无人驾驶技术入门（九）｜ 与生俱来的VCU信号

  在之前的技术分享中，传感器都是安装在汽车外或车内的。而这次要介绍的是汽车生来就具备的传感器信号，即从汽车控制单元（Vehicle Control Unit，简称VCU）中获取的信号。   VCU的另外一个名字是“行车电脑”，它通过CAN总线与汽车的发动机、变速器、油门踏板、制动踏板、车身控制器等各种电子设备通信，读取各个控制单元的工作状态，并在需要时对它们进行控制。如下图所示。 图片出处：http://www.hirain.com/sts/136 如果把汽车比做人，那么VCU就是人的大脑。这里记载了汽车底盘的状态（车速、油门踏板开度、制动踏板状态、方向盘转角等）、汽车车身的状态（车门状态、车窗状态、前照灯状态、转向灯状态等）以及发动机的状态（转速，输出扭矩、燃油消耗等）。   汽车的VCU作为上层算法和底盘控制的接口，不仅承担着控制汽车加减速、转向的工作，还承担着将底盘信息精确且及时传递到算法层的工作。接下来我会从VCU信号的类型和VCU信号的应用两方面进行讲解。 VCU信号的种类 百度Apollo 2.5中提供的VCU信息（ChassisDetail）如下： https://github.com/ApolloAuto/apollo/blob/master/modules/canbus/proto/chassis_detail.proto 汽车类型 Type 从图中可以直接看出当前Apollo 2.5已经能够支持两种国内车型分别是奇瑞EQ和长安睿骋。 由于不同车型的动力系统、尺寸、功能配置都不尽相同，而且安装各种传感器的位置、角度也会存在差异，因此需要根据这个Type值向无人驾驶系统中导入不同的参数，这样才能保证计算的准确性。   基本信号 BasicInfo 基本信号包含的信息有当前的车辆驾驶状态、发动机状态、安全气囊状态、里程数、ACC按钮状态、LKA按钮状态、GPS信息。 个人认为在BasicInfo中最重要的信息是车辆驾驶状态和GPS信息。车辆驾驶状态是“汽车是否处于无人驾驶状态”的一个标志，由于汽车经常需要在有人驾驶和无人驾驶中进行切换，因此需要设置一个标志位来反映这种状态，这样汽车的VCU才能更正确地对油门、刹车这类影响安全的机构进行控制。GPS的信息与无人车的“定位”问题强相关，虽然自车的GPS信息有时候不太准，但并不能因此动摇了它在无人驾驶系统中的地位。   安全相关 Safety 与安全相关的数据包含车门、引擎盖，后备箱是否关闭，司机和乘客的安全带是否系上、四个轮胎的胎压是否正常、电池是否有电、车辆的驾驶模式。 值得一提的是车辆的驾驶模式。之前的BasicInfo中已经有了车辆驾驶状态，分为自动驾驶和人为驾驶。这里的驾驶模式还有一个中间状态，即半自动驾驶模式，即无人驾驶系统只控制方向盘或只控制油门和刹车踏板。比如自适应巡航（ACC）功能，就是一种半自动驾驶模式。半自动驾驶模式能够将汽车的横向控制（转弯、换道）和纵向控制（加速、减速）解耦，即单独地进行一个维度的调试，这样可以提升工程师的调试效率。   变速箱状态 Gear 变速箱状态直接影响车辆的行驶。例如车辆停车时，需要给变速箱置位P档的消息；当汽车泊车时，需要在D挡、R挡之间来回切换。   发动机管理系统 EMS EMS用于查看当前发动机的状态，比如发动机的转速。   车辆电子稳定系统 ESP 用于查看和控制车辆电子稳定系统的状态。   油门踏板开度 GAS 通过控制油门踏板的开度，可以实现加减速。同时可以反馈无人驾驶状态下，测试员是否接管了油门踏板。   电子手刹 EPB 用于查看电子手刹的状态。一般会在控制车辆运动时，查看电子手刹是否释放。   制动踏板开度 Brake 用于查看和控制制动踏板的开度。反馈无人驾驶状态下，测试员是否接管了刹车踏板。   制动压力 Deceleration 用于查看当前制动器制动压力的大小。   汽车速度 VehicleSpd 汽车速度信号除了包含速度数值外，还包含当前汽车的行驶方向、四个轮胎的速度、偏航角的变化率（YawRate）等。   电动助力转向 EPS 电动助力转向信号包含了当前方向盘的转角、转角的变化率和驾驶员施加的扭矩。当处于无人驾驶状态时，控制器需要给EPS系统输入转动方向和转动角度。   信号灯 Light 描述车身上某些电器设备的信号，比如前大灯、左右转向灯、雨刮器的档位开关、喇叭开关。特斯拉就是通过读取拨杆（左右转向灯）状态获取驾驶员换道意图的。   电池状态 Battery 用于查看电池电量的百分比，燃油量信息。 周边环境状态 Surround 某些具备ADAS功能（如盲点辅助预警，偏离车道预警）的车型，会有将部分预警信息存于该信号中。安装在汽车车身上的超声波雷达的消息也存在该信号中。 以上列出了大部分汽车VCU所具有的信号。VCU的信号因车而异，越豪华的汽车，由于其具备的传感器越丰富，所能提供的VCU信号也将越丰富。   VCU信号的应用 无人驾驶中常用的VCU信号有如下几个：汽车车速、汽车方向盘转角、汽车航向角变化率、油门踏板开度、制动踏板开度等。   不同的场景，会对数据有不同的应用方式。这里主要介绍两大类应用方式：障碍物运动状态计算和航位推算。   障碍物运动状态计算 车载传感器（激光雷达、毫米波雷达、摄像机）检测的障碍物速度都是相对速度，因此需要结合自车车速才能确定障碍物的绝对速度，进而根据绝对速度确定障碍物的运动状态（静止、靠近、远离）。   以毫米波雷达的数据为例，在自车坐标系下自车的车速用蓝色的箭头和字母表示，障碍物位置和障碍物速度和速度在x方向与y方向的分量用绿色表示。 将自车车速v和障碍物速度在x方向上的分量进行叠加，即可得到障碍物在x方向上速度量的绝对值。如下图中黑色的Va所示。 接下来可以通过判断Va的大小和方向，进而得到当前的障碍物在实际的交通场景中的运动趋势。   航位推算 航位推算（Dead reckoning，简称DR）是指在丢失定位的情况下，使用自车传感器的信息，推测当前时刻，自车所在位置与上一时刻所在位置的相对关系。   在介绍航位推算时，先需要了解汽车的运动学模型。汽车的运动学模型一般是四轮模型，不过为了计算的方面，很多情况下，工程师会将四轮模型简化成两轮模型，即自行车模型。   借用CSDN博主AdamShan所绘制的自行车模型，如下图所示。 图片出处：https://blog.csdn.net/AdamShan/article/details/79083755   由图可见汽车的车轮转角为δf，但这并不意味着汽车的运动角度为δf。   分别做垂直于后轮和前轮的射线，这两根射线会交于O点，两轮模型会绕O点进行运动，在短时间dt内，可以认为O点不动。连接O点和汽车的质心成一条线段，实际汽车的运动方向v将垂直于该线段。运动方向ψ与车身方向所成的夹角β，这个角度一般称为偏航角。   基于先前的假设可以推到出β和δf的近似关系如下： 假设t时刻的汽车的状态为xt，yt，经过dt时间后的t+1时刻，状态为xt+1，yt+1，则他们之间的关系为： 根据以上理论即可在丢失定位信息后的短时间内，依靠自身的传感器信息，进行位置和位姿估计。   当然VCU信号不止以上两种应用，更多的应用会在后续传感器信号处理时介绍，请持续关注~   以上内容对汽车VCU的信号做了简单介绍。作为汽车与生俱来的传感器，好好使用这些信号不仅能极好的控制汽车，还能够通过车载信号灯与外界进行交互。   好了(^o^)/~，这篇汽车VCU信号的分享就到这里啦。