歐洲 PEGASUS 指出，對于三級及以上的自動駕駛系統(tǒng)需要進(jìn)行虛擬仿真測試。虛擬傳感是虛擬測試中的一個重要環(huán)節(jié)，虛擬傳感器模型的質(zhì)量決定了在仿真中獲得的真實感程度，利用虛擬環(huán)境下環(huán)境感知傳感器進(jìn)行仿真建模測試，不僅可以在短期內(nèi)實現(xiàn)對多種路況進(jìn)行再現(xiàn)測試以及對危險的駕駛情況進(jìn)行測試，而且可以突破時間限制不間斷地測試，能夠大大縮短產(chǎn)品測試周期，成本也比較低。

在建立智能汽車的傳感器仿真模型時，一般可以分為物理模型建模和功能模型建模。物理模型對傳感器的具體物理結(jié)構(gòu)和物理原理進(jìn)行模擬，體現(xiàn)了傳感器的物理特性。

此外，智能汽車控制器測試驗證需要復(fù)雜的交通環(huán)境，其中的交通車輛模擬也需要帶傳感器的智能汽車模型，計算量大大增加，對計算效率要求更加嚴(yán)苛，每個傳感器的計算都需要在微秒級完成，上述兩種傳感器模型大都還不適用于復(fù)雜交通場景模型。

針對上述研究現(xiàn)狀，本文中建立了虛擬環(huán)境下可以適用于多智能汽車并發(fā)實時仿真的高效率傳感器功能模型，可以模擬一定的物理現(xiàn)象，并對模型功能和性能進(jìn)行了有效驗證，且在并發(fā)仿真條件下對計算效率進(jìn)行了驗證。

1.傳感器功能模型的建立

１.１模型框架

為建立虛擬環(huán)境下的傳感器功能模型，本文中搭建了如圖 １所示的傳感器框架。模型的輸入包括本車狀態(tài)、仿真場景、傳感器參數(shù)和環(huán)境參數(shù) ４部分。模型的功能模塊由對象提取、遮擋模擬、輸出模擬和誤差模擬組成。對象提取，是按照傳感器的位置、感知范圍、感知對象類型從仿真場景中快速提取出被感知對象。

遮擋模擬，根據(jù)對象的幾何輪廓和它們相對傳感器的位置關(guān)系，按照圖形幾何學(xué)確定出最終的可見對象。輸出模擬，根據(jù)傳感器自身特性、被感知對象的輸出格式，為需要對外輸出的可見對象計算理想的輸出數(shù)據(jù)，得到理想待輸出對象。誤差模擬，表征傳感器特性，在理想待輸出對象的輸出數(shù)據(jù)上加入高斯白噪聲，形成最終的感知輸出。

１.２對象提取

為滿足大規(guī)模仿真場景中多車傳感器需求，快速對象提取是基礎(chǔ)。快速提取的工作原理如圖 ２所示，將仿真空間在慣性系下按照二維平面劃分為連續(xù)的正方形網(wǎng)格，所有物體每一時刻在幾何上必將屬于正方形網(wǎng)格中的一個或幾個。為每個需要對外提供信息的物體創(chuàng)建一個被截取對象，根據(jù)類型的不同，將被截取對象句柄存儲在所屬正方形網(wǎng)格中不同對象層的對象鏈表中。

為每一個需要獲取其他物體信息的模塊創(chuàng)建一個截取模型，每個截取模型將根據(jù)傳感器作用范圍先用一個簡單幾何輪廓進(jìn)行截取，比如圖 ２中所示的圓形范圍，根據(jù)截取范圍所覆蓋的正方形網(wǎng)格，截取模型對象可以訪問正方形網(wǎng)格中不同對象層中的被截取對象，從而實現(xiàn)對被截取對象的快速截取。最后，根據(jù)傳感器的幾何探測范圍從被截取對象中按照幾何裁剪原理，進(jìn)一步提取傳感器目標(biāo)對象。

１.３遮擋模擬

陰影體算法，是計算機(jī)圖形學(xué)領(lǐng)域計算點光源產(chǎn)生陰影效果的一種經(jīng)典算法?；陉幱绑w算法，本文中提出了一種在二維平面內(nèi)判斷對象之間遮擋關(guān)系的快速算法，其原理如圖 ３所示。定義主車車體坐標(biāo)系 Ｖ，傳感 方向重合，Ｙ軸方向均指向左側(cè)，車體坐標(biāo)系原點位于車體質(zhì)心，傳感器坐標(biāo)原點位于傳感器安裝點。

定義待處理對象的幾何輪廓模型為平面有向包圍盒，如圖３（ａ）中表示待處理對象 １的矩形Ａ１Ｂ１Ｃ１Ｄ１，忽略對象不同表面材質(zhì)對感知結(jié)果的影響。

定義待處理對象的可見三角形，是在傳感器坐標(biāo)系下以傳感器坐標(biāo)原點 Ｓ為一個頂點，從待處理對象 ４個頂點中選出角 Ｓ最大時的兩個頂點形成的三角形，如圖３（ａ）所示，待處理對象 ２的可見三角形為ΔＡ２ＳＢ２，可見三角形離 Ｘ軸最近的邊與 Ｘ軸的夾角為最小可見角，可見三角形離 Ｘ軸最遠(yuǎn)的邊與：

對待處理對象是否被遮擋進(jìn)行判斷。如圖３（ａ）所示，待處理對象 ３的可見三角形與待處理對象 1 的輪廓相交，則待處理對象 ３被遮擋，而待處理對象 ２則不會被遮擋；對于被遮擋的對象，可進(jìn)一步根據(jù)兩個對象的最大、最小可見角，判斷被遮擋的對象是否仍有部分輪廓對傳感器可見，依次遍歷待處理對象列表中的每一個對象，判斷當(dāng)前正在遍歷的對象幾何輪廓是否與輸入對象的可見三角形相交。

如果相交，則當(dāng)前正在遍歷的對象已經(jīng)對輸入對象形成了遮擋，如果傳感器能夠?qū)χ挥胁糠州喞梢姷膶ο筮M(jìn)行感知，則需進(jìn)一步比較可見角。

如圖３（ｂ）所示，待處理對象 １的輪廓與待處理對象 ２的可見三角形相交，但是因為：φ２ｍａｘ＞φ１ｍａｘ＞φ２ｍｉｎ＞φ１ｍｉｎ，所以待處理對象仍有部分輪廓（圖３（ｂ）中加粗線條部分）對傳感器是可見的，激光雷達(dá)和毫米波雷達(dá)可將這部分輪廓識別為對象。

激光雷達(dá)感知對象實際輪廓的確定。在激光雷達(dá)建模計算過程中，可以根據(jù)激光雷達(dá)的掃描角度范圍、水平角度分辨率，在激光雷達(dá)坐標(biāo)系下預(yù)先計算出代表每條激光束的線段，并按掃描角度由小到大順序存儲，如圖 ４所示。

當(dāng)已知對象的最大、最小可見角為 φｍａｘ，φｍｉｎ時，可按照如下關(guān)系得到與對象可見輪廓相交的角度最大、最小的激光束線段標(biāo)號。得到兩條激光束與對象可見輪廓的交點，快速獲得對象實際被激光雷達(dá)掃描到的輪廓范圍。

１.４輸出模擬

輸出模擬是將快速提取到的大地坐標(biāo)系下的對象信息轉(zhuǎn)換到傳感器坐標(biāo)系、車體坐標(biāo)系下，并根據(jù)傳感器的實際輸出生成輸出量。

對于激光雷達(dá)模型，根據(jù)得到感知對象的輪廓，計算出形心位置，并根據(jù)對象的角度、速度等信息，主車的位置、運(yùn)動狀態(tài)，以及雷達(dá)相對主車的安裝位置，利用運(yùn)動學(xué)關(guān)系及坐標(biāo)變換，計算出對象在車體坐標(biāo)系下的形心位置、速度、橫擺角。

對于毫米波雷達(dá)模型，根據(jù)可見輪廓計算出對象相對雷達(dá)的最近點作為反射點，利用運(yùn)動學(xué)關(guān)系及坐標(biāo)變換將距離、角度、徑向相對速度從大地坐標(biāo)系轉(zhuǎn)換到雷達(dá)坐標(biāo)系。

對于照相機(jī)模型，將機(jī)動車、行人等典型交通參與物的位置、寬度等信息，進(jìn)行坐標(biāo)變換，轉(zhuǎn)化到車體坐標(biāo)系下進(jìn)行輸出。對于車道標(biāo)線和道路邊沿，直接選取感知范圍內(nèi)等間隔的若干離散點，按照預(yù)先設(shè)定多項式擬合公式計算擬合參數(shù)并輸出。

１.５噪聲模擬

目前大多數(shù)傳感器功能模型對誤差的模擬方法都是在理想輸出結(jié)果上添加噪聲來實現(xiàn)，雖然很多傳感器感知結(jié)果中的噪聲是具有一定頻率范圍的有色噪聲，而且對同一對象不同狀態(tài)變量的感知結(jié)果可能存在相關(guān)性，但是目前大多數(shù)文獻(xiàn)都將其簡化為彼此獨立的高斯白噪聲，在多數(shù)情況下可以滿足仿真需要，因此，本文中采用高斯白噪聲來模擬傳感器的噪聲，噪聲水平可根據(jù)實際傳感器進(jìn)行設(shè)置。

2.傳感器功能模型的仿真驗證

本文中分別參照德爾福 ＥＳＲ毫米波雷達(dá)參數(shù)、Ｉｂｅｏ四線激光雷達(dá)參數(shù)、德爾福 ＩＦＶ３００單目照相機(jī)參數(shù)分別建立了 ３個傳感器模型，對模型進(jìn)行仿真驗證如下。

２.１毫米波雷達(dá)模型

２.１.１功能驗證

ＥＳＲ毫米波雷達(dá)模型能夠感知各種移動和靜止的障礙物，將感知結(jié)果表示為質(zhì)點。毫米波功能模型模擬了毫米波雷達(dá)對目標(biāo)徑向相對距離、徑向相對速度、角度的感知。

圖 ５所示為毫米波雷達(dá)模型在復(fù)雜交通環(huán)境中的感知結(jié)果，模型同時檢測了車輛和靜止障礙物，并將正前方車輛識別為ＡＣＣ跟蹤目標(biāo)。另外，該驗證是在加了高斯白噪聲之后的圖片示例，其余未標(biāo)注的是該時刻下的噪點。

圖５（ａ）為虛擬場景的截圖，其中包括車輛和路邊的燈桿，圖５（ｂ）為近程和遠(yuǎn)程毫米波雷達(dá)感知結(jié)果。從圖中可以看出，毫米波雷達(dá)可以探知前方的車輛和燈桿，并標(biāo)注本車道前方車輛 ４車作為ＡＣＣ跟蹤目標(biāo)，同時表征了車輛間的遮擋關(guān)系，此時主車速度為３０ｋｍ／ｈ，目標(biāo)車車速為５０ｋｍ／ｈ。

圖 ６所示為毫米波雷達(dá)模型彎道探測過程示意圖。圖６（ａ）和圖 ６（ｂ）所示為對面來車未進(jìn)入主車毫米波雷達(dá)探測范圍時的探測結(jié)果，圖６（ｃ）和圖 ６（d）為對面來車進(jìn)入主車毫米波雷達(dá)探測范圍中的探測結(jié)果，本圖中關(guān)閉了對路燈桿的探測顯示，此時主車車速為０，目標(biāo)車車速為 ５０ｋｍ／ｈ。

圖 ７所示為毫米波雷達(dá)在前車換道工況的探測結(jié)果。圖７（ａ）和圖 ７（ｂ）所示為前車在進(jìn)行換道時的探測結(jié)果，此時 ２車正在進(jìn)行換道，并對 3 車和 4 車形成遮擋。

圖 ７（ｃ）和圖 ７（ｄ）為前車換道完成后的探測結(jié)果，此時２車已經(jīng)換道完畢，與 3 車和 4 車位于同一車道，其中未標(biāo)注的點為路燈桿，此時主車車速為０，目標(biāo)車車速為 ５０ｋｍ／ｈ。

２.１.２性能驗證

為驗證毫米波雷達(dá)感知的精度，將一輛長４.２ｍ、寬 １.８ｍ的靜止車輛分別置于前方 １４.９，３４.９，５４.９，８４.９，１２４.９和 １６４.９ｍ處，角度均為－０.２７５７°處，毫米波雷達(dá)模型探測結(jié)果如圖 ８所示。

其中設(shè)置的理想距離方差和理想角度方差均為σ＝０.５／３＝０.１６６７，實際探測距離方差平均值為０.１６６３，實際探測角度方差平均值為 ０.１５８２。由此可以看出，本文中所建立的毫米波雷達(dá)可較為精準(zhǔn)地模擬探測障礙物，且探測精度較高。

２.２激光雷達(dá)模型

本文中所建立的激光雷達(dá)模型可以感知各種移動、靜止的障礙物，計算出其幾何輪廓，估計分類，并模擬激光雷達(dá)對目標(biāo)相對位置、速度、幾何輪廓的感知過程。

２.２.１功能驗證

圖９所示為激光雷達(dá)模型在復(fù)雜交通環(huán)境中對周圍的車輛進(jìn)行有效的感知結(jié)果，模型模擬了遮擋效果因此只能感知近處車輛，而且被感知的車輛幾何輪廓并不相同，距離較近且位于主車兩側(cè)的車輛可返回較為接近真實值的長度，距離較遠(yuǎn)且位于主車正前方的車輛只能返回寬度，長度值很小。

圖１０所示為激光雷達(dá)在前車形成遮擋工況的探測結(jié)果。圖１０（ａ）和圖１０（ｂ）所示為前車１車對２車存在遮擋，使得２車被激光雷達(dá)探測到的部位

長度小于所設(shè)定的閾值，因此２車不可見。

圖１０（ｃ）和圖１０（ｄ）為前車１車以高于２車的車速繼續(xù)行駛，此時２車被１車遮擋的部位不斷減少，激光雷達(dá)所能探測到的部位大于所設(shè)置的閾值，但其側(cè)面未探測到，因此２車只有車身寬度卻沒有車身長度顯示。

２.２.２性能驗證

為驗證激光雷達(dá)的感知精度，將主車置于原點，目標(biāo)車坐標(biāo)：Ｘ＝８０ｍ，Ｙ＝０，Ｚ＝０，規(guī)格：４.２ｍ×１.８ｍ，雷達(dá)安裝位置：Ｘ＝０，Ｙ＝０，Ｚ＝０，激光雷達(dá)模型探測數(shù)據(jù)如表１所示。由表１可見，本文中所建立的激光雷達(dá)仿真模擬探測障礙物時，距離探測值和寬度探測值均與理想值高度一致。

２.３照相機(jī)模型

本文中所建立的照相機(jī)模型模擬了照相機(jī)對車輛相對位置、縱向速度、寬度、類型和車道標(biāo)線的感知過程。

２.３.１功能驗證

本文中所建立的照相機(jī)模型能夠?qū)β访娴能嚨罉?biāo)線（本文中設(shè)置為４條，主車左右各兩條）進(jìn)行感知，并且適用于彎道、匝道等道路情況。整體感知結(jié)果如圖１１所示。

２.３.２性能驗證

有噪聲情況下，目標(biāo)車：４.２ｍ×１.８ｍ，照相機(jī)安裝位置：Ｘ＝＋３ｍ，Ｙ＝０，Ｚ＝０，縱向距離探測精度：２ｍ，σｘｅｘｐ＝２／３＝０.６６６７，橫向距離探測精度：０.５ｍ，σｙｅｘｐ＝０５／３＝０.１６６７。目標(biāo)寬度探測精度：０.５ｍ。照相機(jī)模型探測數(shù)據(jù)結(jié)果如表２所示。

由表２可見，本文中所建立的照相機(jī)模型模擬探測障礙物時，實際的探測距離值和寬度值與理想值基本一致，實際的距離方差和寬度方差也均與理想值偏差較小。

3.模型計算效率驗證和結(jié)論

本文中所建立的傳感器模型，在滿足實時計算的同時，提高了計算效率，并能用于仿真場景中的多臺智能汽車。

為測試本文中所建立的３種傳感器模型，在普通ＰＣ機(jī)上分別為每種傳感器同時運(yùn)行１０個參數(shù)完全相同的傳感器模型實例，統(tǒng)計每個傳感器模型實例運(yùn)行１００００次的平均用時，結(jié)果如表３所示。

計算機(jī)處理器型號為Ｉｎｔｅｌ（Ｒ）Ｃｏｒｅ（ＴＭ）ｉ７－４７９０，主頻３.６ＧＨｚ。仿真結(jié)果表明，本文中所建立的傳感器功能模型在反映傳感器必要物理特性的同時，計算效率也非常高，用時均在０.２ｍｓ以下，而且支持并發(fā)運(yùn)行，為在虛擬測試平臺上進(jìn)行多智能汽車并發(fā)仿真創(chuàng)造了條件。

結(jié)論

基于上述建模框架及關(guān)鍵方法，參照車載傳感器產(chǎn)品參數(shù)，本文中所建立的毫米波雷達(dá)、激光雷達(dá)、照相機(jī)模型能夠模擬物體之間的遮擋、傳感器感知誤差等物理特性。并在一臺計算機(jī)上并發(fā)運(yùn)行幾十個傳感器模型，各模型計算周期均在亞毫秒級，能夠支持多智能汽車同時參與的復(fù)雜測試場景實時仿真。

編輯：hfy