無人駕駛汽車真實上路后所要面臨的外部環境是復雜多變的。通過利用仿真模擬軟件可以檢查算法，也可以訓練無人車面對不同場景下的感知、決策等算法。

模擬平臺有很多種，如果分類的話，可以分為兩種：開源和收費的。從技術上分，也主要有兩種：第一種是基于合成數據對環境、感知以及車輛進行模擬，這種模擬器主要用于控制與規劃算法的初步開發上；第二種是基于真實數據的回放以測試無人駕駛不同部件的功能及性能。

開源模擬平臺

Gazebo

Gazebo平臺可以提供在復雜的室內和室外環境中準確有效地模擬訓練機器人的能力。它擁有一個強大的物理引擎，高品質的圖形，方便的編程和圖形界面。最重要的是，Gazebo是一個充滿活力的社區免費。三維機器人模擬器Gazebo一般結合機器人操作系統ROS來測試。

優點：

1.動力學仿真

可以連接多個高性能物理引擎，包括ODE，Bullet，Simbody和DART。

 

2.先進的3D圖形

Gazebo利用OGRE提供逼真的渲染環境，包括高質量的照明，陰影和紋理。

 

3.傳感器和噪音

從激光測距儀，2D / 3D攝像機，Kinect風格的傳感器，接觸式傳感器，力矩等等生成傳感器數據，可選的噪音。

 

4.插件

可開發機器人，傳感器和環境控制的自定義插件。插件可直接訪問Gazebo的API。

 

5.機器人模型

提供了許多機器人，包括PR2，Pioneer2 DX，iRobotCreate和TurtleBot。 或者使用SDF構建你自己的。

 

6.命令行工具

廣泛的命令行工具有利于模擬內省和控制。

 

7.云模擬

通過運用Gazebo的功能來整合現有的模型和傳感器。

 

應用：

 

在無人駕駛車輛測試方面，github上有人用ROS動能和Gazebo 8做過一個Car Demo，車輛的油門、剎車、轉向和傳動都是通過一個ROS系統去控制。所有傳感器數據都是通過ROS發布，并且可以用RVIZ可視化。利用Gazebo功能整合現有的模型和傳感器，構建城市模型和一個高速公路交互場景，垃圾箱、交通錐和加油站等都來自Gazebo模型庫。在車頂處搭載一個16線激光雷達，8個超聲波傳感器，4個攝像頭和2個平面激光雷達。代碼可以從Github 網址得到。通過Nvidia-docker并從Docker Hub中提取osrt/car_demo進行嘗試。該平臺基于C++開發，系統要求ROS+Ubuntu環境。

相關鏈接：https://github.com/osrf/car_demo

EuroTruck Simulator 2

Euro Truck Simulator 2 本身是一個卡車模擬經營類游戲，可以通過代碼訓練和運行自動駕駛汽車，。通過AI輸出的結果實現自動轉向、加速和剎車，可以用來強化學習訓練車輛算法。它的缺點是只能控制上下左右四個方向鍵，不能設置方向盤的角度。

除了Euro Truck Simulator 2，還有The Open Racing Car Simulator游戲也可以被用來進行自動駕駛汽車的訓練。

應用：gibbgub上有人做了Self-driving-truck項目，基本訓練方法遵循接近原始的 Atri 論文中的強化學習標準，此外該模型還試圖未來的狀態和獎勵。訓練中還使用了一些手工創建的模型和自動生成的模型。

配置要求：

CPU： Core 2 Duo 2.2 GHz, 
內存：1 GB RAM (2 GB RAM - Vista/7) 
顯卡：512 MB (GeForce 6800 or better) 
硬盤：1.2 GB HDD 
系統：Windows、Mac OS X、SteamOS + Linux

編程：基于Python。

EuroTruck 下載地址：

鏈接：http://pan.baidu.com/s/1qXCb6o8 密碼：219x

Torcs

The Open Racing Car Simulator（TORCS）是一款開源3D賽車模擬游戲。是在Linux操作系統上廣受歡迎的賽車游戲。有50種車輛和20條賽道，簡單的視覺效果。用C和C++寫成，釋放在GPL協議下。

應用：有人用深度學習框架Keras和深度強化學習算法DDPG去訓練Torcs汽車。也有人使用gym_torcs庫，在python中直接調用torcs，接口類似于OpenAI的Gym。還有人做了基于DRL和TORCS的自動駕駛仿真系統，

相關鏈接：

https://github.com/ugo-nama-kun/gym_torcs

https://www.jianshu.com/p/a3432c0e1ef2

https://www.cnblogs.com/Qwells/p/6379077.html

http://torcs.sourceforge.net/（數據集）

TORCS下載地址和安裝方法：
http://torcs.sourceforge.net/index.phpname=Sections&op=viewarticle&artid=3

Unity

自動駕駛汽車需要自動駕駛軟件來驅動，而在線教育公司Udacity（優達學城）推出了面向自動駕駛開發的納米學位，來滿足目前汽車行業對自動駕駛軟件工程師旺盛的需求。近日，Udacity通過開源協議授權公開了它的自動駕駛汽車模擬器，有 Unity 技術背景的任何人都可以利用此模擬器的資源，載入軟件內置場景或創建自己的虛擬測試路線。

該模擬器是為優達自動駕駛，旨在教學生如何使用深度學習駕駛汽車，支持Linux、Mac、Windows環境，只需將數據庫復制到本地目錄，確保使用Git LFS 帶動大量的紋理和模型資源。

相關鏈接：

https://github.com/udacity/self-driving-car-sim

Carla

 

英特爾實驗室聯合豐田研究院和巴塞羅那計算機視覺中心聯合發布CALRA，用于城市自動駕駛系統的開發、訓練和驗證的開源模擬器，支持多種傳感模式和環境條件的靈活配置，論文中詳細評估并比較了三種自動駕駛方法的性能。

CARLA的開發包括從最基礎的直到支持城市自動駕駛系統的開發、訓練和驗證。除了開源代碼和協議，CARLA還提供了為自動駕駛創建的開源數字資源（包括城市布局、建筑以及車輛），這些資源都是可以免費獲取和使用的。

這個模擬平臺能夠支持傳感套件和環境條件的靈活配置。我們使用CARLA來研究三種自動駕駛方法的性能：傳統的模塊化流水線，通過模仿學習訓練得到的端到端模型，通過強化學習訓練得到的端到端模型。這三種方法在難度遞增的受控環境中做了評估，并用CARLA提供的指標進行性能測試，表明CARLA可以用來進行自動駕駛的研究。

模擬器和配套的資源將會發布在官方網站：

http://carla.org

論文：

CARLA：An Open Urban Driving Simulator

論文鏈接：

https://arxiv.org/abs/1711.03938

代碼鏈接： 

https://github.com/carla-simulator/carla

Apollo仿真模擬

之前已經講過關于百度Apollo平臺的內容，《深度揭秘Apollo自動駕駛及跟車方案的思路設計》《Apollo 2.0發布 | 深度揭秘百度自動駕駛平臺》，這里不多講了，優點是平臺開源，Apollo特點主要是真實高精地圖，豐富的真實場景。后續也會有動力學模型。

收費模擬平臺

Prescan

PreScan是一個基于物理的仿真平臺，用于汽車行業開發基于雷達，激光/激光雷達，攝像頭和GPS等傳感器技術的先進駕駛輔助系統（ADAS）。 PreScan還可用于設計和評估車輛到車輛（V2V）和車輛到基礎設施（V2I）的通信應用以及自動駕駛應用。PreScan可以從基于模型的控制器設計（MIL）用于軟件在環（SIL）和硬件在環（HIL）系統的實時測試。

 

主要分為四個步驟，搭建場景、添加傳感器、添加控制系統、運行仿真。

場景搭建

專用預處理器（GUI）允許用戶使用路段，基礎設施組件（樹木，建筑物，交通標志），演員（汽車，卡車，自行車和行人），天氣條件（如雨，雪和霧）以及光源（如太陽光，大燈和路燈）。通過從OpenStreetMap，Google Earth，Google 3D Warehouse和/或GPS導航設備讀取信息，可以快速表示真實道路。

模型傳感器

車輛模型可以配備不同的傳感器類型，包括雷達，激光，攝像頭，超聲波，紅外線，GPS和車輛到X（V2X）通信的天線。通過簡單的交換和修改傳感器類型和傳感器特性，便于傳感器設計和基準測試。

 

添加控制系統

Matlab / Simulink接口使用戶能夠設計和驗證數據處理，傳感器融合，決策制定和控制的算法以及現有的Simulink模型（如CarSim，Dyna4或ASM的車輛動力學模型）的重復使用。

 

運行實驗

3D可視化查看器允許用戶分析實驗的結果。它提供了多個視點，直觀的導航控件以及圖片和電影生成功能。此外，使用ControlDesk和LabView的界面可以用來自動運行實驗批次的場景以及運行硬件在環（HIL）模擬。

相關鏈接：

https://tass.plm.automation.siemens.com/prescan

http://www.cheyun.com/content/16897

（基于模型的智能駕駛性能開發和測試方法）

Panosim

 

PanoSim是一款集復雜車輛動力學模型、汽車三維行駛環境模型、汽車行駛交通模型、車載環境傳感模型（像機和雷達）、無線通信模型、GPS和數字地圖模型、Matlab/Simulink仿真環境自動生成、圖形與動畫后處理工具等于一體的大型模擬仿真軟件平臺。它基于物理建模和精確與高效兼顧的數值仿真原則，利用先進的虛擬現實技術逼真地模擬汽車駕駛的各種環境和工況，基于幾何模型與物理建模相結合的建模理念建立了高精度的像機、雷達和無線通信模型，以支持在高效、高精度的數字仿真環境下汽車動力學與性能、汽車電子控制系統、智能輔助駕駛與主動安全系統、環境傳感與感知、自動駕駛等技術和產品的研發、測試和驗證。

PanoSim不僅包括復雜的車輛動力學模型、底盤（制動、轉向和懸架）、輪胎、駕駛員、動力總成（發動機和變速箱）等模型，還支持各種典型驅動型式和懸架形式的大、中、小型轎車的建模以及仿真分析。它提供了先進的三維數字虛擬試驗場景建模與編輯功能，支持對道路及道路紋理、車道線、交通標識與設施、天氣、夜景等汽車行駛環境的建模與編輯。

PanoSim仿真實驗操作流程簡單易懂，制作一個實驗的三個步驟：

• 創建實驗：新建實驗工程，選擇合適的道路場景，設置環境天氣和光照；

 

• 設置實驗參數：在道路上添加車輛，設置車輛橫向或縱向駕駛參數，設置交通流和行人干擾，安裝車載傳感器（像機、雷達或V2X），配置交通元素（交通標志牌、信號燈、障礙物）；

• 分析實驗結果：使用后處理工具對仿真后的數據進行報表分析，或回放仿真動。

Carsim

CarSim 是 Mechanical Simulation Corporation 推出的一款整車仿真軟件，主要從整車角度進行仿真。這個軟件比較“傻瓜化”，其本質上是一個模型庫+參數庫+求解器+后處理工具+配置界面。也就是說，這個仿真軟件自身已經自帶了相當數量的模型，并且這些模型都有一些“比較靠譜”的參數，用戶免去了繁雜建模和調參數的過程，只要將已有模型“拼”在一起，調整參數即可進行仿真。

CarSim是專門針對車輛動力學的仿真軟件，CarSim模型在計算機上運行的速度比實時快3-6倍，可以仿真車輛對駕駛員，路面及空氣動力學輸入的響應，主要用來預測和仿真汽車整車的操縱穩定性、制動性、平順性、動力性和經濟性，同時被廣泛地應用于現代汽車控制系統的開發。CarSim可以方便靈活的定義試驗環境和試驗過程，詳細的定義整車各系統的特性參數和特性文件。CarSim軟件的主要適用于以下車型的建模仿真：轎車、輕型貨車、輕型多用途運輸車及SUV。

圖片：轉自知乎 趙迪

因為CarSim做的全是整車仿真，為了提升仿真的速度，所以CarSim里的模型都比較簡單，通常就是簡單的公式或者基于特性（查表）的模型，參數也比較少，但是從整車層面來看，其精度還是可以接受的。

應用：龔建偉等人在《無人駕駛車輛模型預測控制》一書中，利用Simulink/CarSim聯合仿真平臺，構建了車輛模擬進行測試。

Pro-SiVIC

ESI集團傳感器仿真分析解決方案Pro-SiVIC?可以幫助交通運輸行業的制造商們對車載或機載的多種感知系統的運行性能進行虛擬測試，并且能夠準確得再現出諸如照明條件、天氣以及其他道路使用者等影響因素。

Pro-SiVIC?可以用來建立高逼真、與實際場景相當的3D場景，并實現場景中的實時交互進行仿真分析，削減物理樣機的需求。Pro-SiVIC?的使用者們可以快速并且精確地對各個嵌入系統在典型及極端操作環境下的性能進行仿真分析，它可以提供基于多種技術的傳感器模型，例如：攝像機、雷達、激光雷達（激光掃描儀）、超聲波傳感器、GPS、里程表及通信設備等。

這就使得該解決方案可以在地面交通、航空航天以及船舶等有基于感知的控制系統的各種行業得到應用。同時傳感器也可以集成到仿真的3D場景中，以汽車行業為例，Pro-SiVIC?提供了多個環境目錄，提供具有代表性的不同道路（城市道路、高速以及鄉村公路）、交通標識及車道線標記。

應用：在2017年CES上，ESI集團與汽車供應商DURA聯合展示了通過ESI集團Pro-SiVIC解決方案對汽車系統進行創新型的虛擬測試。兩公司合作構建了逼真的3D仿真環境，再現了拉斯維加斯的部分城市街景，包括實際道路布局、路標和行人等，對駕駛輔助系統和自動駕駛系統進行虛擬測試。

結論：除了上述這么軟件外，還有很多采集真實場景，基于真實交通場景多傳感數據來做離線測試。從訓練到測試，虛擬環境正在讓自動駕駛變得越來越完善。在訓練過程中，它能夠幫我們節省時間，提高效率，并且幫我們規避在真實世界中進行測試時的風險。

下載地址：車輛工程仿真