智能汽車輔助駕駛技術(shù)設(shè)計(jì)策略研究

高尚

摘 要：本文分析了智能汽車輔助駕駛系統(tǒng)的數(shù)據(jù)采集相關(guān)技術(shù)，指出了各類技術(shù)的適用性和優(yōu)勢(shì)，設(shè)計(jì)了超聲波測(cè)距結(jié)合視覺信息采集的模式來進(jìn)行避障，并研究了智能汽車避障行為，最后采用Carsim軟件與Simulink聯(lián)合仿真來模擬智能汽車跟車行為響應(yīng)。模擬結(jié)果表明，其基本符合車輛行駛過程的避障要求，跟車速度控制良好，達(dá)到了預(yù)期目標(biāo)。

關(guān)鍵詞：智能汽車;輔助駕駛;避障策略;系統(tǒng)設(shè)計(jì)

中圖分類號(hào)：U461.99文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）29-0099-04

Abstract： This paper analyzed the data collection related technologies of the intelligent vehicle assisted driving system， pointed out the applicability and advantages of various technologies， designed the mode of ultrasonic distance measurement combined with visual information collection to avoid obstacles， and studied the obstacle avoidance behavior of intelligent vehicles， finally used Carsim software and Simulink co-simulation to simulate the response of smart car following behavior. The simulation results show that it basically meets the obstacle avoidance requirements of the vehicle during driving， the following speed is well controlled， and the expected goal is achieved.

Keywords： intelligent vehicle;assistant driving;obstacle avoidance strategy;system design

汽車最早起源于歐洲，在人類發(fā)展歷程中已有一百多年的歷史。截至2019年底，我國(guó)登記在冊(cè)的機(jī)動(dòng)車數(shù)量已突破3億輛，機(jī)動(dòng)車駕駛?cè)艘堰_(dá)到3.9億人。隨著機(jī)動(dòng)車的增加，其給人們生活帶來一定的負(fù)面影響，如造成交通擁堵和交通事故等。在汽車駕駛過程中，駕駛員長(zhǎng)期疲勞駕駛或者判斷失誤，很容易造成道路交通事故。

為了避免交通事故給人帶來的損害，人們可以通過自行駕駛讓汽車本身具有一定的主動(dòng)操作，智能汽車這一概念被提出。最早期的智能汽車用于軍事工業(yè)，隨著技術(shù)的不斷研發(fā)和成熟，其在民用方面也逐漸開始盛行。目前，智能汽車作為世界各國(guó)汽車工業(yè)未來發(fā)展的方向，成為一個(gè)新興產(chǎn)業(yè)，不僅提高了人們出行質(zhì)量，還提高了社會(huì)資源的利用率[1]。2009年，美國(guó)谷歌公司提出了無人汽車概念模型;2017年，美國(guó)眾議院通過了無人汽車駕駛法案;2018年，美國(guó)加利福尼亞州通過了無人駕駛汽車上路行駛草案[2-4]。

1 智能汽車數(shù)據(jù)采集

1.1 傳感器

在智能汽車研究過程中，傳感器是一個(gè)重要的技術(shù)部件，目前已經(jīng)開發(fā)出多種傳感器，其被應(yīng)用于智能汽車中，應(yīng)用較為廣泛的是超聲波傳感器、紅外線傳感器、激光雷達(dá)傳感器等，對(duì)于智能汽車而言，選擇合適的傳感器非常重要[5]。

紅外傳感器是將紅外信號(hào)轉(zhuǎn)化為電量信號(hào)的探測(cè)性元件。自然界中只要有絕對(duì)溫度的物體都會(huì)發(fā)出紅外光，隨著溫度的變化，波長(zhǎng)也會(huì)發(fā)生變化。因此，可以通過紅外線傳感器來探測(cè)物體發(fā)出的紅外光波，對(duì)物體進(jìn)行探測(cè)。其可以分為五種類型：輻射計(jì)，探測(cè)輻射和光譜;搜索跟蹤系統(tǒng)，對(duì)被測(cè)對(duì)象進(jìn)行搜索和跟蹤定位;熱成像系統(tǒng)，提供紅外熱輻射圖像;紅外線測(cè)距和通信;混合系統(tǒng)，由以上系統(tǒng)（至少兩個(gè)）組合而成[6]。

本研究采用超聲波傳感器，假設(shè)超聲波從發(fā)射出去到接收反射回來的信號(hào)所用的時(shí)間為t，超聲波在當(dāng)前環(huán)境中的傳播速度為v，則障礙物目標(biāo)距離車輛為d，相關(guān)計(jì)算公式如下：

當(dāng)環(huán)境中的溫度為T時(shí)，超聲波在空氣中的傳播速度計(jì)算公式為：

式中，[v0]為干燥空氣中的聲速，取331 m/s。

目前，超聲波傳感器作為測(cè)距元件被廣泛應(yīng)用到智能汽車障礙物探測(cè)中，相比其他類型傳感器，在惡劣環(huán)境中仍然能夠有效探測(cè)障礙物及相互距離，同時(shí)在產(chǎn)品經(jīng)濟(jì)性上具有較好的優(yōu)勢(shì)。本文采用的超聲波測(cè)距傳感器模塊電路圖如圖1所示。

長(zhǎng)期應(yīng)用表明，該模塊表現(xiàn)出穩(wěn)定性好、測(cè)距精度高、盲區(qū)小的優(yōu)勢(shì)，測(cè)距原理如下：利用IO口TRIG觸發(fā)測(cè)距，高電平信號(hào)不低于10 μs;模塊自動(dòng)發(fā)射8個(gè)40 kHz方波，并監(jiān)測(cè)發(fā)射方波是否有返回;輸出一個(gè)高電平，記錄該高電平持續(xù)時(shí)間，該時(shí)間為超聲波發(fā)射到接收返回信號(hào)的時(shí)間;一個(gè)控制口發(fā)射出一個(gè)高電平，同時(shí)接收口等待接收，在發(fā)射口輸出時(shí)，定時(shí)器打開，記錄測(cè)距時(shí)間，方可計(jì)算出距離。

在利用超聲波傳感器測(cè)距的過程中，仍然存在一定的盲區(qū)，當(dāng)障礙物處于盲區(qū)時(shí)，可能無法準(zhǔn)確探測(cè)，造成汽車與障礙物相互碰撞。因此，在安裝超聲波傳感器的過程中，要盡量避免或者降低探測(cè)盲區(qū)的出現(xiàn)，從而降低探測(cè)盲區(qū)造成汽車與障礙物碰撞的可能。

1.2 數(shù)據(jù)采集

在智能汽車行駛過程中，數(shù)據(jù)采集是一個(gè)必備的環(huán)節(jié)，將收集的數(shù)據(jù)處理后反饋給汽車相應(yīng)的計(jì)算分析中心，這保證了智能汽車能在行駛過程中不斷修正軌跡，避免碰撞，順利到達(dá)目的地。本研究選用3個(gè)傳感器，分別安裝在汽車的前后端的左、中、右三個(gè)部位，分別用于探測(cè)汽車左前方、正前方、右前方三個(gè)方向上的障礙物信息以及車輛后方與其他車輛的距離信息，以便更好地收集車輛周圍信息，給車輛提供更加詳盡的避障保障。

圖像信息采集目前主要采用攝像機(jī)、數(shù)碼相機(jī)拍攝等直接視覺信息采集方式。本研究采用視覺傳感器來直接獲知車輛在行駛過程中的道路信息，并對(duì)路面行駛過程障礙物進(jìn)行準(zhǔn)確獲知，這就需要對(duì)采集的信息進(jìn)行進(jìn)一步處理分析。

1.3 圖像處理

在圖像采集過程中，由于采集的圖像可能產(chǎn)生模糊、噪聲大的情況，為了保障獲取信息的準(zhǔn)確性，提高視覺系統(tǒng)判斷出障礙物信息的真實(shí)性，人們需要從圖像信息中提取障礙物信息并進(jìn)行數(shù)學(xué)模型分析，以便計(jì)算出障礙物信息，給智能汽車提供良好的避障路徑。近年來，國(guó)內(nèi)外學(xué)者提出了多種方法，如光流法、分割法、幀間差分法等算法。

在智能汽車行駛過程中，本文采用的視覺傳感器可以采集環(huán)境信息，提取障礙物信息。以紙箱模型為例，通過圖像灰度變化處理、圖像濾波及形態(tài)學(xué)運(yùn)算分析，將障礙物紙箱信息進(jìn)行充分提取，具體操作流程如圖2所示。

圖像處理結(jié)果如圖3所示。首先，在運(yùn)動(dòng)過程中探測(cè)到原始圖像，如圖3（a）所示，由于探測(cè)過程中車輛處于運(yùn)動(dòng)狀態(tài)，因此探測(cè)圖像顯得較為模糊;對(duì)圖像進(jìn)行灰度處理，處理后的圖像如圖3（b）所示，灰度圖像中存在一定的噪聲干擾;將獲得的灰度圖進(jìn)行濾波處理，得到較為清晰的圖像，如圖3（c）所示;然后進(jìn)行形態(tài)學(xué)運(yùn)算分析，得到“腐蝕”圖像，如圖3（d）所示。最終對(duì)圖像進(jìn)行充填，得到障礙物信息圖像，如圖4所示。

2 避障措施策略

2.1 多傳感器融合

避障問題一直是智能汽車研究的重點(diǎn)工作，目前應(yīng)用較多的是利用多傳感器來收集信息，然后在時(shí)間和空間上進(jìn)行互補(bǔ)，從而更為準(zhǔn)確地探測(cè)出障礙物。經(jīng)驗(yàn)分析表明，僅僅依靠一個(gè)傳感器來獲知信息并提供給智能汽車處理中心來進(jìn)行決策，可靠性較差，而采用多個(gè)傳感器則很好地解決了這一問題。目前，多個(gè)傳感器融合的結(jié)構(gòu)有集中型、分散型、混合型等。

集中型由信息處理中心對(duì)各傳感器獲取的信息進(jìn)行分析，要求傳感器獲取的信道容量較大，能對(duì)許多傳感器傳輸?shù)男畔⑦M(jìn)行同時(shí)分析處理。

分散型信息處理則需要首先對(duì)每一個(gè)傳感器獲取的信息進(jìn)行預(yù)處理，然后將預(yù)處理的信息壓縮后統(tǒng)一傳輸?shù)叫畔⑻幚碇行?。預(yù)處理過程則起著首先進(jìn)行分析處理、降低信息處理中心信道容量的目的，但其間可能會(huì)丟失掉一部分重要信息，造成后期信息處理中心處理成果融合變差。因此，該類結(jié)構(gòu)適合于遠(yuǎn)距離配置傳感器系統(tǒng)并且信息獲取保真度較高的情況，結(jié)構(gòu)如圖5所示。

混合型信息處理結(jié)構(gòu)為集中型和分散型組合，這種結(jié)構(gòu)既具有信息集中處理步驟，又具有分散型信息處理過程，使得各個(gè)傳感器采集的信息能夠充分被收集和利用，可以得到良好的處理結(jié)果。因此，混合型相對(duì)而言具有更好的結(jié)構(gòu)優(yōu)勢(shì)，但其處理系統(tǒng)較為龐大。

2.2 超聲波與視覺融合

智能汽車避障的關(guān)鍵在于如何準(zhǔn)確獲知障礙物位置，僅依靠視覺傳感器進(jìn)行信息采集，容易受到外界光線干擾，造成信息采集不完整，從而影響處理效果。而超聲波測(cè)距可以在相對(duì)惡劣的環(huán)境下正常運(yùn)行?？傮w來看，采用單一的傳感器收集信息可能產(chǎn)生信息收集的不完整性。本研究利用超聲波傳感器和視覺信息處理兩者的優(yōu)點(diǎn)，將兩種技術(shù)進(jìn)行融合，即采用視覺攝像頭和超聲波傳感器兩種傳感器進(jìn)行信息采集，然后進(jìn)行融合處理，利用超聲波傳感器探測(cè)障礙物距離，融合獲取障礙物位置信息，探測(cè)出障礙物基本特征，再將超聲波傳感器探測(cè)到的距離作為模糊邏輯輸入，以智能汽車避障行為作為對(duì)象進(jìn)行輸出，達(dá)到最佳的智能汽車避障效果。

2.3 智能汽車避障行為

本文將智能汽車避障行為分為三種類型，即直奔目標(biāo)、直接避讓和緊急制動(dòng)。

2.3.1 直奔目標(biāo)。直奔目標(biāo)是指智能汽車從出發(fā)點(diǎn)啟動(dòng)，在行駛途中會(huì)產(chǎn)生很多突發(fā)情況，為安全抵達(dá)目的地，其間需要采取不同的措施來進(jìn)行應(yīng)對(duì)。當(dāng)智能汽車在平坦道路上行駛時(shí)，傳感器感知到地面無障礙物，智能汽車會(huì)平穩(wěn)前進(jìn)，中途不需要采取任何躲避障礙物的措施。

2.3.2 直接避讓。直接避障是指智能汽車行駛期間，前方道路出現(xiàn)障礙物阻礙了正常行駛，為了避免發(fā)生碰撞，其會(huì)采取繞過障礙物的方式進(jìn)行前進(jìn)。因此，在探測(cè)障礙物時(shí)，要有良好的傳感器，做好信息處理并反饋給車輛控制系統(tǒng)。

2.3.3 緊急制動(dòng)。緊急制動(dòng)是指遇到突發(fā)性障礙物時(shí)，無法進(jìn)行合理避讓，只能采取緊急制動(dòng)模式停止汽車前行，直到障礙物遠(yuǎn)離智能汽車。這種情況產(chǎn)生的概率遠(yuǎn)小于上述兩者行為，但是如果事件發(fā)生后，智能汽車未做出緊急制動(dòng)反應(yīng)，則會(huì)造成很嚴(yán)重的損失。因此，在智能汽車避障設(shè)計(jì)中，緊急制動(dòng)是不可或缺的。

3 智能汽車跟車策略

3.1 系統(tǒng)構(gòu)建

自動(dòng)跟車主要依賴環(huán)境探測(cè)、信息實(shí)時(shí)反饋和車速控制，其關(guān)鍵在于通過環(huán)境探測(cè)將結(jié)果反饋給汽車控制系統(tǒng)，以便確定合理的車速，使其與前后車保持良好的車距。環(huán)境感知期間，對(duì)智能汽車行駛過程的周圍環(huán)境進(jìn)行測(cè)探，智能汽車的傳感器進(jìn)行信息采集、處理后，將信息傳輸?shù)狡嚳刂葡到y(tǒng)，然后結(jié)合當(dāng)前狀態(tài)來進(jìn)行調(diào)整，以時(shí)刻與前后車保持安全距離。

3.2 跟車狀態(tài)分析

當(dāng)智能汽車前后方都無車輛行駛時(shí)，汽車行駛狀態(tài)有加速狀態(tài)、穩(wěn)定跟車狀態(tài)、減速跟車狀態(tài)。若智能汽車與前方車輛距離較遠(yuǎn)，其處于加速狀態(tài);當(dāng)智能汽車與前方車輛的距離到達(dá)安全距離邊界時(shí)，其進(jìn)入跟車狀態(tài);當(dāng)前方車輛發(fā)生制動(dòng)或減速時(shí)，智能汽車也開始減速，當(dāng)與前方車輛距離拉大后，智能汽車開始加速，然后再次跟車。

3.3 車距控制系統(tǒng)

本文采用Carsim軟件與Simulink聯(lián)合仿真來分析模擬智能汽車對(duì)操作行為、路面的響應(yīng)情況，設(shè)定汽車以100 km/h初速度行駛，汽車以80 km/h速度勻速行駛，模擬得到智能汽車跟車（前車）過程的速度變化響應(yīng)曲線，如圖6所示。智能汽車初始速度較大，當(dāng)智能汽車采取減速措施，直到車速與前車速度相同時(shí)，兩車的實(shí)際車距小于安全距離范圍，此時(shí)智能汽車?yán)^續(xù)減速行駛，在時(shí)間為4 s左右時(shí)，前后兩車實(shí)際距離逐漸變大，智能汽車車速開始逐漸提高，直到10 s左右時(shí)，智能汽車的速度與前方目標(biāo)車速度逐漸保持一致，此刻前后兩車之間的實(shí)際距離與當(dāng)前速度下的安全距離也相同，那么接下來智能汽車將會(huì)保持當(dāng)前速度向前行駛。

4 結(jié)語(yǔ)

本文選用了Carsim軟件作為車輛仿真軟件進(jìn)行智能汽車跟車系統(tǒng)研究。仿真結(jié)果表明，本研究設(shè)計(jì)的系統(tǒng)可以滿足智能汽車在不同狀態(tài)下運(yùn)行的安全跟車要求，實(shí)現(xiàn)車距的穩(wěn)定保持，基本達(dá)到了預(yù)期設(shè)計(jì)效果。

參考文獻(xiàn)：

[1]翟強(qiáng)，程洪，黃瑞，等.智能汽車中人工智能算法應(yīng)用及其安全綜述[J].電子科技大學(xué)學(xué)報(bào)，2020（4）：490-498.

[2]王延寧.基于CMAC-PID的車道保持輔助系統(tǒng)控制策略研究[J].機(jī)床與液壓，2020（12）：48-54.

[3]江勇捷，藍(lán)麗金.三維激光雷達(dá)在汽車輔助駕駛中的應(yīng)用分析[J].數(shù)字技術(shù)與應(yīng)用，2020（6）：88-89.

[4]羅栩豪，王培，李紹華，等.汽車輔助駕駛系統(tǒng)動(dòng)態(tài)目標(biāo)檢測(cè)方法[J].計(jì)算機(jī)工程，2018（1）：311-316.

[5]馬駿昭.側(cè)向駕駛輔助系統(tǒng)發(fā)展現(xiàn)狀及技術(shù)趨勢(shì)[J].汽車實(shí)用技術(shù)，2020（14）：20-23.

[6]于立萍，劉法勝.基于模糊推理的汽車輔助駕駛系統(tǒng)控制算法[J].計(jì)算機(jī)工程與應(yīng)用，2007（7）：221-223.