Keysight-借助仿真能力改进 ADAS 和 AV 测试

[{"attributes":{"bold":true},"insert":"雷达传感器的演进：ADAS / AV系统的关键零部件"},{"insert":"\n构建安全稳健的自动驾驶（AD）系统是一项复杂的任务。汽车制造商必须要克服眼前的困难，才能实现自动驾驶的未来。 \n自动驾驶汽车（AV）上有数百个传感器，所有这些传感器都需要在车内相互配合工作以及与其他智能车辆配合工作。实现自动驾驶功能的软件算法最终需要整合这些传感器收集的所有信息，从而确保车辆做出相应的响应。这些算法需要在涵盖不同驾驶场景的几百万个复杂情况下进行测试。汽车制造商需要能够信心十足地推出先进驾驶辅助系统（ADAS）和 AV 功能。 \n实现更高等级的车辆自主需要在技术上实现许多创新和进步。通过持续投入研发雷达、激光雷达和摄像头等传感器技术，将提高环境扫描能力。每种传感器都有其优缺点，它们需要相辅相成，才能确保目标探测过程有一定冗余。\n"},{"insert":{"image":"https://files.eteforum.com/article/202307/ae86d65be280298f.png"}},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"bold":true},"insert":"认识雷达传感器测试的复杂性"},{"insert":"\n要整合和传输大量高分辨率传感器数据（包括车联网通信输入）离不开强大的软件算法。机器学习是训练自我改进算法的成熟方法。汽车原始设备制造商（OEM）使用这些算法来提升复杂交通情况下的决策能力。 \n在实验室里使用尽量逼真的激励以可重复、可控的方式来验证这些算法对于确保它们的准确度和安全部署有着至关重要的意义。汽车设计和测试工程师可以识别测试场景，将它们从 \n3D 仿真环境转化为输入到雷达模块中的真实雷达信号，然后再实施路测。 \n自动驾驶的关键步骤包括构建和更新车辆感知的准确 3D 路况地图，然后将其解释给电子控制单元。尽管雷达技术已经不再是新鲜事物，但创新的雷达传感器前端仍在不断发展并变得越来越复杂。它们具有以下特性： \n• 带宽从 76 至 77 GHz 提高到现在的 77 至 81 GHz \n• 使用多个发射和接收天线通过多路输入多路输出（MIMO）的多径传播来提高准确度 \n• 凭借第四维高度 4D 成像雷达提高分辨率过去的2D和3D雷达无法感知高度维度，因为它们的能力有限且没有大型MIMO。新一代雷达传感器包括使用大型MIMO结构的宽天线孔径，它们解锁了第四个传感维度——高度。这些雷达传感器凭借更高分辨率和增加到4 GHz的带宽进一步增强了感知能力。因此，汽车测试解决方案必须超越现有的传感技术并提 \n供更出色的功能，才能避免测量设备成为测试的瓶颈。\n在实验室里使用尽量逼真的激励以可重复、可控的方式来验证这些算法对于确保它们的准确度和安全部署有着至关重要的意义。\n支撑传感器的探测算法也需要应对越来越复杂的情况，因此在测试和验证方面提出了更严格的要求。 \n训练这些传感器需要的不只是点目标。在真实道路上，雷达传感器必须能够区分其他汽车、卡车、自行车和行人。目标的识别和分类极其重要，因为它会影响车辆做出的反应和驾乘人员的安全。这也是当前实验室解决方案的不足之处。机器人自动识别最多八个移动目标，每个目标只有一个点，这无法提供足够的细节来帮助车辆学习如何对不同目标进行分类。\n \n"},{"attributes":{"bold":true},"insert":"重新构思测试策略"},{"insert":"\n研发工程师在应用软件开发循环（从开发和测试到部署再回到开发）使用了DevOps（开发运维）模型。这是一个循环往复的过程，研发工程师收集反馈信息并通过每次迭代改进产品。DevOps模型在软件行业很常见，随着车辆的软件化程度越来越高，车企也开始使用这个流程。接下来 DevOps 模型会分解为不同的迭代：仿真、模拟和部署。\n \n"},{"attributes":{"color":"#c00000"},"insert":"仿真"},{"insert":"\n仿真器（simulator）会创建一个仿真实际器件特性和配置的环境。车企在传感器和控制模块上投入了大量时间，通过软件在环测试来仿真环境。汽车开发人员要进行集成和调整，然后再次循环测试，如图1 所示。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/c679ba14bd37fffd.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 1. 仿真：软件在环测试、集成、调整和循环结果的示例"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"一旦能够完全用软件仿真某些东西，下一步就是添加某种实际硬件。这样，模拟器（emulator）就能重现真实器件的硬件和软件特性。在构建复杂的机器时，为了确保机器安全、可靠，一个关键步骤是在实验室中重建系统的一部分，将实际元器件放到硬件在环系统中。这一步可以弥合仿真与路测之间的鸿沟，从而节省时间和成本。随着算法变得越来越复杂，这一步对AD 和 ADAS 系统开发的重要性也越发凸显。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/23b1fd42947e9560.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 2. 模拟：使用真实器件的硬件在环测试流程"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"color":"#c00000"},"insert":"在开放道路上进行测试 "},{"insert":"\n使用整车进行路测或场地试驾要求原型车或合法上路车辆中使用了集成系统。这项测试允许 \nOEM 在将最终产品推向市场之前对其进行验证。路测或场地试驾不仅危险，成本还相当高。虽然设计工程师有机会更新软件，但更新系统级设计非常困难，重新绘制设计图会大大延长开发时间。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/40e992a2edd94a4b.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 3. 路测：整车测试，配有完整的集成系统"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"color":"#c00000"},"insert":"思维转变 "},{"insert":"\n在图3中，仿真结果会提供给模拟阶段，然后提供给路测。每个循环都建立在前一个循环的基础上。设计和测试工程师采用这个测试流程，用基础元器件替换仿真的部分，例如制动器或方向盘子系统。过去，对雷达系统实施这一测试过程并不容易。我们没有办法模拟足够细致的近真实场景来帮助雷达算法学习并为开放道路做好准备。这对于简单场景来说不成问题，但对于不可能在开放道路上测试的复杂极端情况很关键。\n升级到 L3+级（美国汽车工程师学会定义的 3+ 级是有条件的自动化、高度自动化和完全自动化）自动驾驶意味着 AD 功能不只是负责驾乘人员和行人的安全。它们要监控车辆在道路上的每一个操作，并且要承担可能的法律风险。 \n汽车 OEM 在开发驾驶功能时需要小心谨慎，尤其是全自动功能。使用真实的雷达传感器和信号在实验室中模拟真实场景，将ADAS 和 AV 测试提升到一个新的层次。\n \n"},{"attributes":{"bold":true},"insert":"设置 AV 实现成功"},{"insert":" \n软件推动着自动驾驶和电动汽车等汽车技术和主题的发展。因此，汽车开发的重心正在从硬件转向软件。具有ADAS L3 级及以上功能的车辆需要针对越来越多的场景和周围环境进行测试和验证。不仅测试数量会增加，测试的复杂程度也会增加。 \n举个例子，自适应巡航控制系统只需要关注前车就已足够。当今的系统级测试还应当考虑各种道路使用者。以公路驾驶为例。除了跟随前车并保持安全距离外，测试还应当考虑离开车道、超车和重新进入车道等自动化操作。如果是在市区内驾驶，复杂程度会进一步增加。试想一下有行人、骑自行车和玩电动滑板车的人的交叉路口和转弯场景。真实的试驾可能遇不到这种复杂多变的情况。因此，仿真对于开发和验证 AV 系统具有非常重要的意义。\n"},{"attributes":{"bold":true},"insert":" "},{"insert":"\n"},{"attributes":{"bold":true},"insert":"NCAP 提供了标准化场景 "},{"insert":"\n新车评测计划（NCAP）测试最初是 OEM 为了确保驾乘人员和第三方的共同安全而推出的。它是一个自愿的安全评级系统，但很快便普及开来并成为消费者公认的一个基准测试机制，对OEM 来说则是一个既方便但有时又颇具挑战性的销售和营销策略。汽车OEM 通常在受控环境下使用假人进行碰撞测试。他们想方设法要达到五星级安全评级，希望塑造良好的品牌形象和方便推销。 \n车辆自主程度的提高让碰撞测试变得更复杂。过去的测试只需要涉及安全带预紧器、侧面头部安全气囊或儿童约束系统就已足够。而现在，测试必须涵盖车辆在探测到道路上一定距离的目标时自动刹车的能力，这个目标可能是行人或骑行人员等弱势道路使用者（VRU），也可能是以较低速度并线的另一辆车。 \n表1 列出了测试需要涵盖的可能场景，包括NCAP 和美国国家公路交通安全管理局（NHTSA）\n（NCAP 和 NHTSA 是区域性组织。其他地方和区域组织负责管理这些标准）测试例，以及常见的基于雷达的ADAS/AD 特性和功能等等。这个列表并不详尽；需要测试的情况可能需要另起一文探讨。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/e48927a556fdb67a.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"自动驾驶人工智能（AI）开发人员进行过一场思维实验——在发生碰撞时是选择挽救车上乘客的生命还是挽救行人。麻省理工学院（MIT）的研究人员开展了深入的伦理研究，确定了开发人员可能会构建到人工智能算法中的人为偏见。这项研究的目标是让AV比有人驾驶车辆更快、更合理、更明智地在这类场景中行驶。 \n由于需要精确再现场景，实验室测试使用了 NCAP 场景。汽车 OEM 承受着越来越大的快速进入市场的压力，产品必须要在设计周期中尽早成功。 \n汽车OEM 认识到，从元器件级到系统级乃至在整个设计周期中尽早使用NCAP 场景来补充实验室测试，可以节省大量宝贵的时间和金钱。借助场景仿真功能，汽车OEM 可以在实验室中更早验证其雷达集成，并在集成阶段为开放道路测试或认可的场地道路测试做好万全准备。这个过程有助于大幅降低测试不合格的风险。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/93c2c069623328ab.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"bold":true},"insert":"NCAP场景 1：自动紧急制动 "},{"insert":"\n我们以自动紧急制动（AEB）这个 NCAP 场景为例来看一看。根据 Euro NCAP 网站的统计，追尾是开放道路上最常见的一类碰撞。如果后车的司机注意力不集中，没有发现前方的车辆已经减速或停止，就会发生这种碰撞事件。\nAEB 车对车系统的测试涵盖广泛的速度、车辆和交通状况。\nFCW和 AEB 系统旨在防范或减轻潜在的损失。这些系统会向驾驶员通报前方出现危险情况，如果驾驶员没有看到危险，系统会自动刹车。由于潜在危险比较紧迫，相关道路障碍物也比较靠近，因此视距（LOS）传感器非常适合用于探测这样的情形。为此，汽车制造商使用摄像头、激光雷达或雷达传感器，单独或协同地使用它们（传感器融合），得到适应不同情况的不同程度性能。 \n在实验室为传感器进行此类模拟至少需要有一个目标，也就是前车。如今，使用雷达目标仿真器很容易做到这一点。然而，这是对一个理想如果雷达无法正确解释这些该怎么办？ 但不切实际的场景进行测试。真正的道路上有护栏、标志反射和其他汽车。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/a33bd805d59ddbb4.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 4. 自动紧急制动示意图（图片由 NHTSA 网站友情提供）"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"bold":true},"insert":"AEB 场景实验"},{"insert":" \n具有 NCAP 场景库的 AVSimulation SCANeR 是一种 AEB 前方匀速行驶车辆追尾测试（CCRm） NCAP场景。视点来自自主车辆或装有被测雷达的车辆。 \n图 6 和图 7 显示了 SCANeR 仿真中所示的道路XY 水平面俯视图。这个工具包括预期的雷达目标和探测到的雷达目标，还能让用户实时验证基于雷达的ADAS / AD算法对场景做出的反应。红色锥形表示远程雷达，蓝色锥形表示短程雷达。请注意，图像（包括护栏）非常相似。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/5b507b442554dca9.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 5. 使用 AVSimulation SCANeR 软件的 NCAP 场景 "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":{"image":"https://files.eteforum.com/article/202307/5acd919f92f530a0.png"}},{"insert":" "},{"insert":{"image":"https://files.eteforum.com/article/202307/82b8168f19ffd475.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 6. 这是仿真中显示的同一场景，转换成了雷达图像。空心圆圈是仿真结果，绿色箭头是探测到的目标"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"现在，一个简单的 RTS 系统能够仿真包含两辆车的场景。但是，添加护栏的反射能形成真实的场景，确保更准确地验证AV 系统。\n"},{"attributes":{"bold":true},"insert":" "},{"insert":"\n"},{"attributes":{"bold":true},"insert":"NCAP 场景2 ：弱势道路使用者"},{"insert":"\n正如 NCAP 所指出，另一个有待测试的关键领域是VRU。除了评测汽车保护乘员的能力外，\nNCAP 测试还评测汽车保护可能碰撞到的VRU（行人和骑行人员）的能力。与前面的 \nAEB 一样，这里的想法是向驾驶员通报即将发生的碰撞，并在驾驶员未能及时反应时提供自动制动。 \n这些测试有助于汽车OEM评估伤害风险。测试的重点是汽车保护行人和骑行人员（而不是驾乘人员）的能力。与其他 NCAP 测试一样，这项测试也有一个评分系统。表现良好的汽车如果配备了能够识别行人和骑行人员的AEB 系统，可以获得额外的得分。 \n图 7 显示了一个能够模拟 AEB 系统测试的双目标场景。如果有行人或骑行人员从停放的汽车之间出来怎么办？如果有几个行人穿过马路或者是来回奔跑又该如何？这也指出了许多目标仿真系统的不足之处——无法模拟距离车辆及其被测雷达较近的目标。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/b98c5073d68a47eb.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 7. NHTSA VRU NCAP 场景示意图（图片由 NHTSA网站友情提供）"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"这种场景至关重要，因为在许多其他类似情形下，分辨率和近距离可能会决定生死。我们可以设想这样一个场景――在仔细观察了行人和对向来车的情况后，测试车辆接近十字路口，打算右转（在红灯右转不违规的区域）。随着车辆慢慢接近，它的摄像头、远程雷达和激光雷达传感器几乎没有用处。这个时候，它必须使用横向短程雷达。这种雷达视野宽广，分辨率高，能够探测与车辆极为接近的目标。 \n假设过马路的行人是一位推着婴儿车的母亲。在这个情况中，即使婴儿车与车辆之间的距离不足4米（在实际场景中很可能会是这样），雷达也必须同时探测到婴儿车和母亲并及时将车辆停下。 \n "},{"insert":{"image":"https://files.eteforum.com/article/202307/2c790778cf43b8e2.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"bold":true},"insert":"VRU 场景实验"},{"insert":"\n这项实验涉及IPG Automotive 的 CarMaker 及其用于 VRU 的一个NCAP 场景套件。在这个场景中，行人从两辆停放的汽车之间从右向左穿过马路，来到自主车辆前方（图8）。视点来自自主车辆或装有被测雷达的车辆。自主车辆应当自动刹车。 \n与第一个实验一样，图9 显示了预期的雷达目标和探测到的雷达目标，还能让用户实时验证基于雷达的ADAS / AV算法对场景做出的反应。同样请注意，图像非常相似，包括停放的汽车和额外的行人细节。\n"},{"insert":{"image":"https://files.eteforum.com/article/202307/61cf0ab618c1ae86.png"}},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 8. 行人位于被测车辆（黄色车）的雷达前方不足 4 米处"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"insert":{"image":"https://files.eteforum.com/article/202307/7521fee1787c738b.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 9. 显示 VRU 场景 3D 建模的雷达图像。它显示出路边的车辆、路中间的 "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"行人和路边的旁观者，用绿点表示"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"现在，借助简单的 2 点甚至 4 点雷达目标仿真系统，汽车 OEM 没有办法再仿真包含多个行人和多辆停放汽车的复杂情况。\n"},{"attributes":{"bold":true},"insert":" "},{"insert":"\n"},{"attributes":{"bold":true},"insert":"通过创新弥合技术鸿沟"},{"insert":" \n为了在实验室中模拟这些示例，汽车 OEM 需要将仿真软件的输出转换为真实信号，从而激励雷达模块。 \n \n"},{"attributes":{"color":"#c00000"},"insert":"它的工作原理是什么？ "},{"insert":"\n以下技术概念解释了汽车 OEM 如何模拟实验室测试场景。\n \n"},{"attributes":{"bold":true},"insert":"点云"},{"insert":" \n点云描述的是代表对象或对象集合的点数据集。来自 x轴、y 轴和 z 轴的坐标点将大量空间信息整合到一个集合中。3D 激光扫描仪、激光雷达和雷达技术通常会产生点云和参考点云。本文中的点云来自3D场景仿真器。 \n点云为场景添加细节，确保您测试的算法能够区分两个靠得很近的目标。无论距离远近，传统的雷达目标仿真器（RTS）只会返回一个反射值，而雷达场景仿真则会随着目标逐渐接近而返回越来越多的反射值。这种类型的“动态分辨率”会根据距离的变化改变目标的反射点数。 \n为了显示点云，设置需要满足以下两个硬件方面的要求 ： \n• 光线追踪 \n• Rixel墙\n \n什么是 Rixel ？ \nRixel是体积很小，可以装入芯片大小单元中的射频收发信机。一个 Rixel 就好比电视屏幕上的一个像素。\nRixel 矩阵是在一个电路板上放置八个 Rixel，然后将多个电路板彼此相邻堆叠起来，形成一个高分辨率墙。\n这就好比是一块高清屏幕，其中的像素能够显示不同颜色和亮度。与之类似，Rixel 可以“显示”距离、速度和目标大小。\n \n"},{"attributes":{"bold":true},"insert":"光线追踪 "},{"insert":"\n光线追踪技术可在测试期间提取传感器（例如雷达或摄像头）所需的信息（图 10）\n"},{"insert":{"image":"https://files.eteforum.com/article/202307/cdea0495b84807b1.png"}},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 10. 光线追踪技术有助于为自动驾驶汽车中的传感器提取所需信息"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"光线追踪的概念可以追溯到计算机图形学以及通过仿真光物理特性在2D屏幕上渲染数字 3D 目标的能力。将目标放置到激励-响应系统中使它们可见。在这个示意图中，光源照亮目标，光线在多个方向上发生反射和散射。只有汇聚到用户眼睛的光线才会映射到观察平面上。屏幕的分辨率取决于观察平面的特性以及针对目标做出的或精细或粗糙的网格划分。目标渲染包括材料属性和其他相关信息，例如目标颜色和亮度。 \n虽然这种解释是专门针对可见光谱，但同样的原理也适用于基于LOS辐射的激励-响应渲染算法，例如雷达视觉。光源是雷达发射机，相关材料属性包含雷达辐射反射率空间速度转化成了多普勒效应。\n \n"},{"attributes":{"bold":true},"insert":"Rixel 墙 "},{"insert":"\n为了将从光线追踪中提取的信息转换为雷达传感器能够探测到的信息，我们 \n• 将每辆车创建为一个目标 \n• 并为仿真中的每个目标分配方向和速度\nRSE测试阵列包含射频前端（或Rixel）墙，它可以回显由被测系统（SUT）所需参数调制过的信号，用于探测场景元素。一个64 x 8 的 Rixel阵列可以创建一个动态雷达环境，与依赖机械运动部件的系统相比，它能够在更短时间内覆盖更多情况。此外，它具有更稳定、可预测、可重复和可靠的特点。 \n从设计原理上来说，这些小型化的Rixel 无法由雷达传感器探测到，完全是由 3D 仿真软件激活，取代了机械运动。阵列中的每个Rixel 模拟一个目标的距离和回波强度。随着目标越来越接近，多重反射可以使雷达更准确地探测和区分目标。\n \n"},{"attributes":{"bold":true},"insert":"验证最近 1.5 米距离上的关键功能 "},{"insert":"\n许多测试例（包括 AEB、FCW、LDW 和 LKA）都需要模拟距离被测系统非常近的目标。例如，在接近路口红灯时，每个方向上的车辆通常相距不超过 2 米。在运动场景中，自行车、摩托车、踏板车等两轮车可能会突然驶入车道，或者行人可能会突然进入车道。图 \n11 中的绿色圆圈表示距离为 1.5 米，代表的是测试重要安全特性时可以模拟的最小距离，也就是模拟自主车辆附近目标的能力。在实验室环境中重建此类场景颇具挑战性。\n "},{"insert":{"image":"https://files.eteforum.com/article/202307/a75815d14aafec8a.png"}},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 11. 绿色圆圈表示距离为 1.5 米，代表的是可以模拟的最小距离"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"bold":true},"insert":"通过实验室中的全景模拟赋能新一代自动驾驶 "},{"insert":"\n在汽车领域，OEM 竞相朝着零事故、零排放和零拥堵的目标奋斗。这些问题很复杂，需要在汽车设计和测试的方方面面都采用创新解决方案。自动驾驶算法的稳健性取决于测试能有多全面。\n \n"},{"attributes":{"color":"#c00000"},"insert":"ADAS / AV 测试方式的转变 "},{"insert":"\n是德科技雷达场景仿真器（RSE）使汽车行业中的OEM 能够使用极其复杂的多目标场景更快地测试含有雷达传感器的自动驾驶系统。\nRSE允许创建包含多达512 个目标的场景，目标到车辆的距离最近仅为1.5 米。场景还可以拥有各种相关属性，例如速度、方向、目标到车辆的距离和角度。\nRSE 能够模拟最远300米、最近1.5米的目标。目标的速度范围为每小时-400 至400千米。\n"},{"insert":{"image":"https://files.eteforum.com/article/202307/c70e029bacbfd224.png"}},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"insert":"图 12. Keysight RSE 展示的复杂场景"},{"attributes":{"align":"center"},"insert":"\n"},{"insert":" "},{"attributes":{"align":"center"},"insert":"\n"},{"attributes":{"bold":true},"insert":"在实验室中尽早进行场景模拟有助于加速 ADAS / AV 测试"},{"insert":"\n汽车 OEM必须将复杂行车场景的测试转移到实验室中，这样就无需行驶几百万公里进行路测，从而显著加快测试速度。他们可以通过仿真包含静止目标或运动目标的复杂且可重复的高密度场景，尽早全面彻底地测试ADAS或 AD 算法的决策方式，从而更快洞察和改进算法。\n \n——转自是德科技官方网站\n"}]