廣告
智能網(wǎng)聯(lián)汽車路徑規(guī)劃與決策控制
2021-10-29 08:26:22· 來源：驅(qū)動視界
1. 智能網(wǎng)聯(lián)汽車環(huán)境感知與路徑規(guī)劃汽車智能駕駛環(huán)境感知1.多傳感器融合各類傳感器因其測量原理，在環(huán)境感知方面都有各自明顯的優(yōu)缺點：毫米波雷達(dá)具有耐候性，
1. 智能網(wǎng)聯(lián)汽車環(huán)境感知與路徑規(guī)劃
汽車智能駕駛環(huán)境感知
1.多傳感器融合
各類傳感器因其測量原理，在環(huán)境感知方面都有各自明顯的優(yōu)缺點：
毫米波雷達(dá)具有耐候性，可以全天工作，但分辨率不夠高，無法區(qū)分人與物；攝像頭具有較高的分辨率，可以感知顏色，但受強(qiáng)光影響較大。
激光雷達(dá)可以提供具有三維信息的特性，對環(huán)境的可重構(gòu)性很強(qiáng)，但受天氣影響較大。
毫米波雷達(dá)可以彌補(bǔ)激光雷達(dá)、視覺傳感器在環(huán)境適應(yīng)性上的不足。
視覺傳感器或者激光雷達(dá)可以彌補(bǔ)毫米波雷達(dá)在目標(biāo)分類上的不足等。
環(huán)境感知是通過攝像頭、激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)、陀螺儀、加速度計等傳感器，感知周圍環(huán)境信息和車輛狀態(tài)信息。
環(huán)境信息主要包括道路信息、周邊車輛與行人信息。道路信息，包括道路的寬度、坡度、交通標(biāo)志燈；周邊車輛信息包括車輛大小，行駛的速度、加速度、方向等；周邊行人信息包括行人的數(shù)量、位置及行走方向等。
汽車自動化的程度越高，集成在車輛中的傳感器的數(shù)量和類型也越多，只有這樣才能夠保證信息獲取充分且、有冗余保障車輛自動行駛的安全。
為了保證安全，必須對傳感器進(jìn)行信息融合。
多傳感器融合可以顯著提高系統(tǒng)的冗余度和容錯性，從而保證決策的速度和正確性，這是自動駕駛系統(tǒng)向先進(jìn)的自動駕駛方向發(fā)展，最終實現(xiàn)無人駕駛的必然趨勢。
傳感器融合的理論方法有貝葉斯準(zhǔn)則、卡爾曼濾波、D-S證據(jù)理論、模糊集合理論、人工神經(jīng)網(wǎng)絡(luò)等。軟件算法能夠聯(lián)合虛擬攝像頭和環(huán)境傳感器數(shù)據(jù)融合算法，從而得到更精確的數(shù)據(jù)分析與自主控制決策。
傳感器融合從融合等級上分為原始數(shù)據(jù)級融合、特征數(shù)據(jù)級融合和目標(biāo)數(shù)據(jù)級融合。
單一傳感器中，越靠近原始數(shù)據(jù)，干擾信號和真實信號并存的可能性越大，即越早啟動融合，真實信息的保留和干擾信息的去除效果越好，但同時也為數(shù)據(jù)同步、處理算法計算量帶來相應(yīng)的挑戰(zhàn)。
實際應(yīng)用中，應(yīng)結(jié)合感知需求、芯片計算能力選擇合適的融合架構(gòu)和方法，構(gòu)建由各類傳感器信息組成的數(shù)字環(huán)境，實現(xiàn)智能網(wǎng)聯(lián)汽車的環(huán)境理解。
2.智能網(wǎng)聯(lián)汽車環(huán)境感知數(shù)據(jù)庫
目前，專門用于無人駕駛的數(shù)據(jù)集有KITTI和Cityscapes等，數(shù)據(jù)集的主要作用是對汽車上安裝的各種傳感器采集的外部場景數(shù)據(jù)進(jìn)行分析，并呈現(xiàn)無人駕駛車輛的實際情況。
以KITTI數(shù)據(jù)集為例，該數(shù)據(jù)集是視覺圖像與三維雷達(dá)數(shù)據(jù)的融合，利用KITTI數(shù)據(jù)集可以實現(xiàn)在車輛真實應(yīng)用環(huán)境下立體圖像、光流、視覺距離測量、三維目標(biāo)檢測、三維跟蹤等計算機(jī)視覺技術(shù)的性能評測。
該數(shù)據(jù)集包含從城市、郊區(qū)、鄉(xiāng)村和高速公路等場景采集的真實圖像數(shù)據(jù)，整個數(shù)據(jù)集由389對立體圖像和光流圖、在測評里程內(nèi)的視覺測距序列和超過200k的三維標(biāo)記對象圖像組成。
完整的數(shù)據(jù)集應(yīng)包括立體數(shù)據(jù)、光流數(shù)據(jù)、視覺里程計數(shù)據(jù)、目標(biāo)跟蹤數(shù)據(jù)、道路解析數(shù)據(jù)等。
路徑規(guī)劃是解決智能網(wǎng)聯(lián)汽車如何達(dá)到行使目標(biāo)問題的上層模塊，它依賴于為智能聯(lián)網(wǎng)汽車駕駛定制的高精度地圖，與普通導(dǎo)航單純提供指引的性質(zhì)不同，智能網(wǎng)聯(lián)汽車的路徑規(guī)劃模塊需要提供能夠引導(dǎo)車輛正確駛向目的地的軌跡。這些軌跡至少要達(dá)到車道級導(dǎo)航的水平，而且軌跡上影響車輛行駛的周邊的環(huán)境也需要被準(zhǔn)確描述和考慮。
請說說我國電子地圖應(yīng)用安全的處理措施對無人駕駛的路勁規(guī)劃有哪些影響？
路徑規(guī)劃模塊需要根據(jù)局部環(huán)境感知、可用的全局車道級路徑、相關(guān)交通規(guī)則，提供能夠?qū)④囕v引導(dǎo)向目的地（或目的點）的路徑。路徑規(guī)劃可分為全局路徑規(guī)劃方法、局部路徑規(guī)劃方法和混合路徑規(guī)劃方法三種。
什么是全局路徑規(guī)劃？
什么是局部路徑規(guī)劃？
路徑規(guī)劃問題具有哪些特點？
路徑規(guī)劃技術(shù)是汽車自動控制技術(shù)的重要組成部分，根據(jù)環(huán)境信息的己知程度，全局路徑規(guī)劃是對全局環(huán)境已知，并根據(jù)算法搜索出最優(yōu)或接近最優(yōu)的路徑。
而局部路徑規(guī)劃則對環(huán)境局部未知或完全未知，通過傳感器為自動駕駛提供有用的信息確定障礙物和目標(biāo)點的位置，并規(guī)劃起始點到目標(biāo)點的最優(yōu)化路徑。
智能網(wǎng)聯(lián)汽車路徑規(guī)劃問題可以分為兩類：
一類是基于環(huán)境先驗信息的全局路徑規(guī)劃，主要方法有網(wǎng)格法、拓?fù)浞?、視圖法等；
另一類是基于傳感器信息的局部路徑規(guī)劃，常用的方法有柵格法、人工勢場法、遺傳算法、空間搜索法、層次法、動作行為法、Dijkstra算法、Lee算法、Floyd算法等。
（1）全局路徑規(guī)劃
1）柵格法。
什么是柵格法？原理是什么？
2）拓?fù)浞ā?/span>
什么是拓?fù)浞?？原理是什么？有哪些特征?/span>
3）可視圖法。
首先將自動駕駛視為一個點，然后將起點、障礙物和目標(biāo)點的每個端點連接起來，并以直線連接各個端點，從而將路徑規(guī)劃問題轉(zhuǎn)化為從起點到目標(biāo)點的最短路徑尋找問題。
可視圖法的優(yōu)點是概念直觀、簡單，缺點是靈活性不好。
當(dāng)目標(biāo)點或障礙物或起始點發(fā)生變化時，需要對視圖進(jìn)行重構(gòu)，而且障礙物的數(shù)目越多，算法越復(fù)雜。
（2）局部路徑規(guī)劃算法
1）遺傳算法。遺傳算法是自動駕駛路徑規(guī)劃常用的算法。
該算法模擬達(dá)爾文的生物進(jìn)化理論，結(jié)合進(jìn)化中優(yōu)勝劣汰的概念，是一種基于自然選擇和遺傳學(xué)原理的搜索算法。
遺傳算法的原理是什么？
2）蟻群算法。
蟻群算法的基本原理是什么？
蟻群算法相對于遺傳算法來說具有一定的記憶力。蟻群算法有多種原理，如覓食原理、避障原理和遺傳算法。蟻群算法屬于群智能優(yōu)化算法，具有并行性。每一個粒子都能被主動優(yōu)化，而遺傳算法不能。
遺傳算法具有快速的全局搜索能力，因此可以快速搜索全局最優(yōu)路徑，但系統(tǒng)中的反饋信息利用率不高，往往導(dǎo)致不作為的冗余迭代，求解效率低。蟻群算法通過信息素的積累和更新，收斂于最優(yōu)路徑。它具有分布性、并行性和全局收斂性等優(yōu)點。但在初始階段，所有路徑上的信息素都是相等的，使得算法有點像貪婪算法。該算法收斂速度慢，得到的解往往不是最優(yōu)解。
遺傳算法與蟻群算法如何進(jìn)行有效互補(bǔ)？
遺傳算法
蟻群算法
3）神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)可以通過大量實際駕駛行為數(shù)據(jù)，學(xué)習(xí)避障和路徑規(guī)劃中隱含的、難以人工設(shè)計并提取的特征。
深度學(xué)習(xí)的基本模型包括基于受限玻爾茲曼機(jī)的深度信任網(wǎng)絡(luò)、基于自動編碼器的堆疊式自動編碼器、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)。
由于無需迭代，采用前向網(wǎng)絡(luò)學(xué)習(xí)算法學(xué)習(xí)避障的速度非?？欤越M織神經(jīng)網(wǎng)絡(luò)特性也可用于融合傳感器信息，學(xué)習(xí)從地圖上不同位置到目的地的行駛路線。一旦學(xué)習(xí)完成，自動駕駛就可以實現(xiàn)自主導(dǎo)航。
通過司機(jī)在場景中的駕駛操作可以得到一套訓(xùn)練集，輸入到神經(jīng)網(wǎng)絡(luò)單元進(jìn)行訓(xùn)練，再輸出一個決策計劃結(jié)果。在獲得預(yù)期的軌跡后，需要控制車輛的轉(zhuǎn)向、制動、驅(qū)動以跟蹤軌跡。
ADAS系統(tǒng)的控制是根據(jù)各個狀態(tài)進(jìn)行來回切換的，傳統(tǒng)控制算法存在目標(biāo)或控制方式切換引起的車輛加速和減速跳躍，存在切換過程平穩(wěn)性差等問題。
由于控制狀態(tài)的變化，原有的車輛控制算法、跟蹤過程和巡航控制過程會出現(xiàn)加速跳躍，影響舒適性。
當(dāng)自動駕駛處于低速時，控制問題就不那么明顯。
但在高速條件下，我們必須考慮輪胎與地面的連接。
由于輪胎和地面摩擦圓的約束，當(dāng)車輪縱向力變化時，側(cè)向力也隨之變化。
智能車的車速控制和橫向軌跡跟蹤性能是相互制約的。
4）人工勢場規(guī)劃
人工勢場規(guī)劃是Khatib提出的虛擬力法。
人工勢場法規(guī)劃原理是什么？
時空路徑是指車輛在一定時間內(nèi)行駛的軌跡。軌跡不僅包括位置信息，還包括整個軌跡和車輛姿態(tài)的時間信息（時間、速度、加速度、曲率等）。
局部路徑規(guī)劃可進(jìn)一步分為軌跡規(guī)劃和速度規(guī)劃。
軌跡規(guī)劃只解決根據(jù)行為決策和綜合地圖信息在二維平面上定義一定的代價函數(shù)下對軌跡進(jìn)行優(yōu)化的問題。
速度規(guī)劃是選擇一個或多個軌跡后解決用什么樣的速度來行駛。速度規(guī)劃由車輛當(dāng)前狀態(tài)、行駛目標(biāo)以及軌跡曲率等決定。
軌跡規(guī)劃算法在很大程度上依賴于地圖對道路的定義，在車輛模型和道路模型下，由軌跡規(guī)劃生成的軌跡是從區(qū)間到車輛姿態(tài)向量集的連續(xù)映射。
在每個軌跡的末端，軌跡優(yōu)化的目標(biāo)是篩選出滿足所有可能軌跡曲線邊界條件的軌跡曲線，然后找到平滑的、代價最低的曲線。
2. 智能網(wǎng)聯(lián)汽車行為決策與車輛控制
汽車智能駕駛行為決策
智能網(wǎng)聯(lián)汽車的自動駕駛分為感知定位、規(guī)劃決策、執(zhí)行控制三個部分。決策是指決策控制電腦在整個無人駕駛系統(tǒng)中的作用，并根據(jù)位置、感知和路徑規(guī)劃等信息確定無人駕駛車輛的策略。
智能網(wǎng)聯(lián)汽車的行為決策是基于環(huán)境感知和導(dǎo)航子系統(tǒng)的信息輸出，這包括選擇哪條車道，是否換車道，是否跟車，是否繞道，是否停車。
車輛控制是指控制轉(zhuǎn)向、駕駛和制動，執(zhí)行規(guī)劃決策模塊發(fā)出需求速度和需求方向盤轉(zhuǎn)角，也包括轉(zhuǎn)向燈、喇叭、車窗、儀表等車身電器控制信號。
行為決策層匯集了所有重要的車輛周圍信息，不僅包括汽車本身的當(dāng)前位置、速度、方向和所在車道，還包括汽車一定距離內(nèi)與感知相關(guān)的所有重要障礙物體信息和預(yù)測軌跡，在所獲得信息的基礎(chǔ)上來確定汽車的駕駛策略。主要包括預(yù)測算法、行為規(guī)劃和動作規(guī)劃等。
1.預(yù)測模塊
預(yù)測模塊的功能與預(yù)測的原理是什么？
2.行為規(guī)劃
行為規(guī)劃是根據(jù)路徑規(guī)劃目標(biāo)，結(jié)合環(huán)境感知模塊對駕駛環(huán)境的描述，以及預(yù)測模塊對駕駛環(huán)境變化趨勢的預(yù)測，對車輛需要采取的行為作出規(guī)劃。
行為規(guī)劃的具有方法？
3.動作規(guī)劃
動作規(guī)劃模塊的功能根據(jù)路徑規(guī)劃給出的軌跡、行為規(guī)劃確定的駕駛模式，按照特定的動作去跟隨軌跡。這些具體的動作規(guī)劃發(fā)送給執(zhí)行機(jī)構(gòu)實現(xiàn)車輛的運(yùn)動控制。
將當(dāng)前的道路系統(tǒng)處理為有向網(wǎng)絡(luò)圖，這種有向網(wǎng)絡(luò)圖中可以表示道路和道路之間的各種連接、交通規(guī)則、道路寬度等，每一個有向邊都帶權(quán)重。然后，汽車的路徑規(guī)劃問題就變成了在路網(wǎng)圖中，為了使汽車能從從A點位置到達(dá)B點位置，在一定方法的基礎(chǔ)上，選擇最優(yōu)路徑，這就使路徑規(guī)劃問題成為有向網(wǎng)絡(luò)圖搜索問題。
智能網(wǎng)聯(lián)汽車路徑規(guī)劃中的路由尋徑也是解決汽車從A點到達(dá)B點的路由問題，但由于輸出結(jié)果沒有被駕駛員使用，而是給下游行為決策和行動規(guī)劃等模塊作為輸入，因此路徑規(guī)劃的層次應(yīng)該是更深入到高精度地圖所使用的車道級別。
例如，箭頭線段代表高精度地圖級別的道路劃分和方向，車道1，車道2，……，車道8構(gòu)成一系列用于路由輸出的路由段序列，汽車地圖級別的車道劃分與實際的自然道路劃分不一致，例如，車道2、車道5和車道7都表示由地圖定義繪制的“虛擬”轉(zhuǎn)彎車道。同樣，一條較長的實際道路也可分為若干車道。作為整個汽車決策控制規(guī)劃系統(tǒng)的最上游模塊，尋路模塊的輸出依賴于高精度地圖的繪制。
基于高精度地圖定義的路網(wǎng)道路劃分和最優(yōu)策略的定義下，路由模塊需要解決的問題是計算從起點到終點的最優(yōu)道路行程序列，其中車道、起始位置、終止位置稱為路由片段，道路由車道線來標(biāo)識，起始位置和終止位置分別代表道路上的起始縱向距離和終點縱向距離。
例如，將汽車在高精地圖的車道尋徑問題抽象為帶權(quán)重的有向圖上最短路徑搜索問題，路由選擇模塊首先根據(jù)車道級別的高精度地圖，在所有可能經(jīng)過的車道上分散撒點，這些點稱為車道點。代表汽車可能經(jīng)過的車道上的位置抽樣，在這些點之間通過有向邊連接。車道點之間的連接權(quán)表示汽車從一個點移動到另一個點的潛在代價。在這種有向加權(quán)圖的問題抽象下，可以用一種算法來實現(xiàn)路由尋徑問題。
汽車智能駕駛的執(zhí)行控制
車輛動力學(xué)是自動駕駛車輛控制的基礎(chǔ)。簡易的二自由度車輛動力學(xué)模型
又稱為自行車模型，描述了車輛縱向、側(cè)向、橫擺等基本的運(yùn)動狀態(tài)，體現(xiàn)了車輛運(yùn)動過程中典型的輪胎側(cè)偏特性，可以對絕大多數(shù)應(yīng)用場景下車輛運(yùn)動狀態(tài)進(jìn)行比較準(zhǔn)確的描述。
線性二自由度模型具體的作用有哪些？
自動駕駛要實現(xiàn)對車輛的運(yùn)動和車身電器進(jìn)行自動控制，需要相應(yīng)的線控系統(tǒng)來滿足，其中車身電器系統(tǒng)用于實現(xiàn)對車輛內(nèi)外部燈光、車門以及人機(jī)交互界面等內(nèi)外部交互的控制，底盤線控系統(tǒng)用于實現(xiàn)對車輛運(yùn)動的控制。
底盤線控制系統(tǒng)包括轉(zhuǎn)向、制動、驅(qū)動控制，其中制動部分包括行車制動、駐車制動與輔助制動，驅(qū)動系統(tǒng)包括發(fā)動機(jī)/電機(jī)/混合動力控制、傳動系統(tǒng)控制等。
1.轉(zhuǎn)向系統(tǒng)
線控轉(zhuǎn)向系統(tǒng)通過在方向盤到車輪間增加主動控制電機(jī)，實現(xiàn)對轉(zhuǎn)向系統(tǒng)的主動控制。在傳統(tǒng)的電助力轉(zhuǎn)向車輛中，可以通過對助力電機(jī)的主動控制實現(xiàn)主動轉(zhuǎn)向，但是也需要在駕駛?cè)烁深A(yù)時主動控制系統(tǒng)能夠及時退出，滿足人工控制優(yōu)先的控制需求。
線控轉(zhuǎn)向系統(tǒng)的主要作用有哪些？
根據(jù)電機(jī)在轉(zhuǎn)向系統(tǒng)中的安裝位置，轉(zhuǎn)向助力系統(tǒng)可以分為哪幾種？
2.驅(qū)動系統(tǒng)
驅(qū)動系統(tǒng)是較早實現(xiàn)主動線控控制的系統(tǒng)。比如電子節(jié)氣門就是一種典型的線控驅(qū)動控制方式，發(fā)動機(jī)控制系統(tǒng)采集油門踏板角度，然后根據(jù)油門踏板角度與節(jié)氣門開度之間的關(guān)系，控制節(jié)氣門，實現(xiàn)非機(jī)械結(jié)構(gòu)連接的驅(qū)動控制。
隨著電驅(qū)動系統(tǒng)的發(fā)展，混合動力、插電式混合動力、純電動汽車得到了廣泛應(yīng)用，也進(jìn)一步為線控驅(qū)動系統(tǒng)的發(fā)展提供了便利的條件。
在各類線控驅(qū)動控制系統(tǒng)的核心是整車控制器，通過油門踏板、檔位以及汽車運(yùn)動狀態(tài)，判斷駕駛?cè)嘶蛘咦詣玉{駛系統(tǒng)的操縱或者控制意圖，然后通過對自動變速箱、發(fā)動機(jī)（或電機(jī)、或發(fā)動機(jī)與電機(jī)組合）的動力控制，實現(xiàn)主動驅(qū)動控制。
3.制動系統(tǒng)
線控制動系統(tǒng)可以主動產(chǎn)生制動壓力，并分配至各車輪制動輪缸，使車輛產(chǎn)生穩(wěn)定平衡的制動力。典型的線控制動系統(tǒng)核心是液壓調(diào)節(jié)器，請說說液壓調(diào)節(jié)器的控制原理是什么？
在底盤線控系統(tǒng)的基礎(chǔ)上，智能網(wǎng)聯(lián)汽車還需要車身電器系統(tǒng)的控制，實現(xiàn)自車與其它車輛、環(huán)境中交通參與者、交通系統(tǒng)以及車內(nèi)人員的交互。
通過各類具體控制算法的設(shè)計實現(xiàn)縱側(cè)向控制，并由底盤線控與車身電器控制等系統(tǒng)實現(xiàn)各類控制指令的執(zhí)行。執(zhí)行控制是智能駕駛系統(tǒng)的動作執(zhí)行環(huán)節(jié)，前面所描述的環(huán)境感知、路徑規(guī)劃、行為決策，都需要執(zhí)行控制的具體實現(xiàn)，才能到達(dá)車輛自動駕駛、完成各項智能化任務(wù)的目標(biāo)。
4.車輛縱向控制
執(zhí)行控制算法可以劃分為車輛的縱向控制和側(cè)向控制，縱向控制是通過車輛的驅(qū)動和制動系統(tǒng)等控制車速，側(cè)向控制是通過轉(zhuǎn)向系統(tǒng)等控制車輛的側(cè)向運(yùn)動。縱側(cè)向控制的整體效果是車輛沿規(guī)劃的軌跡，在特定行為模式下，以安全舒適的方式行駛并最終抵達(dá)目的地。
車輛縱向控制的基本原理是什么？
5.車輛側(cè)向控制
車輛側(cè)向控制用于控制車輛保持在規(guī)劃的行駛軌跡上，直到完成駕駛?cè)蝿?wù)。側(cè)向控制系統(tǒng)通過跟蹤和預(yù)測當(dāng)前車輛行駛軌跡，并實時與目標(biāo)軌跡進(jìn)行對比，根據(jù)軌跡間航向、曲率和距離的偏差，實時調(diào)整車輛側(cè)向運(yùn)動，以保證車輛始終跟隨目標(biāo)軌跡。側(cè)向控制的算法的設(shè)計也受舒安全、舒適、節(jié)能等指標(biāo)的約束。
由于智能網(wǎng)聯(lián)汽車信息的豐富性，側(cè)向控制需求的規(guī)劃軌跡可以來源于很多方面，比如：由高精度地圖規(guī)劃的全局軌跡、根據(jù)當(dāng)前環(huán)境狀態(tài)規(guī)劃的局部路徑、車道保持系統(tǒng)中提供的車道識別信息，在側(cè)向控制中需要根據(jù)安全、舒適、節(jié)能等指標(biāo)融合各類感知信息，決策最優(yōu)控制指令。
請根據(jù)側(cè)向控制實現(xiàn)的典型結(jié)構(gòu)說說其工作原理是什么？
自動駕駛路面控制演示
廣告 編輯推薦
最新資訊
-
“汽車爬坡試驗方法”將有國家標(biāo)準(zhǔn)
2026-03-03 12:44
-
十年耐久監(jiān)管時代：電池系統(tǒng)開發(fā)策略將如何
2026-03-03 12:44
-
聯(lián)合國法規(guī)R59對機(jī)動車備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯(lián)合國法規(guī)R58對后下部防護(hù)裝置的工程化約
2026-03-03 12:07
-
聯(lián)合國法規(guī)R57對摩托車前照燈配光性能的工
2026-03-03 12:07
