面向自動駕駛汽車的仿真算法實現

孟祥雨，蘇沖

面向自動駕駛汽車的仿真算法實現

孟祥雨，蘇沖

（北京汽車研究總院有限公司，北京 100079）

隨著自動駕駛技術的發展，自動駕駛汽車進入了人們的視野。自動駕駛汽車的實現離不開各類型的傳感器，實現傳感器的安裝、標定對于自動駕駛汽車至關重要。文章介紹了自動駕駛汽車的發展現狀和前景、相機的標定、多線激光雷達的標定、相機和激光雷達的聯合標定。最后，文章構建了仿真環境和車輛行駛控制仿真算法。

自動駕駛汽車；相機標定；多線激光雷達標定；車輛行駛控制仿真算法

引言

近年來，自動駕駛技術取得了飛速的發展，谷歌、特斯拉等公司都推出了自動駕駛系統，也有一部分的傳統汽車廠商推出了自動駕駛系統。自動駕駛汽車，也就是無人駕駛汽車，其定義為通過電腦系統來實現無人駕駛的智能汽車。依靠視覺計算、雷達、GPS系統等協同工作使自動駕駛汽車可以完全地脫離駕駛人的束縛，僅僅依靠自身完成整個駕駛過程[1]。

1 自動駕駛汽車所需的環境感知技術

對于自動駕駛汽車環境感知來說，傳感器是關鍵性部件。通過對傳感器進行標定，便可得到其輸入、輸出之間的映射關系。將傳感器安裝在自動駕駛汽車上，以完成自動駕駛汽車對于環境的感知。

1.1 多線激光雷達標定

使激光雷達與車體之間的相對姿態和相對位移固定不變，即將二者進行剛性的連接，為了便于處理所采集的數據，必然要進行坐標系的轉換，即將各個激光雷達的坐標系都轉換為車體坐標系。為實現激光雷達的數據轉換，第一步需要現對激光類得打的外部安裝參數進行標定；第二步就是數據轉換，主要就是對激光雷達的極坐標進行轉換；相應的多個激光雷達的數據也可以這樣實現。基準坐標中的轉化可以利用下式（1）實現。

上述等式中，A為設計的采樣步距；0為基準坐標系的旋轉角度；為激光雷達數據序列號；d為掃描距離。通過下式（2）可以實現車輛坐標系的建立。

上述等式中，H為車輛質心離地高度；H為激光雷達的安裝點與地面之間的距離；為車輛質心與激光雷達安裝點之間的距離在y軸上的分量。

1.2 相機標定

在連接相機和車體的時候，需要將兩者的相對姿態和相對位置固定即剛性連接。對相機進行標定的目的在于得到相機環境坐標系下物點坐標與圖像像素坐標系下點坐標之間的轉換關系，從而通過相機采集的圖像數據尋找到與之對應的真實物體。

單目相機的標定主要包括對相機模型的建立和對物點坐標的轉換。通過下式（3）可以得到相機環境坐標系中的物點(x,y,z,)到圖像像素坐標系中的像點P(,)的轉化關系。

上式中，為透鏡的焦距，d與d分別為相機傳感器與方向的像素單元距離，該參數由廠家提供；T、R分別為坐標平移矩陣、坐標旋轉矩陣，大小分別1*3、3*3；0和0為圖像像素中心坐標，z為相機坐標系下點的z軸上的值。上式中忽略了實際情況中畸變的誤差。雙目立體相機標定主要包括雙目立體視覺模型建立、雙目圖像去畸變處理、雙目圖像校正、雙目圖像裁切等四個步驟。

1.3 激光雷達和相機聯合標定

三維空間中的一個點同時對應著激光雷達的一個數據點和相機的一個像素點，基于這樣的思路，還應該將激光雷達與相機進行聯合標定，實現二者空間上的對準。對于空間對準而言，存在兩個維度（空間、時間）上的數據融合。通過下式（4）可以實現空間上的數據融合。

上述等式中，T、R分別為坐標平移矩陣、坐標旋轉矩陣；-1為相機內參標定矩陣，而X需要通過激光雷達的外參進行標定；為可見光圖像中投影點的坐標。由式（3-4）可知，將其確定需要12個參數，所以必須多次變換標定箱的位置，盡量使其均勻地分布在圖像分辨率的各個位置上。對于數據采集時間上有差異的問題，可以通過將時間上的數據進行融合。在進行采集數據時間戳標定的時候可以利用GPS得到對應的絕對時間。

2 仿真環境構建及算法

2.1 仿真環境構建

本文主要完成的是自動駕駛汽車的避障路徑規劃，為了便于驗證方法的有效性，對二維空間和三維空間進行了仿真構建，如圖4.1所示。

圖4.1的左圖中，黑色不規則幾何圖形區域代表預設的障礙物，共存在4個已知位置的范圍型障礙物，障礙物1的4個頂點坐標分別為（60，160）、（40，140）、（60，120）、（100，140）。障礙物2的4個頂點坐標分別為（80，80）、（30，40）、（50，30）、（100，40）。障礙物3的4個頂點坐標分別為（165，180）、（120，160）、（140，100）、（180，170）。障礙物4的3個頂點坐標分別為（140，80）、（120，40）、（170，40），其中點S（20，180）為起點，點T（160，90）為終點。利用MAKLINK圖論對于二維規劃空間進行了處理，得到了二維規劃可行空間。在MAKLINK 圖上存在L條自由連接線，連接線的中點依次為，連接所有MAKLINK線的中點加上起點S和終點T，即可構成用于初始路徑規劃的無向網路圖。仿真目標為尋找一條從起點S到終點T的允許誤差范圍內的最優路徑。圖3.3的右圖中顯示的是跨度為20km×20km×2km的三維空間。其中圈點標注的位置為無人駕駛車輛的起始位置，假設最低點為海平面高度，即高度為0，其它點的高度根據此點高度差依次取得，則路徑起點為（1，10，800），終點為（21，4，1000）。

圖1 二維規劃可行空間（左）、三維初始地形（右）

2.2 車輛行駛控制仿真算法

在獲取制動效能的時候，通常采用的方法是利用無人駕駛車輛可以直接得到，但是在實車試驗獲取的數據有可能和真實值有差距。本文設計了一種PID控制器的車輛制動性能檢測算法。另外為了計算車輛的制動距離，本文利用Simulink仿真模塊設計了計算方法，在計算的過程中需要輸入實時監測的車輛輪胎速度、車輛行駛速度和最小安全距離等數據。Simulink系統結構包括初始速度、重力加速度值、輪胎—路面附著特性等參數，另外該系統還是按照PID控制器控制原理進行設計。具體設計如圖2所示。

圖2 Simulink系統結構設計圖

3 結論

自動駕駛技術在迅猛地發展中，本文首先對自動駕駛汽車的發展現狀以及發展前景進行了介紹，針對于自動駕駛技術的實現，本文對于自動駕駛汽車的環境感知的關鍵技術進行了分析。對多線激光雷達標定、相機標定以及激光雷達和相機的聯合標定進行了分析。最后，構建了仿真環境和車輛行駛控制仿真算法。

[1] 向琳.自動駕駛離我們還有多遠？[N].證券時報,2016-10-15(A03).

[2] 胡元聰,李明康.自動駕駛汽車對《道路交通安全法》的挑戰及應對[J].上海交通大學學報(哲學社會科學版),2019,27(01):44-53+62.

[3] 李德海.自動駕駛等級劃分及技術路線分析[J].汽車實用技術, 2019(06):22-25.

[4] 張墨逸,張秋余,段宏湘,楊樹強.基于運動軌跡的單目相機位姿自標定方法[J].華中科技大學學報(自然科學版),2019,47(02):64-69.

[5] 韓正勇,卜春光,劉宸.一種針孔相機與三維激光雷達外參標定方法[J].傳感器與微系統,2018,37(04):9-12+16.

Implementation of Simulation Algorithm for the Automatic Driving Vehicle

Meng Xiangyu, Su Chong

( Beijing Automotive Research General Institute Co., Ltd., Beijing 100079 )

With the development of automatic driving technology, the automatic driving vehicle has entered people's field of vision. The realization of the automatic driving vehicle depends on all kinds of sensors. The installation and calibration of sensors are very important for the autonomous driving vehicle. This paper introduces the development status and prospects of the automatic driving vehicle, camera calibration, multi-line lidar calibration, camera and lidar joint calibration.Finally, this paper builds a simulation environment and vehicle driving control simulation algorithm.

automatic driving vehicle;camera calibration;multi-line lidar calibration; vehicle driving control simulation algorithm

U471.15

A

1671-7988(2019)13-30-03

U471.15

A

1671-7988(2019)13-30-03

孟祥雨（1983-），男，碩士，工程師，就職于北京汽車研究總院有限公司，從事智能駕駛汽車研究工作。

10.16638/j.cnki.1671-7988.2019.13.011