PEVATeC：缩短ADAS功能开发时间

在道路交通环境下，人类无法做到比驾驶辅助系统更专注。无论何时，即使与经验丰富的驾驶员相比，光学和雷达传感器系统都能明显更准确地捕捉到周围环境的特点。根据安装和连接在车内的相机、雷达、光达和超声波系统所收集到的数据，算法能瞬间确定控制策略，从而能在危险场景下对车辆进行最佳操控，并同时保证高度的精确性。因此，ADAS（Advanced Driver Assistance Systems）高级驾驶辅助系统确确实实能够降低事故风险，也就不足为奇了。每开发出一套新的 ADAS 系统，汽车研发人员就离无事故驾驶的梦想更近了一步。不过，通往梦想的道路一如人们想象中那样艰难。

对于自动驾驶来说也是一样。利用敏捷开发方法，工程师们已在研发方面取得了重大进步，但距离掌握所有技术要求还有很长的路要走。但至少，在公共道路上进行的试车计划中，在已知且有限的条件下，低速行驶的自动驾驶汽车不失为一种经济且安全的驾驶方式。与具有明确任务的驾驶辅助系统相反，自动驾驶汽车必须能够掌控所有驾驶场景，并能完全取代司机。此外，ADAS 以及自动驾驶所面临的极端条件与人类驾驶员不同，且尚未有充分的认识。

因此，自动驾驶仍需要广泛的测试。举例来说，美国智库兰德公司（RAND Corporation）的科学家们认为，全自动驾驶汽车必须通过数亿次或数千亿次的驾驶测试，才能得到关于各系统及它们之间相互配合的可靠的测试结果。比如说，为了使自动驾驶汽车的致死事故率低于人类驾驶员的致死事故率20%，就需要进行大约 110 亿英里的行驶测试。如果让 100 辆试验用车一周七天、每天 24 小时以 40公里的平均时速不间断行驶，那么这项试车实验将持续大约 500 年，在平均时速 80 公里的情况下则会持续 250 年——为此所付出的时间和成本对于产品研发来说简直是天方夜谭。

在测试半自动驾驶功能时，大批工程师就已经需要耗费多年的时间，在道路上完成无数次测试，从而保证可靠地获得所有可能的结果。弗兰克·塞耶（Frank Sayer）也明白，这样做既不经济，也不现实，同时还对其他道路使用者构成严重风险。“在道路上是无法进行此类试车实验的。”保时捷工程集团虚拟汽车研发项目驱动系统部主管解释说。因此，借助数字化和全方位计算机模拟功能，许多试验公里数都被迁移到实验室中，这个实验室就是保时捷工程虚拟 ADAS 系统测试中心（PEVATeC）。今后将在该实验室中创建包含各个重要道路场景的虚拟世界，作为测试驾驶辅助系统的各种算法和传感器的测试案例。

在模拟环境中试车不仅经济成本更低、用时更少、组织成本更小，同时还可以根据需要再现和调整真实道路交通中的极端场景。此外还可以发现那些人类驾驶员尚缺乏了解、但对传感器算法与自动驾驶的融合十分重要的极端场景。

计算机生成的虚拟现实能产生逼真的现实效果，这与模拟的高度实时性至少同等重要。数字化模拟的对象，比如街道、人行道、建筑物外墙立面和车辆必须准确具备在真实道路交通中所呈现出的特征。只有这样，它们才能为相机、光达、雷达和超声波系统提供真实的数据。而实现这一目标的秘诀在于“基于物理的渲染”（Physically Based Rendering）：传统物体渲染是对其表面结构、颜色渐变或光源等特征在尽可能节约资源的条件下进行粗略计算。而基于物理的渲染则是一种逼真还原光线在三维物体上的反射与折射的可靠方法。此时首先需要在物理上准确展示光线的分布模式。

为了将真实与虚拟试车的场景区别最小化，PEVATeC 的工程师们竭尽全力打造准确的物理材料定义与算法，以期精准再现现实世界中的光线。这对于避免驾驶辅助系统误判场景的意义重大，这类误判或因相机镜头有污渍，或由雷达波多次反射所致。因此，在渲染中可以一键显示天气条件和光线效果对车内基于相机的传感器的影响。“其中还包括落日、潮湿反光的路面和积雪路面的影响。”塞耶解释说。

绝对真实：在 PEVATeC 模拟环境中可以纳入比如虚拟汽车（1）和行人（2）等动态物体。凭借“基于物理的渲染”（Physically Based Rendering）技术，合成输入传感器的数据已经与现实无异。这一点主要体现在比如光线在潮湿公路上的反射（3）以及在窗户等镜面上的反射（4）。关键之处：在物理上准确展示光线的分布模式。

此外，在未来，即使在镜头脏污的情况下，也可对崎岖不平的路面进行逼真的计算。这种在不同环境下的测试难以在真实道路上进行。而且，为了打造尽可能真实的道路环境，还有多种虚拟物体比如树木、日常物品等可供研发人员使用。毕竟，自动驾驶汽车必须也能在道路能见度不佳的情况下识别潜在的风险。因此也就需要将动态物体纳入其中。动态物体包括行人、自行车骑手和其他道路使用者，他们应当在数字化的 3D 环境中尽可能自然地移动。

弗兰克·塞耶
保时捷工程集团虚拟汽车研发项目驱动系统部主管

如果将现实试车与虚拟试车的单个场景相互比较，则一方面可得出关于整个模拟过程准确性的结论；另一方面，用于通过模拟优化汽车传感器系统的平台将愈发精准，比如可对汽车超声波传感器的不同安装位置进行虚拟测试。这样就能快速验证和校准光学和雷达传感器。为了将得到的结果融入后续的整车模拟中，所有参与研发的部门都可以使用诸如 Simulink、ROS 或 OpenDRIVE 等数据接口。

PEVATeC 的另一项重要任务是对物体进行分类。智能传感器在进行编程后，必须能在困难条件下识别路标、人和场景。为此需要训练图像识别软件。训练手段之一便是将真实图像数据与模拟图像数据相结合。除此之外，研发人员还会运用人工智能：为此会向系统展示海量的、不同类型的图像或视频序列，目的是让系统能够借助机器学习练就正确分类物体和场景的本领。这一标记过程由高性能计算机自动执行：在虚拟场景里，所有物体均已知并在游戏引擎中定位。因此，能够自动识别图像中的物体、测量其尺寸并分析其特征。

因为在虚拟测试、训练新汽车功能和提高安全性的过程中必须实时处理海量数据，因此，未来ADAS 测试中心的基础设施将向高性能计算中心靠拢，即需要大量显卡（GPU）以处理大量信息。性能强劲的图形处理器非常适合自动驾驶方面的应用，因为其内部的数据运算是同时进行的。因此这些是 PEVATeC 规划中的关键一环。除此以外，还包括种类各异的存储设备，用于存储测试和验证各种 ADAS 系统所需的众多场景。为了确保自动驾驶技术安全有效地投入使用，在算法开发过程中，研究有效数据不可或缺。这也是 PEVATeC负责的任务：通过模拟掌握的经验有助于工程师优化用于训练驾驶辅助系统的控制算法，令所安装的ADAS 系统能够独立应对困难的应用与场景。

测试高级驾驶辅助系统和自动驾驶功能时，需要完成数十亿公里的试车里程。仅仅依靠道路实测根本无法完成测试。因此，保时捷工程集团设立了 PEVATeC。精于 3D 模拟的专业计算机系统能够生成合成数据，作为汽车传感器的输入数据。这些数据真实到与现实并无二致。因此许多测试得以从现实世界转移到虚拟世界中。

本文首次发表于《保时捷工程杂志》2019年第2期。

文字：Andreas Burkert
共同撰稿：Clara Martina Martinez 博士、Frank Sayer
摄影：Mihail Onaca

版权：本文中发布的所有图片、视频和音频文件均版权保护。未经保时捷工程书面许可，不得部分或全部复制。欲了解更多信息，请联系我们。

您有问题或想了解更多信息吗？请联系我们：info@porsche-engineering.de