在2019年5月30日的年會上，中國首部自動駕駛仿真藍皮書《中國自動駕駛仿真技術研究報告（2019）》重磅發佈。
為推動智能網聯汽車技術進步和產業化進展、加強跨行業間的技術融合，第六屆國際智能網聯汽車技術年會於2019年5月29日在北京亦創國際會展中心盛大開幕，本屆年會圍繞汽車智能化與網聯化技術，聚焦智能網聯汽車產業化的挑戰，以及實踐路線和跨產業融合，深度討論環境感知與信息融合，智能決策與協調控制，開發與測試、人工智能、信息安全、高精地圖、車載高速網絡、車聯網技術在商用車領域的應用等等話題，有超過16場的專題討論，100多場的研究報告，4場技術發佈，同時還有近萬平米的技術展示和試乘試駕體驗等相關的活動。
大會上最值得注意的是，在2019年5月30日的年會上，中國首部自動駕駛仿真藍皮書《中國自動駕駛仿真技術研究報告（2019）》重磅發佈。此部自動駕駛仿真藍皮書是由51VR發起，由清華大學蘇州汽車研究院、廣汽研究院智能網聯技術研發中心、中國汽車技術研究中心智能汽車研究室暨汽車軟件測評中心、江蘇省智能網聯汽車創新中心、北京智能車聯產業創新中心、奇點汽車和當家移動綠色互聯網技術集團有限公司（51VR）聯合發佈。
《中國自動駕駛仿真測試技術研究報告（2019）》是目前為止第一部全面介紹中國自動駕駛仿真測試發展現狀的工具書，既結合了當前學術機構的前沿研究成果，又結合了領先企業的最新工程實踐，內容涵蓋自動駕駛仿真測試所有領域，包括：仿真測試市場需求分析、方法應用、搭建技術方案、軟件現狀、虛擬場景數據庫、示範區測試方法介紹、標準介紹、挑戰及發展趨勢八個部分，由自動駕駛仿真領域多位行業專家意見彙編而成。
自動駕駛系統的計算機仿真是自動駕駛車輛測試和試驗的基礎關鍵技術，也是未來行業定義自動駕駛車輛相關開發與准入技術標準的基礎工具。計算機仿真測試與真實物理測試互為補充，缺一不可。《2019 中國自動駕駛仿真技術藍皮書》是一部全面介紹中國自動駕駛仿真測試發展現狀的工具書。由當家移動綠色互聯網技術集團有限公司（51VR）聯合學術研究單位與企業，通過詳細收集並整理當前行業現狀，結合自動駕駛仿真領域多位行業專家意見彙編而成。藍皮書內容涵蓋仿真測試的意義、測試方法和作用、搭建技術方案、軟件現狀、虛擬場景數據庫、數據集、示範區測試方式介紹、仿真測試標準介紹、挑戰及發展趨勢等部分，旨在為從事自動駕駛系統仿真與測試評價工作的管理人員及科研人員提供及時詳細的技術參考。
智車科技整理了藍皮書的部分內容：（內容如有授權，請於我方聯繫）
自動駕駛仿真技術方法
自動駕駛的關鍵技術是環境感知技術和車輛控制技術，如圖 2-1 所示。其中環境感知技術是無人駕駛汽車行駛的基礎，車輛控制技術是無人駕駛汽車行駛的核心，包括決策規劃和控制執行兩個環節，這兩項技術相輔相成共同構成自動駕駛汽車的關鍵技術。自動駕駛的整個流程歸結起來有三個部分，首先，是通過雷達、激光雷達、攝像頭、車載網聯繫統等對外界的環境進行感知識別；然後，在融合多方面感知信息的基礎上，通過智能算法學習外界場景信息，預測場景中交通參與者的軌跡，規劃車輛運行軌跡，實現車輛擬人化控制融入交通流中；第三，跟蹤決策規劃的軌跡目標，控制車輛的油門、剎車和轉向等駕駛動作，調節車輛行駛速度、位置和方向等狀態，以保證汽車的安全性、操縱性和穩定性。無論是環境感知技術，還是車輛控制技術，自動駕駛都需要大量的算法支持，而算法研發本來就是個不斷迭代的過程，在算法不成熟的條件下，為了配合自動駕駛汽車的功能和性能開發，我們必須遵循從純模型的仿真，到半實物的仿真，到封閉場地和道路測試，並最終走向開放場地和道路測試這一開發流程。這一流程已經越來越被業內人士所認可。
仿真技術的基本原理是在仿真場景內，將真實控制器變成算法，結合傳感器仿真等技術，完成對算法的測試和驗證。NVIDIA 在自動駕駛相關論文中較為詳細的解釋了一種基於端到端深度學習原理的仿真測試，其主要過程如下：
1. 架構：設計深度卷積神經網絡(CNN)，包括標準化層，卷積層，全連接層，輸入為道路影像圖片，輸出為方向盤控制角度。
2. 訓練：仿真器根據之前準備好的由前置攝像頭拍攝的道路影像，每一幀圖片對應的人類司機操控方向盤的旋轉角度作為真實參考值，用於校正 CNN 的輸出角度，利用這些數據對 CNN 進行訓練，使輸出角度和真實角度的平均平方誤差到達最小。
3. 數據處理：對於每一幀圖片，隨機移動、翻轉、扭曲、遮擋、改變亮度等，並相應改變方向盤的真實角度，用於模擬汽車的不同位置和環境，以期達到正態分佈的仿真情境。
4. 測試：訓練好的 CNN 可以實時通過圖像輸出方向盤角度，可以直觀的看出汽車在仿真器道路上的行駛狀態。一個完整的自動駕駛仿真平臺，需要包括靜態場景還原、動態案例仿真、傳感器仿真、車輛動力學仿真、並行加速計算等功能，並能夠較為容易的接入自動駕駛感知和決策控制系統，如圖 2-2 所示。只有算法與仿真平臺緊密結合，才能形成一個閉環，達到持續迭代和優化的狀態。
自動駕駛仿真測試應用
在自動駕駛算法迭代初期，對於原理和軟件系統驗證的 SiL（Software in the Loop）據較為重要的地位。自動駕駛作為人工智能在汽車行業的應用領域，需要大量的數據集來訓練機器學習算法，主要是感知識別算法。目前，全球主流的自動駕駛測試數據集包括 Cityscapes、Imagenet（ILSVRC）、COCO、PASCALVOC、CIFAR、MNIST、KITTI、LFW 等。
仿真平臺除了藉助傳感器仿真、車輛動力學仿真，通過純軟件的方式接入自動駕駛感知和決策控制系統形成閉環測試之外，集成部分硬件系統的驗證測試也是系統開發與驗證不可或缺的一部分。通過仿真環境，結合部分硬件系統的計算結果進行測試，可以使軟件和硬件的兼容性和功能完整性得以驗證，用較低的成本測量驗證子系統模塊功能安全性，局部子系統的全方位測試驗證，可以方便有針對性的達到系統辨識和錯誤追蹤定位的目的。如圖 2-8 所示，在自動駕駛仿真系統解耦架構的基礎上，作為自動駕駛系統的感知部分，包括攝像頭、激光雷達、毫米波雷達、超聲波雷達、GPS/IMU、V2X 等，該部分的性能決定了自動駕駛車輛能否適應複雜多變的交通環境。針對不同的傳感器，HIL（硬件在環）會根據不同的傳感器和環境因素來部署。前面我們提到傳感器仿真中的物理信號仿真和原始信號仿真，都與 HIL 相關。
自動駕駛仿真測試的驗證與精度
虛擬環境的構建，我們可以通過採集激光點雲數據，建立高精度地圖。它的數據精度主要通過組合導航數據解算精度、點雲數據生成精度、數據採集精度等來保證。組合導航數據精度保證，採用專業軟件來處理，軟件具有 GPS 差分解算、POS 鬆組合解算、POS進組合解算、數據融合、數據平滑等功能，同時可以對數據精度的好壞進行預估。點雲數據生成精度，點雲數據生成前設備都經過精確的標定，為後期高精度激光點雲的生成提供保證。數據採集精度，專業的系統具有快速的自動提取功能，系統的自動提取功能包括兩個過程：一級模型提取和二級模型提取，一級模型是在對點雲進行構件提取、自動探面、探線、提取特徵線並矢量化的結果，二級模型是在一級模型提取的特徵面和特徵線的基礎上得到具有現實意義的實體，實現了分層分類和實體化，並且擁有幾何屬性，便於後期分析。
動態場景仿真，如果仿真源數據來自實際路採真實數據，那麼驗證手段較為直接，通過算法抽取重建的動態場景與原始採樣數據的高一致性是精度的保證。如果是智能體行為或者隨機交通流，驗證更多是從主觀感受出發，與現實行為越接近越好。針對天氣和氣候仿真，它的驗證手段也是儘可能地與現實接近。
傳感器仿真，在某些情況下，仿真場景需要真實的反映出環境的物理材質，比如摩擦力系數，空氣阻力，而對感知算法的研發，要求仿真環境達到照片級的渲染效果，同時儘可能地物理逼真。拿攝像頭物理仿真為例，為了改善虛擬物體的真實性，我們可以利用基於物理的渲染過程（Physically-Based-Rendering）中的基礎色（Base Color）、粗糙度（Roughness）、金屬度（Metallic）、鏡面反射（Specular）來對物體進行物理渲染。基礎色來定義材質的整體顏色，採用的是 RGB 三通道值，並且把每個通道值自動調節到0到1之間。Roughness 用來控制材質的粗糙度，粗糙材料比光滑材料在更多方向上散射反射光，這是反射的模糊或銳利產生的原因；粗糙度值為0（光滑）時為鏡面反射，粗糙度值為1（粗糙）為漫反射（或無光澤）表面。金屬度用來控制材質表面看起來是否像金屬，非金屬的金屬值為0，金屬的金屬值為1；對於純表面，例如純金屬，石材或塑料，此值將為0或1。鏡面反射用來調整材質反射光的能力，輸入值在0到1之間。經過Physically-Based-Rendering中的這四個屬性物理渲染後，使得我們虛擬出來的物體更加接近真實世界的物體，更加符合人眼視覺的感知。渲染的真實度，可以通過機器學習的方法或者純採樣算法來評估。
現有的仿真測試軟件現狀
現在的自動駕駛仿真系統的構成已經很複雜，各個仿真軟件都有各自的優勢和研發的重點，搭建一個完整的仿真系統也越來越需要多個軟件互相之間的配合。
典型的自動駕駛仿真平臺要包括：
1) 根據真實路網或高精地圖搭建或生成大規模虛擬場景的道路環境模塊。
2) 根據實際路側數據，或者是參數化交通模型生成測試場景的交通模塊。
3) 仿真各種傳感器，包括攝像頭，激光雷達，毫米波雷達，GPS，超聲波雷達，IMU 的模塊，既可以提供原始數據，也可以提供真值。
4) 車輛動力學模型，可以根據 ADAS 或者自動駕駛系統的輸入，結合路面特性對車輛本身進行仿真，完成閉環的測試。
5) 分佈式案例存儲和運行平臺，可以通過添加硬件的方式大幅提高自動駕駛測試的里程數。
6) 對接 ADAS 和自動駕駛系統的豐富的接口，以及和 ECU，傳感器進行 HIL測試的設備。
典型的自動駕駛仿真軟件包括傳統的動力學仿真軟件，也包括較新的來自於國內外初創公司的仿真產品，還有相關的用作交通仿真的商業軟件。CarSim、CarMaker、PreScan、PTV Vissim、SUMO、VIRESVTD、rFpro、Cognata、RightHook、Parallel Domain、51Sim-One、Pilot-D GaiA、Metamoto、ESI Pro-Sivic、NVIDIA Drive Constellation、PanoSim、AAI、AirSim、CARLA、LGSVL Simulator、百度 Apollo、Waymo Carcraft。
虛擬場景數據庫
構建場景庫需選取對自動駕駛具有挑戰性且在現實中有一定概率出現的場景。由於場景的統計學意義難以精確估算，往往很難有力說明場景庫與實際路測里程的確切關係。一些自動駕駛相關企業在構建虛擬場景庫方面進行了探索，例如：Mcity 提出了六步分析思路，主要是利用蒙特卡羅算法，減少日常駕駛中沒有發生事故的數據，用發生了危險事故的數據進行取代，實現人類駕駛員與自動駕駛車之間數據高頻率交互；中國汽車技術研究中心將仿真場景劃分為自然駕駛場景、危險工況場景、法律規範場景、參數重組場景四類，包括不同自然條件（天氣、光線等），不同道路類型（路面狀態、車道線類型等），不同交通參與者（車輛、行人位置速度等），不同環境類型（高速、小區、商場、鄉村等）在內的多類型虛擬仿真測試用例。目前，場景選取與場景庫構建還處於不斷探索的過程，可從以下方面持續開展研究：
1） 制定完善自動駕駛測試相關標準，指導測試工作與場景庫構建；
2） 對典型複雜交通場景進行採集入庫，例如主要城市、高速公路的擁堵與事故高發交叉口、路段，真實存在的複雜場景對自動駕駛測試有重要意義；
3） 對真實複雜靜態場景進行要素分析，泛化生成多類別的靜態測試場景；
4） 對真實複雜動態場景進行要素與行為分析，在交通宏觀參數，駕駛員決策，車輛行為等多層面上進行泛化，生成多類別的動態測試場景；
5） 完善虛擬測試場景的標註方法、重要度評價理論，從而實現更好的場景庫組織架構，以及針對某種測試需求的場景集快速生成。
自動駕駛仿真測試標準介紹
國家級自動駕駛道路測試標準：2018 年 4 月 12 日，工業和信息化部、公安部、交通運輸部聯合發佈了《智能網聯汽車道路測試管理規範（試行）》。該規範自 2018 年 5 月 1 日起開始施行。這是我國首個針對自動駕駛汽車測試的考核評價標準。根據規範中的解釋，規範中提到的智能網聯汽車指的是搭載先進的車載傳感器、控制器、執行器等裝置，並融合現代通信與網絡技術，實現車與 X（人、車、路、雲端等）智能信息交換、共享，具備複雜環境感知、智能決策、協同控制等功能，並最終可實現替代人來操作的新一代汽車，即通常意義上的智能汽車、自動駕駛汽車。這其中包括乘用車、商用車，但不包括低速汽車和摩托車。
中國自動駕駛仿真技術展望
計算機仿真與虛擬測試技術在自動駕駛研發過程中將發揮越來越重要的作用。並將推動自動駕駛技術早日實現商業化。未來具備信息高度共享化的智能網聯汽車與車聯網技術根本上組成了一個信息物理系統，仿真軟件也將在信息模型與物理模型兩個維度進行綜合仿真，對全系統進行完整的仿真。從模型到軟件，從軟件到硬件，從部件到系統，各層次都需要不斷深入的構建智能網聯汽車的知識模型，組成完整的知識技術體系。交通系統是人-車-路相互作用的系統，自動駕駛系統仿真技術的重點發展方向是提供接近真實的複雜動態環境，尤其對機動車，非機動車，行人等交通參與者的高度動態交互行為，對天氣與天光變化的仿真，並把上述動態交通要素按照不同的複雜程度進行重新組合。
自動駕駛汽車將在一個漫長的週期內逐步替代傳統汽車，必然形成傳統汽車與自動駕駛汽車混行的局面，研究人機交互將成為仿真技術研究的一個方向。智慧交通與車聯網技術使得自動駕駛的汽車與數字智能化道路進行有機融合，研究在交通系統下的車輛行為也是仿真技術的另一發展方向。未來，需要對自動駕駛車輛進行更多維度的測試與評價。首先可以對車輛駕駛的自治性進行評價。對車輛本身在一定外界條件下的行駛能力進行測試評價。其次可以對車輛參與交通的協調性做出測試與評定。根據其他的交通參與者的行為方式選擇自身用何種行為進行交互性迴應。這些測試與評價需要仿真技術提供更高維度的虛擬場景與評價體系。
未來，自動駕駛仿真技術會始終服務於法律法規。通過仿真評估交通事故的法律責任，幫助對交通行為進行管理和監管，對交通規則進行技術評估。自動駕駛仿真技術將服務於產品認證，通過仿真方法提供一個科學而全面的產品測試和審查方法。自動駕駛仿真技術還將協助建立一個全國範圍的通用型數據庫，其包含自動駕駛汽車工作的典型工況和邊緣案例，數據信息可與其他國家和地區共享，幫助行業進行跨地區的交叉認可，最終達到自動駕駛系統的技術普適性。
對於此次藍皮書的意義，成波教授表示：“國內自動駕駛仿真行業尚處於起步階段，但正在打破國外仿真軟件長期壟斷的狀況，此次藍皮書的發佈正是對中國原創仿真軟件崛起的一個階段性總結。”
北汽集團研究總院副院長兼新技術研究院院長孔凡忠說，“自動駕駛研發中，仿真技術必不可少，國內這一領域中，主機廠都是剛剛起步，相關研究主要集中在大學，51VR瞄準機遇進入這一領域，勢必會對推動智能網聯汽車的發展做出貢獻。”
江蘇省智能網聯汽車創新中心總經理戴一凡認為：“自動駕駛仿真測試是前期驗證的核心環節，現在的仿真軟件和系統，90%以上都是國外的，大到工業軟件體系，也是國外的，如果我們能做出自己的自動駕駛仿真軟件，符合中國消費者的習慣，會對汽車行業自主研發很有益處。”
最終，自動駕駛仿真測試將與實際道路測試相輔相成，共同促進我國汽車行業的進一步發展。
【歡迎大家提供行業新聞熱點，商業合作請聯繫：18562613430】
