基于CARLA平臺的主動剎車算法仿真

解仁浩 黃宏成 徐煒鵬

(上海交通大學機械與動力工程學院，上海 200240)

1 AEB應用現(xiàn)狀

研究表明，“跟車距離太近”是車輛最危險的駕駛行為之一[1]，為了盡可能減少跟車距離過近所導致的交通事故，交通運輸部專門為此制定了《JT/T 1094-2016》標準，該標準要求自2018年4月1日起，新生產(chǎn)的9米以上營運客車需安裝前向防碰撞預警系統(tǒng)(Forward Collision Warning System, FCWS)。借助不同類型的傳感器如攝像頭、雷達等，該系統(tǒng)可以實時地檢測前方道路情況，如果前方存在車輛，而且存在碰撞的風險，就會通過燈光、震動、聲音等方式向駕駛員發(fā)送警告信號。

進一步地，如果駕駛員在即將面臨碰撞時沒有及時制動，主動剎車系統(tǒng)(Autonomous Emergency Braking System, AEB)將會代替駕駛員進行緊急制動以避免碰撞。2016年3月，美國國家公路交通安全管理局(NHTSA)和公路安全保險協(xié)會宣布，美國20%的汽車制造商已同意在2022年之前將AEB系統(tǒng)作為在美國銷售的幾乎所有新車的標準配置。NHTSA預計，自此之后如果AEB功能可以按照預計加速普及，將可以防止大約28,000起碰撞和12,000人受傷[2]。在一項針對警方報告的撞車事故的研究中，發(fā)現(xiàn)自動緊急制動可以將追尾撞車的發(fā)生率降低39%[3]。

AEB功能作為車輛主動安全功能的核心，減少車禍與傷亡的重要作用已經(jīng)顯現(xiàn)，而利用計算機仿真平臺可以快速、低成本地對目標檢測、距離估計、決策算法等頂層部分進行測試與改進，增強AEB功能的可靠性與在更多工況下的適用性。

2 仿真過程

2.1 CARLA仿真平臺

CARLA是一個為了支持自動駕駛系統(tǒng)的開發(fā)、訓練和驗證而被開發(fā)出來的開源的自動駕駛仿真平臺。除了開源代碼和許可協(xié)議，CARLA還提供了專為自動駕駛系統(tǒng)的仿真與測試需求而制作的開源內(nèi)容，比如城市的規(guī)劃布局、建筑物的外觀設(shè)計和現(xiàn)實生活中常見的車輛類型，而使用它們也同樣是免費的，并且任何人都可以在此基礎(chǔ)之上創(chuàng)建定制化的內(nèi)容。此外CARLA平臺支持眾多的傳感器類型，可以模擬真實傳感器的讀數(shù)，基本覆蓋了自動駕駛系統(tǒng)所需要的主流傳感器，同時可對所有靜態(tài)和動態(tài)參與者完全控制，生成自定義地圖等等[4]。

2.2 部署車輛

為了測試AEB算法，首先需要在CARLA中布置相應的場景。在現(xiàn)實世界中，AEB所面臨的場景十分復雜，包括了針對車輛的識別與對行人的識別。對于車輛識別，存在動態(tài)與靜態(tài)兩種情況：動態(tài)情況為前方車輛與我方車輛均在運動，前車突然剎車導致出現(xiàn)碰撞風險；靜態(tài)情況為前方車輛靜止我方車輛接近出現(xiàn)碰撞風險；對于行人識別，則可分為在較遠距離時即可被探測到的行人以及近距離突然出現(xiàn)的行人。為了簡化測試，本仿真僅考慮前車靜止情況下的車輛識別。

利用CARLA的PythonAPI可以在CARLA中部署車輛。這一簡單的場景包括了四臺靜止的汽車，它們分布在三個車道。由于本仿真僅針對汽車進行，因此需要在部署時過濾掉兩輪車輛。部署完成后四臺車中的兩臺在左側(cè)車道，一臺在中間車道，一臺在右側(cè)車道，如圖1所示。

圖1 CARLA中布置的AEB測試場景Fig.1 Layout for AEB test in CARLA

仿真所用的ego車輛采用ros-carla-bridge的示例車輛example_ego_vehicle的布置方式，車上部署有激光雷達、相機等傳感器。

2.3 PID車速控制

為了測試30 km/h、40 km/h和50 km/h三種速度時AEB的工作情況，需要在每次測試時讓ego車輛穩(wěn)定在目標速度。為此一個負責控制速度的節(jié)點從/carla/ego_vehicle/vehicle_status訂閱車輛目前的狀態(tài)，具體為速度和剎車強度。如果目前剎車強度為100%，且當前AEB已被觸發(fā)，此時需要讓剎車強度繼續(xù)維持在100%，并將這一命令發(fā)布至：/carla/ego_vehicle/vehicle_control_cmd；如果剎車強度不為100%，則說明此時AEB沒有被觸發(fā)，這時需要利用PID控制方法將速度維持在目標值。

在仿真的PID控制器中，為了調(diào)試方便，僅保留了比例和微分單元，因此實際上是一個PD控制器?？刂破鞯膶崿F(xiàn)部分被放在了callback函數(shù)中，每調(diào)用一次callback函數(shù)即會計算一次輸出值。經(jīng)過在CARLA中的多次測試，選擇了kp=40,kd=0.01作為此PD控制器的參數(shù)。但是由于callback函數(shù)的調(diào)用速度很快，雖然這樣的參數(shù)可以讓最終車速保持穩(wěn)定，但是控制面板檢測的數(shù)據(jù)顯示油門的變化過于劇烈。為了消除這種情況，在最終的輸出前增加了一個均值濾波部分，這樣便可以得到平滑的油門輸出。運行結(jié)果如圖2所示。

圖2 PID車速控制的穩(wěn)態(tài)情況

從圖中可以看出在達到目標速度后油門較為穩(wěn)定，且穩(wěn)態(tài)誤差在3%以內(nèi)，可以接受。

2.4 AEB決策

本文仿真方法采用2D圖像作為輸入，為2D檢測，無法確定物體的三維輪廓和在空間中的具體位置。但2D圖像檢測也能進行一定精度的距離估測，主要基于：相機的成像存在近大遠小的現(xiàn)象，同時，由于AEB算法所需要檢測的目標一般在中心位置，鏡頭的畸變影響也很小。

在各個用于訓練目標檢測模型的數(shù)據(jù)集中，汽車這一分類一般都為普通私家車，至于卡車、貨車則被歸類到單獨的類型。

在實際檢測中，前車的角度可能會有改變，而不是恰好與測試車輛平行，因此這導致檢測得出的邊界框在水平方向上的尺度會有相對比較明顯的變化，但是，在垂直方向的尺度上，各型號車輛都比較接近，而且除了前后兩車恰好分別處在陡峭的坡道與平地上這種十分罕見的情況以外，車輛高度在相機焦平面上的投影幾乎不隨著前車的位置、角度等發(fā)生改變。因此，以邊界框的高度作為距離判定的基準是可行的。

在測試中，判定邏輯為，如果在當前幀的檢測結(jié)果數(shù)量不為0，則查找是否存在中心位于測試車輛行進方向，且檢測結(jié)果分類為“car”的邊界框，如果存在，則將其高度存入一個列表。查找完所有檢測結(jié)果時，將列表內(nèi)最大的高度值與設(shè)定的閾值進行比對，如果超過，則觸發(fā)緊急剎車，使車輛停下。

接下來需要解決的是閾值取值問題。隨著車速的增加，從開始制動到車輛完全停下經(jīng)過的距離會越來越長，因此，顯然閾值會隨著速度的改變而變化。根據(jù)三角形相似原理，邊界框的高度與離目標的距離成反比，可表示為：

(1)

其中：h為邊界框高度，k為系數(shù)，d為與目標的距離。根據(jù)剎車距離公式：

(2)

在底面摩擦系數(shù)一定的前提下，剎車距離公式可以簡化為：

db=k2v2

(3)

假設(shè)AEB觸發(fā)后停車時ego車輛與前車預留1 m的安全距離，則:

dt=db+1

(4)

所以：

(5)

通過實驗測試可以確定k1、k2的取值。不過，由于相機焦距和分辨率限制以及目標檢測模塊的檢測能力限制，h的取值需要分段確定。同時，由于callback函數(shù)會不斷地被重復調(diào)用，因此在邊界框滿足條件觸發(fā)AEB后，在后續(xù)的調(diào)用中就不需要繼續(xù)判斷邊界框是否符合條件，只需要維持剎車，直到手動解除。這可以通過訂閱/carla/ego_vehicle/vehicle_status獲取目前剎車狀態(tài)來實現(xiàn)。

3 結(jié)論

使用以上方法，分別以30 km/h、40 km/h、50 km/h的接近速度進行仿真測試，運行結(jié)果如圖3所示：

圖3 30 km/h、40 km/h、50 km/h主動剎車測試結(jié)果

可以看出，在以上三種速度下，該AEB算法均可在正確的時機及時剎車，避免碰撞，且在不同速度條件下剎停后與前車的距離幾乎相同。此類前車靜止的AEB工況僅為眾多工況之一，但是這一結(jié)果證實了使用仿真平臺模擬自動駕駛算法的可行性，并可以在以后方便地加入更多特性，利用更多的傳感器輸入，使用更好的模型等等，充分發(fā)揮仿真平臺的優(yōu)勢。