面向城区综合环境的无人驾驶车辆关键技术及平台

无人驾驶车辆是验证机器感知与认知理论和关键技术的最佳实验平台，尤其是在复杂的城区综合环境中。本项目围绕"视听觉信息的认知计算"重大研究计划提出的科学问题，借鉴生物视觉认知机理，建立基于生物选择注意和稀疏感知的仿生视觉计算模型，实现面向城区综合环境的实时环境感知与建模；借鉴驾驶员基于环境匹配的定位方法，实现城区较大范围内不依赖GPS的无人车自主定位；运用人工智能方法建立驾驶行为知识库，构建多模块协同的无人车智能决策系统。本项目将针对集成验证平台的系统开放性、实时性与可靠性要求，构建具有感知、决策、控制、执行四个层次的模块化系统结构，建立具有即插即用功能的开放式体系结构和进入车辆电控系统内核的控制方式，研制出无人驾驶车辆平台。实现在城区道路环境下自主行驶二十公里以上，为各种算法与关键技术的验证与评估提供实验条件，并通过与自主品牌汽车企业的合作，获得全面、深入、可持续的技术支持与成果应用前景。

本项目围绕“视听觉信息的认知计算”重大研究计划的总体科学目标，攻克城区综合环境中无人驾驶车辆的环境感知与导航定位技术，复杂交通流条件下无人驾驶车辆的智能决策与控制技术。项目研究开展顺利，各项研究任务均按时完成或超额完成。通过本项目的研究,将计算机仿真与实验室模拟发展到真实环境验证，将静态的或可重复的环境发展到非结构化的动态环境，将单一任务目标发展到综合任务目标，将简单的干净的环境发展到不同类型的具有干扰的复杂环境。具体包括：（1）借鉴生物视觉认知机理，建立了基于信息融合的道路环境模型，提出了基于随机森林的检测与识别方法，实现了无人驾驶车辆对周边环境的有效稳定感知；在天气条件较好标线较为清晰的情况下，针对实线、单虚线检测率超过95%，对红绿灯和交通标志检测和识别率超过98%，对30cm以上的正障碍检测率超过95%，对负障碍检测率超过90%；对阴、晴、雨不同天气条件和城市、乡村等不同的道路交通环境，也可以建立有效的环境感知模型。（2）借鉴驾驶员基于环境匹配的定位方法，提出了基于里程计和惯性导航系统来推算无人车在城区综合环境中的位置，建立了基于车辆运动微分模型的航迹推算方法，并结合EKF-SLAM 算法实现航迹推算，减少了定位误差，实现了基于八叉树点云结构的全局地图创建。将航迹推算和地图匹配相结合，实现了城区范围内的大范围定位，定位精度误差达到10米以内。（3）运用人工智能方法，建立了基于分层有限状态机的无人车基本驾驶行为模型和规则库，构建了能够对未知状态进行多属性决策的行为决策模型，使无人车能够自主执行不同交通环境中的车道保持、路口通行、动态超车、静动态障碍物避让等任务。（4）将自适应控制思想和鲁棒控制方法相结合，实现了车速的精确控制，实现了加速、减速和定速巡航的功能。直线跟随误差控制在20cm以内，航向角误差控制在0.8°以内，速度稳态误差约为0.5m/s，稳态纹波约为0.2m/s。（5）运用模块化的设计方法，先后研制了“智能先锋I”，“智能先锋Ⅱ”无人驾驶系统集成平台，运行稳定可靠。基于智能先锋无人车平台，进行了自主行驶验证，自主行驶里程超过2万公里。连续参加2010-2015年的“中国智能车未来挑战赛”，均表现优秀。