着力培养汽车新技术人才。
根据当前主流自动驾驶汽车测试方法和ADAS汽车在环仿真测试方法的特点。利用虚拟现实和实时仿真技术，搭建了自动驾驶汽车在环仿真平台，并在室内实现了仿真平台和案例测试。
该平台不仅可以为重复性测试提供丰富的测试环境、危险场景和难以重现的复杂场景，还可以利用真实车辆的车辆动力学特性，无需复杂的车辆动力学模型，测试成本相对较低。
'
目前，针对自动驾驶汽车测试需求的测试方法主要有三种：软件虚拟测试、HIL(硬件在环)仿真测试和真实道路测试。
虚拟测试是一种基于虚拟场景的综合自动驾驶测试方法，是一种纯数字仿真测试。HIL模拟试验主要是在核心控制算法形成后，将实车引入模拟试验系统进行台架试验。
实车道路试验分为封闭园区试验和开放道路试验，是确认自动驾驶汽车可靠性最重要的试验方法，模拟试验永远无法替代实车道路试验。但是经过研究分析发现，现有的三种主流测试方法都有其固有的缺点，如表1所示。
此外，Miquet等人、Butenuth等人、赵等人提出了测试ADAS的(Vehicle-in-Loop)仿真测试方法。
这种方法的基本原理和试验目的与自动驾驶汽车在环仿真试验相似，但如果应用于自动驾驶汽车整车试验，仍存在以下问题：
模拟系统安装在被测车辆上，测试过程中难以在线分析和监控。
不能支持云虚拟仿真环境；
无法扩展，一个仿真系统只能测试一辆整车的系统；
为了逼真地模拟物理世界，场景虚拟系统会非常庞大，由于尺寸、功率和重量的限制，很难安装在被测车辆上。即使勉强安装在车上，也会增加被测车辆的电负荷和重量，影响测试效果。
同时，车辆的振动会降低仿真系统硬件的可靠性。根据上述测试方法的特点，本文提出搭建自动驾驶VIL模拟测试平台，从而解决当前主流自动驾驶汽车测试固有的缺点，充分结合各自的优势。
1.系统原理
自动驾驶车辆在环仿真测试平台的总体结构主要由交通仿真场景、自动驾驶控制系统和真实测试道路上的物理车辆三部分组成。系统原理如图1所示。
使用基于UE4(虚幻引擎4)的自动驾驶模拟测试系统Carla，搭建开发测试的模拟场景；仿真场景中的数字孪生车通过虚拟传感传感器采集测试场景数据；数据传输给被测自动驾驶控制器进行信息融合和控制决策，决策后的车辆控制命令通过无线网络发送给物理车辆的执行器；
物理车辆在真实道路上做出反应后，通过无线网络将车辆姿态和位置信息发送给仿真场景中的数字孪生车辆。完成车辆位置同步，从而实现整个系统的闭环实时仿真。
在自动驾驶VIL仿真系统中，由于数字孪生车辆在交通仿真场景中的运动状态是由真实道路上行驶的物理车辆的运动状态决定的，因此仿真测试平台不需要建立复杂的车辆动力学模型；同时，与其他类型的半实物仿真系统相比，它提供了更精确的仿真能力，保留了低成本、场景多样、极端场景测试、可重复性测试等优势。
在交通仿真场景中，不仅可以生成可控的程序化车流量、行人、动物等动态背景对象，还可以访问驾驶模拟器控制特定背景车辆，模拟人类驾驶习惯
交通仿真场景服务器独立于真实道路上的物理车辆，放置在实验室中，因此不会受到场地、电源和计算能力的限制。特别是该系统不需要模拟复杂的车辆动力学模型，大大降低了对虚拟场景服务器计算能力的要求。
因此，它允许多辆自动驾驶汽车在同一个交通仿真场景中同步测试，可以用来模拟和分析多辆自动驾驶汽车(包括不同的控制算法)在同一个交通场景中的交互方式和相互影响。它可以实现多辆自动驾驶车辆的通行条件、程序化的背景车流量以及具有人类驾驶特征的车辆共存。
2.自动驾驶整车在环仿真平台实现
自动驾驶车辆在环仿真平台的实现分为四个部分：平台结构设计、虚拟场景构建、物理车辆改装和基于ROS的系统功能开发。
2.1 平台结构设计
自动驾驶汽车在环仿真平台的系统结构如图2所示。图2是最佳实施例的自动驾驶VIL仿真平台的系统结构图。本文是一个在室内模拟中实现自动驾驶的VIL模拟平台，采用卡拉系统的简单AD算法，没有独立的自动驾驶控制器。同时，车辆行驶控制命令和车辆姿态位置数据通过AP(无线接入点)建立的无线局域网进行通信，不采用5G通信技术。
2.2 虚拟场景建设
该仿真平台使用自动驾驶模拟测试系统Carla构建虚拟场景。卡拉从零开始发展，以支持自动驾驶系统的开发、培训和验证。除了源代码和协议，卡拉还提供开放的数字资产(城市布局、建筑、车辆等。)为此目的而创建，可以自由使用。
支持灵活的传感器套件规格和环境条件(白天、夜晚、雨雪等)。)，并通过OpenDrive格式的地图数据给3D模型赋予语义信息。支持FBX3D模型格式的导入，方便高效便捷地完成虚拟场景构建任务。该仿真平台建设的室内Demo仿真场景如图3所示。
2.3 物理车辆改装
传感器成本一直是自动驾驶汽车硬件成本高的重要原因。在自动驾驶VIL仿真平台中，传感器仅用于实时定位，车辆改装的最佳传感器配置是RTKGPS(全球定位系统带载波相位差技术)和IMU(惯性测量单元)的组合，因此与真实道路测试相比，VIL仿真平台大大降低了被测车辆的改装成本。
在仿真平台中，我们选择了X-MAXX RC Car进行改装，按照正常车辆5:1的尺寸进行缩小，其工作原理与市面上的电动车基本相同。该车配备了处理器(树莓Pi 3B)、执行器(PCA9685)、激光雷达(SLAMTIC RPLIDAR A1)和惯性测量单元(razor_imu_9dof)实现车辆定位和导航。通过使用低成本的硬件修改，可以获得更好的测试结果。修改后的实体车辆如图4所示。
2.4 基于 ROS系统功能开发
ROS(机器人操作系统)是一个适用于机器人的开源元操作系统。采用分布式架构，通过功能独立的各个Node实现消息传输任务的分层操作，减轻了实时计算的压力[12]。根据ROS提供的底层标准操作系统服务，进行了仿真测试平台的功能开发。自动驾驶VIL仿真平台ROS节点的信息流程图如图5所示。
3.车辆物理定位分析
自动驾驶VIL仿真平台的仿真在室内进行，因此采用SLAM(同时定位和地图)定位技术。
自动驾驶汽车在未知环境中进行探索，并在估计汽车位置的同时仅通过安装在汽车上的传感器来绘制未知环境的地图。这是导航和自动驾驶的关键技术。定位传感器惯性测量单元是敏感元件，特别是低成本惯性测量单元的偏航角信号受噪声干扰严重，因此需要对惯性测量单元的偏航角信号数据进行滤波。将原始数据与过滤后的数据进行比较，如图6所示。
绘制地图所需的节点和主题如图7所示。SLAM室内演示场景的点云图如图8所示。
使用手动控制程序控制实体车辆的移动。车辆位置测试结果数据如表2所示。
根据测试结果分析，仿真平台的实时误差在允许范围内，满足室内平台仿真实现车辆物理定位的要求。
4.测试案例分析
自动驾驶VIL仿真平台具有实时信号监测功能，可随时获取某一时间段或特定场景下的车辆控制信号。这对测试后期的数据处理、算法改进和故障分析具有重要意义。平台测试实验场景：被测车辆直行过程中，其他车辆出现在道路前方，如图9所示。该时间段的车辆控制信号如图10所示。
开始时油门开度信号为1，电机正转，被测车辆以最大油门开度行驶；直行过程中，前方出现其他车辆，油门信号变为0，电机停止工作，被测车辆停止；前车离开后，油门信号再次变为1，被测车辆继续行驶。
根据本次实验使用的控制算法，当节气门开度为0时，车辆制动，因此没有制动信号输出，制动信号显示始终为0。被测车辆转向器最大转向角为100。为了保护车辆，程序中设置了转向极限角，控制算法调整转向信号，使车辆保持直线行驶。其他车辆离开后，被测车辆继续行驶并开始转弯。
5.结论
自动驾驶汽车在上路前必须经过大量的测试。代替实车模拟测试，成为各大汽车厂商和自动驾驶技术供应商关注的焦点。通过分析三种主流自动驾驶汽车测试方法和ADAS汽车在环测试方法的特点，开发了一个自动驾驶汽车在环仿真开发平台，充分结合了软件虚拟测试、硬件在环仿真测试和真实道路测试的优势。
通过对自动驾驶VIL仿真平台的研究和仿真，得出以下结论：
(1)利用自动驾驶VIL仿真平台进行整车测试理论上可行，但实车测试平台的搭建可能存在工程问题。
(2)自动驾驶VIL仿真平台基于成熟的软件虚拟车辆测试系统的开发，不仅可以为重复性测试提供丰富的测试环境、危险场景和难以重现的复杂场景，还可以访问真实道路上的物理车辆运动状态，平台中的车辆动力学特性与真实道路测试完全一致。
来源：汽车实用技术。
上一篇：下一个出风口！增强现实(AR)辅助手术将彻底改变医疗保健！
下一篇：返回列表
