無人駕駛車自主導(dǎo)航與障礙規(guī)避系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)

讓斌斌，施衛(wèi)

摘要：該文提出了一種用于無人駕駛的高精度地圖模型及自主導(dǎo)航系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)方案。包括獲取單元、駕駛單元、中心處理單元和突發(fā)單元，在通過定位模塊將無人駕駛汽車顯示在地圖模型中，并將信息傳輸至共享模塊中，將汽車行駛數(shù)據(jù)進(jìn)行上傳，并將數(shù)據(jù)傳輸至識別模塊中，通過識別模塊對道路車輛，是否堵車進(jìn)行識別，并將數(shù)據(jù)傳輸至中心處理單元中，通過道路車輛模塊、道路路標(biāo)模塊和道路通行模塊分別對道路車輛數(shù)量進(jìn)行監(jiān)控、道路車道標(biāo)志進(jìn)行識別和對道路是否可以行駛的信息進(jìn)行接收，并傳輸至云平臺，再通過分析單元對其信息進(jìn)行識別，最后將分析信息傳輸至規(guī)劃模塊中，規(guī)劃模塊對無人駕駛汽車所在位置與終點(diǎn)位置進(jìn)行最優(yōu)路線規(guī)劃，規(guī)劃決策同時(shí)兼顧駕駛的安全和舒適性。

關(guān)鍵詞：無人駕駛；高精度地圖模型；障礙規(guī)避；最優(yōu)路徑規(guī)劃

中圖分類號：TP301? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2022）32-0088-03

1 概述

近年來，隨著科學(xué)發(fā)展和技術(shù)進(jìn)步，無人駕駛技術(shù)越來越成為人們關(guān)注的焦點(diǎn)，其發(fā)展對于未來交通體制的重新建設(shè)有著重要價(jià)值，因此人們對無人駕駛車充滿期待。目前，“無人駕駛”技術(shù)已進(jìn)入實(shí)用階段，現(xiàn)階段目標(biāo)就是要實(shí)現(xiàn)一種無人參與決策控制的自主導(dǎo)航系統(tǒng)，然而，無人駕駛的系統(tǒng)實(shí)現(xiàn)過程中遇到很多挑戰(zhàn)，例如：過于復(fù)雜駕駛的場景一直是研究的核心點(diǎn)。其中有兩個(gè)主要問題，第一，信息源提供的信息不準(zhǔn)確、不穩(wěn)定、不全面，無法輔助決策系統(tǒng)給出完整的信息支持。第二，確立一個(gè)能夠適應(yīng)多種環(huán)境的決策模型的過程很困難。因此，無人駕駛技術(shù)需要一種用于無人駕駛的高精度地圖模型及自主導(dǎo)航系統(tǒng)。無人駕駛汽車很大程度上依靠車內(nèi)的以計(jì)算機(jī)系統(tǒng)為核心的智能系統(tǒng)來實(shí)現(xiàn)無人駕駛[1]。在已有技術(shù)中，無人駕駛汽車在道路上行駛時(shí)，難以對幫助無人駕駛汽車進(jìn)行最優(yōu)化路線的分析和行駛決策的規(guī)劃，使得無人駕駛汽車不能進(jìn)行安全舒適的使用，且在駕駛時(shí)，難以針對道路發(fā)生的特殊情況進(jìn)行報(bào)警，從而難以第一時(shí)間進(jìn)行報(bào)備，且難以提高無人駕駛汽車與3D地圖幾何模型定位的精確度。

該文研究的目的在于提供一種用于無人駕駛的高精度地圖模型及自主導(dǎo)航系統(tǒng)，經(jīng)過分析單元對其信息進(jìn)行識別，最后將分析信息傳輸至規(guī)劃模塊中，規(guī)劃模塊對無人駕駛汽車所在位置與終點(diǎn)位置進(jìn)行最優(yōu)路線規(guī)劃，同時(shí)對比人類駕駛員進(jìn)行控制，兼顧行車的安全性和駕駛的舒適性也是最重要的，通過報(bào)警模塊的設(shè)置，對道路突然事件，進(jìn)行第一時(shí)間報(bào)警，進(jìn)一步增加行駛的安全性，無人駕駛汽車系統(tǒng)通過中子點(diǎn)集將無人駕駛汽車與3D地圖幾何模型進(jìn)行聯(lián)合，子點(diǎn)集對所標(biāo)記的無人駕駛汽車進(jìn)行可移動(dòng)目標(biāo)定位，提高定位精度，以解決目前技術(shù)存在的問題。

2 自主導(dǎo)航系統(tǒng)總體設(shè)計(jì)

該文所設(shè)計(jì)的一種用于無人駕駛的自主導(dǎo)航系統(tǒng)，該系統(tǒng)包括獲取單元、駕駛單元、中心處理單元和突發(fā)單元，如圖1所示。

2.1 系統(tǒng)模塊設(shè)計(jì)方案

2.1.1 獲取單元

獲取單元用于獲取目標(biāo)地區(qū)的信息，進(jìn)行建模，并進(jìn)行存儲。獲取單元中包括目標(biāo)采集模塊、道路分析模塊、差異處理模塊、存儲模塊和建模模塊，目標(biāo)采集模塊用于對目標(biāo)區(qū)域位置及環(huán)境信息進(jìn)行采集；道路分析模塊用于接收目標(biāo)采集模塊傳輸?shù)臄?shù)據(jù)并對目標(biāo)區(qū)域的道路進(jìn)行分析，并做出相應(yīng)的道路標(biāo)記進(jìn)行整理，道路分析模塊與目標(biāo)采集模塊信號連接；差異處理模塊用于接收道路分析模塊傳輸?shù)臄?shù)據(jù)，并對數(shù)據(jù)中差異進(jìn)行處理，進(jìn)行真實(shí)還原，差異處理模塊與道路分析模塊信號連接[2]；存儲模塊用于接收差異處理模塊傳輸?shù)臄?shù)據(jù)，并對接收的數(shù)據(jù)進(jìn)行存儲，存儲模塊與差異處理模塊連接；建模模塊用于接收存儲模塊傳輸?shù)臄?shù)據(jù)，并對數(shù)據(jù)進(jìn)行三維地圖建模，存儲模塊與建模模塊連接，如圖2所示。

2.1.2 駕駛單元

駕駛單元用于接收駕駛單元傳輸?shù)男畔?，并與無人駕駛汽車進(jìn)行連接，且對所在位置進(jìn)行上傳共享與定位，駕駛單元包括藍(lán)牙模塊、定位模塊、共享模塊和識別模塊[3]，其中：藍(lán)牙模塊用于將無人駕駛汽車與三維地圖建模進(jìn)行連接；定位模塊用于接收藍(lán)牙模塊傳輸?shù)臄?shù)據(jù)，并對無人駕駛汽車進(jìn)行位置定位，藍(lán)牙模塊與定位模塊連接；共享模塊用于接收定位模塊傳輸?shù)臄?shù)據(jù)，并將其輸送上傳至地圖模型的云平臺中，定位模塊與共享模塊連接；識別模塊用于接收共享模塊傳輸?shù)臄?shù)據(jù)，并對道路車輛，是否堵車進(jìn)行識別，識別模塊與共享模塊連接，駕駛單元與獲取單元連接，如圖3所示。

2.1.3 中心處理單元

中心處理單元用于接收駕駛單元傳輸?shù)臄?shù)據(jù)，并進(jìn)行道路分析，規(guī)劃合適的駕駛路線，駕駛單元與中心處理單元連接；更進(jìn)一步的，所述中心處理單元包括分析單元和規(guī)劃模塊，其中：分析單元用于對駕駛單元傳輸?shù)臄?shù)據(jù)進(jìn)行接收，并對數(shù)據(jù)進(jìn)行分析，規(guī)劃模塊用于接收分析單元傳輸?shù)臄?shù)據(jù)，并對路線進(jìn)行實(shí)時(shí)規(guī)劃[4]，如圖4所示。

規(guī)劃模塊采用規(guī)劃一定時(shí)間內(nèi)的無人駕駛車在3D地圖上坐標(biāo)運(yùn)動(dòng)的路線以完成常規(guī)操作，比如加速、換道、減速等動(dòng)作。具體而言，該系統(tǒng)首先對全部概率行為終點(diǎn)坐標(biāo)進(jìn)行計(jì)算，然后進(jìn)一步對其他終點(diǎn)信息點(diǎn)進(jìn)行收集，行駛在結(jié)構(gòu)化道路中，可將無人車駕駛狀態(tài)規(guī)劃成多個(gè)基本行為的集合，一般情況下常規(guī)駕駛行為主要有減速、加速、換道運(yùn)行和跟車行駛等。針對多種行駛狀態(tài)，決策系統(tǒng)最終實(shí)現(xiàn)的基礎(chǔ)是具體分析和判斷所有駕駛動(dòng)作的狀態(tài)特征和演化規(guī)律。通過系統(tǒng)模塊采集的信息源數(shù)據(jù)經(jīng)過信息融合得到自定位信息和3D坐標(biāo)以及周邊環(huán)境，組建信息集，根據(jù)這些信息，規(guī)劃模塊中的一部分生成相應(yīng)的規(guī)劃控制信號構(gòu)成策略集。在動(dòng)態(tài)環(huán)境下，根據(jù)當(dāng)前可利用信息對其他道路的駕駛車輛進(jìn)行行為預(yù)測，排除與車輛運(yùn)動(dòng)規(guī)律不符或者可能會發(fā)生突然事件的軌跡，同時(shí)在此基礎(chǔ)上對軌跡進(jìn)行規(guī)則限制，如障礙物限制、安全距離限制和動(dòng)力學(xué)限制等，最后提出一個(gè)可以對障礙物風(fēng)險(xiǎn)、舒適度和行車效率進(jìn)行量化的框架來選擇符合條件的最優(yōu)軌跡，具體如圖5所示。

2.1.4 突發(fā)處理單元

突發(fā)單元用于接收中心處理單元傳輸?shù)臄?shù)據(jù)，并對突發(fā)情況做出相應(yīng)的處理，突發(fā)單元與中心處理單元連接。突發(fā)單元包括周圍環(huán)境識別模塊、緊急避讓模塊、道路超車模塊和報(bào)警模塊，其中：周圍環(huán)境識別模塊用于對無人駕駛汽車周邊車輛數(shù)據(jù)進(jìn)行采集。更進(jìn)一步的，分析單元包括道路車輛模塊、道路路標(biāo)模塊和道路通行模塊；其中，道路車輛模塊用于對道路車輛數(shù)量進(jìn)行監(jiān)控，并傳輸至云平臺；道路路標(biāo)模塊用于對道路車道標(biāo)志進(jìn)行識別，并傳輸至云平臺；道路通行模塊用于對道路是否可以行駛的信息進(jìn)行接收，并傳輸至云平臺；緊急避讓模塊與道路超車模塊分別用于接收周圍環(huán)境識別模塊傳輸?shù)臄?shù)據(jù)，通過緊急避讓模塊對道路突發(fā)事件進(jìn)行緊急避讓，通過道路超車模塊根據(jù)自身需要保證安全的情況下進(jìn)行超車，所述緊急避讓模塊與道路超車模塊分別和周圍環(huán)境識別模塊連接[5]；報(bào)警模塊分別用于接收緊急避讓模塊與道路超車模塊傳輸?shù)臄?shù)據(jù)進(jìn)行接收，并對道路突發(fā)事件進(jìn)行第一時(shí)間報(bào)警，所述報(bào)警模塊分別與緊急避讓模塊和道路超車模塊連接，如圖6所示。

2.2 自主導(dǎo)航系統(tǒng)的實(shí)施方式

該文所設(shè)計(jì)的用于無人駕駛的自主導(dǎo)航系統(tǒng)的高精度地圖模型，包括以下步驟：

步驟1：通過獲取單元采集目標(biāo)區(qū)域道路特征，并確定每個(gè)目標(biāo)區(qū)域道路的3D坐標(biāo)及其周圍環(huán)境；

步驟2：通過目標(biāo)區(qū)域道路特征，對道路進(jìn)行功能劃分，路段行車方向、路段禁止限制和路段車道；

步驟3：通過功能劃分，以道路車道為線，并將線進(jìn)行細(xì)化為點(diǎn)，得到子點(diǎn)集；

步驟4：通過3D坐標(biāo)及其周邊環(huán)境，進(jìn)行建立3D地圖幾何模型；

步驟5：通過中子點(diǎn)集將無人駕駛汽車與3D地圖幾何模型進(jìn)行聯(lián)合，子點(diǎn)集對所標(biāo)記的無人駕駛汽車進(jìn)行可移動(dòng)目標(biāo)定位[6]，如圖7所示。

2.3 自主導(dǎo)航系統(tǒng)的工作原理

該文所設(shè)計(jì)的自主導(dǎo)航系統(tǒng)的工作原理為：當(dāng)進(jìn)行使用時(shí)，通過目標(biāo)采集模塊用于對目標(biāo)區(qū)域位置及環(huán)境信息進(jìn)行采集，并將信息傳輸至道路分析模塊中，道路分析模塊對目標(biāo)區(qū)域的道路進(jìn)行分析，做出相應(yīng)的道路標(biāo)記進(jìn)行整理，并將數(shù)據(jù)傳輸至差異處理模塊中，然后對數(shù)據(jù)中差異進(jìn)行處理，進(jìn)行真實(shí)還原，最后通過存儲模塊將數(shù)據(jù)進(jìn)行存儲，最后通過建模模塊，對數(shù)據(jù)進(jìn)行轉(zhuǎn)換，并進(jìn)行三維幾何建模，當(dāng)?shù)貓D模型建模完成后，將無人駕駛汽車通過藍(lán)牙模塊與地圖模型進(jìn)行連接，再通過定位模塊將無人駕駛汽車顯示在地圖模型中，并將信息傳輸至共享模塊中，將汽車行駛數(shù)據(jù)進(jìn)行上傳，并將數(shù)據(jù)傳輸至識別模塊中，通過識別模塊對道路車輛、是否堵車進(jìn)行識別[7]，并將數(shù)據(jù)傳輸至中心處理單元中，通過道路車輛模塊、道路路標(biāo)模塊和道路通行模塊分別對道路車輛數(shù)量進(jìn)行監(jiān)控、道路車道標(biāo)志進(jìn)行識別和對道路是否可以行駛的信息進(jìn)行接收并傳輸至云平臺，再通過分析單元對其信息進(jìn)行識別，最后將分析信息傳輸至規(guī)劃模塊中，規(guī)劃模塊對無人駕駛汽車所在位置與終點(diǎn)位置進(jìn)行最優(yōu)路線規(guī)劃，針對結(jié)構(gòu)化的道路適用的自主導(dǎo)航策略，確保安全地執(zhí)行像超車、換道及緊急制動(dòng)這種的基本行為決策規(guī)劃，最后將數(shù)據(jù)傳輸至突發(fā)單元中，通過周圍環(huán)境識別模塊對無人駕駛汽車周邊車輛數(shù)據(jù)進(jìn)行采集，當(dāng)?shù)缆吠话l(fā)事件發(fā)生時(shí)，通過緊急避讓模塊驅(qū)動(dòng)無人駕駛汽車進(jìn)行緊急避讓，通過道路超車模塊的設(shè)置，可根據(jù)自身需要保證安全的情況下進(jìn)行超車，最后可通過報(bào)警模塊的設(shè)置，警報(bào)器可以在突然狀況發(fā)生時(shí)第一時(shí)間報(bào)警，從而降低無人駕駛汽車行駛中的危險(xiǎn)性，盡可能地確保行車安全。當(dāng)?shù)貓D模型建模完成后，將無人駕駛汽車通過藍(lán)牙模塊與地圖模型進(jìn)行連接，再通過定位模塊將無人駕駛汽車顯示在地圖模型中，并將信息傳輸至共享模塊中，將汽車行駛數(shù)據(jù)進(jìn)行上傳，并將數(shù)據(jù)傳輸至識別模塊中，通過識別模塊對道路車輛，是否堵車進(jìn)行識別，并將數(shù)據(jù)傳輸至中心處理單元中，通過道路車輛模塊、道路路標(biāo)模塊和道路通行模塊分別對道路車輛數(shù)量進(jìn)行監(jiān)控、道路車道標(biāo)志進(jìn)行識別和對道路是否可以行駛的信息進(jìn)行接收，并傳輸至云平臺[8]，再通過分析單元對其信息進(jìn)行識別，最后將分析信息傳輸至規(guī)劃模塊中，規(guī)劃模塊對無人駕駛汽車所在位置與終點(diǎn)位置進(jìn)行最優(yōu)路線規(guī)劃。

只有在滿足駕駛知識、實(shí)際經(jīng)驗(yàn)、物理世界以及交通規(guī)則等條件下，即基于規(guī)則的規(guī)劃下進(jìn)行決策規(guī)劃才能更好地解釋最優(yōu)路線。由于車道規(guī)劃簡單明了，無人駕駛車輛（UAV）在結(jié)構(gòu)化道路上能夠方便地識別出車輛道路等各種信息，并且能夠很容易地識別出行駛在其附近車輛運(yùn)動(dòng)意圖。無人駕駛車的主要形式場景為結(jié)構(gòu)化道路，其包括高速路場景和城市道路場景，決策規(guī)劃的核心內(nèi)容是確保安全地實(shí)行換道、超車及緊急制動(dòng)。在汽車在行駛過程中的安全問題是決策規(guī)劃首先要解決的，其次，在超車、編導(dǎo)和避免障礙物時(shí)，需要精確地分析和判斷周圍情形，以免發(fā)生交通事故。另外，決策規(guī)劃還應(yīng)考慮駕駛舒適度以及行車效率等問題。

3 結(jié)束語

決策控制、信息交互、環(huán)境識別等眾多人工智能技術(shù)集無人駕駛汽車于一體，無人駕駛車是計(jì)算機(jī)系統(tǒng)、信息識別與決策控制技術(shù)持續(xù)發(fā)展的結(jié)果。與現(xiàn)有技術(shù)相比，本設(shè)計(jì)方案的有益效果是：通過周圍環(huán)境識別模塊對無人駕駛汽車周邊車輛數(shù)據(jù)進(jìn)行采集，當(dāng)?shù)缆吠话l(fā)事件發(fā)生時(shí)，通過緊急避讓模塊驅(qū)動(dòng)無人駕駛汽車進(jìn)行緊急避讓，通過道路超車模塊的設(shè)置，可根據(jù)自身需要保證安全的情況下進(jìn)行超車，最后可通過報(bào)警模塊的設(shè)置，報(bào)警器在道路發(fā)生突發(fā)事件時(shí)觸發(fā)報(bào)警模塊，第一時(shí)間報(bào)警，從而降低無人駕駛汽車行駛中的危險(xiǎn)性。并且通過中子點(diǎn)集將無人駕駛汽車與3D地圖幾何模型進(jìn)行聯(lián)合，子點(diǎn)集對所標(biāo)記的無人駕駛汽車進(jìn)行可移動(dòng)目標(biāo)定位，提高高精度定位。

參考文獻(xiàn)：

[1] 錢玉寶，余米森，郭旭濤，等.無人駕駛車輛智能控制技術(shù)發(fā)展[J].科學(xué)技術(shù)與工程，2022，22（10）：3846-3858.

[2] 黃志強(qiáng)，李軍.無人駕駛汽車環(huán)境感知技術(shù)研究[J].裝備機(jī)械，2021（1）：1-6.

[3] 張小俊，張澤，陳正.面向智慧園區(qū)的無人車遠(yuǎn)程約車系統(tǒng)[J].汽車電器，2020（5）：9-12.

[4] 洪金龍，高炳釗，董世營，等.智能網(wǎng)聯(lián)汽車節(jié)能優(yōu)化關(guān)鍵問題與研究進(jìn)展[J].中國公路學(xué)報(bào)，2021，34（11）：306-334.

[5] 段續(xù)庭，周宇康，田大新，等.深度學(xué)習(xí)在自動(dòng)駕駛領(lǐng)域應(yīng)用綜述[J].無人系統(tǒng)技術(shù)，2021，4（6）：1-27.

[6] 余卓淵，閭國年，張夕寧，等.全息高精度導(dǎo)航地圖：概念及理論模型[J].地球信息科學(xué)學(xué)報(bào)，2020，22（4）：760-771.

[7] 《中國公路學(xué)報(bào)》編輯部.中國汽車工程學(xué)術(shù)研究綜述·2017[J].中國公路學(xué)報(bào)，2017，30（6）：1-197.

[8] 曹行健，張志濤，孫彥贊，等.面向智慧交通的圖像處理與邊緣計(jì)算[J].中國圖象圖形學(xué)報(bào)，2022，27（6）：1743-1767.

【通聯(lián)編輯：謝媛媛】