中汽數(shù)據(jù)(天津)有限公司 李川鵬 王秀旭
隨著無人駕駛技術(shù)這一新型技術(shù)的跨越式發(fā)展,近年來在民用領(lǐng)域,得到了較為廣泛的實(shí)踐,各類搭載無人駕駛技術(shù)的現(xiàn)代化裝備在不同領(lǐng)域正在開展大規(guī)模的示范應(yīng)用工作。如何將無人駕駛技術(shù)應(yīng)用到軍事領(lǐng)域中,應(yīng)用于協(xié)同作戰(zhàn)、自主巡邏、戰(zhàn)場(chǎng)救援等場(chǎng)景,是一項(xiàng)意義重大的事情。本文旨在提出技術(shù)思路,研發(fā)一款精度較高、穩(wěn)定性好、實(shí)時(shí)性較強(qiáng)的具有通用上裝接口的無人駕駛靶車,滿足于軍事信息化、科技化、實(shí)戰(zhàn)化訓(xùn)練需求,同時(shí)對(duì)涉及到的數(shù)字化技術(shù)進(jìn)行深入研究。
無人訓(xùn)練靶標(biāo)是模擬作戰(zhàn)過程中敵軍各種威脅我軍人員及武器的重要手段,是保障我軍各軍兵種有效開展實(shí)爆、實(shí)投、實(shí)彈訓(xùn)練不可或缺的物質(zhì)基礎(chǔ),是提高部隊(duì)整體訓(xùn)練水平必不可少的訓(xùn)練方法。利用無人駕駛技術(shù)研發(fā)出的靶標(biāo)車替代手動(dòng)駕駛的靶車,有效降低人員的安全風(fēng)險(xiǎn),減少人為、環(huán)境等外部因素帶來的誤差和影響,充分利用無人靶車的高機(jī)動(dòng)、高適應(yīng)、高智能、可拓展的典型特征可支撐全系統(tǒng)提高作戰(zhàn)訓(xùn)練使用靈活性、拓展作戰(zhàn)訓(xùn)練空間。無人靶車將成為信息化裝備體系的重要組成部分、減少人員傷亡的重要手段、提高戰(zhàn)術(shù)精確打擊能力的有力保證。
車規(guī)級(jí)線控靶車研究主要是對(duì)車輛基礎(chǔ)功能、底盤執(zhí)行機(jī)構(gòu)控制技術(shù)研究和可裝卸式上裝的研發(fā),基于需求目標(biāo)設(shè)計(jì)改裝一款符合各項(xiàng)參數(shù)的無人車,底盤執(zhí)行機(jī)構(gòu)控制技術(shù)研究基于車輛線控協(xié)議研究底層控制器及下發(fā)控制指令協(xié)議,實(shí)現(xiàn)車輛精確控制,包括橫向控制、縱向控制、駐車控制、點(diǎn)火控制、檔位切換、燈光控制等,通過減少設(shè)備信號(hào)的轉(zhuǎn)接,提高單個(gè)設(shè)備的集成度,優(yōu)化設(shè)備的合理布局,進(jìn)行專業(yè)的電纜設(shè)計(jì),提高CAN數(shù)據(jù)傳輸效率和信號(hào)的精確度來保障設(shè)備間連接的可靠性、車輛的控制精度和功能的穩(wěn)定性[1]。
無人靶車一體化設(shè)計(jì)技術(shù)的研究必要性在于以下兩個(gè)方面:一方面,傳統(tǒng)車輛是一個(gè)完整并且多耦合的整體,進(jìn)行無人靶車改裝時(shí)應(yīng)充分考慮改裝后的靶車使用環(huán)境、越障性能、動(dòng)力性能、車身造型的隱蔽性、承載能力及功能實(shí)現(xiàn)性等因素,另一方面,充分考慮車輛的動(dòng)力學(xué)性能和傳感器的識(shí)別性能是避免資源浪費(fèi),控制靶車成本的一個(gè)必經(jīng)之路。
通過調(diào)研與實(shí)踐相結(jié)合的研究方法,車輛在改裝設(shè)計(jì)階段對(duì)最大負(fù)載狀況下的車輛進(jìn)行數(shù)學(xué)模型的建立,對(duì)實(shí)際運(yùn)行環(huán)境及各類場(chǎng)景進(jìn)行模擬建圖,通過得出的數(shù)據(jù)對(duì)靶車的設(shè)計(jì)進(jìn)行修改。同時(shí)進(jìn)一步研究分析車輛動(dòng)力性、通過性參數(shù),提出符合軍隊(duì)訓(xùn)練場(chǎng)景及要求的設(shè)計(jì)方案,綜合分析軍隊(duì)公示的車型技術(shù)參數(shù),遴選出符合改裝要求的車型進(jìn)行方案實(shí)施。改裝方案確定后,則展開軟硬件和結(jié)構(gòu)件的詳細(xì)設(shè)計(jì),并引入功能安全,信息安全等設(shè)計(jì)流程和指標(biāo)。最后進(jìn)行全流程的測(cè)試,實(shí)驗(yàn)方法包括仿真和實(shí)測(cè)兩部分,模擬仿真主要針對(duì)算法驗(yàn)證以及故障注入驗(yàn)證,實(shí)測(cè)則針對(duì)于邏輯驗(yàn)證,以及整機(jī)功能和性能驗(yàn)證。
測(cè)試流程測(cè)試用例嚴(yán)格采用車用控制器的要求開發(fā)并實(shí)施,包括硬件測(cè)試,代碼測(cè)試,HIL測(cè)試,可靠性測(cè)試(電性能,環(huán)境,EMC),故障測(cè)試,以及實(shí)車測(cè)試,最后實(shí)現(xiàn)目標(biāo)運(yùn)行場(chǎng)景的實(shí)際應(yīng)用。
無人駕駛技術(shù)的核心是實(shí)現(xiàn)車輛的“環(huán)境感知-決策規(guī)劃-控制執(zhí)行”過程。環(huán)境感知作為第一環(huán)節(jié),處于無人駕駛車輛與外界環(huán)境信息交互的關(guān)鍵位置,其關(guān)鍵在于使無人駕駛車輛更好地模擬人類駕駛者的感知能力,從而理解自身和周邊的多傳感器信息融合技術(shù)研究就是在特定準(zhǔn)則的指導(dǎo)下,利用現(xiàn)代計(jì)算機(jī)技術(shù)對(duì)多傳感器數(shù)據(jù)進(jìn)行觀測(cè)和分析,然后對(duì)冗余信息進(jìn)行分類、排序及整合互補(bǔ)信息,從而對(duì)目標(biāo)作出精準(zhǔn)的預(yù)測(cè),該技術(shù)模擬了人類大腦獲取、理解、分析和處理感知信息的全過程[2]。
通過對(duì)激光雷達(dá)-毫米波雷達(dá)-相機(jī)進(jìn)行融合感知,利用輸入的毫米波雷達(dá)、激光雷達(dá)和前視攝像頭數(shù)據(jù),分別將毫米波雷達(dá)與前視攝像頭數(shù)據(jù)進(jìn)行空間匹配,將激光雷達(dá)與前視攝像頭數(shù)據(jù)進(jìn)行空間匹配,為了確保數(shù)據(jù)的一致性,進(jìn)行傳感器時(shí)間配準(zhǔn),從而實(shí)現(xiàn)三種傳感器的空間融合和時(shí)間融合。由于毫米波雷達(dá)的目標(biāo)分辨率很低(無法確定目標(biāo)大小和輪廓),所以毫米波雷達(dá)和前視攝像頭擬采用目標(biāo)級(jí)融合,而激光雷達(dá)能夠確定目標(biāo)的大小和輪廓,激光雷達(dá)能夠獲得場(chǎng)景點(diǎn)云圖,所以激光雷達(dá)和前視攝像頭擬采用像素級(jí)的融合。
在整個(gè)融合過程中,圖像起到一個(gè)引導(dǎo)作用,即將毫米波雷達(dá)與前視攝像頭數(shù)據(jù)進(jìn)行空間匹配,將激光雷達(dá)與前視攝像頭數(shù)據(jù)進(jìn)行空間匹配,為了確保數(shù)據(jù)的一致性,需要進(jìn)行傳感器時(shí)間同步工作,從而實(shí)現(xiàn)三種傳感器的空間融合和時(shí)間融合。
隨著自動(dòng)駕駛技術(shù)在各種場(chǎng)景的應(yīng)用的逐漸,無人車的定位技術(shù)是實(shí)現(xiàn)車輛合理規(guī)劃和精準(zhǔn)控制的前提條件,因此也受到了越來越多的重視,通過各方的研究結(jié)果表明借助單一傳感器實(shí)現(xiàn)無人車的定位受制因素過多,難以滿足無人車的在復(fù)雜場(chǎng)景下的任務(wù)需求,而多傳感器融合技術(shù)成為一種必然的選擇方案[3]。
在研究過程中,基于針對(duì)無人車在復(fù)雜環(huán)境中遇到的各類狀況如傳感器失效、定位信號(hào)異步、延時(shí)、環(huán)境切換等,采用基于因子圖模型和增量平滑算法,構(gòu)建多源信息融合定位框架,通過仿真測(cè)試著重對(duì)定位算法的精度、魯棒性及場(chǎng)景進(jìn)行測(cè)試。為解決針對(duì)高精度定位系統(tǒng)中地圖的重要性問題,將定位問題分為無地圖定位與基于地圖定位,分別對(duì)智能車輛的定位問題進(jìn)行探索。對(duì)研究的智能車輛、傳感器及其定位問題進(jìn)行建模分析,再對(duì)該平臺(tái)實(shí)施傳感器校準(zhǔn)以減小系統(tǒng)誤差。對(duì)于無地圖定位問題,利用擴(kuò)展卡爾曼濾波算法將里程計(jì)與慣性測(cè)量單元(IMU)數(shù)據(jù)相融合;對(duì)于地圖定位問題,采用激光傳感器構(gòu)建室內(nèi)環(huán)境地圖,根據(jù)蒙特卡羅算法(粒子濾波算法)融合里程計(jì)、IMU、激光數(shù)據(jù)信息進(jìn)行室內(nèi)定位試驗(yàn)。
通過基于GPS和IMU的原始數(shù)據(jù)融合算法,定位精度都可達(dá)到厘米級(jí)。在無衛(wèi)星導(dǎo)航或封閉空間內(nèi)(如車庫(kù))基于激光雷達(dá)點(diǎn)云數(shù)據(jù)的SLAM掃描匹配定位,在戶外和導(dǎo)航信號(hào)良好的環(huán)境內(nèi)基于GPS和點(diǎn)云數(shù)據(jù)的掃描匹配定位結(jié)果的融合定位算法。
自主路徑規(guī)劃技術(shù)主要基于無人車運(yùn)動(dòng)模型及高精度地圖實(shí)現(xiàn)無人車自主路徑規(guī)劃。目前主要研究算法有自主引導(dǎo)行駛技術(shù)中的全局路徑規(guī)劃算法和參考路徑跟蹤控制應(yīng)用算法。
全局路徑規(guī)劃為在已知起點(diǎn)和終點(diǎn)的前提下,算法根據(jù)車輛定位信息和靜態(tài)地圖信息采用A*算法規(guī)劃出在高精度地圖中快速尋求最短并且最優(yōu)小的行駛路徑。
局部路徑規(guī)劃為車輛遇到障礙物或其他原因而進(jìn)行部分行駛軌跡的改變,通過傳感器對(duì)車輛行駛環(huán)境進(jìn)行探測(cè),以獲取障礙物的形狀、速度、位置和預(yù)測(cè)軌跡等信息,該環(huán)境模型的動(dòng)態(tài)更新可以隨時(shí)進(jìn)行修正,局部規(guī)劃方法集成了環(huán)境的建模與搜索,對(duì)規(guī)劃結(jié)果進(jìn)行實(shí)時(shí)反饋和校正[4]。
為了提高控制精度,通過建立離散化和線性化處理的車輛運(yùn)動(dòng)學(xué)模型,建立描述車輛運(yùn)動(dòng)狀態(tài)的離散狀態(tài)空間方程。同時(shí),通過高精度地圖的繪制,可以精確描述行車道路、車位、樹木和障礙物等之間的位置關(guān)系,并結(jié)合道路駕駛規(guī)則和OpenDRIVE路網(wǎng)技術(shù)建立高精度電子地圖。同時(shí),結(jié)合圖論和啟發(fā)式路徑搜索理論,基于設(shè)定道路航點(diǎn)的高精度電子地圖,路徑優(yōu)化和操控性以改進(jìn)Floyd+A*混合路徑規(guī)劃算法,為智能車輛提供安全的和最優(yōu)參考路線駕駛。
隨著無人駕駛技術(shù)應(yīng)用領(lǐng)域的不斷擴(kuò)大,越來越多的無人駕駛車輛在同一個(gè)場(chǎng)景內(nèi)執(zhí)行任務(wù)如野外偵察、外星探測(cè)、災(zāi)后救援、戰(zhàn)場(chǎng)掃雷等場(chǎng)景,而如何合理協(xié)調(diào)與協(xié)助多輛無人車系統(tǒng)的技術(shù)具有重要意義。多車輛協(xié)同編隊(duì)控制是實(shí)現(xiàn)多車輛系統(tǒng)相互協(xié)作與協(xié)調(diào)的關(guān)鍵技術(shù)之一。
近年來,團(tuán)隊(duì)成員以網(wǎng)聯(lián)式自主駕駛車輛為研究對(duì)象,借助群智能理論研究在仿真場(chǎng)景、封閉測(cè)試場(chǎng)及開放道路上進(jìn)行多車協(xié)同控制策略的實(shí)車測(cè)試及應(yīng)用研究。設(shè)計(jì)了網(wǎng)聯(lián)式多車編隊(duì)通信模型及架構(gòu)。模型中采用中央服務(wù)單元(CSU)和路側(cè)單元(RSU)進(jìn)行無線通信,車載單元(OBU)配備環(huán)境感知傳感設(shè)備進(jìn)行環(huán)境監(jiān)測(cè)。自動(dòng)駕駛汽車在這種通信架構(gòu)下形成了“分解”的分層控制結(jié)構(gòu)。在此基礎(chǔ)上,建立無人駕駛多車協(xié)同線性控制模型,對(duì)其穩(wěn)定性進(jìn)行分析。 在研究過程中,設(shè)計(jì)了多車編隊(duì)、避障、編隊(duì)保持和自適應(yīng)四個(gè)場(chǎng)景,并針對(duì)場(chǎng)景中的車隊(duì)模型控制問題,如縱橫向耦合控制、車輛間距控制、有限狀態(tài)機(jī)(FSM)建模進(jìn)行了討論。
在應(yīng)用研究層面,利用無線蜂窩網(wǎng)絡(luò)(LTE-V/5G)技術(shù),在封閉測(cè)試場(chǎng)內(nèi)進(jìn)行20輛網(wǎng)聯(lián)式無人駕駛車輛多車協(xié)同控制實(shí)車測(cè)試。測(cè)試項(xiàng)目包括0~30km/ h的速度完成起步、多車編隊(duì)、隊(duì)形保持、隊(duì)形切換、加減速、停避障、停車等多個(gè)測(cè)試場(chǎng)景,系統(tǒng)精度可達(dá)場(chǎng)景切換執(zhí)行周期15s,最短車間距6m,距離控制精度0.5m,側(cè)向加速度變化率0.15g/sec,最大橫向加速度2.1m/s2。
通信系統(tǒng)不僅可以實(shí)現(xiàn)無人車與計(jì)算機(jī)的相互通信,更重要的是可以實(shí)現(xiàn)多個(gè)無人車之間的相互通信,只有無人車之間可以相互通信了才能真正算作是一個(gè)多無人車協(xié)同控制平臺(tái)。而無人車和計(jì)算機(jī)的通信以及無人車之間的通信,既需要點(diǎn)對(duì)多的通信方式,也需要點(diǎn)對(duì)點(diǎn)的通信方式。
主要圍繞3種通信方式進(jìn)行了研究探索及應(yīng)用實(shí)踐:
(1)基于統(tǒng)一控制平臺(tái)端方案完成了智能網(wǎng)聯(lián)監(jiān)控平臺(tái)對(duì)車輛控制功能,通過平臺(tái)下發(fā)啟動(dòng)、停止、前進(jìn)、后退等控車指令同時(shí)車端通過網(wǎng)絡(luò)將電池信息、慣導(dǎo)狀態(tài)、激光雷達(dá)狀態(tài)、毫米波雷達(dá)等設(shè)備的實(shí)時(shí)信息反饋給監(jiān)控平臺(tái)。
(2)基于無線電臺(tái)通信方案,利用高清數(shù)傳電臺(tái)分完成了18輛車的多車協(xié)同編隊(duì)演示,通過頭車電臺(tái)對(duì)編隊(duì)車輛實(shí)時(shí)下發(fā)各類控制指令,車輛收到相應(yīng)指令完成相應(yīng)動(dòng)作來保障不同車輛在編隊(duì)隊(duì)形中的不同位置不同狀態(tài)。
(3)基于5G網(wǎng)絡(luò)通信方案,構(gòu)建無人車模擬駕倉(cāng),利用5G通訊低延時(shí)、高效率的通訊特點(diǎn),通過遠(yuǎn)程智能駕駛平臺(tái)可實(shí)現(xiàn)遠(yuǎn)程車輛的全向監(jiān)控和智能遠(yuǎn)程控制。
靶車顯控平臺(tái)是實(shí)現(xiàn)無人靶車編隊(duì)監(jiān)控調(diào)度的綜合智慧大腦,負(fù)責(zé)采集靶車運(yùn)行各項(xiàng)信息,同時(shí)實(shí)現(xiàn)多車協(xié)同遠(yuǎn)程控制。靶車顯控是面向用戶的涉及信息安全、車輛控制、設(shè)備監(jiān)控的綜合性一體化平臺(tái),圍繞“監(jiān)測(cè)+管控”兩個(gè)核心功能,形成“Web+App”的應(yīng)用形式,實(shí)現(xiàn)行車場(chǎng)景數(shù)據(jù)記錄、車輛管控、運(yùn)營(yíng)統(tǒng)計(jì)、系統(tǒng)管理的總體功能,全方位的支撐無人靶車測(cè)試及應(yīng)用服務(wù)。
通過業(yè)務(wù)梳理及各類數(shù)據(jù)接口對(duì)接,形成一整套多車智慧協(xié)同調(diào)度系統(tǒng)云控平臺(tái),該平臺(tái)是面向智能網(wǎng)聯(lián)汽車示范測(cè)試相關(guān)監(jiān)管需求及頂層業(yè)務(wù)應(yīng)用,涉及標(biāo)準(zhǔn)規(guī)范、大數(shù)據(jù)應(yīng)用、信息安全的綜合性一體化平臺(tái),以“智能網(wǎng)聯(lián)汽車和智慧交通系統(tǒng)”兩個(gè)主要對(duì)象,圍繞“監(jiān)測(cè)+管控”兩個(gè)核心功能,形成“Web+App”的應(yīng)用形式,實(shí)現(xiàn)行車場(chǎng)景數(shù)據(jù)記錄、車輛管控、園區(qū)信息管控、運(yùn)營(yíng)統(tǒng)計(jì)、系統(tǒng)管理的總體功能,全方位的支撐無人汽車研發(fā)測(cè)試管控需求?;诖似脚_(tái)可開展靶車顯控平臺(tái)的基礎(chǔ)研發(fā)支撐工作。實(shí)現(xiàn)對(duì)無人靶車的一體化數(shù)據(jù)監(jiān)控和系統(tǒng)化管理,通過車載終端的無線傳輸?shù)?實(shí)現(xiàn)車輛定位、數(shù)據(jù)統(tǒng)計(jì)與分析、行駛狀態(tài)監(jiān)控、數(shù)據(jù)監(jiān)控、歷史軌跡回放、遠(yuǎn)程故障診斷等功能,主要包括無人靶車、運(yùn)營(yíng)分析和系統(tǒng)管理三大模塊。
引用
[1] 曲保章.無人駕駛靶車控制系統(tǒng)嵌入式軟件[P].河南省,河南護(hù)航實(shí)業(yè)股份有限公司,2019-06-04.
[2] 徐興,俞旭陽(yáng),趙蕓,等.基于改進(jìn)遺傳算法的移動(dòng)機(jī)器人全局路徑規(guī)劃[J/OL].計(jì)算機(jī)集成制造系統(tǒng):1-20[2021-09-23].http://kns.cnki.net/kcms/detail/11.5946.tp.20210918.1142.004.html.
[3] 姜康,王皓,陳佳佳.復(fù)雜障礙物環(huán)境下基于轉(zhuǎn)向約束的智能汽車路徑規(guī)劃方法研究[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2021,40(9):137-144.
[4] 劉洪金.多網(wǎng)共存下的無人車自適應(yīng)通信研究[D].杭州:浙江大學(xué),2021.