導(dǎo)讀
環(huán)境模型(不同于環(huán)境理解),再加上路徑搜索就構(gòu)成了路徑規(guī)劃。通常,環(huán)境模型有三大類,分別是柵格法、可視圖法、自由空間法。路徑搜索的算法比較多,如:Dijkstra、Floyd-Warshall、A+算法、層次法、動(dòng)作行為法、勢(shì)場(chǎng)域法、柵格法、模糊邏輯法、拓?fù)浞ā土P函數(shù)法、遺傳算法、模擬退火法、蟻群法和神經(jīng)網(wǎng)絡(luò)法等。
無人駕駛汽車的技術(shù)路線已經(jīng)確定,那就是輪式機(jī)器人的技術(shù)路線。輪式機(jī)器人技術(shù)完全適用于無人駕駛汽車,這已經(jīng)從2007年的DARPA大賽一直到最近谷歌、福特、百度等的無人駕駛試驗(yàn)汽車,有了超過十年的驗(yàn)證。目前所有無人駕駛汽車基礎(chǔ)算法的研究都源自機(jī)器人技術(shù)。
無人駕駛汽車需要解決三個(gè)問題:即環(huán)境感知及實(shí)時(shí)定位,計(jì)算分析以及路徑規(guī)劃,還有就是控制執(zhí)行。今天我們來討論一下計(jì)算分析以及路徑規(guī)劃的問題。
首先我們來說明一下以下三個(gè)概念:路徑規(guī)劃、避障規(guī)劃、軌跡規(guī)劃。
路徑規(guī)劃通常指全局的路徑規(guī)劃,也可以叫全局導(dǎo)航規(guī)劃,從出發(fā)點(diǎn)到目標(biāo)點(diǎn)之間的純幾何路徑規(guī)劃,無關(guān)時(shí)間序列,無關(guān)車輛動(dòng)力學(xué)。
避障規(guī)劃又叫局部路徑規(guī)劃,又可叫動(dòng)態(tài)路徑規(guī)劃,也可以叫即時(shí)導(dǎo)航規(guī)劃。主要是探測(cè)障礙物,并對(duì)障礙物的移動(dòng)軌跡跟蹤(Moving Object Detection and Tracking,一般縮寫為MODAT),做出下一步可能位置的推算,最終繪制出一幅包含現(xiàn)存碰撞風(fēng)險(xiǎn)和潛在碰撞風(fēng)險(xiǎn)的障礙物地圖,這個(gè)潛在的風(fēng)險(xiǎn)提示是100毫秒級(jí),未來需要進(jìn)一步提高,這對(duì)傳感器、算法的效率和處理器的運(yùn)算能力都是極大的挑戰(zhàn),避障規(guī)劃不僅考慮空間還考慮時(shí)間序列,在復(fù)雜的市區(qū)運(yùn)算量驚人,可能超過30TFLOPS,這是無人車難度最高的環(huán)節(jié)。未來還要加入V2X地圖,避障規(guī)劃會(huì)更復(fù)雜,加入V2X地圖,基本可確保無人車不會(huì)發(fā)生任何形式的主動(dòng)碰撞。
軌跡規(guī)劃則源自機(jī)器人研究,通常是說機(jī)械臂的路徑規(guī)劃。 在無人車領(lǐng)域,軌跡規(guī)劃的定義感覺不統(tǒng)一。有人將避障規(guī)劃與軌跡規(guī)劃混淆了。軌跡規(guī)劃應(yīng)該是在路徑規(guī)劃和避障規(guī)劃的基礎(chǔ)上,考慮時(shí)間序列和車輛動(dòng)力學(xué)對(duì)車輛運(yùn)行軌跡的規(guī)劃,主要是車縱向加速度和車橫向角速度的設(shè)定。將設(shè)定交給執(zhí)行系統(tǒng),轉(zhuǎn)向、油門、剎車。如果有主動(dòng)懸掛,那么軌跡規(guī)劃可能還要考慮地形因素。
三大規(guī)劃是無人車最復(fù)雜的部分,算法多不勝數(shù),讓人眼花繚亂,這也是百度、谷歌和蘋果等科技巨頭要切入無人車領(lǐng)域的主要原因,這些科技巨頭最擅長(zhǎng)的就是算法的優(yōu)化整合。當(dāng)然傳統(tǒng)車廠如福特和豐田,擁有對(duì)車輛動(dòng)力學(xué)的絕對(duì)優(yōu)勢(shì),在此領(lǐng)域?qū)嵙Σ⒉槐瓤萍季揞^要差,尤其是豐田,從開源SLAM到KITTI,軟件實(shí)力絲毫不次于谷歌。
全局型路徑規(guī)劃不算復(fù)雜,前提是有拓?fù)浼?jí)地圖,這對(duì)地圖廠家來說很容易的。對(duì)于非地圖廠家是有點(diǎn)麻煩的,不過只能算小麻煩。所以我們重點(diǎn)講避障規(guī)劃,避障規(guī)劃的前提是對(duì)周圍環(huán)境有深刻的理解,有一個(gè)非常完善實(shí)時(shí)的的環(huán)境理解。
有了環(huán)境模型(不同于環(huán)境理解),再加上路徑搜索就構(gòu)成了路徑規(guī)劃。通常,環(huán)境模型有三大類,分別是柵格法、可視圖法、自由空間法。路徑搜索的算法就多了,Dijkstra、Floyd-Warshall、A+算法、層次法、動(dòng)作行為法、勢(shì)場(chǎng)域法、柵格法、模糊邏輯法、拓?fù)浞ā土P函數(shù)法、遺傳算法、模擬退火法、蟻群法和神經(jīng)網(wǎng)絡(luò)法等。需要指出的是,大多數(shù)算法都是誕生于六十年代。
這還僅僅是2D層面的,3D層面的將更加復(fù)雜。每一種算法下面還有再細(xì)分的算法,讓人看了頭暈?zāi)垦!R驗(yàn)楹苌儆形墨I(xiàn)說3D路徑算法,我們就多說幾句,3D路徑算法大體可以分為五類,取樣算法(Sampling)、節(jié)點(diǎn)算法(Node)、工程數(shù)學(xué)模型算法(Mathematics)、仿生學(xué)算法(Bioinspired)、混合算法(MultiFusion)。以取樣型算法為例,下面可以再分主動(dòng)型與被動(dòng)型。主動(dòng)型下面還可以再細(xì)分。
1.取樣型3D路徑規(guī)劃
2.節(jié)點(diǎn)型算法下面再分三大類
3.環(huán)境建模方面,柵格法是公認(rèn)最成熟的算法,柵格法應(yīng)該也是安全系數(shù)最高的算法,也是最耗運(yùn)算資源的算法。不過無人車要考慮安全,安全是第一位的,成本是第二位的,同時(shí)有英偉達(dá)和英特爾這樣的半導(dǎo)體巨人在不斷提高運(yùn)算性能,運(yùn)算資源不用過多考慮。
4.柵格法把工作空間分割成規(guī)則而均勻的含二值信息的柵格。在機(jī)器人移動(dòng)的過程中,柵格的尺寸和位置不變。二值信息分別表示該柵格處是否有障礙,沒有障礙的柵格稱為自由柵格,否則為障礙柵格。柵格的尺寸通常和機(jī)器人的基本移動(dòng)步長(zhǎng)相適應(yīng),故機(jī)器人移動(dòng)轉(zhuǎn)化成從一個(gè)自由柵格移動(dòng)到下一個(gè)自由柵格,機(jī)器人移動(dòng)的路長(zhǎng)對(duì)應(yīng)于機(jī)器人爬過的柵格數(shù)。柵格法直觀且建模相對(duì)較容易,因此得到了廣泛的應(yīng)用。
5.另外兩種算法,可視圖法和自由空間法和柵格法相比的優(yōu)點(diǎn)是比較靈活,對(duì)運(yùn)算資源消耗少。缺點(diǎn)很明顯,障礙物多少與算法復(fù)雜程度成正比,算法太復(fù)雜時(shí)可靠性就降低,同時(shí)不太適合動(dòng)態(tài)環(huán)境,要求運(yùn)動(dòng)速度變化盡量小。柵格法的缺點(diǎn)是如果分辨率高,對(duì)運(yùn)算資源和內(nèi)存需求較高。顯然,可視圖法和自由空間法適合機(jī)器人,柵格法更適合無人車,這在業(yè)內(nèi)差不多已經(jīng)是定論。這和傳感器也有部分關(guān)系,視覺系統(tǒng)難以適應(yīng)太精細(xì)的格柵法,因?yàn)橐曈X系統(tǒng)的要做精細(xì)的定量邊界分割是不可能的,而激光雷達(dá)非常適合柵格法。
路徑搜索方面,典型的如Dijkstra (迪杰斯特拉)算法。
Dijkstra(迪杰斯特拉)算法是最短路算法的經(jīng)典算法之一,由E.W.Dijkstra在1959年提出的。該算法適于計(jì)算道路權(quán)值均為非負(fù)的最短路徑問題,可以給出圖中某一節(jié)點(diǎn)到其他所有節(jié)點(diǎn)的最短路徑,以思路清晰,搜索準(zhǔn)確見長(zhǎng)。相對(duì)的,由于輸入為大型稀疏矩陣,又具有耗時(shí)長(zhǎng),占用空間大的缺點(diǎn)。
軌跡規(guī)劃則研究的很少,因?yàn)榇蟛糠挚萍脊径紱]能力在車輛動(dòng)力學(xué)領(lǐng)域一展拳腳。科技公司都將精力花在如何生成軌跡上,而對(duì)于生成的軌跡是否滿足運(yùn)動(dòng)學(xué)約束、側(cè)滑約束以及執(zhí)行機(jī)構(gòu)約束,即軌跡的可行性,研究相對(duì)較少。對(duì)于無人車這一受非完整性約束的系統(tǒng),研究人員通常基于車體模型進(jìn)行軌跡規(guī)劃。按照車體模型的精確程度,軌跡規(guī)劃方法可以進(jìn)一步分為基于模型預(yù)測(cè)控制(Model predictive control, MPC) 以及基于幾何軌線的規(guī)劃方法。基于模型預(yù)測(cè)的無人車軌跡規(guī)劃方法首先由 Kelly A和NagyB提出。
對(duì)于移動(dòng)機(jī)器人來說,軌跡生成問題主要研究如何生成一系列動(dòng)作,使得機(jī)器人由初始狀態(tài)到達(dá)目標(biāo)狀態(tài)。對(duì)于無人車來說,其初始狀態(tài)包括其二維坐標(biāo)(x, y)、 航向角 ψ 以及曲率 κ。
實(shí)際情況遠(yuǎn)比這復(fù)雜,還需要建立大量的數(shù)學(xué)方程。良好的規(guī)劃必須建立對(duì)周邊環(huán)境,尤其是動(dòng)態(tài)環(huán)境的深刻理解。這就是下面要闡述的自動(dòng)駕駛核心技術(shù)第三部分:MODAT。
感知、決策(路徑規(guī)劃)、定位都是基于傳感器或軟件系統(tǒng)的,這也是科技類廠家的強(qiáng)項(xiàng),不過線控執(zhí)行系統(tǒng)則是傳統(tǒng)汽車產(chǎn)業(yè)(不一定是整車廠)的絕對(duì)強(qiáng)項(xiàng),這也是科技類廠家注定無法獨(dú)立造車的主要原因,無論是谷歌還是百度,都必須要與傳統(tǒng)汽車產(chǎn)業(yè)聯(lián)合,才能進(jìn)軍無人車領(lǐng)域。有機(jī)會(huì)我們說說線控執(zhí)行。
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4810瀏覽量
102972 -
自動(dòng)駕駛
+關(guān)注
關(guān)注
788文章
14231瀏覽量
169817
原文標(biāo)題:自動(dòng)駕駛技術(shù)之——路徑規(guī)劃
文章出處:【微信號(hào):iotmag,微信公眾號(hào):iotmag】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
汽車自動(dòng)駕駛技術(shù)
自動(dòng)駕駛真的會(huì)來嗎?
細(xì)說關(guān)于自動(dòng)駕駛那些事兒
自動(dòng)駕駛的到來
AI/自動(dòng)駕駛領(lǐng)域的巔峰會(huì)議—國(guó)際AI自動(dòng)駕駛高峰論壇
UWB主動(dòng)定位系統(tǒng)在自動(dòng)駕駛中的應(yīng)用實(shí)踐
中國(guó)自動(dòng)駕駛行業(yè)前景看好,國(guó)產(chǎn)技術(shù)迅速發(fā)展
自動(dòng)駕駛汽車的定位技術(shù)
如何讓自動(dòng)駕駛更加安全?
轉(zhuǎn)發(fā):聊聊邊緣計(jì)算在自動(dòng)駕駛中的應(yīng)用場(chǎng)景
UWB定位可以用在自動(dòng)駕駛嗎
網(wǎng)聯(lián)化自動(dòng)駕駛的含義及發(fā)展方向
自動(dòng)駕駛系統(tǒng)設(shè)計(jì)及應(yīng)用的相關(guān)資料分享
自動(dòng)駕駛技術(shù)的實(shí)現(xiàn)
自動(dòng)駕駛之路徑規(guī)劃

評(píng)論