新型无人驾驶汽车技术,可在城市场景中有效运行!

   电子分析员        

近年来,自动驾驶汽车技术在学术界和业界都有很多成功的案例。自动驾驶汽车面临的挑战是如何在城市环境中准确、稳健地运行。本文主要研究如何有效地解决自动驾驶汽车的分层控制系统的实际应用。该技术由决策、局部路径规划和控制三部分组成。自我车辆是导航的全球路径规划与高清晰度地图的帮助。首先,提出了利用两阶段有限状态机操纵任务规划和控制状态的运动规划决策方法。此外,研究人员实现了一个实时混合的a *算法与占用网格地图,以寻找有效的路径避障。其次,进行局部路径规划,在非结构化场景下生成安全舒适的轨迹。在此,研究人员解决了一个具有非线性约束的优化问题,以优化一个平滑驱动器的抖动和。此外,在横向和纵向分别采用纯追踪算法和计划前馈PI控制器设计控制器。实验结果表明,该框架能够有效地应用于城市场景。


相关论文以题为“A Hierarchical Control System for Autonomous Driving towards Urban Challenges”发表在《Applied Sciences》上。


新型无人驾驶汽车技术,可在城市场景中有效运行!


研究背景


据2018年报道的一项调查显示,道路交通事故的数量超过90%是由个人疏忽造成的。自动驾驶汽车(SDCs)是人类解决碰撞、令人沮丧的情况和减少能源消耗的突出方法。尽管SDCs在试验阶段已经取得了突破,但由于担心公共交通的安全性,政府仍对商业化犹豫不决。近年来,特别是在深度学习时代,SDCs技术得到了大量的研究和发展。此外,SDC技术最大的挑战是它需要像专业司机一样处理道路上的所有情况。


2016年,汽车工程师协会(SAE)对SDCs的自主水平制定了各种标准。首先,它从0级开始,全面的人工处理。级别1可以通过操作车道保持辅助系统或自适应巡航控制来支持驾驶员。第2级帮助驾驶员进行转向和加速控制,其操作方式与第1级类似,但在特定的驾驶场景中更加智能。在第3层,自主模块可以进行目标检测、跟踪等感知任务,对控制任务进行干预,这一层需要频繁的人覆盖对车辆进行控制。在4级,行动可以管理道路上的大多数情况;尽管如此,人类覆盖是处理意外情况的一种选择。据研究人员所知,在这个层面上,一家名为Waymo的专门的自动驾驶公司准备在2018年秋季在城市道路上部署公共交通系统,里程超过数百万英里。级别5是指完全自动驾驶的车辆。


美国国防高级研究计划局(DARPA)在2002年启动了一项自动驾驶挑战赛。这个挑战可以被认为是SDCs的第一个著名实验,它开启了人类对自动驾驶汽车能做什么的想象。第一场比赛于2004年3月13日举行,获胜者将获得100万美元的奖金。然而,在第一场比赛中,没有一个队伍能够完成挑战。第二届DARPA挑战赛于2005年10月8日举行。5个23人的团队可以完成自动驾驶模式。斯坦福大学的斯坦利机器人赢得了比赛,卡耐基梅隆大学的沙尘暴紧随其后。后来,在2007年11月3日,DARPA建立了一个名为DARPA城市挑战赛的比赛,该比赛在繁忙的道路上运行,需要更多的智能运动规划和感知。这项比赛还要求车辆在几个被gps拒绝的环境下自动驾驶。获胜的团队是卡耐基梅隆大学的老板,斯坦福大学青年组获得第二名。在DARPA的比赛之后,许多自动驾驶汽车的挑战和测试已经被组织起来。欧洲陆地机器人试验(ELROB)已经从2006年进行至今。2009年至2013年,中国智能汽车未来挑战赛在举行。在韩国,自动驾驶汽车挑战赛是由现代合作公司于2008年8月首次宣布的。最近一次比赛于2018年3月宣布,并于2019年7月组织。组织者建造了一个名为K-city的试验场来模拟市区。


分层控制系统


递阶控制系统由全局路径规划(GPP)、决策、局部路径规划和控制层次结构由低到高组成,如图1所示。基于HD-map和V2X信息,利用Dijkstra算法选择最佳路径开发GPP id。GPP的一系列路径点首先与感知相结合,以调整车辆的行为。然后,局部路径规划器利用该行为生成有效的轨迹。此处,路径由一组路径点组成,其格式为<比;对于每个路径点,其中为通用横向墨卡托(UTM)坐标中的全局坐标,v为车辆速度。最后,控制指令汽车跟随轨迹使用纵向和横向控制器。在本节中,研究人员忽略了GPP,而将重点放在决策设计、局部路径规划和控制上。


新型无人驾驶汽车技术,可在城市场景中有效运行!


图1.一个自动驾驶系统的总体框架,它由感知和环境映射、运动规划和控制器组成。


两阶段FSM的决策机制


SDCs的决策机制采用FSM来处理任务规划和道路驾驶行为。第一个DMM称为任务FSM (M-FSM),负责管理车辆的任务。第二个DMM命名为控制FSM (C-FSM),模拟车辆在道路上的状态。通过感知和任务数据观察周围物体的轨迹,确定M-FSM和C-FSM如图2所示。M-FSM分为5种模式:准备模式、走走模式(SAG)、变道模式(CL)、E-stop模式、避障模式。特别地,M-FSM由一个管理飞行器控制状态的C-FSM组成。在道路行驶中,人类需要通过分别减少或增加加速来控制车辆的启动或停止,以减轻对发动机的损害。同样地,凹陷模式被设计成模仿前面提到的所有人类行为。当紧急情况出现时,启动E-stop模式。CL模式由保持车道和变道两种控制状态组成,在需要变道状态时启动。当检测到路径上有障碍物时,避障模式就会启动。


新型无人驾驶汽车技术,可在城市场景中有效运行!


图2.基于有限任务状态机(M-FSM)的决策机制,而有限任务状态机内部描述控制状态机(C-FSM)。


研究人员从图2中推断出的数据结构被用来实现M-FSM和C-FSM。FSM中的每个状态都需要一个感知ROS节点中随时间更新的资源。使用每个国家的优先级和标志是为了防止访问相同的资源。E-stop模式优先级最高,其次是避障模式、CL模式和下垂模式。


基于本地Frenet坐标的优化LPP


在本小节中,研究人员执行一个基于优化的LPP,以生成从起点到目标的路由。换道就是一个典型的例子,只要运动规划命令就会被激活。应用Frenet坐标来表示飞行器的纵向和横向轴线的平面轨迹,如图3a所示。坐标由s和d参数表示,分别为端点相对于初始时间位置的正距离和侧距离。本工作采用临时Frenet坐标有效解决优化问题,如图3b所示。


新型无人驾驶汽车技术,可在城市场景中有效运行!


图3.基于本地Frenet坐标的轨迹生成的反射极小化。(a)变道方案;(b)时域Frenet坐标上的抖动最小化算法。


汽车控制策略


局部路径规划生成局部轨迹加上目标速度。然后,飞行器被命令沿着局部路径走向参考速度。控制结构包括纵向和横向控制。纵向控制器要求车辆通过作用加速来跟随所需的速度,而横向控制器通过调整转向来操纵车道跟踪。控制器体系结构如图4所示。轨迹曲线水平用于生成速度剖面(SPP)。如果DMM的目标速度大于SPP后的速度,则直接送入经度控制器,而DMM的速度则被利用。


新型无人驾驶汽车技术,可在城市场景中有效运行!


图4.控制系统结构包括纵向控制与计划前馈PI (SFF-PI)控制器和横向控制与自适应纯追踪控制器(PPC)。


结论


本文针对城市环境下的自动驾驶汽车进行分层控制系统的分析和设计。此外,本文还介绍了系统的调优和实现。本研究探讨层级控制系统由低层级控制到高层级控制。在高清地图和无线通信V2X的帮助下,通过全局路径规划生成raw-轨迹。首先,通过实施两阶段FSM,提出了处理过程中任务和控制状态的决策机制。然后,局部路径规划选择一个决策,并利用它产生一个参考轨迹的控制。其次,在局部路径规划中,分别生成具有最小抖动和混合A*的在线轨迹,以保证变道和避障。控制器通过控制油门、刹车、转向角度来操作车辆,从而有效地跟随纵向和横向控制器的本地路线。研究人员利用ROS中间件成功地实现了这项工作。目前正在进行的工作是在城市环境的全天候和地形条件下实现自动驾驶汽车的稳健和高效工作。


论文链接:https://www.mdpi.com/2076-3417/10/10/3543/htm


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