无人驾驶中的决策规划控制技术.docxVIP

PAGE 1 PAGE 1 无人驾驶中的决策规划控制技术  无人车作为一个复杂软硬件结合系统，其安全牢靠运行需要车载硬件、传感器集成、感知预估，以及掌握规划等多个模块的协同协作工作。  系统框架和模块划分  图1展示了一种无人车软件系统的典型功能模块划分。其中感知（Perception）模块负责从传感器数据中探测计算出周边环境的物体及其属性。这些物体信息经过预估模块的计算，生成预估轨迹传递给决策规划掌握系统中的行为决策模块。决策规划掌握系统的另一个上游模块是路由寻径模块，其作用在简洁意义上可以理解为无人车软件系统内部的导航，即在宏观层面上指导无人车软件系统的掌握规划模块根据什么样的道路行驶从而实现从起始点到目的地点。值得留意的是这里的路由寻径虽然在一定程度上类似传统的导航，但其细节上紧密依靠于特地为无人车导航绘制的高精度地图，所以和传统的导航还是有本质的不同。一般来说，路由寻径会作为单独的模块来进行实现，而交通预估部分，则既可以做为感知模块的业务延伸，也可以看成是决策规划掌握模块的外围模块而单独进行实现。  图1无人车软件系统模块  决策规划掌握（Decision，PlanningControl）系统的任务，就是在对感知到的周边物体的预估轨迹的基础上，结合无人车的路由意图和当前位置，对车辆做出最合理的决策和掌握。整个决策规划掌握软件系统，可以根据解决问题的不同层面，如图1所示自上而下划分为行为决策（BehavioralDecision）、动作规划（MotionPlanning），以及反馈掌握（FeedbackControl）这三个模块。  其中行为决策模块（Decision），可以直观理解成无人车的“副驾驶”。行为决策接受路由寻径的结果，同时也接收感知预估和地图信息。综合这些输入信息，行为决策模块在宏观上打算了无人车如何行使。宏观层面的决策包括在道路上的正常跟车，在遇到交通灯和行人时的等待避让，以及在路口和其他车辆的交互通过等。例如，在路由寻径要求无人车保持当前车道（Lane）行驶，感知发觉前方有一辆正常行驶的车辆，行为决策的打算便很可能是跟车行为。动作规划模块，在图1的划分中，解决的是详细的无人车动作（Motion）的规划问题。其功能可以理解为，在一个较小的时空区域内，详细解决无人车从A点到B点如何行驶的问题。动作规划模块在这里解决的问题，相对行为决策，又更加详细了一步。动作规划需要详细把一个短临时间t内从A到B的中间路径点做出规划，包括选择途经哪些详细的路径点，以及到达每个路径点时，无人车的速度，朝向，加速度等。不仅如此，动作规划还需要保证两点：一是在后续时间内，生成从A到B的时空路径需要保持一定的全都性；二是，这些生成的A到B之间的路径点，包括到达每个点的速度朝向加速度等，都在下游的反馈掌握的实际可操作的物理范围之内。决策规划掌握系统最下层的模块是反馈掌握模块。这是一个直接和无人车底层掌握接口CAN-BUS对接的模块。其核心任务是消化上层动作规划模块的输出轨迹点，通过一系列结合车身属性和外界物理因素的动力学计算，转换成对车辆Drive-By-Wire掌握的油门，刹车，以及方向盘信号，从而尽可能地掌握车去实际执行这些轨迹点。反馈掌握模块主要涉及对车辆自身掌握，以及和外界物理环境交互的建模。  上述模块的划分方法，特别有效地将无人车决策掌握规划这样一个复杂问题，根据计算规律从抽象到详细的做出了特别合理的切分。这样的划分使得每个模块可以各司其职专注解决本层次的问题，从而提升了整个复杂软件系统的开发效率。  预估模块（Prediction）  作为决策规划掌握模块的直接数据上游之一，预估模块的作用是对感知所探测到的物体进行行为预估，并且将预估的结果详细化为时间空间维度的轨迹传递给下游模块。一般而言，感知模块所输出的物体信息包括位置，速度，朝向以及物体分类（如车辆，行人，自行车）等物理属性。这些感知所计算输出的物体属性偏向于客观的物理属性。利用这些输出的属性，结合客观的物理规律，可以对物体做出一个在特别短时间内的“瞬时预估”。预估模块所需要解决的问题，不仅仅局限于结合物理规律对物体做出预估，往往更重要的是结合物体和周边环境，以及积累的历史数据学问，对感知到的物体做出更为宏观的行为预估。例如在图2中，行为预估需要在宏观层面预估图中的车辆是否会保持直行还是右转通过路口。  图2无人车周边物体行为预估  行为预估的轨迹，既包括了障碍物在将来一段时间内运动的方向，还体现了它们在运动中的速度变化。譬如行人过公路的时候会预估他们使用较为恒定的步行速度，车辆转弯的时候会先减速后加速，而加减速的快慢也取决于弯道的弧度和长短。