发 帖  
原厂入驻New

无人驾驶汽车怎样认路

2017-10-25 17:30:37  1705 激光雷达 无人驾驶 自动驾驶
分享
我们给狭义的认路下个定义,此定义只在本文范围内有效。认路是指在知道从A地到B地的大方向和大体路径以后,怎样安全到达的过程中应对实际问题的能力。
总结起来,上路行驶,汽车认路需要两种能力,识别并应对静止的目标和运动的目标的能力。
静止的目标包括,道路边际,道路标记线,路面固定的障碍;运动的目标,包括车辆,行人,小动物等各种可能出现在道路上的动态事物。
汽车怎样识别静态目标
结构化和非结构化道路
对于无人车,道路被划分成结构化道路和非结构化道路。二者的区别在于,是否具有清晰的道路边界,路面是否均匀平整具有一致的光学性质,是否具有明显的路面标识。不科学的讲,就是正规柏油马路与乡村土路的关系。
对于结构化道路,无人车的检测目标主要是道路标记线,依据对道路标记线的定位,调整自己的方向,使自身始终处于交通规则要求的正确行车位置。结构化道路的识别方法比较多,研究相对充分,已经基本满足实际应用的要求。
对于非结构化道路,无人车的检测目标是道路的边际。但自然形成的人工化低的道路,其边际模糊,不同道路的差异性大,并且路面情况也不一致,造成各种算法想要兼顾所有情况,几乎不可能。再加上离线地图在非结构化道路这方面,时常缺失。非结构化道路,是无人驾驶的难点。
交通标志的识别
识别交通标志,应用较多的方法是,先进行颜色分类,再进行形状识别;另外也有模板匹配法,直接在系统中定义出可能的交通标志模板,遇到一个标志,拿来与存储的信息进行匹配即可做出判断。每个国家和地区的交通标志都是有限量的,模板匹配是个效率较高的方法。
障碍物识别
障碍识别,常见的过程是这样的,先运用激光雷达射程远的特点,远距离扫描,发现障碍物,测量距离,确定是否是静止障碍物;再使用照相机等其他成像设备,测量其具体形状和尺寸等特性参数。视觉系统对障碍物质地的检测还比较不成熟。
汽车怎样应对动态目标
动态目标的处理要相对复杂,需要处理好连续相关的三个问题,怎样检测到障碍物,获取它的运动信息;怎样预测运动物体的轨迹,和下一时刻相对自己的位置关系;车辆自身采取怎样的应对策略,避免与运动目标发生碰撞。
获取障碍物信息
对于运动物体,依靠一次激光雷达的扫描结果是无法确定的,必须分析对比依照时间推移,不同的扫描结果之间的关系。比如在离线地图上的相对位置,1秒钟以前与现在的位置有怎样的变化,比如测量障碍物与无人车之间的距离,结合自身车速,可以判断障碍物是否移动。
预测物体运动轨迹
为了应对行进方向上的运动物体下一刻的位置,无人车倾向于对运动物体后续轨迹进行预测。根据物体当前的运动状态,推测它大概率保持当前状态继续运行。这种方式,在运动物体出现状态突变的时候,会预测失败,比如对行人的预测,失败率比较高。
在此基础上,应用一些改良手段,添加一些限制条件,比如当前的道路轨迹、交通信号;模糊控制,开放设想运动物体的可能性,比如,车辆超越行人时,设定一个较大的安全距离。改良后的预测,有用性会大大提高,但预测这件事本身,都是概率上的成功,而不可能百分之百。
避撞策略
根据前一步的预测,无人车需要作出应对策略,避免碰撞事件的发生。总体思想就是在运动物体预测轨迹上,避免自身轨迹与其预测轨迹的时空同时交汇,并保留一定的安全空间。
有的规则认为,运动物体距离较远时,对自己影响小,可以减少关注,距离较近时影响大,需要给予更过关注,也就是运算量;有的规则,综合考量自身运动状态和运动物体的状态,划定安全范围和危险范围,综合全部安全范围,规划自己的路径;有的,则采用即时反应策略,根据运动目标的变化,随时调整自己的路径规划,这个方法需要的算力非常大。
找到引路的标记,避开路上遇到的动静障碍,无人车跑起来。

0
2017-10-25 17:30:37   评论 分享淘帖
高级模式
您需要登录后才可以回帖 登录 | 注册

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容图片侵权或者其他问题,请联系本站作侵删。 侵权投诉
发表新帖
关闭

站长推荐 上一条 /8 下一条

快速回复 返回顶部 返回列表