数据类型 | 示例数据 | 描述 |
---|---|---|
视频流数据 | RTSP://... | 包含各种交通场景的视频流 |
激光雷达点云数据 | PCD文件 | 包含环境要素的点云数据 |
毫米波雷达数据 | Radar Raw Data | 目标物体的距离、速度、角度 |
高精地图数据 | OpenDRIVE | 道路几何信息、车道线、交通标志 |
数据类型 | 示例数据 | 描述 |
---|---|---|
车辆速度 | 60 km/h | 车辆当前速度 |
方向盘转角 | 15 度 | 方向盘转角 |
制动状态 | 已制动 | 车辆是否正在制动 |
数据类型 | 示例数据 | 描述 |
---|---|---|
风险等级 | 高 | 风险等级 (高、中、低) |
风险概率 | 0.8 | 风险发生的概率 |
ADSVP平台需要准确识别各种环境要素,例如道路、车道线、交通标志、车辆、行人等,以确保安全行驶。
测试时,我们将使用各种类型的传感器数据(摄像头、激光雷达、毫米波雷达)模拟不同天气条件(晴天、雨天、雪天、雾天)和光照条件(白天、夜晚、隧道)。
ADSVP平台需要实时采集车辆的速度、加速度、方向盘转角、制动状态等信息,以便做出正确的决策。
测试时,我们将模拟不同的驾驶场景,例如加速、减速、转弯、变道等,以验证系统对车辆状态的监测和控制能力。
ADSVP平台需要能够准确评估各种风险,并给出相应的风险等级和概率,以便采取适当的措施。
测试时,我们将模拟各种风险事件(行人突然出现、车辆变道、障碍物、路面坑洼等),以验证系统的风险评估能力。