08-自动驾驶系统的硬件闭环测试方案和场测技术.pdf

简介：
自动驾驶技术快速进步。作为确保自动驾驶系统安全可靠的两大关键方法， Hardware-in-the-Loop (HiL) 测试技术和场地测试技术被广泛应用。本文档全面阐述了使用Prescan软件实施的HiL测试方案和场地测试技术。文档呈现了自动驾驶开发的解决方案，这一方案采用基于模型的开发方式并结合测试验证过程（Model-Based Design & Validation），是当前自动驾驶技术发展的重要趋势之一。其核心包含以下几个关键点：场景工况（Scenarios）：涵盖自动驾驶系统可能面临的多种驾驶情景及周边环境，如常规道路通行状况、特殊交通状况等。为了保证测试的有效性，在HINT环境中，这些场景工况需被精确模拟。环境中感知（Sensors）：指的是自动驾驶车辆中配置的各种传感器。例如，包括摄像头、雷达和激光雷达等设备，这些传感器负责探测周围的环境信息并提供给自动驾驶系统进行决策支持。在测试环节中，这些传感器模型需要具备精确模拟传感器对外界环境感知能力的能力。 控制决策算法（Algorithms）：它是该自动驾驶系统的中枢神经系统，负责依据所接收的环境数据自主作出驾驶决定。这些算法不仅需要具备高度的适应性以应对复杂多变的道路情况，还需精确无误地执行预设的操作指令以确保系统运行高效、可靠。 执行器（Actuators）：包括转向系统、制动系统和驱动系统等技术组件，在自动驾驶系统中负责将决策转化为实际操作的执行机构。在测试环节中，执行器模型的准确性对其整体表现的可靠性具有决定性作用。车辆动力学（Vehicle Dynamics）即研究车辆在特定条件下的运动特性。涉及车辆加速操作、转向动作以及制动过程。以确保测试结果更加贴近实际情况，车辆动力学模型应具有足够的准确性。西门子工业软件公司（Siemens PLM Software）发布了一个专门针对自动驾驶车辆开发的仿真平台Simcenter Prescan。该平台旨在通过模拟加速测试来辅助开发者完成自动驾驶技术的研究与验证工作。Simcenter Prescan为测试提供了丰富的场景选择，支持集成真实传感器特性，并结合灵活多样的算法测试工具，同时保证了车辆动力学模型的适当精度以确保测试结果的可靠性。在环测试（HiL）中，该设备通过将实际车辆控制 hardware 连接到由计算机生成的虚拟环境中的方式实现。这种技术通过模仿真实车辆的操作条件来评估控制单元的性能。与实车测试相比，这种方法能够早期识别潜在的问题，并通过减少在实际车辆测试中的成本来降低风险。文档还提到了场地测试技术，一般会将其定义为在封闭或有限区域内进行的实地测试。这种测试方法可以让开发者在一个更加可控的环境中检验车辆的实际性能，并且也为测试人员提供了实时监控和干预的机会。在文档案例部分中列举了多个基于Prescan软件的实际应用场景，其中具体涵盖了自动代客泊车（AutoValetParking）仿真、车道偏离警告（LDW）前车碰撞警告（FCW）以及交通拥堵辅助（TJA）等典型测试案例。这些具体的测试场景充分展示了通过整合传感器和控制器硬件设备与虚拟车辆动力学模型，实现对复杂测试场景的有效仿真。在综合应用方面，该文档突显了硬件结合环路测试与场地测试方法对自动驾驶系统研发的关键作用。通过这一结合，该技术能够最大化地利用模拟测试的便捷性以及场地测试的真实感，并从而确保自动驾驶系统的可靠性和安全性得到了充分保障。改写说明高性能仿真平台$...$用于实现复杂系统建模与测试；高精度自动驾驶模拟摄像头$dSpace Camera$作为评估自动驾驶算法的关键设备；车辆控制通信总线$CAN（Controller Area Network）$负责实现各控制模块之间的高效数据传输。本文档旨在深入探讨硬件在环测试方案和技术细节在自动驾驶领域中的应用及其重要性。该文档为理解这些技术提供了全面的参考文献资源。基于模型设计、场景模拟以及传感器与算法测试等技术手段，结合车辆动力学模型的建立，Prescan仿真平台为自动驾驶系统的测试和验证提供了可靠的支持。这一支持保证了自动驾驶系统开发过程中效率的同时，也确保了其安全性。