視覺(jué)與GPS/IMU融合的智軌電車(chē)循跡控制研究

袁希文，張新銳，胡云卿，高鑫鵬，黃瑞鵬

（中車(chē)株洲電力機(jī)車(chē)研究所有限公司，湖南 株洲 412001）

0 引言

智軌電車(chē)寬2.65 m，其在3.5 m寬的車(chē)道內(nèi)正常行駛、在狹窄區(qū)域轉(zhuǎn)彎以及靠站停車(chē)時(shí)，需要嚴(yán)格考慮占用道路寬度，以防止刮擦護(hù)欄或其他車(chē)輛現(xiàn)象的發(fā)生［1］。如果采用人工駕駛方式，不僅控制精度偏低，還容易因誤操作導(dǎo)致車(chē)輛偏離車(chē)道而引發(fā)交通事故。因此，使用自動(dòng)循跡控制系統(tǒng)來(lái)實(shí)現(xiàn)列車(chē)頭軸精確跟隨車(chē)道線行駛具有重要現(xiàn)實(shí)意義。

已批量裝車(chē)的智軌自動(dòng)循跡系統(tǒng)普遍采用圖像感知技術(shù)實(shí)現(xiàn)［2］，其基于視覺(jué)攝像頭實(shí)現(xiàn)車(chē)道線的識(shí)別，通過(guò)決策控制計(jì)算得到期望轉(zhuǎn)角，再下發(fā)給轉(zhuǎn)向執(zhí)行器?；趫D像識(shí)別的極簡(jiǎn)化循跡控制方式雖然可以不依賴(lài)外部定位信號(hào)實(shí)現(xiàn)單機(jī)控制，但其易受環(huán)境因素影響，如標(biāo)識(shí)線磨損、夜間光線不足、雨天反光、車(chē)燈逆光等。對(duì)于定位，主流方法有激光雷達(dá)建圖定位和全球定位系統(tǒng)（global positioning system，GPS）組合慣導(dǎo)定位［3］。激光雷達(dá)定位精度可達(dá)到厘米級(jí)，但需借助高精度地圖來(lái)實(shí)現(xiàn)，且設(shè)備價(jià)格高昂，建圖工作量大，成本高。GPS組合慣導(dǎo)定位的優(yōu)點(diǎn)是不受環(huán)境光線及雨雪天氣的影響，可全天候提供穩(wěn)定信息；缺點(diǎn)是信號(hào)受建筑物遮擋［4］。常規(guī)民用GPS組合慣導(dǎo)定位精度大約在10 m左右；但結(jié)合實(shí)時(shí)動(dòng)態(tài)（real-time kinematic，RTK）載波相位差分技術(shù)可將定位精度提升至1～2 cm［5］，不僅滿足無(wú)人駕駛車(chē)輛定位要求，而且地圖構(gòu)建與維護(hù)方便?？紤]到GPS組合慣導(dǎo)定位特性與視覺(jué)識(shí)別互補(bǔ)，并且批量生產(chǎn)的智軌電車(chē)出廠時(shí)即已搭載了GPS組合慣導(dǎo)系統(tǒng)，可在現(xiàn)有系統(tǒng)上進(jìn)行改造適配。因此，本文選擇GPS組合慣導(dǎo)作為視覺(jué)感知的補(bǔ)充手段，研究了視覺(jué)與GPS融合的智軌自動(dòng)循跡系統(tǒng)。

目前在汽車(chē)自動(dòng)駕駛領(lǐng)域，關(guān)于視覺(jué)與GPS融合技術(shù)的研究較多。文獻(xiàn)［6］基于組合慣導(dǎo)的車(chē)速和航向角信息，對(duì)車(chē)道模型進(jìn)行補(bǔ)償估計(jì)，試驗(yàn)結(jié)果表明，該方法可有效彌補(bǔ)因視覺(jué)傳感器短時(shí)故障而造成的影響，具有良好的魯棒性和準(zhǔn)確性。文獻(xiàn)［7］提出一種基于視覺(jué)與GPS融合的局部軌跡規(guī)劃方法，其根據(jù)感知手段在不同環(huán)境下的有效性對(duì)駕駛模式進(jìn)行實(shí)時(shí)切換。文獻(xiàn)［8］在Stanley控制器中使用GPS技術(shù)和視覺(jué)識(shí)別技術(shù)分別提供航向偏差與橫向偏差信號(hào)，仿真結(jié)果顯示，即使車(chē)輛丟失視覺(jué)信號(hào)，也能沿相對(duì)正確的軌跡行駛。文獻(xiàn)［9］利用無(wú)跡卡爾曼濾波對(duì)視覺(jué)及GPS信號(hào)進(jìn)行融合，有效提高了四輪電瓶車(chē)的定位精度。文獻(xiàn)［10］在視覺(jué)傳感器長(zhǎng)期失效的情況下將GPS定位數(shù)據(jù)用于車(chē)道線模型的預(yù)測(cè)，通過(guò)仿真實(shí)現(xiàn)了無(wú)人駕駛車(chē)輛的車(chē)道穩(wěn)定保持。文獻(xiàn)［11］采用GPS定位技術(shù)并結(jié)合電子地圖對(duì)視覺(jué)導(dǎo)航可靠性進(jìn)行驗(yàn)證，有效提高了智能車(chē)輛在復(fù)雜路況環(huán)境下定位的可靠性。

上述研究的技術(shù)路線多為數(shù)據(jù)級(jí)融合，對(duì)數(shù)據(jù)時(shí)空同步要求極高，且均為基于仿真模型或簡(jiǎn)單道路場(chǎng)景下的低速測(cè)試。由于智能軌道快運(yùn)系統(tǒng)運(yùn)營(yíng)場(chǎng)景存在隧道、小半徑彎道、城市樓房遮擋等特殊工況，因此這些方法難以適應(yīng)真實(shí)道路環(huán)境。本文以智軌電車(chē)為載體，提出了一種面向復(fù)雜運(yùn)行環(huán)境的視覺(jué)與GPS自適應(yīng)融合控制的方法并進(jìn)行了實(shí)車(chē)試驗(yàn)。結(jié)果表明，采用該方法，能夠保證智軌電車(chē)實(shí)現(xiàn)平穩(wěn)的自動(dòng)循跡行駛，并提升了自動(dòng)循跡系統(tǒng)的可用性。

1 自動(dòng)循跡系統(tǒng)構(gòu)成

智軌電車(chē)的自動(dòng)循跡系統(tǒng)由視覺(jué)定位子系統(tǒng)、GPS組合慣導(dǎo)定位子系統(tǒng)、決策控制子系統(tǒng)及執(zhí)行子系統(tǒng)構(gòu)成（圖1）。

圖1 視覺(jué)與GPS融合自動(dòng)循跡系統(tǒng)Fig.1 Vision and GPS fusion automatic tracking system

智軌電車(chē)運(yùn)行過(guò)程中，一方面視覺(jué)定位子系統(tǒng)通過(guò)圖像識(shí)別技術(shù)提取車(chē)道線特征，以獲得車(chē)輛與車(chē)道線的相對(duì)位置信息；另一方面，GPS組合慣導(dǎo)定位子系統(tǒng)借助RTK技術(shù)與基準(zhǔn)站通信，獲取車(chē)輛的絕對(duì)位置信息。定位信息經(jīng)決策控制子系統(tǒng)處理，得到期望方向轉(zhuǎn)角并輸入執(zhí)行子系統(tǒng)，以實(shí)時(shí)調(diào)節(jié)車(chē)輛轉(zhuǎn)向角，跟蹤期望路徑。

1.1 視覺(jué)定位子系統(tǒng)

視覺(jué)定位子系統(tǒng)采用實(shí)時(shí)極簡(jiǎn)感知圖像處理的方式，借助車(chē)頭處的攝像頭模塊獲取車(chē)前車(chē)道線原始圖像數(shù)據(jù)；通過(guò)圖形信息分離、標(biāo)識(shí)、特征提取和數(shù)字軌道特征聚合等算法，生成高穩(wěn)定性、低累計(jì)誤差的虛擬數(shù)字軌道，如圖2所示。

圖2 視覺(jué)定位子系統(tǒng)Fig.2 Visual positioning subsystem

1.2 GPS組合慣導(dǎo)定位子系統(tǒng)

GPS組合慣導(dǎo)定位子系統(tǒng)包括GPS單元與慣性測(cè)量單元（inertial measurement unit，IMU）。GPS利用人造衛(wèi)星與信號(hào)接收機(jī)進(jìn)行通信，接收、跟蹤、解算出衛(wèi)星軌道參數(shù)數(shù)據(jù)并進(jìn)行定位計(jì)算，從而實(shí)現(xiàn)移動(dòng)載體全局導(dǎo)航定位。在此基礎(chǔ)上，系統(tǒng)接收來(lái)自RTK基準(zhǔn)站的通過(guò)觀測(cè)衛(wèi)星坐標(biāo)位置解算得出的差分改正信號(hào)，進(jìn)而獲取精確的移動(dòng)載體全局定位坐標(biāo)。

圖3 GPS組合慣導(dǎo)定位子系統(tǒng)Fig.3 GPS/IMU subsystem

結(jié)合IMU各向加速度數(shù)據(jù)，通過(guò)卡爾曼濾波，以GPS定位數(shù)據(jù)作為參考對(duì)位置進(jìn)行預(yù)測(cè)，可使定位具有良好的穩(wěn)定性，能持續(xù)提供精確的導(dǎo)航數(shù)據(jù)，滿足自動(dòng)循跡對(duì)信號(hào)頻率更新的要求。

1.3 決策控制子系統(tǒng)

決策控制子系統(tǒng)根據(jù)視覺(jué)定位子系統(tǒng)與GPS組合慣導(dǎo)定位子系統(tǒng)輸出的虛擬數(shù)字軌道距離偏差、角度偏差、經(jīng)緯度及航向角等信息并結(jié)合車(chē)輛狀態(tài)參數(shù)與分層電子地圖，在中央控制計(jì)算單元進(jìn)行實(shí)時(shí)計(jì)算，通過(guò)自適應(yīng)容錯(cuò)控制策略得到方向盤(pán)轉(zhuǎn)角指令，然后將指令輸入轉(zhuǎn)向執(zhí)行子系統(tǒng)以調(diào)整車(chē)輛航向，如圖4所示，使系統(tǒng)能夠在列車(chē)架構(gòu)特殊、初始姿態(tài)隨機(jī)的情況下保證列車(chē)自主、精確地進(jìn)入和跟蹤軌跡。

圖4 決策控制子系統(tǒng)Fig.4 Decision control subsystem

2 循跡系統(tǒng)控制策略

自動(dòng)循跡控制包括視覺(jué)循跡控制、GPS循跡控制和自適應(yīng)容錯(cuò)控制。視覺(jué)循跡不依賴(lài)外部網(wǎng)絡(luò)信號(hào)便可實(shí)現(xiàn)單機(jī)控制，但識(shí)別穩(wěn)定性受光照條件、車(chē)道線狀況等環(huán)境因素影響。GPS循跡不受環(huán)境光線和雨雪天氣的影響，但信號(hào)會(huì)受建筑物遮擋、隧道等因素影響而無(wú)法使用。為使兩者優(yōu)勢(shì)實(shí)現(xiàn)互補(bǔ)，本文研究了一種將視覺(jué)循跡與GPS循跡進(jìn)行融合的自適應(yīng)容錯(cuò)控制策略。

2.1 視覺(jué)循跡控制

視覺(jué)循跡控制采用預(yù)瞄PID控制算法，通過(guò)圖像識(shí)別方法獲取前方預(yù)瞄距離l處與軌道中心線的距離偏差A(yù)0、軌道中心線的斜率A1、軌道中心線的曲率A2、軌道中心線的曲率變化率A3等信息，從而進(jìn)行頭軸期望轉(zhuǎn)角的計(jì)算。其中，距離偏差ecte(k)和角度偏差eha(k)分別為

以車(chē)輛第一軸中心為原點(diǎn)，沿著車(chē)輛軸線方向的直線距離為預(yù)瞄距離l。預(yù)瞄距離取值與速度相關(guān)，其可以自適應(yīng)速度的變化，如果跟蹤路徑曲率較大，可采用弧長(zhǎng)距離計(jì)算。

對(duì)距離偏差和角度偏差分別進(jìn)行PID反饋控制，得到

式中：ucte(k)——預(yù)瞄點(diǎn)處距離偏差PID控制的控制量；uha(k)——預(yù)瞄點(diǎn)處角度偏差PID控制的控制量；KP，cte、KI，cte和 KD，cte——距離偏差 PID 控制的比例、積分和微分系數(shù)；KP，ha、KI，ha和KD，ha——角度偏差PID控制的比例、積分和微分系數(shù)。

最終得到前輪轉(zhuǎn)角的控制量：

2.2 GPS循跡控制

GPS循跡采用Stanley控制算法，根據(jù)車(chē)輛狀態(tài)及預(yù)瞄點(diǎn)（由GPS定位信號(hào)實(shí)時(shí)索引的一系列路徑點(diǎn)經(jīng)平滑處理后組成），通過(guò)軌跡預(yù)瞄處與車(chē)身位置之間的橫向偏差和航向偏差計(jì)算頭車(chē)前軸轉(zhuǎn)向指令并輸出至轉(zhuǎn)向執(zhí)行機(jī)構(gòu)，從而實(shí)現(xiàn)軌跡跟隨（圖5）。

圖5 GPS循跡控制框圖Fig.5 GPS tracking control block diagram

GPS所接收位置信號(hào)為WGS84經(jīng)緯坐標(biāo)信息，需要將經(jīng)緯坐標(biāo)系轉(zhuǎn)換為與車(chē)輛坐標(biāo)系相匹配的ENU東北天坐標(biāo)系［12］。假設(shè)P為ENU坐標(biāo)系原點(diǎn)，則路徑點(diǎn)Q坐標(biāo)(xQP，yQP，zQP)表示為

式中：BP——P點(diǎn)在WGS84坐標(biāo)系下的緯度；LP——P點(diǎn)在WGS84坐標(biāo)系下的經(jīng)度；（XQ，YQ，ZQ）和（XP，YP，ZP）分別為Q點(diǎn)和P點(diǎn)在地心空間直角坐標(biāo)系下的坐標(biāo)，以Q點(diǎn)為例，路徑點(diǎn)Q在地心空間直角坐標(biāo)系下的坐標(biāo)可以表示為

式中：(BQ，LQ，HQ)——路徑點(diǎn)Q在WGS84坐標(biāo)系下的緯度、經(jīng)度以及海拔；RQ——Q點(diǎn)的地球橢球卯酉圈曲率半徑。

式中：xi——離散路徑點(diǎn)，其初始值即為實(shí)車(chē)采集的一系列路徑點(diǎn)，xi=(xi，yi)，i∈ [2，N-1]；Δxi——各路徑點(diǎn)之間的位移矢量，且Δxi=xi-xi-1；yi——初始路徑點(diǎn)坐標(biāo)；α，β，γ——各項(xiàng)權(quán)重系數(shù)；Δφi——各路徑點(diǎn)之間切向角的變化量。

圖6為離散路徑點(diǎn)示意圖。

圖6 離散路徑點(diǎn)示意圖Fig.6 Schematic diagram of discrete waypoint

對(duì)于處理后的路徑點(diǎn)，采用Stanley算法進(jìn)行路徑跟蹤。該方法根據(jù)航向偏差和橫向偏差計(jì)算轉(zhuǎn)向角，具有較高的魯棒性和精準(zhǔn)度［13］。Stanley控制模型示意見(jiàn)圖7。圖中，(cx，cy)為參考路徑上前軸中心的最近點(diǎn)坐標(biāo)，efa為車(chē)輛橫向偏差，δ為車(chē)輛前輪轉(zhuǎn)向角，θe為航向偏差，v為車(chē)速。

圖7 Stanley控制模型示意圖Fig.7 Schematic diagram of Stanley control model

車(chē)輛采用自行車(chē)模型，用Stanley算法計(jì)算車(chē)輛前輪期望轉(zhuǎn)向角：

式中：k——增益。

k值越大，則對(duì)橫向偏差的校正越明顯；但過(guò)大的k值將導(dǎo)致車(chē)輛沿期望路徑振蕩。在Stanley控制中，根據(jù)路徑曲率變化引入增益k的動(dòng)態(tài)調(diào)整邏輯：當(dāng)預(yù)瞄處曲率大于0.15 m時(shí)，需要選取較大的k值，通過(guò)增大k值以跟隨大曲率的轉(zhuǎn)向過(guò)程；當(dāng)預(yù)瞄點(diǎn)的曲率小于0.15 m時(shí)，需選取較小的k值，通過(guò)減小k值以維持車(chē)輛前進(jìn)方向穩(wěn)定。

2.3 視覺(jué)與GPS融合控制

借助分層電子地圖和狀態(tài)監(jiān)測(cè)，視覺(jué)與GPS融合控制實(shí)現(xiàn)自動(dòng)循跡系統(tǒng)在不同環(huán)境下的自適應(yīng)，分層電子地圖還原真實(shí)線路情況，包括路段和路徑點(diǎn)的雙層結(jié)構(gòu)。

為了實(shí)現(xiàn)智軌電車(chē)在全路段復(fù)雜環(huán)境的穩(wěn)定運(yùn)行，構(gòu)建了符合當(dāng)前運(yùn)行環(huán)境的容錯(cuò)控制策略。采用基于專(zhuān)家經(jīng)驗(yàn)的預(yù)設(shè)優(yōu)先級(jí)分段表來(lái)實(shí)現(xiàn)特定路段的分級(jí)控制，并根據(jù)對(duì)車(chē)輛狀態(tài)和道路環(huán)境的狀態(tài)監(jiān)測(cè)，對(duì)當(dāng)前路段的控制模式優(yōu)先、自適應(yīng)地執(zhí)行級(jí)別調(diào)整。依據(jù)調(diào)整后的控制模式，優(yōu)先選定當(dāng)前路段的控制方案，實(shí)現(xiàn)可能存在突發(fā)擾動(dòng)的復(fù)雜環(huán)境下的容錯(cuò)控制機(jī)制。通過(guò)結(jié)合優(yōu)先級(jí)別和退出機(jī)制等控制邏輯，借助GPS循跡與視覺(jué)循跡模式仲裁，并在兩種模式切換間引入過(guò)渡偏差，如圖8所示，確保車(chē)輛穩(wěn)定地逐步過(guò)渡至目標(biāo)控制模式。

圖8 視覺(jué)與GPS融合控制示意圖Fig.8 Schematic diagram of vision and GPS fusion control

3 實(shí)車(chē)驗(yàn)證

基于Speedgoat快速原型平臺(tái)搭建Simulink控制模型，并在宜賓智軌T1線開(kāi)展實(shí)車(chē)試驗(yàn)驗(yàn)證，如圖9所示。宜賓智軌T1線路全長(zhǎng)約19 km，全線涵蓋站臺(tái)、小半徑彎道、上下坡道、跨江橋梁、下穿隧道及高架橋，部分路段穿越市中心，公共路權(quán)環(huán)境及道路條件復(fù)雜，正線往返試驗(yàn)次數(shù)17次，試驗(yàn)總時(shí)長(zhǎng)20.36 h，總試驗(yàn)里程達(dá)523.6 km。其中，在隧道區(qū)域（采用純GPS方式，相關(guān)信號(hào)無(wú)法通過(guò)）、車(chē)道線污損與陽(yáng)光反射區(qū)域（純視覺(jué)無(wú)法通過(guò)）和全運(yùn)營(yíng)線路復(fù)雜路況下，進(jìn)行了融合控制方法的測(cè)試，結(jié)果分析如下。

圖9 試驗(yàn)設(shè)備及車(chē)輛Fig.9 Test equipments and vehicles

3.1 GPS受限隧道場(chǎng)景測(cè)試

通過(guò)自適應(yīng)邏輯和控制模式仲裁，列車(chē)自動(dòng)循跡通過(guò)純GPS控制方法無(wú)法通過(guò)的隧道試驗(yàn)路段，如圖10所示。其中，循跡模式狀態(tài)位為1表示視覺(jué)循跡模式；循跡模式狀態(tài)位為2表示GPS循跡模式；GPS定位定向狀態(tài)位為75表示RTK差分固定解定向狀態(tài)。測(cè)試結(jié)果表明，在測(cè)試車(chē)通過(guò)隧道區(qū)域時(shí)，由于受到頂部遮擋的影響，GPS定位失效，無(wú)法利用GPS控制方法自動(dòng)循跡行駛。此時(shí)所提出的融合控制方法能夠準(zhǔn)確判斷出前一階段控制方法失效，并平穩(wěn)地切換至視覺(jué)控制方法，從而實(shí)現(xiàn)在該區(qū)域的無(wú)接管循跡行駛。

圖10 采用融合循跡控制通過(guò)隧道區(qū)域Fig.10 Fusion control through the tunnel area

3.2 視覺(jué)受限區(qū)域測(cè)試

此外，還對(duì)純視覺(jué)循跡無(wú)法通過(guò)的車(chē)道線突發(fā)污損、受到遮擋等缺失區(qū)域進(jìn)行了自動(dòng)循跡測(cè)試，如圖11所示。其中，視覺(jué)故障狀態(tài)位為8表示視覺(jué)循跡故障；自動(dòng)循跡狀態(tài)狀態(tài)位為1表示車(chē)輛處于自動(dòng)循跡狀態(tài)中。測(cè)試結(jié)果表明，車(chē)輛在通過(guò)車(chē)道線污損和遮擋區(qū)域時(shí)，由于無(wú)法準(zhǔn)確識(shí)別車(chē)道線，導(dǎo)致無(wú)法利用視覺(jué)控制方法自動(dòng)循跡行駛。此時(shí)，所提出的融合控制方法能夠準(zhǔn)確判斷出視覺(jué)控制方法失效，平穩(wěn)地切換至GPS控制方法，并在經(jīng)過(guò)該路段后重新切換回視覺(jué)控制方法，從而平穩(wěn)無(wú)接管地循跡通過(guò)該區(qū)域。

圖11 融合循跡通過(guò)視覺(jué)循跡限制區(qū)域Fig.11 Autonamous-rail rapid tram through the visual tracking restricted area by fusion control

如圖12所示，試驗(yàn)車(chē)順利通過(guò)以往僅靠視覺(jué)系統(tǒng)難以通過(guò)的高鐵宜賓西站處小半徑彎道高架。在保證穩(wěn)定行駛的前提下，最高過(guò)彎速度達(dá)25 km/h，相比純視覺(jué)方法的15 km/h左右的最高過(guò)彎速度，速度提高66.7%以上，滿足駕駛司機(jī)對(duì)過(guò)彎速度須不小于20 km/h的要求。

圖12 高架小半徑彎道循跡數(shù)據(jù)Fig.12 Tracking data of elevated small radius curve

3.3 全場(chǎng)景循跡性能測(cè)試

在整個(gè)測(cè)試線路中，試驗(yàn)車(chē)經(jīng)歷了包括隧道、大曲率彎道及斜拉索橋面等運(yùn)行工況。如圖13所示，所提出的融合控制方法能夠自適應(yīng)地切換循跡模式，實(shí)現(xiàn)了全程無(wú)接管的自動(dòng)循跡行駛。

圖13 循跡控制容錯(cuò)自適應(yīng)Fig.13 Tracking control fault tolerant adaptive

試驗(yàn)車(chē)?yán)盟岢龅娜诤涎E方法進(jìn)行高速行駛，在行駛過(guò)程中經(jīng)歷了多次視覺(jué)循跡與GPS循跡功能間的切換（圖14）。測(cè)試結(jié)果顯示，在車(chē)輛高速行駛過(guò)程中，循跡功能進(jìn)行切換時(shí)，方向盤(pán)的角度抖動(dòng)控制在±15°范圍內(nèi)，小于車(chē)輛機(jī)械特性所產(chǎn)生的方向盤(pán)間隙最大角度。這表明，當(dāng)車(chē)輛行駛速度大于50 km/h時(shí)，所提出的融合控制方法能夠穩(wěn)定地進(jìn)行控制方法的切換，并平穩(wěn)地逐步過(guò)渡至目標(biāo)控制模式。

圖14 高速行駛過(guò)程中控制模式平穩(wěn)切換Fig.14 Smooth switching of control modes during highspeed driving

數(shù)據(jù)統(tǒng)計(jì)結(jié)果顯示，采用融合方法試驗(yàn)中實(shí)現(xiàn)的平均單程接管次數(shù)為0.97次，相比單純采用視覺(jué)方法循跡控制的單程接管次數(shù)（5.63次），數(shù)量下降了82.8%；平均單程運(yùn)營(yíng)時(shí)間為36 min，較單純用視覺(jué)方法循跡控制的單程運(yùn)營(yíng)時(shí)間下降24.4%，滿足調(diào)度對(duì)列車(chē)準(zhǔn)點(diǎn)的要求，實(shí)驗(yàn)數(shù)據(jù)總結(jié)如圖15所示。

圖15 純視覺(jué)方法與融合方法循跡控制指標(biāo)對(duì)比Fig.15 Tracking control comparison between pure vision method and fusion method

在2次試驗(yàn)中，分別測(cè)量試驗(yàn)車(chē)使用自動(dòng)循跡進(jìn)站?？亢箢^軸與站臺(tái)的間隙，同一站臺(tái)的間隙差異不超過(guò)5 mm，融合方法的控制效果表現(xiàn)出良好的一致性，測(cè)量結(jié)果如圖16所示。

圖16 站臺(tái)間隙一致性測(cè)試結(jié)果Fig.16 Platform clearance consistency test results

4 結(jié)語(yǔ)

本文從關(guān)聯(lián)關(guān)系、系統(tǒng)特性、算法模型和控制策略方面分別介紹了智軌電車(chē)視覺(jué)循跡和GPS循跡控制系統(tǒng)，并提出一種自適應(yīng)容錯(cuò)控制策略來(lái)實(shí)現(xiàn)視覺(jué)循跡與GPS循跡的融合控制。實(shí)車(chē)試驗(yàn)結(jié)果表明，采用該融合方法的循跡系統(tǒng)功能切換過(guò)程平穩(wěn)，循跡效果良好，相比單純用視覺(jué)方法的循跡系統(tǒng)，小半徑彎道通過(guò)速度提高66.7%，單程平均接管次數(shù)下降82.8%，單程運(yùn)營(yíng)時(shí)間降低24.4%，循跡進(jìn)站?？康恼九_(tái)間隙一致性良好，系統(tǒng)可用性得到提升。

為進(jìn)一步提升自動(dòng)循跡系統(tǒng)的感知穩(wěn)定性和控制效果，下一步將研究激光雷達(dá)建圖定位、增強(qiáng)毫米波雷達(dá)感知、特異性場(chǎng)景控制等其他技術(shù)手段，使其場(chǎng)景適應(yīng)更全面。