掃路機(jī)自主智能駕駛技術(shù)研究與應(yīng)用

福建龍馬環(huán)衛(wèi)裝備股份有限公司環(huán)境產(chǎn)業(yè)研究院 黃秋芳

隨著經(jīng)濟(jì)社會(huì)不斷發(fā)展，環(huán)衛(wèi)行業(yè)經(jīng)歷了從人力化向機(jī)械化的變革，機(jī)械化清掃率逐年提升，但背后也一直伴隨著若干個(gè)方面的行業(yè)難題和痛點(diǎn)。首先，勞動(dòng)力短缺、人力老化問題。由于環(huán)衛(wèi)工作環(huán)境惡劣，勞動(dòng)強(qiáng)度較大，行業(yè)很難招到專業(yè)技術(shù)人才，從事人力清掃工作的普遍都是高齡人士，從事機(jī)械清掃工作的學(xué)歷又普遍偏低。其次，人員設(shè)備安全問題十分突出。環(huán)衛(wèi)工人作業(yè)環(huán)境惡劣，導(dǎo)致無法長期保持身體健康，而且工人在作業(yè)過程中交通事故也時(shí)有發(fā)生。再次，傳統(tǒng)環(huán)衛(wèi)運(yùn)營模式因缺乏統(tǒng)一的智能管理平臺(tái)手段，無法科學(xué)高效進(jìn)行實(shí)時(shí)作業(yè)監(jiān)管，作業(yè)效率低下。最后，從業(yè)人員人力成本、管理成本在逐年升高，導(dǎo)致整體環(huán)衛(wèi)運(yùn)營成本也在持續(xù)升高。針對這些行業(yè)難題，無人駕駛的自主機(jī)械化清掃是目前最有效的解決方案，根據(jù)環(huán)衛(wèi)運(yùn)營項(xiàng)目的運(yùn)營成本測算得出，采用無人駕駛環(huán)衛(wèi)清掃方案預(yù)計(jì)可以為環(huán)衛(wèi)項(xiàng)目節(jié)省60%以上的人力成本，進(jìn)而節(jié)約40%以上的總成本，同步解決環(huán)衛(wèi)工人招聘難、管理難的問題。

無人駕駛作為當(dāng)前的商業(yè)熱點(diǎn)話題，有很多應(yīng)用場景正在被開發(fā)，但環(huán)衛(wèi)領(lǐng)域?qū)⒆鳛樽羁鞂?shí)施落地的賽道之一。無人駕駛在乘用車和物流貨運(yùn)領(lǐng)域面臨的是開放式環(huán)境，要應(yīng)對很多極端環(huán)境，需要積累大量的經(jīng)驗(yàn)和數(shù)據(jù)。而現(xiàn)階段無人駕駛在環(huán)衛(wèi)領(lǐng)域的應(yīng)用場景更多是封閉式環(huán)境，不需要積累很多的數(shù)據(jù)和測試，就能夠有效替換繁瑣、辛苦的環(huán)衛(wèi)工作，具有商業(yè)和社會(huì)雙重價(jià)值。

在社會(huì)價(jià)值方面，無人駕駛可以有效地提升清潔車輛的利用率，全程人工智能控制，可以讓清掃更加規(guī)范，也能夠覆蓋不適合人工操作的時(shí)間段和環(huán)境，提升清掃的效率。在經(jīng)濟(jì)方面，無人駕駛環(huán)衛(wèi)車預(yù)計(jì)不到兩年即可收回一輛車的軟硬件成本。從趨勢上看，人工成本必然持續(xù)提高，而無人駕駛的軟硬件成本則將隨著產(chǎn)業(yè)高速發(fā)展而大幅下降。在技術(shù)成熟度方面，無人駕駛環(huán)衛(wèi)車工作速度很低，運(yùn)營時(shí)間多為晚上、凌晨或者非高峰時(shí)段，因此更容易做到安全、可靠。有限且相對固定的路線，能夠進(jìn)一步降低作業(yè)過程意外出現(xiàn)的概率，如果采用集中運(yùn)行的方式也更加方便集中監(jiān)控、調(diào)度和異常處理。

因此，解決面向環(huán)衛(wèi)行業(yè)清潔自動(dòng)化、智能化的技術(shù)難題，研制開發(fā)適用于室內(nèi)外復(fù)雜大環(huán)境清掃作業(yè)的新一代無人駕駛自主智能清潔車，實(shí)現(xiàn)智能化環(huán)保清掃作業(yè)車的示范應(yīng)用和推廣，是行業(yè)技術(shù)發(fā)展的重點(diǎn)戰(zhàn)略方向。本文將面向交通行業(yè)和物流行業(yè)的智能化和自動(dòng)化，研究自主智能駕駛汽車在環(huán)衛(wèi)領(lǐng)域暨純電動(dòng)掃路機(jī)工作場景的應(yīng)用。

掃路機(jī)自主智能駕駛框架

掃路機(jī)自主智能駕駛系統(tǒng)的硬件架構(gòu)主要采用激光雷達(dá)作為主要感知傳感器，同時(shí)結(jié)合攝像頭、GPS/IMU、毫米波雷達(dá)、超聲波雷達(dá)等[1]，以NVIDIA Jetson TX2作為主要計(jì)算平臺(tái)，在域控制工控機(jī)上運(yùn)行各種算法模塊，通過線控技術(shù)控制車輛行駛。軟件架構(gòu)主要涉及自動(dòng)駕駛環(huán)境感知融合技術(shù)、自動(dòng)導(dǎo)航定位技術(shù)以及智能路徑規(guī)劃等技術(shù)的研發(fā)。即通過多種車載傳感器來識別掃路機(jī)所處的周邊環(huán)境狀態(tài)，并根據(jù)所獲得的環(huán)境信息（包括道路信息、交通信息、車輛位置和障礙物信息等）自主做出分析和判斷，從而自主地控制車輛運(yùn)動(dòng)，實(shí)現(xiàn)掃路機(jī)的自主智能駕駛清潔工作。掃路機(jī)自主

圖1 掃路機(jī)自主智能駕駛框架

掃路機(jī)自主智能駕駛技術(shù)路線

自主智能駕駛掃路機(jī)集成激光雷達(dá)、GNSS定位系統(tǒng)、慣性導(dǎo)航系統(tǒng)、攝像頭、毫米波雷達(dá)、超聲波雷達(dá)、工控機(jī)等，通過上下位機(jī)及云端控制系統(tǒng)實(shí)現(xiàn)掃路機(jī)的自主智能駕駛，主要技術(shù)路線如圖2所示。涉及多傳感器信息融合技術(shù)、地圖創(chuàng)建與實(shí)時(shí)定位技術(shù)、不確定環(huán)境下的智能路徑規(guī)劃技術(shù)、智能垃圾識別控制技術(shù)等自動(dòng)駕駛技術(shù)[2]。

圖2 掃路機(jī)自主智能駕駛系統(tǒng)技術(shù)路線

1.自動(dòng)環(huán)境感知融合技術(shù)

自動(dòng)駕駛掃路機(jī)在非結(jié)構(gòu)化動(dòng)態(tài)環(huán)境中，通過多源傳感器，如攝像頭、激光雷達(dá)、超聲波雷達(dá)、毫米波雷達(dá)、GPS等不斷采集海量多模態(tài)數(shù)據(jù)，這些數(shù)據(jù)在特征分布、拓?fù)浣Y(jié)構(gòu)、動(dòng)態(tài)特性等方面均存在較大差異。以膠囊式循環(huán)深度學(xué)習(xí)網(wǎng)絡(luò)為基礎(chǔ)，整合多模態(tài)車輛環(huán)境信息，采用集成式模型提升目標(biāo)檢測和道路分割的實(shí)時(shí)性和準(zhǔn)確性。在利用視覺算法對多模態(tài)、多視角、多任務(wù)、三維復(fù)雜駕駛場景下的車輛、車道線、行人、交通標(biāo)示的檢測、分割、識別以及道路跟蹤基礎(chǔ)上[2-3]，采用SOC硬件加速的輕量化深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)海量視覺影像、點(diǎn)云等多模態(tài)異構(gòu)數(shù)據(jù)的特征綜合提??；同時(shí)，利用幾何對抗生成網(wǎng)絡(luò)實(shí)現(xiàn)多模態(tài)特征的實(shí)時(shí)融合，設(shè)計(jì)并實(shí)現(xiàn)信息融合的嵌入式智能硬件，實(shí)現(xiàn)對未知環(huán)境的精確感知?？傊?，通過自動(dòng)環(huán)境感知融合技術(shù)為掃路機(jī)工況環(huán)境的精確感知及繞避障等功能奠定了技術(shù)實(shí)現(xiàn)與升級基礎(chǔ)。多模態(tài)數(shù)據(jù)時(shí)融合技術(shù)結(jié)構(gòu)模型圖3所示。

圖3 多模態(tài)數(shù)據(jù)實(shí)時(shí)融合技術(shù)架構(gòu)模型

2.自動(dòng)導(dǎo)航定位技術(shù)

結(jié)合激光點(diǎn)云和視覺點(diǎn)云的優(yōu)點(diǎn)[4-5]，SLAM（simultaneous localization and mapping，即時(shí)定位與地圖構(gòu)建）技術(shù)，對未知復(fù)雜環(huán)境進(jìn)行精確三維地圖構(gòu)建，結(jié)合動(dòng)態(tài)路徑規(guī)劃技術(shù)，解決了定位過程中對衛(wèi)星信號和慣性器件性能的過度依賴問題，提升了自主智能掃路機(jī)的定位精度和可靠性，實(shí)現(xiàn)對自主智能掃路機(jī)的自主定位導(dǎo)航。多傳感器融合自動(dòng)導(dǎo)航定位示意圖如圖4所示。

圖4 多傳感器融合自動(dòng)導(dǎo)航定位技術(shù)

面向復(fù)雜應(yīng)用場景下建圖與自主定位導(dǎo)航要求，在GPS定位的基礎(chǔ)上，通過融合多傳感器不同維度的狀態(tài)向量，根據(jù)卡爾曼濾波算法原理，基于貝葉斯概率，進(jìn)一步優(yōu)化更新目標(biāo)的姿態(tài)位置等信息。一方面，基于無跡卡爾曼濾波的激光點(diǎn)云定位技術(shù)，通過研究點(diǎn)云配準(zhǔn)算法，將地圖分割成塊區(qū)域，計(jì)算匹配概率，采用局部搜索實(shí)現(xiàn)定位，通過研究航向角優(yōu)化算法，結(jié)合光流等信息，進(jìn)一步矯正自主智能掃路機(jī)的位姿，通過研究點(diǎn)云定位中反射值與高度值自適應(yīng)融合技術(shù)根據(jù)得到的融合分布計(jì)算相應(yīng)權(quán)重，實(shí)現(xiàn)反射值與高度值的自適應(yīng)融合，實(shí)現(xiàn)GPS信號波動(dòng)較大情況下的輔助定位；另一方面，基于視覺的全局定位算法，結(jié)合IMU和輪速計(jì)信息估計(jì)車輛運(yùn)動(dòng)，實(shí)現(xiàn)GPS、視覺定位和IMU數(shù)據(jù)整合方法，優(yōu)化定位結(jié)果。提出3D到2D圖像的特征匹配定位方法，結(jié)合相關(guān)粒子濾波算法，實(shí)現(xiàn)三維世界到二維圖像的匹配定位。

3.智能路徑規(guī)劃技術(shù)

利用4G無線通信技術(shù)，將自主智能掃路機(jī)的整車狀態(tài)（比如GPS坐標(biāo)信息，掃路機(jī)運(yùn)行狀況，多傳感器融合信息等）上傳到云端，結(jié)合大數(shù)據(jù)和人工智能加強(qiáng)掃路機(jī)對交通態(tài)勢的理解，實(shí)現(xiàn)自主智能駕駛系統(tǒng)的智能路徑規(guī)劃。

根據(jù)構(gòu)建的拓?fù)浼壍貓D，采用啟發(fā)式搜索算法——A*算法進(jìn)行動(dòng)態(tài)路徑規(guī)劃，結(jié)合實(shí)時(shí)的交通信息對預(yù)先規(guī)劃好的最優(yōu)清掃路線進(jìn)行適時(shí)的調(diào)整，做出合理的決策和控制。A*算法通過引入估價(jià)函數(shù)，加快了搜索速度，提高了局部擇優(yōu)算法搜索的精度，是當(dāng)前較為主流的路徑搜索算法。另外，針對特定場景下自主智能掃路機(jī)的路徑規(guī)劃，除了結(jié)合當(dāng)天的清掃最佳路線和實(shí)時(shí)位置，自主地做出最合理的決策和控制外，可利用云端控制系統(tǒng)進(jìn)行任務(wù)調(diào)度、車輛管理。智能路徑規(guī)劃框架如圖5所示。

圖5 智能路徑規(guī)劃框架

應(yīng)用前沿AI智能算法及計(jì)算機(jī)視覺檢測技術(shù)，在實(shí)時(shí)系統(tǒng)與路面潔凈度定義間建立一種映射機(jī)制，使實(shí)時(shí)視頻傳感器等測出的垃圾量直接與所檢測路面的面積形成比值，從而計(jì)算出路面垃圾覆蓋率。系統(tǒng)綜合垃圾面積覆蓋率及種類權(quán)重計(jì)算出對應(yīng)路面清掃前的實(shí)時(shí)潔凈度指標(biāo)，不同的垃圾種類在算法中采用不同權(quán)重占比。經(jīng)過實(shí)際的道路測試驗(yàn)證，模型總數(shù)據(jù)量約236萬，模型的實(shí)際檢測指標(biāo)如表1所示，掃路機(jī)進(jìn)而可根據(jù)實(shí)時(shí)潔凈度指標(biāo)及作業(yè)車速實(shí)時(shí)自動(dòng)匹配其風(fēng)機(jī)轉(zhuǎn)速、功率等。

表1 潔凈度檢測模型指標(biāo)

當(dāng)路面潔凈度指標(biāo)大于等于設(shè)定閾值時(shí)，采用較高轉(zhuǎn)速清掃路面，當(dāng)路面的垃圾覆蓋率小于設(shè)定閾值時(shí)，采用較低轉(zhuǎn)速清掃路面，且當(dāng)垃圾量大于設(shè)定閾值時(shí)系統(tǒng)自動(dòng)抓拍路面圖片上傳至云平臺(tái)作為環(huán)衛(wèi)考核依據(jù)，實(shí)際道路垃圾檢測情況如圖6所示。這樣，系統(tǒng)在保證清掃效果的同時(shí)能夠節(jié)約能耗，在綜合清掃路況下提升節(jié)能效率10%～20%，并會(huì)適當(dāng)降低掃路機(jī)作業(yè)噪聲，產(chǎn)生較高的社會(huì)經(jīng)濟(jì)效

圖6 道路垃圾實(shí)際檢測示例圖

掃路機(jī)自主智能駕駛技術(shù)實(shí)現(xiàn)與示范應(yīng)用

自主智能掃路機(jī)通過線控轉(zhuǎn)向系統(tǒng)、制動(dòng)系統(tǒng)、油門系統(tǒng)及其執(zhí)行機(jī)構(gòu)的整體設(shè)計(jì)，利用車載中控的屏幕顯示路徑規(guī)劃結(jié)果和當(dāng)前掃路機(jī)的運(yùn)行情況。同時(shí)，為了保障編程的便捷性，采用成熟的消息通信機(jī)制LCM，實(shí)現(xiàn)OBU內(nèi)的組播通信機(jī)制。具體OBU單元的安裝位置如表2所示。

表2 OBU單元的組成零部件列表

自主智能駕駛掃路機(jī)通過持續(xù)地融合應(yīng)用、優(yōu)化相關(guān)自動(dòng)駕駛技術(shù)與算法，帶有自動(dòng)循跡、 路沿石邊緣檢測并貼邊清掃、遇障礙物停車或繞行、遙控作業(yè)、智能語音交互等功能，充分考慮環(huán)境感知融合技術(shù)的實(shí)時(shí)性，可實(shí)現(xiàn)采樣時(shí)間（以30張圖片和30組點(diǎn)云數(shù)據(jù)為參考）和融合時(shí)間<0.1 s，準(zhǔn)確性方面數(shù)據(jù)融合正確率>96.00%。針對復(fù)雜應(yīng)用場景下的自主導(dǎo)航定位，可實(shí)現(xiàn)環(huán)境定位精度優(yōu)于±10 cm。

針對特定園區(qū)，自主智能掃路機(jī)可根據(jù)實(shí)際需求提供智能輔助駕駛模式、智能跟隨模式、無人駕駛模式、特殊場景遠(yuǎn)程駕駛倉接管駕駛控制模式。如某園區(qū)可將運(yùn)營時(shí)間設(shè)定為晚上、凌晨或者非高峰時(shí)段（如下午3～4點(diǎn)），并且可根據(jù)設(shè)置的清掃垃圾回收點(diǎn)、充電站點(diǎn)、停放點(diǎn)采用自動(dòng)垃圾傾倒系統(tǒng)、智能充電系統(tǒng)及自動(dòng)泊車系統(tǒng)等自啟動(dòng)方式執(zhí)行閉環(huán)完整的道路清掃保潔工作。自主智能駕駛掃路機(jī)園區(qū)運(yùn)營主要特點(diǎn)及主要功能如表3所示。

表3 自主智能駕駛掃路機(jī)園區(qū)運(yùn)營主要特點(diǎn)及主要功能

結(jié)語

自主智能駕駛純電動(dòng)掃路機(jī)集激光雷達(dá)、攝像頭、毫米波雷達(dá)等多種車載傳感器，可依據(jù)路面工況，自動(dòng)調(diào)整清掃保潔模式，高度適應(yīng)環(huán)衛(wèi)作業(yè)環(huán)境，實(shí)現(xiàn)了自主智能駕駛功能，讓清掃車脫離了人工操作，自主在路面上完成清掃、灑水、垃圾收集等工作，有效解決了環(huán)衛(wèi)行業(yè)臟、難、效率低等問題，極大地降低了人工成本，同時(shí)讓清潔更智能、規(guī)范、高效。無人駕駛技術(shù)在環(huán)衛(wèi)領(lǐng)域率先“跑起來”，將極大地惠及社會(huì)服務(wù)型工作者，改善環(huán)衛(wèi)工人工作環(huán)境，能極大地提升資源運(yùn)用效率、優(yōu)化社會(huì)管理和服務(wù)以及改善居民生活質(zhì)量。深入研發(fā)適用于室內(nèi)外復(fù)雜大環(huán)境清掃作業(yè)的全新一代無人駕駛環(huán)衛(wèi)清潔車，實(shí)現(xiàn)智能化環(huán)保清掃作業(yè)車的示范應(yīng)用和推廣，其意義不僅在于環(huán)衛(wèi)產(chǎn)品與技術(shù)的升級，更有可能帶來環(huán)衛(wèi)產(chǎn)業(yè)的全新業(yè)態(tài)和價(jià)值鏈體系的重塑。