《智能汽车数据采集及处理策略分析》4100字

智能汽车数据采集及处理策略分析综述智能车辆避障意味着在有障碍物的路径找到一条适当路径并到达目的地，使智能车辆在驾驶过程中可以安全避免一切障碍。智能车辆的问题是，在智能车辆的驾驶过程中，智能车辆总是保持与前面车的安全距离，以达到安全的追随。为了避障技术的有效实现，必须进行数据收集和处理。在这一章中，主要介绍了用于数据收集和处理的传感器和数据处理方法。1.1传感器上世纪七十年代，美国、欧洲等发达国家率先开始对智能汽车进行全面研究，传感器也被应用于智能汽车。此时，仅视觉传感器被广泛使用。随着科学技术的发展，开发了适合各种情况的传感器，并应用于智能汽车的开发。目前在智能汽车研究中运用较为广泛的传感器有超声波传感器、红外传感器、激光雷达传感器、视觉传感器等。由于市面上的传感器种类繁多，功能不一，所以在智能汽车研究中，如何选择运用合适的传感器就显得尤为重要[7-10]。1.1.1红外传感器红外传感器是一种能够将红外信号变成电量信号的探测性元件。在自然界中，所有的高于零下273度的物体均能发出红外光，但是所有带有温度的物体所发出的红外光的波长会随着物体温度的不同而变化，所以，红外传感器可根据物体所发出红外光的波长来进行对物体的测量[11]。根据检测原理，可以分成热检测器和光子检测器。根据功能的不同可以分为以下5个类别：（1）辐射计，用于对辐射和光谱测量；（2）搜索跟踪系统，搜可以用来搜索和跟踪测量的对象，并且可以实时确认物体的位置信息；（3）热成像系统，可以生成物体的红外图像的热图像的系统，多用于自然资源勘探；（4）红外测距和通信系统；（5）混合系统，是指以上各类系统中的两个或者多个的组合。一般来说，在智能车辆躲避障碍物的研究中，多使用红外传感器的测距功能。测距法根据是否需要人的控制，分为主动测距和被动测距。红外线测距属于被动测距。从信号源发送信号，接收反射信息以获得距离信息。图1.1红外测距原理图根据红外线测距的原理，红外线发射器以预先设定的角度发送红外线，当遭遇障碍物时红外线反射，反射的红外线由CCD检测器接收。从而得到偏移值，然后利用三角定理得到关系式（1.1）：（1.1）式（1.1）中，D代表红外传感器与障碍物的距离，f表示滤镜的焦距，L表示偏移值，X表示中心距，表示发射角，。由图1.1和式（1.1）可知，当障碍物和红外传感器的距离D非常小时，则偏移值L的值就会特别大，甚至超出检测器的检测范围，反之，则偏移值L的值则会特别小，因此，焦距是检测器是否能够识别偏移L的关键，由此可见，红外传感器测距时，依然存在一定的盲区，这就导致获得障碍物到目标车本身的距离不够精确。当红外传感器测距时，已知存在一个盲区，从而产生从障碍物到目标车辆本身的距离不准确。因此，我们选择了多传感器融合技术，将不同类型的传感器收集的信息融合在一起，智能汽车获取融合后的信息以后，使得智能汽车拥有强实时性、高精度的躲避障碍的功能。1.1.2视觉传感器从感知周围环境的角度来看，视觉技术对于智能车辆来说非常重要。视觉传感器具有测量信号范围大和完整的信息这两个优点。它一直是智能车辆研究不可或缺的重要传感器之一。视觉技术是一项综合技术，包括视觉传感技术、光源照明技术、光学成像技术、数字图像处理技术、数字与模拟视频技术、计算机软硬件技术和自动控制技术[12]。图1.2视觉传感器视觉传感器可以从所有图像中读取光的像素。图像的定义和定界符通常以分辨率测量，并以像素数量表示。视觉系统工作流程如图1.3所示。图1.3视觉系统工作流程图1.1.3超声波传感器超声波测距的原理是测量超声波从发出至遇到障碍物后，反射回来的时间差来计算障碍物距离[13]。假设超声波从发射出去到接收到反射回来所用的时间为，超声波在当前环境中的传播速度为，所以可得障碍物距离目标车的距离的公式如式（1.2）所示：（1.2）当环境中的温度为T时，超声波在空气中的传播速度如式（1.3）所示：（1.3）其中。超声波传感器经常用于智能车辆的障碍物检测研究，作为测量距离的必要工具。与其他测距传感器相比，超声波传感器具有其他传感器所没有的特性。从性能上来看，在相对严峻的环境中，超声波传感器可以实时监测障碍物与目标车辆之间的距离信息，从经济角度来看，超声波传感器的价格相对便宜，在当前的研究中，超声波传感器被广泛使用。对比红外传感器，本文采用HC-SR04超声波测距传感器模块，该模块电路图如图1.4所示。图1.4超声波测距模块电路图该模块具有性能稳定，测距精度高，模块高精度，盲区小等优点。该模块的测距原理如下：（1）采用IO口TRIG触发测距，给至少10的高电平信号；（2）模块自动发送8个40khz的方波，自动检测是否有信号返回；（3）通过输出口输出一个高电平，这个高电平持续的时间为超声波发出到接收到返回信号的时间。测试距离=（高电平时间*声速）/2；（4）HC-SR04超声波测距传感器使用方法简单，一个控制口发一个高电平，就可以在接收口等待接收高电平。输出端口输出高电平时，将计时器设为ON，开始计时。当控制端口变低时，可以读取计时器的值。此时，这就是这次测量距离距离的时间，可以用来计算距离。当超声波传感器收集距离信息时，由于有一个盲区，当无法检测到的盲区存在故障时，智能车会与障碍物发生碰撞，从而造成不必要的损失。因此，对于该缺点，在超声波传感器的设置角度被正确检测到的情况下，能够减小检测盲区域，并降低碰撞的可能性。1.2数据采集方法数据收集是智能车辆操作过程的重要部分。在传感器收集到数据信息之后，将其收集到数据信息处理、计算并反馈到智能车辆的相应模块，以使得智能车辆在操作过程中能够顺利到达目的地[14]。本次研究使用三对超声波传感器，分别安装在智能汽车前端的左侧、中央、右侧及后端的左侧、中央、右侧；这是用来测量智能车辆前后的距离的。这种方法的优点是可以更好地收集汽车周围的信息，并为安全的躲避障碍物提供了保障。当前一般使用的图像获取方法包括图像获取卡获取、照相机获取、数码照相机拍摄等。由于检测范围广，所以经常使用视觉信息收集。这里，使用视觉传感器收集道路上智能车辆的环境信息，并获得智能车辆的有用故障信息以避免障碍物。为了获得障碍物的状态和位置信息，所以需要处理收集的图像。1.3图像处理由于收集的图片会显示模糊、噪声大等缺点，以确保智能车辆的安全运行，因此收集的图片需要处理以获得道路上的准确信息。基于道路信息，智能车辆的视觉系统需要从信息中提取障碍物信息，并提供障碍物的数学模型，智能车辆可以选择适合当前环境的障碍物回避算法。1.3.1图像信息提取由于帧间差分法具有简单计算的优点，效果良好，可适应各种环境，因此提取使用帧间差分法收集的图像信息，并获得操作过程中智能车所需的信息。（1）二帧差分法二帧差分法具体原理图如图1.5所示。图1.5二帧差分法流程图若视频的图像序列为,其中为任意两帧连续的图像，（x,y）为像素空间的坐标，那么差分后的图像可以用式（1.4）来进行描述。（1.4）因此，可以得到对差分后的图像进行阀值化处理以后即可得到前景目标。经过处理后的结果图像可以使用式（1.5）进行表示。（1.5）这里，TH在处理中设定的阈值、即差分图像的像素大于阈值TH时，则作为前景像素，如果差分图像的像素小于TH，则作为背景像素。在选择差分法的过程中，图像提取具有两帧差分法的原理。在提取过程中，当两帧差分方法被用于图像提取时，差分后的图像具有许多噪声。比较后发现，三帧差分方法可以在图像提取过程中解决噪声问题，并且可以精确地获得移动物体的轮廓。图像的前景色像素满足方程式（1.6）。（1.6）其中，是预定义的两个不同的阀值。（2）三帧差分法三帧差分法是在连续3帧的运动图像中分割1帧或2帧、2帧或3帧之后，根据变化区域和移动区域之间的不同统计规则设定变化检测阈值的方法。然后，进行图像运动的变化检测和连接区域识别[10]。三帧差分法的流程图如图1.6所示。图1.6三帧差分法流程图选取连续三帧视频图像为。经过处理后，可以得到运动物体前两帧和后两帧在运动时段中的运动变化图像和。然后，将两个图像组合起来以找到移动的对象。此外，需要结合移动体本身的特征信息来完全提取移动物体。相与运算公式如式（1.7）所示：（1.7）其中描述的就是连续三帧的帧差。总之，与其他图像检测方法相比，帧间差分法的原理相对简单，计算量少，可以快速检测场景中的移动物体。从图像处理的结果来看，由于三帧差分法在图像提取中比两帧差分法有更好的效果，所以使用三帧差分法提取图像中的障碍物信息。1.3.2图像平滑处理图像平滑是一种降低图像噪声和干扰的图像处理技术。原理是逐渐改变图像的亮度，减少突变梯度，提高图像质量。使用中值过滤器对图像进行平滑。中值滤波是将每个像素的灰度值设置到像素附近窗口的所有像素的中值的非线性平滑技术。在某些条件下，中值滤波法既可以去除噪声，又可以保护图像的细节和边缘，因此，能够获得较好的图像复原效果[15]。在二维中值滤波中，其窗口的尺寸形状对滤波器的效果影响比较大，对于不同的图像内容或者不同的应用要求，往往采取的窗口尺寸和形状也不相同。二维中值滤波可以由式（1.8）表示。（1.8）其中表示滤波窗口，表示二维的数据序列。1.3.3图像分割在分析处理后的图像信息之前，图像分割是图像处理整体过程中不可或缺的步骤。其主要目标是将图像分割成与现实世界的对象和地区有很强关联的成分。选择阈值分割技术作为图像分割的技术手段。阈值分割技术是基于区域的图像分割技术，原理是将图像像素分割成几个类别。在本文中，不仅可以利用这种技术压缩数据并减少存储容量，而且可以在一定程度上简化后续的分析和处理。现有待处理的图像，在图像中选择一个合适的灰度值作为阀值TH，那么分割后的图像可由如式（1.9）或者式（1.10）进行表示。（1.9）或（1.10）如果将阀值设置成为一个灰度值范围，则在灰度值范围内的像素为1，在灰度值范围外的像素为0，其表达式可由式（1.11）表示。（1.11）综上所