3、场景构建与编辑：OpenDrive高精地图导入、静态场景元素、动态场景元素

大家好，我是你们的老朋友。今天咱们聊聊场景构建与编辑。说实话，这是仿真里最磨人、也最见功力的环节。你想想看，算法再牛，如果场景是假的、错的，那跑出来的结果你敢信吗？我个人习惯，花在场景构建上的时间，至少占整个仿真项目的一半。

3.1 OpenDrive高精地图导入

高精地图是自动驾驶仿真的“地基”。没有它，车就是瞎子。OpenDrive是目前行业里最通用的格式，说白了，它用XML描述道路的几何、拓扑、车道线、交通标志等等。

导入流程，我一般分三步走：

1. 格式校验：拿到一个.xodr文件，别急着往工具里拖。先用官方校验器跑一遍。我在项目中遇到过，一个地图文件里车道连接ID写错了，结果车在路口直接“穿模”，找了三天才定位到问题。
2. 坐标系对齐：OpenDrive用的是局部坐标系，但你的场景可能需要全局坐标。记得做一次刚体变换。嗯，这里要注意，不同地图的经纬度基准可能不一样，WGS84和CGCS2000混用会出大问题。
3. 语义解析：把XML里的<road>、<lane>、<signal>等节点，映射成你仿真引擎里的对象。比如，一个<signal>节点，你得解析出它的类型（红绿灯、限速牌）、位置、朝向。

下面是一个简单的OpenDrive解析伪代码，帮你理解这个过程：

// 伪代码：解析OpenDrive中的道路
function parseOpenDrive(xodrFile):
    doc = loadXML(xodrFile)
    roads = []
    for each roadNode in doc.getElementsByTagName("road"):
        road = new Road()
        road.id = roadNode.getAttribute("id")
        road.length = roadNode.getAttribute("length")
        // 解析几何形状
        for each geomNode in roadNode.getElementsByTagName("geometry"):
            road.addGeometry(parseGeometry(geomNode))
        // 解析车道
        for each laneSection in roadNode.getElementsByTagName("laneSection"):
            road.addLaneSection(parseLaneSection(laneSection))
        roads.append(road)
    return roads

3.2 静态场景元素

静态元素，就是那些不会动的东西。但别小看它们，它们是场景的“骨架”。

3.2.1 道路

道路不只是两条线。它包含路面材质、摩擦系数、坡度、曲率。我曾经在做一个雨雪场景时，忘了改路面摩擦系数，结果算法在仿真里表现完美，一上路就滑出去了。所以，道路的物理属性一定要跟真实世界对标。

3.2.2 建筑与植被

建筑主要是用来遮挡传感器视线的。你想想看，如果路边没有建筑，激光雷达能“看穿”一切，那算法就学不会“盲区预测”了。我建议，建筑模型不用太精细，但位置必须准确。植被同理，树冠的遮挡效果比树干重要。

3.2.3 交通标志与信号灯

这是最容易出错的地方。一个限速60km/h的标志，如果放错了位置，算法就会在错误的路段减速。我的避坑指南是：每个标志都要跟OpenDrive里的<signal>节点一一对应。导入后，手动抽查几个关键路口。

3.3 动态场景元素

动态元素是场景的“血肉”。它们让仿真活起来，但也带来了最大的不确定性。

3.3.1 车辆

车辆行为是动态场景的核心。我一般把车辆分为三类：

• 主车（Ego Vehicle）：你控制的算法车。
• 背景车（NPC）：按预设轨迹或行为模型行驶。比如，有的车会变道，有的车会急刹。
• 干扰车：专门用来制造危险场景的。比如，从盲区突然冲出来的车。

设置车辆行为时，我习惯用“状态机”来控制。举个例子：

// 状态机：NPC车辆行为
state = "巡航"
while simulation_running:
    switch state:
        case "巡航":
            keepLane(speed=50km/h)
            if distance_to_ego < 20m:
                state = "减速"
        case "减速":
            brake(deceleration=3m/s²)
            if distance_to_ego > 50m:
                state = "巡航"
        case "变道":
            changeLane(targetLane="left")
            if laneChangeComplete:
                state = "巡航"

3.3.2 行人

行人比车辆难搞多了。他们的运动轨迹更随机，速度变化更大。我建议，给行人设置“意图”。比如，一个行人站在路边，他的意图可能是“过马路”、“等车”或“看手机”。不同的意图，对应不同的运动模型。

3.3.3 动物

动物场景，说实话，国内仿真里做得不多。但如果你要做L4级自动驾驶，动物是绕不开的。猫、狗、鹿，它们的运动特点是：速度快、轨迹不规则、体型小。我处理动物时，会单独用一个“低矮障碍物检测”模块来跟踪它们。

3.4 知识体系总览

下面这张图，是我自己总结的场景构建核心逻辑。你可以把它当成一个检查清单：

你看，整个流程是串起来的。地图导入是基础，静态元素搭骨架，动态元素注灵魂。每一步都马虎不得。