保时捷模拟自动驾驶测试环境

上图是保时捷的开发人员正在创建一个虚拟世界，在其中测试，培训和验证驾驶员辅助系统和自动驾驶功能。在保时捷工程虚拟ADAS测试中心（PEVATeC），正在创建具有逼真效果的计算机生成环境，该环境与真实交通中的测试几乎没有什么区别。

没有人比驾驶员辅助系统更专注于交通状况。但是，与经验丰富的驾驶员相比，光学和基于雷达的传感器系统都需要更准确地捕获环境信息。利用安装在汽车中并联网的众多摄像头，雷达，激光雷达和超声波系统的数据，算法可以在几分之一秒内确定控制策略，以便在危险情况下更好地控制车辆。而且他们以非凡的精度做到了。因此，不足为奇的是，驾驶员辅助系统（在行话中也称为ADAS）可明显降低道路事故的风险。借助每个ADAS系统，汽车开发人员离无事故驾驶的愿景又近了一步。

对于自动驾驶尤其如此。在先进开发方法的帮助下，工程师们在开发方面取得了长足进步，但距离掌握所有技术的要求还差得很远。尽管如此，在已知和限制条件下的公共道路上的试点项目中，无人驾驶车辆在低速行驶时表现出经济和安全的驾驶方式。然而，与具有精确定义的任务的驾驶员辅助系统相反，自动驾驶汽车必须能够掌握所有驾驶情况并完全替代驾驶员。此外，ADAS和自动驾驶的关键条件不一定与人类驾驶员相同，并且尚未完全理解。

“在路上不可能对ADAS进行全部的测试。这就是我们开发PEVATeC的原因。”虚拟车辆开发高级经理Frank Sayer说道。

自动驾驶仍然需要大量测试。例如，美国智囊团兰德公司（RAND Corporation）的科学家认为，全自动驾驶汽车必须行驶数亿英里，在某些情况下甚至是数千亿英里，才能以可靠的方式测试各个系统及其相互作用。他们声称，例如，将人类驾驶自动驾驶汽车造成的致命事故风险降低约20％，需要约110亿英里。如果每周一周七天，每天24小时使用100辆测试车，则测试将需要500年的时间，平均速度为每小时40公里，大约250年，平均速度为每小时80公里。明显会带来过高的开发成本。

即使在半自动驾驶的情况下，许多工程师也必须在数年的时间内测试ADAS系统，以验证每种可能的情况。弗兰克·萨耶（Frank Sayer）充分意识到，这在经济上既不合理也不可行，更不用说对其他道路使用者也将极为危险。因此，保时捷的想法是通过数字化和计算机模拟将测试所需的公里数转移到实验室，即转移到保时捷工程虚拟ADAS测试中心（PEVATeC）。

重现紧急情况

在模拟环境中进行试驾不仅便宜，省时，而且组织工作量更少，还可以重现和修改实际道路交通中的紧急情况。此外，模拟可以帮助发现人类驾驶员尚未理解的新的关键场景，但是对于确保在基于传感器的自动驾驶的任何可能使用情况下确保安全至关重要。

保时捷工程虚拟ADAS测试中心（PEVATeC）员工，克鲁日，2019年，保时捷股份公司计算机生成世界的专家：Cluj站点的员工在为PEVATeC开发软件方面起着决定性的作用。

除了实用功能之外，系统创建的虚拟现实还必须能够产生视觉上逼真的效果。数字复制的对象（例如道路，人行道，房屋墙壁和车辆）必须具有与实际道路交通中完全相同的属性-只有这样，它们才能为摄像机，激光雷达，雷达和超声系统提供逼真的信息输入。“基于物理的渲染”：现有的对象渲染方法意味着以简化的方式模拟诸如表面结构，颜色渐变和光源之类的属性，这也节省了资源。相比之下，基于物理的渲染是一种经过验证的方法，可以对三维对象上的光反射和折射进行逼真的成像。这里的主要任务是代表物理上正确的光分布图案。

为了最大程度地减少实际驾驶和虚拟驾驶测试之间的差异，PEVATeC的工程师正在努力研究尽可能精确的物理材料，以及重现接近真实生活的光的算法。这对于防止驾驶员辅助系统由于诸如脏污的相机镜头或雷达波的多次反射等因素造成的错误计算非常重要。由于这个原因，例如天气情况和照明对车辆中基于摄像机的传感器的影响可以通过按钮的触摸来显示。“这还包括低日照，潮湿和反射的路面以及积雪覆盖的路面的影响，”Sayer解释道。

真实再现动态对象

将来，即使路面不平坦，系统也能够像脏的相机镜头一样真实地计算出来。实际上，即使在不同条件下的真实道路上进行测试也很难实现。此外，开发人员还可以使用许多虚拟对象，例如树木和日常对象，以使街道环境尽可能逼真。毕竟，即使在行驶路线令人困惑的地方，自动驾驶汽车也必须意识到潜在的风险。这包括将动态对象集成到模拟中的能力，这意味着应该在数字3D世界中自然移动的人，自行车手和其他道路使用者。

Simulink，ROS和OpenDRIVE可以通过数据接口连接到PEVATeC。

如果现在在真实和虚拟驾驶测试中将各个方案进行比较，则可以得出有关整体模拟准确性的结论。这也导致出现了越来越精确的基础，可以通过仿真来优化车辆中的传感器系统，例如通过虚拟测试车辆中超声传感器的不同安装位置。这样可以快速验证和校准基于光学和雷达的传感器。例如，开发过程中涉及的所有部门都可以使用Simulink，ROS或OpenDRIVE的数据接口，以便以后将结果集成到整个车辆的仿真中。

PEVATeC执行的另一个重要任务是对象的分类。即使在最困难的条件下，传感器智能也必须编程以识别交通标志、人员和情况。这需要训练图像识别软件，同时使用人工智能以及真实和模拟图像数据的组合来完成。可以借助机器学习对系统进行训练，以正确分类对象和情况。高性能计算机会自动执行此标记过程。仅在模拟场景中，所有对象都是已知的，并位于游戏引擎中。这样，可以自动识别，确定尺寸和特征化图像中的对象。

ADAS测试中心：高性能计算中心的基础架构

由于新车辆功能的虚拟测试，培训和验证需要实时处理大量数据，因此，ADAS测试中心的未来基础架构将与高性能计算中心的基础架构相似。需要大量图形芯片（GPU）来处理大量信息。GPU特别适合涉及自动驾驶的应用，因为数学运算在其中并行运行。因此，它们也是PEVATeC概念的重要组成部分。此外，还具有用于测试和验证不同ADAS系统所需的一组方案的存储容量。有效数据的确定是开发可高效安全地将自动驾驶带入道路的算法的必要前提。

总结

测试先进的驾驶员辅助系统和自动驾驶功能需要数十亿公里的测试里程。单凭路测还不足以完成它。这就是保时捷工程技术公司开发PEVATeC的原因。专门用于3D模拟的计算机系统生成合成数据，作为车辆传感器输入。数据可以够建出相当真实的环境，以至于无法与现实区分开。这使得将许多测试从真实世界转移到虚拟世界成为可能。