自动驾驶场景采集及模拟仿真场景重构的技术研究

刘海威 甘 雨

(上海机动车检测认证技术研究中心有限公司，上海 201805)

0 前言

随着第5代移动通信(5G)、大数据网络和人工智能等技术的不断发展，以及汽车“新四化”(电动化、网联化、智能化、共享化)进程的不断推进，自动驾驶技术迎来了新的发展机遇。如今，不仅有汽车产业链相关企业投身于自动驾驶领域，还有众多的科技巨头、家电制造企业、出行公司如谷歌、百度、阿里、美团、滴滴、小米和华为等公司也在加入，这极大地加快了自动驾驶算法迭代速度和传感器换代进程。

自动驾驶技术的研究主要包括感知、定位、决策和规划控制等。目前，针对自动驾驶感知决策算法和规划控制算法测试的方式主要有实车测试和虚拟仿真测试。由于实车测试不能够覆盖所有的设计场景，并且存在很大的不确定性和危险性，因此虚拟仿真测试得到了广泛的应用。

自动驾驶虚拟仿真测试方案包括2大类：基于里程的测试方案和基于场景分类的测试方案。基于里程的测试方案是让自动驾驶车辆在虚拟场景下连续不断的行驶，从而测试自动驾驶车辆的鲁棒性和算法的可靠性。基于场景分类的测试方案是将测试场景进行分类，其中较常用的分类有：法规场景、事故场景、自然驾驶场景、预期功能安全场景和车联网场景等，利用场景分类方案可以快速测试出算法存在的缺陷，加快测试速度。目前，比较常见的是将2种测试方案结合，这样可以达到更加灵活高效的测试效果。

本文介绍了自动驾驶仿真场景的建设方案，包括从场景采集到数据处理、再到场景重构的整个流程，重点分析了场景重构的技术难点，并提出相应的解决方案。

1 系统总体架构

图1 自动驾驶虚拟仿真测试系统总体架构

自动驾驶场景采集和模拟仿真场景重构系统的架构如图1所示。其中，自动驾驶场景采集车作为其他硬件的载体，配备有激光雷达、毫米波雷达、组合惯性导航定位系统、智能摄像头等，同时通过总线数据采集设备可以获取采集车的车身总线信息，包括制动转向和底盘控制器等相关信号。图1中虚线框内部分为模拟仿真场景重构系统，该系统由规则场景自动筛选提取、场景目标车和目标车道提取，以及仿真场景自动化修正3个部分组成。

1.1 自动驾驶场景采集车

采集车硬件部分组成见表1。借助感知部件可以实现目标物和车道线实时标注、传感器真值数据管理、车载显示和远程显示等功能。

表1 自动驾驶场景采集车硬件组成

1.2 仿真场景重构

自动驾驶仿真场景重构系统的组成如图2所示。该系统通过真值算法和数据清洗2种方式对采集车采集的真值数据进行后处理。处理后的数据可以进行数据回放、场景预处理和数据片段截取，仿真场景重构系统对后处理后的场景再进行优化，最后生成可以被仿真软件识别并可以进行自动驾驶仿真测试的仿真场景。

图2 自动驾驶仿真场景重构系统

1.3 技术难点

将采集车采集到的传感器数据转化为自动驾驶虚拟仿真软件可以识别的场景数据是本文重点研究的技术内容。实现该技术方案的技术难点主要有以下3个方面。① 采集时间戳同步。自动驾驶采集车工作时，产生的数据量比较大，例如激光雷达所产生的点云数据、毫米波雷达输出的目标物、车身总线传来的车载总线数据、摄像头记录的图像数据，以及导航定位系统传输的串口数据，这些数据都需统一时间标记以确保所有的设备数据同步被记录。② 场景数据清洗。由于传感器采集的原始真值数据中包含很多的无用数据，需要通过一定的算法进行滤波处理，这个过程需要完成：转化数据格式、检查缺失数据、删除多余的片段、连接字符串和转换时间格式等操作。③ 基础场景修正。由于自动化场景提取仍存在很多的缺陷和不足，自动化提取后生成的场景直接导入至仿真软件中存在抖动、车辆闪现等问题，因此需要对自动化提取后的场景进行修正处理。

2 场景采集与重构方案

2.1 场景数据预处理

解决时间戳同步主要有3个步骤：① 获取多个传感器数据信息和授时信息，其中多个传感器数据信息包括图像数据、组合惯导数据、车辆轮速数据和激光雷达数据等；② 根据所获得的授时信息对多个传感器进行时间戳同步，将各传感器分别对应各自的时间戳；③ 将处理后的数据通过对应的传输通道发送给计算机中央处理单元。

采集车所采集的传感器真值数据，需经过以下几个步骤依次按序进行清洗，如图3所示。真值数据经过数据清洗后，数据可以达到场景重构的数据输入格式标准。

图3 场景数据清洗

2.2 场景数据后处理

场景后处理包括场景提取和场景优化。场景提取是以数据清洗后的传感器真值数据为输入，通过智能算法对场景筛选，提取得到关键场景信息。场景提取可以分为基于单一信号提取和基于组合参数场景提取2种方式。针对描述比较单一的场景可以使用单一信号提取的方式，该方式可以快速地实现场景提取，数据处理的效率高，但是提取后的场景元素不全面；基于组合参数场景提取的方式适用于复杂场景，该方式通过多组参数可以将场景中的目标物和车道线描述的更为全面，但是处理的时间较长且对计算机的性能要求比较高。

场景优化是指在自动提取场景后，对场景中存在的不足加以优化，使得修改后的场景能够满足自动驾驶仿真测试的要求。场景优化主要是针对场景中的目标物和场景中生成的车道线。场景优化的界面有4个，如图4所示。

车道修正包括对车道的弯曲程度、车道的数目和车道线型进行修改，同时还可以延长、缩短、裁剪车道线的长度。障碍物的修正主要是处理由于传感器误识别所产生的错误目标无信息，通过该系统可以实现对目标物数量和车辆类型的修改、车辆的属性信息确认、车辆的删减、目标车辆编号的跟踪串联等。经过车道修正和目标物修正后再对场景进行编译生成，可以获得在仿真软件中运行的标准场景和对应的交通流。

图4 场景优化控制界面

3 场景采集过程和对比分析

3.1 采集准备

在开始试验之前需要针对车辆状况和设备连接情况进行检查，其中包括：① 检查设备之间通信连接；② 检查激光雷达驱动设置、获取数据和参数标定；③ 检查摄像头驱动设置、获取数据和参数标定；④ 检查导航定位系统驱动设置、获取数据和参数标定；⑤ 检查场景数据记录储存系统在工控机中运行状况；⑥ 检查各设备之间同步协议配置、对齐时间戳。

3.2 采集实施

设备启动后，采集车自动采集车辆周围目标车的总线信息、车道信息、自车定位数据和摄像头数据。为了保证数据的安全性和防止检验设备出错，该采集系统每10 min自动保存1次数据。采集车正常数据采集时的状态如图5所示，其中包括前摄像头识别信息、地图中车辆位置信息、车辆传感器通道和通信状态信息、车辆油门和制动踏板输入信息和车辆辅助功能触发状态信息等。

图5 采集车数据采集界面

3.3 结果分析

采集结束后，可以通过数据回放的方式来判断采集车的运行状态，如图6所示。由图6可知，场景采集系统工作运转正常，采集车在平稳运转过程中速度、车轮转角、发动机转速曲线等一系列信号均能实时被采集监测。在监控界面中加入图表，可以为技术人员观察设备运行状态提供便利。

图6 采集车速度、车轮转向角和发动机转速情况

自动驾驶场景采集车的数据在迁移至场景重构服务器后，经过真值数据处理和场景优化，可以实现自动驾驶仿真软件中的场景重构。采集车实时的数据回放和在虚拟仿真软件中运行的场景如图7所示。通过车道线、交通流、相对位置、相对速度等维度进行对比分析可知，通过场景采集车采集和仿真场景重构技术能够很好地还原自然场景，为自动驾驶相关的测试服务提供便利。

图7 采集车实测场景和仿真场景对比

4 结语

本文对自动驾驶汽车仿真技术进行了研究。通过研究自动驾驶场景采集车，获得了适合自动驾驶场景采集和仿真场景重构的解决方案。通过场景预处理和后处理，将真实道路上采集获得传感器数据转化成虚拟仿真生成的场景数据，实现了自然驾驶场景采集到场景转化重构的过程。最后，阐述了开展自动驾驶场景采集的实施步骤，并开展对比试验，对重构场景进行了测试验证。

本文对自动驾驶场景采集及模拟仿真场景重构技术进行了初步探究，为解决自动驾驶场景构建研究提供参考。目前，本文提出方案的场景转化效率还未得到进一步验证，这是自动驾驶场景采集课题下一个阶段的重点研究方向。