ART自动驾驶感知模式的应用研究

ART自动驾驶感知模式的应用研究

孙宇瑾，倪用星

（天津港第二集装箱码头有限公司，天津 300456）

摘要：自动化集装箱码头的主力装卸设备为智能水平运输机器人（Artificial Intelligent Robot of Transportation , ART）。在集装箱码头作业时，既要做到在相对复杂的作业场景下，能够实时精准感知动态、静态障碍物，避免与岸桥、轨道桥、堆场围栏及人工集卡车辆发生剐蹭、碰撞，做到安全行驶，保证运行期间的稳定性；又要做到保证生产作业效率，准确识别障碍物，合理设置感知参数，避免因激光雷达误检造成车辆停车，人工介入处理，影响整体作业的流畅性。因此，兼具安全行驶与高效运转特性的感知系统及感知参数设置，成为了当前自动化集装箱码头运行的关键。本文将根据现场运行的特点，针对激光雷达感知障碍物的特点及误检情况进行分析研究，提升车辆感知障碍物的准确性，保证生产作业高效流畅运行。

关键词：自动驾驶，感知避障，安全行驶，高效运行；

Research on the application of ART autonomous driving perception mode

SUN Yujin, NI Yongxing

(Tianjin Port Second Container Terminal Co., Ltd, Tianjin,300456)

ABSTRACT:The main loading and unloading equipment of automated container terminals is the Artificial Intelligent Robot of Transportation (ART). When operating in a container terminal, it is necessary to be able to accurately perceive dynamic and static obstacles in real time in relatively complex operation scenarios, avoid scratches and collisions with quay cranes, rail bridges, yard fences and manual container trucks, and achieve safe driving and ensure stability during operation; It is also necessary to ensure the efficiency of production and operation, accurately identify obstacles, reasonably set perception parameters, and avoid vehicle parking and manual intervention due to lidar misdetection, which affects the fluency of the overall operation. Therefore, the perception system and the setting of sensing parameters, which have the characteristics of both safe driving and efficient operation, have become the key to the current automated container terminal operation. According to the characteristics of on-site operation, this paper analyzes and studies the characteristics and false detection of obstacles perceived by LiDAR, so as to improve the accuracy of vehicle perception of obstacles and ensure the efficient and smooth operation of production operations.

Key words：autonomous driving, obstacle avoidance, driving safety,efficient operation.

引言：

近些年，自动驾驶技术正在飞速发展。目的是为了减少交通事故的数量，降低其严重性，减少有害物质排放等。作为交通运输领域的重要一环，港口行业同样在持续探究

，自动驾驶技术能为码头生产运行的提升带来什么样的帮助。除去降低事故率、减少有害物质排放外，降低集卡司机的人工成本从而提升净利润成为了众多港口推动自动驾驶技术发展的关键。

然而，自动驾驶技术并未完全成熟，应用到复杂的港口作业环境下更是如此。例如：岸桥下作业时，由于多台岸桥并线作业，对惯性导航信号接收产生较大影响。当定位受到影响单车出现偏移时，是否能够第一时间感知到相邻车道车辆，及时停车，避免发生剐蹭、碰撞事故；行驶进入人工锁岛进行摘挂锁流程时，如单车出现定位跳变，能否及时刹停，避免车辆与锁岛发生碰撞，伤害锁岛工人；场地内运行时，如感知到飞鸟、杂草等不影响车辆行驶的障碍物时，是否能够通过参数调整进行及时过滤，不会因误检停车影响作业流畅性。

以上这些运行过程中出现的真实情况，反映出兼具行驶安全与作业高效，是当前自动驾驶技术推广应用到码头作业场景下的关键。因此，作为自动驾驶技术核心之一的感知能力成为了解决问题的关键。本文将从感知硬件的布置使用以及对环境感知能力的分析研究，提升自动驾驶设备在港口作业时的感知能力，做到快速精准判断障碍物，保证安全的同时提升作业效率。

1.激光雷达的工作原理；

激光雷达，即LIDAR（Light Detection and Ranging），是单车运行期间为感知系统提供动态参照物及障碍物位置的核心元件，是一种以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，做一定的处理后，获得目标的有关信息，如目标距离、方位、高度、速度、姿态及形状等参数，从而对障碍物、移动物体等目标进行探测、跟踪和识别。通过测量激光束在空中的飞行时间，可准确计算目标物体到传感器距离[1]。

d = ct /2

d：距离；c：光速 ；t：激光束的飞行时间

与普通微波雷达相比，激光雷达由于使用激光束，工作频率较微波高出许多，因此具备以下优点：

（1）分辨率高，精度高：角分辨率可以达到0.1°，即可以分辨3km距离以上相距5m的两个目标，并可同时跟踪多个目标，此项功能微波雷达并不具备。分辨率高是激光雷达最显著的优点；

（2）抗干扰能力强：较微波雷达，具备更好的抗电磁波干扰能力，自然界中对激光雷达起到干扰作用的信号源较少，能够最大限度保证雷达感知状态不会受到天气变化影响，保证感知状态稳定；

（3）获取信息量丰富：可直接获得目标的距离、角度、反射强度、速度等信息，生成目标的多维图像。下面，我们将根据单车运行状况，对激光雷达起到的安全感知防护作用进行分析。

2.ART车辆激光雷达布置模式；

（1）ART激光雷达的布置数量及位置；

每台ART布置4台激光雷达，分别布置在单车的四个角：

1>单车右前左后布置垂直竖扫激光，如下图所示；

2> 单车左前右后布置水平横扫激光，如下图所示；

（2）垂直激光与水平激光感知区域说明；

垂直激光和水平激光在车辆上的配置用于提供更全面的环境感知和障碍物检测:

1>垂直激光通常被用于扫描车辆上方的环境和障碍物。这些激光传感器会发射激光束垂直照射车辆周围的区域，以检测车辆上方的集装箱、岸桥、轨道桥等障碍物信息，以及提供车辆定位时所需要的车道线的信息；

2>水平激光则用于扫描车辆水平方向的环境和障碍物。以侦测周围行驶道路上的障碍物，比如其他车辆、围栏、地面解锁站等，提供对车辆周围水平方向的感知和识别。同时水平激光可以提供自动驾驶定位所需要的参照物信息。

3.感知功能的应用：

（1）感知避障：自动紧急制动系统（Autonomous Emergency Braking，AEB）是一种车辆安全技术，其设计目的在于在发现潜在碰撞威胁时自动触发制动系统，以减轻碰撞的严重程度或完全避免碰撞。AEB系统通常使用激光传感器来感知车辆周围环境，用来实时感知车辆周围的其他车辆、障碍物等信息。激光捕获的信息被传送到自动驾驶系统进行实时分析。系统通过算法对所收集的数据进行处理，评估车辆与周围环境之间的距离、速度、方向等参数。自动驾驶会根据收集到的数据和结果来评估潜在的碰撞风险。这涉及识别是否有碰撞威胁，以及计算时间和距离等参数，判断是否需要采取紧急制动措施。当AEB系统确定障碍物的位置距离车辆较近时，自动驾驶会触发制动系统，紧急制动使车辆完全停止，避免发生碰撞等严重后果。

如下图所示，自动驾驶根据车辆当前的运动信息，包括速度，航向角，运动误差等信息，对车辆未来两秒的时间进行运动预测，当车辆预测范围内有障碍物入侵后，AEB即被触发，自动驾驶判断前方存在危险障碍物，车辆采取紧急制动的方式停车。

图3.1 激光雷达感知障碍物点云图

（2）辅助定位：激光定位是一种利用激光传感器和激光测距技术来实现位置定位的方法，激光定位技术通常具有较高的精度和准确性。这种定位方法通常涉及激光传感器发射激光束，测量激光束到达目标物体并返回传感器的时间，通过测量光的传播时间来计算距离，从而确定物体的位置

[2]。在码头环境下，激光定位可以与地图匹配技术结合使用。这意味着将实时获取的激光测距数据与预先创建或存储的地图进行比对，以确定物体相对于地图的位置和方向。如下图所示，车辆通过在岸桥下扫描到的围栏位置信息，与事先构建的地图中的围栏信息进行匹配，来获得车辆的相对位置信息。

4.感知过滤方案及措施

（1）飞鸟过滤:在车辆运行过程中，多次出现感知飞鸟触发AEB停车的情况，对现场作业效率造成影响。为提高现场的作业效率，自动驾驶新增飞鸟过滤功能；

首先通过使用机器学习的方式，特别是计算机视觉领域的深度学习模型，收集现场大量包含飞鸟和实际障碍物的数据。通过训练模型，使其能够准确地区分飞鸟和其他障碍物。

同时运用速度和运动检测，利用飞鸟与其他障碍物的运动模式之间的差异，对检测到的物体进行速度和运动模式分析。飞鸟通常具有独特的飞行轨迹和速度模式，可以使用这些特征来排除飞鸟。

在自动驾驶可以将飞鸟识别出后，通过分类标记和过滤设置，在系统中针对飞鸟的识别结果设立一个特殊的分类标记，并为此类对象设定一个规则，指示自动驾驶在识别为飞鸟时不触发AEB。这需要根据传感器数据和算法的输出，设立相应的过滤器来排除飞鸟干扰。

（2）雨天模式开发：为保证车辆能够在雨天的情况下正常作业，减少由于激光检测到雨点造成AEB误触发的情况，自动驾驶新增雨天模式，在雨天模式下，单车能够明显减少因误检测到雨点造成触发AEB的情况。

首先通过激光传感器参数调整，调整激光传感器或雷达的灵敏度和扫描范围，以减少对小型、快速移动的物体（如雨滴）的响应。调整传感器的工作范围和灵敏度可能有助于过滤掉雨滴识别为障碍物的情况。

同时通过速度和运动分析，针对雨滴或水珠的特性，比如它们通常是快速运动且不具有特定的形状或模式，开发算法来分析运动特征。这些特征可以帮助系统区分雨滴和实际障碍物。考虑到雨天和干燥天气下环境的不同，例如雨滴可能在特定高度和密度下出现，利用这些环境特征来辅助系统判别传感器数据中的雨滴。

通过上述方法，能过将雨天情况下的雨滴过滤掉，不再将此类点云发送至自动驾驶处理，有效减少由于雨点造成的触发单车AEB的情况

图4.1 未开发雨天模式点云密集

图4.2 雨天模式开发后雨滴过滤

（3）噪点过滤：激光传感器在工作过程中可能会受到一些异常噪点的影响，这可能包括硬件问题、环境干扰或传感器本身的限制，此类噪点同样会造成异常触发AEB的情况。此类情况一般采用滤波器技术对激光数据进行处理，例如使用均值滤波、中值滤波或高斯滤波等算法，平滑数据并消除异常噪点。同时考虑到激光传感器在时间上的连续性，可以通过时间序列分析方法来检测和校正异常噪点，排除不连续或不符合数据趋势的数据点。

结论：

兼顾安全与高效的行驶，是推动自动驾驶行业从应用到普及的关键一步。随着感知能力的提升，ART的整体运行平稳，人工介入接管的情况有效降低，生产作业的流畅性得到较大提升，全年集装箱吞吐量较上年增长一倍，为自动驾驶在港口行业的推广发展提供了模板，同时也为全球自动化码头的改造提供了范例。

参考文献：

[1]甄先通，黄坚，王亮，夏添.自动驾驶汽车环境感知[M].北京：清华大学出版社，2021.

[2]李晓欢，杨晴虹，宋适宇，马常杰.自动驾驶汽车定位技术[M].北京：清华大学出版社, 2021.