《低速自动驾驶车辆定位与导航技术及应用》

点击下载 ⇩

该项目属于自动化技术领域,涉及到智能机器人技术和图像处理与机器视觉等多学科交叉。研究具备高可靠环境感知、高精度全天候定位导航的自动驾驶车辆,对实现国家“汽车产业中长期发展规划”及“新一代人工智能发展规划”起到重要支撑作用。针对低速环境中广泛存在的GPS信号遮挡、环境非结构化等困难,在国家自然科学基金、科技部支撑计划和ITER专项等支持下,通过自主创新和攻关,在低速自动驾驶车辆的定位与环境感知技术上取得突破,形成具有国际水平的技术和专利群。作为离实际应用最近的定位导航技术,在低速园区交通、智能工厂仓储物流等领域成功推广应用。

1、高精细感知地图的自动生成:1)针对GPS失效区传统测绘方法创建地图难的问题,提出SLAM+GPS的地图创建融合框架,并成功应用于磁钉地图的创建,提高了地图创建效率。GPS+SLAM的混合建图方法和学术界与工业界公认的最前沿的LOAM地图创建方法相比,绝对平均误差由1.3米降到0.4米。2)针对大范围定位地图数据过大问题,提出八叉树地图和街景压缩地图,地图数据量可压缩为点云地图的千分之一。2、基于感知地图的高精度车辆定位:1)针对激光雷达定位的局部最小值问题,提出基于双层滤波模型的定位方法;2)针对视觉或激光雷达易受天气影响问题,设计基于磁阻传感器阵列的磁尺传感器,通过与磁钉地图匹配,实现了厘米级车辆全局定位。3)提出基于CKF地图匹配算法,解决了地图匹配对于初始值依赖较大及对噪声外点鲁棒性问题,平均定位精度可保证厘米级。3、基于机器学习的目标检测:1)针对行人非刚体特点,提出基于在线学习的行人检测方法,提高了对目标形变、目标及光线变化的鲁棒性;2)针对鱼眼图像数据库匮乏问题,提出基于投影模型变换的鱼眼相机数据库生成方法及基于定向空间变换网络的动态目标检测方法,建立目标在不同畸变程度下的统一特征表达,提高了目标检测精度。KITTI测试表明,应用该方法三个检测算子的检测精度提升了4.03%,且平均只有17ms的速度损失。

共申请国家发明专利105项,57项授权(2项成果转化,11项许可实施)。发表SCI/EI收录论文80余篇,在智能车领域国际权威期刊IEEE Trans发表论文15篇。相关成果参加了上海世博会、上海工博会等10多个大型展会,2007年在上海东方绿舟率先实现了L4无人驾驶公开演示,2015年在万科率先实现了L4无人驾驶示范性应用。相关成果在诺力、南京景曜、苏州青飞、宝马、华为等企业中得到实际应用,近三年经济效益近亿元。开发的AGV智能仓储系统广泛应用在汽车、家电、机器人、成品仓库与零件立库等行业,市场占有率和销量已连续多年行业领先;开发的移动机器人导航技术和调度系统在同类产品中拥有明显优势;开发的园区无人小巴是国内领先的园区短途智能交通解决方案。研究成果不仅对智能交通和工业发展有着重要意义,还有着广阔的军事应用前景。

成果说明

该项目发明的基于磁阻传感器阵列的磁尺传感器、高精细感知地图自动生成方法、基于感知地图的高精度车辆定位技术、基于机器学习的目标检测技术,具有高可靠性、高精度、全天候运行的特点,作为离实际应用最近的自动驾驶定位与导航技术,在低速园区交通、智能工厂仓储物流等领域得到成功推广和应用。并形成了具有国际先进水平的无人驾驶关键技术和专利群,对实现国家“汽车产业中长期发展规划”及“新一代人工智能发展规划”起到重要支撑作用。 应用项目成果,2007 年在上海东方绿舟率先实现了 L4 无人驾驶公开演示,2015 年在万科率先

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。