基于反射传感器与ccd传感器的汽车自动导航系统研究

1附件B基于反射传感器与CCD传感器的汽车自动导航系统研究1高策1，陈龙21哈尔滨工业大学计算机科学技术学院1500012哈尔滨工业大学航天学院150001EMAILGAOCE2163COM摘要本文在对自动汽车导航设计中最为常用的红外反射传感器设计和CCD传感器设计方式优缺点深入分析的基础上，提出了一种兼顾二者优势，同时最大程度的避免二者缺点的算法。其主要思想是利用CCD传感器判断范围远的优点进行路径预判；同时利用红外反射传感器灵敏精确的特点进行当前路径控制。并通过将二者处理结果进行比较和综合，得到最为精确的方向与速度控制信号，保证车辆运行正确性与高速性。同时，算法采用模糊控制的思想可以进一步优化车辆运行的最佳路线。此外，并行设计的容错系统可以保证当某个传感信号出现较大误差或错误时，系统仍可通过备用信号控制保证车辆运行的稳定性与可靠性，从而极大的提高了无人导航汽车运行的安全性。关键词汽车导航；PWM；循线算法中图分类号TP1；TN4；TP3ANAUTOMATICCARNAVIGATIONSYSTEMSBASEDONINFRAREDREFLECTEDSENSORSANDCCDSENSORSCEGAO,LONGCHENDEPARTMENTOFCOMPUTERSCIENCEANDTECHNOLOGY,DEPARTMENTOFSPACEFLIGHT,HARBININSTITUTEOFTECHNOLOGY,HARBIN,PRC,150001ABSTRACTBASEDONDEEPANALYSISOFTHEADVANTAGESANDDISADVANTAGESONREFLECTEDSENSORSANDCCDSENSORSAUTOMATICCARNAVIGATIONS,THISPAPERHASPROVIDEDANEWKINDOFALGORITHMWHICHCANINTEGRATEDTHEADVANTAGESOFTHEUPPERTWOWAYSTHEMAINIDEAOFTHENEWALGORITHMISUSINGCCDSENSORSTOFORCASTPATHDIRECTIONANDUSINGREFLECTEDSENSORSTOJUDGETHECURRENTCARPOSITIONONTHEOTHERHAND,THEALGORITHMPROVIDEAGOODFAULTSYSTEMWHICHCANGUARANTEEWHEN作者简介高策男1984年生人黑龙江哈尔滨人助教。主要研究方向是电子商务、JAVA应用开发等方向2ONESENSORSSIGNALISCONFUSED,ITCANSTILLMAKETHECARONTHERIGHTWAYBYTHEOTHERSENSORINTHISWAYITCANGREATLYIMPROVETHESAFTYOFTHEAUTOMATICCARKEYWORDSCARNAVIGATIONPWMLINEFOLLOWALGORITHM目前汽车的自动路线导航技术的实现主要有两种策略，一种是基于红外光电反射传感器组的方式，另一种是采用CCD传感器的方式。这两种方式各有优点，但缺点也十分明显，因此单采用任何一种方式都难以保证汽车运行的高速与稳定，因此我们设计了一种同时采用两种方式进行控制的智能汽车算法。本文的算法设计是在车模扩展的红外反射传感器与CCD传感器的硬件基础上，综合采用了两种传感器传递回的信号，充分利用二者信号的优点，摒弃不足，从而有效的提高了车模运动的可靠性、高速性和稳定性。对于两套不同的传感器信号，我们分别采用不同的软件流程加以处理，并将处理结果进行有效统一，从而确定车速与车向。其中红外反射传感器的信号特点是精度高、灵敏性好、对单片机资源耗用小，但同时它的缺点是判断范围有限，只能判断当前车头车尾的偏转程度，预判性差。CCD传感器的信号特点是判断范围远，预判性好，导航线模拟准确性高，但是却存在着精度较低，资源耗用高，运算速度慢等不足之处。因此，我们主要利用反射传感器进行当前路径识别和调整，同时利用CCD传感器进行未来道路的预判，从而更有效的调整车速和车向。通过采用定时中断的方式，每次分别对两种传感器的信号进行分别处理，并对结果进行比较与综合，得到最为准确的控制命令。同时这种设计可有效的保证车模的容错性能的提高，当一种信号失常时，便可以抛弃这种信号，采用另一种信号，从而有效的提高了车模运行的可靠性。1基于红外反射传感器的自动导航算法11传感器组设计及精确转向原理头部采用了八个反射传感器组成传感器组，尾部采用四个传感器，从而可以有效的进行路线识别和车体定位。通过传感器组的信号特征，可以确定引导路径的当前走向和车体方向定位，从而计算出应偏转的角度，实现精确转向。图表1转向原理312软件流程设计图表2算法流程图13模糊控制系统当车辆处于正常状态时，需要通过计算来确定转向角度和前进速度。为了更为准确的确定角度和速度，这里采用了模糊算法进行计算。利用已有的几个值对地面情况进行复原其基本原理如下首先测得路径白条临界区域的光敏值和普通地面上的光敏值以通过D点的中心线的交点为原点建立坐标系,两排光敏之间的距离为K,光敏N和N1且N6或者N和N1且N6所测的值分别为白条临界值和普通地面值,质心处的光敏M所测的值为白条上的值,光敏6中心则为中心线通过点,而光敏E也为其通过点,连接这两点即中心线则通过距离中心线为L光敏N和光敏M的连线即为所求理论上讲,只要有两点就可以确定惟一的直线设路径标线的中心线在以质心为原点的坐标系中的方程为YAXB,其中A为路径标线中心线在图像坐标系中的斜率,B为路径标线中心线在纵轴上的截距通过光敏传感器M和光敏N的位置确定参数A和B,并且可以确定路径标线在坐标系中的位置偏差参数E和方向角4参数,ENR,ARCTANA/B,这两个参数可作为控制系统的输入量,以控对运行路径的跟踪由路径判别得出的中心偏距D和偏角R作为模糊处理的基本输入变量基本输入量乘以量化系数K取整后可得量化等级取模糊论域为3,3,将模糊变量量化为7个等级即3,2,1,0,1,2,3依据隶属度函数将量化等级表示为7个模糊子集,采用模糊变量赋值表将模糊变量用符号对应为正大、正中、正小、零、负小、负中、负大使用时根据输入值的最大隶属度判断模糊等级对应的模糊子集控制量的模糊化控制量为速度控制的两个分量向前速度V角度W。这里采用VV与WW两个控制量来表示,类似观测量,也采用等级单位来描述控制量论域为3,3因不需后退,前线速度V对应于很大速度、较大速度、中速、低速、很地速、零速度14交叉路线处理系统由于道路路径会出现交叉问题，这也给算法的带来了一定困难。由于，交叉路径本身导致的信号采样不确定性和车体在交叉路径上发生的角度偏移，使此时采集到的信号具有不可判断性，将会影响车体的正常运行。一个较为简单的解决方法是，忽略此时的信号，保持原速与原向，冲过交叉部分。但这样做的精度很差，稳定性不高，且错误处理的风险性也较高。本文采取了尾处理和记忆处理两种方式对这一问题进行处理，并综合采用二者的处理结果，尽可能提高车辆运行的稳定性。141尾处理方式当车头进入交叉区域时，信号发生混乱，无法指示正确的路径前进方向，此时判断如果尾部传感器组仍在路径范围内时，则抛弃头信号，只利用尾信号对车体方向进行控制和调整。这样做的优点是方法简单，易于处理，且准确度与精度较保持原速法有一定提高。但是，由于车辆采用前轮控制车体方向，而尾部信号不能准确的反映车头的准确定位，因此，信号的反映有一定滞后性，这也给车辆的方向控制带来了一定不确定性。通过实验，这种方式对于正向进入交叉情况处理较好，而对于车体以较大偏转进入交叉路径情况则有些力不从心。142记忆处理方式为了解决上法存在的问题，本文设计了一种基于记忆信息的处理方式。根据车体进入交叉路径前的最后一次正确的信号，判断出车体的位置和与路径的偏向角，并由此做出预判断。根据每种不同情况，在交叉路径上作出合理的预判，并根据这个规则度过交叉路径。在实际制作中我们综合采用了两种预判方法，并将他们结合起来，每次对二者的计算结果加以比较，并取得平均值，最大程度的保证撤体运行的可靠与稳定。2基于CCD传感器的自动导航算法21图像获取与识别目前一般都按预先设定的速度,根据运行偏差作微量调整,因此对复杂路径适应性较差,如在较多小半径弯道和长距离输送情况下,系统效率较低为此,根据视觉传感器获取局部一定范围的路径信息,根据路径的复杂度指标,完成速度自适应调整,实现高速循线路径图像获取与处理高速以布置在地面上的深色条带为路径标记,由CCD采集的路径标线图像,包含着车辆在某一时刻相对于路径标线的位置信息,即车辆纵轴线与路径的交角以及车辆坐标原点与路径之间的偏移距离E,路径图像采集分辨率为320240关于路径信5息有效提取方法已有较多研究成果由于路径可以提取两个边缘,采用水平扫描的双边缘中线为理想路径图像获取和处理的基本步骤如下1图像获取和滤波2色彩变换和路径检测跟踪3路径提取和路径参数重投影变换由于CCD像平面与路面存在一定倾角,而运动只能在路面实现,因此,直接将路径图像参数经重投影变换到路径平面,完成下一步的局部规划转换公式为式中F为焦距A,B为CCD平面X,Y方向比例因子OM,ON为图像坐标原点,由摄像机标定得到X,Y和X,Y路径的图像坐标和实际坐标,DZ,DY为摄像机安装参数CCD获取目标图像后，进入图像预处理阶段。预处理的目的是滤除噪声，增强图像数据的有用信息。为此，预处理要完成进行图像增强和滤波去噪等各种必要的图像变换，改善图像的质量。对于本系统，笔者选择了先对图像做小波降噪再做灰度线性变换两种方法，取得了较好的预处理效果。实际道路中的路径线漆成黑色，其灰度级要比周围的路面相应要高，这是识别车道线位置的基本依据。可以看到，中间灰度值突起的部分就是路径线在该行中分布的位置。图表3小波降噪结果22速度控制从CCD图像处理得到的参数包括局部一定范围的路径参数和当前偏差,传统的视觉导航一般只应用位置偏差和方向偏差,采用预测/反馈控制实现路径跟踪,难以实现在小半径弯道时低速运行,在直道高速运行,并且有时因为参考速度设定过高,造成系统不稳定根据对路径复杂程度的分析,确定合理的运行速度将由重投影变换得到的路径按一定密度由直线近似在一定视场范围内近似为N段直线,相邻两直线段夹角为I建立路径的复杂度指标函数路径复杂度分为3个模糊子集低复杂度、中复杂度和高复杂度,对应参考速度分别为高速、中速和低速各参数根据N值和环境由实验确定确定本地理想参考速度VD后,再根据位置6偏差EP和角度偏差ET确定方向控制T1为上一时刻的控制速度，从而验证了小车理想速度的适应性3综合两种方式的新型导航算法设计在以上两种车辆控制方式的基础上，为了能够尽量利用二者的优点，避免缺陷，从而最大成度的保证车模运行的高速、可靠和稳定性，本文设计了一种对二者结果进行处理的方式，基本流程如下图表4综合算法流程图采用这种方式，便可以兼顾二者的优点，从而大幅提高汽车运行的可靠与稳定；此外，这种方式，在一种控制信号出现问题时，可以作为容错系统，采用另一种可靠的控制信号，从而使得车辆运行更为可靠。4结语本系统在对自动汽车导航设计中最为常用的红外反射传感器设计和CCD传感器设计方式优缺点深入分析的基础上，提出了一种兼顾二者优势，同时最大程度的避免二者缺点的算法。其主要思想是利用CCD传感器判断范围远的优点进行路径预判；同时利用红外反7射传感器灵敏精确的特点进行当前路径控制。并通过将二者处理结果进行比较和综合，得到最为准确的方向与速度控制信号，保证车辆运行正确。此外，当某个传感信号出现较大误差或错误时，系统还可自动判断，并采用备用信号控制，极大的提高了无人导航汽车运行的可靠性。参考文献1VASSALLORAQUELFRIZERA,SCHNEEBELIHANSJORG,VICTORJOSESANTOSVISUALNAVIGATIONCOMBININGVISUALSERVOINGANDAPPEARANCEBASEDMETHODSAIN6THINTERNATIONALSYMPOSIUMONINTELLIGENTROBOTICSYSTEMSC,EDINBURGH,SCOTLAND,19982EGEMINAUTOMATIONINC/BELLHOWELLROBOTICTRANSPORTSYSTEMSTHATFITYOURENVIRONMENTEB/OLHTTP/WWWMAILMOBILECOM,200321023ISHIKKAWASHIGEKI,KUWAMOTOHIDEKI,OZAWASHINJIVISUALNAVIGATIONOFANAUTONOMOUSVEHICLEUSINGWHITELINERECOGNITIONJIEEETRANSACTIONSONPAMI,1988,1057437494BECCARIG,CASELLIS,ZANICHELLIF,ETALVISIONBASEDLINETRACKINGANDNAVIGATIONINSTRUCTUREDENVIRONMENTSAINPROCEEDINGSOFTHE1997IEEEINTERNATIONALSYMPOSIUMONCOMPUTATIONALINTELLIGENCEINROBOTICSANDAUTOMATIONC,MONTEREY,CALIFORNIA,USA,19975ZHANGHAI2BO,YUANKUI,LIUJIN2DONGAFASTANDROBUSTVISIONSYSTEMFORAUTONOMOUSMOBILEROBOTSAINIEEEINT