无人靶车及数字化技术

中汽数据(天津)有限公司 李川鹏 王秀旭

随着无人驾驶技术这一新型技术的跨越式发展,近年来在民用领域,得到了较为广泛的实践,各类搭载无人驾驶技术的现代化装备在不同领域正在开展大规模的示范应用工作。如何将无人驾驶技术应用到军事领域中,应用于协同作战、自主巡逻、战场救援等场景,是一项意义重大的事情。本文旨在提出技术思路,研发一款精度较高、稳定性好、实时性较强的具有通用上装接口的无人驾驶靶车,满足于军事信息化、科技化、实战化训练需求,同时对涉及到的数字化技术进行深入研究。

无人训练靶标是模拟作战过程中敌军各种威胁我军人员及武器的重要手段,是保障我军各军兵种有效开展实爆、实投、实弹训练不可或缺的物质基础,是提高部队整体训练水平必不可少的训练方法。利用无人驾驶技术研发出的靶标车替代手动驾驶的靶车,有效降低人员的安全风险,减少人为、环境等外部因素带来的误差和影响,充分利用无人靶车的高机动、高适应、高智能、可拓展的典型特征可支撑全系统提高作战训练使用灵活性、拓展作战训练空间。无人靶车将成为信息化装备体系的重要组成部分、减少人员伤亡的重要手段、提高战术精确打击能力的有力保证。

1 车规级线控底盘研发

车规级线控靶车研究主要是对车辆基础功能、底盘执行机构控制技术研究和可装卸式上装的研发,基于需求目标设计改装一款符合各项参数的无人车,底盘执行机构控制技术研究基于车辆线控协议研究底层控制器及下发控制指令协议,实现车辆精确控制,包括横向控制、纵向控制、驻车控制、点火控制、档位切换、灯光控制等,通过减少设备信号的转接,提高单个设备的集成度,优化设备的合理布局,进行专业的电缆设计,提高CAN数据传输效率和信号的精确度来保障设备间连接的可靠性、车辆的控制精度和功能的稳定性[1]。

无人靶车一体化设计技术的研究必要性在于以下两个方面:一方面,传统车辆是一个完整并且多耦合的整体,进行无人靶车改装时应充分考虑改装后的靶车使用环境、越障性能、动力性能、车身造型的隐蔽性、承载能力及功能实现性等因素,另一方面,充分考虑车辆的动力学性能和传感器的识别性能是避免资源浪费,控制靶车成本的一个必经之路。

通过调研与实践相结合的研究方法,车辆在改装设计阶段对最大负载状况下的车辆进行数学模型的建立,对实际运行环境及各类场景进行模拟建图,通过得出的数据对靶车的设计进行修改。同时进一步研究分析车辆动力性、通过性参数,提出符合军队训练场景及要求的设计方案,综合分析军队公示的车型技术参数,遴选出符合改装要求的车型进行方案实施。改装方案确定后,则展开软硬件和结构件的详细设计,并引入功能安全,信息安全等设计流程和指标。最后进行全流程的测试,实验方法包括仿真和实测两部分,模拟仿真主要针对算法验证以及故障注入验证,实测则针对于逻辑验证,以及整机功能和性能验证。

测试流程测试用例严格采用车用控制器的要求开发并实施,包括硬件测试,代码测试,HIL测试,可靠性测试(电性能,环境,EMC),故障测试,以及实车测试,最后实现目标运行场景的实际应用。

2 多传感器融合感知技术研究

无人驾驶技术的核心是实现车辆的“环境感知-决策规划-控制执行”过程。环境感知作为第一环节,处于无人驾驶车辆与外界环境信息交互的关键位置,其关键在于使无人驾驶车辆更好地模拟人类驾驶者的感知能力,从而理解自身和周边的多传感器信息融合技术研究就是在特定准则的指导下,利用现代计算机技术对多传感器数据进行观测和分析,然后对冗余信息进行分类、排序及整合互补信息,从而对目标作出精准的预测,该技术模拟了人类大脑获取、理解、分析和处理感知信息的全过程[2]。

通过对激光雷达-毫米波雷达-相机进行融合感知,利用输入的毫米波雷达、激光雷达和前视摄像头数据,分别将毫米波雷达与前视摄像头数据进行空间匹配,将激光雷达与前视摄像头数据进行空间匹配,为了确保数据的一致性,进行传感器时间配准,从而实现三种传感器的空间融合和时间融合。由于毫米波雷达的目标分辨率很低(无法确定目标大小和轮廓),所以毫米波雷达和前视摄像头拟采用目标级融合,而激光雷达能够确定目标的大小和轮廓,激光雷达能够获得场景点云图,所以激光雷达和前视摄像头拟采用像素级的融合。

在整个融合过程中,图像起到一个引导作用,即将毫米波雷达与前视摄像头数据进行空间匹配,将激光雷达与前视摄像头数据进行空间匹配,为了确保数据的一致性,需要进行传感器时间同步工作,从而实现三种传感器的空间融合和时间融合。

3 多传感器融合定位算法研究基础

随着自动驾驶技术在各种场景的应用的逐渐,无人车的定位技术是实现车辆合理规划和精准控制的前提条件,因此也受到了越来越多的重视,通过各方的研究结果表明借助单一传感器实现无人车的定位受制因素过多,难以满足无人车的在复杂场景下的任务需求,而多传感器融合技术成为一种必然的选择方案[3]。

在研究过程中,基于针对无人车在复杂环境中遇到的各类状况如传感器失效、定位信号异步、延时、环境切换等,采用基于因子图模型和增量平滑算法,构建多源信息融合定位框架,通过仿真测试着重对定位算法的精度、鲁棒性及场景进行测试。为解决针对高精度定位系统中地图的重要性问题,将定位问题分为无地图定位与基于地图定位,分别对智能车辆的定位问题进行探索。对研究的智能车辆、传感器及其定位问题进行建模分析,再对该平台实施传感器校准以减小系统误差。对于无地图定位问题,利用扩展卡尔曼滤波算法将里程计与惯性测量单元(IMU)数据相融合;对于地图定位问题,采用激光传感器构建室内环境地图,根据蒙特卡罗算法(粒子滤波算法)融合里程计、IMU、激光数据信息进行室内定位试验。

通过基于GPS和IMU的原始数据融合算法,定位精度都可达到厘米级。在无卫星导航或封闭空间内(如车库)基于激光雷达点云数据的SLAM扫描匹配定位,在户外和导航信号良好的环境内基于GPS和点云数据的扫描匹配定位结果的融合定位算法。

4 路径规划算法研究

自主路径规划技术主要基于无人车运动模型及高精度地图实现无人车自主路径规划。目前主要研究算法有自主引导行驶技术中的全局路径规划算法和参考路径跟踪控制应用算法。

全局路径规划为在已知起点和终点的前提下,算法根据车辆定位信息和静态地图信息采用A*算法规划出在高精度地图中快速寻求最短并且最优小的行驶路径。

局部路径规划为车辆遇到障碍物或其他原因而进行部分行驶轨迹的改变,通过传感器对车辆行驶环境进行探测,以获取障碍物的形状、速度、位置和预测轨迹等信息,该环境模型的动态更新可以随时进行修正,局部规划方法集成了环境的建模与搜索,对规划结果进行实时反馈和校正[4]。

为了提高控制精度,通过建立离散化和线性化处理的车辆运动学模型,建立描述车辆运动状态的离散状态空间方程。同时,通过高精度地图的绘制,可以精确描述行车道路、车位、树木和障碍物等之间的位置关系,并结合道路驾驶规则和OpenDRIVE路网技术建立高精度电子地图。同时,结合图论和启发式路径搜索理论,基于设定道路航点的高精度电子地图,路径优化和操控性以改进Floyd+A*混合路径规划算法,为智能车辆提供安全的和最优参考路线驾驶。

5 多车协同编队控制算法研究

随着无人驾驶技术应用领域的不断扩大,越来越多的无人驾驶车辆在同一个场景内执行任务如野外侦察、外星探测、灾后救援、战场扫雷等场景,而如何合理协调与协助多辆无人车系统的技术具有重要意义。多车辆协同编队控制是实现多车辆系统相互协作与协调的关键技术之一。

近年来,团队成员以网联式自主驾驶车辆为研究对象,借助群智能理论研究在仿真场景、封闭测试场及开放道路上进行多车协同控制策略的实车测试及应用研究。设计了网联式多车编队通信模型及架构。模型中采用中央服务单元(CSU)和路侧单元(RSU)进行无线通信,车载单元(OBU)配备环境感知传感设备进行环境监测。自动驾驶汽车在这种通信架构下形成了“分解”的分层控制结构。在此基础上,建立无人驾驶多车协同线性控制模型,对其稳定性进行分析。 在研究过程中,设计了多车编队、避障、编队保持和自适应四个场景,并针对场景中的车队模型控制问题,如纵横向耦合控制、车辆间距控制、有限状态机(FSM)建模进行了讨论。

在应用研究层面,利用无线蜂窝网络(LTE-V/5G)技术,在封闭测试场内进行20辆网联式无人驾驶车辆多车协同控制实车测试。测试项目包括0～30km/ h的速度完成起步、多车编队、队形保持、队形切换、加减速、停避障、停车等多个测试场景,系统精度可达场景切换执行周期15s,最短车间距6m,距离控制精度0.5m,侧向加速度变化率0.15g/sec,最大横向加速度2.1m/s2。

6 编队车辆通信方式研究

通信系统不仅可以实现无人车与计算机的相互通信,更重要的是可以实现多个无人车之间的相互通信,只有无人车之间可以相互通信了才能真正算作是一个多无人车协同控制平台。而无人车和计算机的通信以及无人车之间的通信,既需要点对多的通信方式,也需要点对点的通信方式。

主要围绕3种通信方式进行了研究探索及应用实践:

(1)基于统一控制平台端方案完成了智能网联监控平台对车辆控制功能,通过平台下发启动、停止、前进、后退等控车指令同时车端通过网络将电池信息、惯导状态、激光雷达状态、毫米波雷达等设备的实时信息反馈给监控平台。

(2)基于无线电台通信方案,利用高清数传电台分完成了18辆车的多车协同编队演示,通过头车电台对编队车辆实时下发各类控制指令,车辆收到相应指令完成相应动作来保障不同车辆在编队队形中的不同位置不同状态。

(3)基于5G网络通信方案,构建无人车模拟驾仓,利用5G通讯低延时、高效率的通讯特点,通过远程智能驾驶平台可实现远程车辆的全向监控和智能远程控制。

7 靶车显控平台研究

靶车显控平台是实现无人靶车编队监控调度的综合智慧大脑,负责采集靶车运行各项信息,同时实现多车协同远程控制。靶车显控是面向用户的涉及信息安全、车辆控制、设备监控的综合性一体化平台,围绕“监测+管控”两个核心功能,形成“Web+App”的应用形式,实现行车场景数据记录、车辆管控、运营统计、系统管理的总体功能,全方位的支撑无人靶车测试及应用服务。

通过业务梳理及各类数据接口对接,形成一整套多车智慧协同调度系统云控平台,该平台是面向智能网联汽车示范测试相关监管需求及顶层业务应用,涉及标准规范、大数据应用、信息安全的综合性一体化平台,以“智能网联汽车和智慧交通系统”两个主要对象,围绕“监测+管控”两个核心功能,形成“Web+App”的应用形式,实现行车场景数据记录、车辆管控、园区信息管控、运营统计、系统管理的总体功能,全方位的支撑无人汽车研发测试管控需求。基于此平台可开展靶车显控平台的基础研发支撑工作。实现对无人靶车的一体化数据监控和系统化管理,通过车载终端的无线传输的,实现车辆定位、数据统计与分析、行驶状态监控、数据监控、历史轨迹回放、远程故障诊断等功能,主要包括无人靶车、运营分析和系统管理三大模块。

引用

[1] 曲保章.无人驾驶靶车控制系统嵌入式软件[P].河南省,河南护航实业股份有限公司,2019-06-04.

[2] 徐兴,俞旭阳,赵芸,等.基于改进遗传算法的移动机器人全局路径规划[J/OL].计算机集成制造系统:1-20[2021-09-23].http://kns.cnki.net/kcms/detail/11.5946.tp.20210918.1142.004.html.

[3] 姜康,王皓,陈佳佳.复杂障碍物环境下基于转向约束的智能汽车路径规划方法研究[J].重庆交通大学学报(自然科学版),2021,40(9):137-144.

[4] 刘洪金.多网共存下的无人车自适应通信研究[D].杭州:浙江大学,2021.