CN112147632A - 车载激光雷达感知算法的测试方法、装置、设备和介质 - Google Patents

Abstract

本申请公开了一种车载激光雷达感知算法的测试方法、装置、设备和介质，涉及智能汽车领域中的测试技术。具体实现方案为：获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备；分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果；根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息；通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。本申请利用组合导航设备，在降低人力和时间成本的基础上实现真实环境中的车载激光雷达感知算法的测试验证。

Description

车载激光雷达感知算法的测试方法、装置、设备和介质

技术领域

本申请涉及智能汽车领域，进一步涉及测试技术，具体涉及一种车载激光雷达感知算法的测试方法、装置、设备和介质。

背景技术

自动驾驶的实现依赖多方面的因素，其中，高性能的环境感知是关键因素。激光雷达作为一种高精度的感知元器件，在自动驾驶中占据着至关重要的地位。

目前，对于激光雷达感知算法的测试验证手段主要有开发阶段的人工标注点云产生真值、使用场景模拟器仿真验证和搭载规划决策算法后的实车路测三种测试方法。

然而，第一种测试方法由于需要人工标注，时间和人力成本都很高，不适合大规模的产品测试；第二种测试方法使用场景模拟器仿真渲染虚拟的场景和传感器，让激光雷达感知算法在虚拟的环境中运行，但是虚拟环境与真实环境存在不可消除的差距，无法完全代替真实环境中的测试验证；第三种测试方法搭建出完整的ADAS系统后实车路测，通过ADAS功能的表现分析激光雷达感知能力的优劣性，但是在BUG分析阶段需要综合分析规划决策算法、感知融合算法以及其它如摄像头等感知传感器算法的影响，所以很难定位BUG原因，即时间和人力成本很高。

发明内容

本申请提供一种车载激光雷达感知算法的测试方法、装置、设备和介质，以在降低人力和时间成本的基础上实现真实环境中的测试验证。

第一方面，本申请提供了一种车载激光雷达感知算法的测试方法，包括：

获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备；

分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果；

根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息；

通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。

第二方面，本申请还提供了一种车载激光雷达感知算法的测试装置，包括：

第一行驶信息获取模块，用于获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备；

定位结果获取模块，用于分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果；

第二行驶信息获取模块，用于根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息；

测试结果获取模块，用于通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。

第三方面，本申请还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的车载激光雷达感知算法的测试方法。

第四方面，本申请还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的车载激光雷达感知算法的测试方法。

应当理解，本部分所描述的内容并非旨在标识本申请的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解，上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例的车载激光雷达感知算法的测试方法的流程示意图；

图2是根据本申请实施例的车载激光雷达感知算法的测试方法的流程示意图；

图3是根据本申请实施例的车载激光雷达感知算法的测试方法的流程示意图；

图4是根据本申请实施例的车载激光雷达感知算法的测试装置的结构示意图；

图5是用来实现本申请实施例的车载激光雷达感知算法的测试方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请实施例的车载激光雷达感知算法的测试方法的流程示意图，本实施例可适用于对车载激光雷达感知算法进行测试的情况。该方法可由一种车载激光雷达感知算法的测试装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如车载终端、服务器或计算机设备等。如图1所示，该方法具体包括如下：

S101、获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备。

车载激光雷达感知算法可以对待测车周围的目标车辆、行人或车道线等环境物体进行感知，例如，感知目标车辆的位置、车道或车速等信息，为实现自动驾驶提供数据。所述待测车即为搭载有激光雷达感知算法的车辆，第一行驶信息即为基于激光雷达感知算法感知到的至少一个目标车辆的相关信息，验证该第一行驶信息的准确性即可实现对激光雷达感知算法的测试。其中，第一行驶信息可以包括激光雷达感知算法能够感知到的任一种信息，本申请对感知算法和第一行驶信息的具体内容不做任何限定。

需要说明的是，所述待测车和每个目标车辆上还都搭载有组合导航设备。其中，组合导航设备是多传感器多源导航信息的集成优化融合系统中的设备，例如可以包括惯性导航设备、GPS导航系统、多普勒导航系统等。组合导航设备的关键技术是信息的融合和处理，例如，卡尔曼滤波方法的应用是产生组合导航的关键，卡尔曼滤波通过运动方程和测量方程，不仅考虑当前所测得的参量值，而且还充分利用过去测得的参量值，以后者为基础推测当前应有的参量值，而以前者为校正量进行修正，从而获得当前参量值的最佳估算。

组合导航设备可以获取到更加精确的定位信息，从而可以依据该定位信息计算出目标车辆的相关信息，并将其作为真值与激光雷达感知算法感知到的信息进行对比，从而检测感知信息的准确性。本申请对组合导航设备以及信息的融合和处理算法不做任何限定。

S102、分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果。

具体的，可以采用现有技术中的组合导航设备及其信息的融合和处理算法，以得到待测车和每个目标车辆最终的定位结果，此处不再赘述。

S103、根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息。

其中，第二行驶信息是用于与感知得到的第一行驶信息进行比较的信息，作为对激光雷达感知算法进行测试的真值所用。例如，根据需求，如果需要测试激光雷达感知算法的测速、测距和目标识别分类等性能指标，那么就根据组合导航设备确定的定位结果同样计算出每个目标车辆的相应的性能指标，从而将两者进行比较，完成测试。

具体而言，例如，对于测速和测距的性能指标，根据待测车和任一个目标车辆的定位结果，就能够计算出二者之间的相对距离，然后依据待测车自身的车速即可计算出目标车辆的车速；对于目标识别分类的性能指标，则可以根据二者的定位结果，结合目标车辆的车身信息就可以计算出目标车辆在图像中的检测框(BoundingBox)，通过对检测框进行分类即可得到目标识别分类结果。对于其他的性能指标，此处不再一一赘述。

S104、通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。

由于基于组合导航设备能够确定出精度更高的定位信息，因此，可以将依据该定位信息计算得到的性能指标作为真值，与待测试的车载激光雷达感知算法感知得到的性能指标进行比较，从而根据比较结果确定车载激光雷达感知算法的测试结果。

本申请实施例的技术方案，利用组合导航设备确定的定位信息计算出的性能指标作为真值，与车载激光雷达感知算法感知得到的性能指标进行比较，从而实现了真实场景下的测试，既不需要人工标注，也不需要仿真场景，而且也不需要复杂的算法，人力和时间成本都不高，达到了在降低人力和时间成本的基础上实现真实环境中的测试验证的目的。

图2是根据本申请实施例的车载激光雷达感知算法的测试方法的流程示意图，本实施例在上述实施例的基础上进一步进行优化，详细介绍激光雷达感知算法对目标车辆的检测性能进行测试的方法。如图2所示，该方法具体包括如下：

S201、获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备。

其中，所述第一行驶信息包括如下中的至少一种：车速、距离、位置和检测框。需要说明的是，根据测试需求，需要测试激光雷达感知算法的哪些性能指标，即可获取到相应的第一行驶信息。因此，本申请对第一行驶信息的具体内容不做任何限定。

S202、分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位原始数据。

其中，定位原始数据即为通过组合导航设备获取到的未经处理的原始数据。

S203、对所述定位原始数据进行后处理，得到所述定位结果。

例如，可以通过后处理软件Inertial Explorer来进行后处理，其主要工作原理为进行双向解算并屏蔽信号质量不好的卫星，来进一步提高定位数据的精度。因此，经后处理的定位结果相比定位原始数据，其具有更高的准确度，为接下来的测试提供了数据基础。

S204、将所述待测车和每个目标车辆的定位结果进行比较，确定每个目标车辆与所述待测车的距离。

测距是激光雷达感知算法常用的性能指标。本申请中，通过组合导航设备获取到每个目标车辆的定位结果之后，结合待测车自身的定位信息，即可确定出目标车辆与待测车的相对距离。

S205、利用多帧跟踪分析技术，确定每个目标车辆的车速，并结合每个目标车辆的车身信息，确定每个目标车辆的检测框。

测速和目标识别分类也是激光雷达感知算法常用的性能指标。在获取到目标车辆与待测车的距离之后，结合待测车的车速等基本信息，即可计算出每个目标车辆的车速，以及目标车辆与待测车的相对位置关系的信息。再结合每个目标车辆的车身信息，例如车辆的长度和宽度等基本信息，即可确定出目标车辆的检测框，包括目标车辆的检测框在待测车坐标系中四个顶点的坐标等，从而利用图像检测技术即可对检测框中的目标进行识别和分类。

S206、将所述距离、车速和检测框作为第二行驶信息，并通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。

所述第二行驶信息包括如下中的至少一种：车速、距离、位置和检测框，但并不限于此，可以根据测试需求而定。经过比较，如果感知得到的第一行驶信息与作为真值的第二行驶信息相差较远，则表明车载激光雷达感知算法存在问题，反之，则表明感知算法具有一定的准确度。

本申请实施例的技术方案，利用组合导航设备确定的定位信息计算出的性能指标作为真值，与车载激光雷达感知算法感知得到的性能指标进行比较，从而实现了真实场景下的测试，既不需要人工标注，也不需要仿真场景，而且也不需要复杂的算法，人力和时间成本都不高，达到了在降低人力和时间成本的基础上实现真实环境中的测试验证的目的。

图3是根据本申请实施例的车载激光雷达感知算法的测试方法的流程示意图，本实施例在上述实施例的基础上进一步进行优化，详细介绍激光雷达感知算法对车道线的检测性能进行测试的方法。如图3所示，该方法具体包括如下：

S301、获取利用任意目标车辆的组合导航设备测绘出的车道线测绘结果。

其中，目标车辆上搭载有组合导航设备，例如惯性导航设备、GPS导航系统、多普勒导航系统等。

在一种实施方式中，所述获取利用任意目标车辆的组合导航设备测绘出的车道线测绘结果，包括：使用载波相位差分技术，利用差分惯导测量车道线，得到车道线上的点坐标；对所述点坐标进行坐标系转换，得到所述车道线在全局坐标系下的坐标信息和曲线方程，并将所述坐标信息和曲线方程作为所述车道线测绘结果。

S302、获取所述待测车在所述车道线所属车道上行驶的过程中，基于激光雷达感知算法感知到的车道线感知结果。

其中，车道线感知结果中可以包括感知到的车道线的坐标信息和曲线方程。

S303、通过比较所述车道线测绘结果和车道线感知结果，得到所述待测车上激光雷达感知算法对车道线的测试结果。

将基于组合导航设备测绘出的车道线测绘结果作为真值，与感知到的车道线感知结果进行比较，如果感知结果与测绘结果相差较大，则表明激光雷达感知算法对车道线的感知性能精度较低，反之，则表明激光雷达感知算法对车道线的感知性能具有一定的精确度。

本申请实施例的技术方案，利用组合导航设备测绘得到的车道线测绘结果作为真值，与车载激光雷达感知算法感知得到的车道线感知结果进行比较，从而实现了真实场景下的测试，既不需要人工标注，也不需要仿真场景，而且也不需要复杂的算法，人力和时间成本都不高，达到了在降低人力和时间成本的基础上实现真实环境中的测试验证的目的。

图4是根据本申请实施例的车载激光雷达感知算法的测试装置的结构示意图，本实施例可适用于的情况。该装置可实现本申请任意实施例所述的车载激光雷达感知算法的测试方法。如图4所示，该装置400具体包括：

第一行驶信息获取模块401，用于获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备；

定位结果获取模块402，用于分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果；

第二行驶信息获取模块403，用于根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息；

测试结果获取模块404，用于通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。

可选的，所述定位结果获取模块具体用于：

分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位原始数据；

对所述定位原始数据进行后处理，得到所述定位结果。

可选的，所述第一行驶信息和第二行驶信息均包括如下中的至少一种：车速、距离、位置和检测框。

可选的，所述第二行驶信息获取模块具体用于：

将所述待测车和每个目标车辆的定位结果进行比较，确定每个目标车辆与所述待测车的距离；

利用多帧跟踪分析技术，确定每个目标车辆的车速，并结合每个目标车辆的车身信息，确定每个目标车辆的检测框；

将所述距离、车速和检测框作为所述第二行驶信息。

可选的，所述装置还包括车道线测试模块，包括：

车道线测绘单元，用于获取利用任意目标车辆的组合导航设备测绘出的车道线测绘结果；

车道线感知结果获取单元，用于获取所述待测车在所述车道线所属车道上行驶的过程中，基于激光雷达感知算法感知到的车道线感知结果；

比较单元，用于通过比较所述车道线测绘结果和车道线感知结果，得到所述待测车上激光雷达感知算法对车道线的测试结果。

可选的，所述车道线测绘单元具体用于：

使用载波相位差分技术，利用差分惯导测量车道线，得到车道线上的点坐标；

对所述点坐标进行坐标系转换，得到所述车道线在全局坐标系下的坐标信息和曲线方程，并将所述坐标信息和曲线方程作为所述车道线测绘结果。

本申请实施例提供的车载激光雷达感知算法的测试装置400可执行本申请任意实施例提供的车载激光雷达感知算法的测试方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的车载激光雷达感知算法的测试方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车载激光雷达感知算法的测试方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车载激光雷达感知算法的测试方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车载激光雷达感知算法的测试方法对应的程序指令/模块(例如，附图4所示的第一行驶信息获取模块401、定位结果获取模块402、第二行驶信息获取模块403和测试结果获取模块404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车载激光雷达感知算法的测试方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实现本申请实施例的车载激光雷达感知算法的测试方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至实现本申请实施例的车载激光雷达感知算法的测试方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现本申请实施例的车载激光雷达感知算法的测试方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与实现本申请实施例的车载激光雷达感知算法的测试方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

根据本申请实施例的技术方案，利用组合导航设备确定的定位信息计算出的性能指标作为真值，与车载激光雷达感知算法感知得到的性能指标进行比较，从而实现了真实场景下的测试，既不需要人工标注，也不需要仿真场景，而且也不需要复杂的算法，人力和时间成本都不高，达到了在降低人力和时间成本的基础上实现真实环境中的测试验证的目的。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种车载激光雷达感知算法的测试方法，其特征在于，包括：

获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备；

分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果；

根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息；

通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。

2.根据权利要求1所述的方法，其特征在于，所述分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果，包括：

分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位原始数据；

对所述定位原始数据进行后处理，得到所述定位结果。

3.根据权利要求1所述的方法，其特征在于，所述第一行驶信息和第二行驶信息均包括如下中的至少一种：车速、距离、位置和检测框。

4.根据权利要求1所述的方法，其特征在于，所述根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息，包括：

将所述待测车和每个目标车辆的定位结果进行比较，确定每个目标车辆与所述待测车的距离；

利用多帧跟踪分析技术，确定每个目标车辆的车速，并结合每个目标车辆的车身信息，确定每个目标车辆的检测框；

将所述距离、车速和检测框作为所述第二行驶信息。

5.根据权利要求1所述的方法，其特征在于，还包括：

获取利用任意目标车辆的组合导航设备测绘出的车道线测绘结果；

获取所述待测车在所述车道线所属车道上行驶的过程中，基于激光雷达感知算法感知到的车道线感知结果；

通过比较所述车道线测绘结果和车道线感知结果，得到所述待测车上激光雷达感知算法对车道线的测试结果。

6.根据权利要求5所述的方法，其特征在于，所述获取利用任意目标车辆的组合导航设备测绘出的车道线测绘结果，包括：

使用载波相位差分技术，利用差分惯导测量车道线，得到车道线上的点坐标；

对所述点坐标进行坐标系转换，得到所述车道线在全局坐标系下的坐标信息和曲线方程，并将所述坐标信息和曲线方程作为所述车道线测绘结果。

7.一种车载激光雷达感知算法的测试装置，其特征在于，包括：

第一行驶信息获取模块，用于获取待测车上基于激光雷达感知算法感知到的至少一个目标车辆的第一行驶信息，其中，所述待测车和每个目标车辆上都搭载有组合导航设备；

定位结果获取模块，用于分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位结果；

第二行驶信息获取模块，用于根据所述待测车和每个目标车辆的定位结果，计算所述每个目标车辆的第二行驶信息；

测试结果获取模块，用于通过比较所述第一行驶信息和第二行驶信息，得到所述待测车上激光雷达感知算法对目标车辆的测试结果。

8.根据权利要求7所述的装置，其特征在于，所述定位结果获取模块具体用于：

分别获取所述待测车和每个目标车辆基于所述组合导航设备确定的定位原始数据；

对所述定位原始数据进行后处理，得到所述定位结果。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的车载激光雷达感知算法的测试方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的车载激光雷达感知算法的测试方法。

Images