康谋分享|aiSim5激光雷达LiDAR模型验证方法(二)

描述

 

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。

adas图1:雨天aiSim5激光雷达点云(2L)adas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。

adas图3:雪天aiSim5激光雷达点云(2L)adas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。

adas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。

adas图5:高速场景对比1adas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。
adas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。

adas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。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分