无人驾驶Bertha

本文介绍了梅赛德斯-奔驰S级S 500 INTELLIGENT DRIVE在完全自动驾驶模式下重走历史上著名的贝莎·本茨纪念路线的挑战。这条路线从德国曼海姆到普福尔茨海姆，全长103公里，包括乡村道路、23个小镇和主要城市（如曼海姆市中心和海德堡）。自动驾驶车辆配备了接近量产的传感器硬件，仅依赖视觉和雷达传感器以及精确的数字地图来全面理解复杂的交通情况。该路线对自动驾驶来说特别具有挑战性，因为它包含了多种困难的交通场景，如有无交通灯的交叉口、环形交叉路口和狭窄通道等。 文章概述了自动驾驶车辆的系统架构，详细介绍了基于视觉和雷达的感知、数字道路地图和基于视频的自定位，以及在复杂城市环境中的运动规划。自动驾驶车辆的感知系统包括四个短程雷达和两个长程雷达，以及一个扩展基线的立体摄像机系统和一个额外的宽角单目彩色摄像机，用于交通灯识别和转弯时的行人识别。此外，还有第二个宽角摄像机用于自定位。这些传感器的主要目标是进行自由空间分析、障碍物检测和分类。 文章还讨论了立体视觉处理流程，包括立体匹配、Stixel计算、运动估计和对象分割，以及基于外观的检测和识别方案，用于检测和跟踪行人和车辆。交通灯识别算法涉及检测、分类和在复杂交叉口中选择相关灯光的问题。雷达传感器的扩展是为了更好地监测交叉场景和周围感知，包括三个额外的长程雷达和四个短程雷达。 数字道路地图为运动规划提供了支持，包含了比传统导航地图更多的信息，如车道布局等。地图是通过半自动化过程基于立体摄像机图像创建的，包含了车道段（lanelets）和它们之间的拓扑关系。此外，地图还提供了决策所需的额外信息，如交通灯的位置。 精确的自定位是利用数字道路地图信息的前提。文章介绍了两种互补的自定位算法：基于特征的定位和基于车道标记的定位。行为生成模块负责将感知到的对象、数字地图信息和让路规则等转化为几何约束，然后轨迹规划器计算出车辆随时间变化的理想路径。这个轨迹通过非线性规划问题求解得到，并由轨迹控制器沿着计划的轨迹引导车辆。