1、ADAS仿真測試-基于原始數(shù)據(jù)流的雷達(dá)感知測試?yán)走_(dá)算法協(xié)試粒撈薄朋始數(shù)惦流丨標(biāo)列表散期控制指專原始信號ADAS傳感感知背景在ADAS/AD仿真測試中，多傳感器融合已經(jīng)成為L3級別以上的ADAS/AD測試的主流解決方案。通過運(yùn)用攝像頭、毫米波雷達(dá)、激光雷達(dá)和超聲波雷達(dá)等不同的傳感器，安裝在車身的不同位置。這些傳感器類似人的感官系統(tǒng)，主動感知周圍的環(huán)境。通過收集數(shù)據(jù)、進(jìn)行靜態(tài)和動態(tài)的物體辨別、探測和追蹤，并結(jié)合導(dǎo)航儀等地圖數(shù)據(jù)，進(jìn)行系統(tǒng)的運(yùn)算和分析，從而預(yù)先讓駕駛者察覺到可能發(fā)生的危險(xiǎn)，有效增加汽車行駛的安全性和智能舒適性。在ADAS傳感感知方面，不同信號級別的傳感器信號如下圖1所示，從環(huán)境場景中

2、感知真實(shí)傳感器前端的光、電、聲信號，到數(shù)字信號處理后得到的飛行時(shí)間、多普勒頻移等原始信號，最后經(jīng)過感知算法和目標(biāo)跟蹤得到的目標(biāo)列表信號。圖1傳感器不同階段信號ADAS傳感器模型目前主流的ADAS傳感仿真可以基于三種不同級別的傳感器模型，可以應(yīng)用于不同的開發(fā)測試場景：根據(jù)環(huán)境感知和障礙物追蹤，提供路面實(shí)況信息。生成的目標(biāo)列表與傳感器的物理特性無關(guān)，此類傳感器非常容易進(jìn)行參數(shù)配置，主要用于快速原型/概念驗(yàn)證。此傳感器提供的目標(biāo)列表會根據(jù)使用的傳感器的特性（如雷達(dá)）的不同而不同。如高精度雷達(dá)傳感器考慮到目標(biāo)RCS、回波損耗、信噪比、不同天氣信號衰減和目標(biāo)遮擋等物理特性，比較貼近真實(shí)傳感模型?？赏ㄟ^傳

3、感器的分辨單元對兩個(gè)對象的融合進(jìn)行建模，并且還包括延遲和噪聲。在環(huán)境感知方面，具有傳播衰減的特性。高精度傳感器主要用于功能開發(fā)/測試。原始信號傳感器與提供目標(biāo)列表不同，該傳感器提供原始信號，這些信息將被用于信號處理及目標(biāo)追蹤算法。原始信號傳感器可以輸出不同的物理效果。如雷達(dá)原始數(shù)據(jù)傳感器可生成天線增益圖（主天線和俯仰角天線），并融合天線增益圖，以此方式來建模。原始信號傳感器主要用于部件級/原始信號處理開發(fā)與測試。毫米波雷達(dá)感知雷達(dá)主要通過發(fā)射電磁波，利用目標(biāo)對電磁波的反射來發(fā)現(xiàn)目標(biāo)并對目標(biāo)進(jìn)行定位。隨著雷達(dá)技術(shù)的發(fā)展，雷達(dá)的任務(wù)不僅僅是測量目標(biāo)的距離、方位和仰角，而且還包括測量目標(biāo)的速度，以及

4、從目標(biāo)回波中獲取更多有關(guān)目標(biāo)的信息。雷達(dá)感知作為ADAS感知系統(tǒng)的重要組成部分，良好的雷達(dá)性能為ADAS測試提供更加準(zhǔn)確的環(huán)境感知信息，有利于ADAS系統(tǒng)決策規(guī)劃，從而控制車輛轉(zhuǎn)向系統(tǒng)，制動系統(tǒng)和動力系統(tǒng)，進(jìn)行預(yù)警和主動干預(yù)控制。因此，在ADAS測試過程中，雷達(dá)的感知算法和目標(biāo)分類算法測試不可或缺，雷達(dá)感知在ACC自適應(yīng)巡航、BSD盲點(diǎn)探測、前碰撞預(yù)警FCW等實(shí)際應(yīng)用中比較廣泛。原始數(shù)據(jù)的獲取為了更系統(tǒng)的了解雷達(dá)感知的內(nèi)容，下面就來了解下：如何基于原始數(shù)據(jù)流來進(jìn)行雷達(dá)算法的感知測試？首先，需要了解什么是雷達(dá)的原始數(shù)據(jù)。本次涉及的雷達(dá)原始數(shù)據(jù)是由快速傅里葉變換（FFT）的數(shù)據(jù)輸出，未經(jīng)過雷達(dá)算法

5、信號處理，即還未進(jìn)行點(diǎn)凝聚和追蹤的數(shù)據(jù)。原始數(shù)據(jù)的獲取流程如下圖所示：傳感器氐妁數(shù)掘目標(biāo)列表數(shù)據(jù)RawData)(ObjectListData)圖2傳感器數(shù)據(jù)處理流程那么雷達(dá)的原始數(shù)據(jù)該如何獲取呢？可通過場景仿真軟件的物理傳感器模型來獲取雷達(dá)的原始數(shù)據(jù)流。該原始信號傳感器模型基于知名雷達(dá)廠商大陸相關(guān)協(xié)議進(jìn)行開發(fā)，根據(jù)傳感器的物理特性可直接輸出原始數(shù)據(jù)流，能保證輸出原始數(shù)據(jù)的有效性和可靠性。般來說，雷達(dá)原始數(shù)據(jù)獲取后，用戶需要自己做算法處理，包括目標(biāo)跟蹤和信號處理，從而驗(yàn)證雷達(dá)算法的策略。對于雷達(dá)開發(fā)商來說，輸入的原始數(shù)據(jù)類型和格式都會影響雷達(dá)算法的性能測試。因此對于測試人員來講，首先原始數(shù)據(jù)輸

6、出要保證正確有效，從而才能很好驗(yàn)證雷達(dá)算法的性能，加快和完善雷達(dá)開發(fā)進(jìn)程。原始數(shù)據(jù)傳播特性雷達(dá)原始信號傳感器可模擬虛擬環(huán)境中電磁波的傳播產(chǎn)生原始數(shù)據(jù)流。在探測目標(biāo)時(shí)，應(yīng)該考慮到目標(biāo)遮擋和物理傳播的影響，如多路徑/重復(fù)路徑傳播、多普勒頻移和假陽性/陰性的影響，來獲得更加真實(shí)的原始數(shù)據(jù)流。然后通過對單個(gè)點(diǎn)的信道做出脈沖響應(yīng)，實(shí)現(xiàn)多個(gè)點(diǎn)數(shù)據(jù)來重建模擬信號。另外，環(huán)境溫度、雨量和霧天的可視化距離等，都會影響雷達(dá)傳感器原始數(shù)據(jù)的探測，因此在實(shí)際原始數(shù)據(jù)傳播過程中，應(yīng)該充分考慮這些環(huán)境條件對雷達(dá)的影響。電磁波的傳播特性很大程度上影響了物體探測的正確性和目標(biāo)距離/速度等精度。在實(shí)際雷達(dá)傳感器發(fā)射的電磁波傳播

7、過程中，應(yīng)當(dāng)考慮路邊的3D建筑物、反射和散射對道路前方交通目標(biāo)所造成的干擾和影響，雷達(dá)對前方交通目標(biāo)的探測很大程度上依賴于相對電場強(qiáng)度幅值，需要考慮傳播損耗、大氣阻尼、材料和偏振相關(guān)的反射等物理特性。般來說，原始信號傳感器輸出的原始數(shù)據(jù)流包括：通道數(shù)量飛行時(shí)間/距離取決以極化的相對電場強(qiáng)度相對多普勒頻移反射次數(shù)發(fā)送/接收電磁波的方向（仰角/方位角）雷達(dá)模型原始數(shù)據(jù)注入原理那么問題來了，了解了原始數(shù)據(jù)流輸出的特性，如何實(shí)現(xiàn)雷達(dá)算法的感知測試呢？不用急，下面以雷達(dá)模型為例來進(jìn)行詳細(xì)講解。Radarwiil團(tuán)側(cè)據(jù)入ateRays-1RadrModel原始徴據(jù)輛出目柿列表VRays-2RawOjaU圖

8、3雷達(dá)模型原始數(shù)據(jù)注入原理理想傳感器以及高精度傳感器可直接輸出目標(biāo)列表信息，包括目標(biāo)的速度、距離、角度以及相應(yīng)的橫向、縱向分量等信息。而在雷達(dá)算法的測試過程中，模型需要的輸入是單個(gè)目標(biāo)點(diǎn)的距離、速度、角度和相對電場強(qiáng)度等。般來說，雷達(dá)原始數(shù)據(jù)傳感器得出的是目標(biāo)點(diǎn)的飛行時(shí)間、相對多普勒頻移等，即不能直接得到目標(biāo)點(diǎn)的速度、距離和角度以及相應(yīng)的橫向、縱向分量，因此需要對輸出的原始數(shù)據(jù)做一些轉(zhuǎn)換和計(jì)算。如輸出的原始數(shù)據(jù)，想要得到目標(biāo)點(diǎn)的速度，需要根據(jù)多普勒頻移來進(jìn)行計(jì)算轉(zhuǎn)換，目標(biāo)距離也需要根據(jù)飛行時(shí)間/飛行距離進(jìn)行換算等。原始數(shù)據(jù)的信號處理在了解雷達(dá)原始數(shù)據(jù)的輸入原理和相關(guān)轉(zhuǎn)換后，該如何將雷達(dá)的原始數(shù)

9、據(jù)注入給雷達(dá)模型呢？首先，我們需要了解雷達(dá)模型的輸入接口特性，如輸入變量含義和單位、輸入的數(shù)據(jù)類型和輸入的數(shù)據(jù)格式，從而保證注入原始數(shù)據(jù)的正確性。在整個(gè)模型測試系統(tǒng)中，將單個(gè)點(diǎn)的原始數(shù)據(jù)的類型和格式進(jìn)行正確轉(zhuǎn)換，然后進(jìn)行打包處理，輸入給雷達(dá)模型，雷達(dá)模型對這些數(shù)據(jù)進(jìn)行信號處理，經(jīng)過點(diǎn)凝聚和追蹤，最后可聚類得出目標(biāo)的輸出信息。如下圖4(a)和(b)所示，分別為輸入的原始數(shù)據(jù)和聚類輸出的目標(biāo)列表數(shù)據(jù)。圖4（a）雷達(dá)模型輸入原始數(shù)據(jù)圖4（b）雷達(dá)模型聚類輸出數(shù)據(jù)總結(jié)EDy帕mi啊Mode.ACC厝ModelADX.i：.Ii.KiM數(shù)擁論11標(biāo)扌1我數(shù)抓揑制指專圖5不同類型傳感器應(yīng)用總的來說，理想傳

10、感器/高精度傳感器可直接輸出目標(biāo)列表信息，然后注入給ADAS功能模塊，如ACC/FCW模型等，可以驗(yàn)證ADAS模型的功能。原始信號傳感器，適用于雷達(dá)模型的策略驗(yàn)證/圖像處理等算法驗(yàn)證，通過原始信號傳感器把不同脈沖通道的點(diǎn)數(shù)據(jù)注入給雷達(dá)模型，然后雷達(dá)算法對原始數(shù)據(jù)進(jìn)行點(diǎn)凝聚、追蹤處理，最后聚類成輸出的目標(biāo)信息。聚類得出的數(shù)據(jù)可以和理想傳感器/高精度傳感器直接輸出的目標(biāo)數(shù)據(jù)作比較，可以很好的驗(yàn)證雷達(dá)算法的策略，及時(shí)發(fā)現(xiàn)雷達(dá)算法開發(fā)過程中存在的問題。雷達(dá)算法策略較好時(shí)，可以將雷達(dá)模型處理輸出的目標(biāo)列表數(shù)據(jù)輸入給FCW/ACC等功能模塊，從而驗(yàn)證ADASMIL功能，從而加快感知算法和控制策略算法的開發(fā)和測試。如下圖6（a）和（b）所示，為ACC功能的一個(gè)應(yīng)用場景，ACC定速后，按下ACC增速開關(guān)實(shí)現(xiàn)加速的過程。OffsetVav/affa-Acsbs-sCliHI圖6（a）ACC定速圖6（b）ACC加速小伙伴們對基于原始數(shù)據(jù)流的雷達(dá)感知測試有了基