自動駕駛能否識別障礙物的能力與環(huán)境感知同等重要,如何安全有效的規(guī)劃行駛路線,是自動駕駛汽車需解決的最大的難題之一。事實上,路徑規(guī)劃技術(shù),現(xiàn)階段是一個非?;钴S的研究領(lǐng)域。路徑規(guī)劃之所以如此復(fù)雜,是因為其涵蓋了自動駕駛的所有技術(shù)領(lǐng)域,從最基礎(chǔ)的制動器,到感知周圍環(huán)境的傳感器,再到定位及預(yù)測模型等等。準確的路徑規(guī)劃,要求汽車要理解我們所處的位置以及周邊的物體(其他車輛、行人、動物等)會在接下來的幾秒鐘內(nèi)采取什么樣的行為。
首先來說一下三個名詞:路徑規(guī)劃、避障規(guī)劃、軌跡規(guī)劃
路徑規(guī)劃通常指全局的路徑規(guī)劃,也可以叫全局導(dǎo)航規(guī)劃,從出發(fā)點到目標點之間的純幾何路徑規(guī)劃,無關(guān)時間序列,無關(guān)車輛動力學(xué)。
避障規(guī)劃又叫局部路徑規(guī)劃,又可叫動態(tài)路徑規(guī)劃,也可以叫即時導(dǎo)航規(guī)劃。 主要是探測障礙物,并對障礙物的移動軌跡跟蹤( Moving Object Detection and Tracking ,一般縮寫為MODAT)做出下一步可能位置的推算,最終繪制出一幅包含現(xiàn)存碰撞風(fēng)險和潛在碰撞風(fēng)險的障礙物地圖,這個潛在的風(fēng)險提示是100毫秒級,未來需要進一步提高,這對傳感器、算法的效率和處理器的運算能力都是極大的挑戰(zhàn),避障規(guī)劃不僅考慮空間還考慮時間序列,在復(fù)雜的市區(qū)運算量驚人,可能超過30TFLOPS,這是無人車難度最高的環(huán)節(jié)。未來還要加入V2X地圖,避障規(guī)劃會更復(fù)雜,加入V2X地圖,基本可確保無人車不會發(fā)生任何形式的主動碰撞。
軌跡規(guī)劃則源自機器人研究,通常是說機械臂的路徑規(guī)劃。 在無人車領(lǐng)域,軌跡規(guī)劃的定義感覺不統(tǒng)一。有人將避障規(guī)劃與軌跡規(guī)劃混淆了。軌跡規(guī)劃應(yīng)該是在路徑規(guī)劃和避障規(guī)劃的基礎(chǔ)上,考慮時間序列和車輛動力學(xué)對車輛運行軌跡的規(guī)劃,主要是車縱向加速度和車橫向角速度的設(shè)定。將設(shè)定交給執(zhí)行系統(tǒng),轉(zhuǎn)向、油門、剎車。如果有主動懸掛,那么軌跡規(guī)劃可能還要考慮地形因素。
三大規(guī)劃是無人車最復(fù)雜的部分,算法多不勝數(shù),讓人眼花繚亂,這也是百度、谷歌和蘋果科技巨頭要切入無人車領(lǐng)域的主要原因,這些科技巨頭最擅長的就是算法的優(yōu)化整合。當然傳統(tǒng)車廠如福特和豐田,擁有對車輛動力學(xué)的絕對優(yōu)勢,在此領(lǐng)域?qū)嵙Σ⒉槐瓤萍季揞^要差,尤其是豐田,從開源 SLAM到KITTI,軟件實力絲毫不次于谷歌。
對于全局型路徑規(guī)劃不算復(fù)雜,前提是有拓撲級地圖,這對地圖廠家來說很容易的。對于非地圖廠家是有點麻煩的,不過只能算小麻煩。
今天我們重點了解一下避障規(guī)劃,避障規(guī)劃的前提是對周圍環(huán)境有深刻的理解,有一個非常完善實時的環(huán)境理解。
在此之前不得不先要理解無人駕駛避障的含義,很明顯我們根據(jù)無人駕駛避障的過程,可以將無人駕駛避障分成三個方面:
1.運動障礙物檢測:對運動過程中環(huán)境中的運動障礙物進行檢測,主要由車載環(huán)境感知系統(tǒng)完成。
2.運動障礙物碰撞軌跡預(yù)測:對運動過程中可能遇到的障礙物進行可能性評級與預(yù)測,判斷與無人駕駛車輛的碰撞關(guān)系。(當你檢測到障礙物后,你就得讓機器判斷是否會與汽車相撞)
3.運動障礙物避障:通過智能決策和路徑規(guī)劃,使無人駕駛車輛安全避障,由車輛路徑?jīng)Q策系統(tǒng)執(zhí)行。(判斷了可能會與汽車發(fā)生碰撞的障礙物后,你就得去讓機器做出決策來避障了)
運動障礙物檢測方法
運動障礙物檢測根據(jù)他們的sensor主要分成兩類:
一種是基于激光雷達和毫米波雷達的
一種是基于立體視覺的
運動障礙物碰撞軌跡預(yù)測
這一部分與障礙物的檢測識別分不開的。無人車的感知系統(tǒng)需要實時識別和追蹤多個運動目標(Multi-ObjectTracking,MOT),例如車輛和行人。
物體識別是計算機視覺的核心問題之一,最近幾年由于深度學(xué)習(xí)的革命性發(fā)展,計算機視覺領(lǐng)域大量使用CNN,物體識別的準確率和速度得到了很大提升,但總的來說物體識別算法的輸出一般是有噪音的:物體的識別有可能不穩(wěn)定,物體可能被遮擋,可能有短暫誤識別等。自然地,MOT問題中流行的Tracking-by-detection方法就要解決這樣一個難點:如何基于有噪音的識別結(jié)果獲得魯棒的物體運動軌跡。
運動障礙物的避障本質(zhì)上它是一個路徑規(guī)劃的過程:在路段上有未知障礙物的情況下,按照一定的評價標準,尋找一條從起始狀態(tài)到目標狀態(tài)的無碰撞路徑。
預(yù)測
預(yù)測模塊的作用是對感知所探測到的物體進行行為預(yù)測,并且將預(yù)測的結(jié)果具體化為時間空間維度的軌跡傳遞給下游模塊:行為決策模塊。然后行為決策模塊結(jié)合路由尋徑模塊從而進行行為決策。
這些選擇就是結(jié)合高精地圖的全局規(guī)劃,然后再通過汽車周邊傳感器感知的信息進行局部規(guī)劃,從而判斷汽車是否右轉(zhuǎn)、直行or并道。
-
智能汽車
+關(guān)注
關(guān)注
30文章
2725瀏覽量
106895 -
自動駕駛
+關(guān)注
關(guān)注
781文章
13449瀏覽量
165265
發(fā)布評論請先 登錄
相關(guān)推薦
評論