发布时间 : 星期日 文章智能车辆导航技术的研究现状与发展趋势 - 图文更新完毕开始阅读9cd91e1dfc4ffe473368abb0
最简单的一类模型是直线模型。在有限长的范围内,假定路边是两条平行直线。在前视图像中,路边则表现为相交于消失点(vanishing point)的两条射线。先利用Hough变换等方法找到图像中存在的直线,然后将相交于消失点的两条直线确定为路边。也可以先进行逆透视变换,将前视图转换为准俯视图,然后再从图像中提取平行直线。
抛物线和多项式模型是一种常见的弧形道路描述。该类模型的参数确定十分关键。为了描述更为广泛的道路结构,有的文献中使用了B-样条曲线模型。因为B-样条能通过一组控制点构成任意形状曲线。首先通过消失点估计算法确定B-样条的初始位置,然后使用最小均方能量方法在整幅图像中检测B-样条模型的控制点。该模型能够有效抑制噪声,阴影和光照不均的影响,但其算法复杂度很高。
相对于基于特征的道路检测方法而言,基于模型的道路检测可以有效克服路面污染,阴影,光照不均等环境因素影响。但是当道路不符合预先假设时,模型就会失效,因此模型的选择很关键。为了提高道路模型的鲁棒性,通常根据当前检测结果及时更新道路模型参数,使得道路模型更加符合实际道路描述。 2.3障碍物检测
障碍物检测是智能车辆安全行驶的重要保证。由于障碍物的出现具有不可预知性,无法根据预先设定的电子地图避开障碍物,只能在车辆行驶过程中及时发现,及时处理。当前,关于障碍物的定义还没有统一的标准。一些系统中将障碍物限定为道路上中近距离的行人,其他车辆等。更多系统中则认为障碍物是车辆行驶道路上具有一定高度的物体。最近,有些系统中把道路中可能妨碍车辆行驶的凹坑,水沟等低于道路平面的地形也定义为障碍物。因此,可以认为一切可能妨碍车辆正常行驶的物体和影响车辆通行的局部异常地形都是车辆行驶过程中的障碍物。障碍物检测算法主要有以下3种。 2.3.1基于特征的障碍物检测
基于特征的障碍物检测算法主要用于车辆和行人检测。车辆和行人具有一些明显的特征。例如,车辆具有规则的水平边界和垂直边界,有良好的对称性。可以通过这些特征在图像中检测并定位车辆,并可得到其外接矩形,便于跟踪。
在红外热图像中,行人和车辆的特征更加明显。由于人体,车辆的发动机、排气管等部位的温度比周围环境偏高,在红外图像中呈现出明显的高亮区域,很容易检测。
基于特征的障碍物检测方法一般用于单摄像机系统中,快速有效。但大都只能确定障碍物在图像中的位置,难以得到障碍物的实际距离,需要同时借助其他一些测距传感器实现障碍物的实际定位。 2.3.2基于光流场的障碍物检测
一般情况下,由于图像中的光流与运动场一致,可以用来检测运动的障碍物。基于光流场的障碍物检测通常分为3步。首先通过分析图像序列中的相邻帧计算光流场；然后根据光流场估计车辆的主运动方向；最后分析与主运动不一致的光流,确定障碍物。在基于光流的检测算法中,光流场的计算是十分复杂的。通常采用基于梯度、相关性、物
11
体特征和网格计算的方法来估计光流场。
基于光流场的障碍物检测无需障碍物的先验知识,可以处理一般高出地面的运动障碍物,但对于相对运动缓慢或静止的障碍物失效。 2.3.3基于立体视觉的障碍物检测
基于立体视觉的障碍物检测是目前障碍物检测中最常用的方法。首先使用两个或多个摄像机从不同视角同时获取场景图像；然后通过图像匹配发现障碍物并得到图像间的视差；最后根据障碍物在图像中的位置、视差以及摄像机标定参数计算出障碍物的实际距离。
该类方法中最复杂、最耗时的部分就是图像间的匹配。由于障碍物检测的实时性要求,经典的逐像素匹配算法很难胜任。匹配算法很难胜任。大多数道路跟踪系统中采用了基于特征的图像匹配,其中最常见的是利用图像中的垂直边界进行匹配。另外,也有系统采用逐步求精的方法,先在各个图像中单独检测障碍物的大概位置,然后再对上一步中粗略确定的障碍物区域进行匹配和求精。这样,可以缩小待匹配区域,减少匹配时间。匹配完成后,根据摄像机参数和视差方程计算出障碍物的实际距离。
也有一类基于立体视觉的障碍物检测方法不直接进行左右图像的匹配,而是根据摄像机标定参数,将左右图像先投影到同一个坐标系下,利用投影后左右图像之间的差别来检测障碍物。由于路面的相似性,投影后的道路具有类似灰度；而障碍物在左右图像中的位置不同,会产生平面视差,可以通过对两幅投影图像取差并阈值化,找出障碍物。这种方法要比直接进行图像匹配更为快捷,但对摄像机参数十分敏感,而且,还需对投影图像进行规定化处理,否则很容易引起误识。
总之,基于立体视觉的障碍物检测具有显著优点,它既不需要障碍物的先验知识,对障碍物是否运动也无限制,还能直接得到障碍物的实际位置。但其对摄像机标定要求较高。而在车辆行驶过程中,摄像机定标参数会发生漂移,需要对摄像机进行动态标定。 2.4检测系统的设计 2.4.1原理
超声波测距是基于超声波在介质中的传播特性的距离测量。其原理是利用测量超声波发射脉冲和反射后接受脉冲的时间差，再结合超声波在空气中的传播速度来计算距离的，测距原理比较简单。超声波测距离具有很多优点，超声波对雨、雾、雪的穿透能力很强、衰减小，因此可以再雨、雪、雾等恶劣天气下工作。但超声波测距在高速行驶的汽车上的应用有一定局限性，这是因为超声波的传输速度相对较慢，当汽车在高速公路上高速行驶时，使用超声波测距无法跟上车距的实时变化，因此误差很大；二是超声波的方向性相对于激光光束来讲要差，发散角大，要测远距离的障碍物，由于反射波过于微弱，使得灵敏度下降。故超声波测距一般应用在短距离测距。目前，在较短距离的测量中，超声波测距技术得到了广泛的应用。在本设计中采用了可靠性高的超声波换能器和温度智能传感器，因此测距距离较远，最远可达到15m，精度也有很大提高，适合于
12
汽车倒车和恶劣的天气条件下或夜间低速行驶时作防装系统使用。
超声波是指频率在16KHz以上，不能引起常人听觉反应的机械振动波，是物体的机械振动在弹性介质中的机械振动波，由于超声波具有非常短的波长，可以聚集成狭长的发射线束而呈束状直线传播，故传播具有一定的方向性。超声波在空气中的传播速度大约为340m/s，但其传播速度随介质温度的上升而加快，气温增高1℃，声速增加0.6m/s。超声测距原理，一般采用度月时间法：即D=CT/2，其中D为机器人（车辆）与被测物之间的距离，C为声波在介质中传播的速度（C?331.41?t/273m/s，t为摄氏温度），T为超声波发射到返回的时间间隔。 2.4.2硬件电路
主控制器
本设计采用8051单片机作为控制器,由超声波发射电路、接收放大电路、环境温度采集电路及距离显示电路和声光报警电路组成。8051单片机是整个系统的核心部件，协调其他各部件的工作。S1为启动检测系统按钮，系统启动后单片机控制的振荡源产生40kHz的频率信号来驱动超声波换能器UCM40T，它与UCM40R一样是压电式陶瓷超声波传感器，UCM410T每次发射包含10个脉冲，当第一个超声波脉冲发射后，计算器开始计数，在检测到第一个回波脉冲的瞬间，计数器停止计数，这样就能够得到从发射到接收的时间间隔，温度采集电路也将现场环境温度数据采集送到单片机中，提供计算距离时对超声波传播速度的修正。最终单片机利用距离计算公式计算出障碍物的距离，另外，还可设置报警临界值，当实测距离小于临界值时就发出报警信号，本系统采用了3个数码管显示实时测量的障碍物距离，用LED管和蜂鸣器实现声光报警。主控电路如图1所示。
图1
13
超声波发送
这部分包括超声波信号的产生，换能器等环节，40kHz的超声波发送脉冲信号单片机8051的P1.3口信号放大后送至换能器UCM40T，由其向被测方向发射超声波。信号的脉冲宽度及脉冲间隔均由软件控制。脉冲宽度约为100us，在一个调试脉冲内包含10各40kHz的方波。脉冲发送间隔取决于要求测量的最大距离。若在有效 范围内有被测物的话，则在后一路超声波束发出之前应当接收到前一路发出的反射波，否则认为没有障碍物。因此，按有效测距范围可以估算出最短的脉冲间隔发送时间。例如：最大测距范围为15m时，脉冲间隔时间
t?2s/v?2?15/340?90ms，实际应取t?90ms。
发送电路如图2所示。
图2
超声波接收
这部分接收换能器UCM40R、比较及控制等环节组成。由于在距离较远的情况下，声的回波很弱，因此换能为电信号的幅值也较小，为此要求将信号放大100万倍左右。采用三级放大：前两级各放大100倍，前两级采用高速精密放大器LM318，其带宽为15MHz，放大倍数为100倍时，能充分满足要求；第三级采用LF353运算放大器，带宽为4MHz，对于100倍的放大效果，能充分满足条件，放大后的交流信号经光电隔离送入音频译码
14