引言

智能汽車傳感器的虛擬測試仿真是智能駕駛整車在環(huán)或硬件在環(huán)測試的重要一環(huán)。針對毫米波雷達的虛擬測試的需要，本文研究了傳感器注入法與黑盒模擬法在毫米波雷達測試中的性能差異。

隨著智能交通系統(tǒng)在全球的廣泛應(yīng)用。高級駕駛輔助系統(tǒng)（ADAS）作為無人駕駛技術(shù)的基礎(chǔ)在全球范圍得到快速發(fā)展。因此， 智能駕駛的虛擬測試仿真的重要性也就日 益突出，虛擬測試仿真通過模擬車輛狀態(tài)，車載傳感器，控制器，道路工況以及交通場景來對智能駕駛性能實現(xiàn)全面的評價。

在具備主動安全的 ADAS 系統(tǒng)中， 毫米波雷達是實現(xiàn) ADAS 功能的重要傳感器設(shè)備，在汽車探測、防撞預(yù)警、輔助變道以及自 適應(yīng)巡航功能上發(fā)揮了重要的作用。

與其他傳感器相比，毫米波雷達具備高精度、抗干擾、全天候工作等特性 。因此， 對毫米波雷達做虛擬測試仿真，比較虛擬毫米波傳感器注入法與黑盒模擬法的性能，對智能駕駛虛擬測試具有重要的參考價值。

01  智能駕駛的車輛在環(huán)虛擬測試

智能駕駛的虛擬測試方法主要包括模型在環(huán)測試、硬件在環(huán)測試和車輛在環(huán)測試 。其中車輛在環(huán)測試是通過軟件模擬傳感器狀態(tài)、車輛動態(tài)模型、控制器模型和綜合交通環(huán)境，結(jié)合無人駕駛車輛在虛擬現(xiàn)實綜合交通環(huán)境中的運行狀態(tài)，實現(xiàn)智能駕駛車輛的全面、系統(tǒng)、客觀的評價。

由于采用虛擬現(xiàn)實技術(shù)，各種復(fù)雜的綜合交通環(huán)境可以在測試系統(tǒng)中復(fù)現(xiàn)，理論上可以模擬所有的綜合交通環(huán)境，可以達到智能駕駛車輛完備性測試要求。 與真實交通測試方法相比，虛擬測試方法效率高、過程簡單、時間短、費用低等優(yōu)點 。 車輛在環(huán)虛擬測試原理圖如圖 1 所示。



在圖 1 的車輛在環(huán)虛擬測試原理圖中， 被測車輛放置在測試臺架上運行， 輸出車速、加速、倒車、檔位， 方向盤轉(zhuǎn)角 、車身姿態(tài)等信息， 通過車輛動力學(xué)軟件來配置出 與被測車輛參數(shù)一致的虛擬車輛， 虛擬車輛在虛擬交通環(huán)境中運行：

一方面通過車載虛擬傳感器（攝像頭， 毫米波雷達， 激光雷達， 車道線傳感器等）感知周圍交通環(huán)境， 把信息轉(zhuǎn)換成無人車傳感器信號， 注入到被測車輛控制器中；

另一方面將交通場景中虛擬被測車輛車身姿態(tài)的信息輸出給測試臺架， 實現(xiàn)道路狀況的模擬， 這樣臺架上的被測真實車輛運行狀態(tài)就能與虛擬車輛在交通場景中的運行狀態(tài)保持一致。 在該系統(tǒng)中可以模擬無人車在交通道路中的各種場景， 驗證無人車控制算法的可靠性，實現(xiàn)無人車整車在環(huán)測試或硬件在環(huán)測試 。

車輛在環(huán)虛擬測試重要的一環(huán)是傳感器激勵信號的注入， 因為它是把動態(tài)交通仿真環(huán)境中的信息轉(zhuǎn)換成無人車傳感器信號注入到無人車控制器中，以替代無人車中的實際傳感器， 是實現(xiàn)整車在環(huán)模擬測試最關(guān)鍵的技術(shù)問題。

文中主要對傳感器模型中的毫米波雷達傳感器做虛擬測試， 比較傳感器注入法與外部模擬法在虛擬測試中的性能差異， 分析其各自 的特點， 這直接影
響無人車整車在環(huán)虛擬仿真的可靠性與真實性。

02  虛擬測試基本原理與硬件設(shè)備

目前常用的激勵信號注入方法有黑盒模擬法和傳感器數(shù)據(jù)注入方法， 由于無人車傳感器眾多， 安裝的方式和傳感器性能千變?nèi)f化， 黑盒模擬方法應(yīng)用到無人車虛擬測試系統(tǒng)中面臨極大的困難。 根據(jù)傳感器的不同， 黑盒模擬法可分為攝像頭黑盒模擬， 毫米波雷達黑盒模擬等。

2.1 傳感器數(shù)據(jù)注入基本原理

傳感器數(shù)據(jù)注入就是將軟件中虛擬車載毫米波傳感器所采集動態(tài)交通仿真環(huán)境信息轉(zhuǎn)換后， 送給無人車的控制器， 以替代無人車中的實際傳感器， 實現(xiàn)車輛虛擬測試仿真。

2.2 黑盒模擬法的基本原理

根據(jù)毫米波雷達探測的原理即：通過微波在空間反射時間的延遲判斷距離， 通過反射波形的頻移判斷對象是在接近還是在遠離。 所以在特制的毫米波雷達暗箱中， 同樣可以通過高效、高速的硬件在微波傳輸?shù)臅r間內(nèi)。

利用軟件實現(xiàn)對雷達發(fā)射波頻譜的頻移以及時間疊加， 從場景仿真軟件上提取要在硬件上仿真的對象坐標(biāo)， 通過回波模擬器將實際信號和場景實時互聯(lián)， 然后發(fā)射到真實的雷達上， 讓雷達誤以為是一個真實目 標(biāo)， 再將真實雷達的信號注入到無人車的控制器中， 實現(xiàn)整車硬件在環(huán)測試。

2.3 毫米波雷達暗箱及工作原理

黑盒模擬法需要毫米波雷達測試暗箱，本文后面所有的測試都需要該測試系統(tǒng)配合來實現(xiàn)。 測試系統(tǒng)示意圖如圖 2 所示， 整個系統(tǒng)包括暗箱、轉(zhuǎn)臺、計算機、毫米波雷達、NI車載雷達測試系統(tǒng)（Vehicle Radar Test System， VRTS）， 其它附件。

暗室： 內(nèi)置安裝德國大陸集團的 ARS408-21 77 GHz 長距離毫米波雷達和水平轉(zhuǎn)臺， 暗箱內(nèi)壁及水平轉(zhuǎn)臺上均貼有錐形吸波材料； VRTS 的核心是 PXI 系統(tǒng)，包含了 PXIe-5840 矢量信號收發(fā)器（ 矢量信號發(fā)生器、矢量信號分析儀、用戶 可編程的 FPGA 和高速串行接口）和可變延遲發(fā)生器；以及回波模擬器 。




毫米波雷達測試暗箱的基本工作原理：將虛擬場景中的毫米波雷達傳感器信息通過網(wǎng)絡(luò)發(fā)送給VRST系統(tǒng)的上位機， 上位機將接收到的場景中虛擬毫米波信息進行處理， 計算出延遲時間、轉(zhuǎn)臺旋轉(zhuǎn)角度、轉(zhuǎn)臺的旋轉(zhuǎn)方向 和兩個模型之間的模擬距離和角度； 被測毫米波雷達跟著轉(zhuǎn)臺轉(zhuǎn)動并發(fā)出毫米波射頻信號；

由回波模擬器接收并通過 矢量信號分析儀的分析得到其振幅、頻率和周期；延時控制器根據(jù)延時時間控制毫米波信號發(fā)生器的工作時刻； 在工作時刻， 毫米波信號發(fā)生器生成與接收射頻信號的振幅、頻率和周期相同的發(fā)射信號， 通過回波模擬器發(fā)送到暗箱中由真實毫米波雷達接收 。




03  虛擬測試仿真

傳感器數(shù)據(jù)注入法基本步驟：

1）在 prescan 軟件中搭建虛擬交通場景：駕駛車輛（主車）和目 標(biāo)車輛以及道路， 主車上搭載有虛擬的毫米波雷達 ；

2）將虛擬毫米波雷達采集的信息在 MATLAB 中解析， 繪制其縱向和橫向信息 。

黑盒模擬法測試的步驟：

1）在 prescan 軟件中搭建虛擬交通場景包含：駕駛車輛模型（ 主車）和目 標(biāo)車輛以及道路， 主車上搭載有虛擬的毫米波雷達；

2）通過局域網(wǎng)將毫米波雷達的信息發(fā)送給VRTS；

3） 讀取 CAN 信號數(shù)據(jù)解析真實毫米波接收的信息。

測試方案的制定需要考慮很多因素如氣候、路況、 車道、 車況等等， 如表 1 所示 ， 從用戶實際使用以及未來無人車路試的角度出發(fā)， 在充分考慮各種測 試場景的基礎(chǔ)上， 這里簡單的給出了參考用例。



3.1 目標(biāo)車輛勻速與加速測試仿真

測試方法如圖 6 所示：兩車在單行車道上相距60 m，前車（車輛 2）速度由 24 m/s勻加速至 27 m/s， 之后保持勻速， 主車（車輛 1）在自適應(yīng)巡航模式下跟隨前車。 由 于軌跡事先規(guī)劃， 所以橫向 信息變化不明顯。

縱向距離對比與縱向 多普勒相對速度對比如圖 7 和圖 8 所示。 采用歐氏距離法來分析兩條曲線的相似度，方差越小則表示相似度越高，如表2所示。




3.2 目標(biāo)車輛轉(zhuǎn)彎測試仿真

測試方法如圖 9 所示：兩輛車分別在相鄰的車道上縱向相距 52 m， 目標(biāo)車輛（車輛 2）先由 15 m/s變加速至 20 m/s， 整個加速過程 60 m， 之后保持勻速，接著左轉(zhuǎn)彎至相鄰車道勻速行駛， 50 m 后又轉(zhuǎn)彎至右車道；

主車（車輛 1）在左車道上自 適應(yīng)巡航模式下行駛。 兩種方法的縱向與橫向信息對比如圖 10~14所示。 采用歐氏距離法來分析兩條曲線的相似度，方差表如表 3 所示。






3.3 目標(biāo)車輛上下坡測試仿真

測試方法如圖 14 所示， 兩車縱向 相距 30 m， 均以勻速向 前行駛， 前車（ 車輛 2）速度為 12 m/s， 主車（車輛 1）車速度為 10 m/s， 在距前車 70米處為上坡路段， 上坡路段如圖中“》”所示， 下坡路段如“《”所示，由于軌跡事先規(guī)劃， 所以橫向信息變化很小， 這里不予給出。 兩種方法的縱向?qū)Ρ热鐖D 15~16所示。




采用歐氏距離法來分析兩條曲線的相似度， 方差表如表 4所示。



3.4 目標(biāo)彎道測試仿真

測試方法如圖 14所示，兩車在縱向上相距25 m，目標(biāo)車輛（車輛 2）和主車（車輛 1）均以速度 12 m/s勻速行駛， 之后右轉(zhuǎn)彎 180°， 彎道半徑 30 m， 之后繼續(xù)勻速行駛 。 兩種方法的縱向與橫向信息對比如圖18~21 所示。

采用歐氏距離法來分析兩條曲線的相似度， 方差表如表 5 所示。




04  測試結(jié)果綜合對比分析

從上述的方差表 2~5 中數(shù)據(jù)中綜合分析得 ，傳感器注入法與黑盒模擬法。在縱向距離上， 無論主車還是在目 標(biāo)車輛， 在勻速加速與轉(zhuǎn)彎測試中性能基本一致， 方差很?。坏谏舷缕屡c彎道測試中方差明顯過大， 這是由于暗箱的自身局限性與真實毫米波雷達性能所致， 具體原因在橫向距離的比較上一并分析。

在橫向距離上， 目 標(biāo)車輛的轉(zhuǎn)彎或者主車的轉(zhuǎn)彎都可能導(dǎo)致黑盒模擬法信號的延遲以及誤差明顯偏大， 這一方面是由 轉(zhuǎn)彎需要暗箱內(nèi)部轉(zhuǎn)臺轉(zhuǎn)動引起的延遲， 另 一方面也是暗箱的自 身局限性與真實毫米波雷達性能所致。

受暗箱尺寸的影響， 本測試所用的暗箱最大橫向模擬角度約為±18°， 超過 18°的被測物體的模擬回 波會被暗箱內(nèi) 壁的吸波材料吸收， 所以在圖 18 和圖 19 中可明顯看到在 10 s 至 18 s時間內(nèi)目 標(biāo)車輛相對主車的橫向角度超過 18°， 導(dǎo)致縱向距離與橫向距離幅值偏差過大。

本文所采用的大陸毫米波雷達在檢測到被測目標(biāo)離開雷達的可檢測邊界后， 會繼續(xù)輸出 被測目 標(biāo)離開邊界時的當(dāng)前值， 如在圖 15 中， 目 標(biāo)車輛由 于上坡從 8 s 至 11 s 從真實雷達界面中消失， 但是大陸雷達仍持續(xù)輸出縱向距離 24 m。

在圖 18 中同理， 目標(biāo)車輛橫向角度超過 18°后，理論上應(yīng)檢測不到物體，但大陸雷達在 10 s至 18 s仍持續(xù)輸出；圖 19、20、21 均類似。在縱向與橫向多普勒速度對比上， 四次測試方差均不超為 5， 方差主要是由大陸雷達的多普勒速度的基數(shù)引起 ， 大 陸 雷 達 的 多 普 勒 速 度 基 數(shù) 為0.25 m/s， 如圖 20、21 中可看到略大的偏差。 但總體上傳感器注入法與黑盒模擬法性能基本一致。





5  結(jié) 論

通過本文進行的 4 次不同工況下的車載毫米波雷達虛擬測試， 得出傳感器注入法與黑盒模擬法在目標(biāo)車輛勻速、加減速、轉(zhuǎn)彎工況下， 縱向與橫向性能基本一致， 這為毫米波雷達硬件在環(huán)測試仿真提供了重要的經(jīng)驗：

即在做目標(biāo)車輛勻速、加減速轉(zhuǎn)彎的雷達硬件在環(huán)測試可優(yōu)先選擇黑盒模擬法， 這樣測試的真實性更得到保障。 但在上下坡與彎道測試中， 傳感器注入法的優(yōu)勢更為明顯， 它不受暗箱自身的局限性與雷達精度等物理因素的影響， 能夠在較為苛刻的工況下來滿足虛擬測試的需要， 性能與效果均優(yōu)于黑盒模擬法。