三维仿真助力自动驾驶

Elektronik Automotive 对 Gaurav Tomar 的采访

简介

未来能实现碳中和出行目标的汽车将是自动驾驶的、电动的、联网的和软件定义的。在接受 Elektronik Automotive 采访时，MathWorks 的 Gaurav Tomar 谈到了三维仿真对自动驾驶的重要性。未来软件定义的、自主的、联网的和电动的汽车是实现共享碳中和出行的希望。各企业正专注于打造数字化能力，旨在从设计最好的机械部件转变成提供最先进的端到端出行和数字化服务。这样做的目的是转为提供用户体验，而这在很大程度上将通过软件来定义。为了实现这一愿景，整个行业都在围绕软件这一未来价值驱动因素进行自我重塑。我说的软件将会替我们开车，然后在我们打工作电话的同时悄悄地帮我们在最喜欢的餐馆订位，而这一切都是在车里完成的。作为该软件的重要组成部分，自动驾驶软件 (ADS) 应该完美地运行，以便乘坐者（无驾驶者）有时间进行其他活动。

1.自动驾驶汽车团队目前面临的最大挑战是什么？

自动驾驶汽车领域面临诸多挑战和障碍。只有克服了它们后才能实现 ４ 级 (L4) 或 5 级 (L5) 自动驾驶。正如近期的 IAA 所示，一些公司比其他对手更接近于解决这一挑战，并即将在欧洲开始试路测，而不仅仅是在美国。我认为这个领域的工程师们面临以下挑战：

1. 证明所设计的 ADS 足够安全可靠。为了让公众接受自动驾驶汽车，最重要的是路上的自动驾驶汽车不会造成事故。为了实现这一目标，ADS 应该在其运行设计域 (ODD) 中安全可靠地工作。如何让 ADS 保持安全可靠是当今自动驾驶汽车团队面临的最重要挑战。
2. 通过虚拟方式测试车辆以涵盖各种 ODD 的大量场景。人们普遍认为，仅靠现实世界中的测试就想验证 ADS 的性能是不切实际的。因此，工程师们必须转向以虚拟方式测试 ADS，也就是将测试规模扩展到数千个同时进行的仿真，以获得证据能够证明 ADS 在该特定 ODD 的所有可能场景中都能做出正确的决策。

2.三维驾驶仿真解决了什么问题？

我们与全球各大汽车企业合作时收集的观察结果表明，汽车企业已具备应对自身关键挑战的能力和成熟度。但近年来，这些挑战因技术进步和新功能而有所加剧，因为技术的进步让新架构应运而生，而新功能往往又依赖于其他功能的组合。各组织正在转向嵌入式软件的大规模虚拟测试。三维驾驶仿真软件有助于设计测试 ADAS 的场景和景象。这主要可以带来以下帮助：

• 通过让尽早对 ADS（包括感知、规划和控制软件）进行闭环测试成为可能缩短开发周期。
• 通过虚拟测试降低开发成本，并提供一种安全的方式来测试所有可能的边缘和危险场景。
• 使用与现实世界相关的场景对 ADS 进行虚拟验证，以满足 ISO 26262 和 SOTIF 的要求。

3.您能引导我们完成此类驾驶仿真所需的设置步骤吗？

大体来说，需要处理以下任务：

1. 准备车辆的虚拟模型。通常要使用 Simulink 等工具来实现此目的。
2. 选择合适的传感器模型并将其放置在此虚拟车辆模型上。所选的传感器模型具有适当的保真度非常重要，这样，它们才能像物理原型感知现实世界一样感知三维世界。
3. 使用 RoadRunner 等三维场景设计工具构建逼真的场景，并确保这些场景与自动驾驶汽车的目标 ODD 相对应。用户可能需要访问高清地图和其他道路与环境工件。
4. 根据测试策略设计驾驶场景。为了确保 ADS 的质量，模拟场景应该与现实世界的情况高度相关。为此，一些公司已在实施再仿真框架，其中使用来自真实试驾的数据构建虚拟场景，然后针对该场景的所有可能变体对 ADS 和虚拟车辆进行测试。
5. 将景象、场景和虚拟车辆模型导入驾驶仿真软件，对 ADS 进行仿真。

这里需要特别指出的是，创建场景、选择合适的传感器模型以及设计涵盖所有可能情况的场景是一项非常耗时的工作，通常需要几周甚至数月的时间。现有的许多解决方案无法提供高效的场景构建功能，而虚拟验证对场景和工件的质量要求始终较高。

4.因此，正确构建三维场景对于 ADS 的测试似乎至关重要。目前，这些三维场景是如何构建的呢？

是的，没错。构建精确的三维场景是三维驾驶仿真的关键步骤之一。现实世界的点云扫描、正交图像和其他矢量数据可作为设计三维场景时的有用参考。下面是一个使用 RoadRunner 等工具创建此类场景的过程的简单例子：

• 从以下任一来源导入场景参考：OpenDRIVE 公路网或高清地图，或使用 GIS 资产从头开始创建现实世界，或现有的虚拟场景。
• 编辑此次导入中感兴趣区域的公路网和车道。这些道路的长度通常为数十或数百公里。
• 使用建筑物、植被、道路构件等预置三维资产丰富场景。
• 通过使用卫星图像等视觉参考来确保场景的正确性。
• 最后，将 RoadRunner 中创建的场景导出为行业标准格式，包括 OpenDRIVE、FBX、glTF、OpenFlight、OpenSceneGraph、OBJ 和 USD。

5.使用 RoadRunner 等工具设计场景的主要优点是什么？

使用专用工具设计公路网和构建场景有很多优势。前 3 大优势如下：

• 在 RoadRunner 中创建的场景可以轻松导出为常用格式，然后可供大多数驾驶仿真器取用。这就赋予了团队高度的灵活性。以场景设计为业务的组织只需使用一款工具即可服务多家客户。借助 RoadRunner Scene Builder，可以从高清地图自动生成三维道路模型。RoadRunner 中的场景可以导出到各种仿真器和游戏引擎，包括 CARLA、Vires VTD、NVIDIA DRIVE Sim、Cognata、Metamoto LGSVL、百度 Apollo、Unity 和虚幻引擎。
• 通过 RoadRunner Asset Library，您可以使用多种逼真且视觉一致的三维模型快速填充三维场景。

6.驾驶仿真器通常需要哪种类型的信息？

通常，场景设计工具会导出两大类信息。首先是几何网格，例如场景中的道路、路缘、地形和物体。此类信息供摄像头、激光雷达和雷达等传感器模型使用。其次是语义信息，通常以 OpenDRIVE 格式导出。语义信息常用于设计或验证规划算法。

根据我的经验，一个组织中的不同团队通常会使用不同的驾驶仿真器。在这种情况下，如果有办法创建一次场景，然后将其用作所有仿真器的唯一数据源，则会很有用。

7.在这一领域，高精度地图有多重要？

随着各汽车品牌竞相追逐 SAE 自动驾驶等级，大多数自动驾驶汽车团队如今都将高清地图视为自动驾驶基础架构不可或缺的一部分。高清地图提供高度准确的道路和车道地图，包括高保真度的环境，如人行横道的准确位置、交通信号灯、道路曲率、转弯半径、路障等。这些地图通常精确到一厘米，甚至一厘米以内。自动驾驶汽车需要高清地图来处理感知算法的不一致性，就像人类在跟随 GPS 时所做的那样。

大致来说，高清地图可提供以下帮助：

1. 定位：作为感知和传感器融合算法创建的环境模型的参考。
2. 规划：高清地图中的详细信息有助于驾驶策略功能根据当前场景规划路线。
3. 软件测试：在开发软件时，高清地图有助于创建代表现实世界的虚拟场景，并用于测试 ADS。

在过去十年中，很多新型组织如雨后春笋般涌现，他们采用新的业务模式，致力于为工程团队和车队拥有者 (OEM) 提供高清地图。但由于制作和维护高清地图的成本问题，高清地图仍未得到普及，因为与汽车用的普通 GPS 地图不同，高清地图需要每隔几周而非数月修订一次。

8.有何客户用例（参考案例）可以分享吗？

在今年的 MathWorks Automotive Conference 中国汽车年会上，保时捷工程服务部门介绍了保时捷工程 ADAS 测试中心 (PEVATeC) 的工程师们如何将汽车和 ADAS 领域的最佳工具、数据源和经验相结合，创建并提供一个灵活的模块化仿真平台，以支持端到端 ADAS/AD 开发。

ADAS AD 虚拟平台助力端到端软件开发和测试 (23:31)

9.究竟如何使用三维仿真来训练自动驾驶算法？

记录的数据具有一定的局限性，因为它只能用于实际记录的场景。除了记录的数据之外，算法开发人员还需要合成数据来测试麻烦、危险或很少遇到的情况。利用适当的摄像头、激光雷达、雷达和其他传感器（如 IMU 和 GPS）模型，工程师可以通过将三维场景与其开发环境相集成（例如，使用 MATLAB 和 Simulink）来捕获合成数据（来自三维仿真）。开发人员还希望重新创建记录的数据，以便可以测试记录场景的变体。

10.展望不久的将来，MathWorks 在这个领域的下一步行动是什么？

以下几种趋势是 MathWorks 的投入的驱动因素。首先是对虚拟世界的需求。为了减少车辆测试，以及探索很难在现实世界中重现，或者重现起来不安全的场景，自动驾驶行业将继续加大仿真的采用力度。MathWorks 提供的工具可用于设计和仿真场景、景象、传感器和动力学。

推动 MathWorks 投入的第二个趋势是对多学科技能的需求。开发自动驾驶应用需要各种技能，从规划和控制到感知学科，如检测、定位、跟踪和融合。MathWorks 提供了专用工具箱来帮助您学习并运用这些学科知识。您可以在整个开发过程中使用这些工具箱指标和分析功能。

推动投入的第三个趋势是对软件的需求。我们在这方面的投资专用于强化我们的平台工具，使您能够设计、部署和测试嵌入式软件。