智能座舱测试系统

摘要

本申请公开了智能座舱测试系统，包括总线模块、存储模块、和服务器，总线模块和存储模块均与服务器连接，总线模块用于总线信号模拟与采集，服务器内将至少一种测试设备按功能进行虚拟化封装。由此，将测试系统中使用到的各种测试设备按其功能进行虚拟化的封装，把实际的设备抽象为具有统一接口的虚拟资源，从而使不同厂家的测试设备都可以无缝的集成进入测试系统。

说明书

技术领域

本发明涉及智能座舱检测领域，尤其涉及智能座舱测试系统。

背景技术

智能化、网联化、电动化、共享化已经成为汽车行业公认的产业发展趋势和战略方向。“四化”为汽车市场带来巨大的冲击,促进了整个产业链和生态系统的重构。其中以“电动化”为代表的新能源汽车、以“智能化+网联化”为代表的智能网联汽车,更是汽车产业“四化”发展的重要载体，其中的网联化程度集中体现在优良的智能座舱系统。智能座舱系统功能涉及人机交互、音\视频信号、硬线信号及总线信号等多种技术集成，故在实验室条件下的测试需求涉及面广、且繁复多样。因此，开发一套开发的、适应强的、可扩展的、能够进行图像相似度计算的、能够模拟人进行仿真操作的智能座舱测试自动化测试系统变得越来越重要。

发明内容

本发明的目的是在于提供智能座舱测试系统，解决上述现有技术问题中的一个或者多个。

根据本发明的一个方面，提供智能座舱测试系统，包括总线模块、存储模块、和服务器，总线模块和存储模块均与服务器连接，总线模块用于总线信号模拟与采集，服务器内将至少一种测试设备按功能进行虚拟化封装。

由此，将测试系统中使用到的各种测试设备按其功能进行虚拟化的封装，把实际的设备抽象为具有统一接口的虚拟资源，从而使不同厂家的测试设备都可以无缝的集成进入测试系统。

在一些实施方式中：服务器支持抽象资源包括模拟量测量通道以及输出通道、数字量测量通道以及输出通道、可编程电源通道、PWM波形测量以及波形输出、继电器通道、故障注入通道、CAN\LIN总线通道、FLEXRAY总线通道、汽车以太网通道、机器人控制通道和图形采集通道中的一种或多种。由此，满足汽车电子测试中会涉及的各种需求。

在一些实施方式中：还包括摄像头，摄像头用于拍摄图像，并将图像信息发送给服务器。

在一些实施方式中：还包括机械手臂，机械手臂与服务器连接，用于模拟人工触按操作。

在一些实施方式中：还包括电流采集卡，电流采集卡与服务器连接，用于模拟上电时序。

在一些实施方式中：还包括可编程电源，可编程电源与服务器连接，用于模拟汽车锂电池供电。

在一些实施方式中：还包括设备电源和电源分配单元，设备电源给摄像头、机械手臂、存储模块、总线模块、电流采集卡、可编程电源、电源分配单元和服务器供电，电源分配单元连接于设备电源，能够对设备电源()进行控制、分配、和保护。

在一些实施方式中：服务器对收到的图像信号采用深度学习的方法进行图像对比测试，深度学习方法为基于VGG网络的迁移学习方法。

在一些实施方式中：深度学习方法包括：

使用VGG网络在resnet50分类图像上的预训练权重，但去除最后的SoftMax层；

在此基础上加上2层池化层和一层正则层；

将在长时间PMA测试中摄像头自动拍摄到的在图像元素归类在其特定的文件夹中；

在模型在这些数据上进行深入学习获得新的网络参数作为预测相似性的权重矩阵；

将需要识别图形使用学习好的网络进行预测计算获取最后一层的参数作为特征向量；

将预期图片也使用学习好的网络进行预测计算获取最后一层参数作为特征向量；

将两组特征向量计算相似度计算，即计算均方差，得到其相似性0为完全相同，1为完全不同，取0.05为阈值进行相似度判别。

由此，使用了基于VGG网络的迁移学习从而使图像比对的准备率得到了较大的提高。

附图说明

图1是本发明智能座舱测试系统的信号关系图。

具体实施方式

下面结合附图说明，对本发明作进一步详细说明。

如图1所示，智能座舱测试系统，包括总线模块、存储模块、和服务器，总线模块和存储模块均与服务器连接，总线模块用于总线信号模拟与采集，服务器内将至少一种测试设备按功能进行虚拟化封装。其中，在本实施例中，存储模块选用优越者多盘位硬盘柜raid磁盘阵列存储架，总线模块选用VN7572 PCIe CAN总线通讯板块和CANboardXLPCIe总线板卡；服务器采用研华工控机，型号IPC-610L/AIMB-705VG/I7-6700/8G/1T/DVD/鼠健。

由此，将测试系统中使用到的各种测试设备按其功能进行虚拟化的封装，把实际的设备抽象为具有统一接口的虚拟资源，从而使不同厂家的测试设备都可以无缝的集成进入测试系统。

服务器支持抽象资源包括模拟量测量通道以及输出通道、数字量测量通道以及输出通道、可编程电源通道、PWM波形测量以及波形输出、继电器通道、故障注入通道、CAN\LIN总线通道、FLEXRAY总线通道、汽车以太网通道、机器人控制通道和图形采集通道中的一种或多种。由此，满足汽车电子测试中会涉及的各种需求。在本实施例中，采用Python负责对测试硬件资源的封装，调用测试资源。

还包括摄像头，摄像头用于拍摄图像，并将图像信息发送给服务器。

还包括机械手臂，机械手臂与服务器连接，用于模拟人工触按操作。在本实施例中，机械手臂选用轻量型四轴协作机械臂Z-Arm 2140C，支持标准的二次开发端口，能够支持拖动示教，可以在无隔离围栏的情况下与人安全协作。

还包括电流采集卡，电流采集卡与服务器连接，用于模拟上电时序。

还包括可编程电源，可编程电源与服务器连接，用于模拟汽车锂电池供电。在本实施例中，可编程电源选用爱德克斯的可编程电源来模拟汽车的蓄电池。

还包括设备电源和电源分配单元，设备电源给摄像头、机械手臂、存储模块、总线模块、电流采集卡、可编程电源、电源分配单元和服务器供电，电源分配单元连接于设备电源，能够对设备电源()进行控制、分配、和保护。

服务器对收到的图像信号采用深度学习的方法进行图像对比测试，深度学习方法为基于VGG网络的迁移学习方法。

深度学习方法包括：

使用VGG网络在resnet50分类图像上的预训练权重，但去除最后的SoftMax层；

在此基础上加上2层池化层和一层正则层；

将在长时间PMA测试中摄像头自动拍摄到的在图像元素归类在其特定的文件夹中；

在模型在这些数据上进行深入学习获得新的网络参数作为预测相似性的权重矩阵；

将需要识别图形使用学习好的网络进行预测计算获取最后一层的参数作为特征向量；

将预期图片也使用学习好的网络进行预测计算获取最后一层参数作为特征向量；

将两组特征向量计算相似度计算，即计算均方差，得到其相似性0为完全相同，1为完全不同，取0.05为阈值进行相似度判别。

由此，使用了基于VGG网络的迁移学习从而使图像比对的准备率得到了较大的提高。

以上所述仅是本发明的一种实施方式，应当指出，对于本领域普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干相似的变形和改进，这些也应视为本发明的保护范围之内。