以科研为起点,中国智能车未来挑战赛的下一步呢?

  • 2016/11/16
  • 车云网

个人的战胜自我意味着进步,而人类整体的战胜自我则意味着进化。这句话放到汽车产业的语境,也同样适用。

一年一度的中国智能车未来挑战赛(IVFC)在11月13日落下帷幕。散场合影时,车云菌只赶上了尾声,急急忙忙抓拍的照片里,每个人都一脸轻松。不知是否所有人都和我一样,觉得三日赛事不虚此行。

点击查看车云网2016中国智能车未来挑战赛报道专题

23支来自高校、科研机构和企业参赛车队聚集常熟,完成了认知能力离线测试和真实综合道路环境测试(真实高架快速道路测试约22公里+城区道路测试约6公里)两部分比赛。匆匆踏上火车时,比赛结果还未正式宣布,但已经值得我们为它写下一些总结。

第一日:离线测试

首日离线测试主要考察的是视觉感知能力,车云菌赶上了下半场赛事。

首日离线测试现场首日离线测试现场

根据现场工作人员介绍,这次算法主要测试的项目有三类,分别是车道线、前方车辆、交通信号检测。每个大类下有很多细分小类,涵盖不同现实场景。数据是连续帧图片,会考虑光照、道路类型及车辆运动等动态变化。可以发现,三个项目考察的,恰好是目前市场上ADAS产品常见功能的基础技术。

比赛本身就模拟了ADAS视觉方案公司上路测试前,数据库测试迭代算法的环节,流程设置上也比较科学。测试前选手已经获得了涵盖库中类别的大量样本来优化算法,比赛的测试题会从样本之外再取出部分案例,但不会超出已有类别。最后根据“识别率=正检数/(正检数+误检数+漏检数)”的公式,获得最终打分。

以车道线为例,正确识别包括车道线的位置检测和线型识别,不仅要让摄像头检测到的车道线和真实车道线拟合,而且还要识别出是实线还是虚线、有多长、什么颜色,不能漏检误检。这样便可以对应到现实环境中下匝道、变道等场景下,无人车的每一步判断。

离线测试数据库部分介绍离线测试数据库部分介绍

本离线测试数据由西安交通大学人工智能与机器人研究所提供,暂时未涵盖雨天、雪天等情况下的数据。车辆多数是常见类型,包括轿车、越野车、不同火车、客车。标志牌、交通信号灯以及车道线尽可能涉及了国内多种标志牌类别。

据了解,在相同硬件环境下,已经有参赛选手尝试了一些深度学习算法。车云菌在采访现场裁判人员时获悉,完赛队伍多数都能检测出目标(比如标志牌),但是在识别具体类别(比如到底是禁止停车标志牌还是禁止掉头标志牌)上还有进步空间。

第二日:高速测试

考虑无人车商用,结构化道路一定是率先尝试的场景,高速公路比赛是今年的新增考察项目。比赛选取了常熟三环一段往返约22公里的高速路段,模拟场景设置了6个考察点,每个考点都有评分规则:

1.起点(绿灯信号开启后,车辆检测识别成功并在三分钟内驶出起点)
2.模拟ETC收费站(减速、横杆抬起后驶过收费站)
3.自西向东故障车避让
4.折返点掉头
5.自北向南故障车辆避让
6.终点(车头距停车线小于3米,且不能越线)

每辆无人车会有一名队员坐在驾驶员位置跟车,以便在紧急情况下接过控制权。车速限制在60公里每小时内,裁判会根据沿途违章、发生事故情况、人工干预时长,扣除相应分数。

真实高架快速道路测试终点线真实高架快速道路测试终点线

因不能跟车观赛,车云菌根据起点终点观察和裁判最终评分表,大致发现了几个现场状况:折返掉头时急打方向,压线、骑线行驶,急减速、停车,发车后偏离车道,驶向护栏,过线停车等

全自动驾驶是一整个闭环系统,因此检查行车记录之外做的推测并不一定准确。据在场参赛选手和工程师猜想,折返急打方向可能是控制上还存在改进空间,检测时未能准确识别地面接缝、停车线、箭头、不同类车道线可能会导致压线、急减速或停车,偏离车道有可能是GPS短暂丢失导致。

从现场情况来看,不少车队任务完成情况都还不错,甚至不少在半小时内完成比赛,并且扣分较少。一些原本就有长途测试经验的车队在比赛中的表现都很不错。

第三日:城市模拟区测试

城市模拟区测试的比赛在中国智能车大厦前的封闭测试处——九宫格内举行。比赛期间,穿梭其中的参赛车均为全无人状态,要根据规定路线走完全部考点,最后裁判根据时间和任务完成情况打分。

在九宫格场景中,可以重点关注的考察点包括行人检测与让行、交叉路口通行、隧道通行(无GPS)、积水路段、施工路口通行、变道超车几个考察点。

城市路模拟测试部分场景城市路模拟测试部分场景

从一些小细节我们可以看出比赛场景设置还是比较复杂的。比如在隧道场景屏蔽了GPS,而且内部设置了玄关白板,模拟特斯拉事故的场景;积水路段会覆盖两个车道,考察的是复杂天气环境智能车是否有能力避开大部分水面并在安全范围内行使;复杂施工场景则重点考察了局部路径规划的情况,车辆要避开本车道的施工区域,但需要等待可行驶车道上的警车让行。

比赛前一晚下过大雨,路面比往常湿滑、且有大大小小的水坑,车辆传感器有不同程度的积水,给比赛增加了一点小插曲。不少智能车是多次参赛,对道路状况较为熟悉,因此通过项目都比较顺利。我们着重关注了一些行驶细节和突发状况,大家可以根据下面的视频稍作回顾。

从视频中我们可以发现,目前大多数车队都采取了比较稳健的策略,算法留的余地较大,比如在红绿灯路口或遇到障碍物停车时,都会预留一大段距离,会预先考虑很远地方的障碍物(比如03:03时的情况),简单来说很像一个求稳的新手司机。

执行任务时,一些车发生了追尾、撞击路牙等事故,多数车辆在不同任务切换上不是非常迅速,在驾驶操控上还是比较生硬。值得关注的是,一些车在停车、拐弯时,已经有了缓停、略略右打方向再左转过弯等模仿人类驾驶员的行为,应该在算法上有过针对性训练和调试。

城区道路比赛期间的一些事故城区道路比赛期间的一些事故

说点观赛感受

1.从赛事的设计来看,对无人车感知-规划决策-控制提出了更高要求。

规则越来越强调实时感知。红绿灯考核越来越严,比如高速和城市道路比赛中,发车都要以交通灯变灯作为指令,结束时要测量停车后与重点线之间的距离,测试场景越来越接近真实环境,评价要求也越来越严格。

复杂场景变多,常常会出现需要想一想的情况(比如施工区域,比如超车)。并且无人车要兼顾交通规则,要走对线,走对道,过路口不压线。因此在执行任务后,变道换道的环节增多。在比赛期间场地内,有时会出现多车混驾的情况,在一些十字路口路况也会存在多车交汇。

2.从参赛角度来看,参数团队告诉我们这些技术趋势。

传感器方案越来越类似。车顶64或32线的Velodyne激光雷达(不少团队在比赛的高速环境可省略该传感器),前向不同角度的摄像头分别负责车道线、行人、红绿灯。前脸保险杠处增加4线或8线激光雷达以及毫米波雷达,车尾配置毫米波雷达用于变道辅助。

摄像头数量越来越少,激光雷达和毫米波雷达的数量在逐渐增多。一些之前在马路牙子检测上吃过亏的车队,都加装了激光雷达。对精度和安全的要求越来越高,是一个大趋势。当然,目前的方案是绝对安全出发的科研方案,主现场主机厂代表也表示,以现在的传感器售价,是无法把这套方案用上量产车的。

地图在比赛中作用越来越大。对于比较复杂的场景或存在识别难度的部分,比如标志牌等等,参赛选手会将其提前写入地图,做到心中有数,以减少实时计算的压力。

不少时候需要准备Plan B。在一些复杂场景下,车辆定位常常要用到多种方式。有的借助卫星服务,隧道环境需要借助惯导和轮速传感器,也有学校借助摄像头实时采集数据和地图就同一特征进行匹配,用于定位。

线控改造的车已经成为了此次比赛的主力。今年的参赛队伍有很多是与主机厂合作参赛,比如军交和长城,国防科大和红旗,西安交大与广汽,中科院和奇瑞,联大和北汽新能源,北理工和比亚迪等等。一些主机厂在其中已经不仅仅是扮演赞助车源的角色,而是参与了线控改造,通过向参赛队伍开放接口来获得更加舒适安全的操控感受。

3.从科研角度出发,下一步的目标是尽快商业化吗?

比赛的目的绝对不是为了决出谁是顶级高手,这句话好像只是被当做了老生常谈。作为国家自然科学基金委员会重大研究计划“视听觉信息的认知计算”的重要组成部分,本次赛事可以教育市场,科普知识,最最重要的,是做一些科研突破和产业前沿探索。

与现场观赛时闲聊时,不少人在肯定赛事的同时,还提出了一点期待。在城区道路和高速道路比赛中,一些考点设置可以更加接近现实的复杂动态环境。例如模拟雨天雪天激光点云不可靠时车辆的应对表现等等,并尝试为最终考评,加入更多定性的打分维度。

对参赛选手来说,一些更新更前沿的技术可以在比赛中尝试。据了解,目前城市道路和高速道路的比赛中,就视觉算法而言,使用深度学习算法的部分还很少很少。这种现象出现在创新探索的科研比赛语境下,不得不说有些可惜。对于一场举办已有8届的比赛来说,观众更期待看到一些持续性研究,有按照计划迭代产出的最新成果。

当然这并不是要让赛事成为展示黑科技的秀场。主机厂在其中的参与是一个值得欣喜的地方。在西安交通大学展示的无人车无人机协同方案中,我们看到了汽车前脸安装的一线激光雷达是国产品牌,虽然暂时还未使用,但是团队正在在观察数据表现。上海交大展示的园区无人驾驶小车,利用一线激光雷达和磁钉磁尺,也能平稳行驶于展示区承担观光任务。尝试本土传感器方案、探索商业化可能性,是赛事带来的一个积极方向。

不过车云菌更期待看到的,是产学研协同之下,打造一个适用无人驾驶的平台——为传感器预留接口,预先做好总线和线控设计。擅长硬件的人钻研硬件,擅长软件的人钻研软件,每个人可以在共同平台上高效迅速的产出技术成果。在此基础上的竞技,想必会更精彩吧。

车云小结

回京路上获得了比赛的最终成绩。

真实高架快速道路测试(1112日):

第一名:北京航空航天大学、空军预警学院、总参61所合作——“北航猛狮”
第二名:军事交通学院——“军交猛狮2号”
第三名:西安交通大学与广汽汽车工程研究院——“发现号”

城区道路测试(1113日):

第一名:军事交通学院——“军交猛狮2号”
第二名:清华大学、总参61所、中科院微电子所——“清华猛狮1号”
第三名:军事交通学院——“军交猛狮1号”

面对每一位老选手,我几乎都会问一个问题:你觉得与去年相比,咱们的车有了哪些进步?得到的答案很多种,有人说减少了昂贵传感器的使用,有人说算法做得更加可靠,有人说增加了线控提高了舒适稳定性。

记得在AlphaGo打败李世石后,人们都在问人机对战的意义。有一个答案令人印象深刻,大约是说,竞技的目的是挑战自我,个人的战胜自我意味着进步,而人类整体的战胜自我则意味着进化。这个答案放到国内汽车产业的语境,也同样适用。

本届参赛车队名单本届参赛车队名单

更多评论 收起评论

我要说

欢迎您!

退出