管 欣,洪 峰,賈 鑫，張永赫，鮑 闞

(吉林大學(xué)，汽車仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)春 130022)

?

2015008

基于分層信息數(shù)據(jù)庫(kù)的智能車仿真環(huán)境感知方法研究*

管 欣,洪 峰,賈 鑫，張永赫，鮑 闞

(吉林大學(xué)，汽車仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)春 130022)

針對(duì)目前智能汽車仿真中應(yīng)用最廣的環(huán)境感知方法(建立數(shù)據(jù)庫(kù)，動(dòng)態(tài)更新提取信息)的不足，提出了一種分類、分層的數(shù)據(jù)結(jié)構(gòu)定義與存儲(chǔ)方法，使數(shù)據(jù)庫(kù)不但能描述復(fù)雜的道路情況，而且修改容易；在此基礎(chǔ)上，將碰撞檢測(cè)算法引入信息動(dòng)態(tài)提取過程中，實(shí)現(xiàn)分層的感知信息提取。在駕駛模擬器上進(jìn)行的車道標(biāo)線、交通標(biāo)志感知試驗(yàn)的結(jié)果表明，本文中提出的方法能實(shí)時(shí)對(duì)環(huán)境信息進(jìn)行全面可靠的檢測(cè)，并給出真實(shí)傳感器的檢測(cè)誤差。

駕駛模擬器；智能汽車仿真；環(huán)境感知；數(shù)據(jù)庫(kù)；碰撞檢測(cè)

前言

開發(fā)型汽車駕駛模擬器因其具有真實(shí)的人-車操作界面，能夠任意嵌入實(shí)物進(jìn)行試驗(yàn)，試驗(yàn)工況無風(fēng)險(xiǎn)、重復(fù)可控等特點(diǎn)[1]，在汽車產(chǎn)品開發(fā)、人-車-路閉環(huán)系統(tǒng)研究等方面正發(fā)揮著越來越重要的作用[2-3]。在各類汽車高級(jí)駕駛輔助系統(tǒng)(advanced driving-assistance system, ADAS)和無人駕駛汽車(以下統(tǒng)稱為智能汽車)的開發(fā)研究過程中，將各種智能汽車控制算法嵌入到駕駛模擬器中，形成軟件或硬件在環(huán)試驗(yàn)平臺(tái)，無疑為各種算法的對(duì)比、驗(yàn)證和分析提供了良好的試驗(yàn)條件。相比于其他單純的軟件仿真，該方法還能為乘員提供逼真的駕駛乘坐體驗(yàn)。關(guān)于智能汽車功能的前期開發(fā)與駕駛模擬器的結(jié)合，國(guó)外已經(jīng)進(jìn)行了一些有意義的嘗試[4-5]，而且研究?jī)?nèi)容正擴(kuò)展到用于模擬器的各類智能汽車的傳感器建模、智能汽車參與的交通仿真、智能汽車的介入對(duì)人的駕駛行為習(xí)慣的影響等方面[6-8]。與之相比，目前國(guó)內(nèi)在這方面的研究與應(yīng)用還正在起步階段，已經(jīng)出現(xiàn)了一些系統(tǒng)架構(gòu)類似于駕駛模擬器的智能汽車仿真驗(yàn)證平臺(tái)[9-10]，但在仿真過程中受到所采用的環(huán)境感知方法的限制，這些平臺(tái)大都還只能完成針對(duì)某一特定功能的仿真驗(yàn)證。

在應(yīng)用駕駛模擬器進(jìn)行智能汽車相關(guān)的研究時(shí)，一個(gè)亟待解決的重要問題就是如何處理智能汽車的環(huán)境感知過程。該過程須全面地感知周圍信息，有時(shí)還須體現(xiàn)傳感器的感知范圍、檢測(cè)誤差等物理特性，這無疑要進(jìn)行大量精確的計(jì)算；然而，由于駕駛模擬器的計(jì)算是實(shí)時(shí)進(jìn)行的，這就要求環(huán)境感知算法的計(jì)算效率對(duì)整個(gè)駕駛模擬器系統(tǒng)的實(shí)時(shí)性不造成影響。

針對(duì)上述情況，本文中提出了一套應(yīng)用于駕駛模擬器的智能汽車仿真環(huán)境感知功能實(shí)現(xiàn)方法，該方法既能實(shí)現(xiàn)對(duì)模擬器虛擬交通場(chǎng)景中各類信息的全面和實(shí)時(shí)探測(cè)，又能在一定程度上反映傳感器的檢測(cè)范圍和檢測(cè)誤差特性，從而為智能汽車仿真的環(huán)境感知實(shí)現(xiàn)提供一個(gè)新的思路，為應(yīng)用駕駛模擬器實(shí)現(xiàn)智能汽車算法開發(fā)、驗(yàn)證和評(píng)價(jià)奠定基礎(chǔ)。

本文中首先分析國(guó)內(nèi)外智能汽車仿真過程中用到的環(huán)境感知功能實(shí)現(xiàn)方法；在此基礎(chǔ)上，針對(duì)駕駛模擬器的特點(diǎn)對(duì)現(xiàn)有方法進(jìn)行了改進(jìn)，并對(duì)所需關(guān)鍵技術(shù)進(jìn)行了分析；最后結(jié)合模擬器試驗(yàn)結(jié)果，給出對(duì)該方法實(shí)現(xiàn)效果的分析和結(jié)論。

1 智能汽車仿真中的環(huán)境感知環(huán)節(jié)功能分析

目前進(jìn)行智能汽車算法仿真驗(yàn)證的思路一般有基于駕駛模擬器的仿真驗(yàn)證、完全基于計(jì)算機(jī)仿真的軟件驗(yàn)證和基于硬件在環(huán)技術(shù)的專用仿真平臺(tái)驗(yàn)證3種，如表1所示。

表1 智能汽車仿真驗(yàn)證的環(huán)境感知功能實(shí)現(xiàn)方案對(duì)比

基于駕駛模擬器的仿真驗(yàn)證，其環(huán)境感知功能主要有兩種實(shí)現(xiàn)方法。一種是建立能為環(huán)境感知提供數(shù)據(jù)支持的虛擬交通場(chǎng)景數(shù)據(jù)庫(kù)，然后在仿真過程中根據(jù)智能車輛的位置提取數(shù)據(jù)庫(kù)內(nèi)容，為智能車輛決策算法或傳感器識(shí)別算法提供數(shù)據(jù)支持[11-12]。目前采用的數(shù)據(jù)結(jié)構(gòu)定義方法，大都是以道路中心線或一側(cè)道路邊界作為數(shù)據(jù)入口，根據(jù)車輛與它們的相對(duì)位置，提取所需要的周圍信息。如文獻(xiàn)[13]中，將道路分段離散化，并根據(jù)車體相對(duì)道路基準(zhǔn)線側(cè)向距離計(jì)算車道標(biāo)線，但并未對(duì)車道寬度和數(shù)目發(fā)生變化的過渡路段進(jìn)行詳細(xì)的描述。而且文獻(xiàn)[14]中指出，因?yàn)閷⑦B續(xù)道路離散化，定位過程有時(shí)也會(huì)出現(xiàn)一個(gè)位置點(diǎn)對(duì)應(yīng)多段道路中心線的情況，這些都會(huì)導(dǎo)致感知信息的不準(zhǔn)確。另一種是直接在車上安裝車載攝像頭，通過拍攝投影屏幕直接獲取視覺傳感的原始信息[15]，這對(duì)圖形計(jì)算和成像系統(tǒng)的性能要求非常高，該方法因?yàn)檫€須考慮坐標(biāo)變換和圖像失真的問題[9]，所以在駕駛模擬器上的應(yīng)用較少。而且，對(duì)于傳感器識(shí)別算法的驗(yàn)證，因?yàn)樗峁┑脑紨?shù)據(jù)與真實(shí)環(huán)境的采集數(shù)據(jù)差別較大，所以并不能準(zhǔn)確反映識(shí)別算法的優(yōu)劣。

完全應(yīng)用計(jì)算機(jī)仿真的軟件驗(yàn)證，基本上采用了與第一種駕駛模擬器驗(yàn)證的環(huán)境感知實(shí)現(xiàn)方案一致的方法。其中像PreScan[16]和Pro-SiVIC[17]這種商業(yè)軟件，雖然能夠?qū)崿F(xiàn)在非實(shí)時(shí)條件下考慮各類傳感器物理實(shí)現(xiàn)過程的仿真，但由于駕駛模擬器屬于實(shí)時(shí)運(yùn)行平臺(tái)，所以該方法仍無法滿足駕駛模擬器的使用需求；而且它們大都只能在較小的區(qū)域內(nèi)進(jìn)行單一工況的仿真。

基于硬件在環(huán)技術(shù)的專用仿真驗(yàn)證平臺(tái)，大都是針對(duì)某一具體的驗(yàn)證功能進(jìn)行開發(fā)的，除了可以采用模擬器驗(yàn)證平臺(tái)的環(huán)境感知實(shí)現(xiàn)方案外，還可以根據(jù)驗(yàn)證功能的需要，提前進(jìn)行大量的真實(shí)道路實(shí)驗(yàn)采集數(shù)據(jù)[18]或者為傳感器專門制作被檢測(cè)實(shí)物模型。如文獻(xiàn)[19]中為了實(shí)現(xiàn)對(duì)列車算法的驗(yàn)證，專門開發(fā)了實(shí)物模型及其運(yùn)動(dòng)控制策略。這種方法雖然能夠真實(shí)模擬傳感器原始數(shù)據(jù)采集過程，但是開發(fā)工作量大，且平臺(tái)的通用性不強(qiáng)，對(duì)于各類智能汽車的前期開發(fā)來說，顯然從經(jīng)濟(jì)性和效率方面來講都不是最理想的。

從以上的分析可以看出，通過仿真的方法，還較難實(shí)時(shí)地實(shí)現(xiàn)對(duì)各類傳感器原始采集數(shù)據(jù)過程的準(zhǔn)確模擬，而且對(duì)于各種智能汽車功能開發(fā)前期的算法仿真驗(yàn)證過程來說，更重要的是提供控制算法所需要的各類環(huán)境信息，而不是檢驗(yàn)各類傳感器識(shí)別算法。綜合上述情況，本文中提出了一套主要應(yīng)用于駕駛模擬器的智能汽車仿真環(huán)境感知功能的實(shí)現(xiàn)方法，其基本思路如圖1所示。該方法并不考慮傳感器工作原理，直接提供識(shí)別后的各類交通環(huán)境信息，但是卻能體現(xiàn)出傳感器的感知范圍、檢測(cè)誤差等物理特性。

現(xiàn)有的感知過程大都是通過建立數(shù)據(jù)庫(kù)再根據(jù)車輛位置從數(shù)據(jù)庫(kù)中提取信息實(shí)現(xiàn)的，如圖1中點(diǎn)劃線框所示，本文中的基本思路與之類似，但提出了分類、分層的數(shù)據(jù)結(jié)構(gòu)定義和存儲(chǔ)方法，使其既能夠表達(dá)復(fù)雜的道路交通環(huán)境，又方便修改；而且所采用的分層次感知信息提取方法，能夠體現(xiàn)出不同傳感器的感知范圍和感知信息的不同，并能在一定程度上體現(xiàn)出對(duì)環(huán)境信息的檢測(cè)誤差。同時(shí)，該方法計(jì)算效率高，不但能在駕駛模擬器的高性能計(jì)算機(jī)上完成實(shí)時(shí)運(yùn)算，也同樣適用于在普通PC機(jī)上進(jìn)行單純的軟件仿真。

2 駕駛模擬器虛擬場(chǎng)景的感知信息數(shù)據(jù)結(jié)構(gòu)

本文中提出的分類定義數(shù)據(jù)結(jié)構(gòu)、分層存儲(chǔ)信息的方法將虛擬場(chǎng)景中的每一個(gè)幾何實(shí)體(一段車道標(biāo)線或者一個(gè)障礙物等)作為基本的數(shù)據(jù)單元，根據(jù)其不同的分類，為其賦予不同層次的信息，并且只須采用簡(jiǎn)單的數(shù)組和結(jié)構(gòu)體即可實(shí)現(xiàn)對(duì)信息的管理和抽取[20]。

2.1 數(shù)據(jù)結(jié)構(gòu)分類

通過分析目前常用智能汽車控制算法對(duì)環(huán)境信息的需求，確定了數(shù)據(jù)結(jié)構(gòu)所需的信息分類。如圖2所示，數(shù)據(jù)庫(kù)所存儲(chǔ)并能夠提供的信息包含可行駛區(qū)域、道路結(jié)構(gòu)化、交通誘導(dǎo)和障礙物4類數(shù)據(jù)結(jié)構(gòu)。其中，可行駛區(qū)域信息，包括了車輛可以行駛的道路信息，如城鄉(xiāng)道路和廣場(chǎng)等；道路結(jié)構(gòu)化信息，專指鋪畫在道路上的車道標(biāo)線；交通誘導(dǎo)信息，是指道路周邊或鋪畫在道路表面的交通標(biāo)志；障礙物，是指具有一定的幾何尺寸，并占據(jù)了物理位置，而導(dǎo)致車輛無法從該位置駛過的物體。另外，對(duì)于有些交通誘導(dǎo)信息，因?yàn)轫毟郊釉趲缀螌?shí)體上，所以也會(huì)形成車輛行駛過程中的障礙。圖中央的圓形灰色區(qū)域，表示了車輛的探測(cè)范圍。

2.2 數(shù)據(jù)結(jié)構(gòu)分層

各類信息的存儲(chǔ)內(nèi)容分為3層：幾何層、物理層和邏輯層。其中，幾何層描述了元素的幾何輪廓與位置；物理層描述了元素所具有的物理屬性(比如表面材質(zhì)等)；邏輯層描述了元素所表達(dá)含義(比如交通標(biāo)志的含義)。這樣，數(shù)據(jù)庫(kù)中每類信息的每一個(gè)元素都由1～3層信息來描述。對(duì)各類信息所對(duì)應(yīng)各層數(shù)據(jù)內(nèi)容的匯總?cè)绫?所示，表中標(biāo)記星號(hào)的內(nèi)容表示該內(nèi)容不是必須具備的。

表2 各類信息所對(duì)應(yīng)的數(shù)據(jù)分層

3 環(huán)境感知信息的提取過程

本文中提出的環(huán)境感知信息提取過程分為兩層。如圖3所示，下層感知過程應(yīng)用了計(jì)算機(jī)圖形學(xué)中的碰撞檢測(cè)算法，負(fù)責(zé)提取感知范圍內(nèi)的數(shù)據(jù)庫(kù)元素；上層模型負(fù)責(zé)根據(jù)傳感器特點(diǎn)在數(shù)據(jù)庫(kù)中提取元素的不同層次信息，并將其轉(zhuǎn)換成所需的數(shù)據(jù)格式，需要的話，還可為感知結(jié)果加入適當(dāng)?shù)脑肼?，以體現(xiàn)檢測(cè)誤差。該方法主要解決了3個(gè)問題：一是由于所提出的數(shù)據(jù)結(jié)構(gòu)不再基于道路中心線，所以信息提取方法也必須有所創(chuàng)新；二是碰撞檢測(cè)算法計(jì)算準(zhǔn)確，保證了對(duì)周圍信息的準(zhǔn)確提??；三是利用簡(jiǎn)單的方法體現(xiàn)了復(fù)雜的物理檢測(cè)誤差。

3.1 下層感知過程

碰撞檢測(cè)算法雖然在虛擬現(xiàn)實(shí)和游戲制作等方面有著廣泛且成熟的應(yīng)用，卻未被引入駕駛模擬器的智能汽車環(huán)境感知算法中。為此，本文中引入了碰撞檢測(cè)算法實(shí)現(xiàn)下層感知模型，如圖4所示。首先將已建立的表示所需感知信息數(shù)據(jù)庫(kù)中的元素轉(zhuǎn)換成碰撞檢測(cè)算法能夠處理的碰撞檢測(cè)對(duì)象；同時(shí)，環(huán)境感知范圍也用相應(yīng)的碰撞檢測(cè)對(duì)象表示。根據(jù)車輛位姿變化，應(yīng)用層次包圍盒算法計(jì)算上述碰撞檢測(cè)對(duì)象之間相交的部分[21]，并確定其所屬的感知信息數(shù)據(jù)庫(kù)元素。因?yàn)椴捎昧朔诸惖男畔⒋鎯?chǔ)方式，在進(jìn)行碰撞檢測(cè)計(jì)算時(shí)，只須將需要感知的信息類別建立碰撞檢測(cè)對(duì)象進(jìn)行相交測(cè)試，不必像傳統(tǒng)的信息提取方法一樣對(duì)整個(gè)數(shù)據(jù)庫(kù)內(nèi)容進(jìn)行搜索。

考慮到進(jìn)行仿真的駕駛模擬器場(chǎng)景可能會(huì)非常大，導(dǎo)致碰撞檢測(cè)對(duì)象占用內(nèi)存空間太大，雖然碰撞檢測(cè)算法已經(jīng)較為成熟，但過大的內(nèi)存占用還是會(huì)對(duì)計(jì)算效率造成影響[22-23]。在完整的二叉樹包圍盒中，每個(gè)葉節(jié)點(diǎn)都只包含一個(gè)幾何基元，包含該幾何基元的包圍盒也是如此。如圖5(a)所示，在檢測(cè)兩葉節(jié)點(diǎn)是否發(fā)生碰撞時(shí)，首先要對(duì)幾何基元的包圍盒進(jìn)行碰撞檢測(cè)，如果相交才進(jìn)一步對(duì)幾何基元進(jìn)行碰撞檢測(cè)。然而實(shí)際上，不進(jìn)行包圍盒的碰撞檢測(cè)也是完全可以的，如圖5(b)所示。所以本文中省略了對(duì)幾何基元構(gòu)建包圍盒的過程，這樣既節(jié)省了內(nèi)存開銷，也降低了計(jì)算開銷。此時(shí)的計(jì)算開銷公式[23]為

T=NV×CV+NP×CP+NPV×CPV

(1)

式中：T為總的碰撞檢測(cè)計(jì)算開銷；NV為包圍盒進(jìn)行碰撞檢測(cè)的次數(shù)；CV為包圍盒之間進(jìn)行碰撞檢測(cè)的開銷；NP為幾何基元進(jìn)行碰撞檢測(cè)的次數(shù)；CP為幾何基元之間進(jìn)行碰撞檢測(cè)的開銷；NPV為包圍盒與幾何基元之間的碰撞檢測(cè)次數(shù)；CPV為包圍盒與幾何基元之間進(jìn)行碰撞檢測(cè)的開銷。

3.2 上層感知過程

上層感知過程的主要任務(wù)是根據(jù)不同的傳感器特點(diǎn)，從被檢測(cè)到的元素中提取不同層次的信息。對(duì)于雷達(dá)傳感器來說，當(dāng)下層感知模型檢測(cè)到一個(gè)交通樁出現(xiàn)在感知范圍內(nèi)時(shí)，雷達(dá)傳感器只提取其物理層和幾何層的信息，而不提取其邏輯層信息。同時(shí)，為了體現(xiàn)出真實(shí)傳感器檢測(cè)結(jié)果的誤差和隨機(jī)性，在檢測(cè)結(jié)果中加入適當(dāng)?shù)母咚拱自肼暋Ｈ缭谳敵鰴z測(cè)到的車道標(biāo)線點(diǎn)時(shí)，距離車體較近的點(diǎn)不引入誤差；超出一定距離后，為每一個(gè)車道標(biāo)線點(diǎn)引入誤差時(shí)，首先產(chǎn)生服從正態(tài)分布的[0,1]區(qū)間隨機(jī)數(shù)，并根據(jù)該點(diǎn)距離車體的遠(yuǎn)近，為隨機(jī)數(shù)乘以相應(yīng)的倍數(shù)，距離車體越遠(yuǎn)，乘以的倍數(shù)越大。這樣，就能體現(xiàn)出距離車體越遠(yuǎn)，檢測(cè)誤差越大的效果。

4 試驗(yàn)驗(yàn)證與分析

將本文中提出的數(shù)據(jù)結(jié)構(gòu)定義與存儲(chǔ)和信息提取兩部分內(nèi)容封裝成動(dòng)態(tài)鏈接庫(kù)，其中數(shù)據(jù)結(jié)構(gòu)定義與存儲(chǔ)在模擬器仿真前離線完成，信息提取部分根據(jù)感知信息內(nèi)容配置，在仿真過程中對(duì)環(huán)境信息進(jìn)行提取。如圖6所示，試驗(yàn)對(duì)車輛前方50m、30°范圍內(nèi)的車道標(biāo)線信息和交通標(biāo)志信息進(jìn)行檢測(cè)。

由駕駛員駕駛仿真車輛進(jìn)行了40km的模擬器道路試驗(yàn)，在監(jiān)控計(jì)算機(jī)上開辟一個(gè)顯示窗口，用來顯示車體前方的圖像，并用綠色線對(duì)感知到的車道標(biāo)線、交通標(biāo)志牌和斑馬線進(jìn)行繪制。

4.1 與傳統(tǒng)方法的對(duì)比

針對(duì)文獻(xiàn)[13]和文獻(xiàn)[15]中的不足，專門在模擬器場(chǎng)景中設(shè)置了變車道路段，并應(yīng)用本文中提出的方法進(jìn)行數(shù)據(jù)表達(dá)和檢測(cè)。本文方法的車道標(biāo)線檢測(cè)結(jié)果如圖7所示。該方法能夠?qū)Φ缆窋?shù)目和寬度發(fā)生變化的過渡路段等復(fù)雜情況進(jìn)行數(shù)據(jù)表達(dá)和連續(xù)地檢測(cè)，并且在40km的模擬器道路試驗(yàn)中從未出現(xiàn)因?yàn)槎ㄎ凰惴ǘ嘟舛鴮?dǎo)致檢測(cè)信息提取錯(cuò)誤的情況。

4.2 引入噪聲效果

正常直路行駛時(shí)的車道標(biāo)線檢測(cè)結(jié)果如圖8所示，圖9為彎路行駛時(shí)，檢測(cè)到車道標(biāo)線和交通標(biāo)志牌的情況。由圖可見：在加入噪聲后，能較好地模擬由于傳感器物理特點(diǎn)或者識(shí)別算法而帶來的誤差，在真人駕駛時(shí)，能夠看到距離車體較遠(yuǎn)位置的車道標(biāo)線檢測(cè)結(jié)果誤差會(huì)增加，并且會(huì)出現(xiàn)檢測(cè)到斑馬線、交通標(biāo)志牌的位置輪廓、大小不斷變化的情況。

5 結(jié)論

針對(duì)已有駕駛模擬器智能汽車仿真中環(huán)境感知過程(建立數(shù)據(jù)庫(kù)，根據(jù)車輛位置提取所需信息)的不足，提出了分類定義數(shù)據(jù)結(jié)構(gòu)、分層存儲(chǔ)信息的數(shù)據(jù)庫(kù)建立方法，并將碰撞檢測(cè)算法引入到信息提取過程中，實(shí)現(xiàn)了分層的信息提取過程。通過試驗(yàn)分析，得出如下結(jié)論。

(1) 采用分類、分層的數(shù)據(jù)結(jié)構(gòu)定義和存儲(chǔ)方法，能夠全面地存儲(chǔ)虛擬交通環(huán)境信息。

(2) 引入的碰撞檢測(cè)算法能夠高效、準(zhǔn)確地進(jìn)行相交檢測(cè)計(jì)算，從而實(shí)時(shí)準(zhǔn)確地實(shí)現(xiàn)對(duì)車輛周圍被感知元素的提取。

(3) 在上層感知過程中適當(dāng)?shù)匾朐肼?，使本文中提出的環(huán)境感知實(shí)現(xiàn)方法既能滿足駕駛模擬器的實(shí)時(shí)計(jì)算需求，又能體現(xiàn)出由傳感器的物理特性和識(shí)別算法所帶來的感知誤差，從而為基于模擬器的智能汽車仿真算法驗(yàn)證提供更加真實(shí)的試驗(yàn)條件。

[1] 趙又群,管欣,郭孔輝.開發(fā)型駕駛模擬器[J].公路交通科技,1995,12(3):64-66.

[2] 宗長(zhǎng)富,劉蘊(yùn)博,孔繁森.汽車操縱穩(wěn)定性的模擬器閉環(huán)評(píng)價(jià)與試驗(yàn)方法[J].汽車工程,2001,23(3):205-208.

[3] Hans Antonson, Selina Mardh, Mats Wiklund, et al. Effect of Surrounding Landscape on Driving Behavior: A Driving Simulator Study[J]. Journal of Environment Psychology,2009(29):493-502.

[4] Markus Brockerhoff, Lutz Eckstein. PELOPS White Paper[R/OL].http://www.fka.de/pdf/pelops_whitepaper-e.pdf,2013.

[5] Lee Junyung, Choist Jaewoong, Yi Kyongsu, et al. Lane-Keeping Assistance Control Algorithm Using Differential Barking to Prevent Unintended Lane Departures[J]. Control Engineering Practice,2014(23):1-13.

[6] Franck Gechter, Jean-Michel Contet, Stephane Galland, et al. Virtual Intelligent Vehicle Urban Simulator: Application to Vehicle Platoon Evaluation[J]. Simulation Modelling Practice and Theory,2012(24):103-114.

[7] Thomas Nguen That, Jordi Casas. An Integrated Framework Combing a Traffic Simulator and a Driving Simulator[J]. Procedia Social and Behavioral Sciences,2011(20):648-655.

[8] Mark Vollrath, Susanne Schleicher, Christhard Gelau. The Influence of Cruise Control and Adaptive Cruise Control on Driving Behavior-A Driving Simulator Study[J]. Accident Analysis and Prevention,2011(43):1134-1139.

[9] 唐國(guó)明.無人駕駛汽車半物理仿真系統(tǒng)的設(shè)計(jì)[D].合肥:中國(guó)科學(xué)技術(shù)大學(xué),2012.

[10] Zhang Tao, Liu Xin, Mei Tao, et al. A Novel Platform for Simulation and Evaluation of Intelligent Behavior of Driverless Vehicle[C]. Proceedings of the 2008 IEEE International Conference on Vehicular Electronics and Safety. Columbus, OH, USA. September 22-24 2008:237-240.

[11] Julien Chaplier, Thomas Nguyen That, Marcus Hewatt, et al. Toward a Standard: RoadXML, the Road Network Database Format[C]. Proceedings of the Driving Simulation Conference Europe 2010. Pairs,2010:211-220.

[12] Nicola Hiblot, Dominic Gruyer, Jean-Sebastien Barreiro, et al. Pro-SiVIC and Roads, a Software Suite for Sensors Simulation and Virtual Prototyping of Adas[C]. Proceedings of the Driving Simulation Conference Europe 2010.Pairs,2010:277-288.

[13] Rahul Sukthankar, Dean Pomerleau, Charles Thorpe. SHIVA: Simulated Highways for Intelligent Vehicle Algorithms[C]. IEEE Proceedings of the Intelligent Vehicles’95 Symposium. Detroit,1995:332-337.

[14] Sayers Michael W. Road Characterization for the Simulation of Automotive Vehicle Dynamics[C]. SAE Paper 2011-01-0185.

[15] 鄒博維.基于多傳感器的車輛局部交通環(huán)境感知[D].長(zhǎng)春:吉林大學(xué),2013.

[16] Kusano Kristofer D, Gabler Hampton C. Model of Collision Avoidance with Lane Departure Warning in Real-world Departure Collisions with Fixed Roadside Objects[C]. 2012 15thInternational IEEE Conference on Intelligent Transportation Systems,2012 Anchorage, Alaska, USA,2012:1720-1725.

[17] Gruyer D, Grapinet M, Souza P De. Modeling and Validation of a New Generic Virtual Optical Sensor for ADAS Prototyping[C]. Intelligent Vehicle Symposium,2012 IEEE. Spain,2009:969-974.

[18] Xu Youchun, Wang Xiao, Zeng Xianbing, et al. A Hardware-in-loop Simulation Test-platform For the Intelligent Vehicle’s Steering Control System[C]. Intelligent Vehicles Symposium,2009 IEEE. Xi’an,2009:766-769.

[19] Gietelink O J, Ploeg J, Schutter B De, et al. Development of a Driver Information and Warning System with Vehicle Hardware-in-the-loop Simulations[J]. Mechatronics,2009(19):1091-1104.

[20] 朱仲濤.數(shù)據(jù)結(jié)構(gòu)基礎(chǔ):C語言版[M].北京:清華大學(xué)出版社,2009.

[21] Chirster Ericson. Real-Time Collision Detection[M]. San Francisco: Morgan Kaufmann Publishers,2005.

[22] Gottschalk S, Lin M C, Manocha D. OBBTree: A Hierarchical Structure for Rapid Interference Detection[C]. Computer Graphics(SIGGRAPH’96 Proceedings),1996:171-180.

[23] Pierre Terdiman. Memory-optimized Bounding-volume Hierarchies[R/OL].http://www.codercorner.com/Opcode.pdf.

A Research on the Environmental Perception Method in IntelligentVehicle Simulation Based on Layered Information Database

Guan Xin, Hong Feng, Jia Xin, Zhang Yonghe & Bao Han

JilinUniversity,StateKeyLaboratoryofAutomotiveSimulationandControl,Changchun130022

In view of the inadequacy of the most commonly used way of environmental perception in current intelligent vehicle simulation, i.e. database setup and dynamic information update and extraction, a definition and storage method of classified and hierarchical data structure is proposed, which can not only describe complex road condition, but is also easy to modify. On this basis, a collision detection algorithm is introduced into the extraction process of dynamic information to realize the extraction of layered perception information. A perception test of lane markings and traffic signs is conducted on driving simulator with a result showing that the method proposed can fulfill thorough and reliable detection on environment information in real time with the detection error of real sensor given.

driving simulator; intelligent vehicle simulation; environmental perception; database; collision detection

*教育部長(zhǎng)江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃(IRT0626)資助。

原稿收到日期為2014年4月11日，修改稿收到日期為2014年7月3日。