智能汽車自動駕駛的控制方法分析

董明明

（北京汽車集團(tuán)有限公司 北京 101300）

城市化進(jìn)程的加快使得道路上的車輛增多，道路交通問題也日益凸顯出來，各個國家開始加大了對智能車輛運輸系統(tǒng)的研究。自動駕駛技術(shù)的研發(fā)與應(yīng)用也愈來愈廣泛，但受道路情況復(fù)雜、光纖與信號定位不穩(wěn)定的影響，車輛自動駕駛的感知決策系統(tǒng)運作也面臨更多的挑戰(zhàn)。

AI 算法在自動駕駛技術(shù)中的運用優(yōu)化了行車對于環(huán)境的感知效果，而AI算法的應(yīng)用對于車輛計算程序的應(yīng)用標(biāo)準(zhǔn)十分嚴(yán)格，園區(qū)車輛一般體積比較小，受電源系統(tǒng)容量和功率干擾的影響，其在運作的時候很難實現(xiàn)繁雜計算的跟進(jìn)需求，這也是造成AI算法在自動駕駛技術(shù)中發(fā)展受限的根本原因。

1 無人車的應(yīng)用情況

（1）物流應(yīng)用。目前，自動駕駛技術(shù)在物流行業(yè)的應(yīng)用十分廣泛，自動駕駛的物流行車可以切實減少運輸投資，優(yōu)化運輸收益。

（2）碼頭應(yīng)用。根據(jù)相關(guān)數(shù)據(jù)分析，我國的港口數(shù)目眾多，運輸量非常大，所以對于港口車輛的駕駛員需求量很大，這也是自動駕駛應(yīng)用的拓展市場。

（3）環(huán)衛(wèi)清潔的應(yīng)用。隨著我國城市化建設(shè)的不斷推進(jìn)，道路構(gòu)造愈來愈復(fù)雜。但是從經(jīng)濟(jì)角度上來看，人工成本不斷增加，而隨著技術(shù)的不斷成熟，車輛的成本不斷下降，且自動駕駛車輛能夠在夜晚作業(yè)，效率相對提升2～3倍。

（4）礦區(qū)。我國礦產(chǎn)資源豐富，每年的產(chǎn)量較高，但是伴隨礦山作業(yè)環(huán)境的惡劣，人工開采開始面臨較大的安全隱患［1］，而自動駕駛車輛可更好地應(yīng)用于此。

2 智能車視覺導(dǎo)航技術(shù)

智能化車輛中，最為關(guān)鍵的技術(shù)就是車輛導(dǎo)航，導(dǎo)航也是車輛實現(xiàn)自動化駕駛的基礎(chǔ)條件（如圖1 所示），其主要作用是獲取四周區(qū)域的詳細(xì)信息與自身位置。目前，導(dǎo)航技術(shù)被廣泛應(yīng)用于各種行業(yè)中。經(jīng)過相關(guān)數(shù)據(jù)統(tǒng)計分析，人們收集的所有外界訊息中，有超過70%都是源自視覺系統(tǒng)，同理，針對自動巡航的車輛來說，把視覺感知設(shè)備運用在道路識別與跟蹤系統(tǒng)中，可以獲取到詳細(xì)的環(huán)境信息。視覺感知設(shè)備具備許多優(yōu)點，其訊息收集量大、收集時間較短、檢測技術(shù)精準(zhǔn)等，與傳統(tǒng)的超聲傳感設(shè)備對比，其被外界干擾的影響小，但是在這個期間數(shù)據(jù)信息處理量較大，就會導(dǎo)致系統(tǒng)容易出現(xiàn)實時性的問題［2］。

圖1 應(yīng)用層

3 智能車控制技術(shù)

車輛橫向控制模塊處在整個自動駕駛系統(tǒng)應(yīng)用層軟件的最底層，該模塊與縱向控制模塊共同組成了軟件中的車輛控制部分。如圖1 所示，顏色填充部分為車輛橫向控制模塊，它接收來自決策規(guī)劃層和信息融合層的信號，通過運算將輸出轉(zhuǎn)角信號發(fā)送到車輛上，從而實現(xiàn)對車輛轉(zhuǎn)向的自動控制。

橫向控制主要研究智能化行車路徑跟蹤的效果，也就是研究怎樣確保行車能夠順著預(yù)定的線路行駛，智能化車輛的道路跟蹤，能夠經(jīng)過導(dǎo)航傳感設(shè)備去采集目的地交通的詳細(xì)訊息，然后再依據(jù)車輛當(dāng)下的駕駛狀況，對駕駛路徑做出最佳的選擇，以實現(xiàn)準(zhǔn)確跟蹤目的地交通的能力。橫向控制的設(shè)計研究需要基于以下兩個條件：第一個是以車輛計算模型為根本，應(yīng)用自動控制技術(shù)，設(shè)計車輛的控制設(shè)備；第二個是利用模擬人工駕駛的方式?；谝陨蟽煞N思路設(shè)計的控制算法有很多，比較常用的有經(jīng)典PID 控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、模型預(yù)測控制（MPC）、最優(yōu)控制等。

4 智能車橫向控制的總體設(shè)計

4.1 智能車硬件系統(tǒng)的組成

在系統(tǒng)運作中，控制決策模塊是主要控制單元，一般負(fù)責(zé)完成數(shù)據(jù)信息的采集、圖像處理、橫向決策控制算法、通信管理。道路信息采集模塊是指數(shù)字?jǐn)z像頭，在具體實施運作的時候負(fù)責(zé)完成道路邊線的收集。執(zhí)行模塊主要是根據(jù)信息采集模塊來采集道路信息，由主控單元來完成數(shù)據(jù)信息的識別，在經(jīng)過一系列的計算之后下達(dá)控制命令。通信模塊是指小車和上位機的通信、小車和小車的通信、車路之間的通信，通過小車和上位機的通信能夠完成對電力系統(tǒng)的優(yōu)化和控制［3］。

4.2 智能小車硬件系統(tǒng)方案選擇

4.2.1 控制決策模塊

智能小車的主控芯片多使用單片機，但是對于復(fù)雜的圖像處理算法和矢量變化控制算法來說，單片機的精準(zhǔn)性無法滿足系統(tǒng)運作需要。單片機是一個復(fù)雜的計算機系統(tǒng)，多數(shù)的指令需要2～3 個指令周期來完成。在使用單片機的時候，系統(tǒng)程序和數(shù)據(jù)信息只能在同一個空間內(nèi)存儲，且同一個時刻只能夠單獨訪問指令數(shù)據(jù)。在遇到多個算法的時候，單片機會呈現(xiàn)出實時性較差的問題。為此，本文選擇TMS320F2821 作為智能車控制系統(tǒng)的主控芯片，這類芯片具有能耗低、低成本的特點，被人們廣泛地應(yīng)用在數(shù)據(jù)處理領(lǐng)域。TMS320F2821主要特點具體表現(xiàn)在以下幾個方面：（1）高性能靜態(tài)CMOS 技術(shù)，低功能設(shè)計，I/O 供應(yīng)電壓、Flash編程電壓是3.3V，內(nèi)核供電電壓會降為1.8V或者1.9V，在每秒150MI執(zhí)行速度作用下，指令周期會減少6.67ns；（2）高性能32 位CPU，在具體設(shè)計中采用了哈佛總線結(jié)構(gòu)，具有16×16的雙通道MAC，在這個期間不會占用CPU 時間，且在具體操作的時候具有統(tǒng)一的存儲模式，能夠快速響應(yīng)中斷處理；（3）片內(nèi)具有128K×16 位數(shù)的存儲器；（4）外部接口擁有MB 存儲容量，在具體運作的時候具有編程等待狀態(tài)、讀寫信號選通程序和獨立的片選信號［4］。

4.2.2 道路信息采集模塊

交通訊息收集模塊是應(yīng)用傳感設(shè)備，把交通環(huán)境訊息收集并上傳至集中控制設(shè)備，集中控制設(shè)備通過精準(zhǔn)的計算分析來做出控制決策。在市場上常見的圖像傳感器包含電荷耦合元件、互補金屬氧化物半導(dǎo)體兩類圖像傳感器。例如CCD 攝像頭。CCD 攝像頭的工作原理是使用光電作用以形成的半導(dǎo)體元件，該元件的作用是把光學(xué)成像轉(zhuǎn)換成數(shù)據(jù)信息，隨著時代的進(jìn)步發(fā)展，CCD 圖像傳感器開始被人們應(yīng)用在許多方面。將CCD攝像頭植進(jìn)光敏物體當(dāng)作其像素，傳感設(shè)備中的像素信息按照一定的順序傳遞到下一個像素上，這些信息會在最底部輸出，之后經(jīng)過傳感器邊緣的放大器輸出。

4.2.3 智能小車軟件系統(tǒng)方案的設(shè)計

智能小車的軟件系統(tǒng)提供了系統(tǒng)配置、系統(tǒng)調(diào)試、系統(tǒng)跟蹤、信息分析等工具，在多個工具的配合下能夠?qū)崟r性地對信號進(jìn)行處理。智能小車軟件系統(tǒng)由DSP初始化軟件、傳感器數(shù)據(jù)采集模塊、實時路徑檢測路徑、橫向控制模塊組成。智能小車軟件系統(tǒng)的多數(shù)時間被人們應(yīng)用在數(shù)據(jù)圖像收集和橫向運動反饋控制上［5］。

5 橫向控制算法的設(shè)計

5.1 圖像處理算法

圖像處理是對圖像的信息實施進(jìn)一步分解處理，圖像處理算法主要有以下幾種。

第一，圖像二值化。道路圖像包含目標(biāo)物體、背景、噪聲干擾等，二值圖像具有存儲空間小、信息處理速度快的特點，在具體實施時能夠?qū)D像開展邏輯運算。在這期間，二值圖像能夠精準(zhǔn)地獲取目標(biāo)區(qū)域范圍內(nèi)的幾何特征，最終實現(xiàn)對數(shù)據(jù)信息的深化處理。第二，圖像濾波處理。在經(jīng)過處理之后會獲得一幅二值圖像，在理想的情況下圖像上的高度像素會對車道的標(biāo)準(zhǔn)線進(jìn)行處理。寬度是車道標(biāo)線的重要設(shè)計影響因素，在具體設(shè)計的時候，2個白線行之間不能夠出現(xiàn)黑行。在圖像出現(xiàn)連續(xù)白點的時候，則可以證明這個位置上的人行橫道存在其他標(biāo)志線。

5.2 橫向控制算法的研究

對小車進(jìn)行研究的橫向控制算法包含PID 控制、模糊控制、優(yōu)化控制、神經(jīng)網(wǎng)絡(luò)控制等。車輛的行駛過程比較復(fù)雜，控制對象會呈現(xiàn)出非線性的變化，因此也就很難打造出精準(zhǔn)的數(shù)據(jù)模型。

5.2.1 車體運動學(xué)模型

本文所研究的車體運動學(xué)模型會將兩個前輪作為輪向輪，并根據(jù)標(biāo)準(zhǔn)去設(shè)定轉(zhuǎn)動角的范圍，通過劃分前輪角轉(zhuǎn)彎半徑范圍的確定來獲得角的速度范圍，為之后參數(shù)的選取提供支持。車體運動學(xué)模型如圖2所示。

圖2 車體運動學(xué)模型

5.2.2 模糊控制的組成

第一，接口模糊化處理。模糊控制設(shè)備的運作，需要經(jīng)模糊化處理之后，才可以真正地運用于控制設(shè)備的計算過程中，所以接口的模糊化處理是控制設(shè)備的必需條件，在實際應(yīng)用環(huán)節(jié)，其根本作用是把準(zhǔn)確的輸入數(shù)據(jù)，轉(zhuǎn)換成相對的模糊矢量。

第二，數(shù)據(jù)收集中心。數(shù)據(jù)收集中心的作用是收集全部模糊子集隸屬度矢量數(shù)值，如果整個領(lǐng)域是連續(xù)閾，則是隸屬度為基本函數(shù)。

第三，依據(jù)的規(guī)則。模糊控制設(shè)備的規(guī)則，源自相關(guān)研究人員的經(jīng)驗積累與實驗分析的總結(jié)，在實際的應(yīng)用環(huán)節(jié)，會以公式的形式被人們運用。

第四，推理程序。模糊控制設(shè)備中的推理程序，是依據(jù)收集的模糊數(shù)據(jù)，在控制設(shè)備的操作下，行程模糊推理，再依據(jù)推理的成果，核算模糊方程式。推理程序是模糊邏輯理論應(yīng)用的關(guān)鍵一步，目前被廣泛使用的模糊方式非常多，本文使用的推理程序為正向推理。

第五，接口模糊化的解除。解模糊控制的目的是按照模糊推理的結(jié)果來體現(xiàn)出控制量的實際分布［6］。

5.2.3 模糊控制器的設(shè)計

第一，模糊控制器的結(jié)構(gòu)。模糊控制器的結(jié)構(gòu)是確定模糊控制器的輸入輸出變量。模糊控制算法是操作者實際操作控制中操作經(jīng)驗的總結(jié)和集合，其是模糊控制器的核心，常見的模糊控制規(guī)則包含單輸出、輸入模糊控制器、雙輸入單輸出模糊控制器、多輸入單輸出模糊控制器、雙輸入多輸出模糊控制器。第二，語言變量和模糊化策略的確定。模糊規(guī)則的確定關(guān)系到模糊控制器的設(shè)計，多數(shù)情況下，模糊規(guī)則選擇和提取是繁雜的，在這個期間會涉及設(shè)計者的想法，基本過程包含適合的語言變量、語言變量隸屬度函數(shù)，在整合這些信息后打造出模糊控制規(guī)則。第三，確定解模糊策略。解模糊的目的是根據(jù)模糊推理的結(jié)果來了解反映控制量的分布情況。常見的解模糊方法包含最大隸屬度法、多個臨近隸屬度最大值、對單個隸屬度的最大值。第四，模糊控制器理論研究閾和比例因子的確定。任何系統(tǒng)的信號都是有界限的，在模糊控制中界限是變量的基本研究領(lǐng)域。結(jié)合以上模糊控制器的設(shè)計步驟，將舵機模糊控制器的操作流程設(shè)定如下。（1）輸入輸出變量。按照之前對導(dǎo)航參數(shù)的分析，將輸入變量設(shè)定為智能小車虛擬中心線和視野中坐標(biāo)Y軸的偏差d，以及收集的臨近虛擬中心線連線斜率r；輸出變量是舵機脈沖數(shù)u。（2）定義變量的模糊條件。選取d、r兩個語言變量的模糊閾為-3、-2、-1、0、1、2、3，u的量化是7 級。各個變量的模糊子集數(shù)目關(guān)系到控制規(guī)則。在綜合考慮因素之后，選擇7 個模糊子集。d＞0 代表智能小車偏離目標(biāo)中心引導(dǎo)線的右邊；d=0 代表智能小車在目標(biāo)中心引導(dǎo)線上；d＜0代表智能小車相對道路中心引導(dǎo)線的左邊。

6 結(jié)語

綜上所述，自動駕駛技術(shù)被應(yīng)用的范圍越來越廣，當(dāng)下，許多城市與企業(yè)對于自動駕駛技術(shù)的研究都有著明顯的進(jìn)展，為進(jìn)一步優(yōu)化對于自動駕駛車輛的橫向控制，本文基于智能車輛的橫向控制系統(tǒng)設(shè)計作出詳細(xì)分析，旨在優(yōu)化車輛自動駕駛技術(shù)的全面突破，提升自動駕駛車輛的安全性與可靠性。