I.低速無(wú)人駕駛車(chē)輛平臺(tái)架構(gòu)

• 整車(chē)控制系統(tǒng)

車(chē)輛控制技術(shù)是無(wú)人駕駛汽車(chē)的，主要包括速度控制和方向控制等幾個(gè)部分。無(wú)人駕駛就是用電子技術(shù)控制汽車(chē)進(jìn)行的仿人駕駛。通過(guò)對(duì)駕駛員的駕駛行為進(jìn)行分析可知，車(chē)輛的控制是一個(gè)典型的預(yù)瞄控制行為，駕駛員找到當(dāng)前道路環(huán)境下的預(yù)瞄點(diǎn)，根據(jù)預(yù)瞄點(diǎn)控制車(chē)輛的行為。目前*常用的方法是PID算法，例如模糊PID、神經(jīng)網(wǎng)絡(luò)PID 等。

車(chē)內(nèi)控制系統(tǒng)通過(guò)CAN總線連接到各個(gè)控制單元，接受指令完成車(chē)的速度、轉(zhuǎn)角等控制。

VCU（ Vehicle Control Unit 整車(chē)控制單元） 其一通過(guò)采集控踏板部件等信號(hào)分析特出汽車(chē)狀態(tài)，將信息反饋給信號(hào)接收系統(tǒng);其二接受系統(tǒng)指令，控制各部件的電氣信號(hào)進(jìn)而控制車(chē)輛的行駛狀態(tài)。

• 感知系統(tǒng)

環(huán)境感知系統(tǒng)通過(guò)攝像頭、超聲波雷達(dá)、陀螺儀、車(chē)輪編碼器、激光雷達(dá)、GPS等。由于低速無(wú)人駕駛道路結(jié)構(gòu)較為簡(jiǎn)單，我們使用攝像頭為主、激光雷達(dá)輔助的多傳感器融合方案。其中攝像頭使用1920*1024分辨率、30fps幀率變可以達(dá)到實(shí)時(shí)控制要求；激光雷達(dá)1個(gè)安裝在車(chē)頂用于輔助攝像頭定位，1個(gè)安裝在車(chē)輛保險(xiǎn)杠前方用于檢測(cè)障礙物。信息處理平臺(tái)需要有較強(qiáng)的處理能力和方便開(kāi)發(fā)的環(huán)境，通過(guò)傳感器采集數(shù)據(jù)，我們采用雙核denver2處理器和四核ARM Cortex-A57架構(gòu)的Jetson TX2處理器。

Jetson TX2是由一個(gè)GPU和一個(gè)CPU集群組成。CPU集群由雙核denver2處理器和四核ARM Cortex-A57組成，通過(guò)高性能互連架構(gòu)連接。擁有6個(gè)CPU和一個(gè)GPU，可以不必自行運(yùn)行所有性能、功耗來(lái)測(cè)量的運(yùn)行狀態(tài)，因?yàn)镹VIDIA新的命令行工具Nvpmodel提供5種模式，可以方便地讓用戶(hù)配置CPU狀態(tài)，以**限度地提高不同場(chǎng)景下的性能和能耗。

Ⅱ雙目SLAM算法

首先提取具有尺度不變性的特征點(diǎn)；然后借鑒ＯＲＢ算法構(gòu)建特征描述子；立體匹配計(jì)算出無(wú)人車(chē)位姿序列、推算出無(wú)人車(chē)的二維空間位姿并完成建圖。同時(shí)為閉環(huán)檢測(cè)和位姿地圖優(yōu)化，提供了圖像特征點(diǎn)和特征描述點(diǎn)。

其次，采用視覺(jué)里程計(jì)與建圖己經(jīng)構(gòu)建好的特征描述子和BOW（模型進(jìn)行閉環(huán)檢測(cè)。首先聚類(lèi)特征描述子實(shí)現(xiàn)類(lèi)中心；為了使視覺(jué)特征分層量化，所以遞歸生成叉樹(shù)的BOW；再采用逐層計(jì)算圖像之間相似性增量的Ａ：叉樹(shù)得分匹配方法；為了形成更好地候選閉環(huán)和剔除候選閉環(huán)的中錯(cuò)誤閉環(huán)；采用了時(shí)間和匹配約束。通過(guò)對(duì)視覺(jué)SLAM閉環(huán)檢測(cè)研宄，不僅提髙了閉環(huán)檢測(cè)的準(zhǔn)確性，也擴(kuò)展了基于場(chǎng)景外觀方法在SLAM系統(tǒng)中的應(yīng)用，同時(shí)豐富了計(jì)算機(jī)視覺(jué)和圖像處理等領(lǐng)域的BOW方法研宄。

然后，構(gòu)建了基于圖的無(wú)人車(chē)SLAM后端非線性?xún)?yōu)化結(jié)構(gòu)，采用髙斯-牛頓迭代算法優(yōu)化位姿預(yù)測(cè)數(shù)據(jù)與位姿觀測(cè)數(shù)據(jù)之間的誤差，計(jì)算出誤差*小情況下的無(wú)人車(chē)位姿和路標(biāo)節(jié)點(diǎn)**配置。優(yōu)化了無(wú)人車(chē)定位與環(huán)境模型，從而指導(dǎo)無(wú)人車(chē)自主導(dǎo)航。

Ⅲ道路分析

• 基于攝像頭和雷達(dá)的道路邊緣檢測(cè)

低速非結(jié)構(gòu)化道路環(huán)境下的檢測(cè)方法，使用攝像頭采集車(chē)輛前方道路圖像，通過(guò)色彩空間變換還有直線檢測(cè)可以獲得候選道路邊緣形態(tài)。接著使用斜向下檢測(cè)的激光雷達(dá)分析道路情況，然后融合兩種測(cè)試結(jié)果，得到在同一坐標(biāo)下的道路邊緣位置。

• 基于激光雷達(dá)障礙物避讓

通過(guò)對(duì)道路模糊檢測(cè)選取基點(diǎn)，進(jìn)而對(duì)雷達(dá)數(shù)據(jù)進(jìn)行 擬合獲得對(duì)道路信息的模糊描述?；?VFH+算法障礙物躲避，對(duì)道路進(jìn)行柵格劃分，分析格內(nèi)障礙物密度，判定智能車(chē)機(jī)械特性以獲得行駛路線。

• 基于多傳感器的地圖導(dǎo)航

基于電子地圖和磁場(chǎng)針進(jìn)行道路的實(shí)時(shí)檢測(cè)、校正，繼而 通過(guò) GPS 和 DＲ 系統(tǒng)組合定位，獲得準(zhǔn)確穩(wěn)定的實(shí)時(shí)位置信息。如為較為復(fù)雜路口，需要結(jié)合攝像頭和激光雷達(dá)進(jìn)行更精確的路徑規(guī)劃。

Ⅳ遠(yuǎn)程監(jiān)控系統(tǒng)架構(gòu)

車(chē)載終端設(shè)備與整車(chē)VCU通過(guò)CAN連接，車(chē)載終端設(shè)備通過(guò)4G通信模塊與服務(wù)器平臺(tái)的數(shù)據(jù)服務(wù)器通信，Web服務(wù)器與數(shù)據(jù)服務(wù)器通過(guò)JDBC數(shù)據(jù)庫(kù)通信。Web服務(wù)器的信息系統(tǒng)軟件基于B/S架構(gòu)開(kāi)發(fā)，可通過(guò)瀏覽器在不同的PC終端登錄該系統(tǒng)。

該設(shè)備采用飛思卡爾IMX56處理器和安卓操作系統(tǒng)，提供CAN接口與整車(chē)控制器( vehicle control unit，VCU) 進(jìn)行連接，車(chē)速、加速度、電池、電機(jī)等駕駛狀態(tài)參數(shù)與故障診斷信息可通過(guò)CAN采集并通過(guò)內(nèi)置的移動(dòng)硬盤(pán)進(jìn)行數(shù)據(jù)存儲(chǔ)。與當(dāng)前非無(wú)人駕駛新能源汽車(chē)遠(yuǎn)程監(jiān)控系統(tǒng)相比，無(wú)人駕駛對(duì)信息系統(tǒng)的定位精度與安全性要求更高，因此該設(shè)備通過(guò)串口集成了北斗高精度定位系統(tǒng)，同時(shí)外設(shè)四路攝像頭接口監(jiān)測(cè)車(chē)身四周的道路環(huán)境視頻，所有數(shù)據(jù)可通過(guò) Wi-Fi /4G 無(wú)線通信模塊傳輸至后臺(tái)遠(yuǎn)程監(jiān)控信息系統(tǒng)。

后臺(tái)遠(yuǎn)程監(jiān)控信息系統(tǒng)由前端界面功能模塊軟件、后臺(tái)功能模塊軟件以及服務(wù)器信息系統(tǒng)安全軟件組成。Web服務(wù)器的信息系統(tǒng)軟件基于B/S架構(gòu)開(kāi)發(fā)，結(jié)構(gòu)如下：

Ⅵ車(chē)輛遠(yuǎn)程數(shù)據(jù)傳輸與采集

車(chē)載終端采集的車(chē)輛狀態(tài)信息、地理位置信息以及圖像信息通過(guò)4G網(wǎng)絡(luò)傳輸至后臺(tái)信息系統(tǒng)，結(jié)構(gòu)如下：

車(chē)載終端通過(guò)實(shí)時(shí)傳輸協(xié)議( reliable transport protocol，PTP) 向服務(wù)器發(fā)送視頻流，服務(wù)器收到后通過(guò)一個(gè)跨平臺(tái)的視頻和音頻流方案程序 ( fast forward moving picture experts group， FFMPEG)將PTP協(xié)議轉(zhuǎn)為路由選擇表維護(hù)協(xié)議 ( routing table maintenance protocol，RTMP) 。協(xié)議在Red5流媒體服務(wù)器中存儲(chǔ)Red5服務(wù)器將視頻流發(fā)送到用戶(hù)電腦。車(chē)載通過(guò)自擬定協(xié)議向服務(wù)器發(fā)送車(chē)輛狀態(tài)參數(shù)與地理位置參數(shù)，同時(shí)服務(wù)器向車(chē)載終端發(fā)送控制命令。

• 遠(yuǎn)程啟?？刂?/span>

針對(duì)研究車(chē)輛，俞佳偉提出了一種基于高精度定位系統(tǒng)的無(wú)人駕駛車(chē)輛軌跡跟蹤方法，可實(shí)現(xiàn)車(chē)輛的無(wú)人駕駛循跡控制。但由于無(wú)人駕駛車(chē)輛尚需大量試驗(yàn)測(cè)試驗(yàn)證，為防止環(huán)境感知系統(tǒng)探測(cè)失效或其他車(chē)輛故障導(dǎo)致駕駛危險(xiǎn)， 需要對(duì)車(chē)輛進(jìn)行遠(yuǎn)程啟?？刂苼?lái)抉擇車(chē)輛前方障礙物是清掃還是避讓。對(duì)此本文基于主動(dòng)安全技術(shù)提出基于時(shí)間的危險(xiǎn)預(yù)估方法，即：

通過(guò)TTA計(jì)算可粗略估計(jì)監(jiān)控后臺(tái)預(yù)警時(shí)間，從而提前控制無(wú)人清掃車(chē)的啟停。

Ⅶ無(wú)人駕駛實(shí)驗(yàn)

通過(guò)三種不同的實(shí)驗(yàn)環(huán)境一步一步論述低速環(huán)境下無(wú)人駕駛技術(shù)的真確性和適用性。

• 個(gè)是在虛擬環(huán)境下，模擬各種道路環(huán)境和傳感器數(shù)據(jù)，此為較為理想環(huán)境下的測(cè)試實(shí)驗(yàn)。
• 第二個(gè)是在路錐環(huán)境下，該實(shí)驗(yàn)重點(diǎn)在于雷達(dá)對(duì)障礙物的檢測(cè)是否及時(shí)與正確，躲避障礙物的過(guò)程是否有效，同時(shí)考驗(yàn)了智能車(chē)的機(jī)械特性。
• 第三個(gè)是在校園的低速環(huán)境下，通過(guò)真實(shí)的道路環(huán)境對(duì)智能車(chē)進(jìn)行考驗(yàn)，綜合對(duì)道路、障礙物檢測(cè)，避讓與自主導(dǎo)航等多項(xiàng)無(wú)人駕駛的關(guān)鍵技術(shù)進(jìn)行測(cè)試。

Ⅷ總結(jié)與展望

通過(guò)本文理論與實(shí)際測(cè)試，細(xì)化了低速環(huán)境下智能車(chē)的無(wú)人駕駛技術(shù)的優(yōu)缺點(diǎn)和方法的選擇，并具體分析了智能車(chē)的平臺(tái)架構(gòu)，提出了一種用攝像頭、雷達(dá)、多傳感器等基礎(chǔ)設(shè)備，實(shí) 現(xiàn)智能車(chē)的行駛、避讓和道路規(guī)劃，繼而驗(yàn)證了無(wú)人駕駛技術(shù) 實(shí)現(xiàn)的可行性。對(duì)于日后的發(fā)展，我們一致認(rèn)為，在道路邊緣檢測(cè)方面由于色彩基準(zhǔn)值的選擇范圍有限，還有Hough直線檢測(cè)法對(duì)彎路處檢測(cè)并不理想，因此需要探索更可靠的道路邊緣檢測(cè)的方法。同樣，在其他方面還需要簡(jiǎn)化操作流程，提高對(duì)復(fù)雜道路檢測(cè)的正確性。