博士论文《用于自动驾驶虚拟测试的雷达模拟验证方法》2023最新135页，斯图加特大学

自主驾驶为减少事故数量以及优化交通流量提供了巨大的潜力。这种自主系统的安全验证是一个极其困难的问题，需要新的方法，因为基于现场测试的传统统计安全证明是不可行的。将现实世界和基于模拟的测试结合起来是一个很有前途的方法，可以大大减少自主驾驶的验证工作。

由于环境传感器，如激光雷达、照相机和雷达是自动驾驶汽车的关键技术，它们必须得到验证，以便能够依靠使用合成的传感器数据进行虚拟测试。特别是，雷达在传统上是最复杂的传感器模型之一。由于传感器模拟是真实传感器的近似值，可以假设真实传感器测量和合成数据之间存在差异。然而，目前还没有系统的、完善的方法来验证传感器模型，特别是雷达模型。

因此，这项工作为解决这个问题做出了一些贡献，目的是了解传感器模拟在自动驾驶虚拟测试中的能力和局限性。

考虑到高保真雷达模拟在所需的执行时间方面面临挑战，我们引入了一种敏感性分析方法，目的是确定对下游传感器数据处理算法影响最大的传感器效应。通过这种方式，建模工作可以集中在保真度方面最重要的部件上，同时最大限度地减少所需的整体计算时间。

此外，还提出了一个新的基于机器学习的指标来评估合成雷达数据的准确性。通过学习区分真实和模拟雷达点云的潜在特征，可以证明所开发的指标在测量特征差异的能力方面优于传统指标。此外，经过训练后，这消除了将真实雷达测量值作为评估传感器模拟保真度的参考的需要。

此外，还开发了一种多层次的评估方法来衡量雷达模拟和现实之间的差距，包括显性和隐性传感器模型评估。前者直接评估模拟数据的真实性，而后者是指对后续感知应用的评估。可以证明，通过引入多层次的评价，可以详细地揭示现有的差异，并以整体的方式准确地测量不同场景下传感器模型的保真度。