自动驾驶测试仿真系统、方法及本地实时机

技术领域

本发明涉及自动驾驶技术领域，特别涉及一种自动驾驶测试仿真系统、方法及本地实时机。

背景技术

自动驾驶算法的仿真测试目前主要有两种实现方式：一种是基于云端的大规模并发仿真，仿真和算法都部署在云端，仿真云平台负责基于高精地图模拟动静态场景、车辆动力学、传感器和V2X(车对外界的信息交换)等仿真数据，自动驾驶算法基于云平台模拟的仿真数据生成车辆控制信号，反向控制仿真云平台的车辆动力学模型，从而形成仿真闭环。另一种是基于单机的在环仿真，被测件为ADAS(高级驾驶辅助系统)或AD控制器，仿真工作站模拟动静态场景、动力学和传感器等仿真数据，与控制器中的算法形成仿真闭环。由于云端计算资源的弹性扩展机制，云仿真适合于对自动驾驶算法进行大规模并发测试，用于自动驾驶系统开发V流程的模型开发(MIL)和代码开发(SIL)阶段；而在环仿真则更适合于V流程的硬件在环(HIL)和整车在环(VIL)阶段。

云仿真方案主要适用于模型开发和代码开发阶段，但无法对真实的控制器硬件进行测试；而在环仿真方案可以对控制器进行测试，但对于每一个被测控制器都需要配置一套独立的高性能仿真工作站，当需要同时测试多个ADAS/AD控制器时，需要配置大量的高性能仿真工作站和实时系统，测试成本高，且不同仿真工作站之间的高精地图和场景库的同步也是个问题，因此现在主机厂的HIL和VIL测试一般都无法像云仿真那样，进行大量的并发测试，测试效率比较低。

发明内容

本发明的目的是提供一种既能够对真实的控制器硬件进行测试，又能够降低测试成本，提高测试效率的自动驾驶测试仿真系统、方法及本地实时机。

为达到上述目的，本发明提供了一种自动驾驶测试仿真系统，其包括：

仿真云平台，用于根据预设的动力学参数，在云端配置虚拟主车和对应的传感器；基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，向本地实时机下发实时传感器数据和实时V2X仿真数据；接收本地实时机上送的车辆运行数据，根据所述车辆运行数据，更新虚拟主车状态；测试时段结束后，根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合所述原子结果和虚拟主车状态，得到自动驾驶测试评价结果；

本地实时机，用于接收仿真云平台下发的实时传感器数据和实时V2X仿真数据，将所述实时传感器数据和实时V2X仿真数据转化为控制器对应的输入协议，传输给控制器；接收控制器发送的控制指令，根据所述控制指令，得到车辆运行数据，将所述车辆运行数据上送给仿真云平台；

控制器，用于接收本地实时机通过对应的输入协议传输的实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将所述控制指令发送给本地实时机。

具体实施时，所述仿真云平台，包括：

车辆与传感器配置模块，用于根据预设的动力学参数，配置虚拟主车和对应的传感器；接收本地实时机上送的车辆运行数据，根据所述车辆运行数据，更新虚拟主车状态；

地图和静态场景仿真模块，用于基于预设的仿真场景所需的静态高精地图和场景，以及虚拟主车状态，对所述虚拟主车运行时的道路数据和静态场景进行仿真，得到虚拟主车运行时的实时道路数据和实时静态场景数据，发送给动态场景仿真模块；

动态场景仿真模块，用于根据虚拟主车运行时的实时道路数据和实时静态场景数据，进行交通流仿真和场景仿真，得到虚拟主车运行时的动态场景数据，发送给传感器和V2X仿真模块；

传感器和V2X仿真模块，用于根据虚拟主车运行时的动态场景数据，模拟虚拟主车对应的传感器探测和虚拟主车的V2X通信功能，得到实时传感器数据和实时V2X仿真数据；

测试评价模块，用于根据预设的原子判定条件，对测试时段内的虚拟主车状态进行原子判定，得到原子结果；对测试时段内的虚拟主车状态进行分析，得到车辆状态；结合所述原子结果和所述车辆状态，得到自动驾驶测试评价结果。

进一步地，为了丰富测试例，具体实施例中，用户能够配置或管理测试所用的地图和场景，相应地，所述仿真云平台，还包括：

地图和场景库管理模块，用于配置仿真场景所需的静态高精地图；配置和管理仿真测试所需的场景，将配置好的仿真场景所需的静态高精地图和场景，传输给所述地图和静态场景仿真模块。

具体实施例中，若所述控制器位于真实车辆，所述本地实时机通过5G空口与所述仿真云平台通信连接；

若所述控制器并未位于真实车辆，所述本地实时机通过以太网与所述仿真云平台通信连接。

本发明实施例中，通过设置仿真云平台，根据预设的动力学参数，在云端配置虚拟主车和对应的传感器；基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，向本地实时机下发实时传感器数据和实时V2X仿真数据；接收本地实时机上送的车辆运行数据，根据车辆运行数据，更新虚拟主车状态；测试时段结束后，根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合原子结果和虚拟主车状态，得到自动驾驶测试评价结果；设置本地实时机接收仿真云平台下发的实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器对应的输入协议，传输给控制器；接收控制器发送的控制指令，根据控制指令，得到车辆运行数据，将车辆运行数据上送给仿真云平台；设置控制器接收本地实时机通过对应的输入协议传输的实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将控制指令发送给本地实时机。与现有技术中云仿真和在环仿真分开测试的技术方案相比，利用本地实时机将仿真云平台和控制器联系在一起，在对真实的控制器硬件进行测试的基础上，使得硬件在环仿真能够重用云仿真的高性能服务器和海量测试场景库，大大提高了硬件资源的利用率，降低测试成本，无需重新配置，减少测试人员的工作，从而提高测试效率。

本发明实施例中还提供一种既能够对真实的控制器硬件进行测试，又能够降低测试成本，提高测试效率的本地实时机，该本地实时机应用于自动驾驶测试仿真系统中，其包括：

动力学仿真模块，用于接收数据接口层发送的动力学参数，构建车辆动力学模型；在进行硬件在环测试时，根据数据接口层接收的控制器发送的控制指令，驱动预先构建的车辆动力学模型，得到车辆运行数据；所述车辆运行数据，包括：车辆的全球导航卫星系统信号、惯性测量信号和车辆底盘状态数据；

数据接口层，用于向仿真云平台获取动力学参数，发送给动力学仿真模块；接收仿真云平台下发的实时传感器数据和实时V2X仿真数据，将所述实时传感器数据和实时V2X仿真数据转化为控制器对应的输入协议，传输给控制器；接收控制器发送的控制指令，在进行硬件在环测试时，将所述控制指令发送给动力学仿真模块，接收动力学仿真模块确定的车辆运行数据，上送给仿真云平台；在进行整车在环测试时，将所述控制指令发送给真实车辆，获取真实车辆的车辆运行数据，上送给仿真云平台。

具体实施例中，为了支持多在环控制器能并发仿真，不同的控制器在仿真云平台同时进行虚拟主车的仿真时不互相干扰，所述本地实时机，还包括：

云端注册模块，用于利用守护进程给动力学仿真模块和数据接口层设置唯一标识符，以所述唯一标识符为标识，将动力学仿真模块和数据接口层注册进仿真云平台，以绑定本地实时机和虚拟主车及对应的传感器。

本发明实施例中，通过设置动力学仿真模块，接收数据接口层发送的动力学参数，构建车辆动力学模型；在进行硬件在环测试时，根据数据接口层接收的控制器发送的控制指令，驱动构建的车辆动力学模型，得到车辆运行数据；通过设置数据接口层，向仿真云平台获取动力学参数，发送给动力学仿真模块；接收仿真云平台下发的实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器对应的输入协议，传输给控制器；接收控制器发送的控制指令，在进行硬件在环测试时，将控制指令发送给动力学仿真模块，接收动力学仿真模块确定的车辆运行数据，上送给仿真云平台；在进行整车在环测试时，将控制指令发送给真实车辆，获取真实车辆的车辆运行数据，上送给仿真云平台。利用动力学仿真模块和数据接口层的配合，将仿真云平台和控制器联系在一起，不仅能够对真实的控制器硬件进行测试，也使得硬件在环仿真能够重用云仿真的高性能服务器和海量测试场景库，大大提高了硬件资源的利用率，降低测试成本，无需重新配置，减少测试人员的工作，从而提高测试效率。

本发明实施例中还提供了一种自动驾驶测试仿真方法，应用于自动驾驶测试仿真系统，其包括：

仿真云平台根据预设的动力学参数，在云端配置虚拟主车和对应的传感器；

仿真云平台基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，向本地实时机下发实时传感器数据和实时V2X仿真数据；

本地实时机接收实时传感器数据和实时V2X仿真数据，将所述实时传感器数据和实时V2X仿真数据转化为控制器对应的输入协议，传输给控制器；

控制器接收所述实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将所述控制指令发送给本地实时机；

本地实时机接收控制器发送的控制指令，根据所述控制指令，得到车辆运行数据，将所述车辆运行数据上送给仿真云平台；

仿真云平台接收车辆运行数据，根据所述车辆运行数据，更新虚拟主车状态，基于更新后的虚拟主车状态，进行虚拟主车运行的仿真，直至测试时段结束；

测试时段结束后，仿真云平台根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合所述原子结果和虚拟主车状态，得到自动驾驶测试评价结果。

具体实施时，仿真云平台基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，包括：

地图和静态场景仿真模块基于预设的仿真场景所需的静态高精地图和场景，以及虚拟主车状态，对所述虚拟主车运行时的道路数据和静态场景进行仿真，得到虚拟主车运行时的实时道路数据和实时静态场景数据，发送给动态场景仿真模块；

动态场景仿真模块根据虚拟主车运行时的实时道路数据和实时静态场景数据，进行交通流仿真和场景仿真，得到虚拟主车运行时的动态场景数据，发送给传感器和V2X仿真模块；

传感器和V2X仿真模块根据虚拟主车运行时的动态场景数据，模拟虚拟主车对应的传感器探测和虚拟主车的V2X通信功能，得到实时传感器数据和实时V2X仿真数据。

具体实施例中，测试时段结束后，仿真云平台根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合所述原子结果和虚拟主车状态，得到自动驾驶测试评价结果，包括：

测试评价模块根据预设的原子判定条件，对测试时段内的虚拟主车状态进行原子判定，得到原子结果；对测试时段内的虚拟主车状态进行分析，得到车辆状态；结合所述原子结果和所述车辆状态，得到自动驾驶测试评价结果。

另一具体实施例中，为了通过增加仿真场景提高测试仿真的适应度，仿真云平台基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，还包括：

地图和场景库管理模块配置仿真场景所需的静态高精地图；配置和管理仿真测试所需的场景，将配置好的仿真场景所需的静态高精地图和场景，传输给所述地图和静态场景仿真模块。

本发明实施例中还提供了一种自动驾驶测试仿真方法，应用于本地实时机，其包括：

数据接口层接收控制器发送的控制指令；

在进行硬件在环测试时，数据接口层向仿真云平台获取所述动力学参数，将所述控制指令和所述动力学参数，发送给动力学仿真模块，动力学仿真模块根据所述动力学参数，构建车辆动力学模型；根据所述控制指令驱动构建的车辆动力学模型，得到车辆运行数据，数据接口层接收动力学仿真模块确定的车辆运行数据，上送给仿真云平台；

在进行整车在环测试时，数据接口层将所述控制指令发送给真实车辆，获取真实车辆的车辆运行数据，上送给仿真云平台；

其中，所述车辆运行数据，包括：车辆的全球导航卫星系统信号、惯性测量信号和车辆底盘状态数据。

此外，为了实现多在环控制器并发仿真，具体实施例提供的自动驾驶测试仿真方法，还包括：

云端注册模块利用守护进程给动力学仿真模块和数据接口层设置唯一标识符，以所述唯一标识符为标识，将动力学仿真模块和数据接口层注册进仿真云平台，以绑定本地实时机和虚拟主车及对应的传感器。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述自动驾驶测试仿真方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述自动驾驶测试仿真方法的计算机程序。

附图说明

以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。其中：

图1是本发明实施例的自动驾驶测试仿真系统的结构示意图；

图2是本发明具体实施例中仿真云平台01的结构示意图；

图3是本发明实施例的本地实时机02的结构示意图；

图4是本发明具体实例中构建的一自动驾驶测试仿真系统的工作逻辑示意图；

图5是本发明一具体实施例中的本地实时机02的结构示意图；

图6是本发明实施例中应用于动驾驶测试仿真系统的自动驾驶测试仿真方法示意图；

图7是本发明具体实施例的步骤602的实现过程示意图；

图8是本发明另一具体实施例的步骤602的实现过程示意图；

图9是本发明实施例中应用于本地实时机的自动驾驶测试仿真方法示意图；

图10是本发明实施例中一种计算机设备的结构示意图。

具体实施方式

下面通过附图和实施例对本申请进一步详细说明。通过这些说明，本申请的特点和优点将变得更为清楚明确。显然，所描述的实施例仅是本发明一部分实施例，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做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。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

此外，下面所描述的本申请不同实施方式中涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

由于现有技术中的云仿真方便提供大规模并发测试，而当需要同时测试多个ADAS/AD控制器时，在环仿真方案需要配置大量的高性能仿真工作站和实时系统，可结合二者来满足低成本、高效率的大规模在环仿真并发测试。但发明人发现，云仿真方案主要适用于模型开发和代码开发阶段，无法对真实的控制器硬件进行测试，而在环仿真方案虽然可以对控制器进行测试，但对于每一个被测控制器都需要配置一套独立的高性能仿真工作站，不同仿真工作站之间的高精地图和场景库的同步也是个问题。且云仿真的服务器集群一般位于计算机机房(私有云)，ADAS/AD控制器则位于实验室或智能驾驶车上，两者在地理上不在一个区域，更加造成了两者融合的困难。

基于上述融合的困难，本发明实施例通过设计一种融合自动驾驶云仿真和在环仿真的架构，绑定云端计算资源与本地控制器硬件，使得云端计算资源可以被本地在环仿真用起来，从而统一管理和调度在环仿真的场景资源，减少配置的复杂度。

具体地，本发明实施例提供了一种自动驾驶测试仿真系统，用于既能够对真实的控制器硬件进行测试，又能够降低测试成本，提高测试效率，如图1所示，该系统包括：

仿真云平台01，用于根据预设的动力学参数，在云端配置虚拟主车和对应的传感器；基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，向本地实时机02下发实时传感器数据和实时V2X仿真数据；接收本地实时机02上送的车辆运行数据，根据车辆运行数据，更新虚拟主车状态；测试时段结束后，根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合原子结果和虚拟主车状态，得到自动驾驶测试评价结果；

本地实时机02，用于接收仿真云平台01下发的实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器03对应的输入协议，传输给控制器03；接收控制器03发送的控制指令，根据控制指令，得到车辆运行数据，将车辆运行数据上送给仿真云平台01；

控制器03，用于接收本地实时机02通过对应的输入协议传输的实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将控制指令发送给本地实时机02。

从上述部件功能可以看出，本发明实施例中，通过设置仿真云平台01，根据预设的动力学参数，在云端配置虚拟主车和对应的传感器；基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，向本地实时机02下发实时传感器数据和实时V2X仿真数据；接收本地实时机02上送的车辆运行数据，根据车辆运行数据，更新虚拟主车状态；测试时段结束后，根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合原子结果和虚拟主车状态，得到自动驾驶测试评价结果；设置本地实时机02接收仿真云平台01下发的实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器03对应的输入协议，传输给控制器03；接收控制器03发送的控制指令，根据控制指令，得到车辆运行数据，将车辆运行数据上送给仿真云平台01；设置控制器03接收本地实时机02通过对应的输入协议传输的实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将控制指令发送给本地实时机02。与现有技术中云仿真和在环仿真分开测试的技术方案相比，利用本地实时机02将仿真云平台01和控制器03联系在一起，在对真实的控制器硬件进行测试的基础上，使得硬件在环仿真能够重用云仿真的高性能服务器和海量测试场景库，大大提高了硬件资源的利用率，降低测试成本，无需重新配置，减少测试人员的工作，从而提高测试效率。

具体实施例中，仿真云平台01的结构如图2所示，包括：

车辆与传感器配置模块201，用于根据预设的动力学参数，配置虚拟主车和对应的传感器；接收本地实时机02上送的车辆运行数据，根据车辆运行数据，更新虚拟主车状态；

地图和静态场景仿真模块202，用于基于预设的仿真场景所需的静态高精地图和场景，以及虚拟主车状态，对虚拟主车运行时的道路数据和静态场景进行仿真，得到虚拟主车运行时的实时道路数据和实时静态场景数据，发送给动态场景仿真模块；

动态场景仿真模块203，用于根据虚拟主车运行时的实时道路数据和实时静态场景数据，进行交通流仿真和场景仿真，得到虚拟主车运行时的动态场景数据，发送给传感器和V2X仿真模块；

传感器和V2X仿真模块204，用于根据虚拟主车运行时的动态场景数据，模拟虚拟主车对应的传感器探测和虚拟主车的V2X通信功能，得到实时传感器数据和实时V2X仿真数据；

测试评价模块205，用于根据预设的原子判定条件，对测试时段内的虚拟主车状态进行原子判定，得到原子结果；对测试时段内的虚拟主车状态进行分析，得到车辆状态；结合原子结果和车辆状态，得到自动驾驶测试评价结果。

其中，预设的动力学参数石油测试人员根据测试需求，提前进行配置的，相应地，具体实施例中的仿真云平台01，还包括：车辆与传感器配置模块，主要用于接收用户(测试人员)的配置需求，根据上述配置需求，提取预设的动力学参数。具体实施例中，用户可在仿真云平台01的前端界面上，手工配置各项动力学参数，包括例如传动、制动、转向、悬挂和轮胎等参数以及传感器等相关参数。

具体地，原子判定是一种属性上相对独立、不可再分的自动驾驶车辆行为判定，比如压线、变道、碰撞、加速度大于预设阈值等行为。结合每项行为的判定能够得到原子判定结果集，我们可以组合出高级判定，即原子结果，比如"变道时加速度>5m/s

进一步地，为了丰富测试例，具体实施例中，用户能够配置或管理测试所用的地图和场景，相应地，仿真云平台01，还包括：

地图和场景库管理模块，用于配置仿真场景所需的静态高精地图；配置和管理仿真测试所需的场景，将配置好的仿真场景所需的静态高精地图和场景，传输给地图和静态场景仿真模块202。

具体实施例中的控制器03为ADAS/AD控制器，内置自动驾驶相关的各种核心算法，包括环境感知算法、跟踪预测算法、决策和规划算法、车辆控制算法等，用于接收本地实时机02通过对应的输入协议传输的实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将控制指令发送给本地实时机02。

具体实施例中，若控制器03位于真实车辆，本地实时机02通过5G空口与仿真云平台01通信连接；若控制器03并未位于真实车辆，本地实时机02通过以太网与仿真云平台01通信连接。

具体地，实时传感器数据和实时V2X仿真数据通过TCP/UDP协议下发到本地实时机02上。由于以太网通信和5G空口通信的低延时(<5ms)，云端仿真和本地控制器03的联合仿真能够支持到200HZ以上，从而满足云端各仿真模块的需求。

具体实施时，本地实时机02作为连接仿真云平台01和控制器03的纽带，既需要获取云端资源在本地进行统筹，又要将控制器03的控制指令传达给云端，主要通过本地的一台普通配置的实时机来实现对接。

本发明实施例还提供一种既能够对真实的控制器硬件进行测试，又能够降低测试成本，提高测试效率的本地实时机02，本地实时机02应用于自动驾驶测试仿真系统中，如图3所示，本地实时机02的结构包括：

动力学仿真模块301，用于接收数据接口层302发送的动力学参数，构建车辆动力学模型；在进行硬件在环测试时，根据数据接口层接收的控制器03发送的控制指令，驱动构建的车辆动力学模型，得到车辆运行数据；

数据接口层302，用于向仿真云平台01获取动力学参数，发送给动力学仿真模块301；接收仿真云平台01下发的实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器03对应的输入协议，传输给控制器03；接收控制器03发送的控制指令，在进行硬件在环测试时，将控制指令发送给动力学仿真模块301，接收动力学仿真模块301确定的车辆运行数据，上送给仿真云平台01；在进行整车在环测试时，将控制指令发送给真实车辆，获取真实车辆的车辆运行数据，上送给仿真云平台01。

本发明实施例中，通过设置动力学仿真模块301，接收数据接口层302发送的动力学参数，构建车辆动力学模型；在进行硬件在环测试时，根据数据接口层302接收的控制器发送的控制指令，驱动构建的车辆动力学模型，得到车辆运行数据；通过设置数据接口层302，向仿真云平台01获取动力学参数，发送给动力学仿真模块301；接收仿真云平台01下发的实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器对应的输入协议，传输给控制器03；接收控制器03发送的控制指令，在进行硬件在环测试时，将控制指令发送给动力学仿真模块301，接收动力学仿真模块301确定的车辆运行数据，上送给仿真云平台01；在进行整车在环测试时，将控制指令发送给真实车辆，获取真实车辆的车辆运行数据，上送给仿真云平台01。利用动力学仿真模块301和数据接口层302的配合，将仿真云平台01和控制器03联系在一起，不仅能够对真实的控制器硬件进行测试，也使得硬件在环仿真能够重用云仿真的高性能服务器和海量测试场景库，大大提高了硬件资源的利用率，降低测试成本，无需重新配置，减少测试人员的工作，从而提高测试效率。

具体实施时，动力学参数一般是测试人员根据测试需求，提前在仿真云平台01上配置的，并用于配置云端的虚拟主车，数据接口层302向仿真云平台01获取动力学参数，发送给动力学仿真模块301，动力学仿真模块301根据该配置好的动力学参数，构建车辆动力学模型，以此来保证本地实时机02中的动力学仿真所配置参数与云端配置完全一致，保证测试的准确性。而对于整车在环测试，只要测试人员提前在仿真云平台01上配置动力学参数时，确保与测试所用真车一致即可。

其中，车辆运行数据，包括：车辆的全球导航卫星系统GNSS信号、惯性测量IMU信号和车辆底盘状态数据，车辆底盘状态数据包括但不限于：位置、朝向、速度、加速度、角速度、油门、刹车、方向盘转角、档位、四轮状态等。

在整个仿真系统中，动力学的准确性对仿真的实时性和帧率要求最高(比如1000Hz)，因此动力学仿真模块301在系统架构中位于本地实时机02中。从控制器03实时获取到最新的油门、制动和转向等控制指令，并驱动车辆动力学模型。而对于开放场地的整车在环VIL测试，则可以跳过动力学仿真模块301，无需模拟，直接通过CAN协议获取真车的实时GNSS、IMU和车辆底盘状态等数据。

本地实时机02中的数据接口层302需要把来自仿真云平台01的实时传感器数据和实时V2X仿真数据转化为控制器03对应的输入协议，一般为CAN或以太网协议。同时数据接口层302需要把动力学仿真模块301的计算结果传送到仿真云平台01，驱动云平台中的主车状态的更新。特别地，对于开放场地的整车在环VIL测试，则可以通过5G空口上传。

由于仿真云平台01的各模块相对帧率较低(比如动态场景60Hz，摄像头30Hz,毫米波雷达20Hz)，因此仿真云平台01和本地实时机02的通信可以以低帧率运行，比如60Hz，以此减少整个仿真系统的带宽消耗，从而可以提高仿真系统整体的并发量。

当需要测试控制器03中的感知算法时，本地实时机02中的数据接口层302还会获取到来自仿真云平台01的传感器原始数据。以摄像头仿真为例，需要获取来自于云端的网络视频流信息，并转化成摄像头注入板卡需要的信号(如图4中所示的本地实时机2的实现方式)或者摄像头暗箱在环需要的信号(如图4中所示的本地实时机3的实现方式)。

具体实施时，仿真云平台01的计算资源考虑到扩展性，一般采用硬件设备无关的容器化部署方式。即仿真云平台01的硬件服务层，包括存储服务器和计算服务器的硬件资源池，以及用来管理这些硬件资源的容器编排调度管理平台，这一层用来承载整个云仿真系统的运行。云平台中的每个容器都拥有一个守护进程，守护进程用于注册拥有特定仿真能力的节点到云平台中。

由于这种容器化部署架构，在云端运行一个案例时，对于同一个案例，可能动态场景仿真运行在一台物理机，毫米波雷达仿真运行在一台物理机，摄像头仿真运行在另一台支持GPU的物理机。

但本地硬件在环仿真的所有硬件资源是确定性的，比如本地实时机02和被测控制器03之间，一旦物理接线完毕，二者就完全绑定，本发明实施例通过在环硬件的注册和绑定机制，使得本地实时机02和控制器03能够跟云端的一辆虚拟主车绑定起来。这样只要在云端运行某个案例前，选择与需要测试某个本地硬件绑定的虚拟主车，仿真云平台01、本地实时机02和控制器03中的程序则可以同步启动起来，形成仿真闭环。此时运行案例选择这辆主车，而其他节点的仿真依然基于云端对应的容器，但对于这俩主车所需的动力学仿真模块301和数据接口层302模块，由于只有本地实时机02的守护进程注册了这种能力，因此只有这两个节点能够响应待运行案例，从而形成了云端仿真和本地硬件在环的绑定。因此，当有多个控制器03需要并发仿真时，每台控制器03对应的实时机02由于注册了全局唯一的动力学仿真模块301和数据接口层302模块，只要在云端为每一个被测控制器03配置一辆虚拟主车，就可以支持到多在环控制器03的云端并发仿真。

相应地，为了支持多在环控制器03能并发仿真，在仿真云平台01同时进行虚拟主车的仿真时不互相干扰，图5所示的本地实时机02，在图3的基础上，还包括：

云端注册模块501，用于利用守护进程给动力学仿真模块301和数据接口层302设置唯一标识符，以唯一标识符为标识，将动力学仿真模块301和数据接口层302注册进仿真云平台01，以绑定本地实时机02和虚拟主车及对应的传感器。

具体实施例中，在本地实时机02中添加守护进程，远程认证并连接到仿真云平台01。且仿真云平台01其他相同功能的模块一般都会拥有同样的标识符，以便支持云端弹性扩展，比如所有的动态场景仿真模块都会拥有同样的标识符，但本地实时机02守护进程注册进去的模块则拥有云端完全唯一的标识符。

由于本地实时机02中的数据接口层302跟ADAS/AD控制器03直接相连，在仿真程序启动时，数据接口层202可以往控制器03中发送仿真启动的信号，从而把仿真云平台01和被测控制器03也间接绑定，运行后，仿真云平台01和本地实时机02的多个仿真模块(动静态场景仿真、传感器仿真和动力学仿真等)和自动驾驶算法(感知、决策、规控算法等)会同时启动，共同在云端形成一个仿真闭环。

下面给出一具体实例说明本发明实施例搭建的包含本地实时机的自动驾驶测试仿真系统，如何工作，本具体实例搭建的一自动驾驶测试仿真系统的工作逻辑如图4所示：

首先是经典的仿真云平台架构，包括测试管理前端、地图和静态场景仿真模块、动态场景仿真模块、传感器和V2X仿真模块、动力学仿真模块，以及自动驾驶算法模块(包括感知、决策和控制算法等)。其中测试管理前端包括静态地图和场景库管理模块，车辆与传感器配置模块，，以及评价和测试报告模块等，所有场景数据统一存储在数据库和数据存储服务中。

具体模块说明如下：

测试管理前端-地图和场景库管理模块：用于配置仿真场景所需的静态高精地图，OpenDRIVE地图格式为标准仿真地图格式，可支持车道、交叉口、道路标线、交通牌、交通灯等等静态地图设置；还用于配置和管理仿真测试场景库，场景库一般采OpenSCENARIO标准场景格式，可基于OpenDRIVE高精地图，配置各种复杂案例，支持动态车辆、行人、自行车、摩托车、路上的静态障碍物或特殊障碍物等等的配置。

测试管理前端-车辆与传感器配置模块：用于创建一辆虚拟车辆，并根据用户的需求，配置所需的动力学参数，包括传动、制动、转向、悬挂和轮胎等的动力学配置。在虚拟车辆上可以按照跟真实传感器一致的内外参，配置各种传感器，包括摄像头、激光雷达、毫米波雷达、超声波雷达、V2X、GNSS和IMU等等。

测试管理前端-评价与测试报告模块：用于基于场景库中预设的原子判定条件(如压线、变道、碰撞、超时、急加速等等)，进行的原子判定，以及基于原子判定的结果，进行安全性、舒适性、高效性等自动驾驶测试评价，并生成报告等。

地图和静态场景仿真模块：案例实际运行过程中需要基于高精地图的路网运行时，可用于获得任意时刻主车和交通参与物位于地图中的道路和车道等信息，包括自动驾驶算法关注的车道线、停止线、交通牌和交通灯等；还用于感知仿真的3D数字孪生场景，包括路边建筑、树木、花坛以及其他辅助设施等。

动态仿真模块：动态仿真模块包括两部分，一部分为基于智能体交通流的仿真单元；另一部分为基于自定义案例的场景仿真单元，主要为OpenSCENARIO场景执行引擎，在仿真运行过程中，实时计算出对手车和障碍物的位置、朝向、速度等信息。

传感器仿真模块：用于自动驾驶车上安装的各种类型传感器的仿真，例如，摄像头模型包括摄像头外参、内参、物理参数、相机缺陷参数的仿真；毫米波雷达模型基于毫米波雷达原理的射线追踪，对回波作数字信号处理；激光雷达模型发射仿真激光并根据不同材质反射强度模型输出带噪声的点云；超声波雷达模型基于UPA和APA数学模型返回探测到的障碍物距离；GNSS/IMU仿真包括GPS信号丢失时主车的位置、速度和航向的累积误差等。

V2X仿真模块：支持基于分层抽象建模机理，对V2X通信功能的模拟，同时考虑不同交通环境对无线信号传输效率和丢包率影响。

图4的下半部分主要展示了本地控制器接入云端的几种方式，主要通过本地的一台普通配置的实时机来实现对接。具体模块功能包括：

动力学仿真模块：根据动力学参数构建并驱动车辆动力学模型，包括悬架模型、轮胎模型、传动系统模型、制动系统模型、转向系统模型等，软件采用多体车身动力学实现，支持三个方向的移动自由度、三个方向的转动自由度、四个轮胎的旋转自由度、四个非簧载质量自由度和八个轮胎瞬态特性自由度，能够完全仿真车辆运行时的总体和内部姿态。

数据接口层：为整个系统的API模块，主要包括流程控制API、车辆通信API、传感器输出API和地图查询API等。

在仿真运行起来后，仿真云平台的动静态场景仿真、传感器和V2X仿真、实时机的动力学仿真和数据接口层，以及控制器中的自动驾驶算法形成了一个完整闭环。

本具体实例构建的自动驾驶测试仿真系统，通过统一管理和调度本地在环仿真的场景资源，减少配置的复杂度；通过共享云端仿真计算资源，大大提高了硬件资源的利用率；基于以太网和5G空口的低延时，经过实测，系统性能完全可以达到ADAS/AD控制器中决策和规控算法在环的需求；且由于摄像头数据为视频流数据，车载1080p摄像头H264压缩后的视频流数据约为8MB/S，毫米波雷达数据为结构化数据，数据量也<1MB/S.单路摄像头+单路毫米波的方案总体占用带宽较少，可使用以太网或5G空口低延时传输，即使当控制器待测传感器较少时(如ADAS辅助驾驶中主流的单摄像头+毫米波融合方案)，也可满足感知决策和规控算法的完整闭环测试需求。

上述具体应用的实施仅为举例，其余实施方式不再一一赘述。

基于同一发明构思，本发明实施例还提供一种自动驾驶测试仿真方法，由于自动驾驶测试仿真方法所解决问题的原理与自动驾驶测试仿真系统相似，因此自动驾驶测试仿真方法的实施可以参见自动驾驶测试仿真系统的实施，重复之处不再赘述，该自动驾驶测试仿真方法应用于自动驾驶测试仿真系统，基于仿真云平台01、本地实时机02和控制器03实现，具体如图6所示，包括：

步骤601：仿真云平台01根据预设的动力学参数，在云端配置虚拟主车和对应的传感器；

步骤602：仿真云平台01基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，向本地实时机02下发实时传感器数据和实时V2X仿真数据；

步骤603：本地实时机02接收实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器03对应的输入协议，传输给控制器03；

步骤604：控制器03接收实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将控制指令发送给本地实时机02；

步骤605：本地实时机02接收控制器03发送的控制指令，根据控制指令，得到车辆运行数据，将车辆运行数据上送给仿真云平台01；

步骤606：仿真云平台01接收车辆运行数据，根据车辆运行数据，更新虚拟主车状态，基于更新后的虚拟主车状态，进行虚拟主车运行的仿真，直至测试时段结束；

步骤607：测试时段结束后，仿真云平台01根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合原子结果和虚拟主车状态，得到自动驾驶测试评价结果。

具体实施时，首先仿真云平台01根据预设的动力学参数，在云端配置虚拟主车和对应的传感器，具体实施过程，包括：车辆与传感器配置模块201根据用户预设的动力学参数，配置虚拟主车和对应的传感器。对于硬件在环测试，用户在仿真云平台01预设好测试所用动力学参数后，仿真云平台01将该动力学参数下发给本地实时机02。对于整车在环测试，需要预设的动力学参数与测试所用真车一致。

接着，仿真云平台01基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，具体实施过程，如图7所示，包括：

步骤701：地图和静态场景仿真模块202基于预设的仿真场景所需的静态高精地图和场景，以及虚拟主车状态，对虚拟主车运行时的道路数据和静态场景进行仿真，得到虚拟主车运行时的实时道路数据和实时静态场景数据，发送给动态场景仿真模块203；

步骤702：动态场景仿真模块203根据虚拟主车运行时的实时道路数据和实时静态场景数据，进行交通流仿真和场景仿真，得到虚拟主车运行时的动态场景数据，发送给传感器和V2X仿真模块204；

步骤703：传感器和V2X仿真模块204根据虚拟主车运行时的动态场景数据，模拟虚拟主车对应的传感器探测和虚拟主车的V2X通信功能，得到实时传感器数据和实时V2X仿真数据。

在本发明一具体实施例中，为了通过增加仿真场景提高测试仿真的适应度，仿真云平台01基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，具体实施过程如图8所示，在图7的基础上，还包括：

步骤801：地图和场景库管理模块配置仿真场景所需的静态高精地图；配置和管理仿真测试所需的场景，将配置好的仿真场景所需的静态高精地图和场景，传输给地图和静态场景仿真模块202。

得到实时传感器数据和实时V2X仿真数据后，向本地实时机02下发实时传感器数据和实时V2X仿真数据，本地实时机02接收实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器03对应的输入协议，传输给控制器03。控制器03接收实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将控制指令发送给本地实时机02。

本地实时机02接收控制器03发送的控制指令，根据控制指令，得到车辆运行数据，将车辆运行数据上送给仿真云平台01，

将车辆运行数据上送给仿真云平台01后，仿真云平台01接收车辆运行数据，根据车辆运行数据，更新虚拟主车状态，基于更新后的虚拟主车状态，进行虚拟主车运行的仿真，直至测试时段结束。具体包括：车辆与传感器配置模块201接收本地实时机02上送的车辆运行数据，根据车辆运行数据，更新虚拟主车状态，接着重复步骤602-步骤606，直至测试时段结束。

在测试时段结束后，仿真云平台01根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合原子结果和虚拟主车状态，得到自动驾驶测试评价结果，具体过程，包括：

测试评价模块205根据预设的原子判定条件，对测试时段内的虚拟主车状态进行原子判定，得到原子结果；对测试时段内的虚拟主车状态进行分析，得到车辆状态；结合原子结果和车辆状态，得到自动驾驶测试评价结果。

其中，原子结果是指自动驾驶车辆从起点出发之后所有的细微表现：如是否闯红灯，压实线，是否发生碰撞，是否达到终点；车辆状态是指自动驾驶车从起点出发之后到终点的全程过车中的油门、刹车、转向状态。

评价一般包括：

驾驶安全性：指车辆在道路上的行驶决策和行为。自动驾驶车辆也需要遵守交通规则，必须在各种驾驶情境(不论该情境是预期内还是预期外的)为用户提供导航，确保驾驶安全性；

首先是对自动驾驶模块运行可靠性的判定，类似模块是否会发生软件的致命错误、内存泄漏和数据延迟等；

其次是对自动驾驶基础功能的评价，类似是否按照道路指示标志行车，是否冲撞行人，是否发生交通事故等。

驾驶舒适性：指车辆在道路上行驶期间驾驶员或乘员的驾乘体验，依据行驶过程记录下的油门、刹车、转向状态，评估车辆驾乘是否平稳，转弯是否平顺；

利用多自由度驾驶模拟器，通过驾驶员在环，评估驾驶员的体感判定和心理感受；体感判定包括了横摆角，顿挫感等评估体系，心理感受包括了心理安全感以及迟钝感等。

交通协调性：指车辆在道路上行驶时相对其他交通参与者的交通移动表现。从外部交通参与者或者全局视角去分析评价它。协调性的提升，靠算法不断自我强化学习。

标准匹配性：指按不同国家的法律法规的要求，对自动驾驶行为作出评价。

在仿真平台内，因为输出的是原子结果，通过不同的排列组合和条件筛选，可以从不同维度，按不同行业标准，对自动驾驶算法做出评价。

此外，本发明实施例中还提供了一种自动驾驶测试仿真方法，应用于本地实时机，如图9所示，包括：

步骤901：数据接口层302接收控制器03发送的控制指令；

步骤902：在进行硬件在环测试时，数据接口层302向仿真云平台01获取上述动力学参数，将控制指令和动力学参数，发送给动力学仿真模块301，动力学仿真模块301根据该动力学参数，构建车辆动力学模型；根据控制指令驱动构建的车辆动力学模型，得到车辆运行数据，数据接口层302接收动力学仿真模块301确定的车辆运行数据，上送给仿真云平台01；

步骤903：在进行整车在环测试时，数据接口层302将控制指令发送给真实车辆，获取真实车辆的车辆运行数据，上送给仿真云平台01。

其中，车辆运行数据，包括：车辆的全球导航卫星系统信号、惯性测量信号和车辆底盘状态数据。

本发明一具体实施例中，为了实现多在环控制器并发仿真，提供的自动驾驶测试仿真方法，在图9的基础上，还包括：

云端注册模块501利用守护进程给动力学仿真模块301和数据接口层302设置唯一标识符，以唯一标识符为标识，将动力学仿真模块301和数据接口层302注册进仿真云平台01，以绑定本地实时机02和虚拟主车及对应的传感器。

本发明实施例还提供一种计算机设备，图10为本发明实施例中计算机设备的示意图，该计算机设备能够实现上述实施例中的自动驾驶测试仿真方法中全部步骤，该计算机设备具体包括如下内容：

处理器(processor)1001、存储器(memory)1002、通信接口(CommunicationsInterface)1003和通信总线1004；

其中，所述处理器1001、存储器1002、通信接口1003通过所述通信总线1004完成相互间的通信；所述通信接口1003用于实现相关设备之间的信息传输；

所述处理器1001用于调用所述存储器1002中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的自动驾驶测试仿真方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述自动驾驶测试仿真方法的计算机程序。

综上所述，本发明实施例提供的自动驾驶测试仿真系统、方法及本地实时机具有如下优点：

通过设置仿真云平台，根据预设的动力学参数，在云端配置虚拟主车和对应的传感器；基于虚拟主车状态，进行虚拟主车运行的仿真，得到实时传感器数据和实时V2X仿真数据，向本地实时机下发实时传感器数据和实时V2X仿真数据；接收本地实时机上送的车辆运行数据，根据车辆运行数据，更新虚拟主车状态；测试时段结束后，根据预设的原子判定条件，对虚拟主车状态进行原子判定，得到原子结果；结合原子结果和虚拟主车状态，得到自动驾驶测试评价结果；设置本地实时机接收仿真云平台下发的实时传感器数据和实时V2X仿真数据，将实时传感器数据和实时V2X仿真数据转化为控制器对应的输入协议，传输给控制器；接收控制器发送的控制指令，根据控制指令，得到车辆运行数据，将车辆运行数据上送给仿真云平台；设置控制器接收本地实时机通过对应的输入协议传输的实时传感器数据和实时V2X仿真数据，利用预设的自动驾驶算法对实时传感器数据和实时V2X仿真数据进行分析，得到控制车辆驾驶的控制指令，将控制指令发送给本地实时机。与现有技术中云仿真和在环仿真分开测试的技术方案相比，利用本地实时机将仿真云平台和控制器联系在一起，在对真实的控制器硬件进行测试的基础上，使得硬件在环仿真能够重用云仿真的高性能服务器和海量测试场景库，大大提高了硬件资源的利用率，降低测试成本，无需重新配置，减少测试人员的工作，从而提高测试效率。

虽然本发明提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

本领域技术人员应明白，本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。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”、“包含”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。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。

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，其均应涵盖在本发明的权利要求和说明书的范围当中。