面臨的挑(tiao)戰：

近年(nian)來，隨著傳感器技術和數據處理算法的不斷(duan)發展，自動駕駛系統已經取(qu)得(de)了長足的進步，使車(che)輛駕駛員和乘員的安全性(xing)及舒適性(xing)得(de)以不斷(duan)改善。但由于自動駕駛極(ji)其復雜，因此主要挑戰之一仍然(ran)是確保并驗證自動駕駛系統在公共場所(suo)使用(yong)時的安全行為。

虛(xu)擬(ni)(ni)世界提供了一個適(shi)當、安全且(qie)可(ke)(ke)(ke)控的(de)環境，可(ke)(ke)(ke)以處理(li)所要求(qiu)的(de)測試(shi)和驗證工(gong)作的(de)重要部分(fen)。正(zheng)確(que)選擇場(chang)景并(bing)生成(cheng)(cheng)緊(jin)密(mi)貼合現(xian)實的(de)虛(xu)擬(ni)(ni)傳感器數(shu)據，是(shi)虛(xu)擬(ni)(ni)開發方式得以成(cheng)(cheng)功的(de)核(he)心要求(qiu)之一。虛(xu)擬(ni)(ni)傳感器數(shu)據由(you)傳感器模型(xing)生成(cheng)(cheng)，而該(gai)模型(xing)則構成(cheng)(cheng)了虛(xu)擬(ni)(ni)環境感知的(de)核(he)心組成(cheng)(cheng)部分(fen)（圖 1）。上述(shu)感知數(shu)據是(shi)自動駕駛系統決策算(suan)法的(de)主要輸入流之一。因(yin)此，傳感器模型(xing)的(de)保真(zhen)度是(shi)確(que)保虛(xu)擬(ni)(ni)開發及(ji)測試(shi)可(ke)(ke)(ke)行性和有效性的(de)決定性因(yin)素。

來自海克斯康的解決方(fang)案(an)：

通常有兩種類型的傳感器模型：

理想傳(chuan)感(gan)器，一方面可以(yi)基(ji)于場景直接生成目標(biao)信息(xi)列(lie)表，作(zuo)為決策的激(ji)勵(li)輸入，另一方面可以(yi)復現車輛(liang)傳(chuan)感(gan)器在進行測量(liang)和感(gan)知(zhi)時的誤差統計特征，即感(gan)知(zhi)值與真實值之間的偏(pian)差。

另(ling)一(yi)類(lei)(lei)傳(chuan)感器測量(liang)模型基(ji)于對測量(liang)過程的物理(li)描述(shu)，并且會以虛擬場景為基(ji)礎生成低級測量(liang)數據(ju)。這種類(lei)(lei)型的模型通常用(yong)于機器人研究中(zhong)的各種傳(chuan)感器，而用(yong)于汽車傳(chuan)感器的測量(liang)模型還是新鮮(xian)事物。

在本文中，我(wo)們將介紹用于汽車(che)激光雷(lei)達傳(chuan)(chuan)感(gan)器的(de)傳(chuan)(chuan)感(gan)器測量(liang)模型。該激光雷(lei)達模型基于光線跟蹤法對測量(liang)過程(cheng)進(jin)行(xing)仿(fang)(fang)真(zhen)。這樣就可以在仿(fang)(fang)真(zhen)環境內實(shi)時生(sheng)成激光雷(lei)達點云。通過直接比對來自實(shi)際(ji)試駕的(de)的(de)數據與傳(chuan)(chuan)感(gan)器模型在虛擬環境中生(sheng)成的(de)虛擬數據，我(wo)們就能夠采用適當(dang)的(de)指標來量(liang)化傳(chuan)(chuan)感(gan)器模型的(de)準(zhun)確性和有(you)效性。

傳感器測量模型

A. 傳感器模(mo)型的實時光線跟蹤

我(wo)們采(cai)用的(de)是(shi)汽車工業中常用的(de)掃(sao)描(miao)式激(ji)(ji)光(guang)雷(lei)達傳感(gan)器(qi)(qi)(qi)(qi)。此類傳感(gan)器(qi)(qi)(qi)(qi)通(tong)過測量由靶(ba)面反射的(de)激(ji)(ji)光(guang)脈(mo)沖的(de)傳播時間來(lai)(lai)(lai)確定距離。通(tong)過掃(sao)描(miao)得到(dao)其角(jiao)分辨率(lv)，也就是(shi)在傳感(gan)器(qi)(qi)(qi)(qi)的(de)整個(ge)視場(chang)上(shang)連續移(yi)動(dong)所(suo)發(fa)射的(de)激(ji)(ji)光(guang)束以(yi)及所(suo)選擇的(de)光(guang)學探測器(qi)(qi)(qi)(qi)陣列(lie)的(de)視場(chang)。目前市面上(shang)可(ke)(ke)買到(dao)的(de)大多數(shu)系統(tong)均(jun)采(cai)用機械旋(xuan)轉鏡(jing)來(lai)(lai)(lai)執行掃(sao)描(miao)任務。此類傳感(gan)器(qi)(qi)(qi)(qi)的(de)工作原理適用于采(cai)用光(guang)線(xian)跟(gen)蹤技術(shu)的(de)建(jian)模方法。由 Vires VTD 駕(jia)駛仿(fang)真軟(ruan)件(jian)提供上(shang)述傳感(gan)器(qi)(qi)(qi)(qi)模型的(de)虛(xu)擬環境(jing)（圖 2），該軟(ruan)件(jian)還可(ke)(ke)以(yi)基(ji)于 Nvidia OptiX 光(guang)線(xian)跟(gen)蹤引擎來(lai)(lai)(lai)提供光(guang)線(xian)跟(gen)蹤框架。

B. 虛擬點云(yun)生成(cheng)

在對激(ji)光(guang)雷達傳感器的(de)光(guang)束發射(she)、反射(she)和(he)(he)檢測進行(xing)建模時，傳感器測量模型的(de)相機(ji)程序會(hui)(hui)為每一(yi)組方位(wei)角和(he)(he)仰角生成一(yi)條光(guang)線。如果(guo)獲(huo)得了有(you)效的(de)測距，就會(hui)(hui)產生點云(yun)（更多詳(xiang)情請參(can)見參(can)考文獻(xian)1）。

傳感器(qi)模型驗證A. 驗證方法

為驗證第(di)二(er)節所述(shu)的(de)激光雷達傳感器模型，我(wo)們建(jian)議采用圖 3 所示的(de)步驟。該方法基(ji)于真實(shi)數據與模擬數據的(de)對比。

在第一(yi)(yi)個(ge)步(bu)(bu)驟中(zhong)，用實驗(yan)車(che)輛(liang)采集(ji)(ji)真(zhen)(zhen)實數(shu)(shu)據(ju)(ju)(ju)(ju)，該(gai)車(che)配(pei)備了激(ji)光雷達傳(chuan)(chuan)感器、差分全(quan)球(qiu)定位系統（DGPS）以及在 ROS（中(zhong)間(jian)件(jian)）中(zhong)運行(xing)的(de)(de)環(huan)境模(mo)型(xing)算(suan)法，還包括占據(ju)(ju)(ju)(ju)柵(zha)格(ge)實施。然(ran)后(hou)通過第二(er)節所述的(de)(de)激(ji)光雷達傳(chuan)(chuan)感器模(mo)型(xing)以及與(yu)實驗(yan)車(che)輛(liang)中(zhong)完全(quan)相(xiang)同的(de)(de)占據(ju)(ju)(ju)(ju)柵(zha)格(ge)實現來生(sheng)(sheng)成模(mo)擬(ni)數(shu)(shu)據(ju)(ju)(ju)(ju)，但(dan)所提供的(de)(de)仿真(zhen)(zhen)數(shu)(shu)據(ju)(ju)(ju)(ju)來自(zi) VIRES VTD 中(zhong)的(de)(de)傳(chuan)(chuan)感器模(mo)型(xing)。在模(mo)型(xing)與(yu) ROS 之間(jian)進(jin)(jin)行(xing)數(shu)(shu)據(ju)(ju)(ju)(ju)交換時(shi)，采用了開放式(shi)仿真(zhen)(zhen)接(jie)口（OSI）。一(yi)(yi)旦采集(ji)(ji)到(dao)真(zhen)(zhen)實數(shu)(shu)據(ju)(ju)(ju)(ju)和模(mo)擬(ni)數(shu)(shu)據(ju)(ju)(ju)(ju)，我們就會利用Matlab分兩步(bu)(bu)對(dui)驗(yan)證框架中(zhong)的(de)(de)數(shu)(shu)據(ju)(ju)(ju)(ju)進(jin)(jin)行(xing)評(ping)估。在第一(yi)(yi)個(ge)步(bu)(bu)驟中(zhong)，直接(jie)將真(zhen)(zhen)實傳(chuan)(chuan)感器數(shu)(shu)據(ju)(ju)(ju)(ju)與(yu)模(mo)型(xing)輸出進(jin)(jin)行(xing)對(dui)比。在第二(er)個(ge)步(bu)(bu)驟中(zhong)，將真(zhen)(zhen)實數(shu)(shu)據(ju)(ju)(ju)(ju)生(sheng)(sheng)成的(de)(de)占據(ju)(ju)(ju)(ju)柵(zha)格(ge)與(yu)表征測試車(che)輛(liang)靜態環(huan)境的(de)(de)綜(zong)合激(ji)光雷達數(shu)(shu)據(ju)(ju)(ju)(ju)生(sheng)(sheng)成的(de)(de)占據(ju)(ju)(ju)(ju)柵(zha)格(ge)進(jin)(jin)行(xing)對(dui)比。

B. 驗證前題(ti)

為(wei)驗證傳(chuan)感器模(mo)型，需要對靜態場景進(jin)行評估（見圖4）。

示(shi)意圖中顯(xian)示(shi)了兩輛車自身（E）和目標（T），兩車之(zhi)間的(de)距離約為(wei) D1 = 40m。為(wei)該區域建立用于仿真程序的(de)虛擬 3D 模型，在幾(ji)何尺寸和位置(zhi)方面對(dui)(dui)逼真度的(de)要求非常高。利用這一場景，我(wo)們可以展示(shi)如(ru)何對(dui)(dui)激光(guang)雷達傳感器(qi)幾(ji)何構型的(de)建模情(qing)況進(jin)行測試，以及不(bu)同的(de)構型對(dui)(dui)所生(sheng)成的(de)點云和占據柵(zha)格有何影響。

本(ben)研究中采用(yong)了該模型(xing)方法(fa)兩種不(bu)同的(de)(de)傳(chuan)感器構型(xing) SC1 和(he) SC2。SC1 使用(yong)圖(tu) 5（a）所示(shi)的(de)(de)笛(di)卡爾(er)采樣(yang)網格生(sheng)成光(guang)線，SC2 使用(yong)圖(tu) 5（b）所示(shi)的(de)(de)球形采樣(yang)網格。通常在(zai)生(sheng)成圖(tu)像時，需要通過光(guang)線跟蹤來生(sheng)成線性分布的(de)(de)光(guang)線，因此 SC1 方法(fa)是(shi)合適的(de)(de)選擇。

然而，由于激光雷達傳(chuan)感器(qi)的(de)光束幾何形狀偏移(yi)會形成一(yi)個圓錐狀的(de)點(dian)云(yun)，因此(ci)更適合選擇球形采樣網格。

C.數據評估(gu)

a.我們從對(dui)圖 6 所(suo)示的采集到的點(dian)云進行定性(xing)考(kao)察(cha)來開(kai)始分析(xi)。通過觀察(cha)該(gai)點(dian)云可以明顯看出(chu)，與傳感器構(gou)型(xing)1（SC1）相比(bi)，真實點(dian)云與傳感器構(gou)型(xing) 2（SC2）所(suo)生成的點(dian)云更為近似。

b.如(ru)上所述，可將占據柵格視為傳感器模型(xing)驗證的(de)抽象(xiang)級別。在(zai)這(zhe)里(li)我(wo)們還(huan)可以將掃描網(wang)格（SG）當作(zuo)更高(gao)的(de)抽象(xiang)級別。掃描網(wang)格是(shi)(shi)對點云所生成的(de)占據柵格的(de)單次命中記(ji)錄(lu)，而占據柵格則是(shi)(shi)隨時(shi)間累積的(de)掃描網(wang)格。

在(zai)評(ping)估環境模型(xing)輸出時，必須對現(xian)實(shi)(shi)(shi)場景重新進行(xing)(xing)仿真，并通(tong)(tong)過來(lai)(lai)自兩個(ge)傳(chuan)感器構型(xing)的(de)(de)(de)通(tong)(tong)用點(dian)云來(lai)(lai)計算掃(sao)描(miao)(miao)網(wang)(wang)格(ge)和占據(ju)柵格(ge)。掃(sao)描(miao)(miao)網(wang)(wang)格(ge)結果如圖 7 所(suo)示。通(tong)(tong)過將兩種傳(chuan)感器構型(xing)的(de)(de)(de)掃(sao)描(miao)(miao)網(wang)(wang)格(ge)形態(tai)與(yu)真實(shi)(shi)(shi)數據(ju)的(de)(de)(de)掃(sao)描(miao)(miao)網(wang)(wang)格(ge)形態(tai)進行(xing)(xing)目視比較，我們可以看出，真實(shi)(shi)(shi)的(de)(de)(de)掃(sao)描(miao)(miao)網(wang)(wang)格(ge)與(yu)來(lai)(lai)自 SC2 的(de)(de)(de)掃(sao)描(miao)(miao)網(wang)(wang)格(ge)有著更高的(de)(de)(de)一致性。為將這(zhe)一觀(guan)察結果量(liang)化，表(biao)(biao)1 中采用了(le)三個(ge)指(zhi)標并進行(xing)(xing)了(le)匯總(zong)。與(yu)點(dian)云評(ping)估的(de)(de)(de)量(liang)化結果類似，與(yu) SC1 相比，在(zai)來(lai)(lai)自 SC2 的(de)(de)(de)掃(sao)描(miao)(miao)網(wang)(wang)格(ge)與(yu)真實(shi)(shi)(shi)掃(sao)描(miao)(miao)網(wang)(wang)格(ge)之間，這(zhe)些指(zhi)標值表(biao)(biao)現(xian)出更低的(de)(de)(de)總(zong)誤(wu)差和更高的(de)(de)(de)相關性。

總結(jie)及未來工(gong)作(zuo)

在(zai)(zai)本文中，我(wo)(wo)們(men)(men)基(ji)于(yu)汽車激光(guang)雷(lei)(lei)達(da)傳感(gan)(gan)器的(de)光(guang)線跟蹤(zong)法提(ti)出了一種物理(li)驅動(dong)的(de)傳感(gan)(gan)器測量模型(xing)。借助于(yu)VIRES VTD，該模型(xing)可準確地再現(xian)虛擬(ni)環(huan)(huan)境(jing)(jing)中的(de)完整(zheng)傳感(gan)(gan)器處理(li)鏈。此(ci)外，虛擬(ni)環(huan)(huan)境(jing)(jing)中從低層級的(de)傳感(gan)(gan)器數據(ju)開始直至整(zheng)個自(zi)動(dong)駕駛(shi)(shi)系統的(de)第一個融合階段結(jie)束的(de)整(zheng)條處理(li)鏈，都能(neng)(neng)在(zai)(zai)虛擬(ni)環(huan)(huan)境(jing)(jing)中得以(yi)復現(xian)。采用上(shang)述做法不僅(jin)可以(yi)評估真(zhen)實(shi)的(de)駕駛(shi)(shi)狀況，還(huan)可以(yi)在(zai)(zai)仿真(zhen)時(shi)利用靜態(tai)和動(dong)態(tai)場(chang)景的(de)高保真(zhen)數據(ju)進(jin)行重建。作為應用示例，我(wo)(wo)們(men)(men)這里給出的(de)是(shi)停車場(chang)上(shang)的(de)靜態(tai)情(qing)況。我(wo)(wo)們(men)(men)可以(yi)通(tong)過激光(guang)雷(lei)(lei)達(da)傳感(gan)(gan)器模型(xing)的(de)原始數據(ju)和適當的(de)驗證(zheng)指標(biao)來(lai)量化(hua)內部環(huan)(huan)境(jing)(jing)表(biao)述（即自(zi)動(dong)駕駛(shi)(shi)功能(neng)(neng)的(de)輸(shu)入），藉此(ci)了解真(zhen)實(shi)場(chang)景與仿真(zhen)之間的(de)匹(pi)配程(cheng)度。

本文給出的(de)結論表明，在采(cai)用基于球形光線*采(cai)樣網格的(de)傳感器模型時，真實(shi)數據與模擬數據之(zhi)間(jian)的(de)相關性更高。

客戶(hu)簡(jian)介：

寶馬集團（德國(guo)）

返回