本发明涉及智能驾驶技术领域，具体为一种智能驾驶软/硬件在环自动化仿真测试系统，包括场景生成工具、远程云端、GUI用户界面、场景批量运行工具、数据录制工具、数据库文件、数据分析工具；场景生成工具用于生成的场景文件存储于远程云端中，并对场景文件批量进行SiL场景和HiL场景的相互转化；GUI用户界面根据配置好的测试内容手动开启场景批量运行工具运行场景文件；场景批量运行工具用于对场景文件进行SiL测试和HiL测试；数据录制工具用于录制场景文件批量运行的过程数据；数据分析工具用于生成仿真测试报告。本发明减少了场景搭建的工作量、减少开发工作量及后期维护成本，提高系统的可扩展及便利性。
1.一种智能驾驶软/硬件在环自动化仿真测试系统，其特征在于，包括场景生成工具、远程云端、GUI用户界面、场景批量运行工具、数据录制工具、数据库文件、数据分析工具；
所述场景生成工具将用于生成的场景文件存储于所述远程云端中，并对场景文件批量进行SiL场景和HiL场景的相互转化；
所述GUI用户界面用于手动配置测试内容，根据配置好的测试内容手动开启所述场景批量运行工具运行所述场景文件；
所述场景批量运行工具包括SiL运行工具和HiL运行工具，用于对所述场景文件进行SiL测试和HiL测试；所述SiL运行工具进行SiL测试时包括以下步骤：步骤501，在进行SiL批量运行时，先从算法代码库拉取智能驾驶算法；
步骤502，通过集成编译工具，将智能驾驶算法集成编译成SiL可执行文件.exe；
步骤503，测试开始时，通过GUI用户界面所配置的信息，从远程云端中获取到本次测试所需测试的所有场景文件及对应的场景描述文件，在获取到测试场景文件、场景描述文件后，在已搭建好的测试环境中依次运行每个场景，每个场景运行都重复以下步骤：步骤504，先在场景软件中加载场景；
步骤505，然后运行智能驾驶算法，即运行在步骤502中编译成的可执行文件.exe；
步骤506，运行场景，SiL可执行程序通过场景软件API，获得仿真场景环境信息，智能驾驶算法计算输出的控车信号，通过API来控制仿真中的车辆，形成整个测试闭环；
步骤507，当车辆达到了场景运行终止点，或是达到场景最大运行时长，即达到场景运行停止条件时，停止场景；
步骤508，步骤504开始的同时会进行步骤508，开启数据录制工具，自动进行数据录制；
步骤509，在步骤507开始的同时会进行步骤509，关闭数据录制工具，将场景运行过程中录制的数据以数据库文件形式保存；
步骤601，在进行HiL批量运行前，先刷写最新的算法软件到控制器；
步骤604，自动化配置启动实时机，并加载道路和车辆文件到实时机系统；
步骤605，将实时机系统与仿真软件所用的工作站之间通过UDP协议互相通讯同步，完成数据的交互和传输；
步骤607，同步运行智能驾驶算法，即刷写在控制器里的软件；
步骤608，运行场景，实时机通过UDP协议获得仿真场景里的环境、雷达、视觉传感器和自车信息，通过视频注入设备、雷达及底盘CAN总线发送到控制器，算法软件经过融合、预测、规控输出期望的控车信号，实时机再通过CAN总线获得这些控车信号来控制仿真中的车辆，形成整个测试闭环；期间也可以自动化设置开关量，以达到要求的测试条件；
步骤609，当车辆达到了场景运行终止点，或是达到场景最大运行时长，即达到场景运行停止条件时，停止场景；
步骤610，通过UDP协议实时机获取到仿真场景已结束的信号后，自动化断开实时机，所有信号恢复默认值，准备进入下一个场景；
步骤611，步骤606开始的同时会进行步骤611，开启数据录制工具，自动进行数据录制；
步骤612，步骤609开始的同时，会进行步骤612，自动关闭数据录制工具，将场景运行过程中录制的数据以数据库文件形式保存；
所述数据录制工具用于录制所述场景文件批量运行的过程数据，并生成运行数据保存在所述数据库文件中；
所述数据库文件还用于将所述运行数据回传至所述远程云端中；
所述数据分析工具用于解析所述数据库文件中的运行数据，并生成仿真测试报告。
2.根据权利要求1所述智能驾驶软/硬件在环自动化仿真测试系统，其特征在于，还包括实车场景测试模块，用于实车在实际道路上进行智能驾驶算法的测试，且实车测试过程中通过数据录制工具进行录制，并生成数据库文件用于数据分析工具生成实车测试报告。
3.根据权利要求1所述智能驾驶软/硬件在环自动化仿真测试系统，其特征在于，所述数据录制工具录制所述场景文件批量运行的过程数据包括以下步骤：步骤801，收集明确所需要录制的数据信息；
步骤802，根据所需录制数据的信息，自动生成数据信息配置文件，配置内容包含各信号的信号名称、信号内存起始位置、数据长度、数据类型信息；
步骤803，按照数据信息配置文件，对数据进行组包和逐帧数据发送；
步骤804，通过网络数据传输，数据接收端对数据进行接收，并录制接收到的每帧数据，保存为数据库文件；
步骤805，待数据录制结束，通过数据录制工具进行可视化逐帧回放数据。
4.根据权利要求1所述智能驾驶软/硬件在环自动化仿真测试系统，其特征在于，所述数据分析工具生成仿真测试报告包括以下步骤：步骤1001，在运行完所有测试场景后，生成各个场景所录制的数据库文件，通过读取数据录制工具中生成的数据信息配置文件，根据文件中各信号内存起始位置、数据长度信息，对所需数据进行解析；
步骤1002，从远程云端获取场景描述文件，根据场景描述文件里包含的每个场景详细描述、每个场景所有的测试通过标准，依次对场景里的每条通过标准都进行判断，当每条通过标准都通过时，才视为该场景通过；
步骤1003，自动生成单场景的测试结果，测试结果包含：该场景的详细描述和通过标准、各通过标准是否通过、关键数据信号的曲线绘制；
步骤1004，自动输出最终测试报告，报告内容包括：报告首页、标签页、所测场景统计结果、各场景的详细报告。
5.根据权利要求4所述智能驾驶软/硬件在环自动化仿真测试系统，其特征在于，所述报告首页含本次测试软件版本、算法标定版本、测试人员、测试时间信息；
所述标签页展示了各场景是否通过的列表，列表每一行是一个单独场景，有场景名字、场景简洁描述、及是否测试通过；且每一行可以超链接到报告中的对应场景的详细报告；
所述所测场景统计结果包括总测试场景个数，场景测试通过的比例。
一种智能驾驶软/硬件在环自动化仿真测试系统
技术领域
[0001] 本发明涉及智能驾驶技术领域，具体为一种智能驾驶软/硬件在环自动化仿真测试系统。
背景技术
[0002] 随着智能驾驶技术的快速发展，为了更加快速的验证及优化智能驾驶软件，基于场景的测试越来越成为仿真及实车测试重要的一环，丰富的场景库是自动驾驶公司必不可少的成长基石。同时，作为智能驾驶中传统主机厂重要的V流程开发模式，如何更好更高效的适应这种基于场景的自动化仿真测试，也逐渐成为自动驾驶公司提升自己测试工具链的重要参考。
[0003] 在项目的开发及测试阶段，V流程中的SiL（software in the loop）及HiL(Hardware in the loop)是必不可少的测试环节，SiL测试更加注重软件编译后的功能性测试，HiL测试更加注重整个系统功能响应的验证。尤其对于自动驾驶测试来说，场景的数量之多、复杂度及危险度之大，对于如何更好地减少测试的风险及成本，SiL及HiL的自动化仿真测试显得尤为重要。
[0004] 对于自动驾驶来说，自动化仿真测试的重点在于如何更好地利用各种场景库重复且高效的测试并迭代自己的算法。除此之外，自动驾驶正处在从L0‑L4快速发展的阶段，目前大部分主机厂还是更加注重L2或者L2+的一些高级辅助驾驶的功能开发，因为这些开发模式基本还是基于模型的开发，能够应用传统的V流程开发模式，但是他们却缺少完整的基于场景的自动化测试工具，去更好的辅助算法验证；而对于一部分高等级的自动驾驶技术可能能够注重场景的测试，但是不能够同时兼顾这种基于模型的开发流程。
[0005] 因此，一种耦合SiL及HiL 平台的自动化测试平台去更好地支持智能驾驶场景的测试是目前必不可少的工具，而且这种平台是能够适应于不同等级自动驾驶功能的仿真需求，这样不仅能更好地嵌入开发测试流程中，而且增加了自动化工具的可扩展性，因此能够大大减少实车的测试人力、时间、成本等，从而提升系统的开发效率。鉴于此，我们提出一种智能驾驶软/硬件在环自动化仿真测试系统。
发明内容
[0006] 本发明的目的在于提供一种智能驾驶软/硬件在环自动化仿真测试系统，以解决上述背景技术中提出的问题。
[0007] 为实现上述目的，本发明提供如下技术方案：
[0008] 一种智能驾驶软/硬件在环自动化仿真测试系统，包括场景生成工具、远程云端、GUI用户界面、场景批量运行工具、数据录制工具、数据库文件、数据分析工具；
[0009] 所述场景生成工具用于将生成的场景文件存储于所述远程云端中，并对场景文件批量进行SiL场景和HiL场景的相互转化；
[0010] 所述远程云端还用于存储所述场景文件的描述文件；
[0011] 所述GUI用户界面用于手动配置测试内容，根据配置好的测试内容手动开启所述场景批量运行工具运行所述场景文件；
[0012] 所述场景批量运行工具包括SiL运行工具和HiL运行工具，用于对所述场景文件进行SiL测试和HiL测试；
[0013] 所述数据录制工具用于录制所述场景文件批量运行的过程数据，并生成运行数据保存在所述数据库文件中；
[0014] 所述数据库文件还用于将所述运行数据回传至所述远程云端中；
[0015] 所述数据分析工具用于解析所述数据库文件中的运行数据，并生成仿真测试报告。
[0016] 优选的，所述SiL运行工具进行SiL测试时包括以下步骤：
[0017] 步骤501，在进行SiL批量运行时，先从算法代码库拉取智能驾驶算法；
[0018] 步骤502，通过集成编译工具，将智能驾驶算法集成编译成SiL可执行文件.exe；
[0019] 步骤503，测试开始时，通过GUI用户界面所配置的信息，从远程云端中获取到本次测试所需测试的所有场景文件及对应的场景描述文件，在获取到测试场景文件、场景描述文件后，在已搭建好的测试环境中依次运行每个场景，每个场景运行都重复以下步骤：
[0020] 步骤504，先在场景软件中加载场景；
[0021] 步骤505，然后运行智能驾驶算法，即运行在步骤502中编译成的可执行文件.exe；
[0022] 步骤506，运行场景，SiL可执行程序通过场景软件API，获得仿真场景环境信息，智能驾驶算法计算输出的控车信号，通过API来控制仿真中的车辆，形成整个测试闭环；
[0023] 步骤507，当车辆达到了场景运行终止点，或是达到场景最大运行时长，即达到场景运行停止条件时，停止场景；
[0024] 步骤508，步骤504开始的同时会进行步骤508，开启数据录制工具，自动进行数据录制；
[0025] 步骤509，在步骤507开始的同时会进行步骤509，关闭数据录制工具，将场景运行过程中录制的数据以数据库文件形式保存。
[0026] 优选的，所述HiL运行工具进行HiL测试包括以下步骤：
[0027] 步骤601，在进行HiL批量运行前，先刷写最新的算法软件到控制器；
[0028] 步骤602，刷写新版软件对应的标定量；
[0029] 步骤603，获取测试场景文件和场景描述文件；
[0030] 步骤604，自动化配置启动实时机，并加载道路和车辆文件到实时机系统；
[0031] 步骤605，将实时机系统与仿真软件所用的工作站之间通过UDP协议互相通讯同步，完成数据的交互和传输；
[0032] 步骤606，在仿真软件中加载场景；
[0033] 步骤607，同步运行智能驾驶算法，即刷写在控制器里的软件；
[0034] 步骤608，运行场景，实时机通过UDP协议获得仿真场景里的环境、雷达、视觉传感器和自车信息，通过视频注入设备、雷达及底盘CAN总线发送到控制器，算法软件经过融合、预测、规控输出期望的控车信号，实时机再通过CAN总线获得这些控车信号来控制仿真中的车辆，形成整个测试闭环；期间也可以自动化设置开关量，以达到要求的测试条件；
[0035] 步骤609，当车辆达到了场景运行终止点，或是达到场景最大运行时长，即达到场景运行停止条件时，停止场景；
[0036] 步骤610，通过UDP协议实时机获取到仿真场景已结束的信号后，自动化断开实时机，所有信号恢复默认值，准备进入下一个场景；
[0037] 步骤611，步骤606开始的同时会进行步骤611，开启数据录制工具，自动进行数据录制；
[0038] 步骤612，步骤609开始的同时，会进行步骤612，自动关闭数据录制工具，将场景运行过程中录制的数据以数据库文件形式保存。
[0039] 优选的，还包括实车场景测试模块，用于实车在实际道路上进行智能驾驶算法的测试，且实车测试过程中通过数据录制工具进行录制，并生成数据库文件用于数据分析工具生成实车测试报告。
[0040] 优选的，所述数据录制工具录制所述场景文件批量运行的过程数据包括以下步骤：
[0041] 步骤801，收集明确所需要录制的数据信息；
[0042] 步骤802，根据所需录制数据的信息，自动生成数据信息配置文件，配置内容包含各信号的信号名称、信号内存起始位置、数据长度、数据类型信息；
[0043] 步骤803，按照数据信息配置文件，对数据进行组包和逐帧数据发送；
[0044] 步骤804，通过网络数据传输，数据接收端对数据进行接收，并录制接收到的每帧数据，保存为数据库文件；
[0045] 步骤805，待数据录制结束，通过数据录制工具进行可视化逐帧回放数据。
[0046] 优选的，所述数据分析工具生成仿真测试报告包括以下步骤：
[0047] 步骤1001，在运行完所有测试场景后，生成各个场景所录制的数据库文件，通过读取数据录制工具中生成的数据信息配置文件，根据文件中各信号内存起始位置、数据长度信息，对所需数据进行解析；
[0048] 步骤1002，从远程云端获取场景描述文件，根据场景描述文件里包含的每个场景详细描述、每个场景所有的测试通过标准，依次对场景里的每条通过标准都进行判断，当每条通过标准都通过时，才视为该场景通过；
[0049] 步骤1003，自动生成单场景的测试结果，测试结果包含：该场景的详细描述和通过标准、各通过标准是否通过、关键数据信号的曲线绘制；
[0050] 步骤1004，自动输出最终测试报告，报告内容包括：报告首页、标签页、所测场景统计结果、各场景的详细报告。
[0051] 优选的，所述报告首页含本次测试软件版本、算法标定版本、测试人员、测试时间信息；
[0052] 所述标签页展示了各场景是否通过的列表，列表每一行是一个单独场景，有场景名字、场景简洁描述、及是否测试通过；且每一行可以超链接到报告中的对应场景的详细报告；
[0053] 所述所测场景统计结果包括总测试场景个数，场景测试通过的比例。
[0054] 与现有技术相比，本发明的有益效果是：该智能驾驶软/硬件在环自动化仿真测试系统：
[0055] 1. 可自动批量进行SiL场景和HiL场景的相互转化，减少了场景搭建的工作量；场景生成工具还可以根据需求批量泛化场景，将需求的场景参数进行泛化，对场景静态和动态要素进行合理的组合和参数配置，自动生成批量化的测试场景，提高场景生成的效率，增加场景的数量和覆盖度。场景生成工具还可以实现基于实车测试数据进行场景的自动还原，进一步丰富场景库；
[0056] 2. 支持基于仿真SiL/HiL平台的场景批量测试，同时支持SiL/HiL两个平台的自动化测试，更好的利用两个平台的测试优缺点，且两个平台运行同一个场景可以对照比较有无真实控制器的不同之处；另外，该自动化平台只需要维护一套场景配置表格及场景检索表格供SiL/HiL测试共同使用，减少开发工作量及后期维护成本；
[0057] 3. 不仅支持只有纯仿真的场景库去批量测试，还能支持对实车数据进行自动化分析和输出测试报告，且还能对实车录制数据进行回放和可视化展示、对重难点问题的数据进行详细的进一步分析及评估，更好地支持到实车的测试，提高实车测试的效率；
[0058] 4. 能够适用于SiL/HiL自动化集成及云仿真的要求，大大提高了工具的可扩展及便利性；
[0059] 5. 能更好的适配V开发流程，并满足未来软件集成测试及高等级自动驾驶仿真测试的需求。
附图说明
[0060] 图1为本发明的整体结构框图；
[0061] 图2为本发明中SiL运行工具在进行SiL测试的方法流程图；
[0062] 图3为本发明中HiL运行工具进行HiL测试的方法流程图；
[0063] 图4为本发明中数据录制工具录制场景文件批量运行的过程数据方法流程图；
[0064] 图5为本发明中数据分析工具生成仿真测试报告的方法流程图。
具体实施方式
[0065] 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。
[0066] 一种智能驾驶软/硬件在环自动化仿真测试系统，如图1所示为本发明的整体结构框图，包括场景生成工具、远程云端、GUI用户界面、场景批量运行工具、数据录制工具、数据库文件、数据分析工具；
[0067] 场景生成工具用于将生成的场景文件存储于远程云端中，且场景生成工具可自动批量进行SiL场景和HiL场景的相互转化，由于HiL测试需要场景仿真软件与HiL台架硬件之间进行数据交互，所以HiL场景和SiL场景在场景配置上存在差异，对于定义的同一个测试场景，SiL场景文件和HiL场景文件是不同的，场景生成工具1可以将SiL和HiL场景库互相转换，减少了场景搭建的工作量；场景生成工具1还可以根据需求批量泛化场景，对场景静态和动态要素进行合理的组合和参数配置，自动生成批量化的测试场景，提高场景生成的效率，增加场景的数量和覆盖度，如不同天气、不同初速度、不同触发距离等参数泛化，批量生成不同场景；场景生成工具还可以实现基于实车测试数据进行场景的自动还原，进一步丰富场景库；
[0068] 远程云端还用于存储场景文件的描述文件；
[0069] 用户界面用于测试人员通过界面配置测试内容，测试内容包括：SiL测试、HiL测试、测试场景，且测试场景的选择可以是需测试功能或者某些具体的场景，若是测试功能可以在远程云端中筛选出所有该功能的场景进行测试；
[0070] 场景批量运行工具包括SiL运行工具和HiL运行工具，用于对场景文件进行SiL测试和HiL测试，且本实施例中SiL运行工具和HiL运行工具可以部署在远程云端中，也可以部署在本地；
[0071] 数据录制工具用于录制场景文件批量运行的过程数据，并生成运行数据保存在数据库文件中；
[0072] 数据库文件还用于将运行数据回传至远程云端中；
[0073] 数据分析工具用于解析数据库文件中的运行数据，并生成仿真测试报告。
[0074] 如图2所示为SiL运行工具在进行SiL测试的方法流程图，包括以下步骤：
[0075] 步骤501，在进行SiL批量运行时，先从算法代码库拉取智能驾驶算法，智能驾驶算法包括前端感知算法、融合算法、规划算法、控制算法等与智能驾驶相关的算法，以及与场景仿真环境的API信息交互；
[0076] 步骤502，通过集成编译工具，将智能驾驶算法集成编译成SiL可执行文件.exe；
[0077] 步骤503，测试开始时，通过GUI用户界面所配置的信息，从远程云端中获取到本次测试所需测试的所有场景文件及对应的场景描述文件，在获取到测试场景文件、场景描述文件后，在已搭建好的测试环境中依次运行每个场景，每个场景运行都重复以下步骤：
[0078] 步骤504，先在场景软件中加载场景；
[0079] 步骤505，然后运行智能驾驶算法，即运行在步骤502中编译成的可执行文件.exe；
[0080] 步骤506，运行场景，SiL可执行程序通过场景软件API（Application Programming Interface，应用程序接口），获得仿真场景环境信息，智能驾驶算法计算输出的控车信号，通过API来控制仿真中的车辆，形成整个测试闭环；
[0081] 步骤507，当车辆达到了场景运行终止点，或是达到场景最大运行时长，即达到场景运行停止条件时，停止场景；
[0082] 步骤508，步骤504开始的同时会进行步骤508，开启数据录制工具，自动进行数据录制；
[0083] 步骤509，在步骤507开始的同时会进行步骤509，关闭数据录制工具，将场景运行过程中录制的数据以数据库文件形式保存。
[0084] 值得说明的是，本实施例中所述的智能驾驶算法为现有的用于汽车智能驾驶控制的运行算法，不是本发明的主要保护技术点，再次不再赘述。
[0085] 如图3所示为HiL运行工具进行HiL测试的方法流程图，包括以下步骤：
[0086] 步骤601，在进行HiL批量运行前，先刷写最新的算法软件到控制器；
[0087] 步骤602，刷写新版软件对应的标定量；
[0088] 步骤603，获取测试场景文件和场景描述文件；
[0089] 步骤604，自动化配置启动实时机，HiL需要加载道路和车辆文件到实时机系统；常见的HiL自动化运行用商业软件管理为主，本实施例中的HiL自动化运行是通过Labview编程自主研发的，较之商业软件有更强的二次开发可能性，与测试用例的匹配程度也更高；
[0090] 步骤605，由于实时机是Linux系统，而测试场景的仿真软件在Windows工作站运行，这两者是同步进行的，所以两者之间通过UDP协议互相通讯同步，完成数据的交互和传输；
[0091] 步骤606，在仿真软件中加载场景；
[0092] 步骤607，同步运行智能驾驶算法，即刷写在控制器里的软件；
[0093] 步骤608，运行场景，实时机通过UDP协议获得仿真场景里的环境、雷达、视觉传感器和自车信息，通过视频注入设备、雷达及底盘CAN总线发送到控制器，算法软件经过融合、预测、规控输出期望的控车信号，实时机再通过CAN总线获得这些控车信号来控制仿真中的车辆，形成整个测试闭环；期间也可以自动化设置开关量，以达到要求的测试条件；
[0094] 步骤609，当车辆达到了场景运行终止点，或是达到场景最大运行时长，即达到场景运行停止条件时，停止场景；
[0095] 步骤610，通过UDP协议实时机获取到仿真场景已结束的信号后，自动化断开实时机，所有信号恢复默认值，准备进入下一个场景；
[0096] 步骤611，步骤606开始的同时会进行步骤611，开启数据录制工具，自动进行数据录制；
[0097] 步骤612，步骤609开始的同时，会进行步骤612，自动关闭数据录制工具，将场景运行过程中录制的数据以数据库文件形式保存。
[0098] 本实施例中，还包括实车场景测试模块，用于实车在实际道路上进行智能驾驶算法的测试，且实车测试过程中通过数据录制工具进行录制，并生成数据库文件用于数据分析工具生成实车测试报告，具体的，按照与仿真共用的场景库中的场景，进行实际道路智能驾驶算法测试，测试过程中会录制与仿真相同的数据库文件，可将录制好的数据利用数据录制工具进行数据自动化分析和输出测试报告；此外，还可以利用数据录制工具，对录制数据进行回放和可视化展示、对重难点问题的数据进行详细的进一步分析及评估，更好地支持到实车的测试，提高实车测试的效率。
[0099] 如图4所示为数据录制工具录制场景文件批量运行的过程数据方法流程图，包括以下步骤：
[0100] 步骤801，收集明确所需要录制的数据信息；
[0101] 步骤802，根据所需录制数据的信息，自动生成数据信息配置文件，配置内容包含各信号的信号名称、信号内存起始位置、数据长度、数据类型信息；
[0102] 步骤803，按照数据信息配置文件，对数据进行组包和逐帧数据发送；
[0103] 步骤804，通过网络数据传输，数据接收端对数据进行接收，并录制接收到的每帧数据，保存为数据库文件；
[0104] 步骤805，待数据录制结束，通过数据录制工具进行可视化逐帧回放数据，可以展示每帧数据的数值信息、车道线及障碍物位置的可视化展示、信号随时间变化的图形展示等。
[0105] 如图5所示为数据分析工具生成仿真测试报告的方法流程图，包括以下步骤：
[0106] 步骤1001，在运行完所有测试场景后，生成各个场景所录制的数据库文件，通过读取数据录制工具中生成的数据信息配置文件，根据文件中各信号内存起始位置、数据长度信息，对所需数据进行解析；
[0107] 步骤1002，从远程云端获取场景描述文件，根据场景描述文件里包含的每个场景详细描述、每个场景所有的测试通过标准，依次对场景里的每条通过标准都进行判断，当每条通过标准都通过时，才视为该场景通过；
[0108] 步骤1003，自动生成单场景的测试结果，测试结果包含：该场景的详细描述和通过标准、各通过标准是否通过、关键数据信号的曲线绘制；
[0109] 步骤1004，自动输出最终测试报告，报告内容包括：报告首页、标签页、所测场景统计结果、各场景的详细报告，其中，所述报告首页含本次测试软件版本、算法标定版本、测试人员、测试时间等信息；所述标签页展示了各场景是否通过的列表，列表每一行是一个单独场景，有场景名字、场景简洁描述、及是否测试通过；且每一行可以超链接到报告中的对应场景的详细报告；所述所测场景统计结果包括总测试场景个数，场景测试通过的比例。
[0110] 通过上述内容不难看出，本发明的智能驾驶软/硬件在环自动化仿真测试系统在使用时，可自动批量进行SiL场景和HiL场景的相互转化，减少了场景搭建的工作量；场景生成工具还可以根据需求批量泛化场景，将需求的场景参数进行泛化，对场景静态和动态要素进行合理的组合和参数配置，自动生成批量化的测试场景，提高场景生成的效率，增加场景的数量和覆盖度。场景生成工具还可以实现基于实车测试数据进行场景的自动还原，进一步丰富场景库；
[0111] 支持基于仿真SiL/HiL平台的场景批量测试，同时支持SiL/HiL两个平台的自动化测试，更好的利用两个平台的测试优缺点，且两个平台运行同一个场景可以对照比较有无真实控制器的不同之处；另外，该自动化平台只需要维护一套场景配置表格及场景检索表格供SiL/HiL测试共同使用，减少开发工作量及后期维护成本；
[0112] 不仅支持只有纯仿真的场景库去批量测试，还能支持对实车数据进行自动化分析和输出测试报告，且还能对实车录制数据进行回放和可视化展示、对重难点问题的数据进行详细的进一步分析及评估，更好地支持到实车的测试，提高实车测试的效率；
[0113] 能够适用于SiL/HiL自动化集成及云仿真的要求，大大提高了工具的可扩展及便利性；
[0114] 能更好的适配V开发流程，并满足未来软件集成测试及高等级自动驾驶仿真测试的需求。
[0115] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
