『雷诺』长沙智能驾驶研究院张长隆:面向自动驾驶的车路协同建设与实践( 四 )


那V2X怎么为单车智能提供雪中送炭功能?
我们卡车主要在高速环境下跑 , 乘用车在城市道路环境下跑 , 矿卡在相对封闭环境下跑 , 不同的环境相应的有不同的道路 , 需要不同的场景分解 。 那么智能驾驶研究院是如何把单车智能、V2X以及智慧路结合起来的?
我们做过一个自动驾驶卡车方案 , 里面包含定位导航系统、智能融合系统 , 全方位仿真测试系统、车规级的线控体系控制算法 , 还有支持V2X的关联应用、智能决策系统 。

『雷诺』长沙智能驾驶研究院张长隆:面向自动驾驶的车路协同建设与实践
本文图片

我们将合作伙伴福田戴姆勒的车改成自动驾驶卡车 , 主要在高速公路环境下测试 。 高速公路发生的事故 , 基本上是因为追尾 。 因为驾驶员视距有限 , 发现问题的时候已经来不及踩刹车了 。 目前自动驾驶大部分传感器极限在300米左右 , 假设卡车在高速公路以每小时100公里的速度行驶 , 那么刹车距离就只有一两百米 , 因此300米的感知范围是远远不够的 , 需要一个超视距的感知能力 。 如果通过道路解决超视距问题 , 就相当于车的感知范围拓展到了700、800米 。
这也是我们基于卡车在高速公路行驶做的事情 。
我们在路侧主要实现三个功能 , 第1个是超视距视频感知 , 第2个是超视距障碍物感知 , 第3个叫超视距可行驶区域感知 。
什么叫超视距视频感知?就是在道路侧加装一个摄像头 , 把摄像头的视频信息通过V2I传给卡车 , 相当卡车的感知层又多了一个摄像头 。此外 , 也可以通过路侧的边缘计算 , 对障碍物进行检测识别 , 并且把障碍物的信息提前告诉车辆 , 提醒车辆提前做一些决策、规划 。
目前我们摄像头的感知范围可以达到300米 , 150米内的最大误差低于5% , 300米内低于10%误差 , 至少实现车道级的定位 。
超视距可行驶区域感知是什么?对单车智能来说 , 高精地图上面的信息是静态信息 , 可行驶车道是固定的 。 在在道路拥堵或事故导致原来三车道变成两车道的情况下 , 车辆的可使行驶区域发生了变化 。 如果通过单车来正常感知 , 那么它要感知是否有障碍物 , 在什么位置 , 是继续留在原来车道还是变道?
在三百米之内单车智能要实现这么复杂的计算过程 , 我觉得是与是远远不够的 。 但如果通过V2X把提前感知的可行驶区域的变化结果告诉车辆 , 车辆就可以提前做出相应的决策规划 。

『雷诺』长沙智能驾驶研究院张长隆:面向自动驾驶的车路协同建设与实践
本文图片

所以自动驾驶卡车在高速公路情况下最关键词就是超视距 。 通过道路智能化与网联化 , 通过加上激光雷达、毫米波雷达、摄像头 , 和我们的核心检测识别、融合与定位算法 , 可以实现各种交通障碍物检测 , 包括行人、动物、遗落物 。
此外 , 还可以实现交通事件检测 , 比如说违章车辆、例行违停、应急车道行驶 , 还有异常车辆抛锚、双闪这些 , 和交通流量检测 。 将自动驾驶可能面临存在的一些潜在威胁 , 通过道路检测出来并提前告诉车辆 。
我们在长沙绕城高速的开放道路上 , 做了一个道路的智能化和网联化的改造项目 , 来给自动驾驶卡车做测试 。 在高速公路上 , 对于智能网联汽车测试来说 , 高速汇入汇出、隧道进出口节点 , 都是最易发生交通事故的关键节点 。

『雷诺』长沙智能驾驶研究院张长隆:面向自动驾驶的车路协同建设与实践
本文图片

所以我们重点对这4个关键节点做了道路的智能化改造 。 在这4个点加装了传感器(毫米波雷达、摄像头)、边缘计算单元 , 同时也加装RSU , 把道路、车的实时感信息 , 通过V2X传给自动驾驶的卡车或者商用车 。
城市道路基于V2I的自动驾驶公交车
长沙智能驾驶研究院在做自动驾驶卡车车路协同的同时 , 也在做自动驾驶公交车在城市区域里的车路协同 。


推荐阅读