自动驾驶场景仿真与ASAMOpenX标准应用

前言1

前言2

第1章  绪论

1.1 自动驾驶场景仿真的背景1

1.2 自动驾驶测试场景与仿真的关系3

1.2.1 测试场景的定义3

1.2.2 仿真的重要性5

1.2.3 场景仿真的定义7

1.2.4 基于场景的仿真应用8

1.3 场景仿真的构建流程11

第2章  场景仿真技术与标准现状

2.1 自动驾驶场景仿真技术研究现状13

2.1.1 国外场景仿真技术研究现状14

2.1.2 国内场景仿真技术研究现状21

2.2 自动驾驶场景仿真标准法规现状26

2.2.1 国际标准法规现状26

2.2.2 我国标准法规现状35

第3章  场景抽象分级与仿真应用

3.1 场景抽象分级41

3.1.1 功能场景42

3.1.2 抽象场景43

3.1.3 逻辑场景43

3.1.4 具体场景45

3.2 基于场景的仿真应用45

3.2.1 自动驾驶系统的DevOps周期45

3.2.2 场景仿真环境的抽象架构47

3.3 场景仿真工具链及对应的标准49

3.3.1 基础标准49

3.3.2 流程标准57

3.3.3 方法标准58

3.3.4 产品标准59

第4章  ASAM OpenX自动驾驶仿真系列标准

4.1 ASAM OpenCRG61

4.2 ASAM OpenDRIVE63

4.2.1 参考线63

4.2.2 路口示例64

4.2.3 静态路网描述64

4.3 ASAM OpenSCENARIO65

4.3.1 OpenSCENARIO V1.x65

4.3.2 OpenSCENARIO V2.066

4.4 ASAM Open Simulation Interface（OSI）67

4.5 ASAM OpenLABEL68

4.5.1 数据格式69

4.5.2 可标记的数据类型70

4.5.3 标准内容和工作计划70

4.6 ASAM OpenODD71

4.7 ASAM OpenXOntology72

4.7.1 ASAM OpenXOntology目标和内容72

4.7.2 ASAM OpenXOntology的体系架构73

4.7.3 ASAM OpenXOntology与其他OpenX标准关系74

4.8 基于ASAM OpenX标准的场景仿真测试流程76

第5章  自动驾驶仿真静态场景描述语言

5.1 静态场景语言概述79

5.1.1 概要79

5.1.2 术语及规范80

5.1.3 与其他标准的关联82

5.2 静态场景语言的通用架构83

5.2.1 通用架构83

5.2.2 坐标系85

5.2.3 几何形状91

5.3 静态场景语言要素及语法96

5.3.1 道路96

5.3.2 车道106

5.3.3 交叉口121

5.3.4 物体126

5.3.5 标志135

5.3.6 铁路139

第6章  自动驾驶仿真动态场景描述语言

6.1 概述143

6.1.1 背景与意义143

6.1.2 ASAM OpenSCENARIO 整体介绍144

6.2 基于ASAM OpenSCENARIO的场景描述144

6.2.1 具体场景案例144

6.2.2 执行具体的场景147

6.3 场景的层级信息149

6.3.1 场景层级149

6.3.2 具体场景149

6.3.3 逻辑场景150

6.3.4 抽象场景151

6.3.5 具体化与抽象化指南153

6.4 自动驾驶仿真动态抽象场景155

6.4.1 基于领域专用语言（DSL）的场景架构155

6.4.2 场景模型特征167

6.4.3 场景语法177

6.5 自动驾驶仿真动态具体场景190

6.5.1 基于XML语言的场景架构190

6.5.2 场景语言特征210

6.5.3 案例分析215

第7章  OpenX标准应用案例

7.1 ASAM OpenX在长安汽车AEB和CutOut场景中的应用223

7.1.1 引言224

7.1.2 场景描述方式224

7.1.3 基于OpenX的场景构建过程225

7.1.4 仿真应用效果232

7.2 中国一汽基于OpenX标准的场景重构及试验验证233

7.2.1 引言234

7.2.2 基于标准的场景采集与生成流程234

7.2.3 仿真场景测试验证应用235

7.2.4 总结237

7.3 基于OpenDRIVE 1.6港口场景高精地图的表达及应用238

7.3.1 引言238

7.3.2 港口场景的特点238

7.3.3 OpenDRIVE 1.6标准在港口场景的应用拓展239

7.3.4 总结240

7.4 ASAM OpenX标准加速新型中德自动驾驶测试验证241

7.4.1 引言241

7.4.2 基于OpenX标准的业务模式241

7.5 OpenX 标准在大疆车载仿真测试中的应用242

7.5.1 引言243

7.5.2 应用案例243

7.5.3 总结与展望248

7.6 OpenX标准在中汽数据ADX仿真工具链中的

应用248

7.6.1 引言248

7.6.2 理解测试场景以及场景的区别248

7.6.3 基于OpenSCENARIO 2.0的逻辑场景搭建249

7.6.4 基于动静态交互的场景筛选及场景排序250

7.6.5 基于场景的动静态信息编辑252

7.6.6 场景的运行以及场景的推演及评价252

7.6.7 AD Chauffeur仿真云平台中的应用（以赛事应用为例）253

7.6.8 总结与展望255

7.7 OpenX标准在腾讯TAD Sim中的应用255

7.7.1 引言255

7.7.2 自动驾驶云仿真平台TAD Sim256

7.7.3 OpenX标准在TAD Sim中的应用256

7.8 OpenSCENARIO标准在51 Sim-One软件中的应用258

7.8.1 引言258

7.8.2 OpenSCENARIO标准在51Sim-One模拟仿真软件中的应用258

7.8.3 应用案例261

7.8.4 支持更多OpenX标准263

7.9 小规模交通流场景下使用ASAM OpenSCENARIO标准的场景仿真263

7.9.1 场景的构建方法263

7.9.2 OpenSCENARIO应用案例介绍264

7.10 支持OpenSCENARIO标准的场景编译器269

7.10.1 引言269

7.10.2 基于OSC的场景编译器架构与实现269

7.10.3 应用案例272

7.10.4 总结274

7.11 OpenLABEL标准在指定场景数据提取中的应用274

7.11.1 引言275

7.11.2 OpenLABEL数据构建276

7.11.3 基于深度学习方法的特殊场景提取280

7.11.4 应用案例281

第8章  自动驾驶场景仿真技术未来发展趋势

8.1 现有自动驾驶场景仿真技术存在的问题285

8.1.1 缺乏道路-气象-交通相关联的复杂系统化建模理论研究285

8.1.2 缺乏边界场景的泛化与强化生成研究287

8.1.3 缺少具有中国特色的元素与驾驶特征的场景的仿真工具287

8.1.4 缺乏针对自动驾驶场景仿真技术的标准288

8.1.5 缺乏对于事故场景的高精度复现技术手段的研究289

8.2 自动驾驶场景仿真技术发展路线290

8.2.1 包含多元素的场景建模技术290

8.2.2 基于场景的高精度复杂传感器的仿真291

8.2.3 与实验数据对标，提高仿真场景的真实性293

8.2.4 建立行业内统一的场景仿真规范294

8.2.5 针对具体应用环境构建场景库294

8.3 自动驾驶场景仿真技术应用前景295

参考文献298

1.1自动驾驶场景仿真的背景

随着人类社会信息化、智能化的不断进步，智能汽车的应用领域已经成为衡量一个国家社会文明和科技进步的重要标志之一。然而，目前的交通情况复杂、车辆拥堵、事故频发，为智能驾驶技术的应用和智能汽车产业的发展带来了极大的挑战。此外，由于世界各国社会和经济环境千差万别，各地区的道路环境和交通习惯也大相径庭。中国的城市道路中快递、外卖、行人混行情况普遍存在，对于自动驾驶汽车的感知决策能力提出了更高的要求。而且中国的道路交通标志、标线设置存在一些不规范情况，不同地区之间也有差别。国内与国外的交通标志标线颜色、文字说明等方面也存在差别，这些在短期内很难得到改变。上述种种问题使得自动驾驶产业链的全球化发展和技术交流面临众多实际问题。而自动驾驶汽车作为新兴事物，对于道路测试的时间成本、各国对于自动驾驶的法律法规容忍度、极端场景及危险工况的测试安全性以及各国道路交通环境及习惯不同等问题，也都给自动驾驶系统研发测试带来诸多困难。

目前自动驾驶汽车的开发落地需要大量的测试验证，其测试不同于传统系统，需要在各种干扰条件下测试自动驾驶的性能，包含道路、交通参与者、天气、光照等各种条件因素。对于行业而言，即便算上那些允许进行测试的开放道路，目前能够进行测试的场地和环境还是远远不够。自动驾驶研发需要有极为庞大的数据进行支持。美国某研究机构有一项估算，一套自动驾驶系统至少需要经过约180亿km的验证才能达到量产条件。这表明组建一支100辆测试车构成的自动驾驶车队，以40km/h的平均车速全天24小时不停歇地测试，也要花费大约500年的时间才能完成对于自动驾驶系统的测试。此外，虽然目前对于开放道路的测试可以验证绝大多数场景，但对于自动驾驶系统在大雪、大雨、强风等极端场景下的安全性和可靠性的测试却存在一定的被动性，并且出现极端场景的效率极低，成本巨大，还存有一定的危险性。因此，自动驾驶场景仿真成为行业刚需。

根据《中国自动驾驶仿真技术研究报告(2019)》的预测，未来5年仿真软件与测试的国际市场总规模约在百亿美元左右。2020年，由国家发展改革委、工业和信息化部等11部委联合印发的《智能汽车创新发展战略》也明确提到要实现突破复杂环境感知、重点支持研发虚拟仿真、软硬件结合仿真、实车道路测试等技术和验证工具，以及多层次测试评价系统、开展特定区域智能汽车测试运行及示范应用、验证车辆环境感知准确率等工作内容的任务。

目前自动驾驶仿真已经被行业广泛接受。例如美国自动驾驶领军企业Waymo旗下的仿真平台Carcraft每天在虚拟道路上行驶约2×10 mile（约3200万km)，相当于在真实世界中行驶10年。截止2020年5月，Waymo已经模拟行驶了1.5×10°mile。除Waymo外，通用汽车公司旗下的Cruise以及AutoX、小马智行等国内外自动驾驶解决方案商也在进行大量的仿真测试，以完善自己的自动驾驶系统，仿真测试已经成为自动驾驶商用最重要的测试。