自动驾驶仿真平台

自动驾驶仿真平台

从技术上讲，这些平台主要分为两类：

第一类是基于合成的数据，对环境、感知及车辆进行模拟，这里的感知大多数是图像层面的感知，这类模拟器主要用于感知、规划算法的初步开发上，Carla、AirSim、Udacity self-driving car simulator就属于这类；

第二类是基于真实数据的回放，这里的真实数据包括图像、lidar、radar等各种传感器的数据，这类模拟器主要用于测试无人驾驶中信息融合算法以及车辆不同部件的性能，Apollo和Autoware就属于这类。

基于Unity或虚幻引擎

·         CARLA

  英特尔实验室联合丰田研究院和巴塞罗那计算机视觉中心联合发布 CALRA，用于城市自动驾驶系统的开发、训练和验证的开源模拟器，支持多种传感模式和环境条件的灵活配置，论文中详细评估并比较了三种自动驾驶方法的性能。

·         AirSim

  AirSim 是微软开源的一个跨平台的建立在虚幻引擎（ Unreal Engine）上的无人机以及其它自主移动设备的模拟器。 它支持硬件在循环与流行的飞行控制器的物理和视觉逼真模拟。它被开发为一个虚幻的插件，可以简单地放到任何你想要的虚幻环境中。

  该模拟器创造了一个高还原的逼真虚拟环境，模拟了阴影、反射等其它现实世界中容易干扰的环境，让无人机不用经历真实世界的风险就能进行训练。

  AirSim 的目标是作为AI研究的平台，以测试深度学习、计算机视觉和自主车辆的增强学习算法。为此， AirSim 还公开了 API，以平***立的方式检索数据和控制车辆。

·         Udacity self-driving-car-sim

Udacity通过开源协议授权公开了它的自动驾驶汽车模拟器，有 Unity 技术背景的任何人都可以利用此模拟器的资源，载入软件内置场景或创建自己的虚拟测试路线。这个项目的算法架构就是依据NVIDIA的那篇端到端学习的论文，利用卷积神经网络训练，项目教授了一些工程上的技巧，挑战在于优化神经网络。主要用于教授学生如何使用深度学习，训练无人驾驶汽车。

基于GTA

·         DeepDrive

加州大学伯克利DeepDrive深度学习自动驾驶产业联盟是由加州大学伯克利分校领导的研究应用于汽车领域的计算机视觉和机器学习前沿技术的产业联盟。包括了英伟达、高通、通用、福特等20家全球自动驾驶领域的企业，研究项目覆盖感知、规划决策、深度学习等自动驾驶关键领域。

·         PyGta5

·         DeepGTAV

基于机器人仿真软件

·         Morse

·         Gazebo

·         Webots

基于汽车动力学仿真软件

·         PreScan

·         Panosim

·         IPG

·         VIRES

·         SCANNeR

·         FAAC SimDriver

其他

Apollo

Apollo仿真平台提供贯穿自动驾驶研发迭代过程的完整解决方案, 内置高精地图的仿真场景、场景上传调试、智能场景通过判别系统、3D展示功能。

Autoware

Autoware是用于城市自主驾驶的开源平台，界面很有科技感，功能也很强大，支持以下功能：

3D本地化

3D映射

路径规划

路径跟随

加速/制动/转向控制

数据记录

汽车/行人/物体检测

交通信号检测

交通灯识别

车道检测

对象跟踪

传感器校准

传感器融合

面向云的地图

连接自动化

智能手机导航

软件仿真

虚拟现实