Skip to content

SIMULATION_GUIDE.md

Latest commit

 

History

History
146 lines (107 loc) · 5 KB

SIMULATION_GUIDE.md

File metadata and controls

146 lines (107 loc) · 5 KB
Raw

仿真测试指南

注意： 本文档中 scenario_runner 二进制尚未加入构建（源码在 tools/scenario_runner.c）。 当前可用的仿真入口是 flow_e2e（单进程全链路）和 flow_launcher config/pipeline.json（配置驱动）。 Carla 集成桥接 carla_bridge.py 尚未实现，此处保留为设计参考。

三层仿真体系

Layer 1: Bag 回放 (零依赖, 现在就能跑)
  → 录制数据 → 回放给算法 → 校验输出

Layer 2: 2D 运动学模拟 (轻量, 验证控制/规划)
  → 单车模型 + 简单传感器 + 场景定义

Layer 3: Carla/Gazebo (真实传感器, 完整闭环) — 待实现
  → 物理引擎 + 相机/LiDAR/雷达模型 + 3D 场景

Layer 1: Bag 回放测试

# 1. 录制场景数据
./build/bin/flow_e2e 30 &
# 数据自动写入 /tmp/flow_topology.json + bus stats

# 2. 录制到 bag
# (FlowEngine 自动通过 bag_writer_attach 录制)

# 3. 回放 + 校验
./build/bin/flow_e2e --replay scenario.bag

Layer 2: 2D 模拟器

# 内置场景: 直道 + 前车 + 行人横穿
bash scripts/demo.sh

# 或使用配置驱动启动器指定场景
./build/bin/flow_launcher config/pipeline.json

内置场景定义见 scenarios/pedestrian_crossing.json 和 scenarios/highway_overtake.json。

场景库

场景 难度 测试目标
直道巡航 ⭐ ACC 纵向控制
弯道保持 ⭐ 横向控制 + 车道线检测
前车切入 ⭐⭐ 感知跟踪 + AEB
行人横穿 ⭐⭐ 检测 + 紧急制动
高速变道 ⭐⭐⭐ 规划 + 预测 + 控制
无保护左转 ⭐⭐⭐⭐ 完整决策链路
鬼探头 ⭐⭐⭐⭐⭐ 感知极限测试

测试指标

# 每个场景跑完，自动收集:
flowctl topic stats control/cmd     # 控制指令统计
flowctl param get control.max_speed # 参数状态
grep "collision" scenario.log       # 碰撞检测
grep "timeout\|miss" scenario.log   # 超时/丢帧

快速开始

# 1. 最简单: 一键 demo (含全链路节点)
bash scripts/demo.sh

# 2. Bag 回放 (需要预先录制的 bag)
./build/bin/flow_e2e 10          # 先录制
./build/bin/flow_e2e --replay /tmp/test.bag  # 再回放

# 3. 接入算法测试
./build/bin/flow_launcher config/pipeline.json

e2e 内置 3D 场景仿真

flow_e2e 的 monitor 任务会导出真实 3D 场景到 /tmp/flow_topology.json 的 metrics.scene 字段，FlowBoard 仪表盘据此渲染真实三维场景（自车、 障碍物包围盒、LiDAR 点云），而非随机占位点。

包含的真实仿真要素：

  • 横向自行车模型：自车具备 heading / steer，转向为向目标车道的 P 控制，可演示变道（行驶到一定里程自动切到左车道再回正）。
  • ACC 纵向控制：依据与同车道前车的间距动态限制目标速度，间距越近 目标速度越低，触发真实的减速/刹车行为。
  • 动态障碍物：前车、对向来车、过街行人，具备运动学与循环边界， 使场景持续有内容。
  • LiDAR 点云：对障碍物表面 + 地面环带做光线投射后下采样，坐标位于 自车系。

一键运行（业务节点 + HTTP 桥接 + 浏览器）：

./scripts/demo_sim.sh
# 或手动:
./build/bin/flow_e2e 3600 &
python3 tools/flowboard_server.py &
open http://localhost:8800

scene 数据结构与坐标系约定详见 VISUALIZATION_ARCHITECTURE.md。 完整的离线问题根因分析与鲁棒性设计详见 E2E_SIMULATION_DESIGN.md。

场景矩阵回归（仿真即测试）

把「场景库 × 评估指标」做成一条命令的批量回归，用于替代实车路测的"验证"职能。

场景清单与回归阈值集中在 scenarios/suite.json（加场景只需改这个 JSON，无需改代码）。

# 列出套件里将运行的全部场景（不启动 demo）
python3 tools/scenario_regression.py --dry-run

# 跑整个套件，输出 PASS/FAIL 矩阵报告
python3 tools/scenario_regression.py

# 首次录制回归基线（落到 scenarios/baseline/）
python3 tools/scenario_regression.py --update-baseline

# 跑套件并与基线做数值对比，退化即 FAIL（用于回归门禁）
python3 tools/scenario_regression.py --baseline

# 只跑单个场景（按文件名去后缀匹配）
python3 tools/scenario_regression.py --only ghost_pedestrian

底层由 tools/demo_evaluator.py 逐场景执行；后者新增两个可组合参数：

  • --scenario <path>：临时把 config/pipeline.json 的 sim_world.scenario_file 指向该场景（运行后自动还原）。
  • --json-out <path>：把 {scenario, result, failures, warnings, summary} 写成机器可读 JSON，供回归矩阵聚合。

数值回归阈值支持两种门：min_ratio（当前值 ≥ 基线 × 比例）与 max_abs_increase（当前值 ≤ 基线 + 增量）。判定逻辑见 tools/scenario_regression.py::compare_summary()。