適用于智能汽車并發(fā)實(shí)時(shí)仿真的高效率傳感器功能模型

歐洲 PEGASUS 指出，對(duì)于三級(jí)及以上的自動(dòng)駕駛系統(tǒng)需要進(jìn)行虛擬仿真測(cè)試。虛擬傳感是虛擬測(cè)試中的一個(gè)重要環(huán)節(jié)，虛擬傳感器模型的質(zhì)量決定了在仿真中獲得的真實(shí)感程度，利用虛擬環(huán)境下環(huán)境感知傳感器進(jìn)行仿真建模測(cè)試，不僅可以在短期內(nèi)實(shí)現(xiàn)對(duì)多種路況進(jìn)行再現(xiàn)測(cè)試以及對(duì)危險(xiǎn)的駕駛情況進(jìn)行測(cè)試，而且可以突破時(shí)間限制不間斷地測(cè)試，能夠大大縮短產(chǎn)品測(cè)試周期，成本也比較低。

在建立智能汽車的傳感器仿真模型時(shí)，一般可以分為物理模型建模和功能模型建模。物理模型對(duì)傳感器的具體物理結(jié)構(gòu)和物理原理進(jìn)行模擬，體現(xiàn)了傳感器的物理特性。

此外，智能汽車控制器測(cè)試驗(yàn)證需要復(fù)雜的交通環(huán)境，其中的交通車輛模擬也需要帶傳感器的智能汽車模型，計(jì)算量大大增加，對(duì)計(jì)算效率要求更加嚴(yán)苛，每個(gè)傳感器的計(jì)算都需要在微秒級(jí)完成，上述兩種傳感器模型大都還不適用于復(fù)雜交通場(chǎng)景模型。

針對(duì)上述研究現(xiàn)狀，本文中建立了虛擬環(huán)境下可以適用于多智能汽車并發(fā)實(shí)時(shí)仿真的高效率傳感器功能模型，可以模擬一定的物理現(xiàn)象，并對(duì)模型功能和性能進(jìn)行了有效驗(yàn)證，且在并發(fā)仿真條件下對(duì)計(jì)算效率進(jìn)行了驗(yàn)證。

1.傳感器功能模型的建立

１.１模型框架

為建立虛擬環(huán)境下的傳感器功能模型，本文中搭建了如圖 １所示的傳感器框架。模型的輸入包括本車狀態(tài)、仿真場(chǎng)景、傳感器參數(shù)和環(huán)境參數(shù) ４部分。模型的功能模塊由對(duì)象提取、遮擋模擬、輸出模擬和誤差模擬組成。對(duì)象提取，是按照傳感器的位置、感知范圍、感知對(duì)象類型從仿真場(chǎng)景中快速提取出被感知對(duì)象。

遮擋模擬，根據(jù)對(duì)象的幾何輪廓和它們相對(duì)傳感器的位置關(guān)系，按照?qǐng)D形幾何學(xué)確定出最終的可見(jiàn)對(duì)象。輸出模擬，根據(jù)傳感器自身特性、被感知對(duì)象的輸出格式，為需要對(duì)外輸出的可見(jiàn)對(duì)象計(jì)算理想的輸出數(shù)據(jù)，得到理想待輸出對(duì)象。誤差模擬，表征傳感器特性，在理想待輸出對(duì)象的輸出數(shù)據(jù)上加入高斯白噪聲，形成最終的感知輸出。

１.２對(duì)象提取

為滿足大規(guī)模仿真場(chǎng)景中多車傳感器需求，快速對(duì)象提取是基礎(chǔ)?？焖偬崛〉?a href="http://www.wenjunhu.com/v/tag/773/" target="_blank">工作原理如圖 ２所示，將仿真空間在慣性系下按照二維平面劃分為連續(xù)的正方形網(wǎng)格，所有物體每一時(shí)刻在幾何上必將屬于正方形網(wǎng)格中的一個(gè)或幾個(gè)。為每個(gè)需要對(duì)外提供信息的物體創(chuàng)建一個(gè)被截取對(duì)象，根據(jù)類型的不同，將被截取對(duì)象句柄存儲(chǔ)在所屬正方形網(wǎng)格中不同對(duì)象層的對(duì)象鏈表中。

為每一個(gè)需要獲取其他物體信息的模塊創(chuàng)建一個(gè)截取模型，每個(gè)截取模型將根據(jù)傳感器作用范圍先用一個(gè)簡(jiǎn)單幾何輪廓進(jìn)行截取，比如圖 ２中所示的圓形范圍，根據(jù)截取范圍所覆蓋的正方形網(wǎng)格，截取模型對(duì)象可以訪問(wèn)正方形網(wǎng)格中不同對(duì)象層中的被截取對(duì)象，從而實(shí)現(xiàn)對(duì)被截取對(duì)象的快速截取。最后，根據(jù)傳感器的幾何探測(cè)范圍從被截取對(duì)象中按照幾何裁剪原理，進(jìn)一步提取傳感器目標(biāo)對(duì)象。

１.３遮擋模擬

陰影體算法，是計(jì)算機(jī)圖形學(xué)領(lǐng)域計(jì)算點(diǎn)光源產(chǎn)生陰影效果的一種經(jīng)典算法?；陉幱绑w算法，本文中提出了一種在二維平面內(nèi)判斷對(duì)象之間遮擋關(guān)系的快速算法，其原理如圖 ３所示。定義主車車體坐標(biāo)系 Ｖ，傳感 方向重合，Ｙ軸方向均指向左側(cè)，車體坐標(biāo)系原點(diǎn)位于車體質(zhì)心，傳感器坐標(biāo)原點(diǎn)位于傳感器安裝點(diǎn)。

定義待處理對(duì)象的幾何輪廓模型為平面有向包圍盒，如圖３（ａ）中表示待處理對(duì)象 １的矩形Ａ１Ｂ１Ｃ１Ｄ１，忽略對(duì)象不同表面材質(zhì)對(duì)感知結(jié)果的影響。

定義待處理對(duì)象的可見(jiàn)三角形，是在傳感器坐標(biāo)系下以傳感器坐標(biāo)原點(diǎn) Ｓ為一個(gè)頂點(diǎn)，從待處理對(duì)象 ４個(gè)頂點(diǎn)中選出角 Ｓ最大時(shí)的兩個(gè)頂點(diǎn)形成的三角形，如圖３（ａ）所示，待處理對(duì)象 ２的可見(jiàn)三角形為ΔＡ２ＳＢ２，可見(jiàn)三角形離 Ｘ軸最近的邊與 Ｘ軸的夾角為最小可見(jiàn)角，可見(jiàn)三角形離 Ｘ軸最遠(yuǎn)的邊與：

對(duì)待處理對(duì)象是否被遮擋進(jìn)行判斷。如圖３（ａ）所示，待處理對(duì)象 ３的可見(jiàn)三角形與待處理對(duì)象 1 的輪廓相交，則待處理對(duì)象 ３被遮擋，而待處理對(duì)象 ２則不會(huì)被遮擋；對(duì)于被遮擋的對(duì)象，可進(jìn)一步根據(jù)兩個(gè)對(duì)象的最大、最小可見(jiàn)角，判斷被遮擋的對(duì)象是否仍有部分輪廓對(duì)傳感器可見(jiàn)，依次遍歷待處理對(duì)象列表中的每一個(gè)對(duì)象，判斷當(dāng)前正在遍歷的對(duì)象幾何輪廓是否與輸入對(duì)象的可見(jiàn)三角形相交。

如果相交，則當(dāng)前正在遍歷的對(duì)象已經(jīng)對(duì)輸入對(duì)象形成了遮擋，如果傳感器能夠?qū)χ挥胁糠州喞梢?jiàn)的對(duì)象進(jìn)行感知，則需進(jìn)一步比較可見(jiàn)角。

如圖３（ｂ）所示，待處理對(duì)象 １的輪廓與待處理對(duì)象 ２的可見(jiàn)三角形相交，但是因?yàn)椋害眨玻恚幔睛眨保恚幔睛眨玻恚椋睿睛眨保恚椋?，所以待處理?duì)象仍有部分輪廓（圖３（ｂ）中加粗線條部分）對(duì)傳感器是可見(jiàn)的，激光雷達(dá)和毫米波雷達(dá)可將這部分輪廓識(shí)別為對(duì)象。

激光雷達(dá)感知對(duì)象實(shí)際輪廓的確定。在激光雷達(dá)建模計(jì)算過(guò)程中，可以根據(jù)激光雷達(dá)的掃描角度范圍、水平角度分辨率，在激光雷達(dá)坐標(biāo)系下預(yù)先計(jì)算出代表每條激光束的線段，并按掃描角度由小到大順序存儲(chǔ)，如圖 ４所示。

當(dāng)已知對(duì)象的最大、最小可見(jiàn)角為 φｍａｘ，φｍｉｎ時(shí)，可按照如下關(guān)系得到與對(duì)象可見(jiàn)輪廓相交的角度最大、最小的激光束線段標(biāo)號(hào)。得到兩條激光束與對(duì)象可見(jiàn)輪廓的交點(diǎn)，快速獲得對(duì)象實(shí)際被激光雷達(dá)掃描到的輪廓范圍。

１.４輸出模擬

輸出模擬是將快速提取到的大地坐標(biāo)系下的對(duì)象信息轉(zhuǎn)換到傳感器坐標(biāo)系、車體坐標(biāo)系下，并根據(jù)傳感器的實(shí)際輸出生成輸出量。

對(duì)于激光雷達(dá)模型，根據(jù)得到感知對(duì)象的輪廓，計(jì)算出形心位置，并根據(jù)對(duì)象的角度、速度等信息，主車的位置、運(yùn)動(dòng)狀態(tài)，以及雷達(dá)相對(duì)主車的安裝位置，利用運(yùn)動(dòng)學(xué)關(guān)系及坐標(biāo)變換，計(jì)算出對(duì)象在車體坐標(biāo)系下的形心位置、速度、橫擺角。

對(duì)于毫米波雷達(dá)模型，根據(jù)可見(jiàn)輪廓計(jì)算出對(duì)象相對(duì)雷達(dá)的最近點(diǎn)作為反射點(diǎn)，利用運(yùn)動(dòng)學(xué)關(guān)系及坐標(biāo)變換將距離、角度、徑向相對(duì)速度從大地坐標(biāo)系轉(zhuǎn)換到雷達(dá)坐標(biāo)系。

對(duì)于照相機(jī)模型，將機(jī)動(dòng)車、行人等典型交通參與物的位置、寬度等信息，進(jìn)行坐標(biāo)變換，轉(zhuǎn)化到車體坐標(biāo)系下進(jìn)行輸出。對(duì)于車道標(biāo)線和道路邊沿，直接選取感知范圍內(nèi)等間隔的若干離散點(diǎn)，按照預(yù)先設(shè)定多項(xiàng)式擬合公式計(jì)算擬合參數(shù)并輸出。

１.５噪聲模擬

目前大多數(shù)傳感器功能模型對(duì)誤差的模擬方法都是在理想輸出結(jié)果上添加噪聲來(lái)實(shí)現(xiàn)，雖然很多傳感器感知結(jié)果中的噪聲是具有一定頻率范圍的有色噪聲，而且對(duì)同一對(duì)象不同狀態(tài)變量的感知結(jié)果可能存在相關(guān)性，但是目前大多數(shù)文獻(xiàn)都將其簡(jiǎn)化為彼此獨(dú)立的高斯白噪聲，在多數(shù)情況下可以滿足仿真需要，因此，本文中采用高斯白噪聲來(lái)模擬傳感器的噪聲，噪聲水平可根據(jù)實(shí)際傳感器進(jìn)行設(shè)置。

2.傳感器功能模型的仿真驗(yàn)證

本文中分別參照德?tīng)柛?ＥＳＲ毫米波雷達(dá)參數(shù)、Ｉｂｅｏ四線激光雷達(dá)參數(shù)、德?tīng)柛?ＩＦＶ３００單目照相機(jī)參數(shù)分別建立了 ３個(gè)傳感器模型，對(duì)模型進(jìn)行仿真驗(yàn)證如下。

２.１毫米波雷達(dá)模型

２.１.１功能驗(yàn)證

ＥＳＲ毫米波雷達(dá)模型能夠感知各種移動(dòng)和靜止的障礙物，將感知結(jié)果表示為質(zhì)點(diǎn)。毫米波功能模型模擬了毫米波雷達(dá)對(duì)目標(biāo)徑向相對(duì)距離、徑向相對(duì)速度、角度的感知。

圖 ５所示為毫米波雷達(dá)模型在復(fù)雜交通環(huán)境中的感知結(jié)果，模型同時(shí)檢測(cè)了車輛和靜止障礙物，并將正前方車輛識(shí)別為ＡＣＣ跟蹤目標(biāo)。另外，該驗(yàn)證是在加了高斯白噪聲之后的圖片示例，其余未標(biāo)注的是該時(shí)刻下的噪點(diǎn)。

圖５（ａ）為虛擬場(chǎng)景的截圖，其中包括車輛和路邊的燈桿，圖５（ｂ）為近程和遠(yuǎn)程毫米波雷達(dá)感知結(jié)果。從圖中可以看出，毫米波雷達(dá)可以探知前方的車輛和燈桿，并標(biāo)注本車道前方車輛 ４車作為ＡＣＣ跟蹤目標(biāo)，同時(shí)表征了車輛間的遮擋關(guān)系，此時(shí)主車速度為３０ｋｍ／ｈ，目標(biāo)車車速為５０ｋｍ／ｈ。

圖 ６所示為毫米波雷達(dá)模型彎道探測(cè)過(guò)程示意圖。圖６（ａ）和圖 ６（ｂ）所示為對(duì)面來(lái)車未進(jìn)入主車毫米波雷達(dá)探測(cè)范圍時(shí)的探測(cè)結(jié)果，圖６（ｃ）和圖 ６（d）為對(duì)面來(lái)車進(jìn)入主車毫米波雷達(dá)探測(cè)范圍中的探測(cè)結(jié)果，本圖中關(guān)閉了對(duì)路燈桿的探測(cè)顯示，此時(shí)主車車速為０，目標(biāo)車車速為 ５０ｋｍ／ｈ。

圖 ７所示為毫米波雷達(dá)在前車換道工況的探測(cè)結(jié)果。圖７（ａ）和圖 ７（ｂ）所示為前車在進(jìn)行換道時(shí)的探測(cè)結(jié)果，此時(shí) ２車正在進(jìn)行換道，并對(duì) 3 車和 4 車形成遮擋。

圖 ７（ｃ）和圖 ７（ｄ）為前車換道完成后的探測(cè)結(jié)果，此時(shí)２車已經(jīng)換道完畢，與 3 車和 4 車位于同一車道，其中未標(biāo)注的點(diǎn)為路燈桿，此時(shí)主車車速為０，目標(biāo)車車速為 ５０ｋｍ／ｈ。

２.１.２性能驗(yàn)證

為驗(yàn)證毫米波雷達(dá)感知的精度，將一輛長(zhǎng)４.２ｍ、寬 １.８ｍ的靜止車輛分別置于前方 １４.９，３４.９，５４.９，８４.９，１２４.９和 １６４.９ｍ處，角度均為－０.２７５７°處，毫米波雷達(dá)模型探測(cè)結(jié)果如圖 ８所示。

其中設(shè)置的理想距離方差和理想角度方差均為σ＝０.５／３＝０.１６６７，實(shí)際探測(cè)距離方差平均值為０.１６６３，實(shí)際探測(cè)角度方差平均值為 ０.１５８２。由此可以看出，本文中所建立的毫米波雷達(dá)可較為精準(zhǔn)地模擬探測(cè)障礙物，且探測(cè)精度較高。

２.２激光雷達(dá)模型

本文中所建立的激光雷達(dá)模型可以感知各種移動(dòng)、靜止的障礙物，計(jì)算出其幾何輪廓，估計(jì)分類，并模擬激光雷達(dá)對(duì)目標(biāo)相對(duì)位置、速度、幾何輪廓的感知過(guò)程。

２.２.１功能驗(yàn)證

圖９所示為激光雷達(dá)模型在復(fù)雜交通環(huán)境中對(duì)周圍的車輛進(jìn)行有效的感知結(jié)果，模型模擬了遮擋效果因此只能感知近處車輛，而且被感知的車輛幾何輪廓并不相同，距離較近且位于主車兩側(cè)的車輛可返回較為接近真實(shí)值的長(zhǎng)度，距離較遠(yuǎn)且位于主車正前方的車輛只能返回寬度，長(zhǎng)度值很小。

圖１０所示為激光雷達(dá)在前車形成遮擋工況的探測(cè)結(jié)果。圖１０（ａ）和圖１０（ｂ）所示為前車１車對(duì)２車存在遮擋，使得２車被激光雷達(dá)探測(cè)到的部位

長(zhǎng)度小于所設(shè)定的閾值，因此２車不可見(jiàn)。

圖１０（ｃ）和圖１０（ｄ）為前車１車以高于２車的車速繼續(xù)行駛，此時(shí)２車被１車遮擋的部位不斷減少，激光雷達(dá)所能探測(cè)到的部位大于所設(shè)置的閾值，但其側(cè)面未探測(cè)到，因此２車只有車身寬度卻沒(méi)有車身長(zhǎng)度顯示。

２.２.２性能驗(yàn)證

為驗(yàn)證激光雷達(dá)的感知精度，將主車置于原點(diǎn)，目標(biāo)車坐標(biāo)：Ｘ＝８０ｍ，Ｙ＝０，Ｚ＝０，規(guī)格：４.２ｍ×１.８ｍ，雷達(dá)安裝位置：Ｘ＝０，Ｙ＝０，Ｚ＝０，激光雷達(dá)模型探測(cè)數(shù)據(jù)如表１所示。由表１可見(jiàn)，本文中所建立的激光雷達(dá)仿真模擬探測(cè)障礙物時(shí)，距離探測(cè)值和寬度探測(cè)值均與理想值高度一致。

２.３照相機(jī)模型

本文中所建立的照相機(jī)模型模擬了照相機(jī)對(duì)車輛相對(duì)位置、縱向速度、寬度、類型和車道標(biāo)線的感知過(guò)程。

２.３.１功能驗(yàn)證

本文中所建立的照相機(jī)模型能夠?qū)β访娴能嚨罉?biāo)線（本文中設(shè)置為４條，主車左右各兩條）進(jìn)行感知，并且適用于彎道、匝道等道路情況。整體感知結(jié)果如圖１１所示。

２.３.２性能驗(yàn)證

有噪聲情況下，目標(biāo)車：４.２ｍ×１.８ｍ，照相機(jī)安裝位置：Ｘ＝＋３ｍ，Ｙ＝０，Ｚ＝０，縱向距離探測(cè)精度：２ｍ，σｘｅｘｐ＝２／３＝０.６６６７，橫向距離探測(cè)精度：０.５ｍ，σｙｅｘｐ＝０５／３＝０.１６６７。目標(biāo)寬度探測(cè)精度：０.５ｍ。照相機(jī)模型探測(cè)數(shù)據(jù)結(jié)果如表２所示。

由表２可見(jiàn)，本文中所建立的照相機(jī)模型模擬探測(cè)障礙物時(shí)，實(shí)際的探測(cè)距離值和寬度值與理想值基本一致，實(shí)際的距離方差和寬度方差也均與理想值偏差較小。

3.模型計(jì)算效率驗(yàn)證和結(jié)論

本文中所建立的傳感器模型，在滿足實(shí)時(shí)計(jì)算的同時(shí)，提高了計(jì)算效率，并能用于仿真場(chǎng)景中的多臺(tái)智能汽車。

為測(cè)試本文中所建立的３種傳感器模型，在普通ＰＣ機(jī)上分別為每種傳感器同時(shí)運(yùn)行１０個(gè)參數(shù)完全相同的傳感器模型實(shí)例，統(tǒng)計(jì)每個(gè)傳感器模型實(shí)例運(yùn)行１００００次的平均用時(shí)，結(jié)果如表３所示。

計(jì)算機(jī)處理器型號(hào)為Ｉｎｔｅｌ（Ｒ）Ｃｏｒｅ（ＴＭ）ｉ７－４７９０，主頻３.６ＧＨｚ。仿真結(jié)果表明，本文中所建立的傳感器功能模型在反映傳感器必要物理特性的同時(shí)，計(jì)算效率也非常高，用時(shí)均在０.２ｍｓ以下，而且支持并發(fā)運(yùn)行，為在虛擬測(cè)試平臺(tái)上進(jìn)行多智能汽車并發(fā)仿真創(chuàng)造了條件。

結(jié)論

基于上述建?？蚣芗瓣P(guān)鍵方法，參照車載傳感器產(chǎn)品參數(shù)，本文中所建立的毫米波雷達(dá)、激光雷達(dá)、照相機(jī)模型能夠模擬物體之間的遮擋、傳感器感知誤差等物理特性。并在一臺(tái)計(jì)算機(jī)上并發(fā)運(yùn)行幾十個(gè)傳感器模型，各模型計(jì)算周期均在亞毫秒級(jí)，能夠支持多智能汽車同時(shí)參與的復(fù)雜測(cè)試場(chǎng)景實(shí)時(shí)仿真。

編輯：hfy