BCW 2018 | 德國學生方程式車隊講述：如何在一年內打造一款無人駕駛賽車？

*DART Racing 成員 Annemike Unterschuetz（左）以及 CTO Tu Pham（右）

雷鋒網新智駕按：2018 年 2 月 21 日-2 月 22 日，第五屆博世物聯網大會（Bosch ConnectedWorld 2018）在柏林進行，全球頂級供應商博世將諸多產業鏈的合作夥伴請到了現場共同交流與分享。

為了展示博世對於創新技術的支持，來自德國達姆施塔特大學的學生方程式車隊代表也被請到現場，簡要分享了一下他們如何用 10 個月的時間打造出一輛無人駕駛賽車。

雷鋒網新智駕根據其現場的演講進行了整理。

DART Racing 是一支學生方程式團隊，是因為要參加學生方程式比賽（Formula SAE）而特意成立的一支隊伍。Formula SAE 是針對學生的方程式賽車設計、製造、驗證、比賽的國際性賽事，80 年代首先在美國流行，後來吸引著來自全球的學生團隊參與。

DART Racing 成立於 2005 年，主要從事方程式賽車的打造和競賽，一開始團隊使用的是燃油車，到 2011 年便將動力系統替換成了電驅。到 2017 年，團隊最終將車輛打造成了全輪驅動的車型，而且支持無人駕駛模式。

DART Racing 由來自德國達姆施塔特大學的 60 多位學生共同組成，他們來自機械工程、電子工程以及計算機等專業領域。該團隊這些年參加了歐洲的多站賽事，包括德國、西班牙、英國的學生方程式比賽。

DART Racing 車隊在設計無人駕駛賽車時，其採用的一套感測器組合非常全面。

最基礎的當然是攝像頭感測器，但是因為這種感測器的效果很容易受到反射和陰影的影響，所以不得不採用其他感測器來彌補。激光雷達感測器便是首要選擇，DART Racing 車隊採用的是 Velodyne 的激光雷達產品。

其次，為了提升車輛的定位精度以及能明確了解車輛自身的狀態，賽車還配備了慣性測量裝置和慣性導航系統。

此外，賽車還加裝了一些後向感測器（包括攝像頭和激光雷達）來提升定位精度、優化整個規劃的路徑，同時還能清楚的知道賽車相較於後方的位置。

有了這些感測器套件作為基礎，搭載在賽車上的自動駕駛系統便有了可處理的各類信息和數據。賽車的計算單元作為自動駕駛系統非常關鍵的部分，DART Racing 車隊採用的是 Nvidia 的車載電腦 Drive PX2 以及 dSpace 的嵌入式電腦 MicroAutoBox II 產品。

車載計算單元可以控制賽車的馬達運轉、方向盤、剎車操作等等，車輛還有自動緊急制動系統，保證車輛的安全。

賽車整體的軟硬體協同工作的流程便如下圖所示：

當感測器和計算單元都已經準備妥當，完整的自動駕駛系統便設計完成，之後便是在模擬器上進行相關的測試。

這裡，DART Racing 團隊用到了 ROS 開源系統以及 Gazebo 模擬器，同時還用到了 MathWorks 出品的 Simulink 可視化模擬工具以及 IPG 公司的車輛測試工具，目的就是測試車輛的遠程控制、狀態追蹤等等效果。

眾所周知，自動駕駛系統需要足夠的真實車輛的數據來提升性能，但是因為是學生團隊，不是什麼大公司，沒辦法把車輛放到道路上實測，所以 DART Racing 車隊打造了一輛「Cat Car」來收集真實環境的數據。

就是下面這輛：

接下來就是測試，以「Cat Car」收集上來的圖像數據、點雲數據為基礎，測試賽車對於障礙物的識別能力等等。當然，之後還要測試賽車對於各類感測器融合數據的處理能力。

最後將整套的自動駕駛軟體和硬體搭載上車，便可大功告成。

對於 DART Racing 團隊來說，用不超過一年的時間（10 個月）打造一輛無人駕駛賽車總共包含以下七步：

在會後的交流過程中，雷鋒網新智駕了解到 Annemike 曾經在中國留過學，中文說得也很不錯，2019 年，她還將前往中國進行學習。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！