一种结构化道路环境中的视觉导航系统
基于道路结构特征的自主车视觉导航
第22卷第4期 吉林大学学报(信息科学版) V ol.22 No.4 2004年7月 Journal of JilinUniversity (Information Science Edition ) July 2004 文章编号:1671-5896(2004)04-0415-05基于道路结构特征的自主车视觉导航邓剑文,安向京,贺汉根(国防科技大学机电工程与自动化学院自动化研究所,湖南长沙410073)摘要:基于计算机视觉技术的道路检测,针对红旗轿车自主驾驶系统的视觉导航,提出并实现了一种基于道路结构特征的自主车视觉导航方法。
该方法根据高速公路上道路标志线平行、等宽等特征,将车载摄像机获取的道路图像投影到道路平面上,再运用这些特征来提取标志线像素。
在此基础上根据公路道路模型,建立参数空间搜索最优参数,得到道路标志线的参数表达,实现视觉导航,并给出了C 市环城高速上的实验结果。
关键词:自主车;视觉导航;道路检测;透视投影变换中图分类号:T P 242.6 文献标识码:AA LV vision navigation based on road structure characteristicDENG Jian-wen,AN Xiang -jing ,HE Han-gen(Institute of Automation,M ech atron i cs and Automation School,National U niversity of Defense Technology,C hangsha 410073,China)Abstract :T he lane detection based on the computer vision technique is one of key problems of ALV (Autonomous Land Vehicle ),a novel lane detection system for ALV based on the road structure was developed.First the vision navigation sy stem maps the orig inal imag e to road plane.T hen it abstracts lane marking pixels exploiting the highway road marking line feature such as parallel,equal-w idth.The optimal curv e to guide the vehicle is searched in parameters space according to the highw ay road model.The ex periment result on highw ay around city C w as illustrated .Key words :autonom ous land vehicle;v ision navigation;lane detection;inverse perspective mapping 引 言自主驾驶汽车技术一直是智能交通系统研究的重点,在公路管理、交通运输等方面也有着广阔的图1 红旗自主轿车Fig.1Hongqi antonomous car 应用前景。
无人驾驶汽车论文【范本模板】
无人驾驶汽车院别:＊＊学院专业：自动化学号：＊＊*＊*＊＊* 姓名:＊＊＊***＊＊*摘要：无人驾驶汽车通过传感器装置和计算机来实现无人驾驶，这一技术正渐渐地在生活中的到应用,并在生活中发挥着巨大的作用，有着广泛的发展前景.2009年11月,在国外某社交网站上的一段视频，引起广泛关注。
视频的上传者本·蔡特林在美国旧金山和帕洛阿尔托之间的280号高速公路行驶时，发现旁边有一辆“怪异"的丰田普锐斯轿车，在它的车顶，装着一个类似于扰流板的装置，蔡特林最初以为这是用来测试风速的,其实这就是谷歌所研发的无人驾驶汽车系统，在当时，这还是一个秘密进行中的项目。
关键字：无人驾驶汽车，智能，传感器，导航，安全一、无人驾驶汽车概念什么是无人驾驶汽车？清华大学汽车系副研究员王建强将无人驾驶汽车定义为“通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车”。
同时它也可以称之为轮式移动机器人，其核心在于位于其内的计算机系统。
二、无人驾驶汽车的原理它是利用智能软件和车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，随即作出反应判断，控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
比如，车体多个部位装有激光感应器，用于确定车身与障碍物的距离；有效地避开障碍物。
车载电脑可以经由后视镜附近的摄像头识别交通信号、交通标志并分析路况。
无人驾驶车的运动控制包括感知、动作、行为3个部分。
感知主要是通过车的“眼睛”认知周围环境，实现对环境的精确建模，如结构化环境中的车道线的检测、半结构环境中的边缘检测等；动作是指车的“大脑”在收到感知信息时作出的规划、控制与决策;而行为则是无人驾驶汽车在规划、控制与决策下产生的外在响应，体现了无人车的自主性能。
无人驾驶车是集视觉计算、模式识别和控制等众多技术于一体、具有人工智能功能的汽车。
它有车载麦克风、声波定位仪、红外线传感器、罗盘、激光扫描仪和微波雷达等多种传感器，这些装置相当于无人驾驶车辆的“眼耳”，用来感知车辆周围环境，并将感知所获得的道路、车辆位置、障碍物信息等，传输给无人驾驶车辆的“大脑”-—安装在车辆内部的高性能计算机进行分析和计算，以控制车辆的转向和速度，从而使车辆在遵守交通规则的前提下能够安全、可靠地在道路上自主行驶.当然，不同公司生产的无人驾驶汽车其原理都不太一样。
QICHE
路径规划算法包括可视图法、栅格法、人工势场法、概率路标法、
随机搜索树算法、粒子群算法等。
2．4决策控制技术
决策控制模块相当于无人驾驶汽车的大脑，其主要功能是依据感知系统获
取的信息来进行决策判断，进而对下一步的行为进行决策，然后对车辆进行控
制。决策技术主要包括模糊推理、强化学习、神经网络和贝叶斯网络等技
传感器、陀螺仪等传感器进行测量。
无人驾驶汽车周围环境感知以雷达等主动型测距传感器为主，被动型测距
传感器为辅，采用信息融合的方法实现。因为激光、雷达、超声波等主动
型测距传感器相结合更能满足复杂、恶劣条件下，执行任务的需要，最重要的
是处理数据量小，实时性好。同时进行路径规划时可以直接利用激光返回的
为：
IF X1 is True and X2 is True??and Xn is True THEN Y
综合式控制在反应层中加入机器学习模块．将部分决策层的行为转化成基
它是利用智能软件和车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，随即作出反应判断，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。比如，车体多个部位装有激光感应器，用于确定车身与障碍物的距离；有效地避开障碍物。车载电脑可以经由后视镜附近的摄像头识别交通信号、交通标志并分析路况。无人驾驶车的运动控制包括感知、动作、行为3个部分。感知主要是通过车的“眼睛”认知周围环境，实现对环境的精确建模，如结构化环境中的车道线的检测、半结构环境中的边缘检测等；动作是指车的“大脑”在收到感知信息时作出的规划、控制与决策；而行为则是无人驾驶汽车在规划、控制与决策下产生的外在响应，体现了无人车的自主性能。无人驾驶车是集视觉计算、模式识别和控制等众多技术于一体、具有人工智能功能的汽车。它有车载麦克风、声波定位仪、红外线传感器、罗盘、激光扫描仪和微波雷达等多种传感器，这些装置相当于无人驾驶车辆的“眼耳”，用来感知车辆周围环境，并将感知所获得的道路、车辆位置、障碍物信息等，传输给无人驾驶车辆的“大脑”——安装在车辆内部的高性能计算机进行分析和计算，以控制车辆的转向和速度，从而使车辆在遵守交通规则的前提下能够安全、可靠地在道路上自主行驶。
干货｜自动驾驶14种功能解析
⼲货｜⾃动驾驶14种功能解析⽬前有两个机构在对「⽆⼈驾驶技术」分级。
第⼀个是根据美国机动⼯程师协会（SAE）的定义，「⽆⼈驾驶技术」共分为 0-5 级。
下⾯的⼀张图，我们可以看出 SAE 对各个级别⾃动驾驶技术的定义。
SAE 的分类标准是按照司机从完全掌控驾驶到汽车完全⾃动驾驶，从⽆⾃动化到完全⾃动化展开的。
另⼀个是 NHTSa 的分级，「⽆⼈驾驶技术」共有 0-4 级。
借⽤上汽的⼀张图，我们可以使⽤两个维度来思考⽬前市场上所有的技术：⼀个是 TFC (见图左侧纵轴)，即 Time For Collision，也就是汽车距离 (假设会) 发⽣碰撞需要的时间，和在发⽣碰撞前这⼀段时间的安全措施；另⼀个就是碰撞之后的安全措施，最简单的例⼦是安全带。
现在业界的研究⽅向是「主动安全」，也就是在 TFC 这个阶段。
根据 NHTSa 的定义，0-4 级分级是这样区别的：如果是驾驶员控制，那么为零级；如果⼀辆车在⾏驶中只有纵向或侧向某⼀⽅⾯控制，为⾃动⼀级。
如果同时具有纵向和侧向的⾃动控制，为⾃动⼆级。
在此基础上，如果汽车对所有环境的感知，是由汽车视觉来完成，则是三级。
在前三级的基础上，如果整个驾驶能够形成⼀个「闭环」，完全⾃动驾驶，则是四级。
⽆⼈驾驶技术的 14 个功能为了实现「⽆⼈驾驶」的理想，各⼤整车⼚和供应商⽬前正在开发「⾼级驾驶员辅助系统」（ADAS），随着 ADAS 慢慢被完善，车辆也在⼀步⼀步从 NHTSa 的 0 级过度到第 4 级，实现完全⾃动化。
.ADAS ⽬前已开发出 14 个功能：1、⾃适应巡航控制系统 Adaptive Cruise Control（ACC）⾃适应巡航控制系统是⼀种智能化的⾃动控制系统，它是在早已存在的巡航控制技术的基础上发展⽽来的。
在车辆⾏驶过程中，安装在车辆前部的车距传感器（雷达）持续扫描车辆前⽅道路，同时轮速传感器采集车速信号。
当与前车之间的距离过⼩时，ACC 控制单元可以通过与制动防抱死系统、发动机控制系统协调动作，使车轮适当制动，并使发动机的输出功率下降，以使车辆与前⽅车辆始终保持安全距离。
道路工程与环境工程协作关系
浅析道路工程与环境工程的协作关系摘要随着我国经济的快速发展，道路工程和环境工程都面临着巨大的压力，保持道路工程与环境工程的协作关系是首要条件。
通过分析我国目前的环境状况及存在的问题，进一步引出道路工程所面临的关键问题，提出了道路工程与环境工程可持续发展的有效结论，为我国工程的发展与生态的保护齐发展奠定基础。
关键词道路工程环境工程协作关系可持续发展道路工程是土木工程的一个分支，是从事道路规划、设计、勘测、施工和养护等的一门应用技术和科学。
道路工程包括道路网规划和路线勘测设计、路基工程、路面工程、道路给排水工程、桥涵工程、隧道工程、以及附属设施工程和养护工程，它涵盖的范围广，是一项综合性的建筑工程。
环境工程，是从事防治和研究环境污染，提高环境质量的技术，环境工程的核心就是环境污染的治理。
人类活动一开始就污染了环境，自然环境有一定的自净能力，只要污染没有超过环境的承载能力，环境仍可维持正常状态。
但是，随着科学技术和生产力的迅速发展，城市人口急剧增加，城市化的脚步加快，城市的基础设施工程例如建筑工程、道路工程等建设速度加快，城市的道路工程急剧增加，对环境的承载力产生一定的冲击，环境容量走在边缘地带，一旦城市建设继续突飞猛进的增长，极有可能突破环境容量的承载力，造成严重的环境污染进而引发一系列的次生灾害。
由此可见，保持道路工程与环境工程的协作关系，促使道路工程与环境工程协调增长，是当今城市建设亟待解决的问题和面临的挑战。
一、我国的环境问题环境是人类生存和发展的基础，它为人类提供了生存所必需的资源和条件。
随着经济社会的飞速发展，环境问题已作为一个迫在眉睫的重大问题提到了政府工作的日程上，保护环境，遏制生态恶化，阻止环境污染等成为政府管理工作的首要任务。
保护环境是我国的一项基本国策，解决环境问题，促进经济、社会与环境的可持续发展是我国政府的一项长期而又艰巨的任务。
国民经济的飞速发展引发了一系列的环境问题，目前我的大气污染、水环境污染、噪声污染严重，引起了土地荒漠化、水土流失、旱灾和水灾、生物多样性破坏、持久性有机污染以及气候变暖和极端天气的问题，经济的发展和资源的开发对环境造成了严重的破坏。
视觉导航综述
视觉导航及实验验证平台综述摘要：本文概述视觉导航技术。
视觉导航通过图像采集设备收集近距离的环境信息，并利用计算机视觉技术进行图像处理获得环境信息，实现导航。
首先比较了各种导航方式的优缺点，分析视觉导航的意义。
接着概述了视觉导航的应用领域和研究现状，然后分析比较了视觉导航中的一些关键技术，简单介绍了视觉导航领域的SLAM问题。
最后，综合国内外视觉导航技术研究存在问题，提出进一步研究方向和应用途径。
关键词：视觉导航；移动机器人；智能车辆；图像匹配；路径识别0 引言在当今世界的先进技术领域里，往往存在这样的问题：为了完成某种特殊的任务，需要在已知或者未知环境中，使特殊的能完成既定任务的实验设备或平台按照既定的且满足最优条件的路径运动或者到达既定目的地，这一类的问题便是导航。
对于一般的导航系统，在给定命令的前提下，结合环境中的各种探测信息，并根据自身位姿信息作出决策使运动体而到达目标，在运动过程中，还需要不断优化全局路径。
导航系统需要完成的任务包括以下三点：一，获取信息；二，处理信息；三，作出决策（即路径规划）。
目前广泛使用的导航方法有[1]：航标法，航位推算法，天文导航，惯性导航，无线电导航，卫星定位导航和组合导航等。
下文对各种导航方法对比说明。
航标法习惯称之为目视方法，它借助于信标和参照物对运动物体进行引导。
目前仍在应用，但是这种方法过于依赖经验，受天气、地理条件的影响。
航位推算法是通过一系列的速度增量来确定位置的，是一种自主导航方法，保密性强。
但是随着时间推移会产生误差积累。
天文导航是通过仪器设备对天体的位置精确测定，根据地理关系算出位置的相对导航方法，其缺点是误差积累受时间和气象条件限制，定位时间长，操作计算复杂[1]。
惯性导航通过加速度测量技术和积分技术的综合应用得到运动体的速度和位置信息。
这种导航技术完全依靠载体上的设备自主完成导航任务，因此隐蔽性好，不受外界条件限制。
但是加速度及精度和误差积累严重限制该方法的应用。
视觉导航技术综述
视觉导航技术综述唐超颖，杨忠，沈春林（南京航空航天大学自动化学院，江苏 南京 210016）摘要：概述了视觉导航技术。
视觉导航依据视觉图像，利用图像处理、计算机视觉、模型识别等相关技术获取运动体的运动信息和空间位置信息，实现导航。
首先，简单比较了各种常用的导航方式，分析了视觉导航的研究意义；其次，总结了目前视觉导航的应用领域及应用概况；接着，介绍了局部视觉和分布式组合视觉两种导航方式的含义及应用情况；然后，分析、比较了目前视觉导航研究中的一些关键技术；最后，综合国内外视觉导航技术研究的现状及存在的问题，提出了进一步研究的方向与途径。
关键词：视觉导航、移动机器人、智能车辆、三维重建、图像匹配、路径识别0 引 言导航是指运动体按照预先给定的任务命令，根据已知的地图信息做出全局路径规划，并在行进过程中，不断感知周围的局部环境信息，做出各种决策，随时调整自身的姿态与位置，引导自身安全行驶，直至目标位置。
导航系统要解决的问题包括：一、空间位置、方向、环境信息的检测；二、所获信息的分析、处理及综合；三、运动路径规划。
根据环境信息的完整程度、导航指示信号类型、导航地域等因素的不同，目前常见的导航方法有：惯性导航、电磁导航、卫星导航、激光导航、红外导航、无线电导航、视觉导航及各种方式的组合导航等。
惯性导航利用加速度计与陀螺仪计算航程，推知当前位置和下一步目的地，不易受外界环境的影响，是目前的主要导航方法，但随着航程的增长，定位误差将会不断累加，导致定位精度下降[1]；电磁导航也称地下埋线导航，20世纪70年代迅速发展并广泛应用于柔性生产，其原理是在路径上连续埋设多条引导电缆，分别流过不同频率的电流，通过感应线圈对电流的检测来感知路径信息，该技术简单实用，但其成本高，改造和维护困难，且不适用于长距离导航[2]；卫星导航利用卫星发射无线电波到地面接收器的时间来推算地面接收器所在的经纬度，其中GPS是目前真正实用的一种卫星导航和定位系统，但其技术为美国所垄断，我国也正在致力于这方面的研究；激光和红外线定位由于可以达到很高的精度，近年也被广泛应用于导航领域，但激光导航需要向外界发射能量，不易隐身，红外导航易受日光影响，一般用于夜间导航；无线电导航方式中，角度到达定位和信号强度定位的精度不高，只能提供粗略的位置信息，抵达时间定位可以达到很高的精度，但是电波以光速传播，要达到米级精度，时间粒度需要纳秒级以上，且易受空中各种无线电波的干扰[3]。
一种光电传感和路径记忆的智能车导航系统的实现
一种光电传感和路径记忆的智能车导航系统的实现一种光电传感和路径记忆的智能车导航系统的实现智能车的诞生为人类提供了一种全新的缓解城市交通拥堵、提高车辆安全性的交通工具。
在众多的智能车导航方案中，视觉导航由于与人类的驾驶方式最为接近，成为智能车研究热点之一。
目前，视觉导航方法在高速公路环境中已经获得了初步成功，这类环境结构化程度较高，道路曲率有限、路况相对简单。
然而，随着城市环境智能车研究的兴起，视觉导航面临了新的挑战。
城市环境中的道路不仅种类多，而且转弯半径大，常常会因视野有限而导致道路跟踪失败。
本文将从该智能车总体方案、路径识别方案选择、转向和驱动控制及路径记忆算法等方面进行介绍。
智能车总体方案智能车系统以飞思卡尔公司的MC68S912DP256为核心，由电源模块、传感器模块、直流电机驱动模块、转向电机控制模块、控制参数选择模块、单片机模块等组成，。
智能车系统工作电压由+1.6V、+5V、7.2V三个系统混合组成，其中7.2V用于给驱动电机和转向舵机供电，5V给车速传感器、MCU以及光电传感器接收管供电，1.6V给发光管供电。
为了在线控制参数的调整方便，还设置了一个控制参数选择模块，可以通过几个按键的设置，调用不同的程序或控制参数，以适应不同场地条件的要求。
图1智能车总体结构智能车的工作模式是：光电传感器探测赛道信息，转速传感器检测当前车速，电池电压监测电路检测电池电压，并将这些信息输入单片机进行处理。
通过控制算法对赛车发出控制命令，通过转向舵机和驱动电机对赛车的运动轨迹和速度进行实时控制。
路径识别方案选择与电路设计路径识别方案是首先需要确定的，主要有以下几个问题。
*光电识别还是摄像头识别;*传感器如何排列?间隔多大、形状如何、单排还是双排;*传感器可向前探测的远度;*传感器信号采用数字式还是模拟式;*电路上如何实现。
由于光电识别方案简单可靠，因此本文采用了光电识别方案。
数字式光电识别与模拟式光电识别光电式传感器是以光电器件作为转换元件的传感器。
- 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)。
第36卷第6期2002年11月浙 江 大 学 学 报(工学版)Journal of Zhejiang U niversity (Engineering Science )V o l .36N o .6N ov .2002收稿日期:2002203215.作者简介:李欣(1977-),男,江西宁都人,硕士生,从事自主机器人视觉导航算法研究.E 2m ail :ndlixin @21cn .com一种结构化道路环境中的视觉导航系统李 欣,李宏东,顾伟康,李庆中(浙江大学信息与电子工程系,浙江杭州310027)摘 要:根据结构化道路环境的特点提出了一种将边沿检测和道路环境知识相结合的机器视觉算法,并结合基于行为响应的路径规划方法和智能预瞄控制方法,实现了一套基本的机器人视觉导航系统.在自主机器人实验平台A TRV 22上的实验结果表明,该视觉导航系统能够实时理解结构化道路环境,并且能够控制机器人沿着合理路径行驶.关键词:结构化道路;视觉导航;机器视觉;路径规划;预瞄控制中图分类号:T P 242.6 文献标识码:A 文章编号:10082973X (2002)0620630204A v ision -based nav igation system i nstructural road env ironm en tL I X in ,L I Hong 2dong ,GU W ei 2kang ,L I Q ing 2zhong(D ep art m ent of Inf or m ation and E lectronics E ng ineering ,Z hej iang U niversity ,H ang z hou 310027,Ch ina )Abstract :Com b in ing the know ledge of structu ral road and edge detecting m ethod ,a m ach ine visi on algo 2rithm w as p ropo sed to understand the su rrounding environm en t .W ith the behavi o r 2based path p lann ing and in telligen t p review con tro lling ,a basic visi on based navigati on system w as created and i m p lem en ted on ou r au tonom ou s robo t test bed A TRV 22.Experi m en tal resu lts show ed that the p ropo sed visi on based sys 2tem can recogn ize drivab le area in real 2ti m e and drive the A TRV 22along a reasonab le p ath .Key words :structu ral road ;visi on 2based navigati on ;m ach ine visi on ;path p lann ing ;p review con tro l 结构化道路是指地面平坦,无障碍,有良好视觉效果的白线导航的道路环境.结构化道路可以用一条白线也可用两条白线来表示可通行区域,更复杂的是高速公路网上的白线.结构化道路环境下视觉导航系统能够实现自主移动平台道路实时理解和自主行驶.一个基于视觉的导航系统从功能结构来看应包括道路检测、路径规划、运动控制等各种性质各异的功能模块.在这个系统中关键技术是机器视觉、路径规划和运动控制,在这几个方面已有大量的研究[1,2],问题主要集中于机器视觉对路面环境的快速识别和理解能力差,大部分的算法受到光照和路面环境影响,鲁棒性能较差,而且算法无法实时实现.在路径规划和运动控制方面缺乏智能性.本文提出一种基于知识的视觉导航算法,充分利用结构化道路环境知识和道路理解的历史记录进行道路环境理解,并且采用智能预瞄控制方法.该视觉导航算法在机器人实验平台A TRV 22上实现,并且进行大量实验.结果表明该自主机器人能快速准确地理解结构化道路环境,自主行驶的轨迹平滑,并且自主行驶路径是该结构化道路环境下的合理路径.1 实验平台和视觉导航系统在研究中所用的实验机器人平台是美国I ROBO T 公司的A TRV 22产品.机器人的运动由底层运动控制模块控制,该模块直接控制车轮电机.I ROBO T 公司提供底层运动控制模块软件接口,高层控制只需给接口给定线速度和角速度就可以实现机器人的运动控制.本文介绍的视觉导航系统在实验平台上实现,在文章中将实验平台和视觉导航系统合称为基于视觉导航的地面自主机器人.图1 系统结构F ig .1 System arch itecture图1给出了本文要介绍的结构化道路环境下视觉导航系统和机器人实验平台的系统结构框图.在机器人的自动行驶过程中机器视觉模块的功能是对结构化道路路面信息进行实时采集、预处理、特征提取和道路环境理解;然后将结果传给路径规划模块,该模块道路环境理解结果,规划出一条安全的、平滑的参考路径.预瞄控制模块根据路径规划模块的规划路径采用智能预瞄控制方法得到控制参数,主要是线速度参数和角速度参数;最后是底层车体运动控制模块根据预瞄控制模块给出的控制参数来控制移动机器人平台的电机参数,从而精确控制机器人运动,完成机器人在给定的道路环境自主行驶.2 机器视觉和路径规划在基于视觉导航的地面自主机器人中,机器视觉与路径规划是核心模块.目前国内外许多学者在这方面作了大量的研究工作,到目前为止还没有找到一套适用于各种道路环境的算法,解决的方法大都是针对某些比较具体的道路环境.本文研究的是针对结构化道路环境下的机器视觉与路径规划算法.在这种环境下机器视觉的任务就是白线的检测与组织,并根据白线来理解道路.而路径规划则根据白线的位置来规划出合理、平滑的路径.2.1 白线检测和组织有的白线检测算法主要是基于边缘的,也有的研究是基于区域灰度在直方图上作分割的.直方图的分割在路面环境不是很理想的情况下效果不是很好,首先由于阴影、水迹以及路面的反光造成路面灰度的不均匀,白线的灰度也不是固定的,比如阴影下的白线有时灰度和阳光下的路面是非常接近的;其次,路面上有时会有一些沙石、泥土等使得路面的灰度和白线的灰度比较接近,这时分割效果也不好.基于边缘的方法利用的是局部信息,而白线在局部仍然比旁边路面要亮,因此上面两个问题的影响不是很大,但在大部分图像中有一些很强的边缘不是白线,而白线的边缘却并不强,所以得到的边缘图往往有很大的噪声,而且可能会丢失白线.为了克服这些缺点,算法应该尽量利用白线的各种知识,在这里利用了下面两条知识来检测出白线:(1)形状知识:白线的宽度基本保持不变,方向逐渐变化.(2)灰度知识:白线的灰度高于它两边邻域的灰度.算法的流程如下:(1)边缘检测,对边缘进行分类.如果边缘两侧从左到右灰度值是从小到大变化,则定义该边缘为正边缘,反之则定义该边缘为负边缘.显然白线的左边界是正边缘,而右边界是负边缘,而且它们之间的距离和估计的白线宽度接近,记录每对满足要求的正负边缘点对.(2)根据边缘点对,利用白线灰度值比其邻域内路面的灰度值要大的知识,记录满足条件的点对.利用数学形态学方法平滑点对所描述的区域,对连通区域进行标记,每个连通区域对应一条白线段,用直线段表示每个连通区域.(3)组织直线段,寻找满足下面两个条件的直线段序列.这些白线段序列对应道路上的白线.①相邻两个直线段之间的距离比较接近;②相邻两个直线段之间的方向变化不大.(4)根据路面白线分布的知识,利用检测出来的白线段表达路面状态.例如在路面由两条白线表示的时候,检测出的白线结果要区分是在左路边还是右路边.由于是通过检测道路图像边沿和充分利用结构化道路环境的知识来识别白线,算法具有良好的鲁棒性,即使是在不同的光照条件下也能准确识别出道路白线.为了使算法达到实时性的要求,利用In 2tel 的MM X 指令对算法进行了优化.2.2 路径规划自主机器人的路径规划一般可以按照所规划的路径距离长短把路径规划分为两类:全局路径规划和局部路径规划.一般而言,全局路径规划解决的是机器人从A 点到B 点应该经过哪些路径的问题;而局部路径规划解决的是机器人在当前时刻根据前方道路情况如何保持行驶在道路上并避开障碍物的问题.因此全局路径规划一般是依赖事先建立的全局地图,而局部路径规划一般是依赖当前时刻通过传136 第6期李欣,等:一种结构化道路环境中的视觉导航系统感器检测到的机器人附近一个小范围内的局部地图.本文中要介绍的是局部路径规划.图2 白线检测与路径规划处理过程F ig .2 W h ite line detecting and path p lanning局部路径规划常用的方法有:人工势场法、模糊逻辑算法和基于传感器信息融合及行为响应方法.本视觉导航系统采用信息融合及行为响应方法,使用的信息包括视觉传感器信息和机器人运动参数.在高速公路环境下,当司机驾驶汽车行驶时,在无外在因素影响的时候,通常是以路两侧的白线获得路边中部作为行驶路径.因而在路面状态由白线段表达出来后,根据路面的宽度和路边建立道路结构模型,根据这个模型生成期望路径.然后利用机器人运动参数反馈动态调整期望路径最终规划出一条平滑、合理的自主机器人行驶路径.下面介绍路径规划的具体过程.(1)得到期望路径.以路面有两条白线的情况为例,视野范围有两条白线时,期望路径在两条白线的中间;视野范围只有一条白线时,根据白线是左路边还是右路边向路中央延伸半个路宽得到期望路径;视野范围出现白线消失时,例如急转弯的情况,期望路径将根据前一控制周期的规划路径和运动控制参数得到本次期望路径.(2)动态调整期望路径.利用传感器实时信息反馈确定机器人姿态与道路之间的交角,来调整期望路径得到最终的规划路径.例如根据机器人姿态和道路模型方向(该方向定义为平行路边方向),利用多段折线逼近方法调整期望路径.图2展示了机器视觉和路径规划的处理过程.3 预瞄控制机器人平台的运动控制分为两层:处于高层的智能控制和处于底层的电机运动控制.要让机器人按规划路径行驶,必须由高层智能控制模块得到机器人下一时刻行驶的角速度和线速度.通过研究汽车驾驶员的驾驶行为,发现它是一个典型的预瞄控制行为.驾驶员找到当前道路环境下的预瞄点,根据预瞄点控制机器人行驶.地面自主机器人的控制和驾驶员对机器人控制相类似,因而采用预瞄控制算法,算法采用专家驾驶经验规则确定线速度和参数动态调整的P I D 控制确定角速度.下面分别介绍线速度控制算法和角速度控制算法.3.1 线速度控制算法实验中控制周期为80m s ,虽然在每个控制周期内线速度为常量,但是在不同的控制周期由于道路环境的变化,线速度也有所变化,因此总体来看机器人是在变速行驶.实验表明机器人前进的线速度主要取决于两个因素:道路的弯曲程度和机器人相对预瞄点的方向偏差.在经过机器视觉和路径规划后,自主机器人已经获得理想路径.理想路径通过一系列的点连接起来的折线段表示,路径的弯曲程度可以用这些折线段之间的夹角总和来表示.预瞄点的选取由以下几个方面来确定:(1)道路的弯曲程度,若道路弯曲程度大,则预瞄点的距离应该选得小,反之越大.(2)根据摄像机的视野范围,预瞄点应该在视野范围之内.(3)预瞄点的位置应该在规划路径的曲线上.在确定了预瞄点后,根据预瞄点与机器人相对坐标系的夹角Η和规划路径中起点到预瞄点之间的弯曲度W 的值确定该控制周期的线速度v .在实验中发现,速度分为三个档次比较合理,下面给出实验中得到的经验规则:(1)当Η、W 均小于10°,规划路径是直道,对应预瞄点的位置在机器人正前方位置时,v 取高速,在实验中取2.0m s .236浙 江 大 学 学 报(工学版) 第36卷 (2)当Η大于40°或W大于90°,规划路径弯曲,预瞄点严重偏离机器人正前方向时,机器人需要低速拐弯,v取低速,在实验中取0.5m s.(3)其他情况.规划路径稍有弯曲,预瞄点和机器人正前方位置有偏差,但是不大,机器人可以保持中速,并配合角速度调整机器人行驶方向,这时v取中速,在实验中取1.0m s.3.2 角速度P I D控制算法P I D控制简单、稳定、可靠性高,因而采用它来实现角速度的控制.算法的关键在于P I D参数的选取,要求参数在不同的控制周期能动态调整.当前k时刻角速度Ξ的P I D控制算式为Ξc(k)=k1x p+k2бp+k3Ξc(k-1)+k4Ξc(k-2).(1)式中:x p、бp分别为当前时刻机器人相对于参考路径上预瞄点的位置偏差和方向偏差;Ξc(k-1)、Ξc(k-2)分别为k-1、k-2时刻的角速度控制量;k1、k2、k3、k4分别为P I D控制器的参数.各参数的确定方法如下:k3、k4是过去两个时刻的角速度控制量的权系数,可设定为0.33,即当前时刻和前两个时刻的权重一致.最后只剩下k1、k2由仿真试验整定,但角速度P I D控制器参数的整定与移动机器人的线速度大小有关.k1、k2的整定方法为:根据前进速度的控制规则,分别通过仿真试验在计算机上设定高、中、低速对应的三种不同弯曲程度的路径,然后由仿真控制试验确定最佳预瞄距离d p和相应的k1、k2值,整定的结果是三组值(d p i,k1i,k2i),i=1,2,3.这三组值分别对应于三个前进速度下的角速度P I D控制参数.即机器人通过视觉获取预瞄参考路径的弯曲度,然后根据弯曲度大小确定线速度的控制档位,再根据确定的线速度档位,在线调整角速度控制的P I D参数,由此实现移动机器人路径跟踪的智能预瞄控制.为验证本文提出的控制方法的有效性,编写了一套仿真程序,仿真程序内建有移动机器人平台运动模型.只需设定各种形式的路径,即可进行仿真控制试验,以整定角速度P I D控制器的参数和观察控制效果,图3是部分路径跟踪的仿真试验结果.由图3可知,机器人在偏离设定路径的初始点(横向位置偏差为0.35m),经过约1.35m的行程后,就能逼近设定路径,整条路径上,最大位置偏差小于0.14 m,可见路径跟踪效果良好.所以通过仿真试验进行P I D控制器的参数整定是方便的.4 试验结果在A TRV22移动机器人平台上试验了视觉导图3 P I D控制仿真试验结果F ig.3 R esult of P I D contro ller si m ulati on航系统,机器视觉的图像采集采用单目彩色CCD摄像机和hauppauge公司采集卡,采用双P II CPU, L inux操作系统.图像处理算法经过MM X指令优化,控制周期在80m s.实验场道路环境为八字形环状跑道,中间为绿化区,水泥路面由左右两条白线标记,弯道角度大于100°.实际机器人自主行驶迹线的确定是采用在机器人底部中心处固定洒水装置,然后以地面上的水迹线来测量机器人自主行驶的实际迹线.通过这种方法在试验场地进行大量自主机器人行驶轨迹跟踪的重复实验.机器人的三档速度分别为0.5、1.0、2.0m s.试验表明在行驶过程中机器人90%以上时间行驶在道路中间,行驶过程平稳,路径平滑.经过长时间的试验发现机器人每圈的轨迹重叠程度达到80%Λ5 结 语试验结果表明,本文所介绍的基于视觉导航的地面自主机器人的实时性和鲁棒性都满足结构化道路环境的要求.但是由于试验环境中路况简单,它和真正的结构化道路环境还有很大的差别,比如道路白线标记可能不连续,宽度并非严格恒定不变,道路中还会有其他车辆的行驶以及天气变化等因素需要考虑Λ这些都有待作进一步研究.参考文献(References):[1]BER TO ZZ IM,BRO GG I A.Go ld:a parallel real2ti m estereo visi on system fo r generic obstacle and lane detec2 ti on[J].I EEE Tran s on I mage Processi ng,1998,7(1):62-81.[2]CH EN M,JOCH E M T,POM ERL EAU D.AU RORA:A visi on2based roadw ay departure system[A].I n Proceedi ngs of the I EEE Conference on I n telligen t Robots and Syste m s(vol.1)[C].P ittsburgh,PA,U SA: IEEE Computer Society,1995.243-248.[3]SH ER I DAN T B,T h ree models of p review contro l[J].I EEE Tran s on Hu man Factors i n Electron ics,1966,H FE27(6):91-102.336 第6期李欣,等:一种结构化道路环境中的视觉导航系统。