清除迷雾:Ansys如何虚拟验证自主感知系统万博

推出完全自动驾驶汽车的一个障碍是，从汽车传感器的确定性中获得高度自信的图像分析。这在雾天尤其具有挑战性，因为雾天会混淆视觉摄像头、激光雷达和其他传统传感器技术。

热成像是一种潜在的解决方案，可以帮助传感器通过红外技术获得更清晰的视野。但是，汽车开发人员如何使用热成像和其他传感器系统来准确评估他们的产品在雾中的性能呢?万博网

雾建模提供了一个清晰的视图

为了回答这个问题，Ansys与热成像领域的领导者F万博LIR Systems合作，评估了该系统的雾建模能力万博Ansys Speos解决方案。测试验证了通过Speos进行的雾建模可以预测并匹配FLIR®在实验室中产生的物理雾测试。

万博Ansys Speos工程师创建了一个雾模型，几乎复制了现实世界中雾的效果。通过获得雾天条件下物理场景的静态视图，开发ADAS和AV系统的工程师不仅可以使用Ansys Speos模拟基于物理的热像仪，还可以模拟与其他传感器(如可视摄像机)相结合的热像仪。万博

下载完整的白皮书了解Ansys如何在两个阶万博段创建模拟:关联新的Ansys雾模型和验证虚拟环境中的热像仪与雾。

关联新雾模型

在研究的第一阶段，定义了一个模拟场景，以重建FLIR实验室设置，该设置基于桑迪亚国家实验室对其Boson®热像仪的物理测试，使用封闭系统进行人工造雾。¹这个装置包括两个不同距离的目标，一个是黑色的，一个是白色的，温度不同，放在相机前面。根据FLIR的光学特性、温度、尺寸和位置规格对目标进行了表征。

在Ansys Speos中模拟了实验室中F万博LIR物理测试的场景

下一步是使用Speos的相机传感器模拟功能重建FLIR玻色子相机模型。最后，根据FLIR提供的实验室物理测试过程中产生的雾的信息，建立Speos雾模型。Ansy万博s工程团队分别进行了有雾和无雾的模拟，然后调整了雾模型中的密度，使其与FLIR获得的真实结果相同(50%)。

将FLIR在实验室中传播的粒子数与模拟中传播的粒子数进行比较，得到两条相近的曲线(见下图)。这20%的差异可能是由于FLIR在实验室测试中使用了盐水，而Ansys只使用水颗粒进行模拟。万博需要进一步调查才能完全证实这一结果。

雾的粒子数，测量与模拟分布。(结果由FLIR在2019年4月的SPIE会议上公布。)

验证仿真

在第二阶段，在Speos中重现了真实的驾驶环境场景。评价雾中热成像效率的关键输入是物体的光学特性和物体的温度。基于这些输入，Speos软件计算出物体在远红外范围内的光发射。所有物体都会发射光能，人类和动物通常是场景中最热的物体之一，因此红外线是汽车安全系统中理想的传感器。

测量的光学特性应用于Ansys Speos虚拟驾驶场景的所有组件，包括基础设施组件、由不同材料制成的行人和汽车。万博这些物体中的每一个都有一个与之相关的温度值。

在第二阶段，光学特性应用于真实驾驶场景中的所有组件

在最后一步，在第一阶段生产的玻色子热像仪模型被重建并放置在虚拟车辆的车顶上。通过引入Speos雾模型，使用虚拟驾驶场景、相机细节和天气条件进行了逼真的模拟。

下图所示的结果表明，与可见光(RGB)相机相比，在雾天条件下使用热像仪时，感知能力有了很大的提高。

两者的区别很明显:Ansys Speos模拟的热成像功能使传感器更容易在中浓雾中“看到”远处的行人，从而触发自动驾驶汽车的转向和制动系万博统的适当响应。

FLIR汽车工程总监Chris Posch表示:“在大雾天气等环境下，优化算法行为和整体系统性能尤其具有挑战性，因为收集数据和执行测试完全依赖于实际的大雾天气。”“由于Ansys Speo万博s Fog模型仿真与我们的物理实验室测试结果非常接近，FLIR和其他开发人员可以使用仿真更可靠地测试和调整他们的系统。这项工作的结果将有助于我们改进自己的系统，并与世界各地的汽车制造商和原始设备制造商分享这些好处。”

下载完整的白皮书了解更多。

1.Michael P. Thornton, Kelsey M. Judd, Austin A. Richards, Brian J. Redman, FLIR Systems, Inc.， Wilsonville, OR, USA;桑迪亚国家实验室，Albuquerque, NM, USA。