日期
02/25
2016
咨询
  • QQ扫一扫

  • Vision小助手
    (CMVU)

视觉革命如何降低自动驾驶车辆的成本
收藏
2016-02-25 09:58:16来源: 中国视觉网

图片中安装了两台Point Grey的Flea3 USB 3.0相机,但只用了一台相机,另一个仅供备用。AdasWork软件能实时切换相机

 

    能够将人们从驾驶负担中解放出来的完全基于计算机的自动驾驶系统,将有可能在未来的几十年中变得司空见惯。然而,目前制造这样的自动驾驶车辆还非常昂贵,这一方面是由于这种自动驾驶系统非常复杂,另一方面也是因为必须要将主动安全和驱动硬件集成到车辆中、以确保其能在路上安全行驶,这所需要的成本也是非常高昂的。
  最近,匈牙利AdasWorks公司(匈牙利Kishonti Informatics公司的计算机视觉研究机构)的一个研究小组已经开发出了一套新系统,其看似有望改变这一切。
  目前的自动驾驶车辆使用很多雷达、超声波、基于视觉的系统以及预先记录的3D激光扫描的道路地图,用于确定车辆的行驶方向和行驶速度以及车辆的周边环境;相比之下,AdasWorks的解决方案完全依靠从单一的面向道路前方的相机来捕获视觉数据。随后,图像数据通过市售的应用处理器处理,该处理器上运行AdasWorks公司自己的图像处理软件。

 

AdasWork和ThyssenKupp Presta Hungary展示了为奔驰C200轿车设计的一套完整的自动驾驶控制系统


  全方位控制
  为了突出该系统的有效性,最近AdasWorks公司联手匈牙利ThyssenKupp Presta Hungary公司,演示了AdasWorks软件是如何作为奔驰C200轿车全方位自动控制系统的一部分来部署的。这两家公司联合工作,证明了建立一套这样的系统,其成本仅仅是现有系统成本的1/10,这使得该系统在大众汽车市场中广泛安装具备了商业可行性。

 Point Grey Flea3 USB 3.0相机提供Micro-B USB 3.0接口和GPIO接口


  在针对该应用评估了很多相机产品之后,AdasWorks的工程师最终决定选用加拿大Point Grey公司的130万像素Flea3(FL3-U3-13E4C-C)相机,其安装在奔驰C200 Saloon轿车的前方,如图1中所示。由相机捕获的图像通过USB 3.0接口传输到一个小型电子控制单元中,该电子控制单元中包括一个运行AdasWorks软件的NVIDIA Tegra K1应用处理器。
  “Flea3相机是这个示范解决方案的理想选择,因为它能让应用处理器触发相机、在可变帧率下捕获具有时间标记的分辨率为1280×800像素的彩色图像,并通过USB 3.0接口将这些图像直接传输至处理器板。”AdasWorks公司首席科学家兼计算机视觉专家Zoltan Prohaszka说道。

运行在NVIDIA Tegra K1应用处理器上的AdasWorks软件处理Flea3的图像数据,以检测道路的中心


  处理图像
  运行在NVIDIA Tegra K1应用处理器上的AdasWorks软件,处理由面向前方的Flea3相机捕获的图像数据,用以检测道路的中心,并根据道路的可见长度和曲率,计算出车辆的行驶轨迹,并确定汽车应该行驶的最佳速度。
  该软件还能确定自动驾驶的汽车是否与在它前面行驶的车辆处于碰撞危险中,如果存在碰撞风险,则控制汽车离开其正在行驶的车道。车道检测算法用于在行驶中检测车道标记的类型和颜色,同时也能检测相邻车道;汽车检测算法用于检测在道路上行驶的车辆,并根据由相机捕获的多帧数据获得的测量结果估计它们与该自动驾驶车辆的距离。
  此外,还有行人检测算法可以识别行人以及他们所行走的道路相对于汽车行驶道路的位置,以确定行人是否处于被撞击的危险之中。
  控制汽车
  基于对车辆前方场景的分析,AdasWorks软件从图像数据中提取车辆的行驶轨迹,并计算出应该施加的加速度或制动量,以保持车辆以安全的速度行驶。随后,数据通过以太网接口传输到德国dSPACE公司提供的一个基于MicroAutoBox Power PC的系统中。
  ThyssenKrupp Presta Hungary公司已经开发出了一种先进的轨迹控制算法,其运行在dSPACE硬件上,它能根据车辆的实际位置和接收到的轨迹点计算出车辆的转向角度。dSPACE系统还作为车辆的一个通信接口,这一功能是通过将“应用处理器根据图像数据计算出来的数字转向、加速和制动输出值”, 转换成“能够用于控制车辆内的机电致动器的信号”来实现的。这些信息用于转动方向盘、移动油门踏板以及启动气动制动系统。
  上路测试
  安装了该系统的奔驰C200轿车,被运往匈牙利亨格罗林一级方程式汽车赛道。在这里,运行在应用处理器上的计算机视觉算法,基于车辆在轨道附近的行为视频记录而进行优化;同时评估车辆中轨迹与速度控制系统的有效性。随着该轿车在没有任何人为干预的情况下实现成功驾驶,该系统的完全自动控制能力最终得以充分展示。
  既然该自动驾驶系统的可行性已经得以充分展示,那么AdasWorks公司的解决方案可能对于那些考虑建造半自动系统(能够自动实现很多驾驶操作,同时让驾驶员对车辆的最终控制权)的一级OEM厂商具有一定的吸引力。配备这种半自动控制系统的车辆,将为完全自动驾驶的车辆铺平发展之路,届时AdasWorks的解决方案将会发挥重要作用。