仿真自动驾驶算法，竞逐 SAE 自驾挑战赛

2021 SAE AutoDrive Challenge™ 是一项为期多年的自动驾驶挑战赛。八支学生团队参加了这届挑战赛，他们设计并开发了能够在常见城市环境中行驶的自动驾驶汽车。终极挑战赛在密歇根大学的 MCity 测试场举行。参赛车辆在测试道路上完成了比赛。该测试道路涵盖红绿灯、街道指示牌、铁路道口及城市驾驶中常见的其他元素（图 1）。

在 2021 年度自动驾驶挑战赛中，我们德州农工大学团队在最后一项比赛中勇得第一。测试算法所用的仿真环境，是我们取得成功的关键所在。这一环境使用 Simulink^® 和 Unreal Engine^® 搭建而成，让我们可以在真实条件下测试和调试我们的感知、规划、决策和控制算法，然后在我们的赛车（由通用汽车提供的 2017 款雪佛兰 Bolt EV）上进行实际验证。通过该环境，我们还能划分开发工作，使多个团队可以协作，即使在疫情期间无法亲自接触实车的情况下，也能不间断地开展工作。

仿真自动驾驶汽车算法

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。在过去两年的时间里，这个团队一直由我的导师宋德臻博士领导。学生们以小组为单位开展工作。每个小组专注于一个特定领域的开发，如感知或同步定位与地图构建 (SLAM)。通过在仿真环境中工作，我们无需功能完善的车辆即可开发和测试算法。这也意味着，当其他小组需要基于车辆工作时，我们的工作不受妨碍。

我们的仿真环境准确地反映了雪佛兰 Bolt 的动力学、激光雷达和 GPS 传感器，以及该车辆行驶时所处的城市环境。在此环境中，我们使用了 Automated Driving Toolbox™ 中的 Simulation 3D Lidar 模块，对实车上的 Velodyne^® 激光雷达进行了建模，并且配置了 Simulation 3D Camera 模块，使其内参（焦距、光心、图像大小等）与安装在此车上的摄像头的内参相同。

在比赛的第二年，MathWorks 为我们提供了一个使用 Unreal Engine 构建的 MCity 三维模型。我们将此模型集成到了我们的仿真环境中，并且使用了 Automated Driving Toolbox 来实现协同仿真（图 2）。在开发和完善仿真环境的过程中，我们会定期与 MathWorks 应用工程师会面，获得最佳实践方面的指导和相关问题的解答。

我们使用仿真环境以各种方式来测试我们的算法。例如，在仿真过程中，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 (rosbag) 中。各小组使用这一记录数据，对他们的算法运行开环单元测试。在通过单元测试验证各个算法后，我们使用仿真环境运行闭环集成测试，以便验证多个算法协同工作以及通过 ROS 接口进行通信的情况。我们使用 MATLAB^® 对测试结果进行了可视化（图 3）。例如，一个小组基于纯追踪方法测试了他们的新版路径追踪算法，并且使用了 MATLAB 可视化对新旧算法的性能进行了比较。

展望自动驾驶挑战赛 II

自动驾驶挑战赛 II 已于 2022 年拉开帷幕。此次比赛是这一挑战赛系列的延续。届时，各团队主要在防碰撞、路径跟随和红绿灯互动方面展开较量。来自德州农工大学的团队已经加入其中，同时也完成了新老学生成员的接替。新团队将沿用在 Simulink 中进行广泛仿真的这一方法，在我们第一个团队取得成功的基础上再接再厉。