汽車自動駕駛的路面識別系統(tǒng)的研究*

樓晨亮，吳惠山，郭思誼，王飛，楊江華

?

汽車自動駕駛的路面識別系統(tǒng)的研究*

樓晨亮，吳惠山*，郭思誼，王飛，楊江華

（廣東海洋大學(xué)數(shù)學(xué)與計算機學(xué)院，廣東 湛江 524088）

隨著科學(xué)技術(shù)的發(fā)展，自動駕駛汽車逐漸進入我們的視野，它能為我們的出行提供更大的便利以及更高的安全保障。然而，如何使汽車精準完成路程行駛成為了關(guān)鍵。因此，文章通過設(shè)計一個模糊控制器來使得汽車能夠完成這一目標。

自動駕駛；路程行駛；模糊控制器

前言

隨著信息時代的不斷發(fā)展，機械和眾多的電子設(shè)備從人為操作逐漸變?yōu)樽詣踊?。就像無人機的特定航線駕駛，飛機的自動駕駛，機械生產(chǎn)的自動化操作等等。對于走進千家萬戶的汽車產(chǎn)品來說，汽車的自動駕駛成為了一個重要的研究熱點[5]。

1 自動駕駛汽車結(jié)構(gòu)及行駛的主要路段

自動駕駛汽車（Autonomous vehicles;Self-piloting automo -bile）[4]，又可以稱為無人駕駛汽車，是通過雷達、傳感器、激光測距儀等將現(xiàn)實路況轉(zhuǎn)化成數(shù)據(jù)，再通過車載中央電腦（智能系統(tǒng)[2]）實現(xiàn)無人駕駛的智能汽車。圖1為該車的駕駛原理：

圖1 自動駕駛汽車駕駛原理

◆定位傳感器：裝置在車輛的后輪上，用于衛(wèi)星定位監(jiān)測道路的行進軌跡，確保車輛的安全行駛；

◆激光測距儀：核心部位，用于偵測車輛的四周來形成一個范圍內(nèi)的精確三維地圖；

◆視頻攝像頭：用于車輛行駛時道路的情況，監(jiān)測例如紅綠燈，上下坡，前方人車行進等情況；

◆車載雷達：前部雷達用來測量車輛前部障礙物的距離,后部雷達用來測量車輛后部障礙物的距離；

◆車載中央電腦：用于汽車的自動駕駛，控制車的行進及切換檔位等一系列車輛的有關(guān)操作，采用模糊控制的數(shù)學(xué)理念；

◆應(yīng)急系統(tǒng)：優(yōu)先級1級，擁有備用電源。分為警報，關(guān)閉全車電路，安全氣囊等一系列安全措施。

◆自動泊車系統(tǒng)：用于車輛能夠在規(guī)定或者合適的停車位置停放。

中國地域遼闊，基本囊括了世界上所有類型的地形。所以對不同的路面進行分類有利于汽車在各種路面段的正常行駛，所以在下表中列出汽車能夠行駛的不同路段[3]：

表1 汽車所能駕駛的路面類型

2 模糊控制在自動駕駛中的應(yīng)用

2.1 模糊控制理念

首先我們要知道什么是模糊控制。模糊控制[1]就是運用模糊數(shù)學(xué)的基本思想和理論的控制方法。而模糊控制器則通常包括了數(shù)據(jù)模糊化，建立模糊規(guī)則庫，進行模糊推理，解模糊四個方面，在這里我們主要解決數(shù)據(jù)模糊化以及建立模糊規(guī)則庫兩個方面的問題。

模糊控制理念在自動控制領(lǐng)域的應(yīng)用十分廣泛，例如家用電器,自動設(shè)備，AI等其他方面。所以我們采取模糊控制器來控制車輛行駛是實際可行的，并且在汽車的自動駕駛系統(tǒng)中，采取模糊控制器，能更好地建立精確的數(shù)學(xué)模型，幫助汽車完成自動駕駛。

2.2 模糊控制理念

假設(shè)現(xiàn)有一輛本文所敘述的自動駕駛汽車在路面上行駛。那么我們對這輛車進行物理運動學(xué)分析，不難畫出該車的動力學(xué)模型，如圖2所示：

圖2 車輛的運動學(xué)模型

并以地面做直角坐標系XOY，圖中V1，V2分別表示車輛的縱速度，橫速度。V1到Y(jié)軸的夾角為。同時規(guī)定到Y(jié)軸逆時針方向為正，順時針方向為負。則我們可以將該車輛的運動模型轉(zhuǎn)化為數(shù)學(xué)表達式：

在這里我們采用方向盤轉(zhuǎn)角來作為一個輸入量，見圖3。然后另一個系統(tǒng)輸入量為車輛驅(qū)動力F。

以初始的一條軸為Y軸建立坐標系，假設(shè)方向盤順時針旋轉(zhuǎn)至虛線位置，虛線與Y軸的夾角即為方向盤轉(zhuǎn)角，記為，并規(guī)定順時針方向為正，逆時針方向為負。再由車輛的動力學(xué)模型得（V1，V2，）的輸出量應(yīng)該為（x，y，）。然后對視頻攝像頭拍攝的路面實況進行處理，通過GPS與內(nèi)置地圖來使汽車走最優(yōu)路線（最優(yōu)路線為最短路徑和最短時間）。

然后現(xiàn)在我們進行模糊化操作。我們假設(shè)一輛車在道路上行駛，假設(shè)它的左右偏差為d1（由視頻攝像頭，車載雷達，傳感器實時監(jiān)測并輸入計算機處理），前后偏差為d2方向偏差為，如圖4：

圖4 車輛行駛的偏差圖

然后將d1，d2和θ作為此模糊控制器的輸入，和F作為模糊控制器的輸出。并且這里取車寬1.65米，車道寬度為雙向八車道標準2*15米，那么左右偏差的取值為6.75米，前后偏差的取值域為 100米，方向偏差的取值域為60°。整理如下公式2所示：

取定結(jié)束后將輸入輸出量分為不同幾個量級，因為一般隸屬函數(shù)越陡，靈敏性越高，所以采用三角形的隸屬函數(shù)運用畫圖軟件制作的輸入量d1、d2、θ和輸出量β、F的隸屬函數(shù)的簡圖，我們以速度為例，將速度其量化為[0,10],(10,20], (20, 30] ,( 30,40]，(40,50]，（50,60]六個量級，那么也就是對應(yīng)的輸出量F可以分為六個量級分別對應(yīng)為R,S,T,U,V,W。

建立模糊規(guī)則庫。模糊控制算法的應(yīng)用離不開一個合適規(guī)則庫的建立，建立規(guī)則的語言形式如下：IF (d1∈S, d2is LF and θis LP) THEN(βis k and F is W)的這種模式，并寫出模糊規(guī)則庫如下。對所有的量以擁有多年駕駛經(jīng)驗的司機所給出的駕駛方法來用IF...THEN..."寫出所有的規(guī)則語句，并對輸入和輸出量分別建立建立模糊規(guī)則控制表，這里給出方向盤轉(zhuǎn)向角的模糊規(guī)則控制表。一般來說車輛在行駛過程中通過前后偏差和左右偏差來精確定位障礙物的位置，在與障礙物靠近到特定位置時便控制方向盤轉(zhuǎn)角以實現(xiàn)障礙物的躲避。最后進行解模糊化操作。

在做完模糊控制器后我們與[6]中的單一模糊控制器與分層模糊控制器進行對比，并在仿真實驗中驗明它們的優(yōu)缺點。

表2 不同模糊控制器的對比

3 仿真駕駛

這里我們與單一模糊控制下的自動行駛汽車與分層模糊控制下的自動駕駛汽車進行對比，但以控制下的自動行駛汽車與分層模糊控制下的自動駕駛汽車的仿真駕駛數(shù)據(jù)來源于參考文獻。

這里我們可以看出，在假設(shè)初始速度為2m/s的情況下，并且起始點與終止點的橫向距離為7m，縱向距離為1m。在圖中可以看出分層模糊下的汽車與本文所述汽車均能到達終點，而單一模糊下的汽車由于計算量太大沒能行駛完全程，在距離終點0.356m的地方停下。分層的模糊控制器下的汽車，在仿真時間3.1144s內(nèi)完成了行駛，但是看全局的路線，為了避障而避障，反而損耗了時間。經(jīng)過改進的單一模糊控制器，可以根據(jù)左右距離判斷，這里障礙物之間的橫向距離最小為1.5m，直線行駛可以通過。并在最后在車輛與前方障礙物之間的距離接近危險距離里根據(jù)模糊規(guī)則庫里的規(guī)則實現(xiàn)小轉(zhuǎn)彎以達到避障的目的。

（a）單一模糊控制下的汽車行駛軌跡

（b）分層模糊控制下的汽車行駛軌跡

（c）本文改進單一模糊控制下的汽車行駛軌跡

從以上給出的三幅圖中可以看出本文中通過對單一模糊控制的輸入量與輸出量進行改進，減輕了大量計算量，并且能夠根據(jù)有駕駛經(jīng)驗的司機所建立的模糊規(guī)則控制庫能更好地規(guī)避障礙物，不會像圖6（b）所示的分層模糊控制下的汽車一樣“走彎路”。采用了比較全面的輸出與輸入變量，不僅能對前方的障礙物，也能對后方的車輛以及障礙物進行監(jiān)測，使得不管是路程還是時間上都比分層模糊控制下的汽車短。

4 總結(jié)

根據(jù)世界衛(wèi)生組織的數(shù)據(jù)，每年全球因道路交通事故死亡的人數(shù)超過120萬，所以自動駕駛汽車的產(chǎn)生是必然的。并且自動駕駛汽車特別適合救援、旅游等用途，因為它安全可靠的優(yōu)勢，能很大幅度降低事故發(fā)生率，大大提高交通系統(tǒng)的效率和安全性。隨著我國科技的不斷發(fā)展，汽車自動駕駛技術(shù)會不斷完善，功能也會更加齊全，產(chǎn)業(yè)前景也會更加美好。

5 致謝

本文獲得廣東海洋大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目資助（No.CXXL2017068），感謝黃小玲副教授（碩士生導(dǎo)師）的建議。

[1] 楚焱芳,張瑞華.模糊控制理論綜述[J],科技信息,2009,(20):161- 162.

[2] 張煜東,吳樂南,王水花.專家系統(tǒng)發(fā)展綜述[J],計算機工程與應(yīng)用, 2010, (19): 43-47.

[3] 淺論4×4越野車不同地形的駕駛技巧,百度文庫,https://wenku. baidu.com/view/fa6a31d4b4daa58da1114a41.html.

[4] 汽車自動駕駛系統(tǒng),百度百科,https://baike.baidu.com/item/%E6% B1%BD%E8%BD%A6%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E7%B3%BB%E7%BB%9F/16453034.

[5] 自動駕駛汽車離我們還有多遠,騰訊汽車, http://auto.qq.com/a/ 20120516/000235.htm.

[6] 張艷溶,馬戎,張俊楠.基于分層模糊控制的自主車輛避障仿真[J],測控技術(shù)2012,(9): 67-70.

The Study of Road Recognition System for Self-Driving Car

Lou Chenliang, Wu Huishan*, Guo Siyi, Wang Fei, Yang Jianghua

（Faculty of Mathematics and Computer Science, Guangdong Ocean University, Zhanjiang Hangzhou 524088）

With the development of science technology, self-driving cars have gradually entered our field of vision, which can provide greater convenience and higher security for our travel. However, how to design a car to complete the journey accurately is a key issue. Therefore, this paper designs a fuzzy controller to achieve this goal for cars.

self-driving; journey driving; fuzzy controller

A

1671-7988(2018)18-46-04

V323.19

A

1671-7988(2018)18-46-04

CLC NO.: V323.19

吳惠山，廣東海洋大學(xué)數(shù)學(xué)與計算機學(xué)院在讀生，主要研究智能與計算、仿真等內(nèi)容。*廣東海洋大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（No.CXXL2017068）資助。

10.16638/j.cnki.1671-7988.2018.18.017