跨越险阻挑战未来.docVIP

跨越险阻挑战未来 　　在“跨越险阻2016”地面无人系统挑战赛中，许多科研机构派出了多型车辆参加多组比赛，体现出强大的综合实力，系统化的研究布局。比如国防科技大学、北京理工大学、装甲兵工程学院等。兵器地面无人平台研发中心专业从事无人平台的研制，依托中国北方车辆研究所在车辆研制上的雄厚技术实力，从无人车系统底层的底盘技术到上层的自主决策，都进行了精心细致的研究。预赛中，他们派出了8个车队参加全部五个组别的比赛，不仅是参赛最全面的，而且在四个组别都进入决赛。比赛之后，本刊记者专访了兵器地面无人平台研发中心副主任刘进，以及“锯齿虎”车队队长崔星。 　　记者（以下简称记）：刘主任，这次参加“跨越险阻2016”，兵器地面无人平台研发中心的车队虽不是最多，但覆盖了所有组别，很具有代表性，各队也取得了良好的成绩。您能先简单介绍一下贵所的参赛情况吗？ 　　刘进（以下简称刘）：这次挑战赛共设置了5个科目组别的比赛，我单位是唯一参加全部科目比赛的单位，参加A组比赛的，是履带式的“斑纹豹”和轮式的“锯齿虎”。它们都是具备完全自主能力的无人车，外形上类似小型装甲车辆。它们同时还参加了B组的比赛。 　　参加C组比赛的是“警戒侦察一号”、“警戒侦察二号”、“警戒侦察三号”，都是遥控操作的小型无人车，履带式结构。它们也有各自的特点，比如尺寸、重量上从大到小，履带结构有所区别。这是为了适应不同的任务环境。 　　参加D组比赛的是仿生类四足移动式无人平台，“奔跑一号”和“奔跑二号”，类似我们在媒体上见过的美国“大狗”。 　　参加E组比赛的是“战地虎”车队，参赛车采用摇臂式六轮行动装置，是最新行走技术的演示样机。 　　自主前进，要“眼”明“脑”灵 　　记者：A组比赛，参赛车辆是自主型无人车。在大众媒体的报道中，这种“无人车”也是我们最常听说和见到的。特别是一些在高速路上行驶的民用轿车那样的无人车。这类似车现在民用领域的研究很火热吧？ 　　刘：对，谷歌无人车，特斯拉的AutoPilot系统等就属于这类。我国也有很多机构，高校、科研单位、互联网企业等，都在开展这方面研究。为促进无人车技术在民用交通领域的应用，国家自然科学基金委主办了“中国智能车未来挑战赛”。但军用无人车，以及“跨越险阻”比赛和他们相比，是有很大区别的。 　　记者：是不是根本区别就在一个是现成道路，一个是野外道路、环境上？ 　　刘：的确是这样。民用无人车一般是在公路，也就是结构化道路上行驶。在那里环境相对规则化，比如有交通标志、标线、交通规则，因此是有规则可循的，也可以有很多先验的数据。 　　结构化道路需要解决的是：如何通过交通标志、标线以及交通参与者，如车辆、行人的准确识别，来对交通场景进行认知，在此基础上按照交通规则要求，来决定无人车应该怎么行驶。 　　野外环境就不同了，它意味着没有道路的概念，至少道路与非道路的边界并不清晰，没有明确的行驶规则。车辆面对的是未知环境，必须通过车载自身的传感器识别和感知行驶环境，并确定前方的环境是否能够通行。行驶路线上随时可能有石头、土坑、土包、水洼、泥沼、暗沟等各类障碍和复杂的环境，必须通过车载计算机来实时计算、确定如何绕过这些障碍。如果过不去，就要考虑如何在一个更大范围内重新寻找能够行进的路线，以便顺利到达目的地。这就需要无人车对周围环境有精确的建模、理解和认知，规划方法具备局部避障能力的同时，也具有较大范围内快速的路径搜索能力。 　　此外，相比于平直的结构化道路，野外环境的地形起伏多变，这也给感知、规划、控制带来了更大挑战。 　　记者：识别环境首先要靠传感器。我看很多参赛无人车上，都有这样的激光雷达。这是现在最主要的传感器？ 　　刘：是的。激光雷达的原理和军事上常用的雷达很像，发射出激光，探测前方物体。目前的激光雷达采用的是测距原理，通过发射脉冲与回波脉冲之间的时间差来计算距离，再结合激光束的发射角度，就能计算出探测点的坐标；一个个探测点组合到一起，就能形成一个三维的点云；再结合数据挖掘技术，就能识别出地面、高低起伏，障碍的几何形状。 　　记者：预赛时我看很多无人车上的激光雷达都是同一品牌的，Velodyne。 　　刘：这家公司是1983年在美国硅谷成立的，最早是做顶级音响的。 　　记者：这完全不是一路的啊！ 　　刘：是啊，可人家就是做出来了。 2004年美国DARPA第一次举办无人车比赛，Velodyne公司老板利用立体视觉技术来参加挑战赛了，通过2004和2005年的无人车比赛，他认识到了立体视觉的局限性，开始专注搞激光雷达，想出了旋转扫描式激光雷达的新方案，到了2007年第三届无人比赛时，他们就拿出了全新概念激光雷达，被赛事组办方DARPA，也就是美国国防高级计划局看好，得到了上百美元的资助。随后Velo