駕駛輔助系統硬件在環仿真技術發展現狀*

曾杰

（重慶車輛檢測研究院；汽車主動安全測試技術- 重慶市工業和信息化重點實驗室）

先進駕駛員輔助系統（ADAS）可以協助駕駛員提高行車安全性和駕駛舒適性，被認為是提升出行效率、解決交通事故頻發問題的有效措施[1-2]。駕駛輔助系統依靠傳感器采集車輛行駛四周的環境，并根據環境目標威脅而作出橫向、縱向控制，可有效降低道路交通事故發生的概率[3]。傳統的場地測試是以假人、假車、環境模擬器等測試設備構建有限測試場景[4]，測試決策控制算法的合理性和控制算法與車輛匹配的優劣。駕駛輔助系統連續感知、決策、執行，全天候持續運行，傳統測試評價手段已難有效覆蓋自動駕駛新特征[5]。智能駕駛輔助系統在開發的過程中，每一階段功能和性能的測試評價將通過多樣化的試驗結果相互組合印證，需要進行實車道路測試、公開道路測試，功能安全測試、信息安全測試、仿真測試等，硬件在環仿真測試平臺是智能網聯汽車“V”型開發過程中不可缺少的工具鏈。

1 駕駛輔助系統功能及傳感器原理

1.1 駕駛輔助系統構成和原理

汽車駕駛輔助系統的構成和系統原理，如圖1 所示。目前，駕駛輔助系統主要裝備毫米波雷達、攝像頭、360°環視系統、超聲波雷達，實現自動泊車（APA）、自適應巡航（ACC）、緊急制動（AEB）、盲區監測（BSD）、車道保持輔助（LKA）、交通擁堵輔助（TJA）等功能，而激光雷達主要是在更高級別的自動駕駛汽車上裝備。車載傳感器感知前方道路上障礙物、車道線、交通限速標志、行人等信息。使用攝像頭和毫米波雷達獲取前方目標相對距離、相對速度，通過決策與控制實現自適應巡航、緊急制動、交通擁堵輔助功能[6]。攝像頭可識別前方道路車道線，計算車輛與車道線的相對位置和車道線的曲率半徑，結合車輛的底盤轉向特性，實現LKA 功能[7]。

圖1 典型駕駛輔助系統構成及原理圖

1.2 傳感器目標探測原理

1.2.1 毫米波雷達目標識別原理

車載毫米波雷達主要分為脈沖式和連續調頻式，由于脈沖信號在近距離探測目標時對硬件計算速度要求較高，因此不適用于車載近距離探測目標的需求。連續調頻毫米波雷達采用雷達波調制的方式發送探測電磁波，通過調制發射電磁波信號與雷達天線接收到的目標反射雷達信號進行混頻，利用傅里葉變換算法對混頻信號進行解析，可解析出雷達與目標的相對距離和相對速度，并根據雷達接收天線陣列參數計算相對角度信息[8]。

1.2.2 攝像頭目標識別原理

作為ADAS 的核心傳感器之一，車載攝像頭需要最大限度地適應不同的光照條件，能夠更加快速、精確地感知路況信息，并加強對圖像噪點的抑制[9]。攝像頭和攝像頭后處理芯片端原理，如圖2 所示。攝像頭的光感原件識別外界圖像信息并轉化為電信號，根據編碼協議編碼圖像信號，通過低電壓差分信號（LVDS）傳輸方式將圖像傳輸至圖像處理芯片（ECU），經過圖像信號質量處理后，再傳遞至圖像處理單元（GPU），利用深度學習或機器學習算法識別圖像中不同層次目標（道路、行人、車輛、障礙物）[10]。目標識別效果依賴于深度學習的樣本的類型和數量，因此深度學習目標識別的樣本需要不斷迭代和更新。

圖2 攝像頭目標識別原理圖

1.2.3 超聲波雷達探測原理

傳感器內的超聲波傳感器發射出超聲波，由接收傳感器接收經障礙物反射回來的超聲波，根據超聲波反射接收的時間差，由控制單元內的CPU 處理換算成距離[11]。超聲波雷達在速度很高情況下的測量距離有一定的局限性，這是因為超聲波的傳輸速度很容易受天氣情況的影響，在不同的天氣情況下，超聲波的傳輸速度不同，而且傳播速度較慢，當汽車高速行駛時，使用超聲波測距無法跟上汽車車距的實時變化，誤差較大。超聲波散射角大，方向性較差，在測量較遠距離的目標時，其回波信號會比較弱，影響測量精度[12]，但超聲波在短距情況下傳感器具有非常大的優勢，因此廣泛應用于自動泊車的車位探測及行車盲點輔助。

1.2.4 激光雷達探測原理

激光雷達是以發射激光束探測目標的位置、速度等特征量的雷達系統。其工作原理，如圖3 所示，其由激光發射機、光學接收機、轉臺和信息處理系統等組成，激光器將電脈沖變成光脈沖發射出去，光接收機再把從目標反射回來的光脈沖還原成電脈沖，根據光線的飛行時間獲得單點的相對距離，并根據激光雷達基礎坐標系計算目標點云在坐標系的位置（x，y，z）[13]。激光雷達可直接生成帶有坐標位置的點云信息，在多線激光雷達照射下可形成多點外輪廓，采用聚類分析、語義分割、深度學習[14]等目標分類識別技術，建立車輛四周的道路、障礙物、行人、車道線、車輛、交通標志等數字化模型，直接應用于駕駛輔助系統的控制決策。

圖3 激光雷達探測原理圖

2 駕駛輔助系統硬件在環仿真系統

2.1 系統構架

典型的駕駛輔助系統硬件在環仿真測試平臺框架，如圖4 所示，包含了場景建模工作站、雷達目標模擬器、超聲波雷達信號注入、視頻暗箱、視頻注入系統、ADAS-ECU、駕駛模擬器、車輛動力學模型所組成的仿真測試平臺。

圖4 駕駛輔助系統在環仿真測試平臺框架

硬件在環仿真典型數據傳遞過程步驟如下：

1）場景軟件將各個虛擬傳感器模型檢測目標信號輸出至對應傳感器模擬器。

2）各個模擬器子系統采用物理信號仿真的方式與真實傳感器進行聯合仿真。

3）傳感器通過CAN/CANFD 將采集到的目標信息輸入至ADAS-ECU。

4）ADAS-ECU 根據實時系統模擬輸入車速、其他信息，駕駛模擬器輸入的轉向盤轉角、油門踏板、加速踏板信號等信息，結合傳感器目標、車道線識別結果進行綜合決策。

5）ADAS-ECU 輸出決策控制命令至實時系統運行的車輛動力學模型，執行 ACC、AEB、LKA、TJA、APA。

6）車輛動力學模型將執行相應動作，計算出各個車輪的位置（x，y，z），并將車速、減速度、方向轉角等信息反饋至場景軟件。

7）場景軟件更新場景數據，完成新的一幀數據仿真。

2.2 雷達目標模擬器

雷達目標模擬器是毫米波雷達射頻信號在環仿真方案的關鍵部件。雷達目標模擬器通過射頻天線接收端接收雷達信號后，采用傅里葉變換算法對該電磁波信號進行時域、頻域分析，解析雷達波信號特征，再根據場景軟件中雷達模型傳遞的被模擬目標速度、距離、雷達截面積值（RCS），通過射頻信號技術對回波延時、多普勒頻移、信號增益/衰減3 項操作，完成雷達目標信號的速度、距離、RCS 值的模擬[15]。

分析連續2 束正弦波調制的雷達波信號，若物體保持靜止，對采集的時域信號進行傅里葉變換后的結果，將會在相同的頻率f 位置出現峰值。雷達目標模擬器模擬距離為D 的物體，通過計算出雷達發射與接收信號的時間差，實現模擬目標距離D。若物體移動速度為v，則連續2 次信號解析的結果存在相位差，結合2 束波發射的時間間隔，計算出所需相位差，對信號的相位進行偏移以模擬目標速度[16]。

雷達目標模擬器在實際應用過程中，主要性能參數，如表1 所示，雷達目標模擬器的工作頻段、瞬時帶寬應大于等于被測雷達參數，模擬目標RCS 值的范圍代表模擬目標種類的豐富程度，而最近的目標模擬距離直接影響測試場景的搭建。

表1 雷達目標模擬器目標仿真主要參數表

雷達目標模擬器對每個雷達目標的模擬都需要配置獨立的通道進行信號處理，模擬目標的數量與成本成正比，同時單方向上模擬目標的數量過多，會造成信號干擾。與實際道路行駛時雷達探測到的目標相比，模擬目標的數量較少，不能真實反映汽車在道路上行駛時所處的復雜電磁波環境。而對于運動多目標模擬，將雷達目標模擬器的收發天線置于環形導軌上，通過驅動電機驅動收發天線沿導軌運動，實現不同方向的雷達模板動態運動模擬，受限于機械結構設計，能模擬的方向目標有限。

2.3 視頻暗箱

攝像頭在環仿真的視頻暗箱，如圖5 所示。仿真方案由虛擬環境播放顯示屏、攝像頭、攝像頭調節支架及透鏡裝置三部分組成。攝像頭調節裝置可實現3 個移動自由度、3 個轉動自由度的調節與鎖止功能，同時配備攝像頭透鏡裝置，以實現將攝像頭與屏幕匹配。這種黑箱的方式只適合單目攝像頭，且適用的攝像頭較少、需要額外增加變焦鏡片，因此不同焦距、角度的攝像頭標定和匹配用材料不能共用，若攝像頭后端圖像處理算法較弱，最終輸出成像效果將失真。

圖5 攝像頭在環仿真的視頻暗箱

2.4 視頻注入

攝像頭視頻流注入原理，如圖6 所示。場景仿真軟件構建虛擬場景并進行視景渲染，通過顯卡輸出視頻流，通過HDMIDVI 與上位機的顯卡通道相連，將采集到的視頻流輸入至視頻注入模塊中進行處理，處理完的信號通過ECU 適配板輸出給攝像頭圖像處理、目標識別的ECU，視頻注入攝像頭在環仿真的優點如下：

1）可測試強光或逆光情況下控制算法的反應；

2）可測試多目、360°環視系統；

3）可以通過對視頻注入板卡進行編程，實現圖像信號級、像素級的故障注入；

4）可實現低延時高保真的攝像頭在環仿真測試。

圖6 攝像頭視頻流注入原理圖

2.5 測試場景建模軟件

場景仿真軟件與車輛動力學軟件聯合仿真可實現閉環，能夠將車輛動力學模型與交通場景很好地融合起來，進而彌補了車輛動力學軟件在真實交通場景建模、路網系統建模及交通狀況控制方面的不足，形成整個復雜交通環境。場景仿真軟件具有強大的道路環境交通仿真能力，包括：

1）復雜路網建模，包含異形交叉路口、轉彎、坡度、超高、及路邊建筑（隧道、橋梁等）；

2）具有強大的交通仿真和交通規則仿真能力，包含交通流模擬、行人干擾；

3）多種天氣模式渲染（雨、雪、霧、沙塵暴等），動態實時光影、HDR 渲染和路面渲染；

4）采用開放的標準和接口，非常適合與第三方軟件進行聯合仿真；

5）傳感器仿真能力，包括理想傳感器和復雜傳感器，可以獲得目標的Object List 或者模擬傳感器的點云數據。

目前，商用的場景軟件功能都較為相近，性能和功能區別不夠明顯。各個場景軟件都支持Open drive 和Open scenario 格式的道路網絡與場景格式化導入。在場景軟件中建立起各個傳感器的物理模型，通過目標列表直接注入至ADAS-ECU，可實現快速決策、控制算法驗證，與傳感器目標物理信號模擬方式相結合，可解決駕駛輔助系統算法開發不同層級的需求。

3 未來測試技術發展預測

3.1 傳感器

通過全方位的360°環視、多雷達系統、高精度定位等自主感知信息獲取車輛有限距離的外部環境信息，結合5G 車路協同技術實現遠距離的路徑規劃、事故早報等功能，為高度自動駕駛應用提供技術基礎。智能網聯汽車是多系統協調，多技術融合，同時存在多方面的風險，當前需要多維度多角度的測試評價達到置信程度。

3.2 測試技術挑戰

傳感器數量、類別的增多給整套自動駕駛系統的硬件在環仿真測試帶來了巨大的技術挑戰。典型多傳感器自動駕駛汽車，如圖7 所示。全車有6 個毫米波雷達、1 個激光雷達、6 個攝像頭、慣導、車路協同設備，若對所有傳感器都配置對應的物理信號仿真模擬器，會帶來多模擬器硬件實時仿真協調性的挑戰和多實時系統之間任務解包、任務分配、信號輸出與反饋之間的同步性問題，挑戰現有的測試模型和框架。針對常見的視覺、雷達、GNSS 在環仿真，已經有經過大量驗證的可實施方案。對于環視系統和前視攝像頭，采用視頻流注入的方式是較優的解決方案，而激光雷達單幀仿真的點云數量巨大，采用物理仿真的方式很難實現實時準確仿真。不同的激光雷達結構形式各異，采用激光雷達目標模擬器方式存在較大的技術難度和通用性問題，因此針對激光雷達仿真，采用點云數據直接注入目標控制器。受制于雷達目標模擬器的仿真原理，1 個雷達仿真子系統能仿真的雷達目標數量較少，正常雷達檢測到道路上目標至少大于8 個，因此采用信號延時的雷達仿真方式存在一定的局限性。未來針對雷達目標模擬器采用陣列式的多目標模擬暗箱，利用電信號高速控制雷達信號收發與目標仿真計算，至少可實現16 個不同方向及運動目標的模擬。同時在場景軟件中建立起毫米波雷達模型，將場景中背景目標材質的雷達反射特性進一步細化，傳遞給雷達目標模擬器進行目標仿真，貼近真實雷達環境。

圖7 未來車載環境感知傳感器布局示意圖

4 結論

目前，駕駛輔助系統的硬件在環仿真測試，由于視頻暗箱進行攝像頭在環仿真的方案只能覆蓋單目攝像頭，采用視頻流信號注入至攝像頭圖像處理ECU 的方式，可以覆蓋多種類型的視覺方案的測試需求，同時具備視頻信號層的故障注入功能，但存在需針對每款攝像頭芯片模組進行開發的缺點。傳統的雷達模擬器只能實現較少目標模擬，多目標陣列式雷達目標信號仿真，能夠讓雷達在環仿真測試更加貼近真實的雷達環境。