《ModelBase智能駕駛建模仿真與應用》全套教學課件

第一章：緒論《ModelBase智能駕駛建模仿真與應用

》全套可編輯PPT課件第1章緒論第2章車輛動力學模型與仿真應用第3章&第四章第5章智能駕駛功能仿真應用第6章聯(lián)合仿真測試綜合實例第7章趨勢與展望導讀

本章著重介紹了智能駕駛仿真技術發(fā)展現(xiàn)狀、智能駕駛仿真測試方法以及智能駕駛仿真工具（ModelBase軟件）。通過本章的學習，讀者將對智能駕駛仿真技術及仿真測試方法有了詳細了解，同時對ModelBase軟件具有初步了解，為后面章節(jié)內容的學習奠定基礎。智能駕駛仿真仿真技術介紹仿真工具介紹自動駕駛概況仿真測試方法1.1?概述智能駕駛汽車在真正商業(yè)化應用前，需要經歷大量的道路測試才能達到商用要求。通過實車路試優(yōu)化自動駕駛算法耗費的時間和成本太高，且開放道路測試仍受到法規(guī)限制，極端交通條件和場景復現(xiàn)困難，測試安全存在隱患。智能駕駛仿真測試已經被行業(yè)廣泛接受。按照《自動駕駛仿真藍皮書2020統(tǒng)計數(shù)據(jù)》，目前智能駕駛算法測試大約90%通過仿真平臺完成，9%在測試場完成，1%通過實際路測完成。0102道路測試的挑戰(zhàn)與仿真測試的解決方案仿真平臺的主導作用全套可編輯PPT課件1.2?智能駕駛仿真技術現(xiàn)狀國內的研究清華大學王建強教授團隊——為駕駛輔助系統(tǒng)（DAS）的開發(fā)提供了低成本的仿真平臺上海交通大學智能車實驗室研究團隊——CyberTORCS仿真平臺長安大學團隊——基于數(shù)字孿生技術的車輛在環(huán)（VIL）測試方法CATARC汽車測試中心——基于Carmaker動力學軟件平臺和真實車輛數(shù)據(jù)構建了車輛動力學模型國外的研究廣州汽車集團股份有限公司美國硅谷研發(fā)中心——提出靈活、可擴展的虛擬平臺馬來西亞工藝大學（UTM）團隊——車輛駕駛模擬器運動平臺印度拉夫里科技大學團隊——實現(xiàn)了多車同時仿真智能駕駛仿真技術在國內外都是一個備受關注的研究領域，各國在平臺建設、技術研發(fā)等方面積極探索和推動發(fā)展。全套可編輯PPT課件1.3?智能駕駛仿真測試方法概述為了保證系統(tǒng)的穩(wěn)定性和更新頻率，汽車行業(yè)誕生了一套先進的測試理論和流程來保證整個系統(tǒng)開發(fā)的有效性和高效性，我們稱這套流程為V字開發(fā)流程或者V模型。針對自動駕駛的仿真測試同樣必須滿足汽車V字開發(fā)流程，具備覆蓋MIL、SIL、HIL、VIL全流程驗證能力。全套可編輯PPT課件1.4?智能駕駛仿真工具介紹側重動力學仿真的軟件有CarSim、ASM、CarMaker、DYNA4、VI-Grade側重場景仿真的軟件有VTD、Scaner、Prescan、Carla側重交通流仿真的軟件有Vissim、SUMO側重傳感器仿真的軟件有ANSYS的VRXPERIENC也有部分軟件同時具備車輛動力學、場景仿真、交通流仿真和傳感器仿真，如IPG的Carmaker1.4.1國外智能駕駛仿真軟件起步早，發(fā)展比較成熟，且大部分仿真軟件都有明顯的側重點1.4?智能駕駛仿真工具介紹

1.4.2國內智能駕駛仿真軟件起步較晚，由于市場已經被國外仿真軟件完全占據(jù)，國內仿真軟件缺乏市場需求和驗證，發(fā)展比較緩慢。側重場景仿真的軟件有TADSim、51World、Apollo等。綜合性仿真軟件包含Panosim、ModelBase等。ModelBase是經緯恒潤開發(fā)的國產仿真軟件。該軟件于2020年正式投入市場，依托于經緯恒潤本身的仿真測試業(yè)務在多家汽車企業(yè)及高校得到廣泛應用（中國一汽、東風汽車、長安汽車、廣汽、吉利汽車，清華大學、北京理工大學等等）ModelBase有兩個版本：動力學版本和智能駕駛版本。動力學版本：專注車輛動力學，主要用于動力域、底盤域控制器開發(fā)和測試。智能駕駛版本：涵蓋車輛動力學和場景仿真功能可用于不同級別智能駕駛算法仿真測試。1.4?智能駕駛仿真工具介紹1.4.2國內智能駕駛仿真軟件ModelBase車輛模型的特點多體全參數(shù)化非線性具有可擴展能力ModelBase場景仿真包含以下模塊靜態(tài)道路場景仿真動態(tài)交通場景仿真目標傳感器仿真原始數(shù)據(jù)傳感器仿真動畫渲染THANKS1.智能駕駛仿真技術主要用來解決什么問題？2.智能駕駛仿真有哪些測試方法？第二章?車輛動力學模型與仿真應用《ModelBase智能駕駛建模仿真與應用

》導讀本章主要介紹了車身、轉向系統(tǒng)、懸架系統(tǒng)等車輛系統(tǒng)建模方法，還介紹了常規(guī)的整車性能試驗以及智能駕駛試驗方法。

過本章的學習，讀者將深入了解車輛動力學建模及典型試驗仿真工況仿真的理論方法，為智能駕駛仿真等后面章節(jié)的學習奠定理論基礎。2.1?概述車輛動力學分析車輛行駛和操縱過程中的運動行為和受力情況，對汽車設計、制造和改進至關重要。定義和重要性車輛動力學通過動力學分析，了解車輛各部件之間的相互作用力和各系統(tǒng)的動力學特性。動力學分析的內容根據(jù)研究問題的側重點不同，需要建立不同的車輛動力學模型。車輛動力學模型的建立車輛動力學用于評估整車的性能，包括穩(wěn)定性、操控性、舒適性等。整車性能評估2.2?車輛系統(tǒng)建模由于車輛系統(tǒng)由各個總成組成，為了方便大家根據(jù)實際問題建立車輛動力學模型，以下將介紹各系統(tǒng)總成建模。各系統(tǒng)總成建模的主要任務是建立各系統(tǒng)總成的運動微分方程，常見的兩種建模方法：一是利用牛頓力學建模，二是利用拉格朗日方法建模牛頓力學建模方法利用牛頓第二定律建立系統(tǒng)各部件的微分方程牛頓力學方法更適用于總成系統(tǒng)建模拉格朗日方法需要計算系統(tǒng)整體的動能和勢能，再利用拉格朗日方程建立系統(tǒng)的微分方程。2.2?車輛系統(tǒng)建模2.2.1?車身模型車身是車輛的整體，承擔載人或載物的功能，為乘客提供乘坐舒適性和安全性。在車輛動力學建模過程中，需要對車身進行一定的簡化，將車身視為剛體，具有縱向、橫向和垂向三個方向的平動自由度，具有俯仰、側傾和橫擺三個方向的轉動自由度。以SUV車身為例，車身定義兩個坐標系，一個是固定在大地的絕對坐標系X-Y-Z，一個是固定在車身質心的隨動坐標系x-y-z，車身質心為坐標原點O，質心到前橋和后橋的距離分別為a和b，前、后懸架左右減振器上支點間距的一半分別為tf和tr，車身質量、俯仰轉動慣量、側傾轉動慣量和橫擺轉動慣量分別為ms、Iyy、Ixx和Izz，車身A、B、C、D四處的懸架力分別為FsA、FsB、FsC和FsD，由懸架力產生的力矩分別為MsA、MsB、MsC和MsD。根據(jù)牛頓第二定律，平動方向的微分方程為：轉動方向的微分方程為：2.2?車輛系統(tǒng)建模2.2.2?轉向系統(tǒng)模型轉向系統(tǒng)主要由轉向盤、轉向器、轉向傳動機構和轉向輪組成，若不考慮轉向系統(tǒng)的振動問題，只需要建立轉向系統(tǒng)的運動學關系。而理想的轉向系統(tǒng)運動學關系用理想的阿克曼轉角模型描述，δL和δR分別表示左側轉向輪的轉角和右側轉向輪的轉角，且滿足以下關系。2.2?車輛系統(tǒng)建模2.2.3?懸架系統(tǒng)模型根據(jù)汽車導向機構的型式不同，懸架可分為獨立懸架和非獨立懸架。獨立懸架汽車的車輪之間運動相對獨立，整車的操穩(wěn)性和平順性較好；非獨立懸架汽車的左右車輪通過一個車橋連接，兩個車輪的運動互相影響，整車的平順性較差。對于轎車的懸架而言，一般是獨立懸架，下面著重介紹獨立懸架的動力學建模。以帶有橫向穩(wěn)定桿的麥弗遜獨立懸架為例，則A，B，C，D四處的懸架彈簧力和減振器阻尼力的合力分別為2.2?車輛系統(tǒng)建模2.2.4?動力傳動系統(tǒng)模型汽車動力傳動系統(tǒng)將發(fā)動機或/和電機的輸出扭矩經過離合器、變速器、傳動軸和驅動橋傳遞給驅動輪，使車輛獲得行駛所需的驅動力。動力傳動系統(tǒng)建模發(fā)動機/電機的動力輸入模型變速器的動力傳動模型驅動橋的動力輸出模型2.2?車輛系統(tǒng)建模2.2.5?制動系統(tǒng)模型制動系統(tǒng)能夠使行駛的汽車減速或停車，或使下坡行駛的汽車保持穩(wěn)定車速，或使已停止的汽車在斜坡上駐留不動。制動系統(tǒng)的分類02制動系統(tǒng)的作用01行車制動系統(tǒng)、駐車制動系統(tǒng)和緊急制動系統(tǒng)。其中行車制動系統(tǒng)和駐車制動系統(tǒng)為汽車必備的制動系統(tǒng)。而重型汽車通常還需要增設輔助制動系統(tǒng)（緩速器）控制汽車下坡的穩(wěn)定車度。制動系統(tǒng)由于在技術、成本和法規(guī)等因素上的限制，目前電動汽車上應用較多的行車制動系統(tǒng)仍為液壓制動系統(tǒng)，執(zhí)行機構多為盤式制動器或鼓式制動器。在不考慮壓力損失的情況下，真空助力器推桿受到的推力與制動主缸第一活塞頂桿受到的推力之間的關系可以表示為右邊的方程：2.2?車輛系統(tǒng)建模2.2.6?輪胎模型目前較有影響的模型有：魔術公式輪胎模型、Gim模型、Fiala模型和SaKai模型。-GIM輪胎模型中待定參數(shù)很少，且簡單的試驗測量即可獲取，這一特點能夠節(jié)約大量建模成本以及降低建模的難易程度；道路環(huán)境發(fā)生變化時，GIM輪胎模型只需要調整摩擦系數(shù)即可，而無需改變輪胎的剛度數(shù)據(jù)；GIM輪胎模型可以方便地與整車模型相結合進行各類仿真試驗，這是由于該模型中輪胎力、力矩僅與路面附著系數(shù)、車速以及行車工況有關。在變量變化范圍不大的情況下對輪胎的擬合程度高；擬合參數(shù)需要通過大量的實驗分析得到，擬合參數(shù)的準確性影響模擬結果的精確性；個別參數(shù)如C對于擬合結果有很大的影響用一個公式就可以表示輪胎的縱向力、橫向力和和回正力矩，避免了繁瑣的計算，容易在計算機上模擬；魔術公式輪胎模型Gim輪胎模型2.2?車輛系統(tǒng)建模2.2.7?風阻模型當汽車在路面上行駛時，除了受到路面通過輪胎傳遞給車身的作用力，周圍大氣氣流也會對車輛產生各種力和力矩。在這些力和力矩的作用下,會對汽車的操穩(wěn)性、動力性和經濟性產生直接影響。氣流將以面載荷的形式作用于車身上，在空氣動力學中常常將車身表面的壓力合成得到一個合力，稱為氣動力。氣動力在車身上的作用點稱為風壓中心。當風壓中心的位置不與中心轉向軸重合時，汽車除了受到氣動阻力、氣動升力和側向力的影響，還會受到它們產生的附加氣動力矩、縱傾力矩、側傾力矩及橫擺力矩的影響。汽車空氣動力學是研究空氣與汽車相對運動時的現(xiàn)象和作用規(guī)律的一門學科。氣動阻力對汽車的動力性及燃油經濟性有直接影響，它的方向與汽車的運動方向相反，大小由右邊的表達式表示2.3?汽車智能駕駛試驗基礎2.3.1?整車性能試驗（1/5）整車的制動性能好壞關系著汽車的行駛安全，良好的制動性能可以保障汽車行駛安全，避免交通事故。評價整車制動性能的一般指標包括制動距離、制動平均減速度、制動力和制動時間。制動性能試驗穩(wěn)態(tài)回轉試驗穩(wěn)態(tài)回轉試驗有兩種試驗方式，包括定方向盤轉角和定轉彎半徑。穩(wěn)態(tài)回轉試驗是檢驗車輛穩(wěn)態(tài)轉彎特性的一個重要實驗，評價汽車穩(wěn)態(tài)回轉性能的指標包括中性轉向點側向加速度、不足轉向度和車廂側傾度。為了獲得上述指標，實驗過程中需要測量的參數(shù)包括汽車橫擺角速度、汽車行駛速度、車身側傾角、汽車側偏角、汽車縱向加速度和汽車側向加速度。2.3?汽車智能駕駛試驗基礎2.3.1?整車性能試驗（2/5）蛇形試驗的目的是讓汽車連續(xù)通過預先設置的障礙樁，通過考察車速、方向盤轉角、橫擺角速度和車身側傾角等數(shù)據(jù)，評價汽車的隨動性、收斂性、方向操縱輕便性和事故可避性等。蛇形試驗2.3?汽車智能駕駛試驗基礎2.3.1?整車性能試驗（3/5）乘用車雙移線試驗主要用于評價汽車在緊急變線時車輛動力學性能以及車道保持能力。在雙移線試驗中，駕駛員操縱汽車按預定的軌跡行駛，車速從50km/h開始測試，每次車速增加10km/h，直到汽車無法通過標樁或者車速達到80km/h為止。試驗過程需測量車速、橫擺角速度、車身側傾角和方向盤轉角等信號。雙移線試驗2.3?汽車智能駕駛試驗基礎2.3.1?整車性能試驗（4/5）魚鉤實驗主要是測試車輛高速碰撞避免能力，首先要求汽車以56~80km/h的速度沿直線行駛，然后突然左轉，使轉向盤轉過270度，最后轉向盤再向右轉540度，并在轉向過程中不斷加速，直至車速達到80km/h或者兩個內側車輪離地間隙達到5.08cm或更多時結束本實驗。魚鉤試驗2.3?汽車智能駕駛試驗基礎2.3.1?整車性能試驗（5/5）平順性試驗是用于評價汽車乘坐舒適性的一個重要試驗，典型的平順性試驗有兩種情況，分別為汽車平順性隨機路面輸入和汽車平順性脈沖輸入。前者主要考察汽車在隨機路面行駛時，隨機路面激勵引起的振動對乘員或貨物的影響；后者主要考察汽車行駛過一個凸包或坑洼時，沖擊振動對乘員或貨物的影響。平順性試驗2.3?汽車智能駕駛試驗基礎2.3.2?智能駕駛試驗（1/4）車輛前碰撞預警系統(tǒng)車輛前碰撞預警系統(tǒng)的主要功能通過雷達系統(tǒng)時刻監(jiān)控前方車輛，判斷自車與前車之間的距離、方位和相對速度，當存在潛在的碰撞危險時對駕駛員發(fā)出預警信號。2.3?汽車智能駕駛試驗基礎2.3.2?智能駕駛試驗（2/4）車道偏離預警系統(tǒng)車道偏離預警系統(tǒng)通過報警方式提醒駕駛員車輛偏離車道線，避免因汽車偏離車道線引起的交通事故。車道偏離預警系統(tǒng)由攝像頭、圖像處理芯片、控制器和傳感器組成。2.3?汽車智能駕駛試驗基礎2.3.2?智能駕駛試驗（3/4）車道保持輔助系統(tǒng)車道保持輔助系統(tǒng)試驗主要有以下三種類型，分別為直道車道抑制試驗、彎道車道抑制試驗和車道居中控制試驗。2.3?汽車智能駕駛試驗基礎2.3.2?智能駕駛試驗（4/4）自適應巡航控制系統(tǒng)自適應巡航控制系統(tǒng)（AdaptiveCruiseControl，ACC）是定速巡航的一種升級功能，該系統(tǒng)利用攝像頭和雷達探測自車與前車之間的距離和位置，通過控制自車的發(fā)動機、動力傳動系統(tǒng)或制動系統(tǒng)實現(xiàn)與前車保持適當?shù)母囓嚲?。自適應巡航系統(tǒng)由傳感器、數(shù)字信號處理器和控制模塊組成。2.4?仿真實現(xiàn)（1/5）前面介紹車輛動力學模型建模方法和對應的仿真測試工況，下面在ModelBase中進行實際仿真測試。這里使用ModelBase動力學版本，打開軟件，新建工程，命名Test1。2.4?仿真實現(xiàn)（2/5）從車輛庫中拖拽一輛“TypeB”進入工程，可以看到工程Test1下的車輛節(jié)點下多了一個“TypeB”的節(jié)點，右鍵“TypeB”，在彈出的菜單中選擇“編輯車輛”。車輛參數(shù)設置車身參數(shù)配置空氣動力學懸架轉向系統(tǒng)動力傳動系統(tǒng)制動系統(tǒng)車輪的控制和環(huán)境系統(tǒng)參2.4?仿真實現(xiàn)（3/5）創(chuàng)建道路時，我們可以從零開始創(chuàng)建，也可以直接使用軟件自帶的道路，這里我們直接使用軟件自帶的道路，從場景庫中拖拽雙移線地圖“DLC”進入工程，可以看到工程Test1下的地圖節(jié)點下多了一個“DLC”的地圖節(jié)點。道路參數(shù)設置2.4?仿真實現(xiàn)（4/5）在設置車輛駕駛行為前，我們需要先創(chuàng)建一個場景文件，創(chuàng)建場景時，可以從零開始創(chuàng)建，也可以直接使用軟件自帶的場景，這里介紹直接使用軟件自帶的場景，從場景庫中拖拽雙移線場景“DLC”進入工程，可以看到在地圖節(jié)點“DLC”多了一個場景節(jié)點“DLC”。車輛行為設置2.4?仿真實現(xiàn)（5/5）完成上述參數(shù)配置，相當于創(chuàng)建了一段平路，并在平路上畫了雙移線軌跡，讓車輛以40km/h的速度勻速通過雙移線。在仿真開始前，我們選擇需要監(jiān)控的信號，如車輛xyz方向的速度、xyz方向角速度、車輛三個姿態(tài)角等。偽真運行THANKS1.為什么需要測試整車做性能？常見的整車性能測試有哪些？2.為什么需要測試汽車智能駕駛？常見的智能駕駛測試有哪些？第三章?智能駕駛仿真測試場景建?！禡odelBase智能駕駛建模仿真與應用

》導讀本章講述了智能駕駛仿真研究中場景建模的相關內容，并基于Modelbase演示包括仿真道路建模和駕駛場景建模方法步驟。

場景建模是智能駕駛仿真研究的重要組成部分，為智能駕駛仿真提供符合實際工況的不同駕駛場景。概述——智能駕駛仿真場景的重要性與應用智能駕駛仿真場景通過計算機模擬和虛擬現(xiàn)實技術，創(chuàng)建各種交通場景和駕駛環(huán)境，用于測試、驗證和優(yōu)化自動駕駛系統(tǒng)。仿真場景的定義與功能仿真場景的應用領域仿真路網搭建：智能駕駛測試的基礎真實環(huán)境模擬：模擬真實世界的道路、交通標志等。安全性評估：模擬危險和異常情況，評估自動駕駛系統(tǒng)反應能力。算法測試與優(yōu)化：測試和驗證自動駕駛系統(tǒng)算法，快速迭代優(yōu)化。降低成本與風險：提供經濟、安全且可重復的測試環(huán)境。性能評估：收集數(shù)據(jù)和指標，評估自動駕駛系統(tǒng)的性能。包含道路類型、車道數(shù)等靜態(tài)信息;涵蓋交通標志、信號燈等地物信息?？商砑觿討B(tài)場景要素，構建復雜交通場景。搭建路網需根據(jù)仿真任務需求，構建合適、高效模型。仿真場景建模OpenDRIVE道路標準-智能駕駛的基石定義用途核心特點應用領域OpenDRIVE是用于描述數(shù)字路網和駕駛場景的標準格式。由德國FhG和美國SAEInternational共同制定。提供通用的、可擴展的、標準化的數(shù)字路網模型。準確描述駕駛仿真應用所需的靜態(tài)道路交通網絡。使用XML記錄道路、車道、路口等靜態(tài)元素信息。存儲在.xodr文件中，便于機器識別和利用。標準化格式：實現(xiàn)不同軟件和系統(tǒng)之間的交互性和兼容性。高度精確與靈活：表示不同類型的道路和復雜的道路結構。豐富的元素：包括道路、車輛行為、安全規(guī)則、環(huán)境元素等。開放、可擴展：可根據(jù)需求和應用場景進行定制和擴展。智能駕駛系統(tǒng)開發(fā)和測試駕駛模擬軟件（如CARLA、LGSVL等）駕駛培訓交通規(guī)劃和城市規(guī)劃OpenDRIVE道路標準-智能駕駛的基石應用示例展示OpenDRIVE在描述路網結構時采用慣性x/。道路幾何信息的五種幾何形狀為車輛行駛提供準確參考。道路標志信息，包括道路限速、禁止通行、轉彎指示等，可以提供車輛行駛的參考和決策。y/z軸、參考線s/t/h軸和局部u/v/z軸三種坐標系一條道路一般由參考線、車道和特征組成，可以定義其道路類型、連接、高程和表面信息。OpenDRIVE道路標準-智能駕駛的基石應用示例展示交叉口是三條或更多道路交匯之處，包含來路、聯(lián)結、道路表面等元素，形成復雜的交通節(jié)點。一般用物體的邊界框來描述物體，對于常見的四邊形物體，定義寬度、長度以及高度；對于常見的圓形物體，定義半徑以及高度。路網建模方法——道路參數(shù)設置在車輛仿真中，道路參數(shù)配置的精細程度直接影響模擬結果的真實性。通過詳細設置道路長度、寬度、地形、車道數(shù)量及寬度等參數(shù)，仿真軟件能模擬復雜路網結構，為自動駕駛驗證、電控系統(tǒng)設計等提供實驗平臺。本節(jié)將結合Modeobase軟件中的操作講解道路參數(shù)的設置。道路總體配置參數(shù)道路總體配置參數(shù)通常包括道路的車道類型、點密度等基本信息，用于定義道路的基本形態(tài)和規(guī)模。參數(shù)值簡介車道類型String新建道路時默認的道路類型點密度[0,99.99]道路輪廓每米包含的點的數(shù)目道路參數(shù)信息道路參數(shù)基本信息涵蓋了道路的ID、路口ID、名稱以及長度等，有助于根據(jù)實際道路交通規(guī)則和設計規(guī)范來設定仿真環(huán)境。參數(shù)值簡介道路ID道路的ID路口ID-/-1道路所屬路口的ID，作為一個連通的道路（-1表示未連通）名稱String道路的名字長度道路的長度Modelbase中道路基本參數(shù)可分為全局設置，基本信息，軌跡，車道，高程，超高，類型，中心偏移，前驅后繼，信號，物體和地形。道路基本參數(shù)設置界面如左圖所示。路網建模方法——道路參數(shù)設置參數(shù)值簡介起點x坐標起始位置的x軸坐標起點y坐標起始位置的y軸坐標航向角方向角長度參考線的長度半徑圓弧的半徑A、B、C、D三次樣條曲線的參數(shù)道路參考線配置參數(shù)涉及路徑的幾何形狀（直線、曲線、緩和曲線等）、曲率半徑、彎道角度等參數(shù)，用于模擬復雜路況下的車輛行駛行為。參數(shù)值簡介類型String給定車道的類型寬度車道的寬度車道線-車道線的類型、加粗、顏色、材料、寬度、變化和高度信息高度車道的表面可能與參考線所界定的平面及相應的海拔和橫向坡度的偏移量前驅后繼車道應該提供前驅/后繼道路ID的信息速度給定車道上的最大允許速度，m/s附著系數(shù)車道的滾阻系數(shù)和附著系數(shù)車道配置參數(shù)包括車道數(shù)量、每條車道的寬度、車道間的分隔線類型及間距等，以反映不同道路結構對車輛行駛安全性和效率的影響。車道配置參數(shù)在軟件的設置菜單中，選擇“車道參數(shù)”選項，通過調整“中心偏移”、“跟馳后端”、“寬度”和“類型”等參數(shù)，可以實現(xiàn)讓車輛更靠近中心線行駛或保持一定距離與前車的效果。路網建模方法——道路參數(shù)設置名稱數(shù)值位置050100150偏移量0m5m-5m5m道路中心偏移參數(shù)移指道路中心線相對于某一參照物（比如地理坐標軸）的位置偏移量，用于構建非對稱或非正交的路網布局。道路前驅后繼參數(shù)道路前驅后繼參數(shù)描述了道路之間的連接關系，如一條道路結束后緊接的是哪條道路，這對于構建連續(xù)行駛場景、實現(xiàn)仿真過程中車輛從一個路段平滑過渡到另一個路段至關重要。參數(shù)值簡介類型String前驅或者后繼道路的類型ID前驅或者后繼道路的ID道路中心偏移設置界面如圖所示，可以通過調整這些選項來改變車輛在車道上的行為。例如，如果用戶將“中心偏移”設為較大的數(shù)值，那么車輛將會偏離中心線行駛。如圖所示，選中ID=5的道路，該條道路的前驅是ID=3的路，后繼是ID=4的路。前驅后繼可能是路，也可能是路口。如果用戶將“前驅后輪”設為較小的數(shù)值，那么車輛將會更加穩(wěn)定地行駛。仿真場景建模

通過采用精確的物理建模、高效和高精度的數(shù)值仿真以及高仿真的圖像渲染等相結合的方法，構建出滿足不同應用需求的數(shù)字化場景和場景庫，為機器學習在智能駕駛感知和軌跡決策規(guī)劃應用提供了大量帶標注的數(shù)據(jù)支持，實現(xiàn)智能駕駛汽車全天候、全工況的自動化測試、驗證和評價。OpenSCENARIO場景標準

為驗證智能駕駛汽車或高級駕駛輔助系統(tǒng)的正確功能，使用ASAMOpenSCENARIO創(chuàng)建描述智能駕駛汽車以及環(huán)境中其他參與者或實體行為的場景。OpenSCENARIO是一種用于描述動態(tài)場景的數(shù)據(jù)格式，按XML格式編寫，文件擴展名為.xosc，OpenSCENARIO的文件結構分為三個部分：RoadNetwork、Entity和Storyboard。內容描述RoadNetwork對場景運行的道路進行說明Entity描述場景參與者的參數(shù)，包括車輛、行人和樹木、路燈等物體的具體參數(shù)信息Storyboard描述參與者的行為，包括參與者的初始狀態(tài)和運行過程中的行為變化Init:位置、朝向和速度等Story:描述哪個參與者在什么時間發(fā)生了什么行為場景創(chuàng)建實例在打開場景編輯器之前，需要在車輛庫中選擇合適的車輛拖拽到該工程的“車輛”欄下，否則消息窗口中會出現(xiàn)錯誤信息，注意工程內車輛不允許同名。01創(chuàng)建場景02打開場景編輯器場景必須依附于道路，因此在建立新的場景前需要準備好道路地圖，將場景建立在對應的道路節(jié)點下。

右鍵單擊場景節(jié)點，選擇“編輯場景”，即可打開場景編輯器對當前場景進行編輯；或者雙擊想要編輯的場景節(jié)點，直接彈出場景編輯器。

在打開場景編輯器時，系統(tǒng)會判斷是否已經打開了場景編輯器或者道路編輯器，兩者不允許同時打開。場景的命名必須以字母開頭，只能包含數(shù)字、下劃線和字母，且不能與同一道路下的其他場景同名，否則會出現(xiàn)“該場景已經存在”的錯誤信息。場景創(chuàng)建實例場景編輯器123區(qū)域1的工具欄中包含保存工程、添加車輛等功能選項選項功能創(chuàng)建車輛選中后，鼠標呈現(xiàn)車輛圖標，點擊道路相關位置添加車輛創(chuàng)建行人選中后，鼠標呈現(xiàn)行人圖標，點擊道路相關位置添加行人創(chuàng)建物體選中后，鼠標呈現(xiàn)物體圖標，點擊道路相關位置添加障礙物等物體模型庫模型庫中內置了大量的車輛和駕駛員模型及對應參數(shù)隨機交通對是否啟用隨機交通及交通屬性進行配置環(huán)境配置對道路環(huán)境條件（摩擦系數(shù)）及天氣信息（光照、雨水等）進行配置交通燈配置對交通信號燈相位情況進行設置SCP編輯發(fā)送SCP指令進行場景控制動態(tài)監(jiān)測對場景內的實體狀態(tài)信息進行監(jiān)測選擇通過選擇按鈕，可以對實體進行移動等操作區(qū)域2的場景編輯區(qū)用于顯示道路和車輛相關信息，編輯車輛軌跡及路徑區(qū)域3的狀態(tài)欄顯示當前鼠標所在的位置（x,y坐標），當鼠標在場景編輯區(qū)內移動的時候，狀態(tài)欄也會隨之更新場景創(chuàng)建實例03.交通實體配置-添加車輛點擊車輛按鈕，將車輛放置在此前導入的道路車道上，如果車輛放置于道路空間外會引起報錯。在車輛配置窗口根據(jù)應用需求，對車輛信息、位置信息、行駛路線等配置進行更改。同樣的，可以根據(jù)應用需求對行人實體和物體進行創(chuàng)建和配置。

開啟隨機交通功能后，在中心實體的周圍生成隨機交通，其產生的范圍為圓形區(qū)域和橢圓形區(qū)域中間的深灰色區(qū)域，區(qū)域的參數(shù)將通過右側的交通屬性進行配置。隨機交通流場景創(chuàng)建實例04.車輛軌跡配置在車輛配置界面中的行駛路線一欄中對車輛的行駛軌跡進行配置，包括四種配置模式。1234隨機終點：車輛以當前所在的車道和位置為起點，隨機選擇一個位置作為軌跡終點，并規(guī)劃一條行駛路線。到達終點位置后，隨機選擇下一個終點開始運行指定目標終點：在地圖上選擇一個目標終點，并且設置到達目標點后車輛的行駛狀態(tài)，是選擇繼續(xù)行駛還是停止行駛沿指定軌跡：在場景下方右鍵不規(guī)則軌跡并選擇新建軌跡，在軌跡類型中選擇折線、螺旋線、B-樣條曲線三種類型進行軌跡繪制沿指定車道路線：選擇車道線，車輛沿該路線行駛。場景創(chuàng)建實例05.環(huán)境配置場景的環(huán)境狀態(tài)由環(huán)境配置界面進行設置，點擊環(huán)境配置按鈕將彈出環(huán)境配置界面，在界面中可以對場景的環(huán)境信息進行實時修改。環(huán)境配置完成后，在動畫演示中顯示配置的應用情況。場景中的交通信號燈由交通燈配置窗口進行控制，點擊交通燈配置，出現(xiàn)信號的配置界面。通過點擊不同的相位控制器，可以對交叉口信號燈的STOP、ATTENTION和GO三個信號時長進行配置，從而對相位配時情況進行設置。06.交通信號配置場景創(chuàng)建實例自動化創(chuàng)建場景通過定義場景參數(shù)、規(guī)則和約束，以及使用算法和模型來自動生成仿真環(huán)境，包括生成道路網絡、設置交通流量、添加障礙物和環(huán)境特征等。在Modelbase中，通過自動化測試序列去調用SCP指令和一些控制指令實現(xiàn)自動創(chuàng)建場景。SCP指令實例：車輛變速創(chuàng)建行人實體第四章

智能駕駛感知系統(tǒng)建模與仿真應用《ModelBase智能駕駛建模仿真與應用

》導讀本章講述了ModelBase中智能駕駛感知系統(tǒng)的相關內容。智能駕駛感知系統(tǒng)是自動駕駛汽車的關鍵部件，它通過多種傳感器來獲取車輛周圍環(huán)境的信息，以確保車輛可以準確感知并應對各種路況情況。本章主要介紹超聲波雷達、毫米波雷達、激光雷達和攝像頭這四種傳感器的工作原理及ModelBase軟件中的建模方法與仿真應用。

智能駕駛感知系統(tǒng)建模與仿真應用場景創(chuàng)建實例感知系統(tǒng)概述感知系統(tǒng)是指在智能汽車中用于感知和理解周圍環(huán)境的一系列傳感器和算法的集合。它的主要目標是通過獲取和分析環(huán)境信息，為下游規(guī)劃與控制模塊提供豐富的信息，是保障自動駕駛穩(wěn)定安全運行的至關重要一環(huán)。智能駕駛感知系統(tǒng)通常由多種傳感器組成，主要包括攝像頭、激光雷達、毫米波雷達、超聲波傳感器、慣性測量單元等。這些傳感器能夠以不同的方式感知周圍環(huán)境，例如獲取圖像、距離、速度、方向等信息。復雜環(huán)境下感知系統(tǒng)傳感器標定、數(shù)據(jù)配準、布設方案正常光照、雨雪霧、遮擋等復雜環(huán)境下多模態(tài)數(shù)據(jù)集采集與構建車輛群體跨視角融合感知、車路協(xié)同融合感知多模態(tài)傳感器深度學習模型與融合策略設計攝像頭激光雷達超聲波雷達毫米波雷達超聲波傳感器概述超聲波傳感器通過發(fā)射超聲波脈沖信號并接收反射回來的信號，精確測量目標物體與傳感器之間的距離和速度等信息，具有環(huán)境適應性好、靈敏度高等特點，被廣泛應用于智能駕駛和智能停車場及其子系統(tǒng)中.

01優(yōu)勢

02劣勢受天氣和環(huán)境影響較小，適用于多種天氣和道路環(huán)境條件；控制及后期維護成本低技術成熟，能夠與其他傳感器實現(xiàn)多傳感器融合單超聲波雷達測量范圍有限作為一種機械波，在高速運動和通過物體密集路段時，檢測精度會收到干擾超聲波傳感器的主要應用場景：速度和距離檢測自動駕駛避障系統(tǒng)制動輔助系統(tǒng)自動泊車系統(tǒng)智能停車場的車位引導系統(tǒng)超聲波傳感器的工作原理超聲波傳感器是指在壓電效應原理的基礎上，將電能與超聲波進行轉化，確保在發(fā)射超聲波的過程中，通過電能轉換有效發(fā)射，而在接收超聲波的時候，可以將超聲波振動信號轉換成電信號。超聲波傳感器結構由超聲波喇叭、接收器、用于處理影像和計時的芯片等零部件組成。（1）超聲波喇叭：通常是一個微小的電路板，它可以發(fā)出一定頻率的超聲波脈沖信號。（2）接收器：通常也是一個微小的電路板，它可以接收到反射回來的超聲波信號。（3）處理器：超聲波傳感器的處理器通常是一個微處理器或單片機，它可以將接收到的超聲波信號進行處理和分析，從而獲取目標物體的位置、距離等信息；（4）外殼：超聲波傳感器的外殼通常是一個塑料或金屬外殼，它可以保護傳感器內部的電路板和元器件不受外界干擾和損壞。超聲波傳感器利用振動頻率高于20kHz的機械波(超聲波)對前方障礙物進行探測。超聲波能被任何材質的障礙物所反射，并接收和放大障礙物反射的超聲波脈沖，將超聲波脈沖轉換成數(shù)字信號。處理器測量這些信號的時間和強度，從而確定目標物體的位置、距離等信息。超聲波傳感器的建模方法物理模型涉及到波的傳播、反射和干擾等物理過程，可以通過數(shù)學公式和物理定律描述。其適用于需要考慮傳感器和障礙物幾何形狀、材料屬性和位置等因素的場景。這些系統(tǒng)需要精確的物理模型來預測超聲波傳感器的輸出，以便控制車輛的運動和避免碰撞。統(tǒng)計模型是建立在實際測量數(shù)據(jù)基礎上的，通過采集大量超聲波傳感器測量數(shù)據(jù)來預測傳感器的輸出。這種模型可以利用機器學習算法，如線性回歸和支持向量機等。它考慮了傳感器測量誤差、障礙物形狀和位置分布等因素，適用于處理大量數(shù)據(jù)和預測傳感器輸出的場景。仿真模型是利用計算機模擬超聲波傳感器的工作原理和環(huán)境來預測傳感器的輸出。它采用計算流體力學（CFD）和有限元分析（FEA）等方法進行建模和模擬，考慮傳感器和障礙物的幾何形狀、材料屬性和位置等因素。適用于虛擬試驗和優(yōu)化設計的場景。神經網絡模型是一種基于人工神經網絡的建模方法，通過訓練神經網絡來預測超聲波傳感器的輸出。該模型適用于處理非線性關系和復雜數(shù)據(jù)的場景這些算法能夠處理傳感器的非線性關系和復雜數(shù)據(jù)，以預測傳感器的輸出和識別障礙物。物理模型統(tǒng)計模型超聲波傳感器的建模方法主要可分為物理模型、統(tǒng)計模型、仿真模型和神經網絡模型四種。仿真模型神經網絡模型超聲波傳感器仿真應用ModelBase軟件中，可以在仿真環(huán)境中添加各種傳感器來監(jiān)測車輛周圍的環(huán)境，這些傳感器可以幫助更好地理解車輛在不同情況下的行為和性能。在官方傳感器庫中，設計了幾種傳感器的配置界面，可以直接在此基礎上添加超聲波傳感器，也可以新建傳感器方案并重新添加。ModelBase軟件中超聲波傳感器的部分參數(shù)如右圖所示。IO變量名單位模塊描述ID-Object物體IDValID_Flag-Object物體是否有效:-99無效，1有效Type-Object物體類型:0:car(汽車)，1:van(小型貨車)，2:truck(卡車)，3:trailer(掛車)，4:semitrailer(半拖車)，5:bus(公交)，6:motorbike(摩托車)，7:bicycle(自行車);10:Man(行人);20:場景障礙物;26:Manhole(井蓋),27:交通標識牌Near_XPosmObject最近點x坐標Near_YPosmObject最近點y坐標Near_ZPosmObject最近點z坐標LengthmObject長度WIDthmObject寬度HeightmObject高度Angle_YawradObject航向角Angle_PitchradObject俯仰角Angle_RollradObject側傾角Center_XPosmObject中心點x坐標（幾何中心）Center_YPosmObject中心點y坐標（幾何中心）Center_ZPosmObject中心點z坐標（幾何中心）ID-ParkSlot物體IDValID_Flag-ParkSlot物體是否有效:-99無效，1有效Type-ParkSlot物體類型毫米波雷達概述毫米波雷達是指工作在毫米波波段探測的雷達，其與普通雷達具有相似的工作原理，通過發(fā)射無線電信號并接受反射信號測定與物體間的距離。毫米波頻段介于微波和厘米波之間，從而兼具有微波雷達和光電雷達的一些優(yōu)點，非常適合于智能駕駛汽車領域的應用。毫米波雷達作為主要傳感器的智能駕駛方案具有以下優(yōu)勢：1.信號穿透能力強2.縱向目標距離和速度探測能力突出3.對靜態(tài)和動態(tài)物體均能高精度檢測，適用于全天候全天時工作將毫米波雷達作為主要傳感器的智能駕駛方案具有以下劣勢：1.無法成像和進行顏色識別2.對高處物體和小物體檢測效果不佳，探測距離近且垂直角度受限，還可能出現(xiàn)天線間存在信號干擾等情況目前主流的毫米波主要集中在24GHz和77GHz區(qū)間，由于頻段的不同，其擁有著不同的應用場景：24GHz：通常用于感知車輛周圍的障礙物，為換道決策提供感知信息，其能夠實現(xiàn)的ADAS功能有盲點監(jiān)測、變道輔助等77GHz：常被安裝在前保險杠上，正對汽車的行駛方向，能夠用于實現(xiàn)緊急制動、高速公路跟車等ADAS功能。毫米波雷達的工作原理01主要用于發(fā)射和接收毫米波。由于毫米波波長只有幾個毫米，而天線長度為波長1/4時，天線的發(fā)射和接收轉換效率最高，因此天線尺寸可以做的很小，同時還可以使用多根天線來構成陣列。天線02是毫米波雷達的核心部分，主要負責毫米波信號的調制、發(fā)射、接收以及回波信號的解調，常采用單片微波集成電路（MonolithicMicrowaveIntegratedCircuit）。其屬于半導體集成電路的一種技術，它包括多種功能電路，如低噪聲放大器（LNA）、功率放大器、混頻器、檢波器、調制器、壓控振蕩器(VCO)、移相器、包括收發(fā)系統(tǒng)中的發(fā)送(TX)和接收(RX)射頻(RF)組件，以及時鐘等模擬組件和一系列數(shù)字組件，能降低系統(tǒng)尺寸、功率和成本，還能嵌入更多的功能。前端收發(fā)組件MMIC03通過芯片嵌入不同的算法，對信號進行處理，實現(xiàn)對探測目標的分類識別。信號處理器以及算法毫米波雷達的主要由收發(fā)天線、前端收發(fā)組件、信號處理器及算法三個部分組成，各部分主要承擔工作如下：車載毫米波雷達通過天線發(fā)射毫米波，接收目標反射信號，經后方處理后快速準確地獲取汽車車身周圍的物理環(huán)境信息，然后根據(jù)所探知的物體信息進行目標追蹤和識別分類,進而結合車身動態(tài)信息進行數(shù)據(jù)融合，最終通過電子控制單元(ECU)進行智能處理。經合理決策后，以聲、光及觸覺等多種方式告知或警告駕駛員,或及時對汽車做出主動干預。毫米波雷達的建模方法幾何模型中，雷達對周圍場景的探測是通過不斷剔除場景中的目標物體特征點，從而留下被雷達“照射”到的點集的過程。雷達會將場景中的目標物體抽象為包圍盒，并使用一系列預先定義的特征點集來表示。然后，雷達將發(fā)射電磁波波束，形成一個視錐，與目標物體的包圍盒在空間中進行相交判斷。毫米波雷達建模方法主要分為幾何模型與物理模型兩大類：物理模型反映了基于電磁學的天線波束模型，包括電磁波的傳播和散射過程。通常采用光學方法來處理電磁波，以簡化電磁場的計算，并更加準確地反映電磁波的工作特性。在實際環(huán)境中，雷達從產生電磁波到最終處理得出目標信息的過程中，存在許多不理想因素，如RF損耗、雜波干擾、量化噪聲等。毫米雷達傳感器仿真應用Modelbase軟件毫米波雷達的設置與其他傳感器類似，毫米波雷達的相關參數(shù)組件和設置位于Project欄下的傳感器設置界面中。對于物體檢測，主要是通過定位車輛所在的位置以及目標檢測區(qū)域，隨后通過遍歷的方式篩選范圍內的物體，檢測過程中涉及坐標系轉換技術和物體boundingbox計算，最后通過IO接口輸出信息；而對于車道線檢測，主要是通過定位車道以及車輛在車道中的具體位置，隨后沿車道向后搜索目標距離，獲取本車道左右車道線的軌跡點，通過坐標系轉換和多項式擬合得到參數(shù)，最后利用IO接口輸出信息。IO變量名單位模塊描述ID-Object物體IDValID_Flag-Object物體是否有效：-99無效，1有效Type-Object物體類型：0：car（汽車），1：van（小型貨車），2：truck（卡車），3：trailer（掛車），4：semitrailer（半拖車），5：bus（公交），6：motorbike（摩托車），7：bicycle（自行車）；10：Man（行人）；20：場景障礙物；26：Manhole（井蓋），27：交通標識牌；Motion_State-Object運動狀態(tài)：0未知，1靜止，2停止，3運動，4迎面而來，5橫穿靜止，6橫穿移動Ref_Xpos

mObject參考點x坐標（參考點：傳感器與Object中心的連線與Object外邊框的交點）Ref_YposmObject參考點y坐標Ref_ZposmObject參考點z坐標Near_XposmObject最近點x坐標Near_YposmObject最近點y坐標Near_ZposmObject最近點z坐標Left_XposmObject最左點x坐標Left_YposmObject最左點y坐標Left_ZposmObject最左點z坐標Right_XposmObject最右點x坐標Right_YposmObject最右點y坐標Right_ZposmObject最右點z坐標4.4激光雷達概述激光雷達(LightDetectionandRanging，Lidar)是智能駕駛領域中廣泛應用的一種傳感器技術，它通過高密度采樣環(huán)境生成包含大量點的點云數(shù)據(jù)，提供周圍環(huán)境的三維空間信息，包括物體的形狀、輪廓和表面特征等，精確地感知和識別周圍的車輛、行人、障礙物等物體，為智能駕駛車輛的決策和控制提供準確的數(shù)據(jù)支持。4.4激光雷達激光雷達模型的核心是光線追蹤算法，根據(jù)激光雷達的參數(shù)配置以及車輛的運動狀態(tài)，可以計算出每根光線的位置和方位角，激光射出后會和周圍的物體發(fā)生碰撞，通過計算碰撞點，我們可以得到這根光線返回的信息。不同物體表面特性不同，如果遇到物體回波強度太弱，會進一步計算折射強度和反射強度，當折射強度或者反射強度超出閾值，激光會存在明顯反射或折射，激光雷達模型會計算反射或折射光線的起始點和方位角，進一步計算反射光線或折射光線與3D場景中物體的碰撞。當前市場上激光雷達線束都比較多，分辨率也比較高，一個激光雷達模型的計算量非常龐大，為了滿足實時仿真需求，需要采用CPU+GPU混合計算的方法，激光模型的初始化和后處理都在CPU中運行，激光雷達單個線束的計算主要是在GPU中進行。4.4.1工作原理4.4激光雷達4.4.2建模方法激光雷達利用激光束的發(fā)射和接收，可以返回大量的數(shù)據(jù)值，光線對其幾乎沒有影響，可以不分白天黑夜的工作，同時，激光雷達具有很高的角度分辨率與測距精度，在智能駕駛汽車中可以實現(xiàn)目標的檢測、識別、分類與跟蹤等需求。02車載激光雷達系統(tǒng)具有慣性導航系統(tǒng)IMU和衛(wèi)星導航系統(tǒng)GPS，通過兩個系統(tǒng)協(xié)調工作。在進行掃描工作時，可以實時獲取激光掃描儀的姿態(tài)、位置數(shù)據(jù)所以不需要進行站點拼接配準工作。為了使各個數(shù)據(jù)在同一坐標系內，需要進行坐標解算，從而獲取各個坐標系統(tǒng)下的大地坐標。數(shù)據(jù)配準04將高清數(shù)碼相機拍攝的被測地物的圖像與激光雷達系統(tǒng)獲取的點云數(shù)據(jù)重建的三維模型進行融合，從而使最后得到的完整三維模型更加形象逼真。重建后的三維模型不含有顏色信息，導致模型與真實地物不完全一致，通過紋理映射，我們可以對模型賦予相應真實地物的顏色，使模型更直觀和真實。紋理映射01運用激光掃描儀和高清數(shù)碼相機對被測物進行掃描、拍攝，獲取被測物的三維坐標信息及紋理信息。在汽車行駛過程中進行掃描，不可避免的掃描到街道、植被信息，這些信息對建筑物信息造成遮擋，導致建筑物信息缺失，在后期三維重構時，需要對缺失信息進行填補處理。數(shù)據(jù)掃描03對于車載激光雷達系統(tǒng)，由于掃描范圍巨大不可避免的獲取的點云數(shù)據(jù)中含有部分雜點，在進行模型三維重構之前要對點云數(shù)據(jù)進行濾波處理從而去除這些雜亂點，提高后期建模精度。機載激光雷達系統(tǒng)獲取的點云是被測物頂部信息，通常對其點云數(shù)據(jù)構建TIN不規(guī)則三角網，提取出被測物頂部信息，將頂部信息延伸至地面，從而獲取完整的三維模型。模型重建4.4激光雷達4.4.3仿真應用

在智能駕駛仿真軟件中，激光雷達是一個關鍵的傳感器模塊，用于模擬車輛上的環(huán)境感知系統(tǒng)。下面將以ModelBase軟件為例，激光雷達在智能駕駛仿真軟件中的應用、部署設置、輸出數(shù)據(jù)和可視化效果的詳細介紹如下：多傳感器標定環(huán)境感知因為激光雷達識別出來的物體是在激光雷達坐標系下的位置,所以需要標定的外參來得到障礙物在車體坐標系下的位置,以便規(guī)劃模塊做出決策。激光雷達通過激光掃描可以得到汽車周圍環(huán)境的三維模型，加以算法的加持，可以通過比對上下幀的環(huán)境變化較為容易的探測出周圍的障礙物，并進行檢測、分類和跟蹤。激光雷達可以通過掃描得到的點云數(shù)據(jù)實現(xiàn)同步創(chuàng)建地圖信息。激光雷達有著穩(wěn)定，受光照影響小的優(yōu)勢，這就形成了定位和地圖創(chuàng)建的精度高。SLAM加強定位常見應用包括：4.4激光雷達4.4.3仿真應用部署設置：以ModelBase為例，激光雷達的類別包括機械式激光雷達和固態(tài)激光雷達。選擇ModelBase中左側傳感器庫，在官方庫中選擇所需的傳感器。在傳感器編輯界面中，新建激光雷達的時候可以選擇激光雷達類型，不同激光雷達的參數(shù)略有不同，其中機械式激光雷達的參數(shù)最全面，相較固態(tài)激光雷達增添了水平FOV和水平分辨率兩個參數(shù)，下面以機械式激光雷達為例介紹各個部署參數(shù)的含義。激光雷達位置參數(shù)設置界面如下圖所示：4.4激光雷達4.4.3仿真應用1.基本信息。傳感器模塊基本信息如表4-4所示。2.探測參數(shù)?？梢愿鶕?jù)真實激光雷達的參數(shù)來設置仿真激光雷達的視野角度和視野范圍，模擬激光雷達的硬件特性,以適應不同的場景需求。激光雷達傳感器探測參數(shù)信息如表4-5所示。名稱簡介傳感器啟用狀態(tài)當前傳感器是否啟用名稱傳感器的名字ID傳感器類型_ID組成的唯一標示表4-4激光雷達傳感器模塊基本信息名稱簡介最遠探測距離（m）雷達最遠能探測的距離最近探測距離（m）雷達最近能看到的距離掃描頻率（Hz）雷達轉速，10Hz就是一秒轉10圈水平FOV(°)水平方向上可以觀測的角度范圍水平分辨率(°)水平方向上掃描的點數(shù)和激光雷達的掃描頻率有一定的關系，掃描越快則點數(shù)會相對較少。一般這個參數(shù)也被稱為水平分辨率光線角度雷達在垂直方向上具有多個發(fā)射器和接收器，通過電機的旋轉，獲得多條線束表4-5激光雷達傳感器探測參數(shù)信息4.4激光雷達4.4.3仿真應用3.傳感器安裝位置。可以設置激光雷達的安裝位置和朝向，模擬車輛/路側的實際激光雷達安裝位置，激光雷達傳感器安裝位置參數(shù)如表4-6所示。4.通訊設置。激光雷達傳感器通訊設置如表4-7所示。5.抖動。激光雷達傳感器抖動參數(shù)如表4-8所示。名稱簡介udp簡單的面向消息的傳輸層協(xié)議，盡管udp提供標頭和有效負載的完整性驗證（通過校驗和），但它不保證向上層協(xié)議提供消息傳遞，并且udp層在發(fā)送后不會保留udp消息的狀態(tài)。共享內存用于保存接收到的要等待處理的數(shù)據(jù)，對存儲器進行緩存。本機IP前三位要與激光雷達IP地址一致目標主機IP激光雷達的IP地址端口號傳感器的端口號表4-7激光雷達傳感器通訊設置名稱簡介關聯(lián)車輛該傳感器是否安裝在車上，通常做智能駕駛仿真時，傳感器都是安裝在主車上的。如果是V2X仿真，傳感器可能不是安裝在車上。x（車體/大地坐標系）車體坐標系或者大地坐標系下的x坐標。當傳感器安裝在車輛上，需要配置傳感器在車體坐標系下的坐標值（x、y、z）和姿態(tài)角（橫擺角、俯仰角、側傾角）。當傳感器沒有安裝在車輛上時，需要配置傳感器在大地坐標系下的坐標值和姿態(tài)角。車體坐標系的原點在前軸中心，在駕駛員視角下，x朝前，y朝左，z朝上。y（車體/大地坐標系）車體坐標系或者大地坐標系下的y坐標z（車體/大地坐標系）車體坐標系或者大地坐標系下的z坐標h（車體/大地坐標系）車體坐標系或者大地坐標系下的橫擺角p（車體/大地坐標系）車體坐標系或者大地坐標系下的俯仰角r（車體/大地坐標系）車體坐標系或者大地坐標系下的側傾角表4-6激光雷達傳感器安裝位置參數(shù)名稱簡介測量抖動距離（m）采集一幀數(shù)據(jù)起始點時的雷達原點位置，和采集一幀數(shù)據(jù)終止點時的雷達原點位置，出現(xiàn)了位移水平抖動（m）水平方向的位移表4-8激光雷達傳感器抖動參數(shù)4.4激光雷達輸出數(shù)據(jù)與可視化效果:激光雷達掃描儀提供的傳感器數(shù)據(jù)表示為3D點云，其中每個點對應于單個激光雷達光束的測量值。每個點都由(x,y,z)中的坐標和其它屬性來描述，例如反射激光脈沖的強度，甚至是由物體邊界處的部分反射引起的二次回波。激光點云指的是由三維激光雷達設備掃描得到的空間點的數(shù)據(jù)集，每一個點云都包含了三維坐標(x,y,z)和激光反射強度（Intensity），其中強度信息會與目標物表面材質與粗糙度、激光入射角度、激光波長以及激光雷達的能量密度有關。表示激光雷達掃描的另一種形式是深度圖像。該數(shù)據(jù)結構將3D點保存為掃描環(huán)境的360度“照片”，其中行維度表示激光束的仰角，列維度表示方位角。隨著圍繞z軸的每次增量旋轉，激光雷達傳感器會返回許多距離和強度測量值，然后將其存儲在深度圖像的相應單元中。4.4激光雷達輸出數(shù)據(jù)與可視化效果:ModelBase目前主要通過共享內存輸出，輸出的信息是一系列點云信息，每個點的信息包含：參數(shù)名稱單位大小說明備注pos-Lsr_num*4*3byte點云位置信息，包含x、y、zLsr_num:激光數(shù)量，pos是一個包含所有點坐標的列表m_azimuth-Lsr_num*4byte點云水平方向角信息m_azimuth是一個列表，包含所有點水平方向角信息m_vertical_angle-Lsr_num*4byte點云垂直方向角信息m_vertical_angle是一個列表，包含所有點垂直方向角信息m_instense-Lsr_num*4byte點云強度信息m_instense是一個列表，包含所有點強度信息m_distence-Lsr_num*4byte點云距離信息m_distence是一個列表，包含所有點距離信息攝像頭概述攝像頭作為最接近“人眼識別”原理的環(huán)境感知傳感器，能夠通過捕捉車輛周圍的視覺信息，提取物體幾何特征、表面紋理等信息，通過算法提供對道路、交通標志標線、行人、車輛和其他障礙物的實時觀察和檢測。攝像頭在智能駕駛中的主要作用可以總結為：實時感知目標識別與分類障礙物檢測車內駕駛員監(jiān)控（疲勞檢測）輔助類功能（360環(huán)視，低速近距離感知，倒車影像）攝像頭作為主要傳感器的智能駕駛方案具有以下優(yōu)勢信息豐富直觀；多功能性；成本相對較低，且技術相對成熟，

容易集成到智能駕駛系統(tǒng)中。有限的感知范圍；對環(huán)境條件敏感；難以處理復雜場景的挑戰(zhàn)。將攝像頭作為主要傳感器的智能駕駛方案具有以下劣勢攝像頭的工作原理車載攝像頭主要的硬件結構包括光學鏡頭（其中包含光學鏡片、濾光片、保護膜等）、圖像傳感器、數(shù)字信號處理器DSP、串行器、連接器等器件。核心部件為：光學鏡頭：負責聚焦光線圖像傳感器：將感光面上的光像轉換為與光像成相應比例關系的電信號數(shù)字信號處理器：完成圖像圖傳感器輸入的圖像視頻源RAW格式數(shù)據(jù)的前處理攝像頭的工作原理類似人眼，通過光學成像將環(huán)境中的光線轉換為電信號，并利用圖像傳感器和信號處理技術將信號轉化為數(shù)字圖像或視頻。攝像頭建模方法目前攝像頭在智能駕駛領域的視覺任務包括目標檢測、語義分割、目標追蹤等。目標檢測，指給定任意圖像和預定義的目標類別列表，輸出圖像中存在的實例的類別標簽和置信度分數(shù)，并返回邊界框形式的每個目標的位置坐標。目標追蹤，指利用視頻或圖像序列的上下文信息，對目標的外觀和運動信息進行建模，從而對目標運動狀態(tài)進行預測并標定目標的位置。語義分割，指將圖像分割為若干個有意義的圖像區(qū)域，為不同圖像區(qū)域分配特定的標簽，最終得到帶有像素級語義標注的分割圖像。攝像頭建模方法攝像頭根據(jù)不同視覺任務，相關的建模方法和算法如下：傳統(tǒng)的語義分割，多采用顏色和紋理等一系列特征較為簡單的低級特征來完成分割任務。為了應對圖像分割場景日益復雜化的挑戰(zhàn)，主流逐漸轉向分割能力更強的深度學習方案：傳統(tǒng)的目標跟蹤算法多采用濾波方式來進行目標外觀和運動狀態(tài)的學習，有效的應對簡單的跟蹤場景，且跟蹤速度快，但對跟蹤場景的變化較為敏感。深度學習提取的特征擁有更豐富的信息，能更好的表征目標：傳統(tǒng)的目標檢測算法通常是基于滑動窗口選擇手工特征進行檢測，時間復雜度高，且對于多樣性變化的魯棒性差，難以應對復雜環(huán)境，而基于深度學習的算法以其在精度和速度方面的突出優(yōu)勢成為主流：傳統(tǒng)方法：光流法、卡爾曼濾波、粒子濾波、均值漂移等深度學習/深度學習與濾波結合：包括SiamFC、MDNet、DeepSORT、CenterTrack等基于深度學習方法：包括FCN、U-Net、DeepLab、transformer等傳統(tǒng)方法：基于閥值、基于邊緣、基于聚類的分割方法等傳統(tǒng)方法：包括VJ、HOG、DPM等經典算法深度學習單階段：Yolo系列、SSD、RetinaNet等兩階段：RCNN及其變種FastRCNN、FasterRCNN等攝像頭仿真應用以ModelBase為例，攝像頭的類別包括普通攝像頭、廣角攝像頭、魚眼攝像頭。選擇ModelBase中Project列表里傳感器，右鍵點擊新建傳感器。在傳感器編輯界面中，新建攝像頭的時候可以選擇攝像頭類型，不同攝像頭的參數(shù)略有不同，其中魚眼攝像頭的參數(shù)最全面，涵蓋普通攝像頭和廣角攝像頭的參數(shù)。基本信息名稱簡介傳感器啟用狀態(tài)當前傳感器是否啟用名稱傳感器的名字ID傳感器類型_ID組成的唯一標示視野范圍名稱簡介垂直FOV(°)相機看到的垂直角度水平FOV(°)相機看到的水平角度最遠探測距離（m）相機最遠能看到的距離最近探測距離（m）相機最近能看到的距離車載攝像頭的基本信息根據(jù)真實攝像頭的參數(shù)來設置仿真攝像頭的視野角度和視野范圍，模擬攝像頭的不同光學特性，以適應不同的場景需求。攝像頭仿真應用名稱簡介關聯(lián)車輛該傳感器是否安裝在車上，通常做智能駕駛仿真時，傳感器都是安裝在主車上的。如果是V2X仿真，傳感器可能不是安裝在車上。X（車體/大地坐標系）車體坐標系或者大地坐標系下的x坐標。當傳感器安裝在車輛上，需要配置傳感器在車體坐標系下的坐標值（x、y、z）和姿態(tài)角（橫擺角、俯仰角、側傾角）。當傳感器沒有安裝在車輛上時，需要配置傳感器在大地坐標系下的坐標值和姿態(tài)角。車體坐標系的原點在前軸中心，在駕駛員視角下，x朝前，y朝左，z朝上。y（車體/大地坐標系）車體坐標系或者大地坐標系下的y坐標z（車體/大地坐標系）車體坐標系或者大地坐標系下的z坐標h（車體/大地坐標系）車體坐標系或者大地坐標系下的橫擺角p（車體/大地坐標系）車體坐標系或者大地坐標系下的俯仰角r（車體/大地坐標系）車體坐標系或者大地坐標系下的側傾角車載攝像頭在軟件中屏幕的布局窗口布局名稱簡介激活全屏攝像頭的動畫窗口是否進入全屏模式起點x屏幕坐標系下，動畫窗口左上角的x坐標。屏幕坐標系原點位于主屏幕的左上角，x坐標向右增加，y坐標從上到下增加起點y屏幕坐標系下，動畫窗口左上角的y坐標寬度攝像頭動畫在窗口模式下的寬度。為了保證顯示效果，激活全屏時推薦設置成和顯示器分辨率相同的寬度高度攝像頭動畫在窗口模式下的寬度。為了保證顯示效果，激活全屏時推薦設置成和顯示器分辨率相同的高度安裝位置設置攝像頭的安裝位置和朝向，模擬車輛/路側的實際攝像頭安裝位置，例如前置攝像頭、后置攝像頭、側置攝像頭、路側攝像頭等.攝像頭仿真應用名稱簡介像元大小每個像素的尺寸，可來源于提供的真實攝像頭參數(shù)列表天空盒尺寸（魚眼特有）魚眼攝像頭采樣使用的立方體盒大小，該值影響圖像的清晰程度，值越大，生成的圖像越清晰，但是攝像頭消耗的資源越多以設置攝像頭的分辨率，以控制圖像輸出的清晰度輸出像素名稱簡介圖像輸出的寬度攝像頭的輸出圖像的寬度圖像輸出的高度攝像頭的輸出圖像的高度名稱簡介??1???9畸變數(shù)學模型????(??)中的參數(shù)??1???10數(shù)學模型θ(r)中的參數(shù)導入參數(shù)文件選擇攝像頭的畸變參數(shù)文件，自動生成數(shù)學模型中所需要的參數(shù)值畸變參數(shù)由于魚眼攝像頭會產生畸變，需要矯正參數(shù)。畸變參數(shù)文件的格式為.csv文件，其中數(shù)據(jù)格式如下圖：可以看出兩列必須的數(shù)據(jù)入射角、像高，名稱必須是Angle(deg)、RealHeight顯示器分辨率相同的高度畸變參數(shù)文件車載攝像頭圖像畸變其他攝像頭仿真應用總的來說，攝像頭在智能仿真軟件中扮演著模擬真實視覺傳感器的角色，幫助模擬和評估不同場景下的智能駕駛系統(tǒng)的視覺感知能力。此外，通過部署攝像頭的參數(shù)和使用相應的算法，后續(xù)還可以進行圖像處理標注和計算機視覺任務，并將結果可視化展示。這樣可以幫助開發(fā)者和研究人員在虛擬環(huán)境中測試和優(yōu)化智能駕駛感知相關的算法和系統(tǒng)。攝像頭輸出的圖像數(shù)據(jù)可以在仿真軟件中進行可視化展示，可以通過高清多媒體接口(HighDefinitionMultimediaInterface，HDMI)輸出。通常會在仿真界面的一個窗口中顯示攝像頭所觀察到的圖像內容，以便用戶觀察和分析?？梢酝ㄟ^實時顯示圖像來觀察目標檢測結果、車道線檢測結果等，幫助開發(fā)者和研究人員理解和評估智能駕駛系統(tǒng)的視覺感知性能。點擊ModelBase中的運行按鈕，即可通過已設置的攝像頭實現(xiàn)可視化仿真效果，不同位置車載攝像頭顯示效果如圖:輸出數(shù)據(jù)第五章?智能駕駛功能仿真應用《ModelBase智能駕駛建模仿真與應用

》導讀智能駕駛功能仿真是車輛智能駕駛功能開發(fā)及驗證的重要手段，可有效縮短智能駕駛功能開發(fā)周期和成本。本章詳細介紹智能駕駛仿真流程、各智能駕駛功能的建模和仿真實例。通過本章的學習，讀者深入了解常見的智能駕駛功能的工作原理，掌握智能駕駛功能的Model_x0002_Base建模仿真方法，為后續(xù)章節(jié)的聯(lián)合仿真奠定基礎。5.1?概述智能駕駛功能仿真是整個智能駕駛系統(tǒng)開發(fā)流程中的重要環(huán)節(jié)之一，其通過傳感器仿真、車輛動力學仿真、交通流仿真、數(shù)字仿真、駕駛場景構建等技術模擬實車道路測試環(huán)境，并在仿真中添加智能駕駛算法，從而搭建相對真實的駕駛場景，以實現(xiàn)對智能駕駛功能的虛擬仿真測試。5.2?前向碰撞預警系統(tǒng)前向碰撞預警（ForwardCollisionWarning，F(xiàn)CW）系統(tǒng)通過雷達或攝像頭實時監(jiān)測前方車輛，判斷本車與前車之間的距離、方位及相對速度，當系統(tǒng)判斷存在潛在碰撞危險時，將對駕駛者進行警告。FCW系統(tǒng)本身不會采取任何制動措施去避免碰撞或控制車輛。在不立即采取糾正措施，就很可能發(fā)生碰撞的情況下，有的車型前向碰撞預警系統(tǒng)會發(fā)出蜂鳴音，并在儀表板上以紅色高亮顯示前方車輛。以下是前向碰撞預警系統(tǒng)的使用場景及其具體功能。（1）使用場景為直道工況，車速為10～70km/h。（2）當主車與前車存在追尾風險時，前向碰撞預警系統(tǒng)通過預警方式提醒駕駛員進行制動。（3）前向碰撞預警系統(tǒng)的預警策略分級為一級預警和二級預警。（4）駕駛員可通過App進行前向碰撞預警系統(tǒng)功能的開啟和關閉操作。（5）當駕駛員通過大角度轉向或急打方向盤進行主動干預時，前向碰撞預警系統(tǒng)功能關閉；當駕駛員主動干預結束后，前向碰撞預警系統(tǒng)功能將會自動恢復。（6）當駕駛員打轉向燈準備轉彎時，前向碰撞預警系統(tǒng)功能關閉；當轉向燈關閉后，前向碰撞預警系統(tǒng)功能將會自動恢復。（7）在開啟雙閃的狀態(tài)下，前向碰撞預警系統(tǒng)功能關閉。5.2?前向碰撞預警系統(tǒng)5.2.1?系統(tǒng)建模前向碰撞預警系統(tǒng)建模的關鍵是如何確定碰撞時間（TimetoCollision,TTC），最早提出的碰撞時間只由自車與前車相對距離和自車與前車的相對速度計算獲得動態(tài)碰撞時間閾值為當TTC<Tthr時，需要觸發(fā)前向碰撞預警系統(tǒng)。5.2?前向碰撞預警系統(tǒng)5.2.2?仿真實例在ModelBase軟件中搭建對應的工況進行仿真測試。5.2?前向碰撞預警系統(tǒng)5.2.2?仿真實例在ModelBase軟件中搭建對應的工況進行仿真測試。050607085.3?自適應巡航控制系統(tǒng)自適應巡航控制（AdaptiveCruiseControl，ACC）系統(tǒng)是一種功能更為強大，適用場景更廣泛的巡航技術。它通過安裝在汽車前部的車距傳感器感知監(jiān)測前方道路的交通參與者情況，例如，自車和前車之間的相對距離超過安全距離時，它會采取相應操作控制汽車的行駛速度，如制動力矩、發(fā)動機節(jié)氣門開度等，避免交通事故發(fā)生，減輕駕駛的勞動強度，同時提高通行效率。通常ACC系統(tǒng)在控制汽車制動時，會將制動減速度控制在不影響乘車舒適性的范圍內，當需要更大的減速度時，ACC系統(tǒng)會發(fā)出預警信號以提醒駕駛員采取制動操作，以燃油汽車為例，自適應巡航控制系統(tǒng)主要由信息感知模塊、ECU、執(zhí)行控制模塊和人機交互模塊組成。5.3?自適應巡航控制系統(tǒng)5.3.1?系統(tǒng)建模（1/3）駕駛員啟動自適應巡航控制系統(tǒng)后，安裝在汽車前部的車距傳感器持續(xù)掃描汽車前方的道路狀況，同時輪速傳感器采集車速信號。如果主車前方沒有車輛或與前車距離很遠或主車速度很快，自適應巡航控制系統(tǒng)就會激活巡航控制模式，同時根據(jù)駕駛員設定的車速和輪速傳感器采集的主車速度自動調節(jié)節(jié)氣門開度或制動壓力，使主車達到設定的車速并巡航行駛；如果前車距離較近或主車速度很慢，自適應巡航控制系統(tǒng)就會激活跟隨控制模式，同時根據(jù)駕駛員設定的安全車距和輪速傳感器采集的主車速度計算出期望車距，并與車距傳感器采集的實際距離進行比較，自動調節(jié)節(jié)氣門開度或制動壓力，使汽車以一個安全車距穩(wěn)定地跟隨前車行駛。以燃油車為例，ACC系統(tǒng)的工作原理如圖所示。5.3?自適應巡航控制系統(tǒng)5.3.1?系統(tǒng)建模（2/3）為了適用更多工況，ACC還有減速控制、加速控制、停車控制、啟動控制模式，自適應巡航控制系統(tǒng)工作模式。5.3?自適應巡航控制系統(tǒng)5.3.1?系統(tǒng)建模（3/3）ACC系統(tǒng)工作時需要明確車輛的運動情況，因此需要建立合適的模型。首先根據(jù)縱向運動學構建車輛縱向運動學模型，之后根據(jù)自適應巡航控制系統(tǒng)的下層控制器進行逆縱向動力學系統(tǒng)建模。（1）構建車輛縱向運動學模型：（2）車輛逆縱向系統(tǒng)動力學建模1）驅動控制與逆發(fā)動機控制模型：2）制動控制與逆制動系統(tǒng)模型：5.3?自適應巡航控制系統(tǒng)5.3.2?仿真實例在ModelBase軟件中搭建對應的工況進行仿真測試。5.4?車道偏離

預警系統(tǒng)車道偏離預警系統(tǒng)（LaneDepartureWarningSystem，LDWS）通過車載攝像頭或傳感器技術識別車輛所在的車道線，并在車輛偏離車道線時發(fā)出警告，提醒駕駛員及時糾正車輛行駛方向，以防止意外事故的發(fā)生。LDWS已經成為了現(xiàn)代汽車上常見的安全輔助系統(tǒng)之一，被廣泛應用于高速公路、城市道路等多種路況下。普通工況：當車輛在規(guī)定的車道內行駛時，車道偏離預警系統(tǒng)對車道進行實時檢測，并在車輛偏離車道線時發(fā)出聲音或震動等提示，提醒駕駛員及時調整行駛方向。在這種情況下，車道偏離預警系統(tǒng)可以幫助駕駛員更好地掌控車輛，降低因疲勞或注意力不集中而導致車禍的風險。侵入警告工況：當車輛逐漸靠近車道線時，車道偏離預警系統(tǒng)發(fā)出警告，提醒駕駛員將車輛轉回規(guī)定的車道內。如果駕駛員不及時做出反應，車道偏離預警系統(tǒng)發(fā)出更強烈的警告，提醒駕駛員調整車輛行駛方向，避免發(fā)生意外事故。追車提示工況：當車輛行駛在高速公路或其他限速區(qū)域時，如果后車行駛速度高于前車，并且距離較近，車道偏離預警系統(tǒng)發(fā)出警告，提醒駕駛員需要注意后車，并注意調整車速或車道。5.4?車道偏離預警系統(tǒng)5.4.1?系統(tǒng)建模車道偏離預警系統(tǒng)的主要目標是預測車輛即將偏離車道時，提前給駕駛員發(fā)出警示信號，確保提前預警的同時還要減少誤警率。LDWS越早觸發(fā)警報，提供給駕駛員的糾正時間就越多，相反，越容易觸發(fā)誤警給駕駛員造成困擾。因此需要建立準確的數(shù)學模型，確定預警觸發(fā)時間。橫越車道線時間tLC可由以下公式計算獲得：5.4?車道偏離預警系統(tǒng)5.4.2?仿真實例在ModelBase軟件中搭建對應的工況進行仿真測試。5.4?車道偏離預警系統(tǒng)5.4.2?仿真實例在ModelBase軟件中搭建對應的工況進行仿真測試。5.5?車道保持系統(tǒng)車道保持系統(tǒng)（LaneKeepingSystem，LKS），是在車道偏離預警系統(tǒng)的基礎上發(fā)展而來，該系統(tǒng)不僅可以通過報警等方式提醒駕駛員注意，還可以輔助駕駛員實現(xiàn)對轉向和制動系統(tǒng)協(xié)調控制，糾正車輛在行駛過程中偏離所在車道的錯誤，保持車輛在本車道內行駛，減少交通事故的發(fā)生。5.5?車道保持