首次引入真实交通流,2017中国智能车未来挑战赛复盘

  • BEN
  • 2017/11/29
  • 车云网

隧道黝黑曲折,乡村道路泥泞十八弯...今年的智能车挑战赛可是让很多车队吃了不少苦头。

今年是DARPA挑战赛的第十个年头,而对无人驾驶汽车的研究正是在其推动下才有了今天「百家争鸣、百花齐放」的情形。其实在中国本土也有这样一项类似的比赛——中国智能车未来挑战赛IVFC,到今年也已经走过了九个年头。本届IVFC举办地设在江苏省常熟市,来自高校、科研机构和企业的29支车队报名参加,但最终只有25支车队通过资格审查,21支实际参加比赛,15支车队参加离线测试。

2017年中国智能车未来挑战赛闭幕式2017年中国智能车未来挑战赛闭幕式

从内容形式上来看,16年和17年的比赛差别不大,主要分无人驾驶智能车真实综合道路环境测试(高架道路环境和城区道路环境测试)、复杂环境认知水平能力离线测试两部分。其中,道路测试着重考察无人驾驶车辆的交通场景识别能力以及不同道路环境的适应性和行驶机动性等4S性能(即安全性Safety、舒适性Smoothness、敏捷性Sharpness和智能性Smartness);离线测试则在大规模典型真实道路交通场景数据库的基础上,通过仿真环境评估无人驾驶车辆各类环境感知算法的基本认知能力和水平。

与往届相比,本届比赛的真实道路测试新增了一些测试内容。比如说,首次引入真实交通流,考察无人车与社会车辆和周围环境的交互,以及对参赛车辆在非结构化道路环境的自主行驶能力测试等

本届比赛为期三天,车云菌赶到常熟的时候,很遗憾第一天的离线测试已经结束。不过在接下来的篇幅中,车云菌将尽力通过后两天的见闻为大家还原一场真实的智能车挑战赛。至于比赛结果,不如我们文末见!

赛程第一日:没赶上的离线测试

去年的智能车挑战赛首次加入了认知能力离线测试项目。该测试不强制参加,相关得分也不计入总成绩,主办方会提供一个由西安交通大学人工智能与机器人研究所提供的交通场景数据库TSD-max,每个任务有100组数据,每个参赛队伍随机从中抽取多组形成数据合集,确保每支队伍遇到场景的随机性。

复杂环境认知水平能力离线测试现场复杂环境认知水平能力离线测试现场

据车云菌了解,本届离线测试设计了5 项测试任务:车道线检测、交通信号检测、前方车辆检测、车道保持状态监测、前方车辆距离监测,相比去年增加了后两项新的测试内容。每项测试开始前,将环境数据拷入车队自带的电脑中,编写启动代码修改路径后,计算机开始运算。一旦计算机开始运行,将不允许做任何修改。

每个测试结束之后,都会自动生成一个文件,裁判把数据拷出后,送到离线测试评分处,计算最终成绩。打分标准主要看的指标有:正检数(识别正确)、误检数(识别错误)以及漏检数(未识别)。最终计算准确度Precision(正检数/检测总数)和召回率Recall(正检数/标注真值数)的调和平均值F1-measure作为总分。

车云菌这里着重介绍下后两项今年新增的测试内容。

首先,车道保持状态监测的任务要求是基于给定交通场景视频,对测试车辆在行驶过程中的车道保持状态进行持续监测。考察的方式是要求计算测试车辆前视点6米处相对于当前行驶车道(Ego-lane)中轴线的偏离值;

其次,前方车辆距离监测的任务要求是基于给定交通场景视频,对与安全通行相关的多辆前方车辆的距离进行持续监测。具体实现方式是跟踪并计算每个前方车辆与测试车辆的相对距离,最多需要跟踪两辆车即可。

一开始车云菌就提到了,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,暂时还未涵盖雨天、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。

赛程第二日:首次引入真实车流的高速道路测试

高速公路比赛是16年新增的考察项目,不过今年依然是在常熟北三环一段往返约26公里的高速路段进行,共设置了起点、入口匝道、模拟收费站、故障车辆、施工路段、终点,以及汇入有人驾驶的车流七个场景的考点。

其中,模拟ETC收费站这个考点,相比去年的规则做了改进。今年比赛设置了两个入口,这意味着参赛车辆除了需要在到达入口前减速(低于15公里/小时)外,还需要有自主判断的能力,选择合适的入口通过。

再者,由于今年新增加了有人驾驶车辆组成的社会车流(均为赛前遴选的驾校教练),所以无人车除了必须严格遵守交通规则正常行驶外,在道路上还会与其发生交互,所以这个考点考察的是无人驾驶车辆的汇入车队、超越低速车辆、礼让并线车辆、离开车队等自主驾驶能力。

据了解,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。

因为考虑到安全问题,第二日的高速公路赛段除裁判外是不允许其他人跟车的。在央视短暂直播的画面中,某个车队在从闸道驶入高速道路之后毫无征兆地减速停车,持续了1~2分钟,现场客串讲解的总裁判长王飞跃教授认为可能是传感器出现了问题,导致无人车无法识别周围的交通状况,而停车是基于安全的考虑和判断。不过王飞跃指出,这种情况按照规则是要扣10分的。

当然,去年在该赛段中出现的折返掉头时急打方向或者撞到施工围挡的情况依然多次发生。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,即感知和执行部分无法协同工作造成的。

从现场情况来看,最终有19支车队在规定时限内完成了比赛,而获得高速路段比赛冠军的是西安交通大学和广汽研究院合作的“发现号”。我们可以借央视的一段直播视频来对第二日的比赛情况做一个简单了解。

赛程第三日:难度升级的城乡道路模拟测试

本届比赛依然是在由国家自然科学基金委员会和常熟市政府共建的中国智能车综合技术研发与测试中心中,俗称“九宫格”的智能车测试场地进行。

在该区域内设置有起点、典型交通标线与标志、有信号灯及无信号灯平交路口、非机动车混行、避让行人、卫星导航信号缺失等路段、乡村简易道路、终点,以及汇入一定数量的人工驾驶的车流。

中国智能车综合技术研发与测试中心“九宫格”智能车测试场地中国智能车综合技术研发与测试中心“九宫格”智能车测试场地

和第二日的高速路段测试不同的是,今天参赛车辆是真正意义上的无人车,所有的车辆要根据车队提前领取的任务文件(一组包含GPS坐标的任务点列表),自主地从起点出发 ,一次通过各个任务点,到达终点。最后裁判根据时间和任务完成情况打分。

车云菌跟踪了当日的全程比赛,下面和大家简单做个复盘。和去年相比,今年挑战赛的城乡道路测试部分有下面几个重要变化:

  • 1. 避让行人这个任务点,今年由横穿人行道改为在考察路段机动车道布置模拟假人,看无人车是否能正确检测并识别行人行为,安全避让;

  • 2. 隧道场景除了全程屏蔽GPS信号外,还在入口处安置了三处施工围挡,出口处设有停车标志线,进一步增加了考察的难度;

  • 3. 新增乡村简易道路场景的测试。该道路最大坡度10%,进出均通过施工围挡引导。

通过车云菌现场观察发现,在避让行人以及横穿人行横道的骑行者这两个考点,绝大部分车辆虽然都能够胜任,但表现都较为保守,一般在距离目标行人还很远的地方就会有刹车减速的动作。当然也有部分参赛无人车并没有识别出快速移动的穿越人行横道的骑行假人,而是直接在人行横道等待线处刹停。

不过今年最难的两个考点应该是在乡村道路和隧道。我们先来看隧道这个场景。首先它是一条长度为100米的、屏蔽了GPS的模拟隧道,隧道两侧特意涂黑,加上外部光线强烈,隧道内无照明,能见度极低。而且在此基础之上,隧道入口处还放置了三排锥形桶的围挡,这意味着参赛车辆需要实时进行感知并实现精准控制,否则就会撞上隧道围挡或锥形桶障碍物。

除个别无人车表现良好之外,很多车辆一进隧道就停车或者行驶一段时间后撞上了障碍物,需要人工干预开出隧道。也有的车辆在隧道内完成情况不错,反倒是刚出隧道就趴窝了。这个考点的确是对参赛队伍的惯性导航能力有很高要求,还有就是摄像头在由黑到亮环境转变下是否会丧失识别能力。特别是隧道出口处还有停车标志线,在这种情况下无人车是否能够迅速识别及时停车,对赢得比赛也十分关键。

另一个考点——乡村道路模拟场景更是为当日的比赛增添了不少难度。首先,这条道路长度在800米~900米,有一定高度,两侧用略显泥泞的土拓宽后形成的,共有9个弧度非常大的弯道。因此这对无人车的感知和控制能力要求非常高。由于没有高精度地图的支持,因此它需要参赛车辆实时对路况进行感知并实现精准转向、刹车控制,速度也不能过快,否则很容易掉沟里。在上午的比赛中,据说是因为附近转播车对信号有干扰,有几部参赛车辆都有不同程度掉下坡道的情况发生,即使勉强通过的也出现了停车或需要人工干预完成。

车云菌为大家剪辑了几个主要场景的比赛实况,我们重点关注了一些驾驶细节和突发状况,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,简单来说很像一个求稳的新手司机。而在第三日的模拟城乡道路的比赛中,由于难度较大,最终只有14个参赛队伍在规定时间内完成了比赛,而西安交通大学联合广汽研究院参赛的“发现号”再次夺得单项冠军。

西安交通大学、广汽研究院联合参赛的“发现号”西安交通大学、广汽研究院联合参赛的“发现号”

车云观察

1. 改装后造型夸张的无人车越来越少,外观逐渐趋同于量产车型。

从上届比赛开始,线控改造的无人车已经成为了比赛主力。今年21支参赛队伍中大学和主机厂联合参赛的数量进一步增多,像同济和上汽,国防科大和红旗,清华和长安等等。绝大多数主机厂已经不只是单纯赞助车辆这么简单了,而是更多地参与到线控改造环节,所以同济大学基于上汽名爵改造的那辆Dominant,除了前车标处装有一个16线的激光雷达之外,整体外观和量产车无异。

而这种趋势,车云菌认为在未来比赛中将会成为主流。毕竟大学院校是科研的第一机构,车企与之进行深度合作能够获得人才支持,加快相关技术的研发推进;对院校来说,车企对底层系统的开发有利于其获得对无人车更高的控制能力,进一步提升自动驾驶系统的感知、决策和控制三方的平衡和配合。

同济大学的参赛车辆——Dominant号同济大学的参赛车辆——Dominant号

还有一点就是,目前无人车的改装费用很高,据车云菌了解,像业内知名的AutonomouStuff,改造一辆林肯MKZ的底盘控制系统,输出几个CAN总线的接口要价可能就在百万人民币左右,所以院校肯定希望能够获得来自车厂的支持,除了提供车源外,更高程度地开放底层控制系统是研发自动驾驶省钱高效的路径之一。

2. 多传感器融合程度逐渐提升,赛事设计越来越强调对无人车感知-规划决策-控制能力的考察。

从二三日比赛的任务点设置来看,大家不难发现,今年比赛对参赛队伍车辆的实时感知、理性决策以及精准的操控能力的要求有了更高要求。隧道场景增加了出入口的障碍物设置,平交路口增多,社会车流的引入意味着不确定性因素增多,无人车既需要在识别红绿灯、十字路口交通标志的情况下做到遵守交规行驶,同时也要应对各种突发的交通状况(譬如混行的社会车突然刹车等)。所以,在这种情况下依靠单一传感器根本无法解决问题,而只有多传感器融合才能够完成对障碍物的实时感知,进而实现决策后的精准控制。

车云小结

今年军交猛狮1号、2号队伍的缺席,似乎让人觉得有些遗憾。但比赛本身因为增加了乡村道路,提升了隧道场景的考察难度,反倒更有看点。不过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,智能汽车未来挑战赛的开办目的除了可以教育市场,普及基础知识外,更重要的是进行一些科研突破和产业前沿探索。

不过就车云菌个人来看,城乡道路和高速公路的比赛可以增加一些更贴合现实生活的动态场景,比如模拟外部环境对激光雷达传感器的影响,考察车辆在不良天气影响下的表现。还有就是有假人出现的环节,时机掌握得并不好,很多次在车辆距离行人横道还有很远距离的时候,自行车假人已经到达了另一头,失去了检验无人车应对能力的作用。即使有刹停,但在真是条件下还可能再出现另一个行人,这里对无人车紧急反应避障的能力并没有完全考察到。希望这些细小的环节在今后的无人车挑战赛中能够逐渐得到完善。

附:“2017 中国智能车未来挑战赛” 成绩单

1. 复杂交通环境认知基础能力离线测试 (11月24日)

车道线监测

第一名 iFuture(国防科技大学智能科学学院)

第二名 PCALab(南京理工大学)

第三名  途灵“TiEV”(同济大学)


交通信号检测

第一名 仙厦Smart(厦门大学&西安交通大学)

第二名 PCALab(南京理工大学)

第三名  中科车智(中科院自动化研究所)


前方车辆检测

第一名 中科车智(中科院自动化研究所)

第二名 CyberTiggo(上海交通大学)

第三名 iFuture(国防科技大学智能科学学院)


车道保持状态监测

第一名 iFuture(国防科技大学智能科学学院)

第二名 PCALab(南京理工大学)

第三名 京龙一号(北京联合大学&苏州天瞳威视电子科技有限公司)


前方车辆距离监测

第一名 中科车智(中科院自动化研究所)

第二名 京龙一号(北京联合大学&苏州天瞳威视电子科技有限公司)

第三名 PCALab(南京理工大学)


2. 高架快速道路测试(11月25日)

第一名 发现号(西安交通大学&广汽研究院)

          特立笃行号(北京理工大学)

第三名 清华苏研 (清华大学苏州汽车研究院&重庆力帆)

第四名 夸父1号 (西安交通大学&广汽研究院)

第五名 红旗三代(国防科技大学&中南大学&吉林大学)


3. 城市与乡村道路测试(11月26日)

第一名 发现号(西安交通大学&广汽研究院)

          驾驶宝(苏州市驾驶宝智能科技有限公司&苏州市职业大学)

第三名 京龙一号(北京联合大学&解放军总参61所)

第四名 祺迹WitStar(广汽研究院)

第五名 红旗三代(国防科技大学&中南大学&吉林大学)

更多评论 收起评论

我要说

欢迎您!

退出