aiSim中的LiDAR是一種基于光線追蹤的傳感器，能夠模擬真實LiDAR發(fā)射的激光束，將會生成LAS v1.4標準格式的3D點云，包含了方位角、俯仰角和距離等。

aiSim能夠模擬LiDAR單態(tài)（Monostatic）和同軸（Coaxial）配置。在aiSim中，LiDAR仿真是將模型建為在某個方向上發(fā)射單束光線的點光源，因此，單束光線承載了激光的全部功率。

一、與不同形式降水的相互作用

LiDAR傳感器與不同形式的降水有相互作用：

1、雨天

aiSim的LiDAR模型不會將雨滴視為影響激光反射的幾何形狀，而是基于強度和3D坐標，添加噪聲，從而模擬降雨對于ADAS中LiDAR性能的衰減。

對于雨天的衰減，主要使用公式：

e^(-2·R·γ)

其中R是接收器到物體的距離；γ為大氣消光系數(shù)，晴天則為0。

2、霧天

aiSim在仿真中設(shè)定“濃霧”中水滴半徑為5μm，可調(diào)整空氣中水滴的數(shù)量來控制霧氣的大小，同樣采用了與雨天相同的衰減公式。

3、雪天

aiSim仿真的激光光束一旦擊中雪花時，aiSim AIR引擎就會計算返回光束的強度?？紤]雪花表面的不規(guī)則性，其將會被視為白色漫反射模型，將會導致光束在多個方向上散射，從而影響返回信號的強度和質(zhì)量。

二、與不同材料的相互作用

aiSim的基于物理的LiDAR模型還會和不同的材料具有相互作用，與Filament相似，能夠提供高度真實和準確的光線與材質(zhì)交互模擬結(jié)果。

考慮到不同材料的反射率（反照率）不同，許多材料的反照率數(shù)據(jù)并不都是在905nm波長下測量的，因此aiSim將反照率值基于pbrt-v3模型轉(zhuǎn)換成720nm的波長，接近于905nm。

對于安全交通標識和和車道線等具有回歸反射（Retro-Reflective）特性的材料來說，能夠?qū)⑤椛淠芰拷^大部分直接反射回接收器。當LiDAR的光束擊中這類表面時，信號損失非常小。

因此，在aiSim的LiDAR傳感器輸出的點云強度中，強度值[0-100]之間為Lambertian（朗伯）值，而[101-255]則代表回歸反射的目標。如圖：當值大于100時，車道顯示為紅色。

同時，aiSim也提供了豐富的材料庫，對于大多數(shù)3D數(shù)字資源來說，可以通過aiSim提供的回歸反射材料，將其附著在3D模型上來實現(xiàn)逆反射的效果。除逆反射外，aiSim也提供BRDF材料蒙版，即基于雙向反射分布函數(shù)的反射材料，讓不同的3D模型就有不同程度的回歸反射特性，在不同區(qū)域上實現(xiàn)實現(xiàn)不同的光學行為。

由于在大多數(shù)圖像處理系統(tǒng)中，紅色通道是最容易區(qū)分和處理的通道，因此aiSim在紅色通道表示回歸反射的特性，將[0-255]劃分成不同的部分來表示：

[0-15]：基礎(chǔ)反射，表示材料的基礎(chǔ)反射性，即漫反射特性，遵循朗伯特定律，適用于大多數(shù)普通表面，如墻壁等。

[16-32]：回歸反射，表示材料具有逆反射特性，允許光線沿著接近入射角度相反方向反射回去，適用于交通標志，施工標志，車道線等。
[32-64]：清漆（透明）層，表示材料物體的材質(zhì)將會模擬出光滑有光澤的表面，通常應用于在汽車表面，塑料制品等具有透明保護層的3D模型。

三、實際應用

在實際應用中，通過場景重建可以比對驗證aiSim中LiDAR模型的置信度：

1、高速公路場景點云

紅色點云為aiSim仿真場景中LiDAR輸出結(jié)果，綠色點云為真實世界中LiDAR點云數(shù)據(jù)，仿真點云的總體形狀與真實數(shù)據(jù)非常接近。

2、點云細節(jié)對比

• 在同一車道中，遠距離外部車輛的點云數(shù)據(jù)與實際情況非常接近。

當然，在一些場景下，真實的激光雷達（綠色）激光束穿透玻璃表面的比例高于仿真（紅色）的結(jié)果。

以上就是驗證aiSim激光雷達LiDAR模型的驗證方法。

作者介紹

崔工

康謀科技仿真測試業(yè)務技術(shù)主管，擁有超過5年的汽車仿真測試及自動駕駛技術(shù)研發(fā)經(jīng)驗，熟練掌握仿真測試工具和平臺，如aiSim、HEEX等，能有效評估和優(yōu)化自動駕駛系統(tǒng)的性能和安全性。擁有出色的跨文化溝通能力，成功帶領(lǐng)團隊完成多項海外技術(shù)合作項目，加速了公司在自動駕駛技術(shù)上的國際化進程。作為技術(shù)團隊的核心，領(lǐng)導并實施過大規(guī)模的自動駕駛仿真測試項目，對于車輛行為建模、環(huán)境模擬以及故障診斷具有獨到見解。擅長運用大數(shù)據(jù)分析和人工智能技術(shù)，優(yōu)化仿真測試流程，提高測試效率和結(jié)果的準確性。