王成康, 黃李波
(同濟大學,上海 201804)
智能駕駛技術包括感知、決策、規劃、控制等模塊,目前在智能駕駛中常采用瀑布式的流程,即感知模塊的結果作為決策模塊的輸入,決策模塊的結果作為規劃控制的輸入,因此智能車感知與決策的能力十分重要。很多感知、決策模塊的算法基于機器學習方法實現,這類算法的效果高度依賴于訓練數據的豐富程度。目前,大部分駕駛數據主要通過駕駛員駕駛裝有各類傳感器的車輛在實際道路中采集。實車采集數據需要耗費大量的時間與精力,并且在采集過程中受限于天氣、安全性等多種人為不可控因素。此外,實車采集數據存在極端場景數據缺失,數據標注工作繁重等缺點。從虛擬的仿真環境中采集帶標簽的數據被證明是真實道路數據補充的一種可行手段?;陂_源智能駕駛仿真平臺CARLA搭建了駕駛員在環的駕駛仿真平臺。為了提高駕駛仿真平臺的擬真度,設計并實現了轉向盤力反饋與轉向燈功能。提出的駕駛仿真平臺可以被用于駕駛數據采集、駕駛行為分析等領域。
CARLA[1]是由西班牙巴塞羅那自治大學計算機視覺中心指導開發的開源模擬器,用于自動駕駛系統的開發、訓練和驗證等多個環節。CARLA的渲染系統采用虛幻引擎,可以擬真地表現出光照、陰影,實現不同的天氣狀態。通過采用主從式的網絡架構設計,CARLA支持多個用戶在同一個虛擬世界中同時進行實驗。在場景方面,CARLA提供了為自動駕駛系統開發創建的開源數字資源(包括城市地圖、建筑物、交通信號燈等),同時CARLA開放了豐富的API接口幫助用戶自定義仿真環境中的動態元素(例如行人、自行車、卡車等)行為。此外,用戶可以使用MATLAB工具箱RoadRunner地圖編輯器創建個性化場景地圖并導入CARLA實現自定義的道路結構。在傳感器方面,CARLA提供了包括攝像頭、雷達、激光雷達、GPS等在內的多種傳感器模型,用戶在使用時可以自定義傳感器的部分參數,例如激光雷達的線數、最大探測距離,雷達的視場角等。CARLA底層由C++實現,上層提供了豐富的Python接口,為用戶的二次開發、聯合仿真提供了良好的基礎條件。
目前CARLA在智能駕駛領域主要存在三方面應用,分別是生成帶標簽數據用以訓練深度學習算法[2],為深度強化學習提供訓練環境[1]和智能駕駛算法驗證與測試[3]。
圖1 CARLA 虛擬場景示意圖
駕駛模擬仿真平臺采用的CARLA版本為0.9.10,所用的渲染引擎為UE4-4.22,在64位Ubuntu16.04系統上完成部署。
1.2.1 G920駕駛操縱設備介紹
所使用的駕駛設備采用Logitech G920駕駛操縱設備。整套設備包括具有雙電機反饋力的方向盤,油門、制動、離合踏板。方向盤上布置了兩個方向軸,9個不同的按鈕以及左右兩個換擋撥片。圖2為G920結構示意圖。
圖2 G920駕駛操縱設備
1.2.2 計算硬件介紹
CARLA采用UE4作為內核,在仿真過程中需要對駕駛場景進行實時渲染,對于計算機的GPU性能有較高要求。采用的計算機基礎配置如下表所示。
表1 使用的計算機配置
CARLA采用主從式網絡架構。服務器端負責處理仿真環境信息,客戶端用于接收和發送車輛控制信號。在CARLA仿真軟件的基礎上搭建了駕駛設備與顯示設備,同時完成了轉向盤力反饋功能與轉向燈控制功能。構建的駕駛仿真平臺架構如圖3所示。
圖3 駕駛仿真平臺架構
為了實現更為真實的駕駛環境,在CARLA的基礎上對駕駛仿真平臺進行二次開發,開發內容包括G920轉向盤反饋力矩設計、轉向燈功能開發。
根據趙林鋒等人[4]所提供的方向盤轉矩模型設計駕駛仿真平臺中G920轉矩力反饋系統。他們的研究表明,轉向盤反饋力矩與車輛行駛速度、轉向盤轉角、側向加速度之間存在密切關系。當車輛在低速環境下行駛時,車輛的側向加速度較小,駕駛員對轉向盤轉角的變化較為敏感;當車輛以中速行駛時,駕駛員對側向加速度和轉向盤轉角均較為敏感;當車輛以高速行駛時,駕駛員對側向加速度更為敏感。由此設計了一套在不同行駛速度區段下不同的轉向盤反饋力矩模型。
最終采用的反饋力矩模型如下。
Tfb=k(v)×Tfbl+(1-k(v))×Tfbh
Tfbl=(0.0162v+1.73)×(1-exp(-0.01×θsw))
Tfbh=(0.0163v+0.966)×(1-exp(0.857ay))
式中Tfb代表轉向盤反饋力矩,Tfbh表示高速時的反饋力矩,Tfbl表示低速時的反饋力矩,力矩單位為N·m;v為車速,單位為km/h;Qsw為轉向盤轉角,單位為m/s2;ay為側向加速度,單位為m/s2。將低速場景與高速場景的閾值分別設置為20km/h與60km。由上述公式得到的反饋力矩分布情況可見圖4。
根據真實車輛的轉向燈操縱方式對駕駛仿真平臺的轉向燈操縱方式進行設計,目的在于提高模擬仿真平臺的擬真性。在大部分乘用車中,轉向燈通常由方向盤背后的轉向燈操縱桿進行控制,部分賽車的轉向燈操縱設備位于方向盤上。所使用的駕駛模擬設備不存在轉向燈操縱桿對應的物理結構,因此采用按鈕的方式控制轉向車燈狀態。在設計的駕駛仿真平臺上,使用G920轉向盤(圖2)上的4和8按鈕代表左轉向燈與右轉向燈。
圖4 低速、高速場景下反饋力矩變化圖
設計的轉向燈控制邏輯如下。在仿真場景開始運行時,轉向燈均默認處于關閉狀態。當在仿真過程中捕捉到按鈕4被按下時,打開左轉向燈,再次捕捉到按鈕4被按下時,關閉左轉向燈。右轉向燈采用與左轉向燈相同的控制邏輯。
圖5 轉向燈控制邏輯
提出的駕駛仿真平臺充分利用了CARLA仿真軟件真實的渲染效果和豐富的應用接口。二次開發實現的力矩反饋模型與轉向燈功能進一步提升了駕駛仿真平臺的擬真性。最終完成的駕駛仿真平臺在駕駛員視覺感受、觸覺感受方面取了較高的還原度。提出的駕駛仿真平臺將來可用于駕駛員駕駛行為分析、駕駛數據采集、道路交通事故重現等領域。
駕駛仿真平臺將來可在以下方面進行優化。軟件方面,可以提升交通流真實程度,加入不同風格的虛擬駕駛員模型。硬件方面,可以優化駕駛座艙與儀表顯示系統,實現更為真實的駕駛環境。