房 亮，鄭春芳，王 濤

（1.天津職業(yè)大學，天津 300410；2.中國汽車技術(shù)研究中心，天津 300300；3.天津職業(yè)技術(shù)師范大學汽車與交通學院，天津 300222）

汽車產(chǎn)業(yè)快速升級并朝著智能化、網(wǎng)聯(lián)化方向邁進；全國各地紛紛設(shè)立網(wǎng)聯(lián)汽車先導示范區(qū)，加快智能科技產(chǎn)業(yè)、優(yōu)勢前沿產(chǎn)業(yè)發(fā)展，智能網(wǎng)聯(lián)無人駕駛車輛發(fā)展進入快車道，行業(yè)亟需大量智能網(wǎng)聯(lián)汽車高技術(shù)技能從業(yè)人員，人才培養(yǎng)迫在眉睫。車路協(xié)同系統(tǒng)（Cooperative Vehicle Infrastructure System,CVIS） 是采用無線通訊技術(shù)，進行全方位的車與車、車與路的信息交互，采集行駛信息開展車輛主動安全控制，實訓人-車-路的有效協(xié)同，保障交通安全，提高通行效率[1]。采用實車和真實環(huán)境模擬實驗和教學成本較高，為解決智能網(wǎng)聯(lián)汽車實訓產(chǎn)品制造成本、維護成本問題，本研究將多種傳感器移植到智能網(wǎng)聯(lián)微縮車上，實現(xiàn)其與實車一致性功能。

1 車路協(xié)同仿真實訓平臺設(shè)計

1.1 智能微縮車介紹

智能微縮車融合多傳感器搭載了與智能網(wǎng)聯(lián)汽車傳感器具有相同功能和原理的微型傳感器，按照1:16比例與實車縮放，著重訓練智能網(wǎng)聯(lián)車輛設(shè)備裝調(diào)、代碼編譯、參數(shù)調(diào)節(jié)、道路測試、運維檢修、V2X多維通信能力，輔助建立智能網(wǎng)聯(lián)汽車感知、決策、控制原理的知識技能體系。[2]

智能微縮車基于ROS系統(tǒng)開發(fā)，ROS系統(tǒng)在機器人軟件編寫方面有廣泛的應用，將大量的庫、工具、協(xié)議集成在一起，極大的簡化了復雜多樣的機器人操作平臺任務(wù)的創(chuàng)建和行為的控制[3]?；赗OS系統(tǒng)的智能微縮車結(jié)合沙盤模型的場景，易于學生理解和掌握智能車輛傳感器及其工作原理、使用方法等相關(guān)技術(shù)知識，培養(yǎng)學生對于智能汽車等人工智能技術(shù)的認識，增強學生在人工智能時代的就業(yè)競爭力，也可以幫助相關(guān)企業(yè)進行科研實驗。

智能微縮車集成了激光雷達、IMU（慣性導航單元），里程計等傳感器設(shè)備，對于周圍環(huán)境進行探測感知并建立室內(nèi)環(huán)境的地圖，并在此基礎(chǔ)上完成任一目標點導航的任務(wù)，并在自主導航過程中可以主動避開前進過程中遇到的障礙，同時進行路徑規(guī)劃更新。ROS平臺車的主要組成部件有：思嵐A1激光雷達、樂視Astra深度相機、IMU(封裝在STM32控制板上)、輪式里程計（封裝在12V驅(qū)動電機內(nèi)），SCL-J19工控機（上位機），STM32控制板（下位機），5200mAh鋰離子電池（供能設(shè)備），12V電機（驅(qū)動設(shè)備），轉(zhuǎn)向舵機（轉(zhuǎn)向控制）。

智能微縮車車載單元OBU通過數(shù)據(jù)傳輸線接收來自激光雷達和深度相機的環(huán)境信息，通過內(nèi)置的算法對環(huán)境信息進行識別處理，根據(jù)處理結(jié)果進行決策控制，決策結(jié)果通過數(shù)據(jù)傳輸線由工控機傳輸至STM32控制板，通過STM32控制板轉(zhuǎn)化為電信號再經(jīng)信號傳輸線將控制指令發(fā)送給位于后軸的驅(qū)動電機和位于前軸的轉(zhuǎn)向舵機，從而完成加速、減速、差速轉(zhuǎn)向、倒行等一系列基礎(chǔ)運動，通過這些基礎(chǔ)運動的組合來完成后續(xù)一系列功能。

1.2 實訓沙盤交通場景介紹

平臺所設(shè)計的實訓沙盤包括了智能車輛的常見使用場景：自動尋線行駛、自動泊車、雷達跟隨行駛、行駛過程中自動避障、紅路燈識別等。通過在相對應場景下對智能小車進行操作和實驗，圖1為等比例實訓沙盤交通場景設(shè)計。

圖1 等比例實訓沙盤交通場景

所搭建的仿真沙盤模型，根據(jù)常見的交通場景如十字路口、丁字路口、匝道、立交橋等，將微縮場景合理布局到沙盤之中，盡可能保證與實際道路的還原程度。沙盤一側(cè)可通過總控制臺控制沙盤模擬場景中路燈的開啟及各處紅綠燈開啟和關(guān)閉，測試智能微縮車道路的適應性，如圖2所示。

圖2 沙盤控制臺

1.3 道路及路側(cè)系統(tǒng)設(shè)計

微縮車、沙盤、路側(cè)單元及云計算平臺共同構(gòu)成了“車-路-云”系統(tǒng)。道路及路側(cè)系統(tǒng)模擬真實交通環(huán)境中的道路環(huán)境及輔助設(shè)施。微型道路環(huán)境應包括實際道路的各種要素，如道路交通標志、車道線、信號燈等道路基礎(chǔ)設(shè)施，以及十字路口、急轉(zhuǎn)彎、坡道、直道等行車環(huán)境。路側(cè)系統(tǒng)可輔助并保證智能車輛有序高效的通行，共包括監(jiān)控命令終端、無線通信網(wǎng)絡(luò)、數(shù)據(jù)服務(wù)器和視頻監(jiān)控系統(tǒng)[3]。平臺通過射頻識別技術(shù)(radio frequency identification RFID)獲取智能微型車當前的實際坐標位置。智能微型汽車搭載的車載單元OBU，經(jīng)過無線WiFi傳輸，與路側(cè)單元RSU交互信息。路側(cè)單元RSU將采集到的信息上傳到云計算平臺進行實時分析計算。視頻監(jiān)控系統(tǒng)負責車輛道路協(xié)同仿真平臺的整體監(jiān)控。車路協(xié)同仿真實訓平臺整體架構(gòu)如圖3所示。

圖3 車路協(xié)同仿真平臺整體架構(gòu)

2 .車路協(xié)同仿真實訓平臺實訓項目開展

在交通實際應用中，無人駕駛車輛實現(xiàn)無人駕駛的環(huán)境感知策略目前并不唯一，無人駕駛車輛可通過毫米波雷達、視覺感知系統(tǒng)、超聲波雷達、GPS高精定位傳感器、慣性導航傳感器IMU、激光雷達等不同傳感器的組合來完成車輛環(huán)境感知操作，且要掌握每種傳感器有自身特性及適用場景。[4]

2.1 SLAM建圖

SLAM全稱Simultaneous Localization and Mapping，即同時定位與制圖。問題可以描述為：如果智能車在一個未知的環(huán)境中被放置在一個未知的位置，可否使智能車在移動的同時逐漸畫出一幅完整的環(huán)境地圖。此完整地圖是指在沒有障礙的情況下移動到房間的每個角落。這就意味著一輛車來到陌生的環(huán)境，它需要知道自己所處位置坐標，如果在移動，就需要時刻的坐標更新。制圖是指對周圍環(huán)境的了解，對周圍環(huán)境的了解就能更好地定位自己，從而進一步實現(xiàn)在地圖中任意兩點之間的移動。

微縮車通過激光雷達，訓練使用Gmapping、Cartographer、Hector-SLAM、Karto四種SLAM建圖算法進行室內(nèi)地圖構(gòu)建，掌握其基本原理，對比其建圖精度、效率，激光雷達掃描SLAM建圖過程如圖4所示。在已經(jīng)建立好地圖的基礎(chǔ)上，設(shè)定任意目標點，智能小車通過AMCL算法實現(xiàn)定位，計算出最優(yōu)路徑，通過激光雷達傳感器實現(xiàn)對周圍障礙物的感知，規(guī)避障礙物，抵達目標位置。

圖4 激光雷達掃描SLAM建圖過程

2.2 雷達跟隨

通過激光雷達感知周圍移動的物體，按照程序設(shè)定的固定距離和固定速度，由超聲波雷達采集兩車之間的距離，實現(xiàn)跟隨行駛，如圖5所示。[5]

圖5 雷達跟隨

2.3 巡線行駛

通過搭載的深度攝像頭感知地面車道線，將識別到的圖像信息傳回給上位機，上位機通過算法處理后將控制信息傳給下位機，下位機控制驅(qū)動電機及轉(zhuǎn)向舵機跟隨指定路線行駛，如圖6所示。[6]

圖6 巡線行駛

2.4 停避障實訓

如圖8場景所示，自動駕駛智能微縮車在行駛過程中通過搭載的環(huán)境感知傳感器首先判斷道路的類型，區(qū)分出直道、彎道、坡道，隨后判斷與前方障礙物的距離（車輛、行人等），根據(jù)行車速度、自車轉(zhuǎn)彎半徑，運行車輛內(nèi)置算法，執(zhí)行停障或避障操作?？刂七^程如圖7所示。

圖7 微縮智能車停避障控制流程

圖8 停避障實訓

2.5 車路協(xié)同實訓

在充分了解車輛感知、決策、控制原理的基礎(chǔ)上，智能微縮車支持車輛硬件升級、軟件二次開發(fā)、軟件算法優(yōu)化等后續(xù)開發(fā)選項，進一步深化智能網(wǎng)聯(lián)車輛傳感器學習能力和車輛控制算法拓展。車路協(xié)同控制系統(tǒng)對具有共同行使目的的所有車輛進行統(tǒng)一管理，簡化復雜的交通控制，可有效的緩解交通擁堵，提高道路通行效率[7]。智能微縮車多車編隊自動駕駛?cè)鐖D9所示。

圖9 多車編隊自動駕駛

3 .結(jié)論

基于智能微縮車的車路協(xié)同實訓平臺通過等比例的縮放智能網(wǎng)聯(lián)車輛和交通運行場景，模擬車輛在不同場景下的無人駕駛過程，優(yōu)化車輛的算法與控制過程，對未來城市智能交通系統(tǒng)構(gòu)建極具價值，提供了智能網(wǎng)聯(lián)車輛人工智能、車輛工程、測控技術(shù)與儀器、軟件工程、機器視覺、信號與信息處理等多學科交叉的實驗實訓平臺。同時，本智能微縮車的車路協(xié)同仿真實訓平臺設(shè)計，是貫徹“崗課賽證”育人模式的進一步舉措，助力汽車產(chǎn)業(yè)升級背景下的智能網(wǎng)聯(lián)汽車高技能人才培養(yǎng)，推動了產(chǎn)業(yè)鏈、人才鏈、創(chuàng)新鏈的有機融合。