雷達傳感器的案例
案例分享 | 寶馬集團用 VIRES VTD 生成并驗證自動駕駛系統(tǒng)的傳感器模型
簡介
近年來，隨著傳感器技術(shù)和數(shù)據(jù)處理算法的不斷發(fā)展，自動駕駛系統(tǒng)已經(jīng)取得了長足的進步，使車輛駕駛員和乘員的安全性及舒適性得以不斷改善。但由于自動駕駛極其復(fù)雜，因此主要挑戰(zhàn)之一仍然是確保并驗證自動駕駛系統(tǒng)在公共場所使用時的安全行為。
虛擬世界提供了一個適當、安全且可控的環(huán)境，可以處理所要求的測試和驗證工作的重要部分。正確選擇場景并生成緊密貼合現(xiàn)實的虛擬傳感器數(shù)據(jù)，是虛擬開發(fā)方式得以成功的核心要求之一。虛擬傳感器數(shù)據(jù)由傳感器模型生成，而該模型則構(gòu)成了虛擬環(huán)境感知的核心組成部分（圖 1）。上述感知數(shù)據(jù)是自動駕駛系統(tǒng)決策算法的主要輸入流之一。因此，傳感器模型的保真度是確保虛擬開發(fā)及測試可行性和有效性的決定性因素。
圖 1.VIRES VTD 環(huán)境中的虛擬傳感器模型
通常有兩種類型的傳感器模型：
理想傳感器，一方面可以基于場景直接生成目標信息列表，作為決策的激勵輸入，另一方面可以復(fù)現(xiàn)車輛傳感器在進行測量和感知時的誤差統(tǒng)計特征，即感知值與真實值之間的偏差。
另一類傳感器測量模型基于對測量過程的物理描述，并且會以虛擬場景為基礎(chǔ)生成低級測量數(shù)據(jù)。這種類型的模型通常用于機器人研究中的各種傳感器，而用于汽車傳感器的測量模型還是新鮮事物。
在本文中，我們將介紹用于汽車激光雷達傳感器的傳感器測量模型。該激光雷達模型基于光線跟蹤法對測量過程進行仿真。這樣就可以在仿真環(huán)境內(nèi)實時生成激光雷達點云。
展開 ANSYS SPEOS & VRXPERIENCE-基于物理特性的智能駕駛傳感器高精度仿真
作為智能駕駛系統(tǒng)的重要組成部分，傳感器為感知系統(tǒng)提供原始數(shù)據(jù)，其性能對整個智能駕駛系統(tǒng)的功能和性能有直接且重要的影響。
為提高智能駕駛系統(tǒng)開發(fā)的效率和效果，會采用仿真的方式對方案進行驗證和優(yōu)化，涉及全數(shù)字仿真、半實物仿真等。為使仿真結(jié)果盡可能真實地反映實際情況，需要對攝像頭、激光雷達、毫米波雷達等傳感器進行高精度的建模仿真。
針對此類應(yīng)用，經(jīng)緯恒潤聯(lián)合ANSYS公司，提供包括光學(xué)及視覺模擬軟件SPEOS和光學(xué)虛擬現(xiàn)實仿真軟件VRXPERIENCE的智能駕駛傳感器高精度仿真解決方案，依據(jù)對象的真實物理屬性進行傳感器和場景的高精度仿真。
產(chǎn)品介紹
ANSYS SPEOS & VRXPERIENCE解決方案在智能駕駛領(lǐng)域可應(yīng)用于攝像頭、激光雷達、毫米波雷達傳感器的建模仿真，涉及像素網(wǎng)格投影、成像仿真、圖像后處理接口、機器視覺、ADAS部件級仿真、實時燈光仿真、動態(tài)前照燈性能評估、傳感器性能評估等?？梢栽谥邱{系統(tǒng)研制早期，基于真實物理屬性進行不同天氣、時間、路況、光學(xué)傳感器安裝位置、安裝數(shù)量、傳感器設(shè)計方案、材料設(shè)計方案、照明設(shè)計方案等條件下的仿真模擬，對不同設(shè)計方案進行驗證，節(jié)約樣件和測試成本，縮短研發(fā)周期。
? ANSYS SPEOS
ANSYS SPEOS與SpaceClaim、CATIA V5、UG、CREO等主流CAD軟件平臺相結(jié)合，能夠?qū)崿F(xiàn)從結(jié)構(gòu)設(shè)計到光學(xué)設(shè)計的無縫銜接，以O(shè)MS設(shè)備的光學(xué)屬性測量結(jié)果作為軟件的輸入，基于材料的真實物理屬性進行傳感器及現(xiàn)實場景仿真，模擬結(jié)果可直接與實物照片進行對比。
SPEOS可以通過數(shù)字化建模為攝像頭和激光雷達傳感器提供測試環(huán)境，快速直觀地將駕駛環(huán)境中攝像頭和激光雷達的成像結(jié)果模擬出來。
展開 特斯拉鬼影哪里來？到底有沒有救？
研究人員說：“這有可能取代激光雷達，而單憑雷達無法告訴我們汽車的顏色、品牌或型號，但這些功能對于提高自動駕駛汽車的感知能力也很重要，”Bharadia說。
激光雷達的難題
激光雷達傳感器的工作原理是發(fā)射大量狹窄的近紅外光束，這些光束具有圓形/橢圓形的截面，可以反射物體的軌跡并返回到激光雷達傳感器的探測器。
激光雷達傳感器的問題之一是其在雨中的性能下降。如果激光雷達光束在距離發(fā)射器很近的距離內(nèi)與雨滴相交，雨滴可以將足夠的光束反射回接收器，因此會將其誤認為一個物體。水滴還可以吸收一些發(fā)射的光，降低傳感器的性能范圍。
華威大學(xué)（WMG）智能汽車組的研究人員專門模擬并評估了激光雷達在雨中的性能。他們使用WMG 3xD模擬器在不同強度的雨中測試了一輛自動駕駛汽車的激光雷達，并在周邊的模擬道路上行駛。
展開 車輛自動駕駛CAE仿真技術(shù)研究
圖7 車輛雷達實時監(jiān)控及ACC主動控制界
雷達傳感器實時監(jiān)控車輛動態(tài)性能參數(shù)曲線如圖8~圖10所示：
圖8 Radar探測1號與2號與Host車距離
圖9 Radar探測1號與2號lead車車速
圖10 Host車車速變化
由雷達傳感器監(jiān)測曲線顯示，Host車輛與1號車的距離為50m，與2號車的距離150m；1號車車速為60Km/h，2號車車速為40 Km/h，Host車初始車速為120Km/h，在雷達傳感器探測到前方1號車、2號車車輛過程中，ACC自適應(yīng)巡航主動干預(yù)控制下，車輛逐漸減速、增速、再減速，最終實現(xiàn)ACC控制目標值以40 Km/h車速跟車行駛。
展開 
車輛自動駕駛CAE仿真技術(shù)研究
圖7 車輛雷達實時監(jiān)控及ACC主動控制界
雷達傳感器實時監(jiān)控車輛動態(tài)性能參數(shù)曲線如圖8~圖10所示：
圖8 Radar探測1號與2號與Host車距離
圖9 Radar探測1號與2號lead車車速
圖10 Host車車速變化
由雷達傳感器監(jiān)測曲線顯示，Host車輛與1號車的距離為50m，與2號車的距離150m；1號車車速為60Km/h，2號車車速為40 Km/h，Host車初始車速為120Km/h，在雷達傳感器探測到前方1號車、2號車車輛過程中，ACC自適應(yīng)巡航主動干預(yù)控制下，車輛逐漸減速、增速、再減速，最終實現(xiàn)ACC控制目標值以40 Km/h車速跟車行駛。
展開 盡在雷達的掌控之中
對于雷達傳感器發(fā)射的電磁輻射而言，由于輻射必須穿過一些物體，其可能會以很難預(yù)測的方式產(chǎn)生變形。周圍其他物體可能會產(chǎn)生反射并干擾接收器。在新車中集成雷達傳感器時，工程師必須將系統(tǒng)放置在合適的位置，以防止格柵和安裝支架干擾其精度。這意味著需要在傳感器的整個方位（從一側(cè)到另一側(cè)）獲得相對恒定的強信號，同時最大限度地減少由于發(fā)射到非預(yù)期方向或者被保險杠格柵反射回雷達所造成的能量浪費。由于必須實現(xiàn)耐用性、安全性、美觀及可制造性等多種目標，保險杠格柵的幾何結(jié)構(gòu)往往很復(fù)雜。稍微改變傳感器位置就可能無法滿足精度要求。雖然Autoliv通常不能控制保險杠格柵和其他鄰近組件的材料、幾何結(jié)構(gòu)及其所用的油漆類型，但必須保證汽車雷達系統(tǒng)的性能。
1
2
3
4
用于仿真的保險杠格柵的CAD文件截斷截面，標明了雷達傳感器位置
"在試駕過程中，如果Autoliv工程師發(fā)現(xiàn)雷達位置或支架幾何結(jié)構(gòu)使其無法滿足性能要求，則必須花費大約100萬美元重復(fù)整個過程。"
封裝設(shè)計對雷達精度的影響
為了滿足車輛上市日期的要求，Autoliv必須首先完成封裝設(shè)計。這主要包括：在測試車輛或格柵之前，確定傳感器相對于格柵的最佳位置以及設(shè)計安裝支架。Autoliv積極投資封裝設(shè)計、為原型車安裝檢測設(shè)備以及在各種不同環(huán)境中進行駕駛測試，以評估雷達的精度。在試駕過程中，如果Autoliv工程師發(fā)現(xiàn)雷達位置或支架幾何結(jié)構(gòu)，使其無法滿足性能要求，則必須花費大約100萬美元重復(fù)整個過程。此外，額外的設(shè)計迭代還會浪費8到12個星期的項目時間，這很可能會延誤車輛上市。
展開 Velodyne聯(lián)合Ansys提升自動駕駛汽車安全性
Velodyne領(lǐng)先的汽車激光雷達能夠大幅提高ADAS的安全性與可靠性，以支持高度智能的自動駕駛汽車在大量復(fù)雜的邊緣場景下提高決策質(zhì)量。使用VRXPERIENCE，OEM廠商將驗證激光雷達的軟件堆棧，并可完全訪問經(jīng)過驗證的傳感器模型，同時保留Velodyne IP。這將有助于Velodyne迅速且低成本地設(shè)計開拓性的激光雷達傳感器，并大幅加快產(chǎn)品的市場投放速度。”
交通管控中多傳感器融合技術(shù)的優(yōu)勢
德國Jenoptik集團推出多傳感器融合技術(shù)來避免混淆監(jiān)測。
Jenoptik集團目前正在聚焦于ITS部門的多傳感器融合技術(shù)應(yīng)用的優(yōu)勢。當考慮利用傳感器系統(tǒng)來改善交通擁堵和道路安全問題時，如果是涉及到警務(wù)安全，考慮只采用雷達系統(tǒng)或激光掃描儀來實現(xiàn)。但現(xiàn)在管理者需要的是檢測和監(jiān)控車輛的解決方案，并同時實現(xiàn)執(zhí)法功能，而目前并沒有哪一種傳感器技術(shù)能夠全部滿足這些條件，因此最優(yōu)的解決方案是使用傳感器和其他組件的組合優(yōu)勢來達到結(jié)果。
但大家必須清楚，多傳感器融合并不是電影《1984》的現(xiàn)實版本，它不會以“老大哥”無所不在的方式監(jiān)視著公眾。相反，該技術(shù)以多種方式來協(xié)助道路使用者，高速公路運營商和交警以及公眾，為所有人提供更安全，更高效的旅程。
交叉路口的三維運動物體識別
多傳感器數(shù)據(jù)融合
多傳感器融合需要模塊化的多傳感器和基于基礎(chǔ)設(shè)施的物體檢測系統(tǒng)組合，并通過先進的傳感器技術(shù)（立體攝像機，車牌識別攝像機，雷達和激光等）檢測所有關(guān)于交通狀況和道路使用者的信息，并實現(xiàn)實時流量數(shù)據(jù)的收集。在這里，傳感器的測量范圍和速度的準確性，檢測率，穩(wěn)定性，都會受到環(huán)境條件（照明，雨雪和溫度）的影響。
Jenoptik集團目前已經(jīng)推出用于檢測往來車輛車型，車牌識別，車軸數(shù)等數(shù)據(jù)的模塊化的多傳感器融合系統(tǒng)。該系統(tǒng)的部署必須預(yù)先知道哪些組件安裝在什么地方可以實現(xiàn)復(fù)雜交通狀況的監(jiān)控預(yù)期效果。路邊組件會將采集到的數(shù)據(jù)發(fā)送到后臺處理系統(tǒng)進行評估。另外，智能車牌識別軟件還可實現(xiàn)車輛信息與運營商數(shù)據(jù)的融合。
左：攝像機覆蓋區(qū)域。右：雷達覆蓋區(qū)域
路邊數(shù)據(jù)通常來源于車牌識別攝像機，包括車牌和車輛類型的圖像等，這些數(shù)據(jù)通過加密后部分或完全傳輸?shù)街醒霐?shù)據(jù)服務(wù)器。但這些數(shù)據(jù)在不進行分析的情況下，只能算原始信息，價值并不大。
展開 Velodyne聯(lián)合Ansys提升自動駕駛汽車安全性
Velodyne領(lǐng)先的汽車激光雷達能夠大幅提高ADAS的安全性與可靠性，以支持高度智能的自動駕駛汽車在大量復(fù)雜的邊緣場景下提高決策質(zhì)量。使用VRXPERIENCE，OEM廠商將驗證激光雷達的軟件堆棧，并可完全訪問經(jīng)過驗證的傳感器模型，同時保留Velodyne IP。這將有助于Velodyne迅速且低成本地設(shè)計開拓性的激光雷達傳感器，并大幅加快產(chǎn)品的市場投放速度?！?/span>
設(shè)計仿真 | VTD傳感器仿真與RDMA技術(shù)的應(yīng)用
隨著車輛智能化程度不斷提升，車載傳感設(shè)備也從最初的1R1V逐步發(fā)展到5R10V，甚至出現(xiàn)當下主流的多毫米波（6）、多超聲波（12）、多相機（10+）以及多激光雷達（1~3）的綜合傳感系統(tǒng)。同時，這也對智能駕駛仿真測試軟件及系統(tǒng)在多類型、多數(shù)量傳感器仿真過程中的模型真實可靠性、運行實時性、數(shù)據(jù)傳輸?shù)牡脱舆t性、高帶寬性以及系統(tǒng)可靠性上提出了更加嚴苛的要求。
在傳感器模型的真實性與可靠性方面，VTD軟件通過對于傳感器建模方法論與技術(shù)實現(xiàn)了持續(xù)迭代，在相機、激光雷達、毫米波雷達、超聲波雷達等傳感器的物理模型搭建方面積累了豐富的經(jīng)驗。在相機模型方面，可實現(xiàn)對于鏡頭畸變、相機動態(tài)曝光、動態(tài)白平衡、動態(tài)焦距調(diào)整、運動模糊、RAW數(shù)據(jù)仿真、ISP逆變換等特性的模擬。在激光雷達方面，支持傳統(tǒng)機械式激光雷達以及MEMS的固態(tài)（半固態(tài)）激光雷達仿真，同時在雷達回波模式設(shè)置、鬼影模擬、邊緣膨脹、運動畸變等特性均可實現(xiàn)模擬。
在應(yīng)對多傳感器數(shù)據(jù)傳輸?shù)膯栴}上，VTD除了支持常規(guī)TCP/IP傳輸外，還支持共享內(nèi)存SHM的讀寫機制，極大的提升了數(shù)據(jù)讀寫速率。在傳輸硬件配合的方面，?？怂箍倒I(yè)軟件VTD與NI達成深度合作，雙方基于RDMA技術(shù)的應(yīng)用在多傳感器仿真領(lǐng)域取得了較大的進展。RDMA(Remote Direct Memory Access)，全稱遠端內(nèi)存直接訪問技術(shù)，相對于傳統(tǒng)的TCP/IP通信具有以下特點：
CPU Bypass
數(shù)據(jù)傳輸過程中，僅僅使用操作系統(tǒng)建立通道，后續(xù)應(yīng)用程序可繞過CPU直接進行消息傳遞?？捎行Ы档虲PU負載，尤其是在多傳感器仿真使用環(huán)境中可有效提升仿真性能，最大限度發(fā)揮CPU自身性能。
展開 跨越鴻溝：自動駕駛實驗室仿真的一次飛躍
當然，自動駕駛的飛速發(fā)展也對功能安全提出了更高的要求，不斷推動著車載雷達向更靈敏、更精準的方向發(fā)展。車載雷達77GHz技術(shù)的加持，在讓車輛更好地識別周圍危險情況提高安全性的同時，更為汽車制造商創(chuàng)造了更多創(chuàng)新的機會。
在分享車載雷達的前沿發(fā)展趨勢時，是德科技汽車與新能源事業(yè)部大中華區(qū)業(yè)務(wù)拓展經(jīng)理祝曉悅表示，要讓雷達傳感器能夠“看清”整個駕駛場景，做到不僅能夠進行物體檢測，而且能夠輕松區(qū)分和辨別出較小的物體，挑戰(zhàn)是實實在在的：
沒有大量的算法訓(xùn)練，實現(xiàn)高級駕駛員輔助系統(tǒng)（ADAS）乃至未來的自動駕駛就如同天方夜譚了
。要做到這一點，需要有一種萬全之策。
ADAS的創(chuàng)新需求
不可否認，我們現(xiàn)在只是處在自動駕駛之路的初級階段——L2和L3級別之間，業(yè)界比較流行的做法是從ADAS向上發(fā)展，而要實現(xiàn)完全自動駕駛的終極目標還有很長的路要走。
我們在這里
ADAS需要有探測物體的雷達傳感器（短程和遠程）、用于物體識別的激光雷達，以及用來監(jiān)視車輛安全的攝像頭系統(tǒng)。在單車智能之外，還要采用V2X技術(shù)，利用車對車和車對基礎(chǔ)設(shè)施的通信技術(shù)來擴展傳感器覆蓋范圍，也包括使用實時高精地圖。在系統(tǒng)集成方面，需要實現(xiàn)傳感器融合，以整合來自不同傳感器的輸入信號，對做出決策的AI系統(tǒng)加以訓(xùn)練。
祝曉悅
是德科技汽車與新能源事業(yè)部大中華區(qū)業(yè)務(wù)拓展經(jīng)理
祝曉悅以雷達傳感器為例解釋說，其采集的信息被傳送給ADAS算法，后者必須學(xué)會正確解釋收到的數(shù)據(jù)。
展開 
跨越鴻溝：自動駕駛實驗室仿真的一次飛躍
當然，自動駕駛的飛速發(fā)展也對功能安全提出了更高的要求，不斷推動著車載雷達向更靈敏、更精準的方向發(fā)展。車載雷達77GHz技術(shù)的加持，在讓車輛更好地識別周圍危險情況提高安全性的同時，更為汽車制造商創(chuàng)造了更多創(chuàng)新的機會。
在分享車載雷達的前沿發(fā)展趨勢時，是德科技汽車與新能源事業(yè)部大中華區(qū)業(yè)務(wù)拓展經(jīng)理祝曉悅表示，要讓雷達傳感器能夠“看清”整個駕駛場景，做到不僅能夠進行物體檢測，而且能夠輕松區(qū)分和辨別出較小的物體，挑戰(zhàn)是實實在在的：
沒有大量的算法訓(xùn)練，實現(xiàn)高級駕駛員輔助系統(tǒng)（ADAS）乃至未來的自動駕駛就如同天方夜譚了
。要做到這一點，需要有一種萬全之策。
ADAS的創(chuàng)新需求
不可否認，我們現(xiàn)在只是處在自動駕駛之路的初級階段——L2和L3級別之間，業(yè)界比較流行的做法是從ADAS向上發(fā)展，而要實現(xiàn)完全自動駕駛的終極目標還有很長的路要走。
我們在這里
ADAS需要有探測物體的雷達傳感器（短程和遠程）、用于物體識別的激光雷達，以及用來監(jiān)視車輛安全的攝像頭系統(tǒng)。在單車智能之外，還要采用V2X技術(shù)，利用車對車和車對基礎(chǔ)設(shè)施的通信技術(shù)來擴展傳感器覆蓋范圍，也包括使用實時高精地圖。在系統(tǒng)集成方面，需要實現(xiàn)傳感器融合，以整合來自不同傳感器的輸入信號，對做出決策的AI系統(tǒng)加以訓(xùn)練。
祝曉悅
是德科技汽車與新能源事業(yè)部大中華區(qū)業(yè)務(wù)拓展經(jīng)理
祝曉悅以雷達傳感器為例解釋說，其采集的信息被傳送給ADAS算法，后者必須學(xué)會正確解釋收到的數(shù)據(jù)。
展開 Velodyne聯(lián)合Ansys提升自動駕駛汽車安全性
Ansys加快激光雷達研發(fā)速度，以增強自動駕駛危險識別
主要亮點
Ansys與Velodyne展開合作研發(fā)高精度、基于物理的Velodyne激光雷達傳感器模型，以檢測和追蹤駕駛危險
此次合作加速了Velodyne傳感器與自動駕駛汽車（AV）的集成，有助于提升道路安全性
Velodyne與Ansys展開合作為新一代汽車激光雷達傳感器開發(fā)軟件模型，以顯著改進高級自動駕駛汽車的危險識別功能。此次合作將Velodyne的激光雷達設(shè)計整合到Ansys的虛擬傳感器套件中，加快汽車制造商將Velodyne傳感器集成到自動駕駛汽車應(yīng)用的速度，實現(xiàn)行業(yè)領(lǐng)先的駕駛安全性并大幅加快產(chǎn)品上市進程。
高級駕駛輔助系統(tǒng)（ADAS）面臨的眾多挑戰(zhàn)之一是系統(tǒng)的魯棒性，以可靠測試并識別潛在的危險邊緣場景。
展開 VTD傳感器仿真與RDMA技術(shù)的應(yīng)用
wx_fmt=png&from=appmsg"></p><p><br></p><p><br></p><p>在傳感器模型的真實性與可靠性方面，VTD軟件通過對于傳感器建模方法論與技術(shù)實現(xiàn)了持續(xù)迭代，在相機、激光雷達、毫米波雷達、超聲波雷達等傳感器的物理模型搭建方面積累了豐富的經(jīng)驗。在相機模型方面，可實現(xiàn)對于鏡頭畸變、相機動態(tài)曝光、動態(tài)白平衡、動態(tài)焦距調(diào)整、運動模糊、RAW數(shù)據(jù)仿真、ISP逆變換等特性的模擬。在激光雷達方面，支持傳統(tǒng)機械式激光雷達以及MEMS的固態(tài)（半固態(tài)）激光雷達仿真，同時在雷達回波模式設(shè)置、鬼影模擬、邊緣膨脹、運動畸變等特性均可實現(xiàn)模擬。</p><p>在應(yīng)對多傳感器數(shù)據(jù)傳輸?shù)膯栴}上，VTD除了支持常規(guī)TCP/IP傳輸外，還支持共享內(nèi)存SHM的讀寫機制，極大的提升了數(shù)據(jù)讀寫速率。在傳輸硬件配合的方面，?？怂箍倒I(yè)軟件VTD與NI達成深度合作，雙方基于RDMA技術(shù)的應(yīng)用在多傳感器仿真領(lǐng)域取得了較大的進展。RDMA(Remote Direct Memory Access)，全稱遠端內(nèi)存直接訪問技術(shù)，相對于傳統(tǒng)的TCP/IP通信具有以下特點：</p><p><strong>CPU Bypass</strong></p><p>數(shù)據(jù)傳輸過程中，僅僅使用操作系統(tǒng)建立通道，后續(xù)應(yīng)用程序可繞過CPU直接進行消息傳遞?？捎行Ы档虲PU負載，尤其是在多傳感器仿真使用環(huán)境中可有效提升仿真性能，最大限度發(fā)揮CPU自身性能。</p><p><strong>內(nèi)核Bypass</strong></p><p>IO數(shù)據(jù)流程可繞過內(nèi)核，在用戶層完成數(shù)據(jù)準備后即可直接通知硬件進行數(shù)據(jù)的收發(fā)，避免系統(tǒng)調(diào)用和上下文切換所帶來的時間和資源開銷。
展開 雷達場景仿真測試如何助力自動駕駛研發(fā)？
針對目前自動駕駛研發(fā)中，對于真實仿真場景測試的需求，是德科技推出了雷達場景仿真器，用于雷達傳感器和算法研發(fā)。汽車制造商可以在實驗室中測試復(fù)雜的真實場景，從而加快自動駕駛研發(fā)進程。
是德科技雷達場景仿真器
傳統(tǒng)測試方法存在的問題
任何一項自動駕駛新技術(shù)，在正式投放市場之前，都必須通過大量測試來驗證其性能和可靠性。通常，業(yè)內(nèi)常用的測試方法有兩種。一是，基于軟件仿真，在實驗室進行場景模擬。二是，通過實際的道路測試，獲得真實數(shù)據(jù)。這兩種測試方法各有優(yōu)缺點。前者，測試效率非常高，但是虛擬數(shù)據(jù)很難代表真實場景。后者，測試場景真實，但是測試效率及測試成本都不甚理想。尤其，一些涉及人身安全的特殊場景，如車輛橫穿馬路、逆行等，在實際的路測中很難構(gòu)建。
對此，是德科技汽車與新能源事業(yè)部大中華區(qū)業(yè)務(wù)拓展經(jīng)理祝曉悅認為：“不管是用純軟件的還是用真實的道路測試，都會體現(xiàn)出比較多的局限性。理想的解決方案是，軟件測試中加入更多的真實元素，也就是把更多實車場景搬到實驗室里面進行測試，只要有合適的工具能足夠精確地模擬實際道路場景就可以了。”
若要將真實道路場景搬進實驗室進行仿真測試，其難點在于如何讓車輛更真實地看到道路場景。就傳感器而言，就是要讓攝像頭或雷達真實地探測到所有的目標信息，從而準確地傳遞給ECU，通過算法做出執(zhí)行判斷。
當前的雷達傳感器測試方案，有些使用多個雷達目標仿真器（RTS），每個 RTS 都向雷達傳感器呈現(xiàn)多個點目標，并通過機械移動天線來仿真水平位置和垂直位置，這種機械式的自動化操作延緩了整體測試速度。還有些解決方案采用了只包含少數(shù)幾個 RTS 的天線墻，這意味著目標可以出現(xiàn)在場景中的任何地方，但不能同時出現(xiàn)。
展開 