[论文解读] Autonomous Electric Race Car Design

Niklas Funk, Nikhilesh Alatur+13 more|arXiv (Cornell University)|Nov 1, 2017

Robotic Path Planning Algorithms参考文献 7被引用 9

一句话总结

本文提出了一种基于双目视觉与惯性传感的教-重播视觉导航系统的自主电动赛车设计及其在真实环境中的验证。该车辆在复杂山地道路上实现了稳健的路径跟踪（25 km/h 速度下中位误差约 10 cm）与安全运行，展示了在依赖基础设施极少的真实条件下，基于视觉的定位与控制技术的最先进性能。

ABSTRACT

Autonomous driving and electric vehicles are nowadays very active research and development areas. In this paper we present the conversion of a standard Kyburz eRod into an autonomous vehicle that can be operated in challenging environments such as Swiss mountain passes. The overall hardware and software architectures are described in detail with a special emphasis on the sensor requirements for autonomous vehicles operating in partially structured environments. Furthermore, the design process itself and the finalized system architecture are presented. The work shows state of the art results in localization and controls for self-driving high-performance electric vehicles. Test results of the overall system are presented, which show the importance of generalizable state estimation algorithms to handle a plethora of conditions.

研究动机与目标

• 开发一种低成本、高性能的自动驾驶电动车辆平台，适用于复杂、非结构化环境（如山口路段）下的运行。
• 仅依赖视觉与惯性传感器实现自动驾驶导航，无需依赖 GNSS、车道线或预先构建的地图。
• 通过冗余控制系统与实时驾驶员紧急接管功能，确保安全与可靠性。
• 在真实世界条件下验证系统鲁棒性，特别是在光照变化与动态障碍物条件下。
• 证明基于视觉的教-重播导航在高速、高性能自动驾驶中的可行性。

提出的方法

• 车辆配备安装在 11° 俯仰角的双目视觉-惯性传感器（VI-Sensor），用于捕捉环境特征并基于视觉里程计与 SLAM 技术估计运动。
• 在教学阶段，记录车辆轨迹并利用视觉与惯性数据同步定位与建图（SLAM）构建视觉特征地图。
• 在重播阶段，车辆通过特征匹配在预建地图中实现定位，并使用参考路径跟踪控制器沿教学路径行驶。
• Velodyne VLP-16 激光雷达传感器提供实时障碍物检测，以确保安全，尤其针对动态或意外障碍物。
• 车辆控制通过基于 CAN 的转向与制动系统实现，紧急情况下可通过物理踏板操作实现手动接管。
• 编码器、IMU 与摄像头的传感器数据在基于 ROS 的 Linux 计算机上融合，实现实时状态估计与控制。

实验结果

研究问题

• RQ1 基于视觉的教-重播系统是否能在高速、真实环境（如山地弯道）中实现可靠的路径跟踪？
• RQ2 在不同光照条件下（如晴天与阴天）视觉定位的鲁棒性如何？
• RQ3 低成本摄像头系统在自动驾驶导航中，能在多大程度上替代高精度传感器（如激光雷达或 GNSS）？
• RQ4 冗余安全机制在自动驾驶过程中防止事故的有效性如何？
• RQ5 单一视觉地图能否支持长时间的自动驾驶运行？定位漂移与重定位的局限性是什么？

主要发现

• 系统在最高 25 km/h 的速度下实现了约 10 cm 的路径跟踪中位误差，且在高速时表现出更优的过弯性能。
• 在光照稳定的条件下，车辆可维持约 2.5 小时的定位，但切换至晴天与阴天条件时性能显著下降。
• 若重定位失败超过 2 秒，系统将自动终止自动驾驶运行。
• 视觉定位丢失后，系统可在最多 2 秒内保持死推算模式，横向误差与航向误差分别控制在 ±2 米与 ±20 度以内。
• 当控制器发出指令时，紧急制动系统可在 20 ms 内触发，确保在紧急情况下的快速响应。
• 驾驶员通过物理操作实现的转向与制动接管被证明是测试期间最有效且最可靠的紧急安全干预方式。