一個完備的無人駕駛系統,可以分爲:
- Perception
無人車如何能夠識別周邊的環境; - Localization
如何過濾這些無用信息,將客觀世界進行3D甚至4D還原; - Planning
在不確定的、動態的環境下,如何讓無人車做出正確的判斷和計劃; - Control
把各個元器件集成起來,能夠和諧的工作,沿着規劃的路線、速度等進行安全的行駛。
在直接將無人駕駛汽車在道路上運行前,需要通過仿真的方式訓練和驗證無人駕駛汽車在不同的場景下系統的性能。從測試方式方式上講,可以將其分爲兩種:
-
虛擬環境模擬
通過對環境進行模型,獲得感知數據,如圖像、IMU、GPS、LiDAR等,用於感知、規劃、運動控制的初步開發,如Carla、AirSim、 Gazebo CarDemo,動力學仿真(Prescan,Carsim,ASM)。 -
真實環境回放
在實際環境中採集真實的數據,包括圖像、LiDAR等,然後在進行回放,用於測試信息融合、車輛性能等,如Apollo,Autoware。
Carla
支持ROS bridge。
英特爾實驗室聯合豐田研究院和巴塞羅那計算機視覺中心聯合發佈 CALRA,用於城市自動駕駛系統的開發、訓練和驗證的開源模擬器,支持多種傳感模式和環境條件的靈活配置。
AirSim
支持ROS。
AirSim 是微軟開源的一個跨平臺的建立在虛幻引擎( Unreal Engine)上的無人機以及其它自主移動設備的模擬器。 它支持硬件在循環與流行的飛行控制器的物理和視覺逼真模擬。
AirSim 的目標是作爲AI研究的平臺,以測試深度學習、計算機視覺和自主車輛的增強學習算法。爲此, AirSim 還公開了 API,以平臺獨立的方式檢索數據和控制車輛。
Gazebo CarDemo
完全基於ROS開發。
Gazebo平臺可以提供在複雜的室內和室外環境中準確有效地模擬訓練機器人的能力。
在無人駕駛車輛測試方面,ROS和Gazebo開發CarDemo,車輛的油門、剎車、轉向和傳動都是通過一個ROS系統去控制。所有傳感器數據都是通過ROS發佈,並且可以用RVIZ可視化。利用Gazebo功能整合現有的模型和傳感器,構建城市模型和一個高速公路交互場景,垃圾箱、交通錐和加油站等都來自Gazebo模型庫。在車頂處搭載一個16線激光雷達,8個超聲波傳感器,4個攝像頭和2個平面激光雷達。該平臺基於C++開發,系統要求ROS+Ubuntu環境。
Apollo
基於 ROS 開發。
Apollo是百度公佈的開源自動駕駛平臺,是支持完全自動駕駛功能的高性能靈活架構。
Autoware
基於ROS1和ROS2開發。
Autoware是用於城市自主駕駛的開源平臺,支持以下功能:
- 路徑規劃
- 路徑跟隨
- 加速/制動/轉向控制
- 汽車/行人/物體檢測
- 交通信號檢測
- 交通燈識別
- 車道檢測
- 軟件仿真
- 虛擬現實等。