技术科普丨浅析自动驾驶仿真测试平台

智能网联汽车行业已成为全球竞相发展的重点领域和各国全力抢占的产业战略制高点。随着行业的飞速发展，如何提升测试效率、精进相关技术、加快落地速度，成为行业迫切需要解决的问题。此时，自动驾驶虚拟仿真平台的重要性被凸显出来。虚拟仿真平台可以弥补实车测试的不足，提高自动驾驶汽车测试的安全性并节省测试时间和成本，为自动驾驶汽车量产落地提供助力。

01、自动驾驶仿真平台有什么功能需求？

自动驾驶仿真面向的主要客户包括有自动驾驶开发需求的汽车厂商、算法公司以及各类汽车测试场，从客户需求的角度来讲，自动驾驶仿真测试平台至少应具备以下几种功能。

1.1、需满足自动驾驶全栈算法闭环仿真测试

既然需要具备在虚拟仿真环境下对自动驾驶系统及功能进行测试的能力，那么至少需要满足自动驾驶感知、决策规划、控制执行等全栈算法的闭环仿真测试能力。

自动驾驶仿真测试平台的功能需求源于自动驾驶汽车的工作原理。即通过摄像头、激光雷达、毫米波雷达等传感器识别车辆周围的环境信息，然后由人工智能结合感知信息和以往经验做出决策，最后自动控制车辆转向和速度，到达预定目的地。从工作原理可以看出自动驾驶的核心算法是感知算法、决策规划算法和控制算法。进一步地，从三大算法可以推知自动驾驶仿真测试平台需要具备完成三大算法的仿真测试能力。具体来讲：

• 感知算法仿真：需要高还原度的三维重建场景和精准的传感器模型

• 决策规划算法仿真：需要大量的场景库为支撑

• 控制算法仿真：需要引入精准的车辆动力学模型

1.2、需满足汽车V字开发流程

V字开发流程（V模型）是为了保证汽车系统开发的有效性和高效性而研发的一套先进的测试理论和流程，包括功能设计、快速控制原型、代码集成与测试、HIL 测试以及实车标定。

区别于传统的正向开发，V模型强调软件实现和验证的有机结合，即让软件在生命周期内的每一个开发活动都有与之相对应的测试，旨在保证较高软件质量的情况下缩短研发周期。

自动驾驶的仿真测试平台必须满足汽车的 V 字开发流程，具备覆盖 MIL(模型在环)、SIL(软件在环)、HIL(硬 件在环)、VIL(车辆在环)、DIL（驾驶员在环）全流程验证的能力。

1.3、满足自动驾驶算法迭代升级

为积累足够的测试数据对算法进行优化，加速自动驾驶汽车商业化运用，必须提高自动驾驶仿真测试效率。在影响测试效率的因素中，最重要的有两个：

• 仿真系统是否具备快速自动化生成测试场景的能力。如果无法基于真实数据自动化生成场景，将会大大降低测试效率；

• 测试平台是否具备云端并行加速的能力。本地调试和云端加速仿真相结合是最理想的使用方式，在本地将算法调试完毕后，上传到云端快速进行大量的回归测试集验证，再将结果反馈到本地，分析自动驾驶算法表现情况，进一步做精细调试，以此推动算法快速迭代。

02、自动驾驶仿真测试平台技术架构是怎样的？

仿真测试平台技术架构与能力包括：虚拟场景构建、感知系统仿真、车辆动力学仿真、云加速仿真。

2.1、虚拟场景构建

自动驾驶汽车的仿真测试，需要模拟构建出与真实世界一致的车辆运行场景，而运行场景包括静态场景和动态场景。

静态场景构建的作用是还原出场景中与车辆行驶相关的静态元素和静态交通元素。最常用的手段是基于高精度地图及三维重建技术完成场景的构建，或者基于增强现实的方法来构建场景。

动态场景构建则是为了在静态场景的基础上，复现出场景中的动态元素，并且使得这些元素的动作及其产生的影响严格遵循现实世界的物理规律以及行为逻辑。动态元素包括动态指示设施、通信环境信息，以及交通参与者、气象变化、时间变化等。

2.2、感知系统仿真

感知系统的仿真，可以分为三个层次：

• 物理信号仿真，即直接仿真传感器收到的信号，例如直接仿真摄像头检测到的光学信号， 或者雷达超声波和电磁波信号；

• 原始信号仿真，相当于把传感器探测的单元拆掉，直接仿真控制电控嵌 入式系统中专门的数字处理芯片的输入单元；

• 传感器目标仿真，将传感器检测的理想目标直接仿真到决策层算法输入端。

2.3、车辆动力学仿真

车辆动力学模型仿真是可以通过模拟车辆来客观评价决策及控制算法，使被控制对象的反应更贴近真实世界。

2.4、云加速仿真

仿真系统在进行仿真任务需要依赖强大的计算和存储能力。随着仿真内容的增加，单个计算机的性能很快成为了瓶颈，一个计算节点不可能独立完成仿真任务，而基于云计算的分布式概念正好能够帮助自动驾驶仿真系统达成这样的目的。分布式框架可以将计算和存储任务进行拆分，让互相连接的每一台机器承担一部分的计算和存储任务，并在需要的时候进行数据的同步和收集，降低单个节点成本，提供系统整体的计算能力和存储容量。