周玉祥 王志剛 李原 周欣
摘 要:仿真技術(shù)作為智能駕駛技術(shù)測試的重要手段,與傳統(tǒng)場地測試相比具有效率高、安全高等優(yōu)勢,逐漸成為智能駕駛的主流研究方向之一?;跀?shù)字孿生的智能駕駛仿真測試技術(shù),提出一種基于數(shù)字孿生的交通仿真研究方法,完成人- 車-路-網(wǎng)的全息仿真映射,構(gòu)造可配置的場景案例串聯(lián)測試方式;同時(shí)在安全、環(huán)保、效率等維度設(shè)計(jì)評估優(yōu)化方法,實(shí)現(xiàn)智能駕駛所需的感知、決策、控制的閉環(huán)仿真測試,為智能駕駛方案落地提供借鑒和參考。
關(guān)鍵詞:數(shù)字孿生 智能駕駛 仿真測試
Research on Intelligent Driving Simulation Test Method Integrating Digital Twin
Zhou Yuxiang Wang Zhigang Li Yuan Zhou Xin
Abstract:As an important means of intelligent driving technology testing, simulation technology has the advantages of high efficiency and safety compared with traditional field testing, and has gradually become one of the mainstream research directions of intelligent driving. Based on digital twin intelligent driving simulation testing technology, a traffic simulation research method based on digital twin is proposed, which completes the holographic simulation mapping of human-vehicle-road-network and constructs a configurable scenario case series test method. At the same time, evaluation and optimization methods are designed in the dimensions of safety, environmental protection, and efficiency to realize the closed-loop simulation test of perception, decision-making and control required for intelligent driving, and provide reference for the implementation of intelligent driving solutions.
Key words:digital twin, intelligent driving, simulation testing
1 前言
隨著電動化、智能化、網(wǎng)聯(lián)化汽車技術(shù)的發(fā)展,智能駕駛汽車成為汽車發(fā)展的趨勢,國內(nèi)外相關(guān)企業(yè)和投資機(jī)構(gòu)紛紛在智能駕駛領(lǐng)域進(jìn)行了巨大投入,力求快速的推動智能駕駛汽車相關(guān)產(chǎn)業(yè)的快速落地。 然而,智能駕駛車輛在近年來發(fā)生的事故使大家認(rèn)識到當(dāng)前的智能汽車技術(shù)仍存在不足,對智能駕駛的安全產(chǎn)生質(zhì)疑,如何在未來保證智能駕駛汽車的安全性,是智能駕駛汽車亟需解決的難點(diǎn)之一。
目前自動駕駛汽車測試方法主要分為基于場景的測試方法和基于里程的測試方法兩大類?;趫鼍暗臏y試方法是通過預(yù)先設(shè)定的場景,要求被測車輛完成某項(xiàng)特定目標(biāo)或任務(wù)而對其進(jìn)行測試的方法。基于里程的測試方法是讓被測車輛在一定的環(huán)境條件下連續(xù)行駛,而不預(yù)先設(shè)定其測試任務(wù)或目標(biāo)。里程測試主要針對車輛的綜合性能,一般在車輛開發(fā)的最后階段進(jìn)行,要求車輛具備較為完整的功能和較可靠的性能。里程測試的主要弊端在于測試周期長、效率低、測試成本非常高,同時(shí)必須考慮安全風(fēng)險(xiǎn)問題以及法律法規(guī)的限制。相比于里程測試,基于場景的測試方法應(yīng)用更加靈活,測試效率高且更有針對性。測試場景的篩選,縮短了里程測試過程中大量的無風(fēng)險(xiǎn)里程,有助于智能駕駛汽車功能的快速迭代和完善。在智能駕駛汽車整個(gè)開發(fā)過程中,只有綜合運(yùn)用場景測試和里程測試,才能充分測試和評估自動駕駛功能的各方面性能。基于此,針對場景測試基礎(chǔ)理論、應(yīng)用方法、技術(shù)的研究越來越受到產(chǎn)業(yè)界和學(xué)術(shù)界的重視。但是,場景測試目前也同樣存在一些問題,比如真實(shí)的交通環(huán)境復(fù)雜多變,交通場景幾乎不可能窮盡所有的交通情況,類似雨、雪、強(qiáng)光等自然環(huán)境因素也難在物理環(huán)境下進(jìn)行完全的復(fù)現(xiàn),同時(shí)一些危險(xiǎn)場景對車輛和測試人員也會存在一定的風(fēng)險(xiǎn)等等。
如何解決這些問題,行業(yè)研究人員逐漸嘗試用虛擬仿真交通場景代替實(shí)車測試場景,虛擬測試逐漸成為智能駕駛車輛的安全驗(yàn)證的重要手段。但是,仿真測試方案仍然存在一些問題,比如模型精度不夠、執(zhí)行機(jī)構(gòu)響應(yīng)誤差、仿真測試標(biāo)準(zhǔn)等一系列問題,導(dǎo)致測試結(jié)果與實(shí)車測試會有一些偏差,并不能完全的代替實(shí)車測試。本文提出將虛擬仿真測試、實(shí)車測試融合于一體打造數(shù)字孿生的智能駕駛仿真系統(tǒng)用實(shí)際測試車輛代替虛擬模型解決目前智能駕駛虛擬模型精度不夠的問題。
2 智能駕駛仿真測試方法
2.1 智能駕駛仿真技術(shù)
智能駕駛的核心技術(shù)模塊,包括環(huán)境感知、決策和車輛控制三大核心模塊,以及衍生出的功能安全和信息安全等領(lǐng)域。其中不管是環(huán)境感知技術(shù),還是車輛控制技術(shù),都包含大量的算法開發(fā),而算法的研發(fā)是一個(gè)不斷迭代的過程,通過智能駕駛仿真技術(shù)來驗(yàn)證智能駕駛算法的功能完備性,從而不斷的優(yōu)化相關(guān)算法。智能駕駛仿真指通過車輛動力學(xué)仿真搭建動力學(xué)模型,通過物理環(huán)境仿真和交通流仿真搭建道路場景,通過傳感器仿真搭建傳感器數(shù)學(xué)模型,在智能駕駛仿真系統(tǒng)中測試智能駕駛車輛的感知,決策和控制,驗(yàn)證智能駕駛車輛的功能實(shí)現(xiàn)和性能表現(xiàn)。研究人員在虛擬仿真測試中能夠通過快速配置道路網(wǎng)絡(luò)、駕駛場景和車輛配置,以及配置雨、雪、光照等自然環(huán)境條件,以相對較少的人力、財(cái)力和盡可能快的速度搭建測試場景,再開發(fā)前期全面驗(yàn)證智能汽車的安全性。
2.2 數(shù)字孿生技術(shù)
數(shù)字孿生是指用數(shù)字化信息表示現(xiàn)實(shí)存在的物理世界,同時(shí)能夠與物理世界同步映射以及模擬運(yùn)行系統(tǒng)的整個(gè)生命周期。數(shù)字孿生的概念最早是在2010年NASA的空間技術(shù)路線圖中提出,目的是使用數(shù)字孿生來實(shí)現(xiàn)飛行系統(tǒng)的全面診斷和預(yù)測能力,以確保系統(tǒng)在整個(gè)生命周期中持續(xù)安全運(yùn)行。數(shù)據(jù)孿生作為一種能夠?qū)崿F(xiàn)將物理世界向數(shù)字化空間映射的關(guān)鍵技術(shù),能用數(shù)字化形式近乎實(shí)時(shí)地模擬物理實(shí)體的情況,可以完成交通場景的高精度還原,實(shí)現(xiàn)雨、雪、光照等自然環(huán)境以及道路、基礎(chǔ)設(shè)施等交通要素的逼真模擬,為智能駕駛測試提供了新思路。
3 數(shù)字孿生技術(shù)實(shí)現(xiàn)方法
本文基于數(shù)字孿生技術(shù),提出一套虛實(shí)融合的智能駕駛仿真測試系統(tǒng),其總體系統(tǒng)框圖如圖1所示。
基于數(shù)字孿生技術(shù)的仿真系統(tǒng)包含兩部分內(nèi)容一是實(shí)驗(yàn)室相關(guān)設(shè)備和軟件,二是測試車以及相關(guān)設(shè)備。
實(shí)驗(yàn)室硬件設(shè)備由仿真平臺和通訊模塊組成,仿真軟件集成在仿真平臺中包含有動力學(xué)軟件、場景仿真軟件和涵蓋算法并兼顧不同軟件間通訊功能的系統(tǒng)軟件。實(shí)驗(yàn)室仿真平臺可以完成虛擬場景下的智能駕駛算法測試。實(shí)驗(yàn)室通訊模塊主要負(fù)責(zé)仿真平臺與測試車之間的信號傳遞,能夠接收車載通訊模塊發(fā)送過來的車輛位置信息和車輛狀態(tài)信息,同時(shí)向車載通訊模塊傳遞車輛控制信號。
測試車設(shè)備包括車輛本身、車輛數(shù)據(jù)采集設(shè)備、GPS車輛定位設(shè)備、車載通訊設(shè)備。車輛數(shù)據(jù)采集設(shè)備采集車身姿態(tài)信息(俯仰角、橫擺角)、速度信息、加速度信息。GPS模塊采集車輛位置信息。車載通訊模塊與實(shí)驗(yàn)室通訊模塊功能相同,發(fā)送和接收信號正好相反。
數(shù)字孿生仿真系統(tǒng)是如何與真實(shí)的物理環(huán)境形成交互的呢,首先通過傳感器采集真實(shí)物理環(huán)境的物理信息,采集的數(shù)據(jù)格式是點(diǎn)云數(shù)據(jù),通過采集的點(diǎn)云數(shù)據(jù)來搭建場景模型,通過特征提取、語義轉(zhuǎn)換、孿生構(gòu)建等技術(shù),構(gòu)建與物理世界高度還原的高精地圖;然后再根據(jù)測試用例需求匹配相應(yīng)的測試條件,包括虛擬交通流、虛擬交通數(shù)字信號、虛擬天氣環(huán)境等信息,構(gòu)造與物理世界孿生的數(shù)字場景;最后在系統(tǒng)仿真場景和真實(shí)物理場景下,通過真實(shí)環(huán)境下的實(shí)際測試車與虛擬環(huán)境下的動力學(xué)模型進(jìn)行數(shù)據(jù)信息的交互,形成數(shù)據(jù)閉環(huán),驗(yàn)證自動駕駛算法可靠性。其流程如圖2所示。
3.1 高精地圖的構(gòu)建
高精地圖包含道路信息和道路基礎(chǔ)設(shè)施信息,高精地圖是真實(shí)物理世界的高精度還原,與傳統(tǒng)的導(dǎo)航地圖相比,其涵蓋的物理信息更為精確。高精地圖的數(shù)據(jù)組成包括道路網(wǎng)、車道網(wǎng)、交通基礎(chǔ)設(shè)施三個(gè)模塊。高精地圖的制作過程包含點(diǎn)云采集、地表提取、語義轉(zhuǎn)換和道路孿生四個(gè)步驟。通過特制的數(shù)據(jù)采集車采集高精度的點(diǎn)云信息,然后對點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理,標(biāo)注出道路要素信息以及道路與道路之間的連接關(guān)系,最后輸出智能駕駛系統(tǒng)可識別的高精度地圖。
3.1.1 點(diǎn)云采集
現(xiàn)階段高精地圖所需原始數(shù)據(jù)是通過特制的數(shù)據(jù)采集車在物理道路上實(shí)車采集獲得的點(diǎn)云數(shù)據(jù)。采集車的數(shù)據(jù)采集設(shè)備主要由高清攝像頭、高分辨率激光雷達(dá)、差分GPS(高精度無線電導(dǎo)航的定位系統(tǒng))和車輛慣性傳感器組成。激光雷達(dá)通過掃描實(shí)際物理環(huán)境,同時(shí)運(yùn)用飛行時(shí)間技術(shù)原理計(jì)算激光的往返時(shí)間或相位差生成具備位置信息的三維點(diǎn)云數(shù)據(jù)。攝像頭負(fù)責(zé)拍攝標(biāo)識標(biāo)牌等道路屬性。差分GPS接收衛(wèi)星信號和最近基站信號,通過三角定位原理推算出車輛的位置坐標(biāo)。慣性傳感器利用加速度的原理計(jì)算物體在空間運(yùn)動的狀態(tài)采集車輛姿態(tài)數(shù)據(jù),如加速度、角速度,用于計(jì)算GPS信號短暫丟失時(shí)的車輛運(yùn)動狀態(tài),從未推算出車輛位置信息。由于采集的數(shù)據(jù)是通過不同傳感器獲得的數(shù)據(jù),不同傳感器數(shù)據(jù)獲取原理不同,為了能實(shí)現(xiàn)數(shù)據(jù)信息的統(tǒng)一,首先需要對數(shù)據(jù)進(jìn)行時(shí)鐘同步、激光雷達(dá)點(diǎn)云對齊(去畸變)處理。預(yù)處理完成之后,再通過定位與建圖算法完成點(diǎn)云提取。同時(shí)通過算法計(jì)算出車輛行駛軌跡,激光雷達(dá)和慣性傳感器一起提供了里程計(jì)約束,GPS 提供了車輛姿態(tài)的直接觀測約束,點(diǎn)云的回環(huán)檢測算法提供了回環(huán)約束,將以上約束融合在一起可以得到車輛行駛軌跡。最后將處理后的激光點(diǎn)云與優(yōu)化后的軌跡進(jìn)行疊加,最終生成三維點(diǎn)云地圖。
3.1.2 特征提取
基于點(diǎn)云地圖構(gòu)建開發(fā)數(shù)字孿生地圖模型,如果點(diǎn)云地圖原始數(shù)據(jù)量太大,將消耗更多硬件資源,降低處理器處理數(shù)據(jù)的能力。為了更好的利用硬件資源可以對原始點(diǎn)云數(shù)據(jù)進(jìn)行降采樣處理,通過漸進(jìn)形態(tài)濾波和切割點(diǎn)云文件來完成地表模型的提取,最終實(shí)現(xiàn)數(shù)據(jù)處理與硬件資源之間的平衡。
3.1.3 語義標(biāo)注
語義標(biāo)注是指在地圖中標(biāo)注關(guān)鍵的元素信息,以及相應(yīng)的位置信息智能駕駛場景中的關(guān)鍵元素有道路標(biāo)識牌、路燈、安全島、 綠化帶、里程樁、桿狀物路燈、攝像頭、交通護(hù)欄等信息。為方便后續(xù)實(shí)體模型的對齊,針對地表提取后的點(diǎn)云地圖,標(biāo)注出關(guān)注元素的關(guān)鍵點(diǎn)信息。
3.1.4 道路孿生
通過道路建模軟件最終生成與實(shí)際道路一致的虛擬道路模型,首先從原始點(diǎn)云數(shù)據(jù)提取包含路面要素的投射影像生成參考地圖,然后自動提取相關(guān)的道路關(guān)鍵信息,包含道路結(jié)構(gòu)點(diǎn)、車道邊緣線、車道線、人行橫道線、路面指示標(biāo)線等作為參考信息,最后通過道路建模軟件生成道路模型。
3.2 交通設(shè)施建模
除高精地圖包含的靜態(tài)道路網(wǎng)格和交通設(shè)施位置外,交通場景還包括兩大塊:一是交通實(shí)體類的物理信息,二是交通燈類的邏輯元數(shù)據(jù)。物理信息包含3D模型的形狀、外觀材質(zhì),以及通過高精地圖中物體的位置、大小和朝向等信息確定的與物理世界相對應(yīng)的仿真坐標(biāo)位置。交通燈類的邏輯元數(shù)據(jù)包括標(biāo)識牌的數(shù)據(jù)信息、交通燈的屬性配置和紅綠燈邏輯信息等。
3.3 匹配測試條件
測試條件指測試時(shí)測試車與其它交通參與者的動態(tài)狀態(tài),如開始測試時(shí)的測試車和交通參與者的速度、位置、車輛姿態(tài)、行為軌跡等。孿生場景是智能駕駛汽車與其行駛環(huán)境各組成要素在一段時(shí)間內(nèi)的總體動態(tài)描述,具有無限豐富、極其復(fù)雜、難以預(yù)測、不可窮盡等特點(diǎn)。在完成高精地圖與孿生場景要素建模后,還需要一個(gè)場景描述文件來串聯(lián)各個(gè)實(shí)體模塊,定義各交通要素狀態(tài)。包括以下四個(gè)部分:
(1)道路環(huán)境:路面狀況,傳感器范圍、紅綠燈時(shí)序變化等。
(2)交通流:行人及其他車輛的速度、姿態(tài)及起始點(diǎn)位置等。
(3)天氣環(huán)境與光照場景:包括早晨、中午、傍晚、黑夜等不同光照,雨天、霧天等特殊天氣場景等。
(4)本車狀態(tài):主要包括主車姿態(tài)、初始位置,在場景中的起點(diǎn)和終點(diǎn)等。
3.4 評估方法
評價(jià)指標(biāo),包括基于功能的評價(jià)指標(biāo)和基于場景的評價(jià)指標(biāo)?;诠δ艿脑u價(jià)指標(biāo)根據(jù)駕駛功能的不同而不同,主要根據(jù)已有的相關(guān)標(biāo)準(zhǔn),結(jié)合測試的具體情況進(jìn)行評價(jià),反應(yīng)了所測車輛對測試功能的完成度的評價(jià)?;趫鼍暗脑u價(jià)指標(biāo)則反應(yīng)了場景的復(fù)雜度,根據(jù)場景的不同復(fù)雜程度,判斷該場景下的評價(jià)得分再所有測試用例中的占比,從而得出最終的綜合性評價(jià)結(jié)果。
場景數(shù)據(jù)庫中的每一個(gè)測試用例都有對應(yīng)的場景復(fù)雜度即基于場景的評價(jià)指標(biāo),根據(jù)測試功能的不同,從場景數(shù)據(jù)庫中提取符合該功能的測試用例,并根據(jù)相應(yīng)的基于功能的評價(jià)指標(biāo)對該測試功能進(jìn)項(xiàng)評價(jià),最后結(jié)合場景復(fù)雜度得出最終評價(jià)得分。這種仿真測試評價(jià)體系流程能很好地利用虛擬仿真易參數(shù)化的優(yōu)勢,無須傳感器就能獲得車輛行駛數(shù)據(jù),不僅能與實(shí)地測試相互對應(yīng),也能反應(yīng)日常駕駛或危險(xiǎn)駕駛下的性能。
4 結(jié)束語
與智能駕駛產(chǎn)業(yè)的快速發(fā)展相比,目前仿真測試手段遠(yuǎn)遠(yuǎn)落后于產(chǎn)業(yè)增長水平。隨著仿真測試技術(shù)和動態(tài)渲染技術(shù)的飛速發(fā)展,基于數(shù)字孿生技術(shù)的智能駕駛仿真測試也越來越受到行業(yè)的認(rèn)可,逐步成為算法測試方法中的重要方式,數(shù)字孿生技術(shù)為我們帶來了多維度和高實(shí)時(shí)性的交通場景,仿真過程與實(shí)車測試相比更經(jīng)濟(jì)也更安全,可重復(fù)性更高。仿真結(jié)果與純軟件仿真相比更貼近真實(shí)值。但是目前傳感器模型的數(shù)字化構(gòu)建技術(shù)還處于探索階段,同時(shí)傳感器的模型仿真精度,通訊信號的數(shù)據(jù)延遲也是制約數(shù)字孿生技術(shù)的一大障礙,下一步將圍繞建模方式、模型精度、信號延遲等領(lǐng)域繼續(xù)開展工作。
參考文獻(xiàn):
[1]葉少檳,梁恩云,高 琛,譚北海. 融合數(shù)字孿生的自動駕駛場景仿真模型構(gòu)建研究綜述[J].現(xiàn)代計(jì)算機(jī),2022,28(2):1-11.
[2]馮屹,王兆. 自動駕駛測試場景技術(shù)發(fā)展與應(yīng)用[M]. 機(jī)械工業(yè)出版社,2020.
[3]李亞男.智能網(wǎng)聯(lián)汽車數(shù)字孿生測試?yán)碚摵图夹g(shù)研究 [D]吉林. 吉林大學(xué),2020(08).
[4]趙龍剛,劉漢生,張小平,王峰. 基于數(shù)字孿生的車路協(xié)同虛擬仿真平臺[J].移動通信,2021,45(6):07-12.