广告
技术科普丨自动驾驶仿真测试场景库研究（下篇）
自动驾驶仿真测试有三个重要构成，分别是场景库、仿真平台以及评价体系。其中，场景库是仿真平台发展的重要支撑，是评价体系建立的参考基础。关于场景库的学问很多：场景库有哪些搭建环节？为什么建立统一的场景库如此困难？让我们一起来研究！
01、自动驾驶仿真测试场景库的搭建流程有哪些？
自动驾驶的研发测试与测试场景库的搭建相互促进，相互支撑。测试场景库的科学、有序搭建为自动驾驶研发测试工作提供有效支持，自动驾驶研发测试反过来给场景库提供反馈意见，丰富场景库。
场景库的搭建可分为三层：数据层、场景层、应用层。
1）第一步——场景数据采集场景库的数据主要来源于真实采集数据和虚拟数据。真实数据包括：
-
路侧监控系统数据：路侧监控24小时不间断分析提取的场景；
-
车载采集系统数据：通过车载传感器采集各种车载数据；
-
事故数据：历史交通事故数据。
虚拟数据包括：标准规范场景：自适应巡航控制（ACC）和自动紧急制动（AEB）等规范中提到的场景
-
人为构造场景：通过理论分析构造的场景
-
驾驶模拟器场景：驾驶模拟器等生成的场景
真实数据源和虚拟数据源相互配合，可全天候采集同一地点的多种场景、可发现主车周围车辆之外的车辆行为、可获取海量车辆历史行为、更容易发现边缘场景。
场景数据的预处理技术包括场景数据在线处理和场景数据离线处理。场景数据在线处理可分为摄像头数据在线处理、激光雷达数据在线处理、毫米波雷达数据在线处理、定位传感器数据在线处理、多传感器数据同步与融合处理。场景数据离线处理可分为数据抽取与数据清理。
2）第二步——场景分析挖掘场景分析挖掘是场景库搭建的第二步，需要将所获取的数据进行如场景理解、特征提取挖掘等处理，统一格式后导入场景库中。在此基础上，围绕场景进行聚类、生成和优化等处理，从而构建出不同的场景。
-
场景理解：要对采集到的交通场景进行挖掘分析，第一步就是场景理解，而场景理解涉及诸多子任务，包括目标检测、区域标注和3D重建等；
-
特征提取：对场景进行数值化描述，以便场景的进一步应用；
-
场景聚类：通过场景分类器将具有相同特征信息的场景进行聚类，如通过车辆的轨迹信息来对具有相似曲线形状的车辆轨迹进行聚类，把不同轨迹的场景分到不同类别中；
-
场景生成：为提高场景覆盖率，需要对已采集到的场景进行推演和归纳处理，从而衍生出更多合理的场景，也就是场景重构。事实上，基于机器学习的系统类似不透明的黑盒子，无法对其内部机制进行覆盖测试，但可以通过覆盖出入参数优化覆盖率。
3）第三步——测试验证
测试验证是构建场景库的最后一步，通过调用场景库中的场景为虚拟场景测试（模型在环MIL、软件在环SIL、硬件在环HIL、实车在环VIL）和实车场景测试（道路在环、功能安全），确认场景的真实性、代表性和有效性。同时，应用层还会将测试结果反馈给场景库，让其对分析挖掘方法进行修正，或根据需求重构场景，逐步补充完善更新场景库。
02、建立统一自动驾驶仿真测试场景库有哪些挑战？
目前在自动驾驶仿真场景库建设方面，存在场景库数据格式标准不统一这一问题，导致难以形成全国统一的场景库，自动驾驶仿真测试的评价、认证体系也因此难以建立，大大阻碍了我国自动驾驶汽车行业的发展。场景库数据格式标准不统一的主要原因包括：1）场景库数据格式标准制定涉及工信部、公安部、交通部，由于各部委关于数据格式的定义和管辖范围不一致，既无牵头制定单位，也无有效协调机制，导致标准制定落后于市场进程。2）国家尚未出台统一的智能网联汽车测试基地技术认定标准和汽车测试评价体系，加之各地智能网联汽车测试基地具有不同的场地设施、不同场景、不同检测流程和办法、不同测试能力，导致各测试基地测试标准和测试结果无法互认共享。3）车厂在传统动力学仿真方面习惯使用传统仿真软件，科技公司在仿真软件研发方面主要依赖自主创新，仿真软件应用基础和习惯的不同导致当前场景库数据格式标准的制定难以得到车厂和科技公司的一致认可。
广告
最新资讯
-
利用 Intrinsic Flowstate 和 NVIDIA Isaac
2024-05-16 19:36
-
沃尔沃EX30：斯堪的纳维亚设计美学的代表之
2024-05-16 18:04
-
2024年Q2 ASAM中国会员交流会成功召开
2024-05-16 16:44
-
NVH基础知识: 基于FFT分析的阶次说明
2024-05-16 16:37
-
imc支持高校大规模科研设备更新——教育新
2024-05-16 16:20
广告
广告
