高度自动化驾驶是许多汽车制造商的开发重点。对于工具供应商来说，一些高标准的需求，如具有多个异构传感器的 360°冗余环绕视图、高精度定位或汽车连通性也同样具有挑战性。

对此，dSPACE提供了一个单源的端到端工具链，用于自主驾驶。通过高性能平台的独特速原型解决方案和定制的软件环境，我们可以在车辆中开发完整的多传感器应用，从感知和融合算法到实时控制都会涉及。只能通过将测试拖到软件在环（SIL）仿真中，才能对显著增加的测试过程进行管理。PC集群通过并行计算机节点和仿真实现了较高的测试吞吐量，同时将扩展性最大化。对于释放测试来说，硬件在环 (HIL) 仿真仍然不可或缺。其中最大的挑战之一是集成真实环境传感器，如摄像头传感器、雷达传感器或激光雷达传感器以及传感器融合。 dSPACE 提供完整的集成方案，从简单的残余总线仿真和原始数据传输到OTA激励都有涉及。

自动驾驶中的效应链通常由不同的处理阶段组成。首先，传感器的原始数据必须进行预处理（感知）。我们的目标是在单个图像或反射点的基础上检测功能、静态或动态对象以及车辆环境的自由空间。在随后的阶段，结果在合并之后被归类到能够保持一致的环境模型（数据融合）。为此，传感器数据的时间同步和相关性显得非常重要。此外，有必要基于高清地图（定位）确定确切位置和车道位置。

基于环境模型，可以分析车辆周围的情况，规划可能的驾驶轨迹，决定操作选项以及执行纵向和横向控制。

真实世界全面而精密的仿真是进行成功验证的基础。使用合适的传感器模型。并且将实际传感器与测试环境集成能够发挥重要作用。传感器模型的扩展范围从技术独立的变体（其根据环境模型提供的信息直接生成对象列表）到现象学或物理模型都有涉及。现象学或物理模型通常在高性能GPU上进行计算，并将原始数据馈送到连接的真实传感器，如摄像头传感器或雷达传感器。根据数据类型和激励层，传感器可通过不同的方式集成。这些集成选项的范围可以是直接刺激传感器前端，可以通过OTA方式，例如雷达，或者通过带有GNSS（全球导航卫星系统）的HF电缆或V2X（Vehicle-to-X）信号。由于传感器预处理、传感器数据融合以及传感器控制单元中的环境模型的建立对效应链有很大的影响，因此在测试环境中必须使用真实的传感器。