Phương pháp đặc biệt đã được phát triển để theo dõi đối tượng chuyển động trong môi trường. Phương pháp theo dõi hiện tại có thể độc lập sử dụng dữ liệu phạm vi từ Velodyne và cảm biến phạm vi IBEO, nó sử dụng dữ liệu radar để tăng cường cho kết quả theo dõi.
Đường dẫn xử lý cho việc theo dõi đối tượng thu được trong nhiều bước. Đầu tiên, các dữ liệu phạm vi được lọc từ các chướng ngại vật theo chiều dọc, và các khu vực bên ngoài RNDF được loại bỏ, như là phép đo của mặt phẳng mặt đất.
Tiếp theo, các đường dẫn xử lý sử dụng các bộ lọc để kết hợp hình chữ nhật hai chiều với các dữ liệu còn sót lại (kích thước z được bỏ qua trong phân tích này). Mỗi hình chữ nhật có thể chuyển động hoặc đứng yên và nhiều hình chữ nhật có thể là cần thiết để giải thích cho bộ cảm biến quét. Với các đối tượng di chuyển, các hình chữ nhật theo dõi được chú thích với một ước tính vận tốc. Hình 4.13 minh họa một tình huống điển hình với nhiều đối tượng chuyển động.
Hình 4.13: Minh họa một tình huống điển hình với nhiều đối tượng chuyển động. Kết quả của việc theo dõi đối tượng chuyển động là một danh sách các đối tượng được theo dõi, chú giải bởi vận tốc của chúng. Đối tượng cố định được đánh dấu
đặc biệt, khi chúng có những trạng thái thay đổi. Trong thử nghiệm thực tế, phương pháp này cho thấy nó có độ chính xác cao và đáng tin cậy.
4.4. Kế hoạch và điều khiển.
4.4.1. Hoạch định tuyến đường toàn cầu.
Bộ hoạch định tuyến đường sử dụng chương trình đa năng để truyền hàm đánh giá trên toàn bộ mạng lưới đường bộ được xác định bởi các RNDF. Chức năng này ước tính thời gian dự kiến nó sẽ đi để đến một vị trí mục tiêu nhất định, từ bất kỳ nơi nào.
Hình 4.14: Tập tin RNDF cung cấp bởi DARPA.
Thực tế nghiên cứu này được thực hiện cho mỗi làn xe riêng biệt trong nhiều làn xe trên đường. Bằng cách xác định xác xuất thất bị cụ thể cho các hoạt động thay đổi làn đường, đánh giá gây bất lợi là khi xe ở trên làn đường bên trái gần một ngã tư mà muốn rẻ phải. Nếu không có dữ liệu khác, chức năng đánh giá này mô tả các trở ngại tối thiểu cho mục tiêu từ mọi vị trí trong RNDF. Khi sử dụng kết hợp với các dữ liệu cảm biến cục bộ, chức năng đánh giá có thể được sử dụng để đánh giá các trở ngại tương đối các tuyến đường, cho phép các robot ngay lập tức lập lại kế hoạch các tuyến đường khi giao thông bị trì trệ hoặc bị tắc đường.
Các chương trình đa năng được chạy lại mỗi lần khi vị trí mục tiêu của robot bị thay đổi. Hàm đánh giá có thể được tính trong ít hơn 100ms để RNDF xa, lớn hơn RNDF mẫu, làm cho nó có khả năng để bắt đầu lái xe mà không cần bất kỳ chậm trễ đáng kể nào.
4.4.2. Kế hoạch con đường trực tuyến.
Một thành phần quan trọng của hệ thống lái là kế hoạch con đường trực tuyến của Junior. Các kế hoạch con đường chịu trách nhiệm để quyết định chiến thuật,
chẳng hạn như thay đổi làn đường, sáp nhập, và tránh chướng ngại vật địa phương. Kế hoạch hiện thời của nó có nguồn gốc từ phạm vi tối đa của các cảm biến phạm vi.
Kế hoạch đường tìm kiếm một con đường phù hợp theo hai yếu tố:
Chọn lựa rời rạc, chẳng hạn như thay đổi làn đường và lần lượt (kế hoạch vĩ mô).
Lựa chọn liên tục, chẳng hạn như các bên rìa xác định trong một làn đường (kế hoạch vi mô).
Mỗi cặp kế hoạch vĩ mô và vi mô được tính toán sử dụng ba điểm: đánh giá cục bộ, đánh giá toàn cầu, và đánh giá cơ động. Đánh giá cục bộ đánh giá các quỹ đạo dự kiến của xe cho các hình dạng của những chướng ngại vât. Đánh giá này ước tính tốc độ quỹ đạo có thể được điều khiển tương đối với giới hạn tốc độ tối đa của xe. Đánh giá toàn cầu là giá trị nhỏ nhất của hàm giá trị theo kế hoạch vĩ mô thu được thông qua các phương pháp lập trình động theo mô tả. Uớc tính này đòi hỏi thời gian cần thiết để đạt được mục tiêu từ khi đánh giá quỹ đạo cục bộ kết thúc. Cuối cùng, đánh giá cơ động mã hóa những vận động nhất định nguy hiểm (chẳng hạn như thay đổi làn đường và rẽ) nên nó phải được đánh giá thêm. Ví dụ, chiếc xe chỉ nên thay đổi làn đường nếu sự khác biệt trong đánh giá đường đi vượt quá đánh giá vận động.
Hình 4.15: Hình ảnh minh họa, màu xanh là những con đường hợp lệ được cân nhắc bởi các kế hoạch đường.
Những quỹ đạo được tạo ra tự động từ các RNDF cục bộ, với những thay đổi riêng biệt của rìa đường cân xứng với trung tâm làn đường.
RNDF phức tạp có thể làm cho thao tác phức tạp. Các kế hoạch hiện tại có thể cung cấp những hình học tùy ý và cấu trúc liên kết của mạng lưới đường bộ, được minh họa trong Hình 4.15. Đặc biệt, hệ thống quan tâm đến việc rẽ trái hoặc phải
khi ở các làn đường thích hợp. Nếu muốn rẽ trái, đầu tiên nó cần phải thay đổi làn xe.
Hình 4.16: Cấu trúc liên kiết của mạng lưới đường bộ.
Các kế hoạch đường xem xét đối tượng được tìm thấy bởi bộ theo dõi đối tượng của Junior. Việc xử lý cho những chướng ngại vật di chuyển và đứng yên khác. Junior không bao giờ đổi hướng khi ở gần những chướng ngại vật di chuyển, phản ứng mặc định của nó là đi chậm lại. Khi đối mặt với một chướng ngại vật đứng yên, Junior sửa đổi chức năng đánh giá của nó để tìm làn đường ưu tiên vượt qua các đối tượng đó. Trình tự (Hình 4.17) minh họa vận động thay đổi làn đường thành công khi vượt qua một chướng ngại vật đứng yên. Điều quan trọng cần lưu ý là trong khi chọn lựa hành động nhất định, chẳng hạn như thay đổi làn đường, các kế hoạch có thể thay đổi những quyết định tại bất kỳ thời điểm nào. Kết quả là, việc thay đổi làn đường có thể được hủy bỏ ngay lập tức nếu một mối nguy hiểm xuất hiện. Những kế hoạch dự phòng được mô tả trong hình ảnh thay đổi làn đường thứ hai.
Một khi một quỹ đạo cụ thể đã được chọn, Junior gán cho nó vận tốc tối đa cho phép. Tốc độ này được tính toán dựa trên tốc độ giới hạn tối thiểu của MDF, những hạn chế phát sinh từ độ cong của quỹ đạo và tốc độ từ việc duy trì một khoảng cách an toàn cho các đối tượng khác. Đối với mỗi kế hoạch, Junior có thể xây dựng tất cả các con đường RNDF có thể hợp nhất và đi thực hiện các hoạch đường đi của nó, đồng thời tuân thủ các làn đường ưu tiên. Tốc độ của xe được thiết lập để duy trì giới hạn an toàn với các phương tiện khác, nó cho phép xe hòa vào làn đường hoặc vượt qua xe khác ở quỹ đạo quy định. Các khu vực sáp nhập làn đường và vượt qua (được mô tả ở Hình 4.18) được tô màu trắng.
Hình 4.17: Minh họa vận động thay đổi làn đường thành công khi vượt qua một chướng ngại vật cố định.
4.4.3. Điều hướng đậu xe.
Để điều hướng đậu xe, đội đua Stanford đã phát triển một kế hoạch đường nhiều lớp có thể tạo ra những con đường không bị giới hạn. Những con đường không tuân theo RNDF, và nó có thể quay vòng nhiều lần. Các kế hoạch đường hoạt động đủ nhanh để thích ứng với con đường bằng các phép đo phạm vi tạm thời, và các phép đo đó được lưu trữ vào bản đồ để cho chướng ngại vật được xem xét kỹ lưỡng ngay cả khi nó nằm bên ngoài tầm nhìn tạm thời của chiếc xe.
Hình 4.18:Vùng màu xanh trong hình ảnh tương ứng với bản đồ cục bộ, được chồng lên hình ảnh trên không.
Kế hoạch đậu xe trên đường kết hợp lập trình 3D trên một mạng lưới thô với thuật toán RRT. Quỹ đạo được tạo ra sử dụng một mô hình với nhiều khó khăn. Bề rộng của con đường được minh họa ở Hình 4.19.
Hình 4.19: Bề rộng của con đường được minh họa bằng thuật toán RRT. Hướng dẫn tìm kiếm này, các hàm giá trị xác định ưu thế của một con đường được tính toán dựa trên khoảng cách từ xe đến nơi đậu xe.Kế hoạch đang được phát triển cho phép Junior có thể lùi xe về phía sau. Hình 4.20 cho thấy việc tìm kiếm nơi đậu xe, cây tìm kiếm được phát triển để đáp ứng với một hàm giá trị ban đầu.
Hình 4.20: Phát triển cây tìm kiếm.
Một tình huống khó khăn mà xe gặp phải (Hình 4.21) khi Junior di chuyển giữa hai hàng chướng ngại vật bó hẹp
Hình 4.21: Junior di chuyển ở giữa 2 làn chướng ngại vật hẹp.
4.4.4. Điều khiển.
Bộ điều khiển Junoir được mô phỏng theo Stanley, nhưng đã được tăng cường đáng kể để điều khiển trực tiếp vào mô men vô lăng lái, thay vì chỉ góc lái (như là trường hợp của Stanley). Bộ điều khiển đã được điều chỉnh sử dụng các phương pháp tăng cường. Trong các thử nghiệm trên một sân bay, Junior đã thành công đi với tốc độ lên đến 71 dặm/h.
4.4.5. Ngừng nơi có tín hiệu dừng và nút giao thông.
Để xử lý việc dừng lại ở nơi có tín hiệu dừng và nút giao thông, Junior phân tích RNDF cho các khu vực nút giao thông. Theo luật của cuộc thi, chỉ có một đối tượng chuyển động được phép ở trong nút giao thông tại một thời điểm. Hình 4.22 minh họa một đánh dấu điển hình của một nút giao thông. Khu vực màu cam là nơi chỉ cho phép 1 xe ở trong đó tại cùn một thời điểm.
Logic để xử lý nút tại giao thông kết hợp theo dõi sự xuất hiện và ra khỏi nút giao thông của chiếc xe đầu tiên, cùng với một bộ đếm thời gian xác định. Trong mô phỏng mở rộng, chúng tôi nhận thấy thời gian chờ ngẫu nhiên được thống nhất cao với định thời gian chờ xác định, điều này có thể dẫn đến va chạm nếu hai xe sử dụng thời gian thực hiện giống hệt nhau.
CHƯƠNG 5: GIỚI THIỆU VÀ BỐ TRÍ CÁC THIẾT BỊ TRÊN XE TỰ LÁI GOOGLE.
5.1. Giới thiệu.
Xe tự lái Google là một dự án của Google liên quan đến việc phát triển công nghệ cho xe tự lái. Dự án hiện được dẫn dắt bởi kỹ sư của Google Sebastian Thrun, ông là giám đốc của phòng thí nghiệm trí thông minh nhân tạo Stanford và là đồng phát minh của Google Street View (bản đồ 3600) . Nhóm của ông ở trường đại học Stanford tạo ra xe tự lái Stanley và đã giành giải ở DDRPA Grand Challenge năm 2005 với 2 triệu USD tiền thưởng của bộ quốc phòng Mỹ. Nhóm đã phát triển hệ thống gồm 15 kĩ sư đang làm việc tại Google và Chris Urmson, Mike Montemerlo và Anthony Levandowski những người đã làm việc ở DARPA Grand và Urban Challenges[12].
Hình 5.1: Xe tự lái Lexus RX450h của Google.
Nhóm dự án đã được trang bị ít nhất 10 chiếc xe gồm: 6 chiếc Toyota Prius, 1 chiếc Audi TT và 3 chiếc Lexus RX450h. Mỗi chiếc kèm vào ghế tài xế hệ thống điều khiển an toàn và ở ghế hành khách là 1 kỹ sư của Google. Chiếc xe đã đi qua đường Lombard ở San Francisco nổi tiếng với dốc Hairpin và đi vào hệ thống giao thông thành phố. Những chiếc xe đã đi lên cầu Cổng vàng và đi trên cao tốc Pacific Coast và vòng quanh hồ Tahoe. Ổ đĩa hệ thống lưu trữ tốc độ giới hạn trên bản đồ và duy trì khoảng cách của nó đến các xe khác bằng cách sử dụng các hệ thống cảm biến trên xe. Hệ thống cung cấp và cho phép ghi đè lên trình điều khiển để kiểm soát chiếc xe bằng cách tác động vào hệ thống phanh hoặc quay vô lăng giống như hệ thống kiểm soát hành trình đã được tìm thấy trên nhiều xe hiện nay.
Tiểu bang Nevada đã thông qua luật vào ngày 29 tháng 6 năm 2011 cho phép hoạt động của xe không người lái ở Nevada. Google đã vận động hành lang pháp lý xe không người lái. Luật ở tiểu ban Nevada có hiệu lực từ ngày 1 tháng 3 năm 2012
và sở phương tiện cơ giới Nevada đã cấp giấy phép cho xe tự lái vào tháng 5 năm 2012. Giấy phép đã cấp cho 1 xe Toyota Prius đã được sữa đổi công nghệ tự lái, thử nghiệm của Google. Tháng 4 năm 2012 bang Florida là bang thứ 2 cho phép thử nghiệm xe không người lái trên đường phố. California là nơi thứ 3 hợp pháp hóa việc sử dụng xe tự lái cho mục đích thử nghiệm vào tháng 9 năm 2012 khi thống đốc Governor Jerry Brown kí vào dự luật tại trụ sở Google ở Mountain View.
Hình 5.2: Xe tự lái Toyota Prius của Google đang đi trên đường.
Vào tháng 8 năm 2011 chiếc xe không người lái của Google đã xảy ra vụ tai nạn đầu tiên ở gần trụ sở Google nhưng Google nói rằng chiếc xe lúc đó chưa chuyển qua chế độ tự lái mà chỉ đang lái bình thường. Sư cố thứ 2 của chiếc xe này là bị va chạm ở phía đuôi xe khi dừng lại ở đèn đỏ.
Ngày 28 tháng 3 năm 2012, Google đã đăng lên YouTube video cho thấy cư dân Califonia là Steven Mahan đã thực hiện 1 chuyến đi với xe tự lái Toyota Prius. Trong video, Mahan nói rằng anh ta bị hạn chế tầm nhìn lên đến 95%, gần như là bị mù. Trong đoạn mô tả của video đã lưu ý rằng chiếc xe đã được cẩn thận lập trình trên ổ đĩa tuyến đường đi từ nhà anh ấy đến nhà hàng sau đó qua cửa hàng giặc khô và trở về nhà.
Vào tháng 8 năm 2012, Google đưa ra thông báo về việc chiếc xe tự lái của mình đã hoàn tất quãng đường thử nghiệm dài 300 ngàn dặm (tương đương 482,8 ngàn km), trong nhiều điều kiện đường sá khác nhau, và kết quả chiếc xe đã không gây ra bất kỳ một tai nạn hay va chạm nào trên đường. Kết quả này cho thấy xe tự lái của Google thậm chí còn an toàn hơn cả những lái xe tại Mỹ, khi kết quả thống kê cho thấy mỗi lái xe tại Mỹ cứ gây ra một vụ tai nạn trong quãng đường trung bình 165 ngàn dặm (tương đương 265,5 ngàn km).
5.2. Cấu tạo của hệ thống.
Google sử dụng những chiếc xe Toyota Prius và Lexus RX450h, được lắp đặt thêm hệ thống camera, các cảm biến, máy quét phạm vi laser để quét tình trạng và phát hiện tình trạng giao thông xung quanh xe, kết hợp với hệ thống phần mềm phức tạp sử dụng bản đồ của Google Maps để điều hướng trên các tuyến đường.
Hình 5.3: Mô hình bố trí cảm biến trên xe Google. Cấu tạo của hệ thống:
Cảm biến lidar: cảm biến quay trên mui xe và quét tất cả các hướng trong bán kính 200 feet xung quanh chiếc xe để tạo nên không gian 3 chiều chính xác xung quanh xe. Nó phát ra các xung ánh sáng ra môi trường xung quanh, nó có thể đánh dấu làn đường, lề đường và xác định hình dạng chướng ngại vật hay những chiếc xe khác.
Cảm biến radar: có 4 cảm biến radar tiêu chuẩn cho xe, 3 cái ở trước và 1 cái phía sau. Căm biến radar đặc biệt hiệu quả trong việc xác định những vật ở xa. Những cảm biến radar hiện đang được sử dụng trong hệ thống chạy tự động.
Video Camera: được bố trí gần gương chiếu hậu để phát hiện đèn giao thông, đọc biển báo đường, theo dõi vị trí những chiếc xe khác, theo dõi hướng di chuyển của những chướng ngại vật chuyển động như người di bộ hay người đi xe đạp.
Cảm biến xác định vị trí (position estimator): cảm biến được bố trí ở bánh xe sau bên trái đo những chuyển động nhỏ nhất được tạo ra bởi chiếc xe và giúp định vị chính xác vị trí chiếc xe trên bản đồ.