|
—— 概述
智能驾驶涵盖了传统的高级别驾驶辅助系统（ADAS）以及全自动驾驶系统（SAE Level 3 及以上级别）。智能驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。目前智能驾驶算法测试大约 90% 通过仿真平台完成，9% 在测试场完成，1% 通过实际路测完成。随着仿真技术水平的提高和应用的普及，行业旨在达到通过仿真平台完成 99.9％的测试量，封闭场地测试 0.09%，最后 0.01％到实路上去完成，这样可以使智能驾驶汽车研发达到更高效、经济的状态。
—— 仿真测试系统组成
智能驾驶系统一般包括环境感知、智能决策、车辆控制等功能为一体的系统。因此，智能驾驶仿真测试需要包括道路交通场景仿真、车辆动力学仿真及传感器仿真。
仿真测试系统框架如图所示：
—— 应用领域
• ADAS控制器控制算法开发及测试验证：LDW、LKA、ACC、AEB、FCW、BSD、LCA等；
• 自动驾驶决策及控制的开发与验证；
• 集成驾驶模拟器或驾驶座舱用于驾驶员在环测试；
• 毫米波雷达控制器功能和性能测试；
• 车辆在环测试；
• 测量与标定。
—— 系统特点
♦ 道路仿真
• 通过GUI图形界面库和道路模型库搭建道路模型；
• 支持OSM - Open Street Map 地图数据导入；
• 支持OpenDRIVE 高精地图数据导入；
• 支持复杂路网结构：三叉路口、十字路口、立交桥等。
♦ 交通仿真
• 通过GUI图形界面库和模型库搭建机动车、行人、动物等道路使用者；
• 自带场景demo：NHTSA、ISO、ADAC等；
• 可自定义每个道路使用者的行为，包括路径规划、速度控制、环道等，并且支持时间触发模式；
• 可以生成符合交通规则的随机交通流；
• 支持导入OpenSCENARIO场景数据；
• 支持导入KITTI场景数据；
• GIDAS-CIDAS 德国/中国的交通事故数据；
• 可配置外部车辆动力学；
• 可配置外部驾驶员。
♦ 环境仿真
• Environment 环境模型可模拟晴天、雨、雪、阴天等天气；
• Weather & Lights 天气光照可模拟白天、黑夜等光照条件。
♦ 环境感知
• 丰富的传感器模型，支持物理信号仿真、原始信号仿真和传感器目标仿真；
• 摄像头传感器模型：标准摄像头、单目摄像头、多目摄像头、鱼眼摄像头。
※ 支持输出图像帧信息（包含内外参、光损失/模糊/畸变/HDR等成像效应）提供视频暗箱或视频注入两种HIL仿真方式；
※ 可直接输出FOV之内目标物体的位置信息；
※ 摄像头的物理模型：基于摄像头的成像原理:镜头/感光器件/AD转换…；输出多光谱、高动态范围的摄像头模型。
• 雷达传感器模型：
※ 理想化的目标级别模型：输出雷达视野范围内目标的理想位置、速度、角度信息；
※ 目标级别模型：输出包含目标物体精度、分辨率特性的位置、速度、角度信息；
※ 含能量输出的目标级别的雷达模型：含RCS/反射角度/能量损失/传输衰减/天线增益图谱；
※ 雷达性能缺陷的模型：含检测噪声/误检测/漏检测/目标散列/检测延迟…模型；
※ 雷达物理模型：MIMO/调制解调方式/多点反射/多径反射……。
• 激光雷达模型：支持输出点云数据
♦ 车辆动力学模型
• 动力系统：支持纯电驱动系统、混合动力系统及发动机动力系统模型；
• 底盘系统：制动系统、轮胎系统、转向系统、悬架系统及多体动力学模型。
♦ 工程服务
• HIL系统集成、配置、调试、测试；
• 模型定制开发及测试服务。
※ 道路模型搭建；
※ 测试场景搭建；
※ 车辆模型搭建及参数化；
※ 传感器模型配置；
※ 测试需求分析及测试解决方案开发；
※ 测试用例开发；
※ 自动化测试脚本开发；
※ 生成测试报告。
|
