沛岱汽车-物理合成感知数据和数据赋能的高阶自动驾驶商业化黑色版.pdf

《沛岱汽车-物理合成感知数据和数据赋能的高阶自动驾驶商业化黑色版.pdf》由会员分享，可在线阅读，更多相关《沛岱汽车-物理合成感知数据和数据赋能的高阶自动驾驶商业化黑色版.pdf（22页珍藏版）》请在三个皮匠报告上搜索。

1、物理合成感知数据和数据赋能的高阶自动驾驶商业化Physical Synthetic Perception Data and Data-Enabled Commercialization of Highly Automated Driving曹鹏 博士Dr.-Ing.Peng Cao什么是足够好的自动驾驶系统？实际道路测试实际道路测试2 元/km 13.8 亿公里/次=27.6 27.6 亿元亿元/次次0.1 元/km 13.8 亿公里/次=1.38 1.38 亿元亿元/次次仿真测试仿真测试 开放道路 封闭道路L3 以上高等级自动驾驶需13.8 13.8 亿公里测试里程只有仿真仿真才能快速经济迭

2、代数十亿测试公里数L3 以上高等级自动驾驶需13.8 13.8 亿公里测试里程更“快”仿真测试速度快更“高”场景覆盖度高更“强”仿真还原能力强环境反射特性GaiA 自动驾驶在环仿真开发测试系统OFFICE传感器位置、朝向SaaSSOFTWARE AS A SERVICE感知数据引擎云DATA SERVER高精地图UnsafeSafeKnownUnknownSOTIF-ISO 21448SOTIF-ISO 21448场景库Corner Case Common Case Corner Case如何用最小的成本，跑完自动驾驶验证所需的海量里程如何在测试海量里程的同时，覆盖尽可能多的 4 类场景，尤其

3、是 Unknown Unsafe 场景面向量产，所有研发厂商都需要解决：构建环境模型建立环境模型，以达到文档需求环境模型上色对环境模型进行基础着色绘制模型贴图绘制模型贴图，并整合模型与贴图RHea:Recursive Hierarchic scEnario generAtor 瑞亚系统递归式分层场景生成器分层式的场景元素化递归式的元素遍历与即时场景生成递归式的元素遍历与即时场景生成道路结构交通信息围栏与路沿建筑植被障碍物随机交通流基于沛岱自研的随机交通流来构建大场景下的交通流动蜂群交通流配合整体环境的随机交通流，使用蜂群交通流的方法保证主车周围有足够的交通参与者密度天气天气会动态的变化成晴天，

4、雨天，雪天，雾天，以还原不同天气条件下对传感器的影响光照光照的强度和角度也会动态调整，以还原不同光线条件下对传感器的影响传感器是自动驾驶的“起点”和“灵魂”传感器是自动驾驶系统对于外界环境的唯一输入，也是自动驾驶流程的真正起点相较于人类可见的真实世界,环境感知传感器，特别是毫米波雷达和激光雷达看见的世界是完全不同的在仿真验证中，被仿真车辆需装备有高保真的虚拟环境感知传感在仿真验证中，被仿真车辆需装备有高保真的虚拟环境感知传感器模型，才能使验证器模型，才能使验证替代在实际道路上的测试替代在实际道路上的测试细致的物理现象，例如电磁波的多路径反射，或者动态传感器性能，例如探测丢失率，目标分辨率，测量

5、不准度和“鬼影”物体都需要被物理地仿真出来，以便于获得传感器模型所需的高保真度传感器仿真还原率20%20%2015年前随机模型50%50%半物理模型逼近逼近95%95%全物理模型GaiA is equipped with various physical sensor models,including:CameraRadarLiDARGPSGround-Truth sensor for algorithm verificationList of physical perception sensor modelsCameraRadarLiDARGPSPD Active Perception Se

6、nsor Modelling（物理感知合成数据）（物理感知合成数据）PilotDPilotD Wave Propagation Model Wave Propagation Model基于沛岱Plenty Ray 澎湃物理射线技术的全物理模型与传统的 RayTracing 或 FDTD 方法不同在模型中，传统的基于几何光学的仿真升级为基于物理光学的仿真详细物理现象的真实表现，如大气衰减和各种天气干扰，反射，多径反射，干扰等FDTDRayTracing1.传感器功能流程图2.天线辐射方向图3.啁啾序列调频4.动态雷达分辨率PilotDPilotD Sens