1、智能网联汽车预期功能安全智能网联汽车预期功能安全场景库建设报告场景库建设报告发布版2020 年 12 月版本维护：版本修改内容作者时间备注V1.0研究内容提纲清华大学国汽(北京)智能网联汽车研究院有限公司（国家智能网联汽车创新中心）2020.05.07待讨论V2.0根据成员单位反馈意见修改提纲清华大学国汽(北京)智能网联汽车研究院有限公司（国家智能网联汽车创新中心）2020.06.19待讨论V3.0完成初稿清华大学国汽(北京)智能网联汽车研究院有限公司（国家智能网联汽车创新中心）中汽研汽车检测中心（天津）有限公司电子科技大学吉林大学清华大学苏州汽车研究院纽劢科技（上海）有限公司东风汽车集团有限
2、公司重庆长安汽车股份有限公司中国汽车工程研究院股份有限公司浙江吉利汽车研究院有限公司中国信息通信研究院ANSYS 中国华为技术有限公司泛亚汽车技术中心有限公司北京汽车股份有限公司汽车研究院上海禾赛科技有限公司千寻位置网络有限公司2020.10.10待讨论V4.0完成初稿清华大学国汽(北京)智能网联汽车研究院有限公司（国家智能网联汽车创新中心）同济大学重庆大学北京理工大学中国汽车工程研究院股份有限公司浙江吉利汽车研究院有限公司江淮汽车集团股份有限公司广州汽车集团股份有限公司北京航迹科技有限公司上海机动车检测认证技术研究中心有限公司2020.11.18初稿完成V5.0内容梳理清华大学国汽(北京)智
3、能网联汽车研究院有限公司（国家智能网联汽车创新中心）2020.12.02终稿完成I目录第 1 章 前言.11.1 研究报告背景. 11.2 研究报告的目的. 11.3 研究报告的内容. 11.4 研究报告的预期目标. 21.5 使用范围. 2第 2 章 车辆感知技术及面向预期功能安全的测试需求.32.1 现有感知技术. 32.1.1 感知传感器分类.32.1.2 感知算法.42.1.3 感知传感器融合.52.1.4 感知系统未来发展方向.62.2 感知功能局限. 62.2.1 基于摄像头的感知局限.62.2.2 激光雷达感知局限.192.2.3 毫米波雷达感知局限.222.2.4 超声波雷达感
4、知局限.242.3 面向预期功能安全的感知功能测试需求. 252.3.1 基于摄像头的感知功能测试需求.252.3.2 基于激光雷达的感知功能测试需求.302.3.3 基于毫米波雷达的感知功能测试需求.332.3.4 基于超声波雷达的感知功能测试需求.35第 3 章 车辆定位技术及面向预期功能安全的测试需求.373.1 现有定位技术. 373.1.1 基于 GNSS 的 RTK 技术+惯导的定位技术.37II3.1.2 基于激光雷达、毫米波雷达、摄像头结合高精度地图的定位技术.383.1.3 相对定位技术（里程计、惯导）.413.1.4 多种定位技术融合.423.1.5 UWB 室内定位技术.
5、443.2 定位功能局限. 483.2.1 绝对定位技术功能局限.483.2.2 基于 SLAM 的相对定位局限.523.3 面向预期功能安全的定位功能测试需求. 593.3.1 面向预期功能安全的绝对定位功能测试需求.593.3.2 面向预期功能安全的相对定位的定位功能测试需求.62第 4 章 人机交互 HMI 技术及面向预期功能安全的测试需求.714.1 现有人机交互技术. 714.1.1 车内交互.714.1.2 车外交互.794.2 常见人员误用/误操作.864.2.1 车内人员.864.2.2 车外人员/车辆.914.3 面向预期功能安全的人机交互功能测试需求. 934.3.2 车内
6、交互场景测试需求.954.3.3 车外交互场景测试需求.101第 5 章 车辆决策技术及面向预期功能安全的测试需求.1105.1 现有决策技术. 1105.1.1 基于经验规则的决策技术.1105.1.2 基于数据驱动的决策技术.1105.1.3 基于效用函数的决策技术.1115.1.4 考虑不确定性和交互性的决策技术.112III5.2 决策功能局限. 1125.3 面向预期功能安全的决策功能测试需求. 1135.3.1 建立综合多种类型典型场景的场景库并测试车辆决策功能对不同场景的鲁棒性、适应性.1145.3.2 建立高复杂度场景并测试车辆决策功能对复杂场景的处理能力.1155.3.3 建
7、立高不确定性场景并测试车辆决策功能对不确定性场景的处理能力.1165.3.4 建立高交互性场景并测试车辆决策功能对交互性场景的处理能力.1175.3.5 测试车辆决策功能对新场景的泛化能力.1175.3.6 采用合理的测试方式和分配方案.118第 6 章 车辆控制技术及面向预期功能安全的测试需求.1196.1 现有控制技术. 1196.1.1 横向控制算法.1196.1.2 纵向控制.1216.1.3 横纵向协同控制.1226.2 控制功能局限. 1226.2.1 大曲率工况下，车辆动力学模型不足以表征车辆动态特性的局限.1226.2.2 地面附着率低条件下，车辆控制局限性.1236.3 面向
8、预期功能安全的控制功能测试需求. 1246.3.1 针对智能驾驶系统运行设计域内部的不同场景的控制功能测试.1246.3.2 针对智能驾驶系统运行设计域边界的不同场景的控制功能测试.126第 7 章 智能驾驶预期功能安全测试场景库初步建设.1297.1 面向智能驾驶预期功能安全测试场景库的意义. 1297.2 面向智能驾驶预期功能安全测试需求的场景分析. 1297.2.1 感知功能测试需求.1297.2.2 定位功能测试需求.1317.2.3 决策功能测试需求.132IV7.2.4 人机交互功能测试需求.1337.2.5 控制功能测试需求.1337.2.6 执行功能测试需求.1337.2.7
9、综合测试需求.1347.3 面向智能驾驶预期功能安全测试场景的设计. 1347.3.1 预期功能安全测试场景框架.1347.4 面向智能驾驶预期功能安全测试场景的实现. 1457.4.1 按照抽象程度分类的场景.1457.4.2 按照功能类别分类的场景.1467.4.3 按照智能等级分类的场景.148第 8 章 总结与展望.1538.1 工作总结. 1538.1.1 已完成工作.1538.1.2 未完成工作.1538.2 工作展望. 153附录 A.155V名词列表名词缩写含义Operation Design DomainODD运行设计域Dynamic Driving TaskDDT动态驾驶任
10、务Edge case边缘场景Verification & ValidationV&V测试与确认ISO26262ISO PAS 21448UL46001第第 1 1 章章 前言前言1.11.1 研究报告背景研究报告背景随着科学的发展与技术的进步，智慧城市、智慧交通与智能汽车的深度融合一体化，将是解决我国城市交通效率低、通行拥堵、行车难、停车难等交通问题的基本方案。但随着智能驾驶产品的应用，智能驾驶系统感知系统、执行系统等的功能不足，感知算法、决策算法、控制算法等的算法缺陷，以及人员误用，即智能驾驶预期功能安全问题，给消费者或相关方带来的生命与财产安全风险，逐渐成为大众关注的重点。美国的兰德公司表
11、示，在 95%置信度的水平下，如果要证明自动驾驶车辆导致的交通事故比人类驾驶员导致的更少，需要进行 50 亿英里的实际道路测试。Google广泛采用实际道路测试的方式，从 2009 年到 2015 年，实际驾驶距离不足 320 万公里，远不能证明自动驾驶车辆比人类驾驶更为安全。因此面对 ICV 快速发展的迭代需求，有必要研究更为高效的测试评价方法，能够实现自动驾驶车辆的加速评价。交通场景是应用于智能驾驶汽车功能定义、技术开发、功能测试和应用的基础，一方面，交通场景是智能驾驶车辆感知、决策、控制算法的设计依据，另一方面，交通场景是智能驾驶车辆功能测试、评价的环境。建设智能驾驶共享汽车场景，是加速
12、智能驾驶产品与服务落地速度的重要途径。基于场景的测试技术，为智能驾驶系统预期功能安全的测试评价提供有效手段。因此，中国智能网联汽车产业创新联盟-预期功能安全工作组全体成员单位对智能驾驶预期功能安全测试及测试场景库建设等相关内容进行研究，并协作撰写此报告。1.21.2 研究报告的目的研究报告的目的通过对现有智能驾驶相关技术的功能局限、算法缺陷、人员误用等分析，研究面向智能驾驶预期功能安全测试需求的场景框架及架构，为智能驾驶预期功能安全仿真与测试软件的开发、测试流程及测试用例的设计提供参考。1.31.3 研究报告的内容研究报告的内容分别对智能驾驶现有感知技术、定位技术、决策方法、控制方法、人机交互
13、、通信技术等进行调研与局限性分析，得出对应的智能驾驶预期功能安全测试需求。基于智能驾驶感知能力测试、定位能力测试、决策能力测试、控制能力测试、人机交互能力测试等需求，设计面向智能驾驶预期功能安全测试的虚拟场景框架。21.41.4 研究报告的预期目标研究报告的预期目标为智能驾驶仿真测试工具的开发提供参考； 为智能驾驶预期功能安全测试内容、测试流程、测试用例的设计提供参考；为智能驾驶运行边界的量化与验证提供参考。1.51.5 使用范围使用范围本报告工作重点为智能驾驶预期功能安全虚拟仿真场景研究与设计，旨在为智能驾驶预期功能安全仿真与测试的软件或相关工具提供指导，同时可以为智能驾驶产品预期功能安全测
14、试用例的设计提供思考。本报告未涉及智能驾驶产品设计过程中的相关建议或指南，但可以为设计人员在智能驾驶产品设计过程中需要满足的安全性需求分析提供参考。本报告仅对智能驾驶预期功能安全相关内容进行研究与分析，功能安全与信息安全等不在本报告的研究范围内。3第第 2 2 章章 车辆感知技术及面向预期功能安全的测试需求车辆感知技术及面向预期功能安全的测试需求随着自动驾驶技术的发展，越来越多驾驶行为中原有需要人类完成的任务已经逐渐被机器所完成，其中接替人眼对道路的观察工作的是自动驾驶系统中的车辆感知技术。驾驶员的感知是通过各种器官观测，经由大脑处理判断后，对环境或事物形成的认知。相对应的，在自动驾驶领域，中
15、央控制器接受各个传感器的信息经过一系列融合算法处理的这一过程便是感知技术，传感器就是汽车的感知器官。因此，近几年的感知技术跟随着传感器的发展不断的进行技术革新，但同时传感器受环境影响大，在功能与应用条件上相比人眼拥有较大的局限性等缺点，也为系统得预期功能安全带来了新的挑战。2.12.1 现有感知技术现有感知技术自动驾驶的关键技术主要为感知 （ Perception） 、 决策 （Planning） 和控制 （ Control）三个方面，其中感知系统以多种传感器捕获的数据以及高清地图的信息作为输入，经过一系列的计算和处理，来预估车辆的状态和实现对车辆周围环境的精确感知，可以为下游决策系统模块提供
16、丰富的信息。2.1.12.1.1 感知传感器分类感知传感器分类自动驾驶汽车需要持续观察周围的环境，精确计算在各种范围内的位置。为了能达到这种目的，需要在汽车周围和内部安装不同类型的传感器。和轮式机器人所需要的传感器相似，自动驾驶汽车所配备的传感器可分为三大类：环境感知传感器（Surrounding-sensing），定位传感器（Localization），自感应传感器（Self-sensing） 。环境感知传感器利用外部感应传感器（Exteroceptive sensors）感知交通标示、道路状态、天气状况、驾驶员状态（分心，疲劳等）、包括其他车辆在内的障碍物状态（位置、速度、加速度等）以及他
17、们未来的状态。环境感知传感器决定了智能汽车与外界环境交互的能力，是自动驾驶汽车的硬件架构基础。环境感知传感器分为有源传感器（Active Sensor）和无源传感器（Passive Sensor）两大类。自主式传感器通常是以电磁波的形式发射能量并测量返回时间以确定距离等参数，现有的自主式环境感知传感器有超声波雷达、毫米波雷达和激光雷达等。而无源传感器不发射信号，而是感知环境中已经存在的电磁波例如，基于光的和红外的相机。4定位是一台自动驾驶车辆的基础功能，需要告诉车辆相对于全球和本地的精确位置。目前广泛使用的定位方法是利用 GPS 等外部感应传感器，精度可以从几十米到几毫米不等，具体取决于信号强
18、度和所用设备的质量，精度越高，价格也就相对越昂贵。在市区等复杂路况场景下，所需的定位精度不超过 10cm，如果定位误差过大，那么自动驾驶汽车在城市道路行驶时会由于位置信息不准发生剐蹭等车辆安全问题，重则引发交通事故。为了获得高精度结果，通常使用定位传感器组合，例如 GPSs、IMUs、里程表和相机（通过基元和构建好的地图进行点云匹配，即SLAM）获得高精度结果。来自多个不同传感器的数据融合可以最大限度地减少单一传感器的缺陷，从而提升整个定位系统的可靠性和鲁棒性。例如低成本的 IMU，可以在短时间内可靠地定位（例如通过隧道时），GPS 可以长时间可靠地定位，但在远程区域或通过隧道时可能会失去连接
19、， IMU 和 GPS 这对黄金组合的使用可以有效地减少定位误差和在 GPS 中断期间提供定位信息。自感应传感器使用本体感应传感器（Proprioceptive Sensor）来测量车辆当前的状态，包括速度、加速度、角速度和转向角。本体感应信息通常使用预先安装的测量单元来确定，例如里程表、惯性测量单、陀螺仪和来自控制器局域网（CAN）总线的信息。2.1.22.1.2 感知算法感知算法自动驾驶所涉及到的感知算法可以分为三类：中介感知中介感知（Mediated Perception）：在中介感知中，算法通过分析与车辆，行人，树木，道路标记等的距离来开发车辆周围环境的详细地图。这是当今研究中使用的最
20、常见的自动驾驶感知技术。行为反映感知行为反映感知（Behavior Reflex Perception）：行为反映感知算法使用人工智能技术将传感器数据（例如，车辆环境的图像）直接应用到驾驶操作系统当中。直接感知直接感知（direct perception）：将以上两种感知方法相结合。除此之外，感知算法也可以分为基于视觉的算法基于视觉的算法（Vision-based）：基于视觉的感知主要依赖于相机数据。因此，这些算法剖析基于像素的视频以检测环境中的车辆，行人和其他障碍物。算法可以使用几何，光流，颜色或其他图像特征进行检测。基于点云的算法基于点云的算法（Point-cloud based）：基于点
21、云的感知主要依赖于由有源传感器收集的 3D 空间中的点（或测量到对象的距离）的数据。算法可以通过点的密度，几何形状或图案从大量点导出结构以便检测物体，正确地检测和识别故障。5之所以近些年自动驾驶有了比较大的突破，感知算法发挥了至关重要的作用，其中深度学习的图片识别能力甚至达到人眼的水平。这些更精确的算法成为自动驾驶商业化的前提。促成人工智能感知技术发展主要有三个因素：结构化标注的海量数据、深度学习算法以及计算力/计算平台。在训练数据方面，目前已经有 ImageNet、KitTI、Cityscapes 等公开数据集，很多的初创公司都在用公有数据集进行一些初始模型的开发。但这些数据集并不是很适合于
22、自动驾驶的需要，欠缺汽车行进过程中的环境因素。所以很多大的公司都在采集汽车驾驶的视频影像，构建自己的私有训练数据。私有数据标注主要有公司内部标注和外包标注两种做法，根据公司自身的人力资源情况进行选择。目前较大的外包数据标注公司有数据堂，和采取众包形式的 CrowdFlower。随着深度学习运用越来越频繁，数据标注公司前景还是比较广阔的。其次是深度学习算法。 业界在做自动驾驶的时候很多是从计算机视觉来入手的，而计算机视觉包括了以 CNN（卷积神经网络）为核心的各种模型，比如 YoLov3、SDD、Faster R-CNN、Mask R-CNN。这些算法有各自的优势，但是仅能在 PC 端发挥较佳的
23、效果，在汽车行进并需要高速运算的过程中，这些算法的效率可能会打很大折扣，这就需要对模型进行优化。国内的代表性公司有商汤科技和格灵深瞳，硅谷也有很多类似的公司。第三个是计算平台，其发展目前看来有三个比较大的趋势。一是大部分在用的NVIDIA 的 GPU，比如 DRIVE PX、Xavier 等计算力很强的平台，不过它们的功耗也很高。Google 则针对人工智能框架 TensorFlow 发布了 TPU 计算平台，但目前该平台主要还是对内状态。此外就是其他专用于深度学习的芯片，在车辆的环境中以较小的模块实现更强的感知计算功能。国内在这方面做的最大的两家是地平线和寒武纪。2.1.32.1.3 感知传
24、感器融合感知传感器融合感知融合或数据融合旨在改进来自传感器的两个或多个数据源的测量结果，发挥各个分立传感器的优势，提供冗余、完备、准确、时效的环境目标信息，从而提高系统决策的正确性和安全性。例如，激光雷达可以对周围物体进行建模从而形成高清的 3D 图像，且不会被环境中的信号源干扰，但是只能收集少量的物体外观形状信息；相反，相机可以提供丰富的物体外观数据以及更多的细节，但是容易受到6环境中的光照影响。激光雷达和相机都是光学类的传感器，可以实现在传感器内部的数据融合，并降低后续模块的计算处理过程。为了能充分发挥两者的作用并消除传感器信息之间的冗余从而获得更加精确的信息，激光雷达和相机之间的传感器融
25、合是必要的。传感器融合对于硬件和软件都有一定要求，硬件方面需要配备多种不同的传感器；软件方面需要有足够优化的算法，数据处理的速度要足够快且容错率高，才能保证最终决策的准确度和速度。自动驾驶中传感器融合通常使用的融合算法有贝叶斯理论、卡尔曼滤波和 DS 证据理论法等。2.1.42.1.4 感知系统未来发展方向感知系统未来发展方向自动驾驶感知系统需要进一步提高准确度和精度，改善感知系统在不利照明和极端恶劣天气条件下的感知能力，未来自动驾驶感知传感器会向更加灵敏的方向发展，增强针对复杂城市路况的处理能力来应对各种不利条件和突发状况。通过交叉验证障碍物的位置信息，减少感知系统传感器数据的不确定性；增强
26、车辆与车辆（V2V）、车辆与基础设备（V2I）之间的通信；使用新型低成本高效的传感器，进一步加强传感器融合算法的开发；通过多传感器融合来减少各个分立传感器缺点的影响，并通过使用传感器的互补性和冗余度来发挥每个传感器的优势，以提高自动驾驶感知系统的准确性、可靠性和确定性；通过对感知系统的深度学习算法的不确定性分析，提高感知算法的可靠性和可解释性。2.22.2 感知功能局限感知功能局限2.2.12.2.1 基于摄像头的感知局限基于摄像头的感知局限人类在驾驶过程中所接收的信息大多来自视觉，例如交通标志、 道路标志、交通信号等，这些视觉信息成为人类驾驶员控制车辆的主要决策依据。在智能驾驶中，相机取代人
27、类视觉系统作为交通环境感知的传感器之一。相较于其他传感器，视觉传感器安装使用的方法简单、获取的图像信息量大、投入成本低、作用范围广，并且近些年更是得益于数字图像处理技术的快速发展和计算机硬件性能的提高。2.2.1.12.2.1.1 自身参数导致的感知局限自身参数导致的感知局限表 2-1 自身参数导致的感知局限自身参数局限自身参数局限引起的感知局限说明引起的感知局限说明备注备注7采样频率过低会影响感知算法对高速移动的空中飞物的感知能力像素过低图像模糊，物体辨识度低曝光时间过长环境光线较强时，导致图片过白，不利于感知算法对物体的感知曝光时间过短导致图像偏暗， 不利于感知算法对物体的识别与检测畸变过
28、大物体形状发生变化， 影响感知算法对物体的识别焦距过大降低相机对近距离物体的感知焦距过小减低相机对远距离物体的感知视场角过小增大相机视觉盲区2.2.1.22.2.1.2外界干扰导致的感知局限外界干扰导致的感知局限表 2-2 外界干扰导致的感知局限道路信息交通标志目标物天气降雨量过大有影响有影响有影响降雪量过大有影响有影响有影响8冰雹量过大有影响有影响有影响雾霾度过大有影响有影响有影响光照光照强度过大有影响有影响有影响光照强度过小有影响有影响有影响背光有影响有影响有影响向光有影响有影响有影响湿度一般湿度导致覆雾有影响有影响有影响湿度过大导致覆水有影响有影响有影响9温度过低有影响有影响有影响过高有
29、影响有影响有影响交通参与物自车安装高度过低有影响有影响有影响倾斜度过大有影响有影响有影响运动状态纵向振动有影响有影响有影响侧向振动有影响有影响有影响垂向振动有影响有影响有影响俯仰振动有影响有影响有影响侧倾振动有影响有影响有影响摆振动有影响有影响有影响相机镜头脏污有影响有影响有影响车辆距离过大有影响距离过小有影响速度过大有影响10颜色和周围环境色差过小有影响转向指示灯亮度过小有影响刹车指示灯亮度过小有影响密度过大有影响非正常姿态，如侧倾、侧翻、倒翻有影响外形变化，如改装、涂鸦、载物或载货等引起的外形变化或遮挡有影响排气管水汽有影响11扬雪、扬尘有影响行人距离过大有影响距离过小有影响颜色与周围环境
30、色差过小有影响携带物引起的外形变化有影响外形尺寸过小有影响行人特殊姿态有影响12车辆特殊姿态有影响动物距离过大有影响距离过小有影响颜色与周围环境色差过小有影响携带物引起的外形变化有影响外形尺寸过小有影响特殊姿态有影响落物速度过大有影响体积过小有影响13颜色与环境色差过小有影响特殊姿态有影响临时交通事件临时障碍物体积或大小有影响颜色与背景颜色相近有影响多样性有影响交通设施交通灯距离过远有影响亮度太暗有影响遮挡有影响信号灯多样性有影响交距离过远有影响14通标志牌亮度太暗有影响反光有影响脏污有影响遮挡有影响安装角度有影响人行道磨损有文字有影响新旧人行道线同时存在有影响有影响被遮挡有影响护栏反光标有影
31、响有影响有影响15道路转角镜中的镜像物体有影响有影响有影响凌空的高架，进出隧道引起的明暗剧烈变化有影响有影响有影响封闭矩形空间（隧道口、龙门架等）形状不规则有影响有影响有影响测速点闪光灯有影响有影响有影响道车车道曲率过大有影响16路结构道车道坡度过大有影响车道线磨损或消失有影响车道线附着油污有影响车道线被遮挡有影响17车道交通引导文字有影响车道线不规则有影响车道线突变有影响18车道线施工中（新旧车道线或转向标识并存）有影响有影响中国特有车道线（如鱼鳞线、鱼骨线）有影响有影响磨损有影响路缘脏污有影响被树叶等物体遮挡有影响19路面覆冰覆雪导致的反光有影响有影响有影响路面损坏有影响有影响有影响积水有
32、影响2.2.22.2.2 激光雷达感知局限激光雷达感知局限在智能驾驶中，激光雷达是交通环境感知的主要传感器之一。相较于其他传感器，激光雷达覆盖范围广、精度高、频率快，与相机对比，激光雷达可直接返回目标物到激光雷达的距离，对于目标物的距离和运动状态的测量更加直接且准确。但激光雷达也存在一定的缺陷，例如受雨雪天气影响较大等。2.2.2.12.2.2.1 自身参数导致的感知局限自身参数导致的感知局限表 2-3 自身参数导致的感知局限序号序号自身参数局限自身参数局限引起的感知局限说明引起的感知局限说明备注备注1采样频率过低会影响感知算法对高速移动的物体的感知能力2分辨率过低目标物点云稀疏，影响感知算法
33、对物体的感知3线束数量过低目标物点云稀疏，影响感知算法对物体的感知4量程过小影响对远处目标物的探测能力205FOV 过低增大激光雷达盲区6点云不完整影响感知算法对物体的识别7测距误差过大无法准确定位目标物8识别准确率过低无法确定目标物92.2.2.22.2.2.2外界干扰导致的感知局限外界干扰导致的感知局限表 2-4 外界干扰导致的感知局限检测目标物探索目标物距离探测目标物运动状态探测道路状态天气降雨量过大有影响有影响降雪量过大有影响有影响冰雹量过大有影响有影响雾霾度过大有影响有影响光照强度过大湿度过大温度过低温度过高交通参与物自车传感器安装不当有影响有影响传感器表面脏污、划痕有影响有影响车辆
34、形状有影响材质、脏污有影响姿态有影响有影响相对距离过小有影响相对距离过大有影响有影响密集有影响车辆间遮挡有影响激光雷达间信号干扰有影响有影响有影响21摩托车材质、脏污有影响姿态有影响有影响相对距离过小有影响相对距离过大有影响有影响密集有影响车间遮挡有影响自行车材质、脏污有影响相对距离过小有影响有影响相对距离过大有影响姿态有影响有影响密集有影响车间遮挡有影响行人姿态有影响体型有影响相对距离过小有影响相对距离过大有影响有影响密集有影响人间遮挡有影响临时交通事件临时障碍物材质、脏污有影响姿态有影响有影响交通设施交通标志牌有影响道路车道线磨损有影响脏污有影响22结构被遮挡有影响路缘重叠或新旧同在有影响
35、磨损有影响脏污有影响被遮挡有影响路面积水有影响路边结构如树叶的干扰有影响有影响2.2.32.2.3 毫米波雷达感知局限毫米波雷达感知局限在 ADAS 领域中，毫米波雷达就成为了 ACC 和 AEB 功能的主要传感器，而在高级别自动驾驶领域中，毫米波雷达更是交通环境感知的主要传感器之一。相较于其他传感器，毫米波雷达的环境适应性强、测量范围极远，对于远处的目标物，也能准确地测量距离和运动状态，并且毫米波雷达价格相对低廉。但毫米波雷达也有一定的局限，例如测量角度范围相对较小、对于静态物体识别效果不好等。2.2.3.12.2.3.1 自身参数导致的感知局限自身参数导致的感知局限表 2-5 自身参数导致
36、的毫米波雷达感知局限序号序号自身参数局限自身参数局限引起的感知局限说明引起的感知局限说明备注备注测量频率过低会影响感知算法对高速移动的物体的感知能力分辨率过低遗漏目标物体量程过小影响对远处目标物的探测能力测量角度范围过小增大盲区测距误差过大无法准确定位目标物感知目标信号相位改变信号发生反射影响感知算法对目标物的感知能力信号发生折射影响感知算法对目标物的感知能力感知目标信号强度发生改变无信号无法检测到目标物信号加强影响感知算法对目标物的感知能力232.2.3.22.2.3.2外界干扰导致的感知局限外界干扰导致的感知局限表 2-6 外界干扰导致的毫米波雷达感知局限检 测 目 标检 测 目 标物物探
37、 测 目 标探 测 目 标物距离物距离探 测 目 标探 测 目 标物 运 动 状物 运 动 状态态天气温度过低有影响有影响有影响温度过高有影响有影响有影响交通参与物自车传感器安装不当有影响有影响有影响传感器表面脏污、划痕有影响车辆(他车)形状有影响材质、脏污有影响姿态有影响有影响相对距离过小有影响相对距离过大有影响有影响摩托车材质、脏污有影响姿态有影响有影响相对距离过小有影响相对距离过大有影响有影响自行车材质、脏污有影响相对距离过小有影响相对距离过大有影响有影响姿态有影响有影响行人姿态有影响体型有影响相对距离过小有影响相对距离过大有影响有影响动物临时交通事件临时障碍物形状有影响材质、脏污有影响
38、姿态有影响有影响相对距离过小有影响相对距离过大有影响有影响交通交通标志牌有影响24设施道路结构路缘磨损有影响脏污有影响被遮挡有影响路面积水有影响路边结构如树叶的干扰有影响2.2.42.2.4 超声波雷达感知局限超声波雷达感知局限超声波传感器是汽车上应用较早的对于周围环境感知的传感器之一。相较于其他传感器，超声波传感器的价格非常低廉，但其测量范围很近，因此主要被应用于泊车场景。2.2.4.12.2.4.1 自身参数导致的感知局限自身参数导致的感知局限表 2-7 自身参数导致的超声波雷达感知局限序号序号自身参数局限自身参数局限引起的感知局限说明引起的感知局限说明备注备注1测量频率过低影响感知算法对
39、高速移动的物体的感知能力2分辨率过低遗漏目标物体3量程过小影响对远处目标物的探测能力4测量角度范围过小增大盲区5测距误差过大无法准确定位目标物62.2.4.22.2.4.2 外界干扰导致的感知局限外界干扰导致的感知局限表 2-8 外界干扰导致的超声波雷达感知局限检测目标物检测目标物探测目标物探测目标物距离距离探测目标物探测目标物运动状态运动状态天气温度过低有影响有影响有影响温度过高有影响有影响有影响交通参与物自车传感器安装不当有影响有影响传感器表面脏污、划痕有影响25速度有影响有影响有影响传感器周围机械振动有影响有影响有影响目标物速度有影响有影响有影响形状有影响尺寸有影响材料有影响姿态有影响表
40、面材质、脏污有影响信号干扰有影响2.32.3 面向预期功能安全的感知功能测试需求面向预期功能安全的感知功能测试需求2.3.12.3.1 基于摄像头的感知功能测试需求基于摄像头的感知功能测试需求当智能驾驶方案中相机型号、图像帧频率、感知算法确定后，需对基于该方案的感知系统感知功能进行测试，测试需求整理如下:表 2-9 基于摄像头的感知功能测试需求序号序号测试内容测试内容备注备注1一般场景中，允许车速范围内，不同道路曲率情况下的车道线检测结果/效果，如识别率，精度等2一般场景中，允许车速范围内，不同车道线磨损程度下车道线检测结果/效果，如识别率，精度等3一般场景中， 允许车速范围内， 不同车道坡度
41、对车道线检测结果/效果，如识别率，精度等4一般场景中， 允许车速范围内， 车道线附着不同程度或面积的油污时，车道线检测结果/效果，如识别率，精度等5一般场景中，允许车速范围内，车道线不同程度被遮挡时，车道线检测结果/效果，如识别率，精度等6一般场景中，允许车速范围内，车道内有交通引导文字干扰时，车道26线检测结果/效果，如识别率，精度等7一般场景中，允许车速范围内，车道线不规则时，车道线检测结果/效果，如识别率，精度等8一般场景中， 允许车速范围内， 车道线突变时， 车道线检测结果/效果，如识别率，精度等9一般场景中，允许车速范围内，路缘磨损、脏污或被遮挡时，路缘检测结果/效果，如识别率，精度
42、等10一般场景中，允许车速范围内，路面覆冰覆雪时，车道线及路缘检测结果/效果，如识别率，精度等11一般场景中，允许车速范围内，路面积水时，车道线及路缘检测结果/效果，如识别率，精度等12一般场景中，允许车速范围内，交通灯距离过远时，交通灯检测结果/效果，如识别率，精度等13一般场景中，允许车速范围内，交通灯亮度太暗时，交通灯检测结果/效果，如识别率，精度等14一般场景中，允许车速范围内，交通灯被遮挡时，交通灯检测结果/效果，如识别率，精度等15一般场景中，允许车速范围内，对不同类型的交通灯检测结果/效果，如识别率，精度等16一般场景中，允许车速范围内，交通标志牌距离过远时，交通标志牌检测结果/
43、效果，如识别率，精度等17一般场景中，允许车速范围内，交通标志牌亮度太暗时，交通标志牌检测结果/效果，如识别率，精度等18一般场景中，允许车速范围内，交通标志牌反光时，交通标志牌检测结果/效果，如识别率，精度等2719一般场景中，允许车速范围内，交通标志牌表面脏污时，交通标志牌检测结果/效果，如识别率，精度等20一般场景中，允许车速范围内，交通标志牌被遮挡时，交通标志牌检测结果/效果，如识别率，精度等21一般场景中，允许车速范围内，人行道被磨损时，人行道检测结果/效果，如识别率，精度等22一般场景中，允许车速范围内，人行道内有文字时，人行道检测结果/效果，如识别率，精度等23一般场景中，允许车
44、速范围内，人行道被遮挡时，人行道检测结果/效果，如识别率，精度等24前方存在护栏反光栏时，允许车速范围内，目标物检测结果/效果，如识别率，精度等25前方存在道路转角镜时，允许车速范围内，目标物检测结果/效果，如识别率，精度等26凌空的高架或进出隧道所引起的亮暗剧烈变化情况下，允许车速范围内，目标物检测结果/效果，如识别率，精度等27前方存在封闭的形状不规则的空间（如隧道口、龙门架等）时，允许车速范围内，目标物检测结果/效果，如识别率，精度等28一般场景中， 允许车速范围内， 前方存在临时障碍物时， 对不同种类、形状和大小的障碍物检测结果/效果，如识别率，精度等29一般场景中，允许车速范围内，前
45、方存在颜色与背景颜色相近的临时障碍物时，障碍物检测结果/效果，如识别率，精度等30一般场景中，允许车速范围内，对不同距离的车辆的检测结果/效果，如识别率，精度等31一般场景中，允许车速范围内，对不同车速的车辆的检测结果/效果，28如识别率，精度等32一般场景中，允许车速范围内，对颜色与周围环境颜色相近的车辆的检测结果/效果，如识别率，精度等33一般场景中，允许车速范围内，对转向指示灯或刹车指示灯亮度过小的车辆的检测结果/效果，如识别率，精度等34一般场景中，允许车速范围内，当车辆密度很大时，对车辆的检测结果/效果，如识别率，精度等35一般场景中， 允许车速范围内， 对姿态不正常的车辆的检测结果
46、/效果，如识别率，精度等36一般场景中，允许车速范围内，对外形出现变化的车辆的检测结果/效果，如识别率，精度等37一般场景中，允许车速范围内，对不同距离的行人的检测效果，如识别率，测量精度等38一般场景中，允许车速范围内，对不同的行人外表颜色与周围环境色差情况的检测效果，如识别率，测量精度等39一般场景中，允许车速范围内，对携带物引起的外形变化的行人的检测率、识别率等40一般场景中，允许车速范围内，对不同尺寸或体积的行人（成人、儿童等）的检测率、识别率等41一般场景中，允许车速范围内，对不同特殊姿态的行人的检测率、识别率等42一般场景中，允许车速范围内，对不同距离的动物的检测效果，如识别率，测
47、量精度等43一般场景中，允许车速范围内，对不同的动物外表颜色与周围环境色差情况的检测效果，如识别率，测量精度等2944一般场景中，允许车速范围内，对不同尺寸或体积的动物的检测率、识别率等45一般场景中，允许车速范围内，对不同特殊姿态的动物的检测率、识别率等46一般场景中，允许车速范围内，对速度过大的落物的检测率、识别率等47一般场景中，允许车速范围内，对体积过小的落物的检测率、识别率等48一般场景中，允许车速范围内，对颜色与周围环境色差过小的落物的检测率、识别率等49一般场景中，允许车速范围内，对特殊姿态的落物的检测率、识别率等50降雨量过大时，允许车速范围内，感知算法对目标物的检测率、识别率
48、等51降雪量过大时，允许车速范围内，感知算法对目标物的检测率、识别率等52冰雹量过大时，允许车速范围内，感知算法对目标物的检测率、识别率等53雾霾过大时，允许车速范围内，感知算法对目标物的检测率、识别率等54不同光照强度下，允许车速范围内，感知算法对目标物的检测率、识别率等55不同温度下，允许车速范围内，感知算法对目标物的检测率、识别率等56不同湿度下，允许车速范围内，感知算法对目标物的检测率、识别率30等57车辆纵向振动时，允许车速范围内，感知算法对目标物的检测率、识别率等58车辆侧向振动时，允许车速范围内，感知算法对目标物的检测率、识别率等59车辆垂向振动时，允许车速范围内，感知算法对目标
49、物的检测率、识别率等60车辆俯仰振动时，允许车速范围内，感知算法对目标物的检测率、识别率等61车辆侧倾振动时，允许车速范围内，感知算法对目标物的检测率、识别率等62车辆横摆振动时，允许车速范围内，感知算法对目标物的检测率、识别率等63摄像头安装高度过低时，允许车速范围内，感知算法对目标物的检测率、识别率等64摄像头安装倾斜度过大时，允许车速范围内，感知算法对目标物的检测率、识别率等65上述工况组合测试2.3.22.3.2 基于激光雷达的感知功能测试需求基于激光雷达的感知功能测试需求当智能驾驶方案中激光雷达型号、频率、感知算法确定后，需对基于该方案的感知系统感知功能进行测试，测试需求整理如下:表
50、 2-10 基于激光雷达的感知功能测试需求序号序号测试内容测试内容备注备注1降雨量过大时，允许车速范围内，感知算法对目标物的检测率、识别率等312降雪量过大时，允许车速范围内，感知算法对目标物的检测率、识别率等3冰雹量过大时，允许车速范围内，感知算法对目标物的检测率、识别率等4雾霾过大时，允许车速范围内，感知算法对目标物的检测率、识别率等5不同光照强度下，允许车速范围内，感知算法对目标物的检测率、识别率等6不同温度下，允许车速范围内，感知算法对目标物的检测率、识别率等7不同湿度下，允许车速范围内，感知算法对目标物的检测率、识别率等8一般场景中，允许车速范围内，激光雷达安装不当时，感知算法对目标
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
