1 引言

我們此前發布的《如何高效構建與測試非結構化道路場景？》一文，已系統闡述了非結構化道路仿真的必要性、當前面臨的技術難點及其解決方案。

而在智能駕駛仿真測試的場景構建中，無論是結構化道路的搭建還是非結構化道路的加工，其工作流程通常依賴于明確的數據基礎和后續的可視化處理。在進入Unreal Engine或Blender等工具進行地圖外觀加工之前，具備完整、準確的道路邏輯數據通常是必要的前提。

用戶常見的問題包括：獲得外觀精細的地圖卻無法提取道路邏輯與真值信息，或是擁有邏輯完備的道路數據，導入仿真環境后卻只呈現為缺乏視覺表現的基準模型。

針對這些挑戰，aiSim通過集成外部工具鏈，建立起從標準ASAM OpenDRIVE編輯到aiSim Atlas地圖快速生成的高效轉換流程。

2 ASAM OpenDRIVE標準

在智能駕駛仿真領域，ASAM OpenDRIVE已成為廣泛支持的事實標準。該格式由ASAM組織維護，基于XML描述道路幾何、拓撲關系、車道屬性及交通標志等信息。它的開放性解決了不同仿真平臺之間的數據兼容問題，使得來自高精地圖供應商或專業設計軟件的道路數據，只要符合該標準，即可被多數仿真環境識別。

明確OpenDRIVE作為行業通用標準的核心價值后，下一步我們就需通過專業工具完成道路數據的精細化編輯，搭建符合仿真需求的道路邏輯與幾何模型。

aiSim支持導入OpenDRIVE 1.4至1.7版本，能夠識別包括人行道、斑馬線、車道線在內的多種道路特征，并結合對OpenSCENARIO的兼容，為后續地圖與場景的快速集成與應用提供了基礎。下文我們將具體敘述：

3 道路編輯器中生成OpenDRIVE

目前市面上有多種成熟的OpenDRIVE格式編輯工具可供選擇，例如RoadRunner、TruevisionDesigner等，可滿足不同場景下的道路數據編輯需求。

道路編輯示例

在結構化道路的常規編輯流程中，需重點完成以下核心環節的操作：

（1）幾何形狀編輯：包括道路繪制、使用Slip工具生成平滑匝道，以及通過高度、旋轉與截面編輯調整道路空間走向，這些幾何屬性對后續地圖生成與仿真具有基礎作用。

（2）道路屬性定義：涵蓋道路類型（如行車道、路肩、人行道）及車道線的虛實與顏色等，這些信息可用于感知算法驗證中的真值參照。

（3）復雜交通邏輯構建：如匝道匯入、環島、多路交叉口等關鍵交通結構，為地圖編輯及仿真中的車輛行為提供導向依據。

與結構化道路不同，非結構化道路編輯中，道路走向、高低落差、路面寬度等基礎參數的精準度，遠高于車道標識線、復雜路口邏輯等細節的優先級。

編輯過程中，可通過環路繪制、道路分割、高度校準、寬度調整等功能組合，結合圖形化拖拽或參數化設置的方式，完成OpenDRIVE格式地圖的精細化繪制。按照編輯器標準流程導出OpenDRIVE 1.4至1.7版本的.xodr文件后，即可進入aiSim的地圖轉化環節。

完成OpenDRIVE地圖的繪制與導出后，我們可以借助aiSim Atlas工具鏈實現格式轉化與適配，將標準化道路數據轉化為可直接用于仿真的數字資產。

4 aiSim Atlas的格式解析與適配

OpenDRIVE轉Atlas工作流

aiSim的Atlas地圖工具鏈具備OpenDRIVE 1.4至1.7版本的快速導入能力，可將標準.xodr文件高效轉化為aiSim兼容的Atlas地圖格式，實現道路文本數據向實體模型的轉化，生成.gltf、.gpkg、.map、.json等多種格式的模型文件與交通邏輯文件，滿足仿真測試的多樣化數據需求。

此外，在讀取OpenDRIVE文件時，aiSim可自動識別道路（Road）、人行道（Sidewalk）、道路標線（Marking）等核心道路元素，并為其自動賦予對應的語義標簽（Semantic Label），無需人工手動標注。

這一特性帶來兩大核心優勢：對于結構化道路，語義標簽可直接作為仿真測試中的地圖真值數據，支撐感知算法驗證；對于非結構化道路，可快速區分地形與道路的模型組成，為后續基于Unreal Engine、Blender的模型二次編輯提供便利，例如網格拆分、區域隔離等精細化操作。

綜上，從OpenDRIVE格式編輯到aiSim Atlas地圖轉化的全流程已形成閉環。

5 結語

通過以上流程，非結構化道路編輯已完成核心的基礎數據與邏輯框架搭建，完整流程可總結為三步：

（1）在道路編輯器中完成交通邏輯與幾何定義，導出.xodr文件。

（2）通過aiSim Atlas工具鏈讀取.xodr（支持v1.4–1.7），自動提取語義信息并生成Atlas地圖。

（3）為UE地圖編輯提供前置資源：生成的Atlas地圖已包含完整邏輯結構與基礎外觀，構成可直接用于仿真的數字資產。

需要說明的是，該階段的地圖仍處于基礎狀態，地形呈現較為簡易、缺乏靜態細節，需借助Unreal Engine、Blender等工具開展二次精細化編輯，進一步完善地圖保真度，以滿足更高標準的智駕仿真測試需求。