劉生

智能網(wǎng)聯(lián)已經(jīng)成為汽車行業(yè)的發(fā)展熱潮和趨勢(shì)，駕駛場(chǎng)景作為智能網(wǎng)聯(lián)汽車開發(fā)和測(cè)試的基礎(chǔ)，其重要性不言而喻。智能網(wǎng)聯(lián)汽車駕駛場(chǎng)景來源一般包含標(biāo)準(zhǔn)法規(guī)、自然駕駛數(shù)據(jù)、交通事故數(shù)據(jù)、仿真衍生數(shù)據(jù)等，其中自然駕駛數(shù)據(jù)作為典型場(chǎng)景和邊角場(chǎng)景來源的主要基礎(chǔ)，代表了約80%最常見的道路交通狀況，因此必須進(jìn)行自然駕駛場(chǎng)景數(shù)據(jù)的采集并不斷完善場(chǎng)景庫(kù)。

駕駛場(chǎng)景數(shù)據(jù)的采集主要包含兩部分的內(nèi)容，一是駕駛場(chǎng)景數(shù)據(jù)采集平臺(tái)的搭建和工具鏈的設(shè)計(jì)，駕駛場(chǎng)景數(shù)據(jù)的采集需要相應(yīng)的感知系統(tǒng)、定位系統(tǒng)、上位機(jī)系統(tǒng)、工控機(jī)系統(tǒng)等進(jìn)行支撐，同時(shí)需要依靠統(tǒng)一的工具鏈實(shí)現(xiàn)傳感器標(biāo)定、數(shù)據(jù)存儲(chǔ)和同步處理;二是需要設(shè)計(jì)合理的采集方案和采集需求，包含采集路線設(shè)計(jì)、采集天氣情況及地理情況覆蓋、白天及夜晚光線條件，采集參數(shù)精度設(shè)定等，為后續(xù)的場(chǎng)景數(shù)據(jù)處理、場(chǎng)景庫(kù)搭建以及場(chǎng)景應(yīng)用等提供數(shù)據(jù)基礎(chǔ)。

自然駕駛場(chǎng)景數(shù)據(jù)采集特點(diǎn)

駕駛場(chǎng)景數(shù)據(jù)的采集具有真實(shí)性、代表性、可量化、通用性的特點(diǎn)。

1、真實(shí)性：中國(guó)智能網(wǎng)聯(lián)汽車駕駛場(chǎng)景數(shù)據(jù)的采集應(yīng)該是基于中國(guó)道路交通環(huán)境進(jìn)行的。采集的駕駛場(chǎng)景數(shù)據(jù)應(yīng)能夠真實(shí)地反應(yīng)具有中國(guó)特色的道路交通場(chǎng)景，這樣才能開發(fā)或測(cè)試出能夠適應(yīng)中國(guó)道路交通環(huán)境的智能網(wǎng)聯(lián)汽車。

2、代表性：基于中國(guó)道路交通環(huán)境采集的駕駛場(chǎng)景數(shù)據(jù)應(yīng)具有代表性，一是能夠反映車輛的實(shí)際行駛過程中遇到的場(chǎng)景，二是采集到的場(chǎng)景能夠覆蓋中國(guó)道路交通典型場(chǎng)景、邊角場(chǎng)景、危險(xiǎn)場(chǎng)景、事故場(chǎng)景等場(chǎng)景，同時(shí)覆蓋不同環(huán)境、不同道路類型、不同駕駛員駕駛等場(chǎng)景類型。

3、可量化：駕駛場(chǎng)景的采集是基于各種感知、定位等傳感器系統(tǒng)進(jìn)行的，場(chǎng)景的表現(xiàn)形式和特征均是由量化的參數(shù)來表示的。

4、通用性：駕駛場(chǎng)景數(shù)據(jù)采集應(yīng)以統(tǒng)一的場(chǎng)景數(shù)據(jù)采集需求、場(chǎng)景數(shù)據(jù)存儲(chǔ)格式、同步方式等為基本前提。由行業(yè)制定通用統(tǒng)一的駕駛場(chǎng)景數(shù)據(jù)采集工具鏈和規(guī)范勢(shì)在必行。

中汽中心數(shù)據(jù)資源中心在2015年就已經(jīng)開始了中國(guó)智能網(wǎng)聯(lián)汽車駕駛場(chǎng)景數(shù)據(jù)庫(kù)研究及應(yīng)用工作。深入研究駕駛場(chǎng)景采集工作，搭建了多輛基于視覺、多傳感器融合方案的采集平臺(tái)車型，開發(fā)完整的工具鏈，實(shí)現(xiàn)傳感器的標(biāo)定、數(shù)據(jù)同步采集和存儲(chǔ);深入挖掘自然駕駛場(chǎng)景采集需求，明確每一個(gè)采集參數(shù)和精度要求。截止現(xiàn)在已經(jīng)積累了超過30萬余公里的駕駛場(chǎng)景數(shù)據(jù)，覆蓋了北京、天津、上海、河北等國(guó)內(nèi)重點(diǎn)區(qū)域城市及周邊道路，道路類型覆蓋高速公路、城市道路、停車場(chǎng)等道路類型;天氣狀況覆蓋晴天、雨天、霧霾等情況。

駕駛場(chǎng)景數(shù)據(jù)采集平臺(tái)

目前，數(shù)據(jù)資源中心已建成基于視覺的駕駛場(chǎng)景采集平臺(tái)，基于視覺和前向毫米波雷達(dá)融合的采集平臺(tái)以及基于單目視覺、雙目視覺、毫米波雷達(dá)、激光雷達(dá)等多傳感器融合的采集平臺(tái)。目前正在搭建基于360°毫米波雷達(dá)、前向視覺（Mobileye）的融合采集平臺(tái)，以及基于毫米波雷達(dá)、多線激光雷達(dá)、前向視覺的采集平臺(tái)。未來數(shù)據(jù)資源中心能夠根據(jù)客戶需求提供定制化的普通配置、中等配置和高級(jí)配置等多種不同配置級(jí)別的駕駛場(chǎng)景采集平臺(tái)方案并進(jìn)行實(shí)時(shí)采集、數(shù)據(jù)處理和仿真測(cè)試等。

1、單目視覺場(chǎng)景采集平臺(tái)：此平臺(tái)搭配了前向視覺傳感器，自主開發(fā)目標(biāo)檢測(cè)、識(shí)別、追蹤等算法，具備了良好的性能。平臺(tái)還配備前、后、左后、右后和360°環(huán)視攝像頭，實(shí)現(xiàn)采集車輛無盲區(qū)視頻采集。搭配便攜式采集系統(tǒng)和上位機(jī)系統(tǒng)能夠同步采集并存儲(chǔ)車輛CAN信號(hào)、GPS信號(hào)、目標(biāo)級(jí)信號(hào)和視頻信號(hào)。整套設(shè)備小巧玲瓏，成本較低，適合大規(guī)模駕駛場(chǎng)景采集。（圖1）

2、視覺與毫米波雷達(dá)融合的場(chǎng)景采集平臺(tái)：與單視覺采集平臺(tái)對(duì)比，將毫米波雷達(dá)和視覺傳感器融合，提高整個(gè)采集平臺(tái)的采集精度和可靠性。融合系統(tǒng)的實(shí)現(xiàn)方法是由視覺與雷達(dá)分別獨(dú)立完成目標(biāo)的檢測(cè)，獲得各自的目標(biāo)序列，即雷達(dá)可提供目標(biāo)的位置和縱向速度信息，視覺的圖像處理算法可以提供目標(biāo)的位置、寬度、類型和質(zhì)量信息，采用融合算法對(duì)獲取結(jié)果進(jìn)行綜合判斷，并篩選雷達(dá)檢測(cè)的有效object信息與視覺檢測(cè)的目標(biāo)進(jìn)行匹配，最后將車輛前方障礙物對(duì)應(yīng)的結(jié)構(gòu)化信息輸出。此平臺(tái)成本稍高，但是提高了駕駛場(chǎng)景采集參數(shù)的多樣性和精度，更有利于后期的場(chǎng)景數(shù)據(jù)處理分析和應(yīng)用。（圖2）

3、多傳感器融合的場(chǎng)景采集平臺(tái)：平臺(tái)安裝了Mobileye單目視覺、雙目視覺、低線束線激光雷達(dá)、高線束線激光雷達(dá)、毫米波雷達(dá)等感知傳感器，同時(shí)匹配高精度慣導(dǎo)系統(tǒng)、環(huán)視高清攝像頭。通過自主開發(fā)的采集系統(tǒng)同步采集存儲(chǔ)各個(gè)傳感器信號(hào)、車輛CAN信號(hào)、車輛位置信號(hào)等參數(shù)。同時(shí)，數(shù)據(jù)資源中心正在開發(fā)多傳感器融合算法，最終實(shí)現(xiàn)視覺、毫米波雷達(dá)和激光雷達(dá)的目標(biāo)級(jí)數(shù)據(jù)融合，最大程度地提高場(chǎng)景采集參數(shù)的多樣性和精度，為駕駛場(chǎng)景數(shù)據(jù)的處理和分析應(yīng)用等做好鋪墊。（圖3）

駕駛場(chǎng)景數(shù)據(jù)采集方案

駕駛場(chǎng)景數(shù)據(jù)采集的方案往往決定了場(chǎng)景數(shù)據(jù)的真實(shí)性和代表性兩個(gè)特征。在進(jìn)行駕駛場(chǎng)景數(shù)據(jù)采集時(shí)詳細(xì)制定場(chǎng)景采集路線，涉及高速公路、城市道路、鄉(xiāng)村公路、停車場(chǎng)等不同的道路類型，覆蓋各種道路上的場(chǎng)景類型，同時(shí)也可以滿足企業(yè)針對(duì)各種自動(dòng)駕駛系統(tǒng)的開發(fā)和測(cè)試需求;駕駛員的選擇會(huì)盡量考慮不同年齡段、不同性別、不同職業(yè)和不同駕駛傾向性等特點(diǎn);場(chǎng)景采集時(shí)間應(yīng)盡可能地覆蓋晴天、雨天、雪天、霧等天氣情況，盡可能地覆蓋白天、夜晚場(chǎng)景。

駕駛場(chǎng)景采集需求

首先通過對(duì)現(xiàn)階段國(guó)內(nèi)外智能網(wǎng)聯(lián)汽車測(cè)試標(biāo)準(zhǔn)法規(guī)的研究，明確駕駛場(chǎng)景需要采集的基本參數(shù)及精度要求;其次建立已知場(chǎng)景采集傳感器庫(kù)，研究各種傳感器的特點(diǎn)及參數(shù)，明確駕駛場(chǎng)景采集參數(shù)及精度;然后結(jié)合虛擬場(chǎng)景搭建團(tuán)隊(duì)在搭建虛擬仿真場(chǎng)景時(shí)需要的要素及參數(shù)補(bǔ)充完善駕駛場(chǎng)景采集參數(shù)及精度要求;最后數(shù)據(jù)資源中心研究國(guó)內(nèi)外駕駛場(chǎng)景的分類及研究理論體系，將駕駛場(chǎng)景建立本車、交通參與者、道路交通和環(huán)境4個(gè)本體并進(jìn)行場(chǎng)景分類，依據(jù)分類場(chǎng)景確定每個(gè)場(chǎng)景下的采集參數(shù)要求及精度。（表1）