轰鸣的小跑SVM
26-11-16 08:00 微博认证:汽车达人 微博新知博主 汽车博主

#技术巡猎# #小鹏汽车#开车遇到路边积水的时候,你是怎么看的呢?通常来说,你可不会只看这摊水有多大范围,你还会顺着自己行驶的方向看一眼,看看轮胎会不会压进去。有时候稍微调整一点方向就能过去,有时候左边轮子已经要进水了,右边仍然在干燥的路面上,这些情况显然是不一样的。小鹏这份路面风险感知专利,就是想让系统在识别路面之后,继续判断这些地方和本车接下来的行驶有什么关系。

摄像头首先需要分辨不同的路面。图像经过语义分割,沥青、积水、冰雪、碎石等区域分别有了类别,但你在画面里找到一大片水,还不能据此决定怎么驾驶策略,因为镜头拍到的范围比轮胎真正经过的地方大得多。旁边积水面积再大,只要不在本车的行驶范围里,和正好横在轮胎前面的那一小块,处理的优先级就不一样。所以系统同时还要算另一件事,按车辆当前的转向状态继续行驶,两侧轮胎各自会经过哪里。

方案先根据方向盘转角和车辆参数,用车辆运动学模型预测一条参考轨迹,再根据轮距向左右两侧偏移,找到两边轮胎的位置。这里的偏移是沿轨迹每一点的横向进行,也就是顺着局部法线向两侧各移半个轮距,因此弯道上的两条轮胎轨迹,也能继续跟随参考轨迹的方向。轮胎有实际宽度,所以这两条轨迹还要按胎宽展开,最终得到两条带状区域。轴距影响转弯轨迹,轮距决定两条带相隔多远,胎宽决定每条带覆盖多少路面,这些尺寸到了这里,就直接参与了判断。尤其在转弯时,两条轮胎带会跟着转角变化,不能始终画成两条朝前延伸的直线。

接下来还要让这两条带和摄像头里的路面对上。模型计算用的是车辆空间里的坐标,摄像头拍到的却是一张透视图,同样一米宽的道路,近处和远处在图上占的像素并不一样。相机安装的位置、朝向、镜头参数和畸变都会影响这个对应关系,方案因此利用相机的内外参数进行坐标变换和投影,轮胎轨迹落进图像以后,才能沿着它去统计会遇到哪些路面。这里如果没有对准,前面的分类即使正确,最后也可能是在打酱油。

轮胎前方的整片区域按距离分成几段,左右两侧分别统计每一段里各类路面的像素占比,以占比最高的一类作为该段的主要路面。碰到几个类别并列最高的情况,也有预设优先级或取较高风险类别的处理方式。原文举过前方25米分成五段的例子,近处刚好有一小片积水,远处大部分还是正常路面,两者就不会简单混成一个平均结果,左轮和右轮之间的差别也能保留下来。

有了分段结果,再给不同路面类别赋予风险值,结合距离权重,计算左右两侧的风险。近处通常给更高权重,因为车很快就会经过,能调整的时间已经不多了。这里用的是视觉分类所对应的预设风险,这里并没有直接测出路面的附着系数,但是它已经能为规划提供更具体的线索。比如左侧风险明显高于右侧,可以提出向右调整的请求;如果差别很小,则先不额外偏移。风险差要达到设定阈值才动作,也是为了避免分类结果略有变化,车辆就跟着不断左右调整。需要偏移时,幅度还可以随风险差变化,同时设置上限,避免风险差越大就无限增加偏移量。这个结果是交给后续规划的调整请求,实际能往哪边走,仍要结合周围的通行空间。

轮胎看完以后,接着就是车身了。两侧轮胎之间也有一大片区域,专利又预测了车身包络,把车身将要覆盖的区域同样投影到图像中。这个范围内的危险区域达到设定比例,就可以触发减速或者重新规划。轮胎轨迹主要帮助判断两边怎样走,车身包络则继续检查整车经过的范围,这样才能避免只盯着两条轮胎带,把中间的情况漏掉。

几种判断最终放到一起来做决策。
轮胎风险可能要求横向调整,车身覆盖范围里的风险可能要求减速,近处和远处提出的要求也未必一致,因此最后实际上是一个仲裁,决定当前应优先处理什么,再交给后续的路径与速度规划。这个过程里,我觉得比较值得研究的就是“稍微让一点”这个模糊的事情,到底要如何产生具体的动作,人开车时几乎随手就做了,系统却需要从转角、车身尺寸、相机投影,一直算到路面分段和风险差。摄像头多认出几种路面当然有用,但只有继续和这台车的运动联系起来,这些识别结果才算意义上真正参与了怎么开车的过程。

发布于 广东