2020中国自动驾驶仿真蓝皮书( 六 ) 自动驾驶汽车在真正商业化应

为推动智能网联汽车的仿真测试工作，已有企业和智能网联示范区开展了路测与虚拟仿真相结合的测试。如腾讯已和国家智能网联汽车（长沙）测试区合作，建立了湖南省 " 智能网联汽车仿真实验室 " 项目，基于高精度地图和模拟仿真技术，对测试区的地理全貌进行数字化建模，实现在仿真环境下进行安全、高效的智能汽车实验。西门子全球仿真及测试技术（成都）研发中心与中德智能网联汽车试验基地合作，将为后者提供仿真测试技术平台，助力智能网联汽车、车联网标准及测试验证发展。
第三章、自动驾驶仿真测试平台环境3.1 仿真测试平台功能需求（略）
对自动驾驶算法的开发来说，测试验证手段必不可少。引入虚拟仿真平台进行自动驾驶测试的核心目的，正是为了弥补实车测试的不足，提高自动驾驶汽车测试的安全性并节省测试时间和成本，快速推动自动驾驶汽车落地。因此，自动驾驶仿真面向的主要客户是有自动驾驶开发需求的汽车厂商、算法公司以及各类汽车测试场，从满足客户使用的需求来讲，自动驾驶仿真测试平台至少应该具备以下功能。
3.1.1 满足自动驾驶感知、决策规划、控制全栈算法的闭环仿真测试
3.1.2 满足汽车 V 字开发流程
3.1.3 加速自动驾驶算法迭代升级
3.2 仿真测试平台技术架构与能力
3.2.1 虚拟场景构建
自动驾驶汽车的仿真测试，首先需要模拟构建出与真实世界一致的车辆运行场景，而场景的构建可以分为静态场景构建和动态场景构建两个层面。
3.2.2 感知系统仿真
感知系统的仿真，可以分为三个层次，其一直接仿真传感器收到的信号，例如直接仿真摄像头检测到的光学信号，或者雷达超声波和电磁波信号，这种方法叫做物理信号仿真；其次把传感器探测的单元拆掉，直接仿真控制电控嵌入式系统中专门的数字处理芯片的输入单元，这叫做原始信号仿真；最后一种传感器目标仿真，传感器感知和决策如果是分为两个不同层级的芯片来做，那么可以将传感器检测的理想目标直接仿真到决策层算法输入端。
感知系统仿真的对象主要包括摄像头、毫米波雷达、激光雷达三大类主流车端传感器。影响感知系统仿真结果
的两大主要因素，首先是仿真场景重建的真实性，这一点在上一节虚拟场景构建中已经提及；另一个因素是各类传感器模型，在相同的仿真环境中，传感器模型越精确，仿真结果越接近现实。
1. 摄像头仿真
摄像头仿真的一般方法是基于环境物体的几何空间信息构建对象的三维模型，直白一点就是生成逼真的图像。根据物体的真实材质与纹理，并通过计算机图形学对三维模型添加颜色与光学属性等，来模拟实现图像合成。通常情况下，颜色、光学属性等元素会基于游戏渲染引擎来得到，百度阿波罗采用 Unity 3D ，腾讯 TAD Sim 引入了虚幻引擎 UE4 。
摄像头仿真通过坐标系转换的方法，将三维空间中的点通过透视关系变换为图像上的点。之后，还需要对相机镜头的结构与光学特性，内部数据采集过程进行仿真，例如焦距、畸变、亮度调节、Gamma 调节、白平衡调节、色彩空间、景深、高动态范围（HDR）色调的调整等。
摄像头仿真每一帧的原始数据一般可以使用 RGB 或 YUV 来表示。如需把仿真结果通过网络实时传给自动驾驶系统，一般可使用 H264 压缩成视频流，减少传输带宽。摄像头仿真需要障碍物的真值信息，包括位置、朝向、包围盒、速度和类型等。除了对象检测，摄像头的仿真结果也会被用来训练其他计算机视觉算法，包括目标跟踪和语义分割等。
2. 毫米波雷达仿真
毫米波雷达仿真一般会根据配置的视场角和分辨率信息，向不同方向发射一系列虚拟连续调频毫米波，并接收目标的反射信号。不同车辆的雷达回波强度可使用微表面模型能量辐射计算方式，由车辆模型以及车辆朝向、材质等计算。
同一个障碍物会被多个调频连续波探测到。对于毫米波雷达目标级仿真，则可以根据障碍物的径向距离、距离分辨率和角度分辨率等信息对同一个障碍物的点进行聚类并返回最终仿真结果。
毫米波雷达仿真一般需要支持更改毫米波雷达安装位置、角度、探测距离、探测角度、角度和距离分辨率、噪声参数等。对于某些兼有长距和中距探测功能的毫米波雷达，仿真时则需要同时支持两者的参数设置。
3. 激光雷达仿真