江苏龙网

  1. 首页 > 人文 > >

『3D视觉工坊』自动驾驶综述|定位、感知、规划常见算法汇总

作者：TomHardy
Date：2020-05-05
来源：自动驾驶综述|定位、感知、规划常见算法汇总
自驾车自动驾驶系统的体系结构一般分为感知系统和决策系统 。 感知系统一般分为许多子系统 ， 负责自动驾驶汽车定位、静态障碍物测绘、移动障碍物检测与跟踪、道路测绘、交通信号检测与识别等任务 。 决策系统通常被划分为许多子系统 ， 负责诸如路径规划、路径规划、行为选择、运动规划和控制等任务 。
一、自动驾驶汽车体系结构概述
这一部分概述了自动驾驶汽车自动化系统的典型体系结构 ， 并对感知系统、决策系统及其子系统的职责进行了评述 。
下图显示了自动驾驶汽车系统的典型架构框图 ， 其中感知和决策系统显示为不同颜色的模块集合 。 感知系统负责使用车载传感器捕获的数据 ， 如光探测和测距（LIDAR）、无线电探测和测距（雷达）、摄像机、全球定位系统（GPS） ， 惯性测量单元（IMU）、里程表 ， 以及有关传感器模型、道路网络、交通规则、汽车动力学等的先验信息的决策 。
决策系统负责将汽车从初始位置导航到用户定义的最终目标 ， 考虑到车辆状态和环境的内部表现 ， 以及交通规则和乘客的舒适度 。 为了在整个环境中导航汽车 ， 决策系统需要知道汽车在其中的位置 。 定位器模块负责根据环境的静态地图估计车辆状态（姿态、线速度、角速度等） 。 这些静态地图在自动操作之前自动计算 ， 通常使用自动驾驶汽车本身的传感器 ， 尽管需要手动注释（即人行横道或红绿灯的位置）或编辑（即移除传感器捕获的非静态物体） 。 自动驾驶汽车可以使用一个或多个不同的离线地图 ， 如占用网格地图、缓解地图或地标地图 ， 进行定位 。
定位模块接收离线地图、传感器数据和平台里程计作为输入 ， 并生成自动驾驶汽车的状态作为输出 。 需要注意的是 ， 虽然GPS可能有助于定位控制器的处理 ， 但由于树木、建筑物、隧道等造成的干扰 ， 使得GPS定位不可靠 ， 仅GPS在城市环境中进行适当的定位是不够的 。 映射器模块接收离线地图和状态作为输入 ， 并生成在线地图作为输出 。 该在线地图通常是离线地图中的信息和使用传感器数据和当前状态在线计算的占用网格地图的合并 。 在线地图最好只包含环境的静态表示 ， 因为这可能有助于决策系统的某些模块的操作 。 为了允许检测和移除在线地图中的移动对象 ， 通常使用移动对象跟踪模块或MOT 。
『3D视觉工坊』自动驾驶综述|定位、感知、规划常见算法汇总
文章图片
行为选择器模块负责选择当前的驾驶行为 ， 如车道保持、交叉口处理、红绿灯处理等 。 行为选择器根据当前驾驶行为选择目标 ， 并在决策时间范围内避免与环境中的静态和移动障碍物发生碰撞 。 运动规划模块负责计算从当前车辆状态到当前目标的轨迹 ， 该轨迹遵循行为选择器定义的路径 ， 满足车辆的运动学和动力学约束 ， 并为乘客提供舒适性 。
二、感知模块在这一部分中 ， 我们研究了文献中提出的自动驾驶汽车感知系统的重要方法 ， 包括定位（或定位）、离线障碍物映射、道路映射、移动障碍物跟踪和交通信号检测与识别 。
定位模块负责估计自动驾驶汽车相对于地图或道路的姿态（位置和方向）（例如 ， 由路缘或道路标记表示） 。 大多数通用定位子系统都是基于GPS的 。 然而 ， 总的来说 ， 它们不适用于城市自动驾驶汽车 ， 因为GPS信号不能保证在封闭区域 ， 如树下、城市峡谷（被大型建筑物包围的道路）或隧道中 。 文献中提出了各种不依赖GPS的定位方法 。 它们主要分为三类：基于激光雷达的、基于激光雷达加相机的和基于相机的 。 基于激光雷达的定位方法完全依赖于激光雷达传感器 ， 具有测量精度高、处理方便等优点 。 然而 ， 尽管激光雷达行业努力降低生产成本 ， 但与相机相比 ， 它仍然有很高的价格 。 在典型的基于LIDAR+camera的定位方法中 ， LIDAR数据仅用于建立地图 ， 并使用相机数据估计自动驾驶汽车相对于地图的位置 ， 从而降低了成本 。 基于摄像机的定位方法是廉价和方便的 ， 尽管通常不太精确和可靠 。


推荐阅读


上一篇：[野生喵]买个电风扇用于春夏过渡，难道不香吗，不到200元

下一篇：『猫君说应用』我把三大运营商的羊毛给薅了！