面向智慧場站基于SLAM 定位的公交客車自動泊車系統(tǒng)研究

摘要：隨著城市化進程的加速和公共交通需求的增加，公交場站的停車管理面臨諸多挑戰(zhàn)。當(dāng)前，公交場站的停車方式主要依賴于人工駕駛，存在停車效率低、停車資源浪費、安全性差等問題。為了提高公交場站的管理效率和服務(wù)水平，智能化、自動化的停車系統(tǒng)成為亟須解決的問題。本研究提出了一種基于SLAM（同步定位與地圖構(gòu)建）技術(shù)的公交客車自動泊車系統(tǒng)，并在ROS 中部署，旨在解決當(dāng)前公交場站停車難題。通過SLAM 技術(shù)實現(xiàn)公交客車的高精度定位和導(dǎo)航，系統(tǒng)能根據(jù)給定的初位置和終點位置實現(xiàn)精準泊車，極大地提升了停車效率和安全性。

關(guān)鍵詞：自動泊車；激光雷達SLAM ；模型預(yù)測控制；ROS

中圖分類號：U467 DOI ：10.20042/j.cnki.1009-4903.2024.03.002

0 引言

21 世紀以來，汽車在國民生活中的重要性日益增加。特別是在“碳達峰”和“碳中和”戰(zhàn)略推動下，新能源客車數(shù)量快速增長[1]。截至2023 年底，我國公交車保有量達68.25 萬輛，其中新能源公交車55.44 萬輛，占比81.2%。隨著城市化進程的加速和公共交通需求的增加，公交場站停車管理面臨諸多挑戰(zhàn)[2] 。當(dāng)前，公交場站的停車方式主要依賴于人工駕駛，存在停車效率低、停車資源浪費、安全性差、需要人找車等問題。為了提高公交場站的管理效率和服務(wù)水平，智能化、自動化的停車充電系統(tǒng)成為亟須解決的問題[3]。

本研究提出了一種基于SL AM（ 同步定位與地圖構(gòu)建） 技術(shù)的公交客車自動泊車系統(tǒng)，旨在解決當(dāng)前公交場站停車難題。該系統(tǒng)通過SL AM 技術(shù)實現(xiàn)公交客車的高精度定位和導(dǎo)航，并結(jié)合云端自動調(diào)度功能，實現(xiàn)精準泊車，從而顯著提升停車效率和安全性。在公交場站智能化發(fā)展的背景下，自動泊車系統(tǒng)的應(yīng)用具有重要意義。首先，它能有效優(yōu)化場站空間利用，減少資源浪費。其次，自動泊車提升了停車過程的安全性，降低了事故風(fēng)險。最后，基于SLAM 定位的自動泊車系統(tǒng)能夠與智慧交通系統(tǒng)無縫對接，推動公交場站的全面智能化升級，進而提升整體運營效率。

目前，國內(nèi)外對于自動泊車系統(tǒng)研究較多，該技術(shù)基本成熟且在乘用領(lǐng)域得到廣泛應(yīng)用，但在電動城市客車中尚未普及[4]。鑒于乘用車與電動城市客車在自動泊車系統(tǒng)開發(fā)目的及研究方法上的差異，本研究將綜合考慮電動城市客車的特殊運動形式，結(jié)合實際的泊車場景特點，通過合理優(yōu)化路徑規(guī)劃算法與軌跡跟蹤控制算法，實現(xiàn)停車場內(nèi)電動城市客車的自動入位和自動充電功能，從而大幅提升公交車充電場站的調(diào)度效率。

1 泊車調(diào)度方式及程序構(gòu)架

本文提出的自主泊車調(diào)度方式，旨在配合智能充電站的高效運作，其流程如圖1 所示。該系統(tǒng)主要服務(wù)于圖2 所示的公交終點補能站點，該圖為某條具體路線的示意圖，實際站場可能包含多條類似路線。泊車流程始于駕駛員將車輛?？吭谥付ǖ钠鹗嘉恢?，隨后調(diào)度員在調(diào)度室通過程序進行調(diào)度。調(diào)度員在確認空閑充電弓的編號后，向車輛智駕控制器發(fā)送路線信息。在確認車輛狀態(tài)及充電弓工作正常后，啟動泊車程序，使車輛自動前往目標充電弓并精準停靠在目標位置范圍內(nèi)。之后，請求充電弓下落進行充電，待充電完成后充電弓升起，車輛自動開往發(fā)車點等待。

為了實現(xiàn)車輛與充電弓的精準對接，要求車輛在?？繒r的橫向和縱向位置偏差控制在±15 cm 以內(nèi)。為此，本文提出了利用激光雷達、LeGO-LOAM 算法進行建圖以及NDT 算法進行定位的方案，以支持無人駕駛汽車的精準軌跡跟蹤。該方案的優(yōu)勢包括以下幾點：

⑴高精度建圖：能夠生成高精度環(huán)境地圖，助力無人駕駛汽車在復(fù)雜環(huán)境中實現(xiàn)精確導(dǎo)航。

⑵高效定位：快速準確地對齊激光雷達掃描數(shù)據(jù)與已有地圖，確保汽車精確定位。

⑶實時感知：SLAM 算法結(jié)合激光雷達數(shù)據(jù)處理，實現(xiàn)實時環(huán)境感知和定位，確保汽車及時響應(yīng)環(huán)境變化，保持預(yù)定軌跡。

⑷魯棒性強：激光雷達在各種光照條件下（ 如白天、夜晚、強光和陰影） 穩(wěn)定工作，確保無人駕駛系統(tǒng)在不同環(huán)境中的可靠性。

基于激光雷達的建圖定位模塊在車輛行駛過程中，為車輛橫縱向控制模塊提供精準的車輛位置信息。同時，本系統(tǒng)對路徑規(guī)劃部分采用離線方式進行，即在起點和終點確定的情況下，提前使用Hybrid-A* 算法離線規(guī)劃好每條路徑的行駛路線。此外，CAN 信號轉(zhuǎn)換模塊負責(zé)在車輛控制命令與車輛線控底盤狀態(tài)之間實現(xiàn)信息的中轉(zhuǎn)。控制模塊則包括MPC 前輪轉(zhuǎn)角控制（ 最終轉(zhuǎn)換為轉(zhuǎn)向盤角度） 和PID 車速控制（ 主要通過向VCU 請求電機驅(qū)動扭矩）。

自主泊車系統(tǒng)中基于ROS（Robot Operating System） 開發(fā)的節(jié)點模塊構(gòu)架圖如圖3 所示。

2 激光雷達SLAM 定位

2.1 LeGO-LOAM 建圖

點云地圖在自動駕駛中扮演著重要角色，它是感知、定位和路徑規(guī)劃的關(guān)鍵參考。通過點云地圖，自動駕駛車輛能夠獲取詳細的三維環(huán)境信息，如建筑物、道路邊界和交通設(shè)施等。憑借這些信息，自動駕駛車輛能夠?qū)崿F(xiàn)厘米級的定位精度，進而更好的獲取準確的車輛位姿來配合軌跡跟蹤控制器。

LeGO-LOAM 算法專為激光雷達設(shè)計，優(yōu)化了對地面信息的處理，從而提高了建圖的精度和效率。在建圖過程中，建圖節(jié)點會輸出地圖點云，通過rosbag 工具記錄這些點云數(shù)據(jù)的話題（ 例如，使用命令“rosbag record /laser_cloud_surround”來記錄周圍環(huán)境的點云數(shù)據(jù)）。記錄完成后，我們可以使用ROS 中的pcl_ros 庫將rosbag 文件中的點云數(shù)據(jù)轉(zhuǎn)換為PCD文件格式，進而形成可供后續(xù)使用的點云地圖。LeGO-LOAM建立點云地圖過程如圖4 所示。