本文将为大家介绍园区低速自动驾驶高性价比方案。主要分为四个部分：
方案综述系统能力主要功能技术特点
ENJOYTHEFOLLOWING
金瑞麒智能科学技术有限公司定位于低速高性价比的自动驾驶技术应用解决方案提供商。金瑞麒携手百度Apollo团队，开发出高性价比L3级别自动驾驶方案（下称金瑞机L3方案）。通过对技术路线、产品方案、器件选型等进行综合优化的方式，在自动驾驶系统成本和落地应用效果之间作出平衡决策，达到针对景区，园区等特定封闭场景的最优化系统配置，解决了目前市场通用自动驾驶技术成本过高导致无法大规模落地应用的关键问题。
实际应用场景：希望实现接近于任意景区场景的低成本的低速自动运营驾驶方案，自动驾驶的运营系统要求实现无人跟车，自动召唤，自主还车，通过自动驾驶实现车辆的调度，提升客户的驾驶体验和还车的效率。每个景区原则上保留一名管理员来负责调节自动驾驶的场位问题。
系统能力和标准：金瑞麒低速自动驾驶高性价比方案实现了L3级自动驾驶（SAEJ）的核心能力。即驾驶自动化系统在其设计运行条件内持续地执行全部动态驾驶任务，且具备与所执行的横向或纵向运动控制相适应的部分目标和事件探测与响应的能力。系统具备完成车辆驾驶所需的感知、决策和执行等行为的能力，主要包括：
障碍物的识别及响应(objectdetectionandresponse)行人和车辆的识别及响应(pedestrianandvehicledetectionandresponse)车辆横向运动控制(lateralvehiclemotioncontrol)车辆纵向运动控制(longitudinalvehiclemotioncontrol)驾驶决策(drivingdecision)行程规划和导航功能(pathplanningandnavigation)
第一是虚拟车道保持的功能，金瑞麒针对景区/园区路网通常以非结构化道路组成的特点设计虚拟车道保持随功能。不像乘用车和商务车在街道上驾驶，通常有比较良好的标线，在园区的场景下通常不具备这种情况，因此采用虚拟车道线来实现该功能，允许车辆在封闭景区内部道路中预先设定好的可支持自动驾驶的虚拟车道内进行自适应巡航(纵向运动控制)和方向保持（横向运动控制）。和传统的通用自动驾驶相比，放宽了对路的要求，不再要求景区有统一的道路区划的标准，同时能支持一些特定的园区道路设计标准，支持小弯道转完和原地掉头的特殊化的道路要求。
这个方案整体基于一个简化版的高清地图，以及定位增强方案。虚拟车道线的保持功能可以让园区根据自己的需求来灵活定制和调整自动驾驶运营的方案，同时显著地提升自动驾驶运营的效率。以目前情况来看，从车辆运抵景区到实现景区的运营，四个小时能完成全部的部署工作。
第二是低速导航辅助驾驶，金瑞麒针对景区/园区实际道路用户交互环境特点设计低速导航辅助驾驶功能。该功能允许车辆在设计运行范围内，按照导航规划的路径自动巡航驾驶。和传统通用自动驾驶技术辅助驾驶功能相比，金瑞麒L3方案更专注于行人、低速车辆、非传统道路障碍物为主的园区场景，重点优化感知识别、行为预测、决策策略及控制执行等技术领域。
第三是基于视觉融合的主动安全，金瑞麒低速自动驾驶高性价比方案主动安全体系涵盖地理围栏、驾驶主动安全两大特性功能，将最大限度保障用户的安全。金瑞棋L3方案驾驶主动安全功能主要目标是保障车辆在自动驾驶和手动驾驶时，能够对车辆周边的运行环境进行监控感知，识别障碍物，限制车辆的运行速度和方向，保障周边行人、乘客和车辆的安全。
相比于传统车辆的区域级地理围栏的方案，改方案可以把整个的控制精度降低到10cm，真正做到道路级别的高精度地理围栏的限制。在实际景区的应用中，这套系统可以有效地阻止运营车辆驶入湖边，悬崖，玻璃栈道等危险区域。同时UI设计结合了一套低交互系统来引导乘客向正确安全的区域行驶，阻止车辆向危险区域行驶。
第四是远程平行驾驶及车队管理，平行驾驶的功能是实现远端的车端的交互，交互的方式可以采取指尖操作的指令，或者间接操作的指令，比如下发路线规划的形式与车辆进行交互，这是借助方案中已经完成的感知，控制，通信的模块，远程应急处理和车辆平行驾驶的功能。车队管理功能主要依托于金瑞麒L3方案中车辆软件平台和基础数据平台完成对车辆的监控和管理，主要功能包括：车辆告警上报和查询、车辆状态实时查询、车辆检测和问题分析、车辆状态及轨迹回放、日志提取、配置下发、运营实时风险监控、零部件供应链管理、远程控制、车辆调度等功能。
金瑞麒低速自动驾驶高性价比方案采用自底向上的方式构建完整的低速自动驾驶技术栈。研发团队具有完整的自动驾驶方案研发全栈能力，同时已经开发完成支持金瑞麒L3方案量产配套的完整工具链。
首先介绍技术架构。公司的技术架构是一个非常全面的体系。左边是整体的技术架构体系，其中包含了橙色的部分的机械的结构层以及电器的硬件层，以及绿色的软件部分的一个组件，包括人机交互软件用（前端）、自动驾驶算法软件层、系统业务软件层、车体平台软件层、嵌入式软件层以及云端运营管理系统（后端）以及运营知识系统，包括运营到生产的知识系统。右边是算法体系，算法体系是在Apollo主要的系统框架之上补充一些特殊适配于安全算法体系、定位算法体系以及优化的决策算法和控制算法，整体是一个非常全套的自动驾驶开发的应用站。
底盘机械结构设计：相比于传统的乘用车的底盘是比较特殊的，金瑞麒针对景区/园区道路可能出现的狭窄、人流密集等情况下的自动驾驶系统要求，针对性的开发出基于双电机差速控制模型的自动驾驶线控底盘。主要技术特征是相比较与传统观光车辆构型，克服了阿克曼转向运动模型中的非完整性约束，使整车转向更为灵活易操控，可实现类似原地调头等传统车辆底盘无法实现的运动轨迹控制。同时打破了传统线控的功能，包括线控驱动和线控转向，这几个部分分别需要独立的零部件来实现。这些功能其实都集成在电机的控制之上，使整个车的硬件底盘成本大幅度地降低。
整车控制系统：金瑞麒L3方案中底盘各模块间采用自主研发的双总线通信协议连接，将硬件组件分成独立的域，各域可控制相应模块独立工作，亦可以支持跨域通信和硬件功能冗余备份，从架构层面做到了软硬件解耦合的设计模式。双总线方案中各组件通过CANBUS及千兆以太网进行级联，基于总线的拓扑方式可以做到后续方案功能升级时，可不修改原有硬件直接进行扩展，从而实现对于金瑞麒自动驾驶线控底盘和通用自动驾驶线控底盘的兼容控制。整车控制系统可以实现联网在线固件升级（OTA）功能。
自适应控制系统：金瑞麒针时景区/园区行驶路况的不确定性和道路交互环境的复杂性（例如景区的人车混行道路和人流量较大行人道等），同时针对轻型载客车辆在不同负载及路面工况环境下运行时底盘输出力矩波动较大的问题，金瑞棋L3方案结合特有的差速运动控制模型创造性地设计了纵向-横向控制结合的自适应控制系统。与传统车辆控制系统相比较，无论是从能达性和观测性，还有最小实现和系统辨识这些层面来看，都能实现比较精准的控制。控制方案的核心主要是根据自身的算法跟踪电机和驱动实施响应曲线，通过误差和误差变化率对底盘的控制系统和电机的驱动速度环来进行模糊控制。通过特有的模糊逻辑判断系统确保输出量在经过模糊消除器之后达到一个精准的值，保证底盘功能的安全特性。这套控制系统与主动安全系统紧密结合，直接在执行层增加对于安全限速的保护机制，从控制原理上实现了底层安全的防护。
基于精简高精地图的自主感知避障：精简的高精地图是在原有的高精度地图的基础上，保留了原有设计的接口和文件格式，同时考虑到和原有相对地图采集路线相类似的办法，创作出来的HDmapLite方案。这个方案和高清地图拥有同样的文件格式，但是取消了其中一些点云以及其他信息，保证了车辆能够支持运营的最简单的地图环境，环境优势是我们可以使用我们的车辆在运抵景区时候对环境进行采集，我们的方案支持多车道的构建，支持控制的特写，以及途经地点，复杂网络等功能，包括支持可变路宽，支持零转弯半径的路径规划，支持不规则的路口，支持工况可行域，以及车道内的避障和车道间的避障。这个和方案中的虚拟车道保持功能是相对应的。同时支持多障碍物的绕障和避障，是和主动安全以及车道级地理围栏功能相匹配的功能。
高精度地理围栏技术：通过对用户的引导，使用户尽量不靠近危险区域；同时在靠近危险区域的时候，能够计算线角速度值安全阈值，使得车辆在到达危险区域之前进行停车处理。
传感融合技术：整体的方案，传感器的配置，包含一个前置的双目摄像头，用于感知车道内的障碍物情况；全车环绕的11支车规级的超声波传感器，形成了°的环绕探测。针对超声波方案进行了底层算法的优化，因为相比于毫米波雷达、或者激光雷达，超声波传感器分辨率较低，方案最大的挑战在于如何使用超声波这样低分辨率、精准度不高的元器件和视觉做结合，达到一个较好的融合效果。围绕底层做了很多工作，包括采取很多阈值调整方案，解决了超声波和地面之间的回波干扰问题，以及车辆之间的串扰问题；同时通过时钟同步的方法，避免了使用高成本的编码式超声波传感器，在保证安全可靠的情况下，提升方案的性价比。
定位增强技术：方案应用场景不同于道路场景，在景区里面可能存在部分路段植被覆盖较多，以及景区开放水域、玻璃、木桥较多等情况，可能引发卫星导航系统的多路径效应；我们的方案整体采用了EKF（扩展-卡尔曼滤波）的方法将车体定位问题建模成利用车体运动模型与传感器观测模型以及实际传感器观测数据之间的数据融合，以期获取可靠的定位。目前主要是RTK+IMU，以及车辆的活动的融合，可以扩展为结合视觉里程计的方案。采用该方案之后，车辆在景区里面相当于增加了可自动驾驶的可行域的范围。
深度学习技术：主要针对场景做模型的优化，针对实际景区场景内特有的障碍物、行人、低速车辆路边石墩、宠物等等做特定化的训练。
特有的优势：形成面向景区的车队级部署，从而形成整个自动驾驶数据集的采集、标注、训练的完整平台，依托数据采集标注平台数据资源进行海量识别训练和机器学习建模，，完成整体的采集，初步的标注，以及精标；训练测试部署一个完整的流程之后，OTA返回到运营的车辆上，打通整个智能漫游车的研发、产品、数据的完整闭环。
全栈式自动驾驶软件平台：金瑞麒L3方案车辆软件平台是由日志系统、系统资源管理、整车状态机、通信安全、告警系统、配置管理等功能在内的技术模块组成的软件集合的总成，处于车辆软件系统的枢纽位置，将云端、用户界面、自动驾驶系统和车辆底盘控制系统有机紧密的联系起来。
配套软件解决方案：金瑞麒L3方案涵盖配套小程序、平台入口，完成“租车流程、用车流程、还车流程”闭环，并在车端设计了完整的UX交互设计，语音控制等功能，接入景区基于地理位置的服务和POI点相关的内容推送，包括景点的相关文字、语音及视频形式的导览内容，同时可以包含周边商家、服务的智能推荐功能。
基础数据平台：平台分为应用层、中间层和底层，现在有一套自建的平台，正在考虑和Apollo合作，使用Apollo统一的管理平台。
自动驾驶安全体系：安全体系为了实现项目所需的自动驾驶安全能力，是从安全设计、安全运营两大方面来构建自动驾驶安全体系框架。开始时确定了比较明确的设计使用阈，也就是ODD的场景，对于运营场景中的实际情况和安全范围做了精细的确定和描述；在此基础上，从行为安全和功能安全上给出设计预期。在方案过程中，借用了责任敏感型的安全模型，RSS模型，提供可验证的安全决策方案，使项目在自动驾驶状态任务中做出符合安全的决策；在安全方案设计之初，将自动驾驶的整车可能的各种失效进行分析，分解到各个系统模块，各硬件软件，使用包括FEMA和STA，SEMIEDA安全的标准来进行自顶向下的安全评估。在安全阈顶方面通过诊断报警功能实现对于自动驾驶系统的监测，通过足够的系统保证，在系统发生失效的时候，安全系统能够通过定义安全策略，改变相对应的安全状态，来触发停车的安全机制。