加入
我们
投稿
反馈
评论 返回
顶部

内容字号: 默认 大号超大号

段落设置: 段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

专题∣智能网联汽车驾驶场景数据库研究及应用

2018-12-13 18:31 出处:未知 人气: 评论(

  中国汽车技术研究中心有限公司数据资源中心自2015年开展驾驶场景数据采集及分析研究工作以来,不断积累自然驾驶场景资源,目前已采集超过32万公里自然驾驶里程数据,地域覆盖北京、天津、上海等重点城市,工况覆盖高速、城市、乡村、停车场等重点领域,环境覆盖晴天、雨天、雪天、雾霾等多种天气,范围覆盖典型场景、边角场景、事故场景等多种类型,已建设成为首屈一指的中国特色驾驶场景数据库。经过多年的经验积累,数据资源中心逐步形成了完善的数据采集规范、数据处理流程、特征提取方法、场景数据库结构规范、测试用例数据格式、驾驶场景虚拟仿真测试方法等理论体系。

  为充分发挥数据资源中心现有驾驶场景数据的应用价值,迎合企业在智能网联汽车研发验证方面的场景需求,解决行业在本土化功能安全评价方面的痛点问题,数据资源中心拟基于驾驶场景数据建设方面的技术积累,从数据采集、处理分析、虚拟仿真和评价体系等多个层面对“智能网联汽车驾驶场景数据库研究与应用”进行专题报道,进而为行业提供切实可行的技术支持。专题报道将分为8期进行,本期着重介绍在驾驶场景采集方面的整体方案与最新成果。

  智能网联已经成为汽车行业的发展热潮和趋势,驾驶场景作为智能网联汽车开发和测试的基础,其重要性不言而喻。智能网联汽车驾驶场景来源一般包含标准法规、自然驾驶数据、交通事故数据、仿真衍生数据等,其中自然驾驶数据作为典型场景和边角场景来源的主要基础,代表了约80%最常见的道路交通状况,因此必须进行自然驾驶场景数据的采集并不断完善场景库。

  驾驶场景数据的采集主要包含两部分的内容,一是驾驶场景数据采集平台的搭建和工具链的设计,驾驶场景数据的采集需要相应的感知系统、定位系统、上位机系统、工控机系统等进行支撑,同时需要依靠统一的工具链实现传感器标定、数据存储和同步处理;二是需要设计合理的采集方案和采集需求,包含采集路线设计、采集天气情况及地理情况覆盖、白天及夜晚光线条件,采集参数精度设定等,为后续的场景数据处理、场景库搭建以及场景应用等提供数据基础。

  自然驾驶场景数据采集的特点:驾驶场景数据的采集具有真实性、代表性、可量化、通用性的特点。

  1、真实性:中国智能网联汽车驾驶场景数据的采集应该是基于中国道路交通环境进行的。采集的驾驶场景数据应能够真实的反应具有中国特色的道路交通场景,这样才能开发或测试出能够适应中国道路交通环境的智能网联汽车。

  2、代表性:基于中国道路交通环境采集的驾驶场景数据应具有代表性,一是能够反映车辆的实际行驶过程中遇到的场景,二是采集到的场景能够覆盖中国道路交通典型场景、边角场景、危险场景、事故场景等场景,同时覆盖不同环境、不同道路类型、不同驾驶员驾驶等场景类型。

  3、可量化:驾驶场景的采集是基于各种感知、定位等传感器系统进行的,场景的表现形式和特征均是由量化的参数来表示的。

  4、通用性:驾驶场景数据采集应以统一的场景数据采集需求、场景数据存储格式、同步方式等为基本前提。由行业制定通用统一的驾驶场景数据采集工具链和规范势在必行。

  中汽中心数据资源中心在2015年就已经开始了中国智能网联汽车驾驶场景数据库研究及应用工作。深入研究驾驶场景采集工作,搭建了多辆基于视觉、多传感器融合方案的采集平台车型,开发完整的工具链,实现传感器的标定、数据同步采集和存储;深入挖掘自然驾驶场景采集需求,明确每一个采集参数和精度要求。截止现在已经积累了超过30万余公里的驾驶场景数据,覆盖了北京、天津、上海、河北等国内重点区域城市及周边道路,道路类型覆盖高速公里、城市道路、停车场等道路类型;天气状况覆盖晴天、雨天、雾霾等情况。

  驾驶场景数据采集平台:目前,数据资源中心已建成基于视觉的驾驶场景采集平台,基于视觉和前向毫米波雷达融合的采集平台以及基于单目视觉、双目视觉、毫米波雷达、激光雷达等多传感器融合的采集平台。目前正在搭建基于360°毫米波雷达、前向视觉(Mobileye)的融合采集平台,以及基于毫米波雷达、多线激光雷达、前向视觉的采集平台。未来数据资源中心能够根据客户需求提供定制化的普通配置、中等配置和高级配置等多种不同配置级别的驾驶场景采集平台方案并进行实时采集、数据处理和仿线为数据资源中心已有的基于单目视觉的场景采集平台。此平台搭配了前向视觉传感器,自主开发目标检测、识别、追踪等算法,具备了良好的性能。平台还配备前、后、左后、右后和360°环视摄像头,实现采集车辆无盲区视频采集。搭配便携式采集系统和上位机系统能够同步采集并存储车辆CAN信号、GPS信号、目标级信号和视频信号。整套设备小巧玲珑,成本较低,适合大规模驾驶场景采集。

  图2为数据资源中心已有的视觉与毫米波雷达融合的场景采集平台。与单视觉采集平台对比,将毫米波雷达和视觉传感器融合,提高整个采集平台的采集精度和可靠性。融合系统的实现方法是由视觉与雷达分别独立完成目标的检测,获得各自的目标序列,即雷达可提供目标的位置和纵向速度信息,视觉的图像处理算法可以提供目标的位置、宽度、类型和质量信息,采用融合算法对获取结果进行综合判断,并筛选雷达检测的有效object信息与视觉检测的目标进行匹配,最后将车辆前方障碍物对应的结构化信息输出。 此平台成本稍高,但是提高了驾驶场景采集参数的多样性和精度,更有利于后期的场景数据处理分析和应用。

  图3为数据资源中心已有的多传感器融合的场景采集平台。平台安装了Mobileye单目视觉、双目视觉、低线束线激光雷达、高线束线激光雷达、毫米波雷达等感知传感器,同时匹配高精度惯导系统、环视高清摄像头。通过自主开发的采集系统同步采集存储各个传感器信号、车辆CAN信号、车辆位置信号等参数。同时,数据资源中心正在开发多传感器融合算法,最终实现视觉、毫米波雷达和激光雷达的目标级数据融合,最大程度的提高场景采集参数的多样性和精度,为驾驶场景数据的处理和分析应用等做好铺垫。

  驾驶场景数据采集方案:驾驶场景数据采集的方案往往就决定了场景数据的真实性和代表性两个特征。数据资源中心在进行驾驶场景数据采集时详细制定场景采集路线,涉及高速公路、城市道路、乡村公路、停车场等不同的道路类型,覆盖各种道路上的场景类型,同时也可以满足企业针对各种自动驾驶系统的开发和测试需求;驾驶员的选择会尽量考虑不同年龄段、不同性别、不同职业和不同驾驶倾向性等特点;场景采集时间应尽可能的覆盖晴天、雨天、雪天、雾等天气情况,尽可能的覆盖白天、夜晚场景。

  驾驶场景采集需求:数据资源中心深入研究驾驶场景采集参数需求,首先通过对现阶段国内外智能网联汽车测试标准法规的研究,明确驾驶场景需要采集的基本参数及精度要求;其次建立已知场景采集传感器库,研究各种传感器的特点及参数,明确驾驶场景采集参数及精度;然后结合虚拟场景搭建团队在搭建虚拟仿真场景时需要的要素及参数补充完善驾驶场景采集参数及精度要求;最后数据资源中心研究国内外驾驶场景的分类及研究理论体系,将驾驶场景建立本车、交通参与者、道路交通和环境4个本体并进行场景分类,依据分类场景确定每个场景下的采集参数要求及精度。

  随着中汽中心成立中国智能网联汽车驾驶场景数据开放共享工作组,数据资源中心联合国内整车企业和汽车行业相关参与单位共同开展中国智能网联汽车驾驶场景数据建设工作,为中国智能网联汽车的发展铺平道路。中汽中心数据资源中心期待与您的携手合作。

分享给小伙伴们:
本文标签: 数据库采集

更多文章

相关文章

评论

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。


Copyright © 2002-2011 DEDECMS. IT之家 版权所有 Power by DedeCms