基于场景的ADAS测试或将成为标准

基于场景的ADAS测试或将成为标准

ASAM规定了ADAS仿真场景标准：OpenDRIVE、OpenSCENARIO、OpenCRG.分别对应静态路网、动态场景、路面材质。三者联合组成专用ADAS测试的场景库。

我们前面的博文对近期
ASAM召开的会议进行了精炼，会议的主题就是基于场景的ADAS仿真探讨（Scenario-Based Testing

具体步骤

来自加利福尼亚大学的论文[Formal Scenario-Based Testing of Autonomous Vehicles:From Simulation to the Real World]，提出了具体的实施步骤。

如图所示，第一部分，与场景有关。

1·需要创建场景。

文中以LGSVL仿真器为例，作为仿真场景的搭建软件。LGSVL是一款开源的自动驾驶仿真软件，用于开发测试自动驾驶系统。它能支持ROS，ROS2，也可以应用在流行的自动驾驶仿真平台，比如AutoWare，BaiDu Apollo。软件支持模拟整车仿真，渲染3D环境。LGSVL能够提供多传感器实时同步的输出，包括了Camera，LiDAR，雷达，GPS和IMU。也可以通过Python API更改地图，天气条件，时间，交通流。软件开源，软件地址如下： (https://github.com/lgsvl/simulator).

SCENIC，是作者团队独立开发的一种编程语言，能够用来描述场景。通过代码编写场景的主要运动单位，不仅效率足够高，而且也方便场景的重复利用。

定义一下场景中的指标和安全参数，来方便后面过程中引用， 作为一个限制主车EGO的行为逻辑。

·2 逻辑融合

文章同样利用他们团队开发的VerifAI平台，平台能够将场景、用户指定的逻辑、安全参数这三部分整合成一个完整的仿真场景，包含了环境，主车EGO对手车，目标Actor，和应该注意的安全参数。

·3测试案例

经过VerifAI平台的案例输出，就可以对仿真的案例进行测试，测试的结果中，有一些测试的结果完美的，也有一些测试结果是比较差的，还有一些测试结果是刚刚好满足条件的。在进行Track测试的时候，可以参考这三部分测试案例，来配置真实条件下的测试案例，提升测试的效率。

·4真实Track测试

这一部分主要是实车对于之前分析过的三种情况，各取几个示例作为实车测试。由于存在实验误差，所以仿真测试不能够完全代替测试结果，必须要用实车测试来加以证明ADAS系统。

文中以主车右转，遇到行人横穿马路，且行人犹豫是否穿行这一场景为例，进行了多次实验。

·5测试结果分析

通过仿真和真实的Track测试，能够反映出自动驾驶系统的感知、控制和决策问题。开发人员和测试人员也就能够更好地统计出问题的所在，然后进行系统的修改。比如，在这个问题中，如果发生了碰撞，那么很有可能是感知系统没有能够及时的发现行人，从而产生碰撞；也有可能是决策系统，在面对行人犹豫时，不知道该下达什么命令，导致碰撞。

通过测试结果的分析，能够大大的提高开发效率。所以，这种模式的测试也将会作为标准应用。