端到端智驾测试HiL仿真策略与思考
端到端智驾测试HiL仿真策略与思考
- 崔嘉亮 | 仿真测试业务技术主管，康谋科技
自动驾驶技术快速发展，如何确保智能驾驶系统在复杂环境中的可靠性和安全性？面对多重挑战，传统的测试方法是否仍然适用？
本场演讲围绕端到端智能驾驶系统在仿真测试中面临的多重挑战展开，探讨当前在 HiL 仿真中遇到的系统稳定性、效率、真实性等难题，分析为何传统方法难以实现高保真度的感知链路仿真。介绍场景及传感器模型验证、三维重建等关键技术，致力于提升仿真信度和验证效率，展示通过数字孪生、场景泛化等先进方法，实现高效且真实的仿真验证体系，支撑更安全、更可靠的自动驾驶系统落地。
精选Q&A
3DGS和传统方案对比各有哪些优势？
3DGS在高保真渲染的实时性和场景重建质量方面更佳，传统方案在物理兼容性和极端条件鲁棒性上仍有优势。
关于场景置信度验证，还有什么指标可以关注？
传统的计算机图形学也可以实现置信度的验证，比如空间位置对齐、碰撞检测、方向或旋转对齐等。不过更推荐采用算法验证，更直接快速。
RAW输出camera模型如何验证？
可以通过当前的ISP算法处理后，进行YUV/RGB域下图像的验证（色彩/光照度/畸变），然后也可以采用感知任务来验证。
能否自动生成像素级真值标签？
当前生成的真值标签Mask都是像素级别，可以完全作为Ground Truth进行算法验证，不会受到传感器本身噪声的影响（相机模型）。
仿真环境下人工光照度与真实测量相比准确性如何？
仿真环境下的人工光照度与真实测量的准确性取决于多种因素，包括仿真模型的精度、环境参数的输入、测量设备的校准以及场景的复杂性。aiSim采用先进的光照模拟技术，能够逼真再现自然光、阴影、反射等复杂光照现象；用户可以自定义光源参数、天气条件、时间变化等，实现多样化的光照场景。通过精细的模型和参数调优，可以较好地模拟大部分场景中的光照效果。
3D高斯数据的来源？高精地图odr如何得到？
主要是基于数采车，当前主要是GNSS组合惯导，360°环视相机系统（非鱼眼）；一方面要注意传感器同步精度1ms，采集环境建议是在阴天低速下进行，取决于采集质量需要多次采集，高精地图通常会和图商合作，一方面是用于车道的自动标注，另一方面也会在结合aiSim的时候作为路网进行集成。