引言随着房车经济、户外出行与商用转运的兴起乘用车拖挂场景正变得日益普遍对拖挂场景仿真算法的真实落地验证提出更高要求。此前康谋已发布《拖车联调实战用aiSim打通车辆-拖挂仿真闭环》详细介绍了aiSim在拖车资产建模、耦合装配与动力学验证方面的底层能力。但仅有高保真动力学模型还不足以支撑算法闭环开发。实车测试获取拖车铰接角存在误差大、危险工况难以复现等痛点传统仿真大多只能输出理论真值缺少贴近真实传感器的角度数据。为了针对性解决这一痛点康谋聚焦传感器层面的联调验证搭建完整的拖车角度感知数据链路。本文作为系列第二篇将详细解读康谋的实现思路、方案设计与阶段性成果。一、拖挂仿真的感知数据瓶颈拖挂 ADAS 仿真已经跨过 “能否搭建拖车模型” 的初级阶段在项目落地过程中感知数据的缺失成为研发验证的核心瓶颈。从实车研发角度看想要精准采集拖车相对主车的铰接角存在不少工程难点球铰结构自带装配间隙挂车载荷变化、结构形变都会持续引入测量误差车载传感器需要投入大量人力反复标定高速拖摆、折叠失稳这类TSC核心验证工况实车测试风险高、随机性强很难稳定复现边界工况的算法验证难以落地。而传统仿真方案大多只实现车辆运动可视化输出的角度数据只是纯理论真值没有经过传感器模型的渲染与采集和真实车载感知的输出逻辑脱节。这会带来两个直接的工程问题感知算法缺少带角度标注的高质量仿真数据用于模型训练与精度测试TSC、拖挂 AEB、拖车倒车辅助等规控算法无法在仿真环境完成真实闭环调试。简单来说动力学模型决定拖挂仿真 “物理是否真实”传感器层面输出的角度数据决定这套仿真系统能不能真正用于算法落地验证。目前康谋aiSim传感器角度方案已经在多个客户拖挂ADAS仿真项目中开展联调试用有效解决算法闭环缺少可靠角度输入的痛点。二、拖车铰接角拖挂场景核心输入拖车相对主车的航向角本质上是牵引车纵轴线与挂车纵轴线在水平面内的夹角工程上通常称为铰接角articulation angle。这一参数是拖挂场景各类 ADAS 功能的核心输入直接决定控制算法的表现拖车稳定控制TSCTSC系统的核心目标是抑制高速拖摆snaking与折叠失稳jack-knifing而控制算法的首要输入就是实时的铰接角及其变化率。只有准确感知拖车相对主车的偏转程度系统才能判断风险等级并触发单侧制动或扭矩干预。带拖车的车道保持LKA与自动紧急制动AEB挂载拖车后整车轨迹与单车状态完全不同——拖车的实际行驶轨迹与主车轨迹之间存在内轮差效应。ADAS功能必须基于拖车角度信息才能正确预测挂车扫掠路径避免误判或干预时机偏差。拖车倒车辅助与自动泊车倒车工况下主车转向与拖车偏转之间存在非线性的反相对应关系精确的铰接角反馈是闭环控制的前提。在仿真环境中铰接角还有一层独特价值它可以作为算法验证的 标准答案ground truth用来量化评估感知算法精度。因此如何在仿真中构建出可输出、可标定、可复现的拖车角度数据链路就成为拖车场景仿真验证的关键环节。三、传感器级拖车角度感知方案aiSim平台内置了高保真的相机传感器模型能够按照物理成像原理逐帧渲染前方场景并输出基于语义标注的目标检测结果。围绕获取拖车相对主车角度这一目标我们设计了一套完整的传感器方案在拖车后方布置一台与主车航向角严格对齐的虚拟相机通过该相机输出的3D包围盒数据直接提取拖车航向角。2.1 传感器布置方案这套方案的核心思路是既然我们关心的是拖车相对主车的角度那么就在主车坐标系下设置一个参考观测点直接测量拖车在这个参考系中的偏转程度。具体布置方式为虚拟相机安装位置位于拖车后方与主车保持刚性连接随主车一起运动相机光轴方向与主车纵轴线航向角严格对齐即相机坐标系的X轴与主车前进方向完全一致在这种布置下相机输出的拖车3D BBox yaw角在几何上就直接对应拖车相对主车的航向偏差——也就是我们需要的铰接角。这张透视图可直观看到主车白色 SUV与后方平板拖车的组合形态以及相机视锥范围。aiSim支持切换侧视图、俯视图、前视图多视角联合校验车辆、拖车与相机的空间位置。这种多视角联合校核的能力是aiSim开放编辑环境的重要优势——传感器布置的准确性可以在多个正交视角下逐一确认避免安装偏差。2.2 BBox数据输出与实现原理在上述传感器布置完成后当相机视场内包含拖车目标时aiSim相机传感器会为该目标物逐帧输出完整的3D包围盒属性。这些属性不仅包含包围盒的三维尺寸extent与中心位置origin还包含了目标物在相机坐标系下的姿态角——其中​​bounding_box_3D_yaw_deg​​字段即为拖车相对相机光轴方向的偏航角Yaw数值。相机传感器逐帧输出的3D BBox JSON数据红框标注yaw角字段如图可以看到每一帧的检测结果中都完整记录了目标的asset名称UtilityTrailer_Hull、三维包围盒尺寸、中心坐标以及俯仰角、翻滚角、偏航角等姿态参数。通过脚本逐帧提取​​bounding_box_3D_yaw_deg​​字段我们就能够获得一条连续的拖车角度时间序列。2.3 角度变化曲线解读与当前效果基于该方案我们通过脚本对一段典型仿真场景进行了数据采集输出了拖车3D偏航角随帧号变化的完整曲线。UtilityTrailer拖车3D偏航角随时间变化曲线仔细解读这条曲线可以观察到几个典型的动力学特征直行稳定段在帧号约0-500的区间内拖车角度基本维持在0度附近仅有小幅抖动对应车辆在直道上匀速行驶的状态拖车与主车基本保持同向。首次大幅偏转帧号约500-750区间拖车角度出现了一次接近-22度的大幅负向偏转随后迅速回正——这对应了一次较剧烈的转向或变道工况拖车因惯性产生明显滞后偏转。小幅修正段帧号约750-1100区间角度在0度附近出现几次小幅度波动±5-10度对应车辆完成转向后进行方向修正的过程。长直行段帧号约1100-1500角度再次回归接近0的稳定状态。二次大幅拖摆帧号1500之后拖车角度出现了正负交替的振荡最大振幅接近-30度——这对应了高速工况下触发的拖车摆振snaking现象是TSC控制功能的核心验证场景。从目前的验证结果来看该方案已经能够获得基本符合物理趋势的拖车角度变化曲线——角度变化的方向、相对幅度与工况特征均与预期一致充分验证了aiSim中拖车动力学模型与传感器输出之间的一致性。同时我们也认识到当前阶段的局限性由于相机坐标系与主车坐标系的对齐标定尚未完成目前还无法直接确认BBox输出角度绝对值的准确性后续需进一步标定验证。四、总结从传感器布置到BBox数据提取aiSim在拖车联调中已经构建起了一条完整的拖车角度感知数据链路。这条链路的价值体现在三个层面感知算法验证拖车目标检测与跟踪算法可以在仿真中获得带量化角度标注的训练与测试数据控制算法开发TSC、倒车辅助等需要铰接角作为输入的控制算法可以直接使用仿真输出的角度信号进行闭环开发仿真可信度验证传感器输出与物理模型之间的一致性反过来也校验了拖车动力学模型的可信度。此前康谋发布的《拖车联调实战用aiSim打通车辆-拖挂仿真闭环》详细介绍了aiSim在拖车资产建模、耦合装配与动力学验证方面的底层能力。本次传感器层面的角度输出验证是该技术链路在感知与控制侧的自然延伸——至此aiSim已经初步形成了资产建模—动力学仿真—传感器输出—数据量化的拖车仿真完整闭环。后续团队将进一步推进角度标定工作持续提升BBox输出角度的绝对值精度并扩展到激光雷达、毫米波雷达等更多传感器模态为带拖车场景的ADAS功能验证与自动驾驶算法开发提供更全面、更可靠的仿真数据支撑。康谋以数据为核心驱动力提供覆盖智驾研发测试全流程的工具链、集成方案与可落地的工程服务。如果你也正在为数据闭环的某个环节发愁——无论是多传感器时间同步、数据管理还是仿真验证的可信度问题欢迎找我们聊聊。