01

引言

隨著科技的不斷發(fā)展，自動駕駛技術(shù)逐漸成為汽車行業(yè)的熱門話題。然而，要將自動駕駛車輛投放到真實道路上之前，必須進(jìn)行廣泛的測試，以確保其在各種情況下都能安全可靠地運行。自動駕駛車輛的測試是一個復(fù)雜而昂貴的過程。在真實道路上進(jìn)行測試存在許多挑戰(zhàn)，包括安全性、成本和時間。為了克服這些問題，仿真測試技術(shù)不失為一種有效的解決方法。

自動駕駛仿真測試是通過虛擬環(huán)境來模擬各種駕駛場景，以評估自動駕駛系統(tǒng)的性能。自動駕駛汽車的仿真測試的核心技術(shù)點主要可以分為虛擬場景仿真、感知系統(tǒng)仿真、車輛動力學(xué)仿真以及云加速仿真[1]。

02

虛擬場景仿真

自動駕駛汽車的仿真測試，首先需要模擬構(gòu)建出一個逼真的虛擬場景，而場景的構(gòu)建可以分為靜態(tài)場景構(gòu)建和動態(tài)場景構(gòu)建兩個層面[2]。

2.1靜態(tài)場景構(gòu)建

靜態(tài)場景主要用于模擬出與車輛行駛相關(guān)的靜態(tài)元素，其中包含的靜態(tài)元素有道路、建筑、交通標(biāo)志等。構(gòu)建靜態(tài)場景的方法可以采用基于高精度地圖及三維重建技術(shù)[3]。基于高精度地圖及三維重建技術(shù)來構(gòu)建場景，首先需要采集點云、全景圖、測繪矢量等非結(jié)構(gòu)化的測繪數(shù)據(jù)，并將測繪數(shù)據(jù)結(jié)構(gòu)化，構(gòu)建厘米級的高精度地圖，其中包含路面、道路標(biāo)線、交通標(biāo)識等信息，之后以此為基礎(chǔ)，使用三維建模軟件建立基礎(chǔ)設(shè)施與周邊環(huán)境的可視化數(shù)字模型。

圖1 靜態(tài)場景（來源于Carsim的demo）

2.2 動態(tài)場景構(gòu)建

動態(tài)場景包括天氣變化（雨、雪、霧等天氣狀況）、時間變化（不同時間和季節(jié)的光照條件等）、交通流（交通參與者的行為，例如機(jī)動車行為、非機(jī)動車行為、行人行為）等動態(tài)要素。動態(tài)場景的構(gòu)建是在靜態(tài)場景的基礎(chǔ)上，還原出場景中的動態(tài)元素，并且使得這些元素的動作及其產(chǎn)生的影響嚴(yán)格遵循現(xiàn)實世界的物理規(guī)律以及行為邏輯。動態(tài)場景的構(gòu)建，可以借助物理引擎、AI Agent等來實現(xiàn)。

物理引擎可以模擬出物體在真實世界中的物理規(guī)律，賦予真實的物理屬性的方式來計算運動和碰撞行為等。物理引擎可以模擬剛體（硬物體）和軟體（如布料、液體等）的運動和變形，從而更全面地模擬多樣化的物體行為。

AI Agent （人工智能體）是一種能夠感知環(huán)境、進(jìn)行決策和執(zhí)行動作的智能實體。在虛擬場景中，AI Agent 可以做出決策，選擇合適的行為，并規(guī)劃最優(yōu)路徑以實現(xiàn)目標(biāo)；可以模擬對環(huán)境的感知能力，例如通過傳感器獲取周圍物體的信息，以便做出合適的決策；可以模擬智能體之間的協(xié)作行為，例如避讓、跟隨、協(xié)同工作等。此外，Agent AI還具備學(xué)習(xí)能力，能夠根據(jù)經(jīng)驗調(diào)整其行為。

03

感知系統(tǒng)仿真

自動駕駛車輛依賴于各種傳感器，如攝像頭、雷達(dá)和激光雷達(dá)等。仿真測試技術(shù)需要能夠準(zhǔn)確模擬這些傳感器的輸入，以確保自動駕駛系統(tǒng)在虛擬環(huán)境中能夠正確地感知和理解周圍的環(huán)境。傳感器仿真指的是數(shù)學(xué)模型和計算機(jī)算法來模擬和重現(xiàn)真實世界中傳感器所能感知的物理現(xiàn)象的過程[4]。它可以在虛擬環(huán)境中重現(xiàn)傳感器的工作情況，從而在沒有實際硬件的情況下評估和測試傳感器的性能。

3.1 攝像頭仿真

攝像頭仿真的一般方法是基于環(huán)境物體的幾何空間信息構(gòu)建對象的三維模型。根據(jù)物體的真實材質(zhì)與紋理，并通過計算機(jī)圖形學(xué)對三維模型添加顏色與光學(xué)屬性等，來模擬實現(xiàn)圖像合成。攝像頭仿真通過坐標(biāo)系轉(zhuǎn)換的方法，將三維空間中的點通過透視關(guān)系變換為圖像上的點。

3.2 毫米波雷達(dá)仿真

雷達(dá)（無線電探測與測距）仿真是一種模擬雷達(dá)系統(tǒng)操作的過程，它可以重現(xiàn)雷達(dá)波的傳播、目標(biāo)的檢測和回波的分析。雷達(dá)仿真一般會根據(jù)配置的視場角和分辨率信息，向不同方向發(fā)射一系列虛擬連續(xù)調(diào)頻毫米波，并接收目標(biāo)的反射信號。不同車輛的雷達(dá)回波強(qiáng)度可使用微表面模型能量輻射計算方式，由車輛模型以及車輛朝向、材質(zhì)等計算。

3.3 激光雷達(dá)仿真

激光雷達(dá)（或LiDAR，Light Detection and Ranging）仿真則是模擬使用激光掃描來構(gòu)建物體或環(huán)境的三維圖像的過程。激光雷達(dá)傳感器仿真，需要準(zhǔn)確模擬出發(fā)射激光束并測量其反射，生成點云數(shù)據(jù)。生成模擬的激光雷達(dá)點云數(shù)據(jù)，其中包含了周圍環(huán)境中的物體位置和形狀信息。

04

車輛動力學(xué)仿真

自動駕駛汽車在仿真測試中，需要借助車輛動力學(xué)模型來模擬車輛的橫向和縱向運動控制，還原出車輛在真實道路上各種物理條件下的行為[5]。復(fù)雜的車輛動力學(xué)模型，可以保證車輛有良好的仿真精度，使仿真車輛的行駛反應(yīng)更貼近真實行為。因此，車輛動力學(xué)仿真，可以逼真地模擬出車輛的運動、碰撞檢測和處理，以及不同路面條件對車輛行駛的影響等等。

車輛動力學(xué)模型包含了車體、懸架系統(tǒng)、轉(zhuǎn)向系統(tǒng)、制動系統(tǒng)、動力系統(tǒng)、傳動系統(tǒng)等多個部分的模型，通過將車輛動力學(xué)模型實例參數(shù)化之后，就可以實現(xiàn)對仿真車輛模型的轉(zhuǎn)向、加速、制動等行為的模擬和控制。

借助專業(yè)的車輛動力學(xué)仿真軟件可以模擬出高精度的車輛動力學(xué)模型，同時，一些強(qiáng)大的車輛動力學(xué)仿真軟件還可以提供車輛可視化和駕駛場景搭建功能。目前，專業(yè)的車輛動力學(xué)仿真軟件，有 CarSim、Prescan、CarMaker、VI-Grade、VeDYNA 和 PanoSim 等，仿真平臺可以接入這些成熟的車輛動力學(xué)模型，以獲得比較逼真的行駛控制仿真效果。

圖2 車輛動力學(xué)模型（來源于Carsim的demo）

05

云加速仿真

自動駕駛仿真測試系統(tǒng)在進(jìn)行仿真任務(wù)時需要訪問大量采集或者生成的數(shù)據(jù)，并根據(jù)生成的數(shù)據(jù)利用 CPU 和 GPU 資源對數(shù)據(jù)進(jìn)行再處理并還原，或者對已經(jīng)結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行 GPU 渲染再現(xiàn)。這些仿真任務(wù)都需要依賴強(qiáng)大的計算和存儲能力，而借助云加速仿真的技術(shù)，可以高效執(zhí)行大規(guī)模的仿真任務(wù)。

云加速仿真是指利用云計算平臺的強(qiáng)大計算和存儲能力，通過將仿真任務(wù)遷移到云端來加速仿真過程。這種方法可以顯著提高仿真效率，減少仿真時間，同時降低了對本地硬件資源的依賴。同時，云加速仿真可以通過并行化和分布式計算來加速任務(wù)的執(zhí)行。云平臺提供了強(qiáng)大的計算資源，可以同時處理多個任務(wù)或者將一個大任務(wù)分解成多個子任務(wù)并行執(zhí)行，從而提高仿真效率。

06

小結(jié)

自動駕駛仿真測試技術(shù)在推動自動駕駛技術(shù)的發(fā)展中發(fā)揮著重要作用。通過在虛擬環(huán)境中模擬各種復(fù)雜情景，該技術(shù)降低了測試成本、提高了安全性，并加速了自動駕駛系統(tǒng)的迭代和創(chuàng)新。然而，仍然有一些挑戰(zhàn)需要克服，如提升虛擬場景的逼真度、提高傳感器模擬精度等。未來，隨著技術(shù)的不斷發(fā)展，自動駕駛仿真測試技術(shù)將繼續(xù)演進(jìn)，為自動駕駛技術(shù)的商業(yè)化和普及做出更大的貢獻(xiàn)。

參考文獻(xiàn)：

[1]中國電動汽車百人會.中國自動駕駛仿真藍(lán)皮書[R].(2020).

[2]朱冰,張培興,趙健,陳虹,徐志剛,趙祥模,鄧偉文.基于場景的自動駕駛汽車虛擬測試研究進(jìn)展[J].中國公路學(xué)報,2019,32(06):1-19.DOI:10.19721/j.cnki.1001-7372.2019.06.001.

[3]Huang W L,Wang K,Lv Y,et al.Autonomous vehicles testing methods review[C]//2016 IEEE 19th International Conference on Intelligent Transportation Systems(ITSC).IEEE,2016:163-168.

[4]Rosique F,Navarro P J,Fernández C,et al.A systematic review of perception system and simulators for autonomous vehicles research[J].Sensors,2019,19(3):648.

[5]Sch?ner H P.Simulation in development and testing of autonomous vehicles[C]//18.Internationales Stuttgarter Symposium:Automobil-und Motorentechnik.Springer Fachmedien Wiesbaden,2018:1083-1095.

審核編輯 黃宇