一、引言

在前兩篇文章中，我們系統(tǒng)闡述了非結(jié)構(gòu)化道路場景的構(gòu)建路徑。首篇《如何高效構(gòu)建與測試非結(jié)構(gòu)化道路場景？》從宏觀層面剖析了非結(jié)構(gòu)化道路測試的必要性與技術(shù)挑戰(zhàn)，并介紹了aiSim通過集成外部工具實(shí)現(xiàn)邏輯路網(wǎng)與高真實(shí)感地形結(jié)合的總體解決方案。第二篇《從OpenDRIVE到Atlas：道路數(shù)據(jù)編輯與格式適配解析》則深入技術(shù)細(xì)節(jié)，說明了如何利用行業(yè)標(biāo)準(zhǔn)的OpenDRIVE格式，通過道路編輯器生成基礎(chǔ)道路邏輯，再經(jīng)由aiSim Atlas工具鏈轉(zhuǎn)化為包含語義標(biāo)簽與基礎(chǔ)模型的初始地圖資產(chǎn)。

至此，我們擁有了一個具備完整道路拓?fù)浜统醪揭曈X表現(xiàn)的Atlas地圖。然而，正如前文所述，這個階段的地圖仍處于“基礎(chǔ)狀態(tài)"，地形呈現(xiàn)較為簡易、缺乏靜態(tài)細(xì)節(jié)。若直接用于仿真，車輛動力學(xué)反饋仍基于相對平坦的路面假設(shè)，難以真實(shí)反映坑洼、起伏的影響；攝像頭與雷達(dá)傳感器也無法捕捉到復(fù)雜路況下的真實(shí)物理反饋。這正是本文要解決的核心問題：如何將帶有邏輯信息的“標(biāo)準(zhǔn)地圖"，深化為幾何細(xì)節(jié)豐富、物理屬性真實(shí)、視覺表現(xiàn)高保真的“可仿真數(shù)字孿生場景"？

對此，aiSim提供了基于UE5與Blender的深度編輯工作流。本文將詳細(xì)闡述如何通過這一鏈路，為地圖注入幾何細(xì)節(jié)、物理屬性與環(huán)境資產(chǎn)，完成從邏輯數(shù)據(jù)到高保真仿真場景的最終躍遷。

二、Atlas地圖導(dǎo)入與UE環(huán)境適配

工作流的首步是將Atlas地圖加載至UE環(huán)境中。aiSim直接提供了內(nèi)含多功能插件的UE5項(xiàng)目工程文件，其核心功能之一便是Atlas地圖的導(dǎo)入。

由于Atlas地圖本質(zhì)是以.gltf、.json等文件形式存儲在資產(chǎn)庫中的，在aiSim Plugin的支持下，只需拖拽地圖目錄下的map.json至UE視口，即可完成導(dǎo)入。此時，原本抽象的OpenDRIVE數(shù)據(jù)會以靜態(tài)網(wǎng)格體（Static Mesh）的形式呈現(xiàn)在UE視口中。

圖1：僅需一步拖拽，實(shí)現(xiàn)aiSim地圖到UE地圖的快速導(dǎo)入

這一步驟不僅加載了道路、地形的幾何模型，更重要的是同步導(dǎo)入了地圖的道路邏輯。通過TrafficDataActor，這些邏輯可以SplineActor的形式可視化呈現(xiàn)，為后續(xù)自動化模型放置和仿真車輛行駛路線的確認(rèn)提供參考基準(zhǔn)。

三、基于Blender的模型深度精細(xì)化編輯

在首步導(dǎo)入的地圖中，地形通常相對光滑，且道路與地形接縫處可能存在落差。針對這些問題，需要對靜態(tài)網(wǎng)格體進(jìn)行二次編輯。

對于簡單的地形落差或宏觀層面的調(diào)整，可在UE中使用Modeling Mode下的Deform工具（如Dynamic Sculpt或Vertex Sculpt）進(jìn)行快速處理。但當(dāng)需要刻畫路面坑洼、車轍、地形與道路的平滑過渡等微觀幾何細(xì)節(jié)時，則需借助Blender等專業(yè)建模工具。

圖2：基于UE與Blender的路面編輯工作流

aiSim在導(dǎo)入過程中已將地形與道路分離為獨(dú)立模型，并按照統(tǒng)一坐標(biāo)系對齊。用戶可以分別導(dǎo)出兩者的FBX文件至Blender進(jìn)行編輯。

對于道路，可以提取模型的Edge并轉(zhuǎn)換為Curve對象，結(jié)合基于車輛輪距設(shè)計(jì)的橫截面進(jìn)行掃描，形成坑洼道路雛形。

隨后可以遵循道路小網(wǎng)格、地形大網(wǎng)格的基本準(zhǔn)則，對道路、地形都進(jìn)行網(wǎng)格的重分布，并施加一定隨機(jī)噪聲，完成道路與地形的模型的“坑洼化"。

最后可以對道路和地形進(jìn)行材質(zhì)編輯，生成對應(yīng)的Color、xRoMe、Normal紋理，結(jié)束整體的編輯。

編輯完成后，模型以FBX格式導(dǎo)出，作為靜態(tài)網(wǎng)格體配合aiSim Prop的優(yōu)化LOD Group重新導(dǎo)入U(xiǎn)E。

通過這種方法，可以在不破壞道路整體趨勢與交通邏輯的前提下，實(shí)現(xiàn)模型層面的高精度細(xì)化。

圖3：Blender二次編輯后的道路與地形

四、 模型資產(chǎn)集成與語義屬性配置

完成坑洼地面的幾何編輯后，場景的真實(shí)度提升還需依賴環(huán)境元素的補(bǔ)充。從雜草、樹木、石塊等自然要素，到錐桶、路燈、建筑等人造設(shè)施，aiSim內(nèi)置了數(shù)千種3D資產(chǎn)可供直接調(diào)用。這些資產(chǎn)不僅模型多樣，其材質(zhì)實(shí)例更針對仿真器渲染引擎進(jìn)行了優(yōu)化，除了Color與Normal紋理外，還增設(shè)了用于描述反射率的xRoMe紋理，使雷達(dá)傳感器仿真數(shù)據(jù)更具真實(shí)性。

圖4：aiSim 3D資產(chǎn)概覽

在物理屬性層面，aiSim插件允許為道路、地面等模型配置詳細(xì)的碰撞屬性。在Detail面板中，可以為路面、碎石、障礙物等賦予OBB或Triangle Mesh級別的碰撞體，滿足動力學(xué)仿真對接觸反饋的精度要求。

圖5：模型與材質(zhì)編輯示例

在感知層面，aiSim資產(chǎn)庫的模型自帶語義標(biāo)簽，同時插件也支持自定義配置。用戶可以為每個靜態(tài)網(wǎng)格體指定獨(dú)特的Semantic Label，并在仿真器詞典庫中定義對應(yīng)的類型與顏色。

圖6：UE語義標(biāo)簽與aiSim仿真運(yùn)行示例

仿真運(yùn)行時，這些信息可作為感知真值輸出，生成語義分割圖像與2D/3D邊界框，用于算法驗(yàn)證。外部導(dǎo)入的FBX模型在確保材質(zhì)模板統(tǒng)一后，同樣支持語義標(biāo)簽配置，大幅提升了地圖編輯的靈活性。由此，便可以施加各種各樣的3D資產(chǎn)到地圖中，豐富地圖的表達(dá)。

圖7：添加3D資產(chǎn)示例

五、 批量鋪設(shè)與自動化工具應(yīng)用

面對非結(jié)構(gòu)化場景中大范圍的環(huán)境要素布置（如路邊護(hù)欄、連續(xù)植被），手動擺放效率低下且難以保證分布的自然度。aiSim Plugin提供了兩套高效的解決方案：

1、基于UE Foliage的隨機(jī)鋪設(shè)：

通過UE原生的Foliage Mode，可將特定靜態(tài)網(wǎng)格體轉(zhuǎn)化為Foliage實(shí)例。該模式下，用戶能以筆刷形式在指定區(qū)域隨機(jī)、大面積地放置和消除植被、石塊等元素，并通過調(diào)整密度、尺寸、姿態(tài)等參數(shù)，實(shí)現(xiàn)自然、多樣化的分布效果。

圖8：UE Foliage Mode大面積隨機(jī)鋪設(shè)

2、基于aiSim BluePrints的序列化批量放置

aiSim Plugin Content的Utilities目錄下提供了多種專用藍(lán)圖工具，用于沿特定路徑或區(qū)域進(jìn)行批量布置。常用工具包括：

（1）RandomMeshInstancesAlongSpline：沿樣條線批量放置靜態(tài)網(wǎng)格體實(shí)例。

（2）RandomClassAlongSpline：沿樣條線布置帶有動態(tài)屬性（如可開關(guān)的路燈）的藍(lán)圖類。

（3）StairsAlongSpline：沿樣條線生成臺階。

（4）RandomElectricPillarsAlongSpline：沿樣條線布置電線桿。

（5）ModularBuilding：基于多邊形區(qū)域生成樓房模型。

（6）PlantPlacer與FoliageBed：實(shí)現(xiàn)植被與花壇的區(qū)域化布置。

圖9：自動化操作與批量鋪設(shè)示例

在兩種方法的輔助下，便可以隨心所欲地在地圖上大規(guī)模放置環(huán)境要素，進(jìn)一步讓地圖的真實(shí)度上升到一個新的境界，最終完成滿足需求的非結(jié)構(gòu)化道路。

圖10：最終效果圖（UE端）

六、 地圖導(dǎo)出與仿真閉環(huán)驗(yàn)證

完成所有編輯、材質(zhì)賦予和屬性定義后，進(jìn)入工作流的最后。在aiSim的UE工程中，通過點(diǎn)擊內(nèi)置的地圖導(dǎo)出按鈕并選擇保存路徑，即可將當(dāng)前場景連同所有引用的3D資產(chǎn)打包，輸出為可供仿真器直接加載的Atlas格式地圖。

圖11：最終效果圖（aiSim端）

導(dǎo)出完成后，打開aiSim仿真器加載該地圖，并結(jié)合OpenSCENARIO設(shè)計(jì)具體的測試用例。依托aiSim多樣化的天氣與傳感器配置，可開展多種功能測試：

• 感知算法驗(yàn)證：配合Camera、LiDAR、Radar等傳感器，開啟感知真值輸出，檢驗(yàn)?zāi)繕?biāo)檢測、圖像分割、點(diǎn)云識別等算法的性能。

• 動力學(xué)與控制驗(yàn)證：設(shè)定自車以不同速度、加速度通過坑洼路面、障礙物等區(qū)域，結(jié)合車輛動力學(xué)模型輸出的IMU數(shù)據(jù)與狀態(tài)真值，評估底盤控制與軌跡規(guī)劃算法的表現(xiàn)。

圖12：高保真光追相機(jī)仿真示例

七、結(jié)語

至此，我們完成了從非結(jié)構(gòu)化道路需求分析，到OpenDRIVE邏輯構(gòu)建，再到UE與Blender聯(lián)合編輯，最終回歸aiSim仿真運(yùn)行的完整技術(shù)路徑闡述。

回顧這一系列文章，我們可以看到aiSim所提供的并非單一的工具，而是一條貫穿“標(biāo)準(zhǔn)數(shù)據(jù)→邏輯地圖→高保真模型→閉環(huán)仿真"的技術(shù)通道。在這個通道中，嚴(yán)謹(jǐn)?shù)牡缆愤壿嬇c自由的藝術(shù)創(chuàng)造力得以結(jié)合，為智能駕駛測試構(gòu)建出既符合物理規(guī)律又充滿挑戰(zhàn)的虛擬驗(yàn)證環(huán)境。通過在仿真中充分暴露并解決復(fù)雜路況下的潛在問題，最終的目標(biāo)是讓每一次真實(shí)道路上的行駛，都能獲得更多的“平穩(wěn)"與“安全"。