基于視覺的車輛自動控制的方法分析

唐文

摘要： 車輛無人駕駛為智能交通主要部分，主要目的就是設(shè)計輔助駕駛系統(tǒng)，代替駕駛員，完成車輛自動控制與駕駛，避免出現(xiàn)交通事故，使道路交通系統(tǒng)效率得到提高。所以，本文設(shè)計了基于視覺技術(shù)的車輛自動控制和駕駛系統(tǒng)，能夠使改進模糊控制算法使智能車在道路中平穩(wěn)、快速的運行，縮小轉(zhuǎn)彎處超調(diào)。

Abstract： Unmanned vehicle is the main part of intelligent transportation. The main purpose is to design an auxiliary driving system to replace the driver， complete the automatic control and driving of the vehicle， avoid traffic accidents and improve the efficiency of the road traffic system. Therefore， this paper designs a vehicle automatic control and driving system based on vision technology， which can improve the fuzzy control algorithm， make the intelligent vehicle run smoothly and quickly on the road， and reduce the overshoot at the turn.

關(guān)鍵詞： 視覺技術(shù);車輛自動控制;汽車自動化

Key words： visual technology;automatic vehicle control;automotive automation

中圖分類號：TP391.41? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）24-0224-03

0? 引言

在世界經(jīng)濟不斷發(fā)展過程中，城市化進程也在不斷加劇，汽車成為人們生活與生產(chǎn)中的主要交通工具。在汽車保有量不斷增長的過程中，交通事故發(fā)生率也在不斷提高，為人們財產(chǎn)、人身安全造成了嚴重損失。目前，國內(nèi)外企業(yè)和科研機構(gòu)都開始使用科技手段使車輛安全得到提高，比如輔助安全駕駛系統(tǒng)、疲勞預(yù)警等。雖然目前車輛智能化程度比較高，但是人們不滿足現(xiàn)狀，希望能夠開發(fā)完全自動駕駛車輛，提高人們出行舒適性。智能車輛研究能夠使交通運輸能力得到提高，降低交通事故，促進汽車工業(yè)未來發(fā)展，所以備受重視。

1? 車輛運動模型

目前，世界各國家都在對智能交通運輸系統(tǒng)進行研究，車輛無人駕駛為智能交通系統(tǒng)中的主要部分，主要目的就是開發(fā)高速公路與城市道路環(huán)境下輔助駕駛系統(tǒng)，幫助取代駕駛員，從而實現(xiàn)車輛自動駕駛，降低交通事故發(fā)生率，使道路交通系統(tǒng)效率得到提高。在計算機技術(shù)與圖像處理技術(shù)不斷發(fā)展的過程中，基于視覺導航與智能控制自動引導車為人們研究重點，標識線圖像識別導航方法的引導路徑設(shè)置與變更比較容易，并且技術(shù)成本比較低，和其他視覺方法對比具備圖像處理速度快、控制實時性良好的特點，逐漸成為自動引導車導航主要發(fā)展方向。車輛運動過程比較復雜，本文使用車輛系統(tǒng)力學模型作為車輛自動駕駛控制被控對象。圖1為車輛系統(tǒng)動力學模型，x、o、y為地面固定直角坐標系，車輛運動模型表示為：

此系統(tǒng)輸入量為{δ，Pf}，指的是車輛方向盤轉(zhuǎn)角與前輪驅(qū)動力，通過車輛動力學模型表示，中間量為{vξ，vη，θ}，指的是車輛橫向、縱向與角速度，輸出量為{x，y，θ}，指的是車輛在地面固定x、o、y直角坐標系橫坐標、縱坐標與車輛前進方向和y軸的夾角，系統(tǒng)輸入量取值范圍為：

假設(shè)在車輛中安裝基于機器視覺的車輛導航系統(tǒng)，視覺系統(tǒng)主要包括內(nèi)部微機主板圖像采集卡與CCD攝像機。車載CCD攝像機以路邊和路面的路徑標志線，對路面圖像動態(tài)攝取，通過車載計算機對路徑標志線處理和識別，傳輸?shù)綀?zhí)行機構(gòu)中，利用本文提出控制方法在道路種行駛。

2? 車輛自動控制算法

智能車控制指的是對車速度與方向控制，因為視覺控制在控制智能車運動方面存在一定優(yōu)勢，所以使用視覺控制算法具有良好效果。在橫向方面，能夠控制車的方向，使用擬合后中心線和車的夾角θ和偏差r與車當前的速度三個變量構(gòu)成兩個模糊控制器進行控制。在縱向方面，控制車的速度，設(shè)計基于智能車的當前速度與轉(zhuǎn)角作為輸入模糊控制角。

2.1 方向控制算法

通過路徑信息控制智能車的轉(zhuǎn)向，本文使用截距和夾角作為模糊控制器輸入，但是在世紀鐘會導致拐彎處轉(zhuǎn)向偏小或者偏大，主要是因為速度變化導致的。所以，要使用當前速度量構(gòu)成閉環(huán)控制。在速度比較小的時候，基于原本基礎(chǔ)減弱轉(zhuǎn)向;在速度變化的時候，要加大轉(zhuǎn)向，從而使智能車精準跟蹤路徑，圖2為控制流程。

模糊控制規(guī)則庫為模糊系統(tǒng)核心，針對車輛復雜系統(tǒng)來說，如何有效創(chuàng)建控制規(guī)則為模糊控制器重點。本文使三個輸入隸屬度函數(shù)使用三角形隸屬度函數(shù)，針對模糊控制器，設(shè)置車輛截距r左偏位負，右偏位正，截距r論域為[-3，3]，定義隸屬度函數(shù)為NB負大、NS負小、ZE零、PS正小、PB正大，設(shè)置夾角θ偏左為負，偏右為正。圖3為模糊控制隸屬度函數(shù)，表1為模糊控制器規(guī)則表，模糊控制器輸出angle0對應(yīng)隸屬度函數(shù)[LB、LS、M、RS、RB]和左大、左小、中間、右小、右大。

2.2 速度控制算法

由于角度控制量和車輛轉(zhuǎn)角一一對應(yīng)，所以通過角度量能夠指導車輛轉(zhuǎn)角大小，使車輛轉(zhuǎn)牛角劃分為左轉(zhuǎn)極大、左轉(zhuǎn)極小、中間偏左、中間偏右、右轉(zhuǎn)極小、右轉(zhuǎn)極大、右轉(zhuǎn)較大。以道路實際情況，以小車速度在轉(zhuǎn)彎最小速度值到直道中最大速度值包括速度極小、速度小、速度一般小、速度略小、速度略大、速度一般大、速度大、速度極大。模糊化使用三角形隸屬度函數(shù)，輸出隸屬度函數(shù)使用單點值。表2為速度控制規(guī)則表，v0指的是當前速度，v指的是控制速度，angle指的是前輪轉(zhuǎn)向角度。

2.3 視覺環(huán)境感知算法功能

①消失點檢測。消失點為圖像基本特征，不管是在直道或者彎道，都能夠?qū)Φ缆非斑M方向進行指引，所以消失點能夠作為路面顯著點對車輛行進方向進行控制。消失點在環(huán)境感知算法的作用就是作為道路分割算法輸入，對圖像紋理取向進行約束。

②道路分割。車輛除了可行使的方向，還要道路路面區(qū)域信息。利用最大化貝葉斯后驗概率密度估計區(qū)分圖像中道路與背景區(qū)域，提供給智能車輛可供駕駛路線。

③障礙物檢測。在真實道路環(huán)境中出現(xiàn)各種障礙物，障礙物檢測模塊能夠提供給智能車輛障礙物尺寸、形狀、位置等信息，以此規(guī)劃無障礙路徑。

④路徑規(guī)劃。路徑規(guī)劃屬于智能車輛實現(xiàn)自主駕駛?cè)蝿?wù)的主要構(gòu)成，主要目的就是為智能車輛設(shè)計從起始位置到目標位置的路徑，使車輛在運動時能夠無障礙安全的沿著道路前行。

⑤車輛控制算法。設(shè)計智能車輛軌跡跟蹤控制算法要對車輛在不同路況、載荷、風阻的干擾下進行控制，以環(huán)境傳感算法得到信息，對當前位置與規(guī)劃軌跡偏差進行確定，之后通過控制器糾正偏差，從而達到跟蹤規(guī)劃行車路線目的。

圖4為道路環(huán)境感知，c指的是道路分割算法結(jié)果，紅色區(qū)域為識別路面區(qū)域，并且車輛部分像素被誤分割為路面區(qū)域;d指的是通過障礙物檢測算法得到車輛順利通過區(qū)域，粉紅色與紅色區(qū)域為障礙物，e指的是c和d的交集，也就是無障礙可行駛路面區(qū)域，還是環(huán)境感知模塊輸出，在路徑規(guī)劃模塊中輸入，直線表示無障礙可行駛區(qū)域和道路消失點指明方向規(guī)劃行車路線，f指的是人工標注道路可行駛區(qū)域。

2.4 路徑規(guī)劃設(shè)計

利用A*算法規(guī)劃無障礙初始路徑，之后使用三次樣條曲線優(yōu)化，提高規(guī)劃線路的平滑性。A*算法從起始節(jié)點利用啟發(fā)式函數(shù)對相鄰節(jié)點代價值計算，選擇代價最優(yōu)節(jié)點作為下一步的移動目標，從而不斷循環(huán)，直到最終位置。所以，通過啟發(fā)式函數(shù)對A*算法行為進行控制，定義為：

f（n）=g（n）+h（n）

其中h（n）指的是起始節(jié)點到當前節(jié)點n的實際路徑代價，h為對角線函數(shù)，g（n）表示目前節(jié)點到指定目標節(jié)點估計路徑代價。在規(guī)劃初始路徑前，使用A*算法實現(xiàn)障礙物與車輛實際尺寸的膨化處理，使車輛作為一個質(zhì)點，安全區(qū)域為處理后障礙物邊界以外區(qū)域，對避障運算簡化。

A*算法規(guī)劃路徑為折線，對運動控制是非常不利的，所以使用三次樣條插值實現(xiàn)平滑優(yōu)化。取A*算法規(guī)劃路徑中的點構(gòu)成N+1個控制點，生成N段三次樣條曲線。假設(shè)t∈[0，1]，所有小區(qū)間線段利用以下三次多項式進行表示：

通過此公式給定A*算法規(guī)劃路線中N+1控制點和車輛起點與終點位置與姿態(tài)，確定經(jīng)過平滑的路徑。

3? 道路駕駛仿真

為了對本文提出的控制方法有效性進行驗證，本文在兩條不同道路中進行仿真控制實驗，一條為直路A，一條是直路加1個彎道B。以高速路單車道建設(shè)標準，使用道路路寬為4m。

3.1 路A的自動駕駛仿真

車輛的起始位置在靠近路面右側(cè)1m的地方，車身的方向平行于路的方向，車輛起始縱向速度為5m/s，仿真步長設(shè)置為0.005s，圖5為路A的仿真結(jié)果，通過一小段行程之后能夠更好的逼近路的中線形式，而且汽車線速度不斷增加，表示控制效果滿足人工駕駛行為，控制效果良好。

3.2 路B的自動駕駛仿真

路B的初始直路為100m，之后為一個200m彎曲半徑的做拐彎道。圖6為路B的仿真結(jié)果，車輛在通過一段直路加速度之后進入到一個彎道中。因為這個時候車速比較大，車輛在拐彎的時候中心運動軌跡偏向路外側(cè)，滿足實際駕駛需求。在彎處時，車輛車速在不斷的增加，拐彎的時候方向盤轉(zhuǎn)角也在不斷的變化，控制器對于車輛運動和車輛線速度、前輪驅(qū)動力控制效果良好，控制結(jié)果具有良好平滑性與平穩(wěn)性。以此表示，本文方法所創(chuàng)建規(guī)則庫具備優(yōu)越性，能夠滿足車輛高速運動需求。

4? 結(jié)束語

移動車輛為典型時延、非線性不穩(wěn)定性系統(tǒng)，本文通過視覺方法解決車輛在道路中的自動駕駛問題。通過本文研究表示，本文提出控制方法能夠?qū)囕v在道路中安全行駛進行控制，并且具備良好魯棒性。另外，在車輛方向控制與速度控制方面有效，具備良好推廣與借鑒意義。

參考文獻：

[1]崔勇強，陳錕，白迪，等.基于機器視覺的自動控制實驗裝置制作與應(yīng)用[J].中國現(xiàn)代教育裝備，2020（1）.

[2]牟倫田，謝海濤，毛莎莎，等.基于結(jié)構(gòu)化學習的車輛行為分析[J].交通工程，2019，19（04）：31-38.

[3]龔龑，魯嘯.基于信息物理系統(tǒng)的自動駕駛車輛安全調(diào)速方法[J].城市交通，2020，018（002）：118-126.

[4]侯岳青，徐貴力，朱仕鵬.基于視覺的車輛衡中軸型檢測方法研究[J].計算機測量與控制，2020，28（09）：59-63.

[5]岳俊峰，李秀梅.基于機器視覺的智能小車自動循跡及避障系統(tǒng)[J].杭州師范大學學報（自然科學版），2020，19（02）：200-207.

[6]張海霞，李腆腆，李東陽，等.基于車輛行為分析的智能車聯(lián)網(wǎng)關(guān)鍵技術(shù)研究[J].電子與信息學報，2020，41（1）.

[7]顏佳桂，李宏勝，任飛.基于SSD和改進雙目測距模型的車輛測距方法研究[J].激光雜志，2020，41（11）：48-53.

[8]牟倫田，謝海濤，毛莎莎，等.基于結(jié)構(gòu)化學習的車輛行為分析[J].道路交通與安全，2019，019（004）：29-36.

[9]羅國榮，戚金鳳.基于計算機視覺的自動駕駛汽車車道檢測[J].北京工業(yè)職業(yè)技術(shù)學院學報，2020，19（04）：40-43.

[10]王智，薛慧艷，孫迪，孟慶年，胡玉祥.基于視覺追蹤技術(shù)的三維點云自動拼接方法及精度分析[J].測繪通報，2020（S01）：4.

[11]李博威，侯明，蔣澤鑫.基于視覺的車輛控制系統(tǒng)設(shè)計與實現(xiàn)[J].傳感器世界，2019，25（01）：14-19.

[12]紀明君，陳新，李彪.基于機器視覺的自動駕駛原理及應(yīng)用[J].北京汽車，2019（005）：18-20.