第4章：仿真测试环境搭建

4.1 为什么仿真环境是预期功能安全的基石

说实话，做预期功能安全验证，仿真环境就是你的主战场。你想想看，真实道路测试成本高、周期长，而且很多危险场景根本不敢在实车上跑。我见过太多团队，花了大半年搭实车平台，结果一个ODD边界场景就把车撞了——维修费够买三套仿真软件。

我个人习惯，在项目启动的第一周就把仿真环境跑通。这不是赶进度，而是为了尽早暴露工具链的问题。我记得有一次，传感器模型参数配错了，仿真跑了一周的数据全是废的。从那以后，我坚持环境搭建必须经过三方确认：工具链工程师、算法工程师、测试工程师各签一次字。

4.2 CarMaker安装：别踩这些坑

CarMaker的安装其实不复杂，但有几个细节容易翻车。我直接说重点。

4.2.1 系统要求与许可证

IPG CarMaker目前主要支持Linux（Ubuntu 20.04/22.04）和Windows 10/11。我个人推荐用Linux，因为后续的自动化脚本和CI集成更方便。

组件	最低要求	推荐配置
CPU	4核	8核以上（场景越复杂越吃CPU）
内存	16GB	32GB（传感器模型多的时候很占内存）
显卡	集成显卡	NVIDIA RTX 3060以上（用于实时渲染）
硬盘	50GB	SSD 500GB（场景库和日志文件很占空间）

许可证方面，IPG现在主流是浮动许可证（Floating License）。我曾经遇到一个坑：许可证服务器时间不同步，导致所有客户端半小时后自动断开。解决办法很简单——在服务器上配置NTP时间同步，并且把许可证的超时时间从默认的30分钟改成4小时。

4.2.2 安装步骤（Linux版）

嗯，这里我直接给一个我常用的安装脚本片段。注意，不同版本可能略有差异，但核心逻辑不变。

# 1. 解压安装包
tar -xzf IPG_CarMaker_10.2_Linux.tar.gz -C /opt/

# 2. 设置环境变量（建议写入~/.bashrc）
export CARMAKER_HOME=/opt/IPG/carmaker
export PATH=$CARMAKER_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CARMAKER_HOME/lib:$LD_LIBRARY_PATH

# 3. 激活许可证
cmlm -licserver 192.168.1.100 -port 27000

# 4. 验证安装
cmstart --version

安装完成后，我建议你跑一下自带的demo项目。如果demo能正常运行，说明环境基本没问题。如果报错，90%是许可证或者环境变量的问题。

4.3 场景编辑器配置：从入门到实战

场景编辑器是CarMaker里最核心的工具，没有之一。你所有的ODD场景、危险工况、边缘案例，都要在这里定义。

4.3.1 场景编辑器的界面布局

打开CarMaker后，点击「Scenario Editor」图标。界面分三块：

• 左侧：场景树——显示道路、交通参与者、传感器等所有元素
• 中间：3D视图——实时预览场景，可以拖拽调整
• 右侧：属性面板——选中某个元素后，在这里修改参数

我个人习惯先把3D视图切换到俯视视角（按快捷键V），这样对整个场景的布局一目了然。

4.3.2 创建你的第一个场景

假设我们要创建一个「前车急刹」的测试场景。步骤如下：

1. 点击「New Scenario」，选择道路模板（比如「Straight Road」）
2. 在场景树中右键「Add Vehicle」，选择Ego Vehicle（自车）
3. 再添加一个Target Vehicle（目标车），放在自车前方30米
4. 选中Target Vehicle，在属性面板中设置初始速度50km/h
5. 添加一个Maneuver（动作）：在时间轴第5秒处，给Target Vehicle一个-6m/s²的减速度
6. 设置自车的初始速度也是50km/h，并且开启ACC（自适应巡航）功能

4.3.3 场景参数化与批量测试

做预期功能安全验证，你不能只测一个场景。你需要的是参数化场景——比如前车速度从30km/h到80km/h，步长10km/h；自车距离从20米到50米，步长5米。这样组合下来就是6×7=42个测试用例。

CarMaker支持用XML文件定义参数化场景。我直接给一个模板：

<?xml version="1.0" encoding="UTF-8"?>
<Scenario>
  <Parameter name="TargetSpeed" type="double" unit="km/h">
    <Values>30,40,50,60,70,80</Values>
  </Parameter>
  <Parameter name="InitialDistance" type="double" unit="m">
    <Values>20,25,30,35,40,45,50</Values>
  </Parameter>
  <Vehicle name="Target">
    <InitialSpeed ref="TargetSpeed"/>
    <Position x="0" y="0" z="0"/>
    <Maneuver time="5" type="Brake" value="-6"/>
  </Vehicle>
  <Vehicle name="Ego">
    <InitialSpeed value="50"/>
    <Position x="0" y="0" z="0" distance="InitialDistance"/>
    <Controller type="ACC"/>
  </Vehicle>
</Scenario>

把这个XML文件导入CarMaker的Batch Runner，它就会自动生成42个测试用例并批量运行。我一般会在下班前启动批量测试，第二天早上来看结果。省时省力。

4.4 传感器模型集成：让仿真更真实

传感器模型是仿真环境中最容易「失真」的部分。你想想看，如果摄像头模型不模拟曝光时间、不模拟运动模糊，那测出来的感知算法性能就是虚高的。

4.4.1 CarMaker支持的传感器类型

CarMaker原生支持以下传感器模型：

• 摄像头（Camera）：支持鱼眼、针孔模型，可配置分辨率、帧率、FOV
• 毫米波雷达（Radar）：支持FMCW、脉冲多普勒，可配置波束宽度、最大探测距离
• 激光雷达（LiDAR）：支持机械式、固态式，可配置线束数、扫描频率
• 超声波（Ultrasonic）：用于近距离探测，一般用在泊车场景
• GPS/IMU：用于定位，可配置精度和更新率

我记得有一次，客户要求仿真一个「夜间逆光」场景。默认的摄像头模型根本模拟不出这种效果。后来我通过修改摄像头模型的「LensFlare」参数和「AutoExposure」响应曲线，才勉强复现了真实效果。说白了，传感器模型需要你根据实际硬件去标定，不能直接用默认值。

4.4.2 传感器集成步骤

在CarMaker中集成传感器，一般分三步：

1. 添加传感器到车辆：在场景树中选中Ego Vehicle，右键「Add Sensor」，选择类型
2. 配置安装位置：设置传感器的安装位置（x, y, z）和朝向（yaw, pitch, roll）。这个数据最好从实车的CAD模型里拿，别凭感觉填
3. 配置物理参数：根据实际传感器datasheet填写参数。比如摄像头要填分辨率、像元尺寸、焦距；雷达要填发射功率、天线增益

4.4.3 自定义传感器模型

如果CarMaker自带的传感器模型不够用，你可以用C++或Python写自定义模型。CarMaker提供了Sensor API，支持用户自定义算法。

下面是一个简单的自定义摄像头模型框架：

// CustomCameraSensor.cpp
#include "CarMaker/Sensor.h"

class CustomCamera : public Sensor {
public:
  CustomCamera() : Sensor("CustomCamera") {}
  
  virtual void Init() override {
    // 初始化参数，比如加载畸变校正矩阵
    LoadCalibration("calib.xml");
  }
  
  virtual void Process(double dt) override {
    // 获取原始图像数据
    ImageData* rawImage = GetRawImage();
    
    // 应用自定义处理：比如模拟运动模糊
    ApplyMotionBlur(rawImage, GetVehicleSpeed());
    
    // 输出处理后的图像
    SetOutput(rawImage);
  }
};

// 注册传感器
REGISTER_SENSOR(CustomCamera);

编译成动态库后，放到CarMaker的插件目录下，重启软件就能在传感器列表里看到「CustomCamera」了。

4.5 知识体系总览

下面这张图是我自己整理的仿真环境搭建核心逻辑。你照着这个流程走，基本不会漏掉关键步骤。

说白了，整个流程就是「环境准备 → 安装配置 → 场景编辑 → 验证闭环」。每一步都环环相扣，漏掉任何一个环节，后面都可能要返工。

4.6 常见问题与避坑指南

最后，我总结几个我在项目中遇到的高频问题，希望能帮你少走弯路。

• 问题1：仿真跑着跑着就卡死——大概率是内存不足。检查一下场景中的交通参与者数量，超过20个车的时候，建议用简化模型。
• 问题2：传感器输出全是0——先检查传感器是否被遮挡。我曾经把摄像头装在了车顶行李架后面，结果视野全被挡住了。
• 问题3：批量测试结果对不上——检查随机种子是否固定。CarMaker的随机种子如果不固定，每次跑的结果都不一样，没法复现。
• 问题4：自定义传感器加载失败——检查编译器的ABI兼容性。CarMaker用的是GCC 9.3，你如果用GCC 11编译的库，大概率加载不了。

---

公众号:蓝海资料掘金营，微信deep3321