智能駕駛系統(tǒng)

1、智能駕駛系統(tǒng)(無人駕駛)系統(tǒng)一、系統(tǒng)目標(biāo)：(1)機(jī)器視覺系統(tǒng)能夠自動適應(yīng)環(huán)境光線變化，特別要能夠適應(yīng)汽車經(jīng)過橋洞時的光線變化；(2)機(jī)器視覺系統(tǒng)能夠?qū)崟r識別車道，識別頻率不低于25Hz ;(3)機(jī)器視覺系統(tǒng)能夠?qū)崟r識別前方車輛型障礙，識別頻率不低于20Hz ,相對距離誤差小于2 m ;(4)在高速公路上，能實現(xiàn)無人駕駛自動巡航功能，車速不低于120km/h ;(5)能夠?qū)崿F(xiàn)危險報警和自動緊急制動。二、需求分析：回顧汽車發(fā)展的百年歷史，不難發(fā)現(xiàn)其控制方式從未發(fā)生過根本性改變，即由人觀察道路并駕駛車輛，形成“路一人一車”的閉環(huán)交通系統(tǒng)。隨著交通需求的增加，這種傳統(tǒng)車輛控制方式的局限性日益明顯，例如

2、安全性低(交通事故)和效率低(交通堵塞)。最新調(diào)查表明，95 %的交通事故是由人為因素造成，交通堵塞也大都與駕駛員不嚴(yán)格遵守交通規(guī)則有關(guān)。如果要從根本上解決這一問題，就需要將“人”從交通控制系統(tǒng)中請出來，形成“車一路”閉環(huán)交通系統(tǒng)，從而提高安全性和系統(tǒng)效率。這種新型車輛控制方法的核心，就是實現(xiàn)車輛的無人自動駕駛。不同于人工駕駛的一般道路車輛的結(jié)構(gòu)，無人駕駛車輛為了適應(yīng)無人駕駛的需要，尤其獨(dú)特的機(jī)械結(jié)構(gòu)。智能駕駛技術(shù)為車輛駕駛提供了巨大方便，井大走減輕了駕駛壓力，特另是安全系數(shù)大大提高，有效地減少了交通事故的發(fā)生。專家霞吾，汽車駕駛韻智能化礙是21世紀(jì)汽車發(fā) 展的一個重要方向。隨著傳感器技術(shù)、信

3、息處理技術(shù)、測量技術(shù)與計算機(jī)技術(shù)的發(fā)展，智能駕駛系統(tǒng)也得 到了飛速的發(fā)展。消費(fèi)者越來越注重駕駛的安全性與舒適性，這就要求傳感器能識別在同車道上前后方行駛的汽車， 并能在有障礙時提醒駕駛員或者自動改變汽車運(yùn)行狀態(tài)，以避免事故的發(fā)生。國際上各大汽車公司也都致力于這方面的研究，并開發(fā)了一系列安全駕駛系統(tǒng)， 如碰撞報警系統(tǒng)（cw ）、偏向報警系統(tǒng)（LDW）和智能巡游系統(tǒng)（ICC）等。國內(nèi)在這些方面也一 定的研究，但與國外相比仍存在較大的差距jo現(xiàn)代的交通系統(tǒng)和未來將要出現(xiàn)的自動車輛系統(tǒng)（AVS）均要求建立智能交通系統(tǒng) （ITS）,以便于對車輛進(jìn)行交通監(jiān)視和跟蹤以及多傳感息 融合。未來AVS異類傳感器包

4、括視頻傳感器、激光掃描儀和雷達(dá)傳感器等，融合的目的在于把目標(biāo)輸入到路徑規(guī)劃系統(tǒng)中去。簡單地說，所謂智能汽車就是在網(wǎng)絡(luò)環(huán)境下用信息技術(shù)和智能控制技術(shù)武裝的汽車，利用最新科技成果，使汽車具有自動識別行駛道路、自動駕駛、 自動調(diào)速等先進(jìn)功能 。智能駕駛是基于信息融合技術(shù)、微電子技術(shù)、計算機(jī)技術(shù)、智能自 動化技術(shù)、人工智能技術(shù)、網(wǎng)絡(luò)技術(shù)、通信技術(shù)等的新技術(shù)”三、系統(tǒng)原理：傳感器信息融合實際上是人對人腦綜合處理復(fù)雜問題的一種功能模擬。是針對一個系統(tǒng)使用多種傳感器這一特定問題而展開的一種關(guān)于數(shù)據(jù)處理的研究，它利用多個傳感器獲得的多種信息，得出對環(huán)境或?qū)ο筇卣鞯娜妗⒄_認(rèn)識，克服了單一傳感器給系統(tǒng)帶來的誤

5、報風(fēng)險大、可靠性和容錯性低的缺點(diǎn)。如圖 1所示為多傳感器數(shù)據(jù)融合示意圖，傳感器之間 的冗余數(shù)據(jù)增強(qiáng)了系統(tǒng)的可靠性，傳感器之間的互補(bǔ)數(shù)據(jù)擴(kuò)展了單一傳感器的性能。在多傳感器系統(tǒng)中，各種傳感器提供的信息可能具有不同的特征：時變的或者非時變的，實時的或者非實時的，模糊的或者確定的，精確的或者不完整的，相互支持的或者互補(bǔ)的。 多傳感器信息融合就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，將各種傳感器在空間和時間上的互補(bǔ)與冗余信息依據(jù)某種優(yōu)化準(zhǔn)則組合起來，產(chǎn)生對觀測環(huán)境的一致性解釋或描述。信息融合的目標(biāo)是基于各種傳感器分離觀測信息，通過對信息的優(yōu)化

6、組合導(dǎo)出更多的有效信息，這是最佳協(xié)同作用的結(jié)果, 它的最終目的是利用多個傳感器共同或聯(lián)合操作的優(yōu)勢來提高整個系統(tǒng)的有效性。具體地說，多傳感器信息融合技術(shù)是指通過一定的算法“合并”來自多個信息源的信息,以產(chǎn)生更可靠、更準(zhǔn)確的信息，并根據(jù)這些信息做出最可靠的決策，即根據(jù)觀測信息給出一個關(guān)于狀態(tài)的最優(yōu)估計量。其關(guān)鍵技術(shù)是對各類原始信息進(jìn)行校準(zhǔn)、相關(guān)、估計及誤差模式識別和狀態(tài)決策等處理。多傳感器系統(tǒng)是信息融合技術(shù)的硬件基礎(chǔ)，多源信息是信息融合的 加工對象，具有最優(yōu)估計的融合算法是信息融合的核心。系統(tǒng)功能原理圖:人機(jī)接口性能評估數(shù)據(jù)庫管理系統(tǒng)屬性,識別融合層跟蹤，狀窸融合次I 就W判斷融合慎一| III

7、I多傳感器網(wǎng)絡(luò)k傳感器管理系統(tǒng)（多傳感器信息融合的原理圖）四、設(shè)備的功能：機(jī)器視覺系統(tǒng)是智能車輛中最重要的系統(tǒng)。可以實現(xiàn)道路識別與跟蹤、 前方車道內(nèi)障礙的識別和跟蹤。在多傳感器信息融合過程中，信息處理過程的基本功能包括相關(guān)、估計和識別?，F(xiàn)有的信息融合方法可分為以下三大類：第一類，嵌入約束觀點(diǎn)。這一觀點(diǎn)認(rèn)為多源數(shù)據(jù)信息是客觀環(huán)境在某種映射下的像，信息融合過程就是通過像求解原像。第二類，證據(jù)組合觀點(diǎn)。此觀點(diǎn)認(rèn)為完成某項智能任務(wù)就是依據(jù)有關(guān)環(huán)境的某方面的信息作出幾種可能的決策，而多源數(shù)據(jù)信息在一定程度上反應(yīng)環(huán)境的這方面情況。因此，分析每一數(shù)據(jù)作為支持某種決策的證據(jù)的支持程度，并將支持不同信息源數(shù)據(jù)的

8、支持程度進(jìn)行組合，即證據(jù)組合，分析得出現(xiàn)有組合數(shù)據(jù)支持程度最大的決策作為信息融合的結(jié)果。利用證據(jù)組合觀點(diǎn)建立信息融合數(shù)學(xué)模型關(guān)鍵在于兩點(diǎn)：第一，選擇合適的數(shù)學(xué)方法描述證據(jù)、決策和支持程度等概念；第二，建立快速、可靠并且便于實現(xiàn)的通用證據(jù)組合算法結(jié)構(gòu)。以兩方面在建模時是相互聯(lián)系不可分割的，必須總體地加以考慮。第三類，人工神經(jīng)網(wǎng)絡(luò)觀點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)方法通過模仿人的大腦的結(jié)構(gòu)和工作原理，設(shè)計和建立相對應(yīng)的機(jī)器和模型，并完成一定的智能任務(wù)。 人工神經(jīng)網(wǎng)絡(luò)作為一門新興的交叉學(xué)科，在信息處理、人工智能等許多領(lǐng)域都引起了人們的廣泛注意，也取得了許多好的成果。五、“采集” _ “處理” _ “傳輸” _ “網(wǎng)

9、絡(luò)” _ “控制”（一）圖像采集機(jī)器視覺系統(tǒng)對圖像的要求較高，光線過強(qiáng)或過暗都會嚴(yán)重影響道路識別的效果。目前的攝像機(jī)動態(tài)范圍較小，使得道路識別系統(tǒng)只有在良好的光照條件下才能得到較好的效果， 在正午或傍晚時，往往不能識別道路。系統(tǒng)采用的是德國Basler公司的CMOS攝像機(jī)，這種攝像機(jī)的特點(diǎn)是圖像采集速度從5100f/s連續(xù)可變，通過軟件可對相機(jī)快門、亮度、增益及色彩進(jìn)行調(diào)節(jié)，這種調(diào)節(jié)可以實時進(jìn)行，這就使機(jī)器視覺系統(tǒng)在光線急劇變化的環(huán)境中 能夠通過改變成像的相關(guān)參數(shù)來獲得良好的圖像。系統(tǒng)對成像參數(shù)的調(diào)節(jié)原理是：每采集一幅圖像，對圖彳t中9個部分的5000個像素進(jìn)行分析，求出其平均值和一階差分和。

10、平均值代表圖像的亮度，一階差分和代表圖像的清晰度。 這實際上是一個二元優(yōu)化的過程。如果這2個參數(shù)不能滿足要求，則調(diào)節(jié)攝像機(jī)的快門、亮度和增益值。具體做法是，首先調(diào)節(jié)攝像機(jī)快門，當(dāng)一階差分值滿足要求時，再對亮度進(jìn)行調(diào)節(jié)，當(dāng)平均值滿足要求時，就完成了圖像的實時調(diào)節(jié)。如果調(diào)節(jié)效果不能達(dá)到目標(biāo)，還要對增益進(jìn)行調(diào)節(jié)，一般來說，采用這3個參數(shù)進(jìn)行調(diào)節(jié)就可以達(dá)到較好的效果。在實際應(yīng)用中，最大的問題會出現(xiàn)在車輛高速駛進(jìn)和駛出橋洞的過程中，對圖像灰度值變化情況的預(yù)測分析可以使攝像機(jī)參數(shù)的配置更好地適應(yīng)光線變化，從而可以提供一個清晰的道路圖像。目前系統(tǒng)的光照適應(yīng)的調(diào)節(jié)速度在0.10.3s之間，還需要進(jìn)一步提高，理

11、想情況應(yīng)該小于0.05s。 （二）道路識別車道識別算法通常包括以下幾個步驟：首先進(jìn)行圖像預(yù)處理， 然后二值化，最后進(jìn)行識別。其中關(guān)鍵技術(shù)是車道線閾值的確定和約束條件的綜合應(yīng)用。車道線閾值計算通常采用固定閾值、 整體自適應(yīng)閾值和局部可變閾值。 固定閾值根據(jù)統(tǒng) 計方法得到一個車道線灰度值， 這種方法只適用于光照均勻且強(qiáng)度不變的天氣情況；整體自適應(yīng)閾值方法可以適應(yīng)不同光照變化情況，但它要求圖像的灰度值整體變化， 當(dāng)圖像出現(xiàn)局部灰度值變化時，這種閾值二值化的效果并不理想。局部自適應(yīng)閾值算法一般采用圖像中每行一個閾值，這樣，對于不同圖像中垂直亮度變化明顯的情況會得到較好的結(jié)果，但對于圖像中水平方向上閾值

12、變化明顯的情況則無能為力。對于漸變光線，圖像的灰度有規(guī)則地由高變低或由低變高，可采用 sobel算子有效消除這種影響。但這種方式仍然需要一個差分后的閾值，且在陽光較強(qiáng)的情況下， 容易受到電線桿之類的較長的陰影的干擾。閾值確定后即可得到二值圖像。由于二值化圖像中還存在著較多的干擾點(diǎn)，需要采用適當(dāng)?shù)乃惴▉砣サ舾蓴_點(diǎn)。在 ARGO、THMR系統(tǒng)中，算法從二值化圖像的底部開始逐行地 進(jìn)行水平掃描，并將非零點(diǎn)連成鏈。當(dāng)發(fā)現(xiàn)一個非零點(diǎn)時， 如果該點(diǎn)與最近的線段極值點(diǎn)的 距離小于一個給定的閾值，就認(rèn)為該點(diǎn)是屬于這條線段，否則就以該點(diǎn)為起點(diǎn)開始一條新的 線段。由于道路標(biāo)志線通常并不連續(xù)，因而需要采用一些特定的

13、道路模型（如直線、曲線等）進(jìn)行延伸，這樣就可以填充間隔使間斷線連續(xù)。這種算法適應(yīng)性有限， 需要比較嚴(yán)格的車道標(biāo)志線，魯棒性不高。隨著計算機(jī)速度的提高， 現(xiàn)在對車道識別越來越多采用重映射算法。其特點(diǎn)在于利用圖像和路面映射算法得到道路圖像的俯視圖，然后在俯視圖像中利用上述步驟對車道進(jìn)行識別。這種算法可以更好地利用車道的約束條件，因而在計算機(jī)速度足夠快的情況下，會具有較好的效果。系統(tǒng)從直接道路模型出發(fā)，計算所有可能的直線或曲線上所擁有的車道備選點(diǎn)，然后利用表決法來決定車道。這種方法需要計算圖像可能的區(qū)域內(nèi)的所有可能直線，具有很大的計算量，因而需要利用一些特定的條件進(jìn)行限制，從而可以加快處理速度。由于

14、高速公路的道路曲率一般很小，因而采用直線道路模型一般可以滿足要求。車道識別的最后一個步驟是對所識別出的車道線進(jìn)行確認(rèn)，以消除一些干擾對識別的影響。系統(tǒng)采用的方法是：車道線的平行性、車道間的距離一致性。通過對直線(僅對可能的車道線)進(jìn)行重映射處理，以檢驗車道的平行性和間距一致性。由于只需對可能的車道點(diǎn)進(jìn)行重映射處理，因而極大地減少了計算量。(三)障礙識別在滿足一定條件下， 單目視覺也可以實現(xiàn)障礙檢測。由于系統(tǒng)用于高速公路，可認(rèn)為下述假設(shè)有效：一是前方道路平坦；二是具有車道線，且車道線的曲率半徑大于100m。在上述假定情況下，可以計算出圖像中的車道線區(qū)域內(nèi)是否存在其它車輛。計算過程是：首先從圖像的底部開始到圖像消失點(diǎn)前10個像素止，以左右車道線內(nèi)側(cè)為界，對可行駛區(qū)域進(jìn)行垂直投影和水平投影。在此之前，已經(jīng)完成對障礙的閾值計算、邊沿增強(qiáng)和二值化處理，投影的結(jié)果可以較好地反映障礙的信息。水平投影反映障礙車輛相對于車輛前方的距離信息，垂直投影可以用來確定障礙車輛寬度，利