一种虚拟仿真场景中主车的运动控制方法及系统技术方案

本发明专利技术是一种虚拟仿真场景中主车的运动控制方法及系统

【技术实现步骤摘要】
一种虚拟仿真场景中主车的运动控制方法及系统


[0001]本专利技术属于自动驾驶
，具体的说是一种虚拟仿真场景中主车的运动控制方法及系统
。

技术介绍

[0002]在迅猛发展的自动驾驶领域，高效准确的激光雷达算法成为实现自动驾驶的核心挑战
。
然而，基于实际道路数据进行算法研发涉及昂贵的车辆采集
、
时间投入以及人力资源成本，同时还要应对严格的车辆安全性标准
。
为了解决这一复杂问题，基于
ROS
的激光雷达数据生成与回灌方法应运而生，为智能网联汽车算法研究提供了高效且经济的解决途径
。

技术实现思路

[0003]为解决上述问题，本专利技术提供了一种虚拟仿真场景中主车的运动控制方法及系统，采用
ROS
机器人系统，以实现双重数据注入策略，旨在有效融合虚拟仿真环境和实际车辆数据，能够精准控制虚拟仿真场景中主车的运动，本专利技术不仅能够降低开发成本，还有助于在安全的环境中对算法性能和安全性进行全面评估，以满足严格的智能网联汽车系统标准
。
[0004]本专利技术技术方案结合附图说明如下：
[0005]第一方面，本专利技术提供了一种虚拟仿真场景中主车的运动控制方法，包括以下步骤：
[0006]步骤一
、
在虚拟仿真环境中使用
Optix
技术模拟激光雷达的物理运作原理，生成虚拟激光雷达数据；
[0007]步骤二
、
通过<br/>ROS
解析虚拟激光雷达数据，并通过
UDP
发送至车载以太网板卡，再由板卡传输至域控制器即
ECU
；
[0008]步骤三
、
通过虚拟激光雷达数据获取虚拟仿真车辆的位姿信息，将车辆的位姿信息传输至六自由度平台，在六自由度平台上装配
IMU
获取虚拟仿真车辆的真实惯导数据，并注入至
ECU
；
[0009]步骤四
、
将真实的惯性导航数据与虚拟仿真环境中带有实际环境特征的激光雷达数据相融合，并整合虚拟仿真场景中的相机和
GNSS
真实数据，生成虚拟传感器决策感知结果，以支持决策感知任务；
[0010]步骤五
、
在虚拟仿真服务器中即搭载虚拟仿真软件平台即
Ubuntu
系统，通过
Rosbag
数据回放机制，对车辆实际道路收集的数据进行回放；并通过
UDP
通信协议将收集到的实际传感器数据回灌至
ECU
，以生成来自实际道路采集的决策和感知结果；
[0011]步骤六
、
将虚拟传感器决策感知结果嵌入到车辆动力学模型中，以控制虚拟仿真场景中主车的运动；
[0012]步骤七
、
进行激光雷达数据级和决策算法感知级之间的对比，对虚拟生成的激光雷达数据进行评估
。
[0013]进一步的，所述步骤一中，模拟激光雷达时需模拟不同激光雷达类型，并模拟各种天气条件
。
[0014]进一步的，所述步骤一的具体方法如下：
[0015]11)
在虚拟仿真环境中获取激光雷达的参数；
[0016]所述激光雷达的参数包括探测距离
d、
发射激光功率
P
T
、
发射激光的波长
λ
、
脉冲宽度
τ
、
脉冲重复频率
f、
视场角
Fov
h
、
分辨率
Δ
d
和消光系数
γ
；
[0017]其中，探测距离
d
通过下式计算：
[0018][0019]式中，
d
为探测距离；
c
为光速；
Δ
t
为时间差；
[0020]将激光雷达的探测能力从能量的角度描述，由激光雷达作用距离方程表达，如下所示：
[0021][0022]式中，
P
R
为接收激光功率；
P
T
为发射激光功率；
G
T
为发射天线增益；
σ
为目标散射截面；
D
为接收孔径；
η
Atm
为单程大气传输系数；
η
Sys
为激光雷达的光学系统的传输系数；
[0023]其中，所述发射天线增益
G
T
被分解为：
[0024][0025][0026]式中，
θ
T
为发射激光的带宽；
λ
为发射激光的波长，设定为
905nm
；
K
a
为孔径透光常数；
[0027]故，激光雷达作用距离方程如下所示：
[0028][0029]确定激光雷达最大可探测距离
R
max
，如下所示：
[0030][0031]式中，
σ
为目标散射截面决定目标反射的属性；
P
Rmin
为激光雷达系统中所需的探测最小功率；
[0032]其中，单程大气传输系数
η
Atm
由下式表示：
[0033]η
atm
＝
exp[
‑2γ
(
λ
)R][0034]式中，
γ
为距离发射端
R
处的大气衰减系数；大气衰减系数是波长的函数，由环境中的两部分带来，一部分是大气气体分子，一部分是大气气溶胶，即：
[0035]γ
(
λ
)
＝
γ
molecules
(
λ
)+
γ
aerosol
(
λ
)
[0036]式中，
γ
molecules
(
λ
)
为大气气体分子衰减系数；
γ
aerosol
(
λ
)
为大气气溶胶衰减系
数；
[0037]当波长为
905nm
时，大气引起的激光衰减原因简化为大气气溶胶引起的衰减；
[0038]γ
(
λ
)≈
γ
aerosol
(
λ
)
[0039]其中，大气气溶胶衰减系数
γ
aerosol
(
λ
)
表示为：
[0040]γ
aerosol
(
λ
)
＝
σ
...

【技术保护点】

【技术特征摘要】
1.
一种虚拟仿真场景中主车的运动控制方法，其特征在于，包括以下步骤：步骤一
、
在虚拟仿真环境中使用
Optix
技术模拟激光雷达的物理运作原理，生成虚拟激光雷达数据；步骤二
、
通过
ROS
解析虚拟激光雷达数据，并通过
UDP
发送至车载以太网板卡，再由板卡传输至域控制器即
ECU
；步骤三
、
通过虚拟激光雷达数据获取虚拟仿真车辆的位姿信息，将车辆的位姿信息传输至六自由度平台，在六自由度平台上装配
IMU
获取虚拟仿真车辆的真实惯导数据，并注入至
ECU
；步骤四
、
将真实的惯性导航数据与虚拟仿真环境中带有实际环境特征的激光雷达数据相融合，并整合虚拟仿真场景中的相机和
GNSS
真实数据，生成虚拟传感器决策感知结果，以支持决策感知任务；步骤五
、
在虚拟仿真服务器中即搭载虚拟仿真软件平台即
Ubuntu
系统，通过
Rosbag
数据回放机制，对车辆实际道路收集的数据进行回放；并通过
UDP
通信协议将收集到的实际传感器数据回灌至
ECU
，以生成来自实际道路采集的决策和感知结果；步骤六
、
将虚拟传感器决策感知结果嵌入到车辆动力学模型中，以控制虚拟仿真场景中主车的运动；步骤七
、
进行激光雷达数据级和决策算法感知级之间的对比，对虚拟生成的激光雷达数据进行评估
。2.
根据权利要求1所述的一种虚拟仿真场景中主车的运动控制方法，其特征在于，所述步骤一中，模拟激光雷达时需模拟不同激光雷达类型，并模拟各种天气条件
。3.
根据权利要求1所述的一种虚拟仿真场景中主车的运动控制方法，其特征在于，所述步骤一的具体方法如下：
11)
在虚拟仿真环境中获取激光雷达的参数；所述激光雷达的参数包括探测距离
d、
发射激光功率
P
T
、
发射激光的波长
λ
、
脉冲宽度
τ
、
脉冲重复频率
f、
视场角
Fov
h
、
分辨率
Δ
d
和消光系数
γ
；其中，探测距离
d
通过下式计算：式中，
d
为探测距离；
c
为光速；
Δ
t
为时间差；将激光雷达的探测能力从能量的角度描述，由激光雷达作用距离方程表达，如下所示：式中，
P
R
为接收激光功率；
P
T
为发射激光功率；
G
T
为发射天线增益；
σ
为目标散射截面；
D
为接收孔径；
η
Atm
为单程大气传输系数；
η
Sys
为激光雷达的光学系统的传输系数；其中，所述发射天线增益
G
T
被分解为：
式中，
θ
T
为发射激光的带宽；
λ
为发射激光的波长，设定为
905nm
；
K
a
为孔径透光常数；故，激光雷达作用距离方程如下所示：确定激光雷达最大可探测距离
R
max
，如下所示：式中，
σ
为目标散射截面决定目标反射的属性；
P
Rmin
为激光雷达系统中所需的探测最小功率
。
；其中，单程大气传输系数
η
Atm
由下式表示：
η
atm
＝
exp[
‑2γ
(
λ
)R]
式中，
γ
为距离发射端
R
处的大气衰减系数；大气衰减系数是波长的函数，由环境中的两部分带来，一部分是大气气体分子，一部分是大气气溶胶，即：
γ
(
λ
)
＝
γ
molecules
(
λ
)+
γ
aerosol
(
λ
)
式中，
γ
molecules
(
λ
)
为大气气体分子衰减系数；
γ
aerosol
(
λ
)
为大气气溶胶衰减系数；当波长为
905nm
时，大气引起的激光衰减原因简化为大气气溶胶引起的衰减；
γ
(
λ
)≈
γ
aerosol<...

【专利技术属性】
技术研发人员：朱冰，薛经纬，赵健，吴坚，赵男男，郭运娇，
申请(专利权)人：长沙汽车创新研究院，
类型：发明
国别省市：