[论文解读] Autonomous Driving System Design for Formula Student Driverless Racecar

Hanqing Tian, Jun Ni+1 more|arXiv (Cornell University)|Sep 19, 2018

Robotics and Sensor-Based Localization参考文献 4被引用 4

一句话总结

本文提出了一套用于公式方程式无人驾驶赛车的集成自动驾驶系统，结合激光雷达与视觉技术实现交通锥检测，融合GPS-INS与激光雷达里程计实现高频率定位，并构建包含锥体位置与颜色信息的实时赛道地图。该系统在封闭环形赛道上实现了稳定的路径跟踪，在2017年公式方程式自动驾驶竞赛中表现出色。

ABSTRACT

This paper summarizes the work of building the autonomous system including detection system and path tracking controller for a formula student autonomous racecar. A LIDAR-vision cooperating method of detecting traffic cone which is used as track mark is proposed. Detection algorithm of the racecar also implements a precise and high rate localization method which combines the GPS-INS data and LIDAR odometry. Besides, a track map including the location and color information of the cones is built simultaneously. Finally, the system and vehicle performance on a closed loop track is tested. This paper also briefly introduces the Formula Student Autonomous Competition (FSAC) in 2017.

研究动机与目标

• 设计一套可靠的自动驾驶系统，用于参加2017年公式方程式自动驾驶竞赛（FSAC）的公式方程式无人驾驶赛车。
• 通过激光雷达-视觉协同检测方法，实现对交通锥（用作赛道标记）的精确检测。
• 通过融合GPS-INS与激光雷达里程计数据，实现高频率、高精度的定位。
• 构建一个包含锥体位置与颜色信息的动态赛道地图，用于路径规划。
• 通过在封闭环形赛道上的实际测试，验证系统性能。

提出的方法

• 开发了激光雷达-视觉协同检测方法，以实现对交通锥的高精度与高更新率识别。
• 采用互补滤波方法融合GPS-INS与激光雷达里程计数据，提升定位精度与更新频率。
• 通过处理检测到的锥体位置并结合视觉数据分配颜色信息，生成实时赛道地图。
• 实现路径跟踪控制器，利用地图与定位数据引导车辆沿预设赛道行驶。
• 将系统集成至赛车平台，并在封闭环形赛道上进行测试以评估性能。
• 在2017年公式方程式自动驾驶竞赛中对设计进行了验证，证明了系统的稳定性与可靠性。

实验结果

研究问题

• RQ1 如何有效融合激光雷达与视觉数据，实现实时自动驾驶赛车中对交通锥的检测？
• RQ2 融合GPS-INS与激光雷达里程计以实现高频率、高精度定位的最优方法是什么？
• RQ3 能否在自动驾驶运行过程中可靠地构建包含锥体空间位置与颜色信息的动态赛道地图？
• RQ4 该集成系统在真实竞赛条件下于封闭环形赛道上维持路径跟踪的性能如何？
• RQ5 在公式方程式竞赛环境中部署自动驾驶赛车时，系统层面的关键挑战是什么？

主要发现

• 激光雷达-视觉融合方法实现了对交通锥的可靠且高更新率检测，这对实时导航至关重要。
• 融合GPS-INS与激光雷达里程计的解决方案实现了亚分米级定位精度与高更新率，对动态控制至关重要。
• 成功构建了包含锥体位置与颜色信息的实时赛道地图，并在运行过程中用于路径规划。
• 自动驾驶系统在封闭环形赛道上表现出稳定的路径跟踪性能，证实了系统的鲁棒性。
• 车辆成功完成竞赛赛道，验证了整体系统设计与集成在真实自动驾驶赛车环境中的有效性。
• 系统性能凸显了传感器融合与实时地图构建在低延迟自动驾驶应用中的有效性。