無(wú)人車(chē)軟件體系架構(gòu)

高 嵩，張金煒，戎 輝，王文揚(yáng)，何 佳，郭 蓬

（1.中國(guó)汽車(chē)技術(shù)研究中心有限公司，天津 300300；2.河北工業(yè)大學(xué)，天津 300222；3.天津大學(xué)，天津 300072）

互聯(lián)網(wǎng)的高速發(fā)展，帶來(lái)的不僅僅是經(jīng)濟(jì)利益和社會(huì)效益，也帶動(dòng)了一系列技術(shù)的迅猛發(fā)展，其中，集眾多技術(shù)于一身的無(wú)人駕駛汽車(chē)正是其中的典型代表，它被認(rèn)為是汽車(chē)發(fā)展的未來(lái)。無(wú)人車(chē)的開(kāi)發(fā)涉及到環(huán)境感知、定位導(dǎo)航、人工智能、數(shù)學(xué)計(jì)算、路徑規(guī)劃、自動(dòng)控制等技術(shù)，其軟件架構(gòu)可以分為感知層、決策層、控制層三大部分。

1 感知層

感知層通過(guò)車(chē)載傳感器感知周?chē)h(huán)境以及車(chē)身位置等信息，其中的信息包括車(chē)道線位置、行駛道路范圍、行人和車(chē)輛等障礙物、道路交通標(biāo)志以及紅綠燈指示情況等。圖1為感知層體系結(jié)構(gòu)。

圖1 感知層體系結(jié)構(gòu)

1.1 常見(jiàn)傳感器

1）相機(jī) 通過(guò)機(jī)器視覺(jué)或立體視覺(jué)獲取車(chē)體周?chē)亩S、三維路況信息。對(duì)獲取的視覺(jué)信息利用圖像處理和模式識(shí)別技術(shù)提取環(huán)境中的車(chē)輛、行人、障礙、標(biāo)識(shí)等信息。

2）激光雷達(dá) 激光雷達(dá)的準(zhǔn)確率很高，多線激光雷達(dá)在無(wú)人車(chē)中常被用作主要傳感器使用，它可以繪制高精地圖，并依據(jù)高精地圖對(duì)車(chē)輛進(jìn)行定位，還可以用它實(shí)現(xiàn)避障。

3）毫米波雷達(dá) 毫米波雷達(dá)可以探測(cè)環(huán)境中的障礙物，它在煙霧中的穿透能力優(yōu)于其他傳感器，可以實(shí)現(xiàn)對(duì)多目標(biāo)的探測(cè)和跟蹤，但是分辨率低，往往不能進(jìn)行目標(biāo)分類(lèi)和識(shí)別。

1.2 定位與導(dǎo)航

1）衛(wèi)星定位 無(wú)人車(chē)須通過(guò)定位技術(shù)實(shí)時(shí)感知自身的環(huán)境位置，而GPS衛(wèi)星定位是最常用的方式。另外，由于GPS衛(wèi)星信號(hào)受行駛環(huán)境影響較大（比如信號(hào)遮擋或者天氣影響等），GPS配合慣性傳感器（IMU）的使用，可以達(dá)到更好的定位效果。

2）慣性導(dǎo)航 導(dǎo)航技術(shù)是使用慣性導(dǎo)航系統(tǒng)的陀螺儀，使無(wú)人車(chē)實(shí)時(shí)感知自身的位置、速度、加速度、航向角等信息，常作為衛(wèi)星定位的輔助手段。與衛(wèi)星定位相比，慣性導(dǎo)航設(shè)備的成本較高。

2 決策層

決策層接收感知層傳遞的周?chē)h(huán)境和車(chē)身位置等信息，結(jié)合既定的車(chē)輛行駛?cè)蝿?wù)，進(jìn)行局部路徑規(guī)劃和全局路徑規(guī)劃。局部路徑規(guī)劃部分對(duì)車(chē)輛的局部駕駛行為進(jìn)行規(guī)劃，如換道、超車(chē)、等待、泊車(chē)等，會(huì)生成一條安全無(wú)碰撞的路徑。全局路徑規(guī)劃則決定車(chē)輛的全局行車(chē)路線，規(guī)劃的路徑更加宏觀，與車(chē)輛的全局行駛?cè)蝿?wù)緊密關(guān)聯(lián)。

2.1 局部路徑規(guī)劃

局部路徑規(guī)劃是一種動(dòng)態(tài)規(guī)劃也叫做在線規(guī)劃，它需要傳感器實(shí)時(shí)采集周?chē)h(huán)境信息，再配合環(huán)境地圖的信息，最后得出車(chē)輛在地圖中的位置以及周?chē)系K物的信息，然后利用算法找到一條無(wú)碰撞路徑。

局部路徑規(guī)劃的常見(jiàn)算法有：傳統(tǒng)方法（比如模擬退火算法、模糊邏輯算法、人工勢(shì)場(chǎng)算法等）、智能仿生算法（比如人工神經(jīng)網(wǎng)絡(luò)算法、蟻群優(yōu)化算法、遺傳算法、粒子群算法等）、啟發(fā)式搜索方法（比如A* 、D*方法）等。

2.2 全局路徑規(guī)劃

全局路徑規(guī)劃是一種靜態(tài)規(guī)劃又叫做離線規(guī)劃，要求擁有完全的環(huán)境信息，再依據(jù)地圖給出的信息，計(jì)算得到一條從出發(fā)位置到目的位置的最優(yōu)路線。其主要方法如下。

1）可視圖法 這種算法的思路很簡(jiǎn)單，它需要確保無(wú)人車(chē)、道路上的障礙物以及目標(biāo)點(diǎn)之間能夠用線連接起來(lái)，不和空間中任何障礙物相連，最后在這種可視圖中找到最優(yōu)路線。

2）自由空間法 其思路是面對(duì)可視圖法的應(yīng)變性差，需要預(yù)先定義它的基本模型，例如做出廣義錐形、凸多邊形等形狀進(jìn)行構(gòu)造自由空間，并且將這樣的自由空間表示成為連通圖，最后就可以在連通圖中找到最優(yōu)路徑。在開(kāi)始點(diǎn)和目標(biāo)點(diǎn)改變時(shí)并不需要重新繪制新圖而是只用改變相應(yīng)點(diǎn)的位置即可。

3）柵格法 具體思路是用柵格代表地圖，把一個(gè)個(gè)柵格二值化，把無(wú)障礙物的柵格標(biāo)記為空白柵格，把有障礙物的柵格標(biāo)記為黑色柵格，對(duì)這種柵格地圖進(jìn)行最優(yōu)路徑搜索。

還有其他的算法比如神經(jīng)網(wǎng)絡(luò)法、蟻群算法和拓?fù)浞ǖ龋鼈兌寄茉谌致窂街羞M(jìn)行最優(yōu)路徑搜索，但是搜索出來(lái)的路徑不一定是最短路徑。

3 控制層

控制層針對(duì)無(wú)人車(chē)進(jìn)行橫向控制、縱向控制，而且橫向控制是控制無(wú)人車(chē)的行駛方向，縱向控制是控制無(wú)人車(chē)的速度。控制層接收來(lái)自決策層所作出的局部和全局路徑規(guī)劃軌跡，然后控制相應(yīng)的執(zhí)行機(jī)構(gòu)作出動(dòng)作，完成對(duì)路徑軌跡的跟蹤。圖2為控制層體系結(jié)構(gòu)圖。

圖2 控制層體系結(jié)構(gòu)圖

1）橫向控制 橫向控制本質(zhì)上屬于無(wú)人車(chē)的轉(zhuǎn)向控制，它的控制目標(biāo)為在保證無(wú)人車(chē)行駛安全性和乘坐舒適性的前提下，使無(wú)人車(chē)能夠準(zhǔn)確地對(duì)預(yù)期的路徑進(jìn)行跟蹤。常用方法有基于模型預(yù)測(cè)控制（MPC）控制器、PID橫向控制器、基于模糊邏輯橫向控制器等。

2 ）縱向控制 縱向控制就是控制無(wú)人車(chē)行進(jìn)中的速度，而且橫向控制的精度也會(huì)受到速度控制的影響。車(chē)輛的速度涉及到油門(mén)和制動(dòng)，通常是設(shè)計(jì)油門(mén)控制器和制動(dòng)控制器來(lái)控制無(wú)人車(chē)速度。常用的方法也同橫向控制，有基于滑?？刂频目v向控制器、模糊PID控制器、模糊控制器等。

4 結(jié)束語(yǔ)

汽車(chē)智能化是未來(lái)的重要發(fā)展方向，無(wú)人駕駛汽車(chē)則是智能汽車(chē)的最終形態(tài)。感知層、決策層、控制層作為無(wú)人駕駛汽車(chē)的三大組成部分，通過(guò)感知層提供環(huán)境、位置等信息，決策層根據(jù)這些信息作出路徑規(guī)劃，最后控制層進(jìn)行橫向和縱向控制完成路徑跟蹤，實(shí)現(xiàn)無(wú)人車(chē)的自動(dòng)駕駛。

參考文獻(xiàn)：

［1］ 潘福全，亓榮杰，張璇，等.無(wú)人駕駛汽車(chē)研究綜述與發(fā)展展望［J］.科技創(chuàng)新與應(yīng)用，2017（2）：27-28.

［2］ 馬飛躍， 王曉年. 無(wú)人駕駛汽車(chē)環(huán)境感知與導(dǎo)航定位技術(shù)應(yīng)用綜述［J］. 汽車(chē)電器， 2015 (2)： 1-5.

［3］ 鮑慶勇， 李舜酩， 沈峘， 等. 自主移動(dòng)機(jī)器人局部路徑規(guī)劃綜述［J］. 傳感器與微系統(tǒng)， 2009， 28(9)：1-4.

［4］ 劉蕊.智能車(chē)路徑跟蹤及其底層控制方法研究［D］.北京：北京工業(yè)大學(xué)， 2013.