基于的实车在环VIL地驾驶辅助系统测试技术及地的应用

激光导引车（LGV）的人工智能和机器学习应用近年来，随着人工智能（AI）和机器学习（ML）技术的快速发展，激光导引车（LGV）领域也开始积极探索这些先进技术的应用。

激光导引车是一种能够利用激光雷达进行环境感知和自主导航的无人驾驶车辆，其在物流、仓储和交通运输等领域具有广阔的应用前景。

本文将探讨激光导引车在人工智能和机器学习方面的应用，包括路径规划、目标识别和行为预测等关键技术。

首先，激光导引车在路径规划方面可以充分利用人工智能和机器学习的技术。

通过对环境中的障碍物进行激光扫描和感知，LGV可以获取到丰富的地图和环境数据。

利用机器学习算法，LGV能够分析和处理这些数据，并生成高效、安全的路径规划方案。

例如，激光导引车可以通过机器学习算法，在历史数据和实时传感器数据的基础上，预测交通拥堵情况，并智能地选择最优的路径以避开拥堵区域，从而提高运输效率。

此外，人工智能和机器学习技术还可以帮助激光导引车根据不同的任务需求，自动规划最佳路径，减少能源消耗和时间成本。

其次，激光导引车的目标识别是另一个重要的应用领域。

利用激光雷达和摄像头等感知设备，激光导引车可以对周围的物体和环境进行精确的识别和分类。

通过将深度学习算法应用于目标识别任务中，LGV可以准确地识别不同类型的物体，例如货物、障碍物、人员等，并做出相应的反应。

在物流领域，这对于自动化仓储和分拣系统来说尤为重要。

通过人工智能和机器学习技术，激光导引车可以实现高效的物品识别和分类，提高物流仓储的效率和准确性。

最后，激光导引车在行为预测方面也借助人工智能和机器学习的能力，以更好地与周围环境进行交互和决策。

通过对大量历史数据进行分析和学习，LGV可以预测其他车辆和行人的行为，从而更好地规划和调整自身的路径和速度。

例如，在交通运输领域，激光导引车能够通过机器学习算法识别不同驾驶员的驾驶风格和行为模式，从而提前预测他们的转向意图，有效避免交通事故和碰撞。

此外，激光导引车还可以根据行为预测结果，自主地作出灵活的决策，例如避让行人或其他车辆，确保交通运输的安全和效率。

基于dSPACE的EPS系统ECU硬件在环实验台设计与应用吕荣辉;石维佳;张宏超【摘要】硬件在环仿真测试是ECU研发过程中重要一环,对其性能调试起着关键作用.文章重点阐述基于dSPACE的EPS(电动助力转向)系统ECU(电控单元)硬件在环仿真试验台的设计与应用.基于dSPACE硬件在环仿真器,构建了EPS ECU的硬件在环仿真试验台.通过整合dSPACE系统内部车辆动力学仿真模型与改进的转向系统模型,获得更为接近实车的汽车动力学仿真模型.基于所设计的试验台,对某开发的EPS ECU进行离线测试并分析其性能表现.结果表明,该ECU能较好地满足汽车对转向轻便性、路感及回正性能的要求.【期刊名称】《汽车实用技术》【年(卷),期】2017(000)002【总页数】4页(P114-117)【关键词】EPS系统;硬件在环;试验台设计;模型整合;离线仿真测试【作者】吕荣辉;石维佳;张宏超【作者单位】河北工业大学机械工程学院,天津300130;河北工业大学机械工程学院,天津300130;中国汽车技术研究中心,天津300300【正文语种】中文【中图分类】U461.9CLC NO.:U461.9Document Code:AArticle ID:1671-7988 (2017)02-114-04 随着汽车电子控制技术的不断成熟，电动助力转向（Electric Power Steering,EPS）得到了快速的发展。

凭借自身高效率、低能耗、易调控等优点[1]，被广泛地应用于各类汽车之中。

作为EPS系统重要组成部分、决定助力转向电机扭矩分配的电子控制单元（Electric Control Unit ,ECU），更是其研究开发的核心，直接影响着车辆的高速稳定性及操作轻便性[2]。

在投入大规模生产之前，ECU必须经过反复的测试。

硬件在环（Hardware In the Loop,HIL）仿真系统具备模拟被控对象及其环境、短时间内对控制器进行各种模拟工况条件下的自动化测试等特点，应用在实时控制系统的开发和测试当中可以大大地缩短研发周期和减约开发成本。

基于LabVIEW的智能车仿真平台Intelligent Vehicle Simulation Platform Based on LabVIEW 作者:周斌蒋荻南李立国职务:硕士研究生学校:清华大学汽车工程系应用领域:高校/教育挑战:针对“飞思卡尔”杯全国大学生智能车邀请赛,为了给参加本次智能车邀请赛的各支队伍提供一个可离线/在线仿真以及理论试验的平台,要求在短时间内开发出可靠的智能车仿真平台。

应用方案:根据开发需求,在LabVIEW 高效图形化开发环境下,采用软硬件V 型开发方式,通过实车试验对电机、舵机、转向性能等方面进行测试和标定,使平台可针对不同的赛车、赛道、路径识别方案、控制策略等内容,进行精确的仿真以及相关分析,从而大大提高智能车开发效率。

使用的产品:LabVIEW 7.0引言2006年8月,清华大学将举办第一届“飞思卡尔”杯全国大学生智能车邀请赛。

全国50多所著名高校将参加此项赛事,目前正在积极准备之中。

我们知道,按照传统的开发思想,主要分为制造赛道,硬件布置、控制算法,通过实车的调试再进行相应的修改,如此循环,如图1所示。

这种模式具有成本高,开发周期长以及试验无法重现和归档等缺陷。

如果换一种思路,采用虚拟开发模式,先进行虚拟仿真,得到优化的硬件布置和控制算法后,再进行实车开发,这样将大大提高效率和降低成本,见图2。

正是在这样的构想下,我们开发了Plastid智能仿真软件。

值得一提的是,在韩国4届大赛中,还没有类似软件出现,因此它具有一定的独创性。

V型开发模式软件的开发流程,分为开发平台、仿真内核、操作界面以及匹配标定, 由于有“匹配标定”这一个环节,因此我们采取软硬件同步开发的V型开发模式,如图3所示。

的需求。

LabVIEW支持多任务,同时对外设有C语言接口。

选用LabVIEW开发还可以提高程序的可靠性。

内核算法涉及汽车专业知识,如图4所示,在每个计算周期中,系统首先计算出传感器输出和赛车车速,输入智能车控制算法中,通过匹配标定单元可得出加速度和前轮转角,在刚体的运动模型算法中得出下一计算周期的车速和赛车坐标。

人工智能辅助驾驶技术的应用案例随着科技的不断发展和人们对出行便利性的需求增加，人工智能辅助驾驶技术逐渐成为汽车行业的热点话题。

自动驾驶、智能导航和智能交通管理等技术的应用，已经在一些实际案例中取得了显著的成果。

本文将介绍几个人工智能辅助驾驶技术的应用案例，以展示其在道路安全、出行便捷和能源效率等方面的优势。

一、智能驾驶辅助系统在高速公路上的应用高速公路上的驾驶，通常需要保持稳定且安全的速度，遵守车道规则和保持安全的车距。

人工智能辅助驾驶技术的应用可以有效辅助驾驶员在高速公路上行驶。

例如，一些汽车制造商已经开发了智能巡航控制系统，通过计算机视觉和感知技术，能够对车道线进行识别并辅助驾驶员保持车辆在车道内的行驶，同时根据前方车辆的情况自动控制车速和保持安全车距。

这种技术的应用，既提高了行驶的安全性，又减轻了驾驶员的疲劳感，使驾驶更加轻松和舒适。

二、智能导航系统提供出行信息和路线规划智能导航系统是人工智能辅助驾驶技术的另一个重要应用。

通过全球定位系统（GPS）和地图数据，智能导航系统可以准确指引驾驶员的行驶方向，并提供实时的交通信息和道路情况，帮助驾驶员选择最合适的路线。

此外，智能导航系统还可以根据驾驶员的行驶偏好、道路拥堵情况和天气状况等因素，智能调整路线规划，提供最佳的出行方案。

这样，驾驶员可以更加方便地规划行程，避开拥堵路段，减少时间和能源的浪费，提高出行效率。

三、智能交通管理系统优化交通流量人工智能辅助驾驶技术不仅对个体驾驶员提供了便利，还可以在交通管理方面起到积极作用。

智能交通管理系统利用人工智能算法，通过交通数据的采集和分析，可以实时监测道路交通情况，并对交通信号灯进行智能调度，以优化交通流量和减少拥堵。

例如，在城市拥堵情况下，智能交通管理系统可以根据交通需求实时调整信号灯的绿灯时长，优化道路通行效率，减少车辆排队等待时间，提高道路通行能力。

这种智能交通管理系统的应用，对缓解交通压力、降低尾气排放和改善城市交通环境具有重要意义。

基于LabVIEW平台利用GPS技术的汽车实时航向角测试系
统开发
夏泽斌;吴龙;王星星;周辅坤
【期刊名称】《三明学院学报》
【年(卷),期】2015(32)6
【摘要】利用单天线的GPS实时位置信息计算得到汽车运行过程中的实时航向角,并基于LabVIEW平台开发汽车实时航向角测试系统,通过实车试验得到测量结果,对测量结果进行对比分析,结果表明,测量结果精确度满足国家汽车道路试验标准要求,测试系统在测试过程中稳定可靠.
【总页数】6页(P46-51)
【作者】夏泽斌;吴龙;王星星;周辅坤
【作者单位】三明学院机电工程学院,福建三明365004;三明机械CAD工程研究中心,福建三明365004;三明学院机电工程学院,福建三明365004;三明机械CAD工程研究中心,福建三明365004;三明学院机电工程学院,福建三明365004;三明学院机电工程学院,福建三明365004
【正文语种】中文
【中图分类】U467.4
【相关文献】
1.基于LabVIEW虚拟仪器平台的测试系统开发 [J], 杨宇;于德介
2.基于LabVIEW的USB多通道数采卡实时测试系统开发 [J], 刘晓明
3.基于LabVIEW虚拟仪器平台的控制系统实时响应性能自动测试平台设计 [J], 卢益;李波波;郑书祥
4.基于LabVIEW平台利用GPS架构的汽车实时横摆角速度测试系统开发 [J], 洪昊;夏泽斌;李宗仁
5.基于LabVIEW平台利用GPS架构的汽车实时横摆角速度测试系统开发 [J], 洪昊;夏泽斌;李宗仁;
因版权原因，仅展示原文概要，查看原文内容请购买。

基于自动驾驶车辆的公路养护巡查技术及应用严灿泽1李昭2（1.华设设计集团股份有限公司，江苏 南京 210014；2.河海大学土木与交通学院，江苏 南京 210024）摘要：针对传统道路巡查养护技术效率低、人工投入大的问题，文章采用一种便携式车载终端与自动驾驶车辆相结合的巡检技术。

通过自动驾驶车辆上安装的采集终端进行路面影像的自动化采集，建立SSD路面病害检测模型，对采集的数据进行实时处理，将检测结果以可视化的形式通过后台公路巡检管理平台进行展示，辅助道路管养部门进行处置。

该方法已在苏州市相城区开展示范应用，结果表明提出的基于自动驾驶车辆的公路养护巡查技术病害识别精度可达91.55%，人工巡检效率提升40%，具有广泛的应用价值。

关键词：自动驾驶；公路养护巡查；深度学习；数字化管理中图分类号：U418文献标识码：A文章编号：2096-1936（2024）01-0005-04DOI：10.19301/ki.zncs.2024.01.002Highway maintenance inspection technology and applicationbased on autonomous vehiclesYAN Can-ze LI ZhaoAbstract：To address the issues of low efficiency and high manpower input in traditional road inspection and maintenance techniques, this paper proposes an inspection technology that combines a portable on-board terminal with autonomous vehicles. The technology involves the automated collection of road surface images through a data collection terminal installed on autonomous vehicles. An SSD road surface defect detection model is established to process the collected data in real-time. The detection results are visualized and displayed through a backend highway inspection management platform, assisting road maintenance departments in decision-making. This method has been demonstrated in Suzhou's Xiangcheng district, with results showing that the proposed highway maintenance inspection technology based on autonomous vehicles achieves a defect identification accuracy of 91.55%, and increases the efficiency of manual inspection by 40%. The technology demonstrates significant and widespread practical value.Key words：autonomous driving; highway maintenance inspection; deep learning; digital management路面病害会严重影响公路行车安全，尤其在车速过高时可能引发交通事故。

城市环境基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法研究共3篇城市环境基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法研究1在自动驾驶技术的浪潮下，越来越多的汽车制造公司正在投入巨额资金进行研发，以获得市场竞争的优势。

而城市环境下的自动驾驶车辆正是该领域中的一个关键问题。

基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法的研究得到了越来越多的关注。

本文将就这个话题进行详细的阐述。

首先，城市环境下的自动驾驶车辆需要具备多目标检测及跟踪的能力，以保证其行驶安全。

在城市繁忙的路段和复杂的地形条件下，自动驾驶车辆需要高精度地探测前方所有的车辆、行人和障碍物等，以便根据这些信息做出适当的行动。

同时，自动驾驶车辆还需要能够实现跟踪目标物体的功能，以确保车辆的路径规划和控制的准确性。

其次，基于三维激光雷达的技术是实现这种多目标检测及跟踪的一种有效方式。

三维激光雷达能够获取具有高精度的点云数据，可以实现对目标物体的三维位置、形状和运动状态的准确检测和跟踪。

此外，三维激光雷达还可以获取一系列的地面特征信息，如路况和道路重建等，在城市环境下自动驾驶车辆的行驶过程中起到至关重要的作用。

第三，基于三维激光雷达的多目标检测及跟踪算法是实现城市环境下自动驾驶车辆的一个关键环节。

对于一个自动驾驶车辆而言，如何在复杂的城市环境下，高效地检测和跟踪多个目标物体是一个具有挑战性的任务。

在这个任务中，有很多复杂的因素需要考虑，如多个目标物体之间的交叉轨迹、不同目标物体之间的尺度差异和位置变化等。

为了解决这些问题，研究人员提出了许多基于三维激光雷达的多目标检测及跟踪算法。

其中一些算法使用了深度学习技术，如卷积神经网络和目标检测网络，以实现更高精度的检测和跟踪。

同时，一些算法采用了模型预测方法，通过建立模型，来对目标物体的运动状态进行预测。

这些算法在提高自动驾驶车辆检测和跟踪精度的同时，也提高了车辆的控制效率和安全性。

最后，需要注意的是，基于三维激光雷达的多目标检测及跟踪算法仍然存在一些问题和挑战。

VIRES-Virtual-Test-Drive——复杂交通场景仿真工具VIRES Virtual Test Drive——复杂交通场景仿真工具VIRES Virtual Test Drive (VTD®)为驾驶模拟应用提供了一整套工具链，包括：•VTD可提供工具实现复杂道路建模、场景编辑、交通流仿真、声音模拟、仿真控制和图像生成等功能，且生成的文件格式符合相应的标准。

•VTD为第三方组件提供了开放性接口，同时支持API将第三方模块作为VTD 的插件。

•VTD应用于汽车、轨道交通、航空等多领域，其中汽车领域的客户有Audi，BMW等多家厂商主要特征•从道路设计到仿真框架的完整工具链•模块化设计•开放性接口•使用开放的标准（OpenDRIVE，OpenCRG等）•实时性•可拓展性主要应用•高级驾驶员辅助系统（ADAS）评估•主动安全系统的软件在环（SIL）、驾驶员在环（DIL）、车辆在环（VIL）、硬件在环（HIL）等交通场景模拟•传感器模拟（雷达、红外、影像系统等）•驾驶员（汽车、轨道交通等）训练模拟器•车辆新技术新功能展示体验汽车领域主要客户群•OEMs•零部件供应商•相关研究机构及高校Road Designer ROD®•交互式道路网络编辑•符合道路建设规则•可拓展的3D模型及纹理库•可创建道路“样板”数据库v-TRAFFIC/v-SCENARIO•交通/场景编辑、监控和仿真模块•按交通规则随机运行的交通状况•指定车辆运行状况•车辆行为用户触发/控制策略触发•行人干扰仿真模拟v-IG•高端实时视景生成器•实时影子、眩光•路面积水反光效果•高质量车身渲染•雨/雪/雾等天气渲染•红外模块•高质量大灯渲染及随动效果模拟•实时图像生成v-TaskControl•核心模块•仿真任务及数据管理•仿真控制•记录/回放功能•第三方软件接口v-IOS•仿真配置及操作图形用户界面SOUND•3d音效模块配置要求•标准PC硬件•Linux 操作系统（32bit或64bit，openSUSE）•nVIDIA® 显卡和驱动。

Self-driving|自动驾驶\动驾驶汽车车辆在环测试技术概述文/魏建龙王敏袁建华自动驾驶/安全辅助驾驶系统目前正往更自动化智能化发展。

随着主动安全系统必须涉及的高危险度、高复杂度交通情形不断增多，这些功能的测试验证过程也变得越来越复杂，测试要求和测试成本也越来越高。

由于大量相关的交通场景只能在有限的环境条件内进行评估，否则需要投入大量的成本和精力，因此实际车辆测试严重受限，需要制定一种应对挑战的方法。

车辆在环（VI L）试验方法与现有常见方法不同。

该方法既不是将真实车辆嵌入到虚拟测试环境中，也不是在空旷的测试场或道路区域中进行驾驶测试,而是使用基于虚拟传感器感知的虚拟目标来增强和扩展真实的测试环境。

VIL测试方法能够显著增强自动驾驶/安全辅助驾驶系统的测试验证。

它缩小了仿真测试和真实测试之间的差距，实现对车辆自动驾驶功能和执行机构进行有效和可重复的测试，包括常规测试方法无法承担的高危险度、高复杂度场景的测试。

因此，它能够平衡安全、性能、成本和系统集成度等多方面测试因素，为自动驾驶系统开发和测试提供一种具有建设性意义的解决方法。

0前言开发自动驾驶/安全辅助驾驶等主动安全系统的目的是为了帮助预防事故，显著减少人员死亡和交通伤害。

随着自动驾驶/安全辅助驾驶系统正朝着更自动化、智能化迈进，自动驾驶功能也更多地涉及复杂和危险的交通情形，因此自动驾驶/安全辅助驾驶的数量及其功能范畴将在未来几年内大幅扩展。

—方面，未来的自动驾驶系统涉及机器感知和认知，并且与车辆的其他系统高度关联；另一方面，各种感知系统数据融合以最大精确度计算交通状况，必须处理测量和预测中的不确定性以及潜在的负面后果。

因此，对未来的自动驾驶功能测试评估变得越来越复杂，要求和成本也越来越高。

这些功能的性能和可靠性必须在高危险度、高复杂度的交通场景（包括各种交通元素）中进行验证。

现在，自动驾驶/安全辅助驾驶系统通常采用传统的测试方法进行评估，这些方法依赖于模型在环（MIL）、软件在环（SIL）和硬件在环（HIL）等仿真测试以及真实的道路驾驶测试。

自动驾驶分级方法及测试技术石娟;田晓笛;王建培【摘要】随着高级辅助驾驶系统和自动驾驶技术的逐步发展,对系统测试技术的要求也进一步提高.分析和对比了不同权威机构的自动驾驶分级方法,调研了目前的测试技术,依据车辆开发中的"V"模型,提出硬件在环(HIL)测试和车辆在环(VIL)测试2种适用于开展自动驾驶系统测试的方法,并提出封闭区和公开道路2种实车测试技术.通过介绍自动驾驶分级方法及测试技术,为自动驾驶系统的产品准入、评价规则等提供了参考.【期刊名称】《汽车工程师》【年(卷),期】2018(000)009【总页数】4页(P18-21)【关键词】自动驾驶;分级方法;测试技术【作者】石娟;田晓笛;王建培【作者单位】中国汽车技术研究中心有限公司;中国汽车技术研究中心有限公司;中国汽车技术研究中心有限公司【正文语种】中文高级辅助驾驶系统（ADAS）的发展已有十余年历史，谷歌、百度、华为和乐视等互联网公司也纷纷开始转向自动驾驶的研发。

中国在自动驾驶方面发展较晚，但正在加紧赶超，《中国制造2025》将智能网联汽车作为重点发展方向[1]。

目前，一些权威机构已将自动驾驶技术进行了分级，如何有效地进行自动驾驶系统的评价将会是未来政府层面关注的焦点。

相比于传统系统，实车道路试验方法已不能覆盖所有的测试场景。

主机厂和互联网企业大多在开展虚拟测试技术的研究。

基于以上问题，文章分析了不同的自动驾驶分级方法，提出控制系统硬件在环（HIL）测试、车辆在环（VIL）测试和实车道路测试相结合的一整套测试评价方案。

1 自动驾驶分级标准对比分析2013年，NHTSA（美国国家公路交通安全管理局）率先发布了自动驾驶汽车的分级标准，将汽车的自动化分为特定功能自动化、部分自动化、有条件自动化、完全自动化4级。

SAE（美国汽车工程师协会）于2014年在NHTSA的自动驾驶汽车分级标准的基础上发布了SAE J3016标准。

这2个标准在某种程度上有一定的相似之处，都是依据汽车本身能否控制一些关键的驾驶功能来区分自动驾驶和非自动驾驶。

基于LabVIEW RT的硬件在环仿真吴海东;郭孔辉;卢荡【摘要】利用实时仿真环境LabVIEW RT,构建了包括整车转向盘转角、油门、制动物理信号的硬件在环仿真系统.采用实时车辆动力学软件CarSim RT建立了车辆模型,并利用所搭建的试验台架进行了HIL仿真.结果表明,利用LabVIEW RT和CarSim RT能快速搭建面向整车开发的HIL系统,所建系统性价比高,而且有很好的实时性和扩展性.【期刊名称】《汽车技术》【年(卷),期】2010(000)009【总页数】4页(P1-4)【关键词】整车开发硬件在环;动力学仿真;LabVIEW RT【作者】吴海东;郭孔辉;卢荡【作者单位】吉林大学汽车动态模拟国家重点实验室;吉林大学汽车动态模拟国家重点实验室;吉林大学汽车动态模拟国家重点实验室【正文语种】中文【中图分类】U4611 前言为了节约成本，缩短开发周期，提高仿真精度，越来越多的汽车产品开发中采用硬件在环（HIL）仿真技术[1～3]，其基本目的有两个，一是用于整车关键零部件原型开发和性能测试，利用HIL仿真，可在整车物理样车未成型阶段，对关键零部件进行性能测试和初步参数匹配，如有的主机厂将HIL仿真作为某一零部件的标准检测流程，如该产品未通过该项测试，将不会进入产品开发的下一个阶段；另一个原因是在整车仿真中，建立包含液压、气动等系统的准确数学模型比较困难，而将实际的物理系统嵌入到整车模型中，可提高整车仿真精度。

LabVIEW是美国NATIONALINSTRUMENTS（NI）公司开发的一种图形化编程语言，广泛用于工业控制、测试测量等。

LabVIEWRT是NI为实时领域应用开发的软硬件构架。

CarSim RT是美国Mechanical Simulation公司推出的面向实时仿真的整车动力学仿真软件，广泛应用于整车动力学CAE分析、整车先进控制策略开发、HIL 仿真[4]等。

2 系统构成所建HIL仿真系统结构如图1所示，其硬件组成包括主机（Host PC）、实时目标机、多功能数据采集卡、实车制动系统、部分转向系统、电子油门、压力传感器和转角编码器。

自动驾驶汽车车辆在环测试技术探讨摘要：近些年，汽车的驾驶系统与安全辅助系统逐渐实现了自动化。

随着车辆运行工况中高危性与高复杂性交通状况的增加，针对相关功能测试的要求愈发提高，相关成本也逐渐上升。

因为许多交通场景只有在特定的环境下才能展开测定，不然就要有大量的成本与精力投入，由此导致车辆测试受到一定限制。

因此，文章围绕自动驾驶汽车实车在环（VIL）测试技术展开了探讨，旨在提高汽车自动驾驶的安全性。

关键词：汽车；自动驾驶；在环测试技术随着汽车自动驾驶功能各项测试需求的增长，测试与评估方法亟待更新和完善，不然测试评估将会变成汽车驾驶与安全辅助系统推广和应用的阻碍。

在此情况下，衍生了实车在环测试技术，该技术利用虚拟目标与虚拟场景来满足现实中汽车自动驾驶功能的测试与评估，实现了有效性与可重复性的测试汽车自动驾驶功能与执行单元。

1在环测试技术特点1.1仿真性强相较于安全完整性等级与硬件在环等仿真测试技术，实车在环测试不是单单把汽车运动通过虚拟模型映射出来，而是把真实的汽车嵌入到虚拟又空旷的室外测试环境中，以此对汽车自动驾驶系统展开测试。

其测试的重点在于通过虚拟传感装置对虚拟对象的感知来提高现实中车辆的测试环境[1]。

在该测试方式中，硬件在环仿真测试与实车驾驶测试之间的差距并不是依靠驾驶硬件在环测试的实现来弥补，而是利用实车驾驶测试的多样性与灵活性的扩展与增强来弥补。

所以，实车在环测试可以被看成一种验证方式，能够适用在任一开发时期以验证测试中汽车自动驾驶系统与预期要求是否相满足。

1.2高模块化与高灵活性结构的模块化使实车在环系统可以与各类测试环境相适应，只要汽车测试总线协议放开，就能够在每辆汽车上安装。

将平板电脑放置在挡风玻璃上，然后将其与汽车总线共同连接到运行交互与控制模块的计算机上就可以。

而所有信息交互与指令的传输均由实车在环系统的核心组件交互与控制模块来实现。

不仅如此，实车在环除了交互与控制模块组件，其他均能够由其他外部组件所取代，以此实现更加高效的测试验证与汽车自动驾驶系统附加值开发的最大化。