|
上月初，瑞士苏黎世联邦理工学院（ETH）工程专业学生曼纽尔·丹格尔（Manuel Dangel）和队友在德国霍根海姆赛道巡视赛道时发现，他们用来绘制赛道地图的电脑化独轮手推车出现了故障。 方程式学生无人驾驶赛车包含多项内容。按照比赛规则，各参赛队伍可以用半小时的时间巡视赛道进行测量，获取一些对编程无人车可能有用的数据。丹格尔介绍称，因为比赛要完成10个连续单圈赛道竞速，所以比赛的基本策略就是让赛车沿着提前绘制好的地图行驶。也就是说，如果参赛队伍在赛前不能完成赛道地图的绘制，那么比赛就会变得更加困难。 ▲瑞士苏黎世联邦理工学院参赛车辆—Flüela 丹格尔所在队伍的参赛车辆叫做「Flüela」，取自著名的阿尔卑斯山隘。这辆赛车曾经参加过2015年学生方程式电动赛车比赛，作战经验丰富。它装备了两种类型的“眼睛”：激光雷达和摄像头，还有其他多种测量其地面速度的手段。 「Flüela」依靠两种方式进行导航：一种是按照预先绘制好的地图行驶；另一种就是在前几圈内由赛车自行绘制地图，不过这需要赛车更慢地行进并配有可靠的传感器。 赛车如要自行绘制地图，就必须使用激光雷达来区分交通锥的三角形底座，并确定交通锥之间最合适的行驶路径。实际操作比听起来还要难，激光雷达无法对颜色进行探测，而赛道左右两侧却是由颜色相异的交通锥来区分的。于是，丹格尔团队不得不编写概率树，如下图所示。人类分辨交通锥很容易，不过电脑要是去分辨交通锥，就会把交通锥与背景中的物体混淆，如草丛。赛道上的积水也会反射出交通锥的图像，这会让赛车误以为交通锥是在地面以下，这就有些让「机器」不知所措了。无人驾驶赛车虽然需要靠“眼睛”捕捉路况，但是更多的是靠计算机“大脑”处理路况数据。 ▲丹格尔团队为「Flüela」编写的概率树 当丹格尔团队意识到他们无法预先为无人车绘制地图时，他们激活了赛车上所谓的“探路”模式，该模式下赛车可以自行勘察交通锥。“探路”模式有一套独立的光学摄像系统支持，该系统可以检测交通锥的颜色并与激光雷达探测的结果进行交叉核查。丹格尔表示，该系统借鉴了苏黎世联邦理工学院为一架无人机编写的ETH算法，这架无人机与丹格尔团队没有关联。 虽然激光雷达和摄像头算法都可以帮助赛车定位正在绘制的地图上的相对位置，但是准确的地面速度才是纠正激光雷达旋转和空间运动的关键因素。丹格尔表示，实验车中，制造商倾向于使用光学地面传感器，原理类似于大家使用的光学鼠标。不过本次比赛中的一些团队则使用了差分GPS，它可以将地面信号与卫星信号进行比较，从而实现在空间中定位赛车。但是，这两种方式都不适用于量产车型，真正的车辆必须要具有独立判断能力，能够与环境变化保持协调性。丹格尔说：“我们必须在此之间得出一个折中方案。” 所以，丹格尔的车队最终采用了轮速传感器，不过由于赛车车速过快，在轮胎抓地加速和转弯时，汽车轮胎的橡胶容易燃烧。换言之，汽车本身移动的速度和车轮意在实现的速度不匹配。在这种情况下，丹格尔的车队决定禁用汽车的牵引力控制，如此一来他们将轮速传感器配合惯性测量单元使用。这样一来，赛车速度信息足够透明，满足了激光雷达的测量需求，保证了赛车能保持在赛道上运行。最终「Flüela」拿下本届方程式学生无人驾驶赛车的冠军。 苏黎世联邦理工学院车队选择的折中方案意味着他们的赛车并不是速度最快的，但却是唯一能跑完全部赛道的赛车。获得第二名的车队没有选择绘制赛道地图，而是装备了一种“避障系统”。每每看到像是鬼影一样的交通锥时，这辆赛车都会停两次。赛事组织方即使缩短了之前设定的交通锥间的距离，这也无济于事，而一些车队采用的算法并不能帮助其参赛赛车通过狭窄赛道。 此般复杂性意味着无人驾驶赛车要想实现追逐竞技的状态还需时日。但是丹格尔保守地表示，虽然他也不确定无人赛车在何时才能技术成熟，但是这个领域真的很有趣，但是前路也确实艰辛。
|
|
|
来自： cheyunwang > 《待分类》
