Sensor-Realistic Simulation for Autonomous Vehicles

在此分享一下dSPACE Public的，物理级传感器实时仿真的官方资料；

欢迎感兴趣的同仁，留言技术讨论^_^

---

自动驾驶的传感器实时仿真解决方案（dSPACE）

演讲稿内容：

1. 物理级传感器仿真

1. Camera、Radar and Lidar

2. 传感器模型集成方案

3. 验证

2. 仿真架构

1. SIL、HIL,云端和分布式系统

3. 生态系统

1. 项目工具链 & 合作伙伴

dSPACE支持对象清单列表（object List）和地表信息（Ground Truth）的实时仿真。

dSPACE支持搭建逼真的3D环境场景。

dSPACE的Camera仿真传感器基于物理的PBR渲染，支持径向镜头畸变。

dSPACE传感器仿真支持Camera颜色滤波模式和Standard RGB（sRGB）仿真结果输出，dSPACE仿真方案支持动态灯光和天气仿真。

dSPACE Radar仿真实现了全极化雷达模拟。并且，场景库中的物体材质属性可以配置用于传感器识别的专用材料。Radar拆传感器使用基于光线追踪的GPU实现重影目标的识别。

Radar传感器输出模式支持：通信脉冲响应、原始数据和检测列表。

Lidar模型传感器使用光纤追踪技术的GPU仿真，可以配置适用Lidar识别的专用属性。该模型支持配置扫描模式：Flash和Scanning，并且可以配置运动失真的属性。

dSPACE传感器模型接口支持OSI，可以将数据编码为OSI格式并且使用以太网传输。此方法的优点是标准接口，但缺点是实现慢，而且不能实现同步。

此外，传感器模型支持实时接口，启用实时功能在GPU上计算传感器模型。该方法实现快，并且可以实时同步。

而实时接口需要环境传感器接口单元(ESI Unit)来实现，其在功能强大的FPGA上，灵活适配各种数据注入接口，可以实现同一套硬件支持开环、闭环和数据回放功能。

dSPACE实现了即用型传感器模型，来自与传感器供应商的紧密合作。

Verfication功能实现，Radar横截面：创建拐角反射镜模型，计算RCS和验证绘图（支持文献格式和实时测量模式）。

Validation功能实现，以真实数据为驱动的数字孪生，支持数据记录、AI辅助注释和衍生、材料生成和仿真。

dSPACE仿真解决方案支持感知测试，可以实现Camera的depth output。而使用该技术可以求解出捕获物体到相机的平面图像的距离。

dSPACE仿真解决方案支持感知测试，同时可以实现像素级别的边界框检测，其包含的基本信息有：物体 类别名，可见像素数和最小最大范围的边界框。并且，dSPACE提供后处理和反序列化的源代码示例。

dSPACE仿真解决方案支持感知测试，可以实现Cam语义分割的识别。其具体功能有，Camera实现输出像素级别的语义分割、参数化的语义类别和客户自适应的匹配设置。

dSPACE仿真解决方案支持感知测试，可以实现Lidar传感器的语义分割输出数据、参数化语义类别和客户自适应的匹配设置。

AURELION集成在SIL测试，支持便于集成的C++ API库，即用型支持ROS和RTMaps（dSPACE工具链）。

AURELION集成在HIL测试，实现了一步式实时仿真。支持SIL项目的复用和提供ESI Unit实现传感器数据注入到DUT中。

AURELION集成在云端测试中，支持高性能分布式系统部署。结构化使能：准确的结果，不同传感器的更新频率和云端和HIL联合仿真。同时便于集成到Docker容器中。

AURELION 3维环境仿真，支持基本道路、高速公路、特殊场景搭建等满足多方测试需求。

支持测试场景库的编辑，AURELION的3D Road Generator 支持OpenDrive导入和Mode Desk创建的RD格式的道路交通信息网的生成。

AURELION的3D Editor功能，支持界面化交互的场景搭建和编译。

AURELION 3D 环境功能总结，提供了预定义的环境场景，例如高斯道路环境，便于快速开展项目；支持自动生成道路和各种地形的场景；支持客户自定义的3D物体导入到场景中；支持基于道路交通网自动生成驾驶场景仿真。