考研后实习第一周学习小结

前言

这是考研后的第一次正式的实习,内容是关于无人驾驶仿真场景的,第一周的主要内容就是查找关于这方面的资料建立起一个大致的概念

自动驾驶技术

智能车(Intelligent vehicle)是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。自动驾驶的关键技术依次可以分为环境感知，行为决策，路径规划和运动控制四大部分。这项技术中用到了很多的硬件如各种传感器和摄像头来获取车辆当前的所处状态和位置，软件部分则是处理这些数据使车辆正常运行在路面上。
详细介绍：史上最详细的自动驾驶汽车技术介绍【硬件+软件】

关于传感器

车辆传感器主要包括摄像头、激光雷达和雷达三套系统。

1. 摄像头
   中程摄像头会在十字路口、行人突然窜出和前方车辆紧急刹车时警告驾驶员。同时它还能肩负起交通标志线和信号灯的探测任务。远程摄像头则负责识别交通标志、控制车距和道路引导。

2. 雷达
   现在的雷达系统主要基于 24 GHz 或 77 GHz 两个波段，其中 77 GHz 的优势主要在于距离和速度测定的准确性，此外其角分辨率也更加精准。同时，运行于该波段的雷达系统天线得以瘦身，干扰问题也更小。以下为近程雷达（SRR）应用与中远程雷达（MRR/LRR）应用的主要区别。
   其中近程雷达应用包括：
   盲点探测（盲点监控）
   车道和车道变更助手
   用于碰撞预警和防撞功能的后置雷达
   泊车辅助
   交叉车流监控

   中远程雷达应用包括：
   刹车辅助
   紧急刹车
   车距保持

3. 激光雷达
   那么到底什么是激光雷达？激光雷达依靠是激光而不是无线电波。除了激光发射器，这套系统还需要一个敏感的接收器。激光雷达系统能探测静态和动态物体，并提供被探测物的 3D 图像。总的来说就是激光雷达能够更好的克服环境条件探测到前方的物体。
   详细介绍：自动驾驶汽车到底需要哪些类型的传感器？看完这篇你就懂了

无人驾驶虚拟场景

为了让自动驾驶汽车更好地观察周围环境，搭载这一功能的汽车通常需要配备许多的传感器来捕捉四周的环境数据。GPS、相机、雷达传感器、激光传感器可以说是目前所有自动驾驶汽车上的“标配”。捕捉的数据会被传输到系统中，计算出汽车接下来应该采取的行动。和所有的人工智能和深度学习系统一样，自动驾驶系统在前期可以学习到的情景越多、学习的数据越庞大，系统的表现便会越好。
虚拟场景数据库的建设：场景数据格式、虚拟仿真工具链与测试用例评价体系是构建虚拟场景数据库的主要环节。测试用例首先需要定义为标准的数据格式，目前国际通用数据格式包括OpenDrive及OpenScenario等，数据资源中心同时在积极开发符合中国驾驶场景特点的层次化场景数据格式，满足多种工具链的接口需求。
总结下来就是通过对于场景的还原，可以让自动驾驶系统可以在场景中进行模拟，从而得到更加安全稳定的驾驶系统。

常用的无人驾驶仿真软件

Gazebo
EuroTruck Simulator 2
Torcs
Unity
Carla
Apollo（百度的仿真模拟平台）
Prescan
Panosim
详细介绍：
自动驾驶车辆仿真模拟软件盘点
无人驾驶开源仿真平台整理
英特尔&丰田联合开源城市驾驶模拟器CARLA
无人驾驶仿真软件PanoSim：（1）介绍

高精度地图

高精度地图是无人驾驶技术发展成熟的重要支撑，在横向/纵向精确定位、基于道路模型的碰撞避让、障碍物检测等方面发挥着重要作用，精确的地图对无人车定位、导航与控制至关重要。本文讲了高精地图与传统地图的区别，以及高精度地图的发展现状。有了高精度地图无人车才能找到正确的行驶路线建立车辆的所处场景。
常用地图格式OpenDrive
详细介绍：无人驾驶入门–高精度地图和定位（主要介绍的是apollo高精度地图）
无人驾驶发展成熟的关键技术：高精度地图

OpenDrive地图

OpenDrive地图文件格式为xml，该xml文件中中包含了很多地图信息，例如Road、Junction等
构建路网的主要数据：坐标系、reference line、车道lane、road连接
如果想要构建一个路网先确定reference line，有了reference line的几何形状和位置，然后再确定reference line左右的车道lane,车道lane又有实线和虚线等属性；road 和road之间通过普通连接和Junction进行连接，同时还要将road中的相关车道进行连接。
详细介绍：
OpenDrive格式地图数据解析