1. 首页
  2. 自习室
  3. 【自动驾驶技术解析】激光雷达(五)关键技术:环境建模

【自动驾驶技术解析】激光雷达(五)关键技术:环境建模

KITTCAMP,与新科技共成

2.gif

POINT


上篇文章中,我们对激光雷达的关键技术——道路提取进行了介绍【传送门→激光雷达(四)关键技术:道路提取】本次文章,我们将围绕激光雷达关键技术——环境建模展开。将对环境建模的在自动驾驶中的意义及仿真软件等进行介绍。

1.png

(图片源于网络)

环境建模

环境建模,又称“Environmental modeling”,是指对用以对环境进行分析时所设定的模型。以自动驾驶汽车为例,在数据行驶收集及应对突发情况的演练环节,环境建模是必不可少的“练习条件”。

 

要实现真正意义上的自动驾驶,需要基于大规模的数据收集和数据计算。在数据收集的过程中,如果让测试车直接到行车道上进行数据采集,将存在大量的行驶风险,如传感器失灵、数据分析有误、解决方案缺失等。一旦在采集过程中发生意外,极有可能造成人员伤亡,同时也会降低人们对自动驾驶技术的信任值。而在虚拟环境下进行数据收集,可以最大限度的排除收集过程中的潜在威胁,同时,测试车辆也拥有更多的测试场景(不同的天气情况、不同的道路环境、不同的行人举动等)。


1.gif

(图片源于网络)


高安全性的测试场景及高效率的测试内容,使环境建模在自动驾驶测试环节的占比与日俱增。


环境地图

环境地图是自动驾驶测试车辆环境认知的基础。以测试车辆为实际应用背景,综合应用多传感器数据,将环境中的具体目标信息映射到利用SLAM技术创建的地图中,从而生成面向目标的环境模型。




3.png

(图片源于网络)

仿真软件

仿真软件,又称“Simulation Software”,是用于模仿真实环境的计算机软件。与仿真硬件同为自动驾驶车辆测试的技术工具。仿真软件起源于50年代中期,与仿真应用、计算机算法、环境建模等技术的发展相辅相成。


1984年出现了第一个以数据库为核心的仿真软件系统,此后又出现采用人工智能技术(专家系统)的仿真软件系统。这个发展趋势将使仿真软件具有更强、更灵活的功能、能面向更广泛的用户。目前比较风行的是虚拟现实仿真软件,比如虚拟现实仿真平台VR-Platform。


早期的通用仿真软件有SLAM、GERT、VERT等。其共同特征是提供一种构模框架,在DOS操作系统下以FORTRAN语言实现。仿真软件在设计上类似于一系列子程序的软件包。每种图元有特定的语句,用户构模需编写相应的程序,网络图取则起到辅助理解的功能。


自动驾驶测试人员可以使用仿真软件,完成建模或仿真实验。



4.png

(图片源于网络)
仿真软件主要功能

1

可以设计实现模型、程序、数据、图形的存储和检索等功能

2

可以进行仿真场景下的控制和执行。

3

可以进行相关数据的分析和显示。

4

可以规范化处理源语言,检测程序中的错误,将源程序翻译成具体的执行码。


仿真软件分类

仿真软件系统可分为仿真语言仿真软件系统仿真程序包三类。

 仿真语言 ——应用最广泛的仿真软件。

 仿真软件系统 ——以数据库为核心,将仿真软件的所有功能有机的统一起来,构成完整的系统。由建模软件、仿真运行软件(语言)、数据库管理系统和输出结果分析报告软件组成。

 仿真程序包 ——针对仿真的专门应用领域建立的程序系统。软件工程师将常用的程序段设计成通用的子程序模块,并设计一个用于调用子程序模块的主程序模块。通过这种方式,可以免去繁重的程序编制工作。(PS:仿真程序包不具备仿真软件功能的④,但至少具备①、②、③中的任意一种功能



5.png

(图片源于网络)
自动驾驶仿真软件


目前,市面上有很多自动驾驶仿真模拟软件,比如:CarlaPrescancarsimPanosim等。这些软件的共通性是逐一对现实物体进行数据化的手工建模。可以从平台及技术两个方面对它们进行划分。


按平台划分

 ①  开源平台——指不收取费用的仿真模拟平台,在这个平台上,任何人都可以进行相关的操作。当前自动驾驶领域的开源仿真平台不少,如微软研制的AirSim。(AirSim托管Github,官方网址:“ https://github.com/Microsoft/AirSim”)

 ②  付费平台——指需要进行支付的仿真模拟平台。这里不一一赘述。


按技术划分

 ①  基于真实数据的回放,以测试自动驾驶车辆不同部件的功能及性能

 ②  基于合成数据对环境、感知以及车辆进行模拟。(PS:这类模拟器主要用于控制欲规划算法的初步开发



6.png

(图片源于网络)
相关研究


当前,自动驾驶车辆主要通过几何信息表示、拓扑图表示、栅格表示等方法进行环境建模,这些方法都已对环境中物体的正确检测和分类为前提条件。通过特征提取的方式,获取行驶过程中的路面信息、道路两侧环境、周围行人(及其他生物)运动轨迹等数据,是目前自动驾驶测试环境建模的主要研究方向。

 

例1: Javed 等人将SLAM 中常用的二维栅格地图方法进行了延伸,利用三维逆测量模型进行三维栅格地图建模,并进行了仿真试验。

 

例2: Vandapel对三维点云数据中每个点邻域内的数据点分布情况进行统计计算,得到数据点分布协方差矩阵,区分出点、线、面等三种类型,进而检测出草、电线、道路等物体。

 

例3: 学者K Cho提出了一种在越野环境中提取自然树木、灌木等特征的方法,首先利用RANSAC算法将地面和其上的物体分割开来,然后联合使用GMM算法和EM算法将树木和灌木丛进行区分,同时使用FCM模糊C均值聚类算法估计树木的个数以及它们的位置,最后应用EKF 扩展卡尔曼滤波算法进行环境建模,取得了不错的效果。

 

上述几种方法都能够对车辆环境进行较为精细的建模,然而因为需要对大量的三维激光雷达数据进行信息处理,难以满足快速建模的需求,也有研究学者针对窄波束,安装位置低的激光雷达扫描系统采用基于单点分布的统计特性和基于数据点连续性假设,将路上的草丛、灌木等植被与其他致密性物体区分,实现了植被的实时探测。


下期预告:激光雷达关键技术:障碍物探测与跟踪

参考文献:

1、DAI Yongjiang. Principles of laser radar[M]. Beijing: National Defence Industry Press,2002. ( in Chinese)戴永江. 激光雷达原理[M]. 北京: 国防工业出版社,2002.

2、Nitzan D,Brain A,Duda R. The measurement and use of registered reflectance and range data in scene analysis[J]. Proceedings of the IEEE,1977,65( 2) : 206 - 220.

3、YANG Fei,ZHU Zhu,G0NG Xiaojin. Real-time dynamic obstacle detection and tracking using 3D LIDAR[J].Journal of Zhejiang University: Engineering Science,2012,46( 9) : 1565 - 1571. ( in Chinese)杨飞,朱株,龚小谨. 基于三维激光雷达的动态障碍实时检测与跟踪[J]. 浙江大学学报: 工学版,2012,46( 9) : 1565 - 1571.

4、Himmelsbach M,Muller A,Luttel T. LIDAR-based 3D object perception[C]/ / Proceedings of 1st International Workshop on Cognition for Technical Systems,Munich,Germany,2008.

5、Xin Y,Liang H,Mei T,et al. A new occupancy grid of the dynamic environment for autonomous vehicles[C]/ /Intelligent Vehicles Symposium Proceedings,2014 : 787 - 792.

6、Moosmann F,Pink O,Stiller C. Segmentation of 3-D LIDAR data in non - flat urban environments using a local convexity criterion[C]/ /2009 IEEE Intelligent Vehicles Symposium,Xi'an,China,2009: 215 - 220.

7、Klasing K,W Ollherr D,Buss M. A clustering method for efficient segmentation of 3-D laser data[C]/ /2008 IEEE Internationa1 Conference on Robotics and Automation,Pasadena,CA,USA,2008: 4043 - 4048.

8、Savant S. A Review on edge detection techniques for image segmentation[J]. International Journal of Computer Science & Information Technology,2014,5 ( 4 ) :5898 - 5900.

9、Wassenberg J,Middelmann W,Sanders P. An efficient parallel algorithm for graph-based image segmentation[J ]. Springer Berlin Heidelberg, 2009, 5702:1003 - 1010.

10、 Felzenszwalb P F,Huttenlocher D P. Efficient graphbased image segmentation[J]. International Journal of Computer Vision,2004,59( 2) : 167 - 181.


 更 多 精 彩 



小车公号广告.jpg小车公号广告.jpg


kittcamp,与新科技共成长



作者:icejade

微信关注“KITTCAMP自动驾驶学院”获取更多学习资料

文章系KITTCAMP自动驾驶学院原创,转载需写明出处


相关推荐
发表评论
访客的头像
请先 登录 再评论,若不是会员请先 注册
留言列表

    还没有留言,还不快点抢沙发?