一种基于VTD的ADB智能车灯SIL测试系统

技术领域

本发明属于智能驾驶技术领域，尤其涉及一种基于VTD的ADB智能车灯SIL测试系统。

背景技术

汽车行业的智能化蓬勃发展，担任着照明道路重任的车灯，正在从基础的功能化照明发展为智能化的视觉交互系统。ADB(Adaptive Driving Beam)自适应前照灯功能作为智能车灯中的重要部分，可以提升车辆在低光照条件下的夜间行车安全性以及智能性。目前，ADB自适应前照灯多与图像处理器结合，通过对车辆周围环境的交通参与者的感知与分析，进而动态调整车灯的投射光型。

目前，对ADB的测试主要为实际测试，其中，多为实验室暗室环境下针对车灯发光强度的配光测试，以及ADB装配实车的真实道路测试。针对ADB智能车灯的调节方法装置方面，现有技术ADB大灯亮度和光区自适应调节方法及装置中，ADB大灯亮度和光区自适应调节方法在ADB激活时，先点亮中心光区，再往两侧依次点亮其他光区,使各个分区叠加环境光后光照强度基本保持一致；若某个光区处于关闭状态，则跳过该光区，点亮下一个处于开启状态的光区,并进行不同环境光下亮度的自适应调节，可以有效解决ADB光叠加不同环境光后照度不一致的问题。

但是目前针对ADB的模拟仿真测试仍有空缺，ADB技术的验证通常需要昂贵且耗费时间的实路测试，然而传统的路试测试以及实验室验证等手段会受到地理位置以及气候条件的限制，往往不能全面覆盖各种复杂道路环境。为此我们提出一种基于VTD的ADB智能车灯SIL测试系统。

发明内容

本发明的目的在于提供一种基于VTD的ADB智能车灯SIL测试系统，旨在解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于VTD的ADB智能车灯SIL测试系统，包括：

VTD仿真平台，用于对ADB智能车灯的自适应远近光路况、高速路况、坡度路况以及弯道路况进行虚拟测试场景的搭建，所述VTD仿真平台包括场景库、摄像头传感器、光机模型、驾驶员模型、本车模型以及雷达传感器模块；

上位机系统，用于通过与VTD仿真平台配合的方式对ADB智能车灯进行自动化测试，所述上位机系统包括CANoe平台、DYNA4动力学平台以及vTESTstudio自动化测试模块；

所述DYNA4动力学平台包括当前帧状态、动力学计算以及下帧状态；

所述vTESTstudio自动化测试模块包括自动化流程执行模块；

所述CANoe平台包括：

IO模块、VTD传感器感知信息、VTD摄像头采集画面、VTD传感器原始数据、驾驶员信息、车辆位姿信息、ADB控制器SIL逻辑模块和光型输出；

所述IO模块用于接收VTD仿真平台中发送到CANoe平台的信息，IO模块通过对VTD仿真平台输入信息的拆包解析，得到VTD传感器感知信息、VTD摄像头采集画面、VTD传感器原始数据、驾驶员信息以及车辆位姿信息；

所述IO模块与光型输出通讯连接；

所述ADB控制器SIL逻辑模块用于对VTD传感器感知信息、VTD摄像头采集画面以及VTD传感器原始数据进行判断，并在判断后将光型输出信息输入到IO模块中向VTD仿真平台进行输出；

所述IO模块与DYNA4动力学平台通讯连接，用于获取高精度的DYNA4动力学信息；

所述IO模块与vTESTstudio自动化测试模块中的自动化流程执行模块通讯连接，用于完成ADB智能车灯的自动化测试。

进一步的，所述ADB控制器SIL逻辑模块包括三种测试模式：

当输入为VTD传感器感知信息时，将VTD仿真平台探测到的物体信息直接发送到ADB智能车灯SIL逻辑模块中，直接将VTD传感器识别分割出来的车辆和行人的相对位置以及相对速度信息发送至ADB控制器；

当输入为VTD摄像头采集画面时，将VTD仿真平台采集到的画面直接注入到ADB智能车灯SIL逻辑模块中，ADB智能车灯SIL逻辑模块通过针对视觉的算法先进行物体的识别，再进行光型输出的判断；

当输入为VTD传感器原始数据以及VTD摄像头采集画面，将VTD仿真平台采集到的原始数据输入到ADB智能车灯SIL逻辑模块中进行车辆周围环境的感知，ADB智能车灯SIL逻辑模块将感知后的交通参与者的信息进一步传输到灯光逻辑中，最后输出下一帧的车灯光型输出。

进一步的，所述场景库包括自适应远近光路况、高速路况、坡度路况以及弯路路况专用场景库。

进一步的，所述摄像头传感器用于为上位机系统中的ADB控制器SIL逻辑模块提供仿真画面，并用于测试ADB控制器的视觉识别逻辑。

进一步的，所述光机模型用于在接收ADB控制器SIL逻辑模块的光型输出后投射出相对应的灯光。

进一步的，所述驾驶员模型用于通过对道路的分析对车辆进行相应的转向、变道以及加速动作。

进一步的，所述本车模型用于对实车进行仿真建模并提供车辆信息。

进一步的，所述雷达传感器用于对探测信息进行拆解并将探测信息发送到上位机系统的ADB控制器SIL逻辑模块中，用于测试分析ADB智能车灯的逻辑。

进一步的，所述DYNA4动力学平台还包括当前帧状态和动力学计算，所述当前帧状态用于接收驾驶员信息以及车辆位姿信息，所述动力学计算用于对车辆模型的下一帧位姿信息进行动力学计算，并将计算得到的信息通过下帧状态传输到IO模块中进行通讯。

进一步的，所述vTESTstudio自动化测试模块还包括ADB测试编写、源文件、执行日志和测试报告模块。

与现有技术相比，本发明的有益效果是：

1、本发明中VTD模拟仿真平台涵盖了广泛多样的路况与环境变化，从不同坡度的道路到多种气候条件(雨天、雪天、晴天、阴天等)，甚至能够模拟搭建立交桥等复杂道路交通情境。这一丰富的场景模拟能力，可以全面评估ADB技术在各种道路下的表现，能够满足各种复杂交通环境下ADB智能车灯的验证需求。

2、本发明通过搭建基于VTD的ADB测试仿真环境，确保了测试的安全性，避免了对实验人员和环境的潜在风险，在进行高速行驶、雨雪湿滑路况等极限测试时具有显著的安全优势。

3、本发明与传统的实地路试相比，VTD仿真平台具有显著的成本优势，并且搭建完成的VTD虚拟场景可以重复使用，能够在更低的经济成本下模拟各种复杂路况和情景。

4、本发明使用VTD模拟仿真平台进行ADB灯光测试，能够让测试场景准确复现，包括天气、道路坡度和交通状况等参数的确认；能够实现1：1级别的完全复现，有助于高度准确地评估ADB大灯在不同情境下的性能。使用VTD模拟仿真测试ADB技术为开发团队提供了高效可控的测试平台，有利于ADB智能车灯的开发与测试。

5、本发明基于VTD仿真平台搭建SIL测试，ADB功能的逻辑可通过CANoe软件进行快速的搭建以及迭代，有利于缩短ADB功能测试与验证的开发周期。

6、本发明在使用基于VTD模拟仿真平台搭建的SIL测试时，可以使用vTESTstudio自动化测试软件对ADB大灯的功能进行测试，无需人工介入，节省人力，在测试后可以自动生成各种虚拟场景下的ADB功能的测试评分与测试原始数据。

附图说明

图1为本发明的结构示意图。

图2为本发明的VTD仿真平台中场景库的示意图。

图3为本发明通过车辆坐标系对场景库进行阐明的示意图。

图4为本发明ADB防眩光功能示意图。

图5为本发明自适应远近光路况-静态场景中的车辆布置示意图。

图6为本发明高速路况测试场景示意图。

图7为本发明坡度路况下ADB车灯优化车灯照射倾斜角度的示意图。

图8为本发明弯道路况测试场景示意图。

图9为本发明弯道路况-弯路偏移路况测试场景示意图。

图10为本发明弯道路况-弯路遮挡路况测试场景示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现进行详细描述。

如图1和图2所示，为本发明一个实施例提供的一种基于VTD的ADB智能车灯SIL测试系统，包括：

VTD仿真平台，用于对ADB智能车灯的自适应远近光路况、高速路况、坡度路况以及弯道路况进行虚拟测试场景的搭建，VTD仿真平台包括场景库、摄像头传感器、光机模型、驾驶员模型、本车模型以及雷达传感器模块；

上位机系统，用于通过与VTD仿真平台配合的方式对ADB智能车灯进行自动化测试，上位机系统包括CANoe平台、DYNA4动力学平台以及vTESTstudio自动化测试模块；

所述DYNA4动力学平台包括当前帧状态、动力学计算以及下帧状态；

所述vTESTstudio自动化测试模块包括自动化流程执行模块；

所述CANoe平台包括：

IO模块、VTD传感器感知信息、VTD摄像头采集画面、VTD传感器原始数据、驾驶员信息、车辆位姿信息、ADB控制器SIL逻辑模块和光型输出；

所述IO模块用于接收VTD仿真平台中发送到CANoe平台的信息，IO模块通过对VTD仿真平台输入信息的拆包解析，得到VTD传感器感知信息、VTD摄像头采集画面、VTD传感器原始数据、驾驶员信息以及车辆位姿信息；

所述IO模块与光型输出通讯连接；

所述ADB控制器SIL逻辑模块用于对VTD传感器感知信息、VTD摄像头采集画面以及VTD传感器原始数据进行判断，并在判断后将光型输出信息输入到IO模块中向VTD仿真平台进行输出；

所述IO模块与DYNA4动力学平台中的下帧状态通讯连接，用于获取高精度的DYNA4动力学信息；

所述IO模块与vTESTstudio自动化测试模块中的自动化流程执行模块通讯连接，用于完成ADB智能车灯的自动化测试。

在本发明实施例中，优选的，VTD仿真平台搭建于Ubuntu操作系统下。ADB控制器SIL逻辑模块是基于CANoe平台所搭建的纯软件层面的ADB控制器逻辑模块，接收VTD仿真模拟平台中的数据进行判断。

作为本发明的一种优选实施例，所述ADB控制器SIL逻辑模块包括三种测试模式：

当输入为VTD传感器感知信息时，将VTD仿真平台探测到的物体信息直接发送到ADB智能车灯SIL逻辑模块中，不需要ADB控制器进行画面的识别分析，直接将VTD传感器识别分割出来的车辆和行人的相对位置以及相对速度信息发送至ADB控制器；

当输入为VTD摄像头采集画面时，将VTD仿真平台采集到的画面直接注入到ADB智能车灯SIL逻辑模块中，ADB智能车灯SIL逻辑模块通过针对视觉的算法先进行物体的识别，再进行光型输出的判断；

当输入为VTD传感器原始数据以及VTD摄像头采集画面，将VTD仿真平台采集到的原始数据输入到ADB智能车灯SIL逻辑模块中进行车辆周围环境的感知，ADB智能车灯SIL逻辑模块将感知后的交通参与者的信息进一步传输到灯光逻辑中，最后输出下一帧的车灯光型输出。

如图2所示，作为本发明的一种优选实施例，所述场景库包括自适应远近光路况、高速路况、坡度路况以及弯路路况等针对ADB智能车灯测试设计的专用场景库。

如图1所示，作为本发明的一种优选实施例，所述摄像头传感器用于为上位机系统中的ADB控制器SIL逻辑模块提供仿真画面，并用于测试ADB控制器的视觉识别逻辑。

在本发明实施例中，优选的，摄像头传感器为依照现实物理世界中车辆使用的摄像头而搭建的仿真摄像头。

如图1所示，作为本发明的一种优选实施例，所述光机模型用于在接收ADB控制器SIL逻辑模块的光型输出后投射出相对应的灯光。

在本发明实施例中，优选的，光机模型为根据被测ADB控制器系统的灯光配置而搭建的仿真模型。

如图1所示，作为本发明的一种优选实施例，所述驾驶员模型用于通过对道路的分析对车辆进行相应的转向、变道以及加速动作。

在本发明实施例中，优选的，驾驶员模型为VTD仿真平台中的驾驶员。

如图1所示，作为本发明的一种优选实施例，所述本车模型用于对实车进行仿真建模并提供车辆信息。

在本发明实施例中，优选的，本车模型为VTD仿真平台中对实车的仿真建模，针对搭载ADB智能车灯的车型进行3D建模并导入VTD仿真平台中，如ADB智能车灯的搭载车型因保密等原因不可建模，本发明在保证光机模型的准确为前提，使用VTD仿真平台中相近的车型进行等效替换。在本车模型中，也包含VTD仿真平台中车辆的车速、车身俯仰角以及车辆坐标等车辆的信息。

如图1所示，作为本发明的一种优选实施例，所述雷达传感器用于对探测信息进行拆解并将探测信息发送到上位机系统的ADB控制器SIL逻辑模块中，用于测试分析ADB智能车灯的逻辑。

在本发明实施例中，优选的，雷达传感器为VTD仿真平台中对实车上雷达传感器的仿真模型，雷达传感器可以自由设定FOV、探测距离以及安装位置等详细参数。在VTD仿真平台中可以对探测到的车辆、行人、自行车以及车道线等信息进行拆解，并发送到ADB控制器SIL逻辑模块中，对ADB智能车灯的逻辑进行测试分析。

如图1所示，作为本发明的一种优选实施例，所述DYNA4动力学平台还包括当前帧状态、动力学计算以及下帧状态，所述当前帧状态用于接收驾驶员信息以及车辆位姿信息，所述动力学计算用于对车辆模型的下一帧位姿信息进行精准的动力学计算，并将计算得到的信息通过下帧状态传输到IO模块中进行通讯。

如图1所示，作为本发明的一种优选实施例，所述vTESTstudio自动化测试模块还包括ADB测试编写、源文件、执行日志和测试报告模块。

在本发明实施例中，优选的，vTESTstudio自动化测试平台为系统提供自动化测试功能，基于对ADB智能车灯测试场景的动态交通的设计，搭建ADB智能车灯测试的自动化流程，并通过与IO模块之间的通讯，完成对ADB智能车灯的自动化测试执行，以及对VTD仿真平台测试过程的视频录制、测试用例原始数据的存储、执行报告以及自动化测试报告的生成。

本发明基于VTD仿真平台，对ADB智能车灯的自适应远近光路况、高速路况、坡度路况以及弯道路况进行虚拟测试场景的搭建，基于CANoe平台对ADB功能逻辑进行软件层面的搭建，使用DYNA4对车辆进行动力学的仿真模拟，形成针对ADB的SIL(software in theloop)测试闭环，可以快速的验证ADB算法逻辑在压力测试下的性能表现，并可对测试场景进行参数化的调整，可以有效缩短ADB的研发周期。

实施例1、本发明一个实施例提供的一种基于VTD的ADB智能车灯SIL测试系统中使用基于VTD仿真平台对场景库进行搭建，针对ADB功能共设计1048条测试场景库，其中包括自适应远近光路况、高速路况、坡度路况以及弯道路况，如图2所示。

针对ADB功能搭建的场景库说明中，以车辆坐标系进行阐明，坐标原点在车辆后轮的连线中点处，且与地面保持同一高度，如图3所示。

1.1、自适应远近光路况，可参见图4，左图为普通车灯无防眩光功能，右图为开启ADB防眩光功能时，关闭影响前方车辆视线区域的灯光。

ADB前照灯在功能激活时，会根据车辆采集到的周围环境光、车速感知以及摄像头图像等信息对车灯进行远近光的切换。在车辆行驶的过程中，如车辆感知到光线变暗(阴雨天气、进入隧道、驶入光线不足的匝道情形等)，ADB前照灯会自动开启，并根据路况切换远近光，以及根据场景触发防眩光功能。针对上述功能，自适应远近光路况测试场景中设计为静态灯光基础工况、静态车辆遮挡工况、动态匀速遮挡工况以及动态加减速遮挡工况，共100条场景库，详细分类见表1和表2。

自适应远近光路况-静态场景(参见图5)针对ADB灯光功能的激活以及特征位置车辆遮挡下的ADB防眩光功能激活而设计，包含：S01、环境亮暗切换ADB灯光功能激活测试场景；S02、近距离五车道遮挡车辆下的ADB防眩光功能激活测试场景；S03、中距离五车道遮挡车辆下的ADB防眩光功能激活测试场景；S04、远距离五车道遮挡车辆下的ADB防眩光功能激活测试场景。

其中S02、S03和S04为同向五车道路况，设计行车道宽度为3.75m，而车道线依照法律法规，行车道宽度为3.75m至4.0m间，根据测试车辆的宽度可更改道路宽度，从而泛化场景库。自适应远近光路况-静态场景的仿真时间从6：00到23：00为单次循环，时间跳变间隔为0.5hour，每次跳变间隔3s，每个场景的仿真时间从6：00到23：00共设置三次循环。测试输出为：本车驾驶员视角、测试车辆后视镜视角和本车跟随俯视视角(测试过程视频录制)；自动化执行日志；ADB智能灯光测试报告。

表1自适应远近光路况-静态场景

在自适应远近光路况-动态场景中，设定D01、D02、D03、D04和D05，分别为匀速接近正前方车辆、左二车道前方车辆、左一车道前方车辆、右一车道前方车辆和右二车道前方车辆ADB防眩光功能激活测试；设定D06、D07、D08和D09，分别为加减速接近左二车道前方车辆、左一车道前方车辆、右一车道前方车辆和右二车道前方车辆ADB防眩光功能激活测试。

在自适应远近光路况-动态场景中，测试场景中的起始仿真时间设定为夜晚20：00时刻，保证车辆的灯光处于开启状态。其中测试输出为：本车驾驶员视角、本车跟随俯视视角、D01-D05场景中测试车辆后视镜视角和D06-D09场景中监视本车灯光视角(测试过程视频录制)；自动化执行日志；ADB智能灯光测试报告。

表2自适应远近光路况-动态场景

1.2、高速路况，可参见图6，左图为未激发ADB高速模式的灯光范围示意图，右图为激发ADB高速模式后灯光范围示意图。

在高速路况测试场景中，主要针对ADB功能在高速行驶的工况下，前照灯会将光线聚拢，以对前方的光照强度进行增强的功能，方便驾驶员在高速运动时更好的观察路况。另一方面，高速路况中设置了高速行驶中有其他交通参与者时的防眩目功能测试场景。参见表3。

在高速路况中，设定D01、D02、D03、D04和D05，分别为针对高速工况下匀速接近正前方车辆、左二车道前方车辆、左一车道前方车辆、右一车道前方车辆和右二车道前方车辆的测试场景；设定D06、D07、D08和D09，分别为针对高速工况下加减速接近左二车道前方车辆、左一车道前方车辆、右一车道前方车辆和右二车道前方车辆的测试场景。

测试场景中的起始仿真时间设定为夜晚20：00时刻，保证车灯开启状态。其中高速路况的测试输出与自适应远近光路况-动态场景的测试输出相同。

表3高速路况场景

/>

/>

1.3、坡度路况，可参见图7。

ADB前照灯在坡路行驶时，会根据车身的倾斜角度去调节车灯的照射范围，以改善车辆上坡时车灯无法照亮地面以及下坡时灯光无法照明远处道路的情形，从而提升车辆在坡度路面上的夜晚安全系数。坡度路况分为上坡工况、下坡工况以及加减速工况。在坡度路况中，测试场景中的起始仿真时间设定为夜晚20：00时刻，保证车灯开启状态。

其中测试输出为：本车驾驶员视角；U01-U12场景中监视本车灯光视角；U01-U12本车跟随俯视视角；U07-U12场景中测试车辆后视镜视角；D01-D12场景中监视本车灯光视角；D01-D12本车跟随俯视视角；D07-D12场景中测试车辆后视镜视角；A01-A12场景中监视本车灯光视角；A01-A12本车跟随俯视视角；A07-A12场景中测试车辆后视镜视角，以上测试过程视频录制；自动化执行日志；ADB智能灯光测试报告。

在坡度路况-上坡工况中，U01-U06分别为1°到15°上坡路况本车10km/h、20km/h、30km/h、40km/h、50km/h和60km/h匀速爬坡的测试场景。U07-U12分别为1°到15°上坡路况本车10km/h、20km/h、30km/h、40km/h、50km/h和60km/h匀速爬坡防眩光的测试场景。参见表4。

表4坡度路况-上坡工况场景

/>

/>

在坡度路况-下坡工况中，D01-D06分别为1°到15°下坡路况本车10km/h、20km/h、30km/h、40km/h、50km/h和60km/h匀速爬坡的测试场景。D07-D12分别为1°到15°下坡路况本车10km/h、20km/h、30km/h、40km/h、50km/h和60km/h匀速爬坡防眩光的测试场景。参见表5。

表5坡度路况-下坡工况场景

/>

在坡度路况-加减速工况中，A01-A06分别为1°到15°上下坡路况本车加减速1m/s

表6坡度路况-加减速工况场景

/>

1.4、弯道路况，可参见图8，左图为未激发ADB弯道模式的灯光范围，灯光照亮车辆的正前方。右图为激发ADB弯道模式后的灯光范围，灯光向前行弯道方向倾斜。

ADB智能灯具有弯道照明功能(弯道辅助照明)，车辆在经过弯道时，车灯只能照亮前方的道路，而转弯指向的弯道具有照射盲区，在车辆的传感器感知到车辆进行转弯时，ADB智能灯会调整照明的范围，优化照射盲区，提升车辆在环境光不足时的行车安全性。

在弯道路况中，分为弯路偏移工况以及弯路遮挡工况两大类场景库。

弯道路况根据实际的城市道路交叉路口的现状进行场景库搭建，现实中的主干道道路转弯半径为20m至30m区间，次干道的转弯半径为15m至20m区间，非主次道路的道路转弯半径为10m至20米区间。弯道路况测试场景库中搭建转弯半径10m到30m间的转弯道路用于ADB功能的测试。在弯道路况中，测试场景中的起始仿真时间设定为夜晚20：00时刻，保证车灯开启状态。测试输出为：本车驾驶员视角；C01-C11场景中监视本车灯光视角；C01-C11本车跟随俯视视角；O01-O11场景中监视本车灯光视角；O01-O11本车跟随俯视视角；O01-O11遮挡测试车辆视角，以上测试过程视频录制；自动化执行日志；ADB智能灯光测试报告。

在弯路偏移工况中(参见图9)，C01-C11分别为转弯半径10m、12m、14m、16m、18m、20m、22m、24m、26m、28m和30m的匀速弯道测试场景。参见表7。

表6弯道路况-弯路偏移工况场景

/>

在弯路遮挡工况(参见图10)中，O01-O11分别为转弯半径10m、12m、14m、16m、18m、20m、22m、24m、26m、28m和30m的匀速弯道防眩光测试场景。参见表8。

表8弯道路况-弯路遮挡工况场景

/>

以上仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些均不会影响本发明实施的效果和专利的实用性。