基于DNN的Cognata传感器仿真技术，告诉你如何达到高效验证

自动驾驶的实现可分为三个步骤：一是通过传感器获取环境信息，称为“感知”；二是对收集到的环境信息进行分析和处理，做出驾驶“决策”；三是指挥加速器、转向等汽车部件，完成“控制”。

自动驾驶系统在开发过程中，传统的测试方法耗时耗力，难以达到高效的验证，而仿真测试通过搭建真实场景以及生成高保真的虚拟传感器模型，可以在短时间内实现现实中难以达到的测试里程，完成对感知、规控和汽车动力等算法的端到端的验证。

▲     Cognata复杂扫描模式激光雷达模拟

Cognata是面向L3-L5级自动驾驶的仿真工具，技术分为4层：静态层、动态层、感知层和云层。在感知层，Cognata自动驾驶云仿真平台支持多种摄像头、雷达、激光雷达及热成像仪的物理级建模和仿真，帮助OEM、Tier1、ADAS厂商测试验证全栈AV算法（感知算法、决策算法、控制算法），支持在公有云和私有云分布式部署，加速软件迭代，帮助用户提早交付自动驾驶方案，同时节省大量软硬件成本。

Cognata用真实的、可扩展的数字孪生技术，搭建基于AI的激光雷达、毫米波雷达和摄像头模型，通过大规模的完整注释的数据创建传感器模型，并通过模型测试识别设定的目标列表和真值，所有数据都将被保存下来，支持用户以此数据验证其传感器的感知算法，独特地解决了真实数据和模拟数据之间存在的差距，帮助用户完善传感器算法。Cognata仿真测试支持用户定制化传感器数据，根据用户的需求，在仿真测试平台上配置和输出物理参数，支持达到高效的测试效果。

摄像头：基于深度神经网络的渲染

Cognata能够创建传感器在现实环境中采集的数据所形成的高保真现实照片，支持完全模拟外部环境，包括日照、天气、路况等的全天变化。并通过Cognata专利的基于DNN的框架来学习它们精确行为。

Cognata 支持增强型摄像头效果: 泛光、眩光、渐晕、曝光、聚焦，支持模拟各种天气和曝光度，支持镜头的各种畸变变化。

▲不同摄像效果下的模拟实例视图

▲不同天气条件下相同的模拟实例视图

▲一天中不同时间下相同的模拟实例视图

▲使用鱼眼摄像头模拟的环绕可视性

激光雷达：物理兼容模型及任意类型的LiDAR

Cognata基于计算机视觉的活动传感器反射率和动态范围分析方法、与激光雷达提供商合作完成覆盖范围，以获取强大的数据库资产。Cognata激光雷达模型可以在仿真环境中生成激光雷达点云，并与实际传感器在检测过程中生成的数据进行对比，从而判断传感器模型的准确性和有效性。

Cognata中的所有资产都细分为以下结构：1）车身、车窗、车牌；2）树干、树叶；3）头、皮肤、上衣等。每个资产和每个结构都将根据实际材料分布来分配一种特定材料。资产/结构材质分配是固定的。

用户可以通过配置菜单来定义各种激光雷达模型，并使用默认值、值范围、可见性和可用性来动态定义激光雷达特性，同时可以通过API形式来添加自定义扫描模式和强度表。

▲卷帘式快门进行运动场景的几何重构，并同时计算动态和静态对象

毫米波雷达：采样RCS值及多径重建

模拟的雷达输出包括：振幅、距离、方位角、高程、速度、ID、跟踪状态。基于DNN的毫米波雷达模型具有两个特征：1）从77GHZ雷达采集数据学习而来的模型；2）基于雷达典型噪声的DNN预测模型。

传感器可以在不同的时间和安装位置进行配置启动，而目标ID和类别在不同的模式中是一致的。

摄像头、激光雷达和毫米波雷达的模拟融合

关于Cognata

Cognata是全球领先的ADAS和自动驾驶汽车市场大规模自动驾驶仿真模拟解决方案提供商。

与全球领先的汽车技术公司合作，Cognata的端到端平台通过为整个自动驾驶产品生命周期提供模拟仿真解决方案，允许自动驾驶车辆在数字孪生的环境里的虚拟道路上行驶并训练，加快了自动驾驶汽车上市的时间。

从城市到无标记地形，在根据市场需求专门定制的各种用例中，Cognata的越野仿真平台绕过了漫长的AI学习过程，允许AI评估平台上创建的大规模场景，将AI/ML培训时间压缩到仅几个月。