無人靶車及數字化技術

中汽數據(天津)有限公司 李川鵬 王秀旭

隨著無人駕駛技術這一新型技術的跨越式發展,近年來在民用領域,得到了較為廣泛的實踐,各類搭載無人駕駛技術的現代化裝備在不同領域正在開展大規模的示范應用工作。如何將無人駕駛技術應用到軍事領域中,應用于協同作戰、自主巡邏、戰場救援等場景,是一項意義重大的事情。本文旨在提出技術思路,研發一款精度較高、穩定性好、實時性較強的具有通用上裝接口的無人駕駛靶車,滿足于軍事信息化、科技化、實戰化訓練需求,同時對涉及到的數字化技術進行深入研究。

無人訓練靶標是模擬作戰過程中敵軍各種威脅我軍人員及武器的重要手段,是保障我軍各軍兵種有效開展實爆、實投、實彈訓練不可或缺的物質基礎,是提高部隊整體訓練水平必不可少的訓練方法。利用無人駕駛技術研發出的靶標車替代手動駕駛的靶車,有效降低人員的安全風險,減少人為、環境等外部因素帶來的誤差和影響,充分利用無人靶車的高機動、高適應、高智能、可拓展的典型特征可支撐全系統提高作戰訓練使用靈活性、拓展作戰訓練空間。無人靶車將成為信息化裝備體系的重要組成部分、減少人員傷亡的重要手段、提高戰術精確打擊能力的有力保證。

1 車規級線控底盤研發

車規級線控靶車研究主要是對車輛基礎功能、底盤執行機構控制技術研究和可裝卸式上裝的研發,基于需求目標設計改裝一款符合各項參數的無人車,底盤執行機構控制技術研究基于車輛線控協議研究底層控制器及下發控制指令協議,實現車輛精確控制,包括橫向控制、縱向控制、駐車控制、點火控制、檔位切換、燈光控制等,通過減少設備信號的轉接,提高單個設備的集成度,優化設備的合理布局,進行專業的電纜設計,提高CAN數據傳輸效率和信號的精確度來保障設備間連接的可靠性、車輛的控制精度和功能的穩定性[1]。

無人靶車一體化設計技術的研究必要性在于以下兩個方面:一方面,傳統車輛是一個完整并且多耦合的整體,進行無人靶車改裝時應充分考慮改裝后的靶車使用環境、越障性能、動力性能、車身造型的隱蔽性、承載能力及功能實現性等因素,另一方面,充分考慮車輛的動力學性能和傳感器的識別性能是避免資源浪費,控制靶車成本的一個必經之路。

通過調研與實踐相結合的研究方法,車輛在改裝設計階段對最大負載狀況下的車輛進行數學模型的建立,對實際運行環境及各類場景進行模擬建圖,通過得出的數據對靶車的設計進行修改。同時進一步研究分析車輛動力性、通過性參數,提出符合軍隊訓練場景及要求的設計方案,綜合分析軍隊公示的車型技術參數,遴選出符合改裝要求的車型進行方案實施。改裝方案確定后,則展開軟硬件和結構件的詳細設計,并引入功能安全,信息安全等設計流程和指標。最后進行全流程的測試,實驗方法包括仿真和實測兩部分,模擬仿真主要針對算法驗證以及故障注入驗證,實測則針對于邏輯驗證,以及整機功能和性能驗證。

測試流程測試用例嚴格采用車用控制器的要求開發并實施,包括硬件測試,代碼測試,HIL測試,可靠性測試(電性能,環境,EMC),故障測試,以及實車測試,最后實現目標運行場景的實際應用。

2 多傳感器融合感知技術研究

無人駕駛技術的核心是實現車輛的“環境感知-決策規劃-控制執行”過程。環境感知作為第一環節,處于無人駕駛車輛與外界環境信息交互的關鍵位置,其關鍵在于使無人駕駛車輛更好地模擬人類駕駛者的感知能力,從而理解自身和周邊的多傳感器信息融合技術研究就是在特定準則的指導下,利用現代計算機技術對多傳感器數據進行觀測和分析,然后對冗余信息進行分類、排序及整合互補信息,從而對目標作出精準的預測,該技術模擬了人類大腦獲取、理解、分析和處理感知信息的全過程[2]。

通過對激光雷達-毫米波雷達-相機進行融合感知,利用輸入的毫米波雷達、激光雷達和前視攝像頭數據,分別將毫米波雷達與前視攝像頭數據進行空間匹配,將激光雷達與前視攝像頭數據進行空間匹配,為了確保數據的一致性,進行傳感器時間配準,從而實現三種傳感器的空間融合和時間融合。由于毫米波雷達的目標分辨率很低(無法確定目標大小和輪廓),所以毫米波雷達和前視攝像頭擬采用目標級融合,而激光雷達能夠確定目標的大小和輪廓,激光雷達能夠獲得場景點云圖,所以激光雷達和前視攝像頭擬采用像素級的融合。

在整個融合過程中,圖像起到一個引導作用,即將毫米波雷達與前視攝像頭數據進行空間匹配,將激光雷達與前視攝像頭數據進行空間匹配,為了確保數據的一致性,需要進行傳感器時間同步工作,從而實現三種傳感器的空間融合和時間融合。

3 多傳感器融合定位算法研究基礎

隨著自動駕駛技術在各種場景的應用的逐漸,無人車的定位技術是實現車輛合理規劃和精準控制的前提條件,因此也受到了越來越多的重視,通過各方的研究結果表明借助單一傳感器實現無人車的定位受制因素過多,難以滿足無人車的在復雜場景下的任務需求,而多傳感器融合技術成為一種必然的選擇方案[3]。

在研究過程中,基于針對無人車在復雜環境中遇到的各類狀況如傳感器失效、定位信號異步、延時、環境切換等,采用基于因子圖模型和增量平滑算法,構建多源信息融合定位框架,通過仿真測試著重對定位算法的精度、魯棒性及場景進行測試。為解決針對高精度定位系統中地圖的重要性問題,將定位問題分為無地圖定位與基于地圖定位,分別對智能車輛的定位問題進行探索。對研究的智能車輛、傳感器及其定位問題進行建模分析,再對該平臺實施傳感器校準以減小系統誤差。對于無地圖定位問題,利用擴展卡爾曼濾波算法將里程計與慣性測量單元(IMU)數據相融合;對于地圖定位問題,采用激光傳感器構建室內環境地圖,根據蒙特卡羅算法(粒子濾波算法)融合里程計、IMU、激光數據信息進行室內定位試驗。

通過基于GPS和IMU的原始數據融合算法,定位精度都可達到厘米級。在無衛星導航或封閉空間內(如車庫)基于激光雷達點云數據的SLAM掃描匹配定位,在戶外和導航信號良好的環境內基于GPS和點云數據的掃描匹配定位結果的融合定位算法。

4 路徑規劃算法研究

自主路徑規劃技術主要基于無人車運動模型及高精度地圖實現無人車自主路徑規劃。目前主要研究算法有自主引導行駛技術中的全局路徑規劃算法和參考路徑跟蹤控制應用算法。

全局路徑規劃為在已知起點和終點的前提下,算法根據車輛定位信息和靜態地圖信息采用A*算法規劃出在高精度地圖中快速尋求最短并且最優小的行駛路徑。

局部路徑規劃為車輛遇到障礙物或其他原因而進行部分行駛軌跡的改變,通過傳感器對車輛行駛環境進行探測,以獲取障礙物的形狀、速度、位置和預測軌跡等信息,該環境模型的動態更新可以隨時進行修正,局部規劃方法集成了環境的建模與搜索,對規劃結果進行實時反饋和校正[4]。

為了提高控制精度,通過建立離散化和線性化處理的車輛運動學模型,建立描述車輛運動狀態的離散狀態空間方程。同時,通過高精度地圖的繪制,可以精確描述行車道路、車位、樹木和障礙物等之間的位置關系,并結合道路駕駛規則和OpenDRIVE路網技術建立高精度電子地圖。同時,結合圖論和啟發式路徑搜索理論,基于設定道路航點的高精度電子地圖,路徑優化和操控性以改進Floyd+A*混合路徑規劃算法,為智能車輛提供安全的和最優參考路線駕駛。

5 多車協同編隊控制算法研究

隨著無人駕駛技術應用領域的不斷擴大,越來越多的無人駕駛車輛在同一個場景內執行任務如野外偵察、外星探測、災后救援、戰場掃雷等場景,而如何合理協調與協助多輛無人車系統的技術具有重要意義。多車輛協同編隊控制是實現多車輛系統相互協作與協調的關鍵技術之一。

近年來,團隊成員以網聯式自主駕駛車輛為研究對象,借助群智能理論研究在仿真場景、封閉測試場及開放道路上進行多車協同控制策略的實車測試及應用研究。設計了網聯式多車編隊通信模型及架構。模型中采用中央服務單元(CSU)和路側單元(RSU)進行無線通信,車載單元(OBU)配備環境感知傳感設備進行環境監測。自動駕駛汽車在這種通信架構下形成了“分解”的分層控制結構。在此基礎上,建立無人駕駛多車協同線性控制模型,對其穩定性進行分析。 在研究過程中,設計了多車編隊、避障、編隊保持和自適應四個場景,并針對場景中的車隊模型控制問題,如縱橫向耦合控制、車輛間距控制、有限狀態機(FSM)建模進行了討論。

在應用研究層面,利用無線蜂窩網絡(LTE-V/5G)技術,在封閉測試場內進行20輛網聯式無人駕駛車輛多車協同控制實車測試。測試項目包括0～30km/ h的速度完成起步、多車編隊、隊形保持、隊形切換、加減速、停避障、停車等多個測試場景,系統精度可達場景切換執行周期15s,最短車間距6m,距離控制精度0.5m,側向加速度變化率0.15g/sec,最大橫向加速度2.1m/s2。

6 編隊車輛通信方式研究

通信系統不僅可以實現無人車與計算機的相互通信,更重要的是可以實現多個無人車之間的相互通信,只有無人車之間可以相互通信了才能真正算作是一個多無人車協同控制平臺。而無人車和計算機的通信以及無人車之間的通信,既需要點對多的通信方式,也需要點對點的通信方式。

主要圍繞3種通信方式進行了研究探索及應用實踐:

(1)基于統一控制平臺端方案完成了智能網聯監控平臺對車輛控制功能,通過平臺下發啟動、停止、前進、后退等控車指令同時車端通過網絡將電池信息、慣導狀態、激光雷達狀態、毫米波雷達等設備的實時信息反饋給監控平臺。

(2)基于無線電臺通信方案,利用高清數傳電臺分完成了18輛車的多車協同編隊演示,通過頭車電臺對編隊車輛實時下發各類控制指令,車輛收到相應指令完成相應動作來保障不同車輛在編隊隊形中的不同位置不同狀態。

(3)基于5G網絡通信方案,構建無人車模擬駕倉,利用5G通訊低延時、高效率的通訊特點,通過遠程智能駕駛平臺可實現遠程車輛的全向監控和智能遠程控制。

7 靶車顯控平臺研究

靶車顯控平臺是實現無人靶車編隊監控調度的綜合智慧大腦,負責采集靶車運行各項信息,同時實現多車協同遠程控制。靶車顯控是面向用戶的涉及信息安全、車輛控制、設備監控的綜合性一體化平臺,圍繞“監測+管控”兩個核心功能,形成“Web+App”的應用形式,實現行車場景數據記錄、車輛管控、運營統計、系統管理的總體功能,全方位的支撐無人靶車測試及應用服務。

通過業務梳理及各類數據接口對接,形成一整套多車智慧協同調度系統云控平臺,該平臺是面向智能網聯汽車示范測試相關監管需求及頂層業務應用,涉及標準規范、大數據應用、信息安全的綜合性一體化平臺,以“智能網聯汽車和智慧交通系統”兩個主要對象,圍繞“監測+管控”兩個核心功能,形成“Web+App”的應用形式,實現行車場景數據記錄、車輛管控、園區信息管控、運營統計、系統管理的總體功能,全方位的支撐無人汽車研發測試管控需求。基于此平臺可開展靶車顯控平臺的基礎研發支撐工作。實現對無人靶車的一體化數據監控和系統化管理,通過車載終端的無線傳輸的,實現車輛定位、數據統計與分析、行駛狀態監控、數據監控、歷史軌跡回放、遠程故障診斷等功能,主要包括無人靶車、運營分析和系統管理三大模塊。

引用

[1] 曲保章.無人駕駛靶車控制系統嵌入式軟件[P].河南省,河南護航實業股份有限公司,2019-06-04.

[2] 徐興,俞旭陽,趙蕓,等.基于改進遺傳算法的移動機器人全局路徑規劃[J/OL].計算機集成制造系統:1-20[2021-09-23].http://kns.cnki.net/kcms/detail/11.5946.tp.20210918.1142.004.html.

[3] 姜康,王皓,陳佳佳.復雜障礙物環境下基于轉向約束的智能汽車路徑規劃方法研究[J].重慶交通大學學報(自然科學版),2021,40(9):137-144.

[4] 劉洪金.多網共存下的無人車自適應通信研究[D].杭州:浙江大學,2021.