0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

康谋分享 | aiSim5 物理相机传感器模型验证方法(一)

康谋自动驾驶 2024-04-10 15:13 次阅读

摘要:

aiSim5可以实时模拟复杂的传感器配置,在多GPU分布式渲支持的支持下,aiSim可以渲染20多个摄像头、10多个雷达和10多个激光雷达在同一环境下运行。aiSim5独有的实时渲染引擎能够满足对物理精确环境和天气模拟的所有要求,具有完全的决定性和可重复性。

wKgaomYWNxeABVziAAOMhaBOo4E503.png图1:aiSim 重建场景wKgZomYWN1qAQfbBAAN6QhuF_PU042.png图2:真实场景

aiSim5基于物理的相机模型将会通过以下方法验证其与真实世界的相关性:

一、光照度测试

aiSim 拥有内置的光照度传感器,因此可以使用光照度传感器对aiSim的照明模型和材质进行端到端的验证。

1、案例1

在 aiSim 中重新模拟一个高速公路场景,并匹配相应的天气效果。

wKgaomYWOH2AakhfAABWzvu0k6I581.png 图3

目前正在 aiSim 中重建这一场景并测试这一光照度测量结果。

2、案例2

验证人工照明模型以及aiSim车库地图的相关性时,可以在车库使用匹配的光照属性进行重新模拟,aiSim 中会产生相似的结果。

wKgaomYWOMCAKsReAADn76j295g985.png 图4:真实世界中进行传感器标定的场景wKgaomYWONCAfoYZAAC6E2womx0720.png图5:aiSim中搭建的用于相机标定车库场景

二、色彩校准测试

1、简介

在进行相机图像匹配时,使用Color Correction Matrix (CCM) 是一种有效的方法,可以通过对已知相机拍摄的参考照片和aiSim渲染的Macbeth色板图表进行比较来计算CCM。

wKgZomYWOl6AUSK7AACHvWGEVNc419.png图6wKgZomYWOnyAI9GRAABPpyxDdz8589.png图7

2、具体步骤

  • 准备参考照片:首先,需要一张使用已知相机拍摄的Macbeth色板的照片。Macbeth色板是一个标准化的颜色样本集,通常用于色彩管理和校准。
  • 获取aiSim渲染的Macbeth色板:接着,你需要在aiSim中创建一个Macbeth色板的渲染图。确保渲染环境的光照条件与参考照片尽可能一致,以便更准确地匹配颜色。
  • 应用CCM:计算出CCM后,aiSim可以将其应用于aiSim的图像输出,进行颜色校正。
  • 验证和调整:应用CCM后,比较aiSim输出的颜色与参考照片的颜色。如果存在差异,可能需要进一步调整CCM的参数或重新计算,直到达到满意的匹配效果。

通过这种方法,可以确保aiSim的输出颜色与实际拍摄的照片颜色尽可能一致,从而提高图像的真实性和准确性。

三、离线仿真器验证

1、简介

也可以采用基于物理的渲染(PBR)离线渲染器进行比较。

2、具体步骤

  • 构建相同样本场景:在aiSim和参考渲染器中构建相同的样本场景。这包括场景中的所有物体、材质、光照条件等,以确保两个环境中的变量尽可能一致。
  • 使用相同的相机参数:使用相同的相机外部参数(extrinsic)和内部参数(intrinsic)来拍摄场景。外部参数涉及相机在世界空间中的位置和方向,而内部参数则包括焦距、畸变等相机特有的属性。
  • 进行HDR或LDR验证:无论是高动态范围(HDR)还是低动态范围(LDR)验证,都可以用于比较两个渲染器生成的图像。选择哪种验证方式取决于场景的光照条件和所需的验证精度。
  • 比较生成图像的差异:对aiSim生成的图像和参考渲染器生成的图像进行比较。可以通过视觉检查或使用图像分析工具来量化差异,如计算颜色偏差、亮度对比度等。
  • 多场景验证:通过多个不同的场景来验证系统的不同部分,例如只验证人工光源,或者只验证天空和太阳的效果等。可以帮助识别和隔离特定问题,提高验证的针对性和效率。

以上方法均适用于验证aiSim相机传感器模型与现实世界或高精度的离线渲染器的相关性。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 传感器
    +关注

    关注

    2545

    文章

    50406

    浏览量

    750741
  • 自动驾驶
    +关注

    关注

    782

    文章

    13602

    浏览量

    165869
  • 汽车自动驾驶

    关注

    0

    文章

    10

    浏览量

    3722
收藏 人收藏

    评论

    相关推荐

    技术 | 毫米波雷达技术解析

    自动驾驶技术飞速发展,毫米波雷达已成为自动驾驶传感器套件的关键。为此,为您深度解析毫米波雷达技术,从概述到工作原理,再到前沿的4D技术,全面揭示其在自动驾驶中的重要作用。快来了解,
    的头像 发表于 10-15 10:07 2699次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>技术 | 毫米波雷达技术解析

    分享 | 汽车仿真与AI的结合应用

    实现高质量的虚拟传感器输出是自动驾驶领域的项关键挑战,然而传统方案对广角镜头的渲染和处理等方面仍存在定的局限性。为此,为您介绍
    的头像 发表于 09-11 09:24 1392次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>分享 | 汽车仿真与AI的结合应用

    技术 | 自动驾驶传感器标定技术:从单到联合标定

    进行标定以获取各个传感器的安装位置。具体来说,就是通过标定确定车身坐标系下传感器的位置。SensorCalibration传感器标定类型在辆具备L2+级别智驾车上
    的头像 发表于 07-29 11:12 375次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>技术 | 自动驾驶<b class='flag-5'>传感器</b>标定技术:从单<b class='flag-5'>一</b>到联合标定

    分享 | 自动驾驶联合仿真——功能模型接口FMI(三)

    功能模型接口是个开放且独立于工具的标准,便于实现自动驾驶仿真工具间的模型交换和联合仿真。本文以ai
    的头像 发表于 07-10 15:52 1368次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>分享 | 自动驾驶联合仿真——功能<b class='flag-5'>模型</b>接口FMI(三)

    分享|aiSim5基于生成式AI扩大仿真测试范围(终)

    在场景重建和测试流程闭环的过程中,难免会面临3D场景制作重建耗时长、成本高、扩展性低以及交通状况复杂程度难以满足等问题。aiSim中NeRF和3DGS可以自动化生成3D静态场景并添加动态实例编辑,从而缩短测试流程,扩大仿真测
    的头像 发表于 05-22 13:57 1243次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>分享|<b class='flag-5'>aiSim5</b>基于生成式AI扩大仿真测试范围(终)

    分享 | aiSim5仿真场景重建感知置信度评估(三)

    aiSim5能重建高精度的赛道、车库、高速公路等真实交通场景,用于测试和训练ADAS/AD系统。通过全局行动日志,能将驾驶数据转化为场景重建,车道线检测算法和多目标检测算法在仿真与现实世界的相关性测试中误差极为相近。
    的头像 发表于 05-08 16:59 2366次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>分享 | <b class='flag-5'>aiSim5</b>仿真场景重建感知置信度评估(三)

    分享|aiSim5激光雷达LiDAR模型验证方法(二)

    aiSim中的LiDAR是种基于光线追踪的传感器,能够模拟真实LiDAR发射的激光束,将会生成LASv1.4标准格式的3D点云,包含了方位角、俯仰角和距离等。aiSim能够模拟LiD
    的头像 发表于 04-24 14:58 852次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>分享|<b class='flag-5'>aiSim5</b>激光雷达LiDAR<b class='flag-5'>模型</b><b class='flag-5'>验证</b><b class='flag-5'>方法</b>(二)

    技术 |深入探讨:自动驾驶中的相机标定技术

    算法之间,是确保传感器数据准确性的基础,同时也是实现传感器融合的关键先决条件。在众多传感器中,相机以其丰富的信息获取能力和成本效益而成为自动驾驶系统中的首选。
    的头像 发表于 04-17 17:08 825次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>技术 |深入探讨:自动驾驶中的<b class='flag-5'>相机</b>标定技术

    感应传感器工作原理 感应传感器怎么安装接线的

    的工作原理和安装接线方法、感应传感器的工作原理 感应传感器的工作原理与其所测量的
    的头像 发表于 02-14 18:12 5927次阅读

    产品 | 用于ADAS和AD传感器的独立数据采集设备

    在 ADAS/AD 环境中,如果想要将原始数据与摄像头、雷达或激光雷达等传感器分离,总是会使用测量数据转换。借助MDILink,您可以获得个SerDes测量数据转换,从开发阶段和
    的头像 发表于 02-01 16:16 341次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>产品 |  用于ADAS和AD<b class='flag-5'>传感器</b>的独立数据采集设备

    产品 | 为ADAS/AD开创的次世代AutoGI仿真工具

    aiSim5作为开创性ADAS/AD仿真模拟工具,配备高度优化的传感器模拟,提供确定且可重复的环境模拟支持,为下代仿真工具设定了新的标
    的头像 发表于 01-29 17:50 631次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>产品 | 为ADAS/AD开创的次世代AutoGI仿真工具

    技术 | 自动驾驶多传感器数据融合方法

    近年来,深度学习技术在涉及高维非结构化数据领域展现出了最先进的性能,如计算机视觉、语音、自然语言处理等方面,并且开始涉及更大、更复杂的多模态信息问题。 不同传感器在进行同实验任务时,针对产生的同
    的头像 发表于 01-24 18:02 523次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>技术 | 自动驾驶多<b class='flag-5'>传感器</b>数据融合<b class='flag-5'>方法</b>

    新闻丨走进科技——您的自动驾驶解决方案合作伙伴

    面对日益增长的行业需求,虹科自动驾驶事业部正式更名为“”。这重要改变代表了虹科持续发展进程中新的里程碑,也体现了我们在自动驾驶领域不断创新的精神。
    的头像 发表于 01-19 14:49 354次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>新闻丨走进<b class='flag-5'>康</b><b class='flag-5'>谋</b>科技——您的自动驾驶解决方案合作伙伴

    加速度传感器的基本力学模型是什么

    加速度传感器的基本力学模型个受力物体的运动学和动力学模型的组合。本文将从以下几个方面介绍加速度传感器的基本力学
    的头像 发表于 01-17 11:08 1109次阅读

    产品 | 基于事件的智能数据管理平台Heex

    自动驾驶HEEX致力于ADAS和AD开发中获取针对性数据,即最相关的数据“智能数据”,采用基于事件的工作流和预设触发方法,使得工程团队能够在边缘或云端直接提取与事件相关的数据,
    的头像 发表于 01-10 17:36 378次阅读
    <b class='flag-5'>康</b><b class='flag-5'>谋</b>产品 | 基于事件的智能数据管理平台Heex