激光雷达仿真方法和装置

技术领域

本公开涉及车辆领域，特别是涉及一种激光雷达仿真方法、激光雷达仿真装置、计算机设备、包括上述的激光雷达仿真装置或计算机设备的车辆仿真平台、存储介质以及计算机程序产品。

背景技术

车载激光雷达因其具有可准确获取目标的三维信息、分辨率高、抗干扰能力强、探测范围广、近全天候工作等优点，在自动驾驶环境感知等应用领域中占据重要地位。于是，在仿真平台的设计开发阶段，对激光雷达进行仿真成为非常重要的环节。对激光雷达仿真工作的进一步提质增效是改善自动驾驶产品的重要工作之一。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开实施例提供了一种激光雷达仿真方法、激光雷达仿真装置、计算机设备、包括上述的激光雷达仿真装置或计算机设备的车辆仿真平台、存储介质以及计算机程序产品。

根据本公开的一方面，提供了一种激光雷达仿真方法，包括：获取与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息，方向信息至少指示真实激光束相对于真实激光雷达的出射角；获取与点云仿真平台相关联的配置信息，配置信息包括仿真物体在仿真场景下与仿真激光雷达之间的空间位置关系以及仿真物体的表面反射率，其中，仿真激光雷达被仿真成在仿真场景下以方向信息指示的出射角发射仿真激光束；以及基于方向信息和配置信息，计算仿真激光雷达的仿真点云数据，其中，仿真点云数据至少包括被仿真物体反射回仿真激光雷达的仿真激光束的反射激光束的强度。

根据本公开的另一方面，提供了一种激光雷达仿真装置，包括：第一模块，用于获取与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息，方向信息至少指示真实激光束相对于真实激光雷达的出射角；第二模块，用于获取与点云仿真平台相关联的配置信息，配置信息包括仿真物体在仿真场景下与仿真激光雷达之间的空间位置关系以及仿真物体的表面反射率，其中，仿真激光雷达被仿真成在仿真场景下以方向信息指示的出射角发射仿真激光束；以及第三模块，用于基于方向信息和配置信息，计算仿真激光雷达的仿真点云数据，其中，仿真点云数据至少包括被仿真物体反射回仿真激光雷达的仿真激光束的反射激光束的强度。

根据本公开的又一方面，提供了一种计算机设备，该计算机设备包括：至少一个处理器；以及至少一个存储器，其上存储有计算机程序，该计算机程序在被至少一个处理器执行时致使至少一个处理器实现上述的方法。

根据本公开的又另一方面，提供了一种车辆仿真平台，该车辆仿真平台包括上述的激光雷达仿真装置或计算机设备。

根据本公开的再一方面，提供了一种存储计算机程序的非暂态计算机可读存储介质，该计算机程序包括指令，该指令在由处理器执行时致使处理器执行上述的方法。

根据本公开的再另一方面，提供了一种计算机程序产品，该计算机程序产品包括指令，该指令在由处理器执行时致使处理器执行上述的方法。

根据本公开的实施例，可以在算力有限的情况下完成多场景下的激光雷达仿真工作，而不受真实场景的约束，整个流程适用于不同型号和不同类型的激光雷达，并且常规仿真工作所需的大量前期准备工作显著减少，从而达成激光雷达仿真的提质增效。

根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。

附图说明

在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开。附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。在附图中：

图1是图示出根据示例性实施例的激光雷达仿真方法的流程图；

图2是图示出根据示例性实施例的计算仿真点云数据的示例过程的流程图；

图3是图示出根据示例性实施例的计算仿真点云数据的另一示例过程的流程图；

图4是图示出根据示例性实施例的激光雷达仿真装置的框图；

图5是图示出根据示例性实施例的车辆仿真平台的示意图；并且

图6是图示出能够应用于示例性实施例的示例性计算机设备的框图。

具体实施方式

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素而不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。如本文使用的，术语“多个”意指两个或更多，并且术语“基于”应解释为“至少部分地基于”。此外，术语“和/或”以及“……中的至少一个”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

激光雷达的工作原理(例如，飞行时间(Time-of-Flight,TOF))使得能够基于激光束从激光雷达的发射端到障碍物再回到激光雷达的接收器的运行时间来确定激光雷达与障碍物之间的距离。因此，激光雷达被广泛应用于车辆技术、智能交通等领域。

车载激光雷达因其具有可准确获取目标的三维信息、分辨率高、抗干扰能力强、探测范围广、近全天候工作等优点，在自动驾驶环境感知等应用领域中占据重要地位。于是，在仿真平台的设计开发阶段，对激光雷达进行仿真成为非常重要的环节。

在相关技术中，在激光雷达的仿真之前，需要进行大量的前期实验以获得激光雷达参数。作为结果，仿真流程也因不同型号和类型的激光雷达而异，导致某一仿真流程无法适用于不同型号和类型的激光雷达。注意到，激光雷达的整个仿真流程工作量通常很大且因而需要较多的算力，但却因过多的中间环节放大了误差而难以保证后期最终效果能够取得与实测数据的较高相似度。除此之外，不同场景下的激光雷达仿真还受限于真实场景的约束(例如，场地约束、场景布置、障碍物摆放等等)，以至于激光雷达仿真工作通常会因人力、成本和时间等因素而局限于较为单调的场景。

鉴于此，根据本公开的一个或多个实施例，提出一种新的激光雷达仿真方法。该方法基于所获取的与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息以及与点云仿真平台相关联的配置信息来计算仿真激光雷达的仿真点云数据，从而减少了其中对雷达特性与参数进行分析的其他激光雷达仿真方式所需的大量前期工作及仿真时所需的大量算力，同时取得接近各种期望的真实场景下的激光雷达仿真效果。通过上述方法，可以在算力有限的情况下完成多场景下的激光雷达仿真工作，而不受真实场景的约束，整个流程适用于不同型号和不同类型的激光雷达，并且常规仿真工作所需的大量前期准备工作显著减少，从而达成激光雷达仿真的提质增效。下面结合附图详细描述本公开的示例性实施例。

图1是图示出根据示例性实施例的激光雷达仿真方法100的流程图。如图1所示，方法100包括：

步骤S110，获取与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息，所述方向信息至少指示所述真实激光束相对于所述真实激光雷达的出射角；

步骤S120，获取与点云仿真平台相关联的配置信息，所述配置信息包括仿真物体在仿真场景下与仿真激光雷达之间的空间位置关系以及所述仿真物体的表面反射率，其中，所述仿真激光雷达被仿真成在所述仿真场景下以所述方向信息指示的出射角发射仿真激光束；以及

步骤S130，基于所述方向信息和所述配置信息，计算所述仿真激光雷达的仿真点云数据，其中，所述仿真点云数据至少包括被所述仿真物体反射回所述仿真激光雷达的所述仿真激光束的反射激光束的强度。

下面详细描述方法100的各个步骤。

在步骤S110中，可以获取与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息。所述方向信息可至少指示所述真实激光束相对于所述真实激光雷达的出射角。

在示例中，可以在真实场景下利用激光雷达(例如，车载激光雷达)录制一段点云数据，并对所录制的点云数据进行解析，从而得到各帧点云所包含的与激光束相关的方向信息(例如，方向向量等)。注意到，一些激光雷达在发射激光时往往以交替方式、循环方式或随机方式等来连续地激活激光雷达发射端处的不同数目的激光点阵。为了使所获取的方向信息能够覆盖所有激光点阵，需要录制包括多帧点云的点云数据以使得所获取的方向信息关联于激光雷达的所有激光点阵。另外，在真实场景的场地较为空旷且位于其中的障碍物的尺寸相对小的情况下，为了使激光雷达接收器能够接收到所有经反射的激光束以确保获取所有激光束的有用方向信息，需要录制点云数据达最小时间段。

在示例中，可以在利用激光雷达(例如，车载激光雷达)录制点云数据的同时收集不同物体关于激光雷达的材质反射率，诸如对于自动驾驶而言较为常见的对象，例如，道路、不同颜色的车道线、隔离带、警示标志、各种车辆(例如，不同颜色的车身)等等。

在步骤S120中，可以获取与点云仿真平台相关联的配置信息。所述配置信息包括仿真物体在仿真场景下与仿真激光雷达之间的空间位置关系以及所述仿真物体的表面反射率。进一步，所述仿真激光雷达被仿真成在所述仿真场景下以所述方向信息指示的出射角发射仿真激光束。

在示例中，点云仿真平台可以是任何商业上可获得的仿真平台，其可以是激光雷达仿真专用平台，也可以是能够对激光雷达的工作进行仿真和/或渲染的任何其他合适的平台，例如UE4(虚幻4引擎)、unity引擎等等。

在示例中，与点云仿真平台相关联的配置信息可包括点云仿真平台的配置参数。例如，配置参数可以包括对在点云仿真平台的仿真环境下的仿真物体与仿真激光雷达(例如，可以不必在点云仿真平台中渲染仿真激光雷达，而是对仿真激光雷达的功能模块进行参数化以便于更改设置和/或调试)之间的空间位置关系进行配置的参数、对仿真物体本身的尺寸和形貌(例如，色彩、纹理和形状等)进行配置的参数、对仿真场景的大小和边界等进行配置的参数等等。可以理解，不同仿真平台的功能和接口有所不同，因而配置信息可能会因仿真平台的不同而有所适应性调整，这对于本领域技术人员而言是容易领会的。

在示例中，配置信息还可以包括仿真物体的表面反射率，以促成后续仿真点云数据的计算和获取。在另一示例中，在前期已在真实场景下利用激光雷达(即，真实激光雷达)收集到不同物体关于激光雷达的材质反射率的情况下，配置信息可以仅包括仿真环境下的仿真物体的UV纹理贴图信息。在此情形中，可以基于真实物体关于激光雷达的材质反射率以及对应的虚拟物体的UV纹理贴图信息来获取仿真环境下的该虚拟物体的表面反射率。

在本公开的实施例中，仿真激光雷达被仿真成在仿真场景下以真实激光雷达的真实激光束的方向信息所指示的出射角发射仿真激光束，使得能够在点云仿真平台中获得可用的真实激光雷达的副本，从而使原本借助于真实激光雷达完成的不同场景下的激光雷达的仿真工作便捷地迁移至点云仿真平台，有效降低真实场景下的激光雷达仿真工作所需的各种人力、设备和时间成本。此外，可按照期望的真实场景对上述步骤S120中的点云仿真平台的仿真场景进行配置，从而实现多场景下的激光雷达仿真。

步骤S130，可以基于方向信息和配置信息，计算仿真激光雷达的仿真点云数据。进一步，仿真点云数据至少包括被仿真物体反射回仿真激光雷达的仿真激光束的反射激光束的强度。

根据本公开的实施例，上述方法100基于所获取的与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息以及与点云仿真平台相关联的配置信息来计算仿真激光雷达的仿真点云数据，从而减少了其中对雷达特性与参数进行分析的其他激光雷达仿真方式所需的大量前期工作及仿真时所需的大量算力，同时取得接近各种期望的真实场景下的激光雷达仿真效果。

通过上述方法100，可以在算力有限的情况下完成多场景下的激光雷达仿真工作，而不受真实场景的约束。方法100的整个流程适用于不同型号和不同类型的激光雷达，并且常规仿真工作所需的大量前期准备工作显著减少，从而实现了激光雷达仿真的提质增效。

图2是图示出根据示例性实施例的计算仿真点云数据的示例过程200的流程图。过程200可作为对上面描述的方法100的步骤S130的进一步描述。在本公开的实施例中，所述空间位置关系包括所述仿真物体相对于所述仿真激光雷达的距离和取向。如图2所示，过程200包括：

步骤S210，基于所述方向信息和所述仿真物体相对于所述仿真激光雷达的取向，确定所述仿真激光束在所述仿真物体的表面上的入射角；

步骤S220，按下式计算所述反射激光束的强度：

在示例中，可以基于空间几何(具体而言，方向信息所指示的真实激光相对于真实激光雷达的出射角以及仿真物体相对于仿真激光雷达的取向)，来确定(例如，计算)仿真激光束在仿真物体的表面上的入射角。该入射角随后用于计算仿真激光束的反射激光束的强度。在实践中，尤其是在测距应用中，仅激光雷达与障碍物之间的距离这一信息往往并不足以可靠地完成测距任务，原因在于，真实场景中存在各种影响激光雷达性能的因素，包括天气因素(例如，雨雪粉尘等)、物体材质因素(例如，低反光率vs高反射率物体材质、玻璃材质等)、干扰因素(例如，光源干扰等)等等。因此，期望获取除距离信息以外的其他有用的辅助信息(例如，反射强度)以便提高激光雷达应用于测距任务的准确度。例如，给定各障碍物的表面反射率大致相同，则撞击较远障碍物的反射激光束往往具有较小的反射强度，而撞击较近障碍物的反射激光束则具有较大的反射强度。基于此，可滤除明显矛盾/异常的点云数据，以确保提供给下游模块(例如，决策模块、渲染模块等)的最终点云数据(例如，上面描述的仿真点云数据)的较高准确度。

发明人洞察到，归因于机械式激光雷达和半固态式激光雷达在结构和工作原理上的区别，在仿真点云数据的计算方面需要对此予以考虑并进行差异化处理，从而更好地展现两种激光雷达各自的特性。机械式激光雷达具有控制激光束的发射角度的旋转部件，因而其发射端的取向相对于搭载它的车辆而言并不固定。相反，半固态式激光雷达的发射端的取向相对于车辆而言可被认为是固定的，这样可以在高速情形下较好地保持激光雷达特性。

根据本公开的实施例，在所述仿真激光雷达为机械式激光雷达的情况下，所述仿真物体相对于所述仿真激光雷达的距离d随所述仿真场景每次更新而变化，而在所述仿真激光雷达为半固态式激光雷达的情况下，所述仿真物体相对于所述仿真激光雷达的距离d在所述仿真场景每次更新时保持不变。由此，在点云仿真平台中进行仿真时，能够像在真实场景下那样根据不同任务的需要选择合适的激光雷达类型，并获得展现相应激光雷达特性的仿真点云数据。

需要注意的是，尽管上文以机械式激光雷达和半固态式激光雷达为例进行描述，但是本领域技术人员在获悉相关教导后可以领会，本公开的实施例还可适用于其他合适类型的激光雷达。

附加地，所计算的仿真点云数据可被发送至下游模块(例如，决策模块(如车辆控制单元VCU)、渲染模块等)，以供所述下游模块使用(例如，更新自主/辅助驾驶策略、路况可视化等等)。

图3是图示出根据示例性实施例的计算仿真点云数据的另一示例过程300的流程图。过程300可作为对上面描述的方法100的步骤S130的进一步描述。在本公开的实施例中，所述配置信息包括所述仿真场景的更新周期以及所述仿真点云数据的相邻帧之间的发送时间间隔，所述更新周期小于所述发送时间间隔。如图3所示，过程300包括：

步骤S310，将所述仿真场景每次更新时所需要更新的所述反射激光束的强度的数量N确定为N＝total*tick/ΔT，其中total为每一帧仿真点云数据中的所述反射激光束的强度的总数，tick为所述仿真场景的更新周期，ΔT为所述仿真点云数据的相邻帧之间的发送时间间隔；

步骤S320，在所述仿真场景的每个更新周期内，更新相应不同的N个反射激光束的强度；以及

步骤S330，在所述仿真点云数据的发送时刻处发送一帧仿真点云数据，所述一帧仿真点云数据包括紧居所述发送时刻之前的发送时间间隔内被更新的反射激光束的强度。

针对仿真点云数据量较大而算力可能不够的情况，本公开提出了一种仿真点云数据的时序计算方式。作为示例而非限制，假设仿真点云数据量为8万(即，与真实激光雷达相对应的副本仿真激光雷达的激光点阵个数为8万)，仿真点云数据的相邻帧之间的发送时间间隔为0.1秒，并且仿真场景的更新周期(例如，其可经由点云仿真平台的设置来改变)为0.05秒，那么仿真场景每次更新所需要计算的仿真点云数据数量为80000*0.05/0.1＝40000个。由此，原本施加给处理资源的多达80000个仿真点云数据量的瞬时峰值负荷被均摊至仿真场景的每个更新周期，从而显著降低了对点云仿真平台的较大算力的需求。可以理解，在仿真点云数据的发送时间间隔与仿真场景的更新周期之间的比值r为非整数的情况下，可设想在步骤S310中关于N的计算公式的基础上，按照对上述比值r取整(例如，向下取整)后所得的结果来分配仿真场景的每个更新周期内所需要计算的仿真点云数据量。例如，仍以8万个仿真点云数据量为例，当ΔT为0.1秒且tick为0.0375秒时，在仿真点云数据的相邻帧之间的发送时间间隔内仿真场景可更新

图4是图示出根据示例性实施例的激光雷达仿真装置400的示意性框图。装置400包括：第一模块410，用于获取与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息，所述方向信息至少指示所述真实激光束相对于所述真实激光雷达的出射角；第二模块420，用于获取与点云仿真平台相关联的配置信息，所述配置信息包括仿真物体在仿真场景下与仿真激光雷达之间的空间位置关系以及所述仿真物体的表面反射率，其中，所述仿真激光雷达被仿真成在所述仿真场景下以所述方向信息指示的出射角发射仿真激光束；第三模块430，用于基于所述方向信息和所述配置信息，计算所述仿真激光雷达的仿真点云数据，其中，所述仿真点云数据至少包括被所述仿真物体反射回所述仿真激光雷达的所述仿真激光束的反射激光束的强度。

应当理解，图4中所示装置400的各个模块可以与参考图1描述的方法100中的各个步骤相对应。由此，上面针对方法100描述的操作、特征和优点同样适用于装置400及其包括的模块，本公开在此不再赘述。

虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。例如，第一模块410和第二模块420可以组合成单个模块，用以获取所述方向信息和所述配置信息两者。本文讨论的特定模块执行动作包括该特定模块本身执行该动作，或者替换地该特定模块调用或以其他方式访问执行该动作(或结合该特定模块一起执行该动作)的另一个组件或模块。因此，执行动作的特定模块可以包括执行动作的该特定模块本身和/或该特定模块调用或以其他方式访问的、执行动作的另一模块。

如本文使用的，短语“基于A、B和C，执行动作Z”可以是指仅基于A、仅基于B、仅基于C、基于A和B、基于A和C、基于B和C、或基于A和B和C来执行动作Z。

还应当理解，本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图5描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如，这些模块可以被实现为计算机程序代码/指令，该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地，这些模块可以被实现为硬件逻辑/电路。例如，在一些实施例中，第一模块410至第三模块430中的一个或多个可以一起被实现在片上系统(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如，中央处理单元(Central Processing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件)，并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。

根据本公开的一方面，提供了一种计算设备。该计算机设备包括至少一个存储器、至少一个处理器以及存储在至少一个存储器上的计算机程序。该至少一个处理器被配置为执行计算机程序以实现上文描述的任一方法实施例的步骤。

根据本公开的一方面，提供了一种车辆仿真平台，该车辆仿真平台包括上述的激光雷达仿真装置或计算机设备。

根据本公开的一方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上文描述的任一方法实施例的步骤。

根据本公开的一方面，提供了一种计算机程序产品，其包括计算机程序，该计算机程序被处理器执行时实现上文描述的任一方法实施例的步骤。

图5是图示出根据示例性实施例的车辆仿真平台500的示意图。作为示例而非限制，车辆仿真平台500可包括具有有形实体的测试车。取代安装真实激光雷达传感器，上述仿真点云数据可被提供给测试车以供测试车针对依赖于激光雷达的各种实际任务进行测试。需要注意，尽管下文以测试车为例描述了车辆仿真平台500的各种配置，但是本领域技术人员可以领会，任何其他合适的车辆仿真平台(包括纯软件的实现)是可能的。

参考图5，该车辆仿真平台500包括车载系统510、服务器520、以及将车载系统510与服务器520通信地耦合的网络530。

车载系统510包括显示器514和可经由显示器514显示的应用程序(APP)512。应用程序512可以为车载系统510默认安装的或由用户502下载和安装的应用程序，或者作为轻量化应用程序的小程序。在应用程序512为小程序的情况下，用户502可以通过在宿主应用中搜索应用程序512(例如，通过应用程序512的名称等)或扫描应用程序512的图形码(例如，条形码、二维码等)等方式，在车载系统510上直接运行应用程序512，而无需安装应用程序512。在一些实施例中，车载系统510可以包括一个或多个处理器和一个或多个存储器(未示出)，并且车载系统510被实现为车载计算机。在一些实施例中，车载系统510可以包括更多或更少的显示屏514(例如，不包括显示屏514)，和/或一个或多个扬声器或其他人机交互设备。在一些实施例中，车载系统510可以不与服务器520通信。

服务器520可以代表单台服务器、多台服务器的集群、分布式系统、或者提供基础云服务(诸如云数据库、云计算、云存储、云通信)的云服务器。将理解的是，虽然图5中示出服务器520与仅一个车载系统510通信，但是服务器520可以同时为多个车载系统提供后台服务。

网络530允许按照约定的通信协议和数据交互标准，在车-X(“X”意指车、路、行人或互联网等)之间，进行无线通讯和信息交换。网络530的示例包括局域网(LAN)、广域网(WAN)、个域网(PAN)、和/或诸如互联网之类的通信网络的组合。网络530可以是有线或无线网络。在一个示例中，网络530可以是车内网、车际网和/或车载移动互联网。

为了本公开实施例的目的，在图5的示例中，应用程序512可以为电子地图应用程序，该电子地图应用程序可以提供基于电子地图的各种功能，例如，导航、路线查询、地点查找、泊车位置查找等等。与此相应，服务器520可以是与电子地图应用程序一起使用的服务器。该服务器520可以基于路网数据向车载系统510中运行的应用程序512提供在线地图服务，例如在线导航、在线路线查询以及在线地点查找等。替换地，服务器520也可以将路网数据提供给车载系统510，由车载系统510中运行的应用程序512根据该路网数据提供本地地图服务。

在下文中，结合图6描述这样的计算机设备、非暂态计算机可读存储介质和计算机程序产品的说明性示例。

图6示出了可以被用来实施本文所描述的方法的计算机设备600的示例配置。举例来说，图1中所示的服务器120和/或车载系统110可以包括类似于计算机设备600的架构。上述装置500或计算机设备也可以全部或至少部分地由计算机设备600或类似设备或系统实现。

计算机设备600可以包括能够诸如通过系统总线614或其他适当的连接彼此通信的至少一个处理器602、存储器604、(多个)通信接口606、显示设备608、其他输入/输出(I/O)设备610以及一个或更多大容量存储设备612。

处理器602可以是单个处理单元或多个处理单元，所有处理单元可以包括单个或多个计算单元或者多个核心。处理器602可以被实施成一个或更多微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。除了其他能力之外，处理器602可以被配置成获取并且执行存储在存储器604、大容量存储设备612或者其他计算机可读介质中的计算机可读指令，诸如操作系统616的程序代码、应用程序618的程序代码、其他程序620的程序代码等。

存储器604和大容量存储设备612是用于存储指令的计算机可读存储介质的示例，所述指令由处理器602执行来实施前面所描述的各种功能。举例来说，存储器604一般可以包括易失性存储器和非易失性存储器二者(例如RAM、ROM等等)。此外，大容量存储设备612一般可以包括硬盘驱动器、固态驱动器、可移除介质、包括外部和可移除驱动器、存储器卡、闪存、软盘、光盘(例如CD、DVD)、存储阵列、网络附属存储、存储区域网等等。存储器604和大容量存储设备612在本文中都可以被统称为存储器或计算机可读存储介质，并且可以是能够把计算机可读、处理器可执行程序指令存储为计算机程序代码的非暂态介质，所述计算机程序代码可以由处理器602作为被配置成实施在本文的示例中所描述的操作和功能的特定机器来执行。

多个程序可以存储在大容量存储设备612上。这些程序包括操作系统616、一个或多个应用程序618、其他程序620和程序数据622，并且它们可以被加载到存储器604以供执行。这样的应用程序或程序模块的示例可以包括例如用于实现以下方法步骤/部件功能的计算机程序逻辑(例如，计算机程序代码或指令)：方法200、方法300及其可任选的附加步骤、装置500和/或本文描述的另外的实施例。

虽然在图6中被图示成存储在计算机设备600的存储器604中，但是模块616、618、620和622或者其部分可以使用可由计算机设备600访问的任何形式的计算机可读介质来实施。如本文所使用的，“计算机可读介质”至少包括两种类型的计算机可读介质，也就是计算机可读存储介质和通信介质。

计算机可读存储介质包括通过用于存储信息的任何方法或技术实施的易失性和非易失性、可移除和不可移除介质，所述信息诸如是计算机可读指令、数据结构、程序模块或者其他数据。计算机可读存储介质包括而不限于RAM、ROM、EEPROM、闪存或其他存储器技术，CD-ROM、数字通用盘(DVD)、或其他光学存储装置，磁盒、磁带、磁盘存储装置或其他磁性存储设备，或者可以被用来存储信息以供计算机设备访问的任何其他非传送介质。与此相对，通信介质可以在诸如载波或其他传送机制之类的已调制数据信号中具体实现计算机可读指令、数据结构、程序模块或其他数据。本文所定义的计算机可读存储介质不包括通信介质。

一个或更多通信接口606用于诸如通过网络、直接连接等等与其他设备交换数据。这样的通信接口可以是以下各项中的一个或多个：任何类型的网络接口(例如，网络接口卡(NIC))、有线或无线(诸如IEEE 802.11无线LAN(WLAN))无线接口、全球微波接入互操作(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、Bluetooth

在一些示例中，可以包括诸如监视器之类的显示设备608，以用于向用户显示信息和图像。其他I/O设备610可以是接收来自用户的各种输入并且向用户提供各种输出的设备，并且可以包括触摸输入设备、手势输入设备、摄影机、键盘、遥控器、鼠标、打印机、音频输入/输出设备等等。

本文描述的技术可以由计算机设备600的这些各种配置来支持，并且不限于本文所描述的技术的具体示例。例如，该功能还可以通过使用分布式系统在“云”上全部或部分地实现。云包括和/或代表用于资源的平台。平台抽象云的硬件(例如，服务器)和软件资源的底层功能。资源可以包括在远离计算机设备600的服务器上执行计算处理时可以使用的应用和/或数据。资源还可以包括通过因特网和/或通过诸如蜂窝或Wi-Fi网络的订户网络提供的服务。平台可以抽象资源和功能以将计算机设备600与其他计算机设备连接。因此，本文描述的功能的实现可以分布在整个云内。例如，功能可以部分地在计算机设备600上以及部分地通过抽象云的功能的平台来实现。

虽然在附图和前面的描述中已经详细地说明和描述了本公开，但是这样的说明和描述应当被认为是说明性的和示意性的，而非限制性的；本公开不限于所公开的实施例。通过研究附图、公开内容和所附的权利要求书，本领域技术人员在实践所要求保护的主题时，能够理解和实现对于所公开的实施例的变型。在权利要求书中，词语“包括”不排除未列出的其他元件或步骤，不定冠词“一”或“一个”不排除多个，术语“多个”是指两个或两个以上，并且术语“基于”应解释为“至少部分地基于”。在相互不同的从属权利要求中记载了某些措施的仅有事实并不表明这些措施的组合不能用来获益。

以下将描述本公开的一些示例性方面。

方面1是一种激光雷达仿真方法，包括：

获取与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息，方向信息至少指示真实激光束相对于真实激光雷达的出射角；

获取与点云仿真平台相关联的配置信息，配置信息包括仿真物体在仿真场景下与仿真激光雷达之间的空间位置关系以及仿真物体的表面反射率，其中，仿真激光雷达被仿真成在仿真场景下以方向信息指示的出射角发射仿真激光束；以及

基于方向信息和配置信息，计算仿真激光雷达的仿真点云数据，其中，仿真点云数据至少包括被仿真物体反射回仿真激光雷达的仿真激光束的反射激光束的强度。

方面2是方面1的方法，其中，空间位置关系包括仿真物体相对于仿真激光雷达的距离和取向，并且其中，基于方向信息和配置信息，计算仿真激光雷达的仿真点云数据包括：

基于方向信息和仿真物体相对于仿真激光雷达的取向，确定仿真激光束在仿真物体的表面上的入射角；

按下式计算反射激光束的强度：

方面3是方面2的方法，其中，在仿真激光雷达为机械式激光雷达的情况下，仿真物体相对于仿真激光雷达的距离d随仿真场景每次更新而变化，并且

其中，在仿真激光雷达为半固态式激光雷达的情况下，仿真物体相对于仿真激光雷达的距离d在仿真场景每次更新时保持不变。

方面4是方面1-3中任一方面的方法，还包括：

将所计算的仿真点云数据发送至下游模块，以供下游模块使用。

方面5是方面4的方法，其中，配置信息包括仿真场景的更新周期以及仿真点云数据的相邻帧之间的发送时间间隔，更新周期小于发送时间间隔，并且其中，基于方向信息和配置信息，计算仿真激光雷达的仿真点云数据包括：

将仿真场景每次更新时所需要更新的反射激光束的强度的数量N确定为N＝total*tick/ΔT，其中total为每一帧仿真点云数据中的反射激光束的强度的总数，tick为仿真场景的更新周期，ΔT为仿真点云数据的相邻帧之间的发送时间间隔；

在仿真场景的每个更新周期内，更新相应不同的N个反射激光束的强度；以及

在仿真点云数据的发送时刻处发送一帧仿真点云数据，一帧仿真点云数据包括紧居发送时刻之前的发送时间间隔内被更新的反射激光束的强度。

方面6是一种激光雷达仿真装置，包括：

第一模块，用于获取与真实激光雷达在真实场景下所发射的真实激光束相关联的方向信息，方向信息至少指示真实激光束相对于真实激光雷达的出射角；

第二模块，用于获取与点云仿真平台相关联的配置信息，配置信息包括仿真物体在仿真场景下与仿真激光雷达之间的空间位置关系以及仿真物体的表面反射率，其中，仿真激光雷达被仿真成在仿真场景下以方向信息指示的出射角发射仿真激光束；以及

第三模块，用于基于方向信息和配置信息，计算仿真激光雷达的仿真点云数据，其中，仿真点云数据至少包括被仿真物体反射回仿真激光雷达的仿真激光束的反射激光束的强度。

方面7是一种计算机设备，包括：

至少一个处理器；以及

至少一个存储器，其上存储有计算机程序，

其中，计算机程序在被至少一个处理器执行时，使至少一个处理器执行方面1-5中任一方面的方法。

方面8是一种车辆仿真平台，包括方面6的激光雷达仿真装置或方面7的计算机设备。

方面9是一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使处理器执行方面1-5中任一方面的方法。

方面10是一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，使处理器执行方面1-5中任一方面的方法。