CN112115600A

CN112115600A - 一种自动驾驶车辆的仿真系统

Info

Publication number: CN112115600A
Application number: CN202010953004.7A
Authority: CN
Inventors: 冯舒; 南洋; 董馨; 李长龙
Original assignee: FAW Group Corp
Current assignee: FAW Group Corp
Priority date: 2020-09-11
Filing date: 2020-09-11
Publication date: 2020-12-22

Abstract

本发明实施例公开了一种自动驾驶车辆的仿真系统。该自动驾驶车辆的仿真系统包括：仿真上位机，包括场景管理模块和仿真引擎模块，所述场景管理模块用于生成测试用例以分发到所述仿真引擎模块中，所述仿真引擎模块用于根据所述测试用例模拟所述自动驾驶车辆的外部环境；算法上位机，用于根据所述外部环境使用预设决策算法输出决策控制指令；仿真下位机，用于模拟所述自动驾驶车辆对所述决策控制指令作出的响应。本发明实施例实现了扩大车辆仿真时的感知范围。

Description

一种自动驾驶车辆的仿真系统

技术领域

本发明实施例涉及自动驾驶技术，尤其涉及一种自动驾驶车辆的仿真系统。

背景技术

随着汽车产业的发展，智能网联汽车占据着未来市场的主导地位。它将技术核心分为智能化与网联化两个层面。智能化依赖于ADAS(Advanced Driving AssistanceSystem，高级驾驶辅助系统)，采用车载传感器与汽车自动控制系统相结合的方法实现汽车的ACC(Adaptive Cruise Control，自动巡航)、APS(Automated Parking System，自主泊车)和AEB(Autonomous Emergency Braking，自动紧急刹车)等一系列功能。网联化则依靠搭载车联网V2X(Vehicle to X，车用无线通信技术)系统，来实现车-人、车-车、车-路和车-平台的信息交换，来提高汽车行驶的安全性，提高道路通向效率。通过这两条技术路径协同实现“信息感知”和“决策控制”功能，从而使车辆可以实现L3/L4级以上自动驾驶算法。

但是不同于传统汽车技术的研究，汽车智能化的研发与测试面临着行驶环境复杂且不可预测、难以复制、试验安全无法保障、试验周期和成本控制压力骤增等诸多困难与挑战。需要一套高效的仿真系统来提高产品的开发效率，节省外场测试费用。目前，自动驾驶算法的仿真系统是基于传感器搭载的环境感知系统对车辆周围的环境进行感知，并根据所获得的信息，通过车载设备控制车辆的速度和转向，使车辆能够安全、可靠、快速行驶。但仅实现了基于ADAS单车传感技术的仿真验证，车辆仅能在近距离内、且无遮挡物的条件下，进行单车视角内的环境感知。

发明内容

本发明实施例提供一种自动驾驶车辆的仿真系统，以实现扩大车辆仿真时的感知范围。

为达此目的，本发明实施例提供了一种自动驾驶车辆的仿真系统，该自动驾驶车辆的仿真系统包括：

仿真上位机，包括场景管理模块和仿真引擎模块，所述场景管理模块用于生成测试用例以分发到所述仿真引擎模块中，所述仿真引擎模块用于根据所述测试用例模拟所述自动驾驶车辆的外部环境；

算法上位机，用于根据所述外部环境使用预设决策算法输出决策控制指令；

仿真下位机，用于模拟所述自动驾驶车辆对所述决策控制指令作出的响应。

进一步的，所述场景管理模块具体用于利用场景要素构造场景用例库，并根据从所述场景用例库中选择的场景要素来生成测试用例。

进一步的，所述场景要素包括路网、交通设施、临时设施、行人、环境和无线网络信道。

进一步的，所述场景管理模块还用于记录和管理所述测试用例。

进一步的，所述场景管理模块还用于根据所述自动驾驶车辆对所述决策控制指令作出的响应生成测试报告。

进一步的，所述仿真引擎模块具体用于根据所述测试用例中的场景要素建立交通场景并进行3D渲染以模拟所述自动驾驶车辆的外部环境，所述交通场景包括道路模型、环境模型、交通参与物模型、感知模型和无线网络信道模型。

进一步的，所述感知模型包括毫米波雷达、激光雷达、摄像头模型和基于LTE-V通信感知的V2X模型，所述感知模型用于进行所述自动驾驶车辆的单车目标传感和基于LTE-V网络的目标感知。

进一步的，所述算法上位机具体用于提取所述单车目标传感和基于LTE-V网络的目标感知中的目标特征值并进行融合以得到第一算法输入值，所述仿真下位机还用于获取所述自动驾驶车辆的实时车辆行为状态，并将所述实时车辆行为状态作为第二算法输入值输入给所述算法上位机，所述算法上位机具体用于将所述第一算法输入值和第二算法输入值输入至预设决策算法以输出决策控制指令。

进一步的，所述自动驾驶车辆的实时车辆行为状态包括所述自动驾驶车辆的预设轨迹、速度和车身信息。

进一步的，所述仿真引擎模块还包括实时车辆动力学数据接口，所述实时车辆动力学数据接口用于连接所述仿真下位机，所述仿真下位机用于将所述自动驾驶车辆对所述决策控制指令作出的响应闭环反馈给所述仿真引擎模块。

本发明实施例通过仿真上位机，包括场景管理模块和仿真引擎模块，所述场景管理模块用于生成测试用例以分发到所述仿真引擎模块中，所述仿真引擎模块用于根据所述测试用例模拟所述自动驾驶车辆的外部环境；算法上位机，用于根据所述外部环境使用预设决策算法输出决策控制指令；仿真下位机，用于模拟所述自动驾驶车辆对所述决策控制指令作出的响应，解决了车辆仿真时仅能在近距离内、且无遮挡物的条件下，进行单车视角内的环境感知的问题，实现了扩大车辆仿真时的感知范围的效果。

附图说明

图1是本发明实施例一提供的一种自动驾驶车辆的仿真系统的结构示意图；

图2是本发明实施例二提供的一种自动驾驶车辆的仿真系统的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一算法输入值称为第二算法输入值，且类似地，可将第二算法输入值称为第一算法输入值。第一算法输入值和第二算法输入值两者都是算法输入值，但其不是同一算法输入值。术语“第一”、“第二”等不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明实施例的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

实施例一

如图1所示，本发明实施例一提供了一种自动驾驶车辆的仿真系统100，该自动驾驶车辆的仿真系统100包括仿真上位机200、算法上位机300和仿真下位机400。

具体的，仿真上位机200包括场景管理模块220和仿真引擎模块210，所述场景管理模块220用于生成测试用例以分发到所述仿真引擎模块210中，所述仿真引擎模块210用于根据所述测试用例模拟所述自动驾驶车辆的外部环境；算法上位机300用于根据所述外部环境使用预设决策算法输出决策控制指令；仿真下位机400用于模拟所述自动驾驶车辆对所述决策控制指令作出的响应。

本实施例中，当需要进行自动驾驶车辆的仿真时，可以采用本发明实施例所提供的自动驾驶车辆的仿真系统100，具体的，首先通过仿真上位机200的场景管理模生成测试用例，测试用例中的参数可以为测试人员自行设定的，其具体的生成方法本发明实施例对此不作限定，场景管理模块220生成测试用例后就会将其分发到仿真上位机200的仿真引擎模块210中，仿真引擎模块210可以根据该测试用例模拟出需要进行仿真的自动驾驶车辆的外部环境，其中模拟出的外部环境是多维度的，将其对应的参数作为算法上位机300的输入，算法上位机300就可以根据外部环境使用预设决策算法输出决策控制指令，因输出的决策控制指令考虑了多个维度的、大范围的外部环境，由此扩大车辆仿真时的感知范围的效果，最后仿真下位机400会模拟出自动驾驶车辆对该决策控制指令作出的响应，并将其反馈给仿真上位机200实现虚拟仿真3D效果演示并完成数据的记录，由此实现自动驾驶车辆的仿真。

本发明实施例通过仿真上位机200，包括场景管理模块220和仿真引擎模块210，所述场景管理模块220用于生成测试用例以分发到所述仿真引擎模块210中，所述仿真引擎模块210用于根据所述测试用例模拟所述自动驾驶车辆的外部环境；算法上位机300，用于根据所述外部环境使用预设决策算法输出决策控制指令；仿真下位机400，用于模拟所述自动驾驶车辆对所述决策控制指令作出的响应，解决了车辆仿真时仅能在近距离内、且无遮挡物的条件下，进行单车视角内的环境感知的问题，实现了扩大车辆仿真时的感知范围的效果。

实施例二

如图2所示，本发明实施例二提供了一种自动驾驶车辆的仿真系统100，本发明实施例二是在本发明实施例一的基础上进一步的说明解释和扩展优化，该自动驾驶车辆的仿真系统100包括仿真上位机200、算法上位机300和仿真下位机400。

本实施例中，场景管理模块220生成测试用例的方法中，具体可以是利用场景要素构造场景用例库221，并根据从场景用例库221中选择的场景要素来生成测试用例，其中，场景要素包括路网、交通设施、临时设施、行人、环境(例如天气)和无线网络信道。具体的，测试人员可以预先通过场景管理模块220构建场景用例库221，所构建的建场景用例库221中包括上述每个场景要素，而每个场景要素中都包括多种不同的场景要素，示例性的，从场景用例库221中选择场景要素为交通设施，而从交通设施中选择的场景要素包括红绿灯和人行横道，从场景用例库221中选择场景要素为行人，而从行人中选择的场景要素包括5个行动缓慢的老人和3个行动具有不确定性的小孩，由此根据从场景用例库221中选择的场景要素构成测试用例。进一步的，场景管理模块220还用于记录和管理所有测试用例，进行测试用例的增加、删除、修改和查找，并根据这些测试用例生成自动化测试脚本。具体的，场景管理模块220可以实现仿真测试的启动与终止以及仿真的调度，在仿真测试终止后，还可以根据测试用例参数和相应的仿真测试结果，即自动驾驶车辆对所述决策控制指令作出的响应生成测试报告。

本实施例中，仿真引擎模块210根据测试用例模拟自动驾驶车辆的外部环境时，具体可以为仿真引擎模块210根据测试用例中的场景要素建立交通场景并进行3D渲染以模拟自动驾驶车辆的外部环境，因场景要素包括路网、交通设施、临时设施、行人、环境和无线网络信道，相应的根据场景要素进行构建的模型中，交通场景包括道路模型、环境模型、交通参与物模型和无线网络信道模型，由此仿真引擎模块210对这些交通场景进行3D渲染以模拟自动驾驶车辆的外部环境，以进行仿真测试。

进一步的，仿真引擎模块210建立的交通场景中还包括感知模型。具体的，感知模型包括毫米波雷达、激光雷达、摄像头模型和基于LTE-V通信感知的V2X模型，该感知模型用于通过毫米波雷达、激光雷达和摄像头模型进行自动驾驶车辆基于ADAS的单车目标传感，通过基于LTE-V通信感知的V2X模型进行基于LTE-V(LTE-Vehicle)网络的目标感知。相应的，算法上位机300具体用于提取该单车目标传感和基于LTE-V网络的目标感知中的目标特征值并进行融合以得到第一算法输入值，仿真下位机400还用于获取自动驾驶车辆的实时车辆行为状态，并将实时车辆行为状态作为第二算法输入值输入给算法上位机300，算法上位机300具体用于将所述第一算法输入值和第二算法输入值输入至预设决策算法以输出决策控制指令。其中，自动驾驶车辆的实时车辆行为状态包括自动驾驶车辆的预设轨迹、速度和车身信息，从而使得仿真下位机400模拟出自动驾驶车辆的实时车辆行为状态，仿真下位机400参照真实车辆的系统组成结构，包括实时动力学模型，从而模拟自动驾驶车辆对决策控制指令作出的响应。

进一步的，仿真引擎模块210还包括实时车辆动力学数据接口211，该实时车辆动力学数据接口211用于连接仿真下位机400，仿真下位机400具体用于将自动驾驶车辆对决策控制指令作出的响应闭环反馈给仿真引擎模块210。仿真引擎模块210接收到自动驾驶车辆对决策控制指令作出的响应后，会据此对第一算法输入值进行调整，从而实现闭环反馈。

综上所述，本发明实施例实现了基于V2X与ADAS的自动驾驶车辆的仿真测试，完成自动驾驶车辆在应用场景中的“超视距”与“视距内”的仿真融合，搭建基于V2X应用场景算法的仿真架构，实现了V2X应用场景预警算法仿真验证和网联终端产品的功能验证，搭建基于V2X与ADAS融合的自动驾驶算法的仿真系统100，实现了基于V2X与ADAS目标融合的自动驾驶控制算法功能验证和控制器产品的功能验证。其中V2X与ADAS可以分别独立设置和融合设置，根据仿真测试需求进行高效与灵活应用。

在一替代实施例中，在本发明实施例的基础上，为了能够更逼近真实的仿真测试车辆嵌入式环境，还可以扩展V2X与ADAS融合的MIL(模型在环测试)、SIL(软件在环测试)和HIL(硬件在环测试)仿真系统。其中，HIL仿真测试包括被测设备(真实的自动驾驶车辆)、LTE-V网络测试OBU(车载单元)设备、用于仿真本车真实GPS位置的GNSS(全球导航卫星系统)仪器、用于仿真外场无线信道环境的无线信道仿真仪和真实的传感器感知模块，这些仪器仪表都是通过仿真引擎模块按照测试用例文件中的场景数据进行仿真控制。

具体的，LTE-V网络测试OBU设备并行，通过真实的LTE-V网络物理信道，发送环境车辆(交通场景中的其他车辆)、道路、设施等V2X消息，模拟300辆环境车辆同时并发的网络场景，并且按照V2X模组的发送能力，每个测试设备也最多可以仿真50台环境车辆，由此节省测试设备硬件成本，降低仿真引擎的调度难度。此外，还增加真实的传感器感知模块，将感知处理后的目标数据给到被测设备，用真实传感器感知模块代替仿真的感知模型，以增强感知目标数据的精度及置信度。进一步的，还增加无线信道仿真仪，LTE-V网络测试OBU设备和被测设备都属于相对固定的网络状态，为了仿真更真实外场的无线网络环境，虚拟仿真测试上位机的场景引擎中搭建无线网络信道模型数据，控制真实的无线信道仿真仪，通过真实的LTE-V网络物理信道，发送环境车辆、道路、设施等V2X消息。此方案可以仿真测试出，在更加真实的外场无线网络环境下，对算法实现的功能影响。作为优选的，无论是MIL、SIL还是HIL，算法上位机或被测设备都会通过软件接口将结果反馈给仿真上位机，仿真上位机的仿真引擎模块用于仿真结果匹配，场景管理模块输出测试报告，完成整个一体化测试流程。由此该基于V2X与ADAS融合的自动驾驶车辆的仿真系统可应用于产品软件研发阶段及产品硬件测试阶段，在在产品软件研发阶段可实现算法模型级的MIL与代码级的SIL的仿真验证，完成算法逻辑功能验证及优化测试，在研发阶段提早发现算法问题，及时处理，提高开发效率；在产品硬件测试阶段搭建HIL仿真测试台架，利用仿真引擎控制测试仪表，实现产品级的功能测试，节省实车测试的时间及费用成本。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种自动驾驶车辆的仿真系统，其特征在于，包括：

2.根据权利要求1所述的仿真系统，其特征在于，所述场景管理模块具体用于利用场景要素构造场景用例库，并根据从所述场景用例库中选择的场景要素来生成测试用例。

3.根据权利要求2所述的仿真系统，其特征在于，所述场景要素包括路网、交通设施、临时设施、行人、环境和无线网络信道。

4.根据权利要求2所述的仿真系统，其特征在于，所述场景管理模块还用于记录和管理所述测试用例。

5.根据权利要求2所述的仿真系统，其特征在于，所述场景管理模块还用于根据所述自动驾驶车辆对所述决策控制指令作出的响应生成测试报告。

6.根据权利要求3所述的仿真系统，其特征在于，所述仿真引擎模块具体用于根据所述测试用例中的场景要素建立交通场景并进行3D渲染以模拟所述自动驾驶车辆的外部环境，所述交通场景包括道路模型、环境模型、交通参与物模型、感知模型和无线网络信道模型。

7.根据权利要求6所述的仿真系统，其特征在于，所述感知模型包括毫米波雷达、激光雷达、摄像头模型和基于LTE-V通信感知的V2X模型，所述感知模型用于进行所述自动驾驶车辆的单车目标传感和基于LTE-V网络的目标感知。

8.根据权利要求7所述的仿真系统，其特征在于，所述算法上位机具体用于提取所述单车目标传感和基于LTE-V网络的目标感知中的目标特征值并进行融合以得到第一算法输入值，所述仿真下位机还用于获取所述自动驾驶车辆的实时车辆行为状态，并将所述实时车辆行为状态作为第二算法输入值输入给所述算法上位机，所述算法上位机具体用于将所述第一算法输入值和第二算法输入值输入至预设决策算法以输出决策控制指令。

9.根据权利要求8所述的仿真系统，其特征在于，所述自动驾驶车辆的实时车辆行为状态包括所述自动驾驶车辆的预设轨迹、速度和车身信息。

10.根据权利要求1所述的仿真系统，其特征在于，所述仿真引擎模块还包括实时车辆动力学数据接口，所述实时车辆动力学数据接口用于连接所述仿真下位机，所述仿真下位机用于将所述自动驾驶车辆对所述决策控制指令作出的响应闭环反馈给所述仿真引擎模块。