Globala biltillverkare och teknikleverantörer förlitar sig på dSPACE-produkter för att realisera idén om autonom körning. Vi tillhandahåller de simulerings- och valideringslösningar som krävs, inklusive SIL, HIL, prototyputveckling dataloggning, datauppspelning, databerikning, realistiska sensorer, scenariobaserad testning, scenariogenerering samt data- och testhantering. Vår portfölj innehåller lösningar för användning på en dator, en HIL-simulator eller i molnet. Vi erbjuder även konsulttjänster, om det behövs.
Utvecklings- & Testmiljö från Start till Mål
För att hjälpa dig att sätta idén om autonoma fordon på vägen erbjuder vi omfattande lösningar och tjänster för datadriven utveckling och validering. Detta säkerställer sömlös och effektiv databehandling i alla utvecklingsstadier, från dataloggning till utgivnings- eller godkännandetester.
- Dataloggning: robust dataloggningssystem i fordon med enastående prestanda för att registrera sensorrådata och bussdata i fordon
- Databerikning: automatiserad dataanonymisering och datannotering (Ground truth) med klassledande kvalitet
- Scenariogenerering: automatiserad generering av simuleringsscenarier från sensorrådata eller objektlistor
- Sensorrealistiska simuleringar: mycket realistiska, fysikbaserade simulering av kamera-, lidar- och radarsensorer
- Återspelning av data: tid-synkron repris av sensorrådata och fordons bussdata med exceptionellt hög bandbredd för streaming
- Scenariobaserad testning: validera perceptions-, fusions- och planeringsalgoritmer för autonoma fordon genom att automatiskt utföra och utvärdera miljontals tester
- Data- och testhantering: central hantering av simulerings- och testdata (inklusive varianthantering och arbetsflödeshantering)
- Simuleringsplattform: helhetslösning för SIL, HIL och storskalig simulering i molnet
- Releasetestning: planera validerings- och verifieringsstrategin enligt ISO 26262 och ISO/PAS 21448 (SOTIF) för att uppnå homologation med optimerade processer
Implementationsflöde
Implementationsflödet för autonoma fordon består i allmänhet av olika bearbetningsstadier. Först måste sensorns rådata förbearbetas (perception). Målet är att upptäcka speciella drag och statiska eller dynamiska objekt samt lediga utrymmen i miljön kring fordonet baserat på enstaka bilder eller reflektionspunkter. Under det efterföljande skedet slås resultaten samman och sammanställs till en konsekvent omvärldsmodell (datafusion). För detta är tidssynkronisering och korrelation av sensordata viktigt. Dessutom är det nödvändigt att känna till fordonets exakta position och körfältsposition baserat på en högupplöst karta (lokalisering).
Baserat på omvärldsmodellen analyseras situationen runt fordonet, de potentiella körvägarna planeras, beslutet för en viss manöver fattas och den längsgående och laterala kontrollen utförs.
Sensorer i Simuleringen
En detaljerad och omfattande simulering av den verkliga världen är grunden för en framgångsrik validering. Att använda passande sensormodeller och integrera verkliga sensorer med testmiljön spelar en viktig roll. Utbudet av sensormodeller sträcker sig från teknikoberoende varianter, som genererar objektlistor direkt från information som tillhandahålls av miljömodellen, till fenomenologiska eller fysiska modeller, som vanligtvis beräknas på en högpresterande GPU som matar rådata till anslutna verkliga sensorer som kamera eller radar. Det finns olika integrationsalternativ för sensorer beroende på vilken typ av data och lager som ska stimuleras. Dessa alternativ kan variera så långt som direkt stimulering av sensorns, antingen så kallat ”over-the-air”, som till exempel radar, eller via HF-kabel med GNSS (Global Navigation Satellite System) eller V2X (Vehicle-to-X) signaler. Att använda de verkliga sensorerna i testmiljön är ofta oersättligt eftersom signalförbehandlingen, sensordatafusionen och skapandet av omgivningsmodellen i sensorns styrenhet har en djup inverkan på stegen i implementationsflödet.
