西南研究院 (SwRI) 创建了一个 3D 模拟工具，用于在模拟真实世界条件的虚拟越野环境中测试自动驾驶汽车。该研究扩大了 SwRI 对软件在环解决方案的投资，以在从拥挤的道路到越野地形的各种场景中测试联网和自动驾驶汽车 (CAV)。模拟环境或 3D“软件循环”支持对无限数量的场景进行评估，而这些场景在现实世界中的测试成本过高。
该技术满足对建模和仿真工具的需求，以帮助推进无人地面车辆 (UGV) 的开发，UGV 是自动化或自主车辆的军事术语。
SwRI 利用内部资金开发了一条技术“管道”，包括定制算法、现成软件、开源工具和公共地图数据。该项目开发了具有 3D 视频游戏风格界面的“模拟场景调整工具”，用于在越野地形上测试虚拟地面车辆。该模拟器还创建了一个数字双胞胎，即自动驾驶车辆的虚拟表示，其外观和行为与现实世界中的对应车辆相似。
“使用数字双胞胎进行模拟对于 UGV 测试和开发至关重要，”负责 SwRI 智能系统部门研究的工程师乔·奥赫特 (Joe Auchter) 说。“我们的模拟场景调整工具允许用户将 UGV 和 AV 推向极限并探索'如果?' 与在现实世界中进行所有这些测试相比，在各种模拟环境中更快、更安全且更具成本效益地模拟场景。”
SwRI 的模拟器由图形引擎、动力学引擎、车辆建模工具、车辆地形交互模型和与自主软件堆栈通信的插件组成。它使用从地理信息系统 (GIS) 数据捕获的高程图构建场景，并以图形方式呈现 3D 地形特征。在此处观看模拟器视频：https://youtu.be/_jU4iMs51eo 。
第一轮研究结合了圣安东尼奥河管理局和其他政府机构进行的空中扫描的数字高程模型 (DEM)。
“我们开发了算法，以用户可配置的方式扰乱 DEM 和 GIS 数据，从而生成合成环境，”Auchter 说。“这允许在模拟中测试新算法和技术，构建众多测试环境，这些环境与车辆最终将运行的真实地理特定位置共享某些相关特征。”
SwRI 的机器学习算法模拟激光雷达、雷达、相机、GPS 和其他系统的计算机视觉和传感输出，以在计算驾驶响应时感知场景对象、运动和位置。当车辆模型在环境中移动时，动力学引擎模拟由重力和运动引起的力。可以对模拟车辆的重量、速度、马力、重心和其他逼真的特征进行编程。图形引擎模拟树木、草地、地形对象和视觉效果，如天空和云彩。
随着技术达到民用和军用准备的高级水平，SwRI 已将安全和保障作为自动驾驶车辆和自动驾驶系统开发的优先事项。
SwRI 机器人部门助理主任 Jerry Towler 说：“如果你看看自动驾驶汽车的现场测试，你会发现没有足够的里程数或新奇的情况可以让车辆遇到传感器和软件的所有边缘情况。” “建模和仿真有助于测试 AV 和高级驾驶员辅助系统 (ADAS)，以在部署到实际测试环境之前和期间增强安全性并确保能力。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！