Google car自动驾驶技术揭秘
EV技研
公众号EV技研作者19002019/07/15 电动汽车 IP:北京







1563152432761.jpg



影响Google car的两篇论文

虽然google car现在的实际技术水平完全超出我们的想象,但科技的进步都是不断更新继承带来的,以下是两篇Google car无人驾驶技术深度影响的两篇论文,仔细对这两篇论文的学习必然有助于对当下技术的深刻理解。

『Stanley:The Robot that Won the DARPA Grand Challenge』

下载地址:XXXXXXXXXXXXXXXXXXXXXXXXXX/papers/XXXXXXXXXXXXXXXXXXml

1563152432870.jpg

『Junior:The Stanford Entry in the Urban Challenge』

下载地址:

XXXXXXXXXXXXXXXXXXXXXXXXXX/papers/XXXXXXXXXXXml

1563152432872.jpg
1563152432874.jpg


Google car的技术历史


DARPA Grand Challenge

Google car 的无人驾驶技术最早可以追溯到2004年由DARPA(美国国防高级研究计划局)举办的“ DARPA挑战赛 ”,这场比赛美国国会授权DARPA为第一次大挑战提供奖金,但最终却没人拿到奖金,因为没有队伍完成这条线路,这场比赛在美国莫哈韦沙漠地区举行,沿着150英里(240公里)的路线的路程。卡内基梅隆大学完成最远距离11.7公里,就算这个距离,貌似也才完成5%。

1563152432963.jpg


DARPA Urban Challenge(DARPA 城市挑战赛)

这场比赛弥补了之前没有涉及到的一些问题,城市边界,更复杂的交通情况、交通规则、十字路口等,最终卡内基梅隆大学和通用汽车(通用汽车)团队创建的汽车“BOSS”排名第一,由Thrun领导的斯坦福大学团队创造的汽车“Junior”排在第二位。

1563152432967.jpg


走向军用的GUSS,走向民用的Google car 

自此以后,Thrun开始在Google开发Google Car,而DARPA继续开发用于军事用途的“GUSS(Ground Unmanned Support Surrogate)”。在2004年开始的挑战十年后,谷歌汽车完全能够在在实际的城市地区进行试运行,而GUSS已经能够参加军事演习。


用于自动驾驶的传感器

BOSS和Junior使用的传感器以及当前Google Car安装的传感器几乎没有太大的差距。主要是以下传感器。

1563152434147.jpg


1563152434143.jpg


激光雷达,360度环境信息读取

激光雷达的工作原理与雷达非常相近,以激光作为信号源,由激光器发射出的脉冲激光,打到地面的树木、道路、桥梁和建筑物上,引起散射,一部分光波会反射到激光雷达的接收器上,根据激光测距原理计算,就得到从激光雷达到目标点的距离,脉冲激光不断地扫描目标物,就可以得到目标物上全部目标点的数据,用此数据进行成像处理后,就可得到精确的三维立体图像。

Google Car使用的LIDAR主要是由Velodyne制造的名为“HDL64E”的产品。使用该产品,3D数据可以转换为大约120米,测量误差小于5厘米,360度测量最多只需66毫秒。

1563152434752.jpg


用于自动制动系统的毫米波雷达

现在多数的汽车配备毫米波雷达用于自动制动系统,以避免碰撞,谷歌同样也使用了汽车毫米波雷达。雷达可以检测到物体的“距离”和“相对速度”。

 汽车已经配备了激光雷达,也许你就会认为毫米波不需要了,但根据Udacity的Thrun先生的讲解,LIDAR和用于汽车的毫米波雷达是具有不同的特性的。因此,因此毫米波雷达也是必要的。例如,LIDAR使用的红外激光大约是900nm的短波长,在出现雨或者雾的情况就会出现被遮挡的情况。而汽车的毫米波雷达波长约为几厘米,就会弥补这样特殊环境下的缺陷。而且,可测量的距离是不同的。激光雷达只能探测到120米,但汽车的毫米波雷达可以探测到前方的250米。更重要的是,用于车辆的毫米波雷达可以使用多普勒效应测量物体的相对速度,并且可以提前检测早期移动物体。



行驶测距仪DMI(Distance Measuring Instrument)


它是一种传感器(行驶测量员),通过计算轮胎的旋转来测量汽车前进的各项数据。


GPS(全球定位系统)

GPS为汽车提供合理的路线导航,但会存在一个问题,在行驶的过程中存在诸多GPS无法到达的情况。


IMU(惯性测量装备)

IMU用于汽车行驶中的惯性导航,它从加速度和角速度中计算汽车的当前状态,估计当前位置,为汽车在无法被GPS覆盖的领域提供导航。



控制系统

传感器的目的在于获取车辆所面临的外部环境数据,将其输入的软件当中,谷歌宣称,Waymo的自动驾驶软件已经过“50亿英里的模拟驾驶和500万英里的公路驾驶体验”的培训和测试。它由机器学习算法提供支持。


机器思维与行动逻辑


1563152434903.jpg

自动驾驶的传感器必须测量的外在信息


1、静态道路信息和地图信息

2、你在地图上的哪个位置(纬度,经度,海拔高度)

3、在哪条车道

4、汽车的移动速度

5、汽车运动方向(X,Y,Z三轴)

6、汽车加速(X轴,Y轴,Z轴)

7、车辆角速度(3轴滚动,俯仰和偏航)

8、其他汽车,自行车和行人,障碍物的当前位置,移动方向,移动速度



一旦创建了一个能够很好地再现现实世界的虚拟世界,谷歌汽车将在这个虚拟世界中与机器人制定一个“行动计划”。具体要做的事情主要有以下几点。

确定到目的地的路线(如汽车导航路线搜索)

根据其他汽车和行人等障碍物的条件确定详细的旅行线路

确定车速

一旦您制定了行车计划,例如行车速度和车速,Google Car就会将该计划付诸实施。为了执行该计划,有必要具体确定要制造多少转向角,以及如何调整加速器和制动器。换句话说,我们计算实现行动计划的实际行动量。为此,我们将使用“PID控制”方法。

1563152434905.jpg

这张图中绿色的方块是我们要到达的目的地,绿色的轨迹是我们行驶过的路线,红色是车所面临的障碍物,前面的树枝状是不断探索的路线,黄色便是不断试验失败的路线,就是这样不断试验出路线不断的产生失败路线。

行走路径搜索算法

路径搜索算法是人工智能中的经典问题,典型的就比如象棋和围棋等棋类运动的计算,其思路也是类似的,从很多个路径中选择出最佳路径,关键在于如何这一系列行为前进行试验和试错。Google car所使用的方法在论文自动驾驶的路径搜索实用算法中有描述。

阅读地址:XXXXXXXXXXXXXXXXXXXXXX/~ddolgov/papers/dolgov_gpp_stair08.pdf

1563152434901.jpg
1563152435370.jpg


1

END

1



往期精彩














[修改于 4年9个月前 - 2019/07/15 14:37:00]

来自:工业技术 / 电动汽车
1
已屏蔽 原因:{{ notice.reason }}已屏蔽
{{notice.noticeContent}}
~~空空如也

想参与大家的讨论?现在就 登录 或者 注册

所属专业
所属分类
上级专业
同级专业
公众号EV技研作者1900
机友
文章
105
回复
12
学术分
0
2019/03/04注册,3年1个月前活动

EV电车技术发骚友,新能源电车技术探索,EV电车方向公众号——EV技研作者

主体类型:个人
所属领域:无
认证方式:手机号
IP归属地:北京
文件下载
加载中...
{{errorInfo}}
{{downloadWarning}}
你在 {{downloadTime}} 下载过当前文件。
文件名称:{{resource.defaultFile.name}}
下载次数:{{resource.hits}}
上传用户:{{uploader.username}}
所需积分:{{costScores}},{{holdScores}}下载当前附件免费{{description}}
积分不足,去充值
文件已丢失

当前账号的附件下载数量限制如下:
时段 个数
{{f.startingTime}}点 - {{f.endTime}}点 {{f.fileCount}}
视频暂不能访问,请登录试试
仅供内部学术交流或培训使用,请先保存到本地。本内容不代表科创观点,未经原作者同意,请勿转载。
音频暂不能访问,请登录试试
支持的图片格式:jpg, jpeg, png
插入公式
评论控制
加载中...
文号:{{pid}}
投诉或举报
加载中...
{{tip}}
请选择违规类型:
{{reason.type}}

空空如也

加载中...
详情
详情
推送到专栏从专栏移除
设为匿名取消匿名
查看作者
回复
只看作者
加入收藏取消收藏
收藏
取消收藏
折叠回复
置顶取消置顶
评学术分
鼓励
设为精选取消精选
管理提醒
编辑
通过审核
评论控制
退修或删除
历史版本
违规记录
投诉或举报
加入黑名单移除黑名单
查看IP
{{format('YYYY/MM/DD HH:mm:ss', toc)}}