基于慣導/激光雷達的無人車融合定位技術研究

摘 ?要： 在無人車運行過程中，由于衛星導航信號受到遮擋、干擾等因素影響，慣導難以持續提供穩定可靠的高精度定位信息，影響無人車運行。本文提出了一種面向復雜應用場景的激光雷達輔助無人車融合定位技術，利用最小二乘算法對濾波后的雷達點云數據進行擬合，獲取無人車可行駛道路區域，并據此進行軌跡規劃，實現無人車的運動控制。論文對該技術進行了工程化實現和驗證，結果表明，衛星RTK定位不可用時，激光雷達可實現穩定、可靠的無人車導航。

關鍵詞： 無人車;定位;數據融合;激光雷達

中圖分類號： TP211+.5 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.01.030

本文著錄格式：李治國. 基于慣導/激光雷達的無人車融合定位技術研究[J]. 軟件，2020，41（01）：138142

【Abstract】： Because of the satellite navigation signals are blocked or disturbed when unmanned vehicle is running， inertial navigation system cannot provide continuous and reliable location information of high-precision which can affect normal operation of the vehicle. In this paper， by using lidar， we present a fusion location technique of unmanned vehicle facing complex scenarios. At first， we use the least square approach to fit filtered point cloud data and then get drivable area of unmanned vehicle. According to the above drivable region we achieve the control of unmanned vehicle by path planning. At the end of this paper we carry out an engineering realization and verification. The result shows that when satellite RTK position service is unavailable， navigation based on lidar is a stable and reliable means for unmanned vehicle.

【Key words】： Unmanned vehicle; Location; Data fusion; Lidar

0 ?引言

無人車技術起源于軍用和特種應用，20世紀 80年代至90年代初，美國國防高級研究計劃局（DARPA）通過“戰略計算計劃”，開展自主陸地車輛項目研究。經過幾十年發展，無人車系統框架、實現方式和技術方向已基本發展成熟，尤其是一些軍事強國，無人戰車已投入使用。

因具備物理環境適應能力強、風險小、代價低、非接觸、無人傷亡、長續航、多功能、自主可控、可成組編隊等諸多方面的優點，無人車在軍事作戰領域率先應用，并被列為重大顛覆性技術[1]。通過大量試驗測試和實際應用表明，無人車可大幅提升部隊綜合作戰效能，人機協同、全自主化與集群化已成為新的發展方向[2]。

不但在軍事作戰領域具有不可替代的優勢，社會治安綜合治理、應急救援等領域也是無人車的典型應用場景。在治安巡邏、消防搶險、應急救災、反恐偵查等工作中，通過人機協同、自主作業、自編隊等技術，無人車可實現全天時全天候執勤，降低消防、救災、反恐等危險場景人員傷亡，同時，可以有效彌補執法人員不足的缺陷，實現快速響應。

高精度衛星定位、視覺是無人車軌跡規劃的常用手段，尤其是基于高精度衛星定位和數字地圖的軌跡規劃技術，在特種無人車領域具有廣泛應用。但是，在社會治安綜合治理、應急救援等領域，存在信號遮擋、光線條件差等復雜場景，衛星定位和視覺數據可用性差，導致特種無人車無法以常規方式進行軌跡規劃和控制。文獻[3]提供了一種應用于智慧農機的激光雷達導航技術，基于單線激光雷達對兩側農作物掃描，形成道路特征點，利用最小二乘法對點云數據進行軌跡擬合，形成行駛軌跡。文獻[4]研究了并優化了激光雷達道路邊沿檢測算法，提出了一種基于可通行區域的導航方法，并采用Vector Field Histogram+（VFH+）進行車輛的局部路徑規劃，有效解決了惡劣環境中單一軌跡規劃方法導致的導航失敗問題。

針對無人車在復雜場景中應用面臨的導航問題，本文驗證了一種基于激光雷達的導航技術，可以實現復雜場景下的障礙物識別、軌跡規劃、車輛控制，提高了特種無人車的環境適應性和可靠性。論文首先分析了特種無人車感知系統各傳感器特性，針對復雜場景的應用，分析了激光雷達導航方案可行性，在此基礎上，推導了點云擬合和軌跡規劃算法，并進行了軟件實現，最后通過實車試驗驗證了該技術的可行性[5]。

1 ?特種無人車感知系統

1.1 ?無人車系統原理

從技術實現角度，無人駕駛系統可分為環境感知、智能規劃和決策、自適應控制和車輛底層線控四部分。感知系統通過激光雷達、視覺、慣導等傳感器獲取車輛周邊和自身狀態信息，并通過數據處理和融合后，形成駕駛態勢圖，發送至規劃和決策模塊。規劃和決策系統根據駕駛態勢圖、任務規劃和自身狀態生成規劃軌跡和決策命令。智能控制系統通過橫向控制和縱向控制，實現對軌跡的實時精確跟蹤，并形成轉向、驅動和制動命令，發送至車輛底層執行部件[6]。車輛底層執行部件通過對車輛底盤、運行狀態、路況、載重、天氣等因素進行適配后，執行控制模塊發送的命令。無人駕駛系統原理結構圖如圖1所示。

1.2 ?無人車感知系統

圖1中，左側為無人駕駛系統傳感器配置，其中，激光雷達通過點云數據可以實現障礙物識別、周邊環境建圖;毫米波雷達、超聲波雷達主要用于障礙物檢測;視覺傳感主要用于障礙物識別，周邊環境色彩及語義信息識別，如車道線、紅綠燈、限速牌等;慣導/GPS/BDS主要用于車輛定姿、定位[7]。圖2給出了一種用于校園無人駕駛觀光/接駁車傳感器配置方案。

基于各傳感器實現原理差異，數據特性不同，分別適用不同的環境，因此，多傳感器數據融合是提高感知系統性能的有效途徑。自主循跡、障礙物識別及避障是無人車的基本功能，其中，自主循跡主要依靠GPS/BDS定位，障礙物識別及避障主要依靠毫米波雷達、激光雷達和視覺。在社會治安綜合管理、應急救援的具體任務場景中，經常存在隧道、茂密樹木、城市峽谷等衛星定位不可用場景，基于高精度定位的自主循跡功能不可用，同時，視覺傳感器容易受光線影響，可靠性難以滿足特種無人車應用要求[8]。本文實現了基于速騰聚創16線激光雷達的無人車導航技術，可以在高精度定位和視覺不可用的復雜環境中，利用激光雷達實現無人車的軌跡規劃和控制。

2 ?激光雷達導航技術

由于激光雷達具有不需要接受外界電磁信號，不受光線影響的優點，因此，可以在衛星信號被遮擋、光線條件差的環境中穩定工作。本文根據激光雷達點云數據獲取道路特征，以此形成目標軌跡點，再進行路徑擬合和軌跡規劃[9]。

2.1 ?道路特征提取

本文中激光雷達導航技術主要針對衛星信號不可用的復雜場景，因此，道路兩側一般有綠化帶、建筑物等清晰的道路邊緣信息。本文首先提取激光雷達點云數據中道路特征信息，然后將激光雷達的極坐標系數據轉化到車體坐標系中，獲取道路特征相對于車體的位置信息。

通過上述公式，可以求出軌跡曲線函數，作為橫向控制的輸入信息，實現無人車導航控制。

3 ?工程實現和驗證

為了驗證復雜場景下激光雷達導航技術的可行性，本文實現了一臺電動無人巡邏車，無人巡邏車由RTK定位系統、車載差分定位移動站、上位機等組成[11]。

3.1 ?RTK定位系統

載波相位差分定位（RTK）技術可實現厘米級的高精度定位，其基本結構如圖4所示，由衛星、差分定位基準站、車載差分定位移動站組成[12]。差分定位基準站包括電臺發射天線、衛星接收機、無線電臺、衛星接收天線。車載差分定位移動站包括衛星定位定向接收機、衛星接收天線、電臺接收天線。

該定位系統的工作原理是，在基準站上安置一臺衛星接收機，對衛星進行連續觀測，并通過無線電臺和電臺發射天線實時地將載波相位的修正量傳送給車載差分定位移動站。車載差分定位移動站在接收衛星信號的同時通過電臺接收天線接收基準站的差分定位信息，根據相對定位原理實時處理數據并以厘米級精度給出車載差分定位移動站的三維坐標，并通過串行通信接口發送給車載自動駕駛定位及控制系統中的上位機[13]。

3.2 ?自動駕駛系統

3.2.1 ?無人車系統結構

根據圖1提出的無人駕駛系統結構圖，車輛控制部分通過底盤嵌入式控制板對無人車進行控制，其系統結構如圖5所示[14]。

上圖所示的自動駕駛系統包括環境和車輛狀態感知模塊、車輛底盤控制模塊、底層數據和通信支持模塊，環境和車輛狀態感知模塊由上位機、慣性/衛星組合導航系統、無線電臺天線、GPS主天線、視覺傳感器、激光雷達、毫米波雷達、超聲波雷達。底層數據和通信支持模塊由以太網-CAN轉換器實現，毫米波雷達、超聲波雷達、底盤嵌入式控制板、車輛電動轉向器都通過其與上位機實現通信[15]。車輛底盤控制模塊由底盤嵌入式控制板實現，底盤嵌入式控制板分別外接車輛的檔位、油門、剎車系統，在上位機的控制下對車輛的檔位、油門、剎車進行控制，電動轉向器在上位機的控制下對車輛的轉向進行控制[16]。

3.2.2 ?無人巡邏車配置

根據圖5所示系統結構設計進行器件選型，無人車有關傳感器、導航的配置如表1所示。

3.2.3 ?實現效果

該車通過底盤線控改造、傳感器安裝和調試、無人駕駛軟件開發和測試，具備自主循跡、障礙物識別、動態避障、車道保持、自動泊車、激光雷達導航、遠程智能終端、服務器監控和交互等功能，實現了封閉場景L4級別的自動駕駛[17]。

利用該款無人車，本文進行了基于激光雷達的軌跡規劃和控制技術驗證，試驗表明，在衛星定位和視覺無效時，依靠激光雷達可以實現穩定可靠的路徑規劃和導航控制[18]。試驗實車、測試場景及效果圖如圖6和圖7所示。

4 ?結論

本文提出了一種面向復雜應用場景的激光雷達輔助無人車融合定位技術，在某些衛星導航無法正常定位的場景下，利用最小二乘算法對濾波后的雷達點云數據進行擬合，獲取無人車可行駛道路區域，并據此進行軌跡規劃，實現無人車的運動控制[19]。并對該技術在電動無人巡邏車上進行了工程化實現和驗證，構建了RTK定位系統、自動駕駛控制系統，開發了無人駕駛軟件。測試結果表明，衛星RTK定位不可用時，依靠激光雷達可實現穩定、可靠的無人車導航。

參考文獻

[1] 薛春祥， 黃孝鵬， 朱咸軍， 等. 外軍無人系統現狀與發展趨勢[J]. 雷達與對抗， 2016， 36（1）： 1-5.

[2] 王桂芝， 沈衛. 國外自主地面無人系統發展綜述[J]. 機器人技術與應用， 2017（6）： 23-25.

[3] 張順順. 基于激光雷達的農業自主車輛導航研究[D]. 南京， 南京農業大學， 2014.

[4] 白聰敏. 區域交通環境下的智能車全自主導航方法研究[D]. 上海， 上海交通大學， 2012.

[5] 姜雪原. 基于動態規劃算法的軌跡地圖匹配軟件設計與實現[J]. 軟件， 2015， 36（5）： 108-112.

[6] 陳曦斌， 焦明海， 劉昊汧， 等. 移動機器人養老服務路徑規劃的粒子群算法研究[J]. 軟件， 2018， 39（6）： 135-138.

[7] 張晟歌. 基于GNSS的飛行器姿態測量技術綜述[J]. 軟件， 2018， 39（8）： 100-103.

[8] 郭文俊， 常桂然. 基于三幀間的移動障礙物背景目標提取算法[J]. 軟件， 2016， 37（2）： 58-62.

[9] 馬炳武， 羅志清， 李志杰. 基于國產SW-LiDAR系統的安置角檢校分析[J]. 軟件， 2018， 39（2）： 114-119.

[10] 張迪， 施昆， 李照永. 移動測量系統的GNSS/INS組合定位方法的對比研究[J]. 軟件， 2018， 39（8）： 110-116.

[11] 劉周巍. 基于STK的GNSS系統的定位精度分析[J]. 軟件， 2018， 39（8）： 104-109.

[12] 趙新超， 陳敏. 基于聚類分析的差分算法協作研究[J]. 軟件， 2018， 39（10）： 87-91.

[13] 徐穎章， 金海波. RTK技術在無人機導航應用中的實現[J]. 江蘇航空， 2018（3）： 24-26.

[14] 張艷紅， 張鵬， 吳輝， 等. 基于RTK的低成本GPS+BDS接收機設計與性能分析[J]. 測繪通報， 2018（11）： 1-6.

[15] 王曉暉， 喬通. 云環境下面向感知數據匯集的通信服務系統設計與實現[J]. 軟件， 2016， 37（2）： 155-159.

[16] 張家旭. 汽車底盤集成非線性魯棒控制方法研究[D]. 吉林大學， 2018.

[17] 李盛福. 復雜環境下智能汽車自動駕駛系統研究[J]. 機械設計與制造， 2019（5）： 199-203+207.

[18] 李柏. 復雜約束下自動駕駛車輛運動規劃的計算最優控制方法研究[D]. 浙江大學， 2018.

[19] 端木瓊， 楊學友， 邾繼貴. 基于小二乘-卡爾曼濾波的WMPS系統跟蹤定位算法研究[J]. 傳感技術學報， 2012， 25（2）： 236-239.