作者：Eren Aydemir 和 Ersun Sozen，福特奧托桑福特奧托桑開發(fā)的自動泊車系統(tǒng)原型可簡化泊車操作，泊車速度比資深司機還快了一倍。即使對于擁有多年駕齡的司機而言，牽引掛車泊車也并非易事。引導掛車進入裝貨碼頭通常需要好幾步操作。如果是在擁擠狹窄、人來人往的城市街道上穿行，泊車更是難上加難（圖 1）。

為了幫助牽引掛車司機泊車，在福特奧托桑，我們的團隊開發(fā)了一個自動泊車系統(tǒng)的概念驗證原型。該模型運用了兩個軌跡規(guī)劃算法：一個是在歐盟 TrustVehicle 計劃框架內(nèi)與英國薩里大學合作開發(fā)的人工勢場算法；另一個是由我們的內(nèi)部團隊開發(fā)的 RRT* 算法，RRT* 是快速搜索隨機樹 （RRT） 的變體。在 Simulink 中對這些算法進行建模和仿真后，我們通過硬件在環(huán) （HIL） 測試對其進行了驗證。然后，我們使用真實牽引車進行了測試。測試顯示，該原型簡化了泊車操作，泊車速度比資深司機還快了一倍。

牽引掛車和軌跡算法建模

我們的團隊有著為乘用車和機器人開發(fā)自動駕駛系統(tǒng)和機器人控制系統(tǒng)的經(jīng)驗，但從未涉及牽引掛車這類大型車。另外，牽引車和掛車是鉸接在一起的，這使得控制系統(tǒng)設(shè)計更加復雜。借助基于模型的設(shè)計，我們得以對牽引車的動力學特性進行建模和可視化，并在開發(fā)和完善軌跡規(guī)劃和控制算法時考慮這些動力學特性。

我們基于 3DOF 自行車模型創(chuàng)建了一個簡化的車輛模型，用于表示縱向、橫向和橫擺運動。然后，我們使用牽引車輪胎質(zhì)量等參數(shù)測量值對此模型進行配置。我們將控制系統(tǒng)的設(shè)計分成多個 Simulink 組件，由不同的開發(fā)團隊分工完成。比如說，有一個團隊負責軌跡規(guī)劃組件，實現(xiàn) RRT* 算法或者人工勢場算法。另有一個團隊負責軌跡控制組件，比如計算適當?shù)霓D(zhuǎn)向角、制動扭矩和加速扭矩，以產(chǎn)生軌跡規(guī)劃組件所提供的預期橫擺角速度、減速度和加速度。該團隊最初將軌跡控制組件純粹作為追蹤控制器加以實現(xiàn)，但后來將其作為模型預測控制器重新實現(xiàn)，以適應(yīng)更高的速度。 有一個組件實現(xiàn)了與感知子系統(tǒng)的接口，該子系統(tǒng)使用激光雷達和雷達來定位車輛附近的障礙物和構(gòu)造。另有一些組件實現(xiàn)了針對以下各項的接口：在 Android 平板電腦上運行的監(jiān)控 App、牽引車的 CAN 總線，以及我們的軟件在環(huán) （SIL） 和 HIL 測試環(huán)境。

SIL、HIL 和車載測試

在 Simulink 中進行初始驗證仿真后，我們又在 SIL 和 HIL 環(huán)境中進行了更廣泛的測試。我們使用 Simulink Coder 從軌跡規(guī)劃和軌跡控制模型生成代碼，并運行了 SIL 測試，測試使用模擬的傳感器輸入、牽引掛車的動態(tài)模型以及環(huán)境模型。在 HIL 測試中，我們將軌跡規(guī)劃和控制算法部署到 dSPACE 目標硬件。借助 HIL 測試，我們在真車實測之前率先驗證了設(shè)計的實時性能，例如通過 CAN 和 UDP 進行的實時通信。 車載試驗是在位于土耳其埃斯基謝希爾的福特奧托桑 In?nü 測試軌道上進行的。我們在牽引車上安裝了 dSPACE 系統(tǒng)，用于運行從 Simulink 模型生成的代碼。在最初的幾次測試中，我們發(fā)現(xiàn)牽引車物理模型中某些參數(shù)的值不準確，比如側(cè)偏剛度。

對于某些情形，我們預想會需要至少兩三步操作，但牽引車事實上只用了一步就完成了泊車。盡管仿真已經(jīng)向我們展示了這一可能性，但親眼所見仍使我們欣喜不已：在算法的引導下，牽引車泊車的效率勝于有著 15 至 20 年駕齡的司機。

今后的集成計劃

我們開發(fā)了高效的軌跡規(guī)劃和控制算法，并在真車上進行算法驗證，從而實現(xiàn)了這個項目的所有目標和關(guān)鍵性能指標?，F(xiàn)在，我們已具備自動駕駛模式下鉸接式車輛泊車的自主技術(shù)。福特奧托桑同時還在開展另外幾項開發(fā)計劃，并且都要利用這一泊車功能，其中一項側(cè)重于停車場管理，另一項則關(guān)注牽引車遠程控制。我們期待將這一自動泊車系統(tǒng)集成到上述更大的生產(chǎn)系統(tǒng)中。

責任編輯：haq