欢迎迅仿工程技术有限公司|Wlecome ShareFEA                               联系方式:86-21-61260759
中文 | EN

特定场景的自动驾驶汽车开发

发布时间:2020-08-20

迅仿工程具备特定场景的自动驾驶车辆开发,包括ADAS功能开发、HIL平台搭建及无人驾驶样车改制,具有自动驾驶全技术链路的开发能力,可提供整套系统方案,以及感知、决策和控制的算法开发。


感知与定位:

1.     主推多传感器融合方案,提高检测的准确性

Ÿ   摄像头和毫米波雷达融合:基于图像信息和毫米波雷达目标信息,构建出传感器目标级别以及信息特征级别的融合方案,包括目标的检测,数据关联,目标跟踪等系列算法,提升目标检测和分类的准确性,最大程度降低了目标误检,漏检的问题

Ÿ   四线激光雷达和32线激光雷达融合32线激光雷达激光点云密集,但是频率低,四线激光雷达频率高,但是数据稀疏,因此,通过利用四线的目标检测,结合32线激光雷达数据,通过激光点云位置空间对准,时序对准,以及点云的运动畸变纠正、点云匹配等方法,增加了检测精度,在一定程度解决了由于32线激光点云的稀疏特性以及低频特性带来的检测不准确问题


2.     基于信息融合的目标车辆状态估计研究,分析周围车辆的运动行为,服务于本车决策

Ÿ   基于车路关系和车辆动力学建立了目标车辆横向运动学模型,并完成了目标车辆横向运动状态的估计

Ÿ   针对多源传感器异构信息融合问题,提出异构信息融合算法,并应用于目标车辆横向运动状态估计,基于该融合框架,能够有效避免丢包等测量缺陷,提升目标车辆横向运动状态的估计精度

3.     基于标签伯努利滤波的多车跟踪

Ÿ   基于几何不变性原则设计基于单线激光雷达数据的车辆检测器,实现了车辆目标的检测;针对多车跟踪中的数目及状态估计问题,基于概率假设密度滤波器并结合多模型理论设计多模型概率假设滤波器用于多机动车辆目标的跟踪

Ÿ   采用单线激光雷达,基于扩展多伯努利滤波器的多车跟踪,提出了迭代最近点搜索的单行激光雷达数据划分算法实现单线激光雷达数据的准确划分,该算法对于存在遮挡的情况的划分效果显著提升

 

4.     激光SLAM+IMU定位,提高定位精度

Ÿ   在室外环境中,激光SLAM+IMU方案能连续创建完整室外栅格地图,定位精度可以持续保持在15cm以内

Ÿ   在室内(车库)环境中,激光SLAM+IMU方案鲁棒性增强,定位精度可以持续保持在10cm以内

 

5.     基于UWB的无人驾驶车辆定位,在GPS信号缺失情况下提供高精度定位信息

Ÿ   针对自动驾驶车辆定位场景,提出了基站布置优化算法,并通过定位算法的开发,完成定位系统的搭建,并通过实验验证了算法的有效性,实验验证动态定位位置误差10cm,动态速度误差0.5m/s

 

6.     路测激光阵列定位研究,为场景单一、车速较低的应用环境提供自动化驾驶需求,道路码头等特殊使用条件

Ÿ   针对无人码头的AGV运输车定位问题,提出了一种基于路侧激光雷达阵列的车辆定位算法,可以实现对港口车辆准确、实时的检测。由于国内外还没有商用先例可供参考,对单线和十六线激光雷达的定位算法都进行了开发

决策规划:

确定无人车辆的起点位置与终点位置后,根据给定的全局路网信息及根据道路交通规则确定的一套连通性矩阵,确定一条由起点到终点的权值最小的全局路径,并用于后续局部路径规划。结合全局路径信息,以及局部的传感器(包括激光雷达,摄像头,毫米波,惯导等)感知定位信息,采用多级以及多模型的路径规划方法,同时结合特定的轨迹评价系统,最终产生合适的路径,辅助无人车进行智能决策:

 

        全局路径规划

        局部路径规划

        实时路径规划

 

单车控制执行:

 

1.     自主泊车控制:针对平行泊车场景,推导了双圆弧路径规划的约束条件,通过约束条件算出了最小停车位长度和可泊入初始区域的准确数学描述,利用可泊入初始区域,提出了任意初始位姿的半实时多段平行泊车路径规划方法

 

2.     矿用卡车无人驾驶控制研究与功能实现:针对矿区道路中车、人以及土石障碍物场景,实现无人矿卡障碍物检测、AEB和避障功能;针对矿用卡车的特殊装卸货需求,实现“人字形”倒车及自动卸货功能。

 

多车控制领域

 

1.     基于V2V的多车路口协同控制:基于车辆通过先到先得原则获取优先级。每辆车均载有本地MPC控制器,以此来计算本车的最优前轮转角和加速度参考值。车辆广播自身行驶状态信息(位置,速度,优先级)的同时获取其他车辆的交互状态信息,通过DMPC算法实现了多车路口协同控制

2.     基于分布式模型预测控制的多运动模式智能交叉口研究:针对车辆动力学模型推导预测模型,并增加车辆动力学约束,同时将安全约束条件通过混合数转换为混合整数;针对交叉口安全问题,采用更能表征车辆运动特征的动力学模型,并通过分布式模型预测控制,使得车辆在满足各种动力学及安全约束要求的情况下,无碰撞通过交叉口,并通过MATLABCarSim联合仿真验证。

 

3.     基于V2V的多车编队控制:基于V2V信息共享的分布式多车道汇车编队。在没有参考速度和位置信息的情况下,采用最邻近通信拓扑共享的车辆位置和速度信息,进行间距和速度一致性控制,完成向目标车道汇入并形成稳定队列。

 

4.     基于数据驱动的自适应动态规划方法及其在多车协同控制领域的应用:针对CCC系统架构,基于数据驱动的自适应动态规划方法对无人驾驶车辆的控制器进行设计,同时考虑纵向车辆动力学的惯性延时对控制器设计的影响,研究leader的随机扰动对多车协同控制系统队列稳定性的影响;基于数据驱动的自适应动态规划方法,研究两车队合并。