现代汽车采用复杂的传感器系统来感应其周围环境,以安全地发送警报并提供导航。此外,高级驾驶辅助系统 (ADAS) 的研发需要高水平的传感器保真度。在大力推动自动驾驶车辆的快速发展期间,将传感器保真度与不同类型的传感能力相结合是必不可少的一项核心要求。
Cognata强大的传感能力结合驾驶场景引擎,能提供必要的可变性,从而依据最新交通法规对高级驾驶辅助系统 (ADAS) 进行训练和测试,同时推进自动驾驶 (AD) 系统实现商业化部署。
Cognata的仿真模拟引擎可无缝支持多个传感器视图,以及传感器与仿真模拟的融合,以便制作和读取地图、规划路径并避开各种障碍。除了不同的传感器视图之外,还提供了其他自定义选项,如镜头畸变,灰尘和污垢,天气和光线条件等。
随着国防领域自主机器人训练的兴起,对远距(数百米和数千米)摄像机训练的需求也在急速增加。
通过对Cognata平台提供的合成数据的高超运用,并结合特定的客户需求,我们能量身定作远距摄像头的训练数据,以便为所有分类提供高效、快速的传感器训练。
车规级雷达是一个主干传感器,其特性是可以弥补部分RGB摄像头的不足,因此能与全自动驾驶车辆研发中的其他安全系统互为补充。
通过使用仿真模拟功能来训练,测试和验证雷达系统,可加快开发进程,并提供可靠的安全指标。
Cognata的雷达传感器仿真模拟可支持开箱即用的不同车规级雷达,并能够配置自定义模型。
自动驾驶激光雷达 (LiDAR) 是自动驾驶车辆预设的关键传感器系统之一,广泛用于大多数行业。
Cognata的仿真模拟能够对基于物理的激光雷达 (LiDAR) 传感器模型全面自定义,包括反射强度参数,以及对扫描模式的完全控制。
传感器模型的功能包括高级激光雷达 (LiDAR),噪声抑制,卷帘快门和反射率。
Cognata的平台主要用于越野环境,并支持使用红外 (IR) 仿真的新型热像仪。Cognata正在应用深度神经网络技术 (DNN) 技术来提高热保真度,创建热合成数据,并用于热像仪和场景的训练,测试和验证。
Cognata的热成像数据与合成数字孪生技术相结合,可全面控制和自定义场景及材料的热特性。
热像仪配备的摄像头有理想、广角,窄角,鱼眼和全景等类型。
汽车传感器会变得脏污,附着灰尘和污垢,经受雨淋或结冰、极端高温及长时间曝晒,但是仍需要无障碍运行。
虽然原始设备制造商 (OEM) 正在研发越来越复杂的工艺,以确保让传感器系统保持清洁,但仍然很重要的一点是,对汽车传感器做相应训练,以确保智能自动驾驶车辆的安全部署得以实现。
Cognata可提供数十种即用型镜头滤光片以及加载自选滤光片的选项。
除了180°全景的传统广角全景鱼眼外,Cognata的传感器仿真模拟还推出了行业独有的全景鱼眼摄像头可配置模型。
Cognata的全景鱼眼摄像头 (250°) 配备完全自定义的镜头畸变模型 (Open CV、Scaramuzza)。除了拥有全景视角外,还可提供更好的环境感知,减少潜在盲点,并能从各个方向创建盲区分屏视图。
安装在自动驾驶车辆上的摄像头被认为是最具性价比的传感器技术。这些传感器阵列可提供不同的视角,最大可达360°全景。
Cognata的平台为工业渲染、前视及后视系统、目标地面实况以及可调摄像头安装提供了最高标准,从而尽可能提供最精准的图像。
除此之外,摄像头模型也提供了理想、广角、窄角、经典鱼眼、参数化鱼眼和全景鱼眼等视角。
RGB摄像头之精密,能完全仿照如今已知的物理摄像头现象。当此类图像由安全关键型应用程序处理时,这个问题将具有相关的现实意义。
因此,广为人知的一点是,当软件和系统工程师致力于搭建弹性架构或评估应用程序稳健性时,物理镜头性能的定义和场景库对模型将极为有益。
Cognata的平台支持多项摄像头增强处理(包括眩光、运动模糊、晕影、对焦和泛光),并实现真实场景的精确仿真。