目标级传感器详解

1. 概述¶

目标级传感器（Object-level Sensors） 是 SimOne 仿真平台中的重要组成部分。与输出点云或图像的原始数据传感器不同，目标级传感器直接输出经过处理的、结构化的障碍物列表（Object List）。

SimOne 支持目标级传感器如下：

传感器类型	输出数据	核心特性	适用场景
理想传感器 (Ideal)	绝对精准的障碍物列表	无误差、支持遮挡剔除	验证决策规划算法的基准逻辑 (Ground Truth)
摄像头 (Camera)	模拟视觉识别后的目标列表	支持距离/尺寸误差模型	测试基于视觉感知的下游算法鲁棒性
激光雷达 (Lidar)	模拟雷达点云聚类后的目标	支持环境干扰、点云噪点模拟	测试在恶劣天气或传感器抖动下的算法表现
融合传感器 (Fusion)	多传感器融合后的结果	模拟多传感器时空同步与融合逻辑	验证前融合/后融合算法的系统级表现

2. 理想传感器¶

2.1 概述与数据输出¶

理想传感器用于模拟“上帝视角”的感知能力，能够返回主车探测范围内绝对精准的障碍物信息（机动车、行人、交通设施等）。

核心用途：作为决策规划算法（Planning）的真值（Ground Truth）基准输入。
数据输出：
- 物理属性：位置、朝向、包围盒、速度、加速度、角速度。
- API 获取：通过 SimOneAPI:GetSensorDetections 直接获取结构化列表。

2.2 核心参数说明¶

理想传感器虽默认输出真值，但支持通过以下参数配置物理特性的模拟（如遮挡）或人为注入故障（Error Injection）。

ID	参数项	说明
1	遮挡剔除 (Occlusion Culling)	功能：模拟真实物理视线，自动过滤被建筑物或前车遮挡的目标。配置： • Enable：开启/关闭遮挡计算。 • Ratio [0.0-1.0]：遮挡阈值。例如设为 `0.8`，则目标被遮挡超过 80% 时即被视为“不可见”而不输出。
2	感知误差 (Error Simulation)	功能：用于测试算法在传感器数据不准时的鲁棒性。注意：本功能复用激光雷达的误差模型。具体参数（如位置、速度、角度误差等）请直接参考 [4.1 激光雷达-感知误差] 章节进行配置。

3. 摄像头（Camera）目标级仿真功能说明¶

与激光雷达目标级仿真相似，摄像头目标级仿真是基于真实目标检测模型的检测结果进行模拟仿真的，其环境感知因子与目标参数因子是通过真实目标检测结果而统计的调节因子。当仿真目标所受影响因子发生变化时，目标被检测的置信度会随之改变。此外感知误差主要调节目标的抖动噪声。目标级摄像头同时支持车道线仿真，支持车道线的抖动和误差设置。与激光雷达相同的影响因子有环境影响因子、遮挡影响因子、感知误差，上面已经进行了详细的描述，这里不在诠释。下面主要介绍下目标尺寸对得分的影响。

3.1 目标尺寸影响因子¶

该因子反映了真实的目标检测模型中目标尺寸与目标置信度之间的关系，使得当目标尺寸影响因子发生改变时，目标的置信度会随之发生相应的变化。

3.2 配置说明¶

直接拖入目标级摄像头，并配置相关参数。

4. 激光雷达（Lidar）目标级仿真功能说明¶

Lidar 目标级仿真支持通过感知环境影响因子和感知误差来调节目标的输出信息。其中感知环境因子由环境参数因子和目标参数因子组成，主要仿真目标所处的环境改变时，目标被感知算法识别的得分。感知误差主要用来调节目标的抖动噪声。

4.1 感知误差¶

感知误差包括目标位置误差、目标速度误差、目标角度误差，主要用来仿真目标在真实环境中的实际抖动。

目标位置误差：主要指的是雷达测量的目标位置与目标实际位置之间的误差。
目标速度误差：主要指根据雷达数据并结合相关算法算出来的速度与目标真实速度之间的误差。
目标角度误差：主要指根据雷达数据并结合相关算法算出来的目标相对于雷达的方向角与真实目标与雷达方向角之间的误差。

4.2 感知环境影响因子¶

在 Lidar 目标级仿真中，关注的目标主要分为六大类：小汽车、卡车、大巴、两轮车、人、交通标志。其中两轮车包括自行车和电动车，行人包括行人和骑行的人，交通标志包括交通牌、交通灯和路边临时交通设施等。对于每类目标，都有 3 种影响因子用来调节目标识别的置信度，同时设置了置信度阀值，可以用来判定目标是否被识别出来并用来计算漏检率。除此之外，还支持雨雪雾等特殊天气的环境影响因子对目标的识别影响的调节。

4.2.1 环境参数影响¶

环境影响因子目前已支持雨、雪、雾三种环境。当用户在用例配置中设置好需要的环境后，此时对应的雨、雪、雾环境因子开始起作用。默认值为 0.5，随着天气状况越来越复杂（例如雨越下越大），由于此时环境对雷达激光线的吸收和散射作用变大，激光线相比于正常天气时打的点变少，此时仿真输出的目标可能性（probability）逐渐下降，当可能性（probability）下降到小于目标的阈值（threshold）时，此时仿真不会输出目标的信息。

4.2.2 目标参数影响¶

在 Lidar 目标级仿真中，关注的目标主要分为六大类：小汽车、卡车、大巴、两轮车、人、交通标志。对于每类目标，分别设置了朝向、遮挡、距离三种影响因子用来仿真实际目标在这三种环境下的感知得分，同时设置了置信度阀值，可以用来判定目标是否被识别出来。

4.2.2.1 朝向影响因子¶

这里的朝向定义为激光雷达主车的前进方向和主车与目标径向之间的夹角，如下图所示。当目标的朝向发生改变时，此时会影响激光雷达打到物体上点的个数，此时目标被感知算法感知的得分也会相应地发生变化，相对应的仿真输出的目标置信度也跟着变化。

4.2.2.2 遮挡影响因子¶

遮挡定义为采用某种采样算法，激光雷达实际打到的目标点数与无遮挡时激光雷达打到目标点数的比值。遮挡越大，打到的点越少，感知算法感知的得分就越小，相应地目标级仿真输出的目标可能性（probability）就越小。

4.2.2.3 距离影响因子¶

距离定义为激光雷达中心与目标中心的距离。随着距离的增大，目标距离雷达越远，由于远处是激光雷达垂直角较大时打到的点，故与近处相比，点之间的距离增大，同一物体打到的点相应地变少。因此随着距离的增大，仿真输出的目标可能性（probability）逐渐下降。

4.2.2.4 置信度¶

置信度主要用来调节目标的误检率。

当仿真输出的可能性（probability）小于置信度时，此时目标信息不会输出。

与此相反，如果仿真输出的可能性（probability）大于置信度时，此时目标信息会正常输出。

4.3 配置说明¶

直接拖入目标级激光雷达，并配置相关参数。

5. 融合（Fusion）目标级仿真功能说明¶

与激光雷达目标级仿真、摄像头目标级仿真相似，融合目标级仿真是基于真实目标检测模型的检测结果进行模拟仿真的，其环境感知因子与目标参数因子是通过真实目标检测结果而统计的调节因子。当仿真目标所受影响因子发生变化时，目标被检测的置信度会随之改变。此外感知误差主要调节目标的抖动噪声。与激光雷达相同的影响因子有环境影响因子、遮挡影响因子、感知误差，上面已经进行了详细的描述，这里不在诠释。下面主要介绍下目标位置和目标三维尺寸对得分的影响。

5.1 目标位置影响因子¶

该因子反映了真实的目标检测模型中目标位置与目标置信度之间的关系，使得当目标位置影响因子发生改变时，目标的置信度会随之发生相应的变化。

5.2 目标三维尺寸影响因子¶

该因子反映了真实的目标检测模型中目标三维尺寸与目标置信度之间的关系，使得当目标三维尺寸影响因子发生改变时，目标的置信度会随之发生相应的变化。

5.3 配置说明¶

融合目标级传感器的主车配置会与雷达和摄像头目标级传感器有所不同，配置方法如下：

选择主车后，即可配置融合目标级传感器：

选择传感器资源库。
将 目标级传感器 拖入主车。
添加融合传感器组。
选择需要进行融合的目标级传感器加入融合组。
保存配置。

5.4 建立融合传感器组¶

将多个目标级传感器 拖入视窗中，相关传感器会自动加入到目标级融合传感器中。

融合传感器组

将来自多传感器或多源的信息和数据以一定的准则进行自动分析和综合，以完成所需的决策算法感知。

添加融合组

在左侧的资源列表，点击 资源列表 -> 目标级传感器 文件夹右侧的添加 +融合组 按钮，可在资源列表下继续增加下一个融合组。

添加完融合组后，可将目标级传感器拖入到融合组中，即可将拖入的传感器组合成另一个传感器组。

5.5 设置融合传感器组参数¶

选中左侧资源列表中的目标级融合传感器，可在右侧 传感器参数设置 中设置融合传感器的参数，包括融合传感器的频率、探测范围、是否包含 ID 抖动、非标障碍物出现频率、感知误差和感知环境因子。