X

51VR鲍世强:自动驾驶仿真不但注重技术细节,更需培育生态工具链

近日,第六届国际智能网联汽车技术年会(CICV 2019)上,51VR智能驾驶与交通事业部研发总监鲍世强受邀出席,发表了《虚拟仿真测试方法与案例介绍》演讲,详细介绍了当前自动驾驶仿真软件的开发过程和应用落地案例。


 1560133496(1).jpg

▲图为CICV大会上鲍世强演讲现场


当前的自动驾驶行业共识为:想要自动驾驶汽车更快上路,虚拟仿真必不可少。在虚拟场景中对自动驾驶汽车进行测试和训练能大大节约金钱、人力成本,也更加安全和高效率,而要完成虚拟仿真测试,还需一款好用的仿真软件。


目前,自动驾驶仿真软件百花齐放,在国外软件垄断已久的大背景下,中国原创的自动驾驶仿真软件也正在迎头赶上。此次演讲中,鲍世强分享了对仿真测试方法的思考、仿真测试流程的技术细节介绍以及目前国内原创的仿真测试软件已达到了何种水平。


从静态场景搭建到动态场景生成,从动力学、传感器的仿真,到智能交通流仿真,将仿真技术打磨到极致并非终极目标,鲍世强透露,51VR的核心点在于与自动驾驶整个大生态的合作策略,从各大主机厂,供应商,自动驾驶初创公司,以及各个示范区和检测机构,51VR正在努力联合行业各部分共同打造自动驾驶全生命周期的联合体,相信在不久之后,中国的自动驾驶行业,会迎来自己的新发展。


1560133517(1).jpg

▲图为CICV大会上鲍世强演讲现场


以下为鲍世强演讲实录:

 

刚才dSPACE和NVDIA的朋友们都对仿真测试做了很好的分享,和他们不同,在汽车行业,我们还是一个小字辈,有很多需要向大家学习的地方,但是我们也有我们自己的独特的一些特点,今天希望和大家分享一下。


我们是51VR,公司成立于2015年,我们的愿景是创造一个真实,完整且恒久的虚拟世界——51World,具体到我们智能驾驶和交通事业部,我们希望通过可视化,仿真与预测的技术,开发具有完全自主知识产权的汽车和交通仿真软件,面向未来,帮助大家造更智慧的车,建更智慧的路,实现更安全,更高效和更美好的出行。


随着汽车行业向智能化,网联化,软件化方面发展,虚拟仿真测试应用得越来越广泛,重要性也越来越高,在不同的阶段虚拟仿真测试的含义也有很大的不同。最早的仿真测试基本是指动力学和机械结构的仿真,比较有名的软件包括ADAMS和CarSim等。随着ADAS的发展,出现了像PreScan这样可以搭建测试场景,添加传感器进行测试的仿真软件,也出现了像dSPACE这样提供HIL测试解决方案的公司。近几年,随着自动驾驶向L3-L4级别迈进,出现了一批以高精还原实际测试道路,使用智能交通模型,部署在云端为特点的自动驾驶仿真解决方案,如国外的Cognata,Parallel Domain,rFpro,和国内的51VR等。



值得一提的是,新的仿真测试形态并没有取代传统的仿真,相反,他们一起形成了更大的生态,大量的自动驾驶仿真测试需求也对传统的动力学仿真,HIL测试提出了更高的要求。现在仿真的技术发展得很快,主机厂,算法公司,检测和监管机构对仿真都有很多不同的理解,也产生了很多的讨论,比如是全部使用路测数据回放的方式再仿真,还是开发智能交通体模型?仿真测试和实际路测应该是一个什么样的比例?是使用目标级别的障碍物仿真进行大规模测试,还是需要高质量仿真摄像头和激光雷达?根据具体需求不同,这些问题都有不同的考量。


51Sim-One是我们自主研发的无人驾驶仿真平台,功能覆盖自动驾驶仿真测试的全流程,包含静态和动态数据导入,测试场景案例编辑,传感器仿真,简单动力学仿真,可视化,测试与回放,虚拟数据集生成等,兼具规模,高精度和高真实感。同时51Sim-One使用灵活可扩展的分布式并行仿真架构,可部署在单机,私有云,公有云的环境,接口灵活,可以方便的接入自动驾驶系统或者和现有的仿真流程整合。

 

自动驾驶算法虚拟测试基本包含这么几个模块。首先是静态世界的生成,我们要有能力对真实的道路环境进行采集,生成高精地图,然后基于高精地图重建整个场景。有了静态世界,另外一个比较大的模块是动态世界的模拟,一方面我们可以接入实际的路测或者交通的数据,另一方面我们可以研发智能交通体模型,不同的方式都是为了提供接近实际复杂交通状况的动态测试场景。然后我们要对车辆本身进行建模,包括动力学和传感器的模型,之后要针对被测试自动驾驶系统对接接口。另外一个比较重要的模块就是测试案例的存储,组织管理和部署,这决定了自动驾驶仿真测试可以上到什么样的规模。最后需要有比较完善的数据分析和报告模块,用来评价测试的效果。


1560133544(1).jpg

▲无人驾驶算法虚拟测试的主要模块

 

先详细说说虚拟测试中的静态场景的搭建过程。我们的静态场景建立是以OpenDrive为中心的,为此,我们开发了一个OpenDrive的编辑工具,提供了多种方式生成我们需要的OpenDrive,既可以通过实际测绘数据进行生成,也可以使用卫星影像进行编辑,或者使用道路模板进行创建。之后我们可以基于OpenDrive,调用预先准备好的具有中国特色的道路资源库,自动化生成包括路面,车道线,路灯,交通标牌的仿真场景。OpenDrive的意义不仅在于在静态场景重建的时候提供精度和指导,在运行时无论是仿真系统还是自动驾驶系统都需要对OpenDrive进行很多查询,仿真并不只是建立一个颜值很高的虚拟场景,背后的精度,结构化的逻辑道路关系,语义信息都非常重要。


图片2.png

▲OpenDrive编辑工具


在动态场景的生成方面,主要有两种方式。一种是数据驱动的方式,这种测试的长度都比较短小,但是测试的数据是庞大的,数据来源也是多方面的,可以是实际路测录制的数据包,可以是来自于交通摄像头识别的轨迹,也可以是使用编辑器编辑出来的某种工况。来自于实际采集的数据需要进行清洗,处理,入库,一个重要的发展方向是数据的再编辑能力,如何能针对某个真实场景的数据进行合理的编辑和扩展,是让实际数据发挥更大价值的关键。


另外一个动态仿真的思路是通过参数化交通模型的方式,与纯数据驱动的方式相比,这种方式可以为一个地图快速添加随机的包括机动车,非机动车,行人的交通流,除此之外还需要定义一套交通规则系统,包括信号灯,路口优先级等机制。对于大场景连续测试来讲,参数化交通模型仿真有很大的发展潜力,但是能够模拟出真实世界的一些异常和混乱难度也是非常高的,如何能使用实际采集的数据抽取不同交通体的行为模型,用来指导交通仿真也是一个很有趣的话题。


图片3.png

▲参数化交通仿真模型

 

传感器的模拟方面,摄像头的仿真涉及到场景的真实度和摄像头模型两个大的部分。借助于现在成熟的游戏引擎技术,可以较为高质量的还原真实世界的模型,光照和材质,更精细的仿真涉及到对真实世界光照强度,色彩平衡,摄像头畸变参数的测定。摄像头仿真产生的图像序列,既可以直接软件的方式接入自动驾驶感知系统,也可以通过视频注入的方式,或者是黑箱的方式进行HIL测试。另外,可以利用虚拟场景中所有元素已知这一特性,可以以很低的代价生成带标注的深度学习虚拟训练数据集。


同路测相比,仿真测试的一个重要的优势是可以通过增加算力的方式迅速增加测试的规模,在51VR,我们研发了分布式的并行加速仿真架构,可以方便的部署在私有云和公有云的环境。我们也提供了基于前端的案例编辑和管理平台,多个用户可以提交不同的仿真测试任务,后台调度节点可以根据需求启动不同的仿真节点完成仿真任务。同样的仿真硬件,既可以同时加速运行大量决策系统测试的案例,也可以对多传感器进行同步的仿真。


虚拟仿真的发展,离不开各大主机厂,供应商,自动驾驶创业公司,示范区和检测机构的支持,离不开整个生态中不同的组成部分,如HIL测试和场地测试,动力学仿真系统,实际路测数据开发迭代,甚至智能交通大数据的支持,51VR愿同大家一起紧密合作,打通整个行业生态,共同推动虚拟仿真测试的发展。


 1560133570(1).jpg

▲通过网页查看云端正在进行的仿真


微信扫一扫,关注51VR