路侧算法自动化测试的方法、装置、存储介质及电子设备与流程

1.本技术涉及智慧道路技术领域，具体而言，涉及一种路侧算法自动化测试的方法、装置、存储介质及电子设备。


背景技术：

2.路侧感知就是利用摄像机、毫米波雷达、激光雷达等传感器，并结合路侧算法，实现对该路段的交通参与者、路况等的瞬时智能感知。路侧感知能拓展自动驾驶车辆和驾驶员感知范围，并通过车路协同技术实现人-车-路-云的一体化运行监测，当第一时间发现道路通行异常时，实现车路协同、车云协同，区域路云协同等智能应用，满足自动驾驶车辆、社会车辆智能出行需求。
3.为了确保路侧感知数据的准确度，需要对路侧感知端的路侧算法进行测试。目前，测试人员一般将人为录制的自动驾驶车辆的驾驶数据与路侧算法的结构化数据进行对比来得到路侧算法的测试结果。但是，人为录制的方式受多种因素的干扰，可能存在录制数据缺失或不清楚的问题，进而无法实现对路侧算法的有效测试，降低测试结果的准确度和效率。
4.因此，如何提供一种高效且准确度较高的路侧算法自动化测试的方法的技术方案成为亟需解决的技术问题。


技术实现要素：

5.本技术的一些实施例的目的在于提供一种路侧算法自动化测试的方法、装置、存储介质及电子设备，通过本技术的实施例的技术方案可以实现对路侧算法的精准测试，效率较高，可以加快路侧为车路云协同体系赋能的步伐。
6.第一方面，本技术的一些实施例提供了一种路侧算法自动化测试的方法，包括：将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点；基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息；将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，其中，所述测试结果表征所述路侧算法的准确度。
7.本技术的一些实施例通过将目标时间段内的路侧时间轨迹虚拟映射到真值车侧，得到虚拟映射时间点以及其对应的虚拟驾驶信息，最后将虚拟驾驶信息和路侧驾驶信息进行对比，得到测试结果，可以实现对路侧算法的精准测试，效率较高，可以加快路侧为车路云协同体系赋能的步伐。
8.在一些实施例，在所述将路侧感知设备采集的目标真值车的路侧时间轨迹映射到真值车侧之前，所述方法还包括：从路侧感知数据中获取待确认真值车距离所述路侧感知设备在预设范围内时的路侧数据；基于所述待确认真值车的帧数据，从所述路侧数据中筛选出多个匹配帧；将所述多个匹配帧中被记录出现次数最多的感知物作为所述目标真值
车。
9.本技术的一些实施例通过将预设范围内的路侧感知数据与待确认真值车的帧数据进行比较，得到多个匹配帧，从多个匹配帧中确定目标真值车，可以实现对目标真值车的精准定位。
10.在一些实施例，所述将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点，包括：获取所述路侧感知设备采集数据和所述真值车侧采集数据之间的时间差；将所述路侧时间轨迹中各个路侧时间轨迹点与所述目标真值车在所述目标时段内的各个真值时间轨迹点对齐；求解所述各个路侧时间轨迹点与所述时间差的差值，得到所述多个虚拟映射时间点。
11.本技术的一些实施例通过路侧感知侧和真值车侧间的数据采集时间差，在两侧数据对齐后，将路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点，为后续路侧算法的自动化测试提供了有效的数据支持。
12.在一些实施例，所述时间差是在与所述路侧感知设备和所述目标真值车的虚拟测试环境中测试得到的。
13.本技术的一些实施例通过在路侧感知设备和目标真值车的虚拟测试环境中进行测试得到时间差，可以保证获取的时间差的准确度。
14.在一些实施例，所述基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息，包括：获取所述目标时段内与所述各个虚拟映射时间点相邻两个时刻分别对应的驾驶信息，其中，所述驾驶信息包括：所述目标真值车的位置、速度和航向角；确定所述各个虚拟映射时间点与所述相邻两个时刻间的时间比；对所述时间比和所述相邻两个时刻的驾驶信息进行计算，得到所述各个虚拟映射时间点的虚拟驾驶信息，其中，所述虚拟驾驶信息包括：虚拟位置、虚拟速度和虚拟航向角。
15.本技术的一些实施例通过与各个虚拟映射时间点相邻两个时刻分别对应的驾驶信息和时间比，确定各个虚拟映射时间点的虚拟驾驶信息，可以实现对虚拟驾驶信息的高效获取，效率较高。
16.在一些实施例，所述基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息，包括：获取含有所述驾驶信息的所述目标真值车的时间轨迹点拟合曲线图；从所述时间轨迹点拟合曲线图中读取所述各个虚拟映射时间点的虚拟驾驶信息。
17.本技术的一些实施例通过目标真值车的时间轨迹点拟合曲线图得到各个虚拟映射时间点的虚拟驾驶信息，既高效又准确。
18.在一些实施例，所述将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，包括：计算所述虚拟驾驶信息与所述路侧驾驶信息的误差值；基于所述误差值确定所述测试结果，其中，所述误差值与所述测试结果成反比。
19.本技术的一些实施例通过虚拟驾驶信息与路侧驾驶信息的误差值确定测试结果，效率较高且准确度较高。
20.第二方面，本技术的一些实施例提供了一种路侧算法自动化测试的装置，包括：映射模块，被配置为将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到
真值车侧，得到多个虚拟映射时间点；获取模块，被配置为基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息；测试模块，被配置为将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，其中，所述测试结果表征所述路侧算法的准确度。
21.第三方面，本技术的一些实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时可实现如第一方面任一实施例所述的方法。
22.第四方面，本技术的一些实施例提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述程序时可实现如第一方面任一实施例所述的方法。
23.第五方面，本技术的一些实施例提供一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如第一方面任一实施例所述的方法。
附图说明
24.为了更清楚地说明本技术的一些实施例的技术方案，下面将对本技术的一些实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
25.图1为本技术的一些实施例提供的一种路侧算法自动化测试的系统图；
26.图2为本技术的一些实施例提供的路侧算法自动化测试的方法流程图之一；
27.图3为本技术的一些实施例提供的虚拟映射示意图；
28.图4为本技术的一些实施例提供的路侧算法自动化测试的方法流程图之二；
29.图5为本技术的一些实施例提供的路侧算法自动化测试的装置组成框图；
30.图6为本技术的一些实施例提供的一种电子设备示意图。
具体实施方式
31.下面将结合本技术的一些实施例中的附图，对本技术的一些实施例中的技术方案进行描述。
32.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
33.相关技术中，算法工程师将智慧道路上安装的设备(例如，相机和雷达传感器等等)所采集的数据通过各种复杂的路侧算法转换成结构化数据，该结构化数据是车路云协同中路侧最基础、最重要的输出，其准确性决定了路侧数据能否为车云赋能。当前测试人员一般都是将人为录制自动驾驶车的行驶数据与路侧算法的结构化数据进行对比来得到指标结果，以测试路侧算法的准确度。当前评测位置、速度、航向角的方式是需要专业的测试人员先预约自动驾驶车辆，在自动驾驶车辆经过路侧设备覆盖的范围时，人工触发录包，之后还需进一步提取自动驾驶车辆的rtk数据与路侧算法的输出结果进行对比，而对比的方式则是拿两侧数据时间最近时间点的作为比较对象，从流程中可见耗时长、成本高且采样
量少。由上述相关技术可知，现有技术中对路侧算法进行测试的方法的准确度较低且效率无法保证。
34.鉴于此，本技术的一些实施例提供了一种路侧算法自动化测试的方法，该方法通过将路侧感知设备采集的目标真值车的路侧时间轨迹映射到真值车侧得到多个虚拟映射时间点，然后通过目标真值车采集的驾驶信息获取多个虚拟映射时间点的虚拟驾驶信息，最后将虚拟驾驶信息与路侧驾驶信息进行对比，得到测试结果。本技术的一些实施例通过虚拟映射的方式可以实现对路侧算法的高效和准确的测试，从而可以不断的迭代优化路侧算法来提升其准确性，而且可以加快路侧为车路云协同体系赋能的步伐。
35.下面结合附图1示例性阐述本技术的一些实施例提供的路侧算法自动化测试的系统的整体组成结构。
36.如图1所示，本技术的一些实施例提供了一种路侧算法自动化测试的系统，路侧算法自动化测试的系统包括：目标真值车100、路侧感知设备200以及路侧数据平台端300。其中，在目标时段内，目标真值车100可以搭载有rtk(real-time kinematic，实时动态，实时动态载波相位差分技术)，可以实现对自身驾驶信息的数据的采集，并将驾驶信息发送给路侧数据平台端300。当目标真值车100在路侧感知范围内行驶时，路侧感知设备200可以采集路测时间轨迹和路侧驾驶信息并发送给路侧数据平台端300。路侧数据平台端300可以将路侧时间轨迹映射到目标真值车100所处的真值车侧，得到多个虚拟映射时间点。然后路侧数据平台端300基于目标真值车100的驾驶信息，得到各个虚拟映射时间点的虚拟驾驶信息。最后将虚拟驾驶信息与路侧感知设备200采集的路侧驾驶信息进行对比，得到对路侧算法的测试结果。
37.需要说明的是，在本技术的另一些实施例中，目标真值车100除了可以搭载rtk外，还可以搭载与rtk功能相似的其他可以实现对目标真值车100的数据采集的软件或硬件，本技术实施例并不局限于此。
38.在本技术的一些实施例中，路侧数据平台端300可以是独立于目标真值车100和路侧感知设备200之外部署的终端设备。路侧数据平台端300也可以部署在路侧感知设备200的路侧数据平台上，以使得路侧感知设备200可以对自身的路侧算法进行自动化测试。具体的，可以根据实际情况进行设置，本技术实施例在此不作具体限定。
39.下面结合附图2示例性阐述本技术的一些实施例提供的由路侧数据平台端300执行的路侧算法自动化测试的实现过程。
40.请参见附图2，图2为本技术的一些实施例提供的一种路侧算法自动化测试的方法流程图，路侧算法自动化测试的方法包括：
41.s210，将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点。s220，基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息。s230，将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，其中，所述测试结果表征所述路侧算法的准确度。
42.例如，在本技术的一些实施例中，在目标时段内，目标真值车100和路侧感知设备200均可以实现数据的采集。其中，目标真值车100可以对自身的真值时间轨迹点进行采集，得到待确认真值车的帧数据，其中，待确认真值车的帧数据中含有多个真值帧。路侧感知设
备200可以对目标真值车100进行数据采集，得到路侧时间轨迹，其中，路侧时间轨迹中包括多个路侧时间轨迹点。通过将多个路侧时间轨迹点映射到真值车侧，可以得到多个虚拟映射时间点。在得到多个虚拟映射时间点后，基于目标真值车100在真值时间轨迹点的驾驶信息，确定各个虚拟映射时间点的虚拟驾驶信息。最后将各个虚拟映射时间点的虚拟驾驶信息与路侧感知设备200的路侧算法实际输出的路侧行驶信息进行对比，确定路侧算法输出的结果的准确度，进而可以衡量路侧算法的准确度。
43.下面示例性阐述上述过程。
44.在本技术的一些实施例中，在执行s210之前，路侧算法自动化测试的方法还包括：从路侧感知数据中获取待确认真值车距离所述路侧感知设备在预设范围内时的路侧数据；基于所述待确认真值车的帧数据，从所述路侧数据中筛选出多个匹配帧，并确认所述多个匹配帧中所述待确认真值车被感知的次数最多；将所述多个匹配帧中被记录出现次数最多的感知物作为所述目标真值车。
45.例如，在本技术的一些实施例中，从路侧感知设备200采集的路侧感知数据中筛选出在预设范围内的时间数据和对应的感知帧(作为在预设范围内的路侧数据的一个具体示例)，预设范围表征待确认真值车距离路侧感知设备200的距离，预设范围的取值可以为60米或100米等。待确认真值车的帧数据中含有多个真值帧。然后对感知帧进行映射和遍历，从待确认真值车的帧数据中获取与每个感知帧时间上相匹配的待确认真值车的每个真值帧，以此得到满足时间要求的与待确认真值车的帧数据对应的多个匹配帧。也就是说，一个感知帧匹配一个真值帧。其中，多个匹配帧中每个匹配帧中均存在多个感知物，每个感知物都自己唯一的uuid，将待确认真值车的每个真值帧中待确认真值车的位置与每个匹配帧中存在的多个感知物的位置分别进行计算，得到与待确认真值车的位置距离最近的感知物，并对该感知物的uuid进行统计，将uuid次数最多(也就是被记录出现次数最多)的感知物确定为目标真值车100。
46.具体的，作为本技术的一个具体示例，在寻找路侧感知帧里的哪个uuid是自动驾驶车时，预设范围为60米，则自动驾驶车进入60米范围内才会进行匹配。由于该方案中的计算是延后一定时间的(例如延后半小时)，所以在之后的匹配计算时，会找到进入感知设备(也就是路侧感知设备)或感知区域60米范围内的一个连续的时间段t1到t2(t1为进入60m范围内时，t2为离开感知区域或离开感知设备60m范围)。在评测时t2-t1需要大于一定时间，虽然越大匹配的会越准确，但是这样满足触发匹配计算的情况会少，而通过60m测试车辆需要3s的时间，故将t2-t1设置为3s较为合理。具体的可以根据实际情况进行调整，本技术实施例并不局限于此。
47.之后，在延后半小时的匹配计算中，得到这3s的路侧感知帧数据(大概30-60条)和真值帧数据(30条)，遍历路侧感知帧数据。其中，每条路侧感知帧数据中含有多个uuid(一个自动驾驶车或感知物对应一个唯一的uuid)，真值帧数据中只含有一个uuid。具体的，以图3为例进行说明确认目标真值车100的过程。如图3所示，第一行为目标真值车100的真值时间轨迹帧，第二行为路侧感知设备200的路侧时间帧。首先，以a点对应的感知帧为例，将a映射到第一行的真值车侧时，可以确认距离a最近的时间帧为d对应的真值帧。然后，将a中的所有感知物对应的位置分别与d中的自动驾驶车的位置进行对比，查找到距离d中的自动驾驶车的位置最近的自动驾驶车的uuid，并将该uuid计数加一，当遍历计算完路侧感知帧
数据(大概30-60条)后，找到uuid计数最多的自动驾驶车，即为路侧感知到的目标真值车100。需要说明的是，同一辆自动驾驶车在感知设备感知到的连续时段内，其uuid不变。
48.在本技术的一些实施例中，s210可以包括：获取所述路侧感知设备采集数据和所述真值车侧采集数据之间的时间差；将所述路侧时间轨迹中各个路侧时间轨迹点与所述目标真值车在所述目标时段内的各个真值时间轨迹点对齐；求解所述各个路侧时间轨迹点与所述时间差的差值，得到所述多个虚拟映射时间点。
49.例如，在本技术的一些实施例中，由于目标真值车100和路侧感知设备200在传输数据时会存在时间延迟，通过对路侧感知设备200进行测试，得到时间差为t0。然后将路侧时间轨迹点和真值时间轨迹点进行对齐之后，计算各个虚拟映射时间点。例如，如图3所示，第一行为目标真值车100的真值时间轨迹点(每个竖线表示一个时刻下的时间轨迹点)，第二行为路侧感知设备200的路侧时间轨迹点。点a对应的时间为tr，则将a映射到第一行时，对应的虚拟映射时间点为tb＝tr-t0，也就是第一行中的点b。以此类推，可以实现将路侧时间轨迹点全部映射到真值车侧，得到多个虚拟映射时间点。
50.在本技术的一些实施例中，所述时间差是在与所述路侧感知设备和所述目标真值车的虚拟测试环境中测试得到的。
51.不同的路侧感知设备200(例如，传感器或路侧摄像头)的时间差t0有些差别。但相同类型相同型号的传感器在一定温度区间下的差别可以忽略不计。因此，为了获取准确度较高的路侧感知设备200的时间差，例如，在本技术的一些实施例中，通过搭建与路侧感知设备200和目标真值车100的虚拟测试环境，得到t0。具体的以路侧摄像头为路侧感知设备，机器为真值车进行测试，测试过程如下：
52.首先，将一台机器作为真值车，并在该机器的屏幕上显示当前的毫秒级别时间戳。然后将机器和路侧摄像头的边缘计算机的时间对齐，并将路侧摄像头对准机器的屏幕。边缘计算机可以记录边缘计算机感知到的感知时间，并利用边缘算法识别屏幕上的机器时间，然后将机器显示的真值时间和感知时间的差值作为t0。其中，t0＝感知时间-机器显示的真值时间。需要说明的是，在实际应用中，由于t0相对稳定，为了确保t0的准确度，可以进行大量的测试得到，本技术实施例在此不作具体限定。
53.在本技术的一些实施例中，s220可以包括：
54.s221，获取所述目标时段内与所述各个虚拟映射时间点相邻两个时刻分别对应的驾驶信息，其中，所述驾驶信息包括：所述目标真值车的位置、速度和航向角。
55.例如，在本技术的一些实施例中，以图3中的虚拟映射点b为例进行示例性阐述。从目标真值车100采集的数据中获取在c和d时刻的目标值真值车100的位置(p0、p1)、速度(s0、s1)和航向角(h0、h1)。c和d时刻为相邻两个时刻。
56.s222，确定所述各个虚拟映射时间点与所述相邻两个时刻间的时间比。
57.例如，在本技术的一些实施例中，通过将虚拟映射时间点与相邻两个时刻的占比进行计算可以得到时间比。例如，计算b在c和d时刻之间的时间比。例如，cb：bd＝3:1。
58.s223，对所述时间比和相邻两个时刻的驾驶信息进行计算，得到所述各个虚拟映射时间点的虚拟驾驶信息，其中，所述虚拟驾驶信息包括：虚拟位置、虚拟速度和虚拟航向角。
59.例如，在本技术的一些实施例中，基于驾驶信息和时间比之间的关系计算得到虚
拟驾驶信息。例如，在b点的虚拟位置pb＝|p1-p1
’‑
1/4(p1-p0)|，其中，p1’为路侧感知的目标真值车100的位置。b点的虚拟速度sb＝3/4s1+1/4s0。b点的虚拟航向角hb＝3/4h1+1/4h0。以此类推，可以得到各个虚拟映射时间点的虚拟驾驶信息。
60.在本技术的另一实施例中，s220可以包括：获取含有所述驾驶信息的所述目标真值车的时间轨迹点拟合曲线图；从所述时间轨迹点拟合曲线图中读取所述各个虚拟映射时间点的虚拟驾驶信息。
61.例如，在本技术的另一些实施例中，将目标真值车100采集的驾驶信息的数据轨迹点进行拟合，得到时间轨迹点拟合曲线图，其中，时间轨迹点拟合曲线图中的每个点都可以同步拟合出位置、速度、航向角等驾驶信息。然后从时间轨迹点拟合曲线图中得到各个虚拟映射时间点对应的虚拟驾驶信息即可。
62.在本技术的一些实施例中，s230可以包括：计算所述虚拟驾驶信息与所述路侧驾驶信息的误差值；基于所述误差值确定所述测试结果，其中，所述误差值与所述测试结果成反比。
63.例如，在本技术的一些实施例中，通过将虚拟驾驶信息和路侧驾驶信息中的速度、位置和航向角进行对比和计算，可以得到误差值，误差值越大表征路侧算法的准确度较低，误差较小表征路侧算法的准确度较高。其中，误差值的大小可以按照预设规则进行确认，例如设定误差阈值，或误差范围等等，本技术实施例在此不作具体限定。本技术通过各种指标中的位置、速度、航向角指标进行自动化评测，来提升对路侧算法的测试的效率和准确性。
64.下面结合附图4示例性阐述本技术的一些实施例提供的由路侧数据平台端300执行的路侧算法自动化测试的具体过程。
65.请参见附图4，图4为本技术的一些实施例提供的一种路侧算法自动化测试的方法流程图。
66.下面示例性阐述上述过程。
67.s410，获取待确认真值车的帧数据以及获取待确认真值车距离路侧感知设备在预设范围内的路侧数据。
68.例如，作为本技术的一个具体示例，待确认真值车启动后通过部署的obu(on board unit，车载单元)上报bsm(business service management，监测操作系统)消息(作为帧数据的一个具体示例)到rsu(road side unit，路侧单元)。rsu将bsm消息传递到mec(mobile edge computing，边缘计算单元)，mec将bsm消息传递到路侧数据平台端300。路侧数据平台端300还可以接收由路侧感知设备200发送的在100米内的待确认真值车的路侧bsm消息(作为路侧数据的一个具体示例)。
69.s420，基于待确认真值车的帧数据，从路侧数据中筛选出多个匹配帧，并确认多个匹配帧中待确认真值车被感知的次数最多。
70.需要说明的是，真值车侧的bsm消息是10hz，路侧感知数据是10-20hz，故两者最近轨迹点的最大时间差是1000/10/2＝50ms。按照72km/h(20m/s)假设，两者最大位置误差为1m。若路侧感知侧识别的感知物位置误差不太大，则同一时刻真值车侧的bsm消息中的位置(pb)和路侧感知物集合中的位置(pri)求距离即可得到感知物集合中哪个是目标真值车100：min(distance(pb,pri))，(其中i是第i个感知物)。当然只判断一帧数据所产生的偶然性或者错误性会很大，且基于理论及验证，离路侧感知设备越近，路侧感知设备所感知的物
体的位置误差越低，所以可以根据待确认真值车距离路侧感知设备的距离进行多帧的匹配。
71.例如，作为本技术的一个具体示例，遍历待确认真值车数据的每一帧数据，寻找路侧数据中离待确认真值车的每一帧数据最近时间的多个匹配帧，之后即可通过距离找到最近的感知物。对多个匹配帧中每一帧数据都能找到一个距离路侧感知设备200最新的感知物，而每个感知物有自己的uuid，那么某个uuid被找到次数最多的，极大概率为路侧感知设备200感知到的目标真值车。例如，待确认真值车uuid被找到次数最多，其就是目标真值车。
72.s430，将待确认真值车作为目标真值车。
73.s440，获取路侧感知设备采集数据和真值车侧采集数据之间的时间差。
74.例如，作为本技术的一个具体示例，bsm消息是10hz，路侧感知数据是10-20hz，故两者最近轨迹点的时间差是1000/10/2＝50ms。
75.s450，将路侧时间轨迹中各个路侧时间轨迹点与目标真值车在目标时段内的各个真值时间轨迹点对齐。
76.s460，求解各个路侧时间轨迹点与时间差的差值，得到所述多个虚拟映射时间点。
77.s470，基于目标真值车在目标时段内采集的驾驶信息，获取各个虚拟映射时间点的虚拟驾驶信息。
78.s480，将虚拟驾驶信息与路侧算法获取的目标真值车的路侧驾驶信息进行对比，得到测试结果。
79.需要说明的是，s410～s480中的具体的实现过程可参照图2所提供的方法实施例，为避免重复，此处适当省略详细描述。
80.通过上述本技术的一些实施例可知，本技术的路侧数据平台端可以自动识别并获取自动驾驶车辆(作为目标真值车的一个具体示例)经过路侧感知设备覆盖的区域，还可以自动确定路侧感知数据中哪个感知物是自动驾驶车辆。最后采用虚拟映射构建自动驾驶车辆的虚拟驾驶信息，并与路侧感知到的自动驾车辆轨迹对齐，进而可以实现对路侧算法的测试，效率较高且准确度较高。
81.请参考图5，图5示出了本技术的一些实施例提供的路侧算法自动化测试的装置的组成框图。应理解，该路侧算法自动化测试的装置与上述方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该路侧算法自动化测试的装置的具体功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。
82.图5的路侧算法自动化测试的装置包括至少一个能以软件或固件的形式存储于存储器中或固化在路侧算法自动化测试的装置中的软件功能模块，该路侧算法自动化测试的装置包括：映射模块510，被配置为将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点；获取模块520，被配置为基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息；测试模块530，被配置为将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，其中，所述测试结果表征所述路侧算法的准确度。
83.在本技术的一些实施例中，在映射模块510之前，路侧算法自动化测试的装置还包括：确认模块(图中未示出)，被配置为：从路侧感知数据中获取待确认真值车距离所述路侧
感知设备在预设范围内时的路侧数据；基于所述待确认真值车的帧数据，从所述路侧数据中筛选出多个匹配帧，并确认所述多个匹配帧中所述待确认真值车被感知的次数最多；将所述多个匹配帧中被记录出现次数最多的感知物作为所述目标真值车。
84.在本技术的一些实施例中，映射模块510，被配置为获取所述路侧感知设备采集数据和所述真值车侧采集数据之间的时间差；将所述路侧时间轨迹中各个路侧时间轨迹点与所述目标真值车在所述目标时段内的各个真值时间轨迹点对齐；求解所述各个路侧时间轨迹点与所述时间差的差值，得到所述多个虚拟映射时间点。
85.在本技术的一些实施例中，所述时间差是在与所述路侧感知设备和所述目标真值车的虚拟测试环境中测试得到的。
86.在本技术的一些实施例中，获取模块520，被配置为获取所述目标时段内与所述各个虚拟映射时间点相邻两个时刻分别对应的驾驶信息，其中，所述驾驶信息包括：所述目标真值车的位置、速度和航向角；确定所述各个虚拟映射时间点与所述相邻两个时刻间的时间比；对所述时间比和所述相邻两个时刻的驾驶信息进行计算，得到所述各个虚拟映射时间点的虚拟驾驶信息，其中，所述虚拟驾驶信息包括：虚拟位置、虚拟速度和虚拟航向角。
87.在本技术的一些实施例中，获取模块520，被配置为获取含有所述驾驶信息的所述目标真值车的时间轨迹点拟合曲线图；从所述时间轨迹点拟合曲线图中读取所述各个虚拟映射时间点的虚拟驾驶信息。
88.在本技术的一些实施例中，测试模块530，被配置为计算所述虚拟驾驶信息与所述路侧驾驶信息的误差值；基于所述误差值确定所述测试结果，其中，所述误差值与所述测试结果成反比。
89.本技术的一些实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。
90.本技术的一些实施例还提供了一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。
91.如图6所示，本技术的一些实施例提供一种电子设备600，该电子设备600包括：存储器610、处理器620以及存储在存储器610上并可在处理器620上运行的计算机程序，其中，处理器620通过总线630从存储器610读取程序并执行所述程序时可实现如上述任意实施例的方法。
92.处理器620可以处理数字信号，可以包括各种计算结构。例如复杂指令集计算机结构、结构精简指令集计算机结构或者一种实行多种指令集组合的结构。在一些示例中，处理器620可以是微处理器。
93.存储器610可以用于存储由处理器620执行的指令或指令执行过程中相关的数据。这些指令和/或数据可以包括代码，用于实现本技术实施例描述的一个或多个模块的一些功能或者全部功能。本公开实施例的处理器620可以用于执行存储器610中的指令以实现上述所示的方法。存储器610包括动态随机存取存储器、静态随机存取存储器、闪存、光存储器或其它本领域技术人员所熟知的存储器。
94.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领
域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
95.以上所述，仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应所述以权利要求的保护范围为准。
96.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”、“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。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

技术特征：
1.一种路侧算法自动化测试的方法，其特征在于，包括：将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点；基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息；将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，其中，所述测试结果表征所述路侧算法的准确度。2.如权利要求1所述的方法，其特征在于，在所述将路侧感知设备采集的目标真值车的路侧时间轨迹映射到真值车侧之前，所述方法还包括：从路侧感知数据中获取待确认真值车距离所述路侧感知设备在预设范围内时的路侧数据；基于所述待确认真值车的帧数据，从所述路侧数据中筛选出多个匹配帧；将所述多个匹配帧中被记录出现次数最多的感知物作为所述目标真值车。3.如权利要求1或2所述的方法，其特征在于，所述将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点，包括：获取所述路侧感知设备采集数据和所述真值车侧采集数据之间的时间差；将所述路侧时间轨迹中各个路侧时间轨迹点与所述目标真值车在所述目标时段内的各个真值时间轨迹点对齐；求解所述各个路侧时间轨迹点与所述时间差的差值，得到所述多个虚拟映射时间点。4.如权利要求3所述的方法，其特征在于，所述时间差是在与所述路侧感知设备和所述目标真值车的虚拟测试环境中测试得到的。5.如权利要求1或2所述的方法，其特征在于，所述基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息，包括：获取所述目标时段内与所述各个虚拟映射时间点相邻两个时刻分别对应的驾驶信息，其中，所述驾驶信息包括：所述目标真值车的位置、速度和航向角；确定所述各个虚拟映射时间点与所述相邻两个时刻间的时间比；对所述时间比和所述相邻两个时刻的驾驶信息进行计算，得到所述各个虚拟映射时间点的虚拟驾驶信息，其中，所述虚拟驾驶信息包括：虚拟位置、虚拟速度和虚拟航向角。6.如权利要求1或2所述的方法，其特征在于，所述基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息，包括：获取含有所述驾驶信息的所述目标真值车的时间轨迹点拟合曲线图；从所述时间轨迹点拟合曲线图中读取所述各个虚拟映射时间点的虚拟驾驶信息。7.如权利要求1或2所述的方法，其特征在于，所述将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，包括：计算所述虚拟驾驶信息与所述路侧驾驶信息的误差值；基于所述误差值确定所述测试结果，其中，所述误差值与所述测试结果成反比。8.一种路侧算法自动化测试的装置，其特征在于，包括：
映射模块，被配置为将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点；获取模块，被配置为基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息；测试模块，被配置为将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，其中，所述测试结果表征所述路侧算法的准确度。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器运行时执行如权利要求1-7中任意一项权利要求所述的方法。10.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，其中，所述计算机程序被所述处理器运行时执行如权利要求1-7中任意一项权利要求所述的方法。

技术总结
本申请的一些实施例提供了一种路侧算法自动化测试的方法、装置、存储介质及电子设备，该方法包括：将路侧感知设备在目标时段内采集的目标真值车的路侧时间轨迹映射到真值车侧，得到多个虚拟映射时间点；基于所述目标真值车在所述目标时段内采集的驾驶信息，获取所述多个虚拟映射时间点中各个虚拟映射时间点的虚拟驾驶信息；将所述虚拟驾驶信息与路侧算法获取的所述目标真值车的路侧驾驶信息进行对比，得到测试结果，其中，所述测试结果表征所述路侧算法的准确度。本申请的一些实施例可以实现对路侧算法的准确测试，效率较高。效率较高。效率较高。


技术研发人员：常成
受保护的技术使用者：智道网联科技（北京）有限公司
技术研发日：2023.04.03
技术公布日：2023/7/12