[发明专利]一种基于Carla平台的ADAS算法验证方法及装置

说明书

本发明提出了一种基于Carla平台的ADAS算法验证方法及装置。包括：获取待测试对象信息以及待测试环境信息，根据该待测试对象信息以及待测试环境信息在Carla平台中创建对应的模拟对象；将该模拟对象与ADAS算法进行连接，获取待测试操作指令，通过该待测试操作指令对模拟对象进行控制，并获取测试画面图像帧；通过ADAS算法对该测试画面图像帧进行处理，并将处理结果反馈至Carla平台实时画面；获取ADAS算法预期测试效果，将处理结果与预期测试效果进行比较，根据比较结果对ADAS算法进行验证。本发明通过借助Carla平台可以满足ADAS算法不同环境需求，创造出特定测试环境，多方面测试算法的性能，能够提高ADAS算法的测试性能，提高ADAS算法的鲁棒性。

技术领域

本发明涉及计算机软件技术领域，尤其涉及一种基于Carla平台的ADAS算法验证方法及装置。

背景技术

在人工智能火热的时代，基于深度学习的无人驾驶算法层出不穷，深度学习算法的模型训练以及算法鲁棒性效果验证离不开仿真环境的搭建与测试，无人驾驶领域在现实中的环境通常比较复杂，并且也很难模拟算法需要测试的具体环境，为了针对算法搭建具体的测试环境用于测试算法的效果是提高深度学习算法性能不可或缺的一步。

ADAS算法主要涉及到目标碰撞预警、车道线偏离预警两大方面，当前ADAS算法测试采用实时获取的道路信息图片或视频，像车辆碰撞预警以及车道线偏离预警在实际中搭建的环境都比较简单，实际应用中遇到的环境远比测试环境复杂，这无疑对算法的性能提出更高的要求，如何搭建针对不同算法的测试环境成为了ADAS研究领域人员的难题。传统的测试环境简单，成本高，测试效果单一，具有很多的不确定性。所以，亟需一种基于Carla平台的ADAS算法验证方法来提高算法性能。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

有鉴于此，本发明提出了一种基于Carla平台的ADAS算法验证方法及装置，旨在解决现有技术无法通过Carla平台提高ADAS算法测试性能的技术问题。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于Carla平台的ADAS算法验证方法，所述基于Carla平台的ADAS算法验证方法包括以下步骤：

S1，获取待测试对象信息以及待测试环境信息，根据该待测试对象信息以及待测试环境信息在Carla平台中创建对应的模拟对象；

S2，将该模拟对象与ADAS算法进行连接，获取待测试操作指令，通过该待测试操作指令对模拟对象进行控制，并获取测试画面图像帧；

S3，通过ADAS算法对该测试画面图像帧进行处理，并将处理结果反馈至Carla平台实时画面；

S4，获取ADAS算法预期测试效果，将处理结果与预期测试效果进行比较，根据比较结果对ADAS算法进行验证。

在以上技术方案的基础上，优选的，步骤S1中，获取待测试对象信息以及待测试环境信息，根据该待测试对象信息以及待测试环境信息在Carla平台中创建对应的模拟对象，还包括以下步骤，获取待测试对象信息以及待测试环境信息，所述待测试对象信息包括：行人信息以及汽车信息，所述待测试环境信息包括：天气信息以及路况信息，根据该待测试对象信息以及待测试环境信息在Carla平台中创建对应的模拟对象。

在以上技术方案的基础上，优选的，步骤S2中，将该模拟对象与ADAS算法进行连接，获取待测试操作指令，通过该待测试操作指令对模拟对象进行控制，并获取测试画面图像帧，还包括以下步骤，构建python图像接口，通过该python图像接口将ADAS算法与模拟对象对应的模拟画面进行连接，获取待测试操作指令，所述待测试操作指令包括：碰撞预警测试流程以及车道偏离测试流程，通过该待测试操作指令对模拟对象进行控制，并获取测试画面图像帧。