基于數據的缺陷檢測工具

一、為什么選擇ADASINSPECTOR

ADAS，客觀、高效地測試自動駕駛功能

傳感器輸入數據的匹配性是必須的，因此很難根據現有測試輸入的輸出值進行比較測試

幾乎不可能生成匹配的輸入數據

仿真或是實車行駛測試的必須性

難以再現場景、發現缺陷

實現基于駕駛員判斷的主觀驗證

ADAS，客觀高效地測試自動駕駛功能！

能夠基于數據進行客觀、定量的評估，并能夠根據數據確定缺陷的原因和依據

通過基于數據的自動發現功能自動發現缺陷—降低人力成本

最大限度地提高驗證效率

可以發現人類無法識別的缺陷

二、需求

隨著驗證需求的增加，需要ADAS&自動駕駛驗證方法

ADAS&自動駕駛功能的復雜度不斷增加，基于測試人員認知的手動驗證方法效率低下

由于功能錯誤發生條件以及發生錯誤時控制器狀態信息不足導致難以改善錯誤

三、解決方案

基于數據的驗證流程

收集實車行駛數據→ 在實驗室反復分析數據，驗證多種場景

四、DrivingData Logger駕駛數據記錄儀

1、用于收集車輛外部數據的傳感器–Sensor Box

用于收集外部環境數據的傳感器的構成

: Lidar, VR影像,GPS

可裝載于各種車型的設計，具備高度調節功能

分析缺陷時，生成可作為依據的數據

: 行駛環境影像、客體識別及距離預測(相機+雷達傳感器結合)

2、車輛內/外部數據收集裝置–收集器PC

收集車輛控制信息及比較標準數據

: 車輛內部數據-CAN數據(ADAS信號,車輛控制信號),內部影像

: 車輛外部數據– 4KVR影像,雷達,GPS

: 支持收集渠道間的時間同步

通過收集器控制臺監測收集狀態，記錄問題發生時間

: 記錄收集開始、結束及現在時間

五、DrivingData Analyzer駕駛數據分析器

1、畫面可視化便于解析數據– 影像, pointcloud,圖表,地圖

提供時間軸功能，可以在收集的駕駛數據之間進行逐幀分析

提供通過查詢數據條件自動搜索場景/缺陷區間的功能

針對問題區間進行缺陷記錄管理并生成報告

2、利用過濾功能自動搜索場景/缺陷

支持基于數據進行條件搜索

-在拍攝的全部數據中自動找出并記錄符合條件的區間

例)搜索在70km/h的行駛過程中進入車輛前方20m以內的區間

可生成數據值比較條件、復雜的腳本條件組合的過濾

提供移至過濾結果部分的功能

3、運用人工智能和傳感器融合技術，提供周圍客體距離數據

傳感器盒中的參考傳感器（相機、雷達）之間的傳感器融合

提供對象識別和識別對象之間的距離數據

可分析全部或特定的某一幀畫面

分析結果可用作過濾條件分析

4、利用人工智能和圖像處理技術提供車道距離數據

通過分析傳感器箱中的車道識別攝像頭數據

提供到車道的距離數據-提供左右車道和基點的距離數據

可分析特定幀和整個視頻

可將分析結果用作篩選條件

六、規范

七、參考

機器人產業促進局投入了機器人軟件可靠性評估系統

SAIMO，中國自動駕駛國家標準（GBT）驗證解決方案

審核編輯 ：李倩