面向基于视觉的自动驾驶车辆的高效感知、规划与控制算法

自动驾驶车辆计算资源有限，因此需要高效的控制系统。传感器的成本和尺寸限制了自动驾驶汽车的发展。为克服这些限制，本研究提出了一种用于基于视觉的自动驾驶车辆运行的高效框架；该框架仅需一个单目相机和少量廉价雷达。所提出的算法包括用于提取图像特征的多任务UNet（MTUNet）网络，以及用于快速运动规划与控制的约束迭代线性二次调节器（CILQR）和视觉预测控制（VPC）模块。MTUNet设计为以约40 FPS处理228×228像素RGB输入图像，同时完成车道线分割、本车航向角回归、道路类型分类和交通目标检测任务。CILQR控制器随后以MTUNet输出和雷达数据作为输入，在仅1 ms内生成用于车辆横向和纵向引导的驾驶指令。特别地，引入VPC算法将转向指令延迟降低至执行器延迟以下，防止在急转弯时性能退化。VPC算法利用来自MTUNet的道路曲率数据，在前视点估计当前转向角的适当修正以调整转弯量。在VPC-CILQR控制器中加入VPC算法，相比单独使用CILQR在弯曲道路上具有更高性能。我们的实验表明，所提出的无需高精地图的自动驾驶系统可应用于当前自动驾驶车辆。