面臨的挑戰(zhàn)：

近年來，隨著傳感器技術和數(shù)據(jù)處理算法的不斷發(fā)展，自動駕駛系統(tǒng)已經(jīng)取得了長足的進步，使車輛駕駛員和乘員的安全性及舒適性得以不斷改善。但由于自動駕駛極其復雜，因此主要挑戰(zhàn)之一仍然是確保并驗證自動駕駛系統(tǒng)在公共場所使用時的安全行為。

虛擬世界提供了一個適當、安全且可控的環(huán)境，可以處理所要求的測試和驗證工作的重要部分。正確選擇場景并生成緊密貼合現(xiàn)實的虛擬傳感器數(shù)據(jù)，是虛擬開發(fā)方式得以成功的核心要求之一。虛擬傳感器數(shù)據(jù)由傳感器模型生成，而該模型則構成了虛擬環(huán)境感知的核心組成部分（圖 1）。上述感知數(shù)據(jù)是自動駕駛系統(tǒng)決策算法的主要輸入流之一。因此，傳感器模型的保真度是確保虛擬開發(fā)及測試可行性和有效性的決定性因素。

來自?？怂箍档慕鉀Q方案：

通常有兩種類型的傳感器模型：

理想傳感器，一方面可以基于場景直接生成目標信息列表，作為決策的激勵輸入，另一方面可以復現(xiàn)車輛傳感器在進行測量和感知時的誤差統(tǒng)計特征，即感知值與真實值之間的偏差。

另一類傳感器測量模型基于對測量過程的物理描述，并且會以虛擬場景為基礎生成低級測量數(shù)據(jù)。這種類型的模型通常用于機器人研究中的各種傳感器，而用于汽車傳感器的測量模型還是新鮮事物。

在本文中，我們將介紹用于汽車激光雷達傳感器的傳感器測量模型。該激光雷達模型基于光線跟蹤法對測量過程進行仿真。這樣就可以在仿真環(huán)境內實時生成激光雷達點云。通過直接比對來自實際試駕的的數(shù)據(jù)與傳感器模型在虛擬環(huán)境中生成的虛擬數(shù)據(jù)，我們就能夠采用適當?shù)闹笜藖砹炕瘋鞲衅髂Ｐ偷臏蚀_性和有效性。

傳感器測量模型

A. 傳感器模型的實時光線跟蹤

我們采用的是汽車工業(yè)中常用的掃描式激光雷達傳感器。此類傳感器通過測量由靶面反射的激光脈沖的傳播時間來確定距離。通過掃描得到其角分辨率，也就是在傳感器的整個視場上連續(xù)移動所發(fā)射的激光束以及所選擇的光學探測器陣列的視場。目前市面上可買到的大多數(shù)系統(tǒng)均采用機械旋轉鏡來執(zhí)行掃描任務。此類傳感器的工作原理適用于采用光線跟蹤技術的建模方法。由 Vires VTD 駕駛仿真軟件提供上述傳感器模型的虛擬環(huán)境（圖 2），該軟件還可以基于 Nvidia OptiX 光線跟蹤引擎來提供光線跟蹤框架。

B. 虛擬點云生成

在對激光雷達傳感器的光束發(fā)射、反射和檢測進行建模時，傳感器測量模型的相機程序會為每一組方位角和仰角生成一條光線。如果獲得了有效的測距，就會產(chǎn)生點云（更多詳情請參見參考文獻1）。

傳感器模型驗證A. 驗證方法

為驗證第二節(jié)所述的激光雷達傳感器模型，我們建議采用圖 3 所示的步驟。該方法基于真實數(shù)據(jù)與模擬數(shù)據(jù)的對比。

在第一個步驟中，用實驗車輛采集真實數(shù)據(jù)，該車配備了激光雷達傳感器、差分全球定位系統(tǒng)（DGPS）以及在 ROS（中間件）中運行的環(huán)境模型算法，還包括占據(jù)柵格實施。然后通過第二節(jié)所述的激光雷達傳感器模型以及與實驗車輛中完全相同的占據(jù)柵格實現(xiàn)來生成模擬數(shù)據(jù)，但所提供的仿真數(shù)據(jù)來自 VIRES VTD 中的傳感器模型。在模型與 ROS 之間進行數(shù)據(jù)交換時，采用了開放式仿真接口（OSI）。一旦采集到真實數(shù)據(jù)和模擬數(shù)據(jù)，我們就會利用Matlab分兩步對驗證框架中的數(shù)據(jù)進行評估。在第一個步驟中，直接將真實傳感器數(shù)據(jù)與模型輸出進行對比。在第二個步驟中，將真實數(shù)據(jù)生成的占據(jù)柵格與表征測試車輛靜態(tài)環(huán)境的綜合激光雷達數(shù)據(jù)生成的占據(jù)柵格進行對比。

B. 驗證前題

為驗證傳感器模型，需要對靜態(tài)場景進行評估（見圖4）。

示意圖中顯示了兩輛車自身（E）和目標（T），兩車之間的距離約為 D1 = 40m。為該區(qū)域建立用于仿真程序的虛擬 3D 模型，在幾何尺寸和位置方面對逼真度的要求非常高。利用這一場景，我們可以展示如何對激光雷達傳感器幾何構型的建模情況進行測試，以及不同的構型對所生成的點云和占據(jù)柵格有何影響。

本研究中采用了該模型方法兩種不同的傳感器構型 SC1 和 SC2。SC1 使用圖 5（a）所示的笛卡爾采樣網(wǎng)格生成光線，SC2 使用圖 5（b）所示的球形采樣網(wǎng)格。通常在生成圖像時，需要通過光線跟蹤來生成線性分布的光線，因此 SC1 方法是合適的選擇。

然而，由于激光雷達傳感器的光束幾何形狀偏移會形成一個圓錐狀的點云，因此更適合選擇球形采樣網(wǎng)格。

C.數(shù)據(jù)評估

a.我們從對圖 6 所示的采集到的點云進行定性考察來開始分析。通過觀察該點云可以明顯看出，與傳感器構型1（SC1）相比，真實點云與傳感器構型 2（SC2）所生成的點云更為近似。

b.如上所述，可將占據(jù)柵格視為傳感器模型驗證的抽象級別。在這里我們還可以將掃描網(wǎng)格（SG）當作更高的抽象級別。掃描網(wǎng)格是對點云所生成的占據(jù)柵格的單次命中記錄，而占據(jù)柵格則是隨時間累積的掃描網(wǎng)格。

在評估環(huán)境模型輸出時，必須對現(xiàn)實場景重新進行仿真，并通過來自兩個傳感器構型的通用點云來計算掃描網(wǎng)格和占據(jù)柵格。掃描網(wǎng)格結果如圖 7 所示。通過將兩種傳感器構型的掃描網(wǎng)格形態(tài)與真實數(shù)據(jù)的掃描網(wǎng)格形態(tài)進行目視比較，我們可以看出，真實的掃描網(wǎng)格與來自 SC2 的掃描網(wǎng)格有著更高的一致性。為將這一觀察結果量化，表1 中采用了三個指標并進行了匯總。與點云評估的量化結果類似，與 SC1 相比，在來自 SC2 的掃描網(wǎng)格與真實掃描網(wǎng)格之間，這些指標值表現(xiàn)出更低的總誤差和更高的相關性。

總結及未來工作

在本文中，我們基于汽車激光雷達傳感器的光線跟蹤法提出了一種物理驅動的傳感器測量模型。借助于VIRES VTD，該模型可準確地再現(xiàn)虛擬環(huán)境中的完整傳感器處理鏈。此外，虛擬環(huán)境中從低層級的傳感器數(shù)據(jù)開始直至整個自動駕駛系統(tǒng)的第一個融合階段結束的整條處理鏈，都能在虛擬環(huán)境中得以復現(xiàn)。采用上述做法不僅可以評估真實的駕駛狀況，還可以在仿真時利用靜態(tài)和動態(tài)場景的高保真數(shù)據(jù)進行重建。作為應用示例，我們這里給出的是停車場上的靜態(tài)情況。我們可以通過激光雷達傳感器模型的原始數(shù)據(jù)和適當?shù)尿炞C指標來量化內部環(huán)境表述（即自動駕駛功能的輸入），藉此了解真實場景與仿真之間的匹配程度。

本文給出的結論表明，在采用基于球形光線*采樣網(wǎng)格的傳感器模型時，真實數(shù)據(jù)與模擬數(shù)據(jù)之間的相關性更高。

客戶簡介：

寶馬集團（德國）

返回