雷鋒網按：近日，“神奇小子”George Hotz 創辦的自動駕駛初創公司 Comma.ai 在Medium 撰文分享了其開發的一款開源駕駛助理 openpilot。
據雷鋒網了解，Comma.ai 發布的第一款產品 Comma One 因為無法證明其安全性，一個月后被美國公路交通安全管理局叫停。隨后 Hotz 轉換思路，將 Comma.ai 的自動駕駛軟件進行開源，甚至還提供了一份硬件組裝指南，指導極客用戶自己動手打造一個即插即用的輔助駕駛套件。
openpilot 便是這一思路下的產物。具體來說，openpilot 能實現對油門、剎車和方向的自主控制，控制時長最高可達 6 分鐘（使用時駕駛員請注意觀察路況）。我們來看看 openpilot 是如何工作的，也希望業內的行家來評判這種方式是否靠譜。
使用中的openpilot
如何與汽車交流？
現在的市售車輛中，大多數都是通過多條控制器局域網路（CAN）總線將車輛的多個模組連接在一起的。其中一條 CAN 總線會連接在汽車自診系統（OBD-II）上，其他的則大多數被隱藏在車輛內部面板之下。
圖1：panda
openpilot 可以用 NEO 或 panda 作為 CAN 的接口。由于 openpilot 采用開源設計，因此它還能支持OpenXC、Kvaser 或者 CANBus Triple。
在 openpilot 最先支持的本田思域和 ILX 兩款車上，所有的通訊只需要兩條 CAN 總線就能完成，一條是車輛 CAN 總線，一條則為雷達 CAN 總線。不過，其他車輛可能會有所不同。
汽車能說哪國語言？其實 CAN 是一種非常簡單的協議，只靠一條總線，任何設備都能給局域網路上的其他設備發送信息。信息內會含有標識符，標準的 CAN 協議識別符長度為 11 比特，擴展版則為 29 比特。一條信息最長為 8 字節。
標準的 CAN 信息
標識符會決定如何解析信息，而DBC文件是指定解析方法的標準方式。下面這段代碼就是從參與測試本田思域的 DBC 文件中截取出來的，從中我們可以看出轉向控制包是如何解析的：
BO_ 228 STEERING_CONTROL: 5 ADAS
SG_ STEER_TORQUE : 7|16@0- (1,0) [-3840|3840] '' EPS
SG_ STEER_TORQUE_REQUEST : 23|1@0 (1,0) [0|1] '' EPS
SG_ CHECKSUM : 39|4@0 (1,0) [0|15] '' EPS
SG_ COUNTER : 33|2@0 (1,0) [0|3] '' EPS
這段代碼第一行的信息標識符是 228 或 0xE4，其他四行則展示了將四個字段打包填充進 5 字節信息的方法。
如果想看到更多解析 CAN 信息的代碼，可以在 GitHub 上搜索 can_parser.py 和 dbc.py。
如何完成精確的轉向？恐怕你已經注意到，轉向控制包并未指定車輪轉向的精確方位，它控制的是傳導到車輪上的扭矩。這確實是許多車輛轉向時的控制方式，不過這里還需要額外加入一些控件來打造閉環控制系統。此外，CAN 總線上也已經整合了車輛的轉向角度。
BO_ 330 STEERING_SENSORS: 8 EPS
SG_ STEER_ANGLE : 7|16@0- (-0.1,0) [-500|500] “deg” NEO
這樣一來，預定角度、當前角度和扭矩控制都齊全了，很適合打造 PID 回路。不過，由于扭矩較小，因此只使用 PI 回路就行。
如果想看到更多 PI 回路的執行方法，可以在 GitHub 上搜索 latcontrol.py。
ROS 2.0說了這么多，我們也該談談 openpilot 的架構。
初看下來，它與 ROS（機器人操作系統）非常相似，不過后者 有些臃腫，而且自定義的消息傳遞系統和輸入系統也不招人喜歡。
在 openpilot 上，開發者用了 ZMQ 發布/訂閱模型來處理信息傳遞，輸入上則用到了 cap’n proto。有趣的是，ROS 進化到 2.0 時代后，也會用到相同的解決方案。
車輛抽象層在設計指出，研發人員就希望 openpilot 能與不同的車輛進行“交流”。如果想了解車輛抽象層的相關代碼，可以到 GitHub 上搜索 car.capnp。
自適應巡航（縱向）在 openpilot 中，開發者將油門/剎車與轉向進行了分離。縱向控制上與傳統車輛無異，這里也沒有用到神經網絡。
開發者還在 GitHub 上公布了 radard.py 的相關代碼，它可以用來解析車輛雷達傳來的信息。同時，它還與視覺系統進行了基本的融合，最高可以回傳兩輛前車的位置信息。
有了這些信息，自適應巡航系統就能決定行駛時車速的高低了。
視覺系統（橫向）visiond 負責控制神經網絡，不過由于商業模式的原因，這部分采用閉源設計，但 API 是開源的。
struct ModelData {
frameId @0 :UInt32;
path @1 :PathData;
leftLane @2 :PathData;
rightLane @3 :PathData;
lead @4 :LeadData;
...
借助視覺系統，openpilot 可以順利完成路線規劃，同時對左右車道和前車的方位，它也能了如指掌。
借助 pathplanner.py 代碼，各種路線選擇被整合到了一起，隨后它會完成最佳方案的選擇。同時，latcontrol.py 代碼還會為車輛設定路途中的目標點，隨后汽車會跟著這些目標點前行。當然，現在這套系統還有很大的進步空間，未來會加入更多復雜的控制策略。
整合manager.py 負責控制車輛的啟動和停止。Boardd、sensord 和 visiond 三個代碼都可以與外界進行交流，loggerd 則負責記錄數據供機器學習使用，plannerd 則負責告訴車輛目的地在哪。controlsd 是與車輛交流的主過程，車輛啟動后它就會一同運行起來。
雷鋒網推薦閱讀：
Comma.ai開源后國內首個嘗鮮者，嗅到自動駕駛新商機？
