面向城区综合环境的无人驾驶车辆关键技术研究及验证

According to the guide of Major Research Plan of National Natural Science Foundation of China "Cognitive Computing of Visual and Auditory Information", toward urban complex environment, key technologies of self-driving vehicles and experimental verification are studied in this project, a systematic anthropomorphic control strategy is proposed. Main research contents include: (1) from human cognitive mechanism, to research on behavior decision making methods for self-driving vehicles under dynamic environment, which allows the vehicle to make proper behavior decision by taking into considerations of safety, efficiency and transportation laws, etc.; (2) through recognition of drivable road area to obtain the subspace of behavior planning, and to research on behavior planning methods suitable for self-driving vehicles in order to obtain executable, constraints complied motion trajectory; (3) from the behavior point of view, to research on intelligent control of self-driving vehicles using manifold learning. Finally, this project aims to carry out experimental verification by implementing proposed anthropomorphic methods to improve real self-driving vehicle platform. This project aims to promote the development of self-driving technologies through systematic and theoretical analysis and design, and to contribute to integration program of the major research plan.

本项目按照“视听觉信息的认知计算”重大研究计划指南要求，面向城区综合环境，进行无人驾驶车辆关键技术及平台的研究，提出了一套拟人驾驶的理论体系。主要研究内容包括：(1) 从人类认知学习机理出发，研究车辆的自主决策方法，使车辆能够在城区复杂动态环境下，综合考虑安全、效率和交通法规，做出合理的行为决策；(2) 通过可行驶路面的识别获得行为规划的子空间，进而在可行驶路面内完成轨迹规划，得到符合人类驾驶特点、满足车辆内在约束、可执行的运动轨迹；(3) 从行为的角度出发探索基于流形学习的智能控制方法机理。最后，本项目拟针对所研究的关键技术对已建立的无人驾驶车辆验证平台进行集成改进并进行典型环境和行为的实验验证。其研究成果可直接应用在重大研究计划资助的集成平台上，形成具有自主知识产权的无人驾驶车辆关键技术，推进无人驾驶技术在我国国防和汽车领域的应用和创新。

本项目按照“视听觉信息的认知计算”重大研究计划指南要求，面向城区综合环境，进行无人驾驶车辆关键技术及平台的研究。项目组针对自主定位、拟人决策、路径规划以及车辆控制等关键技术，展开深入研究，形成了较为系统的理论方法和验证体系：1）设计了基于激光点云地图的自主定位算法，利用激光雷达检测的路沿信息提高横向定位精度，并设计双层2D地图以提高纵向定位性能；设计了基于车辆运动模型的视觉ORB-SLAM，解决了车辆在车库等室内环境中GNSS无法工作时的定位问题; 2）针对人类驾驶员表现出的决策规律，利用深度逆向强化学习构建基于学习的车辆行为决策方案，建立马尔科夫决策过程，通过从人类驾驶员示教信息提取状态转移规律完成自主决策，进一步通过模糊化状态奖励值来描述人类驾驶的示教特性，提高算法泛化能力。3）利用车辆运动学模型设计实时轨迹生成算法，并基于此实现在结构化道路中的局部路径规划；从模型预测控制角度出发，设计了无人车路径避障规划算法，算法中考虑了车身体积以及传感器不确定性。在非结构化场景中基于改进的RRT算法实现了全局路径生成与优化算法,生成路径满足车辆非完整约束。4）针对车辆在实际运行环境中可能遇到的横向滑移和纵向滑移，设计了滑移条件下的轨迹跟踪控制算法；针对车辆控制系统的输入受限问题，提出了满足输入约束的运动学控制器以及执行器动力学控制器；为提升车辆的车身稳定性以及乘坐的舒适性，设计了基于云辅助和事件触发机制的车辆主动悬架系统的分布式H∞滤波器。5）完成了同济大学“Danger”和“Dominant”无人驾驶车辆验证平台的系统实现并针对所研究的关键技术进行了测试验证。期间参加了2015~2017中国智能车未来挑战赛、世界机器人大赛无人驾驶挑战赛并取得了优异的成绩，验证了项目中提出算法的有效性与可行性。6）围绕本项目研究内容，已发表国际学术期刊与国际会议文章16篇，在审国际/国内学术期刊文章7篇，申请国内发明专利10项，培养博士研究生2名，硕士研究生10名。