一種自動駕駛車的環境感知系統

姜灝

（奇瑞汽車股份有限公司智能車技術中心，安徽蕪湖，241006）

0 前言

目前國外知名車企、部分互聯網企業、零部件供應商的都在緊鑼密鼓的進行自動駕駛汽車的開發工作，且均計劃在2020年左右實現商業化應用。在智能車產業化道路上，現階段有兩條不同的路徑。一條是以谷歌、沃爾沃為代表的，利用昂貴的激光雷達及大量的其他設備實現自動駕駛功能。如，沃爾沃的自動駕駛項目Drive Me，系統配備的傳感器陣容也是空前強大，包括：7個毫米波雷達雷達、5個攝像頭一個激光雷達以及12個超聲波雷達。同時配備云端服務器充當汽車“大腦”。從而能實現真正的無人駕駛。另一條路徑是以特斯拉、奔馳為代表的通過視覺及毫米波雷達實現部分工況的輔助駕駛功能。如特斯拉量產并已應用的車上的輔助駕駛系統包括自動車道保持、自動更變車道和自動泊車三項功能。該系統是通過前視攝像頭，前視雷達，超聲波傳感器并輔以GPS等實時路況信息實現。

本本旨在利用低成本設備，結合高精度地圖技術，實現部分工況的自動駕駛功能，并滿足產業化需求，進而提升自主品牌效益，打破國外技術壟斷。

1 感知系統總體設計

感知系統包括控制單元，5個77GHz毫米波雷達、一個高清攝像頭、一個16線激光雷達、一個GPS/IMU模塊、一個超聲波雷達模塊組成。系統構架如圖1所示。

毫米波雷達包括1個遠距離窄角度前向雷達和4個寬角度中距離角雷達。1個前向毫米波雷達安裝于車輛正前方，安裝高度30—60cm范圍內；4個角雷達分別安裝于車輛前保險杠兩側及后保險杠兩側，安裝高度40—60cm內；激光雷達安裝于車輛前保中央位置且位于車輛中軸線上，安裝高度50—70cm。GPS天線位于車頂，IMU安裝于車艙內并位于車輛中軸線上。超聲波雷達模塊包括4個側向超聲波雷達、前向4個超聲波雷達、后向4個超聲、波雷達，計算平臺安裝于車輛前艙內，安裝位置布置如圖2 所示。

圖1 系統結構

圖2 感知系統整車布置

圖3 感知系統實車布置

毫米波雷達可以兼顧前向遠距離及車周近距離障礙物目標檢測，視覺系統主要檢測車輛前方攝像頭輻射區域內障礙物目標類型及車道線距離信息；激光雷達能夠有效檢測車前向中距寬角度范圍內道路邊沿，障礙物目標距離、速度信息；GPS結合IMU能夠穩定獲取車輛位置信息，超聲波雷達模塊能有有效獲取車周360°近距離目標距離信息。整個環境感知系統能夠有效獲取車周環境信息，為車輛特定工況內完成自動駕駛功能提供保障。

2 毫米波雷達

本方案采用前向毫米波雷達為Delphi ESR雷達，角雷達采用Delphi SRR。當雷達系統被激活后，雷達系統便會不斷向汽車前方車道及相鄰車道發射高頻電磁波對前方進行探測，判定前方是否有障礙物；當探測到汽車前方有障礙物時，雷達系統會獲得這些障礙物的信息（障礙物的距離、方位以及速度），這些信息可以通過CAN總線（CAN低線與CAN高線）輸出，每個單個雷達最多能輸出64個目標數據。

計算平臺可通過CAN總線獲得每個雷達的目標數據，然后對這些目標數據進行預處理，判定障礙物是否在本車道內，剔除不在本車道內的前方障礙物信息，獲取在本車道內的前方障礙物信息（距離、速度、方位）；以便后面融合攝像頭傳感器視頻信息及本車速度信息進行汽車跟車決策判定。計算單元對這些數據處理流程圖如圖4所示。

總體來看，網絡編輯作為媒介信息的“把關人”，要在新的信息傳播生態環境中更好地履行好工作職責，承擔好應盡的社會責任，把握好信息傳播的邊界和標準，提升編發內容信息質量，就必須具備更高的媒介素養。作為網絡媒體從業人員只有具備更高的媒介素養，提升把關能力，才能更好地擔當起媒體人應有的社會責任，才能當好媒介信息的“守門人”，當好信息受眾的“引導者”，也才能不被社會環境所制約，實現文化信息宣傳工作創新。

圖4 雷達數據處理流程圖

需要注意的是，由于雷達采用多普勒測速原理，默認的速度值會有一個很小的波動值，屬于正常現象。另外，該雷達系統需要通過車輛CAN總線獲得本車的車速、橫擺角速度、方向盤轉角等信號，不然可能會影響探測結果[1]。

具體工作過程簡單概括為：通過向車前方發射電磁波，接收回波信號來獲取前方動、靜態目標信息，通過距離及方位角判定該障礙物是否在本車道內，如果在本車道內，即實時通過CAN網絡輸出前方目標距離本車的距離，相對速度信息。

3 激光雷達

本方案采用的激光雷達是Velodyne VLP—16。激光雷達置于車頂前方位置[2]，主要用于道路邊沿檢測，即將道路路面與四周的環境進行區分，從而快速準確地檢測出道路，為無人駕駛車輛提供最小風險的可通行區域[3]。

激光雷達原始點云數據處理過程為：首先把激光雷達的點云數據進行柵格化處理,投影到512×512的柵格地圖中，其中每個柵格的大小為20cm×20cm，有障礙數據的柵格標記為1，其它的柵格標記為0，如圖5所示。考慮到無人駕駛車輛是在道路上行駛的，故有以下幾個特點：

(1)為了能保證無人駕駛車輛安全穩定地在道路上行駛，車輛的周邊小范圍內應該是可行駛區域；(2)對于柵格地圖中的任意兩個離散點，它們之間若為可行駛區域，則它們應該有一定的距離，若小于這個安全距離，則這兩點之間是不可通行區域；(3)無人車有往前行駛的趨勢，故前方的安全距離閾值應該比側方大。鑒于以上三個特點，可對圖4的處理結果進行歐式距離變換,將二值圖像變換為灰度圖像。在二值圖像中，1代表目標點，0代表背景；在灰度圖像中，柵格的灰度值表示該柵格點到最近目標點的距離值。這樣一張M×N的圖像可以表示為一個二維數組A[M][N],其中A[i][j]=l對應的柵格表示目標點,A[i][j]=0對應的柵格表示背景點。

設B={(x, y) |A[i][j]=l}為目標點集合，則歐氏距離變換就是對A中所有的柵格點

求 ∶D[i][j] = min{Dis tan ce[(i, j), (x, y))], (x, y) ∈ B} (1)

從而得到二值圖像A的歐氏距離變換圖。此處通過圖形學的方式,以8鄰域為模板。經過距離變換后,再對這個距離圖進行二值化處理,依據無人車的特點,以障礙物點為中心的10＊20范圍內應該是不可通行區域，這樣便可獲得初步的較連續的柵格圖，此時的柵格圖具有比較連續的區域。道路兩邊的邊界也比較明朗后，再根據無人駕駛車輛行駛的第一個特點，以無人車為中心，去除道路以外的障礙物點，搜尋出道路的可行駛區域，此時便可提取出兩側道路邊界線的點，不過這個邊界線比較粗糙，一般的道路邊界都比較規則，故可作二次曲線擬合，獲得比較光滑的道路邊界。然后再采用最小二乘法來擬合二次曲線，得到最終的道路邊沿。

圖5 初步處理后的激光雷達柵格圖

工作過程簡單概括為：激光雷達向車身四周發射905nm光波信號，光波信號遇障礙物將產生回波，回波點云數據經UDP解析，數據讀取，柵格地圖創建，點云數據投影，柵格屬性判定，馬路邊沿區分后將左右兩側道路邊沿距離信息通過以太網輸出給計算單元激光雷達程序流程圖如圖6所示。

4 視覺

攝像頭采用SEKONIX SF3325—10X。

攝像頭識別算法處理過程為：讀取一幀圖像，對圖像逐行處理。對圖像中各行，首先采用對水平方向敏感的Sobel算法增強邊緣。然后對行信息進行處理，進行二值化，對二值化后數據采用車道線內邊緣提取算法，提取車道線內邊緣點，采用hough變換進行擬合車道線，得到車道線極坐標參數（極坐標半徑和角度）。

采用車道線確認算法，檢測車道線極坐標參數是否有效。車道線跟蹤程序首先判斷車道線檢測是否處于穩定狀態，如果連續幾幀左右車道線都可以成功檢測，進入車道線跟蹤狀態。在跟蹤狀態中，車道線檢測區域會相應減少。因此單幀檢測時間將會減少。在跟蹤狀態，如果檢測到連續幾幀車道線參數與前幾幀相差較大，則退出跟蹤狀態，對車道線重新進行全局檢測[4]。程序流程圖如圖7所示。

表1 車道線識別結果

計算出本車前輪距離車輛前方兩側車道線的距離信息如表1所示，此信息并通過CAN網絡將兩側車道線距離車輛兩側距離輸出給計算單元。通過10次樣本測得車道線識別精度為0.1cm。

圖6 激光雷達程序流程圖

圖7 車道線識別程序流程圖

5 超聲波雷達

超聲波雷達目前采用Valeo雷達模塊。雷達含一個雷達主機，12顆超聲波探頭。能實施檢測車周近距離障礙物目標信息，前、后8顆探頭支持最遠4米距離探測，側向4顆支持最遠6米距離探測。雷達目標輸出通過一路CAN輸出，輸出頻率10Hz。

6 GPS/IMU

IMU結合GPS模塊組合導航定位系統安裝固定與車后備箱，系統采用司南R60模塊。該系統配有雙天線，天線分別安裝于車頂前部跟后部，縱向距離保持1米以上，縱向排布跟車行駛方向保持一致，且使得輛天線在縱向保持在一條直線上。高精度定位移動站R60系統能實時穩定輸出車輛的cm級的經度及緯度數據，車輛航向信息以及定位精度狀態信息，這些信息將通過CAN輸出給計算單元。慣性導航上位機狀態圖如圖8所示。

圖8 慣性導航輸出狀態圖

慣性導航安裝于車輛后備箱中部，Y軸方向與車輛前進方向保持一致，系統能準確提供本車的速度，航向，姿態信息[5]，系統實時監測慣導的信號穩定性，通過將系統的狀態信息及姿態、航向、速度信息通過以太網經交換機輸出給計算單元。高精度定位及慣性導航系統程序流程圖見圖9、10所示。

圖9 高精度定位程序流程圖

圖10 慣性導航系統程序流程圖

7 計算單元

本方案采用的計算單元是基于英偉達parker芯片的嵌入式開發板，開發板具備多路CAN口及以太網接口，同時具備足夠的I/O口供實際使用，此開發板運算能力基本能滿足實際應用需求。

8 總結

自動駕駛車的關鍵在于車周環境感知，而利用多傳感器對車輛交通環境的感知是一種必然趨勢。本文的研究內容可總結為以下幾個方面∶

（1）提出了一種自動駕駛車總體環境感知方案，其中包括所選用的傳感器類型、型號，數據傳輸方式及接口，該方案最大特點在于所選通訊接口都采用車規級方案，計算單元直接采用嵌入式平臺，方案成本低，為后續量產方案打下堅實基礎。

（2）本文對攝像頭圖像數據提取，識別過程做了詳細闡述，并對識別結果進行了測試，精度可滿足整車應用需求。

（3）詳細闡述了毫米波雷達對障礙物目標的距離、速度及方位信息獲取超聲波雷達對車周近距離目標獲取過程及GPS/IMU的詳細處理過程及理方法。

（4）本文對16線激光雷達的從點云數據獲取、數據處理過程、障礙物判定及可行駛區域輸出做了詳細闡述，探測結果都通過實車驗證，基本達到應用要求。缺點在于此激光雷達非車規級產品，單從算法層面差異不大，真正量產替換車規級激光雷達即可。