一種基于VTD的智能駕駛仿真場景復現方法

王士焜 張峻熒 周正 蘇芮琦 黃波

王士焜

畢業于合肥工業大學，本科學歷，現就職于國家汽車質量監督檢驗中心（襄陽），任智能網聯系統部件仿真測試工程師，主要研究方向為智能網聯系統部件仿真在環測試。

摘 要：趨于真實的仿真測試對于提高智能網聯汽車開發效率具有重要作用[1]。隨著實車路采設備精度的不斷提高，利用實車采集數據在仿真場景中進行實車軌跡復現的仿真測試已成為一種有效技術手段。如何通過實車采集并處理后的數據在仿真場景軟件中復現場景是難點。考慮實車采集成本和方案通用性，通過簡易路采設備如攝像頭和毫米波雷達，采集真實場景中關鍵參數進行場景復現。本文主要研究通過處理后的實車采集數據，在仿真軟件（VTD）中復現場景，因此本文的研究具有重要的現實使用價值。本文通過采集數據對實車行駛的周圍靜態與動態環境進行較真實復現，然后通過RDB數據下發的方式控制虛擬車輛行駛。最后通過對仿真數據與實車數據對比分析，驗證該方案的可行性。

關鍵詞：場景復現;仿真

中圖分類號：U467.5? ? ? 文獻標識碼：A? ? ? 文章編號：1005-2550（2022）03-0056-05

A VTD-based Intelligent Driving Simulation Scene

Recurrence Method

WANG Shi-kun， ZHANG Jun-ying， ZHOU Zheng， SU Rui-qi， Huang Bo

（ Xiangyang Motor Automobile Testing Center CO.， LTD， Xiangyang 441000， China）

Abstract： The simulation test that tends to reality plays an important role in improving the development efficiency of intelligent networked vehicles [1]. With the continuous improvement of the accuracy of real-vehicle road mining equipment， the use of real-vehicle-collected data to perform simulation testing of the real-vehicle trajectory reproduction in a simulation scene has become an effective technical means. How to recover the scene scene in the simulation scene software through the data collected and processed by the real vehicle is a difficult point. Considering the cost of real vehicle acquisition and the versatility of the scheme， through simple road mining equipment such as cameras and millimeter wave radars， key parameters in the real scene are collected for scene reproduction. This article mainly studies the data collected from the real vehicle after processing， and the scene scene is restored in the simulation software （VTD）. Therefore， the research of this article has important practical value. In this paper， the surrounding static and dynamic environment of the real vehicle is reproduced more realistically by collecting data， and then the virtual vehicle is controlled by the way of issuing RDB data. Finally， the feasibility of the scheme is verified by comparing and analyzing the simulation data and real vehicle data.

Key Words： scene reproduction; simulation

1? ? 緒論

智能網聯汽車在落地前，需要經歷大量的實車道路測試。目前行業認為一套自動駕駛系統需要測試110億英里才能達到量產應用條件[2]，這個里程道路測試很難達到且成本高。解決此難題的技術途徑是虛擬仿真，通過大量的虛擬測試來完成算法開發和回歸測試。為提升仿真測試場景的真實性、有效性，一般是將真實實車場景在虛擬環境中進行復現。目前實車路采主要有兩種方案，其一是配套全套且精度高的傳感器，基本能采集路側相關信息，采集的數據需要經過多道轉換程序轉化，然后可能仍需要手動修改完善才可以形成測試用例，其成本之高，工序復雜。另一種方案是通過攝像頭、毫米波雷達等簡易路采設備采集關鍵參數，通過數據處理后，在仿真軟件中進行復現。其中，如何通過有限的關鍵場景參數，在仿真環境中盡可能真實地復現實車道路場景和車輛軌跡是一難點。本文主要針對此難點進行分析研究，提出一種基于處理后的采集數據在VTD的仿真場景復現方法。

Virtual Test Drive（VTD）是一款提供復雜交通環境視景建模，為智能駕駛提供逼真場景的仿真軟件。VTD能夠支持復雜路網快速建模，包含復雜不規則路口，橫縱向起伏，交通標識與信號燈，可以設置多車道、交叉路口、環島、道路出口/入口、坡道匝道等，同時具備交通工況仿真能力，特別適用于L3以上智能駕駛在復雜道路交通環境下的仿真測試需求。

2? ? 仿真場景構建

采集車采集的多為典型的片段場景，如跟車、前方車輛變道、樹蔭下行駛。采集典型片段場景時，采集車大多是在無變道無轉彎的情況下，且基本行駛在車道中間。本文假設主車（采集車）行駛在車道中心，根據實車采集的軌跡數據和實車視頻進行靜態場景搭建，其主要還原道路及周圍環境，其次進行動態場景搭建，主要是還原交通車、行人及其運動軌跡。從采集車傳感器提取場景數據時，需要將主車數據和交通車數據進行時間軸和頻率的統一[3]，最終提取出主車軌跡數據、交通車軌跡數據、車道寬度和車載視頻，提取數據和處理數據的方法不在本文論述內，故不作描述。

2.1? ?靜態場景搭建

由于實際道路場景交通元素無法窮盡，為高效完成實車場景復現，需明確各個交通環境中共性交通環境元素[4]，交通環境要素見圖1。

通過采集車采集的主車軌跡數據、車道寬度、車載視頻等，按照以下步驟進行靜態場景搭建。

2.1.1 道路搭建

首先將采集車即主車的軌跡數據，按固定周期提取軌跡點的XYZ坐標，按圖2所示格式制作成TXT文件并導入VTD。按照上述主車行駛在車道中心線的假設，此軌跡在真實中為當前車道的車道中心，而按VTD的道路邏輯，此軌跡線應被作為道路中心，即lane00。車道的添加方式是從道路中線開始往外加的，因此需根據主車的行駛車道及車道寬度，修改車道lane00偏移;

其次，根據傳感器采集的車道寬度數據和車載視頻容易得到的車道數量、車道線類型等，在VTD中進行相應的設置。車道線寬度、間隔等可參考國家標準[5]，圖3為VTD中車道線設置界面。

2.1.2 交通標志添加

對于一些難以獲得或需要大量的采集成本才能得到的道路參數，如交通標線、交通標牌的尺寸、位置、朝向，尺寸和朝向可參照國家標準[6-7]進行手動添加，見圖6，圖7。

2.1.3 景觀綠化添加

對于路側的路牙、草地、樹木及其它三維物體，其尺寸和位置都可參照實車視頻進行人工目測估算添加，盡可能地還原場景內容的真實性。

2.2? ?動態場景搭建

2.2.1交通車添加

基于靜態場景中搭建的道路，首先根據采集車采集的車輛軌跡、車輛速度、車輛朝向角數據，在ScenarioEditor設置主車與交通車的XYZ坐標和朝向角Heading 。通過車載視頻人工目測交通車的外觀，但受限于采集成本，無法得到交通車的尺寸，因此在選擇主車與交通車車輛外觀模型時，第一選擇為VTD中自帶與之類似的車輛模型。對于中國實際道路上比較常見的車輛，如面包車、大掛車，但VTD中無對應且類似的車輛模型?？砂凑誚TD車輛模型導入規則進行自行搭建車輛模型并導入，下圖4為某款實際搭建車輛模型。

2.2.2車輛軌跡復現方案分析

通過實車采集的其他車輛的位置速度等參數，如何將采集車和周邊車輛的軌跡精準復現到仿真場景中，首先對下圖VTD中車輛控制邏輯進行分析。

根據上述VTD中車輛控制邏輯，如果通過“控制行為”，即控制車輛的加減速，經過VTD車輛動力學，實時計算出車輛在下一時刻出現的位置姿態和速度。交通車的動力學無法通過采集車獲取，導致虛擬車輛與實際車輛的動力學無法保持一致，且細微的區別便可導致動力學計算的位置姿態和速度與實車道路采集的不一致。當不經過VTD車輛動力學，直接向虛擬車輛下發實車采集的軌跡數據-位置、姿態和速度，便可實現虛擬車輛的行駛參數與實車一致。

VTD提供豐富的接口便于與第三方程序通信。Runtime Data Bus（RDB）是VTD各個模塊通過TC（TaskControl為VTD整個仿真的中心管理單元，管理仿真時間和數據流）和外部進行通信的數據格式之一。RDB數據不僅可以用來實時監測車輛行駛時各參數，而且可以通過RDB數據下發車輛參數，從而控制車輛行駛，因此可以考慮通過RDB下發數據控制虛擬車輛。

針對基于實車采集的車輛行駛參數表并結合VTD車輛控制邏輯使用C++開發RDB下發程序，RDB下發數據的程序需求是得到固定周期車輛位置、姿態、速度信息的csv文件，首先建立通訊連接，確?？梢詫祿ㄟ^此程序發給TaskControl，其次，逐步解析RDB數據結構，得到RDB_Object_state_t數據包。再次，從csv文件中提取位置、姿態、速度等數據。最后，將數據賦給VTD虛擬車輛。

3? ? 仿真驗證

首先根據上述場景搭建方法將實車場景進行虛擬搭建?？梢钥闯觯诒疚恼撌龅膱鼍按罱ǚ椒梢詫嶋H場景進行高度還原，圖6為路側有交通標牌的實車場景，圖7為其在虛擬環境中的仿真場景;圖8為另一片段場景的實車場景與仿真場景。

通過RDB下發程序控制虛擬車輛在每時刻的位置、姿態和速度。最后通過VTD中RDBsniffer工具記錄虛擬車輛的主要行駛數據，如車輛速度、車輛橫坐標、車輛縱坐標，將仿真數據與實車采集數據對比，得到下圖：

從圖9、圖11、圖13，可以看出車輛行駛關鍵參數（車輛速度、車輛橫坐標、車輛縱坐標）在仿真復現中的結果與實車采集數據有著高度一致性。從圖10、圖12、圖14，可以看出仿真復現中車輛速度、車輛橫坐標、車輛縱坐標與實車采集的速度、橫坐標、縱坐標的差值基本為0。

因此，從上述仿真測試數據與實車數據對比，可以得出通過上述場景搭建方法能較好地還原實車采集場景并可以將實車行駛參數在仿真環境中高度還原，但由于實車采集平臺與仿真平臺的數據精度不一致，導致仍存在細小誤差，但誤差在后續真實傳感器在仿真與實車對比的工作中是可接受的。

5? ? 結論

本文通過對基于VTD仿真場景復現方法的研究，介紹了基于實車采集關鍵場景參數進行仿真搭建的方法，提出對實車車速和軌跡復現的RDB方案，并對某實車采集場景進行復現，并將仿真結果與實車采集數據進行了對比分析證明了RDB方案的可行性。

由于真實道路駕駛面對的環境往往是復雜多變的，多種實車工況未考慮，后期研究將考慮以下方面：

（1）環境光照對測試結果影響較大，較好復現實車周圍環境光照難度較大，如夜晚光照復雜，車燈、路燈、建筑內燈光等。

（2）采集車不可能完全處于車道中心，存在向兩側偏離的情況，后續應考慮。

參考文獻：

[1]朱冰，張培興，趙健等.基于場景的自動駕駛汽車虛擬測試研究進展[J].中國公路學報，2019，32（6）：1-19.

[2]張永平，鐘翔平.中國自動駕駛仿真藍皮書[R].2020.

[3]莊瓊倩，陳波，吳賢靜.基于Perscan的自然駕駛場景構建與研究[J].智能網聯汽車，2021，7：30-31.

[4]陳套，蔡博，回春.基于場景元素的智能網聯汽車場景構建研究[J].公路與汽運，2019，195：9-12.

[5]GB 5768.3-2009，道路交通標志和標線.第3部分：道路交通標線[S].

[6]GB 5768.1-2009，道路交通標志和標線.第1部分：總則[S].

[7]GB 5768.2-2009，道路交通標志和標線.第2部分：道路交通標志[S].