使用高清地圖數據的高度自動駕駛系統的一個主要先決條件是了解車輛的位置。這個位置需要比單獨使用 GNSS 傳感器具有更高的精度。因此,可以使用陀螺儀或里程計等各種其他傳感器系統來增強位置估計。該貢獻描述了一個使用另一個輸入 ADASISv3 地圖數據來改進定位的系統。地圖數據從地圖數據庫接收,然后與來自攝像系統的交通標志測量值進行比較。
圖 1. EB robinos 軟件架構
比較結果用于增強車輛的位置。該系統已在現實世界中使用測試車輛進行了評估。對場景和測試結果的描述包含在貢獻中。
介紹
在不久的將來,自動駕駛功能將在越來越多的車輛中成為現實。底層功能包括感知車輛及其周圍環境的傳感器系統、遵循系統目標的決策模塊以及執行決策的執行器(參見圖 1)。這種所謂的感知-計劃-行動 [1] 路徑構成了許多現代自動駕駛架構的基礎。
感知部分將使用各種各樣的傳感器。除了環境感知傳感器(例如激光雷達、雷達、攝像頭)之外,內部感知傳感器(例如車輪滴答聲、陀螺儀)和定位傳感器(例如 GPS)用于評估自動駕駛汽車的整體情況。這三個傳感器類別中的每一個都支持為高度自動駕駛 (HAD) 系統計算位置和自我運動信息。這些信息簡化了感知和決策模塊中的許多算法。但是,沒有單個傳感器可以提供高頻率的高精度安全等級位置,以支持系統的決策或環境感知單元。如果一個系統需要一個全局位置來與全局框架中的其他車輛相關或與全局地圖數據匹配,那么它甚至會變得更加復雜。
因此,基于多個傳感器輸入在 HAD 系統中提供高度準確的安全評級位置的軟件組件對于滿足 HAD 應用程序的需求至關重要。一種可能性是添加第四種“傳感器”:高清 (HD) 地圖。該數據包含可以被攝像機或其他外部傳感器檢測到的地標信息(例如交通標志、電線桿),并為與其他數據融合的全球位置提供第二個來源。
系統上下文
整個系統由三個不同的處理組件組成,如圖 2 所示。數據處理從接收和提供車輛內的地圖數據開始。該數據通過在線連接接收,或者可以本地存儲在硬盤驅動器上。但是,由于 HAD 地圖數據需要保持最新狀態,因此在線案例更有可能。所有主要的地圖提供商(例如 TomTom)都提供這種可能性,并通過網絡提供有關地標的信息。接收后,數據以標準化的電子地平線格式 ADASISv3 提供(見第 3 節)。由于可能還有其他系統也接收 ADASISv3 數據流,因此每個系統都需要自己的 ADASISv3 Reconstructor 來提供易于訪問的數據結構。該數據結構包含電子地平線樹的所有信息,包括該系統所需的地標。然后,基于地標的定位組件 (LbL) 訪問地標并從相機系統接收外部感知信息。在成功匹配的情況下,LbL 為第三個組件提供絕對位置更新。定位模塊將傳統傳感器輸入(例如陀螺儀、里程表、GNSS)與 LbL 相結合,并為所有 HAD 系統組件提供單一真實定位信息源。
圖 2. 系統概覽
以 ADASIS v3 格式映射數據
向自動駕駛汽車提供地圖數據是改善駕駛行為和簡化算法設計的關鍵因素。ADASIS 論壇已指定用于序列化和描述 ADAS 應用程序的地圖數據的描述格式。ADASISv2 格式已在業界廣泛用于當前最先進的 ADAS 系統。但是,此 v2 格式僅關注 SAE L0-L2 系統。它不提供車道準確的地圖信息,并且缺少僅用于更高自動化級別的各種信息。
ADASISv3 提供程序接收地圖數據和位置。然后它會構建一個電子地平線 (eHorizon) 來描述車輛即將到來的道路網絡。此 eHorizon 包含所有必要信息。ADASISv3 標準將 eHorizon 描述為一條或多條路徑。這些路徑包含有關可用通道、與其他路徑的互連以及所謂的配置文件的信息。這些配置文件包含有關路徑的各種不同元素的信息。這從單個事件概況(例如交通標志)開始,越過附加到區域的斜坡,直至附加到路徑的速度限制。然后將此 ADASISv3 eHorizon 序列化并通過車輛網絡發送到所有 ADAS ECU 進行處理。這種轉移可以在一個步驟中完成。然而,更常見的是增量傳輸。
ADASISv3 標準已經定義了許多配置文件。但是,也可以通過自定義配置文件擴展配置文件集。這些配置文件包含客戶特定的信息。對于本文稿中描述的系統,EB 通過包含地標信息的配置文件擴展了 ADASISv3 標準。該展示使用從高清地圖接收的交通標志及其地理位置。
基于地標的定位
基于地標的定位的一般處理鏈如圖3所示。首先,系統檢測作為定位候選的交通標志。這些交通標志不僅需要檢測,還需要相對于車輛進行定位。大規模生產的通用交通標志檢測系統可能無法提供此數據,或者可能不如 LbL 所需的準確。檢測到交通標志后,系統會嘗試在高清地圖中查找交通標志。此查找受限于車輛的當前位置。隨著交通標志的重新定位、更改、移除或新放置,此查找可能會導致不同的結果:
交通標志被發現并且是明確的。
發現多個交通標志,無法確定檢測到哪個標志。
在地圖數據庫中找不到任何標志。
圖3. 一般處理鏈
案例 1 是使系統能夠在鏈中進行的情況。案例 2 和案例 3 導致無法使用交通標志檢測。
增量位置計算是 LbL 的主要步驟。為了之后更新位置,LbL 需要計算位置偏移和估計的測量精度。該計算的基本假設是地圖數據L的測量值M和地標位置都是正確的。需要使用車輛的自我位置 E 將測量值從傳感器坐標系轉移到全局位置:
Mego = RotateZ(M+E)
之后,LbL 可以通過 M 和 L 的減法計算出增量位置 ΔP:
ΔP = M – L
第二部分結果的計算基于高斯誤差傳播。然后將結果轉發到位置更新。流程鏈現在重新開始。
審核編輯:郭婷
-
汽車電子
+關注
關注
3029文章
8037瀏覽量
167957 -
adas
+關注
關注
309文章
2199瀏覽量
208926 -
自動駕駛
+關注
關注
785文章
13954瀏覽量
167236
發布評論請先 登錄
相關推薦
淺析基于自動駕駛的4D-bev標注技術
![淺析基于<b class='flag-5'>自動駕駛</b>的4D-bev標注技術](https://file1.elecfans.com/web3/M00/01/59/wKgZO2dSoE6AFL3eAACJGpw83rQ068.png)
MEMS技術在自動駕駛汽車中的應用
自動駕駛技術的典型應用 自動駕駛技術涉及到哪些技術
FPGA在自動駕駛領域有哪些優勢?
FPGA在自動駕駛領域有哪些應用?
ISP數據在精確定位中的技術實現
服務提供商數據在精確定位中的應用
高壓電纜故障預警與精確定位裝置,一秒鎖定故障點!
隧道zigbee精確定位系統優勢及功能
![隧道zigbee<b class='flag-5'>精確定位</b>系統優勢及功能](https://file1.elecfans.com/web2/M00/F7/7C/wKgaomaCW3uAVfRnAAA7f-DIStI327.png)
評論