0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

康謀分享 | aiSim5 物理相機(jī)傳感器模型驗(yàn)證方法(一)

康謀自動駕駛 ? 2024-04-10 15:13 ? 次閱讀

摘要:

aiSim5可以實(shí)時(shí)模擬復(fù)雜的傳感器配置,在多GPU分布式渲支持的支持下,aiSim可以渲染20多個(gè)攝像頭、10多個(gè)雷達(dá)和10多個(gè)激光雷達(dá)在同一環(huán)境下運(yùn)行。aiSim5獨(dú)有的實(shí)時(shí)渲染引擎能夠滿足對物理精確環(huán)境和天氣模擬的所有要求,具有完全的決定性和可重復(fù)性。

wKgaomYWNxeABVziAAOMhaBOo4E503.png圖1:aiSim 重建場景wKgZomYWN1qAQfbBAAN6QhuF_PU042.png圖2:真實(shí)場景

aiSim5基于物理的相機(jī)模型將會通過以下方法驗(yàn)證其與真實(shí)世界的相關(guān)性:

一、光照度測試

aiSim 擁有內(nèi)置的光照度傳感器,因此可以使用光照度傳感器對aiSim的照明模型和材質(zhì)進(jìn)行端到端的驗(yàn)證。

1、案例1

在 aiSim 中重新模擬一個(gè)高速公路場景,并匹配相應(yīng)的天氣效果。

wKgaomYWOH2AakhfAABWzvu0k6I581.png?圖3

目前正在 aiSim 中重建這一場景并測試這一光照度測量結(jié)果。

2、案例2

驗(yàn)證人工照明模型以及aiSim車庫地圖的相關(guān)性時(shí),可以在車庫使用匹配的光照屬性進(jìn)行重新模擬,aiSim 中會產(chǎn)生相似的結(jié)果。

wKgaomYWOMCAKsReAADn76j295g985.png?圖4:真實(shí)世界中進(jìn)行傳感器標(biāo)定的場景wKgaomYWONCAfoYZAAC6E2womx0720.png圖5:aiSim中搭建的用于相機(jī)標(biāo)定車庫場景

二、色彩校準(zhǔn)測試

1、簡介

在進(jìn)行相機(jī)圖像匹配時(shí),使用Color Correction Matrix (CCM) 是一種有效的方法,可以通過對已知相機(jī)拍攝的參考照片和aiSim渲染的Macbeth色板圖表進(jìn)行比較來計(jì)算CCM。

wKgZomYWOl6AUSK7AACHvWGEVNc419.png圖6wKgZomYWOnyAI9GRAABPpyxDdz8589.png圖7

2、具體步驟

  • 準(zhǔn)備參考照片:首先,需要一張使用已知相機(jī)拍攝的Macbeth色板的照片。Macbeth色板是一個(gè)標(biāo)準(zhǔn)化的顏色樣本集,通常用于色彩管理和校準(zhǔn)。
  • 獲取aiSim渲染的Macbeth色板:接著,你需要在aiSim中創(chuàng)建一個(gè)Macbeth色板的渲染圖。確保渲染環(huán)境的光照條件與參考照片盡可能一致,以便更準(zhǔn)確地匹配顏色。
  • 應(yīng)用CCM:計(jì)算出CCM后,aiSim可以將其應(yīng)用于aiSim的圖像輸出,進(jìn)行顏色校正。
  • 驗(yàn)證和調(diào)整:應(yīng)用CCM后,比較aiSim輸出的顏色與參考照片的顏色。如果存在差異,可能需要進(jìn)一步調(diào)整CCM的參數(shù)或重新計(jì)算,直到達(dá)到滿意的匹配效果。

通過這種方法,可以確保aiSim的輸出顏色與實(shí)際拍攝的照片顏色盡可能一致,從而提高圖像的真實(shí)性和準(zhǔn)確性。

三、離線仿真器驗(yàn)證

1、簡介

也可以采用基于物理的渲染(PBR)離線渲染器進(jìn)行比較。

2、具體步驟

  • 構(gòu)建相同樣本場景:在aiSim和參考渲染器中構(gòu)建相同的樣本場景。這包括場景中的所有物體、材質(zhì)、光照條件等,以確保兩個(gè)環(huán)境中的變量盡可能一致。
  • 使用相同的相機(jī)參數(shù):使用相同的相機(jī)外部參數(shù)(extrinsic)和內(nèi)部參數(shù)(intrinsic)來拍攝場景。外部參數(shù)涉及相機(jī)在世界空間中的位置和方向,而內(nèi)部參數(shù)則包括焦距、畸變等相機(jī)特有的屬性。
  • 進(jìn)行HDR或LDR驗(yàn)證:無論是高動態(tài)范圍(HDR)還是低動態(tài)范圍(LDR)驗(yàn)證,都可以用于比較兩個(gè)渲染器生成的圖像。選擇哪種驗(yàn)證方式取決于場景的光照條件和所需的驗(yàn)證精度。
  • 比較生成圖像的差異:對aiSim生成的圖像和參考渲染器生成的圖像進(jìn)行比較??梢酝ㄟ^視覺檢查或使用圖像分析工具來量化差異,如計(jì)算顏色偏差、亮度對比度等。
  • 多場景驗(yàn)證:通過多個(gè)不同的場景來驗(yàn)證系統(tǒng)的不同部分,例如只驗(yàn)證人工光源,或者只驗(yàn)證天空和太陽的效果等??梢詭椭R別和隔離特定問題,提高驗(yàn)證的針對性和效率。

以上方法均適用于驗(yàn)證aiSim相機(jī)傳感器模型與現(xiàn)實(shí)世界或高精度的離線渲染器的相關(guān)性。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2541

    文章

    49963

    瀏覽量

    747571
  • 自動駕駛
    +關(guān)注

    關(guān)注

    781

    文章

    13449

    瀏覽量

    165278
  • 汽車自動駕駛
    +關(guān)注

    關(guān)注

    0

    文章

    9

    瀏覽量

    3721
收藏 人收藏

    評論

    相關(guān)推薦

    分享 | 汽車仿真與AI的結(jié)合應(yīng)用

    實(shí)現(xiàn)高質(zhì)量的虛擬傳感器輸出是自動駕駛領(lǐng)域的項(xiàng)關(guān)鍵挑戰(zhàn),然而傳統(tǒng)方案對廣角鏡頭的渲染和處理等方面仍存在定的局限性。為此,為您介紹
    的頭像 發(fā)表于 09-11 09:24 ?1271次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>分享 | 汽車仿真與AI的結(jié)合應(yīng)用

    技術(shù) | 自動駕駛傳感器標(biāo)定技術(shù):從單到聯(lián)合標(biāo)定

    進(jìn)行標(biāo)定以獲取各個(gè)傳感器的安裝位置。具體來說,就是通過標(biāo)定確定車身坐標(biāo)系下傳感器的位置。SensorCalibration傳感器標(biāo)定類型在輛具備L2+級別智駕車上
    的頭像 發(fā)表于 07-29 11:12 ?375次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>技術(shù) | 自動駕駛<b class='flag-5'>傳感器</b>標(biāo)定技術(shù):從單<b class='flag-5'>一</b>到聯(lián)合標(biāo)定

    分享 | 自動駕駛聯(lián)合仿真——功能模型接口FMI(三)

    功能模型接口是個(gè)開放且獨(dú)立于工具的標(biāo)準(zhǔn),便于實(shí)現(xiàn)自動駕駛仿真工具間的模型交換和聯(lián)合仿真。本文以ai
    的頭像 發(fā)表于 07-10 15:52 ?1227次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>分享 | 自動駕駛聯(lián)合仿真——功能<b class='flag-5'>模型</b>接口FMI(三)

    分享|aiSim5基于生成式AI擴(kuò)大仿真測試范圍(終)

    在場景重建和測試流程閉環(huán)的過程中,難免會面臨3D場景制作重建耗時(shí)長、成本高、擴(kuò)展性低以及交通狀況復(fù)雜程度難以滿足等問題。aiSim中NeRF和3DGS可以自動化生成3D靜態(tài)場景并添加動態(tài)實(shí)例編輯,從而縮短測試流程,擴(kuò)大仿真測
    的頭像 發(fā)表于 05-22 13:57 ?1125次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>分享|<b class='flag-5'>aiSim5</b>基于生成式AI擴(kuò)大仿真測試范圍(終)

    分享 | aiSim5仿真場景重建感知置信度評估(三)

    aiSim5能重建高精度的賽道、車庫、高速公路等真實(shí)交通場景,用于測試和訓(xùn)練ADAS/AD系統(tǒng)。通過全局行動日志,能將駕駛數(shù)據(jù)轉(zhuǎn)化為場景重建,車道線檢測算法和多目標(biāo)檢測算法在仿真與現(xiàn)實(shí)世界的相關(guān)性測試中誤差極為相近。
    的頭像 發(fā)表于 05-08 16:59 ?2303次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>分享 | <b class='flag-5'>aiSim5</b>仿真場景重建感知置信度評估(三)

    分享|aiSim5激光雷達(dá)LiDAR模型驗(yàn)證方法(二)

    aiSim中的LiDAR是種基于光線追蹤的傳感器,能夠模擬真實(shí)LiDAR發(fā)射的激光束,將會生成LASv1.4標(biāo)準(zhǔn)格式的3D點(diǎn)云,包含了方位角、俯仰角和距離等。aiSim能夠模擬LiD
    的頭像 發(fā)表于 04-24 14:58 ?734次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>分享|<b class='flag-5'>aiSim5</b>激光雷達(dá)LiDAR<b class='flag-5'>模型</b><b class='flag-5'>驗(yàn)證</b><b class='flag-5'>方法</b>(二)

    技術(shù) |深入探討:自動駕駛中的相機(jī)標(biāo)定技術(shù)

    算法之間,是確保傳感器數(shù)據(jù)準(zhǔn)確性的基礎(chǔ),同時(shí)也是實(shí)現(xiàn)傳感器融合的關(guān)鍵先決條件。在眾多傳感器中,相機(jī)以其豐富的信息獲取能力和成本效益而成為自動駕駛系統(tǒng)中的首選。
    的頭像 發(fā)表于 04-17 17:08 ?717次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>技術(shù) |深入探討:自動駕駛中的<b class='flag-5'>相機(jī)</b>標(biāo)定技術(shù)

    感應(yīng)傳感器工作原理 感應(yīng)傳感器怎么安裝接線的

    的工作原理和安裝接線方法、感應(yīng)傳感器的工作原理 感應(yīng)傳感器的工作原理與其所測量的
    的頭像 發(fā)表于 02-14 18:12 ?5255次閱讀

    產(chǎn)品 | 用于ADAS和AD傳感器的獨(dú)立數(shù)據(jù)采集設(shè)備

    在 ADAS/AD 環(huán)境中,如果想要將原始數(shù)據(jù)與攝像頭、雷達(dá)或激光雷達(dá)等傳感器分離,總是會使用測量數(shù)據(jù)轉(zhuǎn)換。借助MDILink,您可以獲得個(gè)SerDes測量數(shù)據(jù)轉(zhuǎn)換,從開發(fā)階段和
    的頭像 發(fā)表于 02-01 16:16 ?298次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>產(chǎn)品 |  用于ADAS和AD<b class='flag-5'>傳感器</b>的獨(dú)立數(shù)據(jù)采集設(shè)備

    產(chǎn)品 | 為ADAS/AD開創(chuàng)的次世代AutoGI仿真工具

    aiSim5作為開創(chuàng)性ADAS/AD仿真模擬工具,配備高度優(yōu)化的傳感器模擬,提供確定且可重復(fù)的環(huán)境模擬支持,為下代仿真工具設(shè)定了新的標(biāo)
    的頭像 發(fā)表于 01-29 17:50 ?555次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>產(chǎn)品 | 為ADAS/AD開創(chuàng)的次世代AutoGI仿真工具

    技術(shù) | 自動駕駛多傳感器數(shù)據(jù)融合方法

    近年來,深度學(xué)習(xí)技術(shù)在涉及高維非結(jié)構(gòu)化數(shù)據(jù)領(lǐng)域展現(xiàn)出了最先進(jìn)的性能,如計(jì)算機(jī)視覺、語音、自然語言處理等方面,并且開始涉及更大、更復(fù)雜的多模態(tài)信息問題。 不同傳感器在進(jìn)行同實(shí)驗(yàn)任務(wù)時(shí),針對產(chǎn)生的同
    的頭像 發(fā)表于 01-24 18:02 ?440次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>技術(shù) | 自動駕駛多<b class='flag-5'>傳感器</b>數(shù)據(jù)融合<b class='flag-5'>方法</b>

    新聞丨走進(jìn)科技——您的自動駕駛解決方案合作伙伴

    面對日益增長的行業(yè)需求,虹科自動駕駛事業(yè)部正式更名為“”。這重要改變代表了虹科持續(xù)發(fā)展進(jìn)程中新的里程碑,也體現(xiàn)了我們在自動駕駛領(lǐng)域不斷創(chuàng)新的精神。
    的頭像 發(fā)表于 01-19 14:49 ?315次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>新聞丨走進(jìn)<b class='flag-5'>康</b><b class='flag-5'>謀</b>科技——您的自動駕駛解決方案合作伙伴

    加速度傳感器的基本力學(xué)模型是什么

    加速度傳感器的基本力學(xué)模型個(gè)受力物體的運(yùn)動學(xué)和動力學(xué)模型的組合。本文將從以下幾個(gè)方面介紹加速度傳感器的基本力學(xué)
    的頭像 發(fā)表于 01-17 11:08 ?947次閱讀

    產(chǎn)品 | 基于事件的智能數(shù)據(jù)管理平臺Heex

    自動駕駛HEEX致力于ADAS和AD開發(fā)中獲取針對性數(shù)據(jù),即最相關(guān)的數(shù)據(jù)“智能數(shù)據(jù)”,采用基于事件的工作流和預(yù)設(shè)觸發(fā)方法,使得工程團(tuán)隊(duì)能夠在邊緣或云端直接提取與事件相關(guān)的數(shù)據(jù),
    的頭像 發(fā)表于 01-10 17:36 ?324次閱讀
    <b class='flag-5'>康</b><b class='flag-5'>謀</b>產(chǎn)品 | 基于事件的智能數(shù)據(jù)管理平臺Heex

    CCD圖像傳感器和CMOS圖像傳感器的區(qū)別詳解

    傳感器?CCD(ChargeCoupledDevice),即“電荷耦合器件”,它是數(shù)字和機(jī)器視覺相機(jī)中用于捕捉靜止和移動物體的傳感器,以百萬像素為單位。數(shù)碼
    的頭像 發(fā)表于 10-11 08:08 ?1456次閱讀
    CCD圖像<b class='flag-5'>傳感器</b>和CMOS圖像<b class='flag-5'>傳感器</b>的區(qū)別詳解