基于視覺(jué)的智能車(chē)轉(zhuǎn)向控制策略

汽車(chē)信息化、智能化是當(dāng)今汽車(chē)研究的重點(diǎn)，已經(jīng)成為衡量各國(guó)汽車(chē)工業(yè)發(fā)展水平的重要標(biāo)志[1]，智能汽車(chē)作為一種全新的汽車(chē)概念和汽車(chē)產(chǎn)品，將成為汽車(chē)生產(chǎn)和汽車(chē)市場(chǎng)的主流產(chǎn)品[2]。而“飛思卡爾”杯全國(guó)大學(xué)生智能車(chē)競(jìng)賽由高等學(xué)校自動(dòng)化專(zhuān)業(yè)教學(xué)指導(dǎo)分委員會(huì)主辦，飛思卡爾半導(dǎo)體公司協(xié)辦，并由各個(gè)分賽區(qū)的承辦大學(xué)組織。比賽以迅猛發(fā)展的汽車(chē)電子為背景，涵蓋了控制、模式識(shí)別、傳感技術(shù)、電子、電氣、計(jì)算機(jī)、機(jī)械等多個(gè)學(xué)科交叉的科技創(chuàng)意性，旨在培養(yǎng)大學(xué)生對(duì)知識(shí)的把握和創(chuàng)新能力，以及從事科學(xué)研究的能力[3]。

根據(jù)“飛思卡爾”智能車(chē)大賽規(guī)則要求：使用統(tǒng)一車(chē)模，核心控制單元采用飛思卡爾MC9S12DG128CPU。在此基礎(chǔ)上，自主構(gòu)思控制方案及系統(tǒng)控制電路的設(shè)計(jì)。系統(tǒng)控制電路設(shè)計(jì)包括：傳感器信號(hào)的采集、處理電路設(shè)計(jì)、驅(qū)動(dòng)電機(jī)及轉(zhuǎn)向舵機(jī)控制電路設(shè)計(jì)以及各類(lèi)接口電路設(shè)計(jì)?？刂品桨冈O(shè)計(jì)包括：控制系統(tǒng)的組成設(shè)計(jì)、各類(lèi)算法的設(shè)計(jì)及優(yōu)化等內(nèi)容。系統(tǒng)設(shè)計(jì)、調(diào)試完成后，在規(guī)定的、標(biāo)有引導(dǎo)線(xiàn)的賽道上完成自尋跡行走，其賽道是在白色底板上鋪設(shè)黑色引導(dǎo)線(xiàn)，以完成時(shí)間最短者為優(yōu)勝。比賽分為光電組和攝像頭組。筆者為攝像頭組，采用的是攝像頭尋跡方式。

智能小車(chē)(以下簡(jiǎn)稱(chēng)小車(chē))的控制系統(tǒng)主要由三大部分組成：傳感器信號(hào)采集及處理、車(chē)速控制和轉(zhuǎn)向控制。由攝像頭采集道路信息，經(jīng)處理分析后識(shí)別路徑，根據(jù)不同的路徑?jīng)Q策出不同的速度和轉(zhuǎn)向角度[4-5]。在保證安全的基礎(chǔ)上，一方面需要考慮如何提高極限速度，另一方面需要考慮如何提高平均速度，其平均速度的大小最終將決定比賽成績(jī)。分析歷屆比賽可以發(fā)現(xiàn)，整個(gè)賽道中60%～70%的長(zhǎng)度為彎道,因此，小車(chē)彎道行駛速度很大程度上決定了小車(chē)在整個(gè)賽道上平均速度的大小。本文將針對(duì)小車(chē)在行走過(guò)程中，就如何利用圖像數(shù)據(jù)，給出合理的轉(zhuǎn)向策略進(jìn)行深入探討。

就普通駕駛員而言，駕駛車(chē)輛行駛在公路上，直道時(shí)保持高速運(yùn)行狀態(tài)，而彎道時(shí)會(huì)根據(jù)不同的彎道做出合理的決策。一般為先減速，然后在一個(gè)比較低的速度下通過(guò)彎道，過(guò)彎后加速，最終回到直道速度。而在賽車(chē)場(chǎng)上的情景則不同，賽車(chē)選手輕易不會(huì)選擇普通駕駛員的轉(zhuǎn)彎策略，而是利用前輪轉(zhuǎn)向帶來(lái)的向心力并結(jié)合賽車(chē)入彎前的固有慣性達(dá)到快速轉(zhuǎn)彎的目的。對(duì)于一輛有視覺(jué)的智能小車(chē)是否也可以模擬這種高速運(yùn)動(dòng)過(guò)程，從而贏得比賽？筆者在綜合分析視覺(jué)圖像的特點(diǎn)、舵機(jī)模型以及圓周運(yùn)動(dòng)的特點(diǎn)后提出了一種可以高速入彎而不必減速或輕微減速、同時(shí)又能保證小車(chē)不會(huì)沖出賽道的安全過(guò)彎策略。

1 道路信息提取

要實(shí)現(xiàn)一個(gè)完整的基于視覺(jué)尋跡的智能小車(chē)，首先需利用攝像頭獲取道路信息，然后對(duì)采集到的原始圖像進(jìn)行數(shù)據(jù)處理，以獲取賽道中引導(dǎo)線(xiàn)在圖像坐標(biāo)系中的位置[6-8]。

圖1為攝像頭安裝示意圖。其中，Z1為攝像頭距地面的高度；w為視野場(chǎng)景的寬度，其大小與攝像機(jī)安裝的俯角和高度都有關(guān)系；b為輪間距。對(duì)場(chǎng)景中的特征點(diǎn)，只要知道其在場(chǎng)景中的位置，即可計(jì)算出該點(diǎn)與小車(chē)的相對(duì)位置。由上往下延Z軸反方向看，可得到場(chǎng)景平面,如圖2所示。其中，場(chǎng)景平面離小車(chē)的距離為d，這段距離為盲區(qū)，場(chǎng)景平面寬為W，長(zhǎng)為H。定義小車(chē)的中線(xiàn)為基準(zhǔn)線(xiàn)，由攝像頭獲得的圖像即是場(chǎng)景平面。受MC9S12DG128CPU單片機(jī)處理能力的限制，選用356×292 CMOS黑白攝像頭，將其設(shè)置為逐行掃描模式。單行采樣106點(diǎn)。根據(jù)實(shí)驗(yàn)結(jié)果，綜合考慮各種因素，選取其中64行信息形成一幅64×106的圖像平面，用來(lái)判斷彎道、直道以及彎道位置，從而達(dá)到減小計(jì)算量的目的。圖像如圖3所示。

在圖3圖像平面的基礎(chǔ)上，利用參考文獻(xiàn)[9～10]中的方法逐行掃描提取引導(dǎo)線(xiàn)位置。對(duì)于沒(méi)有引導(dǎo)線(xiàn)的行將其標(biāo)記出來(lái)并將沒(méi)有引導(dǎo)線(xiàn)的邊界行記為row_sure，這個(gè)值記錄著64行數(shù)據(jù)中從第幾行開(kāi)始沒(méi)有引導(dǎo)線(xiàn)，簡(jiǎn)稱(chēng)為出界點(diǎn)。得到引導(dǎo)線(xiàn)在圖像中的位置，可根據(jù)引導(dǎo)線(xiàn)的圖像坐標(biāo)來(lái)控制舵機(jī)的轉(zhuǎn)角。單行圖像數(shù)據(jù)的圖像坐標(biāo)與其對(duì)應(yīng)的真實(shí)場(chǎng)景坐標(biāo)呈線(xiàn)性變換關(guān)系，即每行任意兩像素坐標(biāo)的列差值乘以一個(gè)近似固定的比例系數(shù)K就可得到真實(shí)場(chǎng)景對(duì)應(yīng)行坐標(biāo)的差值：

ΔXworld=K×ΔXimage=K×(line2-line1) (1)

式中ΔXworld為真實(shí)場(chǎng)景坐標(biāo)中兩點(diǎn)的距離，ΔXimage為圖像平面對(duì)應(yīng)行上兩點(diǎn)的像素坐標(biāo)的列差值。

利用上面的關(guān)系，可以間接測(cè)量出小車(chē)與目標(biāo)引導(dǎo)線(xiàn)之間的偏角,如圖4所示。若設(shè)AB為基準(zhǔn)線(xiàn)，即車(chē)的中線(xiàn)；AK為引導(dǎo)線(xiàn)；過(guò)F點(diǎn)向y軸做垂線(xiàn)，與基準(zhǔn)線(xiàn)AB的交點(diǎn)為C，定義C點(diǎn)為基準(zhǔn)位置。在三角形AFC中，角β為基準(zhǔn)線(xiàn)與引導(dǎo)線(xiàn)之間的夾角：

在理想情況下，控制舵機(jī)向左偏轉(zhuǎn)β角度即可讓小車(chē)追隨到引導(dǎo)線(xiàn)。但這樣計(jì)算角度的計(jì)算負(fù)擔(dān)很重，簡(jiǎn)化參考文獻(xiàn)[2]中橫向偏差的測(cè)量方法，在基準(zhǔn)位置固定的情況下，可用CF的長(zhǎng)度近似表示角度β的大小:

|CF|=K×β (3)

式中，K為一個(gè)比例系數(shù)。結(jié)合圖像平面與場(chǎng)景平面之間的關(guān)系，定義CF的長(zhǎng)度即為偏差，轉(zhuǎn)化到圖像平面為:

err=line1-linem (4)

式中, linem為基準(zhǔn)位置對(duì)應(yīng)的列值，line1為同行引導(dǎo)線(xiàn)的列值，err為位置偏差。因此，在實(shí)際的軟件設(shè)計(jì)中，不必得到真實(shí)場(chǎng)景坐標(biāo)，可以直接對(duì)引導(dǎo)線(xiàn)實(shí)際位置與基準(zhǔn)位置間圖像坐標(biāo)的差(line1-linem)設(shè)計(jì)控制算法。如增量PID控制器可設(shè)計(jì)為: