智能汽车环境感知算法测试评价系统开发

中国机械工程

智能汽车环境感知算法测试评价系统开发

隗寒冰1;曹旭1;赖锋2

1.重庆交通大学机电与车辆工程学院，重庆，400074
2.东风汽车集团有限公司技术中心，武汉，430020

出版日期:2018-10-10 发布日期:2018-10-08
基金资助:
国家自然科学基金资助项目（51305472）；
重庆市自然科学基金资助项目（cstc2014jcyjA6000）
National Natural Science Foundation of China （No. 51305472）
Natural Science Foundation of Chongqing（No. cstc2014jcyjA6000）

Development of Environmental Perception Algorithm Test Evaluation Systems for Intelligent Vehicles

WEI Hanbing1;CAO Xu1;LAI Feng2

1.School of Mechatronics and Vehicle Engineering，Chongqing Jiaotong University，Chongqing，400074
2.Dongfeng Motor Corporation Technical Center，Wuhan，430030

Online:2018-10-10 Published:2018-10-08
Supported by:
National Natural Science Foundation of China （No. 51305472）
Natural Science Foundation of Chongqing（No. cstc2014jcyjA6000）

摘要/Abstract

摘要： 基于硬件在环仿真平台和六自由度驾驶模拟器，开发了智能汽车环境感知算法测试评价系统。为兼顾仿真测试的可重复性、可拓展性及道路测试的真实性，采用真实交通场景作为输入场景信息；针对现有检测算法评价依赖人工识取的不足，提出了基于机器学习的标准检测算法和基于数据关联的检测评价算法，并将系统测评结果与人工识取结果进行对比。实验结果表明，所开发的测试评价系统方案可行，测试精度较高，实时性较好，在模糊、遮挡、光照变化等复杂环境下均可实现对各种不同特性的车道线和车辆目标的准确测评，能较好地满足智能汽车环境感知算法测试评价的要求。

关键词: 硬件在环, 六自由度模拟器, 环境感知, 测试评价, 机器学习, 数据关联

Abstract: A detection and evaluation system of environment perception algorithm for intelligent vehicles was proposed on the basis of hardware-in-loop simulation platform and 6-DOF driving simulator. The real traffic scenario was implemented as the system inputs in order to take into account both the repeatability， scalability of virtual tests and the authenticity of road testing together. Aiming at the shortcomings of the existing evaluation methods which relied on manual recognitions， a standard object detection algorithm based on machine learning and an evaluation algorithm based on data association were proposed. Consequently， the results of the system evaluation were compared with manual recognition ones. Experimental results show that the proposed evaluation system has strong reliability， high precision， and outstanding real-time performance. The accurate evaluation of lane and vehicle detection algorithm with different characteristics may be realized effectively under complicated road environments such as blur， occlusion and changing illumination. The test evaluation system may meet the requirements of intelligent vehicle environmental perception algorithm.

Key words: hardware-in-loop, 6-DOF simulator, environmental perception, test evaluation, machine learning, data association

中图分类号:

U461.91

隗寒冰1;曹旭1;赖锋2. 智能汽车环境感知算法测试评价系统开发[J]. 中国机械工程.

WEI Hanbing1;CAO Xu1;LAI Feng2. Development of Environmental Perception Algorithm Test Evaluation Systems for Intelligent Vehicles[J]. China Mechanical Engineering.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/

http://www.cmemo.org.cn/CN/Y2018/V29/I19/2298

参考文献

[1]SRINIVASA N. Vision-based Vehicle Detection and Tracking Method for Forward Collision Warning in Automobiles[C］// Proceedings of the Intelligent Vehicle Symposium. Versailles： IEEE， 2002：626-631.
[2]ESTABLE S， SCHICK J， STEIN F，et al. A Real-time Traffic Sign Recognition System[C］// Proceedings of the Intelligent Vehicles Symposium. Paris： IEEE， 1994：213-218.
[3]BERTOZZI M， BROGGI A， CASTELLUCCIO S. A Real-time Oriented System for Vehicle Detection 1[J］. Journal of Systems Architecture， 1997， 43（1）：317-325.
[4]陈尧.城市复杂环境下智能车辆视觉感知技术研究[D］.重庆：重庆交通大学，2017.
CHEN Yao. Development of Environmental Perception Algorithm of Intelligent Vehicle for Complicated Urban Driving Cycle[D］. Chongqing： Chong-qing Jiaotong University，2017.
[5]ANDRIYENKO A， SCHINDLER K. Globally Optimal Multi-target Tracking on a Hexagonal Lattice[C］// European Conference on Computer Vision. Heraklion： ECCV， 2010：466-479.
[6]HANG K， LI X R， CHEN H. Multi-sensor Multi-target Tracking with Out-of-sequence Measurements[C］// Proceedings of the Fifth International Conference on Information Fusion. Annapolis： IEEE， 2003：672-679.
[7]OKUMA K， TALEGHANI A， FREITAS N D， et al. A Boosted Particle Filter： Multitarget Detection and Tracking[C］//European Conference on Computer Vision. Prague： ECCV， 2004：28-39.
[8]CLEMENT G， ROMAIN R， XAVIER S. Vehicle-hardware-in-the-loop System for ADAS Prototyping and Validation[C］// 2014 International Conference on Embedded Computer Systems： Architectures， Modeling， and Simulation. Agios Konstantinos： IEEE， 2014： 329-334.
[9]KAMNIK R， AMBROZ M， KUZELICKI J， et al. Robot Environment for Combat Vehicle Driving Simulation[C］// 2012 IEEE International Conference on Robotics and Automation （ICRA）. Saint Paul： IEEE， 2012： 4136-4141.
[10]GRUYER D， PECHBERTI S， GLASER S. Development of Full Speed Range ACC with SiVIC， a Virtual Platform for ADAS Prototyping， Test and Evaluation[C］//Intelligent Vehicles Symposium Workshops. Gold Coast： IEEE， 2013：93-98.
[11]GKETELINK O， PLOEG J， De SCHUTTER B， et al. Development of Advanced Driver Assistance Systems with Vehicle Hardware-in-the-loop Simulations[J］. Vehicle System Dynamics， 2006， 44（7）： 569-590.
[12]KAMNIK R， AMBROZ M， KUZELICKI J， et al. Robot Environment for Combat Vehicle Driving Simulation[C］// 2012 IEEE International Conference on Robotics and Automation （ICRA）. Saint Paul： IEEE， 2012： 4136-4141.
[13]KLASER L， OSORIO F S， WOLF D. Simulation of an Autonomous Vehicle with a Vision-based Navigation System in Unstructured Terrains Using OctoMap[C］// 2013 Ⅲ Brazilian Symposium on Computing Systems Engineering. Niteroi： IEEE， 2013： 177-178.
[14]ZLFKA M R， KOHLHAAS R， SCHAMM T， et al. Semivirtual Simulations for the Evaluation of Vision-based ADAS[C］// 2014 IEEE Intelligent Vehicles Symposium Proceedings. Dearborn： IEEE， 2014： 121-126.

[1]	陈昱, 项薇, 龚川. 基于数据挖掘的注塑产品质量在线故障检测及预测[J]. 中国机械工程, 2023, 34(14): 1749-1755.
[2]	孙东, 汪若尘, 丁仁凯, 陈轶杰. 基于灰狼算法的矿用自卸车油气悬架半主动控制[J]. 中国机械工程, 2023, 34(04): 490-497.
[3]	李方坡, 路彩虹, 赵靖宵, 李秀程, 尚成嘉. 基于机器学习的石油装备用大截面高强韧马氏体钢智能设计与性能研究[J]. 中国机械工程, 2022, 33(19): 2325-2330.
[4]	王顶, 吴德宇, 杨达亮, 陈立挺, 叶锦华, 吴海彬. 具有压力和位置检测功能的气囊型触觉传感器[J]. 中国机械工程, 2022, 33(14): 1691-1696,1706.
[5]	刘永兴, 唐小琦, 钟靖龙, 钟震宇, 周向东. 基于轻量级梯度提升机的非对称风险注塑成形产品尺寸预测模型[J]. 中国机械工程, 2022, 33(08): 965-969.
[6]	翁剑, 庄可佳, 浦栋麟, 丁汉, . 基于机器学习和多目标算法的钛合金插铣优化[J]. 中国机械工程, 2021, 32(07): 771-777.
[7]	陈光耀, 李恒, 贺子芮, 马俊, 李光俊, 付颖. [成形过程的数据挖掘与深度学习方法]基于机器学习的管材弯曲回弹有效预测与补偿[J]. 中国机械工程, 2020, 31(22): 2745-2752.
[8]	丁镇涛, 邓涛, 李志飞, 尹燕莉. 基于安时积分和无迹卡尔曼滤波的锂离子电池SOC估算方法研究[J]. 中国机械工程, 2020, 31(15): 1823-1830.
[9]	姜少飞;邬天骥;彭翔;李吉泉;李治;孙涛. 基于XGBoost特征提取的数据驱动故障诊断方法[J]. 中国机械工程, 2020, 31(10): 1232-1239.
[10]	宇文旋1；赵明明2；陈龙2 . 无人车鱼眼双目深度提取研究[J]. 中国机械工程, 2019, 30(13): 1577-1584.
[11]	凤鹏飞1，2;金会庆1，2;王慧然3;刘法勇4. 考虑路面附着和自适应时间系数影响的车道保持控制[J]. 中国机械工程, 2019, 30(07): 804-811.
[12]	赵林峰, 徐磊, 陈无畏. 基于自抗扰控制的自动泊车路径跟踪[J]. 中国机械工程, 2017, 28(08): 966-973.
[13]	阚萍, 邱利宏, 钱立军, 王金波. 基于Willans Line的双轴驱动混合动力越野车实时能量管理[J]. 中国机械工程, 2016, 27(11): 1546-1553.
[14]	张荣芸, 赵林峰, 陈无畏, 黄鹤. 基于LPV/H∞控制的EPS系统及其硬件在环研究[J]. 中国机械工程, 2015, 26(4): 545-552.
[15]	钱立军, 邱利宏, 陈朋. 基于模糊PID扭矩识别的混合动力汽车优化控制[J]. 中国机械工程, 2015, 26(13): 1752-1759.