aiSim5激光雷达LiDAR模型验证方法（二）

 

aiSim中的LiDAR是一种基于光线追踪的传感器，能够模拟真实LiDAR发射的激光束，将会生成LAS v1.4标准格式的3D点云，包含了方位角、俯仰角和距离等。

aiSim能够模拟LiDAR单态（Monostatic）和同轴（Coaxial）配置。在aiSim中，LiDAR仿真是将模型建为在某个方向上发射单束光线的点光源，因此，单束光线承载了激光的全部功率。

一、与不同形式降水的相互作用

LiDAR传感器与不同形式的降水有相互作用：

1、雨天

aiSim的LiDAR模型不会将雨滴视为影响激光反射的几何形状，而是基于强度和3D坐标，添加噪声，从而模拟降雨对于ADAS中LiDAR性能的衰减。

图1：雨天aiSim5激光雷达点云（2L）图2：晴天aiSim5激光雷达点云（2L）

 

对于雨天的衰减，主要使用公式：

e^(-2·R·γ)

其中R是接收器到物体的距离；γ为大气消光系数，晴天则为0。

2、雾天

aiSim在仿真中设定“浓雾”中水滴半径为5μm，可调整空气中水滴的数量来控制雾气的大小，同样采用了与雨天相同的衰减公式。

3、雪天

aiSim仿真的激光光束一旦击中雪花时，aiSim AIR引擎就会计算返回光束的强度。考虑雪花表面的不规则性，其将会被视为白色漫反射模型，将会导致光束在多个方向上散射，从而影响返回信号的强度和质量。

图3：雪天aiSim5激光雷达点云（2L）图2：晴天aiSim5激光雷达点云（2L）

二、与不同材料的相互作用

aiSim的基于物理的LiDAR模型还会和不同的材料具有相互作用，与Filament相似，能够提供高度真实和准确的光线与材质交互模拟结果。

 

考虑到不同材料的反射率（反照率）不同，许多材料的反照率数据并不都是在905nm波长下测量的，因此aiSim将反照率值基于pbrt-v3模型转换成720nm的波长，接近于905nm。

 

对于安全交通标识和和车道线等具有回归反射（Retro-Reflective）特性的材料来说，能够将辐射能量绝大部分直接反射回接收器。当LiDAR的光束击中这类表面时，信号损失非常小。

 

因此，在aiSim的LiDAR传感器输出的点云强度中，强度值[0-100]之间为Lambertian（朗伯）值，而[101-255]则代表回归反射的目标。如图：当值大于100时，车道显示为红色。

图4：点云强度值

同时，aiSim也提供了丰富的材料库，对于大多数3D数字资源来说，可以通过aiSim提供的回归反射材料，将其附着在3D模型上来实现逆反射的效果。除逆反射外，aiSim也提供BRDF材料蒙版，即基于双向反射分布函数的反射材料，让不同的3D模型就有不同程度的回归反射特性，在不同区域上实现实现不同的光学行为。

 

由于在大多数图像处理系统中，红色通道是最容易区分和处理的通道，因此aiSim在红色通道表示回归反射的特性，将[0-255]划分成不同的部分来表示：

     [0-15]：基础反射，表示材料的基础反射性，即漫反射特性，遵循朗伯特定律，适用于大多数普通表面，如墙壁等。

     [16-32]：回归反射，表示材料具有逆反射特性，允许光线沿着接近入射角度相反方向反射回去，适用于交通标志，施工标志，车道线等。
     [32-64]：清漆（透明）层，表示材料物体的材质将会模拟出光滑有光泽的表面，通常应用于在汽车表面，塑料制品等具有透明保护层的3D模型。

三、实际应用

在实际应用中，通过场景重建可以比对验证aiSim中LiDAR模型的置信度：

1、高速公路场景点云

红色点云为aiSim仿真场景中LiDAR输出结果，绿色点云为真实世界中LiDAR点云数据，仿真点云的总体形状与真实数据非常接近。

图5：高速场景对比1图6：高速场景对比2

2、点云细节对比

• 在同一车道中，远距离外部车辆的点云数据与实际情况非常接近。

图7：同车道远端车辆点云对比

 

当然，在一些场景下，真实的激光雷达（绿色）激光束穿透玻璃表面的比例高于仿真（红色）的结果。

图8：玻璃材质穿透对比

 

以上就是验证aiSim激光雷达LiDAR模型的验证方法。

 

---

作者介绍

崔工

康谋科技仿真测试业务技术主管，拥有超过5年的汽车仿真测试及自动驾驶技术研发经验，熟练掌握仿真测试工具和平台，如aiSim、HEEX等，能有效评估和优化自动驾驶系统的性能和安全性。拥有出色的跨文化沟通能力，成功带领团队完成多项海外技术合作项目，加速了公司在自动驾驶技术上的国际化进程。作为技术团队的核心，领导并实施过大规模的自动驾驶仿真测试项目，对于车辆行为建模、环境模拟以及故障诊断具有独到见解。擅长运用大数据分析和人工智能技术，优化仿真测试流程，提高测试效率和结果的准确性。