自动泊车系统的控制算法研究.docVIP

.. word教育资料 自动泊车系统的控制算法研究 　　摘 要：自动泊车系统是汽车智能化发展的一个重要方向，也是无人驾驶技术的一部分。采用单目视觉的方法识别车位，为了使汽车能连续泊车入位，规划了基于回旋曲线的曲率连续泊车路径。同时，在装有单摄像机的模型车上对算法进行试验验证。结果表明，模型车准确识别车位，并连续泊入车位且以较好的姿态停于车位中间。对机器视觉在汽车上的广泛应用具有一定促进作用。 　　关键词：自动泊车；单目视觉；车位检测；路径规划；回旋曲线 　　中图分类号：U471.15文献标文献标识码：A文献标DOI：10.3969/j.issn.2095-1469.2014.03.03 　　随着汽车技术的快速发展，汽车的普及率越来越高，随之带来的问题是停车位需求量越来越大，停车位的空间越来越小，从而在现代都市中“停车难”的问题变得日益严重。在窄小的空间进行倒车入位操作，对很多驾驶不熟练的驾驶员造成了很大的困扰。由此引起的交通事故也在逐年增加，而且占交通事故中很大一部分。因此，进行自动泊车系统的研究不仅能推动社会现代化，更能提高交通安全指数。 　　自动泊车系统包括6个部分：环境识别、路径规划、姿态估计、路径跟踪控制、激活转向/制动系统和人机交互。目前，在应用于汽车上的自动泊车系统中普遍采用测距传感器，如超声波传感器[1]、激光雷达[2] 作为环境识别传感器。但是由于测距传感器只能用于平行泊车，而且图像传感器得到的信息量非常大，因此，图像传感器成为未来自动泊车系统的环境识别传感器是必然的趋势。采用机器视觉的方法识别环境，根据识别物体的不同可归纳为以下3种方法：（1）识别相邻车辆作为可用车位的边界。文献[3] 采用摄像头与激光雷达相结合的方法得到旁车的点云来获取车位信息。（2）识别车位标志线。在文献[4]中驾驶员通过点击触摸屏上的车位角点标志线及处理局部图像来获取车位信息。（3）识别车位标志线和相邻车辆相结合的方法[5] 。在方法（1）、（3）中，需要处理的数据量非常庞大，导致处理图像的时间很长，难以满足系统的实时性要求；在方法（2）中，通过人机交互操作可大大减小算法复杂度，但同时也加大了驾驶员的操作负担。在路径规划中，文献[6]采用相切的圆弧来连接汽车的预备倒车位置和终止位置作为汽车的倒车轨迹，此倒车轨迹的缺点是曲率不连续，在泊车过程中，汽车必须在倒车轨迹曲率突变处停止泊车，将前轮转到特定角度才可继续泊车，使泊车过程不连续；Zhao Liang等提出采用Bezier曲线优化路径的方法[7] ；Maekawa T.等采用β-spline曲线作为汽车的泊车路径[8]；文献[9] 规划了一条多项式曲线作为平行泊车路径。这3种曲线都是曲率连续变化的光滑曲线，但是在泊车过程中，很多时候前轮未转到极限状态，导致泊车所需空间较大，难以满足现代城市中在车位窄小的情况下进行泊车的要求，并且曲线拟合速度慢。 　　考虑到自动泊车系统主要在城区使用，通过检测车位线来识别目标车位是最经济、有效的方法。因此，本文采用一种使用单目视觉的方法来检测车位标志线，得到车位大小和车位与自车的相对位姿关系信息；采用回旋曲线将直线段和圆弧段连接，得到一条所需泊车空间小的曲率连续泊车路径。 　　1 车位检测 　　在自动泊车系统中，本文从经济性、实用性的角度考虑，采用单目视觉的方法检测车位。在汽车的左右后视镜上各安装一个摄像头，用于检测汽车左右的车位。采用该方法检测车位包括以下步骤：（1）将使用广角摄像机获得的图像进行预处理，包括图像的灰度化、滤波、二值化和矫正。（2）在处理后的图像中提取车位标志线的骨架。（3）采用Hough变换检测车位标志线的骨架并采用K-均值法对Hough空间中的峰值点进行聚类，从而得到车位标志线所对应的直线方程，由此可得车位角点的图像坐标。（4）利用单应性矩阵将求得的图像坐标变换到以地平面为笛卡尔坐标系中xoy坐标平面的世界坐标。 　　1.1 图像预处理 　　摄像机采集的图像如图1（a）所示，该图片为YUV格式，由于彩色图像包含的数据量大，会使图像处理的时间增加，因此，将图像灰度化，只需提取图像的Y分量即可，结果如图1（b）所示。由于获得的图像中含有对车位识别造成干扰的噪声，需要先对图像进行滤波处理，本文选择中值滤波的方法对图像进行滤波。通常情况下，车位标志线使用颜色明亮的白色涂料画在颜色灰暗的地面上，图像被分成两个部分：（1）明亮的车位标志线。 　　（2）灰暗的地面。本文采用基于全局灰度阈值的二值化方法提取车位标志线，二值化结果如图1（c）所示。在自动泊车系统中，必须采用广角摄像机来获得完整的车位信息，由此带来的负面影响是图像畸变。因此，首先需要将图像进行矫正，矫正图像采用非线性模型，在一般情况下，采用非线性模