自动驾驶汽车如何在雪中“看到”?

为了安全行驶，自动驾驶汽车首先必须“看到”周围的世界。通过摄像头、激光雷达和雷达传感器的集成系统，自动驾驶汽车不断扫描环境，以做出明智的决定。但是当自治传感器都被雪堵住了?

而雨和雾也是自动驾驶汽车面临的恶劣天气条件在美国，降雪的随机模式、每片雪花的性质以及雪花之间的不同距离，都使得操控雪变得特别困难。如果粘稠、寒冷、混乱的雪挡在传感器和障碍物之间，汽车的适当反应能力可能会大大降低。

根据美国联邦公路管理局的数据，近70%的美国人口生活在雪域。虽然加州有适合自动驾驶汽车的理想天气，但现实是，在自动驾驶汽车普及到大多数美国人之前，必须克服雪地驾驶的复杂性。

为什么积雪对自动传感器如此困难?

当感知算法试图处理来自传感器信号的信息时，雪会导致它的信心下滑。结果是无法探测到接近的物体，或者错误地探测到实际上并不存在的物体。

雪地中自动传感器面临的挑战包括:

• 雪和其他物体之间缺乏对比，导致物体无法被发现
• 雪的散射会导致物体的位置、距离或角度被错误地识别
• 来自多个传感器的输入必须在他们“看到”的东西上达成一致，但雪对每种传感器类型都有不同的问题，这就危及了共识

雪中传感器的精度会发生什么变化?

不同的传感器在防雪方面有不同的不足:

相机:可见度和对比度降低

激光雷达:信号散射，吸收和衰减，感知算法的低质量数据和伪结果

雷达:能探测到物体，但不能正确地对它们进行分类

自动驾驶汽车的耐候性:工程师如何测试新的解决方案

为了制造能够应对不可预测的降雪的自动驾驶汽车，工程师们必须在无数的驾驶场景中测试他们的设计。对于测试，他们有几个选择:

天气实验室:这些气候控制设施提供了可重复的天气数据，但没有考虑到其他车辆和道路上的动态条件造成的天气加剧。

行车测试:在安全路段上驾驶汽车会让自动驾驶系统暴露在真实的天气条件下，但不能依赖它来实现技术的快速发展。

仿真:数字测试创造了无限的模型，具有真实世界的准确性，减少了物理原型的时间和成本，并且不需要大自然的合作。

模拟如何帮助自动驾驶汽车在雪地里看得更好?

模拟为工程师提供了一种更好的方法，通过允许他们模拟无限的天气和场景变量，来测试和改进自动驾驶汽车在恶劣天气下的行为。有了模拟，就不需要等待下雪的天气了。由于结果几乎可以立即得到，自动驾驶汽车制造商可以更快地开发感知天气的自动系统。

模拟非常擅长在恶劣环境中准确预测结果，如外太空和深海，但雪是独特而复杂的挑战。为了模拟准确地反映雪的影响，模型必须考虑每一片雪花的形状、大小、位置和光学性质(即，水是透明的还是含有杂质)。此外，还必须考虑行驶面上雪域的位置和形状。

远距离、基于物理的激光雷达传感器模拟(左)和雪中的摄像头(右)。

万博Ansys流利用于对雪进行计算流体动力学(CFD)模拟。此外，天气引起的传感器污染、液滴撞击和过渡到薄膜流动、起雾和表面凝结、结霜、结冰和除冰现象也可以使用Fluent进行分析。由CFD模拟生成的高保真、可重复的天气数据可以导出到万博Ansys Speos用于相机和激光雷达模拟。

通过使用Fluent耦合的cfd光学解决方案，AV工程团队可以加速测试，自信地集成混合功能传感器设计，并极大地增强车辆在各种天气条件下(甚至下雪)的感知能力。

要了解更多关于模拟如何加速自动驾驶汽车的开发和测试，请阅读本文自主传感器开发而且要求对斯佩斯进行审判．