产品详细介绍

成果创新点 应用领域包括国防军事、汽车工业、机械故障诊断、 自动化生产线、能源化工、生物医学、体育运动等。 研制完成多种高速图像处理器件，并在短时曝光技术、 大容量数据高速传输存储技术、图像增强、视觉跟踪、图 像分割、三维测量等方面取得前沿技术突破，目前高速视 觉系统性能指标为 100 万像素 20000 帧/秒，最高帧率 100 万帧/秒，最大回传速度 20Gb/s、最远回传距离 40km。

研制完成多种高速图像处理器件，并在短时曝光技术、大容量数据高速传输存储技术、图像增强、视觉跟踪、图像分割、三维测量等方面取得前沿技术突破，目前高速视觉系统性能指标为 100 万像素 20000 帧/秒，最高帧率 100万帧/秒，最大回传速度 20Gb/s、最远回传距离 40km。

视觉打标系统是通过给激光打标机装上眼睛（工业相机），从而让激光可以准确知道工件的位置信息，当工件位置出现偏差时，视觉系统可以自动修正工件的位置信息，使得工件被正确加工。加装系统后可提升产能100%-300%，减少人工成本40%-60%，定位精度达0.05-0.15mm。适用于汽车零部件、3C数码、医疗器械、生物医药、五金工具、精密仪器、半导体元器件、服装辅料、家用电器、工艺礼品、珠宝首饰等行业。

随着我国高速铁路的不断发展，应用在高速环境下的移动通信系统日 渐成为研究的热点。从系统设计的角度来看，信道估计可以看作一个系统状态 估计问题，信道响应是系统中的状态变量。若将时域变化的信道看作是一个非线 性的动态系统，便可以利用扩展卡尔曼滤波器(EKF)对其状态变量求最小均方误 差(MMSE)估计。迭代检测译码(IDD)结构是一种基于Turbo译码原理设计的接收 机结构。在迭代接收机中，软入软出(SISO)的Turbo译码器与数据检测器之间 有一条反馈通道，使得数据检测器能够利用软译码器输出的后验对数似然比(也 称作“外信息”)完成多次迭代的信道均衡和解调。针对高速移动通信下快速时变信道估计的问题，我们提出一种基于EKF的 联合IDD信道估计方法(IDD-EKF) o采用自回归(AR)过程对信道建模，在导频 符号处采用最小二乘法(LS)估计，时域采用EKF插值，频域采用离散傅里叶变 换(DFT)插值。通过联合估计信道频域响应及信道的时域相关系数的方法追踪信 道的信道频率响应(CFR)。同时为了消除EKF误差传播的影响，采用迭代接收机结 构，利用Turbo译码器的码元纠错能力，通过外信息更新EKF观测方程中的加权矩 阵，从而辅助EKF更新，并进行迭代信道估计。EKF工作在三种不同的模式下，三种模式分别对应三种不同的构造加权矩 阵的方法。通过后验对数似然比构造的加权矩阵利用了 Turbo译码器的检错纠 错能力，使得构造的加权矩阵更加接近实际发送的符号，则EKF能够在更多的时频域位置上提供MMSE估计值。

随着我国高速铁路的不断发展，应用在高速环境下的移动通信系统日 渐成为研究的热点。从系统设计的角度来看，信道估计可以看作一个系统状态 估计问题，信道响应是系统中的状态变量。若将时域变化的信道看作是一个非线 性的动态系统，便可以利用扩展卡尔曼滤波器(EKF)对其状态变量求最小均方误 差(MMSE)估计。迭代检测译码(IDD)结构是一种基于Turbo译码原理设计的接收 机结构。在迭代接收机中，软入软出(SISO)的Turbo译码器与数据检测器之间 有一条反馈通道，使得数据检测器能够利用软译码器输出的后验对数似然比(也 称作“外信息”)完成多次迭代的信道均衡和解调。 针对高速移动通信下快速时变信道估计的问题，我们提出一种基于EKF的 联合IDD信道估计方法(IDD-EKF) o采用自回归(AR)过程对信道建模，在导频 符号处采用最小二乘法(LS)估计，时域采用EKF插值，频域采用离散傅里叶变 换(DFT)插值。通过联合估计信道频域响应及信道的时域相关系数的方法追踪信 道的信道频率响应(CFR)。同时为了消除EKF误差传播的影响，采用迭代接收机结 构，利用Turbo译码器的码元纠错能力，通过外信息更新EKF观测方程中的加权矩 阵，从而辅助EKF更新，并进行迭代信道估计。 EKF工作在三种不同的模式下，三种模式分别对应三种不同的构造加权矩 阵的方法。通过后验对数似然比构造的加权矩阵利用了 Turbo译码器的检错纠 错能力，使得构造的加权矩阵更加接近实际发送的符号，则EKF能够在更多的时频域位置上提供MMSE估计值。 相对于传统的信道估计方法，在NMSE方面，IDD-EKF的信道估计方法在高速 环境下具有8dB的信噪比增益。而在BER方面，IDD-EKF在低速环境下相对于传 统算法信噪比增益为5dB,而高速环境下，其信噪比增益达到了将近lOdBo通 过仿真分析证明了这一设计的有效性。 该成果可以进一步推广到5G通信终端接收机以及拓展应用到飞行器之间 的高速通信中，提高通信性能。

研究基于二维电子地图的大规模三维场景自动生成方法。基于用户输入的二维目标标定和素材库，实现三维场景快速生成、编辑和简化。主要研究虚拟环境仿真中的关键技术及应用，针对大规模虚拟环境的特殊问题，研究了大规模仿真实体的实时绘制、内外存实时调度、模型简化算法、硬件自适应算法等，实现了大规模虚拟战场的实时漫游。

产品详细介绍ANSYS驾驶模拟与交通场景编辑系统1.系统方案ANSYS驾驶模拟与交通场景编辑平台提供了基于物理的三维场景建模、基于语义的道路事件建模、基于物理光学属性的摄像头和激光雷达的仿真、基于物理电磁学属性的毫米波雷达的仿真，从而实现多传感器、多交通对象、多场景、多环境的实时闭环仿真。其主要功能如下：1)开放式交通场景编辑模块，自定义设定道路和交通场景，可以自定义设定道路两旁的建筑物，绿化带等等；2)可以根据用户需求，自定义设定道路场景上的交通流，可以自定义设定道路上来往的车辆，行人和交通指示灯；3)可以根据客户需求，自行设定主动驾驶（或算法控制车辆）的车辆动力学参数；4)支持高精度的三维场景仿真和基于环境光的模拟；5)支持高精度的物理属性的传感器仿真，包括毫米波雷达的仿真、摄像头的仿真和激光雷达的仿真；6)此外，考虑到能更加逼真地反映“人—车—路”在环仿真测试，该平台还提供了开放的接口，可以与实物传感器、VR设备、控制器、各类测试数据进行无缝的联入，从而更好的满足不同级别、不同目标的测试仿真要求。2.系统构成下面分别介绍本平台各模块的构成。2.1.自定义道路环境ANSYS驾驶模拟与交通场景编辑平台提供了一套自定义道路场景的设计工具，具备直道、弯道、曲线等设计能力，支持道路宽度、长度、半径、方向、车道数量、车道方向、车道限速、车道类型等的编辑。同时，该设计工具支持高架等不同高度道路以及不同坡度倾角、道路交叉口、匝道、并道等的定义。还支持车道线的自定义化建模，包括单线、双线、实线、虚线、车道线纹理、颜色等一系列车道线类型。同时，软件集成丰富的环境模型库，如树木、建筑物、交通标识、路灯、电线杆、绿化带、动物，施工路段障碍物和设施、交通行人等对象模型，可根据用户需求对道路场景进行快速建模。除了自定义场景外，ANSYS驾驶模拟与交通场景编辑平台还支持导入OpenStreetMap等3D高精地图，自动生成与地图匹配的道路模型。2.2.自定义交通场景ANSYS驾驶模拟与交通场景编辑平台还提供了快捷的基于语义的道路交通流设计，包括车道行驶规则、车辆及行人行为、交通指示牌行为，以及某一时刻各交通对象交通行为的精确数据输出。此外，交通对象的行为也可以人为定义，包含如车辆驾驶行为、突然变道、突然加速、行人乱闯红灯和人行道等一系列场景的仿真，同时软件内部车辆和行人之间可自定义交互与否，即可仿真自动避让行人和忽视行人发生碰撞等行为。软件内嵌脚本语言定义，同时也支持如Python，C++等语言的接口控制来定义交通行为。如下图所示，为通过语义级的脚本语言来定义车辆和行人等交通对象的行为。2.3.构建车辆动力学模型除了上述的道路场景以及交通流的搭建能力之外，ANSYS驾驶模拟与交通场景编辑平台同样提供了基于总成特性的车辆动力学模型，并提供了以下性能参数的配置： 底盘参数，如长宽高、轴间距、重量等； 性能参数，如最大时速、引擎转速等； 转向参数； 轮毂参数； ……同时，软件还提供了各类特性参数的预定义实验数据，方便用户对所定义车辆的特性进行快速的测试验证。相关的实验数据有： 加速特性实验数据； 刹车特性实验数据； 转弯特性实验数据； 方向盘特性实验数据； 侧风实验数据； 障碍物和转弯实验数据； ……ANSYS驾驶模拟与交通场景编辑平台还支持外部车辆动力学模型的导入和集成，如CarSim车辆动力学模型，以及用户自研的车辆动力学模型。2.4.基于物理真实的三维场景建模在无人车辆的物理仿真中，除了前述关于道路场景，交通流以及车辆动力学模型的建模能力外，ANSYS驾驶模拟与交通场景编辑平台的最大特点和优势在于提供基于物理真实的三维场景建模和ray-tracing的图形算法。使得上述的场景的构建与物理真实达到一个高匹配度，以此对无人车中传感器的感知和后期控制算法的验证提供了很好的准确性和真实性，以减少场景搭建的缺陷所带来的传感器和感知算法的决策错误。在整个基于物理真实的建模平台搭建中，ANSYS驾驶模拟与交通场景编辑平台会通过对以下物理真实参数的定义和基于ray-tracing的图形算法来保证仿真的准确性和真实性： 环境光源的定义，包括： 天空的照度值； 基于经纬度的太阳光的照度和位置定义； 环境场景中各种点光源以及面光源的定义（光谱+IES+XMP）； 车辆照明系统的光源定义（光谱+IES+XMP）； 环境场景中包括道路，建筑，车身等一系列材料表面光学属性的定义。其中各个光源的定义通过导入相关定义文件如前述所讲，材料表面光学属性通过ANSYS开发的一套OMS材料物理光学属性BRDF测量仪硬件设备，对用户所需仿真的场景材料库进行探测，并将探测所得材料表面光学属性BSDF函数附在前述场景建模的所属材质表面，从而在ray-tracing的图形算法下仿真得到一整套完整的考虑外部环境光以及物体表面光学属性的物理真实的三维场景建模。同时ANSYS驾驶模拟与交通场景编辑平台还提供丰富的材料库供客户场景建模使用。2.6.实时闭环仿真系统如前述通过对环境、场景、交通流的建模构造出无人车辆的运行场景和轨迹，同时耦合如摄像头、激光雷达和毫米波雷达的感知系统的仿真，通过开放的API接口，可以方便的进行外部自动驾驶算法的集成。从而形成实时闭环的驾驶系统仿真。2.7.基于物理的智能头灯照明仿真系统随着智能驾驶辅助系统（ADAS）的逐渐普及和行业发展，车辆智能化头灯照明系统也逐渐成为当前行业的发展趋势和应用热点。ANSYS自动驾驶仿真平台Headlamp模块通过ANSYS特有的物理级仿真引擎，为客户提供真实的车辆头灯路面光型分布测试和动态驾驶与智能头灯仿真测试。除了前述在三维环境建模中通过ANSYS OMS设备进行材料表面光学属性的采集与赋值外，为了保证接近真实的物理仿真光型，Headlamp模块同样对光源进行仿真模拟，包括车灯光源，自然光光源，路灯光源等。定义方式包含如： 光源光强分布IES文件； 光源光谱spectrum文件； 光源强度等；分别为不同光源的光谱分布和车灯光源的IES定义文件。基于环境和光源的物理仿真，可以实现车辆前照灯远光，近光，侧灯的切换以及光强的实时切换控制，同时丰富的光度学分析工具，包含色度学，光度学，等照度线，等照度区域等信息便于分析光分布情况。支持的25米目标墙光分布信息用于分析验证头灯光分布是否符合标准。除了静态光型分布验证，ANSYS Headlamp开放的如C++，SCADE，Simulink的光型数据接口支持客户自定义化的智能头灯开发与验证，同时丰富的动态驾驶模拟和场景仿真也可以帮助客户实现实时的动态驾驶头灯验证，如AFS，ADB，矩阵头灯，像素头灯等智慧头灯的仿真与测试验证，基于IIHS动态头灯测试标准的夜间测试验证。

产品详细介绍