4、天气与光照仿真：晴天、雨天、雪天、雾天等天气模拟，昼夜光照变化模拟，传感器退化模拟

天气和光照，是自动驾驶仿真里最让人头疼的部分之一。说实话，我入行那会儿，觉得能跑通一个晴天场景就挺厉害了。后来发现，真正考验系统的，恰恰是那些恶劣天气和极端光照条件。你想想看，一辆车如果只能在风和日丽的时候开，那跟玩具车有什么区别？

这一节，我们就来聊聊怎么在仿真里模拟这些“不友好”的环境。我会结合我这些年踩过的坑，把晴天、雨天、雪天、雾天，还有昼夜光照变化，以及传感器退化这些事儿，掰开了揉碎了讲清楚。

4.1 天气模拟：从“看得见”到“看不见”

天气模拟的核心，说白了就是改变环境对传感器的影响。不同的传感器，对天气的敏感度完全不一样。比如摄像头最怕雾和雨，激光雷达在雪天会收到大量噪点，而毫米波雷达在雨天表现相对好一些，但也会衰减。

4.1.1 晴天场景

晴天是默认场景，但别以为它简单。我遇到过一个问题：仿真里的晴天太“完美”了，光照均匀，阴影锐利，结果实车一上路，因为真实世界的漫反射和局部过曝，模型直接失效。所以，晴天的模拟也要注意几点：

• 光照强度：模拟正午的强光（约100,000 lux）和黄昏的柔和光（约500 lux）。
• 阴影质量：开启高精度阴影映射，模拟建筑物和树木的投射阴影。
• 太阳角度：根据地理位置和时间动态调整，避免出现“太阳从北边出来”这种低级错误。

4.1.2 雨天场景

雨天模拟，不只是把屏幕弄湿那么简单。它涉及三个层面的变化：

1. 视觉层面：雨滴打在挡风玻璃上，形成水渍和模糊区域。摄像头图像会出现局部失真和亮度下降。
2. 物理层面：路面湿滑，摩擦系数降低。积水区域会导致轮胎打滑，影响车辆动力学。
3. 传感器层面：激光雷达的激光束会被雨滴反射和吸收，产生大量“雨噪”点。毫米波雷达的探测距离会缩短约20%-30%。

我曾经在仿真里只加了雨滴粒子效果，结果激光雷达模型完全没反应。后来才意识到，必须同时修改传感器的噪声模型，才能真实反映雨天的退化情况。

4.1.3 雪天场景

雪天比雨天更复杂。雪花会覆盖地面，改变道路标线的可见度。这对车道线检测算法是致命的。我记得有一次，我们的模型在雪天场景下，车道线识别准确率直接从98%掉到了30%。

模拟雪天时，需要关注：

• 地面覆盖：动态生成积雪纹理，覆盖原有的道路标线和路沿。
• 雪花粒子：模拟雪花在近光灯下的反光效果，这会产生大量的视觉噪点。
• 激光雷达退化：雪花会像一面面小镜子，反射激光束，导致点云中出现大量“飞点”。

4.1.4 雾天场景

雾天模拟的核心是能见度。能见度从50米到500米不等，对摄像头和激光雷达的影响差异很大。

我个人的经验是，雾天模拟要分两层：

• 大气散射模型：模拟光线在雾中的散射，导致图像对比度下降、颜色变灰。
• 传感器衰减模型：激光雷达的有效探测距离会随雾的浓度指数级下降。比如，在能见度50米的浓雾中，激光雷达的有效距离可能只有30米。

4.2 昼夜光照变化模拟

光照变化是自动驾驶感知系统的一大挑战。从正午的强光到深夜的黑暗，摄像头的动态范围很难覆盖所有场景。

模拟昼夜变化时，我通常会设置一个24小时的光照循环：

嗯，这里要注意，单纯的改变光照强度是不够的。你还需要模拟车灯、路灯、对面来车灯光等动态光源。我曾经在仿真里只改了环境光，结果模型在夜晚场景下，对静止的黑色车辆完全无法识别——因为它在仿真里是“隐形”的。

4.3 传感器退化模拟

传感器退化，是天气和光照模拟的最终目的。说白了，就是让传感器“生病”，看看算法还能不能正常工作。

常见的退化模型包括：

• 摄像头退化：增加高斯噪声、运动模糊、镜头眩光、曝光不足/过度。
• 激光雷达退化：增加点云噪声、降低点云密度、模拟雨雪造成的“飞点”和“空洞”。
• 毫米波雷达退化：增加多径反射、降低信噪比、缩短探测距离。

4.4 知识体系与核心逻辑

为了让你更直观地理解这一章的内容，我画了一张图。它展示了天气与光照仿真的整体框架，以及各个模块之间的关系。

从这张图你可以看到，整个流程是链式的。输入天气和光照参数后，经过核心模拟模块生成环境，再通过传感器退化模型，最终输出退化的数据流。每一步都环环相扣，缺一不可。

好了，这一节的内容就到这里。天气与光照仿真，说到底就是一场“对抗赛”。你模拟得越真实，算法就越能适应真实世界的残酷。希望这些经验能帮你少走一些弯路。