首页/文章/ 详情

用户案例 | 多传感器注入的HIL仿真系统

10月前浏览223

一、项目背景

智能网联汽车向高阶自动驾驶迭代,多模态传感器(如多摄像头、毫米波雷达、激光雷达)已成为环境感知系统的核心配置。硬件在环(HIL,Hardware In the Loop)仿真作为关键验证手段,需支持多传感器物理级建模,以应对复杂场景下感知算法训练、控制策略验证的严苛需求,但传统仿真技术难以满足多传感器协同仿真的效率和精度要求。
现有HIL平台在多传感器仿真中面临算力、带宽、扩展性三重瓶颈:高精度传感器模型(如4K视频流渲染、多线雷达模拟)导致算力资源紧张;PCIe总线带宽限制与接口数量不足(如单机显卡接口≤4个)引发数据同步延迟和通道数量受限,迫使车企延长30%以上验证周期,严重拖累自动驾驶研发进程。

二、多传感器注入HIL仿真系统

系统介绍
基于深信科创OASIS SIM构建的多传感器注入HIL仿真系统,以虚实融合架构为核心,打通从高精度场景仿真到传感器信号闭环验证的全链路。
系统以OASIS SIM为中枢引擎,联动Unreal Engine 5.5构建的毫米级逼真场景库与Carla仿真引擎的定制化开发接口,通过主从机分布式架构实现算力动态调度:主机(Master)集中管理多类型传感器协议转换与任务分发,从机(Slave)集群基于显卡并行计算完成视频流(4K@30fps/2K@60fps)、激光雷达(128线束级点云)、毫米波雷达等数据的实时渲染,最终通过视频注入板卡将HDMI/GMSL信号注入域控制器,同步支持以太网/CAN总线协议闭环反馈,形成感知层-决策层的端到端仿真验证。

系统核心能力
1. 多传感器并行验证
支持12路摄像头、5组毫米波雷达、3路激光雷达、12路超声波雷达数据同步注入,满足多传感器的物理级联合仿真。

2. 弹性扩展架构
主从机共享统一软件栈,支持从单机到多节点从机集群的线性扩展,算力资源利用率提升40%,软件授权成本降低60%。

3. 工业级精度保障
依托UE5.5光线追踪引擎生成4K高逼真动态仿真场景,全面支持Lumen动态全局光照与Nanite虚拟几何体技术,显著提升复杂场景的渲染效率与视觉保真度。

差异化优势
1. 全栈国产化
从仿真引擎、协议栈到注入板卡的全自研技术链,规避海外工具链断供风险。

2. 生态开放性
提供Python/ROS2双模API,兼容Autoware、Apollo等主流自动驾驶框架集成。

3. AI交通流
基于路采数据训练获得与人类驾驶习惯相近的AI自然驾驶模型,保证测试场景中的NPC车辆的真实性。  

 
图片  

AI交通流示例


OASIS SIM 自动驾驶仿真平台
OASIS SIM自动驾驶仿真平台集成了场景生成与管理、资源管理、传感器仿真、动力学仿真、交通流仿真、数据合成、任务管理与调度、算法在环测试、测试评价与回看等模块,能够实现自动驾驶系统全生命周期的测试,在原型开发、工程化以及量产阶段发挥重要作用。

1. 实现高精度场景建模与仿真
基于厘米级精度路网建模引擎,构建包含车道线曲率、坡度、交通标志/标牌语义信息的多维度路网拓扑,支持直道、连续弯道、十字路口(含无保护左转)、环岛及立体匝道等复杂场景的精细化还原,路网要素几何误差<0.1%,满足ISO 26262场景覆盖度要求。

2. 提供动态场景编辑能力
引入便捷的动态场景编辑工具,允许用户动态添加或调整机动车、非机动车、行人等交通参与者的行为与轨迹,支持丰富的交通场景模拟,满足复杂动态环境下的智能驾驶系统测试需求。

3. 构建多维环境模拟系统
依托UE5 Lumen动态全局光照与Nanite虚拟几何体技术,支持多种自然天气(如雨、雪、雾、沙尘等)和不同光照条件(如白天、夜晚及复杂光源)的模拟,为车辆感知系统测试提供真实感强的环境输入。

4. 支持测试用例管理
搭建完善的测试用例管理系统,支持测试用例的创建、组织、执行与结果分析。可自定义评测指标、添加评测脚本。

5. 多种车载传感器仿真
支持摄像头、激光雷达、毫米波雷达、超声波传感器等多类型传感器仿真,并输出高质量的仿真数据,为智能驾驶感知、决策与控制算法的研发提供精准的数据支持。

6. 真实交通流与AI对抗模型
构建真实世界的交通流仿真环境,模拟车辆与行人的自然行为干扰。支持AI对抗模型,符合人类激进驾驶的风格和智能性。AI对抗可持续交互,可自定义交互的范围与时间,最大交互时间大于10s。AI对抗交通流与真实交通流(NGSIM)对比,TTC分布在(2s,100s]区间内概率分布平均误差小于0.1%(以1s为刻度),在[0s,2s]区间概率增加5%以上。

 

 
7. 提升研发效率与测试覆盖率  

 
通过先进的仿真技术和灵活的配置能力,大幅提升智能驾驶功能的研发效率和测试覆盖率,助力相关技术的快速迭代与成熟应用。  

 

应用价值
本项目的成功实施将显著提升智能网联汽车技术研发的精度与效率,为系统级功能验证和算法优化提供可靠的基础设施,为智能驾驶技术的推广与落地提供有力保障。

用户案例


以上,文本完。

来源:车路漫漫
汽车pythonUM自动驾驶控制渲染
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:2025-12-10
最近编辑:10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 322课程 0
点赞
收藏
作者推荐

智驾仿真界又多了一项标准:OpenMATERIAL 3D,它能提升仿真的置信度吗?

编者寄语2025 年 4 月,ASAM OpenMATERIAL 3D 1.0.0 标准已正式发布。该标准针对物理材质属性和三维物体描述提出了规范格式。欢迎ASAM会员与行业专家查阅与使用。 1. 为什么要开发ASAM OpenMATERIAL?简单来说,OpenMATERIAL是为了提供有效的高精度仿真模型。如果要为高级驾驶辅助系统(ADAS)提供可靠的安全论据,需要在各种测试方法和环境中获得精确、一致的数据。但是有限、昂贵的计算资源阻碍了仿真技术的普及和发展,导致在设计解决方案之时必须优先考虑最小的内存和计算需求。为了降低对计算资源(硬件设备)的需求,一般会通过降低物理模型精确而视觉效果区别不大的方式来实现。在早期开发阶段不失为一种高效的方式,但并不代表在建模中不需要严格的物理准确性。随着计算能力和仿真技术的进步,虚拟仿真测试在开发各个阶段的作用也得到了行业的普遍认可。这一进步增加了对“数字孪生”或真实世界实体的高精度仿真需求,这对于增强物理传感器仿真至关重要。因此,行业内迫切需要对材料属性进行精确建模,确保 3D 模型及其物理属性通过标准化流程在不同平台和利益相关者之间始终如一地交换。2. ASAM OpenMATERIAL 3D 标准介绍ASAM OpenMATERIAL 3D作为开源项目,致力于通过提供精确、标准化的3D资产与材料属性,有效支撑传感器行为仿真的需求。 ASAM OpenMATERIAL 3D标准既定义了材料的物理属性,又规范了3D模型结构以实现更高精度的仿真。该标准摒弃了简单标注"玻璃""金属""橡胶"等材质名称的传统方式,转而精确定义折射率、表面粗糙度、磁导率等特性参数。这些物理属性存储于专门的材质文件中,并与3D几何模型结构建立关联,从而确保仿真过程中的真实物理行为表现。 ASAM OpenMATERIAL 3D标准并未引入新的三维属性描述格式,而是为模型元素如坐标系和可移动部件(例如行人的四肢)建立了一致的层级结构。此方法增强了不同仿真之间的兼容性,并允许现有的3D资产无缝集成。 通过结合标准化的材料属性和3D结构,该标准提升了感知传感器仿真的效果,使激光雷达、雷达和摄像头的输出更为真实。这对于生成准确的传感器数据至关重要,而这些数据对于测试和训练感知算法非常关键。 ASAM OpenMATERIAL 3D标准旨在支持整个传感器仿真工作流程中的关键使用场景。它支持3D资产和材料数据的创建,使模型与材料属性可以同时或单独生成。这些资产和材料可通过直接交换或市场平台在不同组织间分发,确保协作顺畅无阻。 创建完成后,它们可以被导入到仿真平台中,无论是集中式仿真平台还是像功能模拟单元(FMU)这样的去中心化模型。该标准还支持对象部件操作,允许三维模型在仿真中包含可移动的组件。 通过定义材料属性,该标准增强了信号传播建模,使得能够准确模拟传感器与环境的交互,包括能量传播和信号反射。最终,这有助于对感知算法进行测试和训练,从而优化自动驾驶车辆的感知系统。 该标准聚焦于传感器将要互动的虚拟环境和对象,包括: 目标对象(target objects),如车辆和行人, 周围结构(surrounding structures),如建筑物和其他固定元素, 道路表面(road surfaces),具备物理道路特性。 然而,环境条件——如天气、光照及其他影响传感器的因素——暂时不在此标准范围之内。同样,传感器外壳与环境的互动,如雨滴或传感器上的污垢,也不包含在该标准内。 3. 中国企业参与ASAM OpenMATERIAL 3D 标准制定作为 ASAM 组织内最为活跃的区域之一,中国会员长期参与和制定 ASAM 标准。在 ASAM OpenMaterial 3D 项目中,有多家中国会员参与了该标准的讨论与指定,他们分别是:万物镜像(北京)计算机系统有限公司(51Sim Computer Systems Co., Ltd.);苏州智行众维智能科技有限公司(IAE Suzhou Technologies Co. Ltd.);沛岱(上海)汽车技术有限公司(Pilot Automotive (Shanghai) Co., Ltd.) 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