智能駕駛測試的案例
經緯恒潤智能駕駛開發、測試評估平臺—智能駕駛測評工具系列（ICVT）
工具組中還有其他多種工具，未來還會根據市場的需求增加更多的產品，以滿足智能駕駛測試中的不同需求。
面向智能駕駛測試的仿真場景構建技術綜述
隨著汽車智能化程度的不斷提高，智能汽車通過環境傳感器與周邊行駛環境的信息交互與互聯更為密切，需應對的行駛環境狀況也越來越復雜，包括行駛道路、周邊交通和氣象條件等諸多因素，具有較強的不確定性、難以重復、不可預測和不可窮盡。限于研發周期和成本、工況復雜多樣性，特別是安全因素的考慮，傳統的開放道路測試試驗或基于封閉試驗場的測試難以滿足智能駕駛系統可靠性與魯棒性的測試要求。因此，借助數字虛擬技術的仿真測試成為智能駕駛測試驗證一種新的手段，仿真場景的構建作為模擬仿真的重要組成部分，是實現智能駕駛測試中大樣本、極限邊界小概率樣本測試驗證的關鍵技術，這對提升智能駕駛系統的壓力和加速測評水平顯得尤為重要。面向智能駕駛測試的仿真場景構建技術已成為當前汽車智能化新的研究課題和世界性的研究熱點，作為一種新興技術仍面臨許多挑戰。
隨著汽車智能化和共享化程度的不斷提高，智能駕駛汽車通過環境感知與周邊行駛環境的交互也在不斷增多，行駛環境已成為智能駕駛不可分割的重要組成部分。汽車的行駛環境涉及道路、氣象條件和交通狀況，其復雜性和動態變化是影響汽車智能駕駛系統性能最為關鍵的因素。因此，建立一種模擬和重現復雜開放行駛環境的仿真測試方法和系統，實現對汽車智能駕駛有效的測試驗證，是汽車智能駕駛技術與產品開發的關鍵技術，對于提升汽車智能化水平尤為重要。
汽車行駛環境包括行駛道路、周邊交通和氣象條件等諸多因素，其高逼真的重現和構建面臨諸多挑戰。隨著智能駕駛功能的不斷增強，汽車需應對的行駛環境越來越復雜，環境高度的不確定性、難以重復、不可預測和不可窮盡等特征使得有限的場地和道路測試遠遠無法復制、重現或窮舉行駛環境對智能駕駛系統的影響。一方面，限于研發周期和成本，現有的封閉場地測試和開放道路測試不僅周期長、成本高，無法滿足對系統數十億公里行程的大樣本和可靠性測試要求。
展開 智能駕駛仿真測試解決方案
概述
仿真測試驗證作為智能駕駛系統開發流程中的一個環節，可以解決智能駕駛系統在測試過程中實車測試效率低、部分工況危險性高、實車測試成本高、工況無法復現等問題。智能駕駛概念涵蓋了傳統的駕駛輔助系統(ADAS)以及全自動駕駛系統(AD)。一般包括環境感知、智能決策及車輛控制三個部分。
經緯恒潤推出的新一代智能駕駛 HIL仿真測試平臺可以提供逼真的道路交通場景、車輛動力學模型以及多種形式的感知傳感器仿真，可以滿足從L1~L5 各級別智能駕駛系統的仿真測試需求。用戶可以在此平臺上建立豐富的智能駕駛測試場景，對感知、決策、車輛控制進行充分的測試。
展開 ViCANdo — 智能駕駛數據采集及數據分析平臺
隨著智能化在汽車工業快速推進，智能駕駛系統的復雜程度已經遠超一般的汽車，為了車輛系統的可靠性，研發中對產品功能的驗證和測試流程不可少。經緯恒潤基于ViCANdo軟件，為智能駕駛測試提供從數據采集到數據分析全流程的解決方案，幫助智能駕駛研發測試人員快速了解產品性能，提升產品可靠性。
產品介紹
?ViCANdo是瑞典Zuragon公司研制的一款針對智能駕駛功能的開發和測試平臺軟件，具備如下特性:
?兼容性好，能運行在Windows、Linux、MacOS等操作系統，支持x86、ARM等平臺
?能夠完成車載總線全量數據的采集和同步
?具備數據實時分析和后處理能力
?提供靈活的API接口，方便后續二次開發
產品功能
?智能駕駛數據采集分析
? 全量數據采集，CAN、LIN、Ethernet和GPS串口數據等
? 定制化傳感器接入
? 遠程事件監控/數據傳輸
? 數據同步
? 數據可視化
?ViCANdo擴展工具組(ICVT)
ViCANdo軟件搭配有多種擴展組件，用于智能駕駛的測試和數據分析。
展開 
智能駕駛整車在環實驗室 SYNO 解決方案
概述
隨著汽車行業智能化、網聯化的發展趨勢，對智能網聯車輛的測試驗證手段提出了更高的要求。當前智能網聯車輛的測試手段依賴單部件、單系統的測試，一方面測試周期長，人力 \ 設備投入成本高，另一方面缺乏整車環境，測試范圍窄，無法形成完善的智能網聯汽車測試驗證評價體系。
整車在環 SYNO(Simulation In DYNO)系統是經緯恒潤結合10多年的汽車電氣開發和測試經驗推出的全新一代面向智能網聯車輛的測試平臺。解決方案融合了 HIL( 硬件在環 ) 技術、雷達仿真技術、視景仿真等技術、道路負載模擬技術，并集成了 HIL 系統、輪邊測功機系統、車輛動力學模型、場景仿真、傳感器仿真等模型，在實驗室環境下構建出豐富的智能網聯車輛測試場景和工況。
測試項目
?整車集成控制測試
?危險極限場景測試
?基于真實智能駕駛場景測試
?整車能量評估測試(定量)
?整車行駛功能評價(定量)
?整車耐久性測試(定量)
?整車問題復現，回歸測試
?ADAS及智能駕駛測試
?整車動力系統扭矩分配功能測試(定量)
?整車網絡通信測試(包含車內網和車外網)
?集成被測車輛橫縱向道路負載模擬功能
?動態工況、靜態極限工況測試與驗證
系統組成
?感知層仿真系統
? 視頻暗箱\視頻注入板卡\目標列表仿真
? 雷達模擬器\目標列表仿真
? 超聲波雷達模擬系統
? V2X、GNSS模擬
?場景層仿真系統
? 視景仿真軟件
? 場景庫
? 環幕系統
?車輛動力學環境(執行結構負載層仿真)系統
? 車輛動力學軟件及實時仿真環境
? 可移動軸耦合測功機
? 轉向負載仿真
? 制動系統(ESP/ESC)組合傳感器仿真
展開 智能駕駛實車測試系統-VDAS
智能駕駛技術的迭代研發，需要多種傳感器、海量數據、海量場景的支撐。而目前多種傳感器Gbit/s級別的數據同步采集、海量數據的快速分析和評估、關鍵場景的切片和提取，是業界公認的棘手問題。
為了解決上述的棘手問題，經緯恒潤推出了智能駕駛實車測試系統——VDAS。VDAS主要由數據采集設備、環境感知系統、數據分析軟件VDA組成。
數據采集設備
數據采集設備由車載工控機、多種數據采集板卡、傳感器、車載顯示屏等組成。通過配套的數據采集軟件，實現各類車載總線數據、感知數據的采集，適配CAN/CANFD、以太網、車載以太網、USB、串口等各類常用接口。
感知系統
通過激光雷達、高清網絡攝像頭、組合導航傳感器，并結合環境感知算法和傳感器融合算法，可以感知周圍環境信息，包括周圍交通參與者的類別、距離、速度、加速度、航向角等，以及周圍交通標志的距離、類型、顏色等，對于車道線檢測，還可以檢測是否越線，以及統計壓線次數等。
下面的動圖為在城市快速路場景，激光雷達通過多目標跟蹤、機器學習分類等算法輸出的感知效果。
激光雷達感知
為了減少單個傳感器的檢測不確定度，系統采用激光雷達+攝像頭的信息融合方案，結合激光雷達精度與攝像頭信息豐富的特點，融合效果如下圖所示。
激光雷達+攝像頭傳感器融合
通過相機標定與圖像特征提取，系統可以識別出車道線信息，具體包括車道線類型、與車道線距離、擬合出的車道線方程等。
車道線識別效果
VDA數據分析
VDA是恒潤自主研發的一款實車測試數據分析軟件，配合數據采集系統，可以支持各類場地測試和開放道路測試的關鍵指標自動提取、數據統計和測試報告自動生成。
展開 智能駕駛整車在環實驗室SYNO解決方案
整車SYNO系統的測試能力
- ADAS及智能駕駛測試功能測試
- V2X及車路協同測試
- 智能駕駛法規場景測試
- 智能駕駛整車行為評估
- 危險極限場景/工況測試
- 整車問題復現，回歸測試
- 整車網絡通信測試（包含車內網和車外網）
- 整車信息安全測試
- 整車功能安全測試
- 整車OTA測試
- 整車SOA測試
- 整車動力性測試（定量）
- 整車能量管理評估（定量）
- 整車行駛經濟性評估（定量）
- 整車動力系統扭矩分配功能測試（定量）
- 整車耐久性測試（定量）
- …
系統組成
- 感知層仿真系統
視頻暗箱\視頻注入板卡\目標列表仿真
雷達模擬器\目標列表仿真
超聲波雷達回波模擬
激光雷達點云仿真
V2X仿真
GNSS仿真
WLAN仿真
…
- 場景層仿真系統
視景生成軟件
場景庫（法規、經驗、事故…）
VR/AR視景系統
- 車輛動力學環境（執行結構負載層仿真）系統
實時車輛動力學模型
實時仿真硬件
可移動軸耦合測功機（含變頻控制系統和數據采集系統）
轉向負載仿真
車輛姿態組合傳感器仿真
IMU仿真
- 覆蓋研發驗證全流程的軟件生態
測試管理軟件
實驗管理軟件
自動測試軟件
故障注入軟件
數據分析軟件
展開 【新品發布】智能駕駛實車測試系統-VDAS
智能駕駛技術的迭代研發，需要多種傳感器、海量數據、海量場景的支撐。而目前多種傳感器Gbit/s級別的數據同步采集、海量數據的快速分析和評估、關鍵場景的切片和提取，是業界公認的棘手問題。
為了解決上述的棘手問題，經緯恒潤推出了智能駕駛實車測試系統——VDAS。VDAS主要由數據采集設備、環境感知系統、數據分析軟件VDA組成。
數據采集設備
數據采集設備由車載工控機、多種數據采集板卡、傳感器、車載顯示屏等組成。通過配套的數據采集軟件，實現各類車載總線數據、感知數據的采集，適配CAN/CANFD、以太網、車載以太網、USB、串口等各類常用接口。
感知系統
通過激光雷達、高清網絡攝像頭、組合導航傳感器，并結合環境感知算法和傳感器融合算法，可以感知周圍環境信息，包括周圍交通參與者的類別、距離、速度、加速度、航向角等，以及周圍交通標志的距離、類型、顏色等，對于車道線檢測，還可以檢測是否越線，以及統計壓線次數等。
下面的動圖為在城市快速路場景，激光雷達通過多目標跟蹤、機器學習分類等算法輸出的感知效果。
激光雷達感知
為了減少單個傳感器的檢測不確定度，系統采用激光雷達+攝像頭的信息融合方案，結合激光雷達高精度與攝像頭信息豐富的特點，融合效果如下圖所示。
激光雷達+攝像頭傳感器融合
通過相機標定與圖像特征提取，系統可以識別出車道線信息，具體包括車道線類型、與車道線距離、擬合出的車道線方程等。
車道線識別效果
VDA數據分析
VDA是恒潤自主研發的一款實車測試數據分析軟件，配合數據采集系統，可以支持各類場地測試和開放道路測試的關鍵指標自動提取、數據統計和測試報告自動生成。
展開 經緯恒潤全鏈路測試平臺，助力智能駕駛技術落地應用
汽車智能化浪潮洶涌而來，但智能駕駛汽車在真正商業化應用前，需要經歷大量的道路測試才能達到商用要求。作為新興事物，智能駕駛汽車仍面臨著大量問題需要克服，如道路測試的時間成本、各國對于自動駕駛的法律法規容忍度、極端場景及危險工況的測試安全性等問題，都給智能駕駛系統研發測試帶來諸多困難。經緯恒潤圍繞智能駕駛汽車開發，推出支撐全周期測試的仿真平臺，助力智能駕駛技術更高效地落地應用。
仿真環境
經緯恒潤自主研發INTEWORK系列工具軟件，ModelBase系列模型軟件，能夠針對智能駕駛感知規控算法進行集成測試，在算法開發階段即可開展測試工作，更早得發現問題。考慮到智能駕駛的長尾問題，經緯恒潤提供基于法規、經驗、典型事故的場景庫，豐富測試場景。同時，結合仿真云平臺，經緯恒潤還能夠實現多測試場景并發、超實時運行，提高開發測試效率。
虛實結合
模型代碼經過測試后，刷寫到智駕域控或中央計算單元中，進行硬件在環測試，可以結合真實的硬件響應，確保代碼在特定的硬件平臺下能夠高效穩定運行。智能駕駛是汽車電子最具前景的技術之一，作為國內汽車電子硬件在環設備先行者，經緯恒潤提供滿足L2-L4級別的智能駕駛算法驗證解決方案，擁有高渲染精度的仿真場景，針對攝像頭、超聲波、毫米波、激光雷達、高精定位、高精地圖等智能駕駛傳感器均有不同等級得解決方案，滿足客戶定制化的需求。近年來恒潤也支持一汽、上汽、長安、北汽、東風、江淮、蔚來、小鵬、車和家、清華、西安交大、北航等OEM和高校客戶建立起自己的智能駕駛仿真系統，承接和交付不同級別智能駕駛仿真系統上百套，協助他們進行智能駕駛算法快速開發及驗證。
展開 經緯恒潤智能駕駛開發、測試評估平臺——智能駕駛全量數據感知及分析系統
上一期給大家介紹了平臺的總體方案，本期從“單車智能”開發及測試的角度，為各位看官帶來智能駕駛全量數據感知及分析系統。
智能駕駛全量感知數據實時可視化系統，可實時展示車端各類傳感器數據，可實現感知系統自動對標，并可感知端獲取各類極限場景。包括以下幾部分組成：
智能駕駛數據采集分析及可視化系統
提供一套智能駕駛傳感器全量數據采集及分析軟硬件系統，傳感器數據同步，可實時在可視化界面展示各傳感器數據。
? 全量數據采集
? 定制化傳感器接入
? 遠程事件監控/數據傳輸
? 數據同步
? 數據可視化
? 定制化場景提取
? ADAS功能/測試信號分析
真值系統
真值系統，通過量化真值系統和本車系統的感知結果差異可以評價標注過程，軟件和模型訓練過程。
展開 經緯恒潤智能駕駛開發、測試評估平臺——傳感器對標評估系統
應用背景
智能駕駛汽車應用多種傳感器對目標物探測，如采用激光雷達、毫米波雷達、攝像頭等傳感器。在開發和測試智能駕駛汽車時，往往需要將不同種類的傳感器識別的目標物進行對比，或者對某種傳感器與真值傳感器（Ground Truth， GT）進行對標評估。
圖1 真值傳感器和測試傳感器識別目標物示意圖（資料圖）
傳感器對標評估系統
圖2 傳感器對標評估系統數據選擇和位置標定界面
為了實現兩種傳感器識別目標物對比，傳感器對標評估系統具備以下功能：
? 根據傳感器識別的目標點信息，自動匹配目標物的軌跡
? 計算測試傳感器的漏報、誤報情況
? 統計測試傳感器的識別目標物信息
圖3 真值傳感器和測試傳感器識別目標物軌跡
核心功能：軌跡對比算法
? 軌跡挑選
利用多幀數據，自動獲取目標物的軌跡曲線；目標物如果存活幀數過少或存活時間太短，無法形成有效軌跡，則被認為雜點忽略。
? 范圍限制
選取真值傳感器和對比傳感器的公共探測區域來對比，忽略公共區域以外的目標物?？梢詫蹋ā?5°，60m）、中程（±9°，120m）、遠程（±4°，180m）的軌跡進行選擇，或者根據自定義范圍篩選軌跡。
? 快速軌跡比對
采用軌跡非特征點抽希和動態時間規整等算法，能夠較好地比對真值和對比傳感器識別的目標物軌跡。如下圖所示，采用該算法匹配的真值傳感器（GT）和對比傳感器軌跡能夠和實車采集的數據吻合。
展開 
智能駕駛車輛功能安全測試解決方案
在功能安全測試領域，經緯恒潤致力于為客戶規劃定制化的功能安全測試方案、構建功能安全測試工具鏈、提供貼身的測試服務與測試培訓，助力智能駕駛車輛功能安全設計落地。
上汽智能駕駛仿真測試應用研究
來源 |
燃云汽車
一文詳解智能駕駛感知系統測試技術
本團隊提出了一種自適應性的深度神經網絡測試用例選擇方法ATS，以軟件測試領域中自適應隨機測試的思想為啟發，解決自動駕駛感知系統中深度神經網絡測試數據標記的人力資源成本高這一難題。
3 自動駕駛激光雷達系統測試
激光雷達作為自動駕駛系統至關重要的傳感器，夠測定傳感器發射器與目標物體之間的傳播距離，分析目標物體表面的反射能量大小、反射波譜的幅度、頻率和相位等信息。其采集的點云數據精確描繪了駕駛場景中各類物體的三維尺度與反射強度信息，能夠彌補攝像頭在數據形式和精度上不足。激光雷達在自動駕駛目標檢測與定位建圖等任務扮演著重要角色，僅靠單一視覺無法替代。
作為典型的復雜智能軟件系統，自動駕駛將激光雷達捕獲的周圍環境信息作為輸入，并通過感知模塊中的人工智能模型做出判斷，經系統規劃控制后，完成各類駕駛任務。雖然人工智能模型的高復雜性賦予了自動駕駛系統的感知能力，但現有的傳統測試技術依賴于點云數據手動收集和標注，成本高昂效率低下。另一方面，點云數據具有無序、缺少明顯的顏色信息、容易受到天氣因素干擾、且信號容易衰減，使得點云數據的多樣性在測試過程中尤為重要。
針對基于激光雷達的自動駕駛系統測試還處于初步階段。實際路測和仿真測試都存在代價昂貴、測試效率低下、測試充分性無法保證等問題。針對自動駕駛系統面臨的測試場景多變、軟件系統龐大復雜、測試成本巨大等問題，能夠結合領域知識提出測試數據生成技術對自動駕駛系統保障有著重要意義。
在雷達點云數據生成方面，Sallab等人 通過構建循環一致性生成對抗網絡對雷達點云數據進行建模，并對模擬數據進行特征分析生成新的點云數據。
展開 智能駕駛測試場景庫的開發和應用
來源 |
自動駕駛測試驗證技術創新論壇
