緊追時下熱門測試技術：自動駕駛測試，瞭解一下

引言

開篇還是先囉嗦幾句關於自動駕駛的知識。 加我VX：atstudy-js 回覆“測試”，進入 自動化測試學習交流群~~

自動駕駛系統分感知層、決策層、執行層，分別代替人的眼睛、大腦、手腳。因此其實現原理，首先依賴感知感測器對道路周邊環境資訊進行採集。

採集的資料傳輸到中央計算單元進行計算，用來識別自車周邊障礙物的狀態和可行駛區域，制定相應控制策略，替代人類做出駕駛決策，(如路徑規劃等)，決策演算法包括模糊推理、強化學習、神經網路和貝葉斯網路技術等。

最後是執行控制模組制定方向盤轉角、線控加減速、線控制動等資訊，傳輸到底盤執行機構，按照指令進行精確執行。

提到感知層，最先想到的應該就是各種感測器，比如：攝像頭、毫米波雷達、鐳射雷達、超聲波感測器等，而感測器的效能表現則直接決定了自動駕駛的實際表現，因此對感測器的效能測試就顯得極為重要，接下來就以毫米波雷達為例講解一下其解析度是如何測試的。

毫米波雷達簡介

毫米波雷達是指工作在毫米波段的雷達，也是透過ToF技術來確定目標位置與距離的，透過向外界連續傳送毫米波訊號，並接收目標返回的訊號，根據訊號發出與接收之間的時間差確定目標與車輛之間的距離。

一直以來，在自動駕駛感知感測器家族中無論是鐳射雷達還是攝像頭、超聲波感測器，都容易受惡劣天氣環境影響導致效能降低甚至失效（惡劣天氣環境往往是事故高發的主要原因），因而都存在“致命”缺陷。

這種時候，毫米波雷達憑藉抗干擾能力強，可穿透雨霧冰雪、不受惡劣天氣影響的絕對優勢，且唯一能夠“全天候”工作的超強能力，成為了汽車ADAS不可或缺的核心感測器之一！

智慧駕駛中毫米波雷達主要要有前向毫米波雷達和角雷達（前向角雷達和後向角雷達），分別安裝於車身的前擋風玻璃和車身四角等位置。

需求描述

對於車載雷達來說，距離和速度解析度是兩個很重要的指標。

但是當我們遇到一個場景，即在車輛行駛的前方的某一個距離上同時有兩輛汽車，此時就需要透過方位估計來區別這兩個位於同一距離位置上的目標，角度解析度則是衡量一個雷達方位估計能力好壞的重要指標。

角度解析度測試的目標主要是測定雷達在探測目標同速同距情況下，在角度上區分兩個不同物體的能力。

以下是三個指標需求的具體描述：

距離解析度

在雷達影像中，當兩個目標位於同一方位角時，但與雷達的距離不同時，二者被雷達區分出來的最小距離則是距離解析度。

具體要求為：當縱向距離在0.16米以上的時候，4D雷達應能分辨相差15dBsm的角反射器（這兩個目標具有相同的方位角和相同的範圍變化率）。

速度解析度

在規定條件下雷達能夠區分同一方位角臨近兩個目標的最小速度間隔。

具體要求為：對於兩個反射率相差15dBsm的角反射器，4D雷達至少能在它們徑向速度相差0.15m/s時區分出來（兩個目標有相同的範圍和方位角）。

方位角解析度

在規定條件下，雷達能夠區分左右臨近（目標與雷達距離相等的圓弧）兩個目標的最小角度間隔。

具體要求為：雷達要能夠分辨出兩個角反射器，他們在雷達橫截面上有15dBsm的不同，瞄準線上的方位角相差1.24度以上（這兩個目標有相同的範圍和範圍變化率）。

最後：

可以到我的個人V：atstudy-js，可以免費領取一份10G軟體測試工程師面試寶典文件資料。以及相對應的影片學習教程免費分享！其中包括了有基礎知識、Linux必備、Mysql資料庫、抓包工具、介面測試工具、測試進階-Python程式設計、Web自動化測試、APP自動化測試、介面自動化測試、測試高階持續整合、測試架構開發測試框架、效能測試等。

這些測試資料，對於做【軟體測試】的朋友來說應該是最全面最完整的備戰倉庫，這個倉庫也陪伴我走過了最艱難的路程，希望也能幫助到你！