원래 이름 기록: 东软睿驰汽车技术（沈阳）有限公司

本申请提供了一种测试方法及装置，涉及软件测试技术领域。在执行所述方法时，先获取界面实时截图，后根据界面实时截图的哈希值，以及界面实时截图与界面实时截图的前一界面截图的相似度，生成复合特征编码，接着，根据复合特征编码对界面特征图谱进行更新，再基于视觉元素检测、文本语义解析以及跨模态语义匹配，融合输出交互元素映射表，最后，根据界面特征图谱和交互元素映射表，执行界面历遍，得到测试数据。这样，可以提高GUI自动化测试的准确性。

本申请提供了一种深度估计方法及装置，涉及自动驾驶技术领域。在执行所述方法时，先将待训练的图像数据输入教师模型中，得到教师深度图，后通过第一阶段和第二阶段对学生模型进行训练，在对学生模型训练的第一阶段，基于教师深度图，以待训练的图像数据为输入，得到学生模型的深度分布损失，在对学生模型训练的第二阶段，将待训练的图像数据和待训练的图像数据的前一帧图像数据作为输入，以构建光度一致性损失；光度一致化损失用于实现对深度估计的泛化监督，最后，在推理阶段，将目标图像数据输入学生模型，得到目标图像对应的深度图和深度概率分布。这样，可以提高深度估计的准确性。

本发明提供了一种记忆泊车重定位的方法、装置、电子设备和存储介质，该方法中，将连续路径分解为了多个拓扑路径段，这样，实现了将复杂的连续空间定位问题，转化为离散的路径段序列匹配问题，极大降低了后续定位搜索的复杂度和计算量，成本低，另外，在识别到车辆从一个拓扑路径段进入下一个拓扑路径段时，查询数据库获取新拓扑路径段的起点位姿，并直接用新拓扑路径段的起点位姿重置航迹推算的车辆的位姿，实现“从零开始”，在车辆行驶于一个拓扑路径段的内部时，按照预设间隔通过测量车辆到当前所在拓扑路径段的参考路径的横向距离，对车辆的位姿进行滤波修正，即实现了大误差定期清零，小误差实时抑制的效果，保证了全路径重定位的高精度。

本发明提供了一种基于BEV图像的建图方法和装置，涉及自动泊车的技术领域，包括：基于当前车辆在泊车过程中每个车位角点的第一检测位置坐标和状态融合结果，确定每个车位角点在当前时刻的预测位置坐标和跟踪轨迹；根据当前图像帧中每个车位角点的第二检测位置坐标和每个车位角点在当前时刻的预测位置坐标之间综合距离，将每个车位角点的第二检测位置坐标与至多一条跟踪轨迹进行匹配；基于匹配结果，控制每个车位角点和每个跟踪轨迹一一关联，并得到每个车位角点在当前时刻的修正后预测位置坐标；基于状态融合结果和修正后的预测位置坐标构建最大后验概率问题，确定优化后的车辆状态和目标车位角点位置坐标并进行局部地图构建；保证建图可靠性。

本申请提供了一种测试方法及装置，涉及测试工程技术领域。先利用CI节点，对测试工程数据进行编译，得到编译结果，其中该测试工程数据是CI节点从测试工程库获取的，再将编译结果上传至CI输出库，接着，利用CT管理平台，根据测试工程数据对CI输出库中的编译结果进行监控，若编译结果满足测试要求，则控制CT节点，从CI输出库中实时获取编译结果，并从测试工程库获取测试工程数据，最后，利用CT节点，对编译结果和测试工程数据进行测试，得到测试结果。这样，将CI和CT分别运行，将CI和CT的环境分离，使得CI完成编译一部分数据，CT就可以测试一部分数据，进而提高了基于CI/CT测试的效率、稳定性和可靠性。

本发明提供了一种记忆泊车跨层识别的方法、装置、电子设备和存储介质，涉及智能驾驶技术领域，该方法中，通过俯仰角特征和视觉语义分割结果确定车辆跨层状态，俯仰角特征包括：俯仰角均值、俯仰角方差、滑动窗口中的最新一帧俯仰角数据与最旧一帧俯仰角数据的差值，能够避免直接使用俯仰角数据，其值异常带来的跨层识别失效，并结合视觉分割结果保证车辆跨层状态的正确性，另外，通过一套状态切换逻辑，实现多层地下停车场跨层状态的识别（即根据切换信息确定车辆所处的当前楼层高度），准确性好，可靠性高。