首页/文章/ 详情

介绍一款高精度车辆动力学仿真软件-PanoCar

8月前浏览1004

作者 | 智驾社

出品 | 车路漫漫


大家好,我是李慢慢。

本期转载一篇来自公众 号【智驾社】的文章,继续学习自动驾驶仿真 之 汽车动力学仿真吧。

以下原文。



PanoCar软件介绍

车辆动力学模型与软件在车辆设计和开发过程中发挥着至关重要的作用,更是汽车电动化和智能化仿真测试不可或缺的重要工具。它对于预测车辆性能、优化车辆设计、提升行驶安全性与舒适度,减少能耗并满足环保要求,以及提高研发效率、降低成本等都具有重要的意义。

PanoCar作为一款自主研发的高精度、功能强大的车辆动力学仿真软件,不仅集成了复杂且精确的车辆动力学模型,而且还具备高效率仿真和稳定性数值计算等特征,可在包括Windows/Linux操作系统NILinksBox等各类实时硬件平台,以及Matlab/Simulink等各种软件环境下满足大规模、长周期稳定可靠的实时仿真需求,与国际主流车辆动力学仿真软件CarSim高度兼容且高度一致。  

PanoCar以其精确的车辆模型、卓越的仿真性能、友好的操作体验和高度的可扩展性,赋能电动汽车和自动驾驶的仿真测试 


1) 车辆动力学模型简介  

PanoCar集成了复杂的车辆动力学模型,可精确模拟车辆在各种道路和驾驶条件下的动态响应,包括不同路面状况、驾驶输入以及车辆系统之间的相互作用。无论是急加速、紧急制动还是高速转弯,PanoCar都能精确地捕捉车辆的瞬态和稳态运动特性,提供全面而深入的车辆性能分析  

  • 车身动力学和车轮动力学模型;

  • 燃油动力传动系统模型:包括发动机模型、燃油消耗量模型、液力变矩器、自动变速器、分动器、差速器建模;支持前驱、后驱和四驱等各种动力驱动构型;

  • 电驱动系统模型:包括电池模型、电机模型、电机效率模型、再生制动能量回收建模,支持前驱双电机、前驱单电机、后驱双电机、后驱单电机、四驱四电机、四驱双电机等分布式和集中式电驱动构型;

  • 转向系统模型:包括转向管柱、电动助力、齿轮齿条式转向器、转向主销、转向轮等典型转向系统的多刚体动力学建模,包括方向盘转角与扭矩两种控制输入模式,以及后轮转向系统模型;

  • 悬架系统模型:支持非线性弹簧力、阻尼力、上限位块和下限位块约束力等独立悬架力特性元件配置建模,以及悬架系统的非线性运动学特性(Kinematic)和弹性特性(Compliance)配置建模;

  • 制动系统模型:支持包括制动主缸压力、制动轮缸压力、制动热衰退等在内的典型制动系统建模,支持典型制动防抱死(ABS)控制系统等;

  • 驾驶员模型:支持闭环速度和路径跟随控制,支持变速箱挡位自动控制,支持方向盘转角与扭矩控制;

  • 3D道路路面模型:支持典型的基于X-Y坐标和S-L曲线坐标间的相互转换、基于S-L坐标的3D道路及其路面附着系数、滚动阻力系数等建模;

  • 空气动力学模型:支持三维空间空气阻力、升力、侧向力和力矩等建模;

  • 轮胎动力学模型:支持纵侧向复合行驶工况下轮胎力、轮胎弹性迟滞特性、低速行驶工况的建模,支持轮胎滚动阻力矩与功率平衡特性、以及轮胎力与轮胎压缩量或运动量之间关系的建模。


软件界面简介

PanoCar提供直观易用的图形界面,可通过直观的图形、生动的动画或详细的图表形式,快速了解车辆性能特点、发现潜在问题,并进行优化改进,从而全面评估并优化车辆操控稳定性、动力及燃油经济性、驾乘舒适性或运动平顺性等  

PanoCar可根据仿真需求定制车辆模型,包括车辆尺寸、质量分布、悬挂系统特性、轮胎等参数的设置。支持用户自定义参数和扩展功能,可根据需求灵活地调整车辆参数、设置道路条件、配置控制系统等,从而构建精细的仿真工况,以评估不同类型和配置车辆的性能等

PanoCar软件功能示例  

2) I/O接口  

PanoCar具备出色的扩展性和可定制性,其车辆模型拥有丰富的输入输出接口,并附有详细的接口说明文档,支持程序通过I/O读写的方式接入外部算法模型,或者替换车辆子模型(例如:动力传动系统、制动系统、悬架弹簧与阻尼力原件等)。此外,PanoCar可根据仿真需求进行功能定制和二次开发,以满足不同领域、不同项目的多样化和个性化仿真需求  

此外,PanoCar还与PanoSim无缝集成,通过友好便捷的图形界面操作,全面支持车辆各类环境传感器选配与安装、各类复杂道路与天气光照设置、交通场景设置、驾驶任务与智能驾驶员配置等,全面支持汽车各种工况和场景下的自动驾驶传感感知与决策规划、运动控制与执行等丰富且强大的仿真功能。

 

 3)  MATLAB/Simulink联合仿真  

PanoCar作为一款功能强大的仿真软件,支持与包括Matlab/Simulink等在内的许多工程软件的无缝对接,通过高效、稳定的数据交换和协同仿真,支持与自动驾驶智能网联等系统的集成与联合仿真。此外,PanoCar内置丰富的MATLAB/Simulink测试用例模型,帮助用户快速掌握车辆模型各子系统接口的物理意义与使用方法,部分测试用例如下:  

Demo      

仿真示例      

仿真示例说明      

ABS Controller      

制动防抱死控制器      

该示例可帮助用户了解制动轮缸压力控制的接口使用方法      

Aerodynamics      

空气动力学模型      

该示例用于测试环境风对车辆行驶动态的影响,帮助用户了解空气动力学六分力接口使用方法      

Driver Model      

驾驶员模型      

该示例为单点预瞄驾驶员模型,帮助用户了解方向盘输入接口及使用方法,以及如何集成用户自定义的外部车辆向控制算法      

Electric Vehicle      

电驱动动力传动系统      

该示例展示了一个双电机四驱动力传动系统,帮助用户了解如何使用自定义动力传动系统外部模型替换PanoCar默认内置模型      

ESC Controller      

车身电子稳定性控制系统      

该示例展示了如何根据车身运动状态调制动轮缸压力大小,提高车辆向运动稳定性,帮助用户了解相关接口使用方法      

Longitudinal Acceleration Controller      

纵向加速度控制器      

该示例展示了一个纵向PI控制器,帮助用户了解外部自定义纵向控制器接入、以及将加速与制动控制信号分离并作用于PanoCar      

Magic Formula Tire Model      

魔术公式轮胎模型      

该示例帮助用户了解如何接入外部自定义轮胎模型以及轮胎六分力接口使用方法      

Semi Active Suspension      

半主动悬架系统模型      

该示例分别展示了一个半主动悬架主动悬架等外部控制算法在PanoCar车辆模型中的接口及使用方法      

Wave Road      

波浪路模型      

该示例帮助用户了解如何将车辆动力学模型与外部道路的数据交互轮胎接地点处的高程坐标、两个方向的导数信息      

OpenCRG Demo      

OpenCRG道路信息导入模型      

该示例帮助用户了解如何将车辆动力学模型与OpenCRG道路信息数据进行交互轮胎接地点处的高程坐标、两个方向的导数信息      

VTD Demo      

VTDPanoCar联合仿真接口模型      

该示例帮助用户了解如何将车辆动力学模型与VTD进行数据交互       


4) 实时仿真(RT版本)  

PanoCar具备高效的仿真速度和数值稳定性,可满足大规模、长周期稳定可靠的实时仿真需求PanoCar各类硬件仿真平台上实现1ms数值积分步长稳定运行满足各类HIL系统仿真实时性要求。支持包括NI-RT等在内的各种实时仿真平台,提供PanoCar与实时机通讯配置界面,用户可根据需要设置车辆模型与外接模型的输入输出接口与实时机的通讯协议、通讯地址等。  

 

2. 车辆动力学模型介绍  

1)车辆动力学建模方法  

车辆动力学模型反映给定道路路面、阵风等环境影响下车辆对驾驶员或控制器输入的动态响应,包括车辆的动力性、操纵稳定性和行驶平顺性等。构成车辆动力学的组成因素包括车体(簧上质量)、悬架(弹簧与阻尼器)和轮胎(簧下质量)等,以及转向、动力及传动、制动等系统。车辆动力学建模所遵循的基本物理定律是牛顿第二定律和达朗贝尔原理,其多体动力学建模方法包括牛顿欧拉法、拉格朗日法、凯恩法、哈密尔顿法等,通过构建一组反映车辆受力与运动关系的微分方程研究车辆的动力学特性和动态响应。车辆动力学其建模精度决定了车辆的运动、姿态及轨迹精度,进而直接影响车载传感器的位置和姿态精度,不仅对车辆运动控制、而且对自动驾驶的传感感知及数据融合的准确性均具有重要的影响。  

基于多刚体、非线性、系统建模方法(实现模型的高精度与仿真的高效率)  

2)车辆坐标系统:  

1)车辆参考坐标系V  

该坐标系与簧上质量固连,是所有其他刚体的装配原点,在大地坐标系下观测,其位置在车辆前轴中心至地面的投影点。  

2)轮胎接地点坐标系CP  

该坐标系方向由轮胎接地点处的两个偏导数dZ/dX,dZ/dY确定,轮胎力的作用方向依赖于此信息。  

3)车轮坐标系W  

该坐标系方向由三个欧拉姿态角(簧下质量相对于车辆参考坐标系V) 确定。  

ISO8855:2011标准坐标系  

3)主要状态变量  

模型状态变量      

自由度      

车身(簧上质量,3个平移速度和3个旋转速度)      

6      

车轮旋转角速度(4个车轮)      

4      

簧下质量(4个)相对于车体的垂向跳动      

4      

悬架系统的动态弹性特性      

4个簧下质量受力引起的XY方向位移与Roll和 Yaw角的二阶动态变化)      

16      

4路油路至轮缸制动系统管路油压的动态迟滞特性      

4      

4个制动器的转子温度      

4      

双通道ABS控制器      

4      

轮胎纵向滑移率与侧偏角的弹性迟滞特性(4个轮胎)      

8      

发动机轴转角      

1      

发动机节气门一阶动态迟滞      

1      

发动机燃油消耗量      

1      

液力变矩器输出端与变速器输入端转角      

(空挡时,变速器输入端与输出端断开,此时液力变矩器输出端与变速器输入端为一个整体,此自由度存在,否则不存在)      

1      

变速器输出轴转角      

1      

电驱动系统电机扭矩的动态迟滞特性      

(激活电驱动动力传动系统时生效,最多可4个电机同时工作)      

4      

电驱动电池荷电状态(SOC      

1      

悬架系统摩擦力迟滞特性(4个独立悬架)      

4      

转向系统转角      

(扭矩输入模式时为2个自由度,转角输入模式为1个自由度)      

2      

转向系统管柱摩擦阻力矩的动态迟滞特性      

1      

转向系统横拉杆摩擦力的迟滞特性      

1      

转向系统管柱助力的迟滞特性      

(转向系统管柱助力激活时,此自由度生效)      

1      

转向系统齿条助力的迟滞特性      

(转向系统齿条助力激活时,此自由度生效)      

1      

驾驶员模型纵向控制量的一阶迟滞      

(加速信号与制动主缸油压信号的一阶迟滞)      

2      

驾驶员侧向控制量的二阶迟滞特性      

(方向盘转角控制量的二阶迟滞)      

1      

二自由度动力学参考模型的侧向速度和横摆角速度      

(驾驶员路径跟随侧向控制模式激活时,此自由度生效)      

2      


4) 车辆刚体动力学模型  

车辆坐标系下车身动力学包括六个自由度,分别为三个平动和三个转动,包括纵向、侧向和垂向运动,以及横摆、俯仰和侧倾运动。

车轮动力学则是在车轮坐标系下包括其各自围绕轮轴旋转构成的四个转动自由度。  

5)燃油动力传动系统模型  

  • 支持驱动构型(燃油):前驱、后驱与四驱

  • 基于二维表格插值的发动机扭矩计算模型    

  • 基于二维表格插值的燃油消耗率计算模型    

  • 基于一维表格插值的液力变矩器扭矩计算模型    

  • 液力变矩器锁止离合器模型    

  • 速敏型中央限滑差速器模型(四驱模式)    

  • 速敏型轮间限滑差速器模型(前、后驱模式    

  • 支持用户配置激活差速器锁止离合器    

  • 支持用户配置发动机节气门一阶瞬态特性    

  • 支持用户配置传动系统的自然频率与阻尼比,用于描述传动系统的柔性特性    

  • 支持用户配置自动变速器升挡临界线    

  • 支持用户配置自动变速器降挡临界线    

  • 支持用户配置自动变速器挡位数(最高18挡)    

  • 支持用户配置变速器不同挡位对应的传动比系数    

  • 支持用户配置变速器不同挡位对应的转动惯量    

  • 支持用户配置变速器不同挡位对应的正反向传动效率  


6) 电驱动动力系统模型  

  • 支持电驱动构型(纯电):双电机前驱、单电机前驱、双电机后驱、单电机后驱、双电机四驱、四电机四驱    

  • 基于等效内阻法(Rint)的一阶电池模型    

  • 基于一维表格插值的电机扭矩计算模型    

  • 基于二维表格插值的电机效率(机械功率/电功率)计算模型    

  • 再生制动能量回收功能



7) 空气动力学模型

  • 车辆模型考虑了外部环境风引起的作用于车体上的力和力矩    

  • 作用于空气动力学参考点的三维空气阻力(或气动力)计算模型    

  • 作用于空气动力学参考点的三维空气阻力矩(或气动力矩)计算模型    

  • 支持用户配置空气动力学阻力系数、升力系数、侧向力系数。    

  • 支持用户配置空气动力学侧倾力矩系数、俯仰力矩系数、横摆力矩系数



8) 转向系统模型  

  • 支持构型:齿轮齿条式转向器    

  • 基于标准多刚体动力学建模方法    

  • 支持用户配置主销定位参数    

  • 支持用户配置方向盘转角到转向器齿条位移的运动学关系曲线    

  • 支持用户配置转向器齿条位移到左、右两侧车轮转角的运动学关系曲线    

  • 支持用户配置作用于转向管柱上的迟滞摩擦力矩    

  • 支持用户配置转向管柱阻尼系数    

  • 支持用户配置转向管柱扭力杆刚度系数    

  • 支持用户配置转向轮静态前束角

  • 支持用户配置激活转向管柱助力模式

  • 支持用户配置激活转向齿条助力模式

  • 考虑悬架运动学特性引起的前轮转角

  • 考虑悬架柔性特性引起的前轮转角   

 

9) 悬架系统模型  

  • 支持构型:独立悬架(后续版本将支持非独立悬架建模)    

  • 支持用户配置非线性弹簧力    

  • 支持用户配置非线性阻尼力    

  • 支持用户配置非线性上限位块约束力    

  • 支持用户配置非线性下限位块约束力    

  • 支持用户配置侧倾稳定性附加力矩与阻尼系数    

  • 支持用户配置簧下质量侧倾角与轮跳间的非线性运动学关系曲线    

  • 支持用户配置簧下质量横摆角与轮跳间的非线性运动学关系曲线    

  • 支持用户配置簧下质量俯仰角与轮跳间的非线性运动学关系曲线    

  • 支持用户配置簧下质量侧向位移与轮跳间的非线性运动学关系曲线    

  • 支持用户配置簧下质量纵向位移与轮跳间的非线性运动学关系曲线    

  • 支持用户配置簧下质量侧倾角与轮心纵向力间的非线性柔性特性关系曲线    

  • 支持用户配置簧下质量侧倾角与轮心侧向力间的非线性柔性特性关系曲线    

  • 支持用户配置簧下质量侧倾角与车轮回正力矩间的非线性柔性特性关系曲线    

  • 支持用户配置簧下质量横摆角与轮心纵向力间的非线性柔性特性关系曲线    

  • 支持用户配置簧下质量横摆角与车轮回正力矩间的非线性柔性特性关系曲线    

  • 支持用户配置簧下质量纵向位移与轮心纵向力间的非线性柔性特性关系曲线    

  • 支持用户配置簧下质量侧向位移与轮心侧向力间的非线性柔性特性关系曲线

 

10) 制动系统模型  

  • 支持用户配置制动主缸压力信号纯延时时长

  • 支持用户配置激活制动防抱死控制系统    

  • 支持用户配置激活制动轮缸压力无延时计算模式    

  • 支持用户配置激活制动轮缸压力一阶延时计算模式    

  • 支持用户配置激活制动轮缸压力与油液体积一维非线性表格模式    

  • 支持用户配置激活最大有效制动力矩比例系数计算模式    

  • 支持用户配置激活最大有效制动力矩一维非线性表格计算模式    

  • 支持用户配置激活最大有效制动力矩制动热衰退计算模式 

 

11) 轮胎动力学模型  

  • 基于联合工况理论、数据表格形式的半经验轮胎六分力计算模型    

  • 稳态、瞬态(轮胎弹性迟滞特性,低速稳定性数值处理)纵滑率计算    

  • 稳态、瞬态(轮胎弹性迟滞特性,低速稳定性数值处理)侧偏角计算    

  • 考虑轮胎滚动阻力矩与功率平衡特性    

  • 支持用户配置轮胎垂向力与轮胎压缩量间的关系曲线    

  • 支持用户配置轮胎纵向力与轮胎垂向力和纵滑率间的关系曲线    

  • 支持用户配置轮胎侧向力与轮胎垂向力和侧偏角间的关系曲线    

  • 支持用户配置轮胎回正力矩与轮胎垂向力和侧偏角间的关系曲线    

  • 支持用户配置轮胎侧翻力矩与轮胎垂向力和侧偏角间的关系曲线

  • 考虑车轮外倾角对轮胎侧向力的附加影响

  • 考虑车轮外倾角对轮胎回正力矩的附加影响

  • 考虑车轮外倾角对轮胎侧翻力矩的附加影响

  • 魔术公式轮胎模型

 

12) 3D道路路面模型  

  • 支持用户配置X-Y坐标形式的道路参考线    

  • 支持X-Y坐标与S-L曲线坐标间的相互转换    

  • 支持用户配置S-L曲线坐标形式的道路高层    

  • 支持用户配置S-L曲线坐标形式的路面附着系数    

  • 支持用户配置S-L曲线坐标形式的滚动阻力系数

13) 驾驶员模型  

  • 支持车辆纵向速度闭环控制(PI控制)    

  • 支持车辆挡位闭环控制(前进、空挡和倒车)    

  • 支持路径跟踪侧向控制(多点预瞄方法)    

  • 支持方向盘转角与扭矩两种控制模式    


14) 驾驶操纵模型  

  • 纵向控制(加速信号模式1):常量加速信号    

  • 纵向控制(加速信号模式2):加速信号与仿真时间一维非线性表格    

  • 纵向控制(加速信号模式3):加速信号与车辆S坐标位置一维非线性表格    

  • 纵向控制(制动信号模式1):常量制动主缸压力信号    

  • 纵向控制(制动信号模式2):制动主缸压力信号与仿真时间一维非线性表格    

  • 纵向控制(制动信号模式3):制动主缸压力信号与车辆S坐标位置一维非线性表格    

  • 侧向控制(方向盘转角信号模式1):常量方向盘转角信号    

  • 侧向控制(方向盘转角信号模式2):方向盘转角信号与仿真时间一维非线性表格    

  • 侧向控制(方向盘转角信号模式3):方向盘转角信号与车辆S坐标位置一维非线性表格    

  • 侧向控制(方向盘扭矩信号模式 1):常量方向盘扭矩信号

  • 侧向控制(方向盘扭矩信号模式 2):方向盘扭矩信号与仿真时间一维非线性表格

  • 侧向控制(方向盘扭矩信号模式 3):方向盘扭矩信号与车辆S坐标位置一维非线性表格

  • 侧向控制(侧向路径跟踪模式 1):常量侧向路径偏移

  • 侧向控制(侧向路径跟踪模式 2):侧向路径偏移与仿真时间一维非线性表格

  • 侧向控制(侧向路径跟踪模式 3):侧向路径偏移与车辆S坐标位置一维非线性表格

 

3. 动画引擎  

PanoCar仿真数据后处理的图形渲染采用了功能强大的UE引擎,依托UE内置的Lumen全局光照系统实现逼真的画面动态光影与照明,通过Nanite技术结合PBR物理材质,真实还原车辆外形、路面环境、障碍物以及远景。PanoCar在此基础上二次开发了专为车辆动力学仿真结果演示的动画软件Animator,包含便捷的动画播放控制、视角切换、场景呈现、参数显示、动态展示等功能,为精确、逼真地展示车辆动态行驶过程提供了强力的动画支撑。  

此外,Animator提供两类测试场地  

  • 水平面测试场(SkidPad):适合各类典型工况和自定义随意道路与地形的测试需求    

  • 环形赛道(RoadCourse):适合连续多路况的综合性集成测试   

为最佳化展示车辆动力学的仿真结果Animator为用户预置了固定视角和跟随视角的观察摄像机位同时,跟随机位也提供了定焦和变焦两种画面呈现形式。用户可通过自由旋转推拉镜头位置与角度观察车辆运动,可通过自动聚焦重点观察点位观察车辆运动

Animator也支持离线仿真结果的动画播放,包括按钮、快捷键加鼠标等相结合的动画操控方式:  

快进:1~8倍速,快速预览动画  

慢进:0.02~1倍速,展示动画细节  

暂停与播放:画面定格显示  

停止播放:重置为初始状态  

顺播与倒放:可反复观看某一段动画  

进度条:显示当前进度,提供快速跳转  

实时动画则由外部输入的车辆动力学仿真数据所驱动,高帧率低时延地显示实时机的仿真结果。

用户还可以在Animator中通过改变车辆的长宽高、轴距、轮胎半径、厚度、车轮的ToeCamber角度等配置车辆参数及外形  

Animator支持一系列辅助显示,并可通过快捷键切换或关闭显示:  

  • 透明车身:用于凸显底盘和轮胎显示    

  • 蓝色锥状箭头:轮胎纵向、侧向和垂直三个维度受力指示    

  • 蓝色箭头虚线:导航轨迹线    

  • 紫色箭头虚线:驾驶轨迹线    

  • 三角锥桶:行驶路线的边界障碍物指示    

  • 轮胎痕迹:用于体现滑动摩擦率与轮胎纵向压力    

Animator还可模拟HUD显示界面支持各类参数:  

  • 仪表类参数:加速控制信号、发动机转速表盘、车速、变速箱工作档位、G值加速度、制动主缸油压;    

  • 行驶类参数:方向盘转角、行驶方向路径长度Station、侧向偏移距离Lateral    

  • 轮胎类参数:轮胎位置、轮胎转速。


4. 模型验证  

本报告选取了典型的C级乘用车为仿真对比测试用车,其发动机功率为150kw6挡变速箱,差速器差速比4.1:1,四驱(分动箱齿比1:1),齿轮齿条式转向器;仿真测试工况包括加减速、带挡滑行、正弦波转向、方向盘角阶跃、鱼钩(高低附路面)、双移线、蛇形工况等,涵盖了车辆在线性范围和极限工况下的纵向、侧向和纵侧向动力学,并分别与国际主流车辆动力学软件作了全面且严格的一对一比较。  

仿真测试结果表明,PanoCar与国际主流车辆动力学软件在模型精度上高度一致  

1) 加速减速工况  

1) 测试目的:评估车辆的动力总成与制动系统性能、以及极限加减速工况下的纵向动力学性能;  

2) 测试工况:平坦高附路面(Mu=0.85),初始车速0 (km/h),无转向输入;  

3) 油门输入:0-10s全油门(100%)加速,制动主缸压力输入:15-25s 10MPa 

4) 测试对比:PanoCar vs. CarSim  

5) 仿真测试结果对比  

2) 带挡滑行工况  

1)测试目的:评估车辆动力传动系统与空气动力学系统的建模精度;  

2)测试工况:平坦高附路面(Mu=0.85),初始车速120 (km/h),无油门、制动踏板和方向盘输入;  

3)测试对比:PanoCar vs. CarSim  

4) 仿真测试结果对比

 

3) 正弦波转向工况  

1) 测试目的:评估车辆高速行驶时的操纵稳定性;  

2) 测试工况:平坦高附路面(Mu=0.85)车速闭环控制、期望车速100 (km/h),方向盘正弦波输入 (±57.3 deg0.16Hz,如下图所示) 

方向盘正弦输入  

1)测试对比:PanoCar vs. CarSim  

2)仿真测试结果对比  

 

4) 方向盘角阶跃工况  

1)测试目的:评估车辆转向响应及侧向动力学性能;  

2)测试工况:平坦高附路面(Mu=0.85),初始车速80 (km/h)、无油门和踏板输入,方向盘0.2s内至57.3 deg角阶跃输入如下图所示;  

1) 测试对比:PanoCar vs. CarSim  

2) 仿真测试结果对比  

5) 鱼钩工况(Mu=0.85  

测试目的:评估车辆高附路面下的操控稳定性和抗侧翻能力;  

测试工况:平坦高附路面(Mu=0.85),初始车速50 (km/h)、无油门和踏板输入,方向盘转角输入如下图所示;  

测试对比:PanoCar vs. CarSim  

仿真测试结果对比  


6) 鱼钩工况(Mu=0.35  

1)测试目的:评估车辆低附路面下的操控稳定性和抗侧翻能力;  

2)测试工况:平坦低附路面(Mu=0.35),初始车速50 (km/h)、无油门和踏板输入,方向盘转角输入如下图所示;

  

测试对比:PanoCar vs. CarSim  

仿真测试结果对比  

7) 双移线工况  

1)测试目的:评估车辆在紧急变道或避障等极限工况下的操控稳定性;  

2)测试工况:平坦高附路面(Mu=0.85),车速闭环控制、期望车速120 (km/h),方向盘转角输入如下图所示;  

 

3)测试对比:PanoCar vs. CarSim  

4)仿真测试结果对比  

 

8) 蛇形工况  

1)测试目的:评估车辆连续避障时的操控稳定性;  

2)测试工况:平坦高附路面(Mu=0.85),车速闭环控制、期望车速80 (km/h),方向盘转角输入如下图所示;  

3)测试对比:PanoCar vs. CarSim  

4)仿真测试结果对比  


 

公司简介  

浙江天行健智能科技有限公司(PanoSim)是国内最早从事汽车自动驾驶仿真技术与产品研发、并拥有完全自主知识产权的国家高新技术企业,也是国家智能网联汽车创新中心、美国MathWorks和俄罗斯国家汽车研究院(NAMI)的战略合作伙伴。公司先后获国家双软认证,入选浙江省“专精特新”企业、浙江省高新技术企业研究开发中心,通过国际标准体系ISO9001/ISO27001/ISO20000认证,并先后荣获“智途奖-年度优秀虚拟仿真系统供应商”、“汽车电子科学技术奖-优秀创新产品奖”和“汽车新供应链百强-金辑奖”,入围“腾讯产业共创营出行赛道高估值明星企业”。以PanoSim 为品牌的系列仿真软硬件产品已在包括美国通用汽车、德国戴姆勒汽车、一汽集团、上汽集团、东风汽车、长安汽车、小鹏汽车、地平线、商泰汽车等在内的国内外企业和科研院所广泛应用并获高度评价,是“中国智能网联汽车算法挑战赛(CIAC)”、“i-VISTA世界虚拟仿真挑战赛”和“世界智能驾驶仿真挑战赛(WIDC)”等国内顶级智能驾驶仿真大赛的官方指定平台https://www.panosim.com/


以上,原文完。


来源:车路漫漫
ACT非线性二次开发系统仿真通用汽车电子MATLABUMSimulink多体动力学理论电机Electric自动驾驶传动控制渲染
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-12-11
最近编辑:8月前
李慢慢
硕士 自动驾驶仿真工程师一枚
获赞 14粉丝 93文章 320课程 0
点赞
收藏
作者推荐

自动驾驶仿真数据合成 | 来自路口交通流的真实场景+自然场景+对抗场景

图片来自-2025中国汽车论坛-上海·嘉定-现场拍摄大家好,我是李慢慢。这次我扒了一个关于做数据合成的技术方案。起因是,此前车路漫漫上的文章《智驾数据闭环-从实车数据到仿真数据》的调研结果显示大家对数据合成的关注度很高(如下图所示): 所以为了寻找数据合成相关的素材,我特意去参加了中国汽车论坛的线下会议,因为其中有一个话题是《基于智慧路口对抗交通流的合成数据集》,是关于怎么根据真实的路口 交通流数据进行数据合成生成仿真数据的,很有意思。回来后,我又又仔细扒了下他们家的直播回放(见文末),然后把这个技术方案写成了一篇笔记,于是就有了今天你们看到的这篇文章。以下。1、先来了解下行业的痛点目前行业的主要痛点问题是:主机厂们训练端到端自动驾驶的大模型,对数据需求体量巨大,但自采数据成本高、效率低、冗余度高、覆盖度不足、缺少长尾数据。这个也算是行业共识了。 编者语:其实,要跑通一个自动驾驶的demo很简单,稍微集成一下现有的自动驾驶的开源模型就行,但是想要把自动驾驶做好,却是很难。因为Corner Case(长尾场景)实在是太多了,且很难穷举,要实际去采集到就更难了。到最终,主机厂们要拉开自动驾驶的水平差距,其实主要战场就是在看谁解决的Corner Case更多吧。下面这张来自中国汽研对智能驾驶的金字塔分级评价,也能说明以后的市场宣传的趋势,不是某某车新增了某某功能,而是某某车再在智驾评分中拿了多少分。谁家的Corner Case解决地多一些,算法训练的就好一些,拿到的分数就高一些。由此也能看出来,解决Corner Case有多重要了。 2、一种来自交通流的解决方案前面也有提到,Corner Case无法穷举,我们只能尽可能多地去找Corner Case,让Corner Case的覆盖度尽可能贴近100%。那么发现Corner Case的方法有很多,有那么一种方法,它可以来自交通流。 那深信科创是怎么做的呢? 我扒一下他们家的技术路线,流程罗列如下: 针对上述的技术流程,说一些我能看懂的:1. 深信科创应该是和上海汽车城集团合作,拿到了一些智能网联测试路口的真实数据。这些路口作为智能网联测试路口(也称为全息路口),是配备了很多路端设备的,比如摄像头、激光雷达。没错,就是拍你们闯红灯的那些家伙。2. 基于这些路口传感器数据(主要是摄像头数据),把这些图像进行三维变换和拼接,可以获得路口的鸟瞰试图(BEV)。3. 再针对鸟瞰试图里的各路交通参与者(车辆、行人、电动车等)进行目标类型识别和目标位置跟踪,就可获得他们各自的运行轨迹。4. 把这些运行轨迹赋值给仿真软件里的同等交通参与者,就可以复现交通流,这一步称为场景重建,最终可以生成一些真实场景。5. 如果更进一步,把这些轨迹喂给交通流模型,就能训练出可以推演更多场景的交通流模型,这一步称为场景泛化。根据训练的交通流模型的不同,这里他们分为了两种,一种是基于AI的自然交通流模型,应该是生成那种比较自然的路口 交通流行为的场景;另一种是基于强化学习的对抗交通流模型应该是想生成各种挑战主车的Corner Case场景吧。这两种交通流模型,可以泛化出来很多交通场景,称为合成数据集(其实就是一些OpenScenario的场景文件啦)。6. 基于上述的真实场景数据集、合成的自然场景数据集、合成的对抗场景数据集,可以更进一步地去训练规划控制模型或者行为预测模型。(其实我觉得他们家的宣传有点保守,只要仿真渲染地足够好,是直接能用来训练甚至测试端到端大模型的)个人觉得,具有真实交通流属性的场景数据,还是蛮难得的。主机厂们也常去道路上进行采集,但却做不到像这种单独的针对某几个特定路口进行超大规模的数据采集甚至还训练路口 交通流模型,这也体现出来这种交通流数据的稀缺性。哦,对了,他们家为了促进这批交通流合成数据的落地应用,特地开源出来了一部分。下面也简单介绍下:3、交通流数据集的开源3.1 介绍基于智慧路口对抗交通流的合成数据集通过路侧数据提取真实的交通流信息,对局部场景进行重建和全局场景进行融合,实现高精度真实动态场景的重建,随后基于TTC和PET等指标用算法对变道、制动、典型交通流功能场景进行提取,形成真实场景库;基于真实场景,使用基于AI的自然及对抗交通流模型进行数据合成,通过城区交叉路口 交通流场景合成技术,对原始单一场景进行泛化,增强自动驾驶训练数据集的多样性、解决仿真测试极端场景稀疏性,生成高质量真实路侧场景、自然合成场景、对抗合成场景的多样极端驾驶场景,总共60个场景数据集,遵循OpenX标准,以xosc格式文件描述动态交通数据,包含基本道路信息以及不同类别交通参与者的运动轨迹。3.2 开源数据集特点与应用高覆盖性:目前已收录两个真实路口数据,覆盖了不同时段及多种类别交通参与者的复杂场景事件,如左转、右转、制动、切入、跟车、直行、变道等高交互场景。Corner Case场景占比高:Corner Case占比超过30%,包含紧急制动、紧急切入、紧急转弯、冲突位置抢占等多种长尾场景。1:1仿真场景还原:支持VTD/CARLA/OASIS主流仿真器动静态场景格式导入,实现高保真场景还原。自动驾驶算法训练测试:增强自动驾驶轨迹预测、控制规划算法训练数据集的多样性;解决自动驾驶算法仿真测试中极端场景稀疏性问题。3.3 开源数据集测试工况分布 3.4 开源数据集的下载开源仓库地址:https://gitee.com/Cheyun-Data/AutoDrive/tree/master/ 可以直接从网站手动下载。也可以通过命令行将仓库内容拉取到本地,操作过程如下:goodman@Ubuntu20:~/temp$ git clone https://gitee.com/Cheyun-Data/AutoDrive.git Cloning into 'AutoDrive'...remote: Enumerating objects: 205, done.remote: Counting objects: 100% (205/205), done.remote: Compressing objects: 100% (187/187), done.remote: Total 205 (delta 104), reused 0 (delta 0), pack-reused 0 (from 0)Receiving objects: 100% (205/205), 3.17 MiB | 1.01 MiB/s, done.Resolving deltas: 100% (104/104), done. 这个仓库里放的是一些xosc文件,如下:goodman@Ubuntu20:~/temp$ cd AutoDrive/goodman@Ubuntu20:~/temp/AutoDrive$ tree.├── README.md└── 基于智慧路口对抗交通流的合成数据集 ├── 宝安公路-园大路 │ ├── 对抗合成 │ │ ├── Traj_Versus_799_102_左转.xosc │ │ ├── Traj_Versus_799_131H1841e85c_前车制动.xosc │ │ ├── Traj_Versus_799_131H1841e85c_前车制动_主车直行跟车.xosc │ │ ├── Traj_Versus_799_28777H7698ef44_主车左转_非机动车.xosc │ │ ├── Traj_Versus_799_4127_跟车.xosc │ │ ├── Traj_Versus_799_4164_制动.xosc │ │ ├── Traj_Versus_799_58Haee48bcd_直行跟车.xosc │ │ ├── Traj_Versus_799_89_直行.xosc │ │ └── Traj_Versus_799_8H04c5b05f_跟车.xosc │ ├── 真实轨迹 │ │ ├── Traj_799_102_主车左转.xosc │ │ ├── Traj_799_11490Hbb40bN76408_非机动车_主车直行.xosc │ │ ├── Traj_799_131H1841e85c_前车制动.xosc │ │ ├── Traj_799_131H1841e85c_前车制动_主车直行跟车.xosc │ │ ├── Traj_799_28777H7698ef44_主车左转_非机动车.xosc │ │ ├── Traj_799_4127_跟车.xosc │ │ ├── Traj_799_4164_制动.xosc │ │ ├── Traj_799_58Haee48bcd_直行跟车.xosc │ │ ├── Traj_799_60H4a400d4d_非机动车.xosc │ │ ├── Traj_799_89_主车直行.xosc │ │ └── Traj_799_8H04c5b05f_跟车.xosc │ └── 自然合成 │ ├── Traj_Nature_799_102_左转.xosc │ ├── Traj_Nature_799_11490Hbb40bN76408_非机动车_主车直行.xosc │ ├── Traj_Nature_799_131H1841e85c_前车制动.xosc │ ├── Traj_Nature_799_131H1841e85c_前车制动_主车直行跟车.xosc │ ├── Traj_Nature_799_4127_跟车.xosc │ ├── Traj_Nature_799_4164_制动.xosc │ ├── Traj_Nature_799_58Haee48bcd_直行跟车.xosc │ ├── Traj_Nature_799_60H4a400d4d_非机动车_主车左转.xosc │ ├── Traj_Nature_799_89_直行.xosc │ └── Traj_Nature_799_8H04c5b05f_跟车.xosc └── 昌吉东路-于塘路 ├── 对抗轨迹 │ ├── Traj_Versus_743_13195He4b1ca2a_非机动车.xosc │ ├── Traj_Versus_743_14958Hf7750e7d_非机动车.xosc │ ├── Traj_Versus_743_15592H1e92c700_行人.xosc │ ├── Traj_Versus_743_1615H67c83c2f_主车跟车.xosc │ ├── Traj_Versus_743_25032Hee18b2d8_行人.xosc │ ├── Traj_Versus_743_25032Hee18b2d8_非机动车.xosc │ ├── Traj_Versus_743_6165H5bc3c42e_前车制动.xosc │ ├── Traj_Versus_743_8860Haae32727_前车制动.xosc │ ├── Traj_Versus_743_9169Hed184de3_主车变道.xosc │ └── Traj_Versus_743_9169Hed184de3_主车跟车.xosc ├── 真实轨迹 │ ├── Traj_743_13195He4b1ca2a_非机动车.xosc │ ├── Traj_743_14958Hf7750e7d_非机动车.xosc │ ├── Traj_743_15592H1e92c700_行人.xosc │ ├── Traj_743_1615H67c83c2f_主车跟车.xosc │ ├── Traj_743_25032Hee18b2d8_行人.xosc │ ├── Traj_743_275H7c1a81fe_非机动车.xosc │ ├── Traj_743_6165H5bc3c42e_前车制动.xosc │ ├── Traj_743_62509H2920abf0_主车左转_主车变道.xosc │ ├── Traj_743_8860Haae32727_前车制动.xosc │ └── Traj_743_9169Hed184de3_主车变道_主车跟车.xosc └── 自然轨迹 ├── Traj_Nature_743_13195He4b1ca2a_非机动车.xosc ├── Traj_Nature_743_14958Hf7750e7d_非机动车.xosc ├── Traj_Nature_743_15592H1e92c700_行人.xosc ├── Traj_Nature_743_1615H67c83c2f_主车跟车.xosc ├── Traj_Nature_743_275H7c1a81fe_非机动车.xosc ├── Traj_Nature_743_6165H5bc3c42e_前车制动.xosc ├── Traj_Nature_743_62509H2920abf0_主车左转_主车变道.xosc ├── Traj_Nature_743_8860Haae32727_前车制动.xosc ├── Traj_Nature_743_9169Hed184de3_主车变道_主车跟车.xosc └── Traj_Nature_743_9169Hed184de3__前车制动_主车直行.xosc9 directories, 61 files 然后我随便挑了一个场景,用Carla跑了一下,效果如下:4、后续的思路真实的路口 交通流数据很重要,一个是因为其足够真,另一个原因是其量足够大。这样的数据,正是车企们所需要的,如何对这些数据开发出更多玩儿法,我这里也简单脑洞了下。1. 如果把关注点,从路口挪到事故多发地带的话,可以获取真实的交通事故场景数据。这个玩法就很多了,毕竟是根据真实的大数据来的,个人认为以后完全可以和交管部门合作,形成必须测试合格的事故场景测试项目,给各大主机厂们的智驾考生都来考考试,考试挂科的就不给发“驾照”。2. 目前越来越多主机厂已经开始拥抱一段式端到端自动驾驶方案了。这对于只能用来训练规控模型或者预测模型的这个交通流合成数据方案来讲很不利。但是只要置信度难题得到解决,就能根据这个交通流模型泛化出来的各种场景仿真来训练或者测试一段式端到端模型。3. 这种训练出来的交通流模型,是不是也可以提供一些真实交通的场景分布的数据?这种数据,可以作为场景覆盖度的评测依据?4. 没有数据的卖数据,有数据的就卖工具。训练好的交通流模型是不是也可以卖呢,哈哈。5. 交通流模型应用于自动驾驶领域其实有些限制了这个模型的潜力,个人觉得它还值得更广阔的发展空间,比如:路段建设的交通规划与设计、红绿灯交通信号优化等。上面的内容否事我从下面这个直播回放里扒拉出来的,如有问题,大家以原视频为主。以上,本文完。瑞思拜。来源:车路漫漫

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈