基于慣導/激光雷達的無人車融合定位技術(shù)研究

摘 ?要： 在無人車運行過程中，由于衛(wèi)星導航信號受到遮擋、干擾等因素影響，慣導難以持續(xù)提供穩(wěn)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(yīng)用場景的激光雷達輔助無人車融合定位技術(shù)，利用最小二乘算法對濾波后的雷達點云數(shù)據(jù)進行擬合，獲取無人車可行駛道路區(qū)域，并據(jù)此進行軌跡規(guī)劃，實現(xiàn)無人車的運動控制。論文對該技術(shù)進行了工程化實現(xiàn)和驗證，結(jié)果表明，衛(wèi)星RTK定位不可用時，激光雷達可實現(xiàn)穩(wěn)定、可靠的無人車導航。

關(guān)鍵詞： 無人車;定位;數(shù)據(jù)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(shù)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(shù)起源于軍用和特種應(yīng)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(zhàn)略計算計劃”，開展自主陸地車輛項目研究。經(jīng)過幾十年發(fā)展，無人車系統(tǒng)框架、實現(xiàn)方式和技術(shù)方向已基本發(fā)展成熟，尤其是一些軍事強國，無人戰(zhàn)車已投入使用。

因具備物理環(huán)境適應(yīng)能力強、風險小、代價低、非接觸、無人傷亡、長續(xù)航、多功能、自主可控、可成組編隊等諸多方面的優(yōu)點，無人車在軍事作戰(zhàn)領(lǐng)域率先應(yīng)用，并被列為重大顛覆性技術(shù)[1]。通過大量試驗測試和實際應(yīng)用表明，無人車可大幅提升部隊綜合作戰(zhàn)效能，人機協(xié)同、全自主化與集群化已成為新的發(fā)展方向[2]。

不但在軍事作戰(zhàn)領(lǐng)域具有不可替代的優(yōu)勢，社會治安綜合治理、應(yīng)急救援等領(lǐng)域也是無人車的典型應(yīng)用場景。在治安巡邏、消防搶險、應(yīng)急救災(zāi)、反恐偵查等工作中，通過人機協(xié)同、自主作業(yè)、自編隊等技術(shù)，無人車可實現(xiàn)全天時全天候執(zhí)勤，降低消防、救災(zāi)、反恐等危險場景人員傷亡，同時，可以有效彌補執(zhí)法人員不足的缺陷，實現(xiàn)快速響應(yīng)。

高精度衛(wèi)星定位、視覺是無人車軌跡規(guī)劃的常用手段，尤其是基于高精度衛(wèi)星定位和數(shù)字地圖的軌跡規(guī)劃技術(shù)，在特種無人車領(lǐng)域具有廣泛應(yīng)用。但是，在社會治安綜合治理、應(yīng)急救援等領(lǐng)域，存在信號遮擋、光線條件差等復雜場景，衛(wèi)星定位和視覺數(shù)據(jù)可用性差，導致特種無人車無法以常規(guī)方式進行軌跡規(guī)劃和控制。文獻[3]提供了一種應(yīng)用于智慧農(nóng)機的激光雷達導航技術(shù)，基于單線激光雷達對兩側(cè)農(nóng)作物掃描，形成道路特征點，利用最小二乘法對點云數(shù)據(jù)進行軌跡擬合，形成行駛軌跡。文獻[4]研究了并優(yōu)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(qū)域的導航方法，并采用Vector Field Histogram+（VFH+）進行車輛的局部路徑規(guī)劃，有效解決了惡劣環(huán)境中單一軌跡規(guī)劃方法導致的導航失敗問題。

針對無人車在復雜場景中應(yīng)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(shù)，可以實現(xiàn)復雜場景下的障礙物識別、軌跡規(guī)劃、車輛控制，提高了特種無人車的環(huán)境適應(yīng)性和可靠性。論文首先分析了特種無人車感知系統(tǒng)各傳感器特性，針對復雜場景的應(yīng)用，分析了激光雷達導航方案可行性，在此基礎(chǔ)上，推導了點云擬合和軌跡規(guī)劃算法，并進行了軟件實現(xiàn)，最后通過實車試驗驗證了該技術(shù)的可行性[5]。

1 ?特種無人車感知系統(tǒng)

1.1 ?無人車系統(tǒng)原理

從技術(shù)實現(xiàn)角度，無人駕駛系統(tǒng)可分為環(huán)境感知、智能規(guī)劃和決策、自適應(yīng)控制和車輛底層線控四部分。感知系統(tǒng)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(tài)信息，并通過數(shù)據(jù)處理和融合后，形成駕駛態(tài)勢圖，發(fā)送至規(guī)劃和決策模塊。規(guī)劃和決策系統(tǒng)根據(jù)駕駛態(tài)勢圖、任務(wù)規(guī)劃和自身狀態(tài)生成規(guī)劃軌跡和決策命令。智能控制系統(tǒng)通過橫向控制和縱向控制，實現(xiàn)對軌跡的實時精確跟蹤，并形成轉(zhuǎn)向、驅(qū)動和制動命令，發(fā)送至車輛底層執(zhí)行部件[6]。車輛底層執(zhí)行部件通過對車輛底盤、運行狀態(tài)、路況、載重、天氣等因素進行適配后，執(zhí)行控制模塊發(fā)送的命令。無人駕駛系統(tǒng)原理結(jié)構(gòu)圖如圖1所示。

1.2 ?無人車感知系統(tǒng)

圖1中，左側(cè)為無人駕駛系統(tǒng)傳感器配置，其中，激光雷達通過點云數(shù)據(jù)可以實現(xiàn)障礙物識別、周邊環(huán)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(huán)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(xiàn)原理差異，數(shù)據(jù)特性不同，分別適用不同的環(huán)境，因此，多傳感器數(shù)據(jù)融合是提高感知系統(tǒng)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(yīng)急救援的具體任務(wù)場景中，經(jīng)常存在隧道、茂密樹木、城市峽谷等衛(wèi)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(yīng)用要求[8]。本文實現(xiàn)了基于速騰聚創(chuàng)16線激光雷達的無人車導航技術(shù)，可以在高精度定位和視覺不可用的復雜環(huán)境中，利用激光雷達實現(xiàn)無人車的軌跡規(guī)劃和控制。

2 ?激光雷達導航技術(shù)

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(yōu)點，因此，可以在衛(wèi)星信號被遮擋、光線條件差的環(huán)境中穩(wěn)定工作。本文根據(jù)激光雷達點云數(shù)據(jù)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(guī)劃[9]。

2.1 ?道路特征提取

本文中激光雷達導航技術(shù)主要針對衛(wèi)星信號不可用的復雜場景，因此，道路兩側(cè)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(shù)據(jù)中道路特征信息，然后將激光雷達的極坐標系數(shù)據(jù)轉(zhuǎn)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(shù)，作為橫向控制的輸入信息，實現(xiàn)無人車導航控制。

3 ?工程實現(xiàn)和驗證

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

3.1 ?RTK定位系統(tǒng)

載波相位差分定位（RTK）技術(shù)可實現(xiàn)厘米級的高精度定位，其基本結(jié)構(gòu)如圖4所示，由衛(wèi)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(fā)射天線、衛(wèi)星接收機、無線電臺、衛(wèi)星接收天線。車載差分定位移動站包括衛(wèi)星定位定向接收機、衛(wèi)星接收天線、電臺接收天線。

該定位系統(tǒng)的工作原理是，在基準站上安置一臺衛(wèi)星接收機，對衛(wèi)星進行連續(xù)觀測，并通過無線電臺和電臺發(fā)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(wèi)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(jù)相對定位原理實時處理數(shù)據(jù)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(fā)送給車載自動駕駛定位及控制系統(tǒng)中的上位機[13]。

3.2 ?自動駕駛系統(tǒng)

3.2.1 ?無人車系統(tǒng)結(jié)構(gòu)

根據(jù)圖1提出的無人駕駛系統(tǒng)結(jié)構(gòu)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(tǒng)結(jié)構(gòu)如圖5所示[14]。

上圖所示的自動駕駛系統(tǒng)包括環(huán)境和車輛狀態(tài)感知模塊、車輛底盤控制模塊、底層數(shù)據(jù)和通信支持模塊，環(huán)境和車輛狀態(tài)感知模塊由上位機、慣性/衛(wèi)星組合導航系統(tǒng)、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(shù)據(jù)和通信支持模塊由以太網(wǎng)-CAN轉(zhuǎn)換器實現(xiàn)，毫米波雷達、超聲波雷達、底盤嵌入式控制板、車輛電動轉(zhuǎn)向器都通過其與上位機實現(xiàn)通信[15]。車輛底盤控制模塊由底盤嵌入式控制板實現(xiàn)，底盤嵌入式控制板分別外接車輛的檔位、油門、剎車系統(tǒng)，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(zhuǎn)向器在上位機的控制下對車輛的轉(zhuǎn)向進行控制[16]。

3.2.2 ?無人巡邏車配置

根據(jù)圖5所示系統(tǒng)結(jié)構(gòu)設(shè)計進行器件選型，無人車有關(guān)傳感器、導航的配置如表1所示。

3.2.3 ?實現(xiàn)效果

該車通過底盤線控改造、傳感器安裝和調(diào)試、無人駕駛軟件開發(fā)和測試，具備自主循跡、障礙物識別、動態(tài)避障、車道保持、自動泊車、激光雷達導航、遠程智能終端、服務(wù)器監(jiān)控和交互等功能，實現(xiàn)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(guī)劃和控制技術(shù)驗證，試驗表明，在衛(wèi)星定位和視覺無效時，依靠激光雷達可以實現(xiàn)穩(wěn)定可靠的路徑規(guī)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(jié)論

本文提出了一種面向復雜應(yīng)用場景的激光雷達輔助無人車融合定位技術(shù)，在某些衛(wèi)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(shù)據(jù)進行擬合，獲取無人車可行駛道路區(qū)域，并據(jù)此進行軌跡規(guī)劃，實現(xiàn)無人車的運動控制[19]。并對該技術(shù)在電動無人巡邏車上進行了工程化實現(xiàn)和驗證，構(gòu)建了RTK定位系統(tǒng)、自動駕駛控制系統(tǒng)，開發(fā)了無人駕駛軟件。測試結(jié)果表明，衛(wèi)星RTK定位不可用時，依靠激光雷達可實現(xiàn)穩(wěn)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(tǒng)現(xiàn)狀與發(fā)展趨勢[J]. 雷達與對抗， 2016， 36（1）： 1-5.

[2] 王桂芝， 沈衛(wèi). 國外自主地面無人系統(tǒng)發(fā)展綜述[J]. 機器人技術(shù)與應(yīng)用， 2017（6）： 23-25.

[3] 張順順. 基于激光雷達的農(nóng)業(yè)自主車輛導航研究[D]. 南京， 南京農(nóng)業(yè)大學， 2014.

[4] 白聰敏. 區(qū)域交通環(huán)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(tài)規(guī)劃算法的軌跡地圖匹配軟件設(shè)計與實現(xiàn)[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(yǎng)老服務(wù)路徑規(guī)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(tài)測量技術(shù)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(chǎn)SW-LiDAR系統(tǒng)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(tǒng)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(tǒng)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(xié)作研究[J]. 軟件， 2018， 39（10）： 87-91.

[13] 徐穎章， 金海波. RTK技術(shù)在無人機導航應(yīng)用中的實現(xiàn)[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(shè)計與性能分析[J]. 測繪通報， 2018（11）： 1-6.

[15] 王曉暉， 喬通. 云環(huán)境下面向感知數(shù)據(jù)匯集的通信服務(wù)系統(tǒng)設(shè)計與實現(xiàn)[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(huán)境下智能汽車自動駕駛系統(tǒng)研究[J]. 機械設(shè)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(guī)劃的計算最優(yōu)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(tǒng)跟蹤定位算法研究[J]. 傳感技術(shù)學報， 2012， 25（2）： 236-239.