杨 鹏， 姚 成， 李晓伟，邓国峰

(中兴智能汽车有限公司， 广东 珠海 519000)

目前，国内各大客车企业纷纷开展了无人驾驶客车的研发[1-3]。本文针对自动驾驶系统的软硬件进行分析，并以纯电动城市客车平台为基础，搭建一辆低成本、可量产、具备L3+级自动驾驶功能的接驳客车，以供园区内部使用，为自动驾驶车辆的商业化运营作些探索。

1 自动驾驶系统客车平台

以某纯电动城市客车为平台，对其制动和转向系统进行线控化改造，并针对功能目标进行传感器布置方案设计，开发对应算法，实现车辆自动驾驶功能。

1.1 自动驾驶系统拓扑结构

该自动驾驶系统的拓扑结构如图1所示，其中有激光雷达、毫米波雷达、摄像头、组合惯导等传感器。可实现自主循迹行驶、车道保持、自主停障/避障、变道超车、主动巡航控制、路口掉头与自动转向、定点/靠站起停与人机交互、车门自动开启与站点自动报站提醒等功能。

图1 自动驾驶系统拓扑结构图

1.2 车载雷达

1) 激光雷达。车载激光雷达普遍采用多线束雷达，通过三维点云图构建周边环境的3D模型，可检测车辆、行人、树木、路沿等[4]。激光雷达优势在于其探测范围广、精度高，但其在大雨、雪、雾等极端天气下性能较低，且目前造价高昂。考虑到城市客车外形尺寸及功能需求，本车采用16线激光雷达，并将激光雷达布置于车辆左前和右前位置，用于检测车前及车侧的障碍物，其主要参数如下：测距范围为0.2～150 m(目标反射率20 %)，测距精度为±0.02 m；垂直视场角为±15°(分辨率为2.0°)，水平视场角为360°(分辨率为0.09°～0.36°)；产品功率为9 W，工作温度为-30～+60 ℃。本车实际应用距离在40 m之内(大于40 m的障碍物信息不稳定且算法计算误差较大)。

2) 毫米波雷达。目前主流的车载毫米波雷达分为：24 GHz和77 GHz[5]。具有探测性能稳定、作用距离长、环境适用性好等特点[6]，可对障碍物距离、速度和角度进行测量。相对于激光雷达,其探测范围有限、精度较低。本车毫米波雷达布置于车辆正前方位置，主要探测正前方距离较远的障碍物，便于决策模块提前做出判断及预测。毫米波雷达选用大陆77 GHz的ARS4-A(长距模式)，其主要参数如下：测距范围为0.2～250 m，测距精度为±0.4 m；垂直视场角为±14°，水平视场角为±9°(分辨率为±1.6°)；速度范围为-400～+200 km/h(-表示远离目标，+表示靠近目标)，速度精度为±0.1 km/h；循环周期为60 ms；功耗为6.6 W，工作温度为-40～+85 ℃。本车实际应用距离在100 m左右(由于车速较低，无需检测距离太远的障碍物)。

1.3 摄像头

车载摄像头是实现众多预警、识别类功能的基础，对于驾驶者也更为直观，且相对于车载雷达等传感器其具有价格优势，易于普及应用[7]。本车摄像头主要是实现车道线、红绿灯、行人、车辆等检测。选用Mobileye的EyeQ2相机检测车道线、车辆、行人等，其具体参数如下：分辨率640(H)×480(V)，像素尺寸6.0 μm×6.0 μm；视野为38°(水平)；焦距为5 m～∞；选用高清摄像头及自主算法检测红绿灯。摄像头具体参数为：分辨率2 064(H)×1 544(V)，像素尺寸3.45 μm×3.45 μm，帧率37.5 fps，工作温度+5～+45 ℃。

1.4 组合惯导

惯导系统提供经度、纬度、高程的绝对导航数据，除获得车辆的位置和姿态外，还可实时、准确地测量车辆坐标系内3个方向的加速度、角速度等信息，供控制系统精准控制车辆[8]。本车选用国产组合惯导及千寻服务，采用RTK技术定位，其定位精度可达到厘米级，具体参数如下：水平位置精度为0.02 m，垂直位置精度为0.03 m，水平速度精度为0.02 m/s，垂直速度精度为0.015 m/s，航向精度为0.09°，俯仰和横滚精度为0.02°。

1.5 计算单元

选用国产某计算单元平台，它提供多种I/O接口，如千兆以太网，USB 3.0及串口等，方便与各类传感器(激光雷达、毫米波雷达、摄像头等以太网&CAN&LIN等总线接口)以及4G&WIFI的连接；并具有可达到10TFLOPS算力的硬件板卡，以及实时控制操作系统，软件开发编译环境等。

1.6 线控系统

1) 线控转向系统。在原转向管柱上加装了一套助力电机系统，通过自主研发的转向控制器控制助力电机来模拟驾驶员操作方向盘行为，实现转向动作。

2) 线控制动系统。基于原车气压制动回路，加装可电控的回路阀体，通过自主研发的制动控制器控制该阀体，完成相应的制动动作。

3) 线控驱动系统。采用原车整车控制器(VCU)控制驱动的方式，由自动驾驶计算平台输出驱动信号，VCU接收驱动信号并生成执行指令完成车辆驱动。

1.7 算法系统

1) 感知模块。本车激光雷达算法中先去除背景对象，如路边建筑物和树木等；再利用卷积神经网络分割障碍物，如汽车、卡车、自行车和行人等；然后采用卡尔曼滤波器进行运动估计。毫米波雷达感知算法与激光雷达相似但简单一点，由于本文选用的毫米波雷达可分辨出自行车、行人等类别，故在不使用卷积神经网络等算法情况下就可实现障碍物识别与跟踪。然后通过融合算法将激光雷达和毫米波雷达检测到的物体进行合并。高清摄像头用来检测红绿灯，Mobileye用于检测车道线，故摄像头不参与合并。

2) 定位模块。定位方法包括GPS定位、惯性导航定位、激光雷达定位和视觉定位[9]。单纯GPS定位精度为米级，为减小误差，使用实时运动定位(RTK)。RTK需在地面上建立基站，每个基站既已知自己的精确位置，也通过GPS测量自己的位置，并计算二者之间的误差，然后将该误差传递给其他GPS接收器以供其调整自身的位置计算。但该种定位方法使GPS信号易受高楼、云层等障碍物阻挡，使得定位困难；惯性导航定位通过加速度计和陀螺仪测量车辆的加速度、航向等位置信息，且高频率更新(达 1 000 Hz)，可以提供接近实时的位置信息，但缺点在于其运动误差随时间增加而增加。故本文定位模块是基于GPS定位和惯性导航定位的融合定位系统，目前主要应用于开阔的封闭厂区道路场景。

3) 预测规划模块。根据工作环境完整程度，规划方法可分为两类[10-11]：基于完整环境信息的全局路径规划方法，采用反馈、优化等方式规划可行驶区域；基于传感器实时获取环境信息的局部路径规划方法，实时为车辆规划出最优路径。本车在规划过程中，分别对速度与路径进行规划，再将速度规划结果与路径规划结果融合，最后通过最大期望算法规划出最优的行驶路径。路径规划使用动态规划算法，先分别规划所有参考线，再综合所有参考线的行进路线选择最优行驶路线；速度规划采用二次规划+样条线插值，可根据导数求速度、二阶导求加速度，对车辆的速度、加速度及方向角有较强的处理能力。

4) 控制模块。本车控制模块根据动作规划给定的状态序列和当前汽车的状态，利用反馈控制思路，发送汽车油门、方向盘转向、刹车等车辆可执行的控制命令[12]。对于整车横纵向的控制分别采用不同的控制算法，纵向控制主要是速度的控制，其由“位移-速度闭环PID控制器”、“速度-加速度闭环PID控制器”和“速度-加速度-刹车/油门”开环控制器构成；横向控制主要控制航向，主要由前馈开环控制器和反馈闭环控制器构成，反馈控制器的设计依赖于LQR模型。

2 整车效果测试

整车效果测试先分别对制动系统和转向系统进行测试，检验底层执行系统是否满足要求；然后再选定一段固定路线进行综合测试，评价整个自动驾驶系统的运行效果。

2.1 制动系统静态测试

车辆在静止状态下，通过上位机发送制动指令，通过制动系统的压力传感器可实时检测制动压力，以制动压力的响应能力来检测制动系统是否符合要求。

采用阶跃期望制动压力分别为0.2 MPa、0.25 MPa、0.3 MPa、0.35 MPa、0.4 MPa、0.45 MPa、0.5 MPa、0.6 MPa、0.7 MPa。测试结果显示：期望压力为0.25 MPa时稳态误差最小(为1.2%)，0.4 MPa时稳态误差最大(为3.8%)，其余期望压力的稳态误差均在此范围内；在0.6 MPa时，超调量为9.7%，其余情况下相对较小，如图2所示。

图2 制动系统阶跃响应曲线

考虑制动系统的控制精度，再对小制动压力控制进行测试，采用的阶跃期望制动压力为0.12 MPa、0.14 MPa、0.16 MPa、0.18 MPa、0.2 MPa，由测试结果可知：在0.2 MPa时，期望压力与实际压力稳态值的差值最大，为0.01 MPa，其余情况下均较小，达到控制精度要求。

综合以上制动测试可得：制动系统期望值跟踪在动态误差等性能上表现良好，可满足车辆在自动驾驶状态下制动信号的及时响应和制动要求；较小的制动压力和良好的控制精度，能够满足一定的车辆舒适性，使得制动效果尽可能接近人工制动效果。

2.2 转向系统测试

在开阔区域，驾驶员控制车速在5～10 km/h，由上位机发送方向盘目标转角数据，并通过角度传感器采集行车过程的实际转角，以方向盘角度的响应能力来检测转向系统是否符合要求。测试结果如图3和图4所示。

图3 实车转角、转速跟踪曲线

图4 实车转角跟踪误差

全程平均跟踪误差为3.5°，跟踪误差标准差为10.2°，跟踪较稳定。综合转向测试数据，总体跟踪性能可满足自动驾驶车主动转向功能要求。

2.3 上路测试

选择气候条件良好、地面干燥无积水、能见度大于200 m的封闭园区，交通基本畅通，无或少量人车混杂。路试包括自主起停、跟车行驶、自主换道、紧急制动、循迹行驶等项目，测试效果从功能测试、制动、转向及驾驶感受4个方面评价。

路试评价采取乘员打分制度，乘员通过乘车体验，对每个验收点进行打分(1～5分，5分为最好)。以下是打分(平均分)记录及评价汇总：

1) 自动驾驶功能测试：导航定位4.25分，其在高架桥下会偶尔丢失信号，影响乘坐体验；循迹横向精度4分，在换道时切换过慢、时间较长，并有左右转向的变换；循迹纵向精度4.5分，效果良好。

2) 自动制动评价：自动制动流畅度3.5分，主要问题是制动有顿挫感，减速时平顺性不足，制动压力增长较快；制动感受3.25分，在转向前制动突兀，制动时有点刹感觉。

3) 自动转向评价：转向流畅度3.75分，主要问题是掉头转向停顿明显，转向起动反应慢；转向感受4.25分，效果良好，方向盘无抖动。

4) 自动驾驶感受评价：驾驶感受3.5分，主要问题是起步加速度较大，制动舒适感有待提高，掉头后加速时间较长。

综上所述，循迹行驶总体感觉良好，自动换道、自动起停、自动驾驶退出、车道保持、停留时间限制与限速控制功能均可以实现，但在乘坐舒适度方面还有待提高。

3 结束语

该自动驾驶客车已在我司园区进行日常接驳，运行里程大于 1 000 km，接驳数量达500余人次，为乘坐舒适性进一步优化积累数据，随着V2X技术的深度发展及应用，未来车端硬件及软件负载将会极大程度减小，自动驾驶系统不是单独的车辆个体，而是车-路-云协同的深度融合。