車道模型驗(yàn)證示例

車道模型驗(yàn)證被認(rèn)為是提供了一個(gè)關(guān)于如何作為可信度評(píng)估的一部分進(jìn)行驗(yàn)證的實(shí)例。大多數(shù)橫向支持系統(tǒng)（如車道保持輔助系統(tǒng)、車道對(duì)中系統(tǒng)、車道變更輔助系統(tǒng)等）使用的感知算法需要車道模型的精確表示。

為了證明車道模型適用于此目的，使用可信性評(píng)估定義的過程進(jìn)行驗(yàn)證。在此過程中不考慮車輛動(dòng)力學(xué)，因?yàn)榈妆P動(dòng)力學(xué)對(duì)車道標(biāo)記檢測(cè)能力的影響可以忽略不計(jì)。該過程包括以下要素：

（a） 子系統(tǒng)-攝像機(jī)模型；

（b） 傳感器系統(tǒng)–帶有虛擬車道標(biāo)記的攝像頭模型；

（c） 集成系統(tǒng)-車道檢測(cè)算法。

攝像機(jī)模型驗(yàn)證

 仿真需要從正確位置（外部屬性）為給定場(chǎng)景的所有攝像機(jī)提供精確的圖像（內(nèi)部屬性）。驗(yàn)證過程中應(yīng)考慮的特定內(nèi)在攝像機(jī)相關(guān)現(xiàn)象包括：

（a） 透鏡畸變：由于投影引起的光學(xué)像差；

（b） 漸暈：屏幕邊框變暗；

（c） 顆粒抖動(dòng)：白噪聲注入；

（d） 光暈：明亮區(qū)域周圍有流蘇；

（e） 自動(dòng)曝光：圖像伽馬適應(yīng)較暗或較亮的區(qū)域；

（f） 鏡頭光斑：明亮物體在鏡頭上的反射；

（g） 景深：相機(jī)附近或很遠(yuǎn)的物體模糊；

（h） 曝光時(shí)間：快門打開持續(xù)時(shí)間。

以下是可用于支持相機(jī)模型驗(yàn)證的工具的非詳盡列表。

April標(biāo)記（April Tag）是一種視覺基準(zhǔn)系統(tǒng)，是支持外部相機(jī)相關(guān)屬性驗(yàn)證的有用工具。標(biāo)簽提供了一種識(shí)別和三維定位的方法，即使在低能見度條件下也是如此。標(biāo)簽的作用類似于條形碼，存儲(chǔ)少量信息（標(biāo)簽ID），同時(shí)還可以對(duì)標(biāo)簽進(jìn)行簡(jiǎn)單而準(zhǔn)確的6D（x、y、z、滾動(dòng)、俯仰、偏航）姿勢(shì)估計(jì)。

攝像頭前寬視場(chǎng)角120 fov：

攝像機(jī)-左-魚眼- 200fov

April Tags標(biāo)記圖的位置和方向在場(chǎng)景中受到很好的約束，因?yàn)樗鼈兛梢詮亩鄠€(gè)攝像機(jī)中看到。閾值可以設(shè)置在由April標(biāo)簽的絕對(duì)位置/角度差異產(chǎn)生的誤差上。

傳感器系統(tǒng)驗(yàn)證
 

傳感器系統(tǒng)驗(yàn)證的目的是證明攝像機(jī)模型能夠在虛擬環(huán)境中提供準(zhǔn)確的結(jié)果，測(cè)試系統(tǒng)將在虛擬環(huán)境中運(yùn)行。預(yù)定義的KPI可用于確定虛擬傳感器系統(tǒng)的性能。對(duì)于車道模型，車道標(biāo)記和路面之間的對(duì)比度用于顯示傳感器系統(tǒng)在物理和虛擬環(huán)境中的性能。

作為一個(gè)例子，這里展示了一個(gè)將傳感器性能劃分為幾個(gè)等效分類的簡(jiǎn)單框架。該方法依賴于有效劃分對(duì)傳感器性能指標(biāo)（在這種情況下，車道標(biāo)線和路面之間的亮度對(duì)比度）有重大影響的條件的等效分類?？梢詫⑿阅軐?shí)現(xiàn)與特定環(huán)境或場(chǎng)景特定條件相結(jié)合以形成一個(gè)需求類型。

可以考慮通用需求模式，如下所示：

如果{條件存在}，則{KPI}應(yīng){大于}{KPI閾值}。

根據(jù)需要，可在不同條件下重復(fù)需求類型，以便:

1）完全覆蓋所有外部條件，包括極端情況，

2）定義性能需求可能隨條件變化的邊界值，例如，如果下雪，放寬車道邊界的假陽(yáng)性檢測(cè)率（false-positive detection rate）。如果該需求類型在所有可能的條件下都得到了很好的定義、獨(dú)立驗(yàn)證，并且開發(fā)人員承諾滿足需求，那么傳感器性能中的“功能不足”問題很可能會(huì)減少或完全消除。

條件分類的劃分方法遵循以下簡(jiǎn)單結(jié)構(gòu)，例如：

（a） 第1類：標(biāo)稱條件-這些是理想的、最佳情況下的條件。

（b） 第2類：平均條件-與第1類條件相比，這些是可能需要大量開發(fā)工作的預(yù)期現(xiàn)實(shí)條件，例如內(nèi)部四分位間距范圍（inner quartile range）。

（c） 第3類：最差可接受條件-這些是保證一定性能水平的最差條件，例如95%范圍。這些可能需要在所需的最低性能級(jí)別和剩余的開發(fā)工作之間進(jìn)行權(quán)衡。除此等級(jí)外，無任何性能要求。（注意，這可以根據(jù)需要進(jìn)行定制）

最后，可能需要根據(jù)相互之間的依賴性或獨(dú)立性，將條件本身劃分為參數(shù)，形成一個(gè)最小的參數(shù)集，該參數(shù)集充分捕捉環(huán)境和情景特定條件。對(duì)于迄今為止考慮的各種傳感模式，包括：攝像機(jī)（可見光）、雷達(dá)、激光雷達(dá)、超聲波和紅外攝像機(jī)，以下通用傳感器模型在分析所有傳感模式的所有環(huán)境條件時(shí)具有可重復(fù)性和實(shí)用性。它被分解為三個(gè)不同的參數(shù)：前景、目標(biāo)和背景。

在基于攝像頭的系統(tǒng)進(jìn)行車道檢測(cè)的示例中，本例中的“目標(biāo)”是車道本身?？赡苄枰_發(fā)許多屬性以完全捕獲目標(biāo)的所有期望屬性，例如顏色、位置、曲率、線段類型、銳度（或模糊度）等。在這種情況下，感興趣的屬性是車道相對(duì)于路面的對(duì)比度。路面將是傳感模型中的“背景”。“前景”可以是傳感器和目標(biāo)之間的任何東西，如霧、雨或晴空以及碎片、物體、積雪等。

在下圖中，來自傳感器級(jí)增強(qiáng)現(xiàn)實(shí)演示的示例圖像用于顯示前景（在本例中為雪）如何改變車道（目標(biāo)）相對(duì)于道路（背景）的對(duì)比度值。這突出了條件分類的有用性，因?yàn)樗梢栽诃h(huán)境條件的無限變化和組合與開發(fā)人員必須承諾交付的有限性能需求集之間提供一致的接口。

整體性能能力的內(nèi)部或外部分類可能（或不一定）是有用的。對(duì)于車道模型，在此階段應(yīng)考慮每個(gè)參數(shù)及其相關(guān)變量范圍（目標(biāo)、前景和背景）。首先，應(yīng)使用已知的KPI（如非常確定的靜態(tài)場(chǎng)景）對(duì)傳感器系統(tǒng)進(jìn)行證明。這將允許根據(jù)可測(cè)量的KPI對(duì)系統(tǒng)進(jìn)行驗(yàn)證。之后，它可以擴(kuò)展到不同的天氣條件等。然后可以建立一個(gè)考慮輸入?yún)?shù)變化的測(cè)試矩陣。真實(shí)結(jié)果和仿真結(jié)果的巨大變化為工具可能存在局限性提供了證據(jù)。在評(píng)估期間應(yīng)注意任何傳感器性能限制，以限制可以生成哪些數(shù)據(jù)來支持ADS評(píng)估。

由于無法控制的環(huán)境條件而遇到性能限制，設(shè)計(jì)師可以將其降低到最低性能水平，如上所述，或者他們可以戰(zhàn)略性地改變“目標(biāo)”，以便檢測(cè)環(huán)境條件?？紤]到上面的降雪示例，在小雪條件下，“目標(biāo)”可能是車道本身。但是，在大雪條件下，“目標(biāo)”可能是大雪本身，也就是說，車道檢測(cè)攝像頭必須檢測(cè)到大雪。

由設(shè)計(jì)人員確定什么對(duì)整個(gè)系統(tǒng)目標(biāo)和給定的技術(shù)能力有用，但傳感器系統(tǒng)驗(yàn)證方法的目的是展示設(shè)計(jì)人員和測(cè)試人員如何在其開發(fā)合同中充分滿足規(guī)定性能和安全要求，并出示履行合同的證據(jù)。與開發(fā)后期才發(fā)現(xiàn)它們無法達(dá)到預(yù)期性能相比，這種做法可以降低風(fēng)險(xiǎn)。即使發(fā)生這種情況，最簡(jiǎn)單的解決方案可能只是重新協(xié)商性能級(jí)別，并將其傳達(dá)給所有利益相關(guān)者。最大的風(fēng)險(xiǎn)來源可能是最開始未能定義需求，并計(jì)劃對(duì)傳感器性能采取“觀望（wait and see）”的方法。

綜合系統(tǒng)驗(yàn)證
 

最后，對(duì)整個(gè)集成系統(tǒng)進(jìn)行了測(cè)試。這包括帶有集成感知算法的傳感器系統(tǒng)。仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)從同一環(huán)境中收集并同步。然后，可以對(duì)狀態(tài)變化感知算法進(jìn)行比較，以檢查仿真結(jié)果是否與實(shí)際性能相符。相關(guān)閾值將確定車道檢測(cè)算法是否用于支持：LDW、LKAS或ADS。

在證明車道模型足夠準(zhǔn)確后，虛擬測(cè)試工具可用于支持車道檢測(cè)算法的評(píng)估。虛擬測(cè)試可用于顯著加快驗(yàn)證過程，并提供足夠的證據(jù)證明系統(tǒng)在整個(gè)過程中按預(yù)期工作。一旦實(shí)現(xiàn)了模型和工具鏈的基線關(guān)聯(lián)，虛擬測(cè)試工具可用于驗(yàn)證大范圍的行為，并確認(rèn)對(duì)意外情況的安全響應(yīng)。通過應(yīng)用不同輸入的變化和隨機(jī)化，系統(tǒng)響應(yīng)將在廣泛的場(chǎng)景和刺激中進(jìn)行測(cè)試，并收集對(duì)其性能的更多信心。置信度可以通過覆蓋度量（基于輸入數(shù)據(jù)和/或ODD范圍測(cè)量）來反映，其中測(cè)量的覆蓋度越高，系統(tǒng)性能的置信度越高，因?yàn)樗窃诟鼜V泛的情況下進(jìn)行測(cè)試的。

參考資料：

Proposal for NATM