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(fù)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(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(fù)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(chǔ)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(nèi)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(xué)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(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(gòu)型的建模情況進行測試，以及不同的構(gòu)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(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，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(gòu)型1（SC1）相比，真實點云與傳感器構(gòu)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(gòu)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(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(jié)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(jié)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(guān)性。

總結(jié)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(qū)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(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(yīng)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(nèi)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(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，真實數(shù)據(jù)與模擬數(shù)據(jù)之間的相關(guān)性更高。

客戶簡介：

寶馬集團（德國）

返回