无人驾驶车自主导航与障碍规避系统设计实现
来源:用户上传
作者:让斌斌，施卫
摘要：该文提出了一种用于无人驾驶的高精度地图模型及自主导航系统设计与实现方案。包括获取单元、驾驶单元、中心处理单元和突发单元，在通过定位模块将无人驾驶汽车显示在地图模型中，并将信息传输至共享模块中，将汽车行驶数据进行上传，并将数据传输至识别模块中，通过识别模块对道路车辆，是否堵车进行识别，并将数据传输至中心处理单元中，通过道路车辆模块、道路路标模块和道路通行模块分别对道路车辆数量进行监控、道路车道标志进行识别和对道路是否可以行驶的信息进行接收，并传输至云平台，再通过分析单元对其信息进行识别，最后将分析信息传输至规划模块中，规划模块对无人驾驶汽车所在位置与终点位置进行最优路线规划，规划决策同时兼顾驾驶的安全和舒适性。
P键词：无人驾驶；高精度地图模型；障碍规避；最优路径规划
中图分类号：TP301 文献标识码：A
文章编号：1009-3044（2022）32-0088-03
1 概述
近年来，随着科学发展和技术进步，无人驾驶技术越来越成为人们关注的焦点，其发展对于未来交通体制的重新建设有着重要价值，因此人们对无人驾驶车充满期待。目前，“无人驾驶”技术已进入实用阶段，现阶段目标就是要实现一种无人参与决策控制的自主导航系统，然而，无人驾驶的系统实现过程中遇到很多挑战，例如：过于复杂驾驶的场景一直是研究的核心点。其中有两个主要问题，第一，信息源提供的信息不准确、不稳定、不全面，无法辅助决策系统给出完整的信息支持。第二，确立一个能够适应多种环境的决策模型的过程很困难。因此，无人驾驶技术需要一种用于无人驾驶的高精度地图模型及自主导航系统。无人驾驶汽车很大程度上依靠车内的以计算机系统为核心的智能系统来实现无人驾驶[1]。在已有技术中，无人驾驶汽车在道路上行驶时，难以对帮助无人驾驶汽车进行最优化路线的分析和行驶决策的规划，使得无人驾驶汽车不能进行安全舒适的使用，且在驾驶时，难以针对道路发生的特殊情况进行报警，从而难以第一时间进行报备，且难以提高无人驾驶汽车与3D地图几何模型定位的精确度。
该文研究的目的在于提供一种用于无人驾驶的高精度地图模型及自主导航系统，经过分析单元对其信息进行识别，最后将分析信息传输至规划模块中，规划模块对无人驾驶汽车所在位置与终点位置进行最优路线规划，同时对比人类驾驶员进行控制，兼顾行车的安全性和驾驶的舒适性也是最重要的，通过报警模块的设置，对道路突然事件，进行第一时间报警，进一步增加行驶的安全性，无人驾驶汽车系统通过中子点集将无人驾驶汽车与3D地图几何模型进行联合，子点集对所标记的无人驾驶汽车进行可移动目标定位，提高定位精度，以解决目前技术存在的问题。
2 自主导航系统总体设计
该文所设计的一种用于无人驾驶的自主导航系统，该系统包括获取单元、驾驶单元、中心处理单元和突发单元，如图1所示。
2.1 系统模块设计方案
2.1.1 获取单元
获取单元用于获取目标地区的信息，进行建模，并进行存储。获取单元中包括目标采集模块、道路分析模块、差异处理模块、存储模块和建模模块，目标采集模块用于对目标区域位置及环境信息进行采集；道路分析模块用于接收目标采集模块传输的数据并对目标区域的道路进行分析，并做出相应的道路标记进行整理，道路分析模块与目标采集模块信号连接；差异处理模块用于接收道路分析模块传输的数据，并对数据中差异进行处理，进行真实还原，差异处理模块与道路分析模块信号连接[2]；存储模块用于接收差异处理模块传输的数据，并对接收的数据进行存储，存储模块与差异处理模块连接；建模模块用于接收存储模块传输的数据，并对数据进行三维地图建模，存储模块与建模模块连接，如图2所示。
2.1.2 驾驶单元
驾驶单元用于接收驾驶单元传输的信息，并与无人驾驶汽车进行连接，且对所在位置进行上传共享与定位，驾驶单元包括蓝牙模块、定位模块、共享模块和识别模块[3]，其中：蓝牙模块用于将无人驾驶汽车与三维地图建模进行连接；定位模块用于接收蓝牙模块传输的数据，并对无人驾驶汽车进行位置定位，蓝牙模块与定位模块连接；共享模块用于接收定位模块传输的数据，并将其输送上传至地图模型的云平台中，定位模块与共享模块连接；识别模块用于接收共享模块传输的数据，并对道路车辆，是否堵车进行识别，识别模块与共享模块连接，驾驶单元与获取单元连接，如图3所示。
2.1.3 中心处理单元
中心处理单元用于接收驾驶单元传输的数据，并进行道路分析，规划合适的驾驶路线，驾驶单元与中心处理单元连接；更进一步的，所述中心处理单元包括分析单元和规划模块，其中：分析单元用于对驾驶单元传输的数据进行接收，并对数据进行分析，规划模块用于接收分析单元传输的数据，并对路线进行实时规划[4]，如图4所示。
规划模块采用规划一定时间内的无人驾驶车在3D地图上坐标运动的路线以完成常规操作，比如加速、换道、减速等动作。具体而言，该系统首先对全部概率行为终点坐标进行计算，然后进一步对其他终点信息点进行收集，行驶在结构化道路中，可将无人车驾驶状态规划成多个基本行为的集合，一般情况下常规驾驶行为主要有减速、加速、换道运行和跟车行驶等。针对多种行驶状态，决策系统最终实现的基础是具体分析和判断所有驾驶动作的状态特征和演化规律。通过系统模块采集的信息源数据经过信息融合得到自定位信息和3D坐标以及周边环境，组建信息集，根据这些信息，规划模块中的一部分生成相应的规划控制信号构成策略集。在动态环境下，根据当前可利用信息对其他道路的驾驶车辆进行行为预测，排除与车辆运动规律不符或者可能会发生突然事件的轨迹，同时在此基础上对轨迹进行规则限制，如障碍物限制、安全距离限制和动力学限制等，最后提出一个可以对障碍物风险、舒适度和行车效率进行量化的框架来选择符合条件的最优轨迹，具体如图5所示。
nlc202301131349
2.1.4 突发处理单元
突发单元用于接收中心处理单元传输的数据，并对突发情况做出相应的处理，突发单元与中心处理单元连接。突发单元包括周围环境识别模块、紧急避让模块、道路超车模块和报警模块，其中：周围环境识别模块用于对无人驾驶汽车周边车辆数据进行采集。更进一步的，分析单元包括道路车辆模块、道路路标模块和道路通行模块；其中，道路车辆模块用于对道路车辆数量进行监控，并传输至云平台；道路路标模块用于对道路车道标志进行识别，并传输至云平台；道路通行模块用于对道路是否可以行驶的信息进行接收，并传输至云平台；紧急避让模块与道路超车模块分别用于接收周围环境识别模块传输的数据，通过紧急避让模块对道路突发事件进行紧急避让，通过道路超车模块根据自身需要保证安全的情况下进行超车，所述紧急避让模块与道路超车模块分别和周围环境识别模块连接[5]；报警模块分别用于接收紧急避让模块与道路超车模块传输的数据进行接收，并对道路突发事件进行第一时间报警，所述报警模块分别与紧急避让模块和道路超车模块连接，如图6所示。
2.2 自主导航系统的实施方式
该文所设计的用于无人驾驶的自主导航系统的高精度地图模型，包括以下步骤：
步骤1：通过获取单元采集目标区域道路特征，并确定每个目标区域道路的3D坐标及其周围环境；
步骤2：通过目标区域道路特征，对道路进行功能划分，路段行车方向、路段禁止限制和路段车道；
步骤3：通过功能划分，以道路车道为线，并将线进行细化为点，得到子点集；
步骤4：通过3D坐标及其周边环境，进行建立3D地图几何模型；
步骤5：通过中子点集将无人驾驶汽车与3D地图几何模型进行联合，子点集对所标记的无人驾驶汽车进行可移动目标定位[6]，如图7所示。
2.3 自主导航系统的工作原理
该文所设计的自主导航系统的工作原理为：当进行使用时，通过目标采集模块用于对目标区域位置及环境信息进行采集，并将信息传输至道路分析模块中，道路分析模块对目标区域的道路进行分析，做出相应的道路标记进行整理，并将数据传输至差异处理模块中，然后对数据中差异进行处理，进行真实还原，最后通过存储模块将数据进行存储，最后通过建模模块，对数据进行转换，并进行三维几何建模，当地图模型建模完成后，将无人驾驶汽车通过蓝牙模块与地图模型进行连接，再通过定位模块将无人驾驶汽车显示在地图模型中，并将信息传输至共享模块中，将汽车行驶数据进行上传，并将数据传输至识别模块中，通过识别模块对道路车辆、是否堵车进行识别[7]，并将数据传输至中心处理单元中，通过道路车辆模块、道路路标模块和道路通行模块分别对道路车辆数量进行监控、道路车道标志进行识别和对道路是否可以行驶的信息进行接收并传输至云平台，再通过分析单元对其信息进行识别，最后将分析信息传输至规划模块中，规划模块对无人驾驶汽车所在位置与终点位置进行最优路线规划，针对结构化的道路适用的自主导航策略，确保安全地执行像超车、换道及紧急制动这种的基本行为决策规划，最后将数据传输至突发单元中，通过周围环境识别模块对无人驾驶汽车周边车辆数据进行采集，当道路突发事件发生时，通过紧急避让模块驱动无人驾驶汽车进行紧急避让，通过道路超车模块的设置，可根据自身需要保证安全的情况下进行超车，最后可通过报警模块的设置，警报器可以在突然状况发生时第一时间报警，从而降低无人驾驶汽车行驶中的危险性，尽可能地确保行车安全。当地图模型建模完成后，将无人驾驶汽车通过蓝牙模块与地图模型进行连接，再通过定位模块将无人驾驶汽车显示在地图模型中，并将信息传输至共享模块中，将汽车行驶数据进行上传，并将数据传输至识别模块中，通过识别模块对道路车辆，是否堵车进行识别，并将数据传输至中心处理单元中，通过道路车辆模块、道路路标模块和道路通行模块分别对道路车辆数量进行监控、道路车道标志进行识别和对道路是否可以行驶的信息进行接收，并传输至云平台[8]，再通过分析单元对其信息进行识别，最后将分析信息传输至规划模块中，规划模块对无人驾驶汽车所在位置与终点位置进行最优路线规划。
只有在满足驾驶知识、实际经验、物理世界以及交通规则等条件下，即基于规则的规划下进行决策规划才能更好地解释最优路线。由于车道规划简单明了，无人驾驶车辆（UAV）在结构化道路上能够方便地识别出车辆道路等各种信息，并且能够很容易地识别出行驶在其附近车辆运动意图。无人驾驶车的主要形式场景为结构化道路，其包括高速路场景和城市道路场景，决策规划的核心内容是确保安全地实行换道、超车及紧急制动。在汽车在行驶过程中的安全问题是决策规划首先要解决的，其次，在超车、编导和避免障碍物时，需要精确地分析和判断周围情形，以免发生交通事故。另外，决策规划还应考虑驾驶舒适度以及行车效率等问题。
3 结束语
决策控制、信息交互、环境识别等众多人工智能技术集无人驾驶汽车于一体，无人驾驶车是计算机系统、信息识别与决策控制技术持续发展的结果。与现有技术相比，本设计方案的有益效果是：通过周围环境识别模块对无人驾驶汽车周边车辆数据进行采集，当道路突发事件发生时，通过紧急避让模块驱动无人驾驶汽车进行紧急避让，通过道路超车模块的设置，可根据自身需要保证安全的情况下进行超车，最后可通过报警模块的设置，报警器在道路发生突l事件时触发报警模块，第一时间报警，从而降低无人驾驶汽车行驶中的危险性。并且通过中子点集将无人驾驶汽车与3D地图几何模型进行联合，子点集对所标记的无人驾驶汽车进行可移动目标定位，提高高精度定位。
参考文献：
[1] 钱玉宝，余米森，郭旭涛，等.无人驾驶车辆智能控制技术发展[J].科学技术与工程，2022，22（10）：3846-3858.
[2] 黄志强，李军.无人驾驶汽车环境感知技术研究[J].装备机械，2021（1）：1-6.
[3] 张小俊，张泽，陈正.面向智慧园区的无人车远程约车系统[J].汽车电器，2020（5）：9-12.
[4] 洪金龙，高炳钊，董世营，等.智能网联汽车节能优化关键问题与研究进展[J].中国公路学报，2021，34（11）：306-334.
[5] 段续庭，周宇康，田大新，等.深度学习在自动驾驶领域应用综述[J].无人系统技术，2021，4（6）：1-27.
[6] 余卓渊，闾国年，张夕宁，等.全息高精度导航地图：概念及理论模型[J].地球信息科学学报，2020，22（4）：760-771.
[7] 《中国公路学报》编辑部.中国汽车工程学术研究综述・2017[J].中国公路学报，2017，30（6）：1-197.
[8] 曹行健，张志涛，孙彦赞，等.面向智慧交通的图像处理与边缘计算[J].中国图象图形学报，2022，27（6）：1743-1767.
【通联编辑：谢媛媛】
nlc202301131349
转载注明来源:https://www.xzbu.com/8/view-15444084.htm
