一種純電動(dòng)汽車的自動(dòng)駕駛系統(tǒng)設(shè)計(jì)*

張婷 潘定海 曹明星

（北京國(guó)家新能源汽車技術(shù)創(chuàng)新中心有限公司，北京 100176）

主題詞：自動(dòng)駕駛 域控制器 普適性結(jié)構(gòu) 傳感器標(biāo)定 系統(tǒng)測(cè)試 電動(dòng)汽車

CAN Controller Area Network

IMU Inertial Measurement Unit

GPS Global Positioning System

GNSS Global Navigation Satellite System

GMSL Gigabit Multimedia Serial Link

ROS Robot Operating System

EMC Electro Magnetic Compatibility

VCU Vehicle Control Unit

GNN Global Nearest Neighbor

1 前言

隨著新一代信息技術(shù)的發(fā)展，汽車的智能化、網(wǎng)聯(lián)化、電動(dòng)化和共享化成為新的發(fā)展趨勢(shì)，無人駕駛技術(shù)也逐漸由概念變?yōu)楝F(xiàn)實(shí)，即將走入人們的生活。

無人駕駛汽車是依靠車載傳感系統(tǒng)感知道路環(huán)境，自主規(guī)劃行車路線實(shí)現(xiàn)車輛穩(wěn)定控制并到達(dá)預(yù)期目標(biāo)的智能汽車。

隨著汽車電子化浪潮，國(guó)外率先開始自動(dòng)駕駛布局。美國(guó)在80年代初開始自動(dòng)駕駛軍事化應(yīng)用，歐洲從80年代中期開始研發(fā)自動(dòng)駕駛車輛，更多強(qiáng)調(diào)單車自動(dòng)化、智能化的研究，日本的自動(dòng)駕駛研發(fā)略晚于歐美，更多關(guān)注于采用智能安全系統(tǒng)降低事故發(fā)生率，以及采用車間通信方式輔助駕駛。自2009年起，國(guó)外陸續(xù)開啟自動(dòng)駕駛產(chǎn)業(yè)熱潮，谷歌首先布局自動(dòng)駕駛，隨后英偉達(dá)成立自動(dòng)駕駛事業(yè)部，收購(gòu)Mobil?eye，通用汽車并購(gòu)Cruise Automation，谷歌無人駕駛項(xiàng)目擴(kuò)展為子公司W(wǎng)aymo。

我國(guó)的自動(dòng)駕駛起步依托于高校，從20世紀(jì)80年代開始進(jìn)行自動(dòng)駕駛汽車的研究。1992年，國(guó)防科技大學(xué)成功研制出中國(guó)第一輛自動(dòng)駕駛汽車ATB-1（AutonomousTestBed-1）。國(guó)務(wù)院在2015年發(fā)布《中國(guó)制造2025》之后，以自動(dòng)駕駛技術(shù)為重點(diǎn)的智能網(wǎng)聯(lián)汽車成為未來汽車發(fā)展的重要戰(zhàn)略方向，大批初創(chuàng)企業(yè)投身自動(dòng)駕駛領(lǐng)域。百度、Pony.ai等公司相繼快速步入了全球自動(dòng)駕駛技術(shù)研發(fā)的前列。

本文內(nèi)容為一種自動(dòng)駕駛系統(tǒng)及其開發(fā)實(shí)現(xiàn)流程和方法，系統(tǒng)開發(fā)過程中采用新型研究成果，降低系統(tǒng)復(fù)雜度，提高自動(dòng)駕駛系統(tǒng)的開發(fā)效率，減少系統(tǒng)開發(fā)成本。

2 自動(dòng)駕駛系統(tǒng)的技術(shù)方案

自動(dòng)駕駛系統(tǒng)的技術(shù)方案包括硬件方案和軟件方案，如表1所示。

表1 自動(dòng)駕駛系統(tǒng)技術(shù)方案

2.1 硬件方案

系統(tǒng)基于北汽EU5車型搭建了自動(dòng)駕駛車輛平臺(tái)，將車輛平臺(tái)按照自動(dòng)駕駛的需求進(jìn)行改造。車輛平臺(tái)采用純電動(dòng)汽車，內(nèi)部都是電控系統(tǒng)，使用數(shù)字化的數(shù)據(jù)，利于自動(dòng)控制，車輛改制工作量和難度較小，只需將內(nèi)部數(shù)據(jù)進(jìn)行整合，開發(fā)數(shù)據(jù)通訊協(xié)議，且車輛執(zhí)行機(jī)構(gòu)響應(yīng)快，車輛控制更加平順，因此，選用純電動(dòng)汽車更利于實(shí)現(xiàn)自動(dòng)駕駛。

自動(dòng)駕駛硬件設(shè)備可分為傳感器、計(jì)算平臺(tái)、安全控制、輔助系統(tǒng)。傳感器包括：激光雷達(dá)、攝像頭、GPS天線、IMU模塊、毫米波雷達(dá)、超聲波雷達(dá)，計(jì)算平臺(tái)采用自動(dòng)駕駛域控制器，安全控制主要包括駕駛模式選擇按鈕、急停按鈕，輔助系統(tǒng)涉及到顯示器、輔助電源、路由器、CAN總線記錄儀、電源開關(guān)。硬件設(shè)備的布置如圖1所示。

圖1 自動(dòng)駕駛系統(tǒng)硬件布置方案

系統(tǒng)中所涉及的硬件設(shè)備類型、數(shù)量和相關(guān)說明如表2所示。

自動(dòng)駕駛系統(tǒng)的軟件和算法由自動(dòng)駕駛域控制器來完成。自動(dòng)駕駛域控制器是在車輛分布式電子控制單元基礎(chǔ)上發(fā)展而來的具有功能集成、模塊化、可定制特點(diǎn)的控制器，是智能網(wǎng)聯(lián)汽車電子電氣系統(tǒng)發(fā)展的趨勢(shì)。自動(dòng)駕駛域控制器采用集成化方案，將車輛環(huán)境感知數(shù)據(jù)處理計(jì)算平臺(tái)和車輛控制平臺(tái)集成到單個(gè)控制器中，從而大幅簡(jiǎn)化電子系統(tǒng)結(jié)構(gòu)，提高系統(tǒng)可靠性的同時(shí)降低成本，智能網(wǎng)聯(lián)汽車車載控制器未來將以域控制器的形式呈現(xiàn)。

本文采用的自動(dòng)駕駛域控制器有以下4大特點(diǎn)。

（1）高計(jì)算性能

采用雙芯片，一個(gè)計(jì)算芯片，一個(gè)控制芯片，感知信息計(jì)算采用高算力的計(jì)算芯片，車輛控制信號(hào)處理采用Infineon TC387芯片，多核架構(gòu)。

（2）豐富接口

包含多個(gè)車規(guī)級(jí)GMSL接口、高速CAN-FD接口、Ethernet接口，可以接入多路攝像頭、毫米波雷達(dá)、激光雷達(dá)以及車載高速通信。

（3）車規(guī)級(jí)系統(tǒng)設(shè)計(jì)

支持統(tǒng)一的應(yīng)用層交互協(xié)議下，嵌入客戶自主開發(fā)應(yīng)用層自動(dòng)駕駛功能模塊；

車規(guī)級(jí)器件和接口，滿足整車電器、EMC、材料、耐久等要求；

低運(yùn)行功耗（典型運(yùn)行功率30 W），9~30 V工作電壓，支持風(fēng)冷散熱。

（4）高安全保證：

支持高至ASIL-C（ISO 26262）的安全要求；

支持訪問許可授權(quán)、傳輸數(shù)據(jù)加密、硬件安全模塊調(diào)用等系統(tǒng)和網(wǎng)絡(luò)安全功能；

關(guān)鍵事件數(shù)據(jù)自動(dòng)識(shí)別、采集并寄存。

表2 自動(dòng)駕駛系統(tǒng)的硬件設(shè)備信息

2.2 軟件方案

自動(dòng)駕駛軟件部署在自動(dòng)駕駛域控制器中，基于Ubuntu系統(tǒng)下的機(jī)器人操作系統(tǒng)（Robot Operating System，ROS）平臺(tái)開發(fā)，軟件架構(gòu)如圖2所示。

圖2 自動(dòng)駕駛軟件架構(gòu)

軟件功能模塊主要由4部分組成：環(huán)境感知、車輛定位、決策規(guī)劃和車輛控制。其中，環(huán)境感知模塊實(shí)現(xiàn)系統(tǒng)對(duì)外界環(huán)境信息的數(shù)據(jù)獲取和分析辨識(shí)，通過對(duì)攝像頭、激光雷達(dá)、GPS等傳感器數(shù)據(jù)進(jìn)行處理，計(jì)算周邊環(huán)境信息；車輛定位模塊解析激光雷達(dá)和GPS信號(hào)，計(jì)算得到車輛自身位置；決策規(guī)劃模塊利用環(huán)境感知信息，計(jì)算確定車輛行為，如正常行駛、換道、加減速等，并進(jìn)一步規(guī)劃車輛的目標(biāo)行駛軌跡及對(duì)應(yīng)行駛速度、轉(zhuǎn)角等；車輛控制模塊利用決策規(guī)劃得到的信息，根據(jù)加速、轉(zhuǎn)角及制動(dòng)指令控制執(zhí)行機(jī)構(gòu)執(zhí)行響應(yīng)動(dòng)作，達(dá)到自動(dòng)駕駛的目的。

本文的環(huán)境感知模塊通過多傳感器融合系統(tǒng)來實(shí)現(xiàn)，有效利用激光雷達(dá)、攝像頭多元數(shù)據(jù)獲取資源，最大限度地獲取穩(wěn)定、準(zhǔn)確的障礙物和道路信息。

3 自動(dòng)駕駛系統(tǒng)開發(fā)的技術(shù)路線

自動(dòng)駕駛系統(tǒng)開發(fā)的技術(shù)路線如圖3所示。系統(tǒng)在新型自動(dòng)駕駛域控制器上開發(fā)自動(dòng)駕駛軟件架構(gòu)和策略。在技術(shù)上從硬件布置、控制集成2個(gè)與車輛相結(jié)合的方面著手設(shè)計(jì)開發(fā)。在硬件布置方面，分析L3、L4級(jí)自動(dòng)駕駛應(yīng)用場(chǎng)景和傳感器配置方案，設(shè)計(jì)傳感器預(yù)裝位置和普適性支架，確定自動(dòng)駕駛傳感器布置方案，開展支架開發(fā)、以及傳感器和支架的安裝布置工作，同時(shí)根據(jù)傳感器、域控制器的接口和供電信息，設(shè)計(jì)線束連接方案和輔助電源；在控制集成方面，提出VCU、線控底盤以及燈光的控制需求，設(shè)計(jì)自動(dòng)駕駛控制功能定義，由車輛平臺(tái)開發(fā)自動(dòng)駕駛系統(tǒng)控制車輛所需的通訊信號(hào)，以及VCU、線控底盤和自動(dòng)駕駛系統(tǒng)之間的交互。在完成硬件布置和控制集成開發(fā)之后，開展自動(dòng)駕駛車輛改制試驗(yàn)，完成整車的改裝，并結(jié)合自動(dòng)駕駛軟件和算法，開展自動(dòng)駕駛系統(tǒng)集成調(diào)試工作，在調(diào)試過程中發(fā)現(xiàn)和改進(jìn)開源平臺(tái)基礎(chǔ)平臺(tái)的建設(shè)問題，調(diào)試成功后開展自動(dòng)駕駛功能測(cè)試試驗(yàn)，并最終形成第3方自動(dòng)駕駛測(cè)試試驗(yàn)報(bào)告。

圖3 自動(dòng)駕駛系統(tǒng)開發(fā)的技術(shù)路線

在自動(dòng)駕駛實(shí)現(xiàn)過程中會(huì)形成一些具有科學(xué)價(jià)值和應(yīng)用前景的技術(shù)方法，本文展示4種提升自動(dòng)駕駛系統(tǒng)性能的研究成果。

3.1 自動(dòng)駕駛車輛改制方法和普適性預(yù)裝結(jié)構(gòu)

自動(dòng)駕駛系統(tǒng)涉及的車輛改制空間主要有前機(jī)艙、駕駛艙和后備箱。

車輛改制前設(shè)計(jì)開發(fā)輔助電源，用于連接相關(guān)電氣設(shè)備，并設(shè)計(jì)線束的連接。同時(shí)準(zhǔn)備改制場(chǎng)地，確定參與改制的相關(guān)人員。

自動(dòng)駕駛車輛改制實(shí)施前，需要準(zhǔn)備好車輛、相關(guān)硬件設(shè)備，開發(fā)好的支架、改制工具（錐套筒工具、焊接工具、打磨切削工具、打膠工具等），拆除車身零部件。車輛改制的整體思路如下：

（1）車輛前端布置設(shè)備有毫米波雷達(dá)及超聲波雷達(dá)；

（2）車頂布置設(shè)備為激光雷達(dá)、GPS天線及高清攝像頭；

（3）車輛后端布置毫米波雷達(dá)、超聲波雷達(dá)、域控制器、DC輔助電源、路由器等；

（4）前機(jī)艙改制線束從車輛防火墻穿過進(jìn)入駕駛艙，再到后備箱；

（5）車頂傳感器線束從車頂鈑金孔穿過，按天窗排水管布置方案引至后備箱；

（6）副儀表板按鈕開關(guān)線束引到車輛左側(cè)與前機(jī)艙線束一同引至后備箱。

車輛改制實(shí)施過程涉及到傳感器和硬件設(shè)備的安裝固定，線束的改制和布置。最終形成一套自動(dòng)駕駛車輛改制流程規(guī)范，在自動(dòng)駕駛系統(tǒng)規(guī)?；a(chǎn)時(shí)提高改制效率。

在自動(dòng)駕駛車輛改制之前，考慮到不同廠商的自動(dòng)駕駛系統(tǒng)所使用的傳感器配置方案各不相同。目前主流自動(dòng)駕駛方案提供商的傳感器解決方案中，激光雷達(dá)、攝像頭和GPS天線均布置在車頂?；诖?，在系統(tǒng)設(shè)計(jì)過程中開發(fā)自動(dòng)駕駛系統(tǒng)普適性支架方案，如圖4所示。在常用的不同傳感器安裝位置預(yù)留安裝支架，并且開發(fā)車頂普適性支架總成，可以滿足多種傳感器配置方案的搭載。

圖4 自動(dòng)駕駛普適性支架

自動(dòng)駕駛普適性支架的特點(diǎn)如下：

（1）車頂支架可以通過定制轉(zhuǎn)接支架實(shí)現(xiàn)多種傳感器配置方案的搭載；

（2）可以適用多種類型、不同尺寸、不同型號(hào)的傳感器產(chǎn)品，能夠靈活調(diào)整安裝角度、方向和數(shù)量，節(jié)約自動(dòng)駕駛傳感器的安裝成本。

經(jīng)過車輛改制的驗(yàn)證，在該普適性支架上可以方便地增加和減少自動(dòng)駕駛感知傳感器。

3.2 自動(dòng)駕駛感知傳感器的自動(dòng)化標(biāo)定

傳統(tǒng)的自動(dòng)駕駛感知傳感器標(biāo)定方法需要大量人工操作，影響標(biāo)定效率和標(biāo)定精度，傳感器的測(cè)量精度會(huì)給外參標(biāo)定帶來額外的誤差。本文采用一種自動(dòng)標(biāo)定的方法對(duì)感知傳感器進(jìn)行標(biāo)定，在傳感器布置安裝之后，借助自然標(biāo)定場(chǎng)地和標(biāo)定工具，通過對(duì)傳感器接收的數(shù)據(jù)中的典型特征進(jìn)行處理分析，將各個(gè)傳感器的坐標(biāo)系統(tǒng)一到車輛坐標(biāo)系下，包括多個(gè)激光雷達(dá)的標(biāo)定、激光雷達(dá)和相機(jī)的聯(lián)合標(biāo)定、毫米波雷達(dá)標(biāo)定、超聲波雷達(dá)標(biāo)定，標(biāo)定流程如圖5所示。

圖5 自動(dòng)駕駛感知傳感器標(biāo)定流程

傳感器標(biāo)定的步驟如下：

（1）車頂32線激光雷達(dá)標(biāo)定：建立車體坐標(biāo)系，借助圓錐體形標(biāo)定物，計(jì)算偏移量、、以及旋轉(zhuǎn)角（翻滾角）、（俯仰角）、（偏航角）。首先根據(jù)車輛參數(shù)計(jì)算、，再建立平整地面的平面方程，基于非線性優(yōu)化方法，求解、最優(yōu)值，然后根據(jù)最終擬合的地面平面方程，計(jì)算軸方向的偏移量，最后結(jié)合點(diǎn)云目標(biāo)物識(shí)別結(jié)果，采用優(yōu)化算法求解最優(yōu)值。

（2）2個(gè)16線激光雷達(dá)標(biāo)定：首先，采用和32線激光雷達(dá)相同的方法，計(jì)算、、、、，然后，以32線激光點(diǎn)云識(shí)別結(jié)果為基準(zhǔn)，采用優(yōu)化算法求解最優(yōu)值，確保32線激光雷達(dá)和16線激光雷達(dá)識(shí)別的目標(biāo)重合。

（3）攝像頭標(biāo)定：包括內(nèi)參標(biāo)定和外參標(biāo)定。內(nèi)參標(biāo)定采用張友標(biāo)定法；外參標(biāo)定采用激光雷達(dá)和攝像頭聯(lián)合標(biāo)定的方法，利用激光雷達(dá)標(biāo)定結(jié)果，借助標(biāo)定板（棋盤格、四孔板），根據(jù)激光點(diǎn)云和圖像數(shù)據(jù)中的特征匹配關(guān)系，求解攝像頭和激光雷達(dá)的相對(duì)位姿，確定攝像頭坐標(biāo)系相對(duì)于車輛坐標(biāo)系的位姿變換關(guān)系。

（4）毫米波雷達(dá)標(biāo)定：毫米波雷達(dá)安裝時(shí)對(duì)翻滾角、俯仰角和高度有較高要求，不需要標(biāo)定這3個(gè)參數(shù)，和方向的位置偏移量直接通過車輛結(jié)構(gòu)推算，主要借助毫米波反射器，以從激光點(diǎn)云檢測(cè)到反射器的位置和毫米波雷達(dá)檢測(cè)到的位置重疊為目標(biāo)，采用優(yōu)化方法求解最優(yōu)的偏航角。

（5）超聲波雷達(dá)標(biāo)定：首先設(shè)置超聲波探頭的初始位置，再移動(dòng)超聲波雷達(dá)探測(cè)目標(biāo)，比較激光雷達(dá)檢測(cè)和超聲波雷達(dá)探測(cè)的目標(biāo)位置差異，優(yōu)化調(diào)整初始位置坐標(biāo)。

自動(dòng)化標(biāo)定方法避免了傳統(tǒng)感知傳感器標(biāo)定的復(fù)雜、繁瑣的實(shí)施過程，減少了大量人工操作，提高了標(biāo)定效率和標(biāo)定精度。

3.3 自動(dòng)駕駛系統(tǒng)的感知融合方法

自動(dòng)駕駛感知技術(shù)通常激光雷達(dá)、攝像頭、毫米波雷達(dá)等幾類常用的傳感器，各類傳感器各有優(yōu)缺點(diǎn)，在特性上都有所差異，需要采用多傳感器融合技術(shù)，讓多種相互補(bǔ)充，發(fā)揮各傳感器的優(yōu)點(diǎn)，提升感知功能的精確性和穩(wěn)定性?；诙鄠鞲衅魅诤霞夹g(shù)，本文設(shè)計(jì)一套自動(dòng)駕駛系統(tǒng)的感知處理流程，如圖6所示，并提供一種多傳感器的目標(biāo)融合方法。

多種類型傳感器數(shù)據(jù)經(jīng)過通訊傳輸并進(jìn)行協(xié)議解析、時(shí)間和空間同步配準(zhǔn)后，進(jìn)入目標(biāo)檢測(cè)識(shí)別功能模塊。

激光點(diǎn)云數(shù)據(jù)經(jīng)過點(diǎn)云分割、點(diǎn)云聚類、障礙物點(diǎn)云分類、刪除障礙物柵格等處理后輸出目標(biāo)類型、目標(biāo)三維位置坐標(biāo)，并基于目標(biāo)形狀和位置坐標(biāo)計(jì)算目標(biāo)的長(zhǎng)度和寬度。

攝像頭目標(biāo)檢測(cè)識(shí)別功能模塊采用YOLO V3深度學(xué)習(xí)方法識(shí)別圖像數(shù)據(jù)中目標(biāo)的類型。YOLO V3基于Darknet-53基礎(chǔ)識(shí)別網(wǎng)絡(luò)。Darknet-53包括53個(gè)卷積層和大量的殘差層，殘差神經(jīng)網(wǎng)絡(luò)“直接連接”的方式可以在一定程度上避免由于神經(jīng)網(wǎng)絡(luò)加深而導(dǎo)致訓(xùn)練時(shí)產(chǎn)生的“梯度爆炸”和“梯度彌散”現(xiàn)象，也使得網(wǎng)絡(luò)的泛化能力大大提升。完成目標(biāo)識(shí)別之后，再基于圖像特征匹配，使用對(duì)極約束求解攝像頭位姿，并使用三角測(cè)量計(jì)算動(dòng)態(tài)目標(biāo)的運(yùn)動(dòng)變化，減去攝像頭的位姿來獲取目標(biāo)最終的橫縱向位置坐標(biāo)、速度、長(zhǎng)度和寬度。

毫米波雷達(dá)數(shù)據(jù)經(jīng)過數(shù)據(jù)轉(zhuǎn)化、聚類處理后輸出目標(biāo)的橫縱向位置坐標(biāo)和速度信息。

目標(biāo)檢測(cè)識(shí)別之后開展目標(biāo)數(shù)據(jù)的融合跟蹤處理，對(duì)傳感器的檢測(cè)目標(biāo)做全局匹配，并使用無跡卡爾曼濾波算法，融合攝像頭目標(biāo)數(shù)據(jù)、激光雷達(dá)目標(biāo)數(shù)據(jù)、毫米波雷達(dá)目標(biāo)數(shù)據(jù)，最后進(jìn)行目標(biāo)匹配跟蹤處理，更新未匹配的跟蹤目標(biāo)、刪除丟失的跟蹤目標(biāo)、初始化新目標(biāo)，重復(fù)目標(biāo)數(shù)據(jù)融合處理的流程。

圖6 自動(dòng)駕駛系統(tǒng)的感知處理流程

目標(biāo)數(shù)據(jù)融合處理的步驟如下：

（1）建立系統(tǒng)狀態(tài)方程和測(cè)量方程，設(shè)置狀態(tài)向量，確定無跡卡爾曼濾波中Sigma點(diǎn)的選取策略。選取橫向位置p、縱向位置p、橫向速度v、縱向速度v、橫向加速度a、縱向加速度a、目標(biāo)寬度、目標(biāo)長(zhǎng)度，作為狀態(tài)向量：X=[p,p,v,v,a,a,,]。設(shè)置狀態(tài)向量的初始均值和方差，并計(jì)算Sigma點(diǎn)；

（2）預(yù)測(cè)各個(gè)Sigma點(diǎn)，加權(quán)計(jì)算狀態(tài)量和協(xié)方差矩陣的預(yù)測(cè)值；

（3）比較每個(gè)傳感器的檢測(cè)目標(biāo)和已跟蹤的目標(biāo)，使用全局最鄰近（GNN）方法執(zhí)行全局匹配；

（4）對(duì)于已經(jīng)匹配和跟蹤的目標(biāo)，基于各個(gè)傳感器的觀測(cè)值進(jìn)行更新；

（5）刪除跟蹤丟失的目標(biāo)；

（6）將未匹配目標(biāo)和已跟蹤目標(biāo)進(jìn)行匹配，識(shí)別增加新的跟蹤目標(biāo)，重復(fù)目標(biāo)數(shù)據(jù)融合處理的步驟。

3.4 自動(dòng)駕駛系統(tǒng)測(cè)試

自動(dòng)駕駛系統(tǒng)的實(shí)車測(cè)試過程如圖7所示。

圖7 自動(dòng)駕駛系統(tǒng)測(cè)試過程

首先，建立自動(dòng)駕駛測(cè)試管理規(guī)范。在執(zhí)行自動(dòng)駕駛功能測(cè)試前，確定自動(dòng)駕駛測(cè)試流程，明確通用測(cè)試要求、能力評(píng)估內(nèi)容與方法等。

然后，參照政府部門出臺(tái)的相關(guān)測(cè)試技術(shù)方法、測(cè)試管理細(xì)則、測(cè)試場(chǎng)地要求，執(zhí)行如下測(cè)試項(xiàng)：認(rèn)知與交通法規(guī)遵守能力（主要是交通標(biāo)線識(shí)別）、執(zhí)行能力（包括：直線行駛、曲線行駛、直角轉(zhuǎn)彎行駛）、應(yīng)急處置與人工介入能力（包括：緊急情況處理、人工介入后的可操作性、緊急停車）、綜合駕駛能力（包括：起步停車、跟隨行駛、變更車道、路口直行、路口轉(zhuǎn)彎、路口掉頭、靠邊停車、緊急制動(dòng)、倒車入庫(kù)）等，輸出測(cè)試結(jié)果。

另外，基于自動(dòng)駕駛域控制器的特點(diǎn)，在系統(tǒng)設(shè)計(jì)開發(fā)過程中創(chuàng)造性地提出一種自動(dòng)駕駛域控制器在整車平臺(tái)上的技術(shù)評(píng)估方法，主要包括：基本硬件評(píng)估、感知功能測(cè)試、自動(dòng)駕駛功能時(shí)延測(cè)試、故障響應(yīng)機(jī)制測(cè)試、結(jié)構(gòu)設(shè)計(jì)評(píng)估、電氣接口評(píng)估。

4 技術(shù)驗(yàn)證情況

4.1 環(huán)境感知技術(shù)驗(yàn)證

（1）感知傳感器標(biāo)定

在實(shí)車上開展感知傳感器的標(biāo)定，標(biāo)定效果如圖8所示。

圖8 自動(dòng)駕駛感知傳感器標(biāo)定效果

圖8（a）是32線激光雷達(dá)標(biāo)定效果，標(biāo)定物落在=0的軸線上；圖8（b）是16線激光雷達(dá)標(biāo)定效果，以32線激光雷達(dá)為參照，16線和32線激光雷達(dá)中的標(biāo)志物完全重合，標(biāo)定效果較好；圖8（c）為攝像頭標(biāo)定后形成的圖像和點(diǎn)云合并圖像，圖像和點(diǎn)云的重合度較高，標(biāo)定準(zhǔn)確；在圖8（d）中，激光雷達(dá)和毫米波雷達(dá)檢測(cè)到的毫米波雷達(dá)反射器目標(biāo)基本重合，毫米波雷達(dá)標(biāo)定準(zhǔn)確。

將激光雷達(dá)自動(dòng)標(biāo)定和人工標(biāo)定的結(jié)果進(jìn)行比較，計(jì)算標(biāo)定參數(shù)偏差，并統(tǒng)計(jì)標(biāo)定處理時(shí)間如表3所示。

表3 激光雷達(dá)標(biāo)定結(jié)果比較和處理時(shí)間統(tǒng)計(jì)

對(duì)于攝像頭標(biāo)定，從圖像中取10個(gè)特征點(diǎn)作為檢查點(diǎn)，根據(jù)標(biāo)定參數(shù)計(jì)算特征點(diǎn)在激光雷達(dá)坐標(biāo)系中的、、坐標(biāo)，統(tǒng)計(jì)該計(jì)算的坐標(biāo)和特征點(diǎn)在激光點(diǎn)云中坐標(biāo)之間的誤差，計(jì)算公式如式（1）所示。使用該誤差描述攝像頭的標(biāo)定精度。

式中，'、y'、'分別為計(jì)算出的第個(gè)圖像特征點(diǎn)在激光雷達(dá)坐標(biāo)系中的三維坐標(biāo)，x、y、z分別為第個(gè)特征點(diǎn)在激光點(diǎn)云中的三維坐標(biāo)，為計(jì)算誤差。

對(duì)于毫米波雷達(dá)標(biāo)定，計(jì)算自動(dòng)標(biāo)定和人工標(biāo)定的值偏差。攝像頭和毫米波雷達(dá)標(biāo)定結(jié)果和標(biāo)定處理時(shí)間如表4所示。

表4 攝像頭和毫米波雷達(dá)標(biāo)定評(píng)價(jià)和處理時(shí)間統(tǒng)計(jì)

（2）多傳感器的目標(biāo)融合

使用攜帶有差分GPS的車輛、行人及騎車人作為測(cè)試目標(biāo)，運(yùn)行本文的多傳感器目標(biāo)融合程序。在車體坐標(biāo)系下，典型目標(biāo)的多傳感器融合數(shù)據(jù)如圖9所示。不同速度下經(jīng)過融合的目標(biāo)位置和目標(biāo)上GPS獲取的實(shí)際位置的平均偏差如表5所示。

圖9 典型目標(biāo)的多傳感器融合數(shù)據(jù)

表5 融合目標(biāo)的位置偏差統(tǒng)計(jì)

設(shè)置多個(gè)場(chǎng)景，開展多次測(cè)試，統(tǒng)計(jì)所有測(cè)試目標(biāo)中未檢測(cè)到的目標(biāo)數(shù)，計(jì)算未檢測(cè)的目標(biāo)數(shù)和所有目標(biāo)數(shù)的比例（即漏檢率），約為1.893%。表明，本文的多傳感器融合效果較好。

4.2 系統(tǒng)測(cè)試驗(yàn)證

在自動(dòng)駕駛測(cè)試場(chǎng)地中開展系統(tǒng)測(cè)試，多次測(cè)試使用感知模塊的系統(tǒng)功能，記錄多次測(cè)量的平均值，表6列出了測(cè)試結(jié)果。

表6 自動(dòng)駕駛系統(tǒng)測(cè)試結(jié)果

經(jīng)過實(shí)車測(cè)試驗(yàn)證，使用本文感知技術(shù)的系統(tǒng)功能均已達(dá)標(biāo)，表明感知模塊運(yùn)行良好。

5 結(jié)束語

本文研究了純電動(dòng)汽車自動(dòng)駕駛系統(tǒng)的實(shí)現(xiàn)方法，提出一種自動(dòng)駕駛系統(tǒng)的技術(shù)方案，研究自動(dòng)駕駛系統(tǒng)實(shí)現(xiàn)的技術(shù)路線，并在自動(dòng)駕駛實(shí)現(xiàn)過程中形成一些具有科學(xué)價(jià)值和應(yīng)用前景的研究成果，主要技術(shù)成果和創(chuàng)新點(diǎn)如下：

（1）在硬件方案采用自動(dòng)駕駛域控制器代替?zhèn)鹘y(tǒng)的工控機(jī)和ECU，可以減少線束連接、降低成本和大量信息交互帶來的技術(shù)瓶頸，后續(xù)可以考慮實(shí)現(xiàn)自動(dòng)駕駛域控制器的車規(guī)化探索；

（2）自動(dòng)駕駛普適性預(yù)裝結(jié)構(gòu)可以支持多種傳感器的布置、節(jié)約傳感器的安裝成本，提高車輛改制效率；

（3）通過利用和處理多個(gè)傳感器數(shù)據(jù)，結(jié)合目標(biāo)識(shí)別等技術(shù)，采用不同的方法實(shí)現(xiàn)不同傳感器坐標(biāo)系到車輛坐標(biāo)系的位姿變換，提升自動(dòng)駕駛環(huán)境感知傳感器標(biāo)定的自動(dòng)化程度，精確性較高，滿足多傳感器融合的要求；

（4）設(shè)計(jì)1種多傳感器的目標(biāo)融合方法和一套自動(dòng)駕駛系統(tǒng)的感知處理流程，目標(biāo)漏檢率較低，目標(biāo)檢測(cè)和跟蹤的效果較好。

實(shí)踐表明，本文提出的自動(dòng)駕駛系統(tǒng)實(shí)現(xiàn)方法和研究成果可以提高自動(dòng)駕駛系統(tǒng)實(shí)現(xiàn)效率，提升自動(dòng)駕駛系統(tǒng)的性能。

未來，感知能力仍然是智能駕駛車輛的關(guān)鍵技術(shù)瓶頸，尤其是在數(shù)據(jù)融合過程中采用人工智能技術(shù)和基于并行計(jì)算的先進(jìn)復(fù)雜的前融合算法，可以提高傳感器融合的性能；將單車的感知技術(shù)和車路協(xié)同技術(shù)融合，能夠增強(qiáng)智能車輛的感知能力，提升自動(dòng)駕駛的安全可靠性，降低單車智能感知的成本，也是自動(dòng)駕駛發(fā)展的重要研究方向。