ADAS/AD控制器模块开发06 - 高精地图与自动驾驶

本文介绍下AD自动驾驶技术的“神器”- 高精地图，也称开了挂的“地图传感器”。

 

一、有HD-Map之前的ADAS是如何实现车辆控制的？

在高精地图加持之前的ADAS系统，功能一般是由感知+数据处理+系统状态机+PID控制器（或LQR控制器）组成的。拿智能前视摄像头模块实现LKA功能为例，按照dataflow来梳理：

1. 通过镜头和COMS图像传感器来获取单帧图片；
2. 按照感兴趣区域（ROI，region-of-interest）裁剪图片；
3. 图片经过灰度化、二值化，获得车道线的Lane_marklet（车道线标记小段，如图1）；
4. 通过霍夫变换，将marklet拟合成Lane_segments（车道线段，如图2）；
5. 将Lane_segments的位置从图片坐标系转换为世界坐标系；
6. 对Lane_segments进行合并，合并不了的删除掉；
7. 从整车CAN上抓取vehicle speed、yawrate等信号，用于计算三阶车道线模型，获得车道线的Lane_geometry。所谓的三阶车道线模型，即Lateral Offset = a0 + a1*x + a2*x2+ a3*x3 ; 其中，x - longitudinal range x X向参考距离；该距离x=V(车速) * Tpreview(sec) , T 代表0.5-1秒之间的一个标定值。a0 - 当前Y向位置； a1 - Y向速度； a2 - 曲率；a3 - 曲率变化率。
8. 通过卡尔曼滤波器，跟踪并更新车道线的Lane_geometry（车道几何线，用于抽象车道线，如图3）的几何形状；
9. 通过霍夫变换的信心值和车道线跟踪器的信心值，获得车道线的信心值；
10. 将车道线信息和来自车辆CAN上的其他信息（车速、YawRate、steer angle等）传给LKA功能；
11. LKA对各种输入信号进行数据处理，例如滤波、判断等；
12. 计算可以直接被LKA状态机使用的判断信号，如TTLC（time to lane crossing）、Lane position、车轮外缘到车道线的距离、Lane change、Road status（路面曲率等）、方向盘转角的inhibit信号、油门踏板的inhibit信号、刹车踏板的inhibit信号等等；
13. LKA主状态机进行LKA状态控制，状态包括：fault、off、standby、enabled、intervention left、intervention right、warning left、warning right等状态，如图6；
14. 利用前馈PID控制器，通过引入主状态机的状态信号，以及横向速度、距离车道线横向距离、heading angle、横向加速度、路面曲率等参数，建立基于车辆运动状态和路面状态的前馈PID控制模型，计算转向扭矩。

图1 Lane Marklet 车道线标记小段，黄色

 

图2 Lane Segments 车道线段，红色

 

图3 Lane Geometry 车道几何线，绿色

 

图4 车道线检测算法框图

 

图5 LKA功能架构

 

图6 LKA主状态机

 

通过上述描述，可以悉知，在ADAS功能中，根本没有planning模块，车辆控制完全没先验轨迹（如图7的绿色轨迹段）的存在，控制全靠计算车辆与两个车道线之间的动态关系，利用PID控制器直接生成控制扭矩，来控制车辆的状态。而AD领域的车辆控制，是有先验轨迹的存在的，所有的精华都在先验轨迹的生成，只要计算出先验轨迹，车辆的真正控制非常简单，例如按照先验轨迹分解出车辆的速度-转角控制量，然后速度再分解成加速度、减速度。加速度对应油门，减速度对应刹车，转角对应方向盘转角，车辆就可以按照先验轨迹作为pilot，最大程度的拟合先验轨迹行驶。这也就是所谓的ROS机器人技术路线（ROS，Robot Operating System 机器人操作系统）。这条“先验轨迹”，其实就是像工厂里的物料小车一样，只不过工厂的物料小车是按照路面上事先贴好的磁性轨迹行驶的（如图7），而智能驾驶车的先验轨迹是存在于planing算法模块中的。