ADAS系統的案例
康謀分享 | 確保AD/ADAS系統的安全：避免數據泛濫的關鍵！
<p>為確保AD/ADAS系統的安全性，各大車企通常需要<strong>收集、處理和分析</strong>來自于攝像頭、激光雷達等傳感器的數據，以找出提高系統安全性和性能的方法。然而在數據收集過程中，不可避免地會出現<strong>大量無價值數據</strong>，造成<strong>數據泛濫</strong>的情況，進而影響數據的分析處理進程。為此，本文將為大家分享如何通過<strong>合適的指標</strong>及<strong>分析工具</strong>，實現<strong>數據的高效管理、解讀和正確分析</strong>，以避免數據泛濫的不利影響！</p><h2>一、現有問題</h2><p>對于汽車制造商來說，確保AD/ADAS系統的安全性通常需要<strong>收集大量數據。</strong>為了開發、驗證和改進自動駕駛系統，流程通常是相同的：在各種條件下反復進行駕駛測試，累積大量里程。</p><p>這些來自不同來源（攝像頭、GPS、激光雷達、仿真等）的駕駛日志隨后會被處理和分析，以找出提高系統安全性和性能的方法。由于涉及<strong>大量傳感器</strong>、<strong>眾多不同的使用場景</strong>以及<strong>大量的行駛里程</strong>，需要<strong>處理的信息量</strong>會迅速呈<strong>指數級增長。</strong></p><p>面對如此大量待處理的信息，很容易讓人感到不知所措。收集到的很多內容可能<strong>毫無用處</strong>（設想開車行駛的數千公里卻什么有趣的事情都沒發生），而且在這個過程中，一些信息可能會<strong>丟失或損壞</strong>。此外，僅收集數據是不夠的。這些數據需要被<strong>管理、解讀和正確分析</strong>。數據池越大，這個過程就越痛苦和昂貴。
展開 一文讀懂智能汽車的ADAS高級駕駛輔助系統發展水平
其他系統要求包括提供適當的物理通信接口、電源、可選的DRAM以及可降低系統成本的嵌入式閃存。
傳感器
高級輔助駕駛系統基于不同的傳感器技術， 77GHz的雷達傳感器目前已經在高端奢華轎車上的主動式巡航控制系統（ACC）上應用多年了。該系統的傳感器可以丈量前方車輛的速度以及兩車之間的間隔，同時可以監測自身車輛的速度和間隔。目前已經在中級轎車和經濟型轎車市場上開始應用的機載激光雷達（Lidar）傳感器是遠程傳感器中比較經濟的選擇。相比于雷達，這種傳感器發射激光脈沖，并能檢測從其他物體反射回來的光線。與其他物體之間的間隔可以通過信號延遲的時間來進行計算。
視頻傳感器能夠監測圖像信息，比如側面物體的大小和外形。視頻傳感器能夠監測其他的道路使用者、交通訊號和路標等情況。傳感器發出的信息能夠實現車道偏離警告和交通訊號識別功能。
其他基礎設施如交通訊號、轉彎或山坡等信息可以通過輿圖來獲得。超聲波傳感器用于低速情況，比如停車，同時不需要高探測范圍。而且內部數據可以收集起來提供給其他車輛。通過車對車通訊進行數據傳遞，來監測車流密度。
另外，通過不同傳感器獲得的數據可以相互融合，用于增加系統功能或增強現有的功能。
智能汽車的ADAS水平分辨
從ADAS的實現邏輯上是感知→決策→執行的過程，感知是正確決策和執行的前提，可以先從ADAS硬件配置來了解。特別是一些基礎的ADAS功能，基本上是使用供應商的解決方案，對比優缺點還是比較明顯的。
攝像頭和雷達是目前應用最多的ADAS傳感器，通常我們用V（video）和R（Radar）來代指攝像頭和毫米波雷達，用數字來表明配置的數量。比如1R1V就是由一個雷達和一個攝像頭組成的ADAS系統。通常的配置會有1V、1R、1R1V、3R1V、5R1V以及5R多V。更多的傳感器會帶來更多的成本，但肯定對感知的準確率和漏報率指標上有所增益。
展開 探討ADAS技術原理、元器件類別和市場發展前景
ADAS系統指通過安裝在車體上的智能感知設備，無時無刻收集車輛外部環境信息，識別周圍環境中的靜止和運動物體，對識別的物體進行測量和跟蹤，再通過算法，判斷物體是否是目標物體，目標物體對自身車輛的威脅程度。本文介紹一篇關于ADAS的報告。
在實現無人駕駛汽車的過程中， ADAS系統（ADAS，Advanced Driver Assistance Systems，先進駕駛輔助系統）占據非常重要的地位。
ADAS系統指通過安裝在車體上的智能感知設備，無時無刻收集車輛外部環境信息，識別周圍環境中的靜止和運動物體，對識別的物體進行測量和跟蹤，再通過算法，判斷物體是否是目標物體，目標物體對自身車輛的威脅程度。
由于各國汽車安全標準的不斷提高，導致主動安全技術先進駕駛輔助系統近年來呈快速發展趨勢。ADAS這種最初只應用于奔馳和寶馬等豪華車中的技術，正在快速進入中級甚至入門級乘用車。
一、ADAS系統傳感器部件種類及技術原理
ADAS系統有很多種，這些系統主要通過毫米波雷達、激光雷達、超生波、攝像頭、紅外等傳感器對周圍車輛、行人、燈光、交通標志等目標物體進行識別。無人汽車的實現，就得依賴ADAS系統。將這些系統應用到汽車上去，再通過電腦終端向汽車發出指令，使得汽車實現不完全依賴與人為的控制，而依賴與電腦對其發布的操作指令。
圖表 1 主要ADAS技術分析
資料來源：一覽眾咨詢
從技術角度看，有幾點是明確的。首先，沒有一種單一的體系結構能夠滿足新出現的各類應用需求；其次，需要采用靈活的平臺適應市場發展趨勢，實現最新的功能，同時滿足成本、規劃和性能目標；第三，要滿足ADAS應用的高性能需求，應在軟件和硬件上達到均衡；最后，系統可能使用多個不同類型的傳感器來完成安全相關任務，這類系統今后的發展會比較強勁。
展開 設計仿真 | 高級駕駛員輔助系統(ADAS) XIL測試
隨著人們對ADAS產品的廣泛關注，各大主機廠和供應商紛紛建立自己的ADAS開發團隊和推出ADAS產品。根據汽車電子開發的V流程，產品在推向市場之前，要進行SIL、MIL、HIL和VIL等仿真驗證，在保證產品的功能的可靠性和性能的穩定性的同時，減少產品的研發費用和縮短產品的研發周期。
在SIL/MIL仿真測試中，需要仿真工具能夠集成客戶多樣化的算法平臺，如C++，simulink等；在HIL仿真測試中，需要仿真工具的仿真速度能夠滿足實時性要求；在VIL仿真測試中，需要仿真工具能夠模擬虛擬的測試場地等。
在傳感器仿真測試方面，需要仿真工具能夠仿真Camera，Lidar，Radar和超聲波等不同的傳感器類型，同是能夠模擬不同等級的傳感器信號，以滿足不同用戶測試不同算法的需求。
在整個測試閉環中，還需要仿真工具能夠集成不同的車輛動力學軟件的同時，能夠和自動化測試軟件無縫集成，從而滿足用戶的自動化測試需求。
汽車高級駕駛員輔助系統的開發和測試領域：
基于VTD的智能駕駛仿真測試系統，采用VTD軟件作為場景搭建和仿真的工具，將VTD軟件布置在高性能圖形工作站中。基于VTD的ROD工具來搭建測試的道路系統，基于ScenarioEditor工具來創建動態的交通，同時根據用戶的被測系統在VTD軟件中來配置不同的傳感器類型及仿真等級。該系統可以滿足用戶的如下需求：
? 進行控制算法的SIL/MIL/HIL測試；
?進行感知+控制算法的SIL/MIL/HIL測試；
?進行基于視頻暗箱/視頻注入的圖像識別算法測試；
?進行基于回波模擬/點云的Radar識別算法的測試；
?進行基于Objectlist和激光雷達點云識別算法的測試；
?進行多傳感器在環同時測試；
?進行基于worldsim的自動化測試。
展開 
康謀分享 | AD/ADAS的性能概覽：在AD/ADAS的開發與驗證中“大海撈針”！
如果您希望從數百萬小時的駕駛數據中查找特定的相關駕駛事件和未遂事故，以確保您的所需功能正確運行，最好的方法就是創建一個系統性能的概覽分析，實現在數據日志中快速檢索關注點。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？
展開 知行科技宋煒瑾：安全集成應對ADAS/AD系統開發新挑戰
系統解決方案面向前裝量產
宋煒瑾表示，根據實施的項目和既定路線，知行科技目前有兩個系列產品，一個系列產品是前置攝像頭，有幾代規劃。第一代已經量產，是FOV為52度的IFC；目前主推的是2.0平臺，170萬像素，FOV100度，主要是滿足法規要求。
還有一個比較特別的解決方案，根據客戶要求把額外的DVR鏡頭和的鏡頭做在一個盒子里提供客戶。IFC 3.0目前還在規劃中，是120度的水平視角。
關于域控制器相關產品，第一代域控制器只是一個攝像頭和控制部分分離的設計，第二代、第三代域控制器設計當中集成了不同的攝像頭，以及不同的毫米波雷達，以滿足相應的WA和NOP方案。第四代還在規劃當中，將用于高度自動駕駛，也可以考慮搭載激光雷達等傳感器。
上面談到的兩個產品系列有大致三種配置方案，第一種配置是L2產品系統方案，是高速公路方案。第二種配置是在第一種配置中加入相應的角雷達，以實現變道控制。最后一種配置是NOP系統方案，包含相應的攝像頭，以及前向雷達，還有高精地圖等對應的感知及駕駛員監控系統。
宋煒瑾指出，三個系列方案看起來越來越復雜，同時也帶來了新的問題，整個系統遇到的風險也越來越多。首先是功能安全，原來可能只考慮失效，或者是可預見的人為誤操作。但是，自從智能駕駛功能發展以后，就需要去考慮由于要用系統替代人去做一部分決定，整個系統本身的局限性，或者是系統設計的缺陷，就會導致整個車輛遇到一定的風險。
另一方面，現在整車廠會考慮使用高精地圖以及場端設備，包括相應的軟件，這會導致另一個問題：網絡攻擊。
展開 淺談系統安全架構設計
例如，將fallback系統與Main系統進行冗余，將控制指令可用性失效需求分解由fallback和Main系統實現，考慮兩者之間的獨立性設計，及可以將部分的安全指標降級。本文將引入一個抽象的ADAS系統架構，用于描述功能安全ASILD級別在架構上的分解及分配關系。假設該ADAS架構抽象為如下圖：
圖4.2-L3+ADAS自動駕駛系統抽象架構
注意：在圖4.2 架構中，為實現ADAS域控制指令的獨立性，實現安全分解，將ADAS指令仲裁功能分配給底盤動力域控制器。在實際項目中，指令仲裁功能也可能由ADAS Main控制器實現，通過一定的機制實現自動指令轉換，基于此結構，運動域控可以不需要；另外指令仲裁功能也可以集成在底盤域控系統中。對于執行器端的冗余設計，可以基于不同的ADAS功能和安全降級的要求進行必要冗余，而非橫縱向完全冗余。執行器端具體方案在本文不做詳細展開。
如果定義ADAS系統的整體安全目標簡化為：
防止非預期的不能提供控制指令，ASIL D：
基于圖4.2，Fallback系統作為Main系統的冗余系統，通過完全的冗余和獨立可以將安全指令的可用性需求分解為ASIL B（D）即：
1. Main 系統需要提供正確的橫向和縱向控制指令ASIL B（D）
2. Fallback 系統需要提供正確的橫向和縱向控制指令ASIL B（D）
3. Main 系統和Fallback系統的控制指令需要完全獨立 ASIL D（獨立性要求）
需要注意的是，Fallback和Main控制器需要”熱冗余”。熱冗余是指在Main運行過程中，Fallback也應當同時運行，主要用于減少主控制器失效時指令切換的時間。
展開 自動駕駛 - 科技定義未來汽車新架構
功能特征數量對比
結論分析：
主機廠趨向于將ECU的成本保持在一個恒定水平，同時通過利用系統集成的優勢，增添一些有價值的功能特征。
3.2 標桿車ADAS/ADS系統架構示例
1）老款E級車（BMW 7系 -2009款）：ADAS系統配置有14個ECU，半導體平均BOM成本為618美元。
圖3. BMW 7系 -2009款
2）更先進一代E級車（BMW 7系 -2015款）：E/E架構發生變化，新增了融合ECU，并且使用了以太網通訊，然而半導體平均BOM成本卻下降了10%。
圖4. BMW 7系 -2015款
3）2018款AudiA8 系統架構：已經開始使用ADAS域控制器。
圖5. AudiA8 - 2018款
4）202X年某自動駕駛車輛系統架構預測：該系統架構采用了MPU、雙域控制器以及V2X通訊技術。
圖6. XX車 - 202X款
3.3 典型ADAS/ADS系統架構需求
該系統架構需求是基于BMW、Volvo、Nissan等標桿公司的現有自動駕駛車輛平臺的ADAS/ADS系統架構的總結分析；
表3.
展開 ADAS/ADS 整車下線標定解決方案
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 小型化、低功耗！羅姆推出2款適用于車載攝像頭模塊的產品
輔助駕駛（最終目標自動駕駛）已經成為汽車發展的重要趨勢，ADAS系統通過組合LiDAR、聲納和攝像頭等具有不同感測方法和感測距離的設備構建而成。其中，在停車輔助系統等單元，由于車載攝像頭在消除附近盲區方面發揮著重要作用，因此最新的汽車每輛車都配備了約10個攝像頭。此外，隨著ADAS的不斷發展，其使用數量也在進一步增加，這對提高各種攝像頭的性能也提出了更高的要求。另一方面，隨著攝像頭安裝數量的增加，由于電池可供給的電量和安裝攝像頭的空間有限，因此，在車載攝像頭模塊中，對進一步縮小電路板尺寸和降低功耗的需求日益高漲。
近日，全球知名半導體制造商ROHM開發出非常適用于ADAS（高級駕駛輔助系統）的車載攝像頭模塊的SerDes IC “BU18xMxx-C”以及攝像頭用PMIC “BD86852MUF-C”。這兩款產品不僅可以滿足對于模塊的小型化和低功耗的需求，而且由于其低電磁噪聲（低EMI）的特性，還有助于減少客戶的開發工時。借助這兩款新的產品，羅姆強化了在ADAS系統中車載攝像頭模塊的競爭優勢，可以為客戶提供更先進的車載攝像頭解決方案。特別的，這兩款產品都符合ASIL-B級別的主動安全標準。
車載半導體器件和系統方案是羅姆半導體業務重點之一，羅姆為新一代汽車提供的產品和解決方案非常廣泛，針對于車載器件按照不同的應用，包括車載電機、LED燈驅動器、圖形芯片、網絡、用于攝像頭的PMIC 、ADAS系統，液晶設備整體方案，顯示器用SerDes IC，以及用于攝像頭的SerDes IC等。
展開 寶馬的電子電氣架構解析
圖9 ADAS系統的傳感器配置，1為單目攝像頭系統，2為三目攝像頭系統，3為右側短距雷達傳感器，4為后方短距雷達傳感器，5為前方長距雷達常感器，6為前方雷達傳感器，7為側方短距雷達傳感器，8為超聲波傳感器，9為右側短距雷達傳感器，10為駕駛員攝像頭監控系統
圖10 駕駛員攝像機監控系統DCS
在2015年的寶馬就開始使用基于單目和雙目攝像頭駕駛輔助系統，在2018年對其其進行了升級，其中一個是硬件方面，將雙目攝像頭升級為三目攝像頭，一個用于近距離的魚眼鏡頭，一個為中距鏡頭，一個是用于與雷達進行數據融合的鏡頭；第二是在性能方面，提高了探測距離和視野，最大可達250m，增加了計算能力、提高了夜間的性能。
最后來看看ADAS系統的總體結構，如圖11所示，圖11中個節點的含義如圖12所示，包括SRSNVK為左側短距雷達，FRSF為前長距雷達傳感器，SRSNVR為右側短距雷達，PMA為泊車操縱助手等。
圖11 ADAS系統架構
圖12 ADAS各節點含義
寶馬未來電子電氣架構發展
以上是寶馬現在正在使用的電子電氣架構，那其在未來的如何呢？
在ADAS方面，BMW的自動駕駛硬件架構采用的是增量式發展，比如L2的硬件架構可以作為L3/4/5級的備份，如圖13所示。
展開 
聚焦移動和固定業務毫米波雷達干擾等關鍵性問題，毫米波雷達無線電研究（內江）外場試驗即將開展
二、經緯恒潤車用毫米波雷達復雜電磁環境仿真系統解決方案
系統概述
車用毫米波雷達是駕駛輔助系統（ADAS）中的主要傳感器，已普遍應用于主動式巡航控制（ACC）、盲點檢測（BSD）、和并線輔助（LCA）系統中。
隨著車用毫米波雷達的量產裝車，以及ADAS系統的逐漸普及，雷達在實際應用中將面對越來越復雜的電磁環境。在復雜電磁環境中，毫米波雷達能否正常工作，其功能和性能是否受到影響，以及ADAS系統的可靠性是否下降，這些復雜工況需要進行評估和驗證，以確保設備和系統運行的可靠性。
解決方案
北京經緯恒潤科技有限公司基于多年積累的射頻仿真經驗，推出集成建設車用毫米波雷達復雜電磁環境仿真系統解決方案，該系統能夠在實驗暗室內逼真地模擬實際道路復雜電磁環境，完成車用毫米波雷達系統的開環、閉環半實物仿真試驗，以及基于雷達系統的控制系統、射頻綜合以及數據融合等方面的仿真試驗。
上圖為車用毫米波雷達復雜電磁環境仿真系統的系統組成，系統主要由陣面、輻射天線、饋電系統、仿真設備以及維護平臺等組成，用于實現目標回波信號、干擾信號和環境信號等在指定空間角度的輻射模擬。
車用毫米波雷達復雜電磁環境仿真系統除能夠代替完成大部分外場試驗外，還可以完成由于條件復雜而外場無法進行的特殊試驗，為雷達系統提供性能測試、技術驗證和成熟性評估的綜合試驗平臺。
通過對車用毫米波雷達的應用場景進行半實物仿真和模擬，系統可以檢驗和評估毫米波雷達在實際道路復雜電磁環境下的工作性能，驗證雷達的可靠性，有利于加快ADAS系統的研制進度，降低研制成本，減少研制風險以及提高研制水平。
展開 寶馬的電子電氣架構解析
圖9 ADAS系統的傳感器配置，1為單目攝像頭系統，2為三目攝像頭系統，3為右側短距雷達傳感器，4為后方短距雷達傳感器，5為前方長距雷達常感器，6為前方雷達傳感器，7為側方短距雷達傳感器，8為超聲波傳感器，9為右側短距雷達傳感器，10為駕駛員攝像頭監控系統
圖10 駕駛員攝像機監控系統DCS
在2015年的寶馬就開始使用基于單目和雙目攝像頭駕駛輔助系統，在2018年對其其進行了升級，其中一個是硬件方面，將雙目攝像頭升級為三目攝像頭，一個用于近距離的魚眼鏡頭，一個為中距鏡頭，一個是用于與雷達進行數據融合的鏡頭；第二是在性能方面，提高了探測距離和視野，最大可達250m，增加了計算能力、提高了夜間的性能。
最后來看看ADAS系統的總體結構，如圖11所示，圖11中個節點的含義如圖12所示，包括SRSNVK為左側短距雷達，FRSF為前長距雷達傳感器，SRSNVR為右側短距雷達，PMA為泊車操縱助手等。
圖11 ADAS系統架構
圖12 ADAS各節點含義
寶馬未來電子電氣架構發展
以上是寶馬現在正在使用的電子電氣架構，那其在未來的如何呢？
在ADAS方面，BMW的自動駕駛硬件架構采用的是增量式發展，比如L2的硬件架構可以作為L3/4/5級的備份，如圖13所示。
展開 一文介紹特斯拉AD/ADAS緊急制動安全分析案例
隨著自動駕駛（AD）/高級駕駛輔助系統（ADAS）在車輛中的應用日益廣泛，其引發的各類事件分析成為關鍵問題。本文聚焦特斯拉Autopilot的緊急制動情況，借助IVEX打造的數據采集平臺（Carvex）及安全分析平臺（Safety Analytics platform）展開研究。
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。比如一個備受關注的問題：如何從數千小時的駕駛數據（包括開發階段和實際路測）中識別并理解由 AD/ADAS 行為觸發的各類事件，如緊急制動、急加速、低碰撞時間等。
數據采集平臺Carvex集成了一套尖端傳感器陣列，搭載于特斯拉Model 3車型，主要用于采集駕駛數據以驅動產品開發。大部分數據是在Autopilot（特斯拉的L2 ADAS系統）被激活時收集的。由于 Autopilot 是先進的 ADAS 系統之一，我們特別關注其性能表現，尤其是誤觸發緊急制動（false positive braking）這一ADAS領域長期存在的技術痛點。
起初，我們在檢查數據中的緊急制動事件時也遇到了困難。Carvex 已經收集了 15000 公里的駕駛數據。雖然與正常 ADAS 系統在部署前所需的測試里程相比，這個數字還很小，但我們發現，如果沒有良好的輔助工具，識別和檢查緊急制動事件并非易事。
本文將解析特斯拉的緊急制動事件。
展開 趨勢 | 電車 & 越野運輸車的ADAS和自動駕駛測試解決方案
隨著無軌電車的到來，它們需要能夠與其他車輛連接，并且其ADAS功能（如自適應巡航控制ACC）需要能夠避免與其他車輛發生碰撞，同時保持更安全的距離。
圖 1: 基于VTD的電車城市環境仿真
城市中對自動駕駛電車的需求日益增加，這給行業帶來了對ADAS系統進行快速驗證和確認的壓力，而仿真是當今唯一真正可行的解決方案。圖1展示了最近添加到Virtual Test Drive（VTD）軟件中的功能，以模擬各種電車環境場景以及周圍的行人、交通、動物和景觀物體。
這些行業需要非常大的車輛系統，因此在操作這些大型車輛時始終會出現盲點，駕駛員無法對其周圍環境進行360度觀察，同時，越野環境中大量的灰塵也降低了駕駛員看到的可見度。為了克服這些局限性，傳感器起著至關重要的作用，尤其是當車輛自主運行效率成倍增加時，傳感器可以減少致命事故的發生。
圖2: 基于VTD的自動垃圾車越野環境仿真
自動駕駛的有軌電車和越野汽車將具有更好的安全性與舒適性，并能減少在危險場所工作的人員數量。但是，對于這些車輛的開發和測試還需要大量的測試資源，由于存在未知或未發現的現象，可能會發生許多事故，如果沒有仿真軟件，這將是一個緩慢的過程。創建一個真實世界的副本仿真環境，ADAS系統內部的傳感器仿真等技術將有助于克服這些挑戰。
Virtual Test Drive (VTD)，是用于模擬ADAS系統和自動駕駛汽車的完整工具鏈，憑借我們歷經考驗且值得信賴的解決方案，引領著這兩個領域的前進方向。VTD幫助用戶創建特定國家/地區的電車和越野汽車仿真數據庫，其中包括這些國家/地區的特殊標志、交通狀況、電車燈和地形。
展開 