2021-11-16

一. 自动驾驶汽车体系结构概述
感知系统-光探测和测距(Lidar),无线电探测和测距(雷达), 惯性测量单元(IMU),GPS, 摄像机,里程表
决策系统-从起点到终点,兼顾车辆状态, 内部表现, 交通规则,乘客舒适度
定位模块–行为选择器模块–运动规划模块
二 感知模块
1.定位
1.基于激光雷达的定位
2.基于激光雷达和相机方式定位
3.基于相机方式的定位
2.离线障碍物地图
这个子系统负责自动驾驶汽车环境中障碍物地图的计算

3.道路建模
负责感知道路

4.移动物体跟踪(MOT)
负责检测和跟踪运动障碍物
1.Traditional Based MOT
数据分割:利用聚类或模式识别技术进行分割
数据关联:将数据段与移动障碍物进行关联
数据过滤:对于移动障碍物,通过分派给的目标数据进行位置估计,常用方法是卡尔曼滤波或者粒子滤波
2. Model Based Mot
直接从传感器推断,不需要分割和关联,因为几何对象模型已经进行了关联
3. Stereo Vision Based MOT
依靠立体图像提供的颜色和深度信息来跟踪环境中的运动障碍物
4. Grid Map Based MOT
基于栅格地图, 分格子,分层,然后再提取特征
5. Sensor Fusion Based MOT
基于传感器融合
6、Deep Learning Based MOT
基于深度学习

5.交通信号检测与识别
交通灯
交通标志
自动驾驶周围环境中的路面标记

三.决策模块
路线规划–行为规划–运动规划–控制子系统
1.Route Planning
规划起点到终点的路线
(1). Goal-Directed Techniques
目标导向技术通过避免扫描不在目标顶点方向上的的代理来引导从源顶点到目标顶点的搜索,如A*,Dij…
(2). Separator-Based Techniques
基于分隔符的技术基于顶点或边的分割
(3).Hierarchical Techniques
层次技术利用了道路网络固有的层次结构,主要道路组成一个小的干线子网
(4).Bound-Hop techniqs
有界跳技术通过向途中添加虚拟快捷方式来预计算顶点对之间的距离
(5).算法的结合
可以将各种技术组合到利用不同图形特性的混合算法中
2.Motion Planning
运动规划子系统负责计算从自动驾驶汽车的当前状态到行为选择子系统定义的下一个局部目标状态的路径与轨迹
(1). Path Planning
路径规划包括从汽车当前状态到下一目标状态生成一系列状态,这并不定义汽车状态随时间的演变
(2). 轨迹规划
轨迹规划包括从自动驾驶的当前状态到下一目标状态的序列生成, 该序列指定汽车状态随时间的演变.

3 Control
无人为干扰
设置loss
路径跟踪:车辆模型存在误差的情况下稳定运动计划的执行
硬件驱动:计算在执行器模型和其他模型不准确的情况下稳定运动的执行