一种基于数字孪生的自动驾驶仿真测试系统及评价方法与流程
1.本发明涉及自动驾驶测试系统技术领域，具体为一种基于数字孪生的自动驾驶仿真测试系统及评价方法。
背景技术：
2.自动驾驶技术是当今汽车行业最热门的技术领域，世界各国以驾驶辅助技术作为切入点，沿着从辅助驾驶、部分自动驾驶再到无人驾驶的道路，逐步弱化驾驶员的功能，融合了人工智能、深度学习、网联通讯等技术的自动驾驶汽车，在可行性与实用性方面取得了显著性进展；行业标准法规以及相关配套设施逐步成熟和完善，推动自动驾驶汽车逐步进入产业化阶段，自动驾驶汽车产量占比逐年提高，根据美国汽车工程师协会sae发布的自动驾驶分级标准，整车厂已有相关如搭载自适应巡航、车道偏离预警、车道保持辅助、自动紧急制动及盲区监测等系统的l1-l3级自动驾驶量产车型，而具备更高等级自动驾驶功能的l4级自动驾驶汽车仍处于试制阶段；在智能驾驶系统的研发流程中，系统功能的测试与评价作为研发“v”流程中的重要一环具有不可替代的作用，通过对系统功能的有效性验证，能够帮助研发人员及时发现产品问题，保障系统的安全性与功能的完备性，显著提高开发效率，虽然目前已有许多研究人员提出了大量的智能驾驶系统相关测评手段与方法，但与业内已被大多数国家与研究机构广泛采纳的传统车载控制系统，其中如被动安全系统等的测试评价技术不同，至今仍未形成能够被业界广泛认可的、通用和完善的智能驾驶系统测试与验证方法体系和流程架构，因此缺乏一种面向智能驾驶的高效数字孪生仿真测试系统架构，用于解决智能驾驶技术发展中所遇到的上述问题与瓶颈；自动驾驶汽车从实验室走向量产，需要大量的测试来证明其各项功能和性能的稳定性、鲁棒性和可靠性，各国研究人员均在探索可行的自动驾驶汽车测试方法，不同于传统人、车、环境相互独立的系统，自动驾驶汽车的测试评价对象变为人－车－环境－驾驶任务强耦合系统，因此仅针对车辆动态操控、被动安全和零部件系统的传统测试与评价体系无法满足其测试需求，面向l3及以上等级的自动驾驶汽车，多变的天气、复杂的交通环境、多样的驾驶任务和动态的行驶状态进一步增加了测试工况的复杂性和不确定性，对自动驾驶汽车测试与评价提出了新的挑战；为提高道路安全，智能汽车的开发过程中需要经过严格的测试，测试方法主要分为场地测试和仿真测试，场地测试是车辆测试的传统方法，也是最为可靠的测试方法，但是，场地测试存在测试效率低、重复性差、安全性差、维护成本高等缺点，仿真测试是智能汽车算法开发、综合性能测试的重要方法，但是单纯的仿真测试存在与现实场景环境有差距的问题，不能高逼真度地完全还原真实场景来进行测试，容易导致测试结果不符合实际场景需求。
技术实现要素：
3.本发明的目的在于提供一种基于数字孪生的自动驾驶仿真测试系统及评价方法，以解决现背景技术中的问题。
4.为实现上述目的，本发明提供如下技术方案：一种基于数字孪生的自动驾驶仿真测试系统，包括驾驶舱、仿真测试场景构建模块、仿真测试智能控制模块和仿真测试评价模块，所述驾驶舱与仿真测试场景构建模块以及仿真测试评价模块连接，所述仿真测试场景构建模块和仿真测试智能控制模块均与仿真测试评价模块连接，所述仿真测试场景构建模块用于利用数字孪生技术进行仿真测试场景的构建，所述仿真测试智能控制模块用于收集自动驾驶场景数据，训练端到端的卷积神经网络驾驶模型，对自动驾驶场景数据进行识别从而输出对应的驾驶指令对车辆进行控制，所述仿真测试评价模块通过对于同一驾驶场景的卷积神经网络模型的驾驶指令输出和人工操纵驾驶舱的驾驶指令输出进行比较，从而对仿真测试的结果进行评价。
5.进一步地，一种基于数字孪生的自动驾驶仿真测试系统的评价方法，用于上述内容中的一种基于数字孪生的自动驾驶仿真测试系统，至少包括以下步骤：s1：采用仿真测试智能控制模块进行使用，通过模块应用过程中的数据获取、数据处理、虚拟模型构建，从而建立数字孪生仿真测试场景；s2：采用仿真测试智能控制模块进行工作，生成控制；s3：采用仿真测试评价模块配合仿真测试智能控制模块以及仿真测试场景构建模块形成对仿真测试结果的评价；进一步地，所述s1至少包括以下步骤：（a）通过激光雷达和摄像头从真实道路场景中获取车辆数据、交通流数据、行人数据、路网数据、环境数据，形成真实的道路场景数据；（b）对获取到的真实的道路场景数据进行数据清洗，将不符合规则的数据删除掉，将符合规则的数据保留，然后对数据进行格式化处理，并进行数据挖掘分析以及数据的分类，最后将结构化的数据保存到自动驾驶场景数字孪生系统数据库中；（c）根据自动驾驶场景数字孪生系统数据库中的结构化数据对虚拟模型进行构建和组装，将模型构建完成之后对虚拟模型进行验证，根据验证是否通过进行不同的操作，当验证通过，则加入到虚拟模型库中以便后期运行和管理，当验证失败，则对虚拟模型进行修正直到验证通过为止；（d）将模型库中的环境、车辆、行人、交通流和路网三维模型导出并与真实道路场景进行数据的实时映射，利用三维构图技术使数字孪生仿真测试场景三维动态可视化。
6.进一步地，所述s2至少包括以下步骤：（a）从仿真测试智能控制模块的仿真测试场景中采集当前车辆正对的场景图片数据；（b）将该场景图片进行几何变换、裁剪、去噪以及图像增强等数据预处理操作；（c）设计并搭建好一个卷积神经网络结构；（d）将预处理后的场景数据导入到卷积神经网络中进行训练；（e）通过训练构建一个卷积神经网络驾驶模型；（f）对驾驶场景信息进行识别；
（g）生成方向盘转角、油门增量、刹车增量、速度增量等驾驶指令对车辆进行控制。
7.进一步地，所述s3至少包括以下步骤：（a）将驾驶场景输入到卷积神经网络驾驶模型中，得到模型输出的驾驶指令；（b）将驾驶场景导入到驾驶舱中，人工操纵驾驶舱面对驾驶场景进行驾驶，得到人工输出的驾驶指令；（c）将模型输出的驾驶指令和人工输出的驾驶指令计算偏差；（d）利用聚类分析方法对偏差数据进行聚类分析；（e）将聚类分析结果导入到设计的评分模型中，对测试结果进行分等级评价，等级分别为优、良好、合格、不合格四个评价等级。
8.与现有技术相比，本发明的有益效果是：1、本发明对于仿真测试场景的构建是利用数字孪生技术来进行构建的，能够将真实道路场景的数据信息与构建出来的虚拟仿真测试场景实现实时的数据映射，使得虚拟仿真测试场景极度接近真实道路场景，大大提高了仿真测试场景的逼真度；2、本发明在对仿真测试场景的识别更加智能，与传统的模型驱动的控制模型相比，基于数据驱动的控制模型能够综合分析大量的场景数据，从而构建卷积神经网络驾驶模型，大大提高了控制模型的适应能力和覆盖范围，使得模型更加智能化；3、本发明在自动驾驶仿真测试系统上搭建了一个仿真测试评价模块，设计了一套评价规则对仿真测试结果进行评价，使得仿真测试结果更加可视化。
附图说明
9.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
10.图1为本发明基于数字孪生的自动驾驶仿真测试系统总体框架的示意图；图2为本发明仿真测试场景构建的流程图；图3为本发明仿真测试智能控制模块的工作流程图；图4为本发明仿真测试评价模块的工作流程。
具体实施方式
11.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
12.实施例一：请参阅图1，一种基于数字孪生的自动驾驶仿真测试系统，包括驾驶舱、仿真测试场景构建模块、仿真测试智能控制模块和仿真测试评价模块，驾驶舱与仿真测试场景构建模块以及仿真测试评价模块连接，仿真测试场景构建模块和仿真测试智能控制模块均与仿真测试评价模块连接，仿真测试场景构建模块用于利用数字孪生技术进行仿真测试场景的构建，仿真测试智能控制模块用于收集自动驾驶场景数据，训练端到端的卷积神经网络驾驶模型，对自动驾驶场景数据进行识别从而输出对应的驾驶指令对车辆进行控制，仿真测
试评价模块通过对于同一驾驶场景的卷积神经网络模型的驾驶指令输出和人工操纵驾驶舱的驾驶指令输出进行比较，从而对仿真测试的结果进行评价。
13.实施例二：请参阅图2-4，一种基于数字孪生的自动驾驶仿真测试系统的评价方法，用于上述实施例的一种基于数字孪生的自动驾驶仿真测试系统，至少包括以下步骤：s1：采用仿真测试智能控制模块进行使用，通过模块应用过程中的数据获取、数据处理、虚拟模型构建，从而建立数字孪生仿真测试场景；s2：采用仿真测试智能控制模块进行工作，生成控制；s3：采用仿真测试评价模块配合仿真测试智能控制模块以及仿真测试智能控制模块形成对仿真测试结果的评价；请参阅图2，s1至少包括以下步骤：（a）通过激光雷达和摄像头从真实道路场景中获取车辆数据、交通流数据、行人数据、路网数据、环境数据，形成真实的道路场景数据；（b）对获取到的真实的道路场景数据进行数据清洗，将不符合规则的数据删除掉，将符合规则的数据保留，然后对数据进行格式化处理，并进行数据挖掘分析以及数据的分类，最后将结构化的数据保存到自动驾驶场景数字孪生系统数据库中；（c）根据自动驾驶场景数字孪生系统数据库中的结构化数据对虚拟模型进行构建和组装，将模型构建完成之后对虚拟模型进行验证，根据验证是否通过进行不同的操作，当验证通过，则加入到虚拟模型库中以便后期运行和管理，当验证失败，则对虚拟模型进行修正直到验证通过为止；（d）将模型库中的环境、车辆、行人、交通流和路网三维模型导出并与真实道路场景进行数据的实时映射，利用三维构图技术使数字孪生仿真测试场景三维动态可视化。
14.请参阅图3，s2至少包括以下步骤：（a）从仿真测试智能控制模块的仿真测试场景中采集当前车辆正对的场景图片数据；（b）将该场景图片进行几何变换、裁剪、去噪以及图像增强等数据预处理操作；（c）设计并搭建好一个卷积神经网络结构；（d）将预处理后的场景数据导入到卷积神经网络中进行训练；（e）通过训练构建一个卷积神经网络驾驶模型；（f）对驾驶场景信息进行识别；（g）生成方向盘转角、油门增量、刹车增量、速度增量等驾驶指令对车辆进行控制。
15.请参阅图4，s3至少包括以下步骤：（a）将驾驶场景输入到卷积神经网络驾驶模型中，得到模型输出的驾驶指令；（b）将驾驶场景导入到驾驶舱中，人工操纵驾驶舱面对驾驶场景进行驾驶，得到人工输出的驾驶指令；（c）将模型输出的驾驶指令和人工输出的驾驶指令计算偏差；（d）利用聚类分析方法对偏差数据进行聚类分析；（e）将聚类分析结果导入到设计的评分模型中，对测试结果进行分等级评价，等级分别为优、良好、合格、不合格四个评价等级。
16.工作原理如下：在仿真测试场景构建模块中，通过激光雷达、摄像头等设备采集真实场景的数据，对数据进行预处理并保存在自动驾驶场景数字孪生系统数据库中，然后利用数据进行虚拟模型的构建和验证，验证通过的模型可保存在模型库中以便运行和管理，利用模型库中的模型构建三维动态可视化的数字孪生仿真测试场景并与真实场景的数据实时映射。对于构建好的数字孪生仿真测试场景，将场景数据输入到仿真测试智能控制模块中，对场景数据进行预处理，并导入到卷积神经网络中训练出一个卷积神经网络模型。利用卷积神经网络模型对数字孪生仿真测试驾驶场景进行识别并生成驾驶指令控制车辆；在利用仿真测试智能控制模块在仿真测试场景模块构建的场景中对车辆进行控制的同时，利用驾驶舱在相同的仿真测试驾驶场景中进行人工操纵，人工操纵也会生成一系列的驾驶指令，将模型输出的驾驶指令与人工输出的驾驶指令输入到仿真测试评价模块中通过聚类分析进行仿真测试结果的分等级评价。
17.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
技术特征：
1.一种基于数字孪生的自动驾驶仿真测试系统，其特征在于：包括驾驶舱、仿真测试场景构建模块、仿真测试智能控制模块和仿真测试评价模块，所述驾驶舱与仿真测试场景构建模块以及仿真测试评价模块连接，所述仿真测试场景构建模块和仿真测试智能控制模块均与仿真测试评价模块连接，所述仿真测试场景构建模块用于利用数字孪生技术进行仿真测试场景的构建，所述仿真测试智能控制模块用于收集自动驾驶场景数据，训练端到端的卷积神经网络驾驶模型，对自动驾驶场景数据进行识别从而输出对应的驾驶指令对车辆进行控制，所述仿真测试评价模块通过对于同一驾驶场景的卷积神经网络模型的驾驶指令输出和人工操纵驾驶舱的驾驶指令输出进行比较，从而对仿真测试的结果进行评价。2.一种基于数字孪生的自动驾驶仿真测试系统的评价方法，用于上述权利要求1中的一种基于数字孪生的自动驾驶仿真测试系统，其特征在于：至少包括以下步骤：s1：采用仿真测试智能控制模块进行使用，通过模块应用过程中的数据获取、数据处理、虚拟模型构建，从而建立数字孪生仿真测试场景；s2：采用仿真测试智能控制模块进行工作，生成控制；s3：采用仿真测试评价模块配合仿真测试场景构建模块以及仿真测试智能控制模块形成对仿真测试结果的评价。3.根据权利要求1所述的一种基于数字孪生的自动驾驶仿真测试系统及评价方法，其特征在于：所述s1至少包括以下步骤：（a）通过激光雷达和摄像头从真实道路场景中获取车辆数据、交通流数据、行人数据、路网数据、环境数据，形成真实的道路场景数据；（b）对获取到的真实的道路场景数据进行数据清洗，将不符合规则的数据删除掉，将符合规则的数据保留，然后对数据进行格式化处理，并进行数据挖掘分析以及数据的分类，最后将结构化的数据保存到自动驾驶场景数字孪生系统数据库中；（c）根据自动驾驶场景数字孪生系统数据库中的结构化数据对虚拟模型进行构建和组装，将模型构建完成之后对虚拟模型进行验证，根据验证是否通过进行不同的操作，当验证通过，则加入到虚拟模型库中以便后期运行和管理，当验证失败，则对虚拟模型进行修正直到验证通过为止；（d）将模型库中的环境、车辆、行人、交通流和路网三维模型导出并与真实道路场景进行数据的实时映射，利用三维构图技术使数字孪生仿真测试场景三维动态可视化。4.根据权利要求1所述的一种基于数字孪生的自动驾驶仿真测试系统及评价方法，其特征在于：所述s2至少包括以下步骤：（a）从仿真测试智能控制模块的仿真测试场景中采集当前车辆正对的场景图片数据；（b）将该场景图片进行几何变换、裁剪、去噪以及图像增强等数据预处理操作；（c）设计并搭建好一个卷积神经网络结构；（d）将预处理后的场景数据导入到卷积神经网络中进行训练；（e）通过训练构建一个卷积神经网络驾驶模型；（f）对驾驶场景信息进行识别；（g）生成方向盘转角、油门增量、刹车增量、速度增量等驾驶指令对车辆进行控制。5.根据权利要求1所述的一种基于数字孪生的自动驾驶仿真测试系统及评价方法，其特征在于：所述s3至少包括以下步骤：
（a）将驾驶场景输入到卷积神经网络驾驶模型中，得到模型输出的驾驶指令；（b）将驾驶场景导入到驾驶舱中，人工操纵驾驶舱面对驾驶场景进行驾驶，得到人工输出的驾驶指令；（c）将模型输出的驾驶指令和人工输出的驾驶指令计算偏差；（d）利用聚类分析方法对偏差数据进行聚类分析；（e）将聚类分析结果导入到设计的评分模型中，对测试结果进行分等级评价，等级分别为优、良好、合格、不合格四个评价等级。
技术总结
本发明公开了一种基于数字孪生的自动驾驶仿真测试系统及评价方法，涉及自动驾驶测试系统技术领域。本发明包括驾驶舱、仿真测试场景构建模块、仿真测试智能控制模块和仿真测试评价模块，驾驶舱与仿真测试场景构建模块以及仿真测试评价模块连接，仿真测试场景构建模块和仿真测试智能控制模块均与仿真测试评价模块连接，仿真测试场景构建模块用于利用数字孪生技术进行仿真测试场景的构建。本发明对于仿真测试场景的构建是利用数字孪生技术来进行构建的，能够将真实道路场景的数据信息与构建出来的虚拟仿真测试场景实现实时的数据映射，使得虚拟仿真测试场景极度接近真实道路场景，大大提高了仿真测试场景的逼真度。大大提高了仿真测试场景的逼真度。大大提高了仿真测试场景的逼真度。
