基于慣導(dǎo)/激光雷達(dá)的無人車融合定位技術(shù)研究

摘 ?要： 在無人車運(yùn)行過程中，由于衛(wèi)星導(dǎo)航信號(hào)受到遮擋、干擾等因素影響，慣導(dǎo)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(yùn)行。本文提出了一種面向復(fù)雜應(yīng)用場(chǎng)景的激光雷達(dá)輔助無人車融合定位技術(shù)，利用最小二乘算法對(duì)濾波后的雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行擬合，獲取無人車可行駛道路區(qū)域，并據(jù)此進(jìn)行軌跡規(guī)劃，實(shí)現(xiàn)無人車的運(yùn)動(dòng)控制。論文對(duì)該技術(shù)進(jìn)行了工程化實(shí)現(xiàn)和驗(yàn)證，結(jié)果表明，衛(wèi)星RTK定位不可用時(shí)，激光雷達(dá)可實(shí)現(xiàn)穩(wěn)定、可靠的無人車導(dǎo)航。

關(guān)鍵詞： 無人車;定位;數(shù)據(jù)融合;激光雷達(dá)

中圖分類號(hào)： TP211+.5 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.01.030

本文著錄格式：李治國(guó). 基于慣導(dǎo)/激光雷達(dá)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(jì) 80年代至90年代初，美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DARPA）通過“戰(zhàn)略計(jì)算計(jì)劃”，開展自主陸地車輛項(xiàng)目研究。經(jīng)過幾十年發(fā)展，無人車系統(tǒng)框架、實(shí)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(qiáng)國(guó)，無人戰(zhàn)車已投入使用。

因具備物理環(huán)境適應(yīng)能力強(qiáng)、風(fēng)險(xiǎn)小、代價(jià)低、非接觸、無人傷亡、長(zhǎng)續(xù)航、多功能、自主可控、可成組編隊(duì)等諸多方面的優(yōu)點(diǎn)，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(yàn)測(cè)試和實(shí)際應(yīng)用表明，無人車可大幅提升部隊(duì)綜合作戰(zhàn)效能，人機(jī)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(shì)，社會(huì)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(chǎng)景。在治安巡邏、消防搶險(xiǎn)、應(yīng)急救災(zāi)、反恐偵查等工作中，通過人機(jī)協(xié)同、自主作業(yè)、自編隊(duì)等技術(shù)，無人車可實(shí)現(xiàn)全天時(shí)全天候執(zhí)勤，降低消防、救災(zāi)、反恐等危險(xiǎn)場(chǎng)景人員傷亡，同時(shí)，可以有效彌補(bǔ)執(zhí)法人員不足的缺陷，實(shí)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(huì)治安綜合治理、應(yīng)急救援等領(lǐng)域，存在信號(hào)遮擋、光線條件差等復(fù)雜場(chǎng)景，衛(wèi)星定位和視覺數(shù)據(jù)可用性差，導(dǎo)致特種無人車無法以常規(guī)方式進(jìn)行軌跡規(guī)劃和控制。文獻(xiàn)[3]提供了一種應(yīng)用于智慧農(nóng)機(jī)的激光雷達(dá)導(dǎo)航技術(shù)，基于單線激光雷達(dá)對(duì)兩側(cè)農(nóng)作物掃描，形成道路特征點(diǎn)，利用最小二乘法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行軌跡擬合，形成行駛軌跡。文獻(xiàn)[4]研究了并優(yōu)化了激光雷達(dá)道路邊沿檢測(cè)算法，提出了一種基于可通行區(qū)域的導(dǎo)航方法，并采用Vector Field Histogram+（VFH+）進(jìn)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(dǎo)致的導(dǎo)航失敗問題。

針對(duì)無人車在復(fù)雜場(chǎng)景中應(yīng)用面臨的導(dǎo)航問題，本文驗(yàn)證了一種基于激光雷達(dá)的導(dǎo)航技術(shù)，可以實(shí)現(xiàn)復(fù)雜場(chǎng)景下的障礙物識(shí)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(duì)復(fù)雜場(chǎng)景的應(yīng)用，分析了激光雷達(dá)導(dǎo)航方案可行性，在此基礎(chǔ)上，推導(dǎo)了點(diǎn)云擬合和軌跡規(guī)劃算法，并進(jìn)行了軟件實(shí)現(xiàn)，最后通過實(shí)車試驗(yàn)驗(yàn)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(shí)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(dá)、視覺、慣導(dǎo)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(shì)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(shì)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(shí)現(xiàn)對(duì)軌跡的實(shí)時(shí)精確跟蹤，并形成轉(zhuǎn)向、驅(qū)動(dòng)和制動(dòng)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(duì)車輛底盤、運(yùn)行狀態(tài)、路況、載重、天氣等因素進(jìn)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(dá)通過點(diǎn)云數(shù)據(jù)可以實(shí)現(xiàn)障礙物識(shí)別、周邊環(huán)境建圖;毫米波雷達(dá)、超聲波雷達(dá)主要用于障礙物檢測(cè);視覺傳感主要用于障礙物識(shí)別，周邊環(huán)境色彩及語義信息識(shí)別，如車道線、紅綠燈、限速牌等;慣導(dǎo)/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(shí)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(shí)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(shí)別及避障主要依靠毫米波雷達(dá)、激光雷達(dá)和視覺。在社會(huì)治安綜合管理、應(yīng)急救援的具體任務(wù)場(chǎng)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(chǎng)景，基于高精度定位的自主循跡功能不可用，同時(shí)，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(shí)現(xiàn)了基于速騰聚創(chuàng)16線激光雷達(dá)的無人車導(dǎo)航技術(shù)，可以在高精度定位和視覺不可用的復(fù)雜環(huán)境中，利用激光雷達(dá)實(shí)現(xiàn)無人車的軌跡規(guī)劃和控制。

2 ?激光雷達(dá)導(dǎo)航技術(shù)

由于激光雷達(dá)具有不需要接受外界電磁信號(hào)，不受光線影響的優(yōu)點(diǎn)，因此，可以在衛(wèi)星信號(hào)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(dá)點(diǎn)云數(shù)據(jù)獲取道路特征，以此形成目標(biāo)軌跡點(diǎn)，再進(jìn)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(dá)導(dǎo)航技術(shù)主要針對(duì)衛(wèi)星信號(hào)不可用的復(fù)雜場(chǎng)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(dá)點(diǎn)云數(shù)據(jù)中道路特征信息，然后將激光雷達(dá)的極坐標(biāo)系數(shù)據(jù)轉(zhuǎn)化到車體坐標(biāo)系中，獲取道路特征相對(duì)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(shí)現(xiàn)無人車導(dǎo)航控制。

3 ?工程實(shí)現(xiàn)和驗(yàn)證

為了驗(yàn)證復(fù)雜場(chǎng)景下激光雷達(dá)導(dǎo)航技術(shù)的可行性，本文實(shí)現(xiàn)了一臺(tái)電動(dòng)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(dòng)站、上位機(jī)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(shí)現(xiàn)厘米級(jí)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(zhǔn)站、車載差分定位移動(dòng)站組成[12]。差分定位基準(zhǔn)站包括電臺(tái)發(fā)射天線、衛(wèi)星接收機(jī)、無線電臺(tái)、衛(wèi)星接收天線。車載差分定位移動(dòng)站包括衛(wèi)星定位定向接收機(jī)、衛(wèi)星接收天線、電臺(tái)接收天線。

該定位系統(tǒng)的工作原理是，在基準(zhǔn)站上安置一臺(tái)衛(wèi)星接收機(jī)，對(duì)衛(wèi)星進(jìn)行連續(xù)觀測(cè)，并通過無線電臺(tái)和電臺(tái)發(fā)射天線實(shí)時(shí)地將載波相位的修正量傳送給車載差分定位移動(dòng)站。車載差分定位移動(dòng)站在接收衛(wèi)星信號(hào)的同時(shí)通過電臺(tái)接收天線接收基準(zhǔn)站的差分定位信息，根據(jù)相對(duì)定位原理實(shí)時(shí)處理數(shù)據(jù)并以厘米級(jí)精度給出車載差分定位移動(dòng)站的三維坐標(biāo)，并通過串行通信接口發(fā)送給車載自動(dòng)駕駛定位及控制系統(tǒng)中的上位機(jī)[13]。

3.2 ?自動(dòng)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(duì)無人車進(jìn)行控制，其系統(tǒng)結(jié)構(gòu)如圖5所示[14]。

上圖所示的自動(dòng)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(jī)、慣性/衛(wèi)星組合導(dǎo)航系統(tǒng)、無線電臺(tái)天線、GPS主天線、視覺傳感器、激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)。底層數(shù)據(jù)和通信支持模塊由以太網(wǎng)-CAN轉(zhuǎn)換器實(shí)現(xiàn)，毫米波雷達(dá)、超聲波雷達(dá)、底盤嵌入式控制板、車輛電動(dòng)轉(zhuǎn)向器都通過其與上位機(jī)實(shí)現(xiàn)通信[15]。車輛底盤控制模塊由底盤嵌入式控制板實(shí)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(jī)的控制下對(duì)車輛的檔位、油門、剎車進(jìn)行控制，電動(dòng)轉(zhuǎn)向器在上位機(jī)的控制下對(duì)車輛的轉(zhuǎn)向進(jìn)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(jì)進(jìn)行器件選型，無人車有關(guān)傳感器、導(dǎo)航的配置如表1所示。

3.2.3 ?實(shí)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(cè)試，具備自主循跡、障礙物識(shí)別、動(dòng)態(tài)避障、車道保持、自動(dòng)泊車、激光雷達(dá)導(dǎo)航、遠(yuǎn)程智能終端、服務(wù)器監(jiān)控和交互等功能，實(shí)現(xiàn)了封閉場(chǎng)景L4級(jí)別的自動(dòng)駕駛[17]。

利用該款無人車，本文進(jìn)行了基于激光雷達(dá)的軌跡規(guī)劃和控制技術(shù)驗(yàn)證，試驗(yàn)表明，在衛(wèi)星定位和視覺無效時(shí)，依靠激光雷達(dá)可以實(shí)現(xiàn)穩(wěn)定可靠的路徑規(guī)劃和導(dǎo)航控制[18]。試驗(yàn)實(shí)車、測(cè)試場(chǎng)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(fù)雜應(yīng)用場(chǎng)景的激光雷達(dá)輔助無人車融合定位技術(shù)，在某些衛(wèi)星導(dǎo)航無法正常定位的場(chǎng)景下，利用最小二乘算法對(duì)濾波后的雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行擬合，獲取無人車可行駛道路區(qū)域，并據(jù)此進(jìn)行軌跡規(guī)劃，實(shí)現(xiàn)無人車的運(yùn)動(dòng)控制[19]。并對(duì)該技術(shù)在電動(dòng)無人巡邏車上進(jìn)行了工程化實(shí)現(xiàn)和驗(yàn)證，構(gòu)建了RTK定位系統(tǒng)、自動(dòng)駕駛控制系統(tǒng)，開發(fā)了無人駕駛軟件。測(cè)試結(jié)果表明，衛(wèi)星RTK定位不可用時(shí)，依靠激光雷達(dá)可實(shí)現(xiàn)穩(wěn)定、可靠的無人車導(dǎo)航。

參考文獻(xiàn)

[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(shì)[J]. 雷達(dá)與對(duì)抗， 2016， 36（1）： 1-5.

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

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

[4] 白聰敏. 區(qū)域交通環(huán)境下的智能車全自主導(dǎo)航方法研究[D]. 上海， 上海交通大學(xué)， 2012.

[5] 姜雪原. 基于動(dòng)態(tài)規(guī)劃算法的軌跡地圖匹配軟件設(shè)計(jì)與實(shí)現(xiàn)[J]. 軟件， 2015， 36（5）： 108-112.

[6] 陳曦斌， 焦明海， 劉昊汧， 等. 移動(dòng)機(jī)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(cè)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(dòng)障礙物背景目標(biāo)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(guó)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(dòng)測(cè)量系統(tǒng)的GNSS/INS組合定位方法的對(duì)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(jī)導(dǎo)航應(yīng)用中的實(shí)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(jī)設(shè)計(jì)與性能分析[J]. 測(cè)繪通報(bào)， 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(jì)與實(shí)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(xué)， 2018.

[17] 李盛福. 復(fù)雜環(huán)境下智能汽車自動(dòng)駕駛系統(tǒng)研究[J]. 機(jī)械設(shè)計(jì)與制造， 2019（5）： 199-203+207.

[18] 李柏. 復(fù)雜約束下自動(dòng)駕駛車輛運(yùn)動(dòng)規(guī)劃的計(jì)算最優(yōu)控制方法研究[D]. 浙江大學(xué)， 2018.

[19] 端木瓊， 楊學(xué)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(xué)報(bào)， 2012， 25（2）： 236-239.