进行此类试验的方法以及需要满足的各项标准和条件,旨在确保这些车辆的安全性和可靠性。这份文件对于研发人员、测试工程师以及其他相关领域的专业人士来说具有重要的参考价值。
  • ADAS机器人设计.pdf
    优质
    本文档探讨了专为汽车高级驾驶辅助系统(ADAS)测试而设计的自动驾驶机器人的创新方案,旨在提高测试效率与安全性。 汽车ADAS试验用自动驾驶机器人的设计.pdf 该文档详细介绍了用于汽车先进驾驶辅助系统(ADAS)测试的自动驾驶机器人设计方案。内容涵盖了机器人的硬件架构、软件模块以及其在实际道路测试中的应用案例和技术细节,旨在为相关领域的研究者和工程师提供有价值的参考信息。