2020中国自动驾驶仿真蓝皮书( 七 ) 自动驾驶汽车在真正商业化应

激光雷达仿真的思路是参照真实激光雷达的扫描方式，模拟每一条真实雷达射线的发射，与场景中所有物体求交。以一个 64 线、水平分辨率为 0.4°、最大探测距离为 120 米的雷达为例，该雷达每一帧会发射出 57600 条射线(64*360/0.4) 与场景中所有物体求交，如果求得的交点位于最大探测距离内，则为有效点，对于 10HZ 的雷达来说，每秒需要发射 576000 条射线。针对微电子机械系统激光雷达（MEMS），技术方案原理上与上述方法一致，主要差异是，水平方向扫描不再是 360° ，而是可以指定扫描的水平角度范围。
激光雷达反射强度和不同物理材质对激光雷达所使用的近红外光线反射率有关。反射强度受到障碍物距离、激光反射角度以及障碍物本身的物理材质影响。仿真时需要给场景资源设置合适的物理材质，包括各种道路、人行道、车道线、交通牌、交通灯、汽车、行人等。每一种物理材质的激光反射率都不相同，可以使用仪器提前测得每一种物理材质的激光反射率，并记录下来，也可以参照某些真实激光雷达的做法，将最终反射强度归一化到 0~255 。
3.2.3 车辆动力学仿真
自动驾驶汽车在仿真测试中，需要借助车辆动力学模型模拟车辆来客观评价决策及控制算法。因为，复杂的车辆模型，可以保证车辆有良好的仿真精度，使被控制对象的反应更贴近真实世界。
车辆动力学模型是基于多体动力学搭建的模型，其中包含了车体、悬架系统、转向系统、制动系统、动力系统、传动系统、车辆动力学系统、硬件 IO 接口等多个真实部件的车辆模型。将这些被控对象模型参数化之后，就可以把真实的线控制动、线控转向系统和智能驾驶系统集成到大系统中共同做仿真测试。
当仿真端接收自动驾驶系统控制模块给出的控制信号，主要包括油门、刹车、方向盘、档位等，产生更新后的车辆位置和姿态底盘总线参数，输出给自动驾驶的各个模块，来模拟车辆的整体行为。此外，在测试 L2、L3 辅助自动驾驶时，也可以接入车辆的各个模块，例如转向、动力传动、制动等进行直接的控制。
目前，专业的车辆动力学仿真软件，有 CarSim、CarMaker、VI-Grade、VeDYNA 和 PanoSim 等，仿真平台可以接入这些成熟的车辆动力学模型进行测试，能获得比较逼真的控制效果，当然目前有很多仿真平台也在自行开发车辆动力学模型。比如，腾讯自动驾驶仿真平台 TAD Sim 支持 27 自由度的车辆动力学模型，也支持接入 CarSim这类业内顶尖的车辆动力学模型进行仿真测试。
3.2.4 云加速仿真
仿真系统在进行仿真任务时需要访问大量采集或者生成的数据，并根据生成的数据利用 CPU 和 GPU 资源对数据进行再处理并还原，或者对已经结构化的数据进行 GPU 渲染再现。这些仿真任务都需要依赖强大的计算和存储能力。随着仿真内容的增加，单个计算机的性能很快成为了瓶颈，一个计算节点不可能独立完成仿真任务。这就需要使用一种机制将仿真任务分配到多个机器上，并且让所有机器协同工作，这样做能够降低单个机器的性能需求，从而使得大规模仿真任务得以实现。
基于云计算的分布式概念正好能够帮助自动驾驶仿真系统达成这样的目的，分布式计算是随着互联网行业的快速发展而产生的。随着网络速度的提高，服务器端对数据的存储能力和算力需求逐渐增加，传统的服务器需要升级硬件满足需求。集中式的硬件系统成本过高，于是分布式概念应运而生。分布式框架可以将计算和存储任务进行拆分，让互相连接的每一台机器承担一部分的计算和存储任务，并在需要的时候进行数据的同步和收集，降低单个节点成本，提供系统整体的计算能力和存储容量。
仿真模拟多建立在对现实世界的模拟之上，需要依赖现实时间的流逝，但随着硬件性能的提升，在某些模拟任务时，计算机在按照真实时间进行模拟仿真时并没有消耗其全部的性能。这时如果能够让计算机模拟的速度以高于真实时间的速率进行，那么将能够更好利用硬件优势，并提高模拟效率。
在计算和存储能力允许的情况下，仿真节点可以按照更高的频率进行仿真，并在更短的时间内完成仿真任务。
但是为了保证仿真结果的一致性，各个仿真节点的加速程度又必须保持一致。因此为了同时满足动态时间和数据一致性的需求。仿真系统需要引入虚拟时间用于节点之间的同步，而非真实时间。虚拟时间的优势在于不依赖真实时间，可快可慢。虚拟时间根据当前仿真任务的完成情况随时控制整个系统的运转速度，从而使得每一个节点在完成任务的同时保证整个系统的数据一致性。