叶蕾+视觉导航智能小车自主驾驶控制方法研究

1叶蕾武汉理工大学智能交通系统研究中心视觉导航智能小车自主驾驶控制方法研究2报告提纲■概况■视觉导航智能小车模型分析■视觉导航智能小车自主驾驶■实验及结论31.概况自治车队模拟实验系统智能小车系统架构41.1自治车队模拟实验系统自治车队模拟实验系统包括：道路沙盘仿真平台；智能小车模拟系统；路侧信息采集与监控系统。51.1自治车队模拟实验系统沙盘实景照片（整体）6视觉导航智能小车路侧采集系统监控中心WLAN网络路侧采集系统1.1自治车队模拟实验系统自治车队行驶模拟实验系统71.2智能小车系统架构视觉导航智能小车包括：DSP控制器，电源转换模块，电机驱动模块，ZIGBEE无线通讯模块，CMOS数字摄像头，红外避障传感器，超声波传感器，旋转编码器和外部存储器81.2智能小车系统架构视觉导航智能小车体系结构92.视觉导航智能小车模型分析■摄像头标定■智能小车运动模型10摄像头标定hαβθxyOxabhxbatantantan22tan)2tantan(arctan2raxr(1)(2)(3)1)tan()tan(r11智能小车运动模型OxydO'(x',y')Vαθs道路标识线1')(1yx'tyx100)('cossin)('sincos)(tytxt（x‘（t），y’（t））为车体坐标系原点在世界坐标系中的坐标；θ为车体坐标系x‘轴与世界坐标系x轴的夹角。123.视觉导航智能小车自主驾驶视觉导航智能小车自主驾驶控制主要分为横向控制和纵向控制。根据视觉导航智能小车模型分析，前者主要研究智能小车的道路识别能力；后者研究主要侧重于行驶车速的控制。133.1横向控制视觉导航模块作为智能小车模拟系统的核心，其性能直接影响行驶的安全性。本文选用基于标识线图像识别的导航方法，具有识别简单，图像处理速度快，控制实时性较好的特点。图像处理过程包括：阈值的选取、噪声处理和标识线中心位置的提取。14阈值选取导航智能小车运行前，首先采集沙盘路面上的信息（人行横道除外），共采集6场，考虑到第一场不太稳定，从第二场开始，每场的每行求一个最大值，然后对五场中每行的最大值求平均值，将得到的结果进行整体补偿，作为每行的阈值。阈值的求取公式为其中，是第i场第j行的最大值，C为补偿值。Caiijj561max15图像去噪处理由于数字摄像头受环境影响较大，图像除包括路径信息外，还可能有许多干扰噪声。为了再现真实的路径信息，必须进行数据的去噪处理，从而准确的计算出沙盘路面标识线的中心位置。主要依据图像的连续性进行去噪。图像去噪处理一帧数据去噪前后效果图，左边是去噪前数据，右边是去噪后数据标识线中心位置的提取本文提出标识线虚拟中心位置和标识线虚拟中心线。虚拟中心线可在确定左右两条标识线的中心位置后，再利用中点公式确定。yx(X1,Y1)(X2,Y2)o左右两条标识线标识线虚拟中心线导航图像跟踪参数示意图根据标识线虚拟中心线斜率和相对车体纵轴线的偏移量就可以判断当前道路是直道还是弯道。因此，根据这两个参数就可以给定舵机的控制量。3.2纵向控制纵向控制旨在保证单车或车队行驶的稳定性，主要通过调节车速，使视觉导航智能小车在道路沙盘不同路况下速度趋于稳定，并能保持前后车的车间距以及与障碍物之间的距离。PID控制是一种稳定可靠，实现简单，使用广泛的控制方法。PID控制阶跃响应194.实验及结论基于车路协调的汽车列队控制是当前智能交通研究领域热点之一。本文搭建了视觉导航智能小车实验平台，并分析了系统的组成和各部分的功能。提出了智能小车自主驾驶控制策略，并通过实验，验证了自治模型车横向和纵向控制算法。视觉导航智能小车实际速度曲线204.实验及结论实验视频