本文選自《信心十足地向着全自動駕駛邁進》白皮書
競争已經拉開帷幕。全自動駕駛汽車(AV)正在快速走進我們的生活。除了提高交通系統的整體效率之外，保障駕乘人員的安全是自動駕駛汽車最引人注目的優勢。最新資料顯示，全球每年約有130萬人因道路交通事故喪生。根據美國國家公路交通安全管理局(NHTSA)的統計，94%的嚴重車禍是人為失誤造成的。
圖1.根據NHTSA統計，94%的道路交通事故是由人為失誤造成
提高汽車自動駕駛等級
如果我們能夠提高安全性、降低道路交通事故風險會怎樣？如果我們能夠避免駕駛員操作失誤會怎樣？報告顯示，自動駕駛汽車能夠将道路交通事故死亡人數減少90%之多。除了降低事故死亡人數之外，自動駕駛汽車還能避免幾十億元的車禍相關損失。
量産汽車中的進階駕駛輔助系統(ADAS)已經達到了國際自動機工程師學會(SAE International)定義的L2+至L3級自動駕駛水準，在大多數交通狀況下仍需要駕駛員控制車輛（圖2）。OEM和行業專家認為，實作L4級和L5級自動駕駛（其中L5級表示車輛無需任何人工互動）能夠讓道路交通更安全。然而，實作這一目标仍存在一系列獨特的挑戰，需要大量技術進步。
圖2. SAE定義的自動駕駛等級（來源：SAE International）
為了實作更高等級的自動駕駛，汽車行業需要解決技術、社會、法律和監管等方方面面的問題。雖然其中許多問題難以掌控，但汽車行業和OEM能夠合力突破技術局限。他們能夠打造出更小巧、更堅固、更經濟的雷達、雷射雷達、攝像頭和其他傳感器，同時改進這些傳感器的檢測和識别軟體。要想改進這些算法的訓練，業界需要克服兩個障礙。
縮小路測與軟體仿真測試之間的差距
如今，OEM使用具有軟體在環系統的仿真環境來測試傳感器并控制子產品。盡管軟體仿真很有用，但它無法完全重制現實情況以及可能出現的不完美的傳感器響應。全自動駕駛汽車必須知道如何應對這樣的情況。
通過對原型車或合法上路車輛中內建的完整系統進行道路測試，OEM得以對最終産品的性能先進行驗證，然後再将它們推向市場。道路測試是開發過程中不可或缺的一環，但考慮到測試成本、測試所需時間和測試可重複性等一系列問題，完全依賴道路測試是一個不切實際的想法。如果采用這種方式，車輛需要經過幾百年的測試才能達到足夠的可靠性，萬無一失地安全行駛在城市和鄉村道路上。
無法在現實條件下訓練 ADAS / AV 算法
車載雷達測試對于訓練自動駕駛算法具有重要意義。這些算法使用車載雷達傳感器擷取的資料做出決策，訓示車輛在遇到特定行駛狀況時應該做出何種響應。如果算法沒有經過正确訓練，它們可能會做出意外決策，危及駕乘人員或行人安全。為了測試足夠多的場景以便驗證AV功能，OEM需要從少數幾個目标轉為真實場景，走出枯燥無味的理論世界，進入實際應用。
駕駛員要做出很多決定。成為一名優秀的駕駛員往往需要時間和經驗的沉澱。将自動駕駛技術提升一個台階則需要依靠複雜的系統，這些系統的能力應超越最優秀的人類駕駛員。傳感器、精妙算法與強大處理器的結合是實作自動駕駛的關鍵因素。在傳感器感覺周圍環境的同時，它們背後的處理器和算法在任何情況下都必須以比人類駕駛員快得多的速度做出正确的決定——例如遵守道路交通規則。
我們必須確定新ADAS功能安全可靠。采用不成熟的系統過早進行道路測試會有很大風險。汽車OEM需要能夠仿真真實場景，對實際采用的傳感器、電子控制單元代碼、人工智能邏輯等部分進行驗證。盡早測試更多場景能夠讓OEM清楚地了解何時可以完成開發，何時可以信心十足地釋出ADAS功能。
自動駕駛汽車測試和驗證方面的缺口
當今的測試系統不能有效地解決某些難題。它們隻對一定數量的目标進行測試，無法仿真近距離的對象并且難以區分對象。
有限的目标數量和視場
有些系統使用多個雷達目标仿真器(RTS)，每個RTS都向雷達傳感器呈現多個點目标，并通過機械移動天線來仿真水準位置和垂直位置。這種機械式的自動化操作延緩了整體測試速度。此外，天線移動一下就會導緻回波到達角(AoA)發生變化，如果不重新計算或重新校準，則可能會導緻渲染目标出現誤差和精度損失。
另一種選擇是為每個RTS使用多個射頻(RF)前端，其中一個對象使用一條延遲線。如果某個場景需要多個對象，則應在測試設定中增加射頻前端的數量，然後視需要在它們之間進行切換。這意味着它能夠在場景中的任意位置生成對象，但不能同時仿真場景相對兩側的目标。
移動RTS或切換使用多個射頻前端這兩種方式會在場景中産生間隙和遺漏的對象，在圖3中标記為X。隻用數量有限的對象來測試雷達單元無法提供完整的駕駛場景視圖，也無法揭示現實狀況的複雜性，尤其是在有各種十字路口以及涉及行人、自行車或電動車騎行者轉彎場景的城市地區。
圖3.具有數量有限的RTS或雷達前端的場景示例
無法生成距離小于4米的對象
目前的雷達目标仿真器解決方案無法生成距離在4米以内（某些情況下甚至更遠）的對象。這樣會在汽車保險杠前方形成一個盲區。新車評估計劃等測試例都需要在非常接近雷達單元的距離仿真對象。以自動緊急制動系統為例。道路上的障礙物需要非常接近。目前市面上的目标仿真解決方案隻能仿真4米或以上距離的對象（圖4）
圖4.如果仿真的車輛前方存在大面積盲區，則無法對緊急制動場景進行測試
對象之間的分辨率較低
早前的雷達技術将對象視為點目标，這意味着雷達沒有考慮被檢測對象的空間屬性，而是将對象所反射的能量都聚集到一個點上。雷達截面積概念應運而生。它将擊中目标的功率密度轉換為反射功率，并将空間尺寸、形狀和反射率組合成一個數字。但是，這種方法隻有在将目标視為一個點時方才有效。在現代汽車雷達中，目标之間通常比較接近，雷達單元必須利用高角度分辨率來感覺對象的空間特征。
目前市面上的目标仿真器迎合了這種過時的雷達傳感器需求。它們的設計理念是将一個對象視作一個雷達信号加以處理，是以會造成場景細節缺失。
應對挑戰的關鍵技術進步
為了實作全自動駕駛願景所需的ADAS功能，需要使用可靠的雷達傳感器和算法。在實驗室中執行全場景仿真對于開發這些雷達傳感器和算法至關重要。是德科技推出的全場景仿真器使用幾百個微型射頻前端構成一個可擴充的仿真螢幕，可呈現最多512個對象，距離最近可達到1.5米。
這一解決方案的成功傳遞還需要在以下幾個方面實作突破：
單個微型射頻前端（圖5a）
八個射頻前端內建在一塊電路闆上（圖5b）
64塊電路闆排列成半圓形陣列，形成仿真螢幕（圖6）
除了射頻硬體的技術進步之外，軟體也有同樣規模的創新，進而避免被測器件(DUT)檢測到距離在1 m以内的虛假對象并連接配接将這些影像渲染到螢幕上的3D成像軟體。
圖6.将64塊電路闆組合成射頻前端螢幕的動畫
建立場景的更多對象
是德科技雷達場景仿真器采用了專利技術，不是通過目标仿真來實作對象檢測，而是仿真整個交通場景（圖7）
圖7.目标仿真與場景仿真的對比
憑借開闊的視場和極小的對象距離，該解決方案可以仿真複雜的場景以及場景中的高分辨率對象。它通過密集封裝的緊湊型射頻前端來實作這一目标。
從設計原理上來說，這些小型化的“像素”無法由雷達傳感器探測到，完全是由3D仿真軟體激活，可以取代機械運動。陣列中的每個像素仿真一個對象的距離和回波強度（圖8）。
多個像素可以根據對象的大小和與被測器件的距離來表示對象（圖9）。如果多個對象之間的距離較遠，可通過縮短距離來完成仿真。
開闊的連續視場
是德科技雷達場景仿真器不僅可以幫助雷達傳感器在更開闊的連續視場内發現更多目标，還支援仿真近距離目标和遠距離目标。這樣可以避免雷達視野遺留盲區，還能提升算法訓練效果，進而高效探測和分辨密集、複雜場景中的多個對象。是以，AV決策是基于整體情況而不僅僅是測試裝置允許的情況做出。
是德科技的技術涵蓋了傳感器的整個視場，可以擴大測試覆寫面，運作更全面、更複雜的測試場景。使用最多512個像素的對象和± 70°方位角/± 15°仰角的連續視場運作雷達傳感器的檢測軟體。512個射頻前端在空間保持靜态，以便進行精确可重複的AoA驗證。
最小距離更近
逼真的交通場景需要仿真非常靠近雷達單元的對象。例如，在相距車輛不超過2 m的紅綠燈處，自行車可能會進入車道，行人可能會突然橫穿馬路。通過這項測試對于驗證ADAS/AV的安全功能至關重要。是德科技雷達場景仿真器的仿真範圍為1.5 m至300 m，速度為至400 kph。
為每個對象提供更高分辨率
對象分離代表着區分道路上不同障礙物的能力，這是讓自動駕駛技術更平穩、更快進入第4級和第5級的另一個測試重點。例如，當汽車在公路上行駛時，雷達檢測算法需要區分護欄和行人。
圖12.每個對象多個點，為場景添加實用資訊
是德科技通過點雲概念解決了這個問題，為每個對象帶來更高的分辨率。這種方式可以為場景提供更多細節，幫助汽車OEM信心十足地測試算法，區分兩個非常接近的對象。傳統的RTS會傳回一個與距離無關的反射，而雷達場景仿真器會随着車輛的接近而增加反射的數量，也稱為動态分辨率。這意味着對象的數量會随着其距離發生變化。
更快測試更多場景
雷達場景仿真器使得OEM能夠通過基于動态分辨率的自适應渲染輕松檢測ADAS軟體中的差距或不當行為，并将附近對象所提供的真實場景視為多個單獨的目标。OEM是以能夠在實驗室建構複雜的真實場景，包括具有大型平面對象的場景。該解決方案涵蓋大量場景，包括危險情況和極端情況，進而幫助原始裝置制造商更早發現潛在問題，盡可能避免在釋出之後發生故障。
測試複雜的真實環境
在測試雷達傳感器時，如果目标數量不夠多，就無法反映出完整的駕駛場景，重制真實環境中的複雜情況。雷達場景仿真器使得OEM能夠在實驗室内設定各種環境條件變量、交通密度、速度、距離和目标總數，真正仿真現實駕駛場景。無論是常見情況還是極端情況，都可以提前進行測試，最大限度降低風險。
加快學習速度
雷達場景仿真器為在實驗室測試當今需要路測的複雜場景提供了一 個确定的真實環境。借助其開創性的測試方法，OEM能夠使用可重複的高密度複雜場景提前進行測試，場景中可以包括靜止目标或運動目标，還包含各種可變環境特征，進而顯著提高ADAS/AV算法學習速度，避免人工測試或自動化測試導緻的效率低下問題。
增強對 ADAS 功能的信心
汽車公司知道自動駕駛算法不僅測試起來非常複雜――還會涉及安全問題。是德科技的雷達場景仿真器非常适合堅持“安全第一”的自動駕駛技術開發人員使用。它能夠以更快的速度測試汽車雷達傳感器，具有高度複雜的多目标場景和全場景渲染能力，可在開闊的連續視場中仿真近處和遠處目标。
雷達場景仿真器是是德科技自動駕駛仿真(ADE)平 台 的 一 部 分， 是 德 科 技 與IPG Automotive和Nordsys通過多年合作打造了這個平台。ADE平台能夠在一個系統中仿真汽車上各種相關傳感器的同步連接配接，例如全球衛星導航系統、車聯網攝像頭和雷達。有了ADE這個 開放平台，汽車OEM及其合作夥伴就能夠集中精力開發和測試ADAS系統與算法，包括傳感器融合和決策算法。汽車OEM還能将該平台還與商用3D模組化、硬體在環系統以及現有的測試和仿真環境相內建。
是德科技雷達場景仿真器和ADE平台為汽車OEM提供了一個理想的解決方案，可以幫助他們實作新的ADAS功能，最終實作全自動駕駛的願景。
圖13. Keysight AD1012A雷達場景仿真器
實作移動性願景
隻有內建的真實環境仿真器才能彌合仿真與路測之間的差距，進而實作更高等級的自動駕駛。您需要根據整體情況做出AV和ADAS軟體決策，而不能僅僅依賴于測試裝置呈現的内容。
掃碼擷取白皮書PDF版全文
歡迎加入智能交通技術群！