NI推出基于平台化方法的新一代智能汽车测试技术

NI平台化方法的优势

据麦姆斯咨询介绍，美国国家仪器（National Instruments，简称NI），作为一家专注于测试、测量、自动化解决方案的领先企业。在自动驾驶的领域里，NI服务于汽车产业链上的各芯片厂、零部件厂、主机厂，为它们在自动驾驶研发过程中，提供产线测试和实验室辅助验证的解决方案。

仪器是测试最重要的媒介和手段。NI针对自动化和定制化的测试需求，提出了两种平台化方案，一个是虚拟仪器，第二个是图形化软件。平台化的核心概念是允许用户做自定制，然后基于模块化硬件来提高系统的重用性。

凡是使用过NI仪器的用户，都知道NI仪器是没有界面的，所有界面都是客户自定制的界面。NI所提供的仪器也没有主机，而是由一个个模块和一个个网卡组成，所有仪器就像自动驾驶系统一样，可拆分成为感知、决策、执行三个部分。仪器主要承担输入输出和计算两个部分，其中NI提供的是输入输出，计算部分利用商用计算机平台，统一整合起来就可以实现集成化的方法（如图1）。

图1 平台化方法的优势

NI在自动驾驶领域的解决方案

从2017年开始，在公司战略层面上，NI定义了新的发展方向，未来将关注的四个行业方向分别是（图2）：半导体、汽车、航空航天、科研院所。这四个方向里面，除了平台之外，更进一步需要积累针对于行业的实际方案。

图2 NI汽车解决方案

自动驾驶测试验证的目的是什么？主要是验证系统高可靠性以确保自动驾驶的安全性。绝对安全是一个非常遥远的概念，要证明自动驾驶比人工驾驶更安全，最基础的手段就是进行大量的路测数据比对。

对人工驾驶而言，即便是常规的安全性测试门槛也很高。根据美国交通部统计数据，全美所有司机一年驾驶里程大概3万亿英里，一年内美国发生的伤害事故大概2300万起，致命死亡事故大概32000起。这意味着在人工驾驶的情况下，发生一例死亡事故的平均驾驶里程是1亿英里。

那么要证明自动驾驶比人工驾驶更安全，路测的基础里程应该是多少？在今年4月，NI在首尔举办的一场活动中，梅赛德斯奔驰的测试人员透露，到现在为止他们在44款项目上，总共做了900万英里的路测。

截止2018年3月，Waymo自动驾驶的路测里程超500万英里。这个数据和我们要达到的一个驾驶员平均1亿英里的安全行驶里程还有很大差距，所以纯粹用路测来验证安全性，其成本和负担非常大（图3）。

图3 验证无人驾驶的安全性需要大量的测试

NI提供的方法，将作为路测的辅助，实现在软件、硬件、零部件和台架的平台上通过硬件在环（HIL）安全性验证。讲到硬件在环，基本的核心概念就是把车辆抽象为一个模型，包括动力总成、底盘、刹车、ADAS。

传统的做法，是将这些都通过参数化的方法进行配置和仿真，把真实的控制器和可灵活配置的场景模拟器进行互联，从而替代一部分路测功能。而NI在传统硬件在环测试上添加了新的功能，使ADAS能够在硬件在环领域进行验证。ADAS的测试对象，主要包括雷达、摄像头、激光雷达、ADAS以及后端的节点（图4）。

图4 主要的ADAS测试对象

NI针对雷达、摄像头、V2X的硬件在环测试

（1）雷达

毫米波雷达探测的原理和蝙蝠、海豚很像，是通过微波在空间反射时间的延迟判断距离，通过反射波形的频移判断对象是在接近还是在远离。所以在仿真验证的平台上，同样可以通过高效、高速的硬件在微波传输的时间内，利用软件实现对雷达发射波频谱的频移以及时间叠加，让雷达误以为是一个真实目标。

NI现在的仿真测试，可以实现的主要参数指标为（图5）：目标距离4米到500米，距离分辨率可达0.1米，速度分辨率可达0.1公里/小时。这些参数指标满足现在市场主流的需求。

图5 NI汽车雷达测试系统主要参数指标

成功案例：

在2017年的上海汽车展上，NI汽车雷达测试系统（VRTS）已经成功发布。中国汽车技术研究中心（简称中汽研），在NI的平台上通过回波模拟的方法，验证了自动驾驶开发阶段的场景以及安全性指标。在这个平台上目前可实现三种常见场景的仿真测试（图6），分别是ACC（自适应巡航）、FCW（前方碰撞预警）相关标准中定义的场景以及C-NCAP 2018版中AEB（自动紧急制动）定义的典型场景。

图6 基于VRTS实现的测试场景

NI与中汽研合作，根据中国交通事故数据库，未来也将在中国道路上的常见事故数据加载到这样一个平台上，以针对常见事故进行仿真和验证。

这里有几个问题需要解决——场景怎么去加载？仿真是否和真实路况场景一样逼真？NI的解决办法主要是通过和第三方的场景建设软件进行互联，譬如和两家比较主流的场景软件公司合作，分别是PreScan和Carmaker。NI可以做到从场景仿真软件上提取要在硬件上仿真的对象坐标，通过回波模拟器将实际信号和场景实时互联，然后发射到真实的雷达上，来实现仿真。

图7 第三方场景软件互联

如图7，为NI在2017年初在办公室内做的一个演示，展示了互联的实现过程。仿真展示的左侧是场景和动力学模型的仿真环境，演示仿真了一辆车在高速轧道上并道并跟随前车ACC的场景。这是一个雷达的交互界面，雷达所探测到的实时目标会在这个界面上进行显示。

右侧演示仿真了真实的雷达在前面，后面有回波模拟器的路况场景。当这个场景运行起来以后，这辆车开始做自主寻道，然后做轧道并道和跟车。这个场景的构建是在场景模拟器里面直接构建的，从场景模拟器里面对象的坐标到提取到一个真实的回波模拟，再产生雷达的实时回波，最后被真实的雷达探测到，这两边的数据是同步的。所以就能在零部件阶段验证雷达传感器以及雷达算法，在一个并道场景中的表现。

（2）摄像头

NI针对摄像头自定制的协议，采用自定制的卡来实现和测试与主机的互联。由于可以做自定制，所以适用于不同相机的传输协议的用户定制（图8）。比如，NI与法雷奥合作的案例，在欧洲和中国对法雷奥相机的数据转换生产性测试和研发互联就用到了这种解决方案。

图8 摄像头测试

（3）V2X

2017年，国家无线电检测中心在天津车检院做了一个仿真测试：仿真了两辆车在90度直角障碍物遮挡的情况下，测试V2X最远通信距离能够达到多少？以及在弯道、直道高速的情况下，车车通信协议上连接距离是多少？到现在为止大家还停留在用仿真器做V2X通信的阶段，但是NI已经储备了将V2X连接到硬件在环的能力。

NI会提供一些模块，用来模拟车载节点，以实现车和车之间的数据通信。包括NI会对一些V2X模块的一致性等做测试。比如，NI在德国的一个案例（图9），在V2X的研发阶段用了V2X节点做算法开发。

图9 V2X HIL测试

传感器融合硬件在环的解决方案

以上分别提到了雷达、摄像头、V2X的测试，最后回到融合的话题。在实际路况上，对象同步性是显而易见的，当真实道路上出现一个人，摄像头、雷达、V2X看到这个人一定是同步的。但是在仿真测试的环境下，要通过视觉场景、雷达回波模拟器、射频发射节点三个不同源头去模拟真实路况的场景。

图10 基于PXI平台实现融合测试需求

实现三者的同步技术，保证仿真和实际路况尽可能接近，是一个关键挑战和趋势。得益于本文开头所讲的虚拟化仪器平台（图10），通过在同一台主机上实现三个对象的仿真，在有必要的情况下通过交互，能够实现毫秒及亚毫秒级的数据同步，来保证和验证融合算法的时候仿真对象是真实的。

这是到目前为止最全的一种传感器融合硬件在环的解决方案。去年，NI在美国和上海分别做了一次演示。

图11 传感器融合硬件在环测试

如图11，左上角是毫米波雷达仿真，左下角是一个摄像头仿真，右上角是激光雷达仿真，右下角是第三视角界面。三个仿真是完全同步的，所以在进行超车动作时，三种传感器的感知融合很统一。

汽车雷达产线测试

从实验室到生产线，除了整车厂研发验证之外，NI在国内外给很多的传感器供应商产线做质量测试，以及针对汽车雷达的车规测试（图12）。在高低温环境里测试雷达功能来验证它是否符合车规，以及在EMI、EMC场景下怎么来验证雷达。甚至针对匹配车型的测试，将雷达装在了某一个特定的材料上面。涂料、形状、金属会对雷达产生怎样的影响，NI都做了深入的研究。

图12 汽车雷达产线测试

结语

2017年7月全球首款实现Level-3（SAE）级别自动驾驶的量产车奥迪A8成功发布，而在成功之前对其自动驾驶技术安全可靠的验证，结合了路测和硬件在环两种技术，而NI正是其中硬件在环技术的供应方。

由此可见，基于NI平台化方法，加上合作伙伴的集成模块和软件，NI能帮助汽车厂商实现从传统的车身动力总成到最新的涵盖智能化、网联化和电气化的智能汽车测试项，且能为厂商/研究机构提供从实验室研发到量产测试的全方位解决方案。