《智能汽車(chē)避障系統(tǒng)的設(shè)計(jì)》17000字（論文）

緒論研究背景及意義到目前為止，汽車(chē)的發(fā)展已經(jīng)有一百多年的歷史了。歐美國(guó)家率先發(fā)展了汽車(chē)工業(yè)。以日本和韓國(guó)為首的亞洲汽車(chē)企業(yè)雖然起步較晚，但已逐漸成為世界汽車(chē)工業(yè)的領(lǐng)先者。截至2017年底，全國(guó)可檢驗(yàn)的機(jī)動(dòng)車(chē)超過(guò)3億輛，其中汽車(chē)占70%，其中汽車(chē)的駕駛?cè)藬?shù)占到了約85%左右。隨著汽車(chē)數(shù)量的增加，不可避免地會(huì)給人們的生活帶來(lái)一些不良影響，如交通堵塞、交通事故等。在手動(dòng)駕駛過(guò)程中，整個(gè)駕駛過(guò)程由駕駛員控制。一旦司機(jī)犯了錯(cuò)誤，就很容易造成交通事故。時(shí)至今日，全世界平均每天死于交通事故的人數(shù)約為3000人，每年還有數(shù)千萬(wàn)人受傷或致殘。據(jù)統(tǒng)計(jì)，交通事故是青少年死亡的一個(gè)重要原因，死亡的概率遠(yuǎn)遠(yuǎn)高于其他原因。此外，世界上的殘疾人和老年人也占總?cè)丝诘暮艽蟊壤?，?duì)于這一群體來(lái)說(shuō)，想安全駕駛汽車(chē)也是很不方便的。為了減少交通事故造成的損失，提高車(chē)輛的安全性能，各國(guó)政府也公布了一系列法令。同時(shí)，為了創(chuàng)造安全的交通環(huán)境，提高人們的安全旅游質(zhì)量，他們投資了大量資金來(lái)研究汽車(chē)的安全技術(shù)?？傊瑸榱吮苊膺@一連串交通事故造成的巨大損失，讓不能自己開(kāi)車(chē)的人享受個(gè)人旅行駕駛的樂(lè)趣，需要自己開(kāi)車(chē)判斷路況。因此，智能汽車(chē)的概念逐漸被人們所接受。智能車(chē)輛的初期研究開(kāi)發(fā)多用于軍事領(lǐng)域。隨著科學(xué)技術(shù)的成熟，在民用領(lǐng)域也進(jìn)行了智能車(chē)輛的研究。智能車(chē)的開(kāi)發(fā)不僅意味著汽車(chē)產(chǎn)業(yè)的發(fā)展，也意味著許多新興產(chǎn)業(yè)的發(fā)展，因此對(duì)于世界上所有國(guó)家來(lái)說(shuō)，默認(rèn)地被認(rèn)為與各國(guó)發(fā)展有著不可或缺的聯(lián)系。智能車(chē)今后的發(fā)展將大大提高人們的旅游質(zhì)量。只要智能汽車(chē)的發(fā)展達(dá)到一定的水平，其他產(chǎn)業(yè)的發(fā)展也會(huì)達(dá)到相應(yīng)的水平。屆時(shí)，智能交通管理可以在實(shí)踐中得到實(shí)施，解決擁堵、停車(chē)難和排放等問(wèn)題，因此，研發(fā)智能車(chē)輛不僅對(duì)減少交通事故，而且對(duì)其他社會(huì)產(chǎn)業(yè)的發(fā)展具有重要意義。智能汽車(chē)國(guó)內(nèi)外研究現(xiàn)狀智能汽車(chē)國(guó)外研究現(xiàn)狀隨著相關(guān)技術(shù)的成熟，各國(guó)都十分注重交通安全和軍事領(lǐng)域的應(yīng)用，以及智能車(chē)輛的開(kāi)發(fā)，進(jìn)而推動(dòng)智能車(chē)輛技術(shù)的研發(fā)。世界上第一臺(tái)自動(dòng)引導(dǎo)車(chē)輛系統(tǒng)于1954年被研發(fā)成功由美國(guó)BarretElectronics公司自主研發(fā)的，它具備了智能汽車(chē)一項(xiàng)最基本的功能特征——無(wú)人駕駛[1]。到了70年代，智能汽車(chē)的研究在歐美國(guó)家已經(jīng)得到了普遍的重視，20世紀(jì)80年代，美國(guó)國(guó)防部開(kāi)啟了自主地面車(chē)輛（AVL）新計(jì)劃，該項(xiàng)目采用攝像頭和計(jì)算機(jī)系統(tǒng)來(lái)檢測(cè)地形并對(duì)車(chē)進(jìn)行導(dǎo)航[2]，其目的就是為了能夠讓汽車(chē)擁有充分的自主權(quán)。在20世紀(jì)90年代，梅賽德斯和慕尼黑國(guó)防軍大學(xué)聯(lián)手改進(jìn)和開(kāi)發(fā)了一種裝備有各種傳感器的汽車(chē)，使汽車(chē)能夠監(jiān)控車(chē)輛周?chē)牡缆窢顩r，并據(jù)此進(jìn)行處理。21世紀(jì)，為了促進(jìn)智能汽車(chē)技術(shù)的發(fā)展，同時(shí)也為智能汽車(chē)研究者提供了一個(gè)學(xué)術(shù)交流的平臺(tái)，美國(guó)國(guó)防部高級(jí)研究項(xiàng)目局(DARPA)從2004年起，開(kāi)始舉辦機(jī)器車(chē)挑戰(zhàn)大賽(GrandChallenge)。谷歌于2009年開(kāi)始研究開(kāi)發(fā)智能車(chē)項(xiàng)目，研究開(kāi)發(fā)團(tuán)隊(duì)的工程師大多是曾經(jīng)在DARPA工作的工程師。直到2014年，谷歌才展示了一款完全自動(dòng)駕駛的汽車(chē)，而在2015年，第一款可以在道路上正式測(cè)試的樣車(chē)揭開(kāi)了面紗，一款完全沒(méi)有方向盤(pán)的智能汽車(chē)，讓乘客的雙手得到了釋放。圖1.1谷歌智能汽車(chē)2017年9月，美國(guó)眾議院通過(guò)了關(guān)于自動(dòng)駕駛的法案，首次對(duì)智能汽車(chē)的生產(chǎn)、測(cè)試和發(fā)布進(jìn)行管理。2017年9月12日，美國(guó)交通運(yùn)輸部部長(zhǎng)趙小蘭公布了新版自動(dòng)駕駛指南2.0，旨在統(tǒng)一全美智能汽車(chē)技術(shù)的研發(fā)，聲明智能汽車(chē)公司的測(cè)試和部署無(wú)需審批，并于2018年發(fā)布了3.0版本。目前智能車(chē)的發(fā)展方向也吸引了很多外國(guó)國(guó)家的關(guān)注，國(guó)外已經(jīng)發(fā)行了一系列政策和措施來(lái)研究智能汽車(chē)，當(dāng)然，我國(guó)也同樣重視智能汽車(chē)的發(fā)展。智能汽車(chē)國(guó)內(nèi)研究現(xiàn)狀中國(guó)的主要研究機(jī)構(gòu)和大學(xué)例如中國(guó)國(guó)家自然科學(xué)基金委員會(huì)、清華大學(xué)、國(guó)防科技大學(xué)、吉林大學(xué)、同濟(jì)大學(xué)等對(duì)智能汽車(chē)的駕駛技術(shù)的研究具有重大影響。國(guó)外的智能汽車(chē)的駕駛技術(shù)的研究很早就開(kāi)始了，并進(jìn)行了很多投資，但是這個(gè)領(lǐng)域國(guó)內(nèi)外的差距正在慢慢縮小。我國(guó)智能汽車(chē)的研究發(fā)展從上世紀(jì)八十年代才剛開(kāi)始，但是在我國(guó)智能汽車(chē)剛起步十年便取得了巨大的成就。90年代初，國(guó)防科技大學(xué)便獲得了成功，研制出了我國(guó)意義上的第一輛智能汽車(chē)，這輛汽車(chē)裝有由計(jì)算機(jī)及其配套的傳感器和液壓控制系統(tǒng)組成的汽車(chē)計(jì)算機(jī)自動(dòng)駕駛系統(tǒng)，該車(chē)能夠在計(jì)算機(jī)控制下完成無(wú)人駕駛[3]。到了21世紀(jì)，國(guó)防科技大學(xué)對(duì)智能汽車(chē)的研究有所突破，成功地開(kāi)發(fā)了第四代智能汽車(chē)。結(jié)果發(fā)現(xiàn)，智能汽車(chē)在中國(guó)以最高速度76km/h行駛。2003年7月國(guó)防科技大學(xué)取得了輝煌成就與中國(guó)一汽集團(tuán)開(kāi)發(fā)的紅旗自動(dòng)駕駛汽車(chē)在高速公路上通過(guò)了測(cè)試。最大駕駛速度速度達(dá)到130km/h。智能汽車(chē)的整體技術(shù)性能和指標(biāo)達(dá)到世界領(lǐng)先水平。2012年11月24日，我國(guó)軍事交通學(xué)院所研發(fā)的無(wú)人駕駛汽車(chē)在北京至天津的高速公路上完成路試，其路試的主要項(xiàng)目有循線行駛、跟車(chē)行駛、自主換道、鄰道超車(chē)、自主超車(chē)、人工指令行駛等六個(gè)科目，為確保安全，智能車(chē)裝有應(yīng)急控制裝置，緊急情況下可立即實(shí)施人工強(qiáng)制干預(yù)[4]。2015年12月，百度宣布其自主開(kāi)發(fā)的智能汽車(chē)公路測(cè)試成功，并宣布成立百度無(wú)人駕駛事業(yè)部。2017年7月，百度公司CEO李彥宏乘坐百度公司所研發(fā)的智能汽車(chē)參加了百度公司舉辦的首屆智能開(kāi)發(fā)者大會(huì)。圖1.2百度智能汽車(chē)中國(guó)各級(jí)政府部門(mén)還出臺(tái)了一系列政策，為智能車(chē)輛的駕駛技術(shù)開(kāi)發(fā)提供了支持。2011年，工信部、科技部、交通部分別對(duì)物聯(lián)網(wǎng)專(zhuān)項(xiàng)、車(chē)路協(xié)同、車(chē)聯(lián)網(wǎng)等“863計(jì)劃”、全國(guó)聯(lián)網(wǎng)大型交通管理平臺(tái)等項(xiàng)目均給予了很大的支持。1980年代以后，中國(guó)開(kāi)始研究智能汽車(chē)，并且到目前為止，世界上的研究結(jié)果表明，智能汽車(chē)研究方面中國(guó)和外國(guó)之間的差距正在縮小。在今后的智能時(shí)代，中國(guó)將在智能汽車(chē)領(lǐng)域扮演不可或缺的角色。1.3智能汽車(chē)避障技術(shù)發(fā)展現(xiàn)狀在20世紀(jì)70年代，國(guó)外學(xué)者J.Holland提出了遺傳算法。該算法利用了選擇、交叉以及變異等方式進(jìn)行了避障的過(guò)程控制。到了八十年代，Khatib提出了人工勢(shì)場(chǎng)法，該算法目前被廣泛的應(yīng)用于移動(dòng)機(jī)器人的路徑規(guī)劃上[5]。其基本的想法是假設(shè)移動(dòng)機(jī)器人處于虛擬勢(shì)場(chǎng)中，并受虛擬力的影響。虛擬力分為兩種，一種是由障礙物產(chǎn)生的虛擬排斥力，另一種是由目標(biāo)點(diǎn)產(chǎn)生的虛擬引力，機(jī)器人由于虛擬力的影響避開(kāi)障礙物，向目標(biāo)點(diǎn)移動(dòng)。2015年，王雷等人提出了改良的遺傳算法。首先，采用網(wǎng)格法對(duì)智能車(chē)輛路徑規(guī)劃進(jìn)行建模，提出了初始個(gè)體產(chǎn)生法和精英戰(zhàn)略，設(shè)計(jì)了自適應(yīng)突變概率，提高了算法的質(zhì)量。2017年，朱珂昕，孫海洋，陳珍提出了一種基于遺傳算法的靜態(tài)環(huán)境的路徑規(guī)劃，其采用了二進(jìn)制編碼的方式，建立了簡(jiǎn)介有效的并且具有針對(duì)性的適應(yīng)函數(shù)，該算法將多障礙物作為介質(zhì)來(lái)找點(diǎn)的規(guī)劃，在二維空間中簡(jiǎn)化編碼方式，從而克服了多目標(biāo)情況下的避障問(wèn)題[6]。1.4論文主要研究?jī)?nèi)容本文在智能車(chē)輛自動(dòng)駕駛技術(shù)的研究中，主要描述了一種技術(shù)，智能車(chē)輛避障技術(shù)。為了研究智能車(chē)輛避障技術(shù)，采用傳感器信息融合的方法收集障礙物信息。在躲避障礙物算法的設(shè)計(jì)中，使用經(jīng)典的避障算法人工勢(shì)場(chǎng)方法和模糊控制算法的組合來(lái)設(shè)計(jì)新的智能車(chē)輛避障算法。1緒論，介紹了國(guó)內(nèi)外智能車(chē)的研究背景、意義和開(kāi)發(fā)情況，并闡述了各國(guó)智能車(chē)領(lǐng)域投資和實(shí)際研究成果，介紹論文結(jié)構(gòu)和主要研究?jī)?nèi)容。2智能汽車(chē)數(shù)據(jù)采集及處理。描述了用于智能汽車(chē)數(shù)據(jù)收集和處理智能車(chē)輛數(shù)據(jù)采集的各種傳感器和環(huán)境信息的傳感器原理。主要介紹了視覺(jué)傳感器和超聲波傳感器在環(huán)境信息和距離信息的收集中的應(yīng)用。收集的圖片經(jīng)過(guò)處理后會(huì)有效避開(kāi)障礙物，并根據(jù)車(chē)輛提供智能車(chē)輛的判斷標(biāo)準(zhǔn)。3智能汽車(chē)避障策略。首先，詳細(xì)說(shuō)明傳感器融合技術(shù)的信息融合方法和實(shí)現(xiàn)。然后，描述了模糊控制系統(tǒng)的配置和模糊控制的影響和功能。最后，設(shè)計(jì)了智能車(chē)輛障礙物躲避行為，介紹了智能車(chē)輛障礙物避免中人工勢(shì)場(chǎng)方法的優(yōu)點(diǎn)和缺點(diǎn)，并改善了缺點(diǎn)。之后，通過(guò)結(jié)合模糊控制算法，設(shè)計(jì)智能車(chē)輛控制算法，并用MATLAB進(jìn)行模擬。1.5本章小結(jié)本章主要對(duì)可自動(dòng)駕駛的智能汽車(chē)研究背景以及研究意義做出了說(shuō)明，通過(guò)對(duì)國(guó)內(nèi)外智能汽車(chē)開(kāi)發(fā)情況的概要，預(yù)測(cè)了當(dāng)前的開(kāi)發(fā)過(guò)程和智能汽車(chē)的結(jié)果。同時(shí)也介紹了，國(guó)內(nèi)外各級(jí)政府對(duì)發(fā)展智能汽車(chē)均持有支持的態(tài)度，最后詳細(xì)介紹了本文的研究?jī)?nèi)容和結(jié)構(gòu)。

2智能汽車(chē)數(shù)據(jù)采集及處理智能車(chē)輛避障意味著在有障礙物的路徑找到一條適當(dāng)路徑并到達(dá)目的地，使智能車(chē)輛在駕駛過(guò)程中可以安全避免一切障礙。智能車(chē)輛的問(wèn)題是，在智能車(chē)輛的駕駛過(guò)程中，智能車(chē)輛總是保持與前面車(chē)的安全距離，以達(dá)到安全的追隨。為了避障技術(shù)的有效實(shí)現(xiàn)，必須進(jìn)行數(shù)據(jù)收集和處理。在這一章中，主要介紹了用于數(shù)據(jù)收集和處理的傳感器和數(shù)據(jù)處理方法。2.1傳感器上世紀(jì)七十年代，美國(guó)、歐洲等發(fā)達(dá)國(guó)家率先開(kāi)始對(duì)智能汽車(chē)進(jìn)行全面研究，傳感器也被應(yīng)用于智能汽車(chē)。此時(shí)，僅視覺(jué)傳感器被廣泛使用。隨著科學(xué)技術(shù)的發(fā)展，開(kāi)發(fā)了適合各種情況的傳感器，并應(yīng)用于智能汽車(chē)的開(kāi)發(fā)。目前在智能汽車(chē)研究中運(yùn)用較為廣泛的傳感器有超聲波傳感器、紅外傳感器、激光雷達(dá)傳感器、視覺(jué)傳感器等。由于市面上的傳感器種類(lèi)繁多，功能不一，所以在智能汽車(chē)研究中，如何選擇運(yùn)用合適的傳感器就顯得尤為重要[7-10]。2.1.1紅外傳感器紅外傳感器是一種能夠?qū)⒓t外信號(hào)變成電量信號(hào)的探測(cè)性元件。在自然界中，所有的高于零下273度的物體均能發(fā)出紅外光，但是所有帶有溫度的物體所發(fā)出的紅外光的波長(zhǎng)會(huì)隨著物體溫度的不同而變化，所以，紅外傳感器可根據(jù)物體所發(fā)出紅外光的波長(zhǎng)來(lái)進(jìn)行對(duì)物體的測(cè)量[11]。根據(jù)檢測(cè)原理，可以分成熱檢測(cè)器和光子檢測(cè)器。根據(jù)功能的不同可以分為以下5個(gè)類(lèi)別：（1）輻射計(jì)，用于對(duì)輻射和光譜測(cè)量；（2）搜索跟蹤系統(tǒng)，搜可以用來(lái)搜索和跟蹤測(cè)量的對(duì)象，并且可以實(shí)時(shí)確認(rèn)物體的位置信息；（3）熱成像系統(tǒng)，可以生成物體的紅外圖像的熱圖像的系統(tǒng)，多用于自然資源勘探；（4）紅外測(cè)距和通信系統(tǒng)；（5）混合系統(tǒng)，是指以上各類(lèi)系統(tǒng)中的兩個(gè)或者多個(gè)的組合。一般來(lái)說(shuō)，在智能車(chē)輛躲避障礙物的研究中，多使用紅外傳感器的測(cè)距功能。測(cè)距法根據(jù)是否需要人的控制，分為主動(dòng)測(cè)距和被動(dòng)測(cè)距。紅外線測(cè)距屬于被動(dòng)測(cè)距。從信號(hào)源發(fā)送信號(hào)，接收反射信息以獲得距離信息。圖2.1紅外測(cè)距原理圖根據(jù)紅外線測(cè)距的原理，紅外線發(fā)射器以預(yù)先設(shè)定的角度發(fā)送紅外線，當(dāng)遭遇障礙物時(shí)紅外線反射，反射的紅外線由CCD檢測(cè)器接收。從而得到偏移值，然后利用三角定理得到關(guān)系式（2.1）：（2.1）式（2.1）中，D代表紅外傳感器與障礙物的距離，f表示濾鏡的焦距，L表示偏移值，X表示中心距，表示發(fā)射角，。由圖2.1和式（2.1）可知，當(dāng)障礙物和紅外傳感器的距離D非常小時(shí)，則偏移值L的值就會(huì)特別大，甚至超出檢測(cè)器的檢測(cè)范圍，反之，則偏移值L的值則會(huì)特別小，因此，焦距是檢測(cè)器是否能夠識(shí)別偏移L的關(guān)鍵，由此可見(jiàn)，紅外傳感器測(cè)距時(shí)，依然存在一定的盲區(qū)，這就導(dǎo)致獲得障礙物到目標(biāo)車(chē)本身的距離不夠精確。當(dāng)紅外傳感器測(cè)距時(shí)，已知存在一個(gè)盲區(qū)，從而產(chǎn)生從障礙物到目標(biāo)車(chē)輛本身的距離不準(zhǔn)確。因此，我們選擇了多傳感器融合技術(shù)，將不同類(lèi)型的傳感器收集的信息融合在一起，智能汽車(chē)獲取融合后的信息以后，使得智能汽車(chē)擁有強(qiáng)實(shí)時(shí)性、高精度的躲避障礙的功能。2.1.2視覺(jué)傳感器從感知周?chē)h(huán)境的角度來(lái)看，視覺(jué)技術(shù)對(duì)于智能車(chē)輛來(lái)說(shuō)非常重要。視覺(jué)傳感器具有測(cè)量信號(hào)范圍大和完整的信息這兩個(gè)優(yōu)點(diǎn)。它一直是智能車(chē)輛研究不可或缺的重要傳感器之一。視覺(jué)技術(shù)是一項(xiàng)綜合技術(shù)，包括視覺(jué)傳感技術(shù)、光源照明技術(shù)、光學(xué)成像技術(shù)、數(shù)字圖像處理技術(shù)、數(shù)字與模擬視頻技術(shù)、計(jì)算機(jī)軟硬件技術(shù)和自動(dòng)控制技術(shù)[12]。圖2.2視覺(jué)傳感器視覺(jué)傳感器可以從所有圖像中讀取光的像素。圖像的定義和定界符通常以分辨率測(cè)量，并以像素?cái)?shù)量表示。視覺(jué)系統(tǒng)工作流程如圖2.3所示。圖2.3視覺(jué)系統(tǒng)工作流程圖2.1.3超聲波傳感器超聲波測(cè)距的原理是測(cè)量超聲波從發(fā)出至遇到障礙物后，反射回來(lái)的時(shí)間差來(lái)計(jì)算障礙物距離[13]。假設(shè)超聲波從發(fā)射出去到接收到反射回來(lái)所用的時(shí)間為，超聲波在當(dāng)前環(huán)境中的傳播速度為，所以可得障礙物距離目標(biāo)車(chē)的距離的公式如式（2.2）所示：（2.2）當(dāng)環(huán)境中的溫度為T(mén)時(shí)，超聲波在空氣中的傳播速度如式（2.3）所示：（2.3）其中。超聲波傳感器經(jīng)常用于智能車(chē)輛的障礙物檢測(cè)研究，作為測(cè)量距離的必要工具。與其他測(cè)距傳感器相比，超聲波傳感器具有其他傳感器所沒(méi)有的特性。從性能上來(lái)看，在相對(duì)嚴(yán)峻的環(huán)境中，超聲波傳感器可以實(shí)時(shí)監(jiān)測(cè)障礙物與目標(biāo)車(chē)輛之間的距離信息，從經(jīng)濟(jì)角度來(lái)看，超聲波傳感器的價(jià)格相對(duì)便宜，在當(dāng)前的研究中，超聲波傳感器被廣泛使用。對(duì)比紅外傳感器，本文采用HC-SR04超聲波測(cè)距傳感器模塊，該模塊電路圖如圖2.4所示。圖2.4超聲波測(cè)距模塊電路圖該模塊具有性能穩(wěn)定，測(cè)距精度高，模塊高精度，盲區(qū)小等優(yōu)點(diǎn)。該模塊的測(cè)距原理如下：（1）采用IO口TRIG觸發(fā)測(cè)距，給至少10的高電平信號(hào)；（2）模塊自動(dòng)發(fā)送8個(gè)40khz的方波，自動(dòng)檢測(cè)是否有信號(hào)返回；（3）通過(guò)輸出口輸出一個(gè)高電平，這個(gè)高電平持續(xù)的時(shí)間為超聲波發(fā)出到接收到返回信號(hào)的時(shí)間。測(cè)試距離=（高電平時(shí)間*聲速）/2；（4）HC-SR04超聲波測(cè)距傳感器使用方法簡(jiǎn)單，一個(gè)控制口發(fā)一個(gè)高電平，就可以在接收口等待接收高電平。輸出端口輸出高電平時(shí)，將計(jì)時(shí)器設(shè)為ON，開(kāi)始計(jì)時(shí)。當(dāng)控制端口變低時(shí)，可以讀取計(jì)時(shí)器的值。此時(shí)，這就是這次測(cè)量距離距離的時(shí)間，可以用來(lái)計(jì)算距離。當(dāng)超聲波傳感器收集距離信息時(shí)，由于有一個(gè)盲區(qū)，當(dāng)無(wú)法檢測(cè)到的盲區(qū)存在故障時(shí)，智能車(chē)會(huì)與障礙物發(fā)生碰撞，從而造成不必要的損失。因此，對(duì)于該缺點(diǎn)，在超聲波傳感器的設(shè)置角度被正確檢測(cè)到的情況下，能夠減小檢測(cè)盲區(qū)域，并降低碰撞的可能性。2.2數(shù)據(jù)采集方法數(shù)據(jù)收集是智能車(chē)輛操作過(guò)程的重要部分。在傳感器收集到數(shù)據(jù)信息之后，將其收集到數(shù)據(jù)信息處理、計(jì)算并反饋到智能車(chē)輛的相應(yīng)模塊，以使得智能車(chē)輛在操作過(guò)程中能夠順利到達(dá)目的地[14]。本次研究使用三對(duì)超聲波傳感器，分別安裝在智能汽車(chē)前端的左側(cè)、中央、右側(cè)及后端的左側(cè)、中央、右側(cè)；這是用來(lái)測(cè)量智能車(chē)輛前后的距離的。這種方法的優(yōu)點(diǎn)是可以更好地收集汽車(chē)周?chē)男畔?，并為安全的躲避障礙物提供了保障。當(dāng)前一般使用的圖像獲取方法包括圖像獲取卡獲取、照相機(jī)獲取、數(shù)碼照相機(jī)拍攝等。由于檢測(cè)范圍廣，所以經(jīng)常使用視覺(jué)信息收集。這里，使用視覺(jué)傳感器收集道路上智能車(chē)輛的環(huán)境信息，并獲得智能車(chē)輛的有用故障信息以避免障礙物。為了獲得障礙物的狀態(tài)和位置信息，所以需要處理收集的圖像。2.3圖像處理由于收集的圖片會(huì)顯示模糊、噪聲大等缺點(diǎn)，以確保智能車(chē)輛的安全運(yùn)行，因此收集的圖片需要處理以獲得道路上的準(zhǔn)確信息?；诘缆沸畔?，智能車(chē)輛的視覺(jué)系統(tǒng)需要從信息中提取障礙物信息，并提供障礙物的數(shù)學(xué)模型，智能車(chē)輛可以選擇適合當(dāng)前環(huán)境的障礙物回避算法。2.3.1圖像信息提取由于幀間差分法具有簡(jiǎn)單計(jì)算的優(yōu)點(diǎn)，效果良好，可適應(yīng)各種環(huán)境，因此提取使用幀間差分法收集的圖像信息，并獲得操作過(guò)程中智能車(chē)所需的信息。（1）二幀差分法二幀差分法具體原理圖如圖2.5所示。圖2.5二幀差分法流程圖若視頻的圖像序列為,其中為任意兩幀連續(xù)的圖像，（x,y）為像素空間的坐標(biāo)，那么差分后的圖像可以用式（2.4）來(lái)進(jìn)行描述。（2.4）因此，可以得到對(duì)差分后的圖像進(jìn)行閥值化處理以后即可得到前景目標(biāo)。經(jīng)過(guò)處理后的結(jié)果圖像可以使用式（2.5）進(jìn)行表示。（2.5）這里，TH在處理中設(shè)定的閾值、即差分圖像的像素大于閾值TH時(shí)，則作為前景像素，如果差分圖像的像素小于TH，則作為背景像素。在選擇差分法的過(guò)程中，圖像提取具有兩幀差分法的原理。在提取過(guò)程中，當(dāng)兩幀差分方法被用于圖像提取時(shí)，差分后的圖像具有許多噪聲。比較后發(fā)現(xiàn)，三幀差分方法可以在圖像提取過(guò)程中解決噪聲問(wèn)題，并且可以精確地獲得移動(dòng)物體的輪廓。圖像的前景色像素滿足方程式（2.6）。（2.6）其中，是預(yù)定義的兩個(gè)不同的閥值。（2）三幀差分法三幀差分法是在連續(xù)3幀的運(yùn)動(dòng)圖像中分割1幀或2幀、2幀或3幀之后，根據(jù)變化區(qū)域和移動(dòng)區(qū)域之間的不同統(tǒng)計(jì)規(guī)則設(shè)定變化檢測(cè)閾值的方法。然后，進(jìn)行圖像運(yùn)動(dòng)的變化檢測(cè)和連接區(qū)域識(shí)別[10]。三幀差分法的流程圖如圖2.6所示。圖2.6三幀差分法流程圖選取連續(xù)三幀視頻圖像為。經(jīng)過(guò)處理后，可以得到運(yùn)動(dòng)物體前兩幀和后兩幀在運(yùn)動(dòng)時(shí)段中的運(yùn)動(dòng)變化圖像和。然后，將兩個(gè)圖像組合起來(lái)以找到移動(dòng)的對(duì)象。此外，需要結(jié)合移動(dòng)體本身的特征信息來(lái)完全提取移動(dòng)物體。相與運(yùn)算公式如式（2.7）所示：（2.7）其中描述的就是連續(xù)三幀的幀差?？傊?，與其他圖像檢測(cè)方法相比，幀間差分法的原理相對(duì)簡(jiǎn)單，計(jì)算量少，可以快速檢測(cè)場(chǎng)景中的移動(dòng)物體。從圖像處理的結(jié)果來(lái)看，由于三幀差分法在圖像提取中比兩幀差分法有更好的效果，所以使用三幀差分法提取圖像中的障礙物信息。2.3.2圖像平滑處理圖像平滑是一種降低圖像噪聲和干擾的圖像處理技術(shù)。原理是逐漸改變圖像的亮度，減少突變梯度，提高圖像質(zhì)量。使用中值過(guò)濾器對(duì)圖像進(jìn)行平滑。中值濾波是將每個(gè)像素的灰度值設(shè)置到像素附近窗口的所有像素的中值的非線性平滑技術(shù)。在某些條件下，中值濾波法既可以去除噪聲，又可以保護(hù)圖像的細(xì)節(jié)和邊緣，因此，能夠獲得較好的圖像復(fù)原效果[15]。在二維中值濾波中，其窗口的尺寸形狀對(duì)濾波器的效果影響比較大，對(duì)于不同的圖像內(nèi)容或者不同的應(yīng)用要求，往往采取的窗口尺寸和形狀也不相同。二維中值濾波可以由式（2.8）表示。（2.8）其中表示濾波窗口，表示二維的數(shù)據(jù)序列。2.3.3圖像分割在分析處理后的圖像信息之前，圖像分割是圖像處理整體過(guò)程中不可或缺的步驟。其主要目標(biāo)是將圖像分割成與現(xiàn)實(shí)世界的對(duì)象和地區(qū)有很強(qiáng)關(guān)聯(lián)的成分。選擇閾值分割技術(shù)作為圖像分割的技術(shù)手段。閾值分割技術(shù)是基于區(qū)域的圖像分割技術(shù)，原理是將圖像像素分割成幾個(gè)類(lèi)別。在本文中，不僅可以利用這種技術(shù)壓縮數(shù)據(jù)并減少存儲(chǔ)容量，而且可以在一定程度上簡(jiǎn)化后續(xù)的分析和處理?，F(xiàn)有待處理的圖像，在圖像中選擇一個(gè)合適的灰度值作為閥值TH，那么分割后的圖像可由如式（2.9）或者式（2.10）進(jìn)行表示。（2.9）或（2.10）如果將閥值設(shè)置成為一個(gè)灰度值范圍，則在灰度值范圍內(nèi)的像素為1，在灰度值范圍外的像素為0，其表達(dá)式可由式（2.11）表示。（2.11）綜上所述，閥值的分割基本原理可由式（2.12）表示。（2.12）其中屬于圖像灰度級(jí)范圍內(nèi)的一個(gè)灰度值集合，為自選的閥值，和分別表示的是隨機(jī)選定的目標(biāo)和背景的灰度級(jí)。2.3.4障礙物檢測(cè)系統(tǒng)流程本文使用的視覺(jué)傳感器主要用于在智能車(chē)輛障礙物避免過(guò)程中收集環(huán)境并提取障礙物信息。本節(jié)通過(guò)圖像灰度化，圖像濾波以及形態(tài)學(xué)運(yùn)算等方法將作為障礙物的紙箱的信息從圖片中提取出來(lái)。具體操作流程圖如圖2.7所示。圖2.7障礙物檢測(cè)系統(tǒng)流程圖2.4本章小結(jié)本文簡(jiǎn)要介紹了紅外傳感器、超聲波傳感器和視覺(jué)傳感器，描述了這些傳感器獲得數(shù)據(jù)的基本原理，并簡(jiǎn)要介紹了數(shù)據(jù)獲取方法。接下來(lái)，描述了圖像處理的整個(gè)過(guò)程，介紹了圖像處理的方法和原理，最后顯示了圖像處理的整個(gè)過(guò)程，為后續(xù)的實(shí)驗(yàn)提供了技術(shù)支持。

3智能汽車(chē)避障在智能車(chē)輛的研究中，躲避障礙物總是一個(gè)重要課題，值得對(duì)智能車(chē)輛技術(shù)進(jìn)行徹底的研究。為了獲得更好的障礙物規(guī)避效果，特別是障礙物規(guī)避算法的設(shè)計(jì)也是非常重要的。在本文中，智能車(chē)輛的躲避障礙物策略一方面是通過(guò)收集智能車(chē)周?chē)沫h(huán)境信息，另一方面是智能車(chē)采用的躲避障礙物的方法來(lái)實(shí)現(xiàn)的。本文基于超聲波傳感器在測(cè)距方面的優(yōu)點(diǎn)，例如穩(wěn)定性能，強(qiáng)指向性，視覺(jué)傳感器高靈敏度，動(dòng)態(tài)范圍廣，采用了將超聲波和視覺(jué)傳感器收集的信息融合的多傳感器信息融合技術(shù)。實(shí)現(xiàn)知性車(chē)輛的障礙物回避信息收集。3.1多傳感器信息融合多傳感器信息融合技術(shù)指的是將數(shù)據(jù)信息從相同或不同類(lèi)型的多個(gè)傳感器分類(lèi)并處理，然后根據(jù)特定規(guī)則將這些傳感器的冗余或補(bǔ)充信息處理在時(shí)間或空間上。從而得出測(cè)量對(duì)象一致性的結(jié)論[16]。由于傳感器只能提供智能車(chē)輛本身的一些狀態(tài)的單個(gè)信息，因此此時(shí)獲得的信息是片面的，可靠性低，從而降低智能車(chē)輛本身的控制判定精度。通過(guò)使用多個(gè)傳感器來(lái)收集信息和信息融合技術(shù)，可以獲得更準(zhǔn)確有效的信息，對(duì)于智能車(chē)的下一個(gè)決策是有用的，并且可以提高整體智能車(chē)系統(tǒng)的可靠性。3.1.1多傳感器信息融合結(jié)構(gòu)由于多傳感器信息融合的結(jié)構(gòu)不同，其處理信息的方式也不相同，現(xiàn)根據(jù)處理方式的不同，將多傳感器信息融合結(jié)構(gòu)劃分成以下這四種結(jié)構(gòu)[11]：集中型、分散型、混合型、反饋型。（1）集中型集中型多傳感器信息融合結(jié)構(gòu)是直接接收信息融合中心用所有傳感器收集的原始信息。在該結(jié)構(gòu)中，當(dāng)傳感器收集的信息結(jié)束時(shí)，直接將傳感器收集的數(shù)據(jù)發(fā)送到信息融合中心而不預(yù)處理。具體融合結(jié)構(gòu)圖如圖3.1所示。圖3.1集中型多傳感器信息融合結(jié)構(gòu)圖（2）分散型分散信息融合結(jié)構(gòu)的特征是，首先局部預(yù)處理各傳感器收集的信息，壓縮本地預(yù)處理后的信息，取得壓縮數(shù)據(jù)，將壓縮數(shù)據(jù)發(fā)送到信息融合中心。然后，融合中心對(duì)接收到的信息進(jìn)行組合推論，最終獲得數(shù)據(jù)融合的結(jié)果。與集中結(jié)構(gòu)相比，集中結(jié)構(gòu)具有低信道容量要求和合理計(jì)算和分配的優(yōu)點(diǎn)。但是由于該結(jié)構(gòu)在對(duì)原始信息進(jìn)行局部預(yù)處理時(shí)，可能會(huì)失去部分重要信息，導(dǎo)致后期融合得到的信息并不完整[17]，因此，該結(jié)構(gòu)所獲取的信息精度沒(méi)有集中型結(jié)構(gòu)的高，這種結(jié)構(gòu)一般適用于遠(yuǎn)距離配置的多傳感器系統(tǒng)。具體融合結(jié)構(gòu)圖如圖3.2所示。圖3.2分散型多傳感器信息融合結(jié)構(gòu)圖（3）混合型混合信息融合結(jié)構(gòu)完全吸收了集中信息融合結(jié)構(gòu)和分散信息融合結(jié)構(gòu)的特性。在該結(jié)構(gòu)中，存在集中的分布式處理的兩個(gè)步驟。在信息融合處理之后，這種結(jié)構(gòu)可以獲得理想的信息融合結(jié)果?；旌辖Y(jié)構(gòu)比集中分散結(jié)構(gòu)具有明顯的優(yōu)點(diǎn)，但其信息處理過(guò)程更復(fù)雜，通常用于大規(guī)模融合系統(tǒng)?；旌闲腿诤辖Y(jié)構(gòu)圖如圖3.3所示。圖3.3混合型多傳感器信息融合結(jié)構(gòu)圖（4）反饋型這是一種利用信息的相對(duì)穩(wěn)定性和原始積累反饋將信息融合并對(duì)其進(jìn)行后處理的有效方法。即，信息融合中心接收到的信息不僅包括傳感器收集到的原信息，還包括融合后的信息。這些完整的信息可以表示環(huán)境的大部分環(huán)境特點(diǎn)。而且，這對(duì)于當(dāng)時(shí)傳感器收集的原始信息的融合有很好的指導(dǎo)，由此可得，反饋型結(jié)構(gòu)對(duì)于信息的融合處理具有良好的促進(jìn)作用。具體融合結(jié)構(gòu)圖如圖3.4所示。圖3.4混合型多傳感器信息融合結(jié)構(gòu)圖3.1.2多傳感器信息融合方法及實(shí)現(xiàn)信息融合的研究?jī)?nèi)容是非常豐富的，涉及到了各個(gè)學(xué)科的知識(shí)，目前信息融合的方法大致可以分為以下兩類(lèi)：概率統(tǒng)計(jì)方法、人工智能方法。其中概率統(tǒng)計(jì)法包含有卡爾曼濾波、貝葉斯等；人工智能方法包括有D-S證據(jù)推理、模糊理論以及專(zhuān)家系統(tǒng)等。其中貝葉斯估計(jì)、D-S證據(jù)推理、模糊理論占到整個(gè)信息融合算法的80%左右[18]。1.多傳感器信息融合方法（1）卡爾曼濾波卡爾曼濾波是一種遞推估計(jì)，當(dāng)最后時(shí)刻的估計(jì)值和當(dāng)前時(shí)刻的觀測(cè)值已知時(shí)，計(jì)算當(dāng)前時(shí)刻的估計(jì)值。在實(shí)際工程應(yīng)用中，當(dāng)系統(tǒng)對(duì)數(shù)據(jù)處理不穩(wěn)定時(shí)，會(huì)對(duì)信息融合產(chǎn)生很大影響?？柭鼮V波器為融合數(shù)據(jù)提供了唯一的最優(yōu)估計(jì)。（2）貝葉斯估計(jì)貝葉斯估計(jì)是融合靜態(tài)環(huán)境中多傳感器低層次信息的一種常用方法[19]。該方法首先分析收集的信息，刪除低可靠性的信息，使用貝葉斯相關(guān)定理計(jì)算各輸出的貝葉斯估計(jì)。（3）D-S證據(jù)推理D-S推理具有處理不確定信息的能力，其證據(jù)理論滿足比貝葉斯更弱的條件，具有直接表達(dá)“不確定”和“不知道”的能力，并且具有較強(qiáng)的容錯(cuò)能力。（4）模糊邏輯由于模糊邏輯在模糊邏輯應(yīng)用中不需要建立準(zhǔn)確的數(shù)學(xué)模型，所以主要在非線性系統(tǒng)中使用，并且可以將專(zhuān)家知識(shí)直接轉(zhuǎn)換成控制信號(hào)。其具體實(shí)現(xiàn)包括以下四個(gè)步驟：輸入/輸出量的模糊化、模糊推理設(shè)計(jì)、模糊推理過(guò)程以及去模糊化四個(gè)步驟。2.多傳感器信息融合方法實(shí)現(xiàn)與經(jīng)典的信息處理方法相比，多傳感器信息融合技術(shù)更為復(fù)雜。多傳感器信息融合包括數(shù)據(jù)電平融合、特征等級(jí)融合和判定等級(jí)融合三個(gè)等級(jí)。數(shù)據(jù)級(jí)融合是低水平融合，特征級(jí)融合是中間級(jí)融合，判定等級(jí)融合是高水平融合。（1）數(shù)據(jù)級(jí)融合數(shù)據(jù)層融合指的是無(wú)任何處理也可通過(guò)傳感器收集的原始信息的直接數(shù)據(jù)融合解析。因此，數(shù)據(jù)水平融合有大量的運(yùn)算，由于存在某種盲目性，因此在數(shù)據(jù)融合技術(shù)的應(yīng)用中，數(shù)據(jù)水平融合技術(shù)的應(yīng)用相對(duì)較少。其融合方式如圖3.5所示。圖3.5數(shù)據(jù)級(jí)融合（2）特征級(jí)融合特征級(jí)融合如圖3.6所示。它可以提取可以代表整個(gè)信息作為從傳感器收集的原始信息收集的數(shù)據(jù)的特征信息的特征數(shù)據(jù)，并使用具體的數(shù)學(xué)方法對(duì)這些數(shù)據(jù)進(jìn)行分類(lèi)、合并和合成。圖3.6特征級(jí)融合（3）決策級(jí)融合決策級(jí)水平融合意味著每個(gè)傳感器首先獨(dú)立于目標(biāo)，然后通過(guò)分類(lèi)來(lái)融合這些獨(dú)立的決策以獲得更準(zhǔn)確的數(shù)據(jù)信息。這種融合方法可以減少計(jì)算量，提高信息融合的準(zhǔn)確度和精度。下圖3.7所示的為決策級(jí)融合。圖3.7決策級(jí)融合3.1.3多傳感器信息融合技術(shù)的優(yōu)點(diǎn)（1）多傳感器信息融合技術(shù)在系統(tǒng)內(nèi)的傳感器發(fā)生故障時(shí)，系統(tǒng)可以依賴(lài)于其他傳感器繼續(xù)操作，提高了系統(tǒng)的容錯(cuò)能力；（2）提高了整個(gè)系統(tǒng)的互補(bǔ)性，實(shí)現(xiàn)了智能車(chē)輛對(duì)環(huán)境信息收集的完整性；（3）提高了信息的可信度，增強(qiáng)了信息的確定性；（4）增強(qiáng)了系統(tǒng)的靈活程度。對(duì)傳感器信息進(jìn)行融合處理后，的確增強(qiáng)了整個(gè)系統(tǒng)的靈活性，使得系統(tǒng)在運(yùn)行過(guò)程中顯得更加流暢，相比較于各個(gè)傳感器獨(dú)立工作來(lái)說(shuō)，流暢度大大提升。綜合以上多傳感器信息融合技術(shù)的介紹，本文選擇反饋型結(jié)構(gòu)以及決策級(jí)融合方式來(lái)對(duì)傳感器采集到的信息進(jìn)行融合。3.2模糊控制系統(tǒng)模糊控制的基本思想是用模糊數(shù)學(xué)的知識(shí)對(duì)模糊現(xiàn)象進(jìn)行識(shí)別和判斷，然后通過(guò)模糊推理獲得相應(yīng)控制量的集合作用于被控對(duì)象或環(huán)境[20]。1.模糊控制系統(tǒng)的組成模糊控制系統(tǒng)是由輸入/輸出接口、模糊控制器、檢測(cè)裝置、執(zhí)行機(jī)構(gòu)及被控對(duì)象組成，具體模糊控制系統(tǒng)原理圖如圖3.8所示。圖3.8模糊控制系統(tǒng)原理框圖2.模糊化的步驟模糊化的具體步驟如下。首先，處理輸入量以確定符合需要的輸入量，然后根據(jù)輸入設(shè)計(jì)相應(yīng)的控制規(guī)則，然后根據(jù)對(duì)應(yīng)的控制規(guī)則對(duì)輸入進(jìn)行縮放，然后根據(jù)比例變換的輸入量在確定與模糊量對(duì)應(yīng)的模糊語(yǔ)言并選擇適當(dāng)?shù)某蓡T函數(shù)之后，使用對(duì)應(yīng)的規(guī)則來(lái)確定輸出變量的模糊值。3.模糊量的逆模糊化模糊推論是不能直接應(yīng)用于控制對(duì)象的模糊推論。需要將模糊控制量去模糊化以獲得相應(yīng)的準(zhǔn)確量。在去模糊化后，獲得正確的控制量，通過(guò)數(shù)字模擬轉(zhuǎn)換獲得正確的模擬量，發(fā)送到執(zhí)行機(jī)構(gòu)，控制控制對(duì)象，連續(xù)中斷控制量的收集和控制，另外，實(shí)現(xiàn)了控制對(duì)象的模糊控制。這個(gè)過(guò)程被稱(chēng)為逆模糊化。逆模糊化過(guò)程有多種方法，目前常用的方法有三種：取中位數(shù)判決法：通過(guò)利用輸出模糊集合中包含的信息，通過(guò)數(shù)學(xué)方法描述輸出模糊集合的成員函數(shù)曲線對(duì)應(yīng)的通用元件和被橫軸包圍的區(qū)域的等分割點(diǎn)用作判定結(jié)果。該方法充分利用模糊子集提供的信息；最大隸屬度判決法：在輸出模糊集合中，選擇輸出隸屬度最大的論域元素。如果多個(gè)論域元素上出現(xiàn)多個(gè)隸屬度最大值，平均結(jié)果則為最終輸出結(jié)果；加權(quán)平均法：是模糊控制系統(tǒng)中應(yīng)用較為普遍的一種判決方法。其計(jì)算公式如式（3.1）所示：（3.1）3.3超聲波與視覺(jué)的融合技術(shù)在本文中，超聲傳感器和視覺(jué)傳感器被選定為障礙物避免過(guò)程中的“感官系統(tǒng)”。為了通過(guò)超聲波傳感器和視覺(jué)傳感器收集智能車(chē)輛操作過(guò)程中所需的道路信息和障礙物信息，通過(guò)信息融合技術(shù)實(shí)現(xiàn)智能車(chē)輛的安全運(yùn)行。3.3.1超聲波與視覺(jué)的融合技術(shù)優(yōu)勢(shì)智能車(chē)輛躲避障礙物的關(guān)鍵是獲得準(zhǔn)確的環(huán)境信息和障礙物的位置。當(dāng)視覺(jué)傳感器僅用于躲避障礙物時(shí)，由于視覺(jué)傳感器容易受到光的影響，所以信息收集不完整，并且影響躲避障礙物的效果。超聲波測(cè)距技術(shù)可以使智能車(chē)輛正常行駛，不受視覺(jué)傳感器和互補(bǔ)光的影響，在相對(duì)嚴(yán)峻的環(huán)境下工作。如果只使用單個(gè)超聲波傳感器來(lái)避免障礙物，則還存在不完整的信息。因此，利用超聲波傳感器和視覺(jué)傳感器的優(yōu)點(diǎn)，結(jié)合超聲波測(cè)距原理和可視化技術(shù)，通過(guò)視覺(jué)傳感器收集和處理環(huán)境信息，獲得智能車(chē)輛和障礙物的實(shí)際距離。而且，由于完全獲取了障礙物的位置信息，所以智能車(chē)輛可以獲得最佳的障礙物回避效果。3.3.2超聲波與視覺(jué)的具體融合方式本次研究所采用的攝像頭為單目視覺(jué)攝像頭，不能收集智能車(chē)和障礙物之間的準(zhǔn)確距離信息，只能判斷障礙物的分布信息，而超聲波傳感器屬于測(cè)量距離的傳感器，可收集到智能車(chē)輛與障礙物之間的準(zhǔn)確距離信息。融合智能汽車(chē)避障的目的是為了使智能汽車(chē)能夠安全穩(wěn)定的繞開(kāi)障礙物并安全行駛到目的地?；谶@個(gè)特征，我們使用模糊控制方法將視覺(jué)和超聲波收集的信息進(jìn)行融合。接下來(lái)，將超聲波傳感器檢測(cè)到的距離作為模糊邏輯的輸入，使用智能車(chē)輛障礙物回避行為作為輸出，完成了躲避障礙物的整個(gè)過(guò)程。3.4智能汽車(chē)避障行為設(shè)計(jì)在現(xiàn)實(shí)生活中，要考慮實(shí)際情況來(lái)設(shè)計(jì)智能汽車(chē)避障行為。由于障礙物的種類(lèi)不同，所以采取的避障行為也會(huì)大不相同。基于對(duì)障礙物種類(lèi)的劃分，本文將智能汽車(chē)避障行為大致分為以下三類(lèi)：直奔目標(biāo)、直接避障以及緊急避障三種行為。智能汽車(chē)避障工作流程如圖3.9所示。圖3.9智能汽車(chē)避障工作流程圖3.4.1直奔目標(biāo)行為智能車(chē)輛的基本任務(wù)是從起點(diǎn)出發(fā)，安全到達(dá)目的地。但是，道路上有很多未知的情況，所以為了應(yīng)對(duì)這些情況，必須采取不同的措施。當(dāng)智能車(chē)輛行駛時(shí)，智能車(chē)輛前方的道路比較平坦，因?yàn)闆](méi)有妨礙智能車(chē)輛行進(jìn)的物體，所以智能車(chē)輛可以一直走到目標(biāo)點(diǎn)沒(méi)有必要在中途為了回避障礙物而采取一切行動(dòng)。在道路上沒(méi)有障礙物的情況下，智能車(chē)輛的驅(qū)動(dòng)可以看作是二維平面上的運(yùn)動(dòng)。然后，可以根據(jù)智能車(chē)輛的行駛方向和向智能車(chē)輛方向的目標(biāo)點(diǎn)成的角度來(lái)決定智能車(chē)輛的下一個(gè)驅(qū)動(dòng)方向。具體行駛方向示意圖如圖3.10所示。圖3.10直奔目標(biāo)行為坐標(biāo)示意圖圖中顯示的點(diǎn)表示智能汽車(chē)當(dāng)前所在的位置，點(diǎn)表示的為目標(biāo)點(diǎn)的坐標(biāo)，B→A代表智能汽車(chē)行駛的方向，角代表智能汽車(chē)的行駛方向與坐標(biāo)軸的夾角，角代表智能汽車(chē)行駛方向與距離目標(biāo)點(diǎn)方向之間的夾角，即B→A與B→D之間的夾角。由此可得數(shù)據(jù)關(guān)系式如公式（3.2）所示。（3.2）結(jié)合圖3.10與公式（3.2）可得如下結(jié)論：當(dāng)<0時(shí)，智能汽車(chē)向右轉(zhuǎn)，當(dāng)>0時(shí)，智能汽車(chē)向左轉(zhuǎn)，=0時(shí)，智能汽車(chē)直行。由圖3.10可得，智能汽車(chē)直奔目標(biāo)的行為在下一步移動(dòng)方向上完全取決于角的大小。故將智能汽車(chē)下一步的轉(zhuǎn)向角設(shè)為Ω，閥值設(shè)為π/3。對(duì)行為的描述滿足式（3.3）。（3.3）3.4.2直接避障行為直接回避障礙物行動(dòng)是指在移動(dòng)過(guò)程中智能車(chē)輛，檢測(cè)道路前方有障礙物堵塞通道。為了避免和安全地行駛，智能車(chē)輛將采取一種繞過(guò)障礙物的方法，繞過(guò)該障礙物將繼續(xù)向前移動(dòng)以安全到達(dá)目的地。在躲避障礙物的過(guò)程中，無(wú)論兩側(cè)是否有障礙物，如果正面有障礙物，智能車(chē)需要判斷并改變方向。如上所述，在躲避障礙物的過(guò)程中，智能車(chē)輛通過(guò)視覺(jué)傳感器取得障礙物的特性信息，超聲波傳感器測(cè)量障礙物和智能車(chē)輛的距離信息。在數(shù)據(jù)融合和處理之后，獲得了障礙物與智能車(chē)輛之間的準(zhǔn)確距離值，然后在對(duì)整個(gè)模糊控制器進(jìn)行計(jì)算之后，所檢測(cè)的距離信息用作模糊控制器的輸入。將準(zhǔn)確輸出發(fā)送到智能車(chē)輛的導(dǎo)向控制器以控制智能車(chē)輛以避免發(fā)生安全事故。3.4.3緊急避障行為對(duì)于緊急障礙物躲避行為，只有在遇到突然的動(dòng)態(tài)障礙物時(shí)才能發(fā)生。使用三幀差分法檢測(cè)動(dòng)態(tài)障礙物。當(dāng)傳感器突然出現(xiàn)在智能車(chē)輛前的動(dòng)態(tài)障礙物，檢測(cè)到它非常接近智能車(chē)輛時(shí)，智能車(chē)輛會(huì)進(jìn)行緊急的障礙物躲避行為，并立即進(jìn)行剎車(chē)，停止前進(jìn)等一系列行動(dòng)。而且，智能車(chē)輛在遠(yuǎn)離與動(dòng)態(tài)障礙物的安全距離范圍之前不會(huì)繼續(xù)前進(jìn)。這種情況的概率遠(yuǎn)低于上述直接的障礙物躲避行為。但是，一旦發(fā)生了，如果沒(méi)有妥當(dāng)?shù)奶幚恚悄苘?chē)輛就會(huì)面臨不可估量的損失。因此，在智能車(chē)輛躲避障礙物的研究中，緊急躲避障礙物行為的設(shè)計(jì)是必不可少的。3.5人工勢(shì)場(chǎng)法簡(jiǎn)介及改進(jìn)人工勢(shì)場(chǎng)法是智能車(chē)輛躲避障礙物眾多算法中較為普遍的一種，其結(jié)構(gòu)相對(duì)于其他避障算法來(lái)說(shuō)，較為簡(jiǎn)單，方便實(shí)時(shí)控制，理解簡(jiǎn)單，實(shí)用且具有良好的實(shí)時(shí)性，在實(shí)時(shí)躲避障礙物和平滑的行駛軌跡方面得到了廣泛的應(yīng)用。3.5.1人工勢(shì)場(chǎng)法簡(jiǎn)介傳統(tǒng)的人工勢(shì)場(chǎng)法中[21]，需要在環(huán)境空間中需要建造一個(gè)人工的虛擬勢(shì)場(chǎng)，該虛擬勢(shì)場(chǎng)由吸引力和排斥力構(gòu)成，目標(biāo)點(diǎn)對(duì)智能汽車(chē)產(chǎn)生吸引力，障礙物對(duì)智能車(chē)輛產(chǎn)生排斥力。智能車(chē)輛在未知的虛擬勢(shì)場(chǎng)可以表現(xiàn)為圖3.11所示的靜電場(chǎng)。該算法將吸引力和排斥力抽象成兩個(gè)函數(shù)，引力函數(shù)與斥力函數(shù)。引力函數(shù)來(lái)源于目的地對(duì)智能汽車(chē)方向?yàn)橹悄芷?chē)指向目的地的作用力；斥力函數(shù)來(lái)源于障礙物對(duì)智能汽車(chē)力的方向?yàn)檎系K物指向智能汽車(chē)作用力，而智能汽車(chē)的最終行駛方向是來(lái)源于引力與斥力的合力所影響的方向，如圖3.12所示。圖3.11靜電場(chǎng)模型圖圖3.12傳統(tǒng)人工勢(shì)場(chǎng)法合力圖（1）引力函數(shù)引力函數(shù)是在智能汽車(chē)和目標(biāo)的歐幾里德距離的基礎(chǔ)上進(jìn)行設(shè)定的。而引力F引的大小取決于智能汽車(chē)與目標(biāo)點(diǎn)的距離D。當(dāng)D越大時(shí)，引力F引越大，反之D越小，引力就會(huì)越小，直至到達(dá)目標(biāo)點(diǎn)使得D為零時(shí)，引力的大小也變?yōu)榱?，整個(gè)運(yùn)行過(guò)程結(jié)束。引力的函數(shù)公式可用式（3.4）表示。（3.4）其中K為引力函數(shù)的比例系數(shù)，X為智能汽車(chē)的矢量坐標(biāo)位置，為目標(biāo)點(diǎn)的矢量坐標(biāo)。（2）斥力函數(shù)斥力場(chǎng)中，障礙物會(huì)對(duì)智能汽車(chē)產(chǎn)生排斥作用，斥力的大小取決于智能汽車(chē)與障礙物的距離d，當(dāng)d越大時(shí)，斥力就越小，反之，斥力就會(huì)越大。斥力函數(shù)表達(dá)式可用式（3.5）表示。（3.5）公式中K為吃力函數(shù)比例系數(shù)，表示智能汽車(chē)在環(huán)境信息的位置，表示障礙物在環(huán)境信息中的位置。是一個(gè)矢量，表示智能汽車(chē)與障礙物之間的最短歐幾里德距離，表示障礙物對(duì)智能汽車(chē)的影響距離，是一個(gè)常量。傳統(tǒng)的人工勢(shì)場(chǎng)法在智能車(chē)避障過(guò)程中往往會(huì)出一些合力為零的情況，當(dāng)出現(xiàn)這些情況時(shí)，智能汽車(chē)會(huì)出現(xiàn)停止運(yùn)行的情況或者左右搖擺，不知如何運(yùn)行。這就是人們常說(shuō)的出現(xiàn)零勢(shì)能狀態(tài)。接下來(lái)針對(duì)于這個(gè)問(wèn)題對(duì)傳統(tǒng)人工勢(shì)場(chǎng)法做出改進(jìn)。3.5.2人工勢(shì)場(chǎng)法改進(jìn)及仿真分析由于零勢(shì)場(chǎng)的狀態(tài)是由較強(qiáng)的障礙物引起的，所以當(dāng)障礙物更加致密時(shí)，模擬實(shí)驗(yàn)分析在障礙物數(shù)量較少的情況下出現(xiàn)零電位場(chǎng)可以通過(guò)計(jì)算來(lái)改進(jìn)，以消除最遠(yuǎn)的障礙。因此，由于出現(xiàn)了新產(chǎn)生的力量，智能車(chē)輛可以沿著新結(jié)果產(chǎn)生的力的方向移動(dòng)，可以從零勢(shì)能源域逃走；當(dāng)障礙物的數(shù)量多、配置比較接近時(shí)，即，當(dāng)智能車(chē)輛從零電位區(qū)域脫出而陷入另一個(gè)零電位區(qū)域時(shí)，該算法被組合起來(lái)使車(chē)輛行駛。在這里，使用了人工勢(shì)場(chǎng)方法和模糊控制算法的組合。如果有規(guī)律地安置障礙物，傳統(tǒng)的人工勢(shì)場(chǎng)方法可以使智能車(chē)輛避開(kāi)障礙物，安全到達(dá)目標(biāo)點(diǎn)。圖3.13傳統(tǒng)人工勢(shì)場(chǎng)法仿真結(jié)果當(dāng)障礙物較少，依然采用傳統(tǒng)人工勢(shì)場(chǎng)法來(lái)進(jìn)行避障，出現(xiàn)智能車(chē)輛無(wú)法正常運(yùn)行的情況，則出現(xiàn)障礙物的排列中出現(xiàn)了零勢(shì)能的情況，仿真結(jié)果如圖3.14所示。此時(shí)若采用采用改進(jìn)的人工勢(shì)場(chǎng)法來(lái)進(jìn)行避障，即除掉一個(gè)距離最遠(yuǎn)的障礙物，目標(biāo)點(diǎn)與障礙物出現(xiàn)一個(gè)新的合力，新的合力產(chǎn)生可以讓智能車(chē)輛沿著新的合力的方向運(yùn)動(dòng)，此時(shí)智能車(chē)輛可安全躲避障礙物，朝著目標(biāo)點(diǎn)前行，仿真結(jié)果如圖3.15所示。圖3.14傳統(tǒng)人工勢(shì)場(chǎng)法仿真結(jié)果圖3.15改進(jìn)人工勢(shì)場(chǎng)法仿真結(jié)果當(dāng)障礙物排列過(guò)于密集時(shí)，使用改良的人工勢(shì)場(chǎng)法進(jìn)行仿真時(shí)，將會(huì)使得智能車(chē)輛行駛出現(xiàn)直接穿過(guò)障礙物的情況，導(dǎo)致躲避障礙物失敗。具體仿真結(jié)果如圖3.16所示。圖3.16障礙物密集時(shí)的仿真結(jié)果基于以上結(jié)果，使用人工勢(shì)場(chǎng)法與模糊控制算法相結(jié)合的方式進(jìn)行如下仿真，即，當(dāng)智能車(chē)輛檢測(cè)到密集度過(guò)高的一群障礙物時(shí)，智能車(chē)輛輛將從人工勢(shì)場(chǎng)法與模糊控制算法兩者間進(jìn)行切換來(lái)進(jìn)行躲避障礙物的行為，從仿真結(jié)果可以看出，智能車(chē)輛可以很好的躲避障礙物并安全行駛到達(dá)目標(biāo)點(diǎn)。具體仿真結(jié)果如圖3.17所示。圖3.17人工勢(shì)場(chǎng)法與模糊控制算法相結(jié)合仿真結(jié)果3.6本章小結(jié)與傳統(tǒng)的控制方法相比，介紹了模糊控制方法的優(yōu)點(diǎn)，并使用模糊控制方法將超聲波傳感器和視覺(jué)傳感器相結(jié)合起來(lái)。介紹了多傳感器信息融合技術(shù)和模糊控制的相關(guān)內(nèi)容，并結(jié)合了通過(guò)模擬分析收集的信息。在智能車(chē)輛障礙物回避的基礎(chǔ)上，設(shè)計(jì)了三種智能車(chē)輛躲避障礙物的行為：直接躲避障礙物行為，緊急躲避障礙及直奔目標(biāo)行駛行為。接下來(lái)，利用人工勢(shì)場(chǎng)方法進(jìn)行模擬分析，分析和改進(jìn)躲避障礙物過(guò)程中遇到的問(wèn)題，并使用算法組合方法解決障礙物密度高時(shí)躲避障礙物不成功的問(wèn)題。另外，通過(guò)模擬驗(yàn)證并設(shè)計(jì)了智能車(chē)輛的避障系統(tǒng)。

結(jié)論本文首先從智能汽車(chē)國(guó)內(nèi)外發(fā)展現(xiàn)狀出發(fā)，分析了我國(guó)目前智能汽車(chē)的發(fā)展?fàn)顩r。針對(duì)于智能汽車(chē)避障與跟車(chē)兩方面的輔助駕駛技術(shù)提出了以多傳感器融合與多算法相結(jié)合的方式來(lái)彌補(bǔ)單一傳感器與單一算法的使用在智能汽車(chē)研究中的缺陷，具體工作內(nèi)容如下：首先，將傳感器信息融合技術(shù)的優(yōu)點(diǎn)與單個(gè)傳感器技術(shù)進(jìn)行比較和介紹，重點(diǎn)研究了智能車(chē)輛中超聲波傳感器和視覺(jué)傳感器的實(shí)用性和應(yīng)用范圍。在障礙物識(shí)別中，選擇對(duì)應(yīng)的處理技術(shù)，完成障礙物識(shí)別，障礙物信息提取。在研究過(guò)程中，使用一種傳感器收集信息只能獲得單個(gè)數(shù)據(jù)。例如，如果僅選擇視覺(jué)傳感器來(lái)收集障礙物回避信息，則收集結(jié)果僅是障礙物的分布信息，而沒(méi)有智能車(chē)輛和障礙物的距離信息。此時(shí)，可以附加超聲波傳感器，使用傳感器信息融合技術(shù)獲得障礙物的分布信息的同時(shí)能夠得到障礙物和智能車(chē)輛的距離信息，使得智能車(chē)輛能夠有效地躲避障礙物。在躲避障礙物算法的選擇過(guò)程中，選擇經(jīng)典算法——人工勢(shì)場(chǎng)方法作為躲避障礙物的算法。在整個(gè)研究過(guò)程中，還根據(jù)不同的場(chǎng)景選擇了不同算法。如果障礙物數(shù)量少、擺列松散，則使用單一的人工勢(shì)場(chǎng)法，智能車(chē)輛就可以有效躲避障礙物，并順利到達(dá)目的地，當(dāng)障礙物數(shù)量較多、擺列緊密時(shí)，只使用人工勢(shì)場(chǎng)法，智能車(chē)則無(wú)法實(shí)現(xiàn)躲避障礙物的效果，此時(shí)則需要人工市場(chǎng)法及模糊控制算法相結(jié)合來(lái)躲避障礙物，智能車(chē)是通過(guò)障礙物直接驅(qū)動(dòng)的，因此基于人工勢(shì)場(chǎng)方法進(jìn)行了改進(jìn)，并增加了模糊控制算法。采用改進(jìn)的人工勢(shì)場(chǎng)方法結(jié)合模糊控制算法設(shè)計(jì)了智能車(chē)輛障礙物避免算法。通過(guò)模擬分析，結(jié)合模糊控制算法的改進(jìn)的人工勢(shì)場(chǎng)方法可以在有許多緊密放置的障礙物的情況下，智能車(chē)輛平滑地避免障礙物，并安全地行駛到達(dá)目標(biāo)點(diǎn)。在課題研究期間，通過(guò)查閱相關(guān)文獻(xiàn)，對(duì)國(guó)內(nèi)外的智能汽車(chē)研究進(jìn)行調(diào)研，以此為基礎(chǔ)設(shè)計(jì)了智能汽車(chē)避障系統(tǒng)。智能汽車(chē)的避障技術(shù)是目前國(guó)內(nèi)外研究的熱點(diǎn)和難點(diǎn)，門(mén)技術(shù)是多門(mén)學(xué)科以及各種相關(guān)技術(shù)的綜合，其包括了檢測(cè)、自動(dòng)控制理論、計(jì)算機(jī)科學(xué)、車(chē)輛動(dòng)力學(xué)以及機(jī)械設(shè)計(jì)原理等。目前在國(guó)內(nèi)外有很多的學(xué)者在這個(gè)技術(shù)上的研究都有所突破，但是還有許多技術(shù)的問(wèn)題有待提高和解決。在智能車(chē)輛信息收集的過(guò)程中，障礙物檢測(cè)系統(tǒng)和前車(chē)檢測(cè)系統(tǒng)需要多傳感器數(shù)據(jù)融合。在本文中，僅使用超聲波傳感器和視覺(jué)傳感器來(lái)檢測(cè)智能車(chē)輛行駛過(guò)程中的道路信息。在這項(xiàng)研究中，雖