本文主要是介绍智能驾驶的关键技术:自主泊车轨迹规划,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
智能驾驶的关键技术:自主泊车轨迹规划
搭载先进的车载传感器、控制器、执行器等装置,具备复杂环境感知、智能化决策等功能的车辆,我们称之其为智能车。智能车的车载决策规划模块用于生成车辆的行驶行为,直接体现车辆行驶的智慧水准。决策规划模块的一项具体功能是规划行车轨迹,即生成一条能够抵达既定位置姿态、避免碰撞、易被控制器跟踪、舒适自然、高效节能的时空连续曲线。
附赠自动驾驶学习资料和量产经验:链接
为了唤起学术界与产业界对自主泊车轨迹规划技术的重视,中国科学院自动化研究所、青岛智能产业技术研究院、清华大学以及湖南大学等四家单位依托第25届IEEE智能交通系统国际会议(IEEE ITSC 2022)举办了自主泊车轨迹规划挑战赛(Trajectory Planning Competition for Automated Parking,TPCAP),将**为该领域的研究人员提供比拼和切磋的机会,进而促进自主泊车轨迹规划技术的发展,引领高质量车载决策规划系统开发的技术潮流。**TPCAP由Autoware基金会和名古屋大学联合赞助,组委会成员包括组委会成员包括湖南大学李柏副教授、青岛智能产业技术研究院王晓博士、中国科学院自动化所王飞跃教授、清华大学李深博士及清华大学李力副教授。
赛事传送门:自主泊车轨迹规划全球挑战赛https://www.tpcap.net
轨迹规划发展关键因素
目前大多数智能车轨迹规划的研究工作都聚焦于结构化道路场景,而面向低速复杂泊车场景的轨迹规划研究相对较少。事实上,泊车场景与结构化道路行车场景存在显著差异,目前绝大多数适用于结构化道路行车场景的轨迹规划方法都无法直接应用于泊车场景。眼下热门的行泊一体技术也迫切要求学术界与产业界对泊车轨迹规划技术予以充分研究。
图 轨迹规划结果示意图
为了唤起学术界与产业界对自主泊车轨迹规划技术的重视,中国科学院自动化研究所、青岛智能产业技术研究院、清华大学以及湖南大学等四家单位依托第25届IEEE智能交通系统国际会议(IEEE ITSC 2022)举办了自主泊车轨迹规划挑战赛(Trajectory Planning Competition for Automated Parking,TPCAP),将为该领域的研究人员提供比拼和切磋的机会,进而促进自主泊车轨迹规划技术的发展,引领高质量车载决策规划系统开发的技术潮流。TPCAP由Autoware基金会和名古屋大学联合赞助,组委会成员包括组委会成员包括湖南大学李柏副教授、青岛智能产业技术研究院王晓博士、中国科学院自动化所王飞跃教授、清华大学李深博士以及清华大学李力副教授。赛事传送门:自主泊车轨迹规划全球挑战赛https://www.tpcap.net
赛事纯粹比拼技术实力
TPCAP将为业界与学术界研究人员提供比拼和切磋的机会,促进自主泊车轨迹规划技术的发展,引领高质量车载决策规划系统开发的技术潮流。赛事针对自主泊车轨迹技术的痛点与难点,将智能车决策规划模块从上下游感知、控制等模块中剥离出来,单纯比拼轨迹规划技术实力。针对20道自主泊车轨迹规划线上赛题,参赛者只需提交轨迹规划结果而无需提交源码,因此可以自由选择编程语言,参赛门槛以及参赛的时间成本均很低。
图 TACAP赛事Benchmarks信息
与其他智能车竞赛相比,TPCAP无需组队参赛具有独立性和便捷性两大特色。
其一,开发轨迹规划算法的研究人员可以独立参赛,无需邀请从事智能车定位、感知、控制等方面研究工作的同事组队参赛。这样,就不会像此前不少智能车决策规划能力竞赛那样,往往是测评智能车的整体表现,无法单纯体现智能车决策规划技术的水平。
其二,为尽可能降低参加比赛的门槛,参赛者只需按照标准格式提交规划好的泊车轨迹,无需提交轨迹规划算法源代码,因此可以使用自己熟悉的编程语言高效求解轨迹规划赛题;此外,参赛者只需提交精炼的轨迹状态时序信息,TPCAP的后台打分系统将据此准确生成完整的行车过程状态信息,随后开展测评。
两段式比赛流程
1、TPCAP分为线上初赛与线下复赛两个阶段。
线上初赛为北京时间2022年6月5日至2022年8月31日(待定),比赛内容为20道自主泊车轨迹规划赛题。初赛期间,每个参赛账号可在每个自然日内提交至多1次结果,并在次日获知该结果的测评分值。每个参赛账号的历史最佳分值将用于在全球排行榜中参评。
初赛截止时,排行榜中前20名参赛者将受邀参加复赛。TPCAP复赛将于IEEE ITSC会议举办期间线下进行,因为疫情原因无法到现场的参赛者仍可线上参赛。复赛的赛题格式、比赛评分规则及提交结果格式与初赛相同,但额外加入了时间限制:参赛者应在2小时内提交复赛赛题的结果,且每一参赛队伍仅有1次机会提交结果。
2、已公布初赛20道赛题
TPCAP初赛的20道赛题已于2022年5月下旬公布(如下图所示),覆盖典型泊车场景以及杂乱场景。每一赛题都源于产业界或学术界多年沉淀下来的开发实践经验,背后蕴含着明确的设计意图。
图 TPCAP初赛赛题
以第19道赛题为例,旨在着重考察规划算法的全局寻优能力。如果使用经典的采样搜索算法(例如混合A星搜索算法),则会得到一条长距离倒退行驶至终点附近的多次泊车路径,但该结果显然并非该算例的最优解。
经验丰富的人类驾驶员往往会借助空闲车位提前完成车头调转,随后前向驶入车位。采样搜索算法往往受制于搜索最优性的缺失以及“维数灾难”,赛题19中暴露了其缺陷,因此参赛者如使用采样搜索算法将不得不思考如何弥补上述缺陷,提出改进方案。
SCI收录+官方认证+丰厚奖金
所有参加初赛且初赛最终名次位于前50%的参赛者,都将获得竞赛组委会颁发的参赛证明函;进入复赛并获得前5名的参赛者将获得竞赛奖杯及赞助机构提供的奖金(100-900美金不等)。
复赛结束后,TPCAP组委会将邀请所有入围复赛参赛者在IEEE ITSC 2022智能交通系统国际会议进行技术分享(自愿)。竞赛成绩较好的团队将受邀在智能车领域国际著名SCI期刊IEEE Transactions on Intelligent Vehicles(IF = 5.009, JCR Q1)发表其研究工作。
图 赞助与奖金
这篇关于智能驾驶的关键技术:自主泊车轨迹规划的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!