自动驾驶仿真测试中的摄像头建模方法

虚拟仿真在机器人和自动驾驶汽车的开发和测试中越来越重要，因为它为候选导航、感知和传感器融合算法在复杂和安全关键场景中的快速探索打开了大门。由于大多数机器人和自动驾驶汽车都大量使用摄像头来感知周围环境，因此相机建模成为成功模拟这些自主代理的前提。本文概述了相机模型的使用背景；对图像采集流程的每个组件以及用于其建模的算法进行了逐组件分析；最后讨论了采用不同视角进行相机建模的数据驱动方法。

端到端的激光雷达点云建模方法

先进的传感器是实现自动驾驶汽车技术的关键。激光扫描仪传感器（LiDAR，光探测和测距）因其长距离和对低光照驾驶条件的鲁棒性而成为基本选择。设计自动驾驶汽车控制软件的问题是一个复杂的任务，很难在基于规则的系统中明确制定，因此最近的方法依赖于可以从数据中学习这些规则的机器学习。这种方法的主要问题是，用于泛化机器学习模型所需的训练数据量很大，另一方面，与其他汽车传感器相比，LiDAR数据注释的成本非常高。一个准确的LiDAR传感器模型可以应对此类问题。此外，它的价值不止于此，因为现有的LiDAR开发、验证和评估平台及流程成本高昂，而且虚拟测试和开发环境在物理属性表示方面仍不成熟。在这项工作中，我们提出了一种基于深度学习的LiDAR传感器模型。该方法使用深度神经网络对传感器回波进行建模，并使用极坐标网格图（PGM）从真实数据中学习回波脉冲宽度。我们将模型性能与全面的真实传感器数据进行基准测试，并取得了非常有希望的结果，为未来工作设定了基准。

BMW集团：使用VIRES VTD为自动驾驶系统生成和验证传感器模型

近年来，随着传感器技术和数据处理算法的进步，自动驾驶系统已经取得了很大的进展，能够提升车辆驾驶员和乘客的安全性和舒适度。然而，由于自动驾驶的复杂性，确保和验证自动驾驶系统安全用于公共道路仍然是主要挑战之一。 虚拟世界提供了一个适合、安全且受控的环境，可以处理大部分必要的测试和验证工作。在虚拟开发方法中，选择合适的场景以及生成与现实情况高度匹配的虚拟传感器数据是其中的核心要求。虚拟传感器数据是通过传感器模型生成的，这些模型构成了虚拟环境感知的核心组件。这些感知数据是自动驾驶系统决策算法的主要输入流之一。因此，传感器模型的保真度是虚拟开发和测试可行性和有效性的决定性因素。

基于场景的扩展HARA：融合功能安全与预期功能安全（SOTIF）的自动驾驶安全评估

基于场景的危害分析和风险评估（HARA）是一种针对车辆自动化能力识别（例如SAE/NHTSA自动化水平）的有效且现实的方法。对于自动驾驶系统，该系统通过传感器（融合）和执行器与其环境进行大量交互，因此危害考虑必须从E/E系统故障行为扩展到涵盖预定功能安全（SOTIF），包括网络安全。基于场景的HARA可以捕获如何考虑功能安全（FuSa）和SOTIF来分析危害，但它们的关系和相互依赖需要以系统的方式表示。此外，还使用了诸如系统理论过程分析（STPA）之类的强大方法来识别、定义和分析危害，但并未进行风险评估。因此，我们研究了基于场景的HARA的最新技术，并提出了一种将FuSa和SOTIF相结合的扩展HARA。特别地，我们考虑了（a）功能场景表示和场景选择（例如在HARA中绘制基本场景和事故场景）以及（b）用于一次性查找每个HAD功能的FuSa和SOTIF之间关系和交互的方法。此外，我们通过在一个适用案例（即横向引导辅助系统）中演示该过程的方式，执行了具有扩展功能的基于场景的HARA方法，并披露了结果。

自动驾驶汽车的预期功能安全（SOTIF）验证方法

国际标准化组织（ISO）的预定功能安全（SOTIF）是一个相对较新的标准，它解释了系统预定功能的处理机制以及系统合理误用的验证机制。它要求在实际中实现基于ISO SOTIF的先进驾驶辅助系统（ADAS）和自动驾驶的验证。本文的目的是以智能速度辅助（ISA）为例，解释ISO SOTIF验证的虚拟仿真和合成场景创建的策略。ISO SOTIF建议的流程被用作测试策略推导的参考，同时保持技术和功能安全要求作为测试的基础。按照定义的标准程序实施危险识别和风险评估。利用虚拟仿真工具创建ISO SOTIF合成场景。提出了一种带有详细示例的场景引发方法。使用一个包含所有可能的相关静态和动态行为者的树状图来生成场景。首先创建“一行”或“两行”的伪场景，然后扩展到完整的场景细节。然后，这些详细的场景在虚拟仿真工具中实现。在SIL / MIL / HIL环境中，将待测试的算法暴露于这些ISO SOTIF场景中，以评估系统如何响应这些极端情况。还可以从输入需求规范中生成额外的ISO SOTIF场景。本文展示了一些涉及不同环境条件和危险模拟实例的场景。本文通过实际示例解释了如何对自动驾驶系统进

基于第一性原理的自动驾驶SOTIF Corner Case挖局与3D虚拟仿真测试

通过3D虚拟仿真生成多样化的测试场景并测试全栈自动驾驶系统(ADS)，是一种很有前途的预期功能安全(SOTIF) 测试方法。然而,随着测试场景的不同，传感器配置的差异，会特殊的结果，例如发出的光脉冲会经历后向散射和衰减，哪些是通常被现有方案所忽视，导致虚假的阳性或错误的结果。 本文提出了一种基于第一性原理的传感器建模方法和环境交互方案，并将其集成到CARLA中。有了这个方案，一个长期被忽视的不利类别发现与天气相关的极端情况，以及它们的根的原因。在此基础上设计了一种元启发式算法在一些经验的见解，指导两种种子方案和突变，显著降低了搜索的维度场景和提高角落案例识别的效率。 实验结果表明，在相同的仿真设置下，我们的算法发现的极端情况是与最先进的作品相比。

基于仿真的毫米波雷达性能评估与改进方案

自动驾驶(HAD)系统由复杂的结构组成，包含不同类型的传感器。需要对HAD系统的功能进行测试，以确保自动驾驶车辆的整体安全。 像真实世界测试这样的方法需要大量的行驶里程，而且非常昂贵和耗时。因此，基于仿真的测试被广泛接受和应用于HAD系统，包括传感器性能改进。因此在高压下对这些传感器进行广泛的测试至关重要。本文的主要贡献如下:首先，提出了基于仿真的雷达传感器测试概念和方法，为预期功能的安全性(SOTIF)提供了用例。第二，具体的雷达效应是通过仿真测试对两种不同的雷达模型进行了评估，以支持和实现传感器的功能不足。最后，提出了开发滤波器以提高传感器性能的建议考虑雷达特有的多径传播效应。

汽车电磁兼容测试方式和方法介绍

本材料主要介绍汽车电磁兼容EMC测试基本理论、测试方法、注意事项。是汽车电子、新能源整车等工程师参考学习的材料。

数码相机（camera）畸变测量标准

本内容涉及数码相机（Camera）的畸变测量方法，是行业普遍任何的一套标准。标准编号ISO-17850

智能驾驶Camera仿真置信度评估方法

本资源主要是作者基于智能驾驶仿真领域积累的经验，针对Camera仿真置信度（or保真度）评估方法整理的材料。该材料内容高度精炼，方法切实可行，便于OEM或智能驾驶公司评估仿真器的优劣，推动行业解决智能驾驶端到端仿真领域“仿而不真”的难题。