自动驾驶相关知识学习笔记

一、概要

因为想知道SIL、HIL是什么仿真工具，故而浏览了自动驾驶相关的知识。

资料来源《自动驾驶——人工智能理论与实践》胡波 林青 陈强 著；出版时间：2023年3月

二、图像的分类、分割与检测任务区别

如图所示，在图像理解领域中存在一系列更为复杂的任务类型；它们通常被划分为两类：一种是目标检测与语义分割等基础任务；另一种则是基于上述两类任务的发展型分支（如实例分割）。与单纯的图像分类不同的是，在目标检测中不仅需要识别出图片中的各个物体类别（例如行人），还需具体标定其所在的位置坐标；而实例分割则进一步细化这一过程，在像素级别精确划分每个物体的具体边界区域。

目标检测涵盖了对车辆、行人、非机动车以及交通信号灯等物体的识别过程。这一任务要求完成两项关键任务：首先是对物体进行分类识别；其次是对物体的位置进行精确定位。对于前者来说无需赘述；而对于后者来说需要具备高度的判别能力才能准确区分不同位置上的交通指示设施及其对应的信号类型以便遵循相应的交通指示进行行动规划。从细节角度来看在二维图像中进行目标识别与边界框划分相对直接而三维检测则基于三维空间模型进行考虑到二维像素空间仅是三维世界的二维投影并且受到畸变等因素的影响因此在实际应用中二维空间中的处理往往需要额外的步骤才能满足后续决策的需求

三、超参数

常见的重要超参数及其对模型训练的影响程度（其数值变动对其模型训练的影响力度）

四、实现自动驾驶功能的流程

五、自动驾驶系统研发流程

1、按信息处理过程划分

2、自动驾驶汽车研发工程示意图

路采规划工作：这一环节主要是对路采进行细致的路径规划安排，在全国哪些省市范围内实施。我们需要收集各类道路状况与场景信息，并应对哪些关键气象条件进行采集。同时涉及车队人员配置与调度安排。

(2)测试车改装

(3)裸数据采集

(4)数据上行 ：经过采集的数据经由物流途径转运至数据中心进行上行操作，在此过程中需接受第三方监管机构监督。抵达数据中心后，在线迅速将收集回来的数据输入至数据中心的数据存储池中完成存储备置，并对完成存储备置后的存储介质进行清除处理后经由物流返回路测场地进行反复利用

(5)海量数据存储

大规模数据存储方案设计

当新的裸数据注入到数据湖时

数据标注：对于可应用于深度学习的数据集而言，在采用手动或半自动标注工具的情况下完成数据标记工作，并创建用于监督学习所需的真实标签。

(8)自动驾驶功能规划

(9)算法模型训练

（10）仿真场景数据库：通过提取相关场景要素构建仿真数据库。行业内的权威仿真数据库通常遵循自动化与测量系统标准化协会（Association for Standardization of Automation and Measuring Systems, ASAM）所制定的标准规范，并基于开放平台如OpenDrive和OpenScenario构建。在虚拟仿真的后续阶段中，在此环节所构建的仿真数据库会被用于为数字化仿真模型车辆生成虚拟化的仿真实验环境。

(11)软件在环(SiL)仿真实验

(12) 硬件在环测试

道路试验

批量生产

六、自动驾驶系统的仿真测试

1、软件在环(SiL)仿真测试系统架构

2、硬件在环(HiL)仿真测试系统架构