1 前言

隨著新一代信息技術(shù)的發(fā)展，汽車的智能化、網(wǎng)聯(lián)化、電動化和共享化成為新的發(fā)展趨勢，無人駕駛技術(shù)也逐漸由概念變?yōu)楝F(xiàn)實的生活。

無人駕駛汽車是依靠車載傳感系統(tǒng)感知道路環(huán)境，自主規(guī)劃行車路線實現(xiàn)車輛穩(wěn)定控制并到達預期目標的智能汽車。

隨著汽車電子化浪潮，國外率先開始自動駕駛布局。美國在80年代初開始自動駕駛軍事化應用，歐洲從80年代中期開始研發(fā)自動駕駛車輛，更多強調(diào)單車自動化、智能化的研究，日本的自動駕駛研發(fā)略晚于歐美，更多關注于采用智能安全系統(tǒng)降低事故發(fā)生率，以及采用車間通信方式輔助駕駛。自2009年起，國外陸續(xù)開啟自動駕駛產(chǎn)業(yè)熱潮，谷歌首先布局自動駕駛，隨后英偉達成立自動駕駛事業(yè)部，收購Mobil?eye，通用汽車并購Cruise Automation，谷歌無人駕駛項目擴展為子公司W(wǎng)aymo。

我國的自動駕駛起步依托于高校，從20世紀80年代開始進行自動駕駛汽車的研究。1992年，國防科技大學成功研制出中國第一輛自動駕駛汽車ATB-1（AutonomousTestBed-1）。國務院在2015年發(fā)布《中國制造2025》之后，以自動駕駛技術(shù)為重點的智能網(wǎng)聯(lián)汽車成為未來汽車發(fā)展的重要戰(zhàn)略方向，大批初創(chuàng)企業(yè)投身自動駕駛領域。百度、Pony.ai等公司相繼快速步入了全球自動駕駛技術(shù)研發(fā)的前列。

本文內(nèi)容為一種自動駕駛系統(tǒng)及其開發(fā)實現(xiàn)流程和方法，系統(tǒng)開發(fā)過程中采用新型研究成果，降低系統(tǒng)復雜度，提高自動駕駛系統(tǒng)的開發(fā)效率，減少系統(tǒng)開發(fā)成本。

2 自動駕駛系統(tǒng)的技術(shù)方案

自動駕駛系統(tǒng)的技術(shù)方案包括硬件方案和軟件方案，如表1所示。

表1 自動駕駛系統(tǒng)技術(shù)方案

2.1 硬件方案

系統(tǒng)基于北汽EU5車型搭建了自動駕駛車輛平臺，將車輛平臺按照自動駕駛的需求進行改造。車輛平臺采用純電動汽車，內(nèi)部都是電控系統(tǒng)，使用數(shù)字化的數(shù)據(jù)，利于自動控制，車輛改制工作量和難度較小，只需將內(nèi)部數(shù)據(jù)進行整合，開發(fā)數(shù)據(jù)通訊協(xié)議，且車輛執(zhí)行機構(gòu)響應快，車輛控制更加平順，因此，選用純電動汽車更利于實現(xiàn)自動駕駛。

自動駕駛硬件設備可分為傳感器、計算平臺、安全控制、輔助系統(tǒng)。傳感器包括：激光雷達、攝像頭、GPS天線、IMU模塊、毫米波雷達、超聲波雷達，計算平臺采用自動駕駛域控制器，安全控制主要包括駕駛模式選擇按鈕、急停按鈕，輔助系統(tǒng)涉及到顯示器、輔助電源、路由器、CAN總線記錄儀、電源開關。硬件設備的布置如圖1所示。

圖1 自動駕駛系統(tǒng)硬件布置方案

系統(tǒng)中所涉及的硬件設備類型、數(shù)量和相關說明如表2所示。

自動駕駛系統(tǒng)的軟件和算法由自動駕駛域控制器來完成。自動駕駛域控制器是在車輛分布式電子控制單元基礎上發(fā)展而來的具有功能集成、模塊化、可定制特點的控制器，是智能網(wǎng)聯(lián)汽車電子電氣系統(tǒng)發(fā)展的趨勢。自動駕駛域控制器采用集成化方案，將車輛環(huán)境感知數(shù)據(jù)處理計算平臺和車輛控制平臺集成到單個控制器中，從而大幅簡化電子系統(tǒng)結(jié)構(gòu)，提高系統(tǒng)可靠性的同時降低成本，智能網(wǎng)聯(lián)汽車車載控制器未來將以域控制器的形式呈現(xiàn)。

本文采用的自動駕駛域控制器有以下4大特點。

（1）高計算性能

采用雙芯片，一個計算芯片，一個控制芯片，感知信息計算采用高算力的計算芯片，車輛控制信號處理采用Infineon TC387芯片，多核架構(gòu)。

（2）豐富接口

包含多個車規(guī)級GMSL接口、高速CAN-FD接口、Ethernet接口，可以接入多路攝像頭、毫米波雷達、激光雷達以及車載高速通信。

（3）車規(guī)級系統(tǒng)設計

支持統(tǒng)一的應用層交互協(xié)議下，嵌入客戶自主開發(fā)應用層自動駕駛功能模塊；

車規(guī)級器件和接口，滿足整車電器、EMC、材料、耐久等要求；低運行功耗（典型運行功率30 W），9~30 V工作電壓，支持風冷散熱。

（4）高安全保證：

支持高至ASIL-C（ISO 26262[2]）的安全要求；

支持訪問許可授權(quán)、傳輸數(shù)據(jù)加密、硬件安全模塊調(diào)用等系統(tǒng)和網(wǎng)絡安全功能；

關鍵事件數(shù)據(jù)自動識別、采集并寄存。

表2 自動駕駛系統(tǒng)的硬件設備信息

2.2 軟件方案

自動駕駛軟件部署在自動駕駛域控制器中，基于Ubuntu系統(tǒng)下的機器人操作系統(tǒng)（Robot Operating System，ROS）平臺開發(fā)，軟件架構(gòu)如圖2所示。

圖2 自動駕駛軟件架構(gòu)

軟件功能模塊主要由4部分組成：環(huán)境感知、車輛定位、決策規(guī)劃和車輛控制。其中，環(huán)境感知模塊實現(xiàn)系統(tǒng)對外界環(huán)境信息的數(shù)據(jù)獲取和分析辨識，通過對攝像頭、激光雷達、GPS等傳感器數(shù)據(jù)進行處理，計算周邊環(huán)境信息；車輛定位模塊解析激光雷達和GPS信號，計算得到車輛自身位置；決策規(guī)劃模塊利用環(huán)境感知信息，計算確定車輛行為，如正常行駛、換道、加減速等，并進一步規(guī)劃車輛的目標行駛軌跡及對應行駛速度、轉(zhuǎn)角等；車輛控制模塊利用決策規(guī)劃得到的信息，根據(jù)加速、轉(zhuǎn)角及制動指令控制執(zhí)行機構(gòu)執(zhí)行響應動作，達到自動駕駛的目的。

本文的環(huán)境感知模塊通過多傳感器融合系統(tǒng)[4]來實現(xiàn)，有效利用激光雷達、攝像頭多元數(shù)據(jù)獲取資源，最大限度地獲取穩(wěn)定、準確的障礙物和道路信息。

3 自動駕駛系統(tǒng)開發(fā)的技術(shù)路線

自動駕駛系統(tǒng)開發(fā)的技術(shù)路線如圖3所示。系統(tǒng)在新型自動駕駛域控制器上開發(fā)自動駕駛軟件架構(gòu)和策略。在技術(shù)上從硬件布置、控制集成2個與車輛相結(jié)合的方面著手設計開發(fā)。在硬件布置方面，分析L3、L4級自動駕駛應用場景和傳感器配置方案，設計傳感器預裝位置和普適性支架，確定自動駕駛傳感器布置方案，開展支架開發(fā)、以及傳感器和支架的安裝布置工作，同時根據(jù)傳感器、域控制器的接口和供電信息，設計線束連接方案和輔助電源；在控制集成方面，提出VCU、線控底盤以及燈光的控制需求，設計自動駕駛控制功能定義，由車輛平臺開發(fā)自動駕駛系統(tǒng)控制車輛所需的通訊信號，以及VCU、線控底盤和自動駕駛系統(tǒng)之間的交互。在完成硬件布置和控制集成開發(fā)之后，開展自動駕駛車輛改制試驗，完成整車的改裝，并結(jié)合自動駕駛軟件和算法，開展自動駕駛系統(tǒng)集成調(diào)試工作，在調(diào)試過程中發(fā)現(xiàn)和改進開源平臺基礎平臺的建設問題，調(diào)試成功后開展自動駕駛功能測試試驗，并最終形成第3方自動駕駛測試試驗報告。

圖3 自動駕駛系統(tǒng)開發(fā)的技術(shù)路線

在自動駕駛實現(xiàn)過程中會形成一些具有科學價值和應用前景的技術(shù)方法，本文展示4種提升自動駕駛系統(tǒng)性能的研究成果。

3.1 自動駕駛車輛改制方法和普適性預裝結(jié)構(gòu)

自動駕駛系統(tǒng)涉及的車輛改制空間主要有前機艙、駕駛艙和后備箱。

車輛改制前設計開發(fā)輔助電源，用于連接相關電氣設備，并設計線束的連接。同時準備改制場地，確定參與改制的相關人員。

自動駕駛車輛改制實施前，需要準備好車輛、相關硬件設備，開發(fā)好的支架、改制工具（錐套筒工具、焊接工具、打磨切削工具、打膠工具等），拆除車身零部件。車輛改制的整體思路如下：

（1）車輛前端布置設備有毫米波雷達及超聲波雷達；

（2）車頂布置設備為激光雷達、GPS天線及高清攝像頭；

（3）車輛后端布置毫米波雷達、超聲波雷達、域控制器、DC輔助電源、路由器等；

（4）前機艙改制線束從車輛防火墻穿過進入駕駛艙，再到后備箱；

（5）車頂傳感器線束從車頂鈑金孔穿過，按天窗排水管布置方案引至后備箱；

（6）副儀表板按鈕開關線束引到車輛左側(cè)與前機艙線束一同引至后備箱。

車輛改制實施過程涉及到傳感器和硬件設備的安裝固定，線束的改制和布置。最終形成一套自動駕駛車輛改制流程規(guī)范，在自動駕駛系統(tǒng)規(guī)?；a(chǎn)時提高改制效率。

在自動駕駛車輛改制之前，考慮到不同廠商的自動駕駛系統(tǒng)所使用的傳感器配置方案各不相同。目前主流自動駕駛方案提供商的傳感器解決方案中，激光雷達、攝像頭和GPS天線均布置在車頂?；诖?，在系統(tǒng)設計過程中開發(fā)自動駕駛系統(tǒng)普適性支架方案，如圖4所示。在常用的不同傳感器安裝位置預留安裝支架，并且開發(fā)車頂普適性支架總成，可以滿足多種傳感器配置方案的搭載。

圖4 自動駕駛普適性支架

自動駕駛普適性支架的特點如下：

（1）車頂支架可以通過定制轉(zhuǎn)接支架實現(xiàn)多種傳感器配置方案的搭載；

（2）可以適用多種類型、不同尺寸、不同型號的傳感器產(chǎn)品，能夠靈活調(diào)整安裝角度、方向和數(shù)量，節(jié)約自動駕駛傳感器的安裝成本。

經(jīng)過車輛改制的驗證，在該普適性支架上可以方便地增加和減少自動駕駛感知傳感器。

3.2 自動駕駛感知傳感器的自動化標定

傳統(tǒng)的自動駕駛感知傳感器標定方法需要大量人工操作，影響標定效率和標定精度，傳感器的測量精度會給外參標定帶來額外的誤差。本文采用一種自動標定的方法對感知傳感器進行標定，在傳感器布置安裝之后，借助自然標定場地和標定工具，通過對傳感器接收的數(shù)據(jù)中的典型特征進行處理分析，將各個傳感器的坐標系統(tǒng)一到車輛坐標系下，包括多個激光雷達的標定、激光雷達和相機的聯(lián)合標定、毫米波雷達標定、超聲波雷達標定，標定流程如圖5所示。

圖5 自動駕駛感知傳感器標定流程

傳感器標定的步驟如下：

（1）車頂32線激光雷達標定：建立車體坐標系，借助圓錐體形標定物，計算偏移量Δx、Δy、Δz以及旋轉(zhuǎn)角a（翻滾角）、b（俯仰角）、g（偏航角）。首先根據(jù)車輛參數(shù)計算Δx、Δy，再建立平整地面的平面方程，基于非線性優(yōu)化方法，求解a、b最優(yōu)值，然后根據(jù)最終擬合的地面平面方程，計算Z軸方向的偏移量Δz，最后結(jié)合點云目標物識別結(jié)果，采用優(yōu)化算法求解最優(yōu)g值。

（2）2個16線激光雷達標定：首先，采用和32線激光雷達相同的方法，計算Δx、Δy、a、b、Δz，然后，以32線激光點云識別結(jié)果為基準，采用優(yōu)化算法求解最優(yōu)g值，確保32線激光雷達和16線激光雷達識別的目標重合。

（3）攝像頭標定：包括內(nèi)參標定和外參標定。內(nèi)參標定采用張友標定法；外參標定采用激光雷達和攝像頭聯(lián)合標定的方法，利用激光雷達標定結(jié)果，借助標定板（棋盤格、四孔板），根據(jù)激光點云和圖像數(shù)據(jù)中的特征匹配關系，求解攝像頭和激光雷達的相對位姿，確定攝像頭坐標系相對于車輛坐標系的位姿變換關系。

（4）毫米波雷達標定：毫米波雷達安裝時對翻滾角、俯仰角和高度有較高要求，不需要標定這3個參數(shù)，x和y方向的位置偏移量直接通過車輛結(jié)構(gòu)推算，主要借助毫米波反射器，以從激光點云檢測到反射器的位置和毫米波雷達檢測到的位置重疊為目標，采用優(yōu)化方法求解最優(yōu)的偏航角g。

（5）超聲波雷達標定：首先設置超聲波探頭的初始位置，再移動超聲波雷達探測目標，比較激光雷達檢測和超聲波雷達探測的目標位置差異，優(yōu)化調(diào)整初始位置坐標。

自動化標定方法避免了傳統(tǒng)感知傳感器標定的復雜、繁瑣的實施過程，減少了大量人工操作，提高了標定效率和標定精度。

3.3 自動駕駛系統(tǒng)的感知融合方法

自動駕駛感知技術(shù)通常激光雷達、攝像頭、毫米波雷達等幾類常用的傳感器，各類傳感器各有優(yōu)缺點，在特性上都有所差異，需要采用多傳感器融合技術(shù)，讓多種相互補充，發(fā)揮各傳感器的優(yōu)點，提升感知功能的精確性和穩(wěn)定性。基于多傳感器融合技術(shù)，本文設計一套自動駕駛系統(tǒng)的感知處理流程，如圖6所示，并提供一種多傳感器的目標融合方法。

多種類型傳感器數(shù)據(jù)經(jīng)過通訊傳輸并進行協(xié)議解析、時間和空間同步配準后，進入目標檢測識別功能模塊。

激光點云數(shù)據(jù)經(jīng)過點云分割、點云聚類、障礙物點云分類、刪除障礙物柵格等處理后輸出目標類型、目標三維位置坐標，并基于目標形狀和位置坐標計算目標的長度和寬度。

攝像頭目標檢測識別功能模塊采用YOLO V3深度學習方法識別圖像數(shù)據(jù)中目標的類型。YOLO V3基于Darknet-53基礎識別網(wǎng)絡。Darknet-53包括53個卷積層和大量的殘差層，殘差神經(jīng)網(wǎng)絡“直接連接”的方式可以在一定程度上避免由于神經(jīng)網(wǎng)絡加深而導致訓練時產(chǎn)生的“梯度爆炸”和“梯度彌散”現(xiàn)象，也使得網(wǎng)絡的泛化能力大大提升。完成目標識別之后，再基于圖像特征匹配，使用對極約束求解攝像頭位姿，并使用三角測量計算動態(tài)目標的運動變化，減去攝像頭的位姿來獲取目標最終的橫縱向位置坐標、速度、長度和寬度。

毫米波雷達數(shù)據(jù)經(jīng)過數(shù)據(jù)轉(zhuǎn)化、聚類處理后輸出目標的橫縱向位置坐標和速度信息。

目標檢測識別之后開展目標數(shù)據(jù)的融合跟蹤處理，對傳感器的檢測目標做全局匹配，并使用無跡卡爾曼濾波算法，融合攝像頭目標數(shù)據(jù)、激光雷達目標數(shù)據(jù)、毫米波雷達目標數(shù)據(jù)，最后進行目標匹配跟蹤處理，更新未匹配的跟蹤目標、刪除丟失的跟蹤目標、初始化新目標，重復目標數(shù)據(jù)融合處理的流程。

圖6 自動駕駛系統(tǒng)的感知處理流程

目標數(shù)據(jù)融合處理的步驟如下：

（1）建立系統(tǒng)狀態(tài)方程和測量方程，設置狀態(tài)向量，確定無跡卡爾曼濾波中Sigma點的選取策略。選取橫向位置px、縱向位置py、橫向速度vx、縱向速度vy、橫向加速度ax、縱向加速度ax、目標寬度W、目標長度L，作為狀態(tài)向量：Xk=[px,px,vx,vy,ax,ay,W,L]T。設置狀態(tài)向量的初始均值和方差，并計算Sigma點；

（2）預測各個Sigma點，加權(quán)計算狀態(tài)量和協(xié)方差矩陣的預測值；

（3）比較每個傳感器的檢測目標和已跟蹤的目標，使用全局最鄰近（GNN）方法執(zhí)行全局匹配；

（4）對于已經(jīng)匹配和跟蹤的目標，基于各個傳感器的觀測值進行更新；

（5）刪除跟蹤丟失的目標；

（6）將未匹配目標和已跟蹤目標進行匹配，識別增加新的跟蹤目標，重復目標數(shù)據(jù)融合處理的步驟。

3.4 自動駕駛系統(tǒng)測試

自動駕駛系統(tǒng)的實車測試過程如圖7所示。

圖7 自動駕駛系統(tǒng)測試過程

首先，建立自動駕駛測試管理規(guī)范。在執(zhí)行自動駕駛功能測試前，確定自動駕駛測試流程，明確通用測試要求、能力評估內(nèi)容與方法等。

然后，參照政府部門出臺的相關測試技術(shù)方法、測試管理細則、測試場地要求，執(zhí)行如下測試項：認知與交通法規(guī)遵守能力（主要是交通標線識別）、執(zhí)行能力（包括：直線行駛、曲線行駛、直角轉(zhuǎn)彎行駛）、應急處置與人工介入能力（包括：緊急情況處理、人工介入后的可操作性、緊急停車）、綜合駕駛能力（包括：起步停車、跟隨行駛、變更車道、路口直行、路口轉(zhuǎn)彎、路口掉頭、靠邊停車、緊急制動、倒車入庫）等，輸出測試結(jié)果。

另外，基于自動駕駛域控制器的特點，在系統(tǒng)設計開發(fā)過程中創(chuàng)造性地提出一種自動駕駛域控制器在整車平臺上的技術(shù)評估方法，主要包括：基本硬件評估、感知功能測試、自動駕駛功能時延測試、故障響應機制測試、結(jié)構(gòu)設計評估、電氣接口評估。

4 技術(shù)驗證情況

4.1 環(huán)境感知技術(shù)驗證

（1）感知傳感器標定

在實車上開展感知傳感器的標定，標定效果如圖8所示。

圖8 自動駕駛感知傳感器標定效果

圖8（a）是32線激光雷達g標定效果，標定物落在y=0的軸線上；圖8（b）是16線激光雷達g標定效果，以32線激光雷達為參照，16線和32線激光雷達中的標志物完全重合，標定效果較好；圖8（c）為攝像頭標定后形成的圖像和點云合并圖像，圖像和點云的重合度較高，標定準確；在圖8（d）中，激光雷達和毫米波雷達檢測到的毫米波雷達反射器目標基本重合，毫米波雷達標定準確。

將激光雷達自動標定和人工標定的結(jié)果進行比較，計算標定參數(shù)偏差，并統(tǒng)計標定處理時間如表3所示。

表3 激光雷達標定結(jié)果比較和處理時間統(tǒng)計

對于攝像頭標定，從圖像中取10個特征點作為檢查點，根據(jù)標定參數(shù)計算特征點在激光雷達坐標系中的x、y、z坐標，統(tǒng)計該計算的坐標和特征點在激光點云中坐標之間的誤差，計算公式如式（1）所示。使用該誤差描述攝像頭的標定精度。

式中，x'i、yi'、z'i分別為計算出的第i個圖像特征點在激光雷達坐標系中的三維坐標，xi、yi、zi分別為第i個特征點在激光點云中的三維坐標，σ為計算誤差。

對于毫米波雷達標定，計算自動標定和人工標定的g值偏差。攝像頭和毫米波雷達標定結(jié)果和標定處理時間如表4所示。

表4 攝像頭和毫米波雷達標定評價和處理時間統(tǒng)計

（2）多傳感器的目標融合

使用攜帶有差分GPS的車輛、行人及騎車人作為測試目標，運行本文的多傳感器目標融合程序。在車體坐標系下，典型目標的多傳感器融合數(shù)據(jù)如圖9所示。不同速度下經(jīng)過融合的目標位置和目標上GPS獲取的實際位置的平均偏差如表5所示。

圖9 典型目標的多傳感器融合數(shù)據(jù)

表5 融合目標的位置偏差統(tǒng)計

設置多個場景，開展多次測試，統(tǒng)計所有測試目標中未檢測到的目標數(shù)，計算未檢測的目標數(shù)和所有目標數(shù)的比例（即漏檢率），約為1.893%。表明，本文的多傳感器融合效果較好。

4.2 系統(tǒng)測試驗證

在自動駕駛測試場地中開展系統(tǒng)測試，多次測試使用感知模塊的系統(tǒng)功能，記錄多次測量的平均值，表6列出了測試結(jié)果。

表6 自動駕駛系統(tǒng)測試結(jié)果

經(jīng)過實車測試驗證，使用本文感知技術(shù)的系統(tǒng)功能均已達標，表明感知模塊運行良好。

5 結(jié)束語 

本文研究了純電動汽車自動駕駛系統(tǒng)的實現(xiàn)方法，提出一種自動駕駛系統(tǒng)的技術(shù)方案，研究自動駕駛系統(tǒng)實現(xiàn)的技術(shù)路線，并在自動駕駛實現(xiàn)過程中形成一些具有科學價值和應用前景的研究成果，主要技術(shù)成果和創(chuàng)新點如下：

（1）在硬件方案采用自動駕駛域控制器代替?zhèn)鹘y(tǒng)的工控機和ECU，可以減少線束連接、降低成本和大量信息交互帶來的技術(shù)瓶頸，后續(xù)可以考慮實現(xiàn)自動駕駛域控制器的車規(guī)化探索；

（2）自動駕駛普適性預裝結(jié)構(gòu)可以支持多種傳感器的布置、節(jié)約傳感器的安裝成本，提高車輛改制效率；

（3）通過利用和處理多個傳感器數(shù)據(jù)，結(jié)合目標識別等技術(shù)，采用不同的方法實現(xiàn)不同傳感器坐標系到車輛坐標系的位姿變換，提升自動駕駛環(huán)境感知傳感器標定的自動化程度，精確性較高，滿足多傳感器融合的要求；

（4）設計1種多傳感器的目標融合方法和一套自動駕駛系統(tǒng)的感知處理流程，目標漏檢率較低，目標檢測和跟蹤的效果較好。

實踐表明，本文提出的自動駕駛系統(tǒng)實現(xiàn)方法和研究成果可以提高自動駕駛系統(tǒng)實現(xiàn)效率，提升自動駕駛系統(tǒng)的性能。

未來，感知能力仍然是智能駕駛車輛的關鍵技術(shù)瓶頸，尤其是在數(shù)據(jù)融合過程中采用人工智能技術(shù)和基于并行計算的先進復雜的前融合算法，可以提高傳感器融合的性能；將單車的感知技術(shù)和車路協(xié)同技術(shù)融合，能夠增強智能車輛的感知能力，提升自動駕駛的安全可靠性，降低單車智能感知的成本，也是自動駕駛發(fā)展的重要研究方向。