模拟SAE自动驾驶挑战赛的自动驾驶算法

2021年SAE自动驾驶挑战赛是一项多年的竞赛，八个学生团队设计和开发了能够在典型城市环境中导航的自动驾驶汽车。在密歇根大学(University of Michigan)的MCity测试设施举行的最后一次挑战中，参赛车辆完成了一个测试过程，包括交通灯、街道标志、铁路十字路口和其他城市驾驶常见的元素(图1)。

我的团队德州农工大学在2021年自动驾驶挑战赛的最后一项比赛中获得第一名。对于我们的成功至关重要的是我们用来测试算法的模拟环境。使用仿真软件构建^®和虚幻引擎^®这个环境使我们能够在现实条件下测试和调试我们的感知、规划、决策和控制算法，然后在我们的车辆上验证它们，这是一辆通用汽车(General Motors)提供的2017年雪佛兰Bolt EV。它还使我们能够对开发工作进行划分，以便多个团队可以并行工作，在大流行期间不可能亲自访问车辆时不受干扰地继续我们的工作。

自动驾驶汽车算法仿真

德州农工大学的自动驾驶挑战赛团队由70多名研究生和本科生组成，在过去两年里由我的指导老师宋德祯博士领导。学生们以小组的形式工作，每个人都专注于一个特定的发展领域，比如感知或同步定位和映射(SLAM)。在模拟环境中工作使我们能够开发和测试我们的算法，而不依赖于功能齐全的车辆。这也意味着，当其他团队需要在飞行器上工作时，这项工作不会停止。

我们的模拟环境准确地反映了雪佛兰Bolt的动态，它的激光雷达和GPS传感器，以及它将运行的城市环境。在这个环境中，我们使用了来自自动驾驶工具箱™的模拟3D激光雷达模块来建模Velodyne^®我们配置了Simulation 3D Camera块，使其具有与安装在车辆上的相机相同的内在参数(焦距、光学中心、图像大小等)。

在比赛的第二年，MathWorks为我们提供了一个使用虚幻引擎构建的MCity 3D模型。我们将这个模型集成到我们的仿真环境中，并使用自动驾驶工具箱来支持联合仿真(图2)。当我们开发和改进我们的仿真环境时，我们定期与MathWorks应用程序工程师会面，他提供关于最佳实践的指导并回答我们的问题。

我们使用模拟环境以各种方式测试我们的算法。例如，在模拟过程中，我们将来自激光雷达和GPS传感器模型的数据存储在ROS日志文件(rosbags)中。各个小组使用这些记录的数据对他们的算法进行开环单元测试。在通过单元测试验证各个算法之后，我们使用模拟环境运行闭环集成测试，以验证多个算法协同工作并通过ROS接口通信。MATLAB^®用于可视化测试结果(图3)。例如，一组测试了基于纯追踪方法的路径跟踪算法的新版本，并使用MATLAB可视化来比较新算法与前一种算法的性能。

展望自动驾驶挑战赛II

“自动驾驶挑战赛II”于2022年推出，延续了该系列比赛的重点，包括避免碰撞、路径跟随和红绿灯交互。一支来自德州农工大学的队伍已经加入，新成员接替了已经离开的学生。新的团队将使用同样的方法，以Simulink中的大量模拟为基础，以我们第一个团队的成功为基础。