2.3 软件构架(第二章 自动驾驶的软硬件构架)

加粗样式## 2.3 软件构架(Software Architecture)

学习内容:

1.	自动驾驶软件系统的基础结构
2.	标准的软件组成
	a)	Environment Perception(环境感知)
	b)	Environment Mapping(环境绘图)
	c)	Motion Planning(运动规划)
	d)	Controller(车辆控制)
	e)	System Supervisor(监控系统)

在这里插入图片描述
软件构架:

在这里插入图片描述

  1. 环境感知(Environment Perception)
    识别无人车当前所处的位置
    对用于驾驶任务环境的重要元素进行分类与定位,元素包括:其他汽车、行人、自行车、道路/标记、标线等影响驾驶行为的物体。
  2. 环境绘图(Environment Mapping)
    创建一组地图用于定位无人车周围环境的对象,从避免碰撞到运动跟踪和运动计划
  3. 运动规划(Motion Planning)
    根据自于感知模块和绘图模块提供信息,做出采取哪种行动、驶向哪里的决定。目的是输出安全、高效和舒适的规划路径,使车辆向目标移动。
  4. 车辆控制(Controller)
    控制器模块得到路径并确定最佳转向角,油门位置,制动踏板位置和档位设置,以精确地遵循规划路径。
  5. 监控系统(System Supervisor)

监控软件堆栈的所有部分
硬件输出
警示驾驶人系统中存在的问题
目的:确保所有系统都能按预期工作

在这里插入图片描述

环境感知

空间中的自我定位

定位模块接受多个信息流,如当前的GPS位置,IMU测量单元和车轮测距,并将上述信息进行整合,以输出准确的车辆定位。
为了获得更高的准确度,一些定位模块还包括了LIDAR和相机的数据。

对环境的重要元素进行分类和定位
检测环境中的动态目标:动态对象检测模块使用一组摄像机输入以及LIDAR点云来创建场景中动态对象周围的3D边界框。3D边界对物体编码类、类型以及物体的确切位置、方向和大小。一旦检测到,跟踪模块随时间跟踪动态对象。跟踪器模块不仅提供动态物体的当前位置,还提供其通过环境路径的历史。路径的历史记录与路线图一起使用,以便预测所有动态物体的未来路径。这通常由预测模块处理,预测模块组合所有信息,关于动态物体和当前位置的,从而预测所有动态物体的路径。
检测环境中的静态目标:静态对象检测模块还依赖于相机 输入和LIDAR数据的组合来识别场景中的重要静态对象。这些重要数据包括无人驾驶车辆的当前车道以及如信号和交通信号灯等监管要素的位置。
在这里插入图片描述

环境映射

占据栅格图(Occupancy Grid Map)

在这里插入图片描述

占据网格图是所有静态对象的地图,在车辆周围环境中。LIDAR主要用于构建占据栅格图。首先将一组过滤器应用于LIDAR数据,以使得可以用于占据栅格。例如,移除掉可以移动的表面点和动态对象点。占据栅格图将环境表示为一组网格单元并将每个单元被占用的概率相关联。这使我们可以处理测量数据中的不确定性并随时间改善地图。

定位图(Localization Map)
在这里插入图片描述

由LIDAR或相机数据构建的定位图由定位模块使用以改进状态估计。在驾驶中,将传感器数据与该地图进行比较以确定汽车相对于定位图的运动。然后将该运动与其他本体感受式传感器的信息组合以准确地定位车辆。

细节道路图(Detailed Road Map)
在这里插入图片描述

细节道路图提供了路段的地图,其表示无人驾驶车当前驾驶的驾驶环境。该地图捕捉信号和车道标记,可以用于运动规划中。该地图是传统结合了预先记录的数据和由感知栈收集到的从当前静态环境的输入的信息。
**环境绘图(Environmental Map)和感知模块(Environment Perception)**相互作用以显着提高这两个模块的性能。例如,感知模块提供静态环境信息,可以用于更新细节道路图,细节道路图也能用于给预测模块创建更加准确的动态物体预测。

运动规划
在这里插入图片描述

无人驾驶车的运动规划是一项具有挑战性的任务,在单一的集成过程中很难解决。相反,如今大多数无人驾驶车都使用分解将问题分成若干抽象层.
在这里插入图片描述

Mission Planner(任务规划):

在最高级别,任务规划部分处理长期计划,并在驾驶任务的整个范围内定义任务,从当前位置通过道路网络到达最终目的地。为了找到完整的线路,任务计划部分确定最佳路线序列,用于连接起点和终点之间,然后将其传递到下一层。
在这里插入图片描述

Behavior Planner(行为规划):

行为规划部分是这下一级,用以解决短期规划问题。行为规划部分负责建立一套安全行为行动和动作去执行,在任务路径行进过程中。行为规划部分决策的一个例子是,车辆是否应该合并到相邻车道中,在给定期望速度和附近车辆的行为预测下。除了决策的操作之外,行为规划部分还提供了一组约束来执行每一个动作,例如在切换之前保持在当前通道中的时间。
在这里插入图片描述

Local Planner(局部规划):

最后,局部规划部分执行即时或反应规划,并负责定义要驾驶的特定路径和速度曲线。局部规划部分必须是平稳、安全和有效地,在考虑环境和机动所施加的所有当前限制中。为了创建这样的规划,局部规划部分结合所有信息,如行为规划部分、占据栅格图、车辆操作限制以及环境中其他动态物体的信息。局部规划器的输出是一条规划的轨迹,其是在未来的小段时间内组合的期望路径和速度分布。
在这里插入图片描述

车辆控制

典型的车辆控制器如何采用给定的轨迹并将其转换为一组精确的驱动命令以供车辆应用。典型的控制器将控制问题分为纵向控制(Velocity Controller)和横向控制(Steering Controller)。横向控制器输出转角,用于计划轨迹,而纵向控制器调节油门、齿轮和驻车系统来获得准确速度。两个控制器计算当前误差并跟踪局部规划的性能,并调节当前驱动命令从而最小化前进误差。

监控系统
在这里插入图片描述

系统监控模块是用以持续监控无人驾驶车内的各个方面,并在子系统发生故障给予警告。有两个部分,硬件管理程序(Hardware Supervisor)和软件管理程序(Software Supervisor)。硬件监控器持续监控所有硬件组件,以检查是否存在任何故障,如传感器损坏,测量丢失或信息质量下降。硬件监控器的另一个职责是连续分析任何与硬件输出,不能够匹配无人驾驶车编程范围内的输出。例如,其中一个摄像头传感器被纸袋挡住,下雪时对LIDAR点云数据破坏。软件监控器负责验证软件栈,以确保所有元素正常运行,按照正确的频率,并且提供完整的输出。软件监控器还负责分析所有模块的输出之间的不一致性。

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
自动驾驶汽车硬件系统概述.pdf 目前绝大多数自动驾驶研发车都是改装车辆,相关传感器加装到 车顶,改变车辆的动力学模型;改装车辆的刹车和转向系统,也缺乏 不同的工况和两冬一夏的测试。图中Uber研发用车是SUV车型自身 重心就较高,车顶加装的设备进一步造成重心上移,在避让转向的过 程中转向过急过度,发生碰撞时都会比原车更容易侧翻 硬件在环 司机在环 甚于模器仿真 基于车辆执行 基于实腭道 基于必要的硬件平台 软件在环 车辆在环 自动驾驶研发仿真测试流程 所以在自动驾驶中,安全是自动驾驶技术开发的第一天条。为了 降低和避免实际道路测试中的风险,在实际道路测试前要做好充分的 仿真、台架、封闭场地的测试验证。 软件在环( Software in loop),通过软件仿真来构建自动驾驶 所需的各类场景,复现真实世界道路交通环境,从而进行自动驾驶技 术的开发测试工作。软件在环效率取决于仿真软件可复现场景的程度。 对交通环境与场景的模拟,包括复杂交通场景、真实交通流、自然天 气(雨、雪、雾、夜晚、灯光等)各种交通参与者(汽车、摩托车、 自行车、行人等)。采用软件对交通场景、道路、以及传感器模拟仿 真可以给自动驾驶的环境感知提供卡富的输入可以对算法进行验证 和测试 硬件在环(Hard- ware in1oop),各种传感器类似人的眼睛和 耳朵,作为自动驾驶系统的感知部分,该部分的性能决定了自动驾驶 车辆能否适应复杂多变的交通环境。包括,摄像头、毫米波雷达、超 声波雷达、激光雷达。针对不同的传感器,硬件在环会根据不同的传 感器和环境因素来部署。 车辆在环( Vehicle in loop),车辆执行系统向传动系统发出 执行命令来控制车辆,在自动驾驶中取代了人类的手脚。自动驾驶系 统的执行控制优劣决定了车辆是否能够安仝舒适的行驶。车辆运行在 空旷的场地上,自动驾驶系统感知系统模拟的虚拟场景,自动驾驶系 统根据虚拟的场景发出控制指令,再通过传感器将车辆的实轨迹反 馈到虚拟环境中,实珌真车与虚拟环境的融合,从而进行车辆操控的 验证 司机在环( Driver in loop),基于实时仿真技术开发,结合驾 驶员的实际行为,可以实现对车辆和自动驾驶技术开发测试做出主观 的评价。可机在环,可以一方面获得司机的主观评价,另一方面可以 验证人机共驾驶的功能。 自动驾驶系统的硬件架构 就整体而言,汽车是个全社会化管理的产品,其固有的行业特点 是相对保守的。在人工智能的大潮下,面对造车新势力和消费者需求 变化的冲击,传统汽车行业渐进式的创新方法已经面临巨大的挑战。 急需改变传统的架构和方法不断创新。自动驾驶幣体的硬件架构不光 要考虑系统本身也要考虑人的因素 腰性 酒 司 全雪 快冒 计算单元 m 感知 决策 控制 自动驾驶硬件架构 自动驾驶系统主要包含三个部分:感知、决策、控制。从整个 硬件架构上也要充分考虑系统感知、决策、控制的功能要求。整 体设计和生产上要符合相关车规级标准,如IS026262、AECQ-100、 TS16949等相关认证和标准。目前L1、L2、ADAS系统的硬件架构体 系和供应链相对完善符合车规级要求。 感知层:依赖大量传感器的数据,分为车辆运动、环境感知、 驾驶员检测三大类。 车辆运动传感器:速度和角度传感器提供车辆线控系统的相关横 行和纵向信息。惯性导航+全球定位系统=组合导航,提供全姿态信息 参数和高精度定位信息。 环境感知传感器:负责环境感知的传感器类似于人的视觉和听觉, 如果没有环境感知传感器的支撑,将无法实现自动驾驶功能。主要依 靠激光雷达、摄像头、亳米波雷达的数据融合提供给计算单元进行算 法处理。w2X就是周围一切能与车辆发生关的事物进行通信,包括V2V 车辆通信技术、V2Ⅰ与基础设施如红绿灯的通信技术、V2P车辆与行 人的通信。 驾驶员监测传感器:基于摄像头的非接触式和基于生物电传感器 的接触式。通过方向盘和仪表台内集成的传感器,将驾驶员的面部细 节以及心脏、脑电等部位的数据进行收集,再根据这些部位数据变化, 判断驾驶员是否处于走神和疲劳驾驶状态。 计算单元部分:各类传感器采集的数据统一到计算单元处理,为 了保证自动驾驶的实时性要求,软件响应最大延迟必须在可接受的 围内,这对计算的要求非常高。目前主流的解决方案有基于GPU、FPGA ASIC等 车辆控制:自动驾驶需要用电信号控制车辆的转向、制动、油门 系统,其中涉及到车辆地盘的线控改装,目前在具备自适应巡航、紧 急制动、白动泊车功能的车上可以直接借用原车的系统,通过CAN总 线控制而不需要过度改装 警告系统:主要是通过声音、图像、振动提醒司机注意,通过HMI 的设计有效减少司机困倦、分心的行为。 、自动驾驶的传感器 光雷詁 围憬头 毫来述 组合导 自动驾驶的传感

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值