车路协同测试方法、车路协同测试装置、车路协同测试系统以及计算机可读存储介质与流程

1.本公开总体上涉及新兴信息技术(车路协同)领域，更具体地涉及车路协同测试方法、车路协同测试系统以及计算机可读取存储介质。


背景技术：

2.近年来，随着车联网技术的发展，智能汽车、无人驾驶汽车、自动驾驶汽车等概念越来越多地进入人们的视野。所有的智能车辆正式上路之前，都要进行严格的测试与评估。现阶段，基于单车智能的自动驾驶算法能够在孪生3d场景中充分地迭代测试，测试还原效果尚可，但目前受网络时延、信号覆盖等因素的影响，结合路侧通信设备的车路协同测试在软件仿真场景中尚存待改善空间。
3.另一方面，基于真实路况的车路协同仿真测试能够满足v2x应用测试需求，但存在硬件搭建成本高、可配置性差、测试案例还原困难、覆盖案例数量有限等问题。


技术实现要素：

4.在下文中给出了关于本公开的简要概述，以便提供关于本公开的一些方面的基本理解。但是，应当理解，这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分，也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念，以此作为稍后给出的更详细描述的前序。
5.本公开的一个目的在于提供给一种能够以低成本快速扩充测试案例的车路协同测试方法、车路协同测试系统以及非易失性计算机可读取存储介质。
6.根据本公开的一个方面，提供一种车路协同测试方法，包括：孪生模拟步骤，基于根据在封闭的测试场地采集到的交通环境数据生成的高精地图而搭建3d孪生场景，在所述3d孪生场景中集成仿真摄像头传感器及仿真激光雷达模块、仿真交通信号模块，输出孪生点云数据、孪生场景图像数据以及模拟交通控制信息；点云数据实时增强步骤，利用所述孪生点云数据对通过路侧/车端激光雷达传感器实时获取到的实测点云数据进行实时增强，生成增强点云数据；图像实时增强步骤，在利用所述孪生场景图像数据对通过路侧/车端图像获取单元实时获取到的实测图像数据进行图像实时增强，生成增强图像数据；以及发送步骤，经由v2x通信系统将所述增强点云数据、所述增强图像数据以及所述模拟交通控制信息发送到测试车辆。
7.根据本公开的另一个方面，提供一种车路协同测试装置，包括：孪生模拟单元，其基于根据在封闭的测试场地采集到的交通环境数据生成的高精地图而搭建3d孪生场景，在所述3d孪生场景中集成仿真摄像头传感器及仿真激光雷达模块、仿真交通信号模块，输出孪生点云数据、孪生场景图像数据以及模拟交通控制信息；点云数据实时增强单元，其利用所述孪生点云数据对通过路侧/车端激光雷达传感器实时获取到的实测点云数据进行实时增强，生成增强点云数据；图像实时增强单元，其利用所述孪生场景图像数据对通过路侧/
车端图像获取单元实时获取到的实测图像数据进行图像实时增强，生成增强图像数据；以及发送单元，其经由v2x通信系统将所述增强点云数据、所述增强图像数据以及所述模拟交通控制信息发送到测试车辆。
8.根据本公开的又一个方面，提供一种车路协同测试系统，包括：封闭的测试场地；设置于所述封闭的测试场地的上述另一个方面所述的车路协同测试装置；设置于所述封闭的测试场地的v2x通信系统；以及测试车辆，其根据经由所述v2x通信系统从所述车路协同测试装置接收到的所述增强点云数据、所述增强图像数据以及所述模拟交通控制信息，在所述封闭的测试场地中执行测试任务。
9.根据本公开的又一个方面，提供一种计算机可读存储介质，其包括计算机可执行指令，所述计算机可执行指令在由一个或多个处理器执行时，使得所述一个或多个处理器执行根据本公开的上述方面所述的车路协同测试方法。
附图说明
10.构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
11.参照附图，根据下面的详细描述，可以更清楚地理解本公开，其中：
12.图1是示意地示出本公开的实施例的车路协同测试系统100的构成的示意图；
13.图2是示意地示出本公开的实施例的车路协同测试方法的流程图；
14.图3是示意地示出激光雷达传感器点云可视化了的示意图；
15.图4是示意地示出本公开的实施例的车路协同测试方法中的图像实时增强的过程的示意图；
16.图5是示意地示出本公开的实施例的车路协同测试装置的例示性的配置框图；
17.图6示意地示出了可以实现根据本公开的实施例的计算设备的示例性配置。
具体实施方式
18.参考附图进行以下详细描述，并且提供以下详细描述以帮助全面理解本公开的各种示例实施例。以下描述包括各种细节以帮助理解，但是这些细节仅被认为是示例，而不是为了限制本公开，本公开是由随附权利要求及其等同内容限定的。在以下描述中使用的词语和短语仅用于能够清楚一致地理解本公开。另外，为了清楚和简洁起见，可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以对本文描述的示例进行各种改变和修改。
19.以下，结合附图详细说明本公开的车路协同测试技术的例示性的实施例。
20.图1示意地示出本公开的实施例的车路协同测试系统100的构成的例子的示意图。在图1中，示意性地示出的车路协同测试系统100 包括：封闭测试场地、至少一个设置于封闭测试场地的路侧rsu(roadside unit路侧单元)、v2x通信系统以及测试车辆等。另外，图1中虽未图示出，实际测试车辆安装有obu(on board unit车载单元) 终端，测试车辆通过obu终端经由v2x通信系统从路侧rsu接收数据，执行测试任务。在图1中，路侧rsu安装在交通信号灯的灯杆上，但应当理解的是，根据需要，路侧rsu可以以各种方式安装设置在封闭测试场地的任意位置。
21.封闭测试场地为车路协同测试提供真实的硬件在环环境，主要包括静态环境要素、动态交通要素以及路侧单元要素。所谓静态要素为封闭测试场地内的状态不随时间而发生变化的要素，例如包括道路引导线、道路标识、路灯、建筑物、绿化物等。所谓动态交通要素为参与交通行为的具有动态特性的要素，例如包括行人、车辆以及其他各种移动体等。所谓路侧单元要素包括摄像头、激光雷达、毫米波雷达、v2x通信设备等。此外，封闭测试场地用来重现各种实际道路环境的，有时还需要考虑气候天气要素等。需要说明的是，在图1中，为便于理解，仅示出了本公开的测试方法涉及到要素而省略了未涉及到的其它要素。
22.v2x(vehicle to x)通信系统，是未来智能交通运输系统的关键技术。它使得车与车、车与基站、基站与基站之间能够通信。从而获得实时路况、道路信息、行人信息等一系列交通信息，从而提高驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等。作为v2x 场景中道路智慧化升级的关键设备，4g/5g基站、rsu和obu用于车与路之间的数据通信，将各种信息传输到车辆及云端服务器，保障交通信号灯、交通标识、停车位置、车辆状态等海量信息及时传递，以实现v2i场景中的车速引导、限速预警、拥堵提醒等应用，为辅助驾驶、自动驾驶提供服务。
23.图2示意地示出本公开的实施例的车路协同测试方法的流程图。图2所示的车路系统测试方法例如可以由作为路侧rsu的一种的v2x 通信设备(车路协同测试装置)执行，但应当理解的是，这些处理的全部或者一部分当然也可以由v2x通信设备与云端服务器协作完成。
24.在测试开始之前，根据测试内容搭建封的闭测试场地、v2x通信系统以及仿真环境，利用采集车辆在搭建好的封闭测试场地内进行多轮实地采集，基于采集得到的交通环境数据，结合语义标注信息以及通过道路建模工具绘制的道路信息，构建封的闭测试场地的孪生高精地图。
25.在生成封闭测试场地的高精地图之后，开始图2所示的本公开的实施例的车路协同测试方法。在步骤s1001中，基于生成的孪生高精地图，利用虚拟引擎技术搭建3d孪生场景。在本公开中，除了基于高精地图和虚拟引擎技术将真实的硬件在环环境转换成3d孪生场景以外，还在所生成的3d孪生场景中设计集成仿真摄像头传感器及仿真激光雷达模块、仿真交通信号模块，并输出孪生场景图像、孪生点云数据、模拟交通控制信息(例如，交通信号灯、路标、前方故障预警等)，用于对现实场地交通信息的扩充，衍生各种测试案例。
26.然后，在步骤s1002中，利用孪生点云数据对通过路侧/车端激光雷达传感器实时获取到的实测点云数据进行实时增强，生成增强点云数据。
27.激光雷达传感器通过发射激光光束来探测目标物，并通过搜集由目标物遮挡而反射回来的光束形成点云，获取点云数据，这些点云数据经处理后可生成为精确的三维立体图像。图3示意地示出激光雷达传感器点云可视化了的示意图，其主要描述了前方是否有障碍物遮挡。
28.在本公开中，通过对真实场景与孪生仿真场景的点云遮挡数据进行叠加，从而生成增强的点云数据。在一些实施例中，在获取了上述步骤s1001中输出的孪生场景中的仿真激光雷达传感器的孪生点云数据矩阵x1以及通过路侧/车端激光雷达传感器实时收集到的实测雷达传感器点云数据矩阵x2之后，进行坐标系统一，然后对实测雷达传感器点云数据矩阵x2和孪生点云数据矩阵x1进行并集处理。
29.作为具体的实施例，本公开对点云数据矩阵进行简化，以3*3 矩阵表示点云遮挡数据，其中“0”表示非遮挡，“1”表示遮挡。
30.例如，设真实环境中实时获取到的遮挡点云为孪生点云遮挡数据为则并集处理得到的增强点云遮挡数据为：
[0031][0032]
返回图2的说明，在步骤s1003中，利用在步骤s1001中输出的孪生场景图像数据对通过路侧/车端图像获取单元实时获取到的实测图像数据进行图像实时增强，生成增强图像数据。
[0033]
在一些实施例中，孪生场景图像数据例如包括对手车辆、行人或其他移动物体以及他们的运动轨迹信息。如图4的左侧所示，首先基于3d建模软件(如3dmax)构造车辆、行人、其他移动体等模型。然后训练目标检测算法，通过标注车辆、行人以及其他移动体在仿真孪生世界的孪生位置以及姿态信息，并基于yolov3、r-cnn等深度学习技术训练孪生道路上的障碍物目标检测模型。然后，如图4的中部所示，由搭载在车侧/路侧的摄像头实时输出真实视频流，通过目标检测算法针对孪生场景模拟的案例场景等信息提取孪生位置及姿态信息，使用贴图融合的方法进行孪生场景图像数据和实测图像数据的叠加处理，生成增强图像数据。
[0034]
需要说明的是，步骤s1002和步骤s1003的执行顺序既可以彼此调换，即先执行图像增强处理、后执行点云数据增强处理，也可以并行执行图像增强处理和点云数据增强处理。
[0035]
在生成增强点云数据、增强图像数据之后，在步骤s1004中，经由v2x通信系统将增强点云数据、增强图像数据以及步骤s1001 中输出的模拟交通控制信息发送到测试车辆。然后，测试车辆基于接收到的增强点云数据、增强图像数据以及模拟交通控制信息在封闭测试场地中行驶，完成测试。
[0036]
需要说明的是，为避免与实际的封闭测试场地中的交通控制信息例如交通信号灯等的控制信号发生冲突，在本公开的实车测试过程中，关闭了实际测试场地中的交通控制装置。应当理解的是，若测试过程中打开封闭测试场地中的真实的交通控制装置，则相应地需要增加用于避免模拟交通控制信号与真实控制信号之间发生冲突时的仲裁机制。
[0037]
在一些实施例中，v2x通信设备可以通过无线通信将增强点云数据、增强图像数据以及模拟交通控制信息直接发送给测试车辆，或者，v2x通信设备也可以经由4g/5g基站将增强点云数据、增强图像数据以及模拟交通控制信息上传至云端服务器，再由云端服务器发送给测试车辆。
[0038]
以上，作为例子，以由作为路侧rsu的v2x通信设备执行车路协同测试的处理的全部处理为例进行了说明，在一些实施例子，上述v2x通信设备执行的处理的一部分，也可以
由云端服务器来执行。例如，也可以由云端服务器获取封闭测试场地的采集数据，通过语义标注等构建孪生高精地图。进而，在一些实施例中，也可以由云端服务器搭建3d孪生路网，并集成仿真摄像头传感器及仿真激光雷达模块、仿真交通信号模块。另外，在一些实施例中，也可以由v2x通信设备将通过路侧/车端激光雷达传感器实时获取到的实测点云数据、通过路侧/车端图像获取单元实时获取到的实测图像数据上传到云端服务器，由云端服务器完成步骤s1002以及s1003的步骤。
[0039]
根据本公开的车路协同测试方法，采用真实场地+虚拟场景的虚实结合的方法，能够快速扩充测试案例，能够提高测试系统的安全性及可靠性。并且，与软件孪生仿真相比较，本公开中所有案例场景均基于真实车路协同网络环境测试，更忠于受网络时延、信号覆盖等因素影响下的车联网案例场景，测试支撑性更优。
[0040]
另外，根据公开的车路协同测试方法，基于点云模拟和交通孪生的仿真模拟，可配置性更强，且搭建硬件成本更低。本公开提出的虚实结合的测试方法，能够降低搭建各种典型案例的交通设施硬件成本，同时由于动态场景要素均在软件仿真中配置，具有操作简单、灵活多变等优势。
[0041]
进而，根据公开的车路协同测试方法，将孪生仿真的模拟交通控制信号及车辆预警消息等与真实测试场地进行了融合，极大地丰富了交通控制测试案例，同时也进一步降低了硬件成本。
[0042]
图5示意地示出本公开的实施例的车路协同测试装置的例示性的配置框图。
[0043]
在一些实施例中，车路协同测试装置2000可以包括处理电路 2010。车路协同测试装置2000的处理电路2010提供车路协同测试装置2000的各种功能。在一些实施例中，车路协同测试装置2000的处理电路2010可以被配置为用于执行车路协同测试装置2000中的车路协同测试方法。
[0044]
处理电路2010可以指在计算系统中执行功能的数字电路系统、模拟电路系统或混合信号(模拟和数字的组合)电路系统的各种实现。
[0045]
处理电路可以包括例如诸如集成电路(ic)、专用集成电路(asic) 这样的电路、单独处理器核心的部分或电路、整个处理器核心、单独的处理器、诸如现场可编程门阵列(fpga)的可编程硬件设备、和/ 或包括多个处理器的系统。
[0046]
在一些实施例中，处理电路2010可以包括：孪生模拟单元2020、点云数据实时增强单元2030、图像实时增强单元2040以及发送单元 2050。其中，孪生模拟单元2020被配置为执行图2的流程图中的步骤 s1001，点云数据实时增强单元2030被配置为执行图2的流程图中的步骤s1002，图像实时增强单元2040被配置为执行图2的流程图中的步骤s1003，发送单元2050被配置为执行图2的流程图中的步骤s1004。
[0047]
在一些实施例中，车路协同测试装置2000还可以包括存储器(未图示)。车路协同测试装置2000的存储器可以存储由处理电路2010 产生的信息以及用于车路协同测试装置2000操作的程序和数据。存储器可以是易失性存储器和/或非易失性存储器。例如，存储器可以包括但不限于随机存取存储器(ram)、动态随机存取存储器(dram)、静态随机存取存储器(sram)、只读存储器(rom)以及闪存存储器。
[0048]
另外，车路协同测试装置2000可以以芯片级来实现，或者也可以通过包括其它外部部件而以设备级来实现。
[0049]
应当理解，上述孪生模拟单元2020、点云数据实时增强单元2030、图像实时增强单元2040以及发送单元2050仅仅是根据其所实现的具体功能所划分的逻辑模块，而不是用于限制具体的实现方式。在实际实现时，上述各个单元可被实现为独立的物理实体，或者也可由单个实体(例如，处理器(cpu或dsp等)、集成电路等)来实现。
[0050]
图6示出了能够实现根据本公开的实施例的计算设备1200的示例性配置。
[0051]
计算设备1200是能够应用本公开的上述方面的硬件设备的实例。计算设备1200可以是被配置为执行处理和/或计算的任何机器。计算设备1200可以是但不限制于工作站、服务器、台式计算机、膝上型计算机、平板计算机、个人数据助手(pda)、智能电话、车载计算机或以上组合。
[0052]
如图6所示，计算设备1200可以包括可以经由一个或多个接口与总线1202连接或通信的一个或多个元件。总线2102可以包括但不限于，工业标准架构(industry standard architecture，isa)总线、微通道架构(micro channel architecture，mca)总线、增强isa(eisa) 总线、图像电子标准协会(vesa)局部总线、以及外设组件互连(pci) 总线等。计算设备1200可以包括例如一个或多个处理器1204、一个或多个输入设备1206以及一个或多个输出设备1208。一个或多个处理器1204可以是任何种类的处理器，并且可以包括但不限于一个或多个通用处理器或专用处理器(诸如专用处理芯片)。处理器1202例如可以对应于图5中的处理电路2010，被配置为实现车路协同测试装置的功能。输入设备1206可以是能够向计算设备输入信息的任何类型的输入设备，并且可以包括但不限于鼠标、键盘、触摸屏、麦克风和/ 或远程控制器。输出设备1208可以是能够呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、图像/音频输出终端、振动器和/或打印机。
[0053]
计算设备1200还可以包括或被连接至非暂态存储设备1214，该非暂态存储设备1214可以是任何非暂态的并且可以实现数据存储的存储设备，并且可以包括但不限于盘驱动器、光存储设备、固态存储器、软盘、柔性盘、硬盘、磁带或任何其他磁性介质、压缩盘或任何其他光学介质、缓存存储器和/或任何其他存储芯片或模块、和/或计算机可以从其中读取数据、指令和/或代码的其他任何介质。计算设备 1200还可以包括随机存取存储器(ram)1210和只读存储器(rom) 1212。rom 1212可以以非易失性方式存储待执行的程序、实用程序或进程。ram 1210可提供易失性数据存储，并存储与计算设备1200 的操作相关的指令。计算设备1200还可包括耦接至数据链路1218的网络/总线接口1216。网络/总线接口1216可以是能够启用与外部装置和/或网络通信的任何种类的设备或系统，并且可以包括但不限于调制解调器、网络卡、红外线通信设备、无线通信设备和/或芯片集(诸如蓝牙
tm
设备、802.11设备、wifi设备、wimax设备、蜂窝通信设施等)。
[0054]
本公开可以被实现为装置、系统、集成电路和非瞬时性计算机可读介质上的计算机程序的任何组合。可以将一个或多个处理器实现为执行本公开中描述的部分或全部功能的集成电路(ic)、专用集成电路(asic)或大规模集成电路(lsi)、系统lsi，超级lsi或超lsi 组件。
[0055]
本公开包括软件、应用程序、计算机程序或算法的使用。可以将软件、应用程序、计算机程序或算法存储在非瞬时性计算机可读介质上，以使诸如一个或多个处理器的计算机执行上述步骤和附图中描述的步骤。例如，一个或多个存储器以可执行指令存储软件或算法，并且一个或多个处理器可以关联执行该软件或算法的一组指令，以根据本公开中描述
的实施例提供各种功能。
[0056]
软件和计算机程序(也可以称为程序、软件应用程序、应用程序、组件或代码)包括用于可编程处理器的机器指令，并且可以以高级过程性语言、面向对象编程语言、功能性编程语言、逻辑编程语言或汇编语言或机器语言来实现。术语“计算机可读介质”是指用于向可编程数据处理器提供机器指令或数据的任何计算机程序产品、装置或设备，例如磁盘、光盘、固态存储设备、存储器和可编程逻辑设备(pld)，包括将机器指令作为计算机可读信号来接收的计算机可读介质。
[0057]
举例来说，计算机可读介质可以包括动态随机存取存储器 (dram)、随机存取存储器(ram)、只读存储器(rom)、电可擦只读存储器(eeprom)、紧凑盘只读存储器(cd-rom)或其他光盘存储设备、磁盘存储设备或其他磁性存储设备，或可以用于以指令或数据结构的形式携带或存储所需的计算机可读程序代码以及能够被通用或专用计算机或通用或专用处理器访问的任何其它介质。如本文中所使用的，磁盘或盘包括紧凑盘(cd)、激光盘、光盘、数字多功能盘(dvd)、软盘和蓝光盘，其中磁盘通常以磁性方式复制数据，而盘则通过激光以光学方式复制数据。上述的组合也包括在计算机可读介质的范围内。
[0058]
提供本公开的主题作为用于执行本公开中描述的特征的装置、系统、方法和程序的示例。但是，除了上述特征之外，还可以预期其他特征或变型。可以预期的是，可以用可能代替任何上述实现的技术的任何新出现的技术来完成本公开的部件和功能的实现。
[0059]
另外，以上描述提供了示例，而不限制权利要求中阐述的范围、适用性或配置。在不脱离本公开的精神和范围的情况下，可以对所讨论的元件的功能和布置进行改变。各种实施例可以适当地省略、替代或添加各种过程或部件。例如，关于某些实施例描述的特征可以在其他实施例中被结合。
[0060]
另外，在本公开的描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性和顺序。
[0061]
类似地，虽然在附图中以特定次序描绘了操作，但是这不应该被理解为要求以所示的特定次序或者以顺序次序执行这样的操作，或者要求执行所有图示的操作以实现所希望的结果。在某些情况下，多任务处理和并行处理可以是有利的。

技术特征：
1.一种车路协同测试方法，包括：孪生模拟步骤，基于根据在封闭的测试场地采集到的交通环境数据生成的高精地图而搭建3d孪生场景，在所述3d孪生场景中集成仿真摄像头传感器及仿真激光雷达模块、仿真交通信号模块，输出孪生点云数据、孪生场景图像数据以及模拟交通控制信息；点云数据实时增强步骤，利用所述孪生点云数据对通过路侧/车端激光雷达传感器实时获取到的实测点云数据进行实时增强，生成增强点云数据；图像实时增强步骤，利用所述孪生场景图像数据对通过路侧/车端图像获取单元实时获取到的实测图像数据进行图像实时增强，生成增强图像数据；以及发送步骤，经由v2x通信系统将所述增强点云数据、所述增强图像数据以及所述模拟交通控制信息发送到测试车辆。2.根据权利要求1所述的车路协同测试方法，其中，在所述点云数据实时增强步骤中，基于所述高精地图以及所述3d孪生场景，对所述孪生点云数据的点云数据矩阵和所述实测点云数据的点云数据矩阵进行并集计算，生成所述增强点云数据。3.根据权利要求1所述的车路协同测试方法，其中，在所述图像实时增强步骤中，基于所述高精地图以及所述3d孪生场景，将所述孪生场景图像数据和所述实测图像数据进行叠加处理，生成所述增强图像数据。4.根据权利要求1所述的车路协同测试方法，其中，在所述图像实时增强步骤中：作为所述孪生场景图像数据，至少设计与对向车辆、行人以及其他车辆中的至少一方有关的运动轨迹信息，通过目标检测处理提取所述测试车辆的孪生位置及姿态信息，并获取通过所述路侧/车端图像获取单元实时获取到的实测图像数据，通过强化学习以及贴图融合处理将所述孪生场景图像数据和所述实测图像数据进行叠加处理，生成所述增强图像数据。5.根据权利要求1所述的车路协同测试方法，其中，所述模拟交通控制信息包括与交通信号灯、路标、前方故障预警中的至少任意一方有关的信息。6.一种车路协同测试装置，包括：孪生模拟单元，其基于根据在封闭的测试场地采集到的交通环境数据生成的高精地图而搭建3d孪生场景，在所述3d孪生场景中集成仿真摄像头传感器及仿真激光雷达模块、仿真交通信号模块，输出孪生点云数据、孪生场景图像数据以及模拟交通控制信息；点云数据实时增强单元，其利用所述孪生点云数据对通过路侧/车端激光雷达传感器实时获取到的实测点云数据进行实时增强，生成增强点云数据；图像实时增强单元，其利用所述孪生场景图像数据对通过路侧/车端图像获取单元实时获取到的实测图像数据进行图像实时增强，生成增强图像数据；以及发送单元，其经由v2x通信系统将所述增强点云数据、所述增强图像数据以及所述模拟交通控制信息发送到测试车辆。7.根据权利要求6所述的车路协同测试装置，其中，
所述点云数据实时增强单元基于所述高精地图以及所述3d孪生场景，对所述孪生点云数据的点云数据矩阵和所述实测点云数据的点云数据矩阵进行并集计算，生成所述增强点云数据。8.根据权利要求6所述的车路协同测试装置，其中，所述图像实时增强单元基于所述高精地图以及所述3d孪生场景，将所述孪生场景图像数据和所述实测图像数据进行叠加处理，生成所述增强图像数据。9.根据权利要求6所述的车路协同测试装置，其中，在所述图像实时增强单元中：作为所述孪生场景图像数据，至少设计与对向车辆、行人以及其他车辆中的至少一方有关的运动轨迹信息，通过目标检测处理提取所述测试车辆的孪生位置及姿态信息，并获取通过所述路侧/车端图像获取单元实时获取到的实测图像数据，通过强化学习以及贴图融合处理将所述孪生场景图像数据和所述实测图像数据进行叠加处理，生成所述增强图像数据。10.根据权利要求1所述的车路协同测试装置，其中，所述模拟交通控制信息包括与交通信号灯、路标、前方故障预警中的至少任意一方有关的信息。11.一种车路协同测试系统，包括：封闭的测试场地；至少一个设置于所述封闭的测试场地的权利要求6至10中任意一项所述车路协同测试装置；设置于所述封闭的测试场地的v2x通信系统；以及所述测试车辆，其根据经由所述v2x通信系统从所述车路协同测试装置接收到的所述增强点云数据、所述增强图像数据以及所述模拟交通控制信息，在所述封闭的测试场地中执行测试任务。12.一种计算机可读存储介质，包括计算机可执行指令，所述计算机可执行指令在由一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1至5中的任意一项所述的车路协同测试方法。

技术总结
本公开涉及车路协同测试方法、车路协同测试装置、车路协同测试系统以及计算机可读存储介质，能够以低成本快速地扩充测试案例。测试方法包括：基于根据在封闭的测试场地采集到的交通环境数据生成的高精地图搭建3D孪生场景，并输出孪生点云数据、孪生场景图像数据以及模拟交通控制信息；利用孪生点云数据对通过路侧/车端激光雷达传感器实时获取到的实测点云数据进行实时增强，生成增强点云数据；利用孪生场景图像数据对通过路侧/车端图像获取单元实时获取到的实测图像数据进行图像实时增强，生成增强图像数据；以及经由V2X通信系统将增强点云数据、增强图像数据以及模拟交通控制信息发送到测试车辆。息发送到测试车辆。息发送到测试车辆。


技术研发人员：赵龙刚 刘汉生 张小平 王峰
受保护的技术使用者：中国电信股份有限公司
技术研发日：2021.12.16
技术公布日：2023/6/20