一种基于电气测试台架的测试方法、电气测试台架及设备

技术领域

本申请涉及车辆测试技术领域，尤其涉及一种基于电气测试台架的测试方法、电气测试台架及设备。

背景技术

随着干线物流卡车智能化的快速发展，高阶智能驾驶技术在干线物流卡车领域中应用越来越广泛。高阶智能驾驶技术包括自动驾驶、车辆追踪、实时路况信息反馈等技术。其中，自动驾驶技术可以在司机疲劳或需要休息时，确保车辆可以安全地行驶在道路上。车辆追踪技术则可以实时监控车辆的位置和状态，一旦发生异常情况，可以立即采取相应的措施。实时路况信息反馈技术则可以将路况信息实时反馈给司机，帮助他们避开交通拥堵区域，选择最佳的行驶路线。基于此，高阶智能驾驶技术的应用，能够解决司机长途驾驶的疲劳问题，以及提高行车安全性并为行车状况提供了有效的解决方案。

当前，为了更好地实现自动驾驶以及提高行车安全性，车辆中应用于该高阶智能驾驶技术的智能驾驶系统也要求越来越复杂。高阶智能驾驶系统不仅包括摄像头、激光雷达、毫米波雷达、组合导航、高性能计算平台等众多硬件，还设置有更加复杂的软件。其中，高性能计算平台不仅集成了传统嵌入式系统，还包括车载操作系统，其内部部署的基础软件也是高性能计算平台的重要组成部分。为此，在车辆的高阶智能驾驶系统开发中，需要大量的系统测试工作，以满足高阶智能驾驶系统的开发验证。

针对大量的测试需求，搭建测试台架是最为高效的方法。基于此，目前亟需要一种基于电气测试台架的测试方法，使得电气测试台架，尤其是面向干线物流卡车的高阶智能驾驶系统的电气测试台架，能够更加快速全面的完成电气测试台架的测试工作，使电气测试台架更快的投入高阶智能驾驶系统的开发研究中。

发明内容

本申请提供一种基于电气测试台架的测试方法、电气测试台架及设备，用以解决目前没有完成的关于电气测试台架测试方法的问题。

第一方面，本申请提供一种基于电气测试台架的测试方法，所述电气测试台架包括：控制装置、多个传感器、高性能计算平台；则所述方法包括：

所述控制装置分别对所述多个传感器进行通讯测试，以获取传感器通讯测试的测试结果；

所述控制装置分别向所述高性能计算平台发送故障测试信息和仿真测试信息，以供所述高性能计算平台进行故障测试和仿真通讯测试，并获取所述高性能计算平台根据所述故障测试信息生成故障结果信息，并根据所述仿真测试信息生成仿真结果信息；

所述控制装置分别向高性能计算平台发送通信测试信息，以供所述高性能计算平台触发内部系统级芯片和微控制器进行通讯测试，以分别获取所述系统级芯片和所述微控制器对应的通信结果信息；

所述控制装置依次发送已训练的感知算法模型、融合算法模型和规划控制算法模型至所述高性能计算平台并触发其部署运行，并依次获取所述感知算法模型、融合算法模型和规划控制算法模型的运行结果信息；

所述控制装置分别将所述测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息进行可视化呈现，以实现通过所述测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息的可视化呈现，确定所述电气测试台架能否正常工作的判断以及器件连接问题的诊断。

在一种可能的设计中，所述控制装置分别向所述高性能计算平台发送故障测试信息和仿真测试信息，以供所述高性能计算平台进行故障测试和仿真通讯测试，并获取所述高性能计算平台根据所述故障测试信息生成故障结果信息，并根据所述仿真测试信息生成仿真结果信息，包括：

所述控制装置通过预置的BOB故障测试盒向所述高性能计算平台发送包含至少一个所述传感器在故障时的故障测试信息；

所述控制装置获取所述高性能计算平台根据包含至少一个所述传感器在故障时的故障测试信息生成的故障结果信息；所述故障结果信息反应的是所述高性能计算平台能否正确识别传感器故障。

在一种可能的设计中，所述控制装置分别向高性能计算平台发送通信测试信息，以供所述高性能计算平台触发内部系统级芯片和微控制器进行通讯测试，以分别获取所述系统级芯片和所述微控制器对应的通信结果信息，包括：

所述控制装置通过测试设备向所述高性能计算平台发送通信测试信息，以供所述高性能计算平台触发内部系统级芯片和微控制器进行通讯测试；其中，所述测试设备包括通过以太网通信的以太网测试装置和通过CAN通信的CAN测试装置；

所述控制装置获取所述系统级芯片根据所述通信测试信息生成的待发送SOC结果信息，并获取所述微控制器接收到的由所述系统级芯片发送的待处理SOC结果信息，以基于所述待发送SOC结果信息和所述待处理SOC结果信息是否一致，生成所述通信结果信息；

所述控制装置获取所述微控制器根据所述通信测试信息生成的待发送MCU结果信息，并获取所述系统级芯片接收到的由所述微控制器发送的待处理MCU结果信息，以基于所述待发送MCU结果信息和所述待处理MCU结果信息，生成所述通信结果信息。

在一种可能的设计中，所述控制装置分别向所述高性能计算平台发送故障测试信息和仿真测试信息，以供所述高性能计算平台进行故障测试和仿真通讯测试，并获取所述高性能计算平台根据所述故障测试信息生成故障结果信息，并根据所述仿真测试信息生成仿真结果信息，包括：

所述控制装置通过CAN测试装置，生成并发送包含整车状态的仿真测试CAN报文信息至所述高性能计算平台；

所述控制装置获取所述高性能计算平台根据接收到的所述包含整车状态的仿真测试CAN报文信息生成的仿真结果信息。

在一种可能的设计中，所述控制装置依次发送已训练的感知算法模型、融合算法模型和规划控制算法模型至所述高性能计算平台并触发其部署运行，并依次获取所述感知算法模型、融合算法模型和规划控制算法模型的运行结果信息，包括：

所述控制装置发送并部署已训练的感知算法模型至所述高性能计算平台，以及获取所述感知算法模型的感知运行结果信息；所述感知运行结果信息为所述感知算法模型将所述传感器的实时采集信息作为输入并运行得到的；

所述控制装置发送并部署已训练的融合算法模型至所述高性能计算平台，以及获取所述融合算法模型的融合运行结果信息；所述融合运行结果信息为所述融合算法模型将所述感知运行结果信息作为输入并运行得到的；

所述控制装置发送并部署已训练的规划控制算法模型至所述高性能计算平台，以及获取所述规划控制算法模型的规划控制运行结果信息；所述规划控制运行结果信息为所述规划控制算法模型将所述融合运行结果信息作为输入并运行得到的。

在一种可能的设计中，所述控制装置分别对所述多个传感器进行通讯测试，以获取传感器通讯测试的测试结果，包括：

所述控制装置分别获取摄像头、激光雷达、毫米波雷达和组合惯导的采集信息，以基于所述采集信息，生成所述测试结果。

第二方面，本申请提供一种电气测试台架，包括：控制装置、多个传感器、高性能计算平台；其中，

所述控制装置，用于分别对所述多个传感器进行通讯测试，以获取传感器通讯测试的测试结果；

所述控制装置，还用于分别向所述高性能计算平台发送故障测试信息和仿真测试信息，以供所述高性能计算平台进行故障测试和仿真通讯测试，并获取所述高性能计算平台根据所述故障测试信息生成的故障结果信息，并根据所述仿真测试信息生成的仿真结果信息；

所述控制装置，还用于分别向所述高性能计算平台发送通信测试信息以供系统级芯片和微控制器进行通讯测试，并分别获取所述系统级芯片和所述微控制器对应的通信结果信息；

所述控制装置，还用于依次发送已训练的感知算法模型、融合算法模型和规划控制算法模型至所述高性能计算平台并触发其部署运行，并依次获取所述感知算法模型、融合算法模型和规划控制算法模型的运行结果信息；

所述控制装置，还用于分别将所述测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息进行可视化呈现，以实现通过所述测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息的可视化呈现，确定所述电气测试台架能否正常工作的判断以及器件和/或连接问题的诊断。

进一步的，还包括：BOB故障测试盒；其中，所述多个传感器均与所述高性能计算平台连接；所述BOB故障测试盒串联在所述多个传感器和高性能计算平台之间；

所述控制装置具体用于：通过所述BOB故障测试盒向所述高性能计算平台发送包含至少一个所述传感器在故障时的故障测试信息；

获取所述高性能计算平台根据包含至少一个所述传感器在故障时的故障测试信息生成的故障结果信息；所述故障结果信息反应的是所述高性能计算平台能否正确识别传感器故障。

进一步的，还包括：测试设备；所述测试设备分别与多个传感器和高性能计算平台连接；

所述控制装置具体用于：通过测试设备向所述高性能计算平台发送通信测试信息，以供所述高性能计算平台触发内部系统级芯片和微控制器进行通讯测试；

获取所述系统级芯片根据所述通信测试信息生成的待发送SOC结果信息和所述微控制器接收由所述系统级芯片发送的待处理SOC结果信息；以及

获取所述微控制器根据所述通信测试信息生成的待发送MCU结果信息和所述系统级芯片接收由所述微控制器发送的待处理MCU结果信息。

进一步的，所述传感器包括摄像头、激光雷达、毫米波雷达和组合惯导；其中，所述摄像头通过GMSL线与高性能计算平台连接，所述激光雷达通过以太网与高性能计算平台连接，所述毫米波雷达和所述组合惯导均通过CAN线与所述高性能计算平台连接；

所述控制装置具体用于：通过以太网获取所述摄像头和所述激光雷达的采集信息，以及通过CAN线获取所述毫米波雷达和组合惯导的采集信息，以基于所述采集信息，生成所述测试结果。

进一步的，所述测试设备包括以太网测试装置和CAN测试装置；其中，所述太网测试装置和CAN测试装置分别与所述高性能计算平台连接，所述CAN测试装置分别与所述毫米波雷达和所述组合惯导连接；

所述控制装置具体用于：

分别通过以太网测试装置和CAN测试装置向所述高性能计算平台发送通信测试信息，以供所述高性能计算平台触发内部系统级芯片和微控制器进行通讯测试；

分别获取所述以太网测试装置和所述CAN测试装置对应的所述系统级芯片根据所述通信测试信息生成的待发送SOC结果信息和所述微控制器接收由所述系统级芯片发送的待处理SOC结果信息；以及

分别获取所述以太网测试装置和所述CAN测试装置对应的所述微控制器根据所述通信测试信息生成的待发送MCU结果信息和所述系统级芯片接收由所述微控制器发送的待处理MCU结果信息。

进一步的，还包括供电模块，所述供电模块分别为多个所述传感器、BOB故障测试盒、高性能计算平台、控制装置和测试设备供电。

第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现电气测试台架的测试方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现电气测试台架的测试方法。

本申请对电气测试台架中设置的传感器和高性能计算平台依次进行测试，针对传感器进行了通讯测试，针对高性能计算平台进行了故障测试、仿真通讯测试和高性能计算平台触发内部系统级芯片和微控制器进行通讯测试，以保证电气测试台架中的传感器和高性能计算平台能够正常使用并加快投入自动驾驶开发中。同时还进行了已训练的感知算法模型、融合算法模型和规划控制算法模型至高性能计算平台并触发其部署运行，对整体的电气测试台架的算法运行性能做了测试，便于发现系统集成的问题，并根据问题及时对电气测试台架做出调整。通过将测试结果可视化的呈现，能够使开发人员更加直观清晰的了解到电气测试台架的硬件或软件问题，以及电气测试台架性能的客观展现。本申请还包括电气测试台架，该电气测试台架能最大程度接近实车的测试环境，减少实车测试中问题出现的频率；而且实车中测试的问题，可以在台架上复现能更好的分析解决问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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。

图1为本申请实施例提供的一种基于电气测试台架的测试方法流程示意图；

图2是本申请一个实施例提供的故障测试方法流程示意图；

图3是本申请一个实施例提供的仿真通讯测试方法流程示意图；

图4是本申请一个实施例提供的系统级芯片和微控制器通讯测试方法流程示意图；

图5是本申请一个实施例提供的已训练算法模型测试的方法流程示意图；

图6为本申请一个实施例提供电气测试台架的结构示意图；

图7为本申请一个实施例提供的电子设备的结构示意图。

附图标记：

60-控制装置；61-毫米波雷达；62-组合惯导；63-摄像头；64-激光雷达；65-BOB故障测试盒；66-高性能计算平台；67-CAN测试装置；68-以太网测试装置。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

首先对本申请所涉及的相关概念或名词进行解释：

高性能计算平台(High Performance Computing，简称：HPC)：它使用并行工作的强大处理器集群，处理海量多维数据集(大数据)，并以极高的速度解决复杂问题。这种平台集成了计算、存储、网络等产品资源，并整合了HPC专用作业管理调度、集群管理等软件，向用户提供弹性灵活、性能卓越、自助化的计算服务。

现有技术中，高阶智能驾驶系统不仅包括摄像头、激光雷达、毫米波雷达、组合导航、高性能计算平台等众多硬件，还设置有更加复杂的软件，因此，在车辆的高阶智能驾驶系统开发中，需要大量的系统测试工作，以满足高阶智能驾驶系统的开发验证。

基于此，本申请的发明构思在于：如何提供一种基于电气测试台架的测试方法，使得电气测试台架，尤其是面向干线物流卡车的高阶智能驾驶系统的电气测试台架，能够更加快速全面的完成电气测试台架的测试工作，使电气测试台架更快的投入高阶智能驾驶系统的开发研究中。

实施例一

图1为本申请实施例提供的一种基于电气测试台架的测试方法流程示意图。其中，电气测试台架包括：控制装置、多个传感器、高性能计算平台。

如图1所示，测试方法具体包括步骤S11-S15：

S11，控制装置分别对多个传感器进行通讯测试，以获取传感器通讯测试的测试结果。

在本实施例中，电气测试台架是进行高阶智能驾驶系统开发的重要装置。自动驾驶系统需要执行多种任务，包括定位、路径规划、避障等。这些任务可能需要不同类型的数据输入。例如，高精度全球定位(Global Positioning System，简称：GPS)和惯性导航系统可以用于定位，而摄像头和激光雷达则可以用于检测路面上的障碍物。通常来讲，电气测试台架为尽可能模拟自动驾驶的真实状况，为此，电气测试台架上会设置多个传感器。传感器和控制装置之间的通信是确保整个驾驶系统开发顺利运行的基础。控制装置对多个传感器进行通讯测试，以检验安装在测试电气台架上的传感器是否能够正常的采集信息，这是确保电气测试台架正常运行的基础，以提高测试为电气测试台架的稳定性和可靠性。

具体的，控制装置会依次与每一个传感器建立通讯连接。在这个过程中，控制装置会发送一些特定的信号给传感器，然后检查传感器返回的响应是否符合预期。例如，控制装置可能会要求传感器返回其当前的状态信息，然后检查这些信息是否与实际情况相符。进一步的，控制装置会对每一个传感器的通讯性能进行评估。这包括了通讯的速度、稳定性和可靠性等。具体的，控制装置检查传感器返回数据的速度是否足够快，以满足系统的实时性要求。同时，控制装置也会检查传感器在各种工况下(如温度、湿度和电压等变化)的通讯稳定性。控制装置会根据上述测试结果，对每一个传感器的通讯性能进行评估，并记录下来。这些测试结果能够更加快速直观地发现潜在的问题，以便于解决这些问题，加快电气测试台架投入自动驾驶系统开发的进程，并为后续的算法处理测试和决策制定测试提供了可靠的数据支持。

S12，控制装置分别向高性能计算平台发送故障测试信息和仿真测试信息，以供高性能计算平台进行故障测试和仿真通讯测试，并获取高性能计算平台根据故障测试信息生成故障结果信息，并根据仿真测试信息生成仿真结果信息。

在本实施例中，控制装置需要分别向高性能计算平台发送故障测试信息和仿真测试信息，以便高性能计算平台进行故障测试和仿真通讯测试，同时获取并处理由高性能计算平台生成的故障结果信息和仿真结果信息。其中，故障测试和仿真通讯测试均针对的是高性能计算平台。在高性能计算平台上，会部署很多基础软件程序，这些程序负责处理各种任务，包括数据处理、系统监控和传感器故障检测等。为此，当传感器出现故障时，需要高性能计算平台能够及时识别并处理故障问题，以及根据模拟的车辆状况是否能够发出相应的指令信息。

进行故障测试时，控制装置会向高性能计算平台发送故障测试信息。这些信息包含了各种可能出现的故障情况，如传感器短路、断路、数据错误等。高性能计算平台会根据收到的故障测试信息，识别并判断是哪个传感器出现问题，以及具体的故障是什么，针对该故障需要做什么处理。例如，当某个传感器出现数据传输故障时，控制装置可以发送相应的信息给高性能计算平台，模拟传感器失效的情况。高性能计算平台根据这些信息生成故障结果信息，以指示哪个传感器出现了问题，问题的具体性质是什么，以及可能的解决方案。再例如，当模拟传感器短路的情况时，会检查高性能计算平台是否能够及时发现这个问题，并采取相应的措施(如切断电源、发送警报等)。在完成故障测试后，高性能计算平台会生成相应的故障结果信息，并发送给控制装置。这些结果信息包含了识别的各种故障情况，以及针对各种情况的反馈。以确保高性能计算平台在遇到传感器故障时，能够及时发现并处理问题，是对高性能计算平台上部署测基础软件的测试，以判断其能否正常运行。

进行仿真测试时，控制装置会向高性能计算平台发送整车的仿真测试信息。这些信息包含了各种可能的工作条件，如温度、湿度、电压等变化，以及整车的各种状态，如速度、加速度、转向角等。高性能计算平台会根据收到模拟各种工作条件的仿真测试信息，并作出相应的反应。例如，当模拟温度升高的情况时，高性能计算平台是否识别并发出正确地调整工作状态的指令，以适应新的环境条件。同时，当模拟车辆加速的情况时，高性能计算平台是否能够正确地发出控制发动机的输出功率的信息，以满足加速需求。在完成仿真通讯测试后，高性能计算平台会生成相应的仿真结果信息，并发送给控制装置。这些结果信息包含了在各种工作条件下的反应，以及可能出现的问题，通过这些仿真结果信息，能够评估高性能计算平台能够正确的收到数据信息号，以及根据数据信号否完成反馈并将反馈结果正确的输出。进一步的，除了关于仿真整车运动状况的仿真测试外，还可以进行环境状况的模拟和道路状况的模拟等。例如模拟车辆在雨雪天气下的行驶状况，或者模拟车辆在复杂路况下。即在不同情境下的表现，例如是否能够正常避开障碍物，是否能够稳定驾驶等。同样是对高性能计算平台接收发送数据的测试，以及高性能计算平台能否完成工作的测试。

S13，控制装置分别向高性能计算平台发送通信测试信息，以供高性能计算平台触发内部系统级芯片和微控制器进行通讯测试，以分别获取系统级芯片和微控制器对应的通信结果信息。

在本实施例中，高性能计算平台会根据收到的通信测试信息，触发内部系统级芯片和微控制器进行通讯测试。这些信息通常包括通信协议、数据传输速率、数据格式等，是系统级芯片和微控制器进行通讯的必备参数。其中，系统级芯片是自动驾驶系统的核心部分，负责处理大量的数据和执行复杂的算法。微控制器则负责控制各种硬件设备，例如传感器和执行器。系统级芯片和微控制器在自动驾驶系统中各自承担不同的任务，他们之间的通信必须保证数据的一致性，以确保整个自动驾驶系统的稳定运行。

在通讯测试的过程中，系统级芯片和微控制器按照指定的通讯协议和数据格式，与控制装置进行数据交换和通讯。这样的测试模拟了实际工作环境下的通讯情景，能够全面地检验内部各个部件的通讯能力。通信测试的结果信息包括通信是否成功、数据传输是否准确以及通讯时延是否稳定等指标。这些指标是评估系统通讯性能的关键依据。同时自动驾驶系统对实时性要求很高，系统级芯片和微控制器之间的通信延迟必须在可接受的范围内，以确保自动驾驶系统能够及时做出反应。以及数据传输的可靠性，通信测试可以检查系统级芯片和微控制器之间的通信链路是否可靠，是否存在丢包、错误等问题。

在获取了系统级芯片和微控制器的通信结果信息后，控制装置会对这些信息进行分析和处理。如果通讯测试成功，意味着内部各个部件之间的通讯能力正常，在实际运行中也能够保持稳定的数据交换。然而，如果测试中发现通讯失败或者数据传输错误，控制装置会及时发出警报并记录相关信息，以便故障排查和修复。这种及时的反馈机制，保证了在电气测试台架在投入开发使用前就能够及时发现问题，避免由于系统级芯片和微控制器的通信问题造成的软件开发困难。

S14，控制装置依次发送已训练的感知算法模型、融合算法模型和规划控制算法模型至高性能计算平台并触发其部署运行，并依次获取感知算法模型、融合算法模型和规划控制算法模型的运行结果信息。

在本实施例中，控制装置依次发送已训练的感知算法模型、融合算法模型和规划控制算法模型至高性能计算平台。在这一过程中，高性能计算平台会将接收到的算法模型加载到内存中，并根据当前的环境和状态信息，实时运行这些算法模型。感知算法模型通过对传感器采集到的数据进行处理，识别出周围环境的各种信息。融合算法模型则将不同传感器采集到的数据进行整合，形成综合的环境认知。规划控制算法模型则根据感知和融合的信息，做出决策，规划车辆的行驶路径。由于这些算法模型已经经过深度学习和大数据训练，且已经经过了实际场景的应用。即如果这些算法模型部署运行不成功，则说明电气测试台架中硬件的连接或者软件程序的部署存在问题。存在的问题包括但不限于硬件兼容性问题和系统集成问题。其中，硬件兼容性问题指的是，即使传感器和高能计算平台的通信正常，硬件设备(如传感器)可能与特定的算法模型不兼容。比如算法模型可能需要一种特定类型的传感器输入，而测试台架上的传感器无法提供这种输入。系统集成问题指的是在一个复杂的系统中，各个组件需要协同工作。即使每个单独的组件都能正常工作，但当它们一起工作时，可能会出现意料之外的问题。例如，算法模型可能在处理来自多个传感器的数据时出现问题。部署并运行已训练的感知算法模型、融合算法模型和规划控制算法模型，对电气测试台架的测试更加全面，能够进一步的发现电气测试台架上是否存在算法运行方面的问题。在电气测试台架投入使用前发现更加深层的问题并改善，加快电气测试台架投入使用的进程，并为后续投入自动驾驶系统开发提供一个稳定的实验装置，有利于后续自动驾驶程序的开发的顺利进行。

S15，控制装置分别将测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息进行可视化呈现，以实现通过测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息的可视化呈现，确定电气测试台架能否正常工作的判断以及器件连接问题的诊断。

在本实施例中，控制装置将测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息进行可视化呈现，能够更加直观地了解电气测试台架各部分性能。例如，通过图表、曲线和统计数据等可视化方式，可以清晰地展示每个传感器的响应时间、准确度、灵敏度等参数。这些数据的呈现可以帮助工程师们更好地了解传感器在不同条件下的表现，从而更好地判断器件地工作状态是否符合要求。比如，通过可视化测试结果，工程师们可以观察到某个传感器在特定情况下是否出现异常，进而迅速定位问题并进行修复。关于故障结果信息的可视化呈现，例如以图表或图像的形式，能够清晰地显示出高性能计算平台是否能够正确地识别故障以及根据故障是否会做出相应地反馈操作。以及工程师们能够快速定位到预设故障对应的在高能计算平台内部部署的具体基础软件程序，以及该基础软件程序不能识别故障或做出相应反馈的原因。仿真结果信息的可视化呈现能够帮助工程师们更好地了解在不同场景下，高性能计算平台能否根据相应的场景或情况做出相应的反应。可视化的方式呈现，能够更加清晰的了解到高性能计算平台做出的反应与预期的差距体现在哪里，为电气测试台架的改进提供了参考方向。与此同时，通信结果信息的可视化呈现有助于评估系统内部各个模块之间的通信效果，并能够直观地了解不同模块之间的通信延迟、丢包率、数据传输速度等参数，帮助工程师们判断系统的通信性能，及时发现潜在的问题并优化。这种可视化分析不仅为电气测试台架的优化提供了方向，也为电气测试台架的故障诊断和问题解决提供了有力支持。通过科学、合理的数据呈现方式，保障电气测试台架的安全、稳定和可靠运行。

本申请对电气测试台架中设置的传感器和高性能计算平台依次进行测试，针对传感器进行了通讯测试，针对高性能计算平台进行了故障测试、仿真通讯测试和高性能计算平台触发内部系统级芯片和微控制器进行通讯测试，以保证电气测试台架中的传感器和高性能计算平台能够正常使用并加快投入自动驾驶开发中。同时还进行了已训练的感知算法模型、融合算法模型和规划控制算法模型至高性能计算平台并触发其部署运行，对整体的电气测试台架的算法运行性能做了测试，便于发现系统集成的问题，并根据问题及时对电气测试台架做出调整。

在一个具体实施例中，图2是本申请一个实施例提供的故障测试方法流程示意图。是对上述步骤S12的进一步展开说明，具体包括步骤S21-S22：

S21，控制装置通过预置的BOB故障测试盒向高性能计算平台发送包含至少一个传感器在故障时的故障测试信息；

S22，控制装置获取高性能计算平台根据包含至少一个传感器在故障时的故障测试信息生成的故障结果信息；故障结果信息反应的是高性能计算平台能否正确识别传感器故障。

在本实施例中，故障测试的目的是模拟各种可能的故障情况，并检查高性能计算平台是否能够正确地识别和处理这些故障。在这个过程中，控制装置会通过预置的BOB故障测试盒向高性能计算平台发送包含至少一个传感器在故障时的故障测试信息。其中，BOB故障测试盒是一个专门设计用来模拟各种传感器故障的设备。它可以模拟各种可能的故障情况，例如传感器失效、数据错误、通讯中断等。通过使用BOB故障测试盒，能够在不破坏真实传感器的情况下进行全面的故障测试。这种模拟故障测试，旨在验证高性能计算平台是否能够正确识别传感器的故障状态。高性能计算平台在接收到故障测试信息后，开始执行故障识别程序(传感器故障识别程序是预先部署的基础软件程序)。这个程序是基于各种传感器可能的故障模式和数据特征进行设计的。通过分析接收到的故障测试信息，能够检测出传感器是否处于故障状态，以及故障的具体类型。例如，如果故障测试信息表示摄像头失效，那么高性能计算平台会读取模拟的摄像头失效的情况，以及是否能够正确地识别这个故障，并做出适当的反应，例如切换到备用摄像头或者提醒驾驶员接管控制。完成测试后，高性能计算平台会生成相应的故障结果信息，并将这些信息发送回控制装置。这些故障结果信息包含了传感器故障的种类、位置和可能的原因。以直观地了解到哪个传感器出现了故障，以及故障的性质。控制装置、高性能计算平台以及预置的BOB故障测试盒形成了一个闭环系统。能够更快的实现对高性能计算平台中部署的基础软件是否能够正常运行提供了有力的检测手段。

在另一个具体实施例中，图3是本申请一个实施例提供的仿真通讯测试方法流程示意图。是对上述步骤S12的进一步展开说明，具体包括步骤S31-S32：

S31，控制装置通过CAN测试装置，生成并发送包含整车状态的仿真测试CAN报文信息至高性能计算平台；

S32，控制装置获取高性能计算平台根据接收到的包含整车状态的仿真测试CAN报文信息生成的仿真结果信息。

在本实施例中，仿真通讯测试的目标是模拟各种可能的车辆状态，并检查高性能计算平台是否能够正确地接收并处理这些状态信息。控制装置会通过CAN测试装置生成并发送包含整车状态的仿真测试CAN报文信息至高性能计算平台。这些信息涵盖了汽车各个部件的状态，包括发动机、刹车系统、悬挂系统等，例如车速、转向角、刹车状态等。这些仿真测试CAN报文信息被设计成可以模拟各种行驶状况和环境，以便全面地测试高性能计算平台在不同情景下的反应和性能。

控制装置将这些仿真测试CAN报文信息发送至高性能计算平台。高性能计算平台会根据这些信息模拟相应的车辆状态，并根据这些信息做出相应的反应指令。例如，如果仿真测试CAN报文信息表示车速增加，那么高性能计算平台会模拟车速增加的情况，以及检查系统是否能够正确地处理这个状态，例如是否能够正确地调整驾驶策略。完成上述操作后，高性能计算平台会生成相应的仿真结果信息，并将这些信息发送回控制装置。这些结果信息包括每个仿真测试的结果，例如在面对哪些模拟车辆状态时能够做出正确反应，哪些状态无法识别，或者无法根据模拟信息做出相应的反馈等。通过分析这些结果信息，能够了解到电气测试台架在面对各种车辆状态时的表现，找出电气测试台架能否正确识别并做出相应的反应指令，以进一步实现找到电气测试台架可能存在的问题。此外，这些结果信息也可以作为电气测试台架性能评估的依据，帮助开发人员评估电气测试台架是否达到了预期的性能标准。为后续电气测试台架在投入自动驾驶系统开发，奠定重要的基础。

在一个实施例中，图4是本申请一个实施例提供的系统级芯片和微控制器通讯测试方法流程示意图，是对上述步骤S13的进一步展开说明，具体包括步骤S41-S43：

S41，控制装置通过测试设备向高性能计算平台发送通信测试信息，以供高性能计算平台触发内部系统级芯片和微控制器进行通讯测试；其中，测试设备包括通过以太网通信的以太网测试装置和通过CAN通信的CAN测试装置。

在本实施例中，通信测试是确保各个内部组件，如系统级芯片和微控制器，是否能够有效地进行信息交换，以保证系统级芯片和微控制器之间的通讯是可靠、稳定的。测试设备包括通过以太网通信的以太网测试装置和通过CAN通信的CAN测试装置。其中，以太网通信是一种高速的、基于网络协议的通信方式，主要用于测试系统内部的以太网通信，例如系统级芯片和微控制器之间的通信，以及与外部设备的通信。CAN通信则是一种专门用于车辆内部通信的现场总线标准，主要用于测试系统内部的CAN通信，例如与传感器和执行器的通信。

控制装置分别通过这两种测试装置将通信测试信息发送至高性能计算平台。高性能计算平台接收后会触发内部的系统级芯片和微控制器进行通讯测试。这个测试过程包括了多个方面，例如数据传输的速度、准确性，以及对各种指令的响应能力。在这个过程中，系统级芯片和微控制器会模拟各种可能的通讯场景，并记录下测试结果。例如，在数据传输测试中，会检查是否能够正确地发送和接收数据；在错误检测测试中，会检查是否能够正确地识别和处理错误；在通讯中断测试中，会检查是否能够正确地处理通讯中断。于此同时，通过测试装置进行的测试不仅仅是简单的信息传递，更是对内部(系统级芯片和微控制器)通信协议、数据包格式等多个方面的综合考验。通过使用以太网测试装置和CAN测试装置，控制装置能够充分模拟实际的通信场景，确保高性能计算平台内部各个组件的通信能力。不仅仅是为了确保电气测试台架的正常运行，更是为了确保电气测试台架能够模拟和处理在各种复杂和极端的状况下，需要面对的开发问题。

S42，控制装置获取系统级芯片根据通信测试信息生成的待发送SOC结果信息，并获取微控制器接收到的由系统级芯片发送的待处理SOC结果信息，以基于待发送SOC结果信息和待处理SOC结果信息是否一致，生成通信结果信息。

在本实施例中，在进行通讯测试时，系统级芯片(System on Chip，简称：SOC)在收到通信测试信息后进行分析和编码处理，以生成待发送SOC结果信息。待发送SOC结果信息被发送至微控制器，用于系统的进一步处理和响应。这些信息可能包括各种数据和指令，例如传感器数据、控制指令等。同时，系统级芯片也会将这个待发送SOC结果信息保存在内部的缓存中，以便随时核对。微控制器会接收到由的系统级芯片发送的信息，该信息为待处理SOC结果信息。微控制器则会根据这些信息执行相应的操作，例如读取和处理传感器数据、执行控制指令等。控制装置会比较待发送SOC结果信息和待处理SOC结果信息(即系统级芯片发出的信息和微控制器接收的信息)。如果这两份信息是一致的，那么说明系统级芯片和微控制器的通信是正常的，没有出现错误或丢包等问题。即如果系统级芯片发送一个命令让微控制器执行某个操作，微控制器接收到正确的命令后就会执行相应的操作。如果这两份信息不一致，那么说明通讯过程中可能出现了问题。例如，如果系统级芯片发送一个命令让微控制器执行某个操作，但是由于通信错误，微控制器接收到的命令与系统级芯片发送的命令不一致，那么微控制器可能会执行错误的操作，或者根本不执行任何操作。这可能会导致高性能计算平台无法正常工作，甚至可能会导致系统崩溃。

S43，控制装置获取微控制器根据通信测试信息生成的待发送MCU结果信息，并获取系统级芯片接收到的由微控制器发送的待处理MCU结果信息，以基于待发送MCU结果信息和待处理MCU结果信息，生成通信结果信息。

在本实施例中，微控制器(Microcontroller Unit，MCU)根据通信测试信息生成待发送MCU结果信息。待发送MCU结果信息可能包括对各种硬件设备的控制状态，例如传感器的读数、执行器的工作状态等。这些信息需要经过复杂的算法处理和优化，以确保硬件设备能够准确、有效地执行任务。待发送MCU结果信息会被发送到系统级芯片。系统级芯片会接收由微控制器发送的待处理MCU结果信息。这些信息可能是对车辆状态的实时反馈，例如车辆当前的速度、位置等。系统级芯片需要根据这些反馈信息调整自己的算法和控制策略。例如调整车辆的速度、方向等。这些控制策略需要根据实时的环境信息和车辆状态进行调整，以确保车辆能够安全、准确地执行预设的任务。

同样的，控制装置会获取并判断待发送MCU结果信息和待处理MCU结果信息是否一致，生成通信结果信息。如果这两部分信息一致，那么说明微控制器和系统级芯片的通信是正常的，它们之间传递的信息是可靠和准确的。如果不一致，则说明可能存在通信错误或者其他问题。例如，系统级芯片或微控制器本身存在硬件故障(例如内部电路损坏)；系统级芯片或微控制器的固件存在错误，可能会导致通信协议的实现出现问题；系统级芯片和微控制器通信协议不匹配；系统级芯片或微控制器的电源供应不稳定，可能会导致其无法正常工作，从而影响通信。则需要对系统级芯片或微控制器进行相应的处理。

在一个实施例中，图5是本申请一个实施例提供的已训练算法模型测试的方法流程示意图。是对上述步骤S14的进一步展开说明，具体包括步骤S51-S53：

S51，控制装置发送并部署已训练的感知算法模型至高性能计算平台，以及获取感知算法模型的感知运行结果信息；感知运行结果信息为感知算法模型将传感器的实时采集信息作为输入并运行得到的。

在本实施例中，感知算法模型是实现车辆环境感知和障碍物检测的核心。感知算法模型通过处理传感器实时采集的数据，例如摄像头、激光雷达和超声波传感器等，来识别道路上的障碍物、车辆、行人等。如果感知算法模型运行成功，则说明，传感器能够正常的响应数据读取指令，并且高性能计算平台也能够正确的识别并发出相应的命令。在这个过程中，控制装置会将已训练的感知算法模型发送到高性能计算平台。该模型经过深度学习等技术的训练，具备了对传感器数据进行高效处理和识别的能力。高性能计算平台接收到感知算法模型后，会部署它到特定计算单元，以便进行实时的环境感知任务。其中，感知算法模型可能是一个深度学习模型，例如卷积神经网络或者递归神经网络，也可能是一个传统的计算机视觉算法，例如方向梯度直方图(Histogram of Oriented Gradients，简称：HOG)与支持向量机(Support Vector Machine，简称：SVM)共同组合形成的算法。

感知算法模型被部署并运行后，就会接收传感器的实时采集信息作为输入。这些信息包括摄像头拍摄的画面、激光雷达探测到的障碍物距离以及超声波传感器探测到的周围环境等。感知算法模型利用这些数据进行复杂的计算和分析，识别并分类出环境中的各种物体，比如其他障碍物、行人等。生成的感知运行结果信息包括各种类型的信息，例如物体的位置、大小、形状、速度等。控制装置会获取到感知算法模型的感知运行结果信息。这些结果信息包括每个测试的结果，例如哪些物体被正确地识别出来，哪些物体可能被误识别等。通过分析这些结果信息，开发人员可以了解到感知算法模型在部署到电气测试台架上的实际运行中的表现，找出电气测试台架可能存在的问题。此外，感知运行结果信息也可以作为性能评估的依据，帮助开发人员评估电气测试台架是否达到了预期的性能标准。若电气测试台架能够得到预期的结果，则说明电气测试台架较为完整的实现了对自动驾驶车辆的感知要求，是该电气测试台架可以投入自动驾驶开发的有力支持。

S52，控制装置发送并部署已训练的融合算法模型至高性能计算平台，以及获取融合算法模型的融合运行结果信息；融合运行结果信息为融合算法模型将感知运行结果信息作为输入并运行得到的。

在本实施例中，高性能计算平台接收到融合算法模型后，会将其部署到相应的计算单元，以便进行实时的数据融合任务。具体的，融合算法模型负责将来自不同传感器的感知运行结果信息进行整合和处理，以综合分析周围的环境。控制装置将已经训练好的融合算法模型发送并部署到高性能计算平台上。这个融合算法模型经过深度学习等技术的训练，能够接收感知运行结果信息作为输入，并且进行高效的数据整合和分析。其中，融合算法模型可能是一个传统的数据融合算法，例如卡尔曼滤波器或者粒子滤波器。

融合算法模型被部署并运行后，将感知算法模型产生的感知运行结果信息作为输入。融合算法模型将这些信息进行整合，分析它们之间的关系，比如预测其他障碍物的行驶轨迹或者判断行人的移动方向等。融合算法模型的融合运行结果信息即为模型处理后的输出。这个输出是对整个环境的综合认知，是各种物体的位置、速度、加速度等信息的综合。这些信息被用来为自动驾驶系统提供更加准确和全面的环境认知，帮助系统更好地理解周围情况，做出更为智能化的驾驶决策。同样，完成上述操作后，控制装置会获取到融合算法模型的运行结果信息。融合运行结果信息包括每个测试的结果，例如哪些物体的轨迹被修正或哪些物体无法被正确识别等。通过分析这些结果信息，开发人员可以了解到融合算法模型在实际运行中的表现，找出可能存在的问题，并制定相应的针对电气测试台架的优化策略。使得电气测试台架能够更加符合自动化驾驶开发的要求。

S53，控制装置发送并部署已训练的规划控制算法模型至高性能计算平台，以及获取规划控制算法模型的规划控制运行结果信息；规划控制运行结果信息为规划控制算法模型将融合运行结果信息作为输入并运行得到的。

在本实施例中，规划控制算法模型负责将融合运行结果信息转化为具体的驾驶决策和行为规划。规划控制算法能够使得自动驾驶车辆在复杂环境中的具有安全性和稳定性。控制装置会将已经训练好的规划控制算法模型发送至高性能计算平台并进行部署。这个算法模型通过深度学习和机器学习等技术的训练，具备了对各种复杂交通情境的处理能力。输入数据是融合算法模型的输出，即融合运行结果信息。这个信息包括了对车辆周围环境的全面认知，包括其他车辆、行人、路标等各种元素的位置、速度、加速度等信息。融合算法模型将这些信息整合为规划控制算法模型的输入，并运行相应的算法，以生成规划控制结果信息。生成的规划控制结果信息可能包括各种类型的信息，例如车辆应该沿哪条路径行驶、应该以何种速度行驶或何时进行转弯或刹车等。这些信息能够帮助自动驾驶系统做出合理的驾驶决策，并生成相应的控制指令。例如，控制车辆的引擎、刹车、转向等执行部件，实现具体的行驶动作。

同样，完成上述操作后，控制装置会获取到规划控制算法模型的运行结果信息。这些结果信息包括每个测试的结果，例如哪些驾驶决策被正确地生成，哪些决策可能需要改进等。通过分析这些结果信息，开发人员可以了解到规划控制算法模型在实际运行中的表现，找出电气测试台架可能存在的问题。以及感知算法模型、融合算法模型和规划控制算法模型能否在电气测试台架上实现算法之间的数据传递，为后续电气测试台架投入自动驾驶控制的开发提供了有力的支持。

在一个实施例中，对步骤S11做进一步展开说明，具体包括：

控制装置分别获取摄像头、激光雷达、毫米波雷达和组合惯导的采集信息，以基于采集信息，生成测试结果。

在本实施例中，自动驾驶系统需要有丰富的环境数据，这是实现智能决策和安全驾驶的关键。传感器各自具有特定的功能和优势，通过它们采集到的信息，能够全面地了解周围环境，从而做出准确的驾驶决策。传感器的选择可以根据开发的需求进灵活的设置。例如，摄像头、激光雷达、毫米波雷达和组合惯。其中，控制装置采用个人电脑(PersonalComputer，简称：PC机)，在此关于传感器的通讯测试做出进一步详细说明：摄像头的通讯测试，PC机通过以太网访问高性能计算平台系统，打开摄像头的采集程序，使用Linux进行远程文件拷贝命令(secure copy，简称：SCP)，将采集的图像数据拷贝到PC机上，用VLC(VideoLAN Client Media Player)媒体播放器查看采集的图像数据，检查摄像头是否正常采集图像以及图像的采集质量；激光雷达的通讯测试，PC机通过以太网访问高性能计算平台系统，能正常接收并响应(ping通)激光雷达的IP地址，打开激光雷达的采集程序，使用Linux远程拷贝scp命令将采集的图像数据拷贝到PC机上，并用RVIZ工具进行显示，检查激光雷达是否正常采集点云以及点云的采集质量；毫米波雷达的通讯测试，CAN测试装置与PC机、毫米波雷达连接，检查在PC的上位机上是否正常接收毫米波雷达的报文信号，以及毫米波雷达的状态报文显示是否正常；组合惯导的通讯测试，CAN测试装置与PC机、组合惯导连接，检查在PC的上位机上是否正常接收组合惯导的报文信号，以及组合惯导的状态报文显示是否正常。进一步需要说明的是，在传感器通讯测试前，将高性能计算平台的传感器驱动更新，与传感器的软件保持一致。

在此需要说明的，在进行电气测试台架的测试之前，需要搭建测试台架。根据实际项目中的测试需求，包括高阶智能驾驶系统的传感器通讯测试、基础软件测试、算法模型测试的详细测试案例，分析电气测试台架的硬件组成以及测试设备，结合高阶智能驾驶系统硬件架构，制定电气测试台架原理图方案。并依据原理图搭建相应的电气测试台架。电气测试台架能最大程度接近实车的测试环境，减少实车测试中问题出现的频率；而且实车中测试的问题，可以在台架上复现能更好的分析解决问题。进一步，对于已经完成测试的电气测试台架可以投入自动驾驶系统的开发中。例如进行感知算法、融合算法和规划控制算法的开发。具体的，将感知算法部署在高性能计算平台，摄像头、激光雷达的通讯测试通过后，PC机访问高性能计算平台系统，观察摄像头、激光雷达的感知输出模块是否正常运行，以及感知结果的输出是否能稳定输出，初步验证感知算法运行的稳定性。同样的，部署融合算法或规划控制算法，以实现开发的融合算法或规划控制算法是否能够正常运行，以及运行的稳定性。

本发明实施例可以根据上述方法示例对电子设备或主控设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

图6为本申请一个实施例提供电气测试台架的结构示意图。包括：控制装置60、多个传感器、高性能计算平台66，其中，

控制装置60，用于分别对多个传感器进行通讯测试，以获取传感器通讯测试的测试结果；

控制装置60，还用于分别向高性能计算平台66发送故障测试信息和仿真测试信息，以供高性能计算平台66进行故障测试和仿真通讯测试，并获取高性能计算平台66根据故障测试信息生成的故障结果信息，并根据仿真测试信息生成的仿真结果信息；

控制装置60，还用于分别向高性能计算平台66发送通信测试信息以供系统级芯片和微控制器进行通讯测试，并分别获取系统级芯片和微控制器对应的通信结果信息；

控制装置60，还用于依次发送已训练的感知算法模型、融合算法模型和规划控制算法模型至高性能计算平台66并触发其部署运行，并依次获取感知算法模型、融合算法模型和规划控制算法模型的运行结果信息；

控制装置60，还用于分别将测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息进行可视化呈现，以实现通过测试结果、故障结果信息、仿真结果信息、通信结果信息和运行结果信息的可视化呈现，确定电气测试台架能否正常工作的判断以及器件和/或连接问题的诊断。

进一步的，还包括：BOB故障测试盒65；其中，多个传感器均与高性能计算平台66连接；BOB故障测试盒65串联在多个传感器和高性能计算平台66之间；

控制装置60具体用于：通过BOB故障测试盒65向高性能计算平台66发送包含至少一个传感器在故障时的故障测试信息；

获取高性能计算平台66根据包含至少一个传感器在故障时的故障测试信息生成的故障结果信息；故障结果信息反应的是高性能计算平台66能否正确识别传感器故障。

进一步的，还包括：测试设备；测试设备分别与多个传感器和高性能计算平台66连接；

控制装置60具体用于：通过测试设备向高性能计算平台66发送通信测试信息，以供高性能计算平台66触发内部系统级芯片和微控制器进行通讯测试；

获取系统级芯片根据通信测试信息生成的待发送SOC结果信息和微控制器接收由系统级芯片发送的待处理SOC结果信息；以及

获取微控制器根据通信测试信息生成的待发送MCU结果信息和系统级芯片接收由微控制器发送的待处理MCU结果信息。

进一步的，传感器包括摄像头63、激光雷达64、毫米波雷达61和组合惯导62；其中，摄像头63通过GMSL线与高性能计算平台66连接，激光雷达64通过以太网与高性能计算平台66连接，毫米波雷达61和组合惯导62均通过CAN线与高性能计算平台66连接；具体的，BOB故障测试盒65两端通过GMSL同轴电缆、车载以太网同轴电缆、CAN总线分别连接传感器和高性能计算平台66，其中GMSL同轴电缆、车载以太网同轴电缆需要定制同轴信号(例如，Fachkreis Automobil，简称：Fakra)连接器，来适配摄像头63、激光雷达64与高性能计算平台66的接口。

控制装置60具体用于：通过以太网获取摄像头63和激光雷达64的采集信息，以及通过CAN线获取毫米波雷达61和组合惯导62的采集信息，以基于采集信息，生成测试结果。

其中，摄像头63是自动驾驶系统中常用的传感器之一。能够捕捉到图像和视频，提供视觉信息。摄像头63可以识别道路标志、交通信号、行人、其他车辆等各种道路元素，帮助自动驾驶系统理解交通环境。通过图像处理和计算机视觉算法，摄像头63可以实现目标检测、车道识别、障碍物检测等功能，为自动驾驶车辆提供精准的感知数据。激光雷达64(Light Detection and Ranging)是一种使用激光束测量距离、速度和方向的传感器。激光雷达64通过发射激光束并测量它们返回的时间来确定周围物体的距离。这种高精度的测量使得激光雷达64在制图、障碍物避免和定位方面非常有用。可以检测到车辆周围的物体，包括静止的和移动的障碍物，为自动驾驶系统提供了重要的空间信息。毫米波雷达61是一种运用毫米波频段进行探测的雷达系统。相比于普通雷达，毫米波雷达61具有更高的分辨率，能够在恶劣天气条件下工作，并且对于车辆周围的目标能够提供更为详细的信息。毫米波雷达61常用于短距离障碍物检测和自动驾驶车辆的自主停车系统。组合惯导62系统是一种结合了加速度计、陀螺仪和磁力计等传感器的导航系统。通过测量车辆的加速度、角速度和磁场信息，组合惯导62系统可以实现高精度的车辆定位和姿态估计。可以弥补GPS在城市峡谷等环境中可能出现的定位误差，保证车辆的精准导航和定位。

进一步的，测试设备包括以太网测试装置68和CAN测试装置67；其中，太网测试装置和CAN测试装置67分别与高性能计算平台66连接，CAN测试装置67分别与毫米波雷达61和组合惯导62连接；

控制装置60具体用于：分别通过以太网测试装置68和CAN测试装置67向高性能计算平台66发送通信测试信息，以供高性能计算平台66触发内部系统级芯片和微控制器进行通讯测试；

分别获取以太网测试装置68和CAN测试装置67对应的系统级芯片根据通信测试信息生成的待发送SOC结果信息和微控制器接收由系统级芯片发送的待处理SOC结果信息；以及

分别获取以太网测试装置68和CAN测试装置67对应的微控制器根据通信测试信息生成的待发送MCU结果信息和系统级芯片接收由微控制器发送的待处理MCU结果信息。

进一步的，还包括供电模块，供电模块分别为多个传感器、BOB故障测试盒65、高性能计算平台66、控制装置60和测试设备供电。具体的，供电模块有两路24V电压输出，一路定义为KL30，另一路定义为KL15，两路输出可以单独控制；系统的供电线束需根据高性能计算平台66、激光雷达64、毫米波雷达61、组合惯导62等设备的最大电流选择适合的线缆，接通后以上供电的高性能计算平台66、传感器能正常工作。

本实施例提供的电子设备，可执行上述实施例的方法，其实现原理和技术效果类似，本实施例此处不再赘述。

在前述的具体实现中，各模块可以被实现为处理器，处理器可以执行存储器中存储的计算机执行指令，使得处理器执行上述方法。

图7为本申请一个实施例提供的电子设备的结构示意图。如图7所示，该电子设备70包括：至少一个处理器701和存储器702。该电子设备70还包括通信部件703。其中，处理器701、存储器702以及通信部件703通过总线704连接。

在具体实现过程中，至少一个处理器701执行存储器702存储的计算机执行指令，使得至少一个处理器701执行如上电子设备侧所执行的上述方法。

处理器701的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

在上述实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。

总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述针对电子设备以及主控设备所实现的功能，对本发明实施例提供的方案进行了介绍。可以理解的是，电子设备或主控设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，本发明实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本发明实施例的技术方案的范围。

本申请还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上测试方法。

上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于电子设备或主控设备中。

本申请还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。