BCW 2018 | 德国学生方程式车队讲述:如何在一年内打造一款无人驾驶赛车?

*DART Racing 成员 Annemike Unterschuetz(左)以及 CTO Tu Pham(右)

雷锋网新智驾按:2018 年 2 月 21 日-2 月 22 日,第五届博世物联网大会(Bosch ConnectedWorld 2018)在柏林进行,全球顶级供应商博世将诸多产业链的合作伙伴请到了现场共同交流与分享。

为了展示博世对于创新技术的支持,来自德国达姆施塔特大学的学生方程式车队代表也被请到现场,简要分享了一下他们如何用 10 个月的时间打造出一辆无人驾驶赛车。

雷锋网新智驾根据其现场的演讲进行了整理。

DART Racing 是一支学生方程式团队,是因为要参加学生方程式比赛(Formula SAE)而特意成立的一支队伍。Formula SAE 是针对学生的方程式赛车设计、制造、验证、比赛的国际性赛事,80 年代首先在美国流行,后来吸引着来自全球的学生团队参与。

DART Racing 成立于 2005 年,主要从事方程式赛车的打造和竞赛,一开始团队使用的是燃油车,到 2011 年便将动力系统替换成了电驱。到 2017 年,团队最终将车辆打造成了全轮驱动的车型,而且支持无人驾驶模式。

DART Racing 由来自德国达姆施塔特大学的 60 多位学生共同组成,他们来自机械工程、电子工程以及计算机等专业领域。该团队这些年参加了欧洲的多站赛事,包括德国、西班牙、英国的学生方程式比赛。

DART Racing 车队在设计无人驾驶赛车时,其采用的一套传感器组合非常全面。

最基础的当然是摄像头传感器,但是因为这种传感器的效果很容易受到反射和阴影的影响,所以不得不采用其他传感器来弥补。激光雷达传感器便是首要选择,DART Racing 车队采用的是 Velodyne 的激光雷达产品。

其次,为了提升车辆的定位精度以及能明确了解车辆自身的状态,赛车还配备了惯性测量装置和惯性导航系统。

此外,赛车还加装了一些后向传感器(包括摄像头和激光雷达)来提升定位精度、优化整个规划的路径,同时还能清楚的知道赛车相较于后方的位置。

有了这些传感器套件作为基础,搭载在赛车上的自动驾驶系统便有了可处理的各类信息和数据。赛车的计算单元作为自动驾驶系统非常关键的部分,DART Racing 车队采用的是 Nvidia 的车载电脑 Drive PX2 以及 dSpace 的嵌入式电脑 MicroAutoBox II 产品。

车载计算单元可以控制赛车的马达运转、方向盘、刹车操作等等,车辆还有自动紧急制动系统,保证车辆的安全。

赛车整体的软硬件协同工作的流程便如下图所示:

当传感器和计算单元都已经准备妥当,完整的自动驾驶系统便设计完成,之后便是在模拟器上进行相关的测试。

这里,DART Racing 团队用到了 ROS 开源系统以及 Gazebo 模拟器,同时还用到了 MathWorks 出品的 Simulink 可视化仿真工具以及 IPG 公司的车辆测试工具,目的就是测试车辆的远程控制、状态追踪等等效果。

众所周知,自动驾驶系统需要足够的真实车辆的数据来提升性能,但是因为是学生团队,不是什么大公司,没办法把车辆放到道路上实测,所以 DART Racing 车队打造了一辆“Cat Car”来收集真实环境的数据。

就是下面这辆:

接下来就是测试,以“Cat Car”收集上来的图像数据、点云数据为基础,测试赛车对于障碍物的识别能力等等。当然,之后还要测试赛车对于各类传感器融合数据的处理能力。

最后将整套的自动驾驶软件和硬件搭载上车,便可大功告成。

对于 DART Racing 团队来说,用不超过一年的时间(10 个月)打造一辆无人驾驶赛车总共包含以下七步:

在会后的交流过程中,雷锋网新智驾了解到 Annemike 曾经在中国留过学,中文说得也很不错,2019 年,她还将前往中国进行学习。

雷锋网

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>