您现在的位置:首页 > 技术交流

智能泊车技术概述

信息来源: 发表于:2014-6-12 11:35:00

作者:赵冉阳 陈思忠 杨林

(北京理工大学 机械与车辆学院 北京100081)

  1.  智能泊车技术概述

伴随着科技进步,日益增多的机动车数量也使得某些汽车使用问题凸显。在越野环境当中,复杂的泊车环境会对另一部分经验不足的驾驶员造成很大的麻烦。而在城市当中,为了在有限空间内停下最多的车辆,道路两旁常常设计了很多平行停车位(即停车方向与道路上车辆行驶方向平行)。这类停车位通常要求驾驶员在很短的时间内完成泊车,并且由于空间狭小以及视野受限往往难度很大。对于不熟练的驾驶员而言,泊车是一项非常痛苦的工作。更何况在上述条件下,即使熟练的驾驶员也会厌烦泊车过程。这正是自动泊车技术的生长点[1]。

因此,如何将某些智能车辆上已几乎成熟的自动泊车技术移植到普通民用汽车,在控制成本的同时能够保证正常的使用功能,是目前各国汽车研究机构的一个共同的目标。早在1992年大众汽车就在其IRVW(Integrated Research Volkswagen)Future概念车上采用了自动泊车系统[2]。这套自动泊车系统可以完全自动进行泊车,甚至不需要驾驶员控制泊车速度与档位。整个泊车由行李箱中个人电脑大小的计算机来控制。但由于造价过高最终并未投入生产。直到2003年,丰田在其日式普锐斯混合动力车上提供了可选的自动泊车系统,大受欢迎。据统计数据,在销往英国的普锐斯汽车上,有超过70%的消费者购买了这一选装配置。2006年,本田公司宣布在改进款life车型上提供智能泊车辅助系统。2006年,法国的汽车零部件供应商法雷奥(Valeo)公司发布了其第一代自动泊车系统(Park4U),并已在大众公司的途安系列车型中应用。2007年,雷克萨斯公司在新款LS460轿车上使用了自动泊车系统[9]。具体到目前国内市场在售的车型上而言,雷克萨斯LS460、斯柯达昊锐、大众迈腾、大众途观以及奔驰B200均搭载有各自不同的自动泊车系统。而我国的自主品牌除了比亚迪股份有限公司于2005年获得了国家知识产权局对于其提出的自动泊车系统的实用新型专利申请的批准外,并没有任何应用于量产车型的自动泊车系统。因此,尽早研发一种能够切实应用的自动泊车系统迫在眉睫。

要实现车辆的自动泊车,从移动机器人的范畴解释,实际就是要解决三个问题,即:“在哪里”;“要到哪里去”;“如何到达那里”[1]。针对这三个问题,实际上所需要的关键技术为:“车辆精确相对定位技术”;“泊车空间识别技术”;“路径规划技术”;“车辆控制技术”,另外,“人车交互技术”同样不可或缺。更进一步讲,自动泊车系统可以分为两种实现:一种通过算法以及自动控制将车辆引导到预先设定好的泊车点,再按照路径泊入车位,分为“车位探测与识别”;“路径规划”;“按规划路径泊车入位”这三个步骤;另一种则在探测到车位后直接开始动作,分为“车位探测与识别”;“根据控制原理直接泊车入位”。下面对各个步骤逐一展开进行解释。

2. 车位检测与识别

车位检测即通过各类传感器对道路环境进行探测,将采集到的信息处理生成实际路面的局部地图。车位的识别是在检测到一块矩形区域后,控制器会自动将车身尺寸与该区域进行比对。比对过程中,车身形状由一个能够包络整车的矩形近似,这样只要能够将该包络形状泊入车位,则实际中同样可行。

目前而言,距离的探测主要采用微波雷达、激光雷达、红外、超声波、机器视觉等类型的传感器,其特点如下。

类型

用途

特点

价格

微波雷达

前视测距测速

能直接测的距离和速度、测试距离远、适应性较好、可穿透雨雾和尘埃等、技术较成熟、但分辨率较低、不能探测前方斜面物体

成本高

激光雷达

前视测距

可直接获取环境三维信息、方向性好、体积小、波束窄、精度高、无电磁干扰、但获取信息速度慢、易受环境影响、对被测物体反射面的粗糙度和倾斜度也有较高的要求

成本较低

红外传感器

后视测距

环境适应性好、体积小、重量轻、功耗低、探测视角小、方向性好、测量精度也有所提高、但分辨率较低、作用距离短

成本低

超声波传感器

后视测距

近距范围内不受光线影响、技术难度相对不大、数据处理简单快速、设备简单、易于做到实时控制、在测量距离、测量精度等方面能达到工业实用的要求、波束角太大、方向性差、分辨率低、作用距离短

成本低

机器视觉传感器

周边测距

立体图像信息量大、可获取更多的数据、判断精度高、可探前方测斜面物体,但受环境因素影响较大、运算量大、实时性不够

成本较高

表2.1 各类传感器性能对比

2.1基于超声波的车位识别技术

作为自动泊车系统中应用最早也是最广泛的测距传感器,超声波传感器己经被广泛地应用于对环境的感知和建模中。与红外传感器相比,超声波传感器作用距离更大,可靠性更高;与视觉传感器相比,超声波传感器具有结构简单、不受天气光线条件限制、实时性好等优点;与激光雷达和毫米波雷达相比,超声波传感器低廉的价格也使其便于商业化使用,优势十分明显[3]。因此,超声波传感器在自动泊车系统的车位检测结构中属于主流选择。

然而,超声波传感器限于其特性,对于车位深度的测量较为准确,却并不适用于车位长度的探测。为了解决这一问题,研究者们提出一种基于超声波传感器和增量式编码器的车位检测方法,并对此方法的测量误差进行分析[4]。具体原理是将增量式码盘与车轮相连接,车轮的转动带动码盘转动。通过统计编码器产生的脉冲数,计算出车轮转动的圈数,与车轮周长相乘即可得到车辆的位移值,通过位移值则可计算出车位的长度。因此,这种超声波传感器与增量式编码器组合的方式在价格与实用性方面具有很大的优势。

为了增强超声波传感器的远距离测量准确性,国内一些研究机构提出了伪随机码、三角测量法[21]、超声换能器、时变增益电路[22]等多种改进方法。经试验验证效果显著,具有一定的实用价值。

由于它的众多优点,超声波传感器不仅在研究趋势上具有压倒性的优势,目前市面上在售的具有自动泊车系统汽车中,雷克萨斯LS460智能泊车辅助系统(IPA)、大众迈腾上的PAV(Park Assist Vision)系统[3]、法雷奥的Park4U系统均全部或部分采用了超声波传感器。

2.2基于视觉的车位识别技术

机器视觉传感器根据摄像机的数量可分为单目与双目视觉系统。

单目视觉即使用单个摄像机对于局部地图进行构建。摄像机不停地视频采集周边环境,处理器通过将视频信号当中近处图像缩小,远处图像放大而将原始图像投影到车体坐标系下,得到环境的俯视图,同时保持了地面纹理和形状特征。考虑到越野环境下进行地图构建时,车体的起伏会影响摄像机的拍摄方向,导致视差变化。为了生成更高质量的局部地图,需要将一段时间内的多帧视频图像结合起来[26]。自Elfes[23]用占据栅格表示环境以来,栅格法在许多机器人系统中得到应用,近年来概率方法也被广泛用于地图表示和创造算法中,能够很好地处理不确定性[24-25]。

双目视觉顾名思义采用两个摄像机同时采集环境视频信号,原理类似人体双眼,可以在获得图像的同时感知到距离。利用双目视觉和陀螺仪代替传统的超声波传感器,实现对环境三维信息的感知,发现障碍物,建立环境模型[5-6]。所以,该车位检测系统不依赖于对停车线的识别,在没有明显停车线的停车场也可正常工作。

由于相对超声波、红外线等技术而言,图像处理的方法可以获得的空间信息量大得多,但为了提取有用信息,算法更为复杂。另外,图像质量也易受天气,视角等因素的干扰。

2.3基于激光雷达的车位识别技术

由于超声波传感器的精度较低,检测车位的鲁棒性比激光雷达要差。因此基于激光雷达的自动泊车系统也得到了一定的应用。与传统方法相比,该系统检测和控制精度高,生成的泊车路径安全可控,并且可以同时胜任平行泊车和垂直泊车任务[7]。

2.4总结与创新

综上所述,目前的自动泊车系统中的车位检测技术几乎是超声波传感器为主,其他种类的传感器均有所使用。但以上所讨论的车位检测方法都是在二维空间中进行。在实际应用环境下,有可能会出现如图2.1所示的情况。因此有学者提出了一种三维泊车空间检测概念。利用分层动态结构动态的调整格栅密度,可以有效避免车辆在泊车过程中的碰撞,并节省运算空间,提高速度。

C:\Documents and Settings\Administrator\桌面\图片1.jpg

 

图2.1:低处空间大,高处空间较小的泊车环境

3. 路径规划

对应前文所述的三个问题,自动泊车系统中的路径规划应当是“如何到达那里”。这一过程对于自动泊车系统并不是必须。因为当使用模糊控制时,整个泊车过程是一个实时更新、实时控制的过程(模糊控制会在后文中详细阐述)。

路径规划按照过程分为三个阶段:库外起始位置调整、一步停车入位、库内姿态调整[27]。针对一步停车入位,可以建立了主观评价指标,并通过对于有不同驾驶经验的驾驶员进行习惯性试验,确定了这一阶段的起始位置、圆弧切点,并建立方程。而另外两个阶段也如此计算,即可确立泊车路径规划。并且不论车身相对与车位处于何种位置与姿态,都可以通过库外起始位置调整阶段调整至系统要求位置,并且顺利停车入位。

除正向路径规划外,双向路径规划的方法同样值得关注。在垂直自动泊车的情况中,将倒车的过程逆化,实现了从高约束区域向低约束区域的路径规划[8]。虽然是垂直泊车问题,但是其提出的从高约束区域到低约束区域的设计思想同样适用于平行泊车情况。

4. 泊车入位

泊车入位具有广义和狭义双重概念。狭义上讲,泊车入位仅代表控制器按照规划好的路径自动控制车辆泊入车位;而广义上讲,泊车入位则包括了按照一定的控制算法在泊车的过程中对车辆实时控制与路径规划。如此对应第1章中所提到的两种泊车方式。

仔细研究自动泊车问题,实际上是一个解决控制问题为主的研究课题。因此,泊车入位才是整个自动泊车问题的关键所在,也是自动泊车系统先进与否的决定性因素。

在执行层面,泊车入位分为控制策略与算法,以及执行机构两个方面。控制策略与算法是难点中的难点。目前最为成熟也应用最为广泛的要数模糊控制方法。

汽车泊车过程中,建立控制对象的精确模型比较困难,而技术高超的专业驾驶人员却能很容易实现对汽车的控制。在设计控制系统时,可以借鉴驾驶员的操作经验,通过记录驾驶员操作汽车的控制过程的输人输出的数据,并从中总结出模糊控制规则[10]。再将车辆的实时数据与该模糊控制规则进行比对,则可以得到相应的控制策略,即模糊控制方法。

模糊控制方法的使用,是由于当使用超声波传感器、增量式编码器进行距离的测量时,其测量结果受环境影响效大,存在一定的误差。车辆前轮转向角的测量也存在较大的误差。小车的状态量与控制量之间是非线性关系[9]。

而具体对于模糊控制方法的实现,与之最为匹配的要数遗传算法。有的研究者专注于研究遗传算法在自动泊车系统模糊控制当中的应用,包括遗传算法结构以及遗传算法的实现,并由此得到如何进行隶属度函数的遗传算法优化。也有的研究者从汽车运动学及控制角度出发,基于智能控制算法研究了自动泊车问题。根据建立的运动学模型和自动泊车的各个过程,分别设计了自动泊车各个过程中的模糊控制器,给出了相应的输入、输出变量,设计了各自的隶属度函数和各阶段的模糊控制规则表。并运用Matlab/Simulink进行了仿真研究和算法验证。为了进一步优化模糊控制器生成的轨迹,利用遗传算法对设计的模糊控制器进行优化。

除去遗传算法之外,还有很多其他的算法,例如重复变换法、蚁群算法、多路双闭环控制算法[14]等。基于重复变换法生成的泊车轨迹,与人泊车时的轨迹非常相似。可以说人的泊车技能通过该算法得到了实现[12]。而蚁群算法相对于遗传算法、模拟退火算法而言,在解决同规模的测试问题上收敛速度最快。借助蚁群算法知识,可以实现车辆在有障环境中的避障路径规划[13]。

而除去模糊控制之外,还可将PID控制应用到车辆路径跟踪中来,通过建立反馈控制减小模型的跟踪误差。将PID调节后信号进行FFT、滤波、逆FFT处理,滤化了车辆控制信号输入,稳定了整个控制过程,通过建立三种自动泊车MATLAB/Simulink模型,输入相关参数并仿真分析后验证了相关自动泊车控制策略的正确性。

由此足以见得,多种多样的控制与算法正是自动泊车系统的精髓所在。而在具体的执行机构上,几乎所有的研究都采用了ADAMS/VIEW建立虚拟整车模型,以车速和方向盘转角为输入量,以整车质心位移为输出量,应用ADAMS/CONTROLS完成与MATLAB的联合仿真,为验证泊车策略的正确性建立了被控对象。重点分析了车辆如何实现自动定位及如何实现方向盘自动控制,研究了传感器系统和电动转向系统的实现[11]。

另外,一些小的创新也为自动泊车系统的广泛推广做出了相当的贡献。例如基于模糊控制的无线自动泊车系统,运用模糊控制理论设计自动泊车控制器,并用单片机MsP430F149及无线收发芯片nRF905搭建无线通信模块。最终系统以无线的方式控制汽车进入目标位置。该泊车系统对车的改装小,开发成本低,控制精度高.移植方便[16]。

需要说明的是,以上所述的所有内容绝大多数还停留在虚拟仿真阶段。因此,要将自动泊车系统真正的推向市场实现量产,实车试验是必不可少的。例如可以通过以自动泊车为应用环境对于四种非完整控制方法进行试验验证与比对进行试验。另外,如前所述的“中国智能车未来挑战赛”(Future Challenge)为泊车系统的应用实现搭建了平台上。参赛车辆均具有较强的实用价值。

5. 总结

自动泊车系统广泛应用于军车、城市轿车、越野车、商用货车等领域,它作为汽车智能化的重要组成部分,在我国虽然已经取得了长足的进展,但是与国际先进水平仍然存在很大差距,其发展对提高我国汽车制造水平具有重要的理论意义和应用价值。

关键字:智能泊车,车位检测与识别,路径规划,控制算法,泊车入位
上一篇:没有了
上一篇:没有了