ADAS/AD
關注創建者：AVL先進模擬技術 創建時間：2022-07-21
ADAS/AD的視頻教程
PLM#使用虛擬孿生設計和驗證AD/ADAS和前照燈，加速并保護明天的交通運輸解決方案
單一數據源：所有SCANeR模型都在3DEXPERIENCE中管理 在3DEXPERIENCE平臺上中繼SCANeR仿真 數字連續性：本機3DEXPERIENCE資產（系統模型、3D模型、嵌入式軟件模型）和SCAeR資產（地形、道路、建筑、家具、車輛）之間的連續性 統一P&O SSO、統一搜索 Unified Configuration Management:所有資產都采用相同的方法進行管理
免費 2分鐘 5播放
查看
ADAS/AD的實例教程
這個方案示例突出了構建魯棒的ADAS/AD數據處理流程所涉及的眾多云服務，并強調了應對各種技術復雜性的必要性。此外，還必須解決諸如組織輸入數據、確保數據格式兼容性以及管理和監控數據格式變化等挑戰。
例如，隨著ADAS/AD系統的發展，添加更多傳感器以及管理不同車輛配置的需求成為數據處理流程中的關鍵考慮因素。如果不加以妥善處理，這些因素可能會導致不正確的數據處理，最終得到錯誤的結果。
上圖列出的是構建此數據處理流程的預計工作量和成本細目，該處理流程可標記12種駕駛場景、提取駕駛參數，并支持可視化大型文件（≥ 10TB）。
三、總結
總之，解決上述的這些問題需要付出大量的努力。顯而易見的是，選擇預先搭建好的數據處理流程將擁有更低的開銷。此后，便可以將節省的時間和成本分配給開發OEM和Tier1產品的關鍵方面。
展開 概述
駕駛員輔助系統(ADAS)近幾年在汽車市場的滲透率越來越高，典型的ADAS系統包括ACC、LDW、LKA、AEB等主動安全功能。2020年4月1日交通部《營運車輛自動緊急制動系統性能要求和測試規程》(JT/T1242-2019) 發布，要求營運車輛集成AEB系統。ADAS是復雜的機電系統，且與安全強相關。在整車生產環節，由于安裝誤差的存在會導致車輛ADAS系統性能下降甚至功能喪失。所以整車生產過程中需要對車輛進行標定以糾正ADAS系統的安裝誤差，從而保證其質量和安全性。
經緯恒潤依托多年的ADAS/ADS產品開發配套經驗和整車EOL系統開發經驗，開發了 ADAS/ADS標定系統。方案可覆蓋前視攝像頭標定、毫米波雷達標定、環視攝像頭標定等。支持的車型可以從1R1V車輛到 5R1V。系統支持全自動標定，極大的提高了標定效率和標定質量。
展開 為此，康謀在本文將為您詳細介紹IVEX的智能概覽功能，助力AD/ADAS的開發與驗證！
一、AD/ADAS性能概覽的重要性
為了開發、演進、測試和驗證自動駕駛（AD）功能或自動駕駛輔助系統（ADAS），各大企業都在生成數千小時的包含仿真或真實世界的駕駛數據日志。那么，如何才能知道自身的AD/ADAS系統是否始終按要求運行？是否朝著更好的表現發展？
對“脫離”AD/ADAS模式的情況進行分析是一種常見的方法。這有助于了解系統失敗的“原因”，而后可對表現不佳的地方進行分組，提供一個概覽以確定糾正這些失敗的優先順序。然而，“脫離”分析僅涵蓋“已知”的不當行為，對于邊緣/極端情況該如何處理？更重要的是，對于險些發生的事故如何處理？
例如，由于一個錯誤檢測或者說“幽靈檢測”，白色的自車認為它將與車輛1發生碰撞，因此決定執行變道操作，如圖1所示。幸運的是，由于自車的左車道是空的，該操作是可行的，否則就可能會由于自車的急剎車而導致與車輛4發生追尾事故。
圖1 追尾未遂
這種更深入、更有成效的分析也與ISO 21448（SOTIF）所提出的過程相匹配，以識別在某些不利觸發條件下系統可能會表現出的局限性、弱點與干擾，而這些都可能導致事故或相關意外事件的發生。
如果能夠提供AD/ADAS系統性能的概覽，工程師就可以迅速在結構化分析中定位所有相關的事件或條件，例如：
（1）數據日志中出現了哪些未遂事故？
（2）系統在哪一個操作域（OD）表現不佳，原因是什么？
（3）開發是否正朝著更好的表現方向發展？
（4）是否應該修改功能需求，以便流暢且充分地與現實世界交互？
（5）功能是否滿足了指定的需求？
展開 這項新的聯合產品結合了自動駕駛輔助系統(ADAS)和自動駕駛系統(ADS)的物理和虛擬測試。這將有助于OEM和Tier1應對ADAS和ADS日益增長的復雜性，降低開發和驗證成本，同時加速各類規范和非規范性的測試，以確保安全和合規性。
在發布的Humanetics和Foretellix的視頻中，兩家公司展示了用于測試驗證ADAS的驗證方案。該方案首先在Foretellix的驗證平臺Foretfiy上使用了M-SDL定義，M-SDL是Foretellix發明的一種開源可衡量場景的描述語言。然后，Foretify采用此抽象場景，自動創建了數千個有意義的測試，且這些測試可以兼容不同的測試平臺（例如模擬器、HIL、試驗臺架）。在演示過程中，一組具體測試數據發送到了Humanetics UFO Base（仿生機器人）控制軟件，然后通過使用UFO基礎腳本（.ubs）轉換數據，Humanetics 測試機器人（UFO，駕駛機器人）可以在試驗場上執行這些測試。一旦開始測試，測試中的數據即被發送回Foretify場景分析面板，以進行KPI和覆蓋驅動分析，與虛擬測試的相關性以及在不同模擬器上的進一步迭代——以提供測試過程進度的可視化和可量化的覆蓋率狀態。
今年5月，這兩家合作公司計劃在位于北加州康科德的美國汽車協會GoMentum Station舉行聯合活動。該活動將包括聯合工具鏈的現場演示，工具鏈包括Foretellix的Foretify驗證和驗證平臺及其統一的覆蓋率驅動驗證的儀表板，可與Humanetics 測試機器人(UFO，駕駛機器人)聯合使用。
展開 從案例中也可清晰了解到IVEX安全分析平臺在AD/ADAS數據解析中的三大優勢：
（1）異常行為快速定位
（2）多維度場景重建
（3）系統決策溯因分析
ADAS/AD的最新內容
該系列內容面向所有AVxcelerate用戶、ADAS/AD工程師以及SiL/HiL測試工程師，誠邀大家報名參與，了解更多自動駕駛仿真前沿技術！
aiSim 6為最新一代仿真工具，aiSim 面向的是 ADAS/AD 場景下可復現、可驗證、可擴展的仿真體系，而不是單純的視覺展示平臺。
?
aiSim World Extractor 支持 3D Gaussian Splatting與 NeRF，用于從真實世界記錄中快速生成高保真三維環境。
匈牙利街頭自動標注（前置攝像頭）
美國加利福尼亞州橋面自動標注（后置攝像頭）
英國的城郊區自動標注（前置魚眼鏡頭）
三、核心價值
（1）顯著的成本優化與投資回報
在ADAS/自動駕駛（AD）解決方案的開發周期中，人工標注是成本最高、耗時最長的環節之一。
二、數據價值與隱私風險
1、視覺數據的重要性
ADAS與AD的核心目標是通過減少人為失誤降低交通事故發生率，其運行與決策高度依賴于對周邊環境的精準感知與分析。為實現這一目標，系統通常需集成自動緊急制動（AEB）、弱勢道路使用者檢測、意圖預測等多項安全關鍵應用，而這些應用模型的訓練則是依托海量真實交通數據。
從ADAS到AD，每一次技術的躍遷都離不開海量道路數據的采集、標注與分析。以圖像數據為例，它們是訓練和優化感知算法、提升系統安全性的寶貴資源。
然而，當計劃將這些數據送往異國研發團隊時，數據合規這個難題便擺在了面前。
一、全球化研發的數據合規挑戰
對于任何一個有全球拓展計劃的車企或技術供應商而言，跨國研發與測試通常是不可避免的，例如驗證算法在不同交通環境、氣候條件下的魯棒性。
此外，Ansys Autonomy還有助于測試空間分析，從而高效低成本的提高 ODD 中的ADAS/AD 系統可靠性。
隨著自動駕駛技術走向高階智能化以及法律法規的逐漸完善，仿真測試將會成為ADAS/AD 研發流程的必不可少的環節。標準化接口與數據格式不僅提升了測試效率，更成為推動產業協同的關鍵基石。
康謀 aiSim 深度集成 ASAM OpenX 系列標準，構建了高度兼容、高度還原的自動駕駛仿真平臺。本文將從五大核心標準切入，系統解讀 aiSim 如何通過標準化接口，全面支持自動駕駛仿真各環節。
通過對超過15000公里行程、40TB數據中緊急制動事件的剖析，發現Autopilot在面對超出操作設計域的場景時會解除自動駕駛，導致駕駛員緊急制動；同時還存在將正常情況誤判為風險而緊急制動的現象，這些分析為深入了解AD/ADAS系統行為提供了參考。
一、引言
在過去幾年里，AD/ ADAS組件在商用車和零售車輛中越來越受歡迎。這也帶來了一系列亟待解決的復雜問題。
這些傳統方法在一定程度上覆蓋了ADAS和AD系統場景測試范圍，但是其結果或多或少都存在一定的缺陷，如針對于邊緣場景，傳統方法沒有考慮高風險因素以及自適應學習過往測試結果的過程，針對這一點我們分享一個新的自適應DoE解決方案：aiFab解決方案。
和ADS的測試技術等展品。
