ANSYS自动驾驶仿真系统验证平台

ANSYS自动驾驶仿真验证平台

1.      系统方案

ANSYS高精度自动驾驶仿真验证平台提供了基于物理的三维场景建模、基于语义的道路事件建模、基于物理光学属性的摄像头和激光雷达的仿真、基于物理电磁学属性的毫米波雷达的仿真，从而实现多传感器、多交通对象、多场景、多环境的实时闭环仿真。其主要功能如下：

1)      开放式交通场景编辑模块，自定义设定道路和交通场景，可以自定义设定道路两旁的建筑物，绿化带等等；

2)      可以根据用户需求，自定义设定道路场景上的交通流，可以自定义设定道路上来往的车辆，行人和交通指示灯；

3)      可以根据客户需求，自行设定主动驾驶（或算法控制车辆）的车辆动力学参数；

4)      支持高精度的三维场景仿真和基于环境光的模拟；

5)      支持高精度的物理属性的传感器仿真，包括毫米波雷达的仿真、摄像头的仿真和激光雷达的仿真；

6)      此外，考虑到能更加逼真地反映“人—车—路”在环仿真测试，该平台还提供了开放的接口，可以与实物传感器、VR设备、控制器、各类测试数据进行无缝的联入，从而更好的满足不同级别、不同目标的测试仿真要求。

2.      系统构成

下面分别介绍本平台各模块的构成。

2.1.自定义道路环境

ANSYS自动驾驶仿真平台提供了一套自定义道路场景的设计工具，具备直道、弯道、曲线等设计能力，支持道路宽度、长度、半径、方向、车道数量、车道方向、车道限速、车道类型等的编辑。

同时，该设计工具支持高架等不同高度道路以及不同坡度倾角、道路交叉口、匝道、并道等的定义。还支持车道线的自定义化建模，包括单线、双线、实线、虚线、车道线纹理、颜色等一系列车道线类型。同时，软件集成丰富的环境模型库，如树木、建筑物、交通标识、路灯、电线杆、绿化带、动物，施工路段障碍物和设施、交通行人等对象模型，可根据用户需求对道路场景进行快速建模。

除了自定义场景外，ANSYS自动驾驶仿真平台还支持导入OpenStreetMap等3D高精地图，自动生成与地图匹配的道路模型。

2.2.自定义交通场景

ANSYS自动驾驶仿真平台还提供了快捷的基于语义的道路交通流设计，包括车道行驶规则、车辆及行人行为、交通指示牌行为，以及某一时刻各交通对象交通行为的精确数据输出。此外，交通对象的行为也可以人为定义，包含如车辆驾驶行为、突然变道、突然加速、行人乱闯红灯和人行道等一系列场景的仿真，同时软件内部车辆和行人之间可自定义交互与否，即可仿真自动避让行人和忽视行人发生碰撞等行为。软件内嵌脚本语言定义，同时也支持如Python，C++等语言的接口控制来定义交通行为。如下图所示，为通过语义级的脚本语言来定义车辆和行人等交通对象的行为。

2.3.构建车辆动力学模型

除了上述的道路场景以及交通流的搭建能力之外，ANSYS自动驾驶仿真平台同样提供了基于总成特性的车辆动力学模型，并提供了以下性能参数的配置：

Ø 底盘参数，如长宽高、轴间距、重量等；

Ø 性能参数，如最大时速、引擎转速等；

Ø 转向参数；

Ø 轮毂参数；

Ø ……

同时，软件还提供了各类特性参数的预定义实验数据，方便用户对所定义车辆的特性进行快速的测试验证。相关的实验数据有：

Ø 加速特性实验数据；

Ø 刹车特性实验数据；

Ø 转弯特性实验数据；

Ø 方向盘特性实验数据；

Ø 侧风实验数据；

Ø 障碍物和转弯实验数据；

Ø ……

ANSYS自动驾驶仿真平台还支持外部车辆动力学模型的导入和集成，如CarSim车辆动力学模型，以及用户自研的车辆动力学模型。

2.4.基于物理真实的三维场景建模

在无人车辆的物理仿真中，除了前述关于道路场景，交通流以及车辆动力学模型的建模能力外，ANSYS自动驾驶仿真平台的显著特点和优势在于提供基于物理真实的三维场景建模和ray-tracing的图形算法。使得上述的场景的构建与物理真实达到一个高匹配度，以此对无人车中传感器的感知和后期控制算法的验证提供了很好的准确性和真实性，以减少场景搭建的缺陷所带来的传感器和感知算法的决策错误。

在整个基于物理真实的建模平台搭建中，ANSYS 自动驾驶仿真验证平台会通过对以下物理真实参数的定义和基于ray-tracing的图形算法来保障仿真的准确性和真实性：

n 环境光源的定义，包括：

Ø 天空的照度值；

Ø 基于经纬度的太阳光的照度和位置定义；

Ø 环境场景中各种点光源以及面光源的定义（光谱+IES+XMP）；

Ø 车辆照明系统的光源定义（光谱+IES+XMP）；

n 环境场景中包括道路，建筑，车身等一系列材料表面光学属性的定义。

其中各个光源的定义通过导入相关定义文件，如下图所示：

如前述所讲，材料表面光学属性通过ANSYS开发的一套OMS材料物理光学属性BRDF测量仪硬件设备，对用户所需仿真的场景材料库进行探测，并将探测所得材料表面光学属性BSDF函数附在前述场景建模的所属材质表面，从而在ray-tracing的图形算法下仿真得到一整套完整的考虑外部环境光以及物体表面光学属性的物理真实的三维场景建模。同时ANSYS自动驾驶仿真平台还提供丰富的材料库供客户场景建模使用。

2.5.基于物理真实的多传感器模型融合和系统级仿真

在无人车辆中，除了前述ANSYS自动驾驶仿真平台能提供的基于物理真实的场景建模能力外，同样集成了包含摄像头，激光雷达和毫米波雷达的感知系统模型仿真。可以实现物理级的实时动态仿真，即在基于物理真实的道路场景以及交通流定义完成，添加环境光源以及材料表面光学属性后，通过搭建智能驾驶模拟器来实现感知系统的动态实时仿真验证，研究环境以及交通流对感知系统的影响。同时，ANSYS自动驾驶仿真平台还支持如C++/ANSYSSCADE/SIMULINK等外部接口的控制算法来对传感器的输出进行数据处理和验证，包括SIL, HIL等多级别仿真验证。

1)      基于物理的摄像头系统级仿真

在基于物理的摄像头系统级仿真阶段，ANSYS自动驾驶仿真平台通过定义摄像头的如下物理参数得到RAW图像用以对摄像头供应商进行验证或者硬件在环系统的仿真验证。摄像头系统级仿真参数模型参照EMVA1288标准建模，主要包含：

n 镜头模型

² 镜头材料；

² 焦距；

² 孔径光阑；

² 镜片透过率函数；

² 畸变等；

n 成像仪模型

² 分辨率；

² 尺寸；

² 曝光时间；

² 噪声系数；

² 量子效率；

² 增益等；

n 处理器模型

n 摄像头位置

n 风挡参数

² 入射角；

² 折射率；

² 厚度；

² 透过率函数等。

基于以上物理参数的建模以及对场景环境光源的考虑和材料表面光学属性的影响，在系统级仿真中摄像头输出与真实匹配度高度一致的RAW图像。如下图所示ANSYS自动驾驶仿真平台的摄像头实时输出提供给感知算法的车道线识别。

2)      基于物理的激光雷达系统级仿真

类似于摄像头的系统级仿真，激光雷达的系统级仿真通过准确定义的激光雷达参数，通过发射和接收生成的点云图对用户构建的场景和交通流进行感知探测并验证相关感知算法。支持多种激光雷达模式（扫描式，旋转式）。

激光雷达的建模参数包括：

n 扫描式

² 最大和最小探测距离；

² 横向视场角；

² 纵向视场角；

² 分辨率等；

n 旋转式

² 最大和最小探测距离；

² 旋转速率；

² 最大线数等；

如下图所示为ANSYS自动驾驶仿真平台的激光雷达实时探测深度图与摄像头输出RAW图像相匹配。

3)      基于物理的毫米波雷达系统级仿真

毫米波雷达的系统级别仿真通过ANSYS特有的ROM降阶技术，以HFSS软件为模拟工具，可以通过内嵌接口工具与ANSYS自动驾驶仿真平台结合实现毫米波雷达与摄像头和激光雷达的同步实时仿真，得到雷达回波的成像结果并进行分析。

2.6.实时闭环仿真系统

如前述通过对环境、场景、交通流的建模构造出无人车辆的运行场景和轨迹，同时耦合如摄像头、激光雷达和毫米波雷达的感知系统的仿真，通过开放的API接口，可以方便的进行外部自动驾驶算法的集成。从而形成实时闭环的驾驶系统仿真。

2.7.基于物理的智能头灯照明仿真系统

随着智能驾驶辅助系统（ADAS）的逐渐普及和行业发展，车辆智能化头灯照明系统也逐渐成为当前行业的发展趋势和应用热点。ANSYS自动驾驶仿真平台Headlamp模块通过ANSYS特有的物理级仿真引擎，为客户提供真实的车辆头灯路面光型分布测试和动态驾驶与智能头灯仿真测试。

除了前述在三维环境建模中通过ANSYS OMS设备进行材料表面光学属性的采集与赋值外，为了接近真实的物理仿真光型，Headlamp模块同样对光源进行仿真模拟，包括车灯光源，自然光光源，路灯光源等。定义方式包含如：

Ø 光源光强分布IES文件；

Ø 光源光谱spectrum文件；

Ø 光源强度等；

如下图所示分别为不同光源的光谱分布和车灯光源的IES定义文件。

基于环境和光源的物理仿真，可以实现车辆前照灯远光，近光，侧灯的切换以及光强的实时切换控制，同时丰富的光度学分析工具，包含色度学，光度学，等照度线，等照度区域等信息便于分析光分布情况。支持的25米目标墙光分布信息用于分析验证头灯光分布是否符合标准。

除了静态光型分布验证，ANSYS Headlamp开放的如C++，SCADE，Simulink的光型数据接口支持客户自定义化的智能头灯开发与验证，同时丰富的动态驾驶模拟和场景仿真也可以帮助客户实现实时的动态驾驶头灯验证，如AFS，ADB，矩阵头灯，像素头灯等智慧头灯的仿真与测试验证，基于IIHS动态头灯测试标准的夜间测试验证。