随着自动驾驶技术的快速发展,如何保证自动驾驶系统的安全性变得愈发重要,因此预期功能安全(Safety of The Intended Functionality, SOTIF)的概念应运而生,它主要是为了减少由于系统非预期的感知和决策错误而引起的危害。本文提出了一...随着自动驾驶技术的快速发展,如何保证自动驾驶系统的安全性变得愈发重要,因此预期功能安全(Safety of The Intended Functionality, SOTIF)的概念应运而生,它主要是为了减少由于系统非预期的感知和决策错误而引起的危害。本文提出了一种依托自然驾驶数据的SOTIF自动化生成测试用例的方法。通过采集360°IBEO与环视摄像头数据,分析了4000多个前车切入场景,对关键变量进行参数化建模。采用改进的Monte-Carlo抽样技术,处理独立与非独立随机变量的联合分布,生成覆盖广泛场景的测试用例。实验结果表明该方法显著提升了测试用例生成效率,全面覆盖边角、危险及极端场景,解决了SOTIF测试中自动化生成测试用例的难题,为自动驾驶系统的预期功能安全评估提供了有效支持。展开更多
可以展望利用卫星三线阵CCD影像自动采集的DEM、按共线方程将三线阵CCD影像变换为正直摄影像对(Normal case photography)提供用户立体测绘。文中着重讨论了正直摄影像中不在DEM表面上的目标点的位置误差,以及改进的立体测绘数学模型。...可以展望利用卫星三线阵CCD影像自动采集的DEM、按共线方程将三线阵CCD影像变换为正直摄影像对(Normal case photography)提供用户立体测绘。文中着重讨论了正直摄影像中不在DEM表面上的目标点的位置误差,以及改进的立体测绘数学模型。利用卫星获取的前、后视CCD影像,并在其上添加由计算机生成的高层目标(约300m)的图像,验证了生成的正直影像对立体测绘的可行性,试验的高层目标点的坐标量测中误差为实验影像的0.5像元之内。展开更多
文摘随着自动驾驶技术的快速发展,如何保证自动驾驶系统的安全性变得愈发重要,因此预期功能安全(Safety of The Intended Functionality, SOTIF)的概念应运而生,它主要是为了减少由于系统非预期的感知和决策错误而引起的危害。本文提出了一种依托自然驾驶数据的SOTIF自动化生成测试用例的方法。通过采集360°IBEO与环视摄像头数据,分析了4000多个前车切入场景,对关键变量进行参数化建模。采用改进的Monte-Carlo抽样技术,处理独立与非独立随机变量的联合分布,生成覆盖广泛场景的测试用例。实验结果表明该方法显著提升了测试用例生成效率,全面覆盖边角、危险及极端场景,解决了SOTIF测试中自动化生成测试用例的难题,为自动驾驶系统的预期功能安全评估提供了有效支持。
文摘可以展望利用卫星三线阵CCD影像自动采集的DEM、按共线方程将三线阵CCD影像变换为正直摄影像对(Normal case photography)提供用户立体测绘。文中着重讨论了正直摄影像中不在DEM表面上的目标点的位置误差,以及改进的立体测绘数学模型。利用卫星获取的前、后视CCD影像,并在其上添加由计算机生成的高层目标(约300m)的图像,验证了生成的正直影像对立体测绘的可行性,试验的高层目标点的坐标量测中误差为实验影像的0.5像元之内。
