詹 軍，董學(xué)才，洪 峰，管 欣，王戰(zhàn)古

（吉林大學(xué)，汽車仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)春 130022）

前言

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［1］。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［2-3］。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［4］，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［5］。

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。例如K?rnfelt等人［6］采用線型調(diào)頻技術(shù)，開(kāi)發(fā)了一個(gè)全系統(tǒng)雷達(dá)模擬器，在硬件實(shí)現(xiàn)之前，可以研究雷達(dá)不同的結(jié)構(gòu)、調(diào)制格式和檢測(cè)算法。Pro-SiVIC采用射線追蹤并考慮反射情況的方法建立了毫米波物理模型，模擬了其天線工作過(guò)程和信號(hào)傳播過(guò)程，實(shí)現(xiàn)了在移動(dòng)目標(biāo)較少的工況下的運(yùn)行［7-9］。鄧偉文基于調(diào)頻連續(xù)波的頻移鍵控和線性調(diào)頻雷達(dá)模型，采用擴(kuò)展卡爾曼濾波方法對(duì)多目標(biāo)進(jìn)行跟蹤［10-11］，驗(yàn)證了其在具有自適應(yīng)巡航控制系統(tǒng)的幾種典型場(chǎng)景下的有效性。

功能模型忽略了傳感器的測(cè)量過(guò)程直接輸出各個(gè)對(duì)象被感知的結(jié)果［12］。例如陳金令等［13］考慮了激光雷達(dá)距離方程、噪聲模型、接收信噪比模型，建立了激光雷達(dá)系統(tǒng)的數(shù)值仿真模型，有助于雷達(dá)系統(tǒng)實(shí)驗(yàn)的方案設(shè)計(jì)和性能改進(jìn)。張素民［5］提出的傳感器功能框架模型，采用圓錐體與平面、線段的相交測(cè)試算法和最短距離點(diǎn)的求解算法對(duì)模型進(jìn)行構(gòu)建，并在其交互式駕駛場(chǎng)景中驗(yàn)證了其模型關(guān)鍵方法的可行性和有效性。韓飛等［14］采用分析真實(shí)相機(jī)中常見(jiàn)的參數(shù)計(jì)算相對(duì)應(yīng)的虛擬相機(jī)參數(shù)，計(jì)算虛擬相機(jī)的相關(guān)參數(shù)，渲染出該虛擬相機(jī)的色彩圖像和深度圖像的方法，建立了虛擬相機(jī)模型。

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。

圖1 傳感器功能模型的框架

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)［15］?？焖偬崛〉墓ぷ髟砣鐖D2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。

圖2 快速提取方法工作原理

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［16］?；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，傳感器坐標(biāo)系S，兩者X軸方向重合，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X軸的夾角稱為最大可見(jiàn)角，如圖3（a）中的φ2max，φ2min，此時(shí)有如下關(guān)系成立：

同理，可得圖3（a）中待處理對(duì)象3的可見(jiàn)三角形為ΔD3SB3，最大可見(jiàn)角、最小可見(jiàn)角分別為φ3max，φ3min。

圖3 快速遮擋算法的假設(shè)與原理

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)?φ2max＞φ1max＞φ2min＞φ1min，所以待處理對(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。

式中：αstart為掃描角度范圍的起始；β為水平角度分辨率；indexmax和indexmin分別為與對(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)。

圖4 激光束計(jì)算原理

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)［17-18］。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［3］，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SR毫米波雷達(dá)參數(shù)、Ibeo四線激光雷達(dá)參數(shù)、德?tīng)柛FV300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30 km／h，目標(biāo)車車速為50 km／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50 km／h。

圖5 毫米波雷達(dá)模型感知結(jié)果

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車形成了遮擋。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50 km／h。

圖7 毫米波雷達(dá)換道工況感知結(jié)果

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)4.2 m、寬1.8 m的靜止車輛分別置于前方14.9，34.9，54.9，84.9，124.9和 164.9 m處，角度均為-0.275 7°處，毫米波雷達(dá)模型探測(cè)結(jié)果如圖8所示。

圖8 有噪聲毫米波雷達(dá)探測(cè)結(jié)果

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0.166 3，實(shí)際探測(cè)角度方差平均值為0.158 2。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9 激光雷達(dá)模型感知結(jié)果

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＝80 m，Y＝0，Z＝0，規(guī)格：4.2 m×1.8 m，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。

圖10 激光雷達(dá)模型對(duì)象遮擋工況感知結(jié)果

表1 激光雷達(dá)無(wú)噪聲探測(cè)結(jié)果

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：4.2 m×1.8 m，照相機(jī)安裝位置：X＝＋3 m，Y＝0，Z＝0，縱向距離探測(cè)精度：2 m，σxexp＝2／3＝0.666 7，橫向距離探測(cè)精度：0.5 m，σyexp＝0.5／3＝0.1667。目標(biāo)寬度探測(cè)精度：0.5 m。照相機(jī)模型探測(cè)數(shù)據(jù)結(jié)果如表2所示。

圖11 照相機(jī)模型的總體感知結(jié)果

表2 有噪聲照相機(jī)探測(cè)結(jié)果

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

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10 000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3.6 GHz。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0.2 ms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。

表3 3種傳感器模型的平均計(jì)算用時(shí)

4 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。