13412598543
技術(shù)文章
aiSim5重建高精度的真實交通場景，用于測試和訓(xùn)練ADAS/AD系統(tǒng)。內(nèi)置場景包括賽道、車庫、高速公路和城市環(huán)境。通過全局行動日志，aiSim能將駕駛數(shù)據(jù)轉(zhuǎn)化為場景重建。車道線檢測算法在仿真與現(xiàn)實世界的相關(guān)性測試中誤差相近，召回率均接近98.5%。多目標(biāo)檢測算法在仿真中的召回率為64.68%，與真實世界的68.8%相近。
仿真場景重建，即在aiSim中重新模擬由裝備了傳感器的實際數(shù)采車輛記錄的交通情況，重建原始交通狀態(tài)、對象和事件，并能夠自由的進行調(diào)整，可應(yīng)用于：
在aiSim中重建現(xiàn)實世界的交通問題并快速迭代出可能的解決方案，比如模擬特定交叉路口交通情況，測試新的路口通過策略。
生成具有代表性和通用性的合成感知數(shù)據(jù)，用于訓(xùn)練和驗證ADAS/AD系統(tǒng)或其他的相關(guān)的NN模型，從而覆蓋不同的交通狀態(tài)和環(huán)境。
更改測試參數(shù)并將場景轉(zhuǎn)換為閉環(huán)測試，用于評估ADAS/AD系統(tǒng)在不同環(huán)境下的性能，比如不同天氣狀態(tài)，不同交通密度等，通過閉環(huán)測試，可以確保系統(tǒng)在各種預(yù)期和非預(yù)期的情況下正常工作。
在aiSim中提供了多種高精內(nèi)置場景：
ZalaZone是位于匈牙利的一個真實世界的測試賽道，在aiSim中，它是基于激光掃描、全景照片（360°）參考以及提供的參考3D模型（交通標(biāo)志等）進行建模的。
aiSim中停車場地圖是根據(jù)平面圖、現(xiàn)場測量和照片參考資料進行建模的。幾何結(jié)構(gòu)基于激光掃描和平面圖數(shù)據(jù)構(gòu)建。通過將真實世界的測量數(shù)據(jù)與仿真中的測量數(shù)據(jù)進行比較，可以驗證aiSim中的人工照明部分。
aiSim的高速公路地圖大多是基于HD地圖生成，并由3D建模工程師進行場景重建：
道路網(wǎng)格生成：道路網(wǎng)格是基于HD地圖數(shù)據(jù)生成。
道路標(biāo)線：道路標(biāo)線也是來源于高清地圖，并且精確度可以達到5-10厘米。
地形生成：地形是基于可用的高程數(shù)據(jù)構(gòu)建的。
植被/景觀添加：在地形的某些部分，根據(jù)圖像添加植被和景觀，這一步驟使用了aiSim中現(xiàn)有的植被資產(chǎn)庫。
Budapest_Urban是一個基于HD地圖生成的城市場景，它代表了匈牙利首都布達佩斯的城市環(huán)境（1.8KM）。此場景中的建筑物是通過攝影測量學(xué)（photogrammetry）技術(shù)重建的，利用大量記錄的圖像來創(chuàng)建三維模型。建筑物模型的誤差為50厘米。
除了通過手動重建交通流以外，aiSim提供一種新的場景重建形式，即全局行動日志。
全局行動日志是包含了重建場景對象和其屬性的JSON文件。每一條目都包含了對象的相關(guān)尺寸，位置等信息，aiSim將會將整個文件中的駕駛數(shù)據(jù)轉(zhuǎn)化為重建場景。
在aiSim的仿真重建場景和真實場景中分別測試了車道線檢測和多目標(biāo)檢測算法，以驗證重建場景的置信度水平：
在aiSim中重建M0匈牙利高速公路的數(shù)字孿生場景，并模擬與之相匹配的氣候條件，驗證車道檢測算法在虛擬仿真與現(xiàn)實世界中的相關(guān)性。
從結(jié)果上可以可以看出檢測算法在垂直方向上的測量誤差的標(biāo)準(zhǔn)差（z erro std）：
真實世界場景測試0.31
aiSim仿真場景測試0.33
誤差值主要分布在縱向遠(yuǎn)距離[100,150]米的范圍內(nèi)。
召回率（Recall）指標(biāo)：
真實世界召回率98.45
aiSim4召回率98.51
aiSim5 召回率98.45
2、多目標(biāo)檢測算法相關(guān)性分析
檢測對象：Ego周圍的車輛
傳感器配置：5×Camera+2×Radar
召回率指標(biāo)能：
在真實世界的數(shù)據(jù)中，召回率為68.8%
在aiSim5仿真世界中，召回率為64.68%
召回率隨著距離Ego遠(yuǎn)近變化而變化。在接近Ego的區(qū)域（例如0到30米），召回率較高，而在較遠(yuǎn)的區(qū)域（例如100米以上），召回率有所下降。
以上就是aiSim5仿真場景重建感知置信度評估的全部內(nèi)容。
關(guān)注微信