自動駕駛測試全流程

隨著汽車電子化和高階輔助駕駛技術的快速發展，自動駕駛作為輔助駕駛技術的高階階段，已成為全球範圍內的一個新的技術研究熱點和重點。尤其近年來，自動駕駛在人類交通發展史上取得了里程碑式的進步。

隨著深度學習和計算機視覺技術的興起，自動駕駛為提升交通安全與效率提供了新的解決方案。未來的自動駕駛汽車擁有全面的駕駛感知系統，可以識別道路交通標誌、汽車、行人、路況等外部人和物，智慧的決策系統對感知的資訊快速處理和分析，執行系統精確的執行加速、制動、停車、轉向等命令，未來的自動駕駛汽車不會闖紅燈；不會酒駕；不會超速；不會疲勞；不會賭氣；將會在很大程度上降低道路交通風險，每年可以挽救數十萬人的生命。

雖然自動駕駛汽車的優點非常多，但有一個問題無法迴避，自動駕駛安全嗎？

要回答這個問題，就必須得了解自動駕駛演算法是如何進行測試的，點選以下影片，三分鐘帶你解密自動駕駛演算法的測試流程。坐穩，我們馬上發車。

自動駕駛汽車測試是自動駕駛研發中的重要環節，也是自動駕駛技術發展的重要支撐，自動駕駛汽車本身結合了車輛技術，人工智慧，模式識別，5G通訊，感測器融合等多領域，跨學科知識。跟傳統的汽車測試有很大不相同，為了應對千變萬化的交通場景，需要海量的資料對自動駕駛演算法進行訓練，透過不斷的迭代，才能覆蓋儘可能多的場景。並且測試會貫穿車輛的生命週期，即使車輛已經賣出，並上路行駛，也會定期遠端升級，以便覆蓋新的場景。

自動駕駛的開發測試流程通常包括：資料集建立、資料標註，模型訓練、軟體在環、硬體在環，道路測試，場景泛化，使用者眾包測試。

一、資料集建立指的是，在車型開發前期，根據車型的感知方案，來採集大量原始感知資料，用於演算法訓練，通常包含訓練集和測試集兩個部分；

自動駕駛時代，訓練資料集非常重要，但是成本也比較高。訓練資料集的構建分車端、本地端和雲端三個環節。訓練資料集海量資料的儲存和處理是一個非常大的挑戰，資料集的“清洗”提純也是一個挑戰。

二、資料標註指的是，透過人工或者一定的工具，將少量幀用手工標註，且是精細標註。大部分做機器標註，即簡化標註。來給資料集新增真值資訊，相當於為機器學習系統提供”標準答案”。

人工標註人員對於語義資訊更加擅長，但是計算機對於幾何，重建，三角化，跟蹤更加擅長；同時，隨著資料規模的增長，不可能無限地擴大標註團隊的規模。所以，更加精確的資料標註需要標註人員和計算機協作進行。

三、模型訓練指的是，自動駕駛AI模型迭代和最佳化的過程

向模型輸入那些攝像頭、雷達等感測器獲取的原始資料，以數學模型演算法來計算出最優駕駛決策，然後再直接輸出給車輛方向系統和行車系統，最終形成符合路況的駕駛決策。

值得注意的一點是，隨著不斷貼合真實路況，模型演算法也將被不斷最佳化。

模型訓練需要頻繁在儲存裝置中讀寫資料，對儲存系統效能要求較高，原始模型開發的過程中需要呼叫TB級的圖片資料集，且模型在開發的過程中也會產生很多中間資料需要儲存。

四、軟體在環指的是，利用模擬的資料對ADAS的軟體棧中的演算法進行閉環測試

五、硬體在環指的是，利用模擬軟體，實時機和硬體IO介面，對接到真實的ECU，在實時的環境進行演算法測試。

硬體在環模擬是自動駕駛汽車技術測試與驗證的重要環節，具有周期短、成本低及效率高等優點。

自動駕駛汽車，相對於傳統車輛，驗證成指數級增加。都依靠實車測試，從時間上和成本上都不現實，進行充分的模擬測試非常關鍵。

六、道路測試指的是，ADAS原型車在封閉的試驗場或者開放的場地進行真實的道路測試。

自動駕駛汽車的道路測試分有兩種，一種就是在開發的環境下進行真實的道路測試，而另一種則是在自動駕駛模擬測試平臺上進行虛擬測試。而目前幾乎所有車企和自動駕駛科技公司，均是以虛擬測試為主，真實的道路測試為輔。

七、場景泛化指的是，結合真實路試工況，透過數字孿生的方式來形成虛擬化的測試場景庫，增加測試覆蓋度。

八、使用者眾包測試是指，在量產階段利用終端使用者的車輛來收集稀有case，豐富場景庫，並且對演算法進行持續迭代。

以上就是自動駕駛測試流程介紹

自動駕駛汽車的測試流程通常包括以下幾個階段：

• 資料集建立。在車型開發前期，根據車型的感知方案採集大量原始資料，用於演算法訓練。這通常包括訓練集和測試集。¹

• 資料標註。透過人工或工具為資料集新增增值資訊，為機器學習提供標準答案。
• 模型訓練。對自動駕駛模型進行迭代和最佳化。
• 模擬測試。在虛擬環境中模擬各種危險情景，測試自動駕駛車輛的反應。這包括對特定場景的微調，以評估車輛對不同變數的反應。²

• 測試道路。在封閉試驗場或開放場地進行真實的道路測試。首先在安全路段測試，然後逐步過渡到全程自動駕駛。
• 場景泛化。結合真實的路試工況，透過數字孿生技術形成虛擬化的測試場景庫，增加測試覆蓋度。
• 使用者眾包測試。在量產階段，利用終端使用者的車輛收集稀有案例，豐富場景庫，並對演算法進行持續迭代。
• 感測器測試。測試自動駕駛車輛使用的感測器，如攝像頭、雷達、鐳射雷達等，評估其精度、穩定性、響應速度和適應性。³

• 車輛控制測試。測試自動駕駛車輛的控制系統，包括加速、制動、轉向等，評估其響應速度、精度、穩定性和適應性。
• 路口和轉彎測試。在真實道路上測試自動駕駛車輛在路口和轉彎處的決策和動作，考慮判斷路況、交通訊號、其他車輛和行人等因素。

這些階段共同確保自動駕駛車輛在各種環境和條件下都能安全、有效地執行。

自動駕駛汽車測試型別及測試內容是什麼？

自動駕駛汽車的測試伴隨著車輛開發的全流程，包括對標測試、軟體在環（SIL，即software-in-loop）、硬體在環（HIL，即hardware-in-loop）、車輛在環（VIL，即vehicle-in-loop），系統標定、再到最後的整車場地、道路測試等方法，涵蓋了從零部件到系統再到整車的全鏈條驗證。

資料採集在自動駕駛開發中扮演什麼樣的角色？

眾所周知，自動駕駛的發展和人工智慧技術進步密不可分，資料、算力和演算法作為人工智慧的三要素顯著影響著自動駕駛技術的嫻熟程度，而在這三要素中，資料有著舉足輕重的作用。

自動駕駛時代，訓練資料集非常重要，但是成本也比較高。訓練資料集的構建分車端、本地端和雲端三個環節。訓練資料集海量資料的儲存和處理是一個非常大的挑戰，資料集的“清洗”提純也是一個挑戰。

AI只有經過大量的訓練，神經網路才能總結出規律，應用到新的樣本上。如果現實中出現了訓練集中從未有過的場景，則網路會基本處於瞎猜狀態，從而出現錯誤，因此可靠並且高質量的資料採集在自動駕駛開發過程中承擔的作用就顯得尤為重要，不可或缺。

為了保證資料採集的準確性，智慧駕駛的資料採集車輛搭載了攝像頭、雷達等大量不同的感測器。這些感測器從整車佈置的安裝結構設計、FOV校核，再到實車的裝配標定，都需要保證位置準確和穩定，從而支援不同位置感測器資料可以順利拼接。

實車採集過程中，需要儘可能覆蓋各種使用者場景。一般來說，道路狀態、交通訊號和標識、各類車輛和行人目標、天氣環境等，都是影響智慧駕駛的關鍵因素，路試採集場景需要涵蓋城市、鄉村、高速、隧道以及白天和夜晚等，以確保儘可能覆蓋使用者各種實際場景。

採集過程中，全面的瞭解測試進展以及測試車輛狀態，保證測試資料的有效性，也是測試管理面臨的重要挑戰。因此需要用到車隊管理系統，基於此係統可以實現：1、實時定位監控，車輛位置實時展示，包括車輛實時運動狀態、實時車速等；2、實時報警事件訊息推送，並在地圖上動態展示報警的位置；3、車輛資料統計，包括里程統計、告警統計、狀態統計等；4、駕駛員資料統計，具體包含駕駛員行車時間裡程統計、告警統計、DMS監控資料統計等；5、駕駛員DMS監測和報警，對於報警訊息實時提醒。

透過資料採集系統，可將自動駕駛車輛各類感測器型別的資料進行採集處理，包括常見的CAN、CANFD、 ETH車載乙太網資料等。使用者可以透過資料中心訪問資料，進行後續資料分析、資料標註、資料回注等，從而形成完整的資料閉環。

自動駕駛汽車到底需要哪些型別的感測器？

自動駕駛汽車是集感知、決策和控制等功能於一體的自主交通工具，其中，感知系統代替人類駕駛人的視、聽、觸等功能，融合攝像機、雷達等感測器採集的海量交通環境資料，精確識別各類交通元素，為自動駕駛汽車決策系統提供支撐。

1、攝像頭

攝像頭按影片採集方式分為：數字攝像頭和模擬攝像頭兩大類。

車載上一般使用的是數字攝像頭，它可以將影片採集裝置產生的模擬影片訊號轉換成數字訊號，進而將其儲存在計算機裡。

模擬攝像頭只能將捕捉到的影片訊號，經過特定的影片捕捉卡將模擬訊號轉換成數字模式，並加以壓縮後才可以轉換到計算機上運用。

舉個例子來，我們使用的固定電話就屬於模擬訊號，它在通話過程中容易產生噪音（電流聲或聽不清）的情況。而我們的手機為了保持很好的通話質量，就將電話的模擬訊號進行了數字化，手機之間的通話質量就非常清晰，同樣原理使用數字攝像頭能有效減少影像中的噪點和提升成像效果。

一句話概括：模擬影片訊號是在一定的時間範圍內可以有無限多個不同的取值。而數字影片訊號是在模擬訊號的基礎上經過取樣、量化和編碼而形成的。模擬訊號容易產生訊號噪音和干擾，已逐步被數字訊號取代。

圖片來源：博世官網

2、雷達

雷達能夠主動探測周邊環境，比視覺感測器受外界環境影響更小，是自動駕駛汽車的重要感測器之一。雷達透過向目標發射電磁波並接收回波，從而獲取目標距離、方位、距離變化率等資料。根據電磁波波段，雷達可細分為鐳射雷達、毫米波雷達和超聲波雷達等3類。

自動駕駛資料標註工作內容有哪些？

資料標註指的是，透過人工或者一定的工具，將少量幀用手工標註，且是精細標註。大部分做機器標註，即簡化標註。來給資料集新增真值資訊，相當於為機器學習系統提供”標準答

人工標註人員對於語義資訊更加擅長，但是計算機對於幾何，重建，三角化，跟蹤更加擅長；同時，隨著資料規模的增長，不可能無限地擴大標註團隊的規模。所以，更加精確的資料標註需要標註人員和計算機協作進行。

自動駕駛場景庫與虛擬模擬測試

場景是自動駕駛測試系統中相當重要的一環，測試場景的多樣性、覆蓋性、典型性等能夠影響到測試結果的準確性，從而保證自動駕駛的安全與質量。

場景，指的是行駛場合和駕駛情景的組合，它受行駛環境的深刻影響，如道路、交通、天氣、光照等因素，共同構成整個場景概念。場景是在一定時間和空間範圍內環境與駕駛行為的綜合反映，描述了道路、交通設施、氣象條件、交通參與物等外部狀態以及自車的駕駛任務和狀態等資訊。從場景架構來看，有不同的行駛場合，像高速公路、鄉村道路、城市工況、機場、碼頭、封閉園區等；在該場合下，如何駕駛、駕駛任務、駕駛速度、駕駛模式等一起構成了整個場景的三維架構。

自動駕駛模擬是藉助計算機虛擬技術對實際交通系統進行某種層次的抽象。透過把大量自動駕駛開發和測試的成本轉化為GPU的物料成本和工程師的知識經驗成本，進而大大緩解該痛點。

模擬測試執行包含兩個方面的工作：（1）對測試場景庫的維護和針對不同演算法或功能合適的測試場景進行執行測試；（2）在測試完成後，整理並提供清晰的測試報告，並提供測試結果的統計資料，為演算法團隊的改進提供有效支撐。

▲ 某自動駕駛模擬軟體的執行視覺化介面

在模擬測試裡，根據自動駕駛測試的關鍵要素，需要建如下的模型，包含最傳統的車輛動力學模型、駕駛人模型、靜態環境模型、動態交通模型、環境感知感測器模型。建模要關注兩方面，一個是計算效率、一個是計算精度，兩個是彼此制衡。

除了純虛擬環境的測試之外，還有多物理系統在環的模擬測試，就是說要能夠進行化學感知系統、決策規劃系統、控制執行系統的在環測試。

基於場景的虛擬模擬測試，是未來自動駕駛汽車測試的一個發展趨勢，也是必由的途徑。

自動駕駛場景分類都有哪些？

A-事故場景

事故可以看做是交通安全的一個濃縮機，能夠體現出實際交通環境的高危場景，事故場景研究目前以深度事故研究資料為主， 如GIDAS， CIDAS等

B-開放道路場景

開放道路場景來源於人們的日常駕駛資料以及實車道路測試資料，道路場景能夠很好地體現隨機性、複雜性以及區域特徵，可用於分析真實的交通環境和駕駛行為特徵

C-法規標準場景

國內外法律法規涉及的場景， 如GB/ISO/ECE/NHTSA/SAE/Euro-NCAP等機構組織的測試標準，法規標準場景是自動駕駛功能在研發和定義階段需要滿足的最基本要求

Ｄ-功能互動場景：

AD AS系統或自動駕駛系統是由橫向、縱向-預警或控制等多個子功能構成的， 各個功能之間經常存在功能互動區域， 如ACC和AEB系統都對車輛的縱向運動進行控制， 兩功能在互動場景區域作用時是否存在問題需要進行驗證；功能互動場景能夠測試智慧系統功能邏輯互動上的重疊區與間隔區，發現功能互動漏洞與邏輯混亂等問題

E-虛擬重構場景

真實駕駛過程中場景數目是無限的，使用引數隨機生成演算法可以重組場景：虛擬重構場景，能夠補充大量來知工況的測試場景，打破資料採集的侷限性。

場景採集裝置和安裝佈置

硬體在環測試主要是測什麼？

硬體在環指的是，利用模擬軟體，實時機和硬體IO介面，對接到真實的ECU，在實時的環境進行演算法測試。

硬體在環模擬是自動駕駛汽車技術測試與驗證的重要環節，具有周期短、成本低及效率高等優點。

自動駕駛汽車，相對於傳統車輛，驗證成指數級增加。都依靠實車測試，從時間上和成本上都不現實，進行充分的模擬測試非常關鍵。

場地測試主要測試內容包括什麼？

場地測試指的是，ADAS原型車在封閉的試驗場或者開放的場地進行真實的道路測試。

自動駕駛汽車的場地測試分有兩種，一種就是在開發的環境下進行真實的道路測試，而另一種則是在自動駕駛模擬測試平臺上進行虛擬測試。而目前幾乎所有車企和自動駕駛科技公司，均是以虛擬測試為主，真實的道路測試為輔。

結合工業和資訊化部、公安部、交通運輸部等三部委共同釋出的《智慧網聯汽車道路測試管理規範（試行）》，“考試專案”設定可以包含以下幾個方面：

1、基本交通管理設施檢測與響應能力測試，測試內容應包含《GB5768 道路交通標誌和標線》、《GB14887 道路交通訊號燈》、《GB14886道路交通訊號燈設定與安裝規範》等標準要求的道路交通設施種類和安裝規範等內容；

2、前方車道內動靜態目標（機動車、非機動車、行人、障礙物等）識別與響應能力測試，測試內容應包含感知識別不同目標（非機動車、行人、障礙物）的型別和狀態、跟隨不同交通參與者（機動車、非機動車、行人）行駛、車速車距控制等內容；

3、遵守規則行車能力測試，測試內容應包含超車、並道、透過交叉口等內容；

4、安全接管與應急制動能力測試，測試內容應包含靠邊停車與起步、應急車道內停車、人工接管等內容；

5、綜合能力測試，綜合考察自動駕駛汽車對交通語言認知能力、安全文明駕駛能力、複雜環境通行能力、多參與物件協同行駛能力、網聯通訊能力等內容。

未來的自動駕駛汽車對安全性要求極其嚴格，需要透過靈活的測試，才能實現快速創新，同時保證測試嚴格性和效率。