Holger Krumm,MotionDesk产品经理/发行管理,dSPACE GmbH
车载传感器对于自动驾驶车辆的行驶来说至关重要,然而现实环境中的道路上却充满了障碍。日常生活中会出现各式各样的干扰,如表面光反射,阴天,雾,雨,交通堵塞和道路对象(即行人,停放的车辆,建筑物,标志)。这样,则会使得大气变得浑浊,最终导致传感器误读或目标误读。
提高激光雷达系统发射的激光脉冲来测量物体反射的光。
为了避免计算错误,深入测试至关重要。但是,如果对每一种可能的驾驶场景进行评估,那么所需的测试量太大,在路上进行真正的驾驶测试也是不可行的。我们的解决方案是建立虚拟驾驶场景和真实传感器仿真,这可以在实验室中安全地进行。
这意味着在实验室内以虚拟的方法再现道路交通,因为传感器(即摄像头、雷达、激光雷达、超声波、地图、V2X)对其进行了感知和记录。由于交通状况的种类繁多,需要进行数百万公里的驾驶测试。因此,我们需要在实验室对传感器功能进行验证。这是真实的驾驶测试做不到的。
通过真实的、现成的仿真模型(如 dSPACE Automotive Simulation Models – ASM)和虚拟测试平台,工程师可以通过虚拟方式复现整个测试场景来验证自动驾驶功能,包括环境传感器(摄像头, 雷达,激光雷达等), 被测车辆,交通,道路,驾驶操纵以及周围环境。
真实传感器仿真是验证和确认自动驾驶车辆上的环境传感器的最有效方法。真实传感器仿真的基本前提是真实传感器被传感器模型所取代,传感器模型发出与真实传感器相同的信号。
传感器模型采用几何方法计算与每个检测对象最近点的距离、速度、加速度、水平角和垂直角。软件模型从传感器(摄像头、雷达、激光雷达等)生成原始数据,并极激励环境(即交通对象、天气、照明条件等)。这种方式和车辆感知环境的方式一样。
为了确定是否实现了期望的结果,必须对整个工作流程进行验证。这一过程的大部分可以在虚拟环境中通过真实传感器仿真来完成.
传感器信号的处理级的图形化表示
参照上图,传感器仿真过程包括以下阶段:
传感 – 传感器(如摄像头、雷达、激光雷达等)通过发送一个或多个对象相应的信号来进行激励。传感器对虚拟目标进行检测,与对真实目标的检测一样,传感器开始捕获关键的实时信息,如距离、角度位置、距离和速度等。
感知– 通过成像或信号处理,物体被传感器所识别。
数据融合 – 我们将各个传感器收集的原始数据馈送到电子控制单元(ECU)的中央处理单元,这样,验证过程就开始了。在这里,信息被实时地组合和处理(这也称为传感器融合),用于创建一个目标列表(或点云),包括静态的和移动的对象。
应用- 对象列表是通过感知算法运行,该算法中包括对象分类、态势分析、轨迹规划和决策活动。根据结果,ECU确定应该执行哪些自动驾驶车辆行为。
驱动– ECU对相关的执行器发送一个输出信号以执行所需的操作。
为了进行验证,在测试过程中收集的传感器数据需要以时间相关的方式记录和存储(例如时间戳、标记、同步),以便稍后在实验室里回放。
真实传感器仿真是支持传感器系统开发和验证的有效方法,并且能够保证确定性和可重复性。
各种传感器模型,从理想的地面实况模型到真实模型,被用来验证自动驾驶传感器系统。
为了满足自动驾驶传感器系统的高度复杂的需求(即决策算法、运动控制算法),需要更详细、更真实的模型。传感器模型越真实,效果越好。
根据复杂程度的不同,传感器模型可以分为三种类型:
理想的地面实况/概率传感器模型是独立于技术的模型。它们主要用于基于对象列表的注入(即用于检测红绿灯、交通标志、道路对象、车道、障碍物、行人等的三维和二维传感器)。这些类型的模型用于检查一个对象是否可以在设定的范围内被检测到。
在传感器仿真实验中,这种传感器模型提供了理想的数据(地面实况信息),这些数据可以与事件的概率(概率效应)任意叠加。 . 例如,利用叠加来仿真雷达的典型测量噪声。仿真返回分类对象(车辆、行人、骑车者、交通标志等)的列表以及它们的坐标和运动数据(距离、相对速度、相对加速度、相对方位角和仰角)。
理想的地面实况/概率传感器模型通常在SIL仿真(快于实时)和硬件在环(HIL)仿真(实时进行)中得到验证。它们也可以在集群系统上部署,以完成大量的测试。
在dSPACE 工具链中,这些传感器是汽车仿真模型(ASM)工具套件(例如ASM Ground Truth传感器模型)的一部分。它们与车辆、交通和其它相关环境模型一起在CPU上计算。这些模型易于配置,仿真总是同步进行。
现象/物理传感器模型是基于物理的模型。这些模型是根据传感器的测量原理(即摄像头接收、雷达波传播)建立的,用于仿真雾霾、眩光或降水等现象。它们可以生成原始数据流、三维点云或目标列表..
由于这些模型具有物理效应,它们的复杂性要高得多。计算通常发生在图形处理单元(GPU)上进行。这些模型通常在SIL或HIL测试设置中得到验证。
在dSPACE工具链中,我们在MotionDesk中可视化了现象/物理传感器模型,并在dSPACE Sensor Simulation PC上进行了计算,该计算机具有高性能的GPU卡,并且可以为确定性的、实时的传感器仿真提供了很高的真实度。
真实/OTA传感器模型也是基于物理的模型.它们用于真实物理信号和真实传感器ECU的测试,以分析真实世界的传感器行为。
通过在雷达测试系统(即dSPACE Automotive Radar Test Systems – DARTS)上对整个传感器进行OT激励,我们可以有效地实现验证。对于对象检测场景来说,这是非常理想的。或者,当需要集成其它车辆部件(如前保险杠、底盘)时,可以在完整的雷达测试台架上进行验证。
为了进行真实传感器仿真,必须准备 CAN、CAN FD、FlexRay、LIN 或者Ethernet这样的总线系统,以实现信号交换和车辆网络通信。总线仿真测试,从简单的通信测试、残余总线仿真到复杂的集成测试都需要进行,以确保通信通道的正常运行。 .
此外,传感器模型必须通过接口连接到被测设备上,这样才能接收数据注入进行仿真测试。高性能FPGA能够将原始传感器数据、目标列表和/或对象列表同步输入传感器ECU。dSPACE Environment Sensor Interface (ESI) Unit正是为此而设计的。它接收原始传感器数据,并通过各个传感器将其分离,然后将时间相关数据注入到相应传感器前端后面的数字接口中。
其它一些支持自动驾驶开发的接口包括:FMI、XIL-API、OpenDrive、OpenCRG、OpenScenario或OpenSensor接口..通过这些接口,工程师能够将事故数据库或交通仿真工具的宝贵数据集成到协同仿真中。
高度逼真的3D照片
传统意义上,我们通常使用摄像头盒来测试基于摄像头的系统,但是这种方法在硬件设置和传感器的激励上有局限性。
一个更好的方法是利用OTA激励直接将原始图像数据输入摄像头的图像处理单元。当摄像头传感器捕获图像数据流时,动画场景将显示在监视器上,工程师可以检测道范围、物体的最近点的传感器输出(即距离 、相对速度、垂直和水平角度等),以及传感器的时间设定(即周期、初始偏移、输出延迟时间)。
为了验证基于摄像头的传感器,必须考虑不同的镜头类型和畸变效果,如鱼眼、渐晕和色差。此外,在测试场景中还需要考虑多个图像传感器以及传感器特性(即单色表示、拜耳模式、HDR、像素误差、图像噪声等)。
推入市场的下一代传感器仿真产品需要具备多项技术,以生成高度逼真的可视化效果,例如三维重构、基于物理的渲染、光线追踪和动态照明。不同地形的情况,环境照明(如阴霾,阴影),镜头耀斑,眩光效果,特殊天气(即雨,雪,雾),以及更多的场景都可以通过三维照片实现。 进一步优化了真实传感器仿真。
为了满足激光雷达和雷达等基于物理的传感器的需要,我们需要运用到测量原理。射线跟踪技术通常用于通过跟踪用于雷达信号的激光雷达信号或电磁波的反射路径来检测物体。
这包括将光束发送到三维场景并捕捉它们的反射。在此过程中,我们可以将物理效应(如多径传输)集成到建模中。最终,我们对雷达波或近红外激光束的传播进行正确的物理仿真,这对于传感器的激励和仿真是必不可少的。
众多数据,如反射点、角度、距离、多普勒速度、漫射散射、多径传播等被收集起来,然后进行计算和处理,最终计算车辆和物体的距离并描述周围环境(例如以点云的形式)。基于收集的数据,生成目标列表,该目标列表包括关于距离的信息和反射光的强度(对于激光雷达传感器)或回波信号的频率(用于雷达传感器)。通过这种方法可以实现真实传感器仿真。因此,工程师可以通过再现传感器路径的行为来验证传感器模型。
真实传感器仿真可以通过一个工具链来实现,它可以在整个开发过程的所有步骤中保证高精度的传感器仿真。在建立这样一个工具链时,需要考虑的关键因素包括:
推动创新进程。我们始终在技术开发的最前沿。
欢迎订阅我们简讯,了解我们的专业技术以及产品。希望我们的成功案例能够对您有所帮助。快速了解仿真和验证的最新信息。欢迎订阅/管理dSPACE简讯和dSPACE航空速报。