熊 莹,周亚琪,毛雪松
(1.武汉科技大学计算机科学与技术学院,湖北 武汉 430065; 2.智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065; 3.武汉科技大学信息科学与工程学院/人工智能学院,湖北 武汉 430081)
无人驾驶车辆安装有多种传感器,包括雷达、激光雷达、立体视觉等,用于感知道路信息完成局部路径规划,以及安装GPS接收器获得位置信息,结合地图信息,完成全局路径规划[1-2]。无论是静态环境还是动态环境,只要能够获得位置信息,就可以方便地建立全局坐标系,规划全局路径控制车辆的运动[3-5]。然而,在很多情况下,定位精度不能满足实际需求,或者定位信号很弱,无法完成定位。例如地下停车场内可能完全没有定位信号。在这些场景下,由于车辆无法获得自身的位置,因此无法建立参考路径引导车辆控制行驶方向。一种解决方法为,通过同步定位与地图创建(Simultaneous Location And Mapping, SLAM)来确定车辆的位置和环境地图[6-8],但SLAM算法确定的位置为相对于起始位置的局部位置,该位置并不能映射到全局坐标系内。为了完成到车库出口的路径规划,SLAM要求车辆环绕车库获得车库的粗略地图以及出口位置后,才能计算出一条参考路径。
除SLAM外,解决无定位智能驾驶问题的方法还有空地协作、路车通信网络以及惯性导航等方法。其中空地协作[9-11]为无人驾驶车辆分配一个或多个无人飞行器,每个飞行器均携带立体相机,用于建立场景的3D地图。这种方法适用于农业耕作、搜救、道路维护以及军方特殊场景等,但是对于公路交通场景并不合适。……