面向未来的自动驾驶仿真解决方案
传统的道路和轨道测试成本高且耗时长。OPAL-RT的仿真系统将物理试验台迁移到仿真平台上,克服了交通行业在测试自动驾驶汽车时面临的障碍。OPAL-RT系统灵活度高,从数据融合、深度学习到LIDAR等新的传感器,我们能够在产品研发的各个阶段帮助工程师们轻松集成自动驾驶领域的各项新技术。
OPAL-RT不仅向大学、研究实验室和初创企业提供入门级系统,而且还为采用高级驾驶辅助系统(ADAS)和自动驾驶(AD)系统的汽车行业核心领域提供最先进的产品和服务。包括:
OPAL-RT提供X在环(X-in-the-loop)仿真技术,助力工程师们在开发周期的每个阶段加速验证。
在下方的网络研讨会中,我们深入研究了实时仿真的作用,通过将物理测试平台迁移到仿真平台上,克服汽车行业在测试自动驾驶车辆控制和ADAS时所面临的障碍。
仿真多个传感器(如摄像头、GNSS、激光雷达和毫米波雷达),以估算3D环境中的距离、速度和其他数据。此外,结合这些不同来源的数据,可做出预测或决策。
通过仿真深度学习模型,降低风险并加快上市时间。OPAL-RT的解决方案帮助工程师们提高车辆读取和检测行人、环境标志及物体的准确性。
RT-LAB是一种一体化测试环境,能够实现模型与现实世界的交互,在虚拟环境中完成自动驾驶汽车的设计、集成、测试和验证,以节约成本、加快上市时间和降低项目的内在风险。
RT-LAB无缝集成MATLAB/Simulink®,CARLA, PyTorch和其他第三方软件,轻松应对应用复杂性挑战,帮助工程师们快速进行开发和验证。
RT-LAB强大的框架可实现:
更好的模型集成意味着更好的性能。RT-LAB包含一个简单的协同仿真工具箱(Orchestra),能够集成来自不同编程语言和供应商的模型。
使用CARLA探索开放的数字资产(城市布局、建筑、车辆)。它支持灵活规范的传感器套件、环境条件、静态/动态行为者的全面控制和地图生成等。
利用PyTorch提高深度学习模型的性能。机器学习框架可为用户提供丰富的工具和模型库生态系统,以加速原型研究到生产部署的进程。
OPAL-RT推出的OP5042XG是一款经济适用的高性能数字仿真器,帮助从事自动驾驶汽车设计、集成、测试和验证的工程师及研究人员应对日渐严苛的仿真挑战。
硬件概览
自动驾驶车辆平台(OP5042XG)与各种实时仿真器平台兼容,用户可轻松扩展I/O或通信网络。
OP5707XG配备了32个最新Intel® Xeon®处理核以及Xilinx® Virtex®-7 FPGA,提供无与伦比的性能并支持光纤连接以满足顶级要求。
连接I/O和多个传感器,如摄像头、GNSS、激光雷达和毫米波雷达。OPAL-RT系统兼容各种NI的PXI和PXIe机架,用于自动化测试和自动化测量应用。
RT-LAB的协同仿真工具箱Orchestra提供了大量的仿真工具,并将其测试集成到智能车辆解决方案中。OPAL-RT将来自不同编程语言、供应商的模型进行了专业集成,扩展了用户系统的功能,以满足更多个性化的定制需求。