塔塔汽车(Tata Motors)欧洲技术中心加速发展自主汽车控制算法与基于模型的设计
”一个工程师小团队齐心协力自主车辆与现成的硬件和控制算法和基于模型的设计开发和实施。虽然系统不是生产就绪,它证明重要的设计概念以务实的设计方法。”
TMETC马克塔克博士
英国考文垂试验TMETC自主的汽车。
在2013年秋季预算报告,英国政府推出措施,鼓励发展无人驾驶汽车在英国。2014年7月,英国的创新机构,英国创新,推出了“英国道路引入无人驾驶汽车”竞争。英国Autodrive是三个项目获得资助。这个项目汇集了主要的汽车公司,学术机构、议员、保险公司和其他利益相关者在一个为期三年的无人驾驶车辆和连接汽车试验技术,建立英国作为全球研究中心、无人驾驶车辆和相关技术的开发和集成。
作为英国Autodrive的一部分,塔塔汽车(Tata Motors)欧洲技术中心(TMETC)开发自主驾驶软件和部署在塔塔六SUV配有现成的线控硬件。一个小团队的工程师来自TMETC发达传感器感知、运动规划、和车辆控制算法。基于模型的设计与MATLAB®和仿真软金宝app件®使这支球队能够迅速在纸上从设计模拟,然后运行在嵌入式汽车ECU。
”模型,我们金宝app可以专注于高级设计实现而不是低级编码,”马克塔克博士说,在TMETC首席工程师。“这对我们是非常重要的,作为功能性车辆交付是我们的目标,不是展示我们的编码技能。”
挑战
TMETC团队旨在提供一个显而易见的无人驾驶车辆和一个工程师小团队在保持项目时间表和预算。为了满足这些目标,他们依赖现成的组件在可能的情况下,寻找方法来缩短开发时间为核心控制算法。
主要的设计挑战是整合系统的许多不同的元素。这些元素包括雷达、激光雷达、GPS、惯性测量,mono的愿景,以及传感器融合算法,运动规划、同步定位和映射,和车辆控制。
元素之间的所有通信必须记录符合英国规定,特别是“无人驾驶汽车的途径:测试代码的练习,“部门发布的交通工具。团队决定使用机器人操作系统(ROS)中间件解决集成和日志记录的要求。结果,他们写的算法需要ROS接口,团队需要一种方法来可视化和分析记录ROS数据。
车顶的自主车辆上的传感器。
解决方案
TMETC的工程师使用仿真软件模型,模拟,生成金宝app代码的运动规划和车辆控制算法部署在自治六。
三个车辆控制算法是:纯粹的追求,车道保持、模型预测控制。评估每个算法,他们用简单的横向和纵向集成的模型车,跑闭环模拟。
纯粹追求方法缺乏足够稳定,lane-keeping方法在城市中心表现相对较差,需要导航的紧曲线和缓慢的速度。模型预测控制器表现良好在模拟生成一系列操作场景。
团队完善横向和纵向模型预测控制器,使用参考集点,车辆动态测量,和车辆的动力学模型来生成最优车辆转向控制序列,加速和刹车为了遵循计划的轨迹。
半测试是用来检查硬件接口。
TMETC团队从他们的运动规划算法生成的代码与嵌入式编码器®和部署基于linux的电脑安装在车辆。使用仿真软件金宝app实时™,他们部署了车辆控制算法Speedgoat目标硬件安装在车辆。
行车进行了测试,在此期间,数据记录从ROS数据直接从车辆以及控制器。数据分析和可视化使用RViz, MATLAB,机器人系统工具箱™。调试和进一步优化控制算法,记录驾驶场景通过控制器在模拟数据回放。
TMETC成功地展示了他们自主车辆在城市道路和基于网格的街道在英国Autodrive项目车辆试验在考文垂和米尔顿凯恩斯。
结果
- 实时控制器实现加速。“一旦我们准备测试工具,我们使用仿真软件实时Speedgoat硬件部署我们的车辆控制器,”塔克说。金宝app
- 调试简化。“金宝app模型使我们从行车测试回放数据模拟,”塔克说。“我们可以在任何时候停止仿真,从而能够深入研究控制模型看到发生了什么和解决任何怪癖中我们发现算法。”
- 开发时间专注于设计。“所有的运动规划和车辆控制代码生成仿真软件模型,”塔克说。金宝app“这节省了我们很多的时间,因为我们可以专注于高级设计,没有实现方程和处理异常的代码。手工编写控制算法是一个更大的任务。”
