关键词：智能汽车;测试场景;关键性量化模型;车载相机图像;风险场理论
摘 要：车载相机图像是构建智能汽车测试场景库的主要数据来源，但其中关键测试场景发生概率低，大部分场景的测试价值小，若将其直接应用于智能汽车测试会浪费大量测试资源。本文提出一种面向车载相机采集图像的智能汽车测试场景关键性量化模型。首先，基于实车相机参数对实车采集的图像进行处理，输出对行车安全具有影响的参数；其次，基于风险场理论将参数整合，输出测试场景关键性量化结果；最后，对实车采集的图像进行测试场景关键性量化验证，结果表明本文模型可以精确输出测试场景关键性的具体数值，进而对比不同场景的测试价值，证明本文提出的模型可以有效筛选智能汽车关键测试场景。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取