Fahrzeugsimulationssoftware:So testen Sie Radar und Lidar im Schnee

Ein selbstfahrendes Auto enthält eine Vielzahl von Sensoren, darunter Detektoren für Fahrspuren, Verkehrszeichen und Freiflächen. Die Komponenten des fortschrittlichen Fahrerassistenzsystems oder ADAS müssen unter einer Reihe von Bedingungen bewertet werden, bevor sie offiziell auf die Straße kommen.

Ein sicherer Weg für eine Probefahrt:die Welt in der Simulation nachbauen. Sie können von Ihrem Schreibtisch aus eine Fahrt unternehmen, sagt Warren Ahner, CEO des in San Jose, Kalifornien, ansässigen Anbieters von Simulationssoftware RightHook.

„Niemand stirbt im Metaversum, zumindest noch nicht“, sagte Ahner diesen Monat einem Publikum in einem Tech Briefs -geführte Präsentation mit dem Titel Neueste Verbesserungen für ADAS-Sensortests und -Simulationen. "Es macht es wirklich einfach, die Grenzfälle zu untersuchen, die Sie möglicherweise in der realen Welt nicht finden können."

Unternehmen wie der in San Jose, Kalifornien, ansässige Anbieter von Simulationssoftware, RightHook, bauen ihre virtuellen Umgebungen auf der Grundlage gut verstandener physikalischer Phänomene sowie der Unterstützung von Scanning- und Mapping-Unternehmen auf, die digitale Nachbildungen der realen Welt erstellen.

Aber einige natürliche Elemente sind schwer nachzubilden. Was ist zum Beispiel, wenn Sie durch raues Wetter fahren?

Während der Live-Präsentation hatte ein Leser folgende Frage an Ahner:

"Wie kompensieren Sie bei Fahrzeugsimulationssoftware die Wechselwirkung von Regen oder Schneestürmen auf Lidar-Sensoren?

Warren Ahner :Niederschlag wie Regen und Schnee können die Leistung eines Lidar-Sensors definitiv reduzieren. Sie sind aufgrund der Strahldivergenz und der kurzen Pulsdauer besonders betroffen. Das Rauschen der Schneeerkennung konzentriert sich wirklich in der Nähe dieses Sensors und manifestiert sich in solchen großen Clustern.

Was wir sehen, ist, dass Schneehaufenrauschen wirklich eine falsche Erkennung einführt und wichtige Hindernisse verdeckt, was zu einigen wirklich, wirklich kritischen falsch-negativen Situationen führt, und Sie kommen wirklich darauf, sobald Sie sich dieser 3/4-Zoll-Schneeansammlung nähern eine Stunde.

Wenn Sie unter dieser [Rate] liegen, ist das Rauschen da, aber es wird nicht zu einem kritischen falsch-negativen Bereich, also ist dies in erster Linie einer der Bereiche, in denen wir anfangen, empirische Daten zu verwenden.

Wir könnten eine einzelne Photonenteilchensimulation durchführen, aber Sie sprechen von einer riesigen, riesigen Rechensituation, die Sie wahrscheinlich auf eine 30-Sekunden-Simulation bringen würde, deren Berechnung wahrscheinlich einige Stunden dauern würde. Darüber wenden wir ein empirisches Datenmodell an. Wir wenden Daten, die wir oder einige unserer Forschungspartner in Wissenschaft und Regierung gesammelt haben, "über" unserem Sensormodell an, sodass Sie beispielsweise die Schneerate und einige andere Eigenschaften davon angeben Wettersituation, und wir würden das als Lärmmodell über die Originaldaten legen.

Gestern hatte Cruise seine allererste autonome Taxifahrt ohne Sicherheitspersonal . Sie operieren in San Francisco, wo es nie schneit, und sie lassen ihre Fahrzeuge nicht im Regen laufen. Wir arbeiten immer noch mit unseren Kunden und Partnern daran, um eine immer bessere Lösung zu entwickeln. Im Moment ist es nicht wirklich das Problem, auf dessen Lösung wir uns zu stark konzentrieren müssen, weil noch niemand da ist.