北理宋文杰:时空域下智能车辆未知区域自主导航技术

嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,能让您在业余时间的知识阅读更有价值。

 

 

人工智能论坛如今浩如烟海,有硬货、有干货的讲座却百里挑一。“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办,承办单位为中国科学院大学学生会,协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会,百度为支持单位,读芯术、PaperWeekly为合作自媒体。“AI未来说·青年学术论坛”第七期“自动驾驶”专场已于2019年7月22日下午在中科院举行。北理宋文杰为大家带来报告《时空域下智能车辆未知区域自主导航技术》。

 

宋文杰,北京理工大学助理教授,硕士生导师,美国普林斯顿大学访问学者。主要围绕智能驾驶汽车、地面无人平台、移动服务机器人,开展无人系统架构搭建、环境感知与地图构建、路径规划与智能决策等研究。主持国防科技“引领”基金项目1项,参与完成总装十二五重点项目、国家自然基金重点项目、面上项目。研究成果获国防科学技术进步一等奖1项(排名第五),中国发明创业成果一等奖1项(排名第六),工信部创新创业一等奖2项,日内瓦世界发明展金奖1项,“中国智能车未来挑战赛”高速道路测试第一名、“跨越险阻”陆上无人系统挑战赛空地协同组第一名等。在本领域权威学术期刊和会议上发表录用论文10余篇,授权国家发明专利8项,担任IEEE Transactions on Intelligent Transportation Systems等期刊审稿人。

 

报告内容:智能车辆是一种集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,是新世纪车辆技术飞跃发展的重要标志,具有极高的国防军事价值和社会经济价值。在自动驾驶场景中,智能车辆如何实现先验信息缺失或无路网条件下的高精度定位、多类动态目标干扰下的自主决策与规划是自动驾驶技术面临的关键难题。本次报告首先介绍北京理工大学组合导航与智能导航实验室无人车团队的研究背景与基础,然后针对以上两项难题汇报本人已开展的相关工作与目前研究的最新进展。报告的主要内容包括研究背景与基础、定位与地图构建、时空域自主导航以及端到端自动驾驶四个部分。

 

时空域下智能车辆未知区域自主导航技术

 

宋文杰博士首先介绍了他们团队的研究背景基础,以智能车辆系统的介绍引入,包括对其构成和技术的讲解,进而引出了智能车辆的发展概况及相关赛事介绍。智能车辆系统由汽车电子、发动机、结构设计和底盘系统等构成,主要应用了:机器人技术,包括环境感知技术、规划决策技术和运动控制技术;移动互联技术,包括车载平台技术、移动通讯技术和大数据云处理;基础支撑技术,包括地理信息系统、信息安全技术和标准法则评测。

 

智能车辆从上世纪80年代被广泛研究,相关比赛的大量出现又进一步推动了其发展。国际赛事包括DARPA Grand Challenge(2005)、DARPA Urban Challenge(2007)和LAGR(DARPA's Learning Applied to Ground Robots)等,国内赛事包括中国智能车未来挑战赛(自2009)、“跨越险阻”地面无人系统挑战赛(自2014)和世界智能驾驶挑战赛(自2016)。上述赛事中,中国智能车未来挑战赛是面向城市交通应用需求(高速、泊车、园区等),由自然基金委主办,自2009年,每年一届,已连续举办十届;“跨越险阻”陆上无人系统挑战赛是面向战场安防等任务需求(战场行驶、侦察搜索,山地输送等),由陆军装备部主办,自2014年,每两年一届,已连续举办三届。近年来智能车辆技术逐渐受到重视,吸引了百度、谷歌、Uber和Tesla等企业加入到研究阵营中。

 

接着,介绍了所在团队以及团队参加的一些比赛情况。北京理工大学组合导航与智能导航实验室无人车团队于2010年开始进行相关研究,相关技术经历了从无到有的积累过程。后来随着产业逐渐变热,开始跟红旗等企业进行合作,才使得很多问题变得简单。团队参加的较具代表性赛事有中国智能车未来挑战赛和“跨越险阻”陆上无人系统挑战赛。对于前者,团队参加过很多次,由于缺乏人力、物力以及丰富的先验数据库等,团队需要自己绘制路网,但定位精度差,路网精度不高,只能依靠感知与粗略路网进行匹配以实现车道级别定位,对匝道下等区域,依靠SLAM等手段进行定位。对于后者,团队通过无人机跟无人车的配合,实现了一个地控协同、车辆跟随系统。

 

然后,通过参加的赛事情况总结出了自主导航技术的两大难题:未知区域或无先验信息条件下的精确定位和自然场景下多类动态目标运动扰动问题。

 

最后,从两大难题出发,分别介绍了定位与地图构建、时空域自主导航和端到端自动驾驶等问题的研究意义及团队所做的相关工作。定位与地图构建是机器人或无人车空间意识的基础,是机器人技术中最具挑战的一项关键技术之一,有环境范围大、变化快、动态干扰多和稳定性要求高的特点,其常规解决方案有以下三种:半自主绘制高精度地图+差分GPS(或其他定位设备)+先验信息下的地图匹配;超宽带定位,视觉标签定位;小场景,特定任务地图构建。团队所做的相关工作有全景视觉稀疏点云地图构建、双目视觉稠密点云地图构建和2D激光占据栅格地图构建。

 

时空域自主导航包含三个层次的问题:首先是单一空间搜索问题,已构建或先验的地图往往仅包含静态信息,不存在时间约束条件;其次是时空维度搜索问题,自然场景下动态目标多样,模型复杂,在静态地图的基础上,规避动态障碍物,完成超车、跟随、入匝道等决策或规划,需要满足时间约束条件;最后是未来时间段状态预测问题,需要进行动态目标分类、跟踪、预测,结合动态目标模型、历史状态以及环境历史状态序列,才可以为规划或决策提供时间维度上的基本素材。为解决动态目标运动扰动问题,团队尝试过利用循环神经网络来计算历史轨迹。但从根本上解决问题的是时空地图导航方案,它基于多动态目标行为预测和静态二维栅格语义地图,在xy-t地图中根据时间不可逆和单层唯一性原则进行决策规划。

 

端到端自动驾驶是针对特定场景的,如模型简单、样本范围小的任务,没有必要构建感知-定位-决策-规划-控制等复杂冗余架构,利用端到端方法就可以获得较好结果。端到端模型可以包含环境中动态信息,也是解决动态干扰的一种方法。通过训练,已包含了车辆模型、传感器模型、环境模型等信息,避免复杂建模过程。端到端自动驾驶仿真软件包括:基于游戏仿真软件TORCS和基于机器人建模软件Gazebo等,且他们团队在上述两种软件平台上都做了相关测试。更多精彩内容请关注视频分享。

收藏 评论(1)
分享到:
共1条回复 最后由云智学院 回复于2019-10-11 11:20
#2 云智学院 回复于2019-10-11

赞一个

0