车载机器视觉系统的测试场景研究
单位:安徽江淮汽车集团股份有限公司技术中心,汽车智能网联技术安徽省重点实验室
摘要:基于机器视觉的先进驾驶员辅助系统是目前汽车行业驾驶员辅助系统的重要组成部分。机器视觉主要通过一个放置在前挡风玻璃的高清摄像头采集图像,由于摄像头本身存在局限性,为了保证性能,需要对车载机器视觉系统进行系统、充分的测试验证。文章以基于机器视觉实现的车道偏离预警系统的测试为例,主要对其测试场景进行分类研究,包括天气、道路、道路材质、道线线型、光照、路面干扰、车道情况等。
引言
随着全球汽车工业的快速发展,汽车在提高人们生活水平的同时也带来了日益增长的交通安全事故。为减轻由于驾驶员疲劳所导致的交通事故的发生,发展具有辅助驾驶功能的各种先进驾驶辅助系统(ADAS, Advanced Driver Assistant System)成为各国汽车行业的共同目标[1]。车道偏离预警系统(Lane Departure Warning System, LDWS)作为ADAS的一个重要组成部分,应用现代计算机视觉原理以及通信与控制系统技术在车辆偏离车道时预警,从而大幅度提高汽车驾驶的安全性、舒适性。计算机视觉技术的不断向前发展,其精确识别道路交通环境的能力和相对较少的成本都表明了LDWS广阔的应用前景。于是,基于视觉的车道偏离预警系统近年来成为了国内外研究人员关注的焦点问题[2] 。与此同时,对于车载机器视觉系统的测试方法研究也成为热门,本文主要对基于机器视觉的车道偏离预警系统的动态测试场景进行了系统的研究。
1 测试方法
对于车载机器视觉系统的动态场景测试方法主要是用测试工具按照测试场景和测试用例进行一定时间和一定里程的道路试验,试验结果对照性能标准从而验证系统开发是否满足要求。
2 测试工具
为满足测试需求,需要对整车进行小范围改造,在试验样车上加装车载工控机、摄像头、毫米波雷达、GPS、总线测试工具等设备,记录车外的环境场景、车内总线通信以及车内HMI界面的显示。如下图所示:
3 测试场景分类
由于车载前摄像头的局限性,性能会因为光线较暗、大雨、雾霾、大雪、反光等情况有下降,因此测试场景需要覆盖所有可能导致摄像头性能下降的因素,见上表。
结论
本文以车道偏离预警系统为例,简要的介绍了行业发展现状、动态测试方法和测试工具,详细列举了动态测试的测试场景分类,为车载机器视觉系统的动态测试提供参考,提高测试能力和测试效率。
-
汽车测试网V课堂
-
微信公众号
-
汽车测试网手机站
最新资讯
-
荷兰Zepp氢燃料电池卡车-Europa
2024-12-22 10:13
-
NCACFE -车队油耗经济性报告(2024版)
2024-12-22 10:11
-
R54法规对商用车轮胎的要求(上)
2024-12-22 10:10
-
蔚来ET9数字架构解析
2024-12-22 09:53
-
4G/5G网络新时代的高效紧急呼叫系统NG-eCal
2024-12-20 22:33