由于智能驾驶系统的复杂性

　　智能驾驶汽车仿真测试案例分析

　　智能驾驶是当前汽车行业的研究热点。智能驾驶概念涵盖了传统的高级驾驶辅助系统（ADAS）以及全自动驾驶系统（SAE Level 3及以上级别）。由于智能驾驶系统的复杂性，仿真测试验证成为智能驾驶系统开发流程中必不可少的一个环节。

　　智能驾驶系统一般包括环境感知、智能决策及车辆控制三个部分，相应的，智能驾驶仿真测试环境需要包括道路交通场景仿真、车辆动力学仿真及传感器仿真。

　　系统特点

　　1车辆动力学仿真

　　动力传动系统：可以模拟传统发动机动力系统、纯电驱动系统、混合动力系统、四轮驱动系统等多种形式

　　底盘系统：包括多种形式的悬架模型、复杂轮胎模型、转向系统模型、液压/气压制动系统模型以及多体车身动力学（纵向、侧向、垂向）模型

　　2道路仿真

　　允许手动搭建各种类型的道路，支持OpenDrive标准高精度道路格式、支持OpenCRG高精度路面描述格式

　　支持复杂路结构：三岔路口、十字路口、立交桥等

　　支持直接导入高精地图数据生成与真实道路高度一致的虚拟道路

　　3交通仿真

　　可以模拟各种类型机动车、行人、动物等交通物体

　　可以自定义每个交通物体的驾驶行为，包括路径规划、速度控制、换道等，支持事件触发模式

　　可以生成符合交通规则的随机交通流

　　4环境仿真

　　可以模拟晴天、多云、阴天、雨、雪等天气

　　可以模拟白天、黑夜等多种光照条件

　　5环境感知传感器仿真

　　对各类传感器均可提供理想环境感知传感器模型，直接输出目标级信息

　　，包括交通物体的类型、位置、速度等信息，道路相关信息、交通标志信息等

　　毫米波雷达仿真：可提供雷达回波模拟器系统，可集成真实毫米波雷达进行测试

　　摄像头：支持直接输出摄像头捕捉到的图像，提供视频暗箱或者图像直接注入两种HIL仿真方式。

　　激光雷达：支持输出点云数据

　　超声波雷达：提供超声波回波模拟和芯片信号级模拟两种HIL仿真方式

　　支持多传感器融合

　　系统应用领域

　　ADAS决策及控制算法（AEB、ACC、APA、LKA等）的开发与验证

　　自动驾驶决策及控制的开发与验证

　　毫米波雷达功能测试和性能测试

　　图像感知算法的开发

　　激光雷达点云数据处理算法的开发