車道模型驗證示例

車道模型驗證被認為是提供了一個關于如何作為可信度評估的一部分進行驗證的實例。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，使用可信性評估定義的過程進行驗證。在此過程中不考慮車輛動力學，因為底盤動力學對車道標記檢測能力的影響可以忽略不計。該過程包括以下要素：

（a） 子系統(tǒng)-攝像機模型；

（b） 傳感器系統(tǒng)–帶有虛擬車道標記的攝像頭模型；

（c） 集成系統(tǒng)-車道檢測算法。

攝像機模型驗證

 仿真需要從正確位置（外部屬性）為給定場景的所有攝像機提供精確的圖像（內(nèi)部屬性）。驗證過程中應考慮的特定內(nèi)在攝像機相關現(xiàn)象包括：

（a） 透鏡畸變：由于投影引起的光學像差；

（b） 漸暈：屏幕邊框變暗；

（c） 顆粒抖動：白噪聲注入；

（d） 光暈：明亮區(qū)域周圍有流蘇；

（e） 自動曝光：圖像伽馬適應較暗或較亮的區(qū)域；

（f） 鏡頭光斑：明亮物體在鏡頭上的反射；

（g） 景深：相機附近或很遠的物體模糊；

（h） 曝光時間：快門打開持續(xù)時間。

以下是可用于支持相機模型驗證的工具的非詳盡列表。

April標記（April Tag）是一種視覺基準系統(tǒng)，是支持外部相機相關屬性驗證的有用工具。標簽提供了一種識別和三維定位的方法，即使在低能見度條件下也是如此。標簽的作用類似于條形碼，存儲少量信息（標簽ID），同時還可以對標簽進行簡單而準確的6D（x、y、z、滾動、俯仰、偏航）姿勢估計。

攝像頭前寬視場角120 fov：

攝像機-左-魚眼- 200fov

April Tags標記圖的位置和方向在場景中受到很好的約束，因為它們可以從多個攝像機中看到。閾值可以設置在由April標簽的絕對位置/角度差異產(chǎn)生的誤差上。

傳感器系統(tǒng)驗證
 

傳感器系統(tǒng)驗證的目的是證明攝像機模型能夠在虛擬環(huán)境中提供準確的結果，測試系統(tǒng)將在虛擬環(huán)境中運行。預定義的KPI可用于確定虛擬傳感器系統(tǒng)的性能。對于車道模型，車道標記和路面之間的對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。

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

可以考慮通用需求模式，如下所示：

如果{條件存在}，則{KPI}應{大于}{KPI閾值}。

根據(jù)需要，可在不同條件下重復需求類型，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性檢測率（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、獨立驗證，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”問題很可能會減少或完全消除。

條件分類的劃分方法遵循以下簡單結構，例如：

（a） 第1類：標稱條件-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)工作的預期現(xiàn)實條件，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別和剩余的開發(fā)工作之間進行權衡。除此等級外，無任何性能要求。（注意，這可以根據(jù)需要進行定制）

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

在基于攝像頭的系統(tǒng)進行車道檢測的示例中，本例中的“目標”是車道本身?？赡苄枰_發(fā)許多屬性以完全捕獲目標的所有期望屬性，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于路面的對比度。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，來自傳感器級增強現(xiàn)實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）相對于道路（背景）的對比度值。這突出了條件分類的有用性，因為它可以在環(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。對于車道模型，在此階段應考慮每個參數(shù)及其相關變量范圍（目標、前景和背景）。首先，應使用已知的KPI（如非常確定的靜態(tài)場景）對傳感器系統(tǒng)進行證明。這將允許根據(jù)可測量的KPI對系統(tǒng)進行驗證。之后，它可以擴展到不同的天氣條件等。然后可以建立一個考慮輸入?yún)?shù)變化的測試矩陣。真實結果和仿真結果的巨大變化為工具可能存在局限性提供了證據(jù)。在評估期間應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評估。

由于無法控制的環(huán)境條件而遇到性能限制，設計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”，以便檢測環(huán)境條件?？紤]到上面的降雪示例，在小雪條件下，“目標”可能是車道本身。但是，在大雪條件下，“目標”可能是大雪本身，也就是說，車道檢測攝像頭必須檢測到大雪。

由設計人員確定什么對整個系統(tǒng)目標和給定的技術能力有用，但傳感器系統(tǒng)驗證方法的目的是展示設計人員和測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)它們無法達到預期性能相比，這種做法可以降低風險。即使發(fā)生這種情況，最簡單的解決方案可能只是重新協(xié)商性能級別，并將其傳達給所有利益相關者。最大的風險來源可能是最開始未能定義需求，并計劃對傳感器性能采取“觀望（wait and see）”的方法。

綜合系統(tǒng)驗證
 

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

在證明車道模型足夠準確后，虛擬測試工具可用于支持車道檢測算法的評估。虛擬測試可用于顯著加快驗證過程，并提供足夠的證據(jù)證明系統(tǒng)在整個過程中按預期工作。一旦實現(xiàn)了模型和工具鏈的基線關聯(lián)，虛擬測試工具可用于驗證大范圍的行為，并確認對意外情況的安全響應。通過應用不同輸入的變化和隨機化，系統(tǒng)響應將在廣泛的場景和刺激中進行測試，并收集對其性能的更多信心。置信度可以通過覆蓋度量（基于輸入數(shù)據(jù)和/或ODD范圍測量）來反映，其中測量的覆蓋度越高，系統(tǒng)性能的置信度越高，因為它是在更廣泛的情況下進行測試的。

參考資料：

Proposal for NATM