摘要：

aiSim5可以實時模擬復雜的傳感器配置，在多GPU分布式渲支持的支持下，aiSim可以渲染20多個攝像頭、10多個雷達和10多個激光雷達在同一環(huán)境下運行。aiSim5的實時渲染引擎能夠滿足對物理精確環(huán)境和天氣模擬的所有要求，具有決定性和可重復性。

圖1：重建場景

圖2：真實場景

aiSim5基于物理的相機模型將會通過以下方法驗證其與真實世界的相關性。

一、光照度測試

aiSim 擁有內(nèi)置的光照度傳感器，因此可以使用光照度傳感器對aiSim的照明模型和材質(zhì)進行端到端的驗證。

1、例1：在 aiSim 中重新模擬一個高速公路場景，并匹配相應的天氣效果。

目前我們已經(jīng)使用安裝在數(shù)據(jù)收集車的頂部的光照度傳感器進行了測量，如圖3展示的2023年6月光照度變化圖。圖3中的尖峰代表陰影區(qū)域，其他變化則是由移動的云層引起的。

圖3

目前正在 aiSim 中重建這一場景并測試這一光照度測量結果。

2、例2：驗證人工照明模型以及aiSim車庫地圖的相關性時，可以在車庫使用匹配的光照屬性進行重新模擬，aiSim 中會產(chǎn)生相似的結果。

圖4：真實世界中進行傳感器標定的場景

圖5：aiSim中搭建的用于相機標定車庫場景

二、色彩校準測試

圖6

圖7

在進行相機圖像匹配時，使用Color Correction Matrix (CCM) 是一種有效的方法，可以通過對已知相機拍攝的參考照片和aiSim渲染的Macbeth色板圖表進行比較來計算CCM。步驟如下：

• 準備參考照片：首先，需要一張使用已知相機拍攝的Macbeth色板的照片。Macbeth色板是一個標準化的顏色樣本集，通常用于色彩管理和校準。

• 獲取aiSim渲染的Macbeth色板：接著，你需要在aiSim中創(chuàng)建一個Macbeth色板的渲染圖。確保渲染環(huán)境的光照條件與參考照片盡可能一致，以便更準確地匹配顏色。

• 應用CCM：計算出CCM后，aiSim可以將其應用于aiSim的圖像輸出，進行顏色校正。

• 驗證和調(diào)整：應用CCM后，比較aiSim輸出的顏色與參考照片的顏色。如果存在差異，可能需要進一步調(diào)整CCM的參數(shù)或重新計算，直到達到滿意的匹配效果。

通過這種方法，可以確保aiSim的輸出顏色與實際拍攝的照片顏色盡可能一致，從而提高圖像的真實性和準確性。

三、離線仿真器驗證

也可以采用基于物理的渲染（PBR）離線渲染器進行比較，以下是詳細的驗證步驟：

• 構建相同樣本場景：在aiSim和參考渲染器中構建相同的樣本場景。這包括場景中的所有物體、材質(zhì)、光照條件等，以確保兩個環(huán)境中的變量盡可能一致。

• 使用相同的相機參數(shù)：使用相同的相機外部參數(shù)（extrinsic）和內(nèi)部參數(shù)（intrinsic）來拍攝場景。外部參數(shù)涉及相機在世界空間中的位置和方向，而內(nèi)部參數(shù)則包括焦距、畸變等相機的屬性。

• 進行HDR或LDR驗證：無論是高動態(tài)范圍（HDR）還是低動態(tài)范圍（LDR）驗證，都可以用于比較兩個渲染器生成的圖像。選擇哪種驗證方式取決于場景的光照條件和所需的驗證精度。

• 比較生成圖像的差異：對aiSim生成的圖像和參考渲染器生成的圖像進行比較?？梢酝ㄟ^視覺檢查或使用圖像分析工具來量化差異，如計算顏色偏差、亮度對比度等。

• 多場景驗證：通過多個不同的場景來驗證系統(tǒng)的不同部分，例如只驗證人工光源，或者只驗證天空和太陽的效果等?？梢詭椭R別和隔離特定問題，提高驗證的針對性和效率。