[发明专利]一种自动驾驶汽车感知系统性能量化评估方法

权利要求书

1.一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，包括以下步骤：

1)根据自动驾驶功能和设计运行域，获取功能场景以及感知系统性能要求；

2)根据功能场景生成自动驾驶汽车感知系统的具体测试场景；

3)在具体测试场景中运行自动驾驶汽车感知系统，判断运行结果是否满足感知系统性能要求，若是则执行步骤4)，否则迭代自动驾驶汽车感知系统，并执行步骤3)；

4)根据运行结果，通过评价体系计算自动驾驶汽车感知系统的量化评估结果。

2.根据权利要求1所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，所述的功能场景包括自动驾驶功能的子功能及其运行条件，所述的感知系统性能要求包括识别静动态实体精度、稳定性、及时性、全面性、跟踪精度和识别参数精度。

3.根据权利要求1所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，所述的评价体系为层级结构，每层包括若干个评价指标，除最低层外，每层的评价指标由隶属于其的次级指标加权计算获得；

所述的步骤4)包括：

根据运行结果，通过评价指标加权计算获得自动驾驶汽车感知系统的量化评估结果。

4.根据权利要求3所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，所述的评价体系最高层包括传感器性能量化评价指标和感知系统性能量化评价指标；

隶属于传感器性能量化评价指标的次级指标包括传感器的可靠性、成本以及稳定性；

隶属于感知系统性能量化评价指标的次级指标包括特定场景下感知系统的识别率、准确性和鲁棒性。

5.根据权利要求4所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，隶属于传感器的可靠性的次级指标包括传感器的故障率、鲁棒性以及平均使用寿命；

隶属于传感器的成本的次级指标包括传感器数量和传感器单价；

隶属于传感器的稳定性的次级指标包括传感器的信噪比、电磁干扰稳定性以及工作温度范围。

6.根据权利要求4所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，隶属于感知系统的识别率的次级指标包括感知系统的漏检率；

隶属于感知系统的准确性的次级指标包括感知系统的误检率和检测精度；

隶属于感知系统的鲁棒性的次级指标包括感知系统的上报延迟、目标跟随特性和最大有效探测距离。

7.根据权利要求1所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，所述的步骤2)包括以下步骤：

201)获取自动驾驶汽车感知系统的触发条件；

202)获取触发条件的参数范围；

203)根据功能场景、触发条件以及触发条件的参数范围生成具体测试场景。

8.根据权利要求7所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，所述的步骤201)包括：

构建触发源知识库、触发机制知识库和触发效果知识库，所述的触发源知识库以树状结构存储影响感知系统的触发源要素，所述的触发机制知识库和触发效果知识库基于语义引导词建立；

通过触发源知识库、触发机制知识库和触发效果知识库构建触发条件分析矩阵；

通过触发条件分析矩阵获取触发条件。

9.根据权利要求7所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，所述的步骤202)包括：

根据自然驾驶数据获取触发条件的参数范围。

10.根据权利要求9所述的一种自动驾驶汽车感知系统性能量化评估方法，其特征在于，所述的步骤203)包括：

根据自然驾驶数据获取功能场景的参数范围，在功能场景和触发条件的参数范围内，组合具有特定参数的功能场景和触发条件，生成若干个整体逻辑场景；

构建以触发源的出现频率为输入，以场景暴露率等级为判断结果的场景暴露率判断矩阵，根据自然驾驶数据中触发源的出现频率，通过场景暴露率判断矩阵确定整体逻辑场景的场景暴露率等级；

构建以事故的严重度为输入，以场景严重度等级为判断结果的场景严重度判断矩阵，根据自然驾驶数据中事故的严重度，通过场景严重度判断矩阵确定整体逻辑场景的场景严重度等级；

构建以场景暴露率等级和场景严重度等级为输入，以场景风险等级为输出的场景风险等级判断矩阵，根据场景暴露率等级和场景严重度等级，通过场景风险等级判断矩阵确定整体逻辑场景的场景风险等级；

选取场景风险等级最高的整体逻辑场景作为具体测试场景。