面臨的挑戰(zhàn)：

近年來，隨著傳感器技術(shù)和數(shù)據(jù)處理算法的不斷發(fā)展，自動(dòng)駕駛系統(tǒng)已經(jīng)取得了長足的進(jìn)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(dòng)駕駛極其復(fù)雜，因此主要挑戰(zhàn)之一仍然是確保并驗(yàn)證自動(dòng)駕駛系統(tǒng)在公共場(chǎng)所使用時(shí)的安全行為。

虛擬世界提供了一個(gè)適當(dāng)、安全且可控的環(huán)境，可以處理所要求的測(cè)試和驗(yàn)證工作的重要部分。正確選擇場(chǎng)景并生成緊密貼合現(xiàn)實(shí)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(gòu)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(dòng)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(cè)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(chǎng)景直接生成目標(biāo)信息列表，作為決策的激勵(lì)輸入，另一方面可以復(fù)現(xiàn)車輛傳感器在進(jìn)行測(cè)量和感知時(shí)的誤差統(tǒng)計(jì)特征，即感知值與真實(shí)值之間的偏差。

另一類傳感器測(cè)量模型基于對(duì)測(cè)量過程的物理描述，并且會(huì)以虛擬場(chǎng)景為基礎(chǔ)生成低級(jí)測(cè)量數(shù)據(jù)。這種類型的模型通常用于機(jī)器人研究中的各種傳感器，而用于汽車傳感器的測(cè)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(dá)傳感器的傳感器測(cè)量模型。該激光雷達(dá)模型基于光線跟蹤法對(duì)測(cè)量過程進(jìn)行仿真。這樣就可以在仿真環(huán)境內(nèi)實(shí)時(shí)生成激光雷達(dá)點(diǎn)云。通過直接比對(duì)來自實(shí)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(dāng)?shù)闹笜?biāo)來量化傳感器模型的準(zhǔn)確性和有效性。

傳感器測(cè)量模型

A. 傳感器模型的實(shí)時(shí)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(dá)傳感器。此類傳感器通過測(cè)量由靶面反射的激光脈沖的傳播時(shí)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(gè)視場(chǎng)上連續(xù)移動(dòng)所發(fā)射的激光束以及所選擇的光學(xué)探測(cè)器陣列的視場(chǎng)。目前市面上可買到的大多數(shù)系統(tǒng)均采用機(jī)械旋轉(zhuǎn)鏡來執(zhí)行掃描任務(wù)。此類傳感器的工作原理適用于采用光線跟蹤技術(shù)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(diǎn)云生成

在對(duì)激光雷達(dá)傳感器的光束發(fā)射、反射和檢測(cè)進(jìn)行建模時(shí)，傳感器測(cè)量模型的相機(jī)程序會(huì)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(cè)距，就會(huì)產(chǎn)生點(diǎn)云（更多詳情請(qǐng)參見參考文獻(xiàn)1）。

傳感器模型驗(yàn)證A. 驗(yàn)證方法

為驗(yàn)證第二節(jié)所述的激光雷達(dá)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(shí)數(shù)據(jù)與模擬數(shù)據(jù)的對(duì)比。

在第一個(gè)步驟中，用實(shí)驗(yàn)車輛采集真實(shí)數(shù)據(jù)，該車配備了激光雷達(dá)傳感器、差分全球定位系統(tǒng)（DGPS）以及在 ROS（中間件）中運(yùn)行的環(huán)境模型算法，還包括占據(jù)柵格實(shí)施。然后通過第二節(jié)所述的激光雷達(dá)傳感器模型以及與實(shí)驗(yàn)車輛中完全相同的占據(jù)柵格實(shí)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(jìn)行數(shù)據(jù)交換時(shí)，采用了開放式仿真接口（OSI）。一旦采集到真實(shí)數(shù)據(jù)和模擬數(shù)據(jù)，我們就會(huì)利用Matlab分兩步對(duì)驗(yàn)證框架中的數(shù)據(jù)進(jìn)行評(píng)估。在第一個(gè)步驟中，直接將真實(shí)傳感器數(shù)據(jù)與模型輸出進(jìn)行對(duì)比。在第二個(gè)步驟中，將真實(shí)數(shù)據(jù)生成的占據(jù)柵格與表征測(cè)試車輛靜態(tài)環(huán)境的綜合激光雷達(dá)數(shù)據(jù)生成的占據(jù)柵格進(jìn)行對(duì)比。

B. 驗(yàn)證前題

為驗(yàn)證傳感器模型，需要對(duì)靜態(tài)場(chǎng)景進(jìn)行評(píng)估（見圖4）。

示意圖中顯示了兩輛車自身（E）和目標(biāo)（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(duì)逼真度的要求非常高。利用這一場(chǎng)景，我們可以展示如何對(duì)激光雷達(dá)傳感器幾何構(gòu)型的建模情況進(jìn)行測(cè)試，以及不同的構(gòu)型對(duì)所生成的點(diǎn)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(gòu)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(shí)，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(dá)傳感器的光束幾何形狀偏移會(huì)形成一個(gè)圓錐狀的點(diǎn)云，因此更適合選擇球形采樣網(wǎng)格。

C.數(shù)據(jù)評(píng)估

a.我們從對(duì)圖 6 所示的采集到的點(diǎn)云進(jìn)行定性考察來開始分析。通過觀察該點(diǎn)云可以明顯看出，與傳感器構(gòu)型1（SC1）相比，真實(shí)點(diǎn)云與傳感器構(gòu)型 2（SC2）所生成的點(diǎn)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(yàn)證的抽象級(jí)別。在這里我們還可以將掃描網(wǎng)格（SG）當(dāng)作更高的抽象級(jí)別。掃描網(wǎng)格是對(duì)點(diǎn)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(shí)間累積的掃描網(wǎng)格。

在評(píng)估環(huán)境模型輸出時(shí)，必須對(duì)現(xiàn)實(shí)場(chǎng)景重新進(jìn)行仿真，并通過來自兩個(gè)傳感器構(gòu)型的通用點(diǎn)云來計(jì)算掃描網(wǎng)格和占據(jù)柵格。掃描網(wǎng)格結(jié)果如圖 7 所示。通過將兩種傳感器構(gòu)型的掃描網(wǎng)格形態(tài)與真實(shí)數(shù)據(jù)的掃描網(wǎng)格形態(tài)進(jìn)行目視比較，我們可以看出，真實(shí)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(jié)果量化，表1 中采用了三個(gè)指標(biāo)并進(jìn)行了匯總。與點(diǎn)云評(píng)估的量化結(jié)果類似，與 SC1 相比，在來自 SC2 的掃描網(wǎng)格與真實(shí)掃描網(wǎng)格之間，這些指標(biāo)值表現(xiàn)出更低的總誤差和更高的相關(guān)性。

總結(jié)及未來工作

在本文中，我們基于汽車激光雷達(dá)傳感器的光線跟蹤法提出了一種物理驅(qū)動(dòng)的傳感器測(cè)量模型。借助于VIRES VTD，該模型可準(zhǔn)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(jí)的傳感器數(shù)據(jù)開始直至整個(gè)自動(dòng)駕駛系統(tǒng)的第一個(gè)融合階段結(jié)束的整條處理鏈，都能在虛擬環(huán)境中得以復(fù)現(xiàn)。采用上述做法不僅可以評(píng)估真實(shí)的駕駛狀況，還可以在仿真時(shí)利用靜態(tài)和動(dòng)態(tài)場(chǎng)景的高保真數(shù)據(jù)進(jìn)行重建。作為應(yīng)用示例，我們這里給出的是停車場(chǎng)上的靜態(tài)情況。我們可以通過激光雷達(dá)傳感器模型的原始數(shù)據(jù)和適當(dāng)?shù)尿?yàn)證指標(biāo)來量化內(nèi)部環(huán)境表述（即自動(dòng)駕駛功能的輸入），藉此了解真實(shí)場(chǎng)景與仿真之間的匹配程度。

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

客戶簡(jiǎn)介：

寶馬集團(tuán)（德國）

返回