公开(公告)号：CN118363860A

公开(公告)日：2024-07-19

申请号：CN202410547426.2

申请日：2024-05-06

Applicant: 南京大学

Inventor： 冯洋 ,  高新宇

IPC: G06F11/36 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明公开一种基于物理感知对象插入的多传感器融合感知系统测试方法，给定原始多模态测试数据集，从3D数据库中选择对象物体作为待插入对象；通过执行姿态估计模块来计算待插入对象有效位置；多传感器仿真模块利用物理感知的虚拟模拟器将插入对象生成模态一致的图像和点云对象实例；根据插入对象实例和选定位置，多传感器仿真模块将插入对象与背景数据融合并处理物体遮挡，生成逼真的多模态测试数据；为提升测试效率，提出相合度度量来度量合成多模态测试数据的故障揭示能力。该方法可高效检测融合感知系统中故障，并利用生成的测试用例对系统进行再训练以提高系统的健壮性。解决了多传感器融合感知系统中的测试数据获取难、测试效率低的问题。

公开(公告)号：CN117194262A

公开(公告)日：2023-12-08

申请号：CN202311206311.9

申请日：2023-09-18

Applicant: 南京大学

Inventor： 冯洋 ,  高新宇 ,  张亦弛 ,  尹伊宁 ,  刘子夕 ,  陈振宇

IPC: G06F11/36

Abstract: 本发明公开一种基于多样性的深度神经网络测试用例选择方法，属于软件测试与测试用例选择领域。该方法包括：针对未标注测试用例的不确定性和故障方向，将输出向量转换为几个间隔，所述间隔的大小和位置反映模型的不确定性和测试用例的故障模式的信息；根据获得的待测试模型的不确定性和测试用例的故障模式的信息定义基于方向性和不确定性的故障模式和测试集故障模式的计算方法；提出相合度度量来度量候选测试集和已选择的测试集之间的模式差异；基于故障模式和相合度度量，提出基于测试多样性的测试数据选择方法ATS，适应地选择测试数据多样的测试用例子集。本发明解决了基于深度学习的软件中的测试数据预言难获取问题。

公开(公告)号：CN119358208A

公开(公告)日：2025-01-24

申请号：CN202411312862.8

申请日：2024-09-15

Applicant: 南京大学

Inventor： 陈振宇 ,  郭安 ,  房春荣 ,  高新宇

IPC: G06F30/20 ,  G06F30/27 ,  G06F40/30 ,  G06N20/00 ,  G06F111/04

Abstract: 本发明涉及一种基于事故报告的自动驾驶泛化性测试场景构建方法。该技术根据基于层的场景定义，将事故场景初步抽象为三层：路网和交通引导对象、环境条件和动态对象。然后利用LLM系统地从事故报告中提取有关事故影响因素的信息，逐层组织信息。随后，对交通参与者的事故前驾驶行为建立约束，并使用约束求解器生成符合事故报告中指定约束的轨迹。接着，将提取的环境和道路信息生成的轨迹输入到驾驶模拟器中，重建车祸场景。最后，在评估阶段，将生成的模拟场景转换为包含测试预言机的测试用例，并将这些测试用例进行自动驾驶仿真测试。本发明目的在于解决在不同的道路上再现事故场景的难题，进而帮助自动驾驶系统从业人员在不同道路结构的事故场景下开展测试工作。