馬志成　王立　李志斌

摘 要：針對(duì)目前主流自動(dòng)駕駛整車測(cè)試方法及ADAS整車在環(huán)仿真測(cè)試方法的特點(diǎn)。利用虛擬現(xiàn)實(shí)和實(shí)時(shí)仿真技術(shù)，搭建自動(dòng)駕駛整車在環(huán)仿真平臺(tái)，并在室內(nèi)進(jìn)行仿真平臺(tái)的模擬實(shí)現(xiàn)和案例測(cè)試。該平臺(tái)不僅可以提供豐富的測(cè)試環(huán)境，危險(xiǎn)場(chǎng)景以及難復(fù)現(xiàn)的復(fù)雜場(chǎng)景進(jìn)行可重復(fù)性測(cè)試，而且使用的是真實(shí)車輛的車輛動(dòng)力學(xué)特性，無需復(fù)雜的車輛動(dòng)力學(xué)模型，同時(shí)測(cè)試成本也相對(duì)低廉。

關(guān)鍵詞：自動(dòng)駕駛測(cè)試;整車在環(huán)仿真;車輛動(dòng)力學(xué)特性

中圖分類號(hào)：V323.19? 文獻(xiàn)標(biāo)識(shí)碼：B? 文章編號(hào)：1671-7988（2020）03-34-05

前言

近年來隨著人工智能產(chǎn)業(yè)的飛速發(fā)展，自動(dòng)駕駛技術(shù)也已成為全球關(guān)注的熱點(diǎn)，自動(dòng)駕駛汽車將給人類社會(huì)帶來巨大變革的觀點(diǎn)深入人心[1]。但是距離自動(dòng)駕駛技術(shù)真正落地，人類還有很長的一段路要走。

美國Rand（蘭德）公司2016年的年度研究報(bào)告稱，即使自動(dòng)駕駛系統(tǒng)比人類的駕駛能力提高20%，也需要行駛110億英里驗(yàn)證。這就意味著，在現(xiàn)實(shí)世界中，擁有100輛汽車的車隊(duì)，需要500多年時(shí)間一直不停地測(cè)試，才可以完成驗(yàn)證[2]。顯然，在現(xiàn)實(shí)世界中這是一項(xiàng)不可能完成的任務(wù)。因此，研究安全、高效的自動(dòng)駕駛測(cè)試方法，十分重要。

目前，針對(duì)自動(dòng)駕駛整車測(cè)試要求，主要有三種測(cè)試方法：軟件虛擬測(cè)試、HIL（Hardware-In-the-Loop）仿真測(cè)試和真實(shí)道路測(cè)試。軟件虛擬測(cè)試是基于虛擬場(chǎng)景的整車集成式的自動(dòng)駕駛測(cè)試方法，是一種純數(shù)字仿真測(cè)試;HIL仿真測(cè)試主要用于核心控制算法形成后，將真實(shí)的整車引入仿真測(cè)試系統(tǒng)中進(jìn)行臺(tái)架測(cè)試;真實(shí)道路測(cè)試分為封閉園區(qū)測(cè)試和開放道路測(cè)試，是確認(rèn)自動(dòng)駕駛汽車可靠性最為重要的一種測(cè)試方法，而且仿真測(cè)試永遠(yuǎn)不能代替真實(shí)道路測(cè)試[3-5]。

然而，經(jīng)過研究分析發(fā)現(xiàn)，現(xiàn)有的三種主流測(cè)試方法都有其固有弊端[5，6]，如表1所示。

另外，Miquet等[7]，Butenuth[8]等，趙祥磊等[9]，提出了用于測(cè)試ADAS（高級(jí)駕駛輔助系統(tǒng)）的VIL（Vehicle-In- the-Loop）仿真測(cè)試方法。此類方法的基本原理和測(cè)試目的與自動(dòng)駕駛整車在環(huán)仿真測(cè)試相似，但是如果應(yīng)用于自動(dòng)駕駛車輛的整車測(cè)試，還存在以下問題：

■ 仿真系統(tǒng)安裝在被試車輛上，測(cè)試過程中，很難在線分析和監(jiān)控;

■ 不能支持云端虛擬仿真環(huán)境;

■ 不能擴(kuò)展，一個(gè)仿真系統(tǒng)只能對(duì)一輛整車的系統(tǒng)進(jìn)行測(cè)試;

■ 為了逼真的模擬物理世界，場(chǎng)景虛擬系統(tǒng)會(huì)非常龐大，由于尺寸、功率和重量等限制，很難安裝在被試車輛上。即使勉強(qiáng)安裝在車上，會(huì)增加被試車輛的電能負(fù)載和重量，影響測(cè)試效果。同時(shí)，車輛運(yùn)行的振動(dòng)會(huì)降低仿真系統(tǒng)硬件的可靠性。

針對(duì)上述幾種測(cè)試方法的特點(diǎn)，本文提出搭建自動(dòng)駕駛VIL仿真測(cè)試平臺(tái)，以此解決當(dāng)前主流自動(dòng)駕駛整車測(cè)試，各自固有缺點(diǎn)，充分結(jié)合幾者的優(yōu)勢(shì)。

1 系統(tǒng)原理

自動(dòng)駕駛整車在環(huán)仿真測(cè)試平臺(tái)總體結(jié)構(gòu)主要由交通仿真場(chǎng)景、自動(dòng)駕駛控制系統(tǒng)、真實(shí)測(cè)試道路上的物理車輛三部分組成。其系統(tǒng)原理，如圖1所示。

使用基于UE4（Unreal Engine 4）的自動(dòng)駕駛仿真測(cè)試系統(tǒng)Carla，建設(shè)所需開發(fā)測(cè)試的仿真場(chǎng)景;仿真場(chǎng)景中的數(shù)字孿生車輛，通過虛擬感知傳感器采集測(cè)試場(chǎng)景數(shù)據(jù);并將數(shù)據(jù)傳遞給被試自動(dòng)駕駛控制器，進(jìn)行信息融合與控制決策，決策后的車輛控制命令，通過無線網(wǎng)絡(luò)發(fā)送給物理車輛的執(zhí)行器;物理車輛在真實(shí)道路上做出反應(yīng)后，車輛姿態(tài)和位置信息，再通過無線網(wǎng)絡(luò)發(fā)送給仿真場(chǎng)景中的數(shù)字孿生車輛;完成車輛位置同步，從而實(shí)現(xiàn)整個(gè)系統(tǒng)的閉環(huán)實(shí)時(shí)仿真。

自動(dòng)駕駛VIL仿真系統(tǒng)中，由于交通仿真場(chǎng)景中數(shù)字孿生車輛的運(yùn)動(dòng)狀態(tài)由真實(shí)道路上行駛的物理車輛的運(yùn)動(dòng)狀態(tài)決定，因此仿真測(cè)試平臺(tái)無需建立復(fù)雜的車輛動(dòng)力學(xué)模型;同時(shí)比其他類型的硬件在環(huán)仿真系統(tǒng)，提供更精確的仿真能力，且保留了軟件虛擬測(cè)試低成本，場(chǎng)景多樣，極端場(chǎng)景測(cè)試，可重復(fù)性測(cè)試等優(yōu)點(diǎn)。

交通仿真場(chǎng)景中，不僅可以生成可控的程序化車輛流、行人、動(dòng)物等動(dòng)態(tài)背景物體，還可以接入駕駛模擬器，控制特定的背景車輛，模擬人類駕駛習(xí)慣，構(gòu)成更加真實(shí)、嚴(yán)苛的仿真測(cè)試環(huán)境。

交通仿真場(chǎng)景服務(wù)器獨(dú)立于真實(shí)道路上的物理車輛，放置在試驗(yàn)室中，因此不會(huì)受到場(chǎng)地、供電和計(jì)算能力的限制，尤其是系統(tǒng)中不需要模擬復(fù)雜的車輛動(dòng)力學(xué)模型，大幅度降低了對(duì)虛擬場(chǎng)景服務(wù)器計(jì)算能力的要求。從而允許多臺(tái)被試自動(dòng)駕駛車輛，在同一個(gè)交通仿真場(chǎng)景中進(jìn)行同步測(cè)試，可用于模擬和分析多臺(tái)自動(dòng)駕駛車輛（包括不同控制算法）在同一個(gè)交通場(chǎng)景下的交互模式及相互間的影響。可以實(shí)現(xiàn)多輛被試自動(dòng)駕駛車輛，程序化背景車輛流，人類駕駛特性車輛共存的交通狀況。

2 自動(dòng)駕駛整車在環(huán)仿真平臺(tái)實(shí)現(xiàn)

自動(dòng)駕駛整車在環(huán)仿真平臺(tái)實(shí)現(xiàn)總體分成平臺(tái)結(jié)構(gòu)設(shè)計(jì)、虛擬場(chǎng)景建設(shè)、物理車輛改裝、基于ROS系統(tǒng)功能開發(fā)，四個(gè)部分來完成。

2.1 平臺(tái)結(jié)構(gòu)設(shè)計(jì)

自動(dòng)駕駛整車在環(huán)仿真平臺(tái)的系統(tǒng)結(jié)構(gòu)，如圖2所示。

圖2是最佳實(shí)施方案的自動(dòng)駕駛VIL仿真平臺(tái)的系統(tǒng)結(jié)構(gòu)圖。本文是在室內(nèi)模擬實(shí)現(xiàn)自動(dòng)駕駛VIL仿真平臺(tái)，使用的是Carla系統(tǒng)自帶的簡易AD算法，沒有獨(dú)立的自動(dòng)駕駛控制器;同時(shí)，車輛駕駛控制命令和車輛姿態(tài)及位置數(shù)據(jù)，通過使用AP（Wireless Access Point）組建的無線局域網(wǎng)進(jìn)行通訊，沒有采用5G通訊技術(shù)。

2.2 虛擬場(chǎng)景建設(shè)

此仿真平臺(tái)使用自動(dòng)駕駛仿真測(cè)試系統(tǒng)Carla，進(jìn)行虛擬場(chǎng)景建設(shè)。Carla從頭開始開發(fā)，以支持自動(dòng)駕駛系統(tǒng)的開發(fā)，訓(xùn)練和驗(yàn)證。除開源代碼和協(xié)議外，Carla還提供為此目的而創(chuàng)建的開放式數(shù)字資產(chǎn)（城市布局，建筑物，車輛等），并可自由使用。支持靈活的傳感器套件規(guī)格和環(huán)境條件（白天、夜晚、雨雪天氣等），通過OpenDrive格式地圖數(shù)據(jù)賦予3D模型語義信息。支持FBX3D模型格式導(dǎo)入，便于高效、便捷地完成虛擬場(chǎng)景建設(shè)任務(wù)。此次模擬平臺(tái)建設(shè)的室內(nèi)Demo仿真場(chǎng)景，如圖3所示。

2.3 物理車輛改裝

傳感器成本一直是自動(dòng)駕駛汽車硬件成本居高不下的重要原因[10]。自動(dòng)駕駛VIL仿真平臺(tái)中，傳感器只用來實(shí)時(shí)定位，車輛改裝的最佳傳感器配置是RTKGPS（載波相位差分技術(shù)全球定位系統(tǒng)）+IMU（慣性測(cè)量單元）的組合[11]，所以和真實(shí)道路測(cè)試相比，VIL仿真平臺(tái)大幅度降低了被試車輛的改裝成本。

模擬平臺(tái)中我們選用X-MAXX RC Car進(jìn)行改裝，它是按照正常車輛的5：1尺寸縮小，其工作原理和市面上電動(dòng)汽車基本相同，車上安裝處理器（Raspberry Pi 3B+）、執(zhí)行器（PCA9685）、激光雷達(dá)（SLAMTIC RPLIDAR A1）、慣性測(cè)量單元（razor_imu_9dof），實(shí)現(xiàn)車輛定位和自動(dòng)駕駛控制信號(hào)接收。使用低成本的硬件改裝，就可以達(dá)到較好的測(cè)試效果。改裝后的物理車輛，如圖4所示。

2.4 基于ROS系統(tǒng)功能開發(fā)

ROS（Robot Operating System）是一個(gè)適用于機(jī)器人，開源的元操作系統(tǒng)。采用分布式架構(gòu)，通過各功能獨(dú)立的節(jié)點(diǎn)（Node）實(shí)現(xiàn)消息傳遞任務(wù)的分層次運(yùn)行，從而減輕實(shí)時(shí)計(jì)算的壓力[12]。根據(jù)ROS提供的底層標(biāo)準(zhǔn)操作系統(tǒng)服務(wù)，進(jìn)行仿真測(cè)試平臺(tái)的功能開發(fā)。自動(dòng)駕駛VIL仿真平臺(tái)中ROS節(jié)點(diǎn)的信息流程圖，如圖5所示。

3 車輛物理定位分析

自動(dòng)駕駛VIL仿真平臺(tái)的模擬實(shí)現(xiàn)是在室內(nèi)進(jìn)行，所以采用SLAM（Simultaneous Localization And Map）定位技術(shù)。自動(dòng)駕駛汽車在未知環(huán)境中探索，僅通過安裝在汽車上的傳感器估計(jì)汽車本身的位置的同時(shí)繪制未知環(huán)境的地圖[12]。這是導(dǎo)航及自動(dòng)駕駛的關(guān)鍵技術(shù)。

定位傳感器IMU是敏感元件，尤其低成本IMU的偏航角信號(hào)受噪聲干擾嚴(yán)重，需對(duì)IMU偏航角信號(hào)數(shù)據(jù)做濾波處理。原始數(shù)據(jù)和濾波后數(shù)據(jù)對(duì)比，如圖6所示。

繪制地圖所需的節(jié)點(diǎn)和話題，如圖7所示。SLAM室內(nèi)演示場(chǎng)景的點(diǎn)云地圖，如圖8所示。

使用手動(dòng)控制程序，控制物理車輛運(yùn)動(dòng)。車輛位置測(cè)試結(jié)果數(shù)據(jù)，如表2所示。

根據(jù)測(cè)試結(jié)果，分析得出：排除無線信號(hào)干擾因素，仿真平臺(tái)的實(shí)時(shí)性誤差在允許范圍內(nèi)，滿足室內(nèi)平臺(tái)模擬實(shí)現(xiàn)的車輛物理定位要求。

4 測(cè)試案例分析

自動(dòng)駕駛VIL仿真平臺(tái)具有信號(hào)實(shí)時(shí)監(jiān)測(cè)功能，可以隨時(shí)獲取某一時(shí)間段或特定場(chǎng)景中，車輛控制信號(hào)。這對(duì)于測(cè)試后期，數(shù)據(jù)處理、算法改進(jìn)、故障分析等具有重要意義。

仿真平臺(tái)測(cè)試的實(shí)驗(yàn)場(chǎng)景：被試車輛在直行過程中，道路前方出現(xiàn)其他行駛車輛，如圖9所示。這一時(shí)間段的車輛控制信號(hào)，如圖10所示。

開始階段油門開度信號(hào)為1，電機(jī)正轉(zhuǎn)，被試車輛以最大油門開度行駛;直行過程中，道路前方出現(xiàn)其他行駛車輛，油門信號(hào)變?yōu)?，電機(jī)停止工作，被試車輛停車;當(dāng)前方車輛離開后，油門信號(hào)又變?yōu)?，被試車輛繼續(xù)行駛。此次實(shí)驗(yàn)使用的控制算法，油門開度為0時(shí)，即車輛制動(dòng)，所以沒有制動(dòng)信號(hào)輸出，制動(dòng)信號(hào)顯示恒為0。被試車輛的舵機(jī)最大轉(zhuǎn)向角為±100°，為了保護(hù)車輛，程序中設(shè)置轉(zhuǎn)向極值角，控制算法調(diào)節(jié)轉(zhuǎn)向信號(hào)，使車輛保持直行，其他車輛離開后，被試車輛繼續(xù)行駛且開始轉(zhuǎn)向。

5 結(jié)論

自動(dòng)駕駛車輛上路前一定需要經(jīng)過大量測(cè)試，代替實(shí)車的仿真測(cè)試已成為各大汽車廠商與自動(dòng)駕駛技術(shù)供應(yīng)商的關(guān)注重點(diǎn)[1]。本文通過分析當(dāng)前主流的三種自動(dòng)駕駛整車測(cè)試方法及ADAS整車在環(huán)測(cè)試方法的特點(diǎn)，開發(fā)了自動(dòng)駕駛整車在環(huán)仿真開發(fā)平臺(tái)，充分結(jié)合了軟件虛擬測(cè)試、硬件在環(huán)仿真測(cè)試、真實(shí)道路測(cè)試三者的優(yōu)點(diǎn)。通過自動(dòng)駕駛VIL仿真平臺(tái)研究及模擬實(shí)現(xiàn)，得到以下結(jié)論：

（1）自動(dòng)駕駛VIL仿真平臺(tái)用于自動(dòng)駕駛整車測(cè)試?yán)碚撋鲜强尚械?，在?shí)車測(cè)試平臺(tái)建設(shè)中可能會(huì)存在工程上問題。

（2）基于成熟的軟件虛擬整車測(cè)試系統(tǒng)開發(fā)，自動(dòng)駕駛VIL仿真平臺(tái)不僅可以提供豐富的測(cè)試環(huán)境，危險(xiǎn)場(chǎng)景以及難復(fù)現(xiàn)的復(fù)雜場(chǎng)景進(jìn)行可重復(fù)性測(cè)試，而且通過接入真實(shí)道路上行駛的物理車輛運(yùn)動(dòng)狀態(tài)，平臺(tái)中車輛動(dòng)力學(xué)特性和真實(shí)道路測(cè)試完全一致。

參考文獻(xiàn)

[1] 張巍，宋吉，黃榮軍，等.自動(dòng)駕駛集成設(shè)計(jì)與虛擬仿真方法研究[C]. 2018中國汽車工程學(xué)會(huì)年會(huì)， 2018： 5.

[2] Nidhi Kalra.，Driving to Safety [R].RAND Corporation Annual Report 2016， 2016： 8.

[3] 石娟，田曉笛，王建培.自動(dòng)駕駛分級(jí)方法及測(cè)試技術(shù)[J].汽車工程師，2018，（09）：18-21.

[4] 模擬道路讓自動(dòng)駕駛汽車更安全[J].中國公共安全，2017，（12）： 254 -256.

[5] 余卓平，邢星宇，陳君毅.自動(dòng)駕駛汽車測(cè)試技術(shù)與應(yīng)用進(jìn)展[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2019， 47（04）： 540-547.

[6] 朱冰，張培興，趙健等.基于場(chǎng)景的自動(dòng)駕駛汽車虛擬測(cè)試研究進(jìn)展[J].中國公路學(xué)報(bào)，2019，32（06）：1-19.

[7] Miquet C. New test method for reproducible real-time tests of ADAS ECUs：“Vehicle-in-the-Loop” connects real-world vehicles with the virtual world[C]，2014： 575-589.

[8] Butenuth M， Kallweit R， Prescher P. Vehicle-in-the-Loop Real-world Vehicle Tests Combined with Virtual Scenarios[J]. ATZ worldwide， 2017， 119（9）： 52-55.

[9] 趙祥磊，徐維慶.ADAS車輛在環(huán)仿真開發(fā)平臺(tái)研究[C].第19屆亞太汽車工程年會(huì)暨2017中國汽車工程學(xué)會(huì)年會(huì)，2017：4.

[10] 黃偉.自動(dòng)駕駛汽車傳感器技術(shù)產(chǎn)業(yè)分析[J].信息通信技術(shù)與政策，2018，（08）：40-44.

[11] Feng Y，Wang J.GPS RTK Performance Characteristics and Analysis [J].Journal of Global Positioning Systems，2008，01（1）： 1-8.

[12] 表允皙，趙漢哲，鄭黎蝹等.ROS機(jī)器人編程[M].Apress： 2017.