在感知和运动不确定条件下的安全自动驾驶系统方案研究

DEVELOPMENT OF SAFE AUTONOMOUS DRIVING SYSTEMS UNDER PERCEPTION AND MOTION UNCERTAINTIES

丁刘辉

11849325

硕士

计算机技术

郝祁

2021-05-19

2021-06-07

哈尔滨工业大学

深圳

自动驾驶技术因其在保障安全出行、促进城市交通改善和高度便利性上有着巨大的潜力，能够带来巨大的经济价值与社会价值，近年来吸引了国内工业界与学术界的广泛关注。自动驾驶的安全性是自动驾驶研究中的一大挑战，在实际自动驾驶应用中，来自感知、数据传输和车辆运动中的不确定性综合作用于系统，将降低车辆安全性。此外，各个模块的不确定性将传播到整个自动驾驶系统中，从而导致各种安全问题。许多研究尝试在自动驾驶的单独功能模块中去捕捉和应对不确定性，比如专门针对感知或者规划去处理对应任务中的扰动，但是由于自动驾驶系统模块间的高度耦合，单独模块中的不确定性会传递到后续模块，从而形成不确定性的累积，进而导致行驶出现安全问题。本文将从整体出发，关注感知模块和规划模块中如何应对各自的不确定性因素以及如何应对感知所传递给规划过程的不确定性，解决扰动对整体系统的影响。 本论文旨在开发一套方法来提高自动驾驶系统的鲁棒性，应对感知和运动不确定性。本文的主要贡献主要有两点：（1）建立贝叶斯深度神经网络模型，该模型可以在完成感知任务的同时量化两种不确定性：模型认知不确定性和随机不确定性，并建模成高斯模型；（2）基于障碍物和自车的高斯不确定性模型，开发了考虑感知与运动不确定性的PU-RRT运动规划算法。提出的系统方案使用CARLA仿真平台在多种测试场景下进行了验证。实验结果表明，本文为自动驾驶系统提出的不确定性应对方法能够应对感知和运动不确定性的影响，在确保运行效率的同时提高了自动驾驶汽车的安全性。

The autonomous driving (AD) technology has huge potentials in dramatically improving transportation efficiency and convenience as well as urban traffic conditions, leading to various positive economic and social impacts. Recently, it has attracted widespread attentions and is creating a new industry. Above all, the safety guarantee of AD is among the top issues to be addressed. In real-world AD applications, uncertainties in perception, transmission, and execution will reduce vehicular safety. Besides, uncertainties of individual modules will be propagated into the whole AD system, resulting in various safety issues. This thesis aims to develop a set of novel methods for robust motion planning despite perception and motion uncertainties. The novelty of this work is twofold: (1) developing a Bayesian deep neural network model which can generate Gaussian models of two kinds of perception uncertainties: data and model uncertainties; (2) developing a perception uncertainty rapid random tree (PU-RRT) motion planning algorithm based on Gaussian uncertainty models of both obstacles and ego-vehicle. The developed algorithms have been verified using the CARLA simulation platform with various testing scenarios. The experimental results show that the developed motion planning scheme can cope with the impact of both perception and motion uncertainties, and improve the safety of autonomous vehicles while ensuring operating efficiency.

自动驾驶 贝叶斯深度学习 运动规划 不确定性

autonomous driving bayesian deep learning motion planning uncertainty

中文

联合培养

哈尔滨工业大学

丁刘辉. 在感知和运动不确定条件下的安全自动驾驶系统方案研究[D]. 深圳. 哈尔滨工业大学,2021.