一、项目背景

智能网联汽车向高阶自动驾驶迭代，多模态传感器（如多摄像头、毫米波雷达、激光雷达）已成为环境感知系统的核心配置。硬件在环（HIL，Hardware In the Loop）仿真作为关键验证手段，需支持多传感器物理级建模，以应对复杂场景下感知算法训练、控制策略验证的严苛需求，但传统仿真技术难以满足多传感器协同仿真的效率和精度要求。

现有HIL平台在多传感器仿真中面临算力、带宽、扩展性三重瓶颈：高精度传感器模型（如4K视频流渲染、多线雷达模拟）导致算力资源紧张；PCIe总线带宽限制与接口数量不足（如单机显卡接口≤4个）引发数据同步延迟和通道数量受限，迫使车企延长30%以上验证周期，严重拖累自动驾驶研发进程。

二、多传感器注入HIL仿真系统

• 系统介绍

基于深信科创OASIS SIM构建的多传感器注入HIL仿真系统，以虚实融合架构为核心，打通从高精度场景仿真到传感器信号闭环验证的全链路。

系统以OASIS SIM为中枢引擎，联动Unreal Engine 5.5构建的毫米级逼真场景库与Carla仿真引擎的定制化开发接口，通过主从机分布式架构实现算力动态调度：主机（Master）集中管理多类型传感器协议转换与任务分发，从机（Slave）集群基于显卡并行计算完成视频流（4K@30fps/2K@60fps）、激光雷达（128线束级点云）、毫米波雷达等数据的实时渲染，最终通过视频注入板卡将HDMI/GMSL信号注入域控制器，同步支持以太网/CAN总线协议闭环反馈，形成感知层-决策层的端到端仿真验证。

• 系统核心能力

  1. 多传感器并行验证

  - 支持12路摄像头、5组毫米波雷达、3路激光雷达、12路超声波雷达数据同步注入，满足多传感器的物理级联合仿真。

  2. 弹性扩展架构

  - 主从机共享统一软件栈，支持从单机到多节点从机集群的线性扩展，算力资源利用率提升40%，软件授权成本降低60%。

  3. 工业级精度保障

  - 依托UE5.5光线追踪引擎生成4K高逼真动态仿真场景，全面支持Lumen动态全局光照与Nanite虚拟几何体技术，显著提升复杂场景的渲染效率与视觉保真度。

• 差异化优势

  1. 全栈国产化

  - 从仿真引擎、协议栈到注入板卡的全自研技术链，规避海外工具链断供风险。

  2. 生态开放性

  - 提供Python/ROS2双模API，兼容Autoware、Apollo等主流自动驾驶框架集成。

  3. AI交通流

   - 基于路采数据训练获得与人类驾驶习惯相近的AI自然驾驶模型，保证测试场景中的NPC车辆的真实性。

AI交通流示例

• OASIS SIM 自动驾驶仿真平台

  OASIS SIM自动驾驶仿真平台集成了场景生成与管理、资源管理、传感器仿真、动力学仿真、交通流仿真、数据合成、任务管理与调度、算法在环测试、测试评价与回看等模块，能够实现自动驾驶系统全生命周期的测试，在原型开发、工程化以及量产阶段发挥重要作用。

  

  1. 实现高精度场景建模与仿真

  - 基于厘米级精度路网建模引擎，构建包含车道线曲率、坡度、交通标志/标牌语义信息的多维度路网拓扑，支持直道、连续弯道、十字路口（含无保护左转）、环岛及立体匝道等复杂场景的精细化还原，路网要素几何误差＜0.1%，满足ISO 26262场景覆盖度要求。

  

  2. 提供动态场景编辑能力

  - 引入便捷的动态场景编辑工具，允许用户动态添加或调整机动车、非机动车、行人等交通参与者的行为与轨迹，支持丰富的交通场景模拟，满足复杂动态环境下的智能驾驶系统测试需求。

  

  3. 构建多维环境模拟系统

  - 依托UE5 Lumen动态全局光照与Nanite虚拟几何体技术，支持多种自然天气（如雨、雪、雾、沙尘等）和不同光照条件（如白天、夜晚及复杂光源）的模拟，为车辆感知系统测试提供真实感强的环境输入。

  

  3. 支持测试用例管理

  - 搭建完善的测试用例管理系统，支持测试用例的创建、组织、执行与结果分析。可自定义评测指标、添加评测脚本。

  

  5. 多种车载传感器仿真

  - 支持摄像头、激光雷达、毫米波雷达、超声波传感器等多类型传感器仿真，并输出高质量的仿真数据，为智能驾驶感知、决策与控制算法的研发提供精准的数据支持。

  

  6. 真实交通流与AI对抗模型

  - 构建真实世界的交通流仿真环境，模拟车辆与行人的自然行为干扰。支持AI对抗模型，符合人类激进驾驶的风格和智能性。AI对抗可持续交互，可自定义交互的范围与时间，最大交互时间大于10s。AI对抗交通流与真实交通流(NGSIM)对比，TTC分布在(2s,100s]区间内概率分布平均误差小于0.1%（以1s为刻度），在[0s,2s]区间概率增加5%以上。

• 7. 提升研发效率与测试覆盖率

       - 通过先进的仿真技术和灵活的配置能力，大幅提升智能驾驶功能的研发效率和测试覆盖率，助力相关技术的快速迭代与成熟应用。

• 应用价值

  本项目的成功实施将显著提升智能网联汽车技术研发的精度与效率，为系统级功能验证和算法优化提供可靠的基础设施，为智能驾驶技术的推广与落地提供有力保障。

• 用户案例

                        

END

往期推荐:

OASIS SIM 3.5.0 重磅更新！针对Unreal Engine 5.5 渲染引擎进行全面升级！

一文看懂 | OASIS SIM V3.0交通流如何为自动驾驶算法提供CornerCase挑战

一文看懂 | 如何用OASIS SIM V3.0进行高阶智驾的硬件在环（HIL）测试

一文看懂 | 如何用OASIS SIM V3.0进行ADAS功能场景和准入测试