端到端开发和测试环境

dSPACE为基于数据的开发和验证提供了全面的解决方案和服务，帮助您实现自动驾驶。这确保了所有开发阶段都能实现无缝、高效的数据处理，从数据记录到数据释放（或sign-off测试）都包含在内。

• 数据记录：稳健、高性能的车载数据记录系统，能够高效记录传感器原始数据和车辆总线数据
• 数据优化：自动化数据的匿名化和数据注释（地面实况），并且保证一流的数据处理质量。
• 场景生成：根据传感器原始数据和对象列表自动生成仿真场景
• 真实传感器仿真：高度真实感，摄像头、激光雷达和雷达传感器的基于物理的仿真。
• 数据回放：传感器原始数据和车辆总线数据（具有异常高的分流带宽）的时间同步回放
• 基于场景的测试：通过数以百万计的自动测试执行和评估来验证自动驾驶的感知、融合和规划算法
• 数据和测试管理：仿真和测试数据的中央管理(包括变体处理和工作流程管理)
• 仿真平台：端到端解决方案，通过云技术支持SIL、HIL和大规模仿真。
• 释放测试：根据ISO 26262和ISO/PAS 21448(SOTIF)计划验证和确认策略，通过优化过程实现同源性。

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。