在万物智能（Pervasive Intelligence）时代，传感器无处不在。传感器的存在让汽车、智能手机和增强现实头显等设备越来越智能。但不同的物理传感器各有局限，部署起来费时费力，成本高昂。以自动驾驶汽车为例，为了确保自动驾驶系统能有效运行，需要数百万英里的行驶数据，并对嵌入式传感器所捕获的环境进行大规模绘制。

有两种方法可以实现，方法一是手动部署大量配备物理传感器的汽车，记录汽车所看到的数百万张图像，但这需要大量的时间、人力、物力和财力。方法二是虚拟传感器与高性能计算技术的结合。这样可以大幅减少繁复工作，降低长距离真实驾驶危险，提高效率。在本文中，我们将深入探讨虚拟传感器的优势和潜在应用。

什么是虚拟传感器？

虚拟传感器源于数字孪生的概念。

物理传感器是根据其在周围环境中“看到”的画面生成数据，而虚拟传感器则根据第三方信息进行计算或推断。这些数据代表环境，并可以基于一维、二维或三维信息来构建。当传感器是摄像头时，虚拟传感器会处理这些数据并将其转换为数字图像。

在很多情况下，虚拟传感器是芯片和终端产品开发者的好帮手。比如可以帮助确定摄像头的许多参数，而且这些原理适用于任何物理传感器，比如激光雷达和一般雷达中的传感器。

举例来说，虚拟摄像头可帮助某款自动驾驶汽车确定适合的物理摄像头规格：摄像头应该是黑白的还是彩色的？像素应该是多少？合适的景深是多少？摄像头应该安装在汽车的什么位置才能更有效地捕获信息？使用虚拟摄像头进行调整像素数、色彩平衡、信号处理等试验有助于找到这些问题的答案，而无需花大成本购买昂贵的原型。

在设计阶段，摄像头可能包含三个或更多组件，比如镜头、传感器和图像信号处理器。虚拟摄像头可仿真生成的图像质量，以测试这些组件的相互作用，从而确定合适的组合。

虚拟传感器在测试和人工智能模型开发中的应用

在设计后阶段，需要测试摄像头在目标安装位置的功能表现。借助挡风玻璃背后或后视镜上安装的虚拟装置，开发者可准确了解最终产品可以如何拍摄所处的环境，以及集成到汽车后的最终功能表现如何。

除此之外，虚拟传感器还能帮助开发AI模型，用来解释传感器感知到的环境。例如，虚拟传感器可以提供包含路标和行人等元素的虚拟图像，为这种模型的训练和开发提供支持，而无需收集大量物理信息。当这种AI模型完全成形后，就能够应用于物理摄像头，从而使自动驾驶汽车正常运行。

简而言之，虚拟传感器有望能够模拟自动驾驶汽车在真实环境中将需要应对的场景，比如一个小孩突然冲到马路中间捡球、给急救车辆让路等。有了虚拟传感器，就无需像物理传感器那样需要在路上茫然地寻找或被动等待这些场景发生。在汽车芯片设计领域，我们预计数字孪生模型和虚拟传感器会在架构探索中发挥越来越重要的作用，例如将满足OEM工作负载不断增长的性能需求；在芯片推出前进行软件开发、软硬件集成和片上系统（SoC）验证；以及构建用于半导体模型的测试和验证流程。

自动驾驶目前尚未完全普及，即便已经有了非常先进的芯片、摄像头和汽车技术，但处理整个系统的巨大数据量仍以一个非常大的挑战。目前，自动驾驶汽车按不同组件分别设计的，而不是从数据简化的角度出发，将系统作为一个整体。对摄像头、电子控制单元（ECU）和环境等方面进行虚拟化，有助于开发者了解组件之间的相互依赖关系并打破所形成的孤岛，从而促进团队协作，帮助优化系统表现。

虚拟传感器的应用和工具

虽然自动驾驶汽车仍在开发中，但虚拟传感器和更广泛的数字孪生技术已从汽车领域延伸到智能手机和增强现实等消费应用，甚至应用到了航空航天等领域。在这些应用中，数字孪生可提供半导体子系统的虚拟渲染模型，展示集成的硬件和软件系统将如何协同工作。

当然，对任何基于数字孪生的开发而言，模型的可信度和虚拟传感器的精度是关键，同时也是非常艰巨的挑战。研究表明，虚拟开发和测试能够显著提高生产力，因此提升可信度和精度是当务之急。

为此，新思科技为开发者提供了一系列工具，比如用于光学传感器设计和测试的CODE V、LightTools、LucidShape和RSoft等光学设计软件；用于分析和优化多核SoC与Multi-Die SoC架构的Platform Architect™; 使用虚拟硬件实现RTL前软件开发的Virtualizer™；以及通过为软件开发者提供即时反馈来支持系统设计和验证的Silver。

在推动自动驾驶革命的过程中，高精度虚拟化已悄然成为连接后端系统与前端应用的关键纽带。对于怀揣未来愿景的企业来说，把握这一趋势至关重要。