| EN

公司产品

● 自动驾驶仿真测试验证环境-GaiA >>

仿真测试-高效的自动驾驶验证解决方案 相较于高级驾驶员辅助系统ADAS的功能安全性验证,高等级自动驾驶系统(Level 3-5 ADS)的安全性问题暴露出对于验证工具的新挑战。与ADAS不同的是,驾驶员不必在高等级自动驾驶系统的运行中扮演不可或缺的角色。当系统不能很好地监控驾驶环境或者不能在下一刻做出正确的驾驶行为时,驾驶员无需提供相应的解决方案。根据SAE,一个ADS至少应该能够在没有驾驶员的情况下独自监控驾驶环境。这不仅对系统的功能安全提出了要求,而且对功能安全性的验证提出了更高的要求。
为了符合这一更高的验证要求,更高的验证标准和更广泛和丰富的验证测试用例成为必须。然而,随之而来的是测试验证的成本和效率问题。为了解决ADS验证测试所带来的挑战以及对其有效性和效率的要求,基于仿真的测试方法成为简化场景搭建,加速测试执行,降低测试验证成本的有利工具。
GaiA架构: GaiA (Generatable artificial interactive Automation) 系统是一款由沛岱(上海)汽车技术有限公司(PilotD Automotive)基于德国自动驾驶仿真核心技术研发的,用于自动驾驶和高级驾驶员辅助系统开发和验证的仿真工具开发架构。 软件特色: ● 多坐标系路面构建器 该软件可以构建不同宽度,长度,倾仰/侧倾角和曲线以及十字路口的路段。 可以为每个路段定义单独的摩擦系数和道路附件,如交通车道,非机动车道或人行道。另,该软件可以添加模型库中的路边对象,且可以随时扩展该库。该模块也支持采集的现实场景的重现。 ● 交通对象构建器 交通参与者(包括自行车和行人)可以轻松被生成。 他们的运动状态可以单独设置,也可以由标准自动运动模式控制。由此生成的AI智能交通可以覆盖绝大多数的现实交通状况。 ● 车辆特征 本车可以拥有真实的动态特性模型,并在车辆的不同位置为不同目的(ACC传感器,自动停车传感器等)添加感知传感器模型。从而保证模拟效率。 ● 自动测试控制 系统可以对已设置测试环境进行加载和运行,并在发生特定事件时进行记录,等待测试结束后把信息传给测试报告生成器。真正实现无人全自动测试。 ● 天气重现 GaiA的天气控制模块可以对自动测试时的天气进行改变,模拟现实环境中雨、雪等天气,甚至于这些天气对毫米波雷达等环境感知传感器和车辆控制的影响。 ● 图表绘制 在Graphics界面,GaiA可以实时绘制车辆和传感器的实时数据,便于测试工程师更高效地定位系统问题所在。 ● 丰富的高保证扩展工具模型库 GaiA中可以集成PilotD丰富的仿真工具库中的工具和模型,其中包含例如:车辆动力学双轨模型, 物理级毫米波雷达模型,物理级激光雷达模型等。基于扩展,仿真结果将更加逼真,验证结果将产品测试和开发更具有指导性意义。 ● 交互式自动驾驶仿真 GaiA提供在同一虚拟场景下,多台设有自动驾驶系统的主机互联仿真的可能性,从而使系统间交互稳定性,可靠性,以及基于交互通讯的系统功能的测试成为可能。 软件分类: ● Standard版 Standard版提供自动驾驶仿真测试的单机解决方案。该方案对单机运用进行了优化。在实现软件绝大多数功能的前提下,保证了单机运行的效率,加速测试的可能和长时间测试的能力。适合各类自动驾驶决策,传感器数据处理算法和底层控制算法的SiL验证测试。 ● Net版 Net版是基于Standard版的云计算和互动测试解决方案。
1)基于Server/Client模式的实现方式,使云端大量并行计算成为可能。并同时可以通过多台客户端链接,并批量操控仿真。
2)多用户同时在线操作,使多种自动驾驶策略或单一策略的多个样本间的互动验证测试成为可能。
● RT版 RT(Real-Time)版在实时性上做了优化,保证仿真的强实时性。使HiL/ViL等数据同步需求高的验证测试成为可能。同时,RT版提供丰富的已准备好的外部数据接口,使用户能够快速入门,立刻开始实验!

● 高保真(HiFi)环境感知传感器仿真与测试 >>

PilotD提供有各类模型用于自动驾驶环境感知传感器的测试,标定和高保真仿真,以便客户测试传感器,了解特定传感器性能,并再自动驾驶系统开发时,将传感器性能通过仿真验证考虑入内。
为了符合这一更高的验证要求,更高的验证标准和更广泛和丰富的验证测试用例成为必须。然而,随之而来的是测试验证的成本和效率问题。为了解决ADS验证测试所带来的挑战以及对其有效性和效率的要求,基于仿真的测试方法成为简化场景搭建,加速测试执行,降低测试验证成本的有利工具。
测试标定 在测试标定方面,PilotD拥有一套完善的环境感知传感器测试标定体系和流程。在通过该套测试流程后,PilotD提供客户各类传感器的各类技术指标,以及在各类特定重要工况下,传感器的性能特性,以及优缺点评价。特别是主动传感器(毫米波雷达/激光雷达)方面,PilotD甚至可以通过该流程提供环境和目标的测量和重现技术支持和服务(例如:RCS)。 仿真建模 在仿真建模方面,该类模型分为两类:主动环境感知传感器模型(例如,毫米波雷达模型,激光雷达模型,或者超声波传感器模型)和被动环境感知传感器模型(例如,摄像头模型,或者远红外传感器模型)。另外,通过PilotD的自动驾驶仿真测试验证环境-GaiA,及其灵活的内部模块化结构,以上两类模型的集成也将成为可能。集成模型可以甚至用于模拟一些目前仍然处于研发阶段的新型复合型传感器(例如,3D-TOF传感器等)。 被动环境感知传感器(摄像头/远红外传感器)的物理级仿真: 1.对于被动环境感知传感器而言,基于图像处理的识别算法,主要通过由照相机拍摄的图像的信号处理结果起作用。
2.其识别过程对于信号处理,例如,摄像头使用的A/D转换器,感光元件的非线性感光特性,动态响应特性和滤波器掩模等,的依赖性会得以重现。
3.在物理上,外界条件(例如,照明条件,天气等)对被动环境感知传感器探测到的世界的影响也被仿真出来。
主动环境感知传感器(毫米波雷达/激光雷达)的物理级仿真: 1.相较于人类可见的真实世界, 主动环境感知传感器看见的世界是完全不同的.
2.在仿真验证中,被仿真车辆需装备有高保真的虚拟环境感知传感器模型,才能使验证变得有意义。
3.我们将细致的物理现象,例如电磁波的多路径反射,或者动态传感器性能,例如探测丢失率,目标分辨率,测量不准度和“鬼影”物体都仿真出来,以便于获得传感器模型所需的高保真度。
4.作为传感器输出,用户除了可以得到标准的对象列表外,还甚至可以获得传感器接受到的电磁波的场强分布,即深层次的原始测量数据。该类数据将使传感器精准验证和高效系统开发的有效结合成为可能。
文献参考 1)Cao, Peng; Wachenfeld, Walther; Winner, Hermann: Perception Sensor Modeling for Virtual Validation of Automated Driving, in: it - Information Technology (4), Issues 57, 2015
2)Cao, Peng: Modeling Active Perception Sensors for Real-Time Virtual Validation of Automated Driving Systems. Technische Universität, Darmstadt,[Dissertation], (2018)

● 高保真(HiFi)车辆动力学仿真 >>

我司开发有基于双轨模型的测试车辆的动力学模型。
对于传统汽车的开发和调试,该模型对于车辆研发初期的参数调试和并行开发有很大意义。在车辆研发初期,当原型车辆仍未被开发出来的时候,工程师可以通过使用该高保真车辆动力学仿真模型:
1)对车辆进行调参,并预估动力学参数及车辆几何参数的修改对车辆动力学的影响。从而及时地发现被设计中的汽车潜在动力学问题和不合理性;
2)在更早的车辆研发阶段,同步并行开发车辆其他系统组件。基于车辆动力学模型仿真的车辆动力学行为,一些基于车辆动力学行为的系统,可以在没有真正原型车的情况下被开发出来。在原型车辆被生产出来后,仅需针对真实车辆的性能做部分微调。如此并行开发流程相比传统的级联式开发大大节省了汽车生产商的研发时间和成本。
对于自动驾驶车辆的开发和调试,除了以上优点外,该模型还能被结合进自动驾驶仿真测试环境(例如:PilotD的GiaA系统),以此用于探究车辆动力学行为对自动驾驶系统的探测和测量的影响,以及系统在车辆动力学极限下的响应的合理性。
通过该模型,被测车辆四轮和车身在各个坐标轴上的旋转,位移,受力以及扭矩都可以被计算出来。一方面,自动驾驶的环境感知传感器(如雷达,激光雷达,摄像头等)是固定在车身上的设备,其探测的结果大多反应本车和其他对象之间的相对关系(例如:相对速度,相对距离,相对角度等)。本车的动力学行为的不稳定性也会大大影响探测以及之后基于探测的环境理解的质量。因此,在设计自动驾驶系统以及之后的软硬件在环测试中,车辆动力学行为仿真的精度也对自动驾驶系统的运行质量和效率有决定性的影响。这也成为了该模型在自动驾驶仿真验证中不可或缺的原因之一。
另一方面,自动驾驶系统除了探测感知系统外,还包含行为决策系统和底层控制系统,这两部分的决策/控制质量与本车的动力学特性息息相关。例如,如果一辆车的制动距离相对较长,其需要的预判和行为决策就必须更早地被做出。这也成为了车辆动力学仿真对自动驾驶开发和仿真验证不可或缺的另一个原因。


高保真车辆动力学模型 1.车辆模型中必须包含一个能够真实还原车辆动力学中各个重要物理量的高保真动力学模型
2.然而,车辆动力学模型必须足够简单,以至于仿真测试验证依然能够高效地被进行
3.因此,我们开发了一款基于真实的双轨模型,且不影响仿真效率的车辆动力学模型
4.用户可以了解车身、轮胎等各部件上承载的力和扭矩的具体计算方法。在复杂应用情况,用户能对其进行相应的修改;或者在验证时,发现错误后,较易排查具体问题对应的诱发原因,是由于被测系统的设计问题,还是仿真误差。

● 基于VR\AR\MR的驾驶模拟 >>

驾驶主观感受评价
从Level 1到Level 3的自动驾驶系统的使用都离不开驾驶员的介入。无论驾驶员是否对驾驶操控本身负责,驾驶员的使用主观感受都直接影响到了驾驶安全性本身。因此,驾驶员的主观感受的评价是该类系统评价的一类重要指标。另外,即使是针对Level 4以上的自动驾驶系统,驾驶员的主观感受也至关重要的。这是系统乘坐舒适性最直接的体现形式。综上,驾驶员的主观评价是体现自动驾驶系统质量甚至于安全性指标的一个重要标准。
驾驶模拟器 驾驶模拟器在国内外被认定为在自动驾驶开发中测试并提升驾驶员主观感受的主要途径之一。驾驶模拟器的优点在于:
1)驾驶模拟器可以在自动驾驶系统开发初期提供驾驶员完整的驾驶或乘坐感受。在此过程中,无需构建复杂的硬件原型,或者原型车辆。
2)所有算法和硬件(如:弹簧阻尼系统)的更换和调整都可以简单通过参数化设置实现,而无需变更硬件或者由调整硬件带来的大量的装卸和人力成本。
然而,使用驾驶模拟器的来评价驾驶员的主观感受对驾驶模拟器的还原真实度提出了挑战。PilotD将视觉还原领域最新的虚拟现实(AR\VR\MR)技术运用到了驾驶模拟器的构建中,结合驾驶环境仿真平台GaiA,还原最真实的驾驶感受,是驾驶员主观感受测评变得精准且具有说服力。
从VR到AR在到MR的过程体现了虚拟现实技术的三个阶段。
VR VR(Virtual Reaity,虚拟现实)技术是将将人类的探索和交互集成到由计算机生成的三维世界的技术。VR是AR和MR的开始和基础。通过VR,人类主要可以在纯虚拟的世界中,自由观察世界并做出一些行为来改变观察的角度。VR设备的能力限制了人类可以在该三维的环境中做出的行为的维度。一般分三维和六维两种。PilotD的VR重现可以实现六维探索。该设备可以支持驾驶员在X,Y,Z三轴上的平移和旋转,提供最真实的驾驶舱体验。 AR AR(Augmented Reality,增强现实)技术是VR技术的衍生。如果说,VR技术是纯虚拟的视觉还原。AR技术就是虚拟世界和真实世界叠加的视觉还原。在自动驾驶仿真和视觉还原中,仅仅使用VR视觉的还原真实度是不够的。在VR世界中,驾驶员的手、脚,以及各类HMI(如方向盘,刹车油门踏板等操作原件)都是通过计算机仿真出来的三维对象。三维对象的行为并不一定对应驾驶员自己的行为,从而带来了不真实感并无法适应。驾驶对于人类是一项复杂且半基于条件反射的操作行为。任何一项不真实感都会导致人类的主观感受差异,从而导致评价质量有差异。PilotD在VR的基础上也将AR技术集成到了驾驶模拟器中。该系统能自动定位车外场景的在驾驶员视角中的位置并予以重现。而在驾驶员视线中的方向盘等HMI原件,以及在HMI原件上操作的手或脚都是真实世界的景象。从而避免了上述不适感,进一步提升了主观感受测量和评价的品质。 MR MR(Mixed Reality,混合现实/高保真AR)技术是AR技术在真实度上改善和提升。MR会在AR的基础上,进一步分析真实世界的信息,并将AR技术中生成的虚拟世界部分更加准确地嵌入真实世界中。基于MR技术的驾驶仿真器将提供更加强大的抗干扰能力,并使驾驶舱内的真实情景和驾驶舱外的虚拟场景更加完美地结合,以提供给驾驶员最逼真的驾驶体验。