基于場景的驗證是AD/ADAS(自動駕駛和高級駕駛輔助)系統開發過程中的重要步驟,它包括對自動化系統進行一系列預定義場景的測試。測試中包含的場景越多,尤其挑戰性場景越多,人們對正在測試的AD/ADAS系統的信心就越高。
一、現有問題
真實世界駕駛記錄是挑戰性場景的重要來源,但這一過程往往成本高昂且繁瑣。大多數情況下,真實世界駕駛記錄中包含許多“空駛里程”,即沒有任何值得關注的事情發生的里程(例如車輛在空曠的道路上直線行駛且天氣條件良好)。“空駛里程”對AD/ADAS系統的驗證貢獻微乎其微,一支小型的測試車隊就能輕松產生PB級的數據。
在面對巨量數據時,人們通常需要思考幾個問題:
這些數據中有多少是相關的?
車輛在沒有周圍車輛的情況下行駛了多長時間?
工程師是否需要手動逐個檢查所有不相關和無風險的場景?
工程師是否應該依賴操作人員(在駕駛過程中)標注相關場景,而忽略其他所有內容?
為了解決以上問題,我們發現能夠自動從真實世界駕駛記錄中識別挑戰性場景是十分重要的。這可以減少存儲在“熱存儲”(如AWS S3)中的數據量,因為人們可以決定只將相關且具有挑戰性的場景存儲在“熱存儲”中,而將剩余數據存儲在“冷存儲”(如AWS Glacier)中。
此外,由于只需要檢查相關場景,自動識別挑戰性場景還可以減少驗證工作。而且在將AD/ADAS系統適應到新的操作設計域(Operational Design Domain,ODD)之前,識別挑戰性場景也是一個很好的做法,因為人們希望盡可能多地在該特定ODD的各種場景下測試系統的功能。
然而,識別挑戰性場景并非易事,因為必須瀏覽數千小時的駕駛數據,并判斷某個場景是否值得被選中。因此,能夠以一種自動且可解釋的方式從駕駛記錄中提取這些場景至關重要。
二、康謀方案
康謀的技術能夠自動且高效地識別、分類和提取駕駛記錄中的挑戰性場景,為分析的駕駛日志提供清晰完整的概覽。IVEX軟件提供有關分析數據的報告,以便于檢查任何選定的場景,這為大幅度降低檢查駕駛日志所需工程時間帶來了可能,并且能夠降低存儲成本,同時減少測試的工作量。
1、識別具有挑戰性場景的方法
識別挑戰性場景的第一步是使用配備傳感器的數據采集平臺收集駕駛數據。通常,這些數據采集平臺應能夠記錄定位和傳感器信息(圖像、點云等)。數據采集平臺可以是由人類駕駛員手動駕駛的車隊。
在收集到數據后,可以使用IVEX識別挑戰性場景并進行數據分析。IVEX包含不同的指標,從基于行為的安全指標(例如ISO 15623的定義的碰撞時間TTC)到基于感知的指標(例如消失物體檢測)。
IVEX使用多種指標的組合來評估每個駕駛片段,并提取出被認為是挑戰性場景的部分。用戶還可以向平臺添加自定義指標。識別出的挑戰性場景可以導出為不同的格式,如OpenScenario、CSV、JSON,或者簡單地鏈接到原始數據輸入。
2、道路施工挑戰性場景案例
道路施工的情境下,自車需要行駛于通常建立在路肩的臨時車道上。盡管我們知道并非所有AD/ADAS都需要處理這類場景事件,但根據自動駕駛的級別和ODDs的不同,這種情況仍然會構成挑戰,應當納入測試集。
根據美國汽車工程師學會(Society of Automotive Engineers, SAE)的自動化等級標準,一個處于2級或3級的系統進入這種場景時,應能夠及時解除自動駕駛并通知駕駛員;而對于4級或5級的系統,這種情況可能會打破ODD的假設,需要遠程操作員接管或者通知自駕車隊意料之外的道路施工區域。
本文的案例是一個從布魯塞爾出發往巴黎并返回布魯塞爾、歷時8小時的駕駛記錄。完整的駕駛記錄文件大小約為2TB。我們使用IVEX從中提取出了幾個挑戰性場景(總計5分鐘),將錄制存儲減少到20GB,節省了一個數量級的存儲。
圖1:檢測到具有挑戰性的場景:道路施工區域
以提取出的7秒循環場景為例,這個場景包含了非常復雜的上下文信息。首先,由于這是一個道路施工區域,通常使用黃色車道標記來指示車道區域和可行駛區域。然而,從圖片中可以看出,這些黃色車道標記并不容易區分,舊的白色道路標線仍然非常明顯,這使得情況更加具有挑戰性。其次,由于新的車道標記,自動駕駛車輛必須行駛在通常禁止通行的區域(例如圖示底部白色導流線區域)和路肩區域。最后,有一個位置不太好的交通標志指示了70公里/小時的臨時限速,AD/ADAS應該能夠檢測到這一點并給出相應反饋。
圖2:在高速公路上進行7秒循環的復雜道路施工場景
三、結論
我們展示了使用IVEX檢測到的挑戰性場景。正如我們所見,挑戰性場景的檢測是一項貫穿自動駕駛系統堆棧所有核心功能的活動。它需要檢查輸入傳感器、感知組件輸出以及實現的行為。
我們認為,從駕駛日志中找出具有挑戰性的場景是推動AD/ADAS廣泛應用的關鍵因素之一。能夠輕松地從實際駕駛記錄中提取相關場景,是有效進行AD/ADAS驗證過程的基本特征。
期待您繼續關注康謀之后的文章,我們將分享有關AD/ADAS的基于場景的驗證和數據分析的更多信息。
相關產品
免責聲明
- 凡本網注明“來源:化工儀器網”的所有作品,均為浙江興旺寶明通網絡有限公司-化工儀器網合法擁有版權或有權使用的作品,未經本網授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:化工儀器網”。違反上述聲明者,本網將追究其相關法律責任。
- 本網轉載并注明自其他來源(非化工儀器網)的作品,目的在于傳遞更多信息,并不代表本網贊同其觀點和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時,必須保留本網注明的作品第一來源,并自負版權等法律責任。
- 如涉及作品內容、版權等問題,請在作品發表之日起一周內與本網聯系,否則視為放棄相關權利。