中国软件

一文读懂自动驾驶仿真测试技术现状

中国软件网2023-01-16中国软件手机照相机软件

软件开发视频,手机照相机软件,手机阅卷软件,一文读懂自动驾驶仿真测试技术现状,软件开发视频,手机照相机软件,手机阅卷软件虚拟仿真技术是汽车研发、制造、验证测试等环节不可或缺的技术手段，能有效缩短技术和产品开发周期，降低研发成本；随着汽

一文读懂自动驾驶仿真测试技术现状

一文读懂自动驾驶仿真测试技术现状,

　　软件开发视频,手机照相机软件,手机阅卷软件虚拟仿真技术是汽车研发、制造、验证测试等环节不可或缺的技术手段，能有效缩短技术和产品开发周期，降低研发成本；随着汽车智能化、网联化趋势的发展，虚拟仿真技术有了更大的发挥空间，比如自动驾驶系统的仿真测试验证；虚拟仿真测试是实现高阶自动驾驶落地应用的关键一环，具备自动驾驶功能的车辆必须经过大量的虚拟仿真测试以及实车路测之后才能商用化；

　　自动驾驶汽车商用化需经历的三个测试阶段：仿真测试、封闭场地测试、开放道路测试。

　　自动驾驶仿真测试：主要是以数学建模的方式将自动驾驶的应用场景进行数字化还原，建立尽可能接近真实世界的系统模型，无需实车直接通过软件进行仿真测试便可达到对自动驾驶系统及算法的测试验证目的。

　　仿真测试包括以下几种类型：模型在环仿真（MIL）— 软件在环仿真（SIL）— 硬件在环仿真（HIL）— 整车在环仿真（VIL）

　　据美国兰德公司研究：一套自动驾驶系统至少需要通过110亿英里的驾驶数据来进行系统和算法的测试验证才能达到量产的条件；因此单纯依靠实车路测极难完成这一目标，并且实车路测还存在以下问题：

　　备注：● 真实 ○ 虚拟 ◎ 虚拟或部分真实数据参考：中国汽车工程研究院

　　仿真测试、封闭场地测试、开放道路测试三者之间互相补充，形成测试闭环，共同促进自动驾驶车辆的研发和标准体系建立：

　　2）通过道路测试得出的危险场景，将会反馈到仿真测试中，便可有针对性的去调整设定场景和参数空间；

　　3）仿真测试和封闭场地测试的最终结果要进行综合评价，基于评价结果不断地去完善评价准则和测试场景库。

　　仿真测试、封闭场地测试、道路测试形成闭环促进研发及标准建立（资料来源- i-VISTA）

　　自动驾驶仿真测试的重要构成：场景库、仿真平台、评价体系；其中，场景库是基础，仿真平台是核心，评价体系是关键；三者紧密耦合，相互促进：场景库的建设需要仿真平台和评价体系作为指导，仿真平台的发展进化需要场景库和评价体系作为支撑，而评价体系的建立和完善也需要以现有的场景库和仿真平台作为参考基础；接下来笔者将从场景库、仿真平台、评价体系这三个重要方面依次展开来介绍。

　　自动驾驶测试场景定义：自动驾驶汽车与其行驶环境各组成要素在一段时间内的总体动态描述，要素组成由所期望检验的自动驾驶汽车的功能决定；（定义引自：中汽协团体标准-自动驾驶系统功能测试第7部分 – 仿真测试）简言之，场景可以被视为是自动驾驶汽车行驶场合与驾驶情景的有机组合。具有场景无限丰富、极其复杂、难以预测、不可穷尽等特点。

　　测试场景要素：测试车辆自身要素以及外部环境要素；外部环境要素又包括：静态环境要素、动态环境要素、交通参与者要素、气象要素等。

　　场景库定义：满足某种测试需求的一系列自动驾驶测试场景构成的数据库。场景库能够完成从场景数据的管理到场景测试引擎的桥接，实现从场景的自动产生、管理、存储、检索、匹配，到最后注入测试工具。

　　场景库包含4种典型测试场景（中汽中心基于数据来源不同的一种分类方法）：自然驾驶场景、危险工况场景、标准法规场景、参数重组场景。

　　1）真实数据：即现实世界真实发生的，经过传感器采集到或以其它形式被记录保存下来的真实场景数据，包括自然驾驶数据、交通事故数据、路侧单元监控数据、封闭场地测试数据以及开放道路测试数据等；

　　2）模拟数据：主要包括驾驶模拟器数据和仿真数据；前者是利用驾驶模拟器进行测试得到的场景要素信息；后者是自动驾驶系统或车辆在虚拟仿真平台上进行测试得到的场景要素信息。

　　3）专家经验数据：基于专家的仿真测试经验总结归纳出来的场景要素信息，其中标准法规就是专家经验数据的典型代表。

　　备注：测试场景数据来源参考《自动驾驶系统功能测试第7部分：仿真测试（征求意见稿）》

　　自动驾驶研发测试与场景库的搭建形成闭环：测试场景库的搭建，能有效驱动自动驾驶的研发测试工作，自动驾驶的研发测试反过来也能够为场景库提供反馈意见，丰富场景库。

　　场景库的数据格式标准制定涉及国家多个部委，由于缺乏有效沟通协调机制，标准制定落后市场进展，故当前数据库的建设处于各自为战的状态；

　　场景库数据格式标准不统一，全国统一的场景库很难形成，进而又影响到了自动驾驶仿真评价、认证体系的建立。

　　场景库覆盖范围：自然驾驶场景库（1228种）、功能安全场景库（110种）、V2X场景库、危险事故场景库（206种）、中国特有交通法规场景库（82种）、和预期功能安全场景库（70种）等。

　　a.自然驾驶场景库基于中国不同道路拓扑结构、交通基础设施、环境条件、车辆信息的动静态要素特征，从不同维度对数据库进行分类构建和更新迭代：

　　基于场景ODD元素重组、虚拟仿真场景复现、关键场景仿真验证等技术手段研发功能安全场景库

　　遵照ISO26262标准，对ADAS系统功能安全危害-ASIL风险等级提供有据可依的量化评估方案

　　第一步：参考ODD分类的国际标准，对驾驶区域、天气、光线类子要素进行排列与重组，进而形成体系化功能场景库；

　　第二步：将上述功能场景，基于真实路采场景数据，调整相关参数范围从而得到相应的逻辑场景，最后在仿真软件中搭建驾驶场景与周边环境，形成所需的复现场景；

　　第三步：在仿真验证软件中，激活ADAS功能，对复现场景下的电子电气失效展开仿真验证，并对产生的风险进行评估，根据公式计算出严重度（S）、暴露度（E）和可控性（C），最后根据ISO26262标准最终确定ASIL风险等级。

　　根据LTE-V终端及DSRC终端应用层开发经验以及《合作式智能运输系统车用通信系统应用层及应用数据交互标准》中的场景要求进行场景库构建

　　从数据安全、通信安全、控制安全、身份安全等四个方面进行V2X场景数据积累研究

　　场景库生成方案：场景数据采集、场景分类提取、场景数据标注、场景聚类、场景重构、虚拟场景转化等。

　　包括标准法规场景1000例、经验式场景3000+例、重构场景5万+例、事故场景150+例

　　2020年12月，“中国典型场景库”在V2.0版本的基础上升级到V3.0：

　　在2.0版本的基础上，新增了典型事故场景、自动驾驶事故场景和预期功能安全场景三大板块

　　涵盖总计20余项自动驾驶功能；总量大于10万例的OpenX标准格式场景文件

　　为了便于企业的自动驾驶技术开发，把场景库分为基础、初级、中级、高级四个模块等级

　　测试场景基于生成方案的不同又分为：Logsim场景和Worldsim场景，目前总共提供了 220 个Worldsim场景和 17个Logsim场景。a.Logsim：由路测数据提取的场景，提供复杂多变的障碍物行为和交通状况，场景充满不确定性

　　b.Worldsim：由人为预设的障碍物行为和交通灯状态构成的场景，场景简单

　　涵盖场景类型：车辆避撞能力、交通合规性、行为能力、视距影响下交叉路口车辆冲突避免、碰撞预警、紧急制动、危险变道、无信号交叉口通行、行人横穿等方面。

　　仿真平台一般包括仿真框架、物理引擎和图形引擎；其中仿真框架是平台软件平台的核心，支持传感器仿真、车辆动力学仿真、通信仿真、交通环境仿线）传感器仿真：支持支持摄像头、激光雷达、毫米波雷达以及GPS/IMU等传感器仿线）车辆动力学仿真：基于多体动力学搭建的模型，将包括转向、悬架、制动、I/O硬件接口等在内的多个真实部件进行参数化建模，进而实现车辆模型运动过程中的姿态和运动学仿线）交通场景仿真：包括静态场景还原和动态场景仿真两部分，静态场景还原主要通过高精地图和三维建模技术来实现；

　　动态场景仿真既可通过把真实路采数据经过算法抽取后，再结合已有高精地图进行创建，也可通过对随机生成的交通流基于统计学的比例，经过人工设置相关参数后自动生成复杂的交通环境;

　　例如可模拟自动驾驶汽车在现实世界中可能遇到的极端情况和危险情况，从模拟暴雨和暴雪等恶劣的天气条件到较弱的光线照明，再到周围车辆的危险操作等；

　　4）V2X仿真（通信仿真）：支持创建真实或虚拟传感器插件，使用户能够创建特殊的V2X传感器；既可以用来测试V2X系统，又可生成用于训练的合成数据；

　　仿真平台典型架构（图片参考-2019自动驾驶仿线.国内典型自动驾驶仿线国内典型自动驾驶仿真平台附表

　　提供三个版本的软件解决方案：Standard版-单机解决方案，NET版-云计算和互动测试解决方案，RT版-提供HIL和VIL仿真测试

　　—— IPG Traffic：提供丰富的交通对象模型，如车辆、行人、路标、交通灯、道路施工建筑等

　　作用：运行DRIVE Sim软件来模拟仿真自动驾驶车辆上的传感器数据（包括摄像头、毫米波雷达、激光雷达、IMU和GNSS）以及驾驶场景数据；b.第二台服务器硬件构成：自动驾驶车辆目标AI ECU

　　可扩展性：该平台支持在数据中心进行大规模部署，能够并行运行各种仿真测试；且在DRIVEConstellation平台中的每一英里的测试都包含感兴趣事件（特殊工况），能够在很短的时间内完成数月或数年的测试

　　完整的反馈回路：第一台服务器运行 DRIVE Sim 软件，该软件模拟仿真驾驶场景以及自动驾驶车辆上产生的传感器数据。然后将模拟仿真的传感器数据发送到第二台服务器上进行数据处理，最后第二台服务器再将驾驶决策信号输出给第一台服务器，因此便形成了一个仿真闭环

　　建立在虚幻引擎（Unreal Engine）上的无人机及自动驾驶模拟研究项目，能够打造出高逼真的交通环境，实现车辆及传感器仿真模拟

　　完成车辆建模测试：AirSim包含车辆模拟、城市道路场景，并提供可简化编程的API以及即插即用的代码

　　AI研究平台：AirSim 提供包括 C++ 和 Python 等多语言的API 接口。使用者可同时使用 AirSim 和众多机器学习工具。主要用于测试深度学习、计算机视觉和自主车辆的端到端的强化学习算法

　　研究三种自动驾驶方法的性能：传统的模块化流水线，通过模仿学习训练得到的端到端模型，通过强化学习训练得到的端到端模型

　　传统的仿真测试一般是单机仿真测试，但高阶自动驾驶系统的商业化应用，需要进行庞大数量测试场景的仿真测试；海量的数据存储，运算及处理已经成为摆在自动驾驶研发道路上一道障碍，而云平台的分布式架构、加速计算能力以及高数据算力的特性，能够可以很好的解决这一问题，进而能够极大地提升系统研发和验证测试效率；因此，云平台仿真必将是未来自动驾驶仿真测试技术的发展趋势，同时也会是企业开展自动驾驶开发的核心技术壁垒之一。

　　附表4.国内科技公司云仿线)百度 – Apollo云仿真平台主要应用：

　　解耦四大关键要素- 硬件、数据、算法、高精地图，构建以数据驱动为核心，驱动自动驾驶闭环迭代的开放平台

　　真实场景数字孪生：可以将真实路采的典型路段数据转换成仿真场景，并与高精地图相结合，实现真场景数字孪生，可以实现95%以上的场景还原能力

　　场景信息真实度：在场景在构建过程中，需要合理准确的在虚拟环境中渲染测试场景中的静态环境要素（如交通设施、道路及障碍物等）、动态环境要素（动态指示设施、通信环境信息）、交通参与者要素（机动车/非机动车、行人等）以及气象环境要素（环境温度、光照条件、天气情况）等信息。

　　场景分布真实度：在参数重组场景中对于由特征元素组合和人工编辑合成的场景，由于人工修改参数后可能会出现真实世界不存在的场景，因此在人工编辑场景时需参考真实世界场景的参数值范围去合理化地设置参数重组场景。

　　重磅！中微半导车规级芯片BAT32A237通过第三方AEC-Q100认证

　　车载毫米波雷达研究：2021安装量同比增长49.5%，2022前9月增长35.4%

　　重磅！中微半导车规级芯片BAT32A237通过第三方AEC-Q100认证

　　车载毫米波雷达研究：2021安装量同比增长49.5%，2022前9月增长35.4%

　　万用表，红外测温仪等你来拆！―― EEWorld拆你来玩拆解（第二期）

　　追更有惊喜：解救被FSM折磨过的你，justd0解析LSM6DSOX有限状态机官方例程

　　【把你我的经验串一串，共享丰收】EEWORLD优秀主题/回复第17期活动开始拉