多傳感器數(shù)據(jù)融合的智能電動(dòng)車(chē)自主導(dǎo)航

葉美松， 肖世德， 張志峰， 趙 陽(yáng)， 王鴻雁

(西南交通大學(xué) 機(jī)械工程學(xué)院，四川 成都 610031)

多傳感器數(shù)據(jù)融合的智能電動(dòng)車(chē)自主導(dǎo)航

葉美松， 肖世德， 張志峰， 趙 陽(yáng)， 王鴻雁

(西南交通大學(xué) 機(jī)械工程學(xué)院，四川 成都 610031)

以四輪驅(qū)動(dòng)電動(dòng)車(chē)為研究對(duì)象，將智能電動(dòng)車(chē)上多種傳感器所采集的信息進(jìn)行處理與融合，實(shí)現(xiàn)校園環(huán)境里的自主行駛與導(dǎo)航。提出了在空曠路段和沿墻導(dǎo)航的控制決策，著重研究了沿墻算法和入彎算法，使智能電動(dòng)車(chē)在不同的環(huán)境下可以有效地完成自主導(dǎo)航。實(shí)驗(yàn)結(jié)果表明：該導(dǎo)航控制策略和算法具有較高的可靠性。

多傳感器； 智能電動(dòng)車(chē)； 自主導(dǎo)航

0 引 言

無(wú)人駕駛智能電動(dòng)車(chē)從本質(zhì)上來(lái)講是一種輪式的移動(dòng)機(jī)器人[1],主要依靠智能車(chē)自帶的計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)智能車(chē)的自主導(dǎo)航和控制。系統(tǒng)主要靠車(chē)頂部的視覺(jué)傳感器、激光測(cè)距傳感器和車(chē)載雷達(dá)感知車(chē)身周?chē)沫h(huán)境信息。通過(guò)全球定位系統(tǒng)(global positioning system,GPS)、陀螺儀里程計(jì)、路標(biāo)導(dǎo)航等定位方式定位和定向,根據(jù)傳感器獲得的車(chē)輛位置和障礙物信息,并將決策傳輸給車(chē)體控制層控制車(chē)輛的速度和轉(zhuǎn)向,從而使車(chē)輛能夠安全可靠地在道路上行駛。

智能電動(dòng)車(chē)實(shí)現(xiàn)自主導(dǎo)航任務(wù),涉及到路徑的規(guī)劃、車(chē)的自定位、機(jī)器視覺(jué)、障礙物識(shí)別以及多傳感器信息的處理與融合技術(shù),處理這些技術(shù)難度很大,算法復(fù)雜,成本很高?；诖?本文提出了基于校園環(huán)境內(nèi)的無(wú)人駕駛電動(dòng)車(chē)的自主導(dǎo)航,通過(guò)多個(gè)超聲波傳感器檢測(cè)車(chē)身周?chē)沫h(huán)境信息,電子羅盤(pán)和陀螺儀解決車(chē)輛自定位問(wèn)題,其所用方法較易實(shí)現(xiàn),成本相對(duì)比較低廉。

1 智能電動(dòng)車(chē)控制系統(tǒng)

智能電動(dòng)車(chē)的控制系統(tǒng)[2],包括中央處理器模塊、運(yùn)動(dòng)控制模塊、傳感器模塊三大部分。如圖1所示。

圖1 智能電動(dòng)車(chē)控制系統(tǒng)結(jié)構(gòu)框圖

1.1 中央處理器模塊

中央處理器模塊用于處理外部傳感器所采集的環(huán)境信息,并將這些環(huán)境信息融合一些算法實(shí)現(xiàn)電動(dòng)車(chē)自主行駛。

本文采用的外部傳感器主要有超聲波傳感器、紅外傳感器、陀螺儀、電子羅盤(pán),計(jì)算量相對(duì)較小,因此,采用STM32F103VET6控制器,其處理速度滿足目前的控制系統(tǒng)要求。該控制器對(duì)超聲波傳感器采集的數(shù)據(jù)進(jìn)行處理,并分離出障礙信息,確定智能電動(dòng)車(chē)下一時(shí)刻的運(yùn)動(dòng)姿態(tài),通過(guò)串口將命令發(fā)送至下位機(jī)。

1.2 運(yùn)動(dòng)控制模塊

運(yùn)動(dòng)控制模塊由 STM32F103ZET6 控制器、電機(jī)驅(qū)動(dòng)器、直流電機(jī)、步進(jìn)電機(jī)組成,其中，STM32F103ZET6運(yùn)動(dòng)控制器作為下位機(jī),通過(guò)串口與上位機(jī)進(jìn)行數(shù)據(jù)傳輸。驅(qū)動(dòng)電機(jī)功率為1 kW,由48 V的鋰電池供電,智能電動(dòng)車(chē)自重約260 kg,電機(jī)驅(qū)動(dòng)功率滿足要求,最高時(shí)速能達(dá)到45 km/h,可以供電2 kW·h,轉(zhuǎn)向電機(jī)和剎車(chē)電機(jī)均由24 V的鋰電池供電,實(shí)物如圖2所示。

圖2 電動(dòng)車(chē)實(shí)物

1.3 傳感器模塊

1.3.1 超聲波傳感器URM37

采用的超聲波傳感器型號(hào)為URM37,用于測(cè)量動(dòng)態(tài)或靜態(tài)目標(biāo)之間距離,其所采集的數(shù)據(jù)穩(wěn)定,誤差在1 cm左右,能夠滿足本文的測(cè)距要求。

采用多個(gè)超聲波傳感器采集車(chē)身周?chē)沫h(huán)境信息[3,4],實(shí)物如圖2所示,傳感器總體布局如圖3所示。

圖3 超聲波傳感器分布

2#～4#傳感器檢測(cè)前方障礙物的信息;6#,7#,9#,10#傳感器用于檢測(cè)左右兩側(cè)障礙物的信息；1#,5#傳感器用于確定電動(dòng)車(chē)的入彎點(diǎn)；8#傳感器用于倒車(chē)時(shí)檢測(cè)后方區(qū)域的環(huán)境信息。

表1、表2所測(cè)得的數(shù)據(jù)為6#,7#傳感器(以下稱(chēng)右前、右后傳感器) 距離墻面不同的角度所測(cè)得的數(shù)據(jù),數(shù)據(jù)為以位于后面的傳感器為中心點(diǎn)轉(zhuǎn)動(dòng)車(chē)的位置時(shí),測(cè)得傳感器與墻面的距離,所以右后傳感器測(cè)得的數(shù)據(jù)變化范圍比較小,測(cè)這2組的數(shù)據(jù)的目的是為了獲得當(dāng)車(chē)與墻面呈一定角度時(shí)傳感器所采集的數(shù)據(jù)的失真率。

表1 距墻48 cm左右不同角度所測(cè)距離

表2 距墻82 cm左右不同角度所測(cè)距離

表1和表2數(shù)據(jù)表明：在傳感器與墻面的夾角較大時(shí),所采集的數(shù)據(jù)失真率較高,比如夾角大于60°時(shí),超聲波傳感器無(wú)法接收回波,導(dǎo)致所采集的數(shù)據(jù)不可靠；在夾角較小時(shí)，所采集的數(shù)據(jù)是比較可靠的。因此,在夾角較小時(shí)，根據(jù)2只傳感器所采集的數(shù)據(jù)差可以判斷車(chē)身相對(duì)于墻面的位置。

1.3.2 紅外反射傳感器

紅外反射傳感器用于限位傳感器和行程開(kāi)關(guān)[5]。模塊采用晶體振蕩,38 K紅外接收,控制距離非常穩(wěn)定,不怕外界光照影響,因此，在室外可以作為電動(dòng)車(chē)的方向盤(pán)零點(diǎn)位置的校準(zhǔn),實(shí)物如圖4所示。

圖4 紅外傳感器安裝位置

由于未安裝角度傳感器,因此，零點(diǎn)位置的校準(zhǔn)變得尤為重要,通過(guò)程序?qū)r(shí)間長(zhǎng)短的控制確定方向盤(pán)的轉(zhuǎn)動(dòng)角度,轉(zhuǎn)動(dòng)次數(shù)增多之后會(huì)形成累積誤差,可通過(guò)對(duì)方向盤(pán)回正時(shí)零點(diǎn)位置的校準(zhǔn)消除以保證制電動(dòng)車(chē)轉(zhuǎn)動(dòng)角度證控的準(zhǔn)確性。

1.3.3 電子羅盤(pán)和陀螺儀

采用電子羅盤(pán)SCM225和陀螺儀MPU6050用來(lái)感知電動(dòng)車(chē)的行駛姿態(tài)。SCM225測(cè)量方位角 0°～360°,可靠性高,測(cè)量航向角的誤差范圍在1°左右,但易受到強(qiáng)磁物質(zhì)的干擾,因此,安裝時(shí)選擇一個(gè)磁干擾最小的地方。

MPU6050在解析航向角的時(shí)會(huì)產(chǎn)生漂移誤差,因此,所測(cè)的航向角不可靠,但在轉(zhuǎn)向角度較大、連續(xù)變化時(shí)，航向角的差值比較準(zhǔn)確,在車(chē)轉(zhuǎn)彎時(shí)可以與電子羅盤(pán)配合使用,對(duì)航向角起到校準(zhǔn)的作用,保證車(chē)輛轉(zhuǎn)彎時(shí)更加穩(wěn)定可靠。

2 避障控制算法研究與實(shí)現(xiàn)

智能電動(dòng)車(chē)在室外行駛的過(guò)程中,如果要精確地按照所規(guī)劃的路徑行駛,必須解決電動(dòng)車(chē)的自定位問(wèn)題,需要電子羅盤(pán)、高精度的GPS、路標(biāo)導(dǎo)航(CCD圖像識(shí)別)、地圖模型匹配(紅外激光掃描)等定位方式[6,7],算法復(fù)雜,成本很高,目前階段,電動(dòng)車(chē)采取漫游式的行走方式。

2.1 自主避障行為

設(shè)計(jì)電動(dòng)車(chē)在校園內(nèi)沿馬路邊緣行駛,將左、右傳感器安裝于距地面高10 cm左右的位置,以檢測(cè)到馬路的邊緣,實(shí)現(xiàn)電動(dòng)車(chē)精確的自定位。

在道路環(huán)境下,行人比較多，障礙物出現(xiàn)較頻繁[8,9],在遇到動(dòng)態(tài)障礙物的情況下，所選擇的決策為減速停車(chē),遇到靜態(tài)障礙物的決策如圖5所示。 此外,外界的環(huán)境對(duì)傳感器的干擾因素較多,采用限幅消抖濾波法,對(duì)超聲波傳感器URM37所采集的數(shù)據(jù)進(jìn)行濾波,能有效克服因偶然因素引起的脈沖干擾。

圖5 靜態(tài)空曠環(huán)境導(dǎo)航?jīng)Q策流程

2.2 沿墻行為

電動(dòng)車(chē)行駛過(guò)程中感知到周?chē)嬖趬蛘呙娣e較大的障礙物時(shí),將觸發(fā)電動(dòng)車(chē)的沿墻行為[10,11],具體的有以下的3種情況：左側(cè)有墻；右側(cè)有墻；兩側(cè)有墻。文中討論右側(cè)有墻的情況,其他情況與其原理基本相同。實(shí)驗(yàn)場(chǎng)地選取學(xué)校圖書(shū)館前的花壇。如圖6所示。

圖6 圖書(shū)館前方花壇示意圖

在超聲波傳感器感知到右側(cè)有墻時(shí),電動(dòng)車(chē)將根據(jù)墻的位置調(diào)整行駛姿態(tài),最終實(shí)現(xiàn)沿墻行為,圖中A-B,C-D,E-F,G-H,4條線段均為直線,因此,處理方法相同。

電動(dòng)車(chē)行駛在A-B路段的時(shí)候,傳感器檢測(cè)到A-B路段的距離可以劃分為Ⅰ,Ⅱ,Ⅲ,Ⅳ共4個(gè)區(qū)域,右側(cè)傳感器檢測(cè)到的距離在Ⅰ區(qū)域則認(rèn)為是車(chē)離墻太近,屬停車(chē)區(qū)域,也可以認(rèn)為是一個(gè)安全區(qū)域,到了這個(gè)區(qū)域可以停車(chē),根據(jù)右側(cè)傳感器檢測(cè)到的數(shù)據(jù)判斷相對(duì)于墻的姿態(tài),安全時(shí)間判定完畢后調(diào)整速度和方向向Ⅱ區(qū)域行駛。

Ⅱ區(qū)域?yàn)殡妱?dòng)車(chē)離墻比較近的區(qū)域,右前和右后任意一只傳感器檢測(cè)到該范圍時(shí)會(huì)向Ⅲ區(qū)域靠近。Ⅲ區(qū)域?yàn)榫嚯x比較適中的范圍,該區(qū)域是電動(dòng)車(chē)調(diào)整姿態(tài)的區(qū)域,實(shí)現(xiàn)電動(dòng)車(chē)與墻平行行駛。Ⅳ區(qū)域?yàn)殡妱?dòng)車(chē)離墻比較遠(yuǎn)的區(qū)域,右前和右后任意一只傳感器檢測(cè)到該范圍時(shí)會(huì)向Ⅲ區(qū)域行駛。

當(dāng)車(chē)身與墻面的夾角比較大時(shí),根據(jù)表1和表2數(shù)據(jù)知道右前和右后2只傳感器所采集的數(shù)據(jù)不可靠,此時(shí),圖3中4#傳感器與墻面的夾角比較小,所采集的數(shù)據(jù)較準(zhǔn)確,達(dá)到4#傳感器的限定距離時(shí),控制轉(zhuǎn)向左轉(zhuǎn),減小車(chē)身與墻面的夾角,當(dāng)夾角逐漸變小時(shí),回到右前和右后傳感器的檢測(cè)范圍,從而保證車(chē)身相對(duì)于墻面無(wú)論以何種角度最終都能行駛到Ⅲ區(qū)域,沿著墻平行行駛。為下一個(gè)行駛階段B-C做鋪墊。這一過(guò)程即為電動(dòng)車(chē)直線行駛中方向微調(diào)過(guò)程。

2.3 智能電動(dòng)車(chē)過(guò)彎算法實(shí)現(xiàn)

對(duì)于電動(dòng)車(chē)過(guò)彎的算法考慮的因素比較多,圖6中的B-C,D-E,F-G,H-A表示彎道,在電動(dòng)車(chē)進(jìn)入彎道時(shí),傳感器與墻面形成的角度較大,傳感器所采集的數(shù)據(jù)失真,導(dǎo)致系統(tǒng)會(huì)出現(xiàn)決策錯(cuò)誤,因此,在過(guò)彎時(shí)沿墻算法并不適用。圖6中每個(gè)彎道的半徑、長(zhǎng)度、角度均不同,因此,需要考慮的因素有入彎點(diǎn)、入彎半徑、車(chē)身回正時(shí)間。入彎點(diǎn)即車(chē)在進(jìn)入彎道時(shí)什么時(shí)機(jī)開(kāi)始轉(zhuǎn)彎,本文中所選擇的入彎點(diǎn)為C點(diǎn),當(dāng)4#傳感器檢測(cè)不到數(shù)據(jù)時(shí)或者檢測(cè)的數(shù)據(jù)大于某個(gè)參數(shù)值時(shí),判定車(chē)進(jìn)入了彎道區(qū)域,前提條件是右前和右后傳感器的檢測(cè)值是在有墻的狀態(tài)下,此為入彎條件的唯一性。

確定了入彎點(diǎn)后需要確定其入彎半徑，即車(chē)的轉(zhuǎn)向角度,而文中的4個(gè)彎道的半徑都比較大,因此,可以選定一個(gè)確定的值,最后一個(gè)參數(shù)為車(chē)身的回正時(shí)間,利用電子羅盤(pán)和陀螺儀可以確定彎前和彎后的轉(zhuǎn)向角度。本文車(chē)身需要轉(zhuǎn)90°的彎,在電子羅盤(pán)和陀螺儀所測(cè)得的航向角為70°時(shí),車(chē)就要開(kāi)始回正。同時(shí),當(dāng)4#傳感器或者右前、右后傳感器檢測(cè)的數(shù)據(jù)到了指定范圍時(shí)車(chē)也開(kāi)始回正,這就保證了即使車(chē)在轉(zhuǎn)彎角度過(guò)大或者速度過(guò)快時(shí)以及其他特殊的因素,也能夠在恰當(dāng)?shù)臅r(shí)機(jī)回正,從而繼續(xù)正常的行駛,具體的入彎過(guò)程的流程如圖7所示,現(xiàn)場(chǎng)調(diào)試如圖8所示。

圖7 電動(dòng)車(chē)入彎過(guò)程流程

圖8 電動(dòng)車(chē)現(xiàn)場(chǎng)調(diào)試

3 結(jié) 論

本文針對(duì)無(wú)人駕駛的智能電動(dòng)車(chē)在空曠環(huán)境下以及沿墻環(huán)境下的自主導(dǎo)航系統(tǒng)的研究,提出了沿墻行駛的模糊控制方法和入彎算法,并通過(guò)了有效地實(shí)驗(yàn)測(cè)試,得出了以下的結(jié)論：

1)控制方法能夠根據(jù)沿墻行駛時(shí)不同的狀態(tài)切換行駛速度,實(shí)驗(yàn)結(jié)果表明：該方法能夠很好地根據(jù)墻的位置調(diào)整電動(dòng)車(chē)的行駛姿態(tài),并且有效地避開(kāi)前方障礙物,具有良好的實(shí)時(shí)性和魯棒性。

2)針對(duì)彎道的不同角度、半徑,為了保證電動(dòng)車(chē)能夠正常過(guò)彎,通過(guò)對(duì)入彎速度、入彎角度以及入彎后的航向角的分析與調(diào)試,最終實(shí)現(xiàn)了電動(dòng)車(chē)平穩(wěn)過(guò)彎,并再次沿墻行駛,達(dá)到了自主行駛的目的。

[1] 李小濤.無(wú)人駕駛智能車(chē)面向校園場(chǎng)景的自主導(dǎo)航[D].大連：大連理工大學(xué),2011.

[2] 查 峰,肖世德,馮劉中,等.移動(dòng)機(jī)器鼠沿墻導(dǎo)航策略與算法研究[J].計(jì)算機(jī)工程,2012(6):172-174.

[3] 毛 玲,李振波,張大偉,等.基于紅外傳感器的移動(dòng)微機(jī)器人定位研究[J].傳感器與微系統(tǒng),2014,33(12):38-41.

[4] 高 峰,鄭源明.超聲波傳感器測(cè)量聲速和距離實(shí)驗(yàn)的研究[J].傳感器與微系統(tǒng),2009,28(11):68-70.

[5] 陳朝大,呂志勝.基于智能尋跡的清潔機(jī)器人控制系統(tǒng)[J].機(jī)床與液壓,2015(21):91-94.

[6] 毛閔軍,金 輝,卜弘毅,等.電容位置傳感器在激光掃描雷達(dá)的應(yīng)用研究[J].傳感器與微系統(tǒng),2010,29(11):20-22.

[7] 富志凱,邢建春.基于復(fù)合控制算法的移動(dòng)機(jī)器人沿墻導(dǎo)航研究[J].計(jì)算機(jī)應(yīng)用與軟件,2012(9):234-236,277.

[8] 常景娜,高慧斌,喬冠宇.一種基于傳感器的測(cè)量目標(biāo)運(yùn)動(dòng)參數(shù)方法研究[J].傳感器與微系統(tǒng),2015,34(11):19-22.

[9] 沈鳳梅.移動(dòng)機(jī)器人的導(dǎo)航與避障系統(tǒng)研究[D].鄭州：中原工學(xué)院,2014.

[10] 賈蘊(yùn)發(fā),劉 楊,李 超,等.基于多傳感器的汽車(chē)防碰撞及行人保護(hù)預(yù)警設(shè)計(jì)[J].農(nóng)業(yè)裝備與車(chē)輛工程,2015(12):56-59.

[11] 陳佳佳.城市環(huán)境下無(wú)人駕駛車(chē)輛決策系統(tǒng)研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué),2014.

Autonomous navigation of intelligent electric vehicle of multi-sensor data fusion

YE Mei-song， XIAO Shi-de， ZHANG Zhi-feng， ZHAO Yang， WANG Hong-yan

(School of Mechanical Engineering,Southwest Jiaotong University,Chengdu 610031,China)

Four-wheel drive electric vehicle is research target.The information collected by a variety of sensors in smart car is processed and integrated,the purpose is to complete autonomous travel and navigation in campus environment.Navigation control decision-making in open sections and along wall is put forward,along wall algorithm and bending algorithm is focused on,intelligent electric vehicle can effectively achieve autonomous navigation in different environments.The experimental results show that the navigation control strategy and algorithm have high reliability.

multi-sensor; intelligent electric vehicle； autonomous navigation

10.13873/J.1000—9787(2017)09—0084—04

2016—09—20

TP 242.6

A

1000—9787(2017)09—0084—04

葉美松(1992-),男,碩士研究生,主要研究方向?yàn)檫^(guò)程控制。

肖世德(1967-),男,教授,博士研究生導(dǎo)師,主要從事過(guò)程控制與運(yùn)動(dòng)控制方向研究工作。