多傳感器數據融合的智能電動車自主導航

葉美松， 肖世德， 張志峰， 趙 陽， 王鴻雁

(西南交通大學 機械工程學院，四川 成都 610031)

多傳感器數據融合的智能電動車自主導航

葉美松， 肖世德， 張志峰， 趙 陽， 王鴻雁

(西南交通大學 機械工程學院，四川 成都 610031)

以四輪驅動電動車為研究對象，將智能電動車上多種傳感器所采集的信息進行處理與融合，實現校園環境里的自主行駛與導航。提出了在空曠路段和沿墻導航的控制決策，著重研究了沿墻算法和入彎算法，使智能電動車在不同的環境下可以有效地完成自主導航。實驗結果表明：該導航控制策略和算法具有較高的可靠性。

多傳感器； 智能電動車； 自主導航

0 引 言

無人駕駛智能電動車從本質上來講是一種輪式的移動機器人[1],主要依靠智能車自帶的計算機系統實現智能車的自主導航和控制。系統主要靠車頂部的視覺傳感器、激光測距傳感器和車載雷達感知車身周圍的環境信息。通過全球定位系統(global positioning system,GPS)、陀螺儀里程計、路標導航等定位方式定位和定向,根據傳感器獲得的車輛位置和障礙物信息,并將決策傳輸給車體控制層控制車輛的速度和轉向,從而使車輛能夠安全可靠地在道路上行駛。

智能電動車實現自主導航任務,涉及到路徑的規劃、車的自定位、機器視覺、障礙物識別以及多傳感器信息的處理與融合技術,處理這些技術難度很大,算法復雜,成本很高。基于此,本文提出了基于校園環境內的無人駕駛電動車的自主導航,通過多個超聲波傳感器檢測車身周圍的環境信息,電子羅盤和陀螺儀解決車輛自定位問題,其所用方法較易實現,成本相對比較低廉。

1 智能電動車控制系統

智能電動車的控制系統[2],包括中央處理器模塊、運動控制模塊、傳感器模塊三大部分。如圖1所示。

圖1 智能電動車控制系統結構框圖

1.1 中央處理器模塊

中央處理器模塊用于處理外部傳感器所采集的環境信息,并將這些環境信息融合一些算法實現電動車自主行駛。

本文采用的外部傳感器主要有超聲波傳感器、紅外傳感器、陀螺儀、電子羅盤,計算量相對較小,因此,采用STM32F103VET6控制器,其處理速度滿足目前的控制系統要求。該控制器對超聲波傳感器采集的數據進行處理,并分離出障礙信息,確定智能電動車下一時刻的運動姿態,通過串口將命令發送至下位機。

1.2 運動控制模塊

運動控制模塊由 STM32F103ZET6 控制器、電機驅動器、直流電機、步進電機組成,其中，STM32F103ZET6運動控制器作為下位機,通過串口與上位機進行數據傳輸。驅動電機功率為1 kW,由48 V的鋰電池供電,智能電動車自重約260 kg,電機驅動功率滿足要求,最高時速能達到45 km/h,可以供電2 kW·h,轉向電機和剎車電機均由24 V的鋰電池供電,實物如圖2所示。

圖2 電動車實物

1.3 傳感器模塊

1.3.1 超聲波傳感器URM37

采用的超聲波傳感器型號為URM37,用于測量動態或靜態目標之間距離,其所采集的數據穩定,誤差在1 cm左右,能夠滿足本文的測距要求。

采用多個超聲波傳感器采集車身周圍的環境信息[3,4],實物如圖2所示,傳感器總體布局如圖3所示。

圖3 超聲波傳感器分布

2#～4#傳感器檢測前方障礙物的信息;6#,7#,9#,10#傳感器用于檢測左右兩側障礙物的信息；1#,5#傳感器用于確定電動車的入彎點；8#傳感器用于倒車時檢測后方區域的環境信息。

表1、表2所測得的數據為6#,7#傳感器(以下稱右前、右后傳感器) 距離墻面不同的角度所測得的數據,數據為以位于后面的傳感器為中心點轉動車的位置時,測得傳感器與墻面的距離,所以右后傳感器測得的數據變化范圍比較小,測這2組的數據的目的是為了獲得當車與墻面呈一定角度時傳感器所采集的數據的失真率。

表1 距墻48 cm左右不同角度所測距離

表2 距墻82 cm左右不同角度所測距離

表1和表2數據表明：在傳感器與墻面的夾角較大時,所采集的數據失真率較高,比如夾角大于60°時,超聲波傳感器無法接收回波,導致所采集的數據不可靠；在夾角較小時，所采集的數據是比較可靠的。因此,在夾角較小時，根據2只傳感器所采集的數據差可以判斷車身相對于墻面的位置。

1.3.2 紅外反射傳感器

紅外反射傳感器用于限位傳感器和行程開關[5]。模塊采用晶體振蕩,38 K紅外接收,控制距離非常穩定,不怕外界光照影響,因此，在室外可以作為電動車的方向盤零點位置的校準,實物如圖4所示。

圖4 紅外傳感器安裝位置

由于未安裝角度傳感器,因此，零點位置的校準變得尤為重要,通過程序對時間長短的控制確定方向盤的轉動角度,轉動次數增多之后會形成累積誤差,可通過對方向盤回正時零點位置的校準消除以保證制電動車轉動角度證控的準確性。

1.3.3 電子羅盤和陀螺儀

采用電子羅盤SCM225和陀螺儀MPU6050用來感知電動車的行駛姿態。SCM225測量方位角 0°～360°,可靠性高,測量航向角的誤差范圍在1°左右,但易受到強磁物質的干擾,因此,安裝時選擇一個磁干擾最小的地方。

MPU6050在解析航向角的時會產生漂移誤差,因此,所測的航向角不可靠,但在轉向角度較大、連續變化時，航向角的差值比較準確,在車轉彎時可以與電子羅盤配合使用,對航向角起到校準的作用,保證車輛轉彎時更加穩定可靠。

2 避障控制算法研究與實現

智能電動車在室外行駛的過程中,如果要精確地按照所規劃的路徑行駛,必須解決電動車的自定位問題,需要電子羅盤、高精度的GPS、路標導航(CCD圖像識別)、地圖模型匹配(紅外激光掃描)等定位方式[6,7],算法復雜,成本很高,目前階段,電動車采取漫游式的行走方式。

2.1 自主避障行為

設計電動車在校園內沿馬路邊緣行駛,將左、右傳感器安裝于距地面高10 cm左右的位置,以檢測到馬路的邊緣,實現電動車精確的自定位。

在道路環境下,行人比較多，障礙物出現較頻繁[8,9],在遇到動態障礙物的情況下，所選擇的決策為減速停車,遇到靜態障礙物的決策如圖5所示。 此外,外界的環境對傳感器的干擾因素較多,采用限幅消抖濾波法,對超聲波傳感器URM37所采集的數據進行濾波,能有效克服因偶然因素引起的脈沖干擾。

圖5 靜態空曠環境導航決策流程

2.2 沿墻行為

電動車行駛過程中感知到周圍存在墻或者面積較大的障礙物時,將觸發電動車的沿墻行為[10,11],具體的有以下的3種情況：左側有墻；右側有墻；兩側有墻。文中討論右側有墻的情況,其他情況與其原理基本相同。實驗場地選取學校圖書館前的花壇。如圖6所示。

圖6 圖書館前方花壇示意圖

在超聲波傳感器感知到右側有墻時,電動車將根據墻的位置調整行駛姿態,最終實現沿墻行為,圖中A-B,C-D,E-F,G-H,4條線段均為直線,因此,處理方法相同。

電動車行駛在A-B路段的時候,傳感器檢測到A-B路段的距離可以劃分為Ⅰ,Ⅱ,Ⅲ,Ⅳ共4個區域,右側傳感器檢測到的距離在Ⅰ區域則認為是車離墻太近,屬停車區域,也可以認為是一個安全區域,到了這個區域可以停車,根據右側傳感器檢測到的數據判斷相對于墻的姿態,安全時間判定完畢后調整速度和方向向Ⅱ區域行駛。

Ⅱ區域為電動車離墻比較近的區域,右前和右后任意一只傳感器檢測到該范圍時會向Ⅲ區域靠近。Ⅲ區域為距離比較適中的范圍,該區域是電動車調整姿態的區域,實現電動車與墻平行行駛。Ⅳ區域為電動車離墻比較遠的區域,右前和右后任意一只傳感器檢測到該范圍時會向Ⅲ區域行駛。

當車身與墻面的夾角比較大時,根據表1和表2數據知道右前和右后2只傳感器所采集的數據不可靠,此時,圖3中4#傳感器與墻面的夾角比較小,所采集的數據較準確,達到4#傳感器的限定距離時,控制轉向左轉,減小車身與墻面的夾角,當夾角逐漸變小時,回到右前和右后傳感器的檢測范圍,從而保證車身相對于墻面無論以何種角度最終都能行駛到Ⅲ區域,沿著墻平行行駛。為下一個行駛階段B-C做鋪墊。這一過程即為電動車直線行駛中方向微調過程。

2.3 智能電動車過彎算法實現

對于電動車過彎的算法考慮的因素比較多,圖6中的B-C,D-E,F-G,H-A表示彎道,在電動車進入彎道時,傳感器與墻面形成的角度較大,傳感器所采集的數據失真,導致系統會出現決策錯誤,因此,在過彎時沿墻算法并不適用。圖6中每個彎道的半徑、長度、角度均不同,因此,需要考慮的因素有入彎點、入彎半徑、車身回正時間。入彎點即車在進入彎道時什么時機開始轉彎,本文中所選擇的入彎點為C點,當4#傳感器檢測不到數據時或者檢測的數據大于某個參數值時,判定車進入了彎道區域,前提條件是右前和右后傳感器的檢測值是在有墻的狀態下,此為入彎條件的唯一性。

確定了入彎點后需要確定其入彎半徑，即車的轉向角度,而文中的4個彎道的半徑都比較大,因此,可以選定一個確定的值,最后一個參數為車身的回正時間,利用電子羅盤和陀螺儀可以確定彎前和彎后的轉向角度。本文車身需要轉90°的彎,在電子羅盤和陀螺儀所測得的航向角為70°時,車就要開始回正。同時,當4#傳感器或者右前、右后傳感器檢測的數據到了指定范圍時車也開始回正,這就保證了即使車在轉彎角度過大或者速度過快時以及其他特殊的因素,也能夠在恰當的時機回正,從而繼續正常的行駛,具體的入彎過程的流程如圖7所示,現場調試如圖8所示。

圖7 電動車入彎過程流程

圖8 電動車現場調試

3 結 論

本文針對無人駕駛的智能電動車在空曠環境下以及沿墻環境下的自主導航系統的研究,提出了沿墻行駛的模糊控制方法和入彎算法,并通過了有效地實驗測試,得出了以下的結論：

1)控制方法能夠根據沿墻行駛時不同的狀態切換行駛速度,實驗結果表明：該方法能夠很好地根據墻的位置調整電動車的行駛姿態,并且有效地避開前方障礙物,具有良好的實時性和魯棒性。

2)針對彎道的不同角度、半徑,為了保證電動車能夠正常過彎,通過對入彎速度、入彎角度以及入彎后的航向角的分析與調試,最終實現了電動車平穩過彎,并再次沿墻行駛,達到了自主行駛的目的。

[1] 李小濤.無人駕駛智能車面向校園場景的自主導航[D].大連：大連理工大學,2011.

[2] 查 峰,肖世德,馮劉中,等.移動機器鼠沿墻導航策略與算法研究[J].計算機工程,2012(6):172-174.

[3] 毛 玲,李振波,張大偉,等.基于紅外傳感器的移動微機器人定位研究[J].傳感器與微系統,2014,33(12):38-41.

[4] 高 峰,鄭源明.超聲波傳感器測量聲速和距離實驗的研究[J].傳感器與微系統,2009,28(11):68-70.

[5] 陳朝大,呂志勝.基于智能尋跡的清潔機器人控制系統[J].機床與液壓,2015(21):91-94.

[6] 毛閔軍,金 輝,卜弘毅,等.電容位置傳感器在激光掃描雷達的應用研究[J].傳感器與微系統,2010,29(11):20-22.

[7] 富志凱,邢建春.基于復合控制算法的移動機器人沿墻導航研究[J].計算機應用與軟件,2012(9):234-236,277.

[8] 常景娜,高慧斌,喬冠宇.一種基于傳感器的測量目標運動參數方法研究[J].傳感器與微系統,2015,34(11):19-22.

[9] 沈鳳梅.移動機器人的導航與避障系統研究[D].鄭州：中原工學院,2014.

[10] 賈蘊發,劉 楊,李 超,等.基于多傳感器的汽車防碰撞及行人保護預警設計[J].農業裝備與車輛工程,2015(12):56-59.

[11] 陳佳佳.城市環境下無人駕駛車輛決策系統研究[D].合肥：中國科學技術大學,2014.

Autonomous navigation of intelligent electric vehicle of multi-sensor data fusion

YE Mei-song， XIAO Shi-de， ZHANG Zhi-feng， ZHAO Yang， WANG Hong-yan

(School of Mechanical Engineering,Southwest Jiaotong University,Chengdu 610031,China)

Four-wheel drive electric vehicle is research target.The information collected by a variety of sensors in smart car is processed and integrated,the purpose is to complete autonomous travel and navigation in campus environment.Navigation control decision-making in open sections and along wall is put forward,along wall algorithm and bending algorithm is focused on,intelligent electric vehicle can effectively achieve autonomous navigation in different environments.The experimental results show that the navigation control strategy and algorithm have high reliability.

multi-sensor; intelligent electric vehicle； autonomous navigation

10.13873/J.1000—9787(2017)09—0084—04

2016—09—20

TP 242.6

A

1000—9787(2017)09—0084—04

葉美松(1992-),男,碩士研究生,主要研究方向為過程控制。

肖世德(1967-),男,教授,博士研究生導師,主要從事過程控制與運動控制方向研究工作。