消除迷雾:Ansys如何虚拟验证自主感知系统

推出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水平的图像分析可信度。这在雾天尤其具有挑战性，因为雾天会混淆视觉摄像机、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，通过红外技术帮助传感器获得更清晰的视野。但是，使用热成像和其他传感器系统的汽车开发人员如何准确地评估他们的产品在雾中的性能呢?

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FLIR Systems合作，评估了我们的雾建模能力Ansys Speos解决方案。测试证实，通过Speos进行的雾建模可以预测并匹配实验室中FLIR®进行的物理雾测试。

Ansys Speos工程师创建了一个雾模型，可以在现实环境中虚拟复制雾的影响。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模拟基于物理的热成像摄像机，还可以使用该摄像机与其他传感器(如可视摄像机)相结合。

下载白皮书全文学习Ansys如何分两个阶段创建模拟:将新的Ansys雾模型关联起来，并在虚拟环境中用雾验证热像仪。

关联新雾模型

在研究的第一阶段，定义了一个模拟场景，以重建基于桑迪亚国家实验室玻色子®热像仪物理测试的FLIR实验室设置，使用封闭系统进行人工雾生成。¹这个设置包括两个不同距离的目标——一个黑色的和一个白色的——不同的温度，放在相机前。目标的光学性质，温度，尺寸和位置，已按照FLIR的规格进行了表征。

在Ansys Speos中模拟的实验室FLIR物理测试场景

下一步是使用Speos的相机传感器模拟功能重新创建FLIR玻色子相机模型。最后，基于FLIR提供的实验室物理测试过程中产生的雾信息，建立Speos雾模型。Ansys工程团队在有雾和无雾的情况下进行了模拟，然后调整雾模型中的密度，使其与FLIR获得的真实结果相同(50%)。

将实验室中通过FLIR传播的粒子数与模拟中传播的粒子数进行比较，得到了两条接近的曲线(见下图)。这20%的差异可能是因为FLIR在实验室测试中使用了盐水，而Ansys只使用水粒子进行模拟。需要进一步的调查才能完全证实这一结果。

雾的粒子数，测量与模型分布。(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。评估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发出的光。所有物体都发射光能，人和动物通常是场景中最热的物体之一，因此红外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、行人和由不同材料制成的汽车。每个物体都有一个与之相关的温度值。

在第二阶段，光学特性应用于现实驾驶场景中的所有组件

在最后一步中，第一阶段生成的玻色子热像仪模型被重新创建，并放置在虚拟车辆的顶部。在Speos雾模型的介绍下，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)摄像机相比，热感摄像机在雾天使用时的感知有了巨大的改善。

区别很明显:在Ansys Speos中模拟的热成像功能使传感器更容易在中雾或浓雾中“看到”远处的行人，从而触发自动驾驶汽车的转向和制动系统的适当响应。华体会官网app下载新浪

FLIR汽车工程总监Chris Posch表示:“在雾天等环境下，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雾天。”由于Ansys Speos Fog模型模拟与我们的物理实验室测试结果非常吻合，FLIR和其他开发人员可以使用模拟更可靠地测试和优化他们的系统。这项工作的结果将帮助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。”

下载白皮书全文了解更多。

1.“通过人工雾进行多光谱短距离成像，”Michael P. Thornton, Kelsey M. Judd, Austin A. Richards, Brian J. Redman, FLIR系统公司，威尔逊维尔，OR，美国;桑迪亚国家实验室，阿尔伯克基，NM，美国。