康謀分享 | aiSim5仿真場景重建感知置信度評估（三）

aiSim5重建高精度的真實交通場景，用于測試和訓(xùn)練ADAS/AD系統(tǒng)。內(nèi)置場景包括賽道、車庫、高速公路和城市環(huán)境。通過全局行動日志，aiSim能將駕駛數(shù)據(jù)轉(zhuǎn)化為場景重建。車道線檢測算法在仿真與現(xiàn)實世界的相關(guān)性測試中誤差相近，召回率均接近98.5%。多目標檢測算法在仿真中的召回率為64.68%，與真實世界的68.8%相近。

一、具體應(yīng)用

仿真場景重建，即在aiSim中重新模擬由裝備了傳感器的實際數(shù)采車輛記錄的交通情況，重建原始交通狀態(tài)、對象和事件，并能夠自由的進行調(diào)整，可應(yīng)用于：

1、重建現(xiàn)實世界的交通問題

在aiSim中重建現(xiàn)實世界的交通問題并快速迭代出可能的解決方案，比如模擬特定交叉路口交通情況，測試新的路口通過策略。

2、生成合成感知數(shù)據(jù)

生成具有代表性和通用性的合成感知數(shù)據(jù)，用于訓(xùn)練和驗證ADAS/AD系統(tǒng)或其他的相關(guān)的NN模型，從而覆蓋不同的交通狀態(tài)和環(huán)境。

3、更改測試參數(shù)

更改測試參數(shù)并將場景轉(zhuǎn)換為閉環(huán)測試，用于評估ADAS/AD系統(tǒng)在不同環(huán)境下的性能，比如不同天氣狀態(tài)，不同交通密度等，通過閉環(huán)測試，可以確保系統(tǒng)在各種預(yù)期和非預(yù)期的情況下正常工作。

二、內(nèi)置場景

在aiSim中提供了多種高精內(nèi)置場景：

1、賽道場景ZalaZone

ZalaZone是位于匈牙利的一個真實世界的測試賽道，在aiSim中，它是基于激光掃描、全景照片（360°）參考以及提供的參考3D模型（交通標志等）進行建模的。

2、車庫場景

aiSim中停車場地圖是根據(jù)平面圖、現(xiàn)場測量和照片參考資料進行建模的。幾何結(jié)構(gòu)基于激光掃描和平面圖數(shù)據(jù)構(gòu)建。通過將真實世界的測量數(shù)據(jù)與仿真中的測量數(shù)據(jù)進行比較，可以驗證aiSim中的人工照明部分。

3、高速公路場景

• 道路網(wǎng)格生成：道路網(wǎng)格是基于HD地圖數(shù)據(jù)生成。
• 道路標線：道路標線也是來源于高清地圖，并且精確度可以達到5-10厘米。
• 地形生成：地形是基于可用的高程數(shù)據(jù)構(gòu)建的。
• 植被/景觀添加：在地形的某些部分，根據(jù)圖像添加植被和景觀，這一步驟使用了aiSim中現(xiàn)有的植被資產(chǎn)庫。

4、城市場景

Budapest_Urban是一個基于HD地圖生成的城市場景，它代表了匈牙利首都布達佩斯的城市環(huán)境（1.8KM）。此場景中的建筑物是通過攝影測量學(xué)（photogrammetry）技術(shù)重建的，利用大量記錄的圖像來創(chuàng)建三維模型。建筑物模型的最大誤差為50厘米。

三、全局行動日志

除了通過手動重建交通流以外，aiSim提供一種新的場景重建形式，即全局行動日志。

全局行動日志是包含了重建場景對象和其屬性的JSON文件。每一條目都包含了對象的相關(guān)尺寸，位置等信息，aiSim將會將整個文件中的駕駛數(shù)據(jù)轉(zhuǎn)化為重建場景。

四、置信度驗證

在aiSim的仿真重建場景和真實場景中分別測試了車道線檢測和多目標檢測算法，以驗證重建場景的置信度水平：

1、車道線檢測算法相關(guān)性

• 真實世界場景測試0.31
• aiSim仿真場景測試0.33

誤差值主要分布在縱向遠距離[100,150]米的范圍內(nèi)。

召回率（Recall）指標：

• 真實世界召回率98.45
• aiSim4召回率98.51
• aiSim5 召回率98.45

2、多目標檢測算法相關(guān)性分析

• 在真實世界的數(shù)據(jù)中，召回率為68.8%
• 在aiSim5仿真世界中，召回率為64.68%

召回率隨著距離Ego遠近變化而變化。在接近Ego的區(qū)域（例如0到30米），召回率較高，而在較遠的區(qū)域（例如100米以上），召回率有所下降。

以上就是aiSim5仿真場景重建感知置信度評估的全部內(nèi)容。

作者介紹

崔工