博客
关于我
面向未来的智能驾驶测试平台
阅读量:162 次
发布时间:2019-02-28

本文共 625 字,大约阅读时间需要 2 分钟。

智能驾驶技术目前正处于充分验证阶段,为了确保达到极低的事故率要求,测试里程需要达到110亿英里。由于标准化场地测试路况单一,而开放道路测试又存在复现难度的问题,因此高效率、高覆盖度的仿真测试成为验证智能驾驶系统的关键手段。作为国内领先的汽车电子服务商,恒润科技推出了面向未来的智能驾驶整车测试平台,能够在实验室环境中充分验证智驾算法。

该系统整合了驱动控制系统测试平台、智驾控制系统测试平台以及智能网联系统测试平台,包含以下重要模块:

  • 高级快速原型:支持智驾算法快速下载与验证
  • 毫米波雷达模拟器:支持多方向多目标回波仿真
  • 超声波雷达模拟器:满足APA测试需求
  • 摄像头视频仿真:实现摄像头传感器信号仿真
  • 激光雷达模拟:支持16-64线激光雷达点云实时模拟
  • 交通流联合仿真:高度还原不同时间段的交通场景
  • GNSS模拟器:联合交通场景实时仿真,提供各制式导航电文及信道模拟
  • 基站模拟器:模拟运营商网络通讯服务,车辆外场行驶网络工况
  • 信道模拟器:模拟各类标准及自定义V2X信道模型
  • 人机交互台架:实现影音娱乐人机交互自动化测试
  • 新能源仿真系统:三电系统集成测试,支持纯电/混动等新能源系统类型
  • 通过该测试平台,国内多家OEM和零部件供应商在恒润科技的支持下建立了自己的"虚拟车辆"实验室,成功将HIL测试技术应用于单ECU或整车电控系统的开发与测试。未来,围绕智能驾驶测试评价体系将更加丰富和完善,恒润科技可以成为您智能驾驶领域的可靠合作伙伴。期待您的垂询!

    转载地址:http://uduj.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>