車(chē)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(chē)道保持輔助系統(tǒng)、車(chē)道對(duì)中系統(tǒng)、車(chē)道變更輔助系統(tǒng)等)使用的感知算法需要車(chē)道模型的精確表示。
為了證明車(chē)道模型適用于此目的,使用可信性評(píng)估定義的過(guò)程進(jìn)行驗(yàn)證。在此過(guò)程中不考慮車(chē)輛動(dòng)力學(xué),因?yàn)榈妆P(pán)動(dòng)力學(xué)對(duì)車(chē)道標(biāo)記檢測(cè)能力的影響可以忽略不計(jì)。該過(guò)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(chē)道標(biāo)記的攝像頭模型;
(c) 集成系統(tǒng)-車(chē)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(guò)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?chē)辛魈K;
(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(mén)打開(kāi)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。
工具 |
圖像 |
目的 |
Macbeth色卡測(cè)驗(yàn) |
|
·確定攝像機(jī)的攝像機(jī)顏色空間 ·確定攝像機(jī)噪聲建模參數(shù) ·了解曝光特性 |
OECF圖表測(cè)試 |
|
·設(shè)計(jì)用于評(píng)估相機(jī)的光電轉(zhuǎn)換功能。 |
SFR圖 |
|
·測(cè)量銳度、對(duì)比度和鏡頭效果 |
透鏡光斑特性 |
|
·為了區(qū)分靜態(tài)和動(dòng)態(tài)分量(暗散粒噪聲,dark shot noise),必須對(duì)視頻進(jìn)行重新編碼 ·確定鏡頭光斑和重影瑕疵的鏡頭特征 |
FTheta校準(zhǔn) |
|
·在每個(gè)位置,將棋盤(pán)目標(biāo)水平和垂直傾斜至45度 ·確定ftheta多項(xiàng)式,并將其與更精確的透鏡測(cè)量進(jìn)行比較 |
April標(biāo)記(April Tag)是一種視覺(jué)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(jiàn)度條件下也是如此。標(biāo)簽的作用類(lèi)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:
仿真 |
真實(shí)的 |
攝像機(jī)-左-魚(yú)眼- 200fov
仿真 |
真實(shí)的 |
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(chē)道模型,車(chē)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(lèi)的簡(jiǎn)單框架。該方法依賴(lài)于有效劃分對(duì)傳感器性能指標(biāo)(在這種情況下,車(chē)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(lèi)??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(lèi)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(lèi)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(chē)道邊界的假陽(yáng)性檢測(cè)率(false-positive detection rate)。如果該需求類(lèi)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(kāi)發(fā)人員承諾滿(mǎn)足需求,那么傳感器性能中的“功能不足”問(wèn)題很可能會(huì)減少或完全消除。
條件分類(lèi)的劃分方法遵循以下簡(jiǎn)單結(jié)構(gòu),例如:
(a) 第1類(lèi):標(biāo)稱(chēng)條件-這些是理想的、最佳情況下的條件。
(b) 第2類(lèi):平均條件-與第1類(lèi)條件相比,這些是可能需要大量開(kāi)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(lèi):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(kāi)發(fā)工作之間進(jìn)行權(quán)衡。除此等級(jí)外,無(wú)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(lài)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(jiàn)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(chē)道檢測(cè)的示例中,本例中的“目標(biāo)”是車(chē)道本身??赡苄枰_(kāi)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(lèi)型、銳度(或模糊度)等。在這種情況下,感興趣的屬性是車(chē)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(lái)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(chē)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(lèi)的有用性,因?yàn)樗梢栽诃h(huán)境條件的無(wú)限變化和組合與開(kāi)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(lèi)可能(或不一定)是有用的。對(duì)于車(chē)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(lái)支持ADS評(píng)估。
由于無(wú)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(chē)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(shuō),車(chē)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(kāi)發(fā)合同中充分滿(mǎn)足規(guī)定性能和安全要求,并出示履行合同的證據(jù)。與開(kāi)發(fā)后期才發(fā)現(xiàn)它們無(wú)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(lái)源可能是最開(kāi)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(chē)道檢測(cè)算法是否用于支持:LDW、LKAS或ADS。
仿真 |
真實(shí)的 |
|
|
在證明車(chē)道模型足夠準(zhǔn)確后,虛擬測(cè)試工具可用于支持車(chē)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(guò)程,并提供足夠的證據(jù)證明系統(tǒng)在整個(gè)過(guò)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(guò)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(guò)覆蓋度量(基于輸入數(shù)據(jù)和/或ODD范圍測(cè)量)來(lái)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