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，駕駛場景作為智能網(wǎng)聯(lián)汽車開發(fā)和測試的基礎(chǔ)，其重要性不言而喻。智能網(wǎng)聯(lián)汽車駕駛場景來源一般包含標(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)作為典型場景和邊角場景來源的主要基礎(chǔ)，代表了約80%最常見的道路交通狀況，因此必須進(jìn)行自然駕駛場景數(shù)據(jù)的采集并不斷完善場景庫。

駕駛場景數(shù)據(jù)的采集主要包含兩部分的內(nèi)容，一是駕駛場景數(shù)據(jù)采集平臺的搭建和工具鏈的設(shè)計，駕駛場景數(shù)據(jù)的采集需要相應(yīng)的感知系統(tǒng)、定位系統(tǒng)、上位機系統(tǒng)、工控機系統(tǒng)等進(jìn)行支撐，同時需要依靠統(tǒng)一的工具鏈實現(xiàn)傳感器標(biāo)定、數(shù)據(jù)存儲和同步處理;二是需要設(shè)計合理的采集方案和采集需求，包含采集路線設(shè)計、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)的場景數(shù)據(jù)處理、場景庫搭建以及場景應(yīng)用等提供數(shù)據(jù)基礎(chǔ)。

自然駕駛場景數(shù)據(jù)采集特點

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

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

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

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

中汽中心數(shù)據(jù)資源中心在2015年就已經(jīng)開始了中國智能網(wǎng)聯(lián)汽車駕駛場景數(shù)據(jù)庫研究及應(yīng)用工作。深入研究駕駛場景采集工作，搭建了多輛基于視覺、多傳感器融合方案的采集平臺車型，開發(fā)完整的工具鏈，實現(xiàn)傳感器的標(biāo)定、數(shù)據(jù)同步采集和存儲;深入挖掘自然駕駛場景采集需求，明確每一個采集參數(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景數(shù)據(jù)，覆蓋了北京、天津、上海、河北等國內(nèi)重點區(qū)域城市及周邊道路，道路類型覆蓋高速公路、城市道路、停車場等道路類型;天氣狀況覆蓋晴天、雨天、霧霾等情況。

駕駛場景數(shù)據(jù)采集平臺

目前，數(shù)據(jù)資源中心已建成基于視覺的駕駛場景采集平臺，基于視覺和前向毫米波雷達(dá)融合的采集平臺以及基于單目視覺、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。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，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。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、中等配置和高級配置等多種不同配置級別的駕駛場景采集平臺方案并進(jìn)行實時采集、數(shù)據(jù)處理和仿真測試等。

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

2、視覺與毫米波雷達(dá)融合的場景采集平臺：與單視覺采集平臺對比，將毫米波雷達(dá)和視覺傳感器融合，提高整個采集平臺的采集精度和可靠性。融合系統(tǒng)的實現(xiàn)方法是由視覺與雷達(dá)分別獨立完成目標(biāo)的檢測，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，采用融合算法對獲取結(jié)果進(jìn)行綜合判斷，并篩選雷達(dá)檢測的有效object信息與視覺檢測的目標(biāo)進(jìn)行匹配，最后將車輛前方障礙物對應(yīng)的結(jié)構(gòu)化信息輸出。此平臺成本稍高，但是提高了駕駛場景采集參數(shù)的多樣性和精度，更有利于后期的場景數(shù)據(jù)處理分析和應(yīng)用。（圖2）

3、多傳感器融合的場景采集平臺：平臺安裝了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)同步采集存儲各個傳感器信號、車輛CAN信號、車輛位置信號等參數(shù)。同時，數(shù)據(jù)資源中心正在開發(fā)多傳感器融合算法，最終實現(xiàn)視覺、毫米波雷達(dá)和激光雷達(dá)的目標(biāo)級數(shù)據(jù)融合，最大程度地提高場景采集參數(shù)的多樣性和精度，為駕駛場景數(shù)據(jù)的處理和分析應(yīng)用等做好鋪墊。（圖3）

駕駛場景數(shù)據(jù)采集方案

駕駛場景數(shù)據(jù)采集的方案往往決定了場景數(shù)據(jù)的真實性和代表性兩個特征。在進(jìn)行駕駛場景數(shù)據(jù)采集時詳細(xì)制定場景采集路線，涉及高速公路、城市道路、鄉(xiāng)村公路、停車場等不同的道路類型，覆蓋各種道路上的場景類型，同時也可以滿足企業(yè)針對各種自動駕駛系統(tǒng)的開發(fā)和測試需求;駕駛員的選擇會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;場景采集時間應(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、夜晚場景。

駕駛場景采集需求

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