一种自动驾驶整车在环虚拟仿真测试平台设计*

2022-04-27王润民赵祥模徐志刚王文威承靖钧

汽车技术 2022年4期

王润民赵祥模徐志刚王文威承靖钧

（1.长安大学陕西省车联网与智能汽车测试技术工程研究中心，西安 710064；2.长安大学交通运输部认定自动驾驶封闭场地测试基地，西安 710018）

主题词：自动驾驶虚拟仿真整车在环道路模拟传感器模拟

1 前言

试验测试是从功能、性能、安全、稳定和鲁棒性等方面推动自动驾驶技术研究、保证自动驾驶安全可靠、促进自动驾驶产品不断迭代进步的有效技术手段。近年来，我国及美、欧、日等发达国家或地区通过建设封闭或半开放式自动驾驶测试/示范区、依托社会公共道路有序开放自动驾驶测试道路等方式大力推进自动驾驶实车道路试验环境的构建。然而，受试验场景构建难度、人机混驾安全风险、试验成本、试验数据收集难度及可重复性等因素的影响，仅依靠实车道路试验难以满足自动驾驶的研究及测试需求。除实车道路测试外，软件仿真也是开展自动驾驶技术研究的重要技术手段，具有风险低、周期短、成本低的优势。但软件数字仿真存在道路及传感器仿真保真度差、车辆动力学模型建模难度大等问题，仿真结果高度依赖所建模型的完备程度，因此主要用于功能测试阶段，以实现对自动驾驶决策及控制算法的验证。

在上述背景下，基于整车在环（Vehicle-In-the-Loop，VIL）的虚拟仿真测试成为充分利用实车道路测试与软件仿真优势并弥补其不足的重要技术手段。整车在环仿真测试是指将自动驾驶汽车整车置于模拟仿真环路中进行测试，即车辆控制采用真实的规划决策系统和控制执行系统，道路路面通过多自由度转鼓平台等模拟，交通场景等则通过仿真软件建模、数据回放输入等方式仿真。基于转鼓平台的整车在环仿真测试将被测车辆置于室内布设的转鼓平台上，既可以保证测试对象的真实度，又可以充分利用软件仿真中交通场景柔性多样化的优势，从而在保证测试结果符合车辆实际工况的同时加速测试进程、降低成本、提高效率。Galko等提出了基于转鼓平台的高级驾驶辅助系统（Advanced Driving Assistance System，ADAS）硬件在环测试系统，由于转鼓平台机械结构的限制，在测试时被测车辆前轮被物理拆卸，虚拟车辆横向控制的转向只能通过USB操纵杆以与驾驶模拟器相似的方式实现。Gietelink 等提出的车辆硬件在环测试系统将装备ADAS 的车辆固定在转鼓平台上，用转鼓平台模拟道路交互，用机器人车辆代表其他交通流，这种方式由于转鼓平台的限制，并未涉及被测车辆的横向控制性能测试。因此，目前基于转鼓平台的自动驾驶整车在环测试平台虽然在自动驾驶决策方法验证及ADAS 性能测试等方面取得了一定的研究进展，但在自动驾驶感知能力测试及基于道路路面精确模拟的控制执行能力测试等方面依然存在较大局限。

基于上述考虑，本文面向自动驾驶研发需要，提出一种基于多自由度转鼓平台的自动驾驶整车在环虚拟仿真测试平台设计方案，重点阐述道路模拟子系统与传感器模拟仿真子系统的设计，并以自动驾驶车辆自适应跟驰及避撞场景为典型应用案例对设计的仿真测试平台进行验证。

2 仿真测试平台总体结构

本文针对自动驾驶整车在环测试需求，研究构建了一种基于多自由度转鼓平台的自动驾驶整车在环虚拟仿真测试平台，平台系统架构如图1 所示，包含被测车辆、道路模拟子系统、虚拟场景子系统、传感器模拟仿真子系统、测试平台测控系统及测试管理平台等。

图1 自动驾驶整车在环虚拟仿真测试平台总体结构

道路模拟子系统主要由3自由度转鼓台组成，可为被测车辆提供逼真的道路环境，确保被测车辆的运行环境接近实际的道路交通状态。通过调节内部的伺服电机，可以对转向随动角、路面阻力、道路俯仰角、道路翻滚角进行调整，从而与虚拟场景中道路工况匹配。

虚拟场景子系统主要由PreScan 虚拟仿真平台组成，包含车辆动力学模型、道路模型、交通环境模型、驾驶员模型、无线通信模型以及激光雷达、毫米波雷达、相机、超声波雷达、卫星定位、惯性导航等各类车载传感设备模型，通过组合各模块的方式为测试平台提供逼真的虚拟场景、测试工况以及车载传感器的感知信息。

传感器模拟仿真子系统主要包含雷达暗箱、相机暗箱、矢量信号源等，传感器模拟仿真子系统可以获取虚拟场景系统中车载传感器在测试场景库中所感知到的环境信息，依据真实的传感器数据协议生成载有感知数据关键信息的回波信号，并输入被测车辆的决策控制算法中。

测试平台测控系统作为仿真测试平台下位机，负责接收测试管理平台的任务，并向传感器模拟仿真子系统、被测车辆等发送控制指令，以实时构建所需的测试场景，并采集多种测试数据。

测试管理平台作为仿真测试平台的上位机，进行测试全过程的管理服务，包括接收工作人员配置的任务、向虚拟场景子系统发送控制指令加速生成测试场景、同步和收集各类测试数据，并实现数据分析、测试评价等功能。

基于上述模块设计的测试平台工作模态如图2 所示。测试过程中，工作人员通过测试管理平台生成测试任务并下发测试指令；接收到测试指令后，虚拟场景子系统生成测试场景并发送至测试平台测控系统，用于模拟仿真测试场景的构建，同时发送至三维场景展示平台，实现测试过程中的人机交互，使测试者直观地感知到测试状态；测试平台测控系统依据接收到的测试任务和测试场景数据，下发指令控制道路模拟子系统实时构建模拟道路路面工况，控制传感器模拟仿真子系统同步生成载有虚拟场景感知信息的传感器模拟仿真信号，并将其作为被测车辆决策控制算法的数据输入。此外，测试过程中，被测车辆与道路模拟子系统的车载数据采集装置会将采集的数据实时传输至测试管理平台，测试管理平台依据各类数据及内置的测试评价模块出具测试结果。

图2 仿真测试平台工作模态

3 道路模拟子系统设计

道路模拟子系统结构如图3所示，主要由转向随动系统、阻力加载系统、动态模拟系统组成。转向随动系统在完成被测车辆转向跟随的同时，实现车辆转向角度的测量。阻力加载系统主要实现道路阻力模拟，模拟不同道路摩擦因数，使得被测车辆的行驶阻力更加接近实际道路情况。动态模拟系统通过调整测试台架的俯仰角和翻滚角实现道路结构参数的模拟。

图3 道路模拟子系统结构

3.1 转向随动系统

转向随动系统主要由检测传感器、数据处理器、转向台、伺服电机系统及无线通信模块等组成，其结构如图4所示。基于安装于转向台的激光距离传感器和被测车辆转向盘上的陀螺仪可以实现被测车辆的实时转向检测，其工作流程为：单片机将激光距离传感器检测到的被测车辆车轮转角和陀螺仪检测到的被测车辆转向盘转角经过构建的模糊PID控制算法处理后，生成控制驱动器的符号脉冲和方向脉冲，从而实现通过控制伺服电机带动转向机构跟随被测车辆的转向而转动的目的。

图4 转向随动系统结构

基于上述思路设计的转向随动系统机械结构如图5 所示，其随动控制基本原理为：根据检测传感器采集到的位置指令控制电机转动，电机经过减速器降速增矩，带动小齿轮转动，小齿轮通过同步带带动大齿轮及转向台转动，从而实现转向随动。

图5 转向随动系统机械结构

转向随动系统的控制系统结构如图6所示，主控芯片实现对伺服电机驱动器的连接控制。给定目标转角与车轮转向角之差的倍数和转角差变化率d/d构成滑模面，滑模面及滑模面变化率d/d的乘积构成模糊控制器的输入，经过模糊控制器运算后产生滑模控制器的参数Δ。伺服驱动器接收到滑模控制器的输出指令后依据设定的比例增益、前馈增益和积分增益完成对三环的控制，实现给定位置的响应。

图6 转向随动控制系统结构

3.2 阻力加载系统

车辆的运动状态与所受到的道路摩擦阻力直接相关，不同路面的附着系数会提供不同的道路阻力，从而对自动驾驶汽车的决策控制算法构成较大的考验。为实现对自动驾驶的充分测试，道路模拟子系统需具备不同道路摩擦因数的模拟能力。因此设计了道路阻力模拟加载系统，其主要实现道路摩擦阻力、车辆平动惯量以及风阻等参数的模拟，其中平动惯量和风阻均可通过调整道路摩擦阻力实现。其具体控制流程如图7所示。

图7 道路阻力模拟控制流程

测试过程中，测试平台测控系统将被测场景中的道路阻力参数发给伺服电机底层控制模块，实现滚筒对轮胎的道路阻力加载。将控制模块的上位机指令值与力矩检测装置检测到的力矩作差后，所得的结果通过PID控制器计算后将控制指令发送给伺服驱动器，伺服驱动器将依据设定好的三环控制参数实现对轮胎阻力的加载，从而实现测试场景中道路阻力的加载。

3.3 动态模拟系统

动态模拟系统主要实现测试场景中道路路面的坡度和斜率，确保被测车辆在测试过程中的运动状态更加接近实际情况。动态模拟系统主要由俯仰角控制模块和翻滚角控制模块组成，两者的运动均由伺服电机带动，其控制结构和原理如图8所示。其中运动学正解算法是将当前的位姿参数与目标位姿参数求差，经过比例系数放大后作为运动学反解的反馈信号。

图8 道路模型模拟系统控制原理

4 传感器模拟仿真子系统设计

4.1 毫米波雷达在环测试子系统

毫米波雷达测试可以分为射频信号性能测试和功能测试，本文设计的测试平台聚焦于功能测试，即验证毫米波雷达模块是否满足开发需求。与实车道路测试相比，基于硬件在环的测试方法具有较高的可重复性，也可以在保证测试真实度的同时提升极端场景测试的安全性。

毫米波雷达在环测试子系统主要由毫米波雷达信号处理单元、雷达转台、被测雷达、吸波材料、雷达暗箱等组成。通过控制信号处理单元中的雷达目标模拟器（TX）和矢量信号收发仪（Vector Signal Transceiver，VST）模块，可以实现不同距离和速度条件下雷达信号的模拟。转台带动被测毫米波雷达转动实现不同角度信号的模拟，吸波材料可以吸收干扰信号以减少对测试过程的影响。毫米波雷达在环测试子系统的结构与工作流程如图9所示。

图9 毫米波雷达在环测试子系统结构和测试流程

系统可通过LabVIEW可视化人机界面实现对面向仪器系统的PCI扩展（PCI eXtensions for Instrumentation，PXI）系统的编程控制，包含对可变延迟发生器（Vari⁃able Delay Generator，VDG）的时延和TX 发射功率的控制。VST 模块主要实现对目标数量、多普勒效应模拟值、测试距离、横截面积、目标速度等参数的模拟。毫米波雷达信号通过被测车辆控制器局域网络（Controller Area Network，CAN）信号与PXI 系统连接，由于测试暗室安装距离限制，仿真目标的距离为安装距离与仿真距离之和。

4.2 相机在环测试子系统

为实现自动驾驶车载感知能力测试，将相机、高清显示器置于暗箱内，构建相机在环测试子系统。测试时显示器实时播放被测车辆主视角的测试场景视觉信息，置于显示器前的相机将采集到的测试场景数据通过以太网络传输给被测车辆处理。相机支架设计成导轨结构，可以调整摄像头的高度、左右位移以及前后距离，确保摄像头采集的画面角度与实际情况一致。相机在环测试子系统物理结构如图10所示。

图10 相机在环测试暗箱

相机在环测试原理如图11所示。测试过程中的图像转换主要涉及虚拟场景转换到屏幕和相机对屏幕信息的成像。测试场景中的交通环境信息在显示器上以影像形式展示是将三维模型信息表达为二维信息的过程。由于景深信息的丢失，对于相机的靶平面来说，虚拟仿真交通场景与硬件在环感知场景的成像类似。在此过程中需要确保通过调节导轨的参数，使得相机视角能够覆盖屏幕，并通过相应的算法调节靶平面接收到的信号强度，确保该过程的数据保真。

图11 摄像头在环测试原理

5 平台集成及测试流程设计

基于上述设计思路，试制并集成开发了首套自动驾驶整车在环虚拟仿真测试平台，其整体概貌及道路模拟子系统、毫米波雷达在环测试子系统、相机在环测试子系统实物如图12所示。

图12 仿真测试平台实物

此外，开发了测试管理软件，形成便于交互的测试系统，上位机主界面如图13所示，可以实现测试平台参数设置、测试场景数据生成、测试任务加载、测试场景加速生成、测试评价等功能。

图13 测试管理软件主界面

基于测试管理软件构建了标准化测试流程，如图14所示。注册登录过程中，被测车辆驶入待检区，测试平台开始自检，判断是否存在故障信息，然后调节台架轴距，锁死滚筒和转向随动系统，确保被测车辆可顺利驶入台架。注册标定主要实现虚拟测试场景与实物测试台架的耦合标定，通过每个测试场景前的直行路段运行实现。测前校准主要实现转向随动系统转角参数设置、滚筒测速和阻力模拟。

图14 测试流程

6 典型应用案例测试验证

为验证本文构建的虚拟仿真测试平台的有效性，本文对自动驾驶车辆自适应跟驰及避撞场景进行测试，通过毫米波雷达模拟仿真暗箱实现对测试场景中的前车速度及其与测试车的距离、角度和雷达散射截面积（Radar Cross Section，RCS）的模拟，最大程度地保证自动驾驶整车在环测试的真实度。

用于测试的自动驾驶汽车具有自适应巡航（Adap⁃tive Cruise Control，ACC）和自动紧急制动（Autonomous Emergency Breaking，AEB）功能。当与前车的预期碰撞时间大于紧急制动碰撞时间时，被测车辆启用ACC模式；当碰撞时间小于紧急制动碰撞时间时，启用AEB模式。如果AEB 模式未能避免车辆发生碰撞，测试结束，否则重新启用ACC模式，继续测试。

被测车辆的AEB算法基于车辆间的相对运动关系构建，主要设计思路是先根据基于时距的安全距离模型对当前车辆的行驶状态进行判断，并根据不同车速和不同碰撞时间（Time to Collision，TTC）阈值制定车辆的报警和分级制动策略，然后根据制定的控制策略确定车辆控制模型的控制输入。

为兼顾高速和低速条件下的不同工况，以车速、TTC、期望减速度3个参数对被测车辆的AEB 控制算法进行方案制定。对于车速，分为3 种工况：车速小于30 km/h 为低速行驶工况，车速在30～70 km/h范围内为中速行驶工况，车速大于70 km/h为高速行驶工况。设定的3个TTC阈值和期望减速度分别为：1.1 s、1.6 s、1.9 s和-4 m/s、-6 m/s、-8 m/s。进行实车测试时，雷达硬件在环测试系统用于模拟测试场景中车辆的运动状态，被测车辆的RCS设置为0.9 m，数据发送频率为25 Hz。

随机抽取测试样例输入到集成的整车在环虚拟测试平台中，毫米波雷达在环测试子系统根据场景生成指令生成毫米波模拟仿真信号，道路模拟子系统实时记录被测车辆的速度信息，得到的实车跟驰曲线如图15所示。测试结果的跟随特性表明，利用搭建的整车在环虚拟测试平台可以有效地保留被测车辆控制表现的真实性。

图15 跟随特性测试结果

图16 所示为低速工况下，通过分析毫米波雷达回波信号所得的回波能量损失、与目标车的距离和相对速度曲线。在测试过程中，目标车辆始终保持15 km/h 的速度，被测车辆由静止开始跟驰，当目标车辆紧急制动至停止后，被测车辆随后触发AEB并最终停车。

图16 毫米波雷达回波信号

由图16可知：测试开始阶段，毫米波雷达由初始状态感知到目标车辆的相对速度与距离，由于此过程被测车辆需执行ACC 算法并逐渐加速，因此回波信号的能量损失存在较小的波动；随着被测车辆速度的提升，其与目标车辆的距离逐渐缩小并趋于稳定，实现跟驰功能。此过程中，被测车辆的跟车距离稳定在18～22 m，两车相对速度基本保持为0，而毫米波雷达的能量损失也在-95～-92 dB区间内浮动。在=60 s时，目标车紧急制动至停止，由于相对速度突变而导致能量损失骤降；随后ACC 算法立即通过抬高油门踏板来降低车速，当预期碰撞时间小于紧急制动碰撞时间时，被测车辆执行AEB算法并紧急制动至停止。

测试结果表明，搭建的整车在环虚拟测试平台的毫米波雷达硬件在环测试系统可以实时感知场景中目标车辆的状态，为被测自动驾驶系统提供高保真的原始感知数据，同时也证明了本文所采用的ACC 与AEB 算法在该测试工况下效果较好。

综上所述，可以认为本文搭建的整车在环虚拟测试平台可以有效支撑自动驾驶汽车整车在环虚拟仿真测试。