港口自动驾驶车辆融合定位技术的应用探究

为了实现港口车辆的自动驾驶,需要采取全球卫星导航系统(GNSS)。但是港口设备复杂、环境恶劣,容易造成定位不准等问题,港口桥吊、龙门吊等会引起 GNSS信号的遮蔽和多径反射,使得 GNSS局部无信号或信号偏移,从而导致GPS定位失败。根据我国港口的实际情况,在自动驾驶车辆中融合定位技术,通过多源信息和定位技术的融合,实现了港口的高精度、高可靠定位。     

分布式多车协同视觉SLAM系统EI北大核心CSCD

可靠的定位与导航是实现自动驾驶的先决条件。单车视觉同时定位与建图(SLAM)技术能够在GNSS拒止的情况下实现车辆的定位,但累积误差会随运行时间逐渐增加,难以持续准确完成定位任务。通过多车协同视觉SLAM可以提升定位效果。本文提出了一种鲁棒、轻量化的分布式多车协同视觉SLAM系统,该系统以ORBSLAM2作为视觉里程计,利用NetVLAD全局图像描述子实现多车间共视区域识别和数据关联;提出了一种基于数据相似性和结构一致性的方法,实现多车间闭环离群值剔除;提出了一种分布式位姿图优化方法,提高多车协同定位精度。经过自主搭建平台所采集的真实数据以及KITTI数据集测试,该系统相较于已有的主流视觉SLAM算法以及协同SLAM算法均具有更高的定位精度。     

特征稀疏场景下基于标签的车辆视觉SLAM

在智能车辆的同时定位与建图中，视觉特征点法通过对特征点的提取和匹配进行车辆位姿估计，但当环境缺少纹理或动态变化时，场景的特征稀疏、稳定性差，基于自然特征定位易导致精度下降甚至定位失败。在环境中加入视觉标签可有效解决特征稀疏问题，但基于视觉标签的定位方法高度依赖人工标定，且常因视角变化出现位姿抖动，影响定位的精度。为此，本文提出了一种基于标签的车辆视觉SLAM方法，充分利用标签信息，引入内外角点约束降低标签位姿抖动，同时借助视觉里程计建立低漂移、全局一致的地图；在定位时基于标签估计车辆位姿，并联合优化标签地图与车辆位姿，从而构建低成本、高鲁棒的视觉SLAM系统。试验结果表明，本文方法使用内外角点约束有效降低了标签的位姿抖动，使标签建图精度的提升率超过60%，定位精度的平均提升率超过30%，显著地提高了基于标签定位的精度与鲁棒性，有利于智能车辆的安全运行。     

基于车辆位置感知的自动快速公交系统

为了在城市快速公交系统中实现低成本的自动驾驶,提出一种基于位置感知的自动快速公交系统。该自动快速公交系统由感知层、决策层、控制层、执行层构成。其中感知层利用视觉和GPS可分别实现宿主车辆在道路上的横向、纵向的全局定位。利用车-车(V-V)和车-路(V-I)的超宽带通信及测距可得到周边车辆和设施相对本车的精确位置。详细介绍了车辆的横向定位方法以及在横向定位基础上的GPS/DGPS全局定位、V-V相对定位和V-I相对定位算法。列举了该系统中车辆利用位置感知实现自动跟随、泊车、换道超车等关键过程的方法,最后分析了自动快速公交系统的可行性。研究结果表明:提出的自动快速公交系统利用相对廉价的硬件设备和简单的定位算法,能够对自身、周边车辆及设施进行精确的位置感知,据此可实现车辆的自动驾驶控制,具备良好的应用前景;该系统中车辆位置感知方法相比传统方法具有较好的成本优势,在典型工况下能够取得较高的定位精度。     

基于因子图的自动驾驶融合定位研究

在自动驾驶系统的即时定位及地图构建问题中，当行车路况复杂多变时，如何对车辆位姿进行准确实时估计是一个关键问题。就该问题提出基于因子图的多传感器融合方法，在Matlab 软件环境中实现车辆的准确实时定位。根据实际驾驶过程的特性选择试验采用的数据类型并建立相应的数学模型，分别根据GPS 及IMU 数据特征以及VO 和IMU的数据特征建立相应的融合因子图模型，基于KITTI 数据集，对所建立的融合因子图模型进行试验验证。结果表明，通过融合因子图模型可以准确地估计车辆当前时刻的位姿。     

基于激光雷达的自动驾驶同步定位与建图方法综述

同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术可使自动驾驶车辆在未知环境中根据车载传感器采集到的数据估计自身位姿,建立环境地图,为车辆的规划、决策提供定位信息,是近年来自动驾驶技术研究的热点之一。基于车载激光雷达的点云数据,聚焦SLAM技术在自动驾驶领域的应用,围绕前端里程计、后端优化和回环检测技术,对国内外相关研究进行综述。考虑到单一传感器的局限性,结合目前多传感器融合研究的热点与难点,展望了自动驾驶多传感器融合SLAM技术在自动驾驶领域的机遇与挑战。     

基于视觉标记板的自动驾驶车辆激光雷达与相机在线标定研究*

针对传统的高清相机和激光雷达外部参数手动或半自动化标定程序繁琐和耗时问题,提出一种适用于地面无人平台车载激光雷达和相机在线自动标定的方法,以安装标记板(Marker)的移动车辆为标定目标,实现车辆的快速识别和位姿估计。同时获取在两种传感器中得到的位姿估计结果,利用经典的定向求解方法计算得到相机与激光雷达之间的刚性转换关系,并在真实城区环境中利用最优评估优化减小标定误差,试验结果证明了所提方法的准确性与可靠性。     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航（INS/GNSS）系统存在的定位偏差问题，提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先，针对训练数据中噪声较大的惯导数据，提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数，提出一种确定混合模态函数阶数上下界的方法，并采用离散小波变换硬阈值法对混合模态函数进行滤波处理，最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后，采用改进的堆叠式长短期记忆网络离线训练位置预测模型，利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测，提出一种局部数据降噪方法，该方法利用一定长度时间窗口的历史数据，通过线性最小二乘给出当下时刻数据的预估值，并与实际量测值进行滑动平均滤波，优化位置预测的结果。在封闭场地模拟隧道环境下，对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较，经度和纬度的归一化均方误差分别下降了13.34%和9.38%，经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%；在复杂城市交通环境下，检验提出的方法，经度和纬度的归一化均方误差分别下降了6.51%和5.66%，经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明，在弱GNSS信号环境下，提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。     

基于GPS和视觉同步定位与建图的无人驾驶车辆定位方法研究

为提高无人驾驶车辆的定位精度,提出一种基于GPS与视觉同步定位与建图(VSLAM)相融合的定位算法,在VINS-Mono基础上进行改进,提出了VINS-FAST算法进行角点提取,并将VINS-FAST与GPS技术相结合,提出了GPS与VSLAM相融合的VINS-GPS算法。试验结果表明:VINS-GPS在KITTI数据集07和09子集上的均方根误差较VINS-Mono分别降低了18.16%和33.08%,改善了VSLAM在大范围环境中表现较差的问题,同时提高了在GPS信号薄弱或无GPS信号环境中的定位精度。     

基于高斯伪谱法的自动驾驶车辆状态研究

针对自动驾驶车辆的多阶段多约束轨迹优化问题,根据高斯伪谱法的思路,建立了基于场景的环境模型和车辆动力学模型,设置了车辆动力学约束、速度约束等各种状态约束,包括自动驾驶在每一阶段的起始状态和终了状态等参数的约束条件。采用高斯伪谱法通过将控制变量和状态变量进行离散化来获得其近似表达式,从而将自动驾驶的轨迹规划问题转化成性能指标的优化问题,最终求得了自动驾驶车辆的安全、有效的路径轨迹。研究结果表明:高斯伪谱法具有计算精度高、求解速度快的特点,能在考虑各种约束条件下,实现多阶段轨迹优化。     

智能车辆的研究及发展

智能车辆也叫无人车辆，是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统。它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。它的主要特点是在复杂的道路情况下，能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路(轨迹)行进。     

基于自动驾驶的车辆安全技术应用探讨

中国大量的道路基建工程建设充当着城市化发展的重要指标之一,然而交通基建并不能时刻满足日益增长的交通需求,随之而来的交通事故推动着车辆自身的安全及预警技术的研发,而该技术正是自动驾驶技术的基础。自动驾驶通过感知（传感器与创建环境地图）、规划（寻找与优化路径）与执行（ECU驱动车辆自动驾驶和安全功能）三个层面来实现,车辆自身的安全技术可被归纳为被动安全技术、防碰撞预警技术、主动安全技术和主动式无人驾驶技术,因此自动驾驶也是实现车辆安全技术的最高等级,然而即使是当下已商用的自动驾驶系统也不能完全保障交通安全,不成熟的避让算法、机器识别效率或处理系统高负载运行崩溃将更容易触发致命事故。自动驾驶的发展具有明朗的前景,但需要与智慧道路形成更高层次的环境感知水平,从而真正的推动人、车、路交通三要素有机结合,在更完善的交通感知环境中全方位保障三者在交通参与过程中的安全,助力车辆自动驾驶技术实现相应的社会价值。     

李尔将为跨国电动汽车制造商提供先进的互联和车辆定位解决方案

正全球领先的汽车座椅和电子电气供应商李尔近日宣布,将在2022年下半年向一家跨国电动汽车制造商供应4G/5G车载无线终端,通过提供先进的互联和车辆定位解决方案,辅助驾驶和停车功能。这款全新的汽车量产应用,将李尔专有的GNSS(全球导航卫星系统)高精度定位技术集成到李尔的4G/5G车载无线终端中,将车辆连接到云端服务,并控制车辆诊断和通信。     

基于实时三线标定的车辆视觉定位方法

车辆在行驶过程中车路状况复杂多变,车载摄像机外参数会发生较大的变化,针对采用传统的基于预先标定外参数的方法进行车辆位姿计算会带来较大误差的问题,研究了一种基于实时三线标定的车辆视觉定位方法.基于三线标定法实时标定车载摄像机外参数,降低了其受到车辆震荡和路面环境的影响.然后利用外参数的实时标定结果,结合射影几何和消失点原理对车辆进行位姿计算,获取车道偏离距离和车辆偏转角度信息,从而实现对车辆的定位.通过在不同的路段架设不同高度的车载摄像机进行真实道路实验,计算车辆的位姿.结果表明,在不同路况下,车辆偏离车道线距离的平均误差为7.3cm,偏转角度平均误差为1.5°.该算法通过实时标定车载摄像机外参数,可以有效提高车辆位姿计算的精准性与适应性,对车载摄像机外参数的标定性能明显优于传统的预先标定法.      

融合时空特征的端到端自动驾驶车辆转向角预测

端到端自动驾驶系统可完成从感知输入到车辆控制输出的直接映射,已成为当前无人驾驶研究的一个重要方向.显然,在动态环境中自主驾驶车辆需要具有处理时空信息的能力,以实现精确平滑的车辆运动控制.为此,提出一种新的时空信息融合模型,在双流卷积网络(Two-stream CNN)的基础上引入门控循环单元(GRU)网络来实现端到端自...     

基于LGSVL/Apollo的网络延迟攻击下自动驾驶车辆定位估算

为提高网络延迟攻击下自动驾驶车辆定位估计算法的精确度,研究了延迟模型下自动驾驶车辆定位的无偏差有限脉冲响应(UFIR)估计器设计方法,并仿真实验。搭建延迟攻击下的车辆运动学模型,拓展模型至有限长度的时间窗口,推导UFIR算法按批处理式与迭代式表达形式,分析Apollo系统各功能模块的数据流动,基于LG开源自动驾驶仿真器(LGSVL)与Apollo系统,搭建联合仿真测试平台并开展实验。结果表明:与Kalman滤波器(KF)相比,该算法估计精确度更高;当延迟数据出现较大变化时,算法响应速度更快,波动幅值更小,鲁棒性更强。当数据延迟时间小于等于1 s时,估计效果良好。因而,验证了基于LGSVL与Apollo系统进行自动驾驶仿真实验的可行性。     

基于V2X通信网络的车辆协同定位增强方法

鉴于车辆位置精度对车联网应用的重要性和传统的卫星定位系统在城市"高楼峡谷"或隧道等弱卫星信号覆盖区域失效或定位精度不足等问题,本文中研究了基于V2X通信网络的车辆定位方法,研发了专用短程通信和多模式通信网络定位终端,完成了终端的性能测试和应用部署,设计了基于多模型滤波算法的车辆协作定位增强方法。结果显示,与传统GPS定位相比,本文方法能提升定位精度近40%。     

基于RFID、视觉和UWB的车辆定位系统

在智能交通系统中获取车辆的精确位置对提升主动安全和实现无人驾驶具有重要意义。针对目前全球定位系统(GPS)和车路通信(V2I)定位方法的不足,结合射频识别(RFID)、视觉和超宽带(UWB)通信提出了一种新的车辆定位系统,目的是在GPS效果不佳的城市环境下实现车道级的定位。提出了基于RFID和视觉的车道判别算法和基于UWB的单锚点V2I定位算法。分析了单锚点V2I定位算法在典型工况下的定位误差。结果表明,在合理布置路侧单元的前提下采用该定位方法可实现直道和弯道定位误差分别在0.3和0.5m以内的定位精度。     

车载定位系统的应用及关键技术

随着车联网及自动驾驶相关应用的推广与普及,车载定位系统的重要性与日俱增。文章立足于车载定位系统的原理与架构,着重介绍了车载高精定位关键技术的原理和应用,包括传统卫星定位、差分定位、关系导航及组合导航及其组合方案,并在最后对车载定位系统的发展进行总结与展望。为满足自动驾驶相关场景带来的需求和挑战,车载定位系统已在原有的单一全球导航卫星系统（GNSS）定位的基础上,逐步加入差分定位、惯导系统及对前两者进行融合的组合导航,在不断提高定位精度的同时,也进一步增强了车载定位的抗干扰能力及带遮蔽环境下的动态适应能力。     

基于共享模式的网联自动驾驶车辆路径规划研究

物联网、大数据、移动互联等新一代信息技术在自动驾驶方面的运用,为交通信息化和智能化带来了新的发展契机.作为集约型的城市交通发展模式,共享出行已成为学界关注的热点问题.在共享模式和自动驾驶协同发展的时代背景下,提出了随机需求下考虑用户等待时间的网联自动驾驶共享车辆路径规划模型.为验证模型的有效性和鲁棒性,在虚拟网格式路网中设计应用算例,基于优化工具Gurobi对模型进行求解,确定最优的网联自动驾驶车辆规模及最优车辆服务路径,并与个体最优情况下的出行成本及能耗进行对比.研究结果表明,共享模式能大幅度减少车辆数,降低系统总体成本及能耗,在提高车辆使用率和可持续性方面效果显著.