CN114111811A

CN114111811A - 一种自动驾驶公交客车的导航控制系统和方法

Info

Publication number: CN114111811A
Application number: CN202111548131.XA
Authority: CN
Inventors: 江涛
Original assignee: Chery and Wanda Guizhou Bus Co Ltd
Current assignee: Chery and Wanda Guizhou Bus Co Ltd
Priority date: 2021-12-17
Filing date: 2021-12-17
Publication date: 2022-03-01

Abstract

本发明公开了一种自动驾驶公交客车的导航控制系统和方法，包括GNSS模块、INS模块、轮速传感器、激光雷达点云定位模块、视觉导航模块和网联通讯导航定位模块，GNSS模块通过融合INS模块和轮速传感器调节、修正低信度的经纬度和高度坐标数据，激光雷达点云定位模块通过激光雷达与INS之间的外参，得到INS的位置和姿态，视觉导航模块用于车辆定位；网联通讯导航定位模块利用无线测距技术实现对移动中车联的实时定位。本发明能够针对城市多高楼、多山区、多隧道的环境下实现车辆的精确定位。

Description

一种自动驾驶公交客车的导航控制系统和方法

技术领域

本发明涉及一种自动驾驶公交客车的导航控制系统和方法，属于公交客车自动导航技术领域。

背景技术

自动驾驶汽车是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，对车辆的操作实质上可视为对一个多输入、多输出、输入输出关系复杂多变、不确定多干扰源的复杂非线性系统的控制过程。

自动驾驶车缺乏人类驾驶员固有的视觉和逻辑能力。如我们可以利用所看到的东西和GPS来确定自己的位置，还可以轻松准确地识别障碍物、其他车辆、行人、交通信号灯等，但要想让无人车变得和人类一样聪明，可是一项非常艰巨的任务。这时就需要高精度导航系统了，高精度导航系统是当前自动驾驶车技术不可或缺的一部分。它包含了大量的驾驶辅助信息如车道级别,红绿灯、公交车站、实线虚线、斑马线、停止线、道路中心线、人行横道、减速带、交通标志、限速信息、建筑物、隧道及雨雪特殊路况等等。

所以需要针对城市道路特殊地域环境（隧道、山区地形、高架桥）及道路特点，着力于提高城市公共车辆运营的安全性、可靠性为目的自动驾驶应用技术研发，重点突破自动驾驶的定位导航、环境感知、规划控制及网联通信等关键技术，研发精确的、鲁棒性强的组合定位导航系统，解决自动驾驶在特殊路况下的定位导航问题。

发明内容

本发明要解决的技术问题是：提供一种自动驾驶公交客车的导航控制系统和方法，以解决上述现有技术中存在的问题。

本发明采取的技术方案为：一种自动驾驶公交客车的导航控制系统，包括GNSS模块、INS模块、轮速传感器、激光雷达点云定位模块、视觉导航模块和网联通讯导航定位模块，GNSS模块、INS模块和轮速传感器三部分相结合，用于在卫星信号中断、受干扰或低置信度区域，通过融合INS模块和轮速传感器采集的加速度、旋转角和速度的数据，调节、修正低信度的经纬度和高度坐标数据，辅助GNSS模块实现自动驾驶车辆实时定位，在GPS信号丢失导致定位丢失情况下，激光雷达点云定位模块用于预先制作地图，然后用车上的实时点云和地图进行匹配，来计算激光雷达的位置和姿态，再通过激光雷达与INS之间的外参，得到INS的位置和姿态，视觉导航模块用于利用机器视觉中的车道线信息，提取图像序列信息中的车道线，使用P3P 算法进行匹配实现车辆定位；网联通讯导航定位模块用于在弱GPS信号区域布设V2X（vehicle to everything）设备，通过合理部署在城市交通道路周边的RSU（路测单元），利用无线测距技术实现对移动中车联的实时定位。

视觉导航模块的实现方法：首先对定位坐标系进行定义和转换求解；然后利用Hough 变换拟合直线检测图像中的车道线；其次利用P3P（Perspective-3-Point）求解3D到2D 的匹配实现定位；最后利用高精度地图与图像中的车道线对车辆的横向位置进行估计，通过与GPS 信号进行比对显示出良好的定位效果。

一种自动驾驶公交客车的导航控制方法，该方法包括以下步骤：

（1）数据采集：通过GPS、INS、激光雷达、摄像机采集数据；

（2）数据处理：对于获得的数据中的点云数据进行点云拼接和车道线识别；

（3）目标检测：基于深度学习的地图要素识别车道线、灯杆、红绿灯、隧道、山区地形、高架桥；

（4）手动验证：人工验证车道线识别是否正确，补充关联处理；

（5）采用高精度地图找到合适的行车空间、确定不同的路线选择，为预测模块预测道路上其它车辆将来的位置。

步骤（2）中点云拼接方法为：针对采集过程中信号可能不稳定，通过SLAM（同步定位与建图）对pose（姿态）做优化，优化时需要根据点云的时间戳获取当前点云的精确pose，由于点云的时间和INS不是完全对应，还需要对INS的pose进行插值，得到优化后的pose。优化之后对点云信息做拼接得到完整的点云信息，点云信息被压扁得到定位地图图像、反射地图图像，反射地图做一些标注，标注语义信息，提供给自动驾驶车辆使用。比如：标注车道、标注路口、标注红绿灯等。

本发明的有益效果：与现有技术相比，本发明在有GPS信号的情况下主要以差分GPS与INS的输出的结果与点云定位结果做融合，保证车辆整体定位的精度；在GPS信号弱若或丢失的场景，如大楼遮挡、地下车库、隧道等，以点云地图定位的结果与INS的结果进行融合定位，既做到优势互补，也提高了稳定性，增强了定位精度；通过视觉导航模块与GPS 信号进行比对显示出良好的定位效果，可以显著提升GPS 跳变区域的横向定位精度；在隧道等GPS信号消失的场景中，通过车道线信息拟合为车辆行驶轨迹，可对车辆进行横向控制；网联通讯导航定位模块能够解决基于车道线采集的视觉定位补偿还存在以下问题：①在高曝光区域，由于车道线提取难度大，导致对定位参考缺失；②车道线模糊处车道线提取存在问题，影响定位。

具体实施方式

下面结合具体的实施例对本发明进行进一步介绍。

要实现公交客车自动驾驶，首先要使用定位系统提供的定位信息确定前轮期望转角，然后转向控制器根据期望转角大小控制转向系统产生相应的前轮转角。公交客车的运动是一个多输入、多输出、非线性、强耦合的多变量系统，因此公交客车自动驾驶导航控制包括横向控制（转向控制）与纵向控制（速度控制）。公交客车作为一种城市交通运输方式，在作业时一般以较低的速度运行，且行驶的地理环境复杂，所以横向控制精度是整个研究的核心。

精准定位是自动驾驶车安全、稳定行驶的先决条件之一，但是在城市多高楼、多山区、多隧道的环境下，无疑是对自动驾驶提出了严峻考验。针对这一难题，本发明提出采用GNSS、INS、激光雷达、视觉、V2X多信息融合的定位导航控制系统。

实施例1：一种自动驾驶公交客车的导航控制系统，包括GNSS模块、INS模块、轮速传感器、激光雷达点云定位模块、视觉导航模块和网联通讯导航定位模块，GNSS模块、INS模块和轮速传感器三部分相结合，用于在卫星信号中断、受干扰或低置信度区域，通过融合INS模块和轮速传感器采集的加速度、旋转角和速度的数据，调节、修正低信度的经纬度和高度坐标数据，辅助GNSS模块实现自动驾驶车辆实时定位，在GPS信号丢失导致定位丢失情况下，激光雷达点云定位模块用于预先制作地图，然后用车上的实时点云和地图进行匹配，来计算激光雷达的位置和姿态，再通过激光雷达与INS之间的外参，得到INS的位置和姿态，视觉导航模块用于利用机器视觉中的车道线信息，提取图像序列信息中的车道线，使用P3P算法进行匹配实现车辆定位；网联通讯导航定位模块用于在弱GPS信号区域布设V2X（vehicle to everything）设备，通过合理部署在城市交通道路周边的RSU（路测单元），利用无线测距技术实现对移动中车联的实时定位。

其中，GNSS全球卫星导航系统，利用卫星在近地空间或地球表面任意地点为车辆提供时间、坐标等信息的导航定位系统。卫星信号正常区域，自动驾驶车通过GNSS模块获取ＷＧＳ－８４坐标系（即大地坐标系）下的GPS接收机天线相位中心的经纬度与高度坐标数据，实现车辆实时定位；

INS惯性导航系统定位利用安装在车辆上的加速度计和陀螺仪来实现被测车辆的空间定位。它通过加速度计和陀螺仪采集被测车辆的运动加速度和旋转角度，再然后将采集到的数据分解、积分，进而推算出被测车辆的速度和位置信息；

GNSS模块、INS模块和轮速传感器３部分相结合，在卫星信号中断、受干扰或低置信度区域，通过融合INS模块和轮速传感器采集的加速度、旋转角和速度等数据，调节、修正低信度的经纬度和高度坐标数据，辅助GNSS模块实现自动驾驶车辆实时定位；

基于激光雷达点云的定位用观测到的特征和数据库里的特征和存储的特征（即预先制作的点云地图）进行匹配，得到现在车的位置和姿态。激光点云定位一般预先制作地图，然后用车上的实时点云和地图进行匹配，来计算激光雷达的位置和姿态，再通过激光雷达与INS之间的外参，得到INS的位置和姿态。激光定位的优点是在没有GPS情况下可以工作，如在隧道或着大楼遮挡的场景不会因GPS信号丢失导致定位丢失，鲁棒性比较好；缺点就是需要预先制作地图，同时要定期更新地图（因为环境会发生变化）。

在以上三种定位系统技术中： GPS精度高、误差不随时间发散，但定位范围无法覆盖到遮挡环境下；INS不要求通视，定位范围为全场景，但定位精度不高，且误差随时间发散。所以为了满足弱环境约束下自动驾驶车辆的定位需求，满足其行驶稳定性、安全性，采用多传感器感知融合的导航方式：在有GPS信号的情况下主要以差分GPS与INS的输出的结果与点云定位结果做融合，保证车辆整体定位的精度；在GPS信号弱若或丢失的场景，如大楼遮挡、地下车库、隧道等，以点云地图定位的结果与INS的结果进行融合定位，既做到优势互补，也提高了稳定性，增强了定位精度；

基于车道线的视觉导航基于视觉的地图匹配定位，利用机器视觉中的车道线信息，提取图像序列信息中的车道线，使用P3P 算法进行匹配实现车辆定位。首先对定位坐标系进行定义和转换求解；然后利用Hough 变换拟合直线检测图像中的车道线；其次利用P3P（Perspective-3-Point）求解3D 到2D 的匹配实现定位；最后利用高精度地图与图像中的车道线对车辆的横向位置进行估计，通过与GPS 信号进行比对显示出良好的定位效果，可以显著提升GPS 跳变区域的横向定位精度；在隧道等GPS信号消失的场景中，通过车道线信息拟合为车辆行驶轨迹，可对车辆进行横向控制；

基于v2x的网联通讯导航定位面向复杂环境的实际应用，只基于车道线采集的视觉定位补偿还存在以下问题：①在高曝光区域，由于车道线提取难度大，导致对定位参考缺失；②车道线模糊处车道线提取存在问题，影响定位；

可通过在弱GPS信号区域布设V2X（vehicle to everything）设备，通过合理部署在城市交通道路周边的RSU（路测单元），利用无线测距技术实现对移动中车联的实时定位。主要采用利用接收信号强度值（RSSI）、到达时间（TDOA）、到达角度（AOA）及到达频率差（FDOA）等。FDOA定位技术具有无模糊区、精度高等优点，它可以与TDOA等定位技术结合，实现更加完善的定位功能。

实施例2：一种自动驾驶公交客车的导航控制方法，该方法包括以下步骤：

（1）数据采集：通过GPS、INS、激光雷达、摄像机采集数据，数据采集是一项庞大的密集型任务。测试车辆使用了多种传感器进行地图采集，如GPS、INS、激光雷达、摄像机。自动驾驶平台定义了一个硬件框架，将这些传感器集成到单个自主系统中，通过支持多种类的传感器，自动驾驶平台收集各类数据将这些数据融合，最终进行自动驾驶车辆路径规划；

（2）数据处理：数据分为点云和图像两类，因为高精度要求，对于获得的数据中的点云数据进行点云拼接和车道线识别；点云拼接方法为：针对采集过程中信号可能不稳定，通过SLAM（同步定位与建图）对pose（姿态）做优化，优化时需要根据点云的时间戳获取当前点云的精确pose，由于点云的时间和INS不是完全对应，还需要对INS的pose进行插值，得到优化后的pose。优化之后对点云信息做拼接得到完整的点云信息，点云信息被压扁得到定位地图图像、反射地图图像，反射地图做一些标注，标注语义信息，提供给自动驾驶车辆使用。比如：标注车道、标注路口、标注红绿灯等；点云图像处理后得到一个高精度图像，基于图像可以做精确的车道线识别，获得车道线的形状特征，但仍需要道路虚实线、黄白线、路口标识等信息，这时候需要对象检测（元素识别）；

（3）目标检测：基于点云分割，从点云里提取特征，在特征检测阶段，对各个分区进行局部径向基函数曲面重构，以获取各个分区内采样点的曲率信息，提出基于平均曲率计算的局部特征权值，并通过局部特征权值和曲率极值法对特征点进行双重检测，并通过建立特征点的最小生成树构建特征曲线，对不同点云模型进行特征线提取，能够提取点云模型中的显著特征和尖锐特征，也能够很好地提取特征强度变化的曲线特征。基于深度学习的地图要素识别车道线、灯杆、红绿灯、隧道、山区地形、高架桥；

（4）手动验证：由于自动驾驶车公交客车安装自动化程度不够，无法解决道路上没有车道线的部分以及无法理解逻辑信息（比如停止线和红绿灯的关联关系），因此采用人工验证车道线识别是否正确，补充关联处理；

（5）采用高精度地图找到合适的行车空间、确定不同的路线选择，为预测模块预测道路上其它车辆将来的位置，比如高精地图可帮助车辆识别车道的确切中心线，这样车辆可以尽可能地靠近中心行驶，在具有低速限制、人行横道或减速带的区域，高精地图可以使车辆能够提前查看并预先减速。如果前方有障碍物，车辆可能需要变道，可帮助车辆缩小选择范围，以便选择最佳方案。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种自动驾驶公交客车的导航控制系统，其特征在于：包括GNSS模块、INS模块、轮速传感器、激光雷达点云定位模块、视觉导航模块和网联通讯导航定位模块，GNSS模块、INS模块和轮速传感器三部分相结合，用于在卫星信号中断、受干扰或低置信度区域，通过融合INS模块和轮速传感器采集的加速度、旋转角和速度的数据，调节、修正低信度的经纬度和高度坐标数据，辅助GNSS模块实现自动驾驶车辆实时定位，在GPS信号丢失导致定位丢失情况下，激光雷达点云定位模块用于预先制作地图，然后用车上的实时点云和地图进行匹配，来计算激光雷达的位置和姿态，再通过激光雷达与INS之间的外参，得到INS的位置和姿态，视觉导航模块用于利用机器视觉中的车道线信息，提取图像序列信息中的车道线，使用P3P算法进行匹配实现车辆定位；网联通讯导航定位模块用于在弱GPS信号区域布设V2X设备，通过合理部署在城市交通道路周边的RSU路测单元，利用无线测距技术实现对移动中车联的实时定位。

2.根据权利要求1所述的一种自动驾驶公交客车的导航控制系统，其特征在于：视觉导航模块的实现方法：首先对定位坐标系进行定义和转换求解；然后利用Hough 变换拟合直线检测图像中的车道线；其次利用P3P求解3D 到2D 的匹配实现定位；最后利用高精度地图与图像中的车道线对车辆的横向位置进行估计，通过与GPS 信号进行比对显示出良好的定位效果。

3.根据权利要求1所述的一种自动驾驶公交客车的导航控制方法，其特征在于：该方法包括以下步骤：

（1）数据采集：通过GPS、INS、激光雷达、摄像机采集数据；

4.根据权利要求2所述的一种自动驾驶公交客车的导航控制方法，其特征在于：点云拼接方法为：针对采集过程中信号可能不稳定，通过同步定位与建图方法对姿态做优化，根据点云的时间戳获取当前点云的精确姿态，对INS的姿态进行插值，得到优化后的姿态，优化之后对点云信息做拼接得到完整的点云信息，点云信息被压扁得到定位地图图像、反射地图图像，反射地图做一些标注，标注语义信息，提供给自动驾驶车辆使用。