摘要：

aiSim5重建高精度的真實(shí)交通場(chǎng)景，用于測(cè)試和訓(xùn)練ADAS/AD系統(tǒng)。內(nèi)置場(chǎng)景包括賽道、車庫(kù)、高速公路和城市環(huán)境。通過(guò)全局行動(dòng)日志，aiSim能將駕駛數(shù)據(jù)轉(zhuǎn)化為場(chǎng)景重建。車道線檢測(cè)算法在仿真與現(xiàn)實(shí)世界的相關(guān)性測(cè)試中誤差相近，召回率均接近98.5%。多目標(biāo)檢測(cè)算法在仿真中的召回率為64.68%，與真實(shí)世界的68.8%相近。

一、具體應(yīng)用

仿真場(chǎng)景重建，即在aiSim中重新模擬由裝備了傳感器的實(shí)際數(shù)采車輛記錄的交通情況，重建原始交通狀態(tài)、對(duì)象和事件，并能夠自由的進(jìn)行調(diào)整，可應(yīng)用于：

• 在aiSim中重建現(xiàn)實(shí)世界的交通問(wèn)題并快速迭代出可能的解決方案，比如模擬特定交叉路口交通情況，測(cè)試新的路口通過(guò)策略。

• 生成具有代表性和通用性的合成感知數(shù)據(jù)，用于訓(xùn)練和驗(yàn)證ADAS/AD系統(tǒng)或其他的相關(guān)的NN模型，從而覆蓋不同的交通狀態(tài)和環(huán)境。

• 更改測(cè)試參數(shù)并將場(chǎng)景轉(zhuǎn)換為閉環(huán)測(cè)試，用于評(píng)估ADAS/AD系統(tǒng)在不同環(huán)境下的性能，比如不同天氣狀態(tài)，不同交通密度等，通過(guò)閉環(huán)測(cè)試，可以確保系統(tǒng)在各種預(yù)期和非預(yù)期的情況下正常工作。

二、內(nèi)置場(chǎng)景

在aiSim中提供了多種高精內(nèi)置場(chǎng)景：

1、賽道場(chǎng)景ZalaZone

ZalaZone是位于匈牙利的一個(gè)真實(shí)世界的測(cè)試賽道，在aiSim中，它是基于激光掃描、全景照片（360°）參考以及提供的參考3D模型（交通標(biāo)志等）進(jìn)行建模的。

2、車庫(kù)場(chǎng)景

aiSim中停車場(chǎng)地圖是根據(jù)平面圖、現(xiàn)場(chǎng)測(cè)量和照片參考資料進(jìn)行建模的。幾何結(jié)構(gòu)基于激光掃描和平面圖數(shù)據(jù)構(gòu)建。通過(guò)將真實(shí)世界的測(cè)量數(shù)據(jù)與仿真中的測(cè)量數(shù)據(jù)進(jìn)行比較，可以驗(yàn)證aiSim中的人工照明部分。

3、高速公路場(chǎng)景

aiSim的高速公路地圖大多是基于HD地圖生成，并由3D建模工程師進(jìn)行場(chǎng)景重建：

• 道路網(wǎng)格生成：道路網(wǎng)格是基于HD地圖數(shù)據(jù)生成。

• 道路標(biāo)線：道路標(biāo)線也是來(lái)源于高清地圖，并且精確度可以達(dá)到5-10厘米。

• 地形生成：地形是基于可用的高程數(shù)據(jù)構(gòu)建的。

• 植被/景觀添加：在地形的某些部分，根據(jù)圖像添加植被和景觀，這一步驟使用了aiSim中現(xiàn)有的植被資產(chǎn)庫(kù)。

4、城市場(chǎng)景

Budapest_Urban是一個(gè)基于HD地圖生成的城市場(chǎng)景，它代表了匈牙利首都布達(dá)佩斯的城市環(huán)境（1.8KM）。此場(chǎng)景中的建筑物是通過(guò)攝影測(cè)量學(xué)（photogrammetry）技術(shù)重建的，利用大量記錄的圖像來(lái)創(chuàng)建三維模型。建筑物模型的誤差為50厘米。

三、全局行動(dòng)日志

除了通過(guò)手動(dòng)重建交通流以外，aiSim提供一種新的場(chǎng)景重建形式，即全局行動(dòng)日志。

全局行動(dòng)日志是包含了重建場(chǎng)景對(duì)象和其屬性的JSON文件。每一條目都包含了對(duì)象的相關(guān)尺寸，位置等信息，aiSim將會(huì)將整個(gè)文件中的駕駛數(shù)據(jù)轉(zhuǎn)化為重建場(chǎng)景。

四、置信度驗(yàn)證

在aiSim的仿真重建場(chǎng)景和真實(shí)場(chǎng)景中分別測(cè)試了車道線檢測(cè)和多目標(biāo)檢測(cè)算法，以驗(yàn)證重建場(chǎng)景的置信度水平：

1、車道線檢測(cè)算法相關(guān)性

在aiSim中重建M0匈牙利高速公路的數(shù)字孿生場(chǎng)景，并模擬與之相匹配的氣候條件，驗(yàn)證車道檢測(cè)算法在虛擬仿真與現(xiàn)實(shí)世界中的相關(guān)性。

從結(jié)果上可以可以看出檢測(cè)算法在垂直方向上的測(cè)量誤差的標(biāo)準(zhǔn)差（z erro std）：

• 真實(shí)世界場(chǎng)景測(cè)試0.31
  

• aiSim仿真場(chǎng)景測(cè)試0.33

  
  

誤差值主要分布在縱向遠(yuǎn)距離[100,150]米的范圍內(nèi)。

• 真實(shí)世界召回率98.45

• aiSim4召回率98.51

• aiSim5 召回率98.45

2、多目標(biāo)檢測(cè)算法相關(guān)性分析

檢測(cè)對(duì)象：Ego周圍的車輛

傳感器配置：5×Camera+2×Radar

召回率指標(biāo)能：

• 在真實(shí)世界的數(shù)據(jù)中，召回率為68.8%

• 在aiSim5仿真世界中，召回率為64.68%

召回率隨著距離Ego遠(yuǎn)近變化而變化。在接近Ego的區(qū)域（例如0到30米），召回率較高，而在較遠(yuǎn)的區(qū)域（例如100米以上），召回率有所下降。