自動駕駛工具箱的方塊式駕駛場景工具Driving Scenario Designer

從R2017a開始，MathWorks發布了自動駕駛工具箱——Automated Driving Toolbox。今天我們來聊一下Simulink——>Automated Driving Toolbox中一個很有趣的工具——Driving Scenario Designer，主要針對MATLAB R2019b。

本文來源：自動駕駛仿真

從R2017a開始，MathWorks發布了自動駕駛工具箱——Automated Driving Toolbox。今天我們來聊一下Simulink——>Automated Driving Toolbox中一個很有趣的工具——Driving Scenario Designer，主要針對MATLAB R2019b。

在一眾場景軟體中，它應該是屬於一朵奇葩——定位獨特的輕量化場景構建工具。文中涉及MathWorks公司的一些圖片和視頻，如果MathWorks公司覺得不妥，可以聯繫刪除。

我們先來看一段用Driving Scenario Designer構建場景和傳感器的視頻。

Driving Scenario Designer操作視頻

總結下Driving Scenario Designer的主要特點，稍後再仔細分析。

1、使用拖放操作創建道路和交通參與者，快速構建場景

2、使用低保真度的視覺和雷達傳感器模型，直接輸出檢測到的目標列表

3、支持將場景導出成MATLAB Function，再通過修改MATLAB Function實現批量化生成場景

4、支持將場景和傳感器導出成Simulink模塊

5、支持導入OpenDrive路網文件，支持基於記錄的實車數據構建場景

6、提供了預構建場景，可供用戶直接使用，包括：

• 符合Euro NCAP要求的AEB、ELK和LKA測試場景
• 交叉路口、轉彎和掉頭的測試場景

01. 拖放操作，塊狀參與者

從視頻中可以發現，Driving Scenario Designer中所有的交通參與者（汽車、卡車、行人等）幾乎都是以長方體塊狀形式來表現的，而且場景中的元素種類比較少，沒有紅綠燈、綠化帶、交通標誌等等。可以這麼說，與其他大多數的場景軟體相比，Driving Scenario Designer真的是簡單到簡陋的程度。不過，這種極簡設計反倒體現了MathWorks在產品定位方面的獨特之處，MathWorks設計這款場景軟體針對的是Control-in-loop的算法驗證（融合、規劃、決策、控制），而非Perception-in-loop的算法驗證。對於Perception-in-loop的應用，MATLAB提供了另外一套方案（與虛幻引擎Unreal Engine結合），此文我們暫且不詳述。

Control-in-loop的應用，比如驗證AEB、ACC、LKA或者自動變道的控制算法，目前的Driving Scenario Designer基本上能夠滿足需求。針對此類應用，Driving Scenario Designer的優勢是可以非常高效地構建場景，有效提升測試效率。

02. 低保真度的傳感器模型，輸出目標列表

Driving Scenario Designer提供兩種傳感器模型——單目相機Camera和毫米波雷達Radar。

Driving Scenario Designer的傳感器模型

Driving Scenario Designer中交通參與者被稱為Actor，本車被稱為Ego Vehicle，具體如何在本車上添加傳感器，可見上面的視頻。在軟體中，可以設置Camera和Radar的內參外參，以及人為加上一些測量誤差以儘量模擬真實傳感器的狀態。這兩個傳感器模型直接輸出目標列表，因此除了驗證控制算法，也可以基於Driving Scenario Designer來驗證目標層的傳感器融合算法。

基於傳感器融合和車道檢測的車道跟隨demo視頻

03. 支持批量生成場景

對於某個算法的測試，可能需要多至上百個測試場景進行全面的測試。如果要逐一手動搭建這麼多場景，那將會是非常巨大的工作量，這時候就很需要批量生成場景的功能。比如AEB算法，需要從不同的碰撞覆蓋面積，不同的碰撞角度來對算法進行測試。如果能在場景中設置變量（比如碰撞中前車的橫向坐標），通過循環修改該變量來批量生成碰撞場景，那就太棒了。

不同碰撞覆蓋面積的AEB場景

Driving Scenario Designer構建的場景可導出成MATLAB Function，我們通過修改這個Function以及使用MATLAB提供的函數來批量生成場景。具體的教程請見下面連結及操作視頻。

https://www.mathworks.com/help/releases/R2019b/driving/ug/create-driving-scenario-variations-programmatically.html

批量生成場景的操作

對於2019b，略有遺憾的一點是，傳感器是沒法通過這種方法自動生成的。不過好在，不同測試場景中傳感器的內參外參一般是不變的，可以提前把傳感器導出成mat文件，然後在批量生成的場景中加載這個文件，即可構建完整的場景了。雖然不是完全自動化，但也能大幅提高效率。據說在2020a中傳感器模型也可以批量自動生成，還待驗證。

04. 支持將場景和傳感器模型導出成Simulink模型

場景構建完畢後，我們可在軟體中將場景和傳感器模型導出成Simulink模塊，使之與融合、規劃、控制等算法形成閉環。實際上導出的就是下圖的三個模塊。

場景和傳感器模型的Simulink模塊

Scenario Reader用於加載Driving Scenario Designer的場景數據。Vision Detection Generator和Radar Detection Generator是配合Driving Scenario Designer使用的視覺傳感器模型和雷達傳感器模型，實際上Vision Detection Generator和Radar Detection Generator對應的就是Driving Scenario Designer中的Camera和Radar，這兩個模塊輸出的就是檢測到的目標列表。

場景和傳感器導出成Simulink模塊不算是一個稀奇的功能，很多場景軟體都提供了與Simulink交互的接口。但有兩點值得一提：

1、這三個模塊是可以完全脫離Driving Scenario Designer運行的，因為場景和傳感器模型都已經導出成了mat文件，這三個模塊只要加載mat文件就獲得了相關的信息，此時不再需要Driving Scenario Designer。

2、這三個模塊都支持C代碼生成，不僅支持在PC上離線仿真，而且支持編譯後下載到實時硬體中實時運行。也就意味著，當我們進行HIL硬體在環仿真測試時，不僅車輛模型可以在實時平臺中實時運行，而且場景和傳感器模型也可以在實時平臺中實時運行。像Unreal Engine等需要強大GPU來渲染的場景軟體，很難將場景和傳感器模型在實時平臺中運行，往往需要專門的高性能電腦來跑場景，然後通過網絡通訊等形式實現與實時平臺中車輛模型的交互。

這也是Driving Scenario Designer這種輕量化場景的優勢。

05. 支持導入OpenDrive路網文件，支持基於記錄的實車數據構建場景

基於實車數據構建場景

具體的demo請見以下連結。

https://www.mathworks.com/help/releases/R2019a/driving/examples/scenario-generation-from-recorded-vehicle-data.html