CN110059393A - 一种车辆的仿真测试方法、装置及系统 - Google Patents

Abstract

本申请公开了一种车辆的仿真测试方法、装置及系统，通过根据从目标视频中提取的目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将虚拟测试车辆放入虚拟测试环境中进行性能测试。由于车辆测试过程是通过利用虚拟测试车辆在虚拟测试环境进行测试实现的，无需真实待测试车辆参与，因而降低了测试成本，提高了车辆测试过程的安全性。另外，由于目标视频是由无人机通过拍摄得到的，因而，目标视频能够准确全面地反映待测试车辆的真实行车环境，使得目标测试环境信息和虚拟测试环境均能够准确全面地反映待测试车辆的真实行车环境，从而提高虚拟测试环境的准确性和全面性，提高车辆测试过程的可信性。

Description

一种车辆的仿真测试方法、装置及系统

技术领域

本申请涉及车辆技术领域，尤其涉及一种车辆的仿真测试方法、装置及系统。

背景技术

随着自动驾驶车辆的快速发展，车辆性能的测试越来越重要。在现有技术中，通常会将生产出的待测试车辆直接放入已布置好的行车测试环境中进行测试。

然而，由于该行车测试环境是由测试人员根据待测试车辆的待测试功能对行车环境进行布置得到的，而且真实行车环境是十分多样又复杂的，因而，该行车测试环境无法准确地复原真实行车环境，易导致待测试车辆的测试过程不全面，从而降低了车辆测试过程的可信性。

另外，由于待测试车辆的生产需要一定的生产成本，因而将测试车辆生产出来后再进行测试，会增加车辆测试成本；而且，由于待测试车辆的性能是不稳定的，因而，利用待测试车辆的进行测试的过程中容易发生危险。

发明内容

为了解决现有技术中存在的以上技术问题，本申请提供一种车辆的仿真测试方法、装置及系统，能够在准确地复原了真实行车环境的虚拟测试环境中进行仿真测试，提高了车辆测试过程的可信性以及安全性，也降低了车辆测试成本。

为了实现上述目的，本申请提供的技术方案如下：

本申请提供一种车辆的仿真测试方法，包括：

从目标视频中提取目标测试环境信息；其中，所述目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的；所述目标测试环境信息包括道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息中的至少一种；

根据所述目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。

可选的，所述从目标视频中提取目标测试环境信息，具体包括：

利用深度学习算法从目标视频中识别目标实体；其中，目标实体包括建筑、道路、车辆和行人中的至少一个；

根据所述目标实体，利用预设算法获取目标测试环境信息。

可选的，当所述目标实体包括车辆，且所述车辆行驶信息包括车辆的行驶轨迹和车辆的行驶方向时，所述根据所述目标实体，利用预设算法获取目标测试环境信息，具体包括：

根据所述车辆，利用第一跟踪算法获取所述车辆的行驶轨迹，并利用朝向识别算法获取所述车辆的行驶方向。

可选的，当所述目标实体包括行人，且所述行人行驶信息包括行人的行驶轨迹时，所述根据所述目标实体，利用预设算法获取目标测试环境信息，具体包括：

根据所述行人，利用第二跟踪算法获取所述行人的行驶轨迹。

可选的，当所述目标实体包括道路时，所述根据所述目标实体，利用预设算法获取目标测试环境信息，具体包括：

根据所述道路，利用视觉识别算法获取所述道路信息。

本申请还提供了一种车辆的仿真测试装置，包括：

提取单元，用于从目标视频中提取目标测试环境信息；其中，所述目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的；所述目标测试环境信息包括道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息中的至少一种；

仿真单元，用于根据所述目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。

可选的，所述提取单元，具体包括：

识别子单元，用于利用深度学习算法从目标视频中识别目标实体；其中，目标实体包括建筑、道路、车辆和行人中的至少一个；

获取子单元，用于根据所述目标实体，利用预设算法获取目标测试环境信息。

可选的，所述获取子单元，具体包括：

车辆信息获取模块，用于当所述目标实体包括车辆，且所述车辆行驶信息包括车辆的行驶轨迹和车辆的行驶方向时，根据所述车辆，利用第一跟踪算法获取所述车辆的行驶轨迹，并利用朝向识别算法获取所述车辆的行驶方向。

可选的，所述获取子单元，具体包括：

行人信息获取模块，用于当所述目标实体包括行人，且所述行人行驶信息包括行人的行驶轨迹时，根据所述行人，利用第二跟踪算法获取所述行人的行驶轨迹。

可选的，所述获取子单元，具体包括：

道路信息获取模块，用于当所述目标实体包括道路时，根据所述道路，利用视觉识别算法获取所述道路信息。

本申请还提供了一种车辆的仿真测试系统，包括：上述提供的任一种车辆的仿真测试装置和无人机。

与现有技术相比，本申请至少具有以下优点：

本申请提供的车辆的仿真测试方法，通过根据从目标视频中提取的目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。由于车辆测试过程是通过利用虚拟测试车辆在虚拟测试环境进行测试实现的，无需真实的待测试车辆的参与，因而降低了测试成本，也提高了车辆测试过程的安全性。另外，由于目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的，因而，该目标视频能够准确全面地反映待测试车辆的真实行车环境，使得从目标视频中提取的目标测试环境信息也能够准确全面地反映待测试车辆的真实行车环境，也使得根据目标测试环境信息进行仿真获得的虚拟测试环境也能够准确全面地反映待测试车辆的真实行车环境，从而提高了虚拟测试环境的准确性以及全面性，进而提高了车辆测试过程的可信性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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它的附图。

图1为本申请方法实施例提供的车辆的仿真测试方法的流程图；

图2为本申请装置实施例提供的车辆的仿真测试装置的结构示意图；

图3为本申请系统实施例提供的车辆的仿真测试系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

方法实施例

参见图1，该图为本申请方法实施例提供的车辆的仿真测试方法的流程图。

本申请实施例提供的车辆的仿真测试方法，包括：

S101：从目标视频中提取目标测试环境信息。

S102：根据目标测试环境信息，利用仿真器进行仿真，得到虚拟测试环境。

S103：根据待测试车辆信息，利用仿真器进行仿真，得到虚拟测试车辆。

S104：将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。

需要说明的是，S101-S102与S103之间没有固定的执行顺序，可以依次执行S101、S102和S103，也可以依次执行S103、S101和S102，还可以依次执行S101、S103和S102，本申请对此不做具体限定。

以上为本申请实施例提供的车辆的仿真测试方法的具体执行步骤，为了便于理解和解释本申请实施例提供的车辆的仿真测试方法，下面将依次介绍S101、S102、S103和S104的具体实施方式。

首先介绍S101的具体实施方式。

在S101中，目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的。另外，由于目标视频可以用于记录目标道路的道路信息、目标道路的周边建筑信息、目标道路上的车辆行驶信息和行人行驶信息中的至少一种信息，因而，目标测试环境信息可以包括道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息中的至少一种。

作为一种实施方式，为了提高目标测试环境信息的准确性以及全面性，S101具体可以包括：

S1011：利用深度学习算法从目标视频中识别目标实体；其中，目标实体包括建筑、道路、车辆和行人中的至少一个。

作为示例，当目标实体包括建筑、道路、车辆和行人时，则S1011具体可以为：利用深度学习算法从目标视频中分别对建筑、道路、车辆和行人进行识别。

S1012：根据所述目标实体，利用预设算法获取目标测试环境信息。

预设算法可以预先设定，而且，预设算法可以是任一种信息提取方法。

另外，为了进一步提高目标测试环境信息的准确性以及全面性，还可以针对不同的目标实体采用不同的算法进行信息提取，因而，本申请还提供了S1012的不同实施方式，为了便于解释和说明，下面将依次每种S1012的实施方式。

由于目标视频中车辆是处于移动状态的，因而，对于车辆来说，车辆的行驶轨迹和行驶方向是十分重要的车辆行驶信息，如此，为了能够准确全面地提取出车辆行驶信息，使得虚拟测试环境中行驶的车辆更真实准确，本申请提供了S1012的一种实施方式，在该实施方式中，S1012具体可以为：根据所述车辆，利用第一跟踪算法获取所述车辆的行驶轨迹，并利用朝向识别算法获取所述车辆的行驶方向；其中，所述车辆行驶信息包括车辆的行驶轨迹和车辆的行驶方向。

第一跟踪算法可以预先设定，而且，第一跟踪算法可以是任一种能够进行车辆跟踪的算法。

朝向识别算法可以预先设定，而且，朝向识别算法可以是任一种能够识别车辆行驶方向的算法。

作为示例，当目标实体中包括第一车辆时，则可以利用第一跟踪算法对目标视频中的第一车辆进行跟踪，以便于获取第一车辆在目标视频中的行驶轨迹，并利用朝向识别算法识别目标视频中的第一车辆的行驶方向。

以上为S1012的一种实施方式，在该实施方式中，当所述目标实体包括车辆，且所述车辆行驶信息包括车辆的行驶轨迹和车辆的行驶方向时，可以利用

第一跟踪算法获取所述车辆的行驶轨迹，并利用朝向识别算法获取所述车辆的行驶方向。如此，能够提高车辆行驶信息的准确性以及全面性，从而有利于提高在虚拟测试环境中目标道路上行驶的虚拟车辆的真实性以及准确性。

另外，由于目标视频中的行人也是移动的，因而，对于行人来说，行人的行驶轨迹也是十分重要的，因而，为了能够准确全面地提取行人行驶信息，本申请提供了S1012的另一种实施方式，在该实施方式中，S1012具体可以为：根据所述行人，利用第二跟踪算法获取所述行人的行驶轨迹。

第二跟踪算法可以预先设定，而且，第二跟踪算法可以是任一种能够进行行人跟踪的算法。另外，第二跟踪算法可以与第一跟踪算法相同，也可以不同。

作为示例，当目标实体中包括第一行人时，则可以利用第二跟踪算法对目标视频中的第一行人进行跟踪，以便获得第一行人在目标视频中的行驶轨迹。

以上为S1012的另一种实施方式，在该实施方式中，当所述目标实体包括行人，且所述行人行驶信息包括行人的行驶轨迹时，可以根据所述行人，利用第二跟踪算法获取所述行人的行驶轨迹。如此，能够提高行人行驶信息的准确性以及全面性，从而有利于提高虚拟测试环境中的虚拟行人的真实性以及准确性。

此外，由于目标视频中目标道路是静止的，而且待测试车辆需要在该目标道路上进行性能测试，因而，可以通过提高目标道路的准确性以及真实性，提高车辆测试过程的准确性以及全面性。如此，本申请提供了S1012的另一种实施方式，在该实施方式中，S1012具体可以为：根据所述道路，利用视觉识别算法获取所述道路信息。

视觉识别算法可以预先设定，而且，视觉识别算法可以是任一种能够识别出道路的算法。

需要说明的是，目标道路的道路信息可以包括目标道路上的行车线、目标道路的红绿灯、以及其他与道路相关的信息。

以上为S1012的又一种实施方式，在该实施方式中，当所述目标实体包括道路时，可以根据所述道路，利用视觉识别算法获取所述道路信息。如此，能够提高道路信息的准确性以及全面性，从而有利于提高虚拟测试环境中的虚拟道路的真实性以及准确性。

以上为S101的具体实施方式，在这些实施方式中，可以利用深度学习算法从目标视频中识别出目标视频中的建筑、道路、车辆和行人，并根据识别出的建筑、道路、车辆和行人，利用预设算法获取道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息。如此，能够提高道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息的准确性以及全面性，从而有利于提高虚拟测试环境的真实性以及准确性。

下面介绍S102的具体实施方式。

在S102中，仿真器可以是任一种能够对环境进行仿真的仿真器，例如，仿真器可以是carla仿真器。

作为一种实施方式，当目标测试环境信息包括道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息时，则S102具体可以为：根据道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息，利用Carla仿真器进行仿真，得到虚拟测试环境，使得虚拟测试环境能够真实准确地仿真出目标视频中的目标道路、目标道路的周边建筑、目标道路上行驶的车辆以及目标道路上行驶的行人。

以上为S102的具体实施方式，在该实施方式中，可以根据目标测试环境信息，利用仿真器进行仿真，得到虚拟测试环境。此时，由于目标测试环境信息能够准确全面地记录目标视频中的测试环境信息，因而，根据目标测试环境信息仿真得到的虚拟测试环境能够全面准确地复原目标视频中的测试环境，从而保证了虚拟测试环境能够全面准确地代表真实的测试环境。

下面介绍S103的具体实施方式。

在S103中，待测试车辆是用于进行测试的车辆，而且，待测试车辆具有一些需要进行测试的性能。

待测试车辆信息能够准确全面地记录待测试车辆的全部或部分相关信息。

作为一种实施方式，S103具体可以为：将待测试车辆信息输入到Carla仿真器中，以便得到具有待测试车辆性能的虚拟测试车辆；而且，该虚拟测试车辆能够在虚拟测试环境中进行性能测试。

以上为S103的具体实施方式，在该实施方式中，可以根据待测试车辆信息，利用仿真器进行仿真，得到虚拟测试车辆。此时，由于待测试车辆信息能够准确全面地记录待测试车辆的相关信息，因而，根据待测试车辆信息仿真得到的虚拟测试车辆能够具有待测试车辆的性能，使得虚拟测试车辆能够准确地代表待测试车辆。如此，当虚拟测试车辆能够在虚拟测试环境中安全进行行驶，而且能够实现待测试的功能时，则表示待测试车辆也能够在真实测试环境中安全进行行驶，而且也能够实现待测试的功能。

下面介绍S104的具体实施方式。

在S104中，性能测试是指为了能够验证车辆是否具有某种特定的功能而进行的测试；而且，性能测试可以包括：避障测试、识别交通标志测试或自动停车测试等。

作为示例，当需要对待测试车辆进行避障测试时，则S104具体可以为：将所述虚拟测试车辆放入所述虚拟测试环境中进行行驶，确定该虚拟测试车辆是否能够顺利地避让过障碍物。

以上为S104的具体实施方式，在该实施方式中，可以将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。

以上为方法实施例提供的车辆的仿真测试方法的具体实施方式，在该实施方式中，通过根据从目标视频中提取的目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。由于车辆测试过程是通过利用虚拟测试车辆在虚拟测试环境进行测试实现的，无需真实的待测试车辆的参与，因而降低了测试成本，也提高了车辆测试过程的安全性。另外，由于目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的，因而，该目标视频能够准确全面地反映待测试车辆的真实行车环境，使得从目标视频中提取的目标测试环境信息也能够准确全面地反映待测试车辆的真实行车环境，也使得根据目标测试环境信息进行仿真获得的虚拟测试环境也能够准确全面地反映待测试车辆的真实行车环境，从而提高了虚拟测试环境的准确性以及全面性，进而提高了车辆测试过程的可信性。

基于上述方法实施例提供的车辆的仿真测试方法，本申请还提供了一种车辆的仿真测试装置，下面将结合附图进行解释和说明。

装置实施例

参见图2，该图为本申请装置实施例提供的车辆的仿真测试装置的结构示意图。

本申请实施例提供的车辆的仿真测试装置，包括：

提取单元201，用于从目标视频中提取目标测试环境信息；其中，所述目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的；所述目标测试环境信息包括道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息中的至少一种；

仿真单元202，用于根据所述目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。

作为一种实施方式，为了进一步提高车辆测试过程的准确性以及全面性，所述提取单元201，具体包括：

识别子单元，用于利用深度学习算法从目标视频中识别目标实体；其中，目标实体包括建筑、道路、车辆和行人中的至少一个；

获取子单元，用于根据所述目标实体，利用预设算法获取目标测试环境信息。

作为一种实施方式，为了进一步提高车辆测试过程的准确性以及全面性，所述获取子单元，具体包括：

车辆信息获取模块，用于当所述目标实体包括车辆，且所述车辆行驶信息包括车辆的行驶轨迹和车辆的行驶方向时，根据所述车辆，利用跟踪算法获取所述车辆的行驶轨迹，并利用朝向识别算法获取所述车辆的行驶方向。

作为一种实施方式，为了进一步提高车辆测试过程的准确性以及全面性，所述获取子单元，具体包括：

行人信息获取模块，用于当所述目标实体包括行人，且所述行人行驶信息包括行人的行驶轨迹时，根据所述行人，利用跟踪算法获取所述行人的行驶轨迹。

作为一种实施方式，为了进一步提高车辆测试过程的准确性以及全面性，所述获取子单元，具体包括：

道路信息获取模块，用于当所述目标实体包括道路时，根据所述道路，利用视觉识别算法获取所述道路信息。

以上为本申请装置实施例提供的车辆的仿真测试装置的具体实施方式，在该实施方式中，通过根据从目标视频中提取的目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。由于车辆测试过程是通过利用虚拟测试车辆在虚拟测试环境进行测试实现的，无需真实的待测试车辆的参与，因而降低了测试成本，也提高了车辆测试过程的安全性。另外，由于目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的，因而，该目标视频能够准确全面地反映待测试车辆的真实行车环境，使得从目标视频中提取的目标测试环境信息也能够准确全面地反映待测试车辆的真实行车环境，也使得根据目标测试环境信息进行仿真获得的虚拟测试环境也能够准确全面地反映待测试车辆的真实行车环境，从而提高了虚拟测试环境的准确性以及全面性，进而提高了车辆测试过程的可信性。

基于上述方法实施例提供的车辆的仿真测试方法的任一种实施方式，以及装置实施例提供的车辆的仿真测试装置的任一种实施方式，本申请实施例还提供了一种车辆的仿真测试系统，下面将结合附图进行解释和说明。

系统实施例

参见图3，该图为本申请系统实施例提供的车辆的仿真测试系统的结构示意图。

本申请实施例提供的车辆的仿真测试系统，包括：车辆的仿真测试装置301和无人机302。

其中，无人机302用于拍摄目标道路上的车辆行驶状态以及行驶环境的视频，并将其拍摄的视频发送至车辆的仿真测试装置301。

车辆的仿真测试装置301可以用于执行方法实施例中提供的仿真测试方法的任一种实施方式，而且，车辆的仿真测试装置301可以采用装置实施例提供的车辆的仿真测试装置的任一种实施方式。

以上为系统实施例提供的车辆的仿真测试系统的具体实施方式，在该实施方式中，通过根据从目标视频中提取的目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。由于车辆测试过程是通过利用虚拟测试车辆在虚拟测试环境进行测试实现的，无需真实的待测试车辆的参与，因而降低了测试成本，也提高了车辆测试过程的安全性。另外，由于目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的，因而，该目标视频能够准确全面地反映待测试车辆的真实行车环境，使得从目标视频中提取的目标测试环境信息也能够准确全面地反映待测试车辆的真实行车环境，也使得根据目标测试环境信息进行仿真获得的虚拟测试环境也能够准确全面地反映待测试车辆的真实行车环境，从而提高了虚拟测试环境的准确性以及全面性，进而提高了车辆测试过程的可信性。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (11)

1.一种车辆的仿真测试方法，其特征在于，包括：

从目标视频中提取目标测试环境信息；其中，所述目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的；所述目标测试环境信息包括道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息中的至少一种；

根据所述目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。

2.根据权利要求1所述的方法，其特征在于，所述从目标视频中提取目标测试环境信息，具体包括：

利用深度学习算法从目标视频中识别目标实体；其中，目标实体包括建筑、道路、车辆和行人中的至少一个；

根据所述目标实体，利用预设算法获取目标测试环境信息。

3.根据权利要求2所述的方法，其特征在于，当所述目标实体包括车辆，且所述车辆行驶信息包括车辆的行驶轨迹和车辆的行驶方向时，所述根据所述目标实体，利用预设算法获取目标测试环境信息，具体包括：

根据所述车辆，利用第一跟踪算法获取所述车辆的行驶轨迹，并利用朝向识别算法获取所述车辆的行驶方向。

4.根据权利要求2所述的方法，其特征在于，当所述目标实体包括行人，且所述行人行驶信息包括行人的行驶轨迹时，所述根据所述目标实体，利用预设算法获取目标测试环境信息，具体包括：

根据所述行人，利用第二跟踪算法获取所述行人的行驶轨迹。

5.根据权利要求2所述的方法，其特征在于，当所述目标实体包括道路时，所述根据所述目标实体，利用预设算法获取目标测试环境信息，具体包括：

根据所述道路，利用视觉识别算法获取所述道路信息。

6.一种车辆的仿真测试装置，其特征在于，包括：

提取单元，用于从目标视频中提取目标测试环境信息；其中，所述目标视频是由无人机通过拍摄目标道路上的车辆行驶状态以及行驶环境得到的；所述目标测试环境信息包括道路周边建筑信息、道路信息、车辆行驶信息和行人行驶信息中的至少一种；

仿真单元，用于根据所述目标测试环境信息和待测试车辆信息，利用仿真器进行仿真，分别得到虚拟测试环境和虚拟测试车辆，以便将所述虚拟测试车辆放入所述虚拟测试环境中进行性能测试。

7.根据权利要求6所述的装置，其特征在于，所述提取单元，具体包括：

识别子单元，用于利用深度学习算法从目标视频中识别目标实体；其中，目标实体包括建筑、道路、车辆和行人中的至少一个；

获取子单元，用于根据所述目标实体，利用预设算法获取目标测试环境信息。

8.根据权利要求7所述的装置，其特征在于，所述获取子单元，具体包括：

车辆信息获取模块，用于当所述目标实体包括车辆，且所述车辆行驶信息包括车辆的行驶轨迹和车辆的行驶方向时，根据所述车辆，利用第一跟踪算法获取所述车辆的行驶轨迹，并利用朝向识别算法获取所述车辆的行驶方向。

9.根据权利要求7所述的装置，其特征在于，所述获取子单元，具体包括：

行人信息获取模块，用于当所述目标实体包括行人，且所述行人行驶信息包括行人的行驶轨迹时，根据所述行人，利用第二跟踪算法获取所述行人的行驶轨迹。

10.根据权利要求7所述的装置，其特征在于，所述获取子单元，具体包括：

道路信息获取模块，用于当所述目标实体包括道路时，根据所述道路，利用视觉识别算法获取所述道路信息。

11.一种车辆的仿真测试系统，其特征在于，包括：权利要求6至10所述的任一项车辆的仿真测试装置和无人机。