感知系统触发场景获取及潜在危害分析-CAICV_24页_3mb

感知系统触发场景获取及潜在危害分析总结

核心内容

本文档主要分析了自动驾驶车辆中感知系统在无软硬件故障情况下无法实现预期功能的问题，并提出了基于数据驱动的逻辑场景获取与加速测试方法。重点研究了触发条件的分析、风险评估、场景搜索算法、错误注入测试等关键技术，旨在支持SOTIF（预期功能安全）认证和测试的标准化。

主要观点

1. 感知系统性能局限：感知系统和复杂算法的引入导致自动驾驶车辆在无故障情况下也可能出现功能失效。
2. 触发条件分析：触发条件是预期功能安全问题的主要来源，需要系统化分析其暴露率、穿透率和危害率。
3. 数据驱动场景获取：通过收集真实场景数据并参数化存储，实现对触发场景的识别与分类。
4. 场景加速测试：为应对庞大的测试场景数量，提出基于场景泛化和搜索算法的加速测试方法。
5. 错误注入测试：通过模拟非理想感知条件，探索感知系统的安全边界并评估其在不同场景下的性能。

关键信息

1. 触发场景分类

• 切入（Cut-in）：车辆从侧后方切入自车车道。
• 切出（Cut-out）：车辆从自车车道切出。
• 前车制动：前车突然减速或制动，导致自车需要紧急反应。

2. 场景参数定义

3. 场景搜索与测试

• 场景搜索算法：采用贝叶斯优化和粒子群算法进行场景搜索，以提高测试覆盖率。
• 测试覆盖率评估：使用Recall、Precision和F1指标评估场景搜索的有效性。
• 测试规模：若按常规测试方法，需运行699840个场景，耗时5832小时；通过场景泛化，仅需测试1728个场景。

4. 风险评估方法

• 风险等级评估公式：$ R = f(P, S) $，其中P为危害发生的概率，S为危害的严重性。
• 暴露率（E）：根据ISO 26262标准，分为E1~E4等级，分别对应非常低概率、低概率、中等概率和高概率。
• 危险度（S）：根据ECE R157标准，分为S0~S3等级，分别对应无危害、碰撞（前、后）、碰撞（侧）和无交互。
• 三维风险评估方法：结合暴露率、穿透率和危害率，形成更全面的风险评估体系。

5. 错误注入测试

• 错误注入类型：
  • 漏检：感知系统未能检测到目标。
  • 误检：感知系统错误识别目标。
  • 测距不准：纵向和横向测距误差。
• 错误注入工具：团队自研工具，模拟非理想感知条件。
• 故障注入边界分析：通过注入不同时间的错误，评估是否会导致碰撞，确定感知系统的安全边界。

主要研究内容

1. 逻辑场景的获取与加速测试

• 通过场景定义、参数提取和场景泛化，获取触发场景并进行加速测试。
• 使用SIL和HIL仿真平台，进行场景测试与评估。

2. 触发条件分析与风险评估

• 定义触发条件的关键变量（如相对速度、距离、横向运动等）。
• 评估触发条件的暴露率、穿透率和危害率。
• 建立触发条件的分类体系，为测试与评估提供依据。

3. 场景搜索算法

• 贝叶斯优化：内核选择为5/2内核，迭代400次。
• 粒子群算法：初始粒子数为20，迭代次数为20，最大速度为0.1。
• 通过算法优化，挖掘潜在的bad case，提高测试覆盖率。

4. 错误注入与性能边界探索

• 漏检场景：如自车接近前车时丢失感知目标。
• 误检场景：如误将静止车辆识别为障碍物。
• 测距误差场景：分析不同距离下的纵向和横向测距误差对系统的影响。

未来计划

1. 深化SOTIF测试与评估：继续完善感知系统在预期功能安全方面的测试与评价技术方案。
2. 标准化测试流程：对触发条件进行规范化和标准化，提高测试的可重复性和可靠性。
3. 环境复现研究：研究触发条件在不同环境下的复现可靠性，确保测试的真实性和有效性。
4. V2X触发条件测试：基于场地实验，开展V2X系统的触发条件测试与评估工作。

附录

• 触发条件数量：共105条感知系统触发条件和32条V2X系统触发条件。
• 测试指标：
  • Recall：$ \frac{TP}{T} $
  • Precision：$ \frac{TP}{TP + FP} $
  • F1：$ \frac{2 * Recall * Precision}{Recall + Precision} $
• 危害率等级：
  • 1: [0, 0.2)
  • 2: [0.2, 0.4)
  • 3: [0.4, 0.6)
  • 4: [0.6, 1]

结论

本文围绕自动驾驶感知系统触发场景的获取与潜在危害分析展开，提出了一套系统化的研究框架，包括场景定义、参数提取、场景搜索、错误注入和风险评估等环节。通过这些研究，旨在提高自动驾驶系统的安全性，支持SOTIF认证，并推动测试与评估的标准化。