精华内容
下载资源
问答
  • 自动驾驶工具箱™提供用于设计,模拟和测试ADAS和自动驾驶系统的算法和工具。 您可以设计和测试视觉和激光雷达感知系统,以及传感器融合,路径规划和车辆控制器。 可视化工具包括鸟瞰图和传感器覆盖范围,检测和轨迹...

    自动驾驶工具箱

    设计,模拟和测试ADAS和自动驾驶系统

    自动驾驶工具箱™提供用于设计,模拟和测试ADAS和自动驾驶系统的算法和工具。 您可以设计和测试视觉和激光雷达感知系统,以及传感器融合,路径规划和车辆控制器。 可视化工具包括鸟瞰图和传感器覆盖范围,检测和轨迹范围,以及视频,激光雷达和地图显示。 该工具箱使您可以导入和使用HERE HD Live Map数据和OpenDRIVE®道路网络。

    使用地面真理标签应用程序,您可以自动标记地面真理,以训练和评估感知算法。 对于硬件在环(HIL)测试和感知,传感器融合,路径规划和控制逻辑的桌面模拟,您可以生成和模拟驾驶场景。 您可以在逼真的3D环境中模拟摄像头,雷达和激光雷达传感器的输出,并在2.5D模拟环境中模拟物体和车道边界的传感器检测。

    自动驾驶工具箱提供了常见ADAS和自动驾驶功能(包括FCW,AEB,ACC,LKA和停车代客)的参考应用示例。 该工具箱支持用于快速原型设计和HIL测试的C / C ++代码生成,并支持传感器融合,跟踪,路径规划和车辆控制器算法。

    开始使用:

     

    免费白皮书
    自主系统的传感器融合与跟踪

    现在就下载

    参考应用

    使用参考应用程序作为开发自动驾驶功能的基础。 自动驾驶工具箱包括前撞预警(FCW),车道保持辅助(LKA)和自动泊车员的参考应用程序。

    使用传感器融合的前向碰撞警告

    车道保持辅助与车道检测

    使用3D仿真可视化自动泊车员

    Detecting vehicles and lanes in the visual perception system reference application.

    在视觉感知系统参考应用中检测车辆和车道。

    驾驶场景模拟

    编写驾驶方案,使用传感器模型并生成综合数据,以在模拟环境中测试自动驾驶算法。

    长方体驾驶模拟

    从雷达和摄像机传感器模型生成综合检测,并将这些检测合并到驾驶场景中,以基于长方体的模拟器测试自动驾驶算法。 使用Driving Scenario Designer应用程序定义道路网络,参与者和传感器。 导入预建的Euro NCAP测试和OpenDRIVE道路网络。

    建立驾驶场景并生成综合检测

    以编程方式创建驾驶场景变化

    将OpenDRIVE道路添加到驾驶场景中

    探索Driving Scenario Designer应用程序,该应用程序可让您创建虚拟驾驶环境并生成合成传感器数据以测试您的感知算法。

    5:21

    驾驶方案设计师

    虚幻引擎驾驶场景模拟

    在使用EpicGames®的Unreal Engine®渲染的3D模拟环境中开发,测试和可视化驾驶算法的性能。

    在3D仿真环境中设计车道标记检测器

    模拟激光雷达传感器感知算法

    使用3D仿真可视化自动泊车员

    Lane Marker Detection in a 3D Simulation Environment.

    使用3D仿真环境记录合成传感器数据,开发车道标记检测系统,并在不同情况下测试该系统。

    地面真相标签

    自动化地面实况数据的标签,并与地面实况数据被测比较从一种算法的输出。

    自动化地面真相标签

    使用Ground Truth Labeler应用程序进行交互式和自动的地面真相标记,以促进对象检测,语义分段和场景分类。

    地面真理标签应用程序(10:57)

    地面真相贴标机入门

    自动标记车道边界的地面真相

    了解Ground Truth Labeler应用程序如何使您可以交互地标记汽车应用的视频和图像。该标记的数据可用于评估感知算法。

    10:57

    地面真相标签应用程序

    测试感知算法

    通过将地面真实数据与算法输出进行比较来评估感知算法的性能。

    评估和可视化针对地面真相的车道边界检测

    根据地面真相数据评估车道边界检测

    Evaluate lane detection output against ground truth.

    根据地面真相评估车道检测输出。

    使用计算机视觉和激光雷达的感知

    开发和测试用于自动驾驶的视觉和激光雷达处理算法。

    视觉系统设计

    开发用于车辆和行人检测,车道检测和分类的计算机视觉算法。

    使用单眼相机的视觉感知

    训练深度学习车辆检测器

    Monocular camera sensor simulation output.

    单眼相机传感器模拟输出。

    激光雷达加工

    使用激光雷达数据检测障碍物并分割地平面。

    使用激光雷达跟踪车辆:从点云到跟踪列表

    根据激光雷达数据构建地图

    使用激光雷达的地平面和障碍物检测

    Detect and track vehicles in lidar point clouds.

    在激光雷达点云中检测和跟踪车辆。

    传感器融合与跟踪

    使用带有卡尔曼滤波器的多对象跟踪框架执行多传感器融合。

    使用传感器融合的前向碰撞警告

    在鸟瞰范围内可视化传感器数据和轨迹

    在Simulink中使用合成雷达和视觉数据进行传感器融合

    Visualizing sensor fusion results.

    可视化传感器融合结果。

    制图

    通过HERE HD Live Map服务访问和可视化高清地图数据。 在流式地图查看器上显示车辆和物体的位置。

    访问HERE HD实时地图数据

    从HERE HD Live Map Web服务读取地图数据,包括包含详细道路,车道和本地化信息的平铺地图图层。

    使用HERE HD Live Map数据验证车道配置

    在此处访问高清实时地图数据

    在这里高清实时地图图层

    Using HERE HD Live Map to verify lane configurations.

    使用HERE HD Live Map验证车道配置。

    可视化地图数据

    使用流坐标来绘制车辆行驶时的位置。

    可视化蒸制的地理地图数据

    Displaying streaming map data.

    显示流式地图数据。

    路径规划

    利用车辆成本图和运动计划算法来规划行驶路线。

    使用3D仿真可视化自动泊车员

    Simulink中的自动停车代客

    RRT *路径规划器

    Driving path planning and visualization in a 3D environment.

    在3D环境中进行路径规划和可视化

    车辆控制器

    使用横向和纵向控制器来遵循计划的轨迹。

    横向控制教程

    纵向控制器-斯坦利

    路径平滑样条

    Stanley lateral controller for computing steering angles.

    Stanley横向控制器用于计算转向角。

    最新功能

    3D模拟

    使用Epic Games的虚幻引擎渲染的3D模拟环境中开发,测试和验证驾驶算法

    drivingScenario导入

    将以编程方式创建的驾驶场景读入Driving Scenario Designer应用程序和Simulink

    推动方案设计器导出到Simulink

    生成驾驶场景和传感器的Simulink模型

    展开全文
  • 自动驾驶仿真工具

    2020-11-09 18:05:28
    仿真平台侧重于提供虚拟场景的搭建,以测试自动驾驶软件的性能,现汇总如下: 1. CARLA 网址:https://carla.org/ 简介:CARLA是一个开源的自动驾驶模拟器。它是从头开始构建的,用作模块化和灵活的API,以解决自动...

    仿真平台侧重于提供虚拟场景的搭建,以测试自动驾驶软件的性能,第一类是专门的自动驾驶模拟仿真软件,如Prescan、VTD、51sim-one、Panosim、GaiA等等。第二类是基于游戏引擎做的自动驾驶仿真软件,主要代表是基于Unity的Lgsvl Simulator、baidu-Unity,基于Unreal的Carla、Airsim等。第三类是基于一些机器人仿真软件做的自动驾驶仿真器,如基于ROS的Gazebo、rviz开发的仿真平台,基于blender开发的平台等等。现汇总如下:

    开源平台:

    1. CARLA(开源)
    网址:https://carla.org/

    简介:CARLA是一个开源的自动驾驶模拟器。它是从头开始构建的,用作模块化和灵活的API,以解决自动驾驶问题中涉及的一系列任务。CARLA的主要目标之一是帮助自动驾驶研发民主化,它是一种易于用户使用和定制的工具。为此,模拟器必须满足一般驾驶问题(例如学习驾驶策略,训练感知算法等)内不同用例的要求。CARLA基于Unreal Engine来运行模拟,并使用OpenDRIVE标准(今天为1.4)定义道路和城市环境。通过使用Python和C ++处理的API授予对模拟的控制权,该API随项目的发展而不断增长。

    模拟器:由可扩展的客户端-服务器体系结构组成。CARLA API是在服务器和客户端之间进行中介的层,CARLA API(Python或C ++)。

    CARLA可实现的功能
    Traffic manager:一种内置系统,除了用于学习的系统之外,还可以控制车辆。它充当了CARLA的指挥,以逼真的行为重塑了城市般的环境
    Sensors:车辆依靠它们来分配周围环境的信息。在CARLA中,它们是车辆的一种特殊类型,可以检索和存储接收到的数据以简化过程。当前,该项目支持这些类型的不同类型,从摄像机到雷达,激光雷达等等。
    Recorder:此功能用于逐步为世界上的每个actor重新模拟。它可以访问世界上任何地方的时间轴上的任何时刻,从而成为一个出色的跟踪工具。
    ROS bridge and Autoware implementation:作为普遍性的问题,CARLA项目致力于将模拟器集成到其他学习环境中。
    Open assets:CARLA通过控制天气条件和带有大量参与者的蓝图库,为城市环境提供了不同的地图。可以按照简单的准则自定义这些元素并生成新的元素。
    Scenario runner:为了简化车辆的学习过程,CARLA提供了一系列路线,描述了要迭代的不同情况。这些也为CARLA挑战奠定了基础,让每个人都可以测试他们的解决方案,并跻身排行榜。

    安装要求
    服务器端:运行高度逼真的环境将需要至少4GB的GPU。强烈建议使用专用GPU进行机器学习。
    客户端: 要通过命令行访问API,必须使用Python。而且,互联网连接良好,并且有两个TCP端口(默认情况下为2000和2001)。
    系统要求:任何64位操作系统都应运行CARLA。但是,从0.9.9版开始,CARLA无法在具有默认编译器的16.04 Linux系统中运行。这些应升级以与CARLA一起使用。
    其他需求: 两个Python模块:Pygame可直接使用Python创建图形,而Numpy可实现出色的微积分。
    git:https://github.com/carla-simulator/carla/

    2.AirSim(开源)
    网址:https://microsoft.github.io/AirSim/
    简介:AirSim是一款基于Unreal Engine(我们现在还有一个实验性的Unity版本)构建的无人机,汽车等模拟器。它是开源,跨平台的,并通过流行的飞行控制器(例如PX4和ArduPilot)支持在环软件仿真,并通过PX4进行硬件在环仿真,以进行物理和视觉逼真的仿真。它是作为Unreal插件开发的,可以直接放入任何Unreal环境中。同样,我们有一个Unity插件的实验版本。
    我们的目标是将AirSim开发为AI研究的平台,以对自动驾驶汽车的深度学习,计算机视觉和强化学习算法进行实验。为此,AirSim还公开API以平台无关的方式检索数据和控制车辆。
    系统要求,支持
    v1.3.1适用于Windows和Linux的最新版本
    升级到Unreal Engine 4.24,Visual Studio 2019,Clang 8,C ++ 17标准
    Mac OSX Catalina、Linux、Windows、PX4支持
    更新了airsim Python软件包,其中包含许多新的API
    支持最新的PX4稳定版本
    支持ArduPilot -直升机,罗孚汽车
    更新了Unity支持
    删除了simChar * API
    绘制用于调试的API
    提供用于多转子的ROS包装器。见airsim_ros_pkgs的ROS API,并airsim_tutorial_pkgs的教程。
    在Ubuntu中添加了对Docker的支持
    git:https://github.com/Microsoft/AirSim/commits/master

    3.Lgsvl Simulator(开源)
    网址:https://www.lgsvlsimulator.com/
    简介:LG电子美国研发中心为自动驾驶汽车开发商开发了基于Unity的多机器人模拟器。我们提供了一个开箱即用的解决方案,可以满足希望专注于测试其自动驾驶算法的开发人员的需求。目前,它已与TierIV的Autoware和百度的Apollo 5.0 和Apollo 3.0平台集成,可以生成高清地图,并可以立即用于测试和验证整个系统,而无需进行自定义集成。我们希望通过开源我们的努力在机器人技术和自动驾驶汽车开发商之间建立协作社区。
    要在Apollo中使用模拟器,请按照模拟器的构建步骤进行操作,然后按照Apollo 5.0 fork上的指南进行操作。
    要将模拟器与Autoware结合使用,请构建模拟器,然后按照Autoware fork上的指南进行操作。

    推荐系统
    4 GHz四核CPU
    Nvidia GTX 1080(8GB记忆体)
    Windows 10 64位

    git:https://www.lgsvlsimulator.com/docs/getting-started/

    4.Gazebo(开源)
    网址:http://gazebosim.org/
    简介:一种3D动态模拟器,能够在复杂的室内和室外环境中准确,高效地模拟机器人的数量。与游戏引擎类似,Gazebo以更高的保真度提供物理模拟,一套传感器以及用于用户和程序的界面。
    典型用途包括
    测试机器人算法,
    设计机器人
    在实际情况下执行回归测试
    Gazebo的一些关键功能包括:
    多个物理引擎,
    丰富的机器人模型和环境库,
    各种各样的传感器,
    方便的编程和图形界面
    系统要求
    Gazebo目前最好在Ubuntu(一种Linux风格)上使用。您将需要一台具有以下功能的计算机:
    专用GPU,
    Nvidia卡在Ubuntu中趋向良好
    至少为Intel I5或同等水平的CPU
    至少500MB的可用磁盘空间,
    已安装Ubuntu Trusty或更高版本。

    git:https://github.com/osrf/gazebo

    5.Udacity self-driving car simulator(开源)

    使用教程:https://blog.csdn.net/lucky_greenegg/article/details/77623756

    Udacity最近在GitHub上发布了自动驾驶汽车模拟器的源代码,GitHub最初是用来教授自动驾驶汽车工程师纳米学位的学生的。
    现在,任何人都可以利用这个有用的工具来训练你的机器学习模型来克隆驾驶行为。
    git网址:https://github.com/udacity/self-driving-car-sim


    6.Deepdrive(开源)
    网址:https://deepdrive.voyage.auto/
    文档网址:https://docs.deepdrive.io/
    git:https://github.com/deepdrive/deepdrive
    简介:Deepdrive通过OpenAI Baselines PPO2,在线排行榜,UnrealEnginePython集成等支持深度强化学习。
    Deepdrive功能
    1.轻松访问传感器数据
    简单的界面可获取摄像机,深度和车辆数据,以构建和训练模型。
    2.三种多样的地图
    除了开放且可修改的5街区和城市景观环路外,Parallel Domain还提供了一张由25个街区组成的美丽的旧金山风格新地图。
    3.先进的游戏内AI
    游戏中的特工,可以智能地超越,跟随,引导和协商路口。
    4.基准代理
    包括深度强化学习 PPO2基线代理 和端到端MNET2模仿学习基线。
    5.Python虚幻脚本
    使用Python访问整个Unreal API。使用 UnrealEnginePython, 您可以读取任何属性,并在场景中的每个actor上调用任何方法。与使用C ==或Blueprints相比,UnrealEnginePython使用反射更容易地深入检查Unreal Engine对象。
    模拟器要求
    Linux
    Python 3.6+
    10GB disk space
    8GB RAM

    收费部分:

    1.Prescan(收费)
    网址:https://tass.plm.automation.siemens.com/prescan
    简介(非官网):Prescan原作为ADAS测试仿真专用软件,近几年来由于无人驾驶技术的兴起,越来越多的无人驾驶团队迫切的需要一款软件来实现对无人驾驶车辆进行软件在环,硬件在环的检测。Prescan在其做智能辅助驾驶仿真的基础上,开发改进以满足无人驾驶仿真的需求,虽然还有部分缺陷,比如物理传感器暂未提供,车辆动力学模型性能不够,自由度不高,价格昂贵,只支持windows系统(现在几乎所有无人驾驶算法都在linux系统上运行),但是,仍然可以称作为无人驾驶仿真的大哥,这和它的优势如简单易上手,兼容性好,可以通过simulink支持多种语言开发验证算法等密切相关

    2.VTD(收费)
    网址:https://www.mscsoftware.com/product/virtual-test-drive
    VTD是我们的工具包,用于在基于公路和铁路的模拟范围内创建,配置,呈现和评估虚拟环境。它用于开发ADAS和自动驾驶系统以及培训模拟器的核心。它涵盖了从生成3d内容到模拟复杂交通场景以及最终模拟简化或物理驱动传感器的整个范围。它用于SiL,DiL,ViL和HiL应用程序,也可以作为包括第3方或自定义程序包在内的协同仿真进行操作。通过其开放式和模块化设计,可以轻松进行接口和集成。

    3.51Sim-One(收费 可申请试用)
    网址:https://www.51hitech.com/values/simulation
    http://ivt-doc.51hitech.com/#/README
    简介:51Sim-One是51WORLD自主研发的一款集静态和动态数据导入,测试场景案例编辑,传感器仿真,动力学仿真,可视化,测试与回放,虚拟数据集生成等一体化的自动驾驶仿真与测试平台,功能模块覆盖自动驾驶仿真测试的全流程,兼具规模,高精度和高真实感,原生使用灵活可扩展的分布式并行仿真架构,可部署在单机,私有云,公有云的环境。

    4.PanoSim(可申请试用)
    网址:http://www.panosim.com/index.jsp
    简介:PanoSim是一款面向汽车自动驾驶技术与产品研发的一体化仿真与测试平台,集高精度车辆动力学模型、高逼真汽车行驶环境与交通模型、车载环境传感器模型和丰富的测试场景于一体,支持与Matlab/Simulink联合无缝仿真,提供包括离线仿真、实时硬件在环仿真(MIL/SIL/HIL/VIL)和驾驶模拟器等在内的一体化解决方案;支持包括ADAS和自动驾驶环境感知、决策规划与控制执行等在内的算法研发与测试。PanoSim具有很强的开放性与拓展性,支持定制化开发,操作简便友好,已在美国通用汽车、德国戴姆勒汽车、上汽集团和东风汽车等企业和科研院所广泛使用。


    5.Matlab/Simulink(可试用)
    网址
    :https://www.mathworks.com/products/simulink.html
    简介:汽车工程师使用 MATLAB® 和 Simulink® 设计自动驾驶系统功能,包括传感、路径规划以及传感器融合与控制。借助 MATLAB 和 Simulink,您能够:

    使用针对计算机视觉、激光雷达和雷达处理以及传感器融合的预置算法、传感器模型和应用程序来开发感知系统。
    使用组装完备的参考应用,在三维环境中设计控制系统并对车辆动态进行建模。
    使用合成传感器模型创建驾驶场景,用以测试和验证系统。
    使用专为自动驾驶设计的可视化。
    通过设计和使用车辆代价地图和运动规划算法来规划驾驶路径。
    减少为实现 ISO 26262 合规所需的工程投入。
    使用代码生成产品自动生成 C 代码,以便进行快速原型设计和 HIL 测试。

    6.IPG(收费)
    网址
    :https://ipg-automotive.com/cn/
    简介:虚拟车辆测试技术助您实现研发目标
    IPG Automotive提供的测试技术能够帮助您在车辆研发阶段实现所有需求,并能显著提高开发效率。

    7.FAAC SimDriver(收费)
    网址
    :https://www.faac.com/realtime-technologies/products/simdriver/
    简介:SimCreator DX的插件
    SimDriver是一种自动驾驶汽车控制解决方案,可以评估在城市和高速公路驾驶环境中人与自动驾驶汽车的互动。SimDriver增进了对这种关系的理解,这对于确保安全的自动驾驶汽车至关重要。由于人为因素在自动驾驶技术的发展中起着关键作用,因此在仿真系统中从人为因素研究中得出的分析对于成功设计和应用ADAS或全自动驾驶至关重要。

    SimDriver提供准确测量驾驶员行为所需的技术,重点是开发高度精确的驾驶员模型,以改善自动驾驶汽车和其他ADAS或联网汽车技术。无人驾驶汽车的行为举止的一个重要方面是驾驶员的注意力。由于在某些情况下可能需要人工控制车辆,因此具有准确的人员注意或警觉模型对于将安全功能实施到自动驾驶车辆系统中至关重要。SimDriver提供了一种高度先进的方法来测量注意力,以及在人为因素研究中起着至关重要作用的许多其他变量。

    模拟器功能
    围绕自动驾驶汽车使用的一个主要问题是,这会导致驾驶员疏离和注意力不集中,他们在必要时不准备控制汽车。SimDriver旨在帮助您创建场景,以测试驾驶员在瞬间注意到对自动驾驶汽车进行手动控制的能力。
    自主模式
    进入自动驾驶模式后,将通过SimDriver JavaScript来控制车辆,并且车辆停止接受驾驶员的输入。SimDriver JavaScript允许SimVista方案系统控制一系列条件,这是完整自动化方案的一部分。SimDriver将使车辆保持在道路上并保持指定的行进距离或所需的速度。更具体地说,一旦参与,自主控制将:

    将汽车驶入当前车道的中心。
    控制汽车的横向位置,使汽车保持在车道边界内。
    将汽车的速度控制到用户定义的速度限制(如果已设置)或道路的最大合法速度限制。
    在汽车和前方车辆之间保持可配置的行驶距离。
    停止与固定车辆和障碍物的可配置距离。
    始终保持在当前车道上,必要时穿越受控或非受控路口。
    如果当前车道结束,SimDriver将尝试合并到新车道。

    8.dspace(收费)
    网址:https://www.dspace.com/en/pub/home.cfm
    简介:全球汽车制造商和技术供应商都依靠dSPACE来实现自动驾驶的想法。我们提供所需的仿真和验证解决方案,包括SIL,HIL,原型,数据记录,数据重放,数据丰富,传感器逼真度,基于场景的测试,场景生成以及数据和测试管理。我们的产品组合包括可在PC,HIL模拟器或云中使用的解决方案。如果需要,我们还提供咨询服务。

    未知但有

    1.VISTA

    2.TAD Sim 2.0

    展开全文
  • MATLAB自动驾驶工具箱提供了用于设计、仿真和测试ADAS以及自动驾驶系统的算法和工具自动驾驶工具箱主要包括以下功能。支持可视化支持以下典型可视化任务。能够显示摄像机视频显示雷达和视觉鸟瞰图显示车道线标记...

    MATLAB自动驾驶工具箱提供了用于设计仿真测试ADAS以及自动驾驶系统的算法工具

    自动驾驶工具箱主要包括以下功能。

    支持可视化

    支持以下典型可视化任务。

     能够显示摄像机视频

     显示雷达和视觉鸟瞰图

     显示车道线标记

     显示激光雷达点云

     显示道路地图数据

     多个坐标系之间的变换

     到ROS的实时连接和记录数据的回放

     到CAN的实时连接和记录数据的回放

     到激光雷达的实时连接和记录数据的回放

    059046ba7eb61af6871d214c71f433d6.png

    利用摄像机跟踪多目标车辆

    构建自动驾驶场景并模拟传感器

    使用构建的场景和来自雷达与视觉传感器模型的综合检测,测试自动驾驶算法。支持以下典型驾驶构建任务。

     以编程方式构建驾驶场景

     通过图形化界面构建驾驶场景

     从场景库中构建驾驶场景

     模拟雷达、视觉传感器的检测

     将场景集成到车辆控制的闭环仿真

     结合Unreal游戏引擎的测试

    efe91351cd756514cc6e0da40efe7423.png

    从场景库中构建的驾驶场景

    开发自动驾驶控制系统

    支持以下典型自动驾驶控制开发任务。

     设计纵向与横向模型预测控制器

     设计基于强化学习的控制器

     车辆动力学建模

     实时硬件快速原型

     生成产品级C/C++代码

     生成AUTOSAR代码

     功能安全ISO26262认证

    31d39780d14d5c8acae60d7330479e5b.png

    研究横向控制的仿真模型

    开发自动驾驶感知系统

    支持以下典型自动驾驶感知开发任务。

     传感器数据标注

     训练深度学习网络

     设计雷达算法

     设计视觉传感器算法

     设计激光雷达算法

     设计传感器融合与跟踪算法

     生成C/C++代码

     生成GPU代码

    9c178ecb7737faad393b76eac2be0fdb.png

    视觉传感器检测车道线

    开发自动驾驶规划系统

    支持以下典型自动驾驶规划开发任务。

     地图的可视化

     访问高精度地图

     处理占据栅格地图

     设计定位和SLAM算法

     设计运动规划算法

     生成C/C++代码

    8da13775bb31abbcc1e91acf049d7f01.png

    停车路径规划仿真二维图

    262f51f68181df316f2bc109a3bb2cc5.png

    停车路径规划仿真三维图

    代客泊车路径规划仿真

    设计和仿真完整的自动驾驶系统

    支持以下典型集成仿真任务。

     调用C/C++代码

     调用Python代码

     通过FMI/FMU协同仿真

     通过CAN协同仿真

     通过ROS协同仿真

     通过Unreal引擎协同仿真

     连接150余种到第三方建模与仿真的接口

    自动驾驶工具箱提供常见ADAS的参考应用示例和自动驾驶功能,包括FCW、AEB、ACC、LKA和代客泊车。该工具箱支持C/C++代码生成,实现快速原型和硬件在环测试,同时还支持传感器融合、跟踪、路径规划和车辆控制器算法。

    231b14f6023d14ea6f2a69d061e80842.png

    MATLAB自动驾驶工具仿真场景

    值得注意的是,目前自动驾驶仿真软件有些是免费开源的,有些软件的部分功能是免费开源的,有些则需要授权才能使用。

    1f94fd90c74bbe62966107abd63e8d47.png

    文章内容摘自:

    《智能网联汽车自动驾驶仿真技术》

    作者:崔胜民

    定价:88.00元

    ISBN:9787122370778

    出版时间:2020年9月

    页数:234页

    彩色印刷

    5a38be45654e6d63891ba5b4ef89429d.png111bdac4bb85f9cabdee2b3a6b9e430a.png

    点击“阅读原文”,直接购买图书

    展开全文
  • 禁止私自转载,转载请联系作者。2020/01/07 修改“可复现能力”为“稳定性”并增添相应表述。 2020/05/12 将“标准场景格式支持”...不能满足真实性的坏数据无法训练出真正有效的模型,也不能保证自动驾驶测试的可...

    3ac825f1fa296bb1afbdb16b870ca888.png
    禁止私自转载,转载请联系作者。
    2020/01/07 修改“可复现能力”为“稳定性”并增添相应表述。
    2020/05/12 将“标准场景格式支持”转为“标准格式支持”,并增添对OSI的描述。

    自动驾驶仿真是自动驾驶相关产品落地时的重要辅助。

    先看看仿真这两个字,从词义上就可以看到,没有“真”是不行的。仿真的需求离不开真实性的需求。不能满足真实性的坏数据无法训练出真正有效的模型,也不能保证自动驾驶测试的可靠性。再来看“仿”,仿真本质上是完成现实世界到计算机虚拟空间的映射,在转化过程中核心性质已经完全转变,掌握这个具体映射过程的工作原理和细节可帮助我们抽象/表征出关键特征维度。但表现出真实环境中所有特征维度是不现实的,建模成本过高了些。在有限的资源范围内做出高仿真场景应该是未来相关软件迭代的方向之一。

    目前市面上与自动驾驶仿真相关的软件很多。第一类是专门的自动驾驶模拟仿真软件,如Prescan、VTD、51sim-one、Panosim、GaiA等等。第二类是基于游戏引擎做的自动驾驶仿真软件,主要代表是基于Unity的Lgsvl Simulator、baidu-Unity,基于Unreal的Carla、Airsim等。第三类是基于一些机器人仿真软件做的自动驾驶仿真器,如基于ROS的Gazebo、rviz开发的仿真平台,基于blender开发的平台等等。

    不同类型的软件都有自己的优势和劣势。一般来说,商业软件对自动驾驶仿真各种需求的支持会比较均衡,但一般费用较高,且对于开发者而言,灵活性会受到一定限制。开源软件则会有一些相反的特性。目前市面上还没有一款赢家通吃的自动驾驶仿真器。作为一名开发者,我对“完美”的自动驾驶仿真器有如下的期待。

    1. 静态场景建模

    静态场景有不同的真实程度,据了解,51VR的L1级别环境是简单的同质化设计,L2等级会基于数据库进行一些分割以及渲染,L3等级的渲染甚至会考虑整体上光能量的守恒,以下是[demo视频](Home-51VR New tech creates new value)

    一个典型的交通静态场景需要什么,全局性的因素有天气条件、光照等,好的仿真工具首先需要有强大的图形渲染能力来渲染这些环境。

    非全局性的环境因素有道路、交通设施(交通标志、标识牌、红绿灯)、建筑物、篱笆护栏等等。对于他们,我们需要考虑它们的形状、表面材质、反射率等属性。换句话说,感知系统在工作过程中需要考虑的因素都应该被我们主动建模出来。

    另外,对于建模而言,开放的权限大小和方便程度是矛盾的,以Prescan和VTD举例,Prescan的GUI做的很好,道路根据特性被参数化并封装成了几个小模块,实际进行道路建模时只需要drag出来相应模块,再修改属性就可以,但一些形状相对特殊的路段,由于不能满足Prescan的约束,所以就无法建模成功。VTD的建模工作量较大,但灵活性更高。理想的建模能力最好兼顾两者,既有封装好的基于GUI拖曳使用的模型库,又需要开放足够的底层设计接口。

    另外,自动驾驶仿真软件也需要支持一些业内的标准,如用于生成高精度地图的OpenDRIVE,场景建模语言OpenSCENARIO,以及OpenCRG等。这些标准必将会是未来自动驾驶仿真测试的标准,各公司要提前准备了。

    2. 传感器模型

    传感器模型是感知系统仿真的核心。好的自动驾驶仿真软件传感器模型应该具有以下几个特点。

    • 类型丰富。就视觉传感器而言,需要提供普通的RGB摄像头、深度摄像头、鱼眼摄像头、语义摄像头等,另外还需提供激光雷达(LIDAR)、超声波雷达、毫米波雷达(这个仿真比较困难)、V2X传感器、GPS传感器等。并且提供充足的选项配置。
    • 除了一些基本功能外,还需要补充一些特性,如噪声选项、畸变选项、色差选项等,即能对误差进行建模。
    • 应该提供适配各公司自用传感器的开发环境。

    3. 动力学仿真

    车辆的核心是系统动力学,没有高精度的系统动力学的仿真实用价值较低。IV2018最佳的论文所进行的硬件在环,使用的是ROS,做的很完整,但是动力学模型比较简单,因而也就限制了它的实用价值。

    简单思考一下工作过程,如果车辆只能有非常简单的动力学模型,比如单轨模型,这也意味着他和实际的状态相别较大,理想的工作状态是车辆接受环境信息,控制车辆移动,新的车辆位置和角度带来新的感知视角。那么如果车辆不能按照本来的规划决策效果执行动作,后边的一切其实也就失去了意义。

    因此,自动驾驶仿真软件必须要有支持高精度动力学模型的功能,直接且高效的方案是与动力学仿真软件进行联合仿真,典型的如Carsim,其提供多自由度的动力学模型。在这一方面,Prescan、VTD等商业软件都做的很好,Carla、Arisim则表现较差,他们只有简单的动力学仿真特性。但基于Unreal可以去开发联合仿真的模型。

    4. 交通流仿真

    交通流仿真基本可包括车辆仿真和行人仿真,它也是自动驾驶仿真要重点关注的模块,车辆不可能永远跑在实验室和封闭园区内,它要处理的任务终究不会只是非常有限的行人和车辆。自动驾驶车辆一定要能处理很多交互的任务。这时候如果人流和车辆信息流是反常规的,或者是随机的,那这对于算法的训练和实际的测试都是很有害的。

    自动驾驶仿真工具应该有自己的交通流仿真功能。可以开发自己的交通流模块,如VTD开发有自己的I-Traffic模块,Prescan有自己开发的Intelligent Traffic Module模块,但跟前文提到的动力学仿真相似,自身开发的模块毕竟总体上不如专业的仿真工具,因此软件最好有自己的仿真接口,目前交通流仿真的主要工具是PTV公司的Vissim,还有开源工具SUMO。(Prescan已经可以和Vissim进行联合仿真,但目前仍有一些局限)

    交通流应该尽量与实际交通流保持一致,要有可靠性和准确性,可用的手段有(引自51VR推文):

    • 利用AI技术生成驾驶模型,在虚拟世界中设置AI车辆自动行驶,AI可以学习交通流的特性,尤其在行人仿真方面有比较好的成效。
    • 导入交通学中的交通流模型,并引入数学概率分布数学模型。这样的交通流模型包括宏观交通流模型和微观模型,相应的数学概率分布模型应该以高斯模型为主。
    • 将真人开车的数据导入其中,主要利用虚拟驾驶模拟器实现,但这在更大程度上是保证单车的真实,对于宏观交通流价值没有想象中大,更多的是形成微观交通流模型。

    4. 标准场景格式支持

    场景自动化测试、场景复用(场景数据交换)是自动驾驶测试的大势所趋,而这两项都需要标准场景文件的支持。目前国际通用标准是由ASAM主导的OpenX系列,相应地,国内有C-ASAM组织负责相关的标准化工作。OpenX系列包括OpenDRIVE、OpenCRG、OpenSCENARIO、OpenSimulationInterface(OSI)、OpenLABEL、OpenODD等标准。其中,OpenDRIVE主要解决静态场景描述问题,OpenCRG主要解决路面状态问题,OpenSCENARIO主要解决动态场景描述问题,OSI主要解决环境和被测系统之间的仿真数据交换的问题。

    OpenX系列标准在飞速发展中,目前商业仿真平台中VIRES Test Drive(VTD)提供对以上标准格式的支持,开源仿真平台中CARLA提供了部分支持。对于其他仿真工具,可参考学习esmini、CarlaScenarioLoader等开源项目学习怎么解析OpenSCENARIO。

    以后的各方仿真工具也应该配备相应的场景文件解析接口,这是绕不开的事。

    5. 稳定性

    目前仿真工具不能保证实验的可复现性,当然这和系统算法的不稳定有关,但也跟算法与系统的信息传送接口的稳定性有关。包括Carla在内的大多数仿真工具不能保证信息发送时频率的一致性,这对试验的可复现性是致命的。进而,大规模的回归测试结果可信度也要被打个问号了。

    展开全文
  • 自动驾驶仿真工具之CARLA简介

    千次阅读 2019-07-02 10:40:01
    大家好,我已经把CSDN上的博客迁移到了知乎上,欢迎大家在知乎关注我的专栏慢慢悠悠小马车...自动驾驶算法的调试和效果评测首先要在仿真环境中去做,因此,一个强大、灵活的仿真环境是开发、测试过程中必不可少...
  • 本论文提出了一种针对深入机器学习系统,比如自动驾驶系统的自动白盒测试工具,提出了一种基于梯度的算法,能提高对智能系统的识别率
  • 自动驾驶虚拟仿真测试介绍(4):用什么测一、仿真测试平台的构成二、仿真测试工具的流派三、仿真测试工具的选择 “ 本系列尝试从是什么、为什么、测什么、用什么测、怎么测和谁来测等方面来介绍什么是自动驾驶虚拟...
  • MATLAB 自动驾驶工具箱( Automated Driving Toolbox)简介1 概况2 功能2.1 真值打标签(Ground Truth Labeling)2.1.1 自动打标签2.1.2 测试感知算法2.2 驾驶场景仿真(Driving Scenario Simulation)2.2.1长方体...
  • MATLAB自动驾驶工具箱提供了用于设计、仿真和测试ADAS以及自动驾驶系统的算法和工具自动驾驶工具箱主要包括以下功能。支持可视化支持以下典型可视化任务。能够显示摄像机视频显示雷达和视觉鸟瞰图显示车道线标记...
  • 自动驾驶虚拟仿真测试介绍(6):谁来测一、仿真工具开发二、仿真工具集成三、测试场景开发四、仿真测试执行 “ 本系列尝试从是什么、为什么、测什么、用什么测、怎么测和谁来测等方面来介绍什么是自动驾驶虚拟仿真...
  • 之前的文章《MATLAB/Simulink自动驾驶工具箱之Driving Scenario Designer》提到了MathWorks自己开发的场景构建工具Driving Scenario Designer主要是用作Control-in-loop应用的测试和验证,不适用于构建逼真的驾驶...
  • 4月15日上海车展前夕,第三方测试验证商亮道智能首次对外发布自动驾驶环境感知系统测试验证的完整流程。同时,亮道智能Reference System、服务于测试验证的3D激光雷达算法、标注修正工具、大数据管理平台、大数据...
  • HMI自动测试工具FOne AutoTest-X产生背景主要功能关键特性应用场景相关案例联系我们 FOne AutoTest-X ™ 是南京富士通南大软件技术有限公司自主研发的一套面向智能座舱领域嵌入式设备的车辆信号模拟及HMI(Human ...
  • 自动驾驶(五十)---------Gtest测试

    万次阅读 2019-11-06 10:02:27
    本文将介绍单元测试工具Google Test(GTest)在Linux操作系统中测试环境的搭建方法。本文属于Google Test使用的基础教程。在Linux中使用Google Test之前,需要对如下知识有一些了解: C/C++编程方法 makefile的...
  • 4月15日上海车展前夕,第三方测试验证商亮道智能首次对外发布自动驾驶环境感知系统测试验证的完整流程。同时,亮道智能Reference System、服务于测试验证的3D激光雷达算法、标注修正工具、大数据管理平台、大数据...
  • 苹果收购加拿大初创公司Buddybuild,将加入Xcode团队近期,苹果公司收购了一家位于加拿大温哥华的创业公司Buddybuild,该公司...换句话说,Buddybuild给开发者们提供一些工具,可以让他们快速又简单地在GitHub、BitBu
  • 自动驾驶系统的计算机仿真是自动驾驶车辆测试和试验的基础关键技术,也是 未来行业定义自动驾驶车辆相关开发与准入技术标准的基础工具。计算机仿真测试 与真实物理测试互为补充,缺一不可。 《2019 中国自动驾驶...
  • 《2019中国自动驾驶仿真技术蓝皮书》是一部全面介绍中国自动驾驶仿真测试发展现状的工具书,通过详细收集并整理当前行业现状,结合自动驾驶仿真领域多位行业专家意见汇编而成。蓝皮书内容涵盖仿真测试的意义、测试...
  • Europilot是一个开源项目,利用流行的Euro Truck Simulator(ETS2)来开发自动驾驶算法。 卷积神经网络(CNN)控制ETS2内部的方向盘。 可以将europilot视为游戏环境与您喜欢的深度学习框架(例如Keras或Tensorflow...
  • 【导读】新思科技市场总监党伟光指出:“今天需要深度学习的自动驾驶软件复杂程度已经达到几千万行代码,有的甚至超过1亿行,急需软件工具来帮助提高测试效率。新思虚拟原型工具可帮助汽车厂减少80%的自动驾驶软件...
  • 介绍中国自动驾驶仿真测试发展现状的工具书,通过详细收集并整理当前行业现状,结合自动驾驶仿真领域多位行业专家意见汇编而成
  • 本例程展示了如何生成驾驶场景,模拟传感器检测和利用传感器融合跟踪模拟的车辆。利用场景生成和传感器仿真的优点在于可以创造小概率发生的并且有潜在危险的场景以检测算法的可靠性。本例程涵盖了以上的所有步骤。 ...
  • 自动驾驶车辆必须证明,车辆在几乎所有复杂驾驶场景中均可以保证安全可靠。为达到这一目标,必须在比以往更广的范围内对系统进行验证。所以,只能通过将大部分测试和验证转移到虚拟世界才能完成。然而,真实的测试...
  • 因此,建模与仿真是实现自动驾驶车辆验证目标必不可少的工具。 本文提出了一种用于自动驾驶车辆验证的抽象仿真场景生成框架。场景和相关断言由基于矩阵的语义语言定义,并在仿真中转化为测试场景。该框架允许设计...
  • 自动驾驶测试台 AutoDRIVE Testbed是一种硬件设置,包括按比例缩放的车辆模型(称为Nigel)和模块化基础设施开发套件。 该车辆配备了用于感知冗余的综合传感器套件,用于约束运动控制的一组执行器以及用于照明和信号...
  • 一个基于的开源全栈软件,用于自动驾驶应用程序。旨在促进城市环境中低速应用的自动驾驶项目的研究。该软件带有一个内置的基于Gazebo的仿真,一个端到端的自动驾驶软件以及一个用户友好的GUI,可以方便地启动该软件...
  • 然而研究发现,基于数据驱动的AI算法容易受到数据的影响而出现错误,这在近几年媒体披露的自动驾驶事故中也得到证实。因此,在AI算法落地投产前进行相应的测试评估是目前亟需开展的工作。针对AI算法测试评估,结合AI...
  • 纯文本协议模板构造JSON请求上一个版本发布后,有一些同学反馈,旧版的协议模板(表单模式)使用,在测试restfull接口(json格式)的时候,还是有一些懵,不知道怎么下手,感觉没有其他工具直接复制一个纯文件JSON来得...
  • 随着自动驾驶的“场景化”趋势愈加明显,场景描述对于测试、验证自动驾驶汽车的安全性至关重要。但在实际发展过程中,各整车厂、供应商以及仿真工具商使用的数据格式与接口五花八门,很难统一标准。 基于此,德国...

空空如也

空空如也

1 2 3 4 5 6
收藏数 103
精华内容 41
关键字:

自动驾驶测试工具