概要: 自動運転関連技術を学習したり触れたりする前に、無人車両、つまり自動運転車両の概念と知識について学びましょう。
序文
随着人工智能的不断发展，自动驾驶领域应用甚广，规划控制作为自动驾驶的核心模块之一，其学习价值和发展前景巨大。
本文主要介绍无人驾驶车的相关概念及知识。
1. 無人（自動）運転車とは何ですか？
名前が示すように、無人車両は人間の運転や介入を必要としない車両であり、運転中に自動的に障害物を回避したり、人々を安全かつ快適に目的地まで送り届けたり、生産プロセス中に特定の輸送ニーズや目的を達成するために無人車両を使用したりできます。
最初に自動運転車のコンセプトと印象を確立できるように、いくつかの GIF 写真を見つけました。
自動車の台数が増加し、飲酒運転や疲労運転による交通事故が多発する中、無人運転車研究の意義と必要性がクローズアップされており、無人運転産業の発展の見通しは比較的広い。
現在、無人車両に関連するいくつかの製品プロジェクトが実現していますが、それらは主に鉱山、倉庫、港などの産業環境に集中しています。現在、無人運転技術の最大の課題は、複雑な道路や予測不可能な人間環境において、いかに安全かつ効果的に自動車を走行させるかであり、無人運転を現実の生活環境にできるだけ早く実現するためには、全員の努力が必要です。
2. 無人（自動）運転のレベル分類
あなたは車を購入する際、販売員がいくつかの運転機能について説明しているのを聞いたことがあります。運転支援、高度支援運転、あるいは業界関係者がよく耳にする L2、L2+、L3、L4 などは、実際には自動化の程度に応じて異なるレベルの自動運転です。
現在、自動運転レベルとして国際的に認められている標準グレードは 3 つあります。
-
ドイツ連邦道路研究所 (BASt) の分類基準 (2012 年発表)
-
米国道路交通安全局 (NHTSA) の分類基準 (2013 年発表)
-
国際自動機械学会（SAE）の分類基準（2014年発表）
SAE は自動運転のグレーディング基準を最も詳細に区分しているため、世界で最も一般的なグレーディング基準となっています。示されているように (定義と main 関数の組み合わせ)。
- レベル 0: 自動運転はなく、ドライバーが運転タスクを完了します。いくつかのシステム警告プロンプトと AEB などの受動的機能がありますが、主に車両を制御しません。
- レベル 1: 部分的な運転支援、自由な手または足、ドライバーとシステムが連携して動作し、システムには ACC や運転タスクを実行するためのその他の機能などの特定の補助機能があります。
- レベル 2: 部分的な自動運転、手と足を同時に解放しますが、目は解放しませんドライバーは、運転タスクを実行するためにシステムを常に監視し、いつでも運転を引き継ぐ準備ができている必要があります。
- レベル 3: 条件付きの自動運転。目を解放しても脳は解放されない。運転タスクの実行時にシステムが早期警告を発した後は、ドライバーが時間内に運転を引き継ぐ必要がある。
- レベル 4: 高度に自動化された運転。脳が解放され、システムはほとんどのシナリオ (ODD エリア: ジオフェンス) で安全に運転タスクを実行できます。ドライバーは基本的に操作する必要がなく、システムが自動的に介入します。
- レベル5：脳を解放する完全自動運転。ドライバーは一切操作する必要がなく、あらゆるシーンや作業条件下でもシステムが安全に運転業務を遂行できる。
知識の普及:
ODD (Operational Design Domain) は、図に示すように、シナリオ、環境、動的要素に分かれています。で：
- 風景：道路状況、地理的条件...
- 環境条件: 気象条件、光条件...
- 動的要素: 交通状況…
今後、自動運転技術の研究能力と実装レベルがますます高くなるにつれて、ODDはますます注目を集め、道路環境から走行エリアの設計に至るまで、その運用領域が徐々に改善されていくでしょう。完全な走行領域の設計まで自動運転を実現し、L5自動運転の目標も達成します。
注：自動運転レベルごとの代表的な機能や普及時期については結論が出ておらず、厳密に言えば、当該機能レベルは自動運転車両の分類と同一視することはできず、車両全体がL3レベルを持つことを意味する。この機能は、車両全体が L3 レベルの自動運転車であることを意味するものではなく、例えば、現在の駐車機能の普及と応用では、自動駐車 (APA) は L2 レベルに属し、遠隔制御駐車 (RPA) は L3 レベルに属し、自動バレーパーキング 車 (AVP) は L4 レベルに属します。
3. 無人（自動）走行車両の構成と機能
このセクションでは、自動運転車の一般的なアーキテクチャを紹介します。以下に示すように、主に位置特定モジュール (Localization)、知覚モジュール (Perception)、予測モジュール (Prediction)、計画モジュール (Plannning)、制御モジュール (Controls) が含まれます。図。
測位モジュール (ローカリゼーション)
地図上で車両の正確な位置情報 (位置/方向) を提供し、下流の計画および制御モジュールに提供します。
主な入力は次のとおりです。
- 地図 (MAP): 高解像度地図 (HDMAP) はより正確です (主に車線区分線や信号情報など、環境内で比較的固定された情報、または更新サイクルが比較的長い情報を提供できます)。
一般地図情報と高精度地図情報の違い：
(1) 精度：一般地図は m レベル、高精度地図は cm レベル
(2) 更新頻度：静的情報の場合、更新頻度は一般地図は1ヶ月または四半期、高精度地図はcmレベル、精細地図は毎日または毎週、動的な情報の場合、通常地図は更新不要、高精度地図は更新が必要リアルタイムで。
(3) データの幅: 通常の地図は道路レベルのデータ (形状、勾配、方向) のみを記録しますが、高精度地図では車線の種類、幅員、ガードレール、信号、交通標識も記録する必要があります。 - 全地球衛星航法システム (GPS)の利点
: 比較的正確な絶対位置
欠点 : 精度が低い、衛星信号に依存する、データ更新頻度が低い (約 10Hz) - 慣性計測ユニット (IMU): 前の瞬間の位置と向きに基づいて次の瞬間の位置と向きを更新します。
メリット：外部情報に基づかない、更新頻度が高い
デメリット：累積誤差がある - 地物環境測位 (Lidar): 観測地物とデータベースの地物を照合することにより、現時点での自動車の位置と姿勢が取得されます。
利点: より正確な位置決め
欠点: 光や環境などの要因の影響を受ける
知覚モジュール (知覚)
車載センサー（センサー）を通じて、車両周囲の環境情報（車両、車線、歩行者、物体など）を理解し、環境内の物体を分類できるようになります。実際、人間の目に相当します。目で見て認識できる脳と、周囲のさまざまな物体に関する情報を取得します
。
一般に、自動運転車には主に 4 種類のセンサーが搭載されています。
- ミリ波レーダー:主に短距離、中距離、長距離レーダーがあり、電波を通じて距離を測定します。電波は光の速度で伝わり、電磁スペクトルの中で最も低い周波数 (最長の波長) を持ち、電波の反射特性に基づいて、レーダー センサーは前方の物体を超えた物体を検出できます。ただし、レーダー信号は比較的導電性の物質（金属物体など）によって反射されやすく、他の電波の干渉もレーダーの性能に影響を与えるため、レーダーセンサーは物体を検出できなくなりますが、レーダー信号は通過できます。雨、霧、塵、その他の見通し障害物をターゲット検出に使用し、側方および後方の回避に適しています。
- カメラ: カメラは、3D 環境内のオブジェクトから反射された光を収集することによって 2D 画像をキャプチャします。通常、画質は環境条件に依存します。つまり、気象条件や照明環境が異なれば、画質に与える影響も異なります。コンピュータ ビジョンおよび機械学習アルゴリズムは、キャプチャされた画像やビデオから有用な情報を抽出するために一般的に使用されます。現在、単眼カメラでは物体の距離を測定することが難しいため、三角測量の原理を利用して複数のカメラで実際に距離測定を観察するステレオビジョン方式が広く使われています。多眼ステレオカメラは、ある程度の奥行きと距離の認識を実現でき、主に長距離の特徴認識や交通検知に使用されます。
- LiDAR: LiDAR は、送信機を使用してレーザー ビームを放射し、受信機を使用して障害物に遭遇した後に戻ってくるレーザー ビームを検出します。LIDARセンサーは、パルスレーザー光を照射することで、照射から障害物が戻ってくるまでの散乱光の時間間隔（TImeofFlight、ダウンリンク時間）を計算することで、3次元空間内の物体の形状や距離を効果的に認識し、長時間の使用が可能です。距離（現在の車両の最大距離は120m）の知覚を実現します。主に 3D 環境マッピングとターゲット検出に使用されます。
- 超音波: 超音波センサーはソナー、サウンド ナビゲーション レンジングとも呼ばれます。音波はアクティブセンサーの中で最も周波数が低い（波長が長い）ため、音波が乱れやすく、雨や塵などの悪環境条件の影響を受けやすいということも意味します。さらに、他の音響波からの干渉がセンサーのパフォーマンスに影響を与える可能性があるため、複数のセンサーを使用し、追加のセンサー タイプに依存することで軽減する必要があります。主に近距離の目標検出に使用されます。
センサーの主なカテゴリは次のとおりです。
- パッシブセンサー: カメラ
- アクティブセンサー：ライダー、ミリ波レーダー、超音波レーダー
- 補助センサー: GPS、IMU、RTK
最先端の認識技術は、一般に次の 2 つのタイプに基づいています。
- コンピューター ビジョンに基づく: 幾何学的モデルに基づき、最適化手法を使用して視覚認識の問題を解決するための最適なソリューションを見つけます。
- 機械学習に基づく: ニューラル ネットワークなどのデータ駆動型回帰分類モデルを通じて知覚の問題を解決します。
知識の普及
パッシブセンサーとアクティブセンサーとは何ですか?
- パッシブ センサー: パッシブ センサーはエネルギー変換センサーとも呼ばれ、外部電源を必要としません。自動運転車では、パッシブ センサーはパッシブ カメラ センサーです。
- アクティブ センサー: エネルギー変換センサーまたはトランスデューサーとしても知られ、非電気エネルギーを電気エネルギーに変換し、エネルギー自体を変換するだけで、エネルギー信号は変換しないセンサーを指します。自動運転車では、レーダー、ライダー、超音波センサーはすべてアクティブ センサーです。
- 違い: 両者の違いは外部電源が必要かどうかです。パッシブ センサーは機能するために電源を必要としませんが、アクティブ センサーは機能するために電力を必要とします。
ミリ波レーダーの定義は厳密には77GHzレーダーがミリ波レーダーに属しますが、実際には24GHzレーダーもミリ波レーダーと このうち、77GHz ミリ波レーダーは主に中長距離の物体を検知するために車の前部に使用され、24GHz ミリ波レーダーは死角検知や死角検知のために車の側面と後部に設置されるのが一般的です。補助駐車システム。現在、4Dミリ波レーダーの知覚研究の機運が高まっており、ライダーに代わるものとして期待されています。
予測モジュール (Prediction)
周囲環境における他の交通エージェント（車両、歩行者など）の行動パターンを分析することで、自動運転の将来の軌道を予測します。
このうち、対象物が知覚する情報（位置、分類、速度など）を入力とし、周囲環境における対象物の将来の走行軌跡を出力する。
現在の予測手法は主に次の 2 つのカテゴリに分類されます。
- モデルベースの予測方法: 物理システムの運動、ダイナミクス、状態、速度、加速度などを使用して、将来の走行軌跡を予測します。
- データ駆動型予測手法：ディープラーニング（深層学習）などのモデルを利用して軌跡を予測するが、現状の課題は不規則な環境（予測不可能性が高い）での歩行者予測である。
計画モジュール (計画):
周囲環境に関する認識システムによる判断と測位システムの正確な位置決めにより、コントローラーは合理的な経路計画 (運転可能、安全、予測可能) を実現します。
計画モジュールは主に、最初の 3 つのモジュール (測位、認識、予測) の入力に基づいて、合理的な経路を計画します。
主な入力は次のとおりです。
- 認識システム: 車の周囲に何があるのか、何が起こっているのかを知らせます。
- 地図と位置情報: 出発点から目的地までの具体的な場所と経路を示します。
出力も 2 つあります。
- これはコントローラー指向であり、実行可能な経路と周囲環境のいくつかの制約 (車線幅、車線内に車がいるかどうかなど) を提供します。
- これは知覚システムへのフィードバックであり、トンネルなどのさまざまな作業条件下での知覚センサーの適応パラメータ調整と知覚ステータスの更新を行うことができます。
つまり、計画は主に経路計画 (最適な経路)、行動計画 (車線変更、追い越しなど)、行動計画 (行動パラメータ計画) を目的としており、コントローラーに上位レベルの入力を提供します。
制御モジュール (コントロール/コントローラー)
自身の状況や現在の状態 (アクセル、ブレーキ、ハンドル、車両自体の位置など) に応じて、パラメーターを調整することで、この合理的に計画された経路をより正確かつ快適に追跡できます。
主な入力は次のとおりです。
- パスプランニングにより出力される合理的なプランニング情報。
- 地図測位により出力される自車位置状態情報。
出力には主に次のものがあります。
- 合理的な軌道。
- アクセル、ブレーキ、ステアリングホイールのパラメータコマンド。
全体として、制御モジュールは、安全で快適な自動運転操作を実現するために、主にアクセル、ブレーキ、ハンドルを制御するためのコントローラーの開発とパラメータ調整を行うためのモジュールです。
要約する
この記事では、主に自動運転車の概念から始まり、自動運転車の現在のレベル分類、自動運転車のアーキテクチャとコアモジュールを紹介し、その中で知覚モジュールの性能とアプリケーションを紹介します。この記事は、自動運転業界を理解したい初心者や学生に役立つことを願っています。
私は文章を書くのが初心者です。それが好きな友達は、あなたの小さな手を動かして注目をクリックしてください。私は定期的に私の知識の概要と経験の一部を共有します。ありがとう!