丰田汽车采用MATLAB和RoadRunner创建虚拟试验场

一辆造型优美的白色丰田 SUV 原型车，在该汽车制造商位于日本爱知县的技术总部准备进行严格的试驾。工程师们安装了设备，使机器人驾驶员能够在蜿蜒的道路上准确评估车辆的驾驶性和性能，包括其高级驾驶辅助系统 (ADAS)。

实际上，在本次试驾中所经过的蜿蜒道路是一套精密的车辆在环仿真 (VILS) 系统，其设计目的在于评估 ADAS 及其他动态功能。一块大型外部屏幕负责显示三维场景，与此同时，实时驾驶仿真器会生成相应的运动、振动以及声音。包括激光雷达和相机在内的传感器提供了实时反馈。

丰田的 VILS，名为高级驾驶辅助系统实车仿真器 (ADAS-RCS)，使用联合仿真模块通过底盘测功机连接现实世界与虚拟世界。机器人驾驶数小时，检查关键绩效指标，以查找潜在弱点。然后，人工智能根据结果为解决这些弱点设定目标。

“仿真器的主要功能是能够一次性进行多功能评估，”丰田汽车公司基于模型的开发 X-in-the-Loop 仿真团队 (MBD XILS) 的车辆性能开发工程师宫田大树表示，他同时也在基于模型的设计平台团队工作。他的团队致力于通过针对性的仿真来优化车辆开发流程。实现精益化的车辆开发是其目标。

丰田的 ADAS-RCS 中逼真的虚拟环境，支持在各种复杂路面上进行测试，而这些路面在该汽车制造商的实体测试场中并不存在。然而，开发三维道路数据模型需要投入大量的时间和精力。为解决这一问题，该团队最终采用 MATLAB 和 RoadRunner 来复现真实的外部场地行驶工况。

宮田说道：“我们之所以采用 RoadRunner，是因为它创建三维虚拟场景、读取多样化环境中的各种地图数据，以及通过与 MATLAB 集成来分析这些数据的能力，都给我们留下了深刻的印象。”他补充道：“RoadRunner 能够进行直观的调整，这也是一个决定性因素。”

丰田团队的 VILS 目前主要面向自适应巡航控制系统的测试，但工程师们也计划将该模拟器用于车道循迹辅助、变道辅助、预碰撞安全系统以及其他新型高级安全功能的研发。

宮田表示：“ADAS-RCS 最近才进入运行阶段。我们认为它在未来还有非常广阔的应用前景。”

将危险路况测试前置

在过去，丰田的专业驾驶员，被称为“大师”，需要在该汽车制造商位于日本的测试场上，耗费大量时间来评估车辆性能。由于设计上的限制，他们不得不在汽车开发流程的后期，才对最坏情况场景进行测试。天气状况会影响现场测试条件，常常导致需要重新测试，这给本已紧张的开发计划带来了更大压力。

随着高级驾驶辅助系统 (ADAS) 和软件定义汽车的出现，汽车开发变得日益复杂。在丰田，工程师们正在将 ADAS 的道路测试前置，通过复现各种影响驾驶员反应、判断和车辆操作的状况来实现，例如，在交通繁忙时变道或是在曲折的山路上行驶。

宮田指出：“像天气、行人及移动物体这类因素，是无法通过预设场景来完全捕捉的。快速发现并攻克此类边缘场景，对于提升车辆的功能安全与网络安全至关重要。”

丰田 VILS、ADAS-RCS 的架构图。共有四个阶段：虚拟环境、传感器-车辆模型、底盘测功机和AI评估，每个阶段都配有ADAS开发和测试的图标说明。

视野受阻和盲区弯道构成了最大的技术挑战。在传统的纯手动场景生成流程中，创建三维道路既费力又耗时，每条路段都需要耗费超过六个月的时间。此外，这些路线也无法在丰田的其他模拟器中使用，包括模型在环 (MIL) 和软件在环 (SIL) 模拟器。

宮田说道：“丰田拥有各种不同的模拟器，如果为每一种都准备无法复用的专属场景，将会产生巨大的成本。” 他的团队需要一种更快速、更高效的方法。

在宮田担任丰田汽车性能工程师的早期，他曾负责提升车辆的舒适性。他在开发一种测试发动机噪声的方法时，首次接触到了 MATLAB。他回忆道：“我加深了对信号处理的理解。得益于 MATLAB 及其工具箱，我才能够专注于自己真正想做的事情。”

他最终选择使用 MATLAB 和 RoadRunner，为 MBD XILS 小组的仿真平台生成三维驾驶路线。团队首先从 ZENRIN DataCom 的标准清晰度地图数据段中，提取经度、纬度和高程数据，用于道路生成阶段。

宮田凭借其在 MATLAB 方面的经验，设计出一种方法，将道路生成所需的繁琐数据预处理工作，包括生成道路倾斜坡度所需的点平滑和曲线拟合，实现了自动化。随后，宮田使用 Automated Driving Toolbox 中的驾驶场景设计器，将地图数据转换为 OpenDRIVE 格式。

“驾驶场景设计器非常方便，它让我能够比预期更快地完成我想做的工作。”他说道。

生成贴近现实的周边环境

生成道路之后，工程师们利用 RoadRunner 来构建周边环境。这时，团队遇到了俯仰问题。乍一看，交互式编辑器中的道路似乎很平滑，但当宮田在模拟器中沿路行驶时，车辆却像在崎岖不平的道路上一样上下颠簸。RoadRunner 根据 OpenDRIVE 文件创建了道路，但由于道路连接处的海拔高度不连续，导致路面出现了厘米级的颠簸。

宮田在 MATLAB 中创建道路时，对高程信息使用了多项式近似法，但使用 RoadRunner Scene Builder 则避免了类似的颠簸问题。他说道：“现在我们能够以更高的效率和更强的可扩展性来生成道路模型了。”

当宮田将高程数据添加到模拟器中，并带着同事进行试驾时，又出现了另一个问题。显示器上前方可见的道路，似乎漂浮在点缀着稀疏卷云的明亮蓝天中。

事实证明，问题在于某些地点缺少海拔数据。这些数字高程数据源自日本国土地理院，该机构负责日本全国的勘测与地图绘制工作。然而，团队当时使用的一款第三方工具，在所选的地图数据段中，将河流处的海拔高度显示为 -9,999。为解决这个问题，宫田再次求助于 MATLAB。

他的团队创建了一个工具，该工具能将高程数据与影像数据相结合，并将其转换为拼接融合后的 GeoTIFF 格式，以供 RoadRunner 使用。在新的高程数据准备就绪后，宮田在 RoadRunner 的图形用户界面中，将注意力集中在了一个特定的地图区域。他将图像拖放到地面上，检查其贴合度，然后添加了 OpenDRIVE 道路数据。只需几次简单的点击，他就添加了虚线将道路变成了双车道，进行了一些微调，并粘贴了高程信息。

宮田说道：“RoadRunner 的图形用户界面非常直观。面对像这样棘手的情况，可以很轻松地进行调整。”

最后一步是通过 RoadRunner Scenario 中的视频回放来检查道路的生成效果。一个按钮提供了无人机视角的 360 度鸟瞰图，另一个按钮则允许团队从驾驶员的视角来观察道路。这一次，ADAS-RCS 终于呈现出了精确倾斜的区域和连绵起伏的山景。道路悬浮的问题不复存在。为连绵起伏的地形添加阴影和细节，营造出了一个更逼真的环境。

宮田说道：“如果没有 RoadRunner，创建这些虚拟路段将会耗费我们巨大的时间和精力。” 宮田估计，他的团队若要创建类似的驾驶场景，至少需要长达六个月的时间。

扩展精益车辆开发

过去宮田的团队需要一天以上才能创建的新三维路段，现在不到 30 分钟就能完成。RoadRunner 提升了团队的整体效率。

宮田解释道：“能够输出适用于各种模拟器的格式，例如 OpenDRIVE 和 OpenSceneGraph，这极大地降低了场景生成成本。这是一个巨大的优势。”

接下来，他所在的小组计划进一步实现 VILS 流程的自动化和精益化。他们还计划与量产开发团队合作，将仿真的优势带给他们。Miyata 认为，让更多人来使用这项技术，发现问题并进行改进，是至关重要的。

在 MATLAB EXPO 日本用户大会的演讲中，宮田探讨了扩展开发的问题。他重点介绍了 MATLAB 实时脚本、App 设计工具 和 MATLAB Compiler 如何帮助部署代码，以供多用户处理地理信息系统数据。他表示，使用 Git 可以实现版本控制，并根据用户需求进行定制化。他接着说道，实时脚本还可以在 JupyterLab 等环境中编写易于理解的操作手册，从而实现用户友好的应用程序部署。

自那次 EXPO 活动后，他的团队利用免费的可编辑全球地图 OpenStreetMap 扩展了仿真器的功能，用以复现被称为“豆腐块建筑”的简单建筑物，这个名字源于长方形的豆腐块。丰田还有一个专门负责生成高精度资产的部门。宮田表示，ADAS-RCS 项目激励了他们去探索利用这些资源的新方法。

利用 ADAS-RCS 将公共道路驾驶评估前置的工作，目前仍处于验证阶段，但宮田和他的同事们预计，这最终将使进行实际试驾所需的天数减少约70%。

该小组未来的计划包括：利用从现场采集的点云数据，通过人工智能 在 RoadRunner 中对建筑物资产进行自动分类和放置。他们也正在探索混合现实技术的应用。

宮田说道：“此外，我们已经取得了长足的进步，成功地利用 RoadRunner Scenario 引入了真实的交通流。没有逼真的仿真环境，就无法对 ADAS 进行全面的测试。”

在为仿真环境构建数字资产的过程中，团队处理了许多具有挑战性的案例。拥有功能强大且易于使用的工具是必不可少的。

他继续说道：“如果我们能有效地利用数字资产，我们期望 ADAS-RCS 和 XILS 能够再上一个新台阶。将其部署为工具链将成为可能，从而改进整个车辆开发流程。”