在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要

   自动化那些事        

由于各种原因,道路迅速老化。道路安全信息的不确定性和不可获得性已成为可靠运输货物、重型机械的移动、进出灾区的人员和材料的运输方面的一个主要问题。


在该研究中,研究者提出了一种新的方法来减少这种不确定性。研究者提出了一种解决方案,该方案通过距离调制路线图给出精确的定量答案,并确认某一特定路段的某一特定类型的车辆是否可以穿越。本文以“Vehicle specific robust traversability indices using roadmaps on 3D pointclouds”为题于2020年10月24日发布于《International Journal of Intelligent Robotics and Applications》杂志上。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


研究背景


自2004年和2005年美国国防部高级研究计划局(DARPA)举办首届挑战赛以来,自动驾驶汽车已经取得了长足的进步。虽然第5级自治(所有条件下人类水平的自动化)仍存在争议,但大多数专家预测,第4级自治(大多数条件下人类水平)将在未来5到10年内实现。


大多数最近的进展集中在提高车辆本身的能力,即实时控制和感知。现在这些领域的高可靠性状态(控制在特殊条件下),有一个需要解决的相关问题如三维映射的道路网络,升级现有的道路信号和标志板,确保车辆网络通信,使认知系统强劲对手的攻击等。


自动驾驶汽车范例从机器人的感觉-计划-行为模型开始,首先使用3D传感器生成周围环境的局部地图;通过生成安全轨迹,利用这张局部地图规划它们的运动,然后在生成的轨迹上通过控制转向和油门刹车来执行运动。


这些数据在内存中保存了很短的一段时间,直到为下一步生成一个新的局部地图,因为这些系统只对车辆中近距离有什么会影响它的运动感兴趣。其次,在内存受限的系统中存储这些信息本身就是一项困难的任务。谷歌的自动驾驶汽车小组是第一个将这种3D环境信息存储为全球地图。在发生撞车事故并造成伤亡后,特斯拉开始记录障碍物信息用于安全自动驾驶。


当特斯拉汽车访问一个新地点时,它会将所有障碍物储存在地图上,供以后穿越该道路的汽车使用,以确保安全。紧随其后,一些初创公司开始提供主要城市的按需3D地图。虽然谷歌和特斯拉使用这些地图来改进定位或障碍物检测,但研究者建议,这些信息可以用于其他辅助任务,帮助自动、半自动甚至普通司机有效地规划他们的路线。


该技术的灵感来自于道路的可穿越性分析,其目的是通过使用预先记录的道路和车辆参数的3D信息来确定车辆是否可以安全地穿越道路。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为有障碍的道路斑块实例

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为道路可穿越性分析框架


上图显示研究者的框架的高级工作流来执行可遍历性分析。研究者的可穿越性分析框架的输入是点云数据,它是空间上对应于道路和障碍物的三维点。在对点云进行预处理后,即去除孤立点和降尺度(如果需要的话),利用平面拟合从输入点云中提取地形或路面。任何不是路面的东西都被认为是障碍。对于车辆模型,采用了车辆长度、高度、宽度、轴距、轨道等参数。


直接处理点云是一项计算开销很大的任务,因为每个车辆的配置都需要处理数十万个点。另一种解决方案是使用数字高程地图(DEM),将空间转换为离散网格单元。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为DEM(数字高程图)的增强型

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为车辆模型及其参数


配置是车辆与道路交互的实例。所有此类实例的数量称为配置空间(C-Space)。它由指定车辆配置的最小自变量数表示。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为道路车辆配置

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为路段可穿越性的图形


对于自由空间的直接计算,在无约束障碍存在的情况下是难以计算的。因此,研究者提出在道路上自由选择道路的自由空间,将一端的起始位置与另一端的目标位置连接起来。


道路可穿越性指数(RTI)被定义为与没有障碍的标称道路相比,车辆在道路上可通过的面积的度量。利用图的概念,RTI可以定义为从起始节点到目标节点的道路上相对于无障碍道路上的路径的无碰撞唯一路径数。


在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要



图为60种随机生成道路场景RTI直方图分析

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为60种道路场景下25幅随机图RTI标准差直方图

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为60种道路场景RTI随机图分析正态概率图表明随机图大小服从正态分布

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为所有道路场景在不同图形尺寸下RTI标准差的方框图

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要




图为60种道路场景RTI图大小分析正态概率图


从安全的角度来看,人们可能感兴趣的是,了解最大的无障碍空间,车辆可以在道路上。道路安全指数(RSI)是衡量这种车辆特定的最大可穿越空间。就路径而言,RSI是最大的联合路径组的度量。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为单大窄通道和多个小窄通道路线图的玩具示例


为了强调基于路线图的可穿越性分析的重要性,研究者首先给出了不同的场景,在这些场景中,障碍物的位置、大小和数量以传统的可通过性框架无法捕捉到的不同方式影响不同车辆的可穿越性。


研究者将展示道路上的障碍物如何根据障碍物的位置、大小和数量,以及车辆的参数和运动约束,对不同的车辆产生不同的可穿越性影响。在作出更知情的决定时,可以知道某些道路不能被某些车辆穿越或部分通过。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为不同的车辆在遇到不同的障碍物时具有不同的可穿越性

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为不同的道路要修复


将基于路线图的可穿越性应用于道路修复的基本理论是找出修复后能使道路可穿越性最大化的道路斑块,同时最小化修复成本。


在本实验中,研究者将展示一个使用RSI比RTI更好的示例场景。在巴基斯坦的农村地区,农民必须把他们的商品送到附近的市场。经常发生的事件是,运载货物的车辆由于路面上的坑洞而倾覆,给已经贫穷的农民造成经济和牲畜损失。大多数这些事件的原因是道路受损。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为乡村道路上车辆的可穿越性


为了证明研究者的方法在现实世界中的有效性,研究者使用安装在一辆可以穿越道路的侦察车上的激光扫描仪记录了一个村庄的道路数据。激光扫描仪安装在货车上,这样它就可以沿着马路往下看。

在碰见道路损坏时,一双智能判断的“眼睛”对车辆安全极为重要


图为(左)带有负障(开井)和正障(弃沙)的乡村道路。(右)本贴片上车辆的RTI和RSI


RTI值高于RSI值,说明车辆2在道路上有多个安全通道(无碰撞空间)(也见补充材料第4节的配置空间图)。相同的RTI值和RSI值表明,负障碍对3车的可通过性没有影响,在道路上只有一条安全通道可供3号车辆使用。RTI与RSI的差别很小,说明可能有多个通道,但不明显。车辆4的配置空间图表明,4车在道路上有一个单一的安全通道,其区别来自于一些不属于最大集群的最小节点。这表明RTI和RSI是一种有效的指标,可以很好地反映车辆在道路上的可穿越性。


讨论与研究结论


在该研究中,研究者使用3D传感器的数据详细解释了研究者提出的道路穿越性分析框架。研究表明,障碍物的大小、位置和数量对不同车辆的穿越能力有不同的影响。研究者还表明,研究者的框架可以用于查找大量与遍历性相关的查询,比如哪些车辆可以安全地遍历一条路线,对于某一特定车辆,哪条路线是最安全的,等等。


它也被经验证明,研究者的遍历方法是不变的随机图和图的大小(在图中的节点和边的数量)。研究者使用图论方法来找到一个区域中可为车辆提供最大可遍历性的所有可能路径。这些基于路径的方法进行局部路径优化,而研究者的方法进行全局区域搜索。在配置空间中工作使研究者不需要对障碍物的形状和/或车辆的运动施加任何约束。


研究者已经广泛地测试了这个框架对图的大小和形状(随机性)的鲁棒性,使它成为可遍历性相关问题的可行解决方案。由于它是概念工作的证明,因此也存在一些局限性。数据依赖于预先录制的3D道路地图或侦察车辆,可以穿越地形记录数据。


研究者假设所有的障碍都是静态的。处理单个点云框架在计算上是昂贵的,尽管还没有显式的优化尝试来改进它。不同DEM大小的影响以及道路斑块大小的限制尚未被探讨。当车辆前方的pointcloud被裁剪时,当车辆转弯时进场失败。这是因为路边被当成了障碍物。


它可以通过侦察飞行器的轨迹来修复。研究者建议该框架还可以用于其他与遍历性相关的查询,如道路上车辆的净空,它是车辆与最近障碍物之间距离的度量。如果道路上有多个障碍,研究者的框架可以用于查找对遍历性影响最大的障碍。这有助于根据可遍历性值确定障碍清除的优先级。


另一个未来的扩展是根据路线图中路径的质量来比较道路,而不仅仅是路径的数量。考虑有相同数量路径的两条路,但一条是直线,另一条是弯曲的。基于同伦类的分类可以让研究者比较这两者。


参考文献:Muhammad Mudassir Khan, Karsten Berns & Abubakr Muhammad Vehicle specific robust traversability indices using roadmaps on 3D pointclouds  International Journal of Intelligent Robotics and Applications (2020)



最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐