01

前言

SAIMO

自動駕駛汽車和自動駕駛系統(tǒng)是當(dāng)今汽車領(lǐng)域最前沿的技術(shù)。自從汽車誕生以來，沒有一種技術(shù)能以如此革命性的方式改變汽車行業(yè)。自動駕駛汽車致力于自動化的安全駕駛，并為行動不便的人們增加了使用交通工具的機(jī)會。自動駕駛汽車正在從根本上改變?nèi)撕拓浳锏倪\(yùn)輸方式，有望顯著地造福未來社會。

然而，由于自動駕駛技術(shù)還未完善，為了確保安全和驗(yàn)證場景，難以讓自動駕駛汽車廣泛地進(jìn)行實(shí)車驗(yàn)證。目前，一套行之有效的方法是利用仿真系統(tǒng)驗(yàn)證自動駕駛算法。這套方案已經(jīng)得到行業(yè)認(rèn)可，并涌現(xiàn)出大量仿真理論及應(yīng)用軟件，可以在安全性和成本等方面發(fā)揮重要作用。

自動駕駛算法由感知、決策和車輛控制等模塊構(gòu)成。在仿真環(huán)境中，還原真實(shí)車輛的雷達(dá)感知系統(tǒng)尤為重要，因?yàn)檐囕v后續(xù)的決策算法都需要基于感知系統(tǒng)的輸出數(shù)據(jù)。賽目科技針對自動駕駛仿真中的雷達(dá)感知系統(tǒng)在不同天氣環(huán)境下的表現(xiàn)，展開研究與討論。

02

自動駕駛傳感器感知系統(tǒng)仿真

SAIMO

自動駕駛車輛的傳感器組件包括毫米波傳感器、激光傳感器、相機(jī)傳感器和超聲波傳感器等多種類型。每種傳感器都有其獨(dú)特的功能和特性，因此對它們進(jìn)行建模和研究具有挑戰(zhàn)性。尤其是在自動駕駛仿真驗(yàn)證需求日益增加，精度要求也越來越高的情況下，傳統(tǒng)的真值模型已經(jīng)無法滿足驗(yàn)證需求。

傳感器內(nèi)部電子器件的特性、結(jié)構(gòu)和數(shù)據(jù)采集處理算法等屬于“黑盒”，難以獲取。同時，環(huán)境因素對傳感器感知系統(tǒng)的影響無法忽略。例如，毫米波傳感器受到目標(biāo)電磁散射、地表雜波、環(huán)境噪聲和目標(biāo)截面積（RCS）的影響；激光傳感器受到目標(biāo)反射率和多次反射的影響；相機(jī)傳感器受到光線衍射和環(huán)境光等的影響。因此，對于自動駕駛傳感器感知系統(tǒng)仿真，需要考慮這些影響因素。

目前，物理傳感器建模和研究是賽目科技自動駕駛傳感器感知系統(tǒng)仿真中的重點(diǎn)研究方向。物理建模旨在構(gòu)建足夠還原真實(shí)傳感器特性的數(shù)學(xué)模型，從而提高自動駕駛仿真驗(yàn)證在感知方面的能力。在物理傳感器模型中，天氣影響是一個極為重要的影響因素，因?yàn)樘鞖鈱λ袀鞲衅鞫紩a(chǎn)生影響，而且在真實(shí)場景中非常普遍。因此，針對不同天氣環(huán)境對不同傳感器的影響進(jìn)行建模對自動駕駛傳感器感知系統(tǒng)仿真具有重大意義。賽目科技致力于還原天氣因素對自動駕駛感知系統(tǒng)的影響，利用數(shù)學(xué)建模與實(shí)測數(shù)據(jù)結(jié)合，針對不同傳感器與不同類型的環(huán)境，提出了一套設(shè)計(jì)方案。

03

天氣因素對傳感器的影響

SAIMO

天氣因素多種多樣，本文主要討論雨雪霧等常規(guī)天氣。不同的天氣對不同的傳感器影響也不相同。如霧，對毫米波雷達(dá)的影響很小，通常考慮毫米波雷達(dá)的功率衰減即可；但對于激光雷達(dá)，脈沖波的波長很小，脈沖波會撞擊空氣中的水粒子導(dǎo)致產(chǎn)生雜波（如圖1）。

圖1：激光雷達(dá)返回（頂部）場景中的霧。顏色由左邊的激光雷達(dá)通道和右邊的強(qiáng)度。地面點(diǎn)已被去除，以更好地看到由霧引入的點(diǎn)[1]。

不同的天氣種類會由于電磁波，脈沖波的碰撞到雨雪霧粒子而產(chǎn)生雜波，導(dǎo)致探測過程中出現(xiàn)雜點(diǎn)，但這種現(xiàn)象是真實(shí)存在的，需要在仿真中再現(xiàn)這種效果。同時，由于波具有一定的穿透性，空氣中的雨雪霧粒子也會使得雷達(dá)的功率更快地衰減。賽目科技針對傳感器發(fā)射功率衰減以及環(huán)境反射雜波兩個方面進(jìn)行構(gòu)思，并提出一套基于這兩方面影響的環(huán)境建模方案。

04

天氣模型

SAIMO

針對毫米波傳感器與激光傳感器，天氣模型影響的是兩個方面，其中一個是對發(fā)射功率的衰減，目前已經(jīng)有很多這方面的研究并且有仿真軟件已經(jīng)支持這個功能。對于衰減模型，針對不同的天氣與傳感器，可以使用函數(shù)

來表示距離R下目標(biāo)的衰減，其中參數(shù)用于標(biāo)定不同天氣,在不同程度下對不同雷達(dá)的影響，其中x表示該天氣的程度大小。該參數(shù)對不同規(guī)格的雷達(dá)也具有敏感性，通常需要通過實(shí)測數(shù)據(jù)標(biāo)定才能獲取。

對于雜波生成模型，難點(diǎn)在于兩方面：

1）雜波生成的數(shù)量；

2）雜波對應(yīng)的距離，如圖2。

圖2：激光雷達(dá)在噴霧的影響下所形成的點(diǎn)云信息，左為真實(shí)測量值，右為仿真值，可以觀測到距離越遠(yuǎn)，雜點(diǎn)越少[2]。

目前已有方法從仿真環(huán)境出發(fā)，在環(huán)境中生成不同數(shù)量的隨機(jī)粒子，在利用光追算法進(jìn)行信號處理時，光線有可能撞擊到環(huán)境中的粒子從而生成雜波信號。但是該方案有無法探測粒子后方目標(biāo)以及對仿真環(huán)境需求過大的缺陷。賽目科技致力于傳感器數(shù)據(jù)的實(shí)時仿真，區(qū)別于場景生成水粒子這種方法，直接在傳感器運(yùn)算階段添加雜波來模擬環(huán)境因素，該方法擁有更快的運(yùn)算速度。

生成雜波的數(shù)量需要通過路采數(shù)據(jù)得到，表示不同天氣程度在不同類別傳感器下生成的雜波數(shù)量。以對環(huán)境比較敏感的激光雷達(dá)為例，需要隨機(jī)分配到每一個光線射線方向上，對應(yīng)的第i條射線記為，并記錄其隨機(jī)產(chǎn)生的方向信息。

值得注意的是，該雜波生成數(shù)量是在接收信號構(gòu)建中體現(xiàn)，雜波數(shù)量不等于最終生成的雜點(diǎn)數(shù)量，因?yàn)槔走_(dá)的后處理算法會將一些回波功率底，或者并非最強(qiáng)回波功率的部分排除。

對于雜波對應(yīng)的距離分布，有一種思路是將空間中的雨雪霧，看作是連續(xù)的水粒子，固體粒子的分層。賽目科技認(rèn)為電磁波在每一層中擁有相同的反射概率，這使得反射信號的層數(shù)滿足一個多項(xiàng)式分布。而多項(xiàng)式分布的極限為泊松分布。賽目科技認(rèn)為，可以是使用一個泊松概率分布來體現(xiàn)雜波出現(xiàn)的距離分布

其中表示不同天氣程度在不同類別傳感器下的泊松分布系數(shù)，需要實(shí)測數(shù)據(jù)支撐。第i條射線方向的距離為

就可以在場景中隨機(jī)生成一定數(shù)量的，距離上滿足泊松分布的雜波，其中射線方向?qū)?yīng)的距離與角度信息為。由于雜波也是信號反射的結(jié)果，以激光雷達(dá)為例，在設(shè)置碰撞雨雪霧粒子反射率后，可以計(jì)算該雜波的功率

其中分別為激光的發(fā)射功率，增益，接受孔徑和光束發(fā)散角。不同的雷達(dá)對應(yīng)的回波功率公式都不相同，并且在不同模型中，其他參數(shù)也會對回波功率產(chǎn)生影響。這些雜波作為接收信號的一部分進(jìn)入物理傳感器的處理模塊，功率衰減體現(xiàn)為弱反射物理的輸出能力下降，雜波可能體現(xiàn)為點(diǎn)云或者RD圖中的雜點(diǎn)。

05

結(jié)論與探討

SAIMO

鑒于天氣變化大/種類多的特點(diǎn)，自動駕駛仿真中的天氣模型建模仍然存在很大的挑戰(zhàn)。雖然利用概率模型進(jìn)行建模是一種有效的方法，但是還需要進(jìn)一步探索其他建模思路。例如，利用大量實(shí)測數(shù)據(jù)的數(shù)據(jù)庫來提取對應(yīng)天氣的雜波，以更真實(shí)地模擬天氣環(huán)境，但這需要有強(qiáng)大的數(shù)據(jù)支持。另外，在場景中構(gòu)造粒子并將粒子信息返回的方法可以支持大風(fēng)天氣對雨雪的干擾，并還原一些擾動信息，但現(xiàn)有的傳感器物理建模中，天氣環(huán)境建模仍然是一個巨大的挑戰(zhàn)。因此，需要繼續(xù)深入研究和探索更加有效和準(zhǔn)確的建模方法，以提高自動駕駛系統(tǒng)在各種復(fù)雜天氣環(huán)境下的可靠性和安全性。賽目科技將會針對這些技術(shù)難點(diǎn)，持續(xù)進(jìn)行產(chǎn)品的開發(fā)與迭代。

參考文獻(xiàn)

References

[1]: Martin Hahner, Christos Sakaridis,Dengxin Dai,Luc Van Gool.

Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather.

[2]: Clemens Linnhoff, Dominik Scheuble, Mario Bijelic, Lukas Elster, Philipp Rosenberger, Werner Ritter,Dengxin Dai and Hermann Winner.

Simulating Road Spray Effects in Automotive Lidar Sensor Models

SAIMO

掃描二維碼

關(guān)注賽目科技

?

專注智能網(wǎng)聯(lián)汽車

測試丨驗(yàn)證丨評價研究