基于机器视觉和模糊控制的自动泊车_任坤
基于机器视觉的无人车辆导航与避障技术研究
基于机器视觉的无人车辆导航与避障技术研究无人车辆导航与避障技术是近年来人工智能领域中备受关注的研究方向。
随着机器视觉技术的不断发展和智能硬件的不断进步，基于机器视觉的无人车辆导航与避障技术日益成熟。
本文将探讨机器视觉在无人车辆导航与避障方面的应用、技术原理与挑战。
一、机器视觉在无人车辆导航中的应用机器视觉在无人车辆导航中的应用主要包括环境感知、位置定位和路径规划等方面。
1. 环境感知：机器视觉能够通过感知周围环境中的物体、路标、交通信号等信息，实现对道路情况的识别和理解。
利用深度学习算法，无人车能够对道路标志、车辆、行人等物体进行准确的识别，并判断其与无人车的相对位置。
这样无人车就能够根据周围环境的变化来做出合适的决策，比如减速、超车等。
2. 位置定位：机器视觉能够通过图像处理和匹配算法，将摄像头采集到的图像与事先建立好的地图进行比对，以确定无人车的准确位置和朝向。
这样无人车就能够在导航过程中实现精确定位，提高导航的准确性和可靠性。
3. 路径规划：机器视觉能够利用地图和环境感知信息，通过路径规划算法确定无人车的行驶路径。
在规划路径时，机器视觉将考虑车辆性能、交通规则、道路状况以及周围环境等因素，以确保无人车行驶的安全性和高效性。
二、基于机器视觉的无人车辆导航与避障技术原理基于机器视觉的无人车辆导航与避障技术的原理主要包括环境感知、决策与控制三个主要步骤。
1. 环境感知：通过搭载摄像头等传感器，无人车能够获取周围环境的图像信息。
利用计算机视觉技术，包括目标检测、语义分割等，无人车能够从图像中识别出道路、车辆、行人等物体，并进行一定程度的跟踪。
同时，通过对摄像头采集到的数据进行处理和分析，无人车能够实时感知周围环境的变化，为后续的决策与控制提供依据。
2. 决策：基于环境感知的结果，无人车会利用算法对所处环境进行分析和判断，以做出相应的决策。
例如，对于检测到的障碍物，无人车可以选择停车、绕行或避让等方式来避障。
基于FPGA的模糊控制自动垂直泊车系统设计
基于FPGA的模糊控制自动垂直泊车系统设计
孙永芳;张刚
【期刊名称】《机械设计与制造工程》
【年(卷),期】2016(045)012
【摘要】设计了一种基于FPGA的模糊控制自动垂直泊车系统,结合垂直泊车的实际情况、自动泊车系统的组成搭建了基于FPGA的PID模糊控制自动垂直泊车系统的硬件结构,采用超声波传感器采集周围环境数据,应用 PID模糊控制器对采集的信息进行分析处理.经测试,设计的系统在模型车航向角-34°~34°内,能够实现自主无碰撞泊车,达到了预期效果.
【总页数】4页(P50-53)
【作者】孙永芳;张刚
【作者单位】陕西国防工业职业技术学院机电工程学院,陕西西安 710300;航天推进技术研究院,陕西西安 710100
【正文语种】中文
【中图分类】TP242.6
【相关文献】
1.基于预瞄模糊控制的自动泊车算法研究 [J], 熊周兵;杨威;丁可;梁锋华;郑玲;黎予生
2.基于模糊控制的自动泊车的研究 [J], 温宗周;高园平;段俊瑞;刘垚;孙骋
3.基于模糊控制汽车自动泊车关键技术设计 [J], 张刚
4.基于扩展卡尔曼滤波的自动垂直泊车模糊控制 [J], 王健; 于蓬; 王金波; 彭欣
5.基于模糊控制的多圆弧路径自动平行泊车仿真 [J], 兰贵龙;贺艺斌
因版权原因，仅展示原文概要，查看原文内容请购买。
视觉跟踪模糊自调节PI控制算法
视觉跟踪模糊自调节PI控制算法
沈晓晶;陈明;李净;池涛
【期刊名称】《计算机科学》
【年(卷),期】2007(34)1
【摘要】视觉跟踪系统是一个非线性时变系统,传统控制方法往往难以胜任.因此,本文提出一种新的视觉跟踪控制算法--模糊自调节PI控制算法,以跟踪三维平动刚体目标.与传统基于图像的视觉伺服控制算法相比,该控制算法有两个优点:①以二值目标图像的矩特征为图像特征,因而无需图像特征匹配;②模糊调节器根据闭环系统响应的不同阶段,在线调节PI参数,从而改善了闭环系统的整体性能.仿真结果表明,本文提出的模糊自调节PI控制算法不仅简单快速,且具有较高控制精度.
【总页数】4页(P140-143)
【作者】沈晓晶;陈明;李净;池涛
【作者单位】上海水产大学信息学院,上海,200090;上海水产大学信息学院,上海,200090;上海水产大学信息学院,上海,200090;上海水产大学信息学院,上
海,200090
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于模糊PI的永磁同步电机矢量控制算法 [J], 杨飏;顾建凯;
2.无刷直流电机模糊PI控制算法研究 [J], 林聪;于跃
3.基于模糊PI的高速转台转速控制算法研究 [J], 郭一达;郝玉凤;贾云飞;柴金宝
4.应用于组态软件的自调节模糊控制算法设计与实现 [J], 刘岩;海玲;杨嘉鹏;刘文
5.应用于组态软件的自调节模糊控制算法设计与实现 [J], 严粤锋
因版权原因，仅展示原文概要，查看原文内容请购买。
计算机视觉在无人驾驶中的应用
计算机视觉在无人驾驶中的应用随着科技的不断进步，无人驾驶技术逐渐成为汽车产业的热门话题。
而计算机视觉作为无人驾驶中的重要组成部分，发挥着关键的作用。
本文将探讨计算机视觉在无人驾驶中的应用。
一、道路与交通标志识别无人驾驶车辆需要通过计算机视觉系统来识别道路和交通标志，以实现准确的自动驾驶。
计算机视觉系统可以对道路进行实时检测和分割，帮助无人驾驶车辆确定行驶的正确路径。
同时，它还能够识别不同的交通标志，如停车标志、限速标志等，为无人驾驶车辆提供精准的行驶指令。
二、车辆与行人识别为了保证无人驾驶车辆的安全性，计算机视觉系统需要准确地识别周围的车辆和行人。
通过使用高精度的图像处理算法，计算机可以实时监测周围环境中的车辆和行人，并及时做出反应。
这种识别功能可以有效地避免碰撞事故的发生，保护乘客和其他道路使用者的安全。
三、车道保持与自动泊车计算机视觉系统在无人驾驶中的另一个重要应用是车道保持和自动泊车。
通过对道路的准确监测和识别，计算机可以帮助无人驾驶车辆保持在正确的车道上，并根据道路情况做相应的驾驶决策。
此外，计算机视觉系统还能够实现自动泊车功能，通过识别停车位并进行精确的停车操作，提高停车的效率和便利性。
四、智能导航与路径规划计算机视觉系统还可以在无人驾驶中发挥智能导航和路径规划的作用。
通过对周围环境的实时感知和建模，计算机可以为无人驾驶车辆提供最优的行驶路线和路径规划。
这种智能导航系统可以根据实时道路情况和交通状况进行调整，以提高行驶的效率和安全性。
五、疲劳驾驶与情绪识别疲劳驾驶和情绪波动是导致交通事故的主要原因之一。
计算机视觉系统可以通过监测驾驶员的眼睛和脸部表情，自动识别疲劳和情绪波动的迹象，并提醒驾驶员采取相应的措施，确保行车的安全。
综上所述，计算机视觉在无人驾驶中扮演着至关重要的角色。
它的应用范围涵盖了道路与交通标志识别、车辆与行人识别、车道保持与自动泊车、智能导航与路径规划，以及疲劳驾驶与情绪识别。
4 自适应模糊控制-智能控制——理论基础、算法设计与应用-刘金琨-清华大学出版社
R x y B x i1i2 u
：如果
为 且 1
Ai1 1
2
为 Ai2 2
，则
为 i1i2
其中，i1 1, 2, , N1, i2 1, 2, , N2
将模糊集Bi1i2 的中心（用y i1i2 表示）选择为
y g e , e i1i2
i1
i2
1
2
（4.1）
步骤3：采用乘机推理机，单值模糊器和中心平
自适应模糊控制是指具有自适应学习算法的模糊逻辑系 统，其学习算法是依靠数据信息来调整模糊逻辑系统的参数。 一个自适应模糊控制器可以用一个单一的自适应模糊系统构 成，也可以用若干个自适应模糊系统构成。与传统的自适应 控制相比，自适应模糊控制的优越性在于它可以利用操作人 员提供的语言性模糊信息，而传统的自适应控制则不能。这 一点对具有高度不确定因素的系统尤其重要。
采用乘机推理机单值模糊器和中心平均解模糊器根据条规则来构造模糊系统42412模糊系统的逼近精度万能逼近定理表明模糊系统是除多项函数逼近器神经网络之外的一个新的万能逼近器
第4章 自适应模糊控制
模糊控制的突出优点是能够比较容易地将 人的控制经验溶入到控制器中，但若缺乏这样 的控制经验，很难设计出高水平的模糊控制器。 而且，由于模糊控制器采用了IF-THRN控制规 则，不便于控制参数的学习和调整，使得构造 具有自适应的模糊控制器较困难。
取控制律为
u
1 g(x)
f
x
y (n) m
ΚTe
(4.9)
将(4.9)代入(4.7),得到闭环控制系统的方程：
e(n) k e(n1) k e 0
1
n
(4.10)
由 的选取，可得 t 时 e(t) 0 ，即系统的输
计算机视觉技术在无人驾驶汽车中的应用
计算机视觉技术在无人驾驶汽车中的应用无人驾驶汽车是一项激动人心的新兴技术，其革命性的特点在于能够在没有人类驾驶员的情况下自主导航和操作车辆。
计算机视觉技术是无人驾驶汽车中最重要的组成部分之一，它为车辆提供了感知和理解环境的能力，从而实现智能驾驶。
本文将探讨计算机视觉技术在无人驾驶汽车中的应用，并讨论其带来的挑战和前景。
计算机视觉技术是一门研究如何使计算机获得和理解图像和视频数据的学科。
在无人驾驶汽车中，计算机视觉技术主要应用在以下几个方面。
首先，计算机视觉技术在无人驾驶汽车中用于目标检测和识别。
通过分析车辆周围的图像和视频数据，车辆能够自动识别和检测出其他车辆、行人、交通标志和信号灯等物体。
这些识别结果可以用于决策制定和路径规划，确保车辆能够安全地遵循交通规则并适应不同的驾驶场景。
其次，计算机视觉技术还可以用于车道线检测和车道保持。
通过处理摄像头捕捉到的图像数据，车辆能够准确地识别道路上的车道线，并根据这些信息来控制方向盘，保持车辆在正确的车道上行驶。
这种技术对于高速公路上的长时间巡航非常重要，可以大大减轻驾驶员的压力，并提高行驶的安全性和舒适性。
另外，计算机视觉技术还可以用于交通信号灯识别。
通过分析摄像头捕捉到的图像数据，车辆能够自动识别并理解交通信号灯，从而知道何时停车、何时出发。
这种技术使得车辆能够智能地遵守交通规则，提高行驶安全性，并减少交通事故的发生。
此外，计算机视觉技术还可以在无人驾驶汽车中用于前方障碍物检测和避障。
通过分析摄像头捕捉到的图像和视频数据，车辆能够实时检测到前方的障碍物，如其他车辆、路障、行人等，并根据这些信息来调整车辆的速度和轨迹，以避免碰撞和意外。
然而，计算机视觉技术在无人驾驶汽车中仍然面临许多挑战。
其中之一是复杂环境下的错误识别问题。
在复杂的交通环境中，可能会出现光线不足、天气恶劣或者视野受限等情况，这些条件可能导致计算机视觉系统错误地识别和判断物体。
因此，提高计算机视觉系统的鲁棒性和适应能力是一个重要的研究方向。
计算机视觉技术在智能停车系统中的应用研究
计算机视觉技术在智能停车系统中的应用研究一、引言随着城市化进程的加快，汽车数量不断增加，停车难题成为城市交通管理的一大挑战。
为了解决停车问题，智能停车系统应运而生。
其中，计算机视觉技术作为智能停车系统的关键技术之一，发挥着重要的作用。
本文将探讨计算机视觉技术在智能停车系统中的应用研究。
二、计算机视觉技术简介计算机视觉技术是模拟人类视觉系统进行图像识别和分析的技术。
它能够通过图像或视频中的特征提取和分析，进行对象识别、运动跟踪、场景理解等任务。
在智能停车系统中，计算机视觉技术可以应用于车辆识别、车位检测、停车指引等方面。
三、车辆识别技术智能停车系统需要准确识别进出停车场的车辆，并与车主的信息进行关联。
计算机视觉技术通过车牌识别技术可以实现精确的车辆识别。
通过识别车牌上的字符、颜色等特征，计算机视觉系统能够准确快速地判别出车牌，并将识别的结果与车主信息进行比对和关联，实现车辆的精准管理和车主的方便停车。
四、车位检测技术停车位的检测是智能停车系统中的一个重要环节。
通过计算机视觉技术，可以实现对停车位的实时监测和检测。
利用图像处理算法，系统能够识别出停车场中的空余车位，并将其实时显示在停车场指引屏上，为驾驶员提供停车位的信息。
这种技术不仅可以提高停车位的利用率，减少驾驶员的时间和精力，还能够有效缓解停车场拥堵问题。
五、停车指引技术计算机视觉技术在智能停车系统中还可以用于实现停车指引功能。
通过图像处理和模式识别算法，系统能够将摄像头拍摄到的实时图像进行处理，并将车辆的位置、行驶方向等信息与地图进行匹配，从而实现对驶入停车场的车辆的停车指引。
这样，驾驶员在找寻停车位时只需按照系统的指引行驶，不但能够快速找到停车位，还能够避免车辆阻塞和迷路的问题。
六、系统的安全性与可靠性在智能停车系统中，计算机视觉技术的安全性和可靠性是关键问题。
系统需要能够准确识别车辆、车牌，确保系统不被恶意用户破解或违法使用。
因此，在设计智能停车系统时需要加强对计算机视觉技术的研发，提高系统的安全性和可靠性。
基于计算机视觉的自动车库停车系统设计与实现
基于计算机视觉的自动车库停车系统设计与实现自动车库停车系统是一种利用计算机视觉技术实现的智能化停车管理系统。
它通过摄像头、图像处理算法和智能控制系统，实现了车辆在停车过程中的自动导航、停车位检测和精确停车等功能。
本文将对基于计算机视觉的自动车库停车系统的设计与实现进行详细介绍。
首先，基于计算机视觉的自动车库停车系统设计与实现需要考虑以下几个方面：车辆识别与跟踪、停车位检测、自动导航和精确停车。
车辆识别与跟踪是自动车库停车系统的核心功能之一。
该系统通过摄像头采集到的实时视频图像，利用计算机视觉算法，对车辆进行准确的识别和跟踪。
常用的算法包括基于颜色特征的车辆识别、基于边缘检测的车辆检测和基于深度学习的车辆跟踪等。
通过对车辆的识别和跟踪，系统可以准确地获取到车辆的位置信息，并实时更新这些信息。
停车位检测是自动车库停车系统的另一个重要功能。
系统需要能够检测出停车场中的空闲停车位，并提供给车辆进行选择。
常用的停车位检测算法包括基于图像分割的车位检测、基于特征提取的车位检测和基于机器学习的车位检测等。
通过这些算法，系统可以高效地检测出空闲停车位，提高停车效率。
自动导航是自动车库停车系统中的另一个重要功能。
通过识别和跟踪车辆的位置信息，系统可以根据用户的指令和停车场的布局，提供给车辆导航的指引，帮助车辆准确地到达目标停车位。
常用的自动导航算法包括基于路径规划的导航、基于图像识别的导航和基于机器学习的导航等。
这些算法可以使车辆在停车过程中避免碰撞和误差，安全地到达目标位置。
精确停车是自动车库停车系统最终需要实现的功能之一。
通过精确停车算法，系统可以使车辆在停车位上做出精确的停靠动作，并保持车辆位置的稳定。
常用的精确停车算法包括基于激光雷达的精确停车、基于摄像头的精确停车和基于传感器的精确停车等。
通过这些算法，系统可以确保汽车停放在正确的位置上，避免与其他车辆或障碍物发生碰撞。
在设计与实现基于计算机视觉的自动车库停车系统时，还需要考虑其他一些细节问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
， ， ： 作者简介 任 坤 （ 男， 硕士研究生 ； 郭 毓（ 通信作者 ） 教授 ， ａ １ ９ ８ ８ Ｅ－ｍ ｉ ｌ ｕ ｏ ｕ ｕ ｓ ｔ ． ｅ ｄ ｕ ． ｃ ｎ ． －） ＠ｎ ｇ ｙ ｊ 基金项目 南京理工大学研究生实践计划资助目 ．
图 １ 工作流程图
１． １ 泊车位识别 泊车位由直线 构 成 ， 本文利用此特征来识别 泊车位 ． 由于摄像头采集到的图像含有噪声 ， 且受 光照等影响 ， 因此 需 要 对 采 集 的 图 像 进 行 图 像 均 衡化 ， 二值化和数学形态学滤波等预处理 ． 在直线 检测中 ， 首先利用 Ｓ 然后 ｂ ｅ ｌ算子进行边缘检测 ， ｏ 根据检测到线段 使用 Ｈ ｕ ｈ 变换来检测车位线 ， ｏ ｇ 的长度以及水平 车 位 线 平 行 特 性 去 除 伪 车 位 线 ， 最后对车位线进 行 直 线 拟 合 ， 去除距离较近的直 ） ， 线． 车位线 ｏ ｕ ｈ 变换检测 直 线 结 果 如 图 ２（ Ｈ ａ ｇ （ ） 检测结果如图 ２ ｂ ．
１ 泊车位搜索和车身位置获取
自动泊车系统首要解决的是泊车位搜索和车 身位置获取问题 ． 泊车位存在两种情况 ： 车位左侧 或右侧没有车辆 和 车 位 两 侧 有 车 辆 ． 在前者情况 下， 由于缺少物体反射 ， 传统的超声波传感器并不 能有效地进行探测 ． 针对这点 ， 本文提出利用机器 视觉获取泊车位 和 车 辆 位 置 ， 使用了四个摄像头 其中ｂ 和ｃ 摄像头安装在左右后视镜 ａ， ｂ， ｃ 和ｄ． 附近 ， 用于检测泊车位 ， ａ 和ｄ 摄像头安装在车尾 灯附近 ， 用于泊车时车辆位置测量 ． 自动泊车的工 作流程如图 １ 所示 ．
ｘ， ｗ 是图像平面某点的齐次坐标 ． ｙ， ） ） 由式 （ 可得 ： １ ３ ～（
／ Ｘ＝（ ｘ －ｃ ｗ） ｆ； ｘ 烄 ／ Ｙ＝（ ｗ） ｙ －ｃ ｆ； ｙ 烅 （ ） ４
ｌ ｒ （ Ｚ ＝ ｗ ＝ｆ ｘ ． Ｔ／ －ｘ ） 烆 车身位置获取 １． ３ （ ） 在摄像机坐标系下 ， 如图 ３ 所示 ， 设ａ 和ｄ ａ
摘要 针对自动泊车应用中车位搜索和车辆位置获取困 难 的 问 题 ， 提出了一种在环境信息未知的情况下， 通 过机器视觉进行车位搜索和车身位 置 获 取 的 方 法 ， 避免了传统方法中利用超声波检测车位时左右两边必须 有车的弊端 ． 在建立并分析车辆动力学模型的基础上 ， 设计了模糊控制器， 并在模糊规则相对较少的情况下， 实现了自动泊车控制 ． 为进一步缩短泊车时间 ， 设计了 基 于 遗 传 算 法 的 优 化 策 略 ， 进一步改进模糊控制器． 数 值仿真结果验证了所提控制算法的有效性 ． 关键词 自动泊车 ；模糊控制器 ；遗传算法 ；优化 ；机器视觉 （ ） 中图分类号 Ｔ ２ ７ ７ 文献标志码 Ａ 文章编号 １ ７ １ １ ２ ２ ０ １ ５ Ｓ １ ８ ８ Ｐ ６ ４ ５ ０ ０ ０ ４ － － －
增刊 Ⅰ
任坤 ， 等 ：基于机器视觉和模糊控制的自动泊车
·８ ９·
测方法来获得车辆相对于泊车位的位置 ． 此外 ， 在 建立并分析车辆 运 动 学 模 型 的 基 础 上 ， 研究并提 出了模糊控制规 则 较 少 的 模 糊 控 制 器 ， 实现智能 泊车 ． 为了进一步缩短泊车时间 ， 基于遗传算法的 优化策略 ， 设计了改进的模糊控制器 ． 数值仿真结 果验证了所提控制算法的有效性 ．
［ １］
对于自动泊车 控 制 ， 目前国内外学者已提出 诸多算法 ， 归纳起来主要有 ２ 类 ． 一类是基于路径
２］ ， 类正弦曲线 规划的方法 ， 包括三角函数曲线法 ［ ［］ ３］ ， 法［ Ｂ ｅ ｚ ｉ ｅ ｒ曲 线 拟 合 法 ４ 和 回 转 曲 线 的 曲 率 连 ５］ 等； 另一类是基于驾驶经验知识的方法 ， 包 续法 ［ ］ ６ ７ － 和自适应模糊自动泊 括模糊 逻 辑 自 动 泊 车 ［ ８］ 车［ 等． 但是 ， 在模 糊 控 制 器 的 设 计 中 ， 基于驾驶
第４ ３卷 增 刊 Ⅰ ２ ０ １ ５年 １ ０月
华 中 科 技 大 学 学 报 （ 自 然 科 学 版） ） ｕ ａ ｚ ｈ ｏ ｎ Ｕ ｎ ｉ ｖ ． ｏ ｆ Ｓ ｃ ｉ ．＆ Ｔ ｅ ｃ ｈ．（ Ｎ ａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ ｄ ｉ ｔ ｉ ｏ ｎ Ｊ ．Ｈ ｇ
Ａ ｕ ｔ ｏ ｋ ｉ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍ ａ ｃ ｈ ｉ ｎ ｅ ｖ ｉ ｓ ｉ ｏ ｎ ａ ｎ ｄ ｆ ｕ ｚ ｚ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ａ ｒ －ｐ ｇ ｙ
Ｒ ｅ Ｋ ｕ ｕ Ｙ ｉ Ｄ ｉ Ｆ ｕ ｕ Ｙ ｕ ｎ ｎ Ｘ ｎ ｗ ｅ ｎ Ｇ ｏ ｇ
Ｖ ｏ ｌ ． ４ ３Ｓ ｕ ． Ⅰ ｐ ０ ｃ ｔ ． １ ５ Ｏ ２
： ／ ｈ ｕ ｓ ｔ ． １ ５ Ｓ １ ０ ２ ２ ． Ｄ Ｏ Ｉ １ ０． １ ３ ２ ４ ５ ｊ
基于机器视觉和模糊控制的自动泊车
任 坤 许 艺 丁福文 郭 毓
（ ） 南京理工大学自动化学院 ，江苏 南京 ２ ０ ０ ９ ４ １
经验的模糊规则 往 往 过 多 ， 使得控制算法实现较
１ ０］ ， 因此有必要设计模 糊 规 则 数 相 对 较 少 为困难 ［
同时又能够有效实现自动泊车控制的模糊策略 ． 本研究针对在 传 统 泊 车 系 统 中 ， 泊车位搜索 和车辆位置获取 较 难 的 问 题 ， 提出了机器视觉探
需信息 ． 因此有必 要 采 用 新 的 探 测 技 术 来 获 取 车 身与环境信息 ．
（ ） ，Ｎ ，Ｎ Ｓ ｃ ２ １ ０ ０ ９ ４， Ｃ ｈ ｉ ｎ ａ ａ ｎ ｉ ｎ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｈ ｏ ｏ ｌ ｏ ｆ Ａ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｏ ｎ ａ ｎ ｉ ｎ ｊ ｇ ｇ ｙ ｙ ｊ ｇ
Ａ ｂ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ａ ｃ ｕ ｉ ｒ ｅ ｍ ｅ ｎ ｔ ｉ ｎ ａ ｕ ａ ｒ ｋ ｉ ｎ ｓ ａ ｃ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｉ ｎ ａ ｎ ｄ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｓ ｔ ｒ ａ ｃ ｔ ｉ ｔ ｈ ｒ ｅ ｓ ｅ ｃ ｔ ｔ ｏ ｔ ｈ ｅ ｉ ｓ ｓ ｕ ｅ ｏ ｎ － Ｗ ｐ ｑ ｐ ｇ ｐ ｇ ｐ ， ａ ｒ ｔ ｏ ｒ ｏ ｏ ｓ ｅ ｄ ｔ ｏ ａ ｖ ｏ ｉ ｄ ｔ ｈ ｅ ｄ ｅ ｆ ｅ ｃ ｔ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｋ ｉ ｎ ｒ ｏ ｃ ｅ ｓ ｓ ａ ｎ ａ ｒ ｏ ａ ｃ ｈ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍ ａ ｃ ｈ ｉ ｎ ｅ ｖ ｉ ｓ ｉ ｏ ｎ ｗ ａ ｓ －ｐ ｐ ｐ ｐ ｇ ｐ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｃ ｏ ｕ ｌ ｄ ｎ ｏ ｔ ｂ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｂ ｕ ｌ ｔ ｒ ａ ｓ ｏ ｎ ｉ ｃ ｓ ｅ ｎ ｓ ｏ ｒ ｓ ｉ ｆ ｔ ｈ ｅ ｒ ｅ ｗ ｅ ｒ ｅ ｎ ｏ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｓ ｏ ｎ ａ ｒ ｋ ｉ ｎ ａ ｎ ｄ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｐ ｙ ｐ ｇ ａ ｒ ｋ ｉ ｎ ｓ ａ ｃ ｅ ｉ ｎ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｍ ｅ ｔ ｈ ｏ ｄ ｓ ． Ｏ ｎ ｔ ｈ ｅ ｂ ａ ｓ ｉ ｓ ｏ ｆ ａ ｎ ａ ｌ ｚ ｉ ｎ ａ ｎ ｄ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｉ ｎ ｔ ｈ ｅ ｂ ｏ ｔ ｈ ｓ ｉ ｄ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｐ ｇ ｐ ｙ ｇ ｇ ， ｄ ｎ ａ ｍ ｉ ｃ ｍ ｏ ｄ ｅ ｌ ｏ ｆ ｔ ｈ ｅ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｆ ｕ ｚ ｚ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ｗ ｉ ｔ ｈ ａ ｆ ｅ ｗ ｆ ｕ ｚ ｚ ｒ ｕ ｌ ｅ ｓ ｗ ａ ｓ ｄ ｅ ｓ ｉ ｎ ｅ ｄ ． Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｒ ｅ ｄ ｕ ｃ ｅ ｙ ｙ ｙ ｇ ， ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ ． ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｗ ａ ｓ ａ ｒ ｋ ｉ ｎ ｔ ｉ ｍ ｅ ａ ｎ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ｆ ｕ ｚ ｚ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｐ ｇ ｇ ｐ ｐ ｇ ｐ ｙ ｒ ｏ ｏ ｓ ｅ ｄ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ． Ｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ｐ ｐ ｇ ； ； ；ｍ ａ ｒ ｗ ｏ ｒ ｄ ｓ ｕ ｔ ｏ Ｋ ｅ ｋ ｉ ｎ ｆ ｕ ｚ ｚ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ； ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｃ ｈ ｉ ｎ ｅ ｖ ｉ ｓ ｉ ｏ ｎ －ｐ ａ ｇ ｙ ｇ ｇ ｐ ｙ 随 着 汽 车 的 普 及， 泊车位越来越紧 近 年 来 ， ， ， 张 泊车空间越来越小 这给泊车系统提出了更高 的要求 ． 然而 ， 我国目前尚无自主知识产权的自动 泊车系统 ， 使得对自动泊车系统的研究更为迫切 ． 在自动泊车系 统 中 ， 首先要探测车辆周围环 境信息寻找合适 的 泊 车 位 ， 然后通过控制车辆的 转向和速度 ， 使得车辆自主驶入期望泊车位 ． 传统 方法普遍采用超声波传感器来实现泊车位搜索和 车身位置获取 但当泊车位两边没有车辆时 ， 由 ． 于缺少物体反射 ， 采用超声波传感器很难获得所
ｆ ０ ｃ ｘ 熿 燄 Ｍ＝ ０ ｆ ｙ ， ｃ
（ ） ２
０ ０ １燅 燀 式中ｃ ｘ 和ｃ ｙ 为相机 主 光 轴 与 像 平 面 交 点 的 位 置 参数 ． 则图像坐标与摄像机坐标转换关系为
Ｔ Ｔ （ ） ［ ｘ， ｗ］ Ｘ， Ｙ， Ｚ］ ３ ＝ Ｍ［ ｙ， 式中 ： Ｘ， Ｙ， Ｚ 是 相 机 坐 标 系 下 某 点 的 三 维 坐 标；