目前,国防科学技术大学正在牵头承担国家自然科学基金重大研究计划集成项目“自主驾驶车辆关键技术与集成验证平台”,目标是围绕城区道路和城际公路(包括各种支路、干路、绕城公路、快速路和高速公路等)正常交通环境和正常天气条件下的无人驾驶车辆环境感知与理解、智能决策与控制等方面的基本科学问题,开展融理论、关键技术与工程优化于一体的创新性综合集成研究,同时集成脑—机接口等领域的相关研究成果,构建具有开放式、模块化体系结构的无人驾驶车辆集成验证平台,实现真实城区和城际道路正常交通环境下长距离自主行驶,使我国的无人驾驶车辆研究总体达到世界先进水平。

研究内容

1. 自主驾驶车辆环境感知理论与方法
(1) 视觉注意力模型及在自主驾驶车辆环境理解中的应用
在项目组提出的基于多尺度频域分析的视觉注意力模型的基础上,引入自上而下的信息,对注意力模型进一步完善;研究认知科学中的注意机制与自主车的环境理解之间的关系,探索背侧注意机制以及计算模型;研究注意力模型在自主驾驶任务的场景理解中的应用,通过眼动仪捕捉的人类驾驶员的认知(注意)规律,并指导自主车的感知能力设计。
(2) 城市、城际道路环境的整体感知模型和算法
在已有环境感知系统的基础上,研制城市、城际道路环境的整体感知模型和算法。根据城市、城际道路环境特征,结合自主驾驶汽车的环境信息需求,建立面向自主驾驶汽车的城市、城际道路环境整体感知模型。主要开展多传感器紧耦合的高适应性道路环境感知,实现高可靠性的自主驾驶汽车整体环境感知与道路场景理解。
(3) 多尺度异构信息融合方法研究
研究多尺度异构信息的有效融合方法,对这些多尺度异构交互信息进行配准、融合,并进一步完善知识的表示与运用方式,满足自主驾驶系统的可靠性、实时性要求。
(4) 道路出入口、交通标志、道路维修标志、隧道口的识别方法
研究城市、城际道路出入口、交通标志、道路维修标志、隧道口的识别方法,重点开展基于稀疏表示的交通标志快速识别、基于频域多尺度分析注意力聚焦机制的感兴趣区域快速获取等方面的研究。
研究正常天气条件下,无人驾驶车辆在行驶过程中对车道线的检测技术、基于图像的前方车辆检测技术、道路交通标志和图文信息的实时检测、识别和理解技术。
2. 自主驾驶车辆优化决策与控制
(1) 基于机器学习和车辆动力学模型的车辆自主驾驶功能仿真系统
进一步完善自主驾驶车辆的动力学模型,构建基于车辆动力学模型的三维可视化自主驾驶仿真系统,开展基于机器学习的自主驾驶控制策略研究,利用仿真环境和机器学习技术研究自主车的驾驶控制策略优化,特别是超车和汇入车流的策略优化。
(2) 自主驾驶系统的自适应优化控制
在已有自主驾驶控制系统的基础上,进行控制系统功能完善与提高。以提高控制精度和可靠性为目标,研究基于机器学习的加减速特性在线估计,实现加减速过程的自适应精确控制。改进路径跟踪控制算法,提高路径跟踪控制器对不同路况的自适应性,确保路径跟踪的精度和跟踪安全性。
(3) 基于多传感器融合的车辆自主驾驶安全规范
针对城市、城际道路的各种路况,合理利用多传感器感知的障碍信息,构建车辆自主驾驶安全保障规范,提高车辆行驶过程中决策偶尔失误等非正常情况下的安全性。
3.自主驾驶系统结构与可靠性
主要对自主驾驶系统软、硬件总体框架重新设计,以提升整体智能水平和系统的可靠性。
(1) 自主驾驶车辆硬件结构设计
通过新的硬件系统升级,提高自主驾驶系统计算能力,以适应大范围复杂路况感知、决策、规划的计算需求。提高信息传输的实时性、可靠性、灵活性。增加基于地图的全局规划与导引,升级环境感知系统硬件,以适应任务需求。
(2) 自主驾驶车辆软件结构设计
完善硬件无关的自主驾驶系统软件,提高系统集成的灵活性和可靠性。提升自主驾驶系统调试软件功能,提高调试效率。研究以知识处理为核心的系统软件结构,为人机智能的多层次融合奠定坚实的基础。
4. 脑-机接口技术在车辆自主驾驶系统中的集成研究
针对驾驶导航设计视觉刺激方法;研究BCI在线适应学习算法及策略,结合视频技术实现脑机接口;从电极结构、放大器改装、专用降噪处理等方面研究车载条件下脑电检测和抗干扰技术;利用眼动信息获取注视方向,与脑电信息结合实现辅助驾驶脑机接口系统。针对多交叉路口、前方道路维修等典型路况,实现一种以上基于BCI的辅助驾驶功能。
5. 听觉信息处理在车辆自主驾驶系统中的集成研究
针对国家标准中多种警笛声进行检测,分析其变化轨迹理解多种警笛声语义。研究行车噪声环境下基于麦克风阵列的噪声消除和声源定位方法、环境先验知识不充分条件下的快速声学事件检测方法,为车辆自主驾驶系统提供辅助信息。

主要创新点

(1) 提出城市、城际道路环境的整体感知模型和算法,利用异构多传感器信息的融合,实现对城市、城际道路环境的整体环境建模和理解;
(2) 基于自底向上与自顶向下相结合的视觉显著性模型,完成高可靠交通标志分割算法;
(3) 实现城市、城际道路自主驾驶安全保障规范及相应的控制技术;
(4) 建立基于机器学习和车辆动力学模型的车辆自主驾驶功能仿真系统,在此基础上,研究并实现自主驾驶策略和控制性能的优化;
(5) 提出基于弹性匹配和稀疏表示的交通标志分类方法,实现二维、三维相结合的交通标志检测。
(6) 实现高可靠性自主驾驶系统软、硬件总体框架。
(7) 构建统一高效解码的BCI方法,利用智能车的环境建模信息,实现基于脑-机接口的导航交互方法。
(8) 提出环境先验知识不充分条件下的声学事件检测方法,以及基于声音上下文内容的环境状态识别方法。


    自主驾驶车辆关键技术与集成验证平台