基于单线激光雷达的无人车辆导航避障系统分析

2021-12-13李睿哲马晓毅王子帅孙瑞泽

电子元器件与信息技术 2021年8期

关键词：扇区激光雷达关键点

李睿哲，马晓毅，王子帅，孙瑞泽

（华东交通大学机电与车辆工程学院江西，南昌，330013）

0 引言

无人车辆行驶过程中，需要自动完成对周围障碍物的避让工作，所以需要有专门的障碍物监测装置帮助开展导航工作。其中单线激光雷达能在低能耗的情况下获得较好的导航效果，满足避让导航的要求。

1 导航避障系统工作原理

1.1 全局导航

全局导航设计的算法理论基础是给车辆数个目标点，从而引导无人车辆沿着制定好的路线前进。确定行驶路线时，也是通过在地图中输入关键点，建立起地图信息，数据处理模块就可以利用地图信息完成对车辆的控制，实现对无人车辆的导航[1]。如果途中有障碍物出现，影响车辆的行驶道路，车辆会调整原有的线路，躲避障碍物之后控制车辆返回指定线路，避免车辆和障碍物碰撞。

1.2 局部避障

为了准确获得激光雷达对周围的感知，结合激光雷达极坐标的输出特点，使用扇区曲率算法来计算周围的情况。扇区可以完成对雷达扫描数据的划分工作，经过选取后，划分可行驶扇区来确定行驶路线，有效简化了极坐标转化为局域坐标的过程，提升计算效率的同时也保证了精度，提升计算结果的可靠性，科学规划避障路线。例如在控制车辆行驶时，扇区曲率算法就能自动对激光雷达的感知区域进行划分，并计算不同区域的方向和长度，确定汽车行驶的最佳扇区，然后控制车辆运行。为了保证安全性，避免碰撞，计算时还要专门计算障碍物的膨胀情况，确定最合适的避障路线曲率中心和曲率半径。

使用传统的扇区算法并不能准确计算车辆的安全行驶宽度，所以获得路径并非是最短局部路径，为了能满足对无人车行驶控制的要求，可以对曲率算法进行改进。在最初设计的模型中，仅仅为电脑提供了关键点的信息，是缺少障碍信息的，所以在进行局部路径规划的工作中，只能使用单激光雷达探测障碍物。由于单线激光雷达采用单线扫描，所以不能确定障碍物的三维信息，仅仅能获得障碍物面向激光雷达的边缘距离信息。为了能获得准确的扫描结果，可以对扇区根据车辆的碰撞情况进行分类，包括撞山扇区和安全扇区，撞山扇区是车辆会装到障碍物的扇区，安全扇区是车辆不会和障碍物碰撞的扇区。计算时应设定距离d为安全距离数值，更为直接的扇区划分能简化对避障的计算工作，还能减少路径的弯曲和转弯，缩短路径的总长度。

2 硬件设计

对硬件的设计工作中，可以基于传感器融合选择硬件配置，并采取面向对象的方式作出最简洁硬件配置选择。通过增加使用GPS技术，可以更好地利用全地图信息，通过GPS的导航作用，完善对车辆路线的规划工作[3]。之后根据全局地图的需求选择激光雷达，以及帮助无人车辆规划避障路线。

2.1 GPS选型

GPS系统选择MB100，具有双拼和双系统运行功能，通过内置定向算法，实现GLONASS定向，在动态定向中有比较好的效果，具有较高的可靠性，以及满足可用性要求。并且MB100的体积相对比较小，尺寸为58×56×11，模块的功耗也比较低，对工作环境要求并不苛刻，可以在-40℃的情况下工作，还能有效抵抗外部冲击和振动，定位的精度较高，而且具有较高的可靠性[4]。

在进行独立导航时，MB100的可靠性比较高，其所具有的两个射频口在工作过程中能够根据工作状态自动切换，以及根据要求切换工作模式。在动态定向中，可以适合各类高精度工作场景，在无人驾驶车辆、手持设备等定位工作中都有比较好的表现，尤其在对安全系数要求比较高的产品中使用比较广泛。

MB100配置了45条通道，精度在50cm以内，DGPS定位时小于30cm。以下为该系统的定位时间。

表1 MB100的定位时间

2.2 激光雷达的选型工作

设计过程中所选择的激光雷达测距范围为0.1～30m，有10%的反射率，测量角度为190°，每个扫描周期为50ms，具有1/4°的测量精度，雷达的测距精度为±100mm[5]。依靠该雷达能够满足低速情况下对车辆的扫描工作，可以比较准确地完成对障碍物的判断，为保证无人车辆的续航要求，所选择的产品也要满足稳定性翻墙、功耗低的要求。为满足对户外移动载体的导航和避让工作，雷达的运行过程中会进行三次回波。为适应户外的影响，采取IP67防护等级，也能直接完成对黑色物体的测量，包括测量黑色轿车等等，在大雨等恶劣工况下也能完成对周围环境的监测工作。

3 软件设计

对避障系统的软件设计中，应该保证软件可以利用激光雷达的分析，计算出车辆行驶过程中避障的最佳路线。运行过程中需要使用极坐标来表示障碍物的位置，之后使用GPS完成对全局路径的规划，以及建立平面直角局部坐标。在进行导航避障的过程中，软件系统需要先完成对各种传感器数据信息的处理工作，然后判断目标关键点的大小，以大关键点作为逼走路线，而小目标关键点作为可不走路线。在软件系统中，使用两条链表分别储存大小坐标，车辆行进的过程中，根据车辆的运行位置，会不断更新小目标关键点列表，但是对大目标关键点，会在新的导航任务加入之后，进行更新工作。通过这种设计，可以保证车辆在完成局部必然之后，可以继续按照给定的路线前进，保证无人车辆在运行过程中能不偏离设计路线[6]。而为了避免软件程序出现冗余，对于大目标关键点都在输出过程中储存，对于小目标关键点会随着指针顺序指向大目标关键点进行动态分析之后建立。小目标关键点为初始位置，或者已经完成的上一个大目标关键和当前大目标关键点之间的连线，然后在连线上建立起小目标关键点。由于其实位置和大目标关键点之间的距离不相等，所以产生的小目标关键点数量也会有所区别。经过目标更新模块，可以完成对小目标关键点的动态提取，并快速完成对路径的规划和制定。

4 系统的试验验证

4.1 硬件试验结果

对硬件工作情况的试验使用了无人车辆所选型号的GPS顶欸装置分析单点定位数据，以及分析浮点数据和固定解数据。在单点定位测试数据处理工作中，需要完成对基站数据的自然拟合工作，以及计算基站自身经纬度数据的误差，处理每个点的数据。经过计算，基准站的RMS为0.320。固定解测试数据的处理中，将基准站的行为信息设置为A组，移动站的定位信息设置为B组，在分析验证过程中，会选择A、B两组数据中处在相同时间段的数据，分析相同时刻下的经度、纬度、高度等数据的差别，之后对两组数据相同时刻数据的差值进行动态分布的分析，将经度、纬度差提出，然后计算RTK精度RMS为0.008。

以基准站定位信息作为A组，移动站的定位信息作为B组，之后对A、B两组数据取相同时间段数据，计算在相同时刻的各类数据差，然后就可以计算在相同时刻，两组数据的差值，之后就可以完成动态分析工作，获得经纬度等关键数据，经过计算获得RTK浮点解的精度RMS为0.530。

通过试验分析，证明该型号的无人车定位精度较高，能够满足实际应用的要求。然后还需要测试雷达的聚类效果、环境识别能力等等，经过测试，证明可以满足应用要求，并不会出现穿透墙面等问题，也没有出现距离错误。对于障碍物的轮廓测量中，也表现出了比较好的聚类效果，能比较准确地完成对障碍物边界的分辨工作，符合避障工作的要求。比如可以完成对障碍物距离的测试，并且能提供危险信息，并自行完成对避让路线的规划。