基于高精地图的物流配送车路径规划与跟踪控制

为了解决园区等场景下无人车多途经点配送问题,提出了一种基于矢量化高精地图的车道级全局路径规划、生成和跟踪控制方法。考虑配送车往返途经点顺序对行驶路径总长度的影响,基于高精地图采用A*算法计算各配送点间的最优路径,在此基础上,利用动态规划算法求解经过多个配送点的全局最优路径。应用贝塞尔曲线对规划的路径进行平滑,并根据道路曲率设定不同路径处的参考行驶速度,进而生成车道级的可用于跟踪的目标轨迹。利用车辆二自由度模型设计模型预测控制器进行轨迹跟踪,实现低速物流配送车的自主控制。在CarSim/PreScan/Simulink联合仿真平台和实车平台上对提出的规划控制方法进行了试验。结果表明,相比传统的依据最近配送点策略确定的路径,所提出的方法搜索出的路径长度平均缩短了6.15%。所设计的轨迹跟踪控制器能确保配送试验车与目标轨迹的横向偏差在0.25 m以内,航向角偏差在5°以内。

高精地图道路交叉口拓扑连接问题的分析方法与实践

随着高精度地图数据在自动驾驶行业中的广泛应用,针对自动驾驶行业高精度地图道路交叉口在应用过程中存在拓扑连接的问题,本文结合自动驾驶项目,提出了一种基于不同道路场景特征快速发现道路交叉口拓扑连接问题的逻辑算法。采用道路交叉口内部连接算法,能较好地识别出道路交叉口各类遗漏连接的场景,实现了对大部分场景的有效识别和防护。基于几个城市地图数据的试验结果表明,本文的逻辑算法不仅可以快速有效地挖掘出道路交叉口内拓扑连接问题,还能提前识别出试验室仿真和实车测试因为拓扑连接问题造成的地图断点问题。研究结果可以应用到自动驾驶领域的地图质检、仿真、测试等工序内,减少了自动驾驶降级次数,提升了用户体验,对后续自动驾驶道路交叉路口技术改进和感知能力提升有一定的借鉴意义。

基于先验地图/GNSS/IMU融合的自动驾驶车辆定位系统

针对仅依靠单一的传感器无法提供持续稳定的位置信息的问题,利用误差卡尔曼滤波(ESKF)算法,融合全球卫星导航系统(GNSS)、惯性测量单元(IMU)和先验地图点云数据,构建了高精度定位系统,并通过引入矩阵校正方法,避免GNSS失效或先验地图匹配延迟等情况下系统无法获取有效观测值以修正位姿的问题,使系统保持稳定并处于高精度状态。试验结果表明:在观测值失效等情况下,该方法仍然能够保持高精度的定位状态;相较于传统的单一传感器定位方法以及常见的GNSS/IMU组合定位方法,所提出的方法具有更高的鲁棒性和可靠性,能够更好地满足自动驾驶汽车在复杂环境中的定位需求。

基于有向图的强化学习自动驾驶轨迹预测

轨迹预测作为自动驾驶中的重要组成部分,旨在对车辆进行行驶估计,以便车辆根据行驶估计进行路径规划,从而做出安全准确的决策。首先,为提升车辆轨迹预测精度,采用有向图方法构建高清驾驶场景地图,有向图方法将地图信息矢量化,以便有效提取地图拓扑结构;其次,采用生成对抗模仿学习(GAIL)通过生成器与判别器的对抗博弈学习数据集驾驶策略,从而根据当前状态采取对应驾驶行为;最后,通过采样遍历得到多模态预测轨迹方案。在nuScenes运动预测数据集上进行仿真,量化结果显示相比于其他方法,K=5时,最小最终位移误差MinFDE_(5)提高了10.8%;K=10时,最小最终位移误差MinFDE_(10)提高了17.53%,最小平均位移误差MinADE_(10)提高了9.52%,失误率MissRate_(10)减少了28.26%。评估结果表明:生成的轨迹多模态符合场景基本结构,且准确度得到提高。

基于高精度地图的车道推荐开发

为满足当前高阶智能化车辆对车道推荐引导的需求,文章基于车机导航地图(SD-Map)和高精度地图(HD-Map)进行关联匹配,完成道路和车道的映射关系表达,提出了可行域空间的路网模型和车道综合推荐系数的计算规则。基于行车道路剩余距离、车道限速和车道拥堵信息,建立车辆运动学模型,使用动态窗口法(DWA)优化算法定义速度空间,建立以车道路剩余距离、车道限速和车道拥堵信息为因子的综合成本函数,通过迭代优化获得最优车道推荐列表。最后通过实车测试验证优化结果,与基于静态地图数据推荐的车道相比,能够更加有效灵活地基于距离目的地剩余距离、车道限速情况和车道拥堵状态进行车道推荐,保证车辆当前行车速度最优。

自动驾驶行业HD和SD融合地图问题的研究与展望

随着高精度地图数据在自动驾驶行业中的应用,基于高精度(HD)和标准(SD)融合地图进行实验室仿真和实车测试分析的应用也越来越广泛。高精度地图生产商在应用融合地图的过程中也存在很多基于HD和SD地图融合问题,本文分析和总结了当前自动驾驶行业HD和SD融合地图的组成部分、主要特点及存在的问题,并在此基础上讨论了融合地图相关问题的解决方案及行业展望。

高精地图在自动驾驶中的应用及更新研究

高精地图为自动驾驶提供了重要的先验知识和安全冗余保障,可作为其他传感器的有效补充,是实现自动驾驶的关键能力之一。高精地图需能精准反映出不断变化的道路场景,才能支持精准的车辆定位、感知、路径规划等自驾应用。由于传统的采集更新模式周期长、成本高,因此基于大量社会车辆进行地图数据采集的"众包更新"模式应运而生。自动驾驶车辆搭载的相机,可识别车道线、交通标牌等丰富的地图要素信息,是实现高精地图大规模快速更新的最佳解决方案。

基于Transformer和边缘解耦的鸟瞰地图语义分割算法

高精(high-definition,HD)地图可以提供准确的道路信息和丰富的语义信息,使自动驾驶系统引导车辆正确行驶。高精地图通常依赖人工标注,现有自动化标注方法在自动驾驶场景下的识别精度较低,导致高精地图标注效率低下。为了解决这一问题,提出了一种新的用于高精地图自动标注的语义分割方法MapFormer,包括一个多级特征融合模块,能够使模型聚合不同级别的细节和语义信息;一种新的边界解耦联合解码器用以提高模型处理类别间边界的能力。在鸟瞰图数据集上的实验验证了该模型不仅在分割精度上取得了优秀的表现,而且在对类别边界的处理上更为清晰。其mIoU为55.82%,高于SegFormer的mIoU 1.03%,该方法可提升高精地图标注效率与标注自动化率。

一种高精度地图质量控制与修正方法

目前高精度地图仍采取半自动交互形式制作,因此控制与评价高精度地图质量显得尤为重要。根据高精度地图制图规范、产品规格书等开发地图要素检查系统,可实现部分自动修正功能。依据空间拓扑关系与要素逻辑检查,设立三级检查机制,实现程序自动查、改、报错等功能,并根据错误要素重要性修改占比自动计算地图品质率。经杭州亚运会测试场与德清测试场实验可知,该方法可极大地提高审图效率,客观、公正地评价地图的品质率;其建立的检查机制模型不仅为地图从业者提供了借鉴方法,也为国家确立地图相关评价规范提供了参考。

自动驾驶众包高精地图中的定位算法设计

众包高精地图在自动驾驶中发挥着重要作用,一定程度上解决了高精地图高成本和低实时性的问题。通过将低成本量产车采集的数据上传到云端并对数据融合处理,包含全局定位、地图要素重建、地图数据融合和逻辑推理算法等,其中全局定位是关键技术之一,是后续算法模块的基础。为了实现众包高精地图的精确定位,基于量产车上的低成本传感器提出了一种多传感器融合的定位算法,并通过真实自动驾驶数据集进行实验验证,本算法精度高且鲁棒性好,可以满足众包地图的生产需求。

利用单片段代换系定位水稻抽穗期QTL

抽穗期是水稻品种的重要农艺性状之一,对抽穗期QTL进行定位并研究其遗传效应在水稻育种中是至关重要的。本研究利用以6个水稻品种为供体的52个单片段代换系为试验材料,通过t测验比较单片段代换系与受体亲本华粳籼74之间抽穗期的差异,对代换片段上的抽穗期QTL进行了鉴定。以P≤0.001为阈值共鉴定出20个抽穗期QTL,这些QTL分布于水稻的10条染色体。QTL加性效应值为–5.9～1.1,加性效应百分率为–7.4%～1.4%。有8个QTL被定位在小于10.0cM的区段内。利用1个单片段代换系与华粳籼74杂交发展的F2群体对qHD-3-1进行了定位。在作图群体中,早抽穗和迟抽穗植株数符合3:1的分离比,早抽穗表现为显性。利用微卫星标记将qHD-3-1定位于3号染色体短臂,PSM304和RM569分别位于其两侧,遗传距离分别为2.4cM和5.1cM。

智能车辆双目视觉与地图组合定位研究

车身传感器能实时感知车身位置信息,通过构造部分道路信息的驾驶地图进行映射完成初始定位,利用立体视觉实时感知环境进行精确定位,解决智能车辆"在哪里"的问题。在真实驾驶场景中测试了其可行性,初步实现了低成本高精度的定位效果。

基于多投影面和高清摄影的数字正摄影像图

数字正摄影像图是文物现状调查基础资料,也是文物现状保留及相关保护的重要手段。以千手观音为例,提出基于多投影面和高清摄影的数字正摄影像图处理方法和流程,对同一千手观音手,选择多个投影面进行高清摄影,并基于多投影基准面进行纹理映射来生成高精度数字正摄影像图。本方法可以减少传统单个投影面产生的图像投影变形,提高数字正摄影像图的精度和逼真度。

南方GPS软件中的独立网平差方法探讨

探讨了几种常用的GPS独立网平差方法,并结合工程应用说明这些方法在南方GPS软件中的实现。

基于路面分割的高精度地图创建优化方法研究

高精度地图主要利用已采集图像的地面信息生成,但是在真实环境中图像的地面信息容易受动态障碍物遮挡,同时GPS难免会有抖动误差,导致地图拼接效果并不理想。针对上述问题提出了一种基于路面分割的动态障碍物去除与图像配准方法。使用深度学习对全景图像进行语义分割并提取路面信息,在去除动态障碍物干扰后,利用路面特征进行图像配准。融合GPS与里程计信息进行定位优化,利用多帧图像叠加填补空缺形成地图。最终,实验验证了该方法在去除动态障碍物的同时也提高了地图的精度。

基于高分辨率遥感影像的车道线提取

车道线是自动驾驶高精度地图的组成部分,利用车载摄像头和激光雷达提取车道线的研究已经比较深入。本文探讨了利用高分辨率遥感影像提取车道线的方法。首先依据直方图原则选取合适的阈值进行二值化分割,其次利用道路中线形成的缓冲区去除道路范围外的要素,然后利用形态学算子去除噪声,最后利用方向和面积因子提取不同的车道线。该方法可以降低数据采集的成本,提高采集效率。

基于多传感器的高精度地图生成技术研究

针对高精度地图的生成问题。本文首先阐述了高精度地图的一般性定义,说明自动驾驶对高精度地图的巨大需求,对比分析高精度地图与传统导航地图的区别;然后详细介绍基于多传感器的高精度地图生成技术的数据采集、数据处理、元素识别和人工验证四个环节;最后,建立了以车道为基本单元的包含区域-道路-车道-元素的四级高精度地图拓扑结构。

人工智能在自动驾驶领域的应用及启示

对人工智能在自动驾驶领域的应用进行了综合评述,同时对其他无人运动系统的创新研究进行思考。首先介绍了自动驾驶系统的硬件架构,包括感知模块、自动驾驶计算机、供电模块、信号通信模块、执行和制动模块五部分,并以通用Cruise无人驾驶汽车为例介绍了其与传统汽车硬件部分不同之处;然后将自动驾驶软件按功能分为定位、感知、规划、控制四个模块,并一一介绍了人工智能算法在其中的创新应用;最后从自动驾驶技术进行拓展,提出智能无人系统创新研究思路。

矿山地质测绘中利用无人机高清摄影测量的精度研究

为解决使用传统人工方式进行矿山地质测绘工作时效率低、误差大的问题,将无人机高清摄影测量应用于矿山地质测绘领域,并对矿山地质测绘中利用无人机高清摄影测量的精度问题进行分析研究。首先分析利用无人机摄影测量进行矿山地质测绘的可行性,然后分析无人机在矿山地质测绘中的作业流程,设定无人机的飞行参数。最后对无人机摄影测绘的精度进行研究,分析无人机摄影产生精度误差的原因,并找到修正误差的方法。

面向自动驾驶的高精地图模型及关键技术

高精地图作为自动驾驶中不可或缺的环节,其发展将在很大程度上影响自动驾驶水平。现有高精地图模型多样,面向机器思维不足,缺乏面向“人-车-路-图”的系统思维。基于分层更明确、要素更全面和用户特征更突出三方面的考量,细化和充实四层一体化高精地图模型,详细阐述了静态数据层、道路实时信息层、车辆动态信息层和用户模型层的内容和功能;指出了高精地图云边端协同更新机制、路口安全信息框架、交通事件驱动的导航决策3个关键技术如何支撑自动驾驶全局和局部路径导航决策以及车辆控制;从感知、定位、决策、控制4个层面解释了高精地图平台对自动驾驶的支持。