基于雙目立體視覺(jué)伺服的智能車室內(nèi)彎道控制

摘 要： 為了提高智能車彎道中定位的魯棒性，將室內(nèi)彎道特征信息進(jìn)行特征提取與匹配來(lái)建立路徑，利用自身前景立體視覺(jué)感知信息獲得車體彎道轉(zhuǎn)向的判斷和偏航角度的給定，并采用BP控制策略對(duì)智能小車實(shí)現(xiàn)轉(zhuǎn)彎控制，避免了傳統(tǒng)PID控制方法因被控系統(tǒng)參數(shù)變化時(shí)難以克服系統(tǒng)中非線性因素影響，解決了未知環(huán)境與非線性系統(tǒng)對(duì)控制帶來(lái)的困難。仿真實(shí)驗(yàn)結(jié)果表明方法在轉(zhuǎn)彎時(shí)控制的有效性。

關(guān)鍵詞： 立體視覺(jué)； 視覺(jué)伺服； 運(yùn)動(dòng)估計(jì)； 彎道控制

中圖分類號(hào)： TN911.7?34； TP242 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2013）17?0110?04

0 引 言

智能車環(huán)境感知系統(tǒng)的一個(gè)重要任務(wù)就是實(shí)時(shí)地提供車輛在行使過(guò)程中的位置信息。機(jī)器視覺(jué)因其有信號(hào)探測(cè)范圍寬、獲取信息完整、符合人類認(rèn)知習(xí)慣、維護(hù)成本低、不產(chǎn)生環(huán)境污染等多優(yōu)點(diǎn)，已在智能車環(huán)境感知系統(tǒng)中廣泛采用[1?3]。機(jī)器視覺(jué)車輛環(huán)境感知系統(tǒng)中的主要任務(wù)是完成道路及目標(biāo)的識(shí)別和跟蹤，為智能車行使提供必須的本車位置信息和周圍環(huán)境距離信息。

對(duì)于現(xiàn)實(shí)情況下的道路，一般可以將其分為兩大類，即：結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。結(jié)構(gòu)化道路上有明顯的道路標(biāo)記，且這些標(biāo)記具有較強(qiáng)的幾何特征，道路路面主要是由這些標(biāo)記界分確定的，如高速公路上道路中間黃色的連續(xù)標(biāo)志線或白色的間斷標(biāo)志線以及兩旁白色的連續(xù)標(biāo)志線；非結(jié)構(gòu)化道路上沒(méi)有明顯的道路標(biāo)記，在二維圖像中道路路面與非路面主要依靠紋理與色彩而區(qū)分的，如沒(méi)有標(biāo)記的水泥路、野外土路或石板路等[4]。

彎道圖像包含豐富的道路信息和環(huán)境信息，解釋了道路周圍場(chǎng)景。彎道檢測(cè)是從道路圖像中檢測(cè)出彎曲車道線的邊界，這也是對(duì)彎道理解的基礎(chǔ)[5]。建立彎道模型；提取車道線像素點(diǎn)；擬合車道線模型屬于目前較常采用的認(rèn)知方法，并在特定的結(jié)構(gòu)化道路體現(xiàn)出較好的檢測(cè)效果。文獻(xiàn)[6]介紹了彎道檢測(cè)在車道偏離預(yù)警、彎道限速以及彎道防碰撞預(yù)警等領(lǐng)域的應(yīng)用情況，并提出了彎道檢測(cè)應(yīng)該建立三維車道線模型，提高適用性。文獻(xiàn)[5?6]均采用的Hough變換求出車道線直線方程，從而確定對(duì)應(yīng)直線段上的最低點(diǎn)和最高點(diǎn)，然后根據(jù)相應(yīng)準(zhǔn)則判斷曲線道路的彎曲方向，最后分段擬合車道線的直線段和曲線段實(shí)現(xiàn)車道線的二維重建。

彎道檢測(cè)不僅需要識(shí)別出道路邊界線，還需要判斷道路彎曲方向，確定轉(zhuǎn)彎的曲率半徑。常用的車道檢測(cè)方法可分為2大類：基于道路特征[7]和基于道路模型[8]的方法。目前國(guó)外主要常用基于道路模型的方法，即將彎道檢測(cè)轉(zhuǎn)化為各種曲線模型中數(shù)學(xué)參數(shù)的求解問(wèn)題。省略彎道曲線模型建立和數(shù)學(xué)參數(shù)的復(fù)雜求解過(guò)程，本文采用立體視覺(jué)感知環(huán)境的三維信息，利用它的視差原理對(duì)所獲取室內(nèi)道路周邊環(huán)境圖像中角點(diǎn)特征的位置恢復(fù)其三維信息來(lái)判斷車體的彎道轉(zhuǎn)向和偏航角度。建立了視覺(jué)信息直接控制車體驅(qū)動(dòng)偏離角與偏離距離視覺(jué)伺服控制系統(tǒng)，初步采用了BP控制策略，利用Simulink仿真環(huán)境實(shí)現(xiàn)了針對(duì)未知彎道曲率的智能車轉(zhuǎn)彎控制運(yùn)動(dòng)。

1 室內(nèi)道路環(huán)境信息的視覺(jué)感知

1.1 立體視覺(jué)系統(tǒng)模型

1.2 室內(nèi)環(huán)境特征向量的提取與匹配

由于噪聲、光照變化、遮擋和透視畸變等因素的影響，空間同一點(diǎn)投影到兩個(gè)攝像機(jī)的圖像平面上形成的對(duì)應(yīng)點(diǎn)的特性可能不同，對(duì)在一幅圖像中的一個(gè)特征點(diǎn)或者一小塊子圖像，在另一幅圖像中可能存在好幾個(gè)相似的候選匹配。因此需要另外的信息或者約束作為輔助判據(jù)，以便能得到惟一準(zhǔn)確的匹配。最近鄰法是一種有效的為每個(gè)特征點(diǎn)尋找匹配點(diǎn)的方法。最近鄰點(diǎn)被定義為與特征點(diǎn)的不變描述子向量之間的歐氏距離最短的點(diǎn)[9]。

1.3 運(yùn)動(dòng)估計(jì)

2 車體的轉(zhuǎn)彎控制

2.1 車體定位參數(shù)計(jì)算

2.2 彎道控制策略

2.2.1 控制策略

2.2.2 控制仿真實(shí)驗(yàn)

利用Simulink庫(kù)中Signal Builder產(chǎn)生變化的Signal仿真實(shí)際環(huán)境中視覺(jué)系統(tǒng)得到的當(dāng)前車體的偏移量。小車經(jīng)左右輪差速轉(zhuǎn)彎運(yùn)動(dòng)中質(zhì)心位置實(shí)際偏轉(zhuǎn)角度作為網(wǎng)絡(luò)的輸入，經(jīng)訓(xùn)練學(xué)習(xí)反饋回系統(tǒng)的控制輸入端。圖7為控制仿真結(jié)果圖，由圖示可知該方法基本完成了對(duì)信號(hào)的控制跟蹤，由此說(shuō)明了利用雙目立體視覺(jué)所獲得的信息，并采用BP網(wǎng)絡(luò)自學(xué)習(xí)對(duì)道路的變化可適用于不同彎道的道路，避免了傳統(tǒng)PID控制方法因彎道曲率變化使得小車轉(zhuǎn)彎控制失敗。

3 結(jié) 論

借助機(jī)器視覺(jué)系統(tǒng)判斷小車可行駛區(qū)域，同時(shí)還可清晰地判斷出彎曲線路的走向，避免了彎道方向的復(fù)雜判別方法，且該方法普遍適用于不同的道路環(huán)境，特別是非結(jié)構(gòu)化的道路環(huán)境，也增強(qiáng)了算法的實(shí)用性和魯棒性。但目前對(duì)雙目攝像機(jī)進(jìn)行精確匹配和標(biāo)定仍然是個(gè)技術(shù)難題；神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法在選取訓(xùn)練樣本數(shù)據(jù)和精確定位車輛位置方面也比較困難，這將是進(jìn)一步研究的主要關(guān)鍵問(wèn)題。

參考文獻(xiàn)

[1] 劉俊承，王淼鑫，彭一準(zhǔn).一種基于視覺(jué)信息的自主搬運(yùn)機(jī)器人[J].科學(xué)技術(shù)與工程，2007，7（3）：314?319.

[2] 董吉文，楊森，魯守銀.基于單目視覺(jué)的移動(dòng)機(jī)器人導(dǎo)航方法[J].山東大學(xué)學(xué)報(bào)：理學(xué)版，2008，43（11）：1?5.

[3] 楊森，董吉文，魯守銀.變電站設(shè)備巡檢機(jī)器人視覺(jué)導(dǎo)航方法[J].電網(wǎng)技術(shù)，2009，33（5）：11?13.

[4] 張瑩.視覺(jué)導(dǎo)航系統(tǒng)中道路檢測(cè)算法的研究[D].長(zhǎng)春：長(zhǎng)春理工大學(xué)，2007.

[5] 郭烈，黃曉慧，劉寶印，等.基于道路模型的彎道檢測(cè)研究與應(yīng)用[J].交通信息與安全，2012（3）：114?116.

[6] 楊喜寧，段建民.基于改進(jìn)Hough變換的車道線檢測(cè)技術(shù)[J].計(jì)算機(jī)測(cè)量與控制，2010，18（2）：292?294.

[7] CHIU K Y， LIN S F. Lane detection using color?based segmentation [C]// Proceedings of IEEE Intelligent Vehicles Symposium. LasVegas， Nevada， USA： IEEE， 2005： 706?711.

[8] WANG Y， SHEN D G， TEOH E K. Lane detection using Catmull?Rom spline [C]// Proceedings of the 1998 IEEE International Conference on Intelligent Vehicles. Piscataway， NJ， USA： IEEE， 1998： 51?57.

[9] 戚世貴，戚素娟.基于特征點(diǎn)的最近鄰配準(zhǔn)算法[J].許昌學(xué)院學(xué)報(bào)，2008，27（2）：67?71.

[10] 南飛艷.基于SIFT特征匹配的單目視覺(jué)圖像識(shí)別定位系統(tǒng)研究[D].西安：西安理工大學(xué)，2010.