高级驾驶辅助系统（ADAS）的基础是环境模型，它根据从雷达、摄像头、激光雷达和超声波传感器等传感器收集的数据所构建，代表车辆周围的环境。随着开发人员完善和优化这些传感器生成的环境模型，他们需要知道模型表示真实世界的准确性。这种黄金标准叫做 地面实况。
例如，如果车辆前面有一个骑自行车的人，开发人员需要确保传感器准确地检测到对象的存在，确定对象的距离、大小、和相对速度，并将对象归类为自行车。雷达非常擅长检测距离和速度，即使在恶劣天气下也表现出色，先进的雷达系统还能确定高度。摄像头擅长方位检测和目标分类，但很难精确地检测距离。要开始全面评估这些传感器和其他传感器的性能，首先必须有地面实况，确立传感器试图解决的所有问题的 “正确答案” 。
为记录地面实况，开发人员使用测试车辆，上面配备一系列极其灵敏的惯性测量设备，车顶上安装高度精确的GPS设备、激光雷达和摄像头。虽然这些传感器过于昂贵、体积庞大且不适合在日常车辆中使用，但它们提供了非常高分辨率的实时分辨率，可以高度准确地表示测试车辆周围的环境。
开发人员将他们研究的传感器安装在同一辆车上，这样地面实况传感器和开发传感器就能时序一致，在相同的地点、相同的环境和相同的潜在输入下工作。测试人员在封闭试车道路和公共道路上的各种场景中驾驶车辆，然后将数据带回实验室进行分析。由于收集的数据量很大，测试人员会将数据上传到云端，以提高处理能力，在几分钟内生成地面实况结果。然后，这种地面实况信息可帮助开发人员从原始传感器数据中提取更精确的信息（通过人工智能和机器学习）。
比方说，一辆车配备了地面实况测量设备和测试雷达，雷达检测到一个部分遮挡的物体，之后当视野不再被遮挡时，地面实况将其识别为自行车。然后，开发人员使用这些数据告知机器学习软件，来自该位置物体的不那么明显的雷达回波模式代表骑自行车的人。当软件下次遇到类似的模式时，就更有可能检测和区分这种类型的物体，无需地面实况设备的帮助也能自信地识别出自
行车。
这种技术有助于普及安全性。通过将软件智能应用于雷达系统和其他不这么贵的传感器硬件，OEM可以改进和完善高级ADAS功能并扩展到高端车型以外的更多车辆上。
