第253期:用时约5分1859字

[控制系统]自动驾驶:你需要知道的三层控制系统

推荐:自动驾驶:一个控制工程学和人工智能的交叉学科。带你从三个层面,底层,中层,上层控制系统。扫盲各类知识点。连续的两篇会比较烧脑

自动驾驶:一个控制工程学和人工智能的交叉学科。

控制工程学主要解决汽车机械零部件的协调运行和复杂系统的控制管理,通过信息的输入和输出与环境进行交互反馈;人工智能则为自动驾驶系统提供保证其完美运行的智能决策体系。二者如何协调运行,我们从三个层级进行阐述:

一、底层控制系统

底层控制的核心任务是:保证各项硬件系统稳定的运行在计算好的最佳设定值上;保证各项子系统的运行维持在最优的区间范围;规避可能性风险,精准调控至最佳路径。其背后是一套均衡理论:通过调动汽车的所有控制系统,将汽车的行驶状态始终控制在某种平稳的均衡状态。

关于滞后时间:自动驾驶系统本身就需要有非常灵敏,且即时的操控反馈系统。在执行风险规避动作,或者相关异常情况下,需要即时决策即时反馈。

如果汽车硬件系统在此过程中,出现较长的时间延迟反馈,比如:在视野范围内,突然出现需要规避的障碍物,决策系统虽然发出了规避指令,但是机械活动却耗费了更多的时间。那么,就可能出现不可容忍的意外发生。

燃油发动机注入燃料的过程,也同时伴随着机械的、化学的活动过程。从动力的产生到传导,以及相关控制元件的联动都是需要时间的,这就产生了“滞后时间”。

一种解决方案是:引入预测算法、投入更加强大的计算力。

预测算法可以通过传感器随时回传的环境数据流,监控行车环境,提升情境识别的能力。并结合静态地图、周遭自然环境,精准计算行车时点的燃料注入量,使得发动机可以始终恒速运行,提前对异常情况进行控制准备。

强大的计算力可以极大缩短数据处理时间,即时提供决策指令,并配合算法为恒速运行和精准计时提供更高的准确度。

另外一种解决方案是:干脆舍弃燃油发动机直接改用电动式发动机。只要为引擎配置好特定的电压电位,引擎就始终能即时产生对应程度的力矩,为行车提供动力。

二、中层控制系统

是一款可以针对汽车行车环境进行三维数字建模并进行即时、持续的更新的软件工具,名曰“占据栅格”。是使用“不确定性锥”替代汽车环境物体,并进行动作预测。即短期轨迹规划器,负责引导汽车进行障碍躲避,并保证汽车始终处于交通规则的范围内执行行驶动作。

首先,我们明确占据栅格就是一个三维空间模型,这个空间模型填充着两种数据:一种是内置的高清地图的静态数据;一种是来源于汽车传感器源源不断地环境数据,并且根据行车进程进行即时更新。环境数据通过第二个模块的深度学习软件,进行物体识别,并可用特殊符号对物体进行标记。

至此,高清地图数据将为“占据栅格”的三维数字空间填充道路图像,并且根据汽车行驶路径,进行持续变换。由深度学习软件识别的物体,也根据传感器的探测数据分布在三维数字空间中的汽车周边并进行实时更新。一个模拟现实的空间环境就产生了。

这个时候具备物体轨迹预测能力的“不确定性锥”就登场了——它可以预测汽车附近物体的位置、可能的轨迹方向和移动速度。为自动驾驶系统提供了一定的场景理解能力,可以像人一样在瞬间完成对于周边环境的感知以及预测判断,为第四模块的行车路径规划提供了有力的决策依据。

那不确定性锥是如何工作的呢?

在占据栅格中每个物体的周围画出一个小圆圈,称为“当前活动区域”。然后根据未来十秒钟后,物体所有可能到达的位置再画一个大圆圈,称为“未来活动圈”。最后用线将小圈和大圈连起来就得到了“不确定性锥”。

我们利用这种具备轨迹预测功能的“不确定性锥”代替物体,这样,自动驾驶系统就得到了占据栅格中,各个物体的移动轨迹范围和方向,为安全的路径规划提供了依据。当前三个模块都完成了之后,第四个模块短期轨迹规划器就登场了。当汽车附近的物体都被标记成大小不一的不确定性锥的时候,轨迹规划器就可以调用精密的算法,算出最佳的行驶路线,减少事故发生的可能性。

三、上层控制系统

上层控制系统负责汽车整个行驶过程中的路径规划和导航工作,而这两者功能实现的基础就是“搜索算法”。搜索算法需要凭借强大的计算力,去在一个问题的众多的解决方案中,寻找出一条最佳解决解决方案。

应用到自动驾驶系统中就是:凭借搜索算法将起始地与目的地之间所有可能的备选路径,依次罗列并自动进行优劣的等级排序,从而在众多备选路径中找出最佳行驶路线。

应用到自动驾驶系统中,只需要研发人员调整A*算法中的代价函数,就可以评估众多的驾驶行为各自需要付出的成本代价。该算法省去了搜索过程中的大量重复计算行为,实现对最短路线的精准定位。

Powered by Froala Editor