基于HIL仿真系統的智能駕駛技術研究

【摘" 要】隨著智能駕駛技術的快速發展，對智能駕駛功能的測試需求日益迫切。傳統基于真實道路的測試存在諸多限制，而硬件在環（HIL）仿真系統測試可以在受控環境下高效、安全地評估智能駕駛功能。文章提出一種基于HIL的智能駕駛功能測試系統，包括車輛模型、環境模型、傳感器模型和仿真模型?；赟imulink以及dSPACE軟硬件環境設計典型輔助駕駛系統的多核仿真，對自動駕駛和輔助駕駛功能進行仿真測試和結果分析。研究表明，所提出的HIL測試系統能有效驗證智能駕駛功能，為其在真實環境的應用奠定基礎。

【關鍵詞】智能駕駛；硬件在環仿真；Simulink；dSPACE工具

中圖分類號：U463.675" " 文獻標識碼：A" " 文章編號：1003-8639（2025）02-0001-05

Research on Intelligent Driving Technology Based on HIL Simulation System

ZHAN Denghui，SONG Zhenguang，WU Huiyan，QIAN Wenguo，HUANG Shen，LIANG Zhengfei

（GAC Automotive Research amp; Development Center，Guangzhou 510000，China）

【Abstract】With the rapid development of intelligent driving technology，it is increasingly urgent to test intelligent driving functions. While traditional vehicle testing has many limitations，hardware-in-the-loop（HIL）simulation system testing can efficiently and safely evaluate intelligent driving functions in a controlled environment. This paper presents an intelligent driving function test system based on HIL system，which includes vehicle model，environment model，sensor model and simulation model. This paper designs multi-core simulation model of typical driving assistance system based on Simulink and dSPACE software and hardware environment，and the simulation test and result analysis of automatic driving and driving assistance functions are carried out. The research shows that the proposed HIL test system can effectively verify the intelligent driving function and lay a foundation for its application in real environment.

【Key words】intelligent driving；HIL simulation；simulink；dSPACE tools

0" 引言

近年來，自動駕駛和輔助駕駛系統等智能駕駛技術蓬勃發展，引領著未來出行方式的變革。智能駕駛系統集成了環境感知、決策規劃、執行控制等多項關鍵功能，可顯著提高駕駛安全性和效率。但同時，這些復雜系統的可靠性和健壯性亟需通過嚴格測試來保證。

傳統基于真實道路的測試存在場景單一、費用高昂、安全隱患等諸多限制[1]。硬件在環HIL仿真技術通過在虛擬環境中與真實硬件對接，為智能駕駛系統提供了一種高效、可重復、可控的測試手段[2]。

目前，HIL仿真在汽車電子電器控制系統測試領域已有廣泛應用[3]。在智能駕駛功能測試方面，諸多研究機構也開展了相關工作。Koschi等[4]提出一種用于測試自動駕駛功能的HIL仿真框架，集成了多個關鍵模塊。Zhou等[5]設計了一套基于HIL的智能駕駛仿真測試平臺，用于評估自動泊車和自動巡航等功能。然而，現有研究大多針對特定功能模塊，缺乏一個通用的綜合測試框架。為此，本文提出一種面向智能駕駛全功能測試的HIL仿真系統。

1" HIL仿真系統原理及應用

HIL仿真系統是將真實硬件與虛擬模型相結合的一種混合仿真技術[6]。其核心是通過實時運行在計算機上的虛擬環境模型，與被測硬件通過實時總線（如CANFD、CAN、車載以太網等）或接口實現雙向通信和對接。HIL仿真具有如下主要優勢[7]。

1）提高測試效率：可在虛擬環境下快速構建和重復多種工況。

2）保證測試安全：避免真實路況下的風險和損失。

3）降低測試成本：無需特殊測試場地和大量測試車輛。

4）提高測試覆蓋率：可模擬極端、罕見情況。

HIL仿真系統可用于測試和驗證智能駕駛系統的諸多功能模塊。如對環境感知模塊（雷達、攝像頭等傳感器）的檢測和跟蹤性能進行測試；對決策規劃模塊（行為決策、運動規劃等）面對各種復雜場景的響應進行評估；對車輛執行系統（控制算法、執行器等）的動力學表現進行驗證。

與在真實道路環境中測試相比，HIL仿真測試具有如下顯著優勢：①安全性，不會對真實道路車輛和行人帶來安全隱患；②可重復性，同一測試場景可以被精確重復模擬；③便利性，不受場地、天氣等客觀條件限制；④高效性，自動化腳本，大幅節省時間和人力成本；⑤全面性，可模擬極端、罕見的特殊情況；⑥靈活性，可自由編輯虛擬環境和交通流模型。

因此，HIL仿真已成為智能駕駛功能測試不可或缺的重要手段。

2" 測試系統設計

為全面評估車輛智能駕駛功能，需要構建一個包含車輛模型、環境模型、傳感器模型和執行器模型在內的HIL仿真測試系統。本文設計的仿真系統整體架構如圖1所示。設計11路攝像頭仿真、3路LiDAR仿真以及Radar/USS總線仿真。

本文聚焦的是實時系統中仿真模型的搭建與上位機（圖1中本地電腦）場景搭建以及ConfigurationDesk中配置工程的建立，最終實現仿真系統的運行，具體如圖2所示。

2.1" 車輛模型

車輛模型是HIL仿真測試系統的核心，用于模擬真實車輛的運動學和動力學行為。本文車輛運動學模型采用基于ASM幾何模型的運動學模型。該模型基于車輪運動學方程和車身運動學方程構建，能夠精確描述車輛隨著時間變化的運動狀態。在閉環模型中動力學模型各子模塊如圖3所示。

車輛動力學模型基于dSpace公司的ASM動力學模型，描述了車輛縱向、橫向和垂向的各項動力學。該模型考慮了車輛質量、慣量、空氣阻力等多種影響因素，能較為準確地預測真實車輛在各種工況下的動力學響應。

2.2" 配置工程搭建

利用ConfigurationDesk軟件建立模型與被測ECU的映射，其中ECU引腳定義為輸入文檔，I/O function以及HW resource需要在ConfigurationDesk中創建，而Model port就是Simulink中模型的變量。邏輯映射關系如圖4所示。

本文因為涉及到多傳感器的仿真，所以設計了多核模型架構，包括組合慣導模塊、激光雷達模塊、CAN通信模塊以及ASM動力學模塊。

2.3" 閉環模型搭建

本文設計4個模型，其中ASM動力學模型只有CAN模塊以及Environment中配置傳感器信息；CAN模塊需要引入智駕域控的主控信號用于控制車輛，包括橫向、縱向轉角、油門踏板、制動等信號，如圖5所示。

CAN I/O模型主要負責域控與實時機總線的收發，本文按照電氣架構設計2路Public_CAN、7路雷達CAN，如圖6所示。

其中，雷達之間的時間同步以域控的SOC發出的時間戳為準。

組合慣導模型主要將ASM模型中車輛姿態信息關聯到INU模型，然后通過INU仿真節點發送至域控，如圖7所示。

在INU模型中需要定義以太網數據包結構，配置IMU的零偏角以及初始加速度等信息。本文中Z向的初始加速度為9.8m/s2。

LiDAR模型主要完成端口定義、IP地址定義、PTP時間同步以及DIFOP數據結構定義，模型架構如圖8所示。

2.4" 仿真場景搭建

環境模型用于在虛擬世界中模擬智能駕駛車輛的真實工作場景，主要包括道路模型、駕駛員行為和交通流模型等。本文利用dSPACE公司的Model desk搭建道路模型以及定義駕駛員行為。本文使用的場景如圖9所示，場景主要是單向三車道，由直道和彎道構成，彎道的曲率逐漸縮小，以檢驗智駕系統的直道以及彎道居中表現。

其次是定義駕駛員行為以及社會車輛，如圖10所示，分別在自車前方200m、400m、800m定義社會車輛并以特定速度行駛，自車則以80km/h的初速度行駛，在沒有收到輔助駕駛功能激活指令之前跟隨場景定義的路徑行駛，收到激活指令之后則由智駕系統控制車輛行駛。

交通流模型生成各類靜態和動態障礙物，包括車輛、行人、障礙物以及龍門架等，本文設計的系統主要聚焦于動態障礙物。

2.5" 傳感器模型設置

傳感器模型對智能駕駛車輛的主要傳感器設備（如雷達、攝像頭、激光雷達等）進行逼真仿真，以評估環境感知功能。

雷達模型考慮不同波長下的反射、衰減等物理效應，模擬毫米波雷達在不同場景下的探測表現。與真實雷達相比，誤差在5%以內[8]。

攝像頭模型融合了物理渲染和機器學習模型，能較好地模擬各種復雜光照和天氣情況下的攝像頭數據。渲染效果評估分達0.73[9]。

激光雷達模型基于光線追蹤算法，利用地物反射率、漫/透射等物理原理模擬激光在三維空間的傳播行為，能逼真重現激光雷達點云數據。在dSPACE MotionDesk中配置傳感器模型，傳感器包括泊車攝像頭、行車攝像頭以及LiDAR。攝像頭傳感器參數主要包括安裝位置以及外參，如圖11所示。

LiDAR傳感器主要包括安裝位置以及掃描陣列LiDAR_Middle.csv文件。LiDAR參數如圖12所示。

3" 仿真試驗與結果分析

基于上述搭建場景對自動駕駛和輔助駕駛功能進行了仿真測試和試驗分析。結果表明，基于本文設計的多核模型可以完整地實現對域控多傳感器輸入的仿真，行車系統融合效果如圖13所示，其中紅色為前視攝像頭感知線，可見視頻注入效果良好。

在該仿真系統中成功地調通了行車橫向、縱向控制中的撥桿變道以及自動泊車功能，如圖14所示。

4" 總結與展望

本文提出了一種基于HIL仿真的智能駕駛功能測試系統。通過構建車輛模型、環境模型、傳感器模型和執行器模型，搭建了一個完整的虛擬測試環境。設計了多種傳感器模型并且成功實現了時間同步以達到準確輸出融合目標的效果。試驗結果表明，該HIL測試系統能夠全面評估智能駕駛系統的各項功能，為智能駕駛技術在實際道路環境中的應用打下基礎。

當然，本研究也存在一些不足之處。例如傳感器位置安裝精度不高以及傳感器標定結果與實車存在偏差；試用例的設計還可以更加貼近真實統計場景分布等。在未來的工作中，將持續優化和完善HIL測試系統，同時將其應用于更多智能駕駛系統產品的測試驗證中。

參考文獻

[1] Wachenfeld W，Winner H.The release of autonomous vehicles[C]//Autonomous Driving，2016.

[2] Zofka M R，Koh H J，Jithin K，et al. Automotive 3D Mapping[C]//International Conference on Computer Vision Systems，2015.

[3] Isermann R.Fault-diagnosis systems： an introduction from fault detection to fault tolerance[M].Berlin：Springer Science amp; Business Media，2006.

[4] M Koschi，C Pek，M Beikirch，et al.Set-based prediction of pedestrians in urban environments considering formalized traffic rules[C]//IEEE Int Conf on Intelligent Transportation，2018.

[5] Zhou F，Tan J，Lu B R，et al.Enhanced multi-sensor vehicle navigation system for intelligent vehicle applications[J].SAE International Journal of Passenger Cars-Electronic and Electrical Systems，2011，4（1）：92-99.

[6] Isermann R，Schaffnit J，Sinsel S.Hardware-in-the-loop simulation for the design and testing of engine-control systems[J].Control Engineering Practice，1999，7（5）：643-653.

[7] Chindamo D，Lazzari M，Kussmann B，et al. Development of a novel hardware-in-the-loop（HIL）test bench to support ISO 26262 automotive safety standard[C]//2013 XXIV International Conference on Information，Communication and Automation Technologies（ICAT），2013.

[8] Hirsenkorn N，Hanke T，Rauch A，et al. Virtual sensor models for real-time applications[J].Advances in Radio Science，2016，14（1）：31-37.

[9] Mangharam R，Uijt De Haag M，Douthitt S，et al.Integrating realistic cameras for closed-loop control of autonomous cameras in an urban simulation[C]//2020 IEEE International Conference on Robotics and Automation（ICRA），2020.

（編輯" 楊凱麟）

收稿日期：2024-06-19