广告
智能网联汽车路径规划与决策控制
2021-10-29 08:26:22· 来源：驱动视界
1. 智能网联汽车环境感知与路径规划汽车智能驾驶环境感知1.多传感器融合各类传感器因其测量原理，在环境感知方面都有各自明显的优缺点：毫米波雷达具有耐候性，
1. 智能网联汽车环境感知与路径规划
汽车智能驾驶环境感知
1.多传感器融合
各类传感器因其测量原理，在环境感知方面都有各自明显的优缺点：
毫米波雷达具有耐候性，可以全天工作，但分辨率不够高，无法区分人与物；摄像头具有较高的分辨率，可以感知颜色，但受强光影响较大。
激光雷达可以提供具有三维信息的特性，对环境的可重构性很强，但受天气影响较大。
毫米波雷达可以弥补激光雷达、视觉传感器在环境适应性上的不足。
视觉传感器或者激光雷达可以弥补毫米波雷达在目标分类上的不足等。
环境感知是通过摄像头、激光雷达、毫米波雷达、超声波雷达、陀螺仪、加速度计等传感器，感知周围环境信息和车辆状态信息。
环境信息主要包括道路信息、周边车辆与行人信息。道路信息，包括道路的宽度、坡度、交通标志灯；周边车辆信息包括车辆大小，行驶的速度、加速度、方向等；周边行人信息包括行人的数量、位置及行走方向等。
汽车自动化的程度越高，集成在车辆中的传感器的数量和类型也越多，只有这样才能够保证信息获取充分且、有冗余保障车辆自动行驶的安全。
为了保证安全，必须对传感器进行信息融合。
多传感器融合可以显著提高系统的冗余度和容错性，从而保证决策的速度和正确性，这是自动驾驶系统向先进的自动驾驶方向发展，最终实现无人驾驶的必然趋势。
传感器融合的理论方法有贝叶斯准则、卡尔曼滤波、D-S证据理论、模糊集合理论、人工神经网络等。软件算法能够联合虚拟摄像头和环境传感器数据融合算法，从而得到更精确的数据分析与自主控制决策。
传感器融合从融合等级上分为原始数据级融合、特征数据级融合和目标数据级融合。
单一传感器中，越靠近原始数据，干扰信号和真实信号并存的可能性越大，即越早启动融合，真实信息的保留和干扰信息的去除效果越好，但同时也为数据同步、处理算法计算量带来相应的挑战。
实际应用中，应结合感知需求、芯片计算能力选择合适的融合架构和方法，构建由各类传感器信息组成的数字环境，实现智能网联汽车的环境理解。
2.智能网联汽车环境感知数据库
目前，专门用于无人驾驶的数据集有KITTI和Cityscapes等，数据集的主要作用是对汽车上安装的各种传感器采集的外部场景数据进行分析，并呈现无人驾驶车辆的实际情况。
以KITTI数据集为例，该数据集是视觉图像与三维雷达数据的融合，利用KITTI数据集可以实现在车辆真实应用环境下立体图像、光流、视觉距离测量、三维目标检测、三维跟踪等计算机视觉技术的性能评测。
该数据集包含从城市、郊区、乡村和高速公路等场景采集的真实图像数据，整个数据集由389对立体图像和光流图、在测评里程内的视觉测距序列和超过200k的三维标记对象图像组成。
完整的数据集应包括立体数据、光流数据、视觉里程计数据、目标跟踪数据、道路解析数据等。
路径规划是解决智能网联汽车如何达到行使目标问题的上层模块，它依赖于为智能联网汽车驾驶定制的高精度地图，与普通导航单纯提供指引的性质不同，智能网联汽车的路径规划模块需要提供能够引导车辆正确驶向目的地的轨迹。这些轨迹至少要达到车道级导航的水平，而且轨迹上影响车辆行驶的周边的环境也需要被准确描述和考虑。
请说说我国电子地图应用安全的处理措施对无人驾驶的路劲规划有哪些影响？
路径规划模块需要根据局部环境感知、可用的全局车道级路径、相关交通规则，提供能够将车辆引导向目的地（或目的点）的路径。路径规划可分为全局路径规划方法、局部路径规划方法和混合路径规划方法三种。
什么是全局路径规划？
什么是局部路径规划？
路径规划问题具有哪些特点？
路径规划技术是汽车自动控制技术的重要组成部分，根据环境信息的己知程度，全局路径规划是对全局环境已知，并根据算法搜索出最优或接近最优的路径。
而局部路径规划则对环境局部未知或完全未知，通过传感器为自动驾驶提供有用的信息确定障碍物和目标点的位置，并规划起始点到目标点的最优化路径。
智能网联汽车路径规划问题可以分为两类：
一类是基于环境先验信息的全局路径规划，主要方法有网格法、拓扑法、视图法等；
另一类是基于传感器信息的局部路径规划，常用的方法有栅格法、人工势场法、遗传算法、空间搜索法、层次法、动作行为法、Dijkstra算法、Lee算法、Floyd算法等。
（1）全局路径规划
1）栅格法。
什么是栅格法？原理是什么？
2）拓扑法。
什么是拓扑法？原理是什么？有哪些特征？
3）可视图法。
首先将自动驾驶视为一个点，然后将起点、障碍物和目标点的每个端点连接起来，并以直线连接各个端点，从而将路径规划问题转化为从起点到目标点的最短路径寻找问题。
可视图法的优点是概念直观、简单，缺点是灵活性不好。
当目标点或障碍物或起始点发生变化时，需要对视图进行重构，而且障碍物的数目越多，算法越复杂。
（2）局部路径规划算法
1）遗传算法。遗传算法是自动驾驶路径规划常用的算法。
该算法模拟达尔文的生物进化理论，结合进化中优胜劣汰的概念，是一种基于自然选择和遗传学原理的搜索算法。
遗传算法的原理是什么？
2）蚁群算法。
蚁群算法的基本原理是什么？
蚁群算法相对于遗传算法来说具有一定的记忆力。蚁群算法有多种原理，如觅食原理、避障原理和遗传算法。蚁群算法属于群智能优化算法，具有并行性。每一个粒子都能被主动优化，而遗传算法不能。
遗传算法具有快速的全局搜索能力，因此可以快速搜索全局最优路径，但系统中的反馈信息利用率不高，往往导致不作为的冗余迭代，求解效率低。蚁群算法通过信息素的积累和更新，收敛于最优路径。它具有分布性、并行性和全局收敛性等优点。但在初始阶段，所有路径上的信息素都是相等的，使得算法有点像贪婪算法。该算法收敛速度慢，得到的解往往不是最优解。
遗传算法与蚁群算法如何进行有效互补？
遗传算法
蚁群算法
3）神经网络。神经网络可以通过大量实际驾驶行为数据，学习避障和路径规划中隐含的、难以人工设计并提取的特征。
深度学习的基本模型包括基于受限玻尔兹曼机的深度信任网络、基于自动编码器的堆叠式自动编码器、卷积神经网络、递归神经网络。
由于无需迭代，采用前向网络学习算法学习避障的速度非常快，自组织神经网络特性也可用于融合传感器信息，学习从地图上不同位置到目的地的行驶路线。一旦学习完成，自动驾驶就可以实现自主导航。
通过司机在场景中的驾驶操作可以得到一套训练集，输入到神经网络单元进行训练，再输出一个决策计划结果。在获得预期的轨迹后，需要控制车辆的转向、制动、驱动以跟踪轨迹。
ADAS系统的控制是根据各个状态进行来回切换的，传统控制算法存在目标或控制方式切换引起的车辆加速和减速跳跃，存在切换过程平稳性差等问题。
由于控制状态的变化，原有的车辆控制算法、跟踪过程和巡航控制过程会出现加速跳跃，影响舒适性。
当自动驾驶处于低速时，控制问题就不那么明显。
但在高速条件下，我们必须考虑轮胎与地面的连接。
由于轮胎和地面摩擦圆的约束，当车轮纵向力变化时，侧向力也随之变化。
智能车的车速控制和横向轨迹跟踪性能是相互制约的。
4）人工势场规划
人工势场规划是Khatib提出的虚拟力法。
人工势场法规划原理是什么？
时空路径是指车辆在一定时间内行驶的轨迹。轨迹不仅包括位置信息，还包括整个轨迹和车辆姿态的时间信息（时间、速度、加速度、曲率等）。
局部路径规划可进一步分为轨迹规划和速度规划。
轨迹规划只解决根据行为决策和综合地图信息在二维平面上定义一定的代价函数下对轨迹进行优化的问题。
速度规划是选择一个或多个轨迹后解决用什么样的速度来行驶。速度规划由车辆当前状态、行驶目标以及轨迹曲率等决定。
轨迹规划算法在很大程度上依赖于地图对道路的定义，在车辆模型和道路模型下，由轨迹规划生成的轨迹是从区间到车辆姿态向量集的连续映射。
在每个轨迹的末端，轨迹优化的目标是筛选出满足所有可能轨迹曲线边界条件的轨迹曲线，然后找到平滑的、代价最低的曲线。
2. 智能网联汽车行为决策与车辆控制
汽车智能驾驶行为决策
智能网联汽车的自动驾驶分为感知定位、规划决策、执行控制三个部分。决策是指决策控制电脑在整个无人驾驶系统中的作用，并根据位置、感知和路径规划等信息确定无人驾驶车辆的策略。
智能网联汽车的行为决策是基于环境感知和导航子系统的信息输出，这包括选择哪条车道，是否换车道，是否跟车，是否绕道，是否停车。
车辆控制是指控制转向、驾驶和制动，执行规划决策模块发出需求速度和需求方向盘转角，也包括转向灯、喇叭、车窗、仪表等车身电器控制信号。
行为决策层汇集了所有重要的车辆周围信息，不仅包括汽车本身的当前位置、速度、方向和所在车道，还包括汽车一定距离内与感知相关的所有重要障碍物体信息和预测轨迹，在所获得信息的基础上来确定汽车的驾驶策略。主要包括预测算法、行为规划和动作规划等。
1.预测模块
预测模块的功能与预测的原理是什么？
2.行为规划
行为规划是根据路径规划目标，结合环境感知模块对驾驶环境的描述，以及预测模块对驾驶环境变化趋势的预测，对车辆需要采取的行为作出规划。
行为规划的具有方法？
3.动作规划
动作规划模块的功能根据路径规划给出的轨迹、行为规划确定的驾驶模式，按照特定的动作去跟随轨迹。这些具体的动作规划发送给执行机构实现车辆的运动控制。
将当前的道路系统处理为有向网络图，这种有向网络图中可以表示道路和道路之间的各种连接、交通规则、道路宽度等，每一个有向边都带权重。然后，汽车的路径规划问题就变成了在路网图中，为了使汽车能从从A点位置到达B点位置，在一定方法的基础上，选择最优路径，这就使路径规划问题成为有向网络图搜索问题。
智能网联汽车路径规划中的路由寻径也是解决汽车从A点到达B点的路由问题，但由于输出结果没有被驾驶员使用，而是给下游行为决策和行动规划等模块作为输入，因此路径规划的层次应该是更深入到高精度地图所使用的车道级别。
例如，箭头线段代表高精度地图级别的道路划分和方向，车道1，车道2，……，车道8构成一系列用于路由输出的路由段序列，汽车地图级别的车道划分与实际的自然道路划分不一致，例如，车道2、车道5和车道7都表示由地图定义绘制的“虚拟”转弯车道。同样，一条较长的实际道路也可分为若干车道。作为整个汽车决策控制规划系统的最上游模块，寻路模块的输出依赖于高精度地图的绘制。
基于高精度地图定义的路网道路划分和最优策略的定义下，路由模块需要解决的问题是计算从起点到终点的最优道路行程序列，其中车道、起始位置、终止位置称为路由片段，道路由车道线来标识，起始位置和终止位置分别代表道路上的起始纵向距离和终点纵向距离。
例如，将汽车在高精地图的车道寻径问题抽象为带权重的有向图上最短路径搜索问题，路由选择模块首先根据车道级别的高精度地图，在所有可能经过的车道上分散撒点，这些点称为车道点。代表汽车可能经过的车道上的位置抽样，在这些点之间通过有向边连接。车道点之间的连接权表示汽车从一个点移动到另一个点的潜在代价。在这种有向加权图的问题抽象下，可以用一种算法来实现路由寻径问题。
汽车智能驾驶的执行控制
车辆动力学是自动驾驶车辆控制的基础。简易的二自由度车辆动力学模型
又称为自行车模型，描述了车辆纵向、侧向、横摆等基本的运动状态，体现了车辆运动过程中典型的轮胎侧偏特性，可以对绝大多数应用场景下车辆运动状态进行比较准确的描述。
线性二自由度模型具体的作用有哪些？
自动驾驶要实现对车辆的运动和车身电器进行自动控制，需要相应的线控系统来满足，其中车身电器系统用于实现对车辆内外部灯光、车门以及人机交互界面等内外部交互的控制，底盘线控系统用于实现对车辆运动的控制。
底盘线控制系统包括转向、制动、驱动控制，其中制动部分包括行车制动、驻车制动与辅助制动，驱动系统包括发动机/电机/混合动力控制、传动系统控制等。
1.转向系统
线控转向系统通过在方向盘到车轮间增加主动控制电机，实现对转向系统的主动控制。在传统的电助力转向车辆中，可以通过对助力电机的主动控制实现主动转向，但是也需要在驾驶人干预时主动控制系统能够及时退出，满足人工控制优先的控制需求。
线控转向系统的主要作用有哪些？
根据电机在转向系统中的安装位置，转向助力系统可以分为哪几种？
2.驱动系统
驱动系统是较早实现主动线控控制的系统。比如电子节气门就是一种典型的线控驱动控制方式，发动机控制系统采集油门踏板角度，然后根据油门踏板角度与节气门开度之间的关系，控制节气门，实现非机械结构连接的驱动控制。
随着电驱动系统的发展，混合动力、插电式混合动力、纯电动汽车得到了广泛应用，也进一步为线控驱动系统的发展提供了便利的条件。
在各类线控驱动控制系统的核心是整车控制器，通过油门踏板、档位以及汽车运动状态，判断驾驶人或者自动驾驶系统的操纵或者控制意图，然后通过对自动变速箱、发动机（或电机、或发动机与电机组合）的动力控制，实现主动驱动控制。
3.制动系统
线控制动系统可以主动产生制动压力，并分配至各车轮制动轮缸，使车辆产生稳定平衡的制动力。典型的线控制动系统核心是液压调节器，请说说液压调节器的控制原理是什么？
在底盘线控系统的基础上，智能网联汽车还需要车身电器系统的控制，实现自车与其它车辆、环境中交通参与者、交通系统以及车内人员的交互。
通过各类具体控制算法的设计实现纵侧向控制，并由底盘线控与车身电器控制等系统实现各类控制指令的执行。执行控制是智能驾驶系统的动作执行环节，前面所描述的环境感知、路径规划、行为决策，都需要执行控制的具体实现，才能到达车辆自动驾驶、完成各项智能化任务的目标。
4.车辆纵向控制
执行控制算法可以划分为车辆的纵向控制和侧向控制，纵向控制是通过车辆的驱动和制动系统等控制车速，侧向控制是通过转向系统等控制车辆的侧向运动。纵侧向控制的整体效果是车辆沿规划的轨迹，在特定行为模式下，以安全舒适的方式行驶并最终抵达目的地。
车辆纵向控制的基本原理是什么？
5.车辆侧向控制
车辆侧向控制用于控制车辆保持在规划的行驶轨迹上，直到完成驾驶任务。侧向控制系统通过跟踪和预测当前车辆行驶轨迹，并实时与目标轨迹进行对比，根据轨迹间航向、曲率和距离的偏差，实时调整车辆侧向运动，以保证车辆始终跟随目标轨迹。侧向控制的算法的设计也受舒安全、舒适、节能等指标的约束。
由于智能网联汽车信息的丰富性，侧向控制需求的规划轨迹可以来源于很多方面，比如：由高精度地图规划的全局轨迹、根据当前环境状态规划的局部路径、车道保持系统中提供的车道识别信息，在侧向控制中需要根据安全、舒适、节能等指标融合各类感知信息，决策最优控制指令。
请根据侧向控制实现的典型结构说说其工作原理是什么？
自动驾驶路面控制演示
广告 
广告
编辑推荐
最新资讯
-
大众汽车南京工厂或面临出售
2024-12-19 13:29
-
端到端专题：DDPG 基础算法与方法论介绍
2024-12-19 11:42
-
多模态大模型最新论文介绍
2024-12-19 11:42
-
建科股份收购苏州赛宝
2024-12-19 09:57
-
端云协同创变，中科创达与火山引擎共塑AI智
2024-12-19 09:56
广告
广告
