在环测试方法及装置

技术领域

本申请涉及车辆测试技术领域，特别是涉及一种在环测试方法及装置。

背景技术

传统的矿区运输过程存在生产效率低下、安全隐患较大、劳动力日渐稀缺且成本升高等诸多问题，需要通过引入无人驾驶技术解决行业问题。而在自动驾驶行业中，智能驾驶硬件在环测试系统已经广泛地应用于智驾域控制器及相关算法的开发测试阶段，成为其中最为行之有效的测试手段之一。

在矿区这样的特殊环境中，实际场地测试更是困难重重，无法满足快速迭代和验证的需求，而传统的实车测试存在一系列挑战，其中包括时间成本高、设备成本昂贵、安全风险等问题，这显著影响了测试效率，从而导致测试效率较低。

发明内容

本申请提供的一种在环测试方法及装置，能够提高测试的效率。

第一方面，本申请实施例提供一种在环测试方法，应用于仿真测试系统，仿真测试系统包括场景仿真平台、车辆动力学模型、整车控制器、待测智驾控制器和智驾云平台，方法包括：

通过场景仿真平台构建仿真场景，仿真场景包括模拟车辆；

通过待测智驾控制器基于仿真场景，生成车辆动力学模型的目标控制策略；

通过整车控制器，按照目标控制策略控制车辆动力学模型进行运动，得到车辆动力学模型运动后的目标坐标，目标坐标用于指示车辆动力学模型在仿真场景中的位置；

通过场景仿真平台，基于目标坐标调整模拟车辆在仿真场景中的位置；

通过智驾云平台对待测智驾控制器生成控制策略的过程进行监测，得到监测结果。

第二方面，本申请提供一种在环测试装置，应用于仿真测试系统，仿真测试系统包括场景仿真平台、车辆动力学模型、整车控制器、待测智驾控制器和智驾云平台，该装置包括：

搭建模块，用于通过所述场景仿真平台构建仿真场景；

生成模块，用于通过所述待测智驾控制器基于所述仿真场景，生成所述车辆动力学模型的目标控制策略；

控制模块，用于通过所述整车控制器，按照所述目标控制策略控制所述车辆动力学模型进行运动，得到所述车辆动力学模型运动后的目标坐标，所述目标坐标用于指示所述车辆动力学模型在所述仿真场景中的位置；

调整模块，用于通过所述场景仿真平台，基于所述目标坐标调整所述模拟车辆在所述仿真场景中的位置；

监测模块，用于对所述待测智驾控制器生成控制策略的过程进行监测，得到监测结果。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；

处理器执行计算机程序指令时实现如第一方面中任意一个实施例中的在环测试方法。

第四方面，本申请实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面中任意一个实施例中的在环测试方法。

第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行实现如上述第一方面中任意一个实施例中的在环测试方法。

在本申请实施例提供的一种在环测试方法及装置中，通过场景仿真平台构建仿真场景，仿真场景包括模拟车辆；通过待测智驾控制器基于仿真场景，生成车辆动力学模型的目标控制策略；通过整车控制器，按照目标控制策略控制车辆动力学模型进行运动，得到车辆动力学模型运动后的目标坐标，目标坐标用于指示车辆动力学模型在仿真场景中的位置；通过场景仿真平台，基于目标坐标调整模拟车辆在仿真场景中的位置；通过智驾云平台对待测智驾控制器生成控制策略的过程进行监测，得到监测结果。上述方式通过对仿真场景、车辆动力学模型、整车控制器进行仿真，与待测智驾控制器及智驾云平台形成完整的控制逻辑和功能链路上的闭环，从而提高测试的效率。通过智驾云平台，实现对待测智驾控制器生成控制策略过程的实时监测。这种远程监测能够提供实时反馈，帮助测试人员及时发现问题并进行调整，有效节省了测试时间，从而提高了测试的效率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请一个实施例提供的在环测试方法的流程示意图；

图2是本申请一个实施例提供的一种无人驾驶仿真测试系统的结构示意图；

图3是本申请实施例提供的一种在环测试装置的结构示意图；

图4是本申请实施例提供的电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

在自动驾驶行业中，智能驾驶硬件在环测试系统已经广泛地应用于智驾域控制器及相关算法的开发测试阶段，成为其中最为行之有效的测试手段之一。测试系统为智驾域控制器提供一整套完善的虚拟测试环境，包括道路交通仿真场景、车辆动力学模型、仿真传感器信号、虚拟控制器模型、硬线输入/输出(Input/Output，IO)信号等等关键要素。同时，测试系统并对外提供统一的操作界面及接口，支持手动及自动化的测试实施。

传统的矿区运输过程存在生产效率低下、安全隐患较大、劳动力日渐稀缺且成本升高等诸多问题，需要通过引入无人驾驶技术解决行业问题。目前在刚需推动下，矿区无人驾驶行业即将进入落地阶段，对测试验证过程有了更严格的要求。出于对时间成本、设备成本、安全性等等考量，在无人运输全流程达到较高可靠性前，实车测试开展存在诸多困难，更加依赖仿真测试手段。

目前常规的智能驾驶硬件在环测试系统主要是针对L3级及以下的结构化道路智能驾驶场景，对L4级的非结构化道路智驾驾驶场景缺少支持：一方面缺少对非结构化道路的仿真能力，难以还原车辆在非结构化路况中的动力学特性；另一方面，缺少与L4级矿区智驾中关键的云端进行数据交互能力。此外，L4级智驾系统中的整车控制器，在自动驾驶状态切换和故障识别上报方面的功能复杂度相较与L3级及以下大幅提高了，对硬件在环仿真系统中的虚拟整车控制器模型的完备程度提出了更高的要求。

为了解决现有技术问题，本申请实施例提供了一种在环测试方法及装置。下面首先对本申请实施例所提供的在环测试方法进行介绍。

图1示出了本申请一个实施例提供的在环测试方法的流程示意图。如图1所示，该方法应用于仿真测试系统，仿真测试系统包括场景仿真平台、车辆动力学模型、整车控制器、待测智驾控制器和智驾云平台，该方法具体可以包括如下步骤：

S100，通过场景仿真平台构建仿真场景，仿真场景包括模拟车辆。

可选地，在本申请实施例中，场景仿真平台主要集成了场景仿真器及传感器模型，场景仿真平台用于模拟运行非结构化道路条件的道路场景，即在传统的场景仿真之上提供车轮触点高程查询接口：接收由主车(即车辆动力学模型)当前时刻四轮与地面接触点(简称车轮触点)的XY坐标作为输入，输出车轮触点在当前非结构化道路上对应的地面高度值(简称车轮触点高程，即高程信息)，供后续车辆动力学模型使用；同时，集成了包括激光雷达、毫米波雷达、超声波雷达、组合惯导系统等传感器模型，作为场景信息及传感器信息数据源，提供行驶场景中激光雷达的点云数据、毫米波雷达的目标检测和跟踪的信息。其中，目标检测和跟踪的信息包括检测到的物体的位置、速度、尺寸和反射率等数据。

可选地，在本申请一种可能的实现方式中，构建非结构化道路的仿真环境具体可以采用地图数据或自定义设计道路的形状。确保该非结构化道路是不规则、多变的，以便模拟车辆在各种道路条件下的行驶情况。并且对于非结构道路的每个坐标点，添加高程信息，这表示每个点到某个预设平面的垂直距离。高程信息用于模拟道路的高低起伏和地形特征，使模拟更真实。在仿真场景中添加模拟车辆模型，包括车身、车轮等。这些模型将代表实际车辆，以便进行仿真测试。在模拟车辆上添加传感器模型，如激光雷达、毫米波雷达、超声波雷达等，以模拟车辆上搭载的传感器。这些模型将产生传感器数据，以反映车辆在仿真场景中的环境状态。通过这些步骤，可以构建一个完整的仿真场景，其中非结构化道路和模拟车辆以及它们的高程信息将协同工作，以提供准确的环境模拟，用于测试智驾控制器和相关算法的性能。有助于模拟复杂多变的道路条件，以改善测试的准确度和仿真的真实性。

S200，通过待测智驾控制器基于仿真场景，生成车辆动力学模型的目标控制策略。

可选地，在本申请实施例中，待测智驾控制器是指在自动驾驶系统的开发和测试中需要经过验证和测试的控制器部分。在测试过程中，待测智驾控制器会经历各种场景和情况，以验证其安全性、稳定性和性能。车辆动力学模型用于描述车辆的运动和动力学特性。该模型考虑了车辆的质量、惯性、轮胎特性、发动机性能等因素，以预测车辆在不同驾驶条件下的行为。

可选地，在本申请一种可行的实现方式中，待测智驾控制器首先通过仿真场景获取仿真场景的环境数据，这些环境数据模拟了真实驾驶场景中的各种信息，例如道路、障碍物、交通标志等。待测智驾控制器对仿真场景中的环境数据进行处理和融合。这可能包括目标检测、障碍物跟踪、环境建模等算法，以获取对当前环境更准确的认知。随后基于对场景的感知，待测智驾控制器使用决策和规划算法生成车辆动力学模型的目标控制策略。这包括了对车辆如何行驶、何时变道、何时刹车等决策。这一阶段通常涉及到路径规划、速度规划、车道保持等决策任务。目标控制策略是一组控制指令，指导车辆动力学模型如何在仿真场景中行驶，以实现特定的任务或达到特定的目标。这些控制指令可以包括加速、刹车、转向等动作，以确保车辆动力学模型在仿真场景中按照所需的路径和速度行驶。

S300，通过整车控制器，按照目标控制策略控制车辆动力学模型进行运动，得到车辆动力学模型运动后的目标坐标，目标坐标用于指示车辆动力学模型在仿真场景中的位置。

可选地，在本申请实施例中，整车控制器负责协调和控制车辆上的各种子系统和组件，以确保车辆的正常运行和性能。在本申请实施例中，整车控制器模拟了实际车辆上的整车控制器，包括控制逻辑、传感器接口、通信协议、反馈机制等。虚拟整车控制器可以在没有实际车辆的情况下，通过仿真环境来验证、开发和测试整车控制系统的性能和功能。

可选地，在本申请一种可能的实现方式中，通过整车控制器，接收到有关所需车辆行为的目标信息和策略(即目标控制策略)。这些信息可以包括车辆的预期位置、速度、方向等等。整车控制器将这些信息解释为特定的控制指令，以便模拟车辆动力学模型的行动。例如，如果目标是让车辆在仿真环境中向前移动，整车控制器将生成适当的指令，以实现车辆动力学模型的前进。然后，车辆动力学模型将按照这些控制指令执行相应的动作，模拟车辆在仿真环境中的实际运动。这可能包括车轮的旋转、速度的调整、位置的变化等等。模型将计算车辆的新位置，这通常被称为目标坐标。这个坐标表示了车辆在仿真场景中的位置，以及车辆在非结构化道路上的轮胎位置。

需要说明的是，整车控制器和车辆动力学模型之间的通信是关键的，整车控制器和车辆动力学模型之间协同工作以确保车辆在仿真环境中的运动与预期的行为一致。这个过程是模拟车辆在非结构化道路上行驶的关键步骤，它使用目标信息和控制策略来实现车辆动力学模型的运动，并记录车辆的位置，以便后续的仿真和测试。

S400，通过场景仿真平台，基于目标坐标调整模拟车辆在仿真场景中的位置。

可选地，在本申请一种可行的实施方式中，首先从仿真场景中获取模拟车辆当前的位置信息，其中目标坐标指的是车辆在仿真场景中的空间坐标，例如x、y或经纬度等。随后基于目标坐标，对模拟车辆的位置进行调整。具体涉及到在仿真场景中沿着指定轴或方向进行平移、旋转或其他位置调整的操作。并将调整后的位置信息应用于模拟车辆，更新模拟车辆在仿真场景中的位置。具体可以包括在仿真场景中重新定位车辆的三维坐标或其他相关的位置参数。还可以在仿真场景中实时反馈调整后的模拟车辆位置，以确保在整个仿真过程中车辆的位置符合预期。这种调整可以用于测试智能驾驶系统对于位置变化的适应性和正确性。

可选地，在本申请另一种可行的实现方式中，首先，可以通过仿真环境中提供的高程信息，得到目标坐标对应的目标高程信息。这个信息表示车辆所处位置距离预设平面的垂直距离。使用所得的目标高程信息，车辆动力学模型可以对车辆的垂直位置进行调整。这反映了车辆在不平坦或非结构化道路上的位置变化。高程信息通常包括道路表面的高度或不平整性，因此调整车辆的垂直位置可以模拟车辆通过不同地形时的姿态变化。一旦车辆的垂直位置被调整，车辆动力学模型可以使用新的姿态和位置信息来计算车辆的动态响应，包括悬挂系统的变化、轮胎与地面的交互、车速和行驶方向等。这有助于模拟车辆在非结构化道路条件下的实际运动。

在这些可选地实施例中，通过这个过程，车辆动力学模型可以更准确地模拟车辆在不同地形和道路条件下的运动，包括起伏的地形和障碍物。这对于测试和验证车辆控制系统在各种道路条件下的性能非常重要，尤其是在无人驾驶领域。

S500，通过智驾云平台对待测智驾控制器生成控制策略的过程进行监测，得到监测结果。

可选地，在本申请一种可能的实现方式中，待测智驾控制器在仿真测试中生成控制策略。系统需要记录和采集这些控制策略以及其他相关数据，如传感器数据、车辆状态等。具体而言，可以通过一个智驾云平台，监测待测智驾控制器生成的控制策略。该智驾云平台可以包括算法和逻辑，用于分析控制策略是否符合预期的行为和性能。在智驾云平台中，系统会使用预定义的性能指标和标准来评估控制策略。这些性能指标可以包括车辆的稳定性、操纵性、安全性等，根据具体测试的需求而定。智驾云平台会实时评估控制策略的性能，并将结果反馈给系统的控制部分，包括虚拟整车控制器。智驾云平台还可以将监测结果记录下来，生成详细的测试报告。这些报告可以用于后续分析、验证和决策制定。基于监测结果，还可以识别问题和改进控制策略。

在这些可选地实施例中，监测待测智驾控制器生成的控制策略是确保智能驾驶系统在各种情况下安全和高效运行的重要步骤。通过不断的监测、反馈和改进，可以提高系统的性能和可靠性，减少潜在的风险。

在本申请实施例提供的一种在环测试方法中，通过场景仿真平台构建仿真场景，仿真场景包括模拟车辆；通过待测智驾控制器基于仿真场景，生成车辆动力学模型的目标控制策略；通过整车控制器，按照目标控制策略控制车辆动力学模型进行运动，得到车辆动力学模型运动后的目标坐标，目标坐标用于指示车辆动力学模型在仿真场景中的位置；通过场景仿真平台，基于目标坐标调整模拟车辆在仿真场景中的位置；通过智驾云平台对待测智驾控制器生成控制策略的过程进行监测，得到监测结果。上述方式通过对仿真场景、车辆动力学模型、整车控制器进行仿真，与待测智驾控制器及智驾云平台形成完整的控制逻辑和功能链路上的闭环，从而提高测试的效率。通过智驾云平台监测，实现对待测智驾控制器生成控制策略过程的实时监测。这种远程监测能够提供实时反馈，帮助测试人员及时发现问题并进行调整，有效节省了测试时间，从而提高了测试的效率。

在一实施例中，模拟车辆包括传感器模型，传感器模型用于感知模拟车辆的周围环境，上述步骤200具体可以执行如下步骤：

S210，通过待测智驾控制器基于传感器模型采集的传感器数据，生成车辆动力学模型的目标控制策略，传感器数据用于指示模拟车辆在仿真场景中的环境状态。

可选地，在本申请一种可行的实现方式中，待测智驾控制器通过采集传感器数据，如激光雷达、毫米波雷达等，待测智驾控制器能够感知模拟车辆在仿真场景中的环境状态。这些传感器数据提供了有关场景中物体位置、速度、尺寸和其他相关信息的信息。通过分析和处理这些传感器数据，待测智驾控制器可以生成车辆动力学模型的目标控制策略。

在这些可选地实施例中，传感器数据提供了待测智驾控制器关于周围环境的实时信息，例如障碍物的位置和运动，道路条件等。待测智驾控制器根据这些信息来生成目标控制策略，以确保模拟车辆在仿真场景中安全、高效地运行。这样，智驾控制器能够根据实际环境状态做出决策，并将相应的控制指令传达给车辆动力学模型，从而实现所需的车辆运动。

在一实施例中，仿真测试系统还包括输入输出IO模型，IO模型用于传输传感器数据，在上述步骤200之前，该方法还可以具体执行如下步骤：

S201，通过IO模型确定传感器模型和待测智驾控制器之间的传输路径，以及传感器模型待传输的传感器数据；

S202，通过IO模型，基于传输路径，将传感器数据传输至待测智驾控制器对应的接口协议模块中，接口协议模块用于打包数据；

S203，通过接口协议模块，基于传感器数据的数据类型，将传感器数据打包成预设格式的数据包，预设格式与数据类型相对应；

S204，通过接口协议模块，基于待测智驾控制器对应的通信协议，将数据包发送至待测智驾控制器。

可选地，在本申请实施例中，接口协议模块用于管理和处理不同系统或设备之间的数据交流和通信。IO模型用于管理和控制计算机系统中输入和输出操作的软件模块或组件。IO操作包括从外部设备(如磁盘驱动器、键盘、鼠标、网络接口卡、传感器等)读取数据或将数据写入这些设备。IO模型处理这些输入和输出请求，以确保它们有效、高效地与计算机系统进行交互。

可选地，在本申请一种具体实现方式中，首先，IO模型需要明确待测智驾控制器和传感器模型之间的连接方式。具体可以包括物理接口、通信协议、数据传输速度等信息。IO模型还需要识别传感器模型中可用的传感器以及它们的数据输出。具体可以包括激光雷达、毫米波雷达、超声波传感器等。还需要确定哪些数据需要传输给待测智驾控制器，以满足测试需求。一旦传输路径和需要传输的数据确定，IO模型将采集到的传感器数据从传感器模型传输到接口协议模块。具体涉及使用硬件接口或网络连接来实际传输数据。需要说明的是，在进行数据传输时需要确保数据完整性和准确性。

接口协议模块接收到传感器数据后，将数据打包成特定的数据包格式。具体可以将数据结构化为适合传输的形式。数据的打包通常包括在数据中添加标头信息，指示数据类型、数据长度、时间戳等信息。这有助于接收方正确解释和处理数据。最后，接口协议模块使用预定的通信协议，将数据包发送至待测智驾控制器。具体可以将数据包传输到待测智驾控制器的网络接口或总线系统上，以供其访问和处理。

在这些可选地实施例中，确保了传感器数据的可靠传输至待测智驾控制器，以便进行进一步的分析和控制决策。需要说明的是，数据传输的过程需要确保数据的完整性和适当的格式，以便智能驾驶系统能够正确地理解和利用这些数据。

在一实施例中，传感器数据为激光雷达数据；上述步骤203具体可以执行如下步骤：

S2031，通过接口协议模块将激光雷达数据打包成以太网帧数据格式的第一数据包；

在一实施例中，上述步骤204具体可以执行如下步骤：

S2041，通过接口协议模块，基于以太网通信协议，将第一数据包发送至待测智驾控制器。

可选地，在本申请一种具体实现方式中，首先，接口协议模块将处理激光雷达数据并将其打包成以太网帧数据格式的第一数据包。

具体而言，接口协议模块首先从激光雷达模型中获取激光雷达数据。这些数据可能是激光点云、距离信息、强度信息等。随后接口协议模块需要对数据进行处理，以适应以太网帧数据格式。这包括数据的封装、打包和加入所需的标头信息，以构建有效的以太网帧。随后接口协议模块将按照以太网通信标准构建有效的以太网帧，将打包好的激光雷达数据插入其中，形成第一数据包。

在接口协议模块打包好第一数据包以后，接口协议模块选择适合与待测智驾控制器通信的通信协议，具体可以是以太网协议。随后接口协议模块将构建好的以太网帧数据(即第一数据包)发送给待测智驾控制器，遵循以太网通信协议。

具体来说，接口协议模块可以使用以太网通信协议将构建好的以太网帧数据通过网络或其他通信渠道传输到待测智驾控制器。数据包将被发送到待测智驾控制器的目标地址，以确保待测智驾控制器能够正确接收并处理数据。

在这些可选地实施例中，打包数据为特定的以太网帧格式确保了数据在传输过程中的一致性，减少了数据在不同环节可能出现的格式错误或丢失。数据的有效传输确保了智驾控制器能够准确理解激光雷达数据，有助于确保车辆在仿真场景中的模拟与真实情况更一致。

在一实施例中，传感器数据为毫米波雷达数据；上述步骤202具体可以执行如下步骤：

S2021，在每个预设周期内，通过IO模型，将在单个预设周期内产生的多组毫米波雷达数据通过多组通道传输至接口协议模块中，一组通道传输一组毫米波雷达数据；

在一实施例中，上述步骤203具体可以执行如下步骤：

S2032，通过接口协议模块将多组毫米波雷达数据按照多组毫米波雷达数据产生的时间顺序，打包成控制器区域网络(Controller Area Network，CAN)报文格式的第二数据包。

可选地，在本申请一种具体实施方式中，毫米波雷达传感器在每个预设周期内产生多组数据，这些数据对应不同时间点的感测结果。IO模型将每一组产生的毫米波雷达数据传输至接口协议模块。具体涉及硬件通道的选择和设置，以确保多组数据可以同时传输。在数据传输时，接口协议模块首先需要对接收到的多组毫米波雷达数据进行排序，以确保数据按照产生的时间顺序排列。具体可以按照每组数据的时间戳先后顺序进行排序。

随后接口协议模块将按照特定的CAN报文格式，将已排序的多组毫米波雷达数据打包成CAN报文。这一格式通常包括报文标识符(Identifier，ID)、数据长度、数据内容等信息，以确保数据在CAN总线上传输时能够被准确解析。随后接口协议模块基于CAN通信协议，将打包好的CAN报文发送至待测智驾控制器。CAN通信协议规定了报文的传输方式、ID格式、速率等细节，确保数据的可靠传输。

在这些可选地实施例中，通过这些步骤，多组毫米波雷达数据被有序打包成CAN报文并发送至待测智驾控制器，以供其使用。这有助于确保毫米波雷达数据以预设的格式被传输和使用。

可选地，在本申请另一种具体实现方式中，为了实现传感器仿真，可以在场景仿真平台中添加各种理想传感器模型。其中激光雷达模型产出的点云数据直接通过以太网输出到待测智驾域控制器。具体而言，可以先经过IO模型进行信号路由，再传递至接口协议模块中，打包成CAN报文发送。其中由于毫米波雷达特殊的组包发送时序机制，以及较大的障碍物报文数量，致使两帧CAN报文间时间间隔将小于0.3ms，这小于预设的仿真周期1ms，因而无法通过硬件在环测试系统(Hardware-in-the-Loop System，HIL)中常规的触发模式实现。因此，在本申请实施例中，IO模型在单个时钟周期内，通过多组通道同时传输多组目标数据到接口协议模块中，模块调用CAN卡底层驱动，从而满足在单个仿真周期内发送多帧报文的需要。

在一实施例中，仿真测试系统还包括虚拟电子控制单元(Electronic ControlUnit，ECU)；上述步骤210具体可以执行如下步骤：

S211，通过待测智驾控制器获取虚拟ECU采集的车辆动力学模型的行驶参数；

S212，通过待测智驾控制器的感知融合模块，基于传感器数据，得到模拟车辆在仿真场景中的场景信息，场景信息包括模拟车辆的可行驶区域和仿真场景中的障碍物位置；

S213，通过待测智驾控制器的决策规划模块，基于场景信息和行驶参数，生成车辆动力学模型的目标控制策略。

可选地，在本申请实施例中，感知融合模块负责整合来自不同传感器的数据，例如激光雷达、毫米波雷达、相机、超声波雷达等。这些传感器提供了关于车辆周围环境的信息，如障碍物位置、道路条件、交通标志等。决策规划模块负责制定车辆的路径规划，确定车辆应该如何在道路上行驶。

可选地，在本申请一种实现方式中，待测智驾控制器通过通信接口与虚拟ECU进行通信，从虚拟ECU获取车辆动力学模型的行驶参数。具体涉及发送请求以获取实时数据，例如车速、转向角度、轮胎状态等。随后待测智驾控制器的感知融合模块利用传感器数据，例如激光雷达、毫米波雷达、超声波雷达等，来获取仿真场景中的实时信息。这包括了模拟车辆的可行驶区域以及仿真场景中的障碍物位置。随后通过传感器数据的融合和处理，感知融合模块能够提供全面的场景信息。

待测智驾控制器的决策规划模块基于收到的场景信息和车辆动力学参数，计算出车辆动力学模型的目标控制策略。这包括制定最佳的行驶路径、速度控制、转向控制等，以确保车辆在当前仿真场景中安全、高效地行驶。

可选地，在本申请另一种具体实现方式中，待测L4级智驾控制器通过总线与网络通讯中定义的感知接口及车辆控制接口，接收传感器、车辆、虚拟ECU等数据。经由感知融合模块得到当前感知识别到的可行驶区域及障碍物等场景信息及决策规划模块处理后得到规划的车辆行驶轨迹和行驶动作。待测智驾控制器输出的目标控制策略可以包括车辆横纵向控制、故障降级处理等指令到虚拟整车控制器，并上报当前车辆状态到智驾云平台。

在这些可选地实施例中，这些步骤使得待测智驾控制器能够与虚拟ECU和仿真场景进行交互，模拟实际驾驶情况，测试其性能和响应。这有助于验证控制器的行为是否符合设计预期，同时为改进和优化提供反馈。

在一实施例中，目标控制策略包括车辆动力学模型的行驶轨迹和目标行驶参数，上述步骤300具体可以执行如下步骤：

S310，通过整车控制器获取车辆动力学模型的当前车辆状态；

S320，通过整车控制器，基于当前车辆状态和目标控制策略，生成控制指令；

S330，通过整车控制器，基于控制指令控制车辆动力学模型，以使车辆动力学模型按照目标行驶参数和行驶轨迹运动。

可选地，在本申请一种具体实现方式中，实现了虚拟整车控制器模型的运用，具体可以根据功能规范和通讯矩阵，使用模型仿真软件完成控制器各项功能的建模，使其通过CAN通讯上报车辆状态信息到智驾控制器中，并接受智驾控制器输出的车辆控制指令(目标值，即控制策略)。根据控制指令及当前车辆状态，虚拟整车控制器模型将计算得到具体的车辆控制信号(控制值)即控制指令，并作用到车辆动力学模型中，实现对整车运动的控制。

可选地，在本申请另一种实现方式中，车辆状态可以包括车速、方向、位置、加速度等。这些信息可以来自车辆上的传感器，例如惯性测量单元或车辆速度传感器。了解当前车辆状态是决策下一步行动的基础。随后整车控制器根据车辆当前状态以及目标控制策略的目标，制定出具体的行驶控制策略，包括确定车辆的目标速度、加速度、转向角度等。随后整车控制器可以将控制指令转化为具体的控制动作，通过车辆的执行单元，如发动机、刹车、转向系统等，来调整车辆的动力和方向，以实现目标控制策略的控制目标。

在这些可选地实施例中，这些步骤的协同工作使得待测智驾控制器能够实时监测车辆状态，制定合适的控制策略，并将其转化为实际的控制命令，以确保车辆安全、高效地行驶，使车辆能够适应不同的道路条件和交通情况。

在一实施例中，车辆动力学模型和场景仿真平台通过联合仿真接口进行通信；仿真场景还包括非结构化道路，非结构化道路包括非结构化道路中每个坐标对应的高程信息，高程信息用于指示非结构化道路距离预设平面的垂直距离；上述步骤400具体可以执行如下步骤：

S410，通过场景仿真平台获取车辆动力学模型按照控制指令运动后的目标坐标和目标姿态，目标坐标用于指示车辆动力学模型在非结构化道路上的位置；

S420，通过场景仿真平台基于目标坐标和目标姿态，更新模拟车辆在仿真场景中的位置和姿态，得到模拟车辆在目标坐标下对应的目标高程信息；

S430，通过联合仿真接口将目标高程信息发送至车辆动力学模型；

S440，通过车辆动力学模型基于目标高程信息，调整车辆动力学模型的车轮的垂直距离。

可选地，在本申请实施例中，联合仿真接口是用于实现不同仿真系统之间的通信和数据传递，即场景仿真平台和车辆动力学模型之间的通信和数据传输。联合仿真接口的主要作用是使不同部分的仿真系统协同工作，以更精确地模拟和评估复杂系统的性能。

可选地，在本申请一种具体实现方式中，如图2所示，本申请提供了一种无人驾驶仿真测试系统，该系统主要包含场景仿真平台、实时仿真测试平台、待测L4级智驾域控制器和智驾云平台。其中，实时仿真测试平台为上位机电脑、实时系统、机柜硬件的结合，主要通过在上位机试验管理软件、车辆动力学仿真软件、故障注入软件等工具，完成对虚拟控制器模型(即整车控制器)、车辆动力学模型、传感器IO模型等在实时系统中的配置与监控，并通过硬线与总线IO资源经由机柜硬件连接到待测L4级智驾控制器。

可选地，在本申请实施例中，车辆动力学模型中添加了车轮触点高程的输入接口，经由该接口获取到车轮触点高程值，得到当前车辆在非结构化道路下的姿态，这样随后完成的车辆动力学计算得到的四轮负载、轮胎转速、车速、车辆下一时刻行驶姿态等等与实际车辆在非结构化道路下的真实值更为一致。上述所有模型及软件均可通过自动化测试软件调用，完成整个测试的自动化实施。

可选地，在本申请实施例中，实现场景仿真平台场景与车辆动力学模型联合仿真，在场景仿真平台中导入扫图创建的非结构化道路数据，具体可以包含地图中每个点的高程信息，还原道路微观高低起伏，并手动添加石块、挡墙等障碍物。车辆动力学模型每个计算周期(1ms)更新车辆移动后位置及姿态，并得到更新后的车轮触点坐标，经定制的联合仿真接口发送给场景仿真平台。场景仿真平台更新仿真场景中的车辆位置及姿态，刷新视景渲染后显示出车辆移动效果。场景仿真软件查询到当前车辆四轮与地面接触点XY坐标对应的车轮触点高程后，经定制的联合仿真接口发送给车辆动力学模型，供其进行下一周期的车辆运动仿真计算。

可选地，在本申请一种可行的实现方式中，首先车辆动力学模型会根据控制指令计算车辆的新位置和姿态。更新后，可以得到车辆的目标坐标和目标姿态，随后将得到的目标坐标通过联合仿真接口发送至场景仿真平台，将得到模拟车辆在目标坐标下对应的目标高程信息。并通过联合仿真接口，将目标高程信息发送至车辆动力学模型。车辆动力学模型会根据目标高程信息来调整车辆动力学模型的车轮的垂直距离。这是为了确保车辆模型与仿真场景中的地形和障碍物相适应。通过实时更新车轮的垂直位置，模型可以更准确地模拟车辆在不同道路条件下的行驶。

总的来说，这些步骤协同工作，使车辆动力学模型在仿真场景中更为准确地模拟车辆的运动，确保车辆适应不同的地形和道路条件。这有助于提高智能驾驶系统的性能评估和测试准确性。

在一实施例中，上述步骤500具体可以执行如下步骤：

S510，通过待测智驾控制器，将车辆动力学模型的当前车辆信息和目标控制策略发送至智驾云平台，当前车辆信息包括车辆动力学模型的位置、车辆动力学模型的行驶状态、车辆动力学模型的故障状态中的至少一者；

S520，通过智驾云平台，基于当前车辆信息和目标控制策略，生成监测结果。

可选地，在本申请实施例中，智驾云平台是一种云计算平台，旨在支持智能驾驶系统的开发、测试、监控和数据分析。它提供了一个云端环境，可用于汇集和处理来自智能汽车和自动驾驶车辆的数据，以及进行各种与智能驾驶相关的计算和分析。

可选地，在本申请一种可行的实现方式中，智驾控制器通过车载终端(TelematicsBox，T-Box)和第五代移动通信技术(5th generation mobile networks，5G)模块与智驾云平台进行网络通讯，将本车信息(本车定位信息、本车智驾状态、本车行驶状态、故障状态等)通过5G网络传输给智驾云平台，智驾云平台会分析车辆的实际状态与目标控制策略之间的差距，以评估智能驾驶系统的性能。

在这些可选地实施例中，允许在智驾云平台上进行实时监测和评估，以确保智能驾驶系统的性能与预期目标一致。这有助于及时检测并纠正潜在问题，从而提高系统的可靠性和安全性。

在一实施例中，在上述步骤500之后，该方法还可以具体执行如下步骤：

S600，通过智驾云平台基于监测结果，生成调度指令，调度指令包括车辆动力学模型的作业任务、注入故障代码、车辆动力学模型的预设行驶路线中的至少一者；

S700，通过智驾云平台将调度指令发送至待测智驾控制器，以使待测智驾控制器按照调度指令生成车辆动力学模型的第一控制策略；

S800，通过智驾云平台监测第一控制策略和车辆动力学模型的行驶情况。

可选地，在本申请一种可行的实现方式中，智驾云平台首先分析监测结果，包括车辆的当前状态(位置、速度等)，随后智云平台使用这些信息来生成调度指令(行驶路线、行驶任务、故障降级策略等)，这些指令指定了车辆的下一步行动，如何执行作业任务，是否需要注入故障代码以模拟不同的工作条件，以及是否需要遵循特定的预设行驶路线。生成的调度指令随后通过通信渠道(例如互联网连接或专用通信通道)发送给待测智驾控制器。待测智驾控制器负责实际控制车辆动力学模型，根据接收到的调度指令来制定车辆的控制策略，以确保车辆按照指定的任务和路径行驶。这个过程可以包括实时通信和车辆内部控制系统的操作。智驾云平台继续监测待测智驾控制器执行的第一控制策略，以及车辆动力学模型的行驶情况。它可以通过传感器和通信设备获取车辆的实时数据，如车辆位置、速度、传感器数据等。监测的目的是确保车辆安全地执行任务，同时能够根据实际情况及时调整控制策略，以满足任务要求。

可选地，在本申请实施例中，智驾云平台接收到智驾系统上报的车辆状态后，下发调度指令及高精地图数据经由5G通讯模块和T-box到智驾控制器，调度指令是指车辆作业指令，如当前进入运输作业状态，同时，虚拟柘城控制器模型中也实现了对部分故障的自检和对其余故障的手动注入接口，能够将故障报文组包发出到智驾控制器中，以测试智驾控制器的故障处理与故障降级策略。

在这些可选地实施例中，将非结构化道路的矿区场景仿真、传感器仿真、虚拟整车控制器、车辆动力学模型等和待测智驾域控制器整合在一起，并结合硬线及总线信号仿真，与待测L4级智驾域控制器及智驾云平台形成功能逻辑和控制链路上的闭环，能够仿真露天矿中L4级无人驾驶矿卡的完整作业流程(装载、运输、卸载)，并实现了测试自动化实施，确保了矿区无人驾驶仿真测试对矿区智驾场景的覆盖度和拟真度，提高了测试效率，减少了测试成本。

图3示出了本申请另一个实施例提供的在环测试装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图3，在环测试装置应用于仿真测试系统，仿真测试系统包括场景仿真平台、车辆动力学模型、整车控制器、待测智驾控制器和智驾云平台，在环测试装置可以包括：

搭建模块301，用于通过场景仿真平台构建仿真场景，所述仿真场景包括模拟车辆；

生成模块302，用于通过待测智驾控制器基于仿真场景，生成车辆动力学模型的目标控制策略；

控制模块303，用于通过整车控制器，按照目标控制策略控制车辆动力学模型进行运动，得到车辆动力学模型运动后的目标坐标，目标坐标用于指示车辆动力学模型在仿真场景中的位置；

调整模块304，用于通过场景仿真平台，基于目标坐标调整模拟车辆在仿真场景中的位置；

监测模块305，用于通过智驾云平台对待测智驾控制器生成控制策略的过程进行监测，得到监测结果。

在一实施例中，模拟车辆包括传感器模型，传感器模型用于感知模拟车辆的周围环境；生成模块302可以包括：

第一生成子模块，用于通过待测智驾控制器基于传感器模型采集的传感器数据，生成车辆动力学模型的目标控制策略，传感器数据用于指示模拟车辆在仿真场景中的环境状态。

在一实施例中，仿真测试系统还包括输入输出IO模型，IO模型用于传输传感器数据；在环测试装置还可以包括：

第一确定模块，用于通过IO模型确定传感器模型和待测智驾控制器之间的传输路径，以及传感器模型待传输的传感器数据；

第一发送模块，用于通过IO模型，基于传输路径，将传感器数据传输至待测智驾控制器对应的接口协议模块中，接口协议模块用于打包数据；

第一打包模块，用于通过接口协议模块，基于传感器数据的数据类型，将传感器数据打包成预设格式的数据包，预设格式与数据类型相对应；

第二发送模块，用于通过接口协议模块，基于待测智驾控制器对应的通信协议，将数据包发送至待测智驾控制器。

在一实施例中，传感器数据为激光雷达数据；第一打包模块可以包括：

第一打包子模块，用于通过接口协议模块将激光雷达数据打包成以太网帧数据格式的第一数据包。

在一实施例中，第二发送模块可以包括：

第一发送子模块，用于通过接口协议模块，基于以太网通信协议，将第一数据包发送至待测智驾控制器。

在一实施例中，传感器数据为毫米波雷达数据；第一发送模块可以包括：

第二发送子模块，用于在每个预设周期内，通过IO模型，将在单个预设周期内产生的多组毫米波雷达数据通过多组通道传输至接口协议模块中，一组通道传输一组毫米波雷达数据。

在一实施例中，第一打包模块还可以包括：

第二打包子模块，用于通过接口协议模块将多组毫米波雷达数据按照多组毫米波雷达数据产生的时间顺序，打包成控制器区域网络CAN报文格式的第二数据包。

在一实施例中，仿真测试系统还包括虚拟电子控制单元ECU；第一生成子模块可以包括：

第一获取单元，用于通过待测智驾控制器获取虚拟ECU采集的车辆动力学模型的行驶参数；

第一确定单元，用于通过待测智驾控制器的感知融合模块，基于传感器数据，得到模拟车辆在仿真场景中的场景信息，场景信息包括模拟车辆的可行驶区域和仿真场景中的障碍物位置；

第一生成单元，用于通过待测智驾控制器的决策规划模块，基于场景信息和行驶参数，生成车辆动力学模型的目标控制策略。

在一实施例中，目标控制策略包括车辆动力学模型的行驶轨迹和目标行驶参数，控制模块303可以包括：

第一获取子模块，用于通过整车控制器获取车辆动力学模型的当前车辆状态；

第二生成子模块，用于通过整车控制器，基于当前车辆状态和目标控制策略，生成控制指令；

第一控制子模块，用于通过整车控制器，基于控制指令控制车辆动力学模型，以使车辆动力学模型按照目标行驶参数和行驶轨迹运动。

在一实施例中，车辆动力学模型和场景仿真平台通过联合仿真接口进行通信；仿真场景还包括非结构化道路，非结构化道路包括非结构化道路中每个坐标对应的高程信息，高程信息用于指示非结构化道路距离预设平面的垂直距离；调整模块304可以包括：

第二获取子模块，用于通过场景仿真平台获取车辆动力学模型按照控制指令运动后的目标坐标和目标姿态，目标坐标用于指示车辆动力学模型在非结构化道路上的位置；

第一更新子模块，用于通过场景仿真平台基于目标坐标和目标姿态，更新模拟车辆在仿真场景中的位置和姿态，得到模拟车辆在目标坐标下对应的目标高程信息；

第三发送子模块，用于通过联合仿真接口将目标高程信息发送至车辆动力学模型；

第一调整子模块，用于通过车辆动力学模型基于目标高程信息，调整车辆动力学模型的车轮的垂直距离。

在一实施例中，监测模块305可以包括：

第四发送子模块，用于通过待测智驾控制器，将车辆动力学模型的当前车辆信息和目标控制策略发送至智驾云平台，当前车辆信息包括车辆动力学模型的位置、车辆动力学模型的行驶状态、车辆动力学模型的故障状态中的至少一者；

第三生成子模块，用于通过智驾云平台，基于当前车辆信息和目标控制策略，生成监测结果。

在一实施例中，在环测试装置还可以包括：

第二生成模块，用于通过智驾云平台基于监测结果，生成调度指令，调度指令包括车辆动力学模型的作业任务、注入故障代码、车辆动力学模型的预设行驶路线中的至少一者；

第三发送模块，用于通过智驾云平台将调度指令发送至待测智驾控制器，以使待测智驾控制器按照调度指令生成车辆动力学模型的第一控制策略；

第二监测模块，用于通过智驾云平台监测第一控制策略和车辆动力学模型的行驶情况。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，与本申请方法实施例基于同一构思，是与上述电池热失控预警方法对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，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单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

图4示出了本申请实施例提供的电子设备的硬件结构示意图。

设备可以包括处理器401以及存储有程序指令的存储器402。

处理器401执行程序时实现上述任意各个方法实施例中的步骤。

示例性的，程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器402中，并由处理器401执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列程序指令段，该指令段用于描述程序在设备中的执行过程。

具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在综合网关容灾设备的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。

存储器可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。

处理器401通过读取并执行存储器402中存储的程序指令，以实现上述实施例中的任意一种方法。

在一个示例中，电子设备还可包括通信接口403和总线410。其中，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。

通信接口403，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线410包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

另外，结合上述实施例中的方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有程序指令；该程序指令被处理器执行时实现上述实施例中的任意一种方法。

本申请实施例另提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。

本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网格被下载。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本公开的实施例的方法、装置(系统)和程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。

以上，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。