无人驾驶车辆-环境动态感知方案-建议

车辆行驶环境动态感知方案（建议稿）重庆锐速科技有限公司Tel:[phone]Fax:[phone]Mob:[phone]提纲一、参考设计二、传感器选型三、我们的方案一、参考设计2015年名次TeamNameID#VehicleTypeLocationTimeTaken(h:m:s)ResultTartanRacing19Boss2007ChevyTahoeCarnegieMellonUniversity,Pittsburgh,Pennsylvania4:10:201stPlace;averagedapproximately14mph(22.53km/h)throughoutthecourse[4][5]StanfordRacing03Junior2006VolkswagenPassatWagonStanfordUniversity,PaloAlto,California4:29:282ndPlace;averagedabout13.7mph(22.05km/h)throughoutthecourse[6]VictorTango32[7]Odin2005FordHybridEscapeVirginiaTech,Blacksburg,Virginia4:36:383rdPlace;averagedslightlylessthan13mph(20.92km/h)throughoutthecourse[4]MIT79TalosLandRoverLR3MIT,Cambridge,MassachusettsApprox.6hours4thPlace.[8]TheBenFranklinRacingTeam74LittleBen2006ToyotaPriusUniversityofPennsylvania,LehighUniversity,Philadelphia,PennsylvaniaNoofficialtime.Oneof6teamstofinishcourseCornell26Skynet2007ChevyTahoeCornellUniversity,Ithaca,NewYorkNoofficialtime.Oneof6teamstofinishcourseCMU的Boss主要配置LongRangeRadar：5ContinentalARS300ShortRangeLidar：8SICKLMS-291MidRangeLidar：VelodyneHDL-64LongRangeLidar：2steeredContinentalISF172and2IBEOALASCAXTPoseEstimation：ApplanixmPOS-LVwithdualantennaGPSandIMUComputing：10IntelCore2Duoblades@2.16GHzinacompactPCIchassisSoftwareArchitecture：Decentralized,multi-processsystemcoordinatedviagigabitEthernetcommunicationslayerPlanning：Motionplanningevaluatesover1000candidatetrajectoriesper-secondPerception：Multi-sensorfusiongeneratesmovingandstaticobstaclemodelsBehavioral：Context-centricreasoningmakestacticaldecisions安装位置软件构架仿真调试软件Stanford的Junior障碍物检测Virginia的Odin调试仿真软件MIT的Talos硬件配置ElectronicMobilityControls(EMC)drive-bywiresystem(AEVIT)HondaEVD6010internalpowergenerator2AcumentricsuninterruptiblepowersuppliesQuantabladeservercomputersystem(theunbrandedequivalentofFujitsuPrimergyBX600)ApplanixPOS-LV220GPS/INSVelodyneHDL-64LIDAR12SICKLIDARs5PointGreyFireflyMVcameras15Delphiradars软件构架调试仿真软件Cornell’sSkynet传感器传感器列表探测范围软件构架仿真调试软件意大利帕尔玛大学二、传感器选型2.1雷达2.1.1激光雷达2.1.2毫米波雷达2.2GPS/INS惯导组合2.3机器视觉三、我们的方案轿车系统架构传感器层模块定义–（姿态传感器、场景传感器）分别感知车辆姿态和外部环境，根据不同传感器的特点，利用激光雷达主要获取20m以内的高程信息、视觉传感器获取50m以内的环境信息、雷达获取100m以内的高速运动物体的信息；通过GPS/INS/车辆内部传感器获取行车的姿态、位置信息。感知识别层–通过UnscentedKalman滤波跟踪车辆姿态、位置；建立自适应网格，通过统计方法分析激光雷达数据；通过特征提取和模式识别分析视觉信息；通过信号处理分析雷达数据发现高速运动物体；综合以上结果识别障碍物（正障碍物（石块、路障等），负障碍物（沟壑、水坑等））、跟踪移动运动目标（车辆、行人）。局部地图层–根据感知结果分别建立以行驶车辆为中心的激光雷达局部地图、视觉光学局部地图、雷达感知局部地图。并实现GPS信息、GIS已知道路信息、航拍信息、车辆位置和姿态信息的叠加。提供一种直观了解行车环境各种信息处理结果的实时二维，离线三维的综合地图。路径规划层–根据地图、感知信息分析可供行驶的道路范围；根据车速、道路复杂度生成平滑的可能行驶路线；分析静态、动态障碍物和交通规程形成局部路径规划。行驶控制层–根据路径规划结果和车辆内部的各种传感器信息，生成对车辆档位、油门、方向的控制命令，保持车辆平稳高速行驶，实现自主驾驶。实现内部成员和远程驾驶控制系统，可以在任何时候接管自动驾驶的车辆，保证车辆人员安全。辅助服务层–实现各个子系统间的实时高速通信（Inter-ProcessCommunication(IPC)）、数据和命令实时记录（log）、离线仿真调试环境（offlinereplayanddebug）、系统状态监测系统等各种辅助功能。接口定义外部传感器与感知处理子系统接口：–激光雷达、毫米波雷达、视觉相机）通过千兆网络、或者1394、串口到以太网口的转换器，实现采集环境信息的实时传输到感知处理模块。同时通过数据命令记录子系统进行录像，所有传感器数据通过时间戳进行同步。感知处理子系统与局部地图子系统接口：–通过实时更新静态障碍物表、动态障碍物表、道路可行驶范围数据与局部地图构架系统实现信息单向传输。局部地图子系统与路径规划子系统接口：–通过产生的激光雷达信息局部地图、视觉局部地图、雷达局部地图提供局部路径规划子系统所需要的信息。已知地图子系统与路径规划子系统接口：–通过GIS的矢量文件形式提供给路径规划子系统相关的道路环境信息及任务路线。姿态传感器与车辆状态估计子系统接口：–通过串口获得GPS/INS/速度等定位信息。状态估计子系统与路径规划子系统接口：–提供车辆的三维位置信息：经度、纬度、高程（longitude,latitude,altitude）、姿态信息：方向角、俯仰角、旋转角（roll,pitch,yaw），速度信息：瞬时速度、加速信息（velocityaccelerometerbiases）。路径规划与实时控制子系统接口：–通过规划出的行驶路线、最高限速，产生行驶命令包括换档命令、油门命令、转向命令等。数据命令录像子系统：–负责记录所有的感知数据、各子系统间中间交换信息、各子系统间的控制命令。离线仿真调试子系统：–根据录像子系统产生的录像信息，重现整个系统的感知、处理、运行过程，实现离线的仿真调试。提供直观的数据分析工具。定位定姿系统传感器选型-参见附件传感器安装位置类型速率（Hz）覆盖角度分辨率计算机系统电源系统建立车辆坐标系共用部分建立统一的时钟服务实现基于千兆网的进程间通信服务建立数据命令的录像系统离线仿真调试环境感知部分姿态估计部分–建立车辆运动姿态的模型，利用GPS/INS/ODO信息，通过UnscentedKalman滤波跟踪车辆姿态、位置。感知部分激光雷达数据处理–首先建立自适应网格网格大小为10cmx10cm，将多个激光雷达获得的环境数据进行处理，形成20m内的高程数据。–利用多次观测，提高数据的有效性，同时避免车辆姿态、地形变化造成的误差。感知部分激光雷达数据处理–通过统计分析、模式识别进行地形分类，生成可行驶区域、障碍物、未知区域。–通过多帧数据分析分类结果，产生道路区域。并找出运动障碍物。为运动目标跟踪做准备。感知部分视觉识别分析–识别分析范围主要针对20m～50m内的道路情况，首先对于高速公路，采用道路水平假设，高速公路车道中心线的曲率C随车道弧长呈线性变化，建立简化道路模型。–提取相应的特征，（Gabor、Haar、纹理特征、颜色特征），并进行特征融合、特征选择。–利用最大后验概率估计转化为道路模型参数的最优估计问题。感知部分视觉识别分析–车道跟踪以CCD获取的道路场景图像序列作为原始输入数据，通过图像处理算法提取道路图像特征作为测量数据，以粒子滤波器对道路模型参数进行迭代估计。–对于越野道路环境，可以采取stanly的算法，以激光雷达数据探测出的局部道路作为在线样本，进行特征提取和模式识别分析分析更远距离的路。–障碍物检测：综合以上结果识别障碍物（正障碍物（石块、路障等），负障碍物（沟壑、水坑等））。感知部分视觉识别分析–利用已有的行人、车辆、道路的样本库及知识模型，找到障碍物目标，提取得到目标的纹理特征、尺寸特征、空间位置，通过融合GIS和GPS信息进行目标动态跟踪得到目标的运动参数，融合其他传感器提供的属性信息确认，局部地图激光雷达局部地图–根据感知结果建立以行驶车辆为中心的激光雷达局部地图，并实现GPS信息、GIS已知道路信息、航拍信息、车辆位置和姿态信息的叠加。提供一种直观了解行车环境各种信息处理结果的实时二维，离线三维的综合地图。局部地图视觉局部地图–根据感知结果建立以行驶车辆为中心的视觉局部地图，并实现GPS信息、GIS已知道路信息、航拍信息、车辆位置和姿态信息的叠加。提供一种直观了解行车环境各种信息处理结果的三维的综合地图。路线规划路径生成–根据地图、感知信息分析可供行驶的道路范围；根据车速、道路复杂度生成平滑的可能行驶路线；分析静态、动态障碍物和交通规程形成局部路径规划。路径平滑–根据车速、道路复杂度生成平滑的可能行驶路线；路线规划路径规划：–对可通行区域进行安全性评估。提取反映地形起伏幅度特征。设计可通行区通过代价函数。分析静态、动态障碍物和交通规程形成局部路径规划。实时控制建立车辆状态图–设计车辆各种状态的自动状态转移图，用于便于车辆运行控制。实时控制产生控制命令–产生控制命令：根据路径规划结果和车辆内部的各种传感器信息，生成对车辆档位、油门、方向的控制命令，保持车辆平稳高速行驶，实现自主驾驶。人工控制–实现内部成员和远程驾驶控制系统，可以在任何时候接管自动驾驶的车辆，保证车辆人员安全。开发阶段第一期–硬件工作考虑以传感器、车辆、计算机、网络、电源选型为主。同时设计相应的安装位置方式的工程图。软件第一期考虑以离线仿真系统开发为主。第二期–当外购硬件设备到位后，硬件组以智能车集成为主，软件组可以考虑设计相应的传感器接口，这一期完成之后，希望能够实现集成完的智能车实时的数据采集录像。第