云控?zé)o人物流系統(tǒng)路側(cè)感知定位誤差分析

劉 鵬

（上汽通用五菱汽車股份有限公司廣西汽車新四化重點實驗室，廣西 柳州 545007）

引言

云控系統(tǒng)是車路云協(xié)同的控制系統(tǒng)，利用5G通信技術(shù)，將交通參與者及交通環(huán)境通過數(shù)字化表達(dá)融為一體，進(jìn)行多源頭融合感知、協(xié)同決策與控制，增強(qiáng)駕駛安全和提高交通效率的信息物理系統(tǒng)[1]。感知定位模塊在系統(tǒng)中扮演著重要的角色，其定位精度直接影響系統(tǒng)功能實現(xiàn)和運行安全性。在系統(tǒng)的開發(fā)和調(diào)試中需要著重分析感知定位系統(tǒng)的定位誤差，查找誤差來源并及時糾正。

1 云控?zé)o人物流系統(tǒng)組成

云控?zé)o人物流系統(tǒng)由具有線控底盤的智能網(wǎng)聯(lián)無人電動汽車、路側(cè)感知設(shè)備、云計算平臺、基于新一代信息與通信技術(shù)的5G網(wǎng)絡(luò)組成。搭載5G云控制器的智能網(wǎng)聯(lián)無人電動汽車是該系統(tǒng)的執(zhí)行層，貨物運送的載體，負(fù)責(zé)接收云計算平臺下發(fā)的控車指令并按照指令執(zhí)行前進(jìn)、轉(zhuǎn)向、制動動作。

路側(cè)感知設(shè)備包括攝像機(jī)、激光雷達(dá)、邊緣計算單元，其通常安裝在無人車行駛道路兩側(cè)的燈桿或建筑物上。攝像機(jī)負(fù)責(zé)捕獲無人物流車行駛道路中的畫面以流式文件的形式傳送至云計算平臺GPU服務(wù)器，利用AI技術(shù)識別跟蹤實時畫面中的人、無人車、社會車輛、道路障礙物并計算出各個對象的位置。激光雷達(dá)負(fù)責(zé)在路況復(fù)雜區(qū)域（如環(huán)道、路口）以發(fā)射多線束激光實時獲取環(huán)境內(nèi)的點云數(shù)據(jù)，邊緣計算單元利用AI技術(shù)流式處理點云數(shù)據(jù)提取點云特征、識別出環(huán)境內(nèi)的對象類型、對象幾何尺寸、對象移動速度、對象航向角、對象位置等信息。路側(cè)感知設(shè)備為系統(tǒng)提供了道路環(huán)境內(nèi)對象的元數(shù)據(jù)或者處理后位姿信息。

云計算平臺在系統(tǒng)中擔(dān)任大腦的角色，負(fù)責(zé)感知數(shù)據(jù)的收集、處理、融合，通過對無人車自身狀態(tài)及其周圍環(huán)境的數(shù)字表達(dá)并結(jié)合高精度地圖對車輛線路做出規(guī)劃。當(dāng)車輛周圍發(fā)生變化并影響無人車輛安全行駛時，云計算平臺可根據(jù)信息綜合判斷做出規(guī)避、減速、停車決策，并有相應(yīng)模塊生成無人車能夠理解的控制指令。5G通信網(wǎng)絡(luò)具有低延時、高速率、大帶寬、虛擬專網(wǎng)的特性，為系統(tǒng)內(nèi)車云通信、路云通信、車路通信提供了高可靠性的網(wǎng)絡(luò)連接[2]。

2 云控?zé)o人物流系統(tǒng)中感知定位技術(shù)簡介

云控?zé)o人物流系統(tǒng)的感知一方面通過網(wǎng)絡(luò)攝像機(jī)獲取道路的實時畫面，另一方面多線束激光雷達(dá)通過點云的方式構(gòu)建了雷達(dá)周圍3D的道路環(huán)境。

基于網(wǎng)絡(luò)攝像機(jī)的視覺感知技術(shù)提供了豐富的易于人類理解的道路信息，人們能夠了解當(dāng)前時刻圖像內(nèi)所包含的車輛、行人、建筑物等信息，然而這對于計算機(jī)系統(tǒng)來說這是個復(fù)雜問題。隨著計算機(jī)硬件性能提升、圖像處理器成本的下降以及神經(jīng)網(wǎng)絡(luò)模型算法的發(fā)展，計算機(jī)圖像識別技術(shù)能夠滿足實時檢測要求。在該系統(tǒng)中，路側(cè)網(wǎng)絡(luò)攝像機(jī)將獲取的視頻信息以流式文件的方式通過5G網(wǎng)絡(luò)高速實時地傳輸至云計算平臺GPU服務(wù)器，服務(wù)器對流式文件以固定的時間間隔抽取幀圖像，并交由基于卷積神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)檢測模塊處理。目標(biāo)檢測模塊根據(jù)訓(xùn)練模型識別畫面中的對象并使用矩形框標(biāo)注對象的類型。在該系統(tǒng)中使用標(biāo)注矩形框的下邊中點像素位置作為該對象在畫面中的坐標(biāo)。像素點位置到畫面中的大地坐標(biāo)映射從事先標(biāo)定好的配置文件中獲得。

基于多線束激光雷達(dá)的感知技術(shù)通常是由激光雷達(dá)發(fā)射器發(fā)出的多條激光線束照射在物體表面由物體表面反射回至激光雷達(dá)接收器，基于TOF飛行時間原理獲得感知對象與激光雷達(dá)中心點的距離及反射強(qiáng)度信息[3]。這些數(shù)據(jù)經(jīng)網(wǎng)絡(luò)連接至邊緣計算單元中交由點云處理軟件提取特征獲得感知對象輪廓的幾何尺寸、幾何中心位置、運動速度、航向角以及對象類型。由于激光雷達(dá)安裝時已經(jīng)獲得了精確的地理坐標(biāo)，激光雷達(dá)所感知對象相對于激光雷達(dá)中心坐標(biāo)可通過激光雷達(dá)標(biāo)定時的點云配準(zhǔn)獲得坐標(biāo)轉(zhuǎn)換矩陣將其轉(zhuǎn)換至大地坐標(biāo)系中。

3 定位誤差定量分析

由于系統(tǒng)中交通環(huán)境內(nèi)的對象需要在高精地圖進(jìn)行數(shù)字表達(dá)，即采用大地坐標(biāo)表示其在道路中的位置。然而基于攝像機(jī)和激光雷達(dá)感知技術(shù)無法直接獲得交通環(huán)境內(nèi)的對象的大地坐標(biāo)，通常需要經(jīng)過坐標(biāo)轉(zhuǎn)換近似求解的方式獲得。交通環(huán)境內(nèi)的對象地理坐標(biāo)的精確度對感知到的對象在系統(tǒng)中的數(shù)字表達(dá)有至關(guān)重要的作用，它影響著多設(shè)備感知定位數(shù)據(jù)的融合結(jié)果。

為了掌握系統(tǒng)中感知定位設(shè)備對交通環(huán)境內(nèi)對象的定位偏差程度，故以無人車為例介紹測試統(tǒng)計分析感知定位系統(tǒng)對無人小車定位誤差的方法。

3.1 數(shù)據(jù)采集

1）在確保安全的情況下，將無人車按照車道線方向停在車道內(nèi)。

2）當(dāng)測試無人車周圍10 m范圍內(nèi)無其他交通參與者時，從后臺獲取自該時刻起持續(xù)時間為t秒（一般取10 s）的各傳感器所采集的坐標(biāo)Ps（l，b，h）。

3）將測試無人車的外輪廓前后緣中點（如圖1中P1、P2）、后軸左右側(cè)軸線端點（如圖1中P3、P4）四個點投影至地面并做標(biāo)記。

4）將前后緣中點連線、后軸左右側(cè)軸線端點連線，此時兩直線應(yīng)垂直相交。在前后緣中點連線上取得測試無人車的幾何中心點投影（如圖1Pc）。

5）使用手持RTK連續(xù)在Pc點連續(xù)獲得10個測試無人車的幾何中心點所在坐標(biāo)Pc（l，b，h）。

3.2 數(shù)據(jù)處理

1）由于獲得的GPS坐標(biāo)無法直接進(jìn)行距離計算需要根據(jù)CGCS2000坐標(biāo)系[4]將各坐標(biāo)P（l，b，h）轉(zhuǎn)換至大地坐標(biāo)P（x，y，z）。GPS使用WGS84，定義上CGCS2000與WGS84是一致的，即關(guān)于坐標(biāo)系原點、尺度、定向及定向演變的定義都是相同的，兩個坐標(biāo)系使用的參考橢球也非常相近，在4個橢球常數(shù)a、f、GM、ω中，唯有扁率f有微小差異fWGS84為1/298.257 223 563，fCGCS2000為1/298.257 222 101[5]。坐標(biāo)轉(zhuǎn)換算法可參考高斯-克呂格投影相關(guān)文獻(xiàn)[6-7]。算法實現(xiàn)中需要注意正確使用扁平率參數(shù)。

3.3 統(tǒng)計分析

4 誤差來源及提升定位精度的方法

4.1 設(shè)備安裝導(dǎo)致的誤差

視覺設(shè)備和激光雷達(dá)設(shè)備通常使用桿狀物固定。桿狀物并非完全剛性，在受到風(fēng)力或者其他外力影響時會將振動傳遞至設(shè)備上引起攝像頭抖動、激光雷達(dá)隨桿搖擺。建議設(shè)備安裝時基座穩(wěn)固，在燈桿或建筑物振動較小的位置安裝固定。

4.2 算法模型導(dǎo)致的誤差

視覺及激光雷達(dá)對對象的定位基于人工智能算法，算法結(jié)果的好壞依賴于深度學(xué)習(xí)的模型。車輛在同一位置航向角有變化會導(dǎo)致視覺檢測出的包圍框尺寸不同，直接導(dǎo)致包圍框下邊緣中點在畫面中的像素位置不同其定位結(jié)果也不同。而對激光雷達(dá)來說也有同樣的問題，車輛角度不同所反射給激光雷達(dá)的光點數(shù)量和位置不同，會導(dǎo)致點云形狀有差異。點云形狀直接影響及包圍盒的幾何尺寸其中心點位置也會變化。針對該類問題可通過增加訓(xùn)練數(shù)據(jù)量的方法進(jìn)行模型優(yōu)化，并使用識別對象幾何尺寸進(jìn)行約束?；虿捎靡曈X和激光雷達(dá)聯(lián)合定位方式提高準(zhǔn)確性。

4.3 傳感器標(biāo)定誤差

基于視覺定位的技術(shù)中采用了畫面像素點與大地坐標(biāo)映射的方法。大地坐標(biāo)點采集時坐標(biāo)點不準(zhǔn)確、采集點位置不合理會引入誤差。坐標(biāo)點采集時應(yīng)確保設(shè)備與地面垂直無遮擋。由于遠(yuǎn)離攝像機(jī)位置的物體在圖像中所占的尺寸較近處物體偏小[9]。識別過程可能出現(xiàn)誤識別或漏識別的情況，建議根據(jù)實際情況對畫面中的坐標(biāo)位置做約束，超出一定位置的結(jié)果應(yīng)被過濾掉?；诩す饫走_(dá)的定位技術(shù)時設(shè)備安裝位置的準(zhǔn)確性和精確性直接影響輸出結(jié)果，設(shè)備安裝位置應(yīng)多次測量驗證消除誤差。設(shè)備標(biāo)定建議根據(jù)與設(shè)備的距離選取不同點位作為參考點。建立參考點與設(shè)備位置的映射關(guān)系。

4.4 天氣引入的誤差

雨天潮濕天氣攝像機(jī)鏡頭起霧積水會導(dǎo)致攝像機(jī)鏡頭畫面局部變形，引起該區(qū)域內(nèi)物體的檢測和定位準(zhǔn)確性。設(shè)備應(yīng)做好擋雨和除霧措施。

5 結(jié)論

云控?zé)o人物流車的自主行駛依賴于感知設(shè)備的定位準(zhǔn)確性為其提供道路環(huán)境內(nèi)數(shù)字化表達(dá)。通過對感知定位設(shè)備的定位誤差進(jìn)行定量分析評價一方面可以發(fā)現(xiàn)其規(guī)律為改進(jìn)提供數(shù)據(jù)支持，另一方面可以作為偏差數(shù)據(jù)在系統(tǒng)內(nèi)做糾偏處理。定位誤差來源于設(shè)備安裝、算法模型、設(shè)備標(biāo)定和天氣，通過對各個要素分析為定位準(zhǔn)確性提升提供了思路。