智能駕駛測試場景庫
關注創建者：匿名 創建時間：2021-08-31
智能駕駛測試場景庫的視頻教程
場景仿真加速智能網聯開發測試進程
場景仿真加速智能網聯開發測試進程 適用人群：自動駕駛算法開發與測試人員；自動駕駛控制器開發，測試人員；自動駕駛場景庫研究、開發與應用人員；交通仿真研究、開發與應用人員；自動駕駛技術與車輛驗證、評價人員；自動駕駛評價體系研究與應用人員 場景仿真加速智能網聯開發測試進程（免費）【已結束】 直播時間：2021-06-29 19:30 隨著智能網聯技術的不斷向前發展
免費 1小時21分鐘 242播放
查看
智能駕駛測試場景庫的實例教程
來源 |
自動駕駛測試驗證技術創新論壇
智能駕駛挑戰賽中仿真場景
由于汽車行駛環境尤其是交通路況極其復雜，具有高度的不確定、不可重復、不可預測和不可窮盡等特征，這使得有限的場地或道路測試工況難以完全復制和重現真實多樣的行駛環境，并限于研發周期和成本，特別是安全因素的考慮，面向智能駕駛測試的仿真場景構建研究需依托于數字虛擬仿真平臺來實現。本文研究團隊自主開發了 PanoSim 智能駕駛模擬仿真軟件，并將仿真場景構建與交通建模研究方法應用在第 3 屆中 國智能汽車大賽（ChinaIntelligent Driving Challeng，CIDC） 智能駕駛仿真賽與 2020 世界智能駕駛挑戰賽（World Intelligent Driv-ing Challeng，WIDC）中，首次以國產智能駕駛仿真軟件作為大賽仿真平臺使用。
智能駕駛挑戰賽基于 PanoSim 仿真環境搭建了多種場景與交通環境，使得參賽隊伍能夠接入仿真場景數據庫，獲取仿真環境中的車載傳感信息如攝像頭視頻流、毫米波雷達數據、激光雷達點云數據以及真值信息。智能駕駛挑戰賽的仿真賽場景主要分為決策控制組和感知決策控制組兩類。
面向決策控制測試的仿真場景
決策控制組包括安全避撞和自動泊車場景兩類，其中安全避撞的車輛使用雷達傳感器，能直接獲取環境目標數據; 自動泊車使用真值信息。在給定的仿真場景中，參賽隊伍通過智能駕駛決策—控制策略，實現智能汽車在測試場景下的駕駛輔助功能。
安全避撞測試內容包括典型行人避撞和車輛避撞( 直道、彎道) 測試場景，如圖 4(a)(b)所示。根據車輛的預期軌跡，構建可威脅到車輛行駛安全的邊界場景，包括設計道路的形狀及交通車/人運動軌跡，以此來考察系統識別危險目標和主動制動算法的能力。
展開 需要說明的是，車位搜索能力也應該基于多次測試的統計數據來評價，樣本量太小，沒有普遍意義。
上一期給大家介紹了智能駕駛全量數據感知及分析系統，本期為大家帶來這套系統的重要組成部分——智能駕駛測評工具組（ITT）。該工具組內含多款軟件產品，針對性地解決當前智能駕駛測試中的痛點，提升測試效率，下面以其中三款主要工具為例，為大家介紹工具組的用途：
傳感器數據疊加工具
? 針對的痛點：智能車系統中包含各類感知傳感器，測試人員在道路測試中很難直觀地看到各個傳感器的感知結果，也無法對比不同傳感器的感知性能。
? 解決方案：將傳感器數據與視頻流疊加，不同傳感器感知到的目標物以不同樣式的方框直接顯示在視頻中，測試人員可以直觀地看到每個傳感器的感知效果。
? 應用場景：
? 把傳感器信息可視化處理，和視頻流中的實際目標信息做比較。
? 可以直觀對比不同傳感器的感知性能，用于傳感器的對標。
圖1 傳感器數據疊加工具
鳥瞰圖工具
? 針對的痛點：智能駕駛測試中，多個傳感器感知本車周邊不同方向的目標物，但是測試人員缺少一個宏觀的視野將方向的目標物納入評估范疇。
? 解決方案：選擇俯視圖（鳥瞰圖）的視角，將本車四周的目標物呈現在二維平面上，直觀地展示出方向上不同目標物的相對距離。
? 應用場景：
? 需要對汽車周邊多方向協同分析的測試場景。
? 更重視目標物距離信息的場景。
圖2 鳥瞰圖工具
場景截取工具
? 針對的痛點：道路測試中會產生大量數據，但并非是有用的，有價值的數據往往是包含特定場景的，工程師缺少一個工具幫他們從海量數據中提取有價值的片段。
? 解決方案：場景截取工具可以讓用戶按照自定義的截取條件，從路測數據中篩選、剪裁出所需的數據片段。
展開 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 
智能駕駛測試場景庫的相關專題、標簽、搜索
智能駕駛測試場景庫的最新內容
該合作使OEM廠商和一級供應商能夠可靠地評估和驗證 ADAS/AV 功能在各種天氣和照明條件下的性能
主要亮點
Ansys AVxcelerate Sensors?自動駕駛汽車（AV）傳感器仿真軟件，可實現面向基于場景的感知測試的實時多光譜攝像頭仿真
利用AVxcelerate Sensors和索尼的高動態范圍（HDR）圖像傳感器模型，OEM廠商可以測試高級駕駛輔助系統（ADAS
精彩直播預告
隨著汽車行業智能化的發展，車燈系統從基礎的功能化照明發展為智能化的視覺交互系統。自2020年開始，車燈開始向智能化、像素化、激光化、感知、決策、規劃、控制、交互體驗等方向發展。智能LED大燈是在單車智能基礎上實現車輛與外界光交互的一種新型技術應用，但目前智能車燈的開發進程中缺乏有效、安全的測試方法和手段。
海克斯康工業軟件VTD作為智能駕駛車輛
摘 要：無人駕駛和智能網聯汽車是汽車行業未來的發展方向，但迄今為止無人駕駛的安全問題始終沒能完全解決。復雜的道路條件和交通環境對于無人駕駛的挑戰非常大。無人駕駛汽車在上路前必須經過不同場景的適應性測試，主要包括虛擬仿真測試、封閉場地測試和路測，但當前各個環節都存在一些明顯的短板。文章通過梳理無人駕駛汽車虛擬測試場景模型層開發的原則，提出了一系列在搭建仿真場景時需要注意的關鍵問題，對于提高無人駕駛汽車仿真測試的有效性具有一定的借鑒價值和現實意義
昨日，北斗智能市場新品情報局的首期線上沙龍引來眾多北斗生態行業用戶的關注，“低速智能駕駛”也闖入了大家的視野。活動中，4款機器人精彩亮相并將北斗+低速智能駕駛技術完美融合到智慧零售、智慧農業、智慧清掃和智慧交通這四個應用場景中，實現新賽道的突破，讓我們先來共睹他們的風采吧！
新品有看頭
01
園區無人零售車WeDriveS3
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
自動駕駛功能開發和驗證面臨著諸多挑戰，其中之一就是“如何預測不可預測的事件”。因為在真實駕駛環境下可能出現不可預測的場景，那么對于ADAS/AD控制器，就需要盡可能多的場景來進行驗證和“訓練”。而虛擬開發和測試也是被工業界、學術界和立法界廣泛認可的應對方案。采用仿真方式對真實世界進行模擬，通過代表性的關鍵場景進行預測
摘要
隨著人工智能、邊緣計算、無線通信和車載傳感器等關鍵技術的進步和突破，自動駕駛系統迎來了新一輪的發展。交通應用的安全攸關場景給自動駕駛系統提出了更高的質量保障要求。感知系統是自動駕駛的核心，圍繞感知能力的測試驗證工作是保障自動駕駛軟件系統安全可靠的有效且必要途徑。本文簡要分析了國內外自動駕駛感知系統測試的研究現狀，并對圖像、激光雷達、以及感知融合測試方法和技術發展進行了討論。
* 來源：九章智駕
編者按：
1、為便于讀者理解，本文沿用了業界慣用的“L3”概念。但必須要澄清的是，在實際落地的過程中，考慮到法規和責任問題，原本按照“L3”的標準設計的高級別智能駕駛一般都只敢作為L2來使用——嚴格按照SAE及中國工信部的標準看（從責任主體的角度來看），一些車企口中的“L2.5”或“L2.9”仍然是L2
概述
智能化已經成為當前汽車行業主要的發展趨勢，自動駕駛/自動駕駛輔助的應用規模也顯著增加。伴隨著電子電氣系統（E/E系統）復雜程度和控制權的增加，E/E 系統失效引發的安全風險日趨成為行業整車廠和供應商重視的問題。
經緯恒潤功能安全團隊致力于為國內外整車廠和零部件供應商提供優質的功能安全咨詢服務，涵蓋功能安全流程建設服務、功能安全開發咨詢服務、功能安全測試咨詢服務和工具平臺的綜合解決方案
智能駕駛是中國未來十年科技發展面臨的最重要的機遇之一。駕駛場景數據是智能駕駛技術產品研發、測試驗證及落地應用的關鍵基礎數據。中國有全球最大的交通路網、最大的人口基數，中國的實際交通狀況紛繁復雜，適用于中國環境的駕駛場景數據更需要從真實世界數據出發，建立豐富和全面的駕駛場景庫，從而解決智能駕駛面臨的長尾問題。從企業側及行業側的迫切需求及海量數據的實踐應用出發，智能駕駛泛場景數據體系的建立迫在眉睫
