基于計算機視覺技術的車輛遠程控制技術研究

李 虎，楊威文

(1.廣西壯族自治區人民醫院，南寧 530022;2.北京郵電大學 計算機學院，北京 100876)

0 引言

由于履帶行走系統的觸地壓力較小、上坡能力強以及牽引力較大，因而備受不平坦地面作業車輛的青睞，裝載機、挖掘機等常以履帶行走系統作為基本裝置[1]。履帶車輛工作環境常比較惡劣，經常伴有噪音以及灰塵等，可能對操作人員的生命健康安全構成威脅，因此對履帶車輛的車輛狀態進行實時監控，實現履帶車輛的遠程控制成為亟不可待的需求[2-3]。然而，在對履帶車輛進行監控的過程中會涉及到大量車輛狀態以及路況信息，因而要求車輛遠程控制系統具有較高的數據處理能力。近年來，全球互聯網信息技術飛速發展，各種智能算法交織出現，這使數據收集和傳輸的速度到了一個空前的高度，這為履帶車輛狀態信息的實時采集、提升施工效率、降低事故發生率帶來機遇。本次研究在充分利用計算機視覺技術的基礎上，選取模糊PID控制算法建立基于履帶車輛的遠程控制系統，文中對系統功能、軟硬件設計等進行了詳細介紹。本次研究的創新之處就在于將計算機視覺技術與模糊PID控制算法進行結合，有效提高了車輛遠程控制系統的效率。

1 車輛遠程控制系統構成與計算機視覺技術

隨著計算機網絡技術的進步和發展，結合各種先進技術和智能算法對車輛遠程控制系統進行研究已成為自動化控制領域的一個重點研究方向。車輛遠程控制系統的開發利用不僅可以保障車輛的安全運行，對車輛的潛在故障進行預測，還能有效避免人體和危險環境進行直接接觸，減少交通事故的發生。因此，對車輛遠程控制系統進行深入研究具有一定的美好前景。履帶車輛的遠程控制系統主要由兩部分組成，分別是遠程監控系統與遠程調整系統[4]。遠程監控系統的存在主要是為了實現對履帶車輛運行狀態的實時監測，首先通過物聯網技術對車輛狀態信息進行實時采集，采集的車輛信息主要包括燃油油位、輪胎壓力以及車輛行駛速度等。然后利用互聯網技術將采集所得的車輛信息傳送至監控中心，監控中心則通過電腦或者手機終端對車輛狀態信息進行查看，實現對車輛的實時監測[5-6]。遠程調整系統則主要負責對車速以及方向等進行調控，當下常用的遠程調整主要是通過局域網和互聯網實現的，這種基于信息技術的遠程調控可以有效提高對履帶車輛的控制效率[7-8]。

無人駕駛技術一直是車輛遠程控制系統研發中的一個研究重點，其研究內容主要在于對周圍復雜環境的識別、對重要信息的提取，以及對自動控制算法的編輯等，計算機視覺技術的研究開發也是其研究內容的一個重要部分。計算機視覺技術是一種利用計算機模擬人類視覺過程、感知環境的先進技術，其本質主要在于對環境信息進行收集，以及對獲取圖像進行處理，比如計算機視覺技術利用攝像機對實際路況信息進行采集，通過對道路圖像進行分析，篩選出有用的導航信息，從而實現對車輛運行的控制[9-10]。計算機視覺技術以其經濟性、自主性、實時性以及適用性受到了廣大信息技術利用者的青睞，被廣泛應用于各大領域[11-12]。例如利用計算機視覺技術對工人的作業安全進行監測，監測系統利用模板匹配算法將攝像機采集的工人作業圖片與現有規章制度進行匹配計算，當出現不規范作業行為時，及時對工人進行提醒，有效避免安全事故的發生。

2 履帶行走系統跟隨基本理論

2.1 履帶行走系統跟隨原理

履帶行走系統主要是基于履帶行走裝置獲取導航的預設路線，控制導航的轉向和走向在預設范圍之內。履帶行走跟隨裝置在履帶行走系統中的運行首先是通過計算機視覺技術獲取車輛的航向信息。然后通過對圖像分析處理得到履帶行走系統的航線擬合曲線。最后通過計算其形心角度與擬合曲線之間偏差的方式，來得到履帶行走系統的航向角偏差，同樣的方法也可得到其與擬合曲線間的距離偏差,其路徑跟隨原理如圖1所示。

圖1 履帶行走系統路徑跟隨原理

履帶一般都呈軸對稱分布，因此可以在直接控制一組履帶的基礎上實現轉向。履帶行走系統在進行轉向操作時，履帶會受到地面摩擦力的作用。當履帶車輛在直線行駛過程中突然轉彎或者當履帶車輛處于啟動狀態時，可以認為其運行系統處在動態過程中，可以得到其相應的轉向動力分析方程，參見公式(1):

(1)

其中：FR1=FR2=mgfg/2為滾動摩擦阻力，系統質量用m表示，其轉動慣量則用J0表示，轉動阻力矩用M代表，在不考慮履帶車輛滑移與滑轉的情況下，可以利用公式(2)實現對履帶行走系統轉動阻力矩的求解。

(2)

式中，nk表示履帶張力指數；最大轉向阻力系數用μmax表示，并設置其取值范圍為0.2～0.5，此外履帶車輛的自有轉彎半徑用Rk表示。

2.2 圖像處理原理

計算機視覺技術需要通過攝像機處理獲取環境數據，由于要對航線進行精準識別并預判其偏差大小，因而需要對獲取圖像進行預處理，常見的處理方法有圖像二值化、邊緣檢測等。在視覺跟隨的控制過程中，通過攝像機采集道路信息，同時利用Labview軟件對獲取的道路圖像進行處理，由于外界干擾因子的存在，例如采集圖像中可能含有噪聲，需用濾波對其進行處理。若要實現圖像的二值化，則需要對圖像做進一步處理，將其轉變為二進制形式的灰度圖片，并對其像素值進行設定，位于0～255之間，同時以差異化的跟蹤軌跡線以及像素信息，對二值化閾值進行差異化設置。因為圖像二值化過程中存在路面干擾因素，因而需要根據航線軌跡像素的寬度差異化，對二值化后的像素矩陣進行遍歷，識別出導航線與干擾因子，經過仔細篩選后即可得到清晰的路標信息。圖像邊緣檢測主要是根據對圖像灰度值間歇性的判斷，在灰度化圖像出現灰度值驟變處對其進行檢測，導致圖像灰度值跳變的原因主要有四方面，分別是材料性質、物體顏色的差異性、曲面位置以及光照的差異性、物體與背景的較大差異以及物體與自身影子的鮮明對比。只要存在差異性的地方，均可能導致圖像的灰度值跳變。

2.3 模糊PID控制

在人工智能控制范圍內，最為常見的控制方法主要是人工神經網絡控制以及PID控制等，各智能算法間通過協作可實現更高效率的運行控制，比如模糊神經網絡控制、變論域控制以及模糊PID控制等[13-14]。鑒于履帶行走車輛的本質屬性，此次研究利用模糊PID控制方法實現對履帶車輛行駛過程中各鉸接點偏轉角度、履帶行駛速度等技術指標進行實時控制，從而實現履帶車輛的路徑跟蹤以及遠程控制。模糊PID控制是PID控制與模糊控制的結合體，其基本結構包括基本二維模糊控制器和普通PID控制器，控制原理可以參見圖2。

圖2 模糊PID控制機理圖

模糊控制器的處理過程包含模糊推理、控制參數模糊化以及去模糊化三個過程[15]。模糊推理根據模糊控制規則對控制過程進行推理判斷；控制參數模糊化則利用相關方法實現具體值的模糊化；去模糊化利用模糊參數對模糊度進行計算，以獲取程序的精確輸出值，達到精確控制執行機構的效果。模糊PID控制的應用范圍較廣，其控制器主要由微積分控制器以及比例控制器組成。微分控制器通過對輸入誤差進行微分處理，實現系統的穩定，同時達到降低系統超調量以及動態改善控制系統的效果。積分控制器則通過增益KP對控制器的輸入誤差進行積分處理，以完成對放映系統誤差的調節任務。積分控制器則對輸入誤差進行處理，通過不斷消除系統誤差的方式逐步提高系統的調節精度。PID控制器的數學模型參照下式。

(3)

式中，e(t)為PID控制器的輸入型誤差，r(t)作為設定值，c(t)為系統的實際輸出誤差，系統的比例增益用KP表示，Ti與Td分別表示微積分時間常數。

3 履帶車輛遠程控制系統設計

3.1 硬件設計

履帶車輛遠程控制系統主要由檢測、主動控制以及視覺自動跟隨三部分組成。基于互聯網技術的遠程監控部分主要功能是實現對履帶車輛運行狀態參數的時刻監測，利用物聯網技術完成對車輛狀態信息的采集，接著施加機載電腦的作用，完成車輛狀態參數實時傳輸，傳輸終點是系統的監控中心，系統監控中心通過智能終端即可實現車輛狀態參數的及時查看，進而對車輛的路況、速度、自身傾角等運行狀態進行實時監控，當遇到障礙物時通過遠程終端對車輛進行調控，避免安全事故發生。而自動視覺跟隨則通過對履帶車輛的航行線路進行調控，實現履帶車輛的安全行進。系統主要的硬件設施包括傳感器、GPS定位儀、cRIO9030下位機、監控中心、攝像頭、履帶車輛以及輸入輸出板卡等，詳細的系統結構設計參加下圖。

圖3 履帶車輛遠程控制系統結構圖

3.2 軟件設計

履帶車輛遠程控制系統對車輛數據進行處理運算的主要工具為Labview軟件，Labview軟件可利用可視化G語言實現視覺跟隨的代碼編寫。履帶車輛遠程控制系統軟件設計主要是對主動控制過程、視覺跟隨過程的圖像處理、車輛狀態信息采集等程序進行算法設計。Labview軟件可以在機載電腦以及下位機cRIO9030環境下存儲，從而實現車輛狀態監測與車輛控制的雙駕馬車。利用機載電腦上的總程序對主動控制程序、視覺跟隨程序以及車輛狀態監測程序進行調控。總程序前面板則通過Labview實現控制前面板的網頁內嵌，進而遠程控制中心通過對Labview的web服務器的訪問即可實現對前面板的控制。履帶車輛狀態監測程序利用Labview的下位機對卡通道數據進行讀取，Labview通過GPS獲取車輛位置信息，同時對各傳感器數據進行處理，并將處理后的結果反饋給機載電腦，監控中心通過機載電腦即可獲取車輛狀態信息。根據履帶車輛遠程控制系統的采控數據，Labview設計包括路面圖像顯示表、車輛航向以及串口選擇下拉框等。下位機主程序編程面板結構利用狀態機模型實現上述編程過程，狀態機模型包含3個過程，分別是順序結構、While循環以及事件結構。其中順序結構主要對串口、前面板創建等進行設置，串口配置過程決定VISA資源名稱、數據比特、終止符狀態等參數；前面板創建過程涉及到遠程控制指示燈狀態的設定，使得程序LED指示燈嚴格受遠程控制指令控制。While循環涉及到嵌套事件結構，事件結構分支則主要包含路面信息采集與遠程控制。在視覺跟隨控制程序中，利用Labview程序完成對車輛路況信息的調用，取得路況圖像需要用濾波進行處理，以消除噪聲等外界干擾，然后對圖片進行灰度、二值化處理，進而得到二值化圖片矩陣，最后通過最小二乘法對履帶車輛進行標志線擬合，使得履帶車輛按照預定航線行駛，履帶車輛的遠程控制系統整體框架如圖4所示。

圖4 履帶車輛的遠程控制系統框架

3.3 系統實現

履帶車輛遠程控制是通過監控中心實現的，Labview軟件自帶Web服務器，其服務器傳輸方式分為顯示器式、快照式以及內嵌式3種。顯示器式要求以動態圖像的形式顯示前面板的圖像，且以秒為頻次進行刷新；快照式則是在互聯網控制端只對連接靜態圖像進行顯示；內嵌式則是指將前面板內嵌至Web服務器,利用控制終端對服務器進行訪問以打開前面板，進而起到控制前面板的作用。此處對履帶車輛總程序的設計采用內嵌式。只要控制中心輸入對應服務器的前面板，就可以快速轉至履帶車輛控制程序的前面板，實現對履帶車輛的遠程控制，其網絡遠程車輛控制流程如圖5所示。

圖5 互聯網遠程控制流程示意圖

4 實驗結果與分析

4.1 虛擬機創建及系統建設

為了對履帶車輛遠程控制系統的有效性進行驗證，此次研究基于虛擬樣機技術對履帶車輛遠程控制系統進行仿真分析。在SolidWorks上建立履帶車輛的三維行走模型，并詳細設計該模型的相關參數，車輛的行走裝置主要包括導向輪、履帶架、支重輪、拖鏈輪以及驅動輪等，將三維模型保存為x_t格式，并將其導入至相應的低速履帶模型中。在低速履帶模型中，可以對履帶鏈條以及底盤接觸參數等進行自定義設計。按照設定好的裝置參數對驅動輪、導向輪、支重輪以及履帶板等進行創建。

履帶車輛在實際行駛過程主要產生兩個誤差，分別為航向誤差以及距離誤差，將該兩項誤差以自變量的方式輸入控制系統中，利用模糊控制器對其進行模糊推理，推理完成后輸出三項控制參數，分別是微積分控制參數KD/KI以及比例系數KP。PID控制器通過調整這三項系數完成對系統誤差的調節，其中積分控制調節穩態誤差，比例系數調節系統精度，微分控制調節超調或震蕩。模糊PID控制系統的原理參見圖6所示。

圖6 模糊PID控制原理圖

4.2 直線行駛作業分析

直線行駛情況下，設置好履帶車輛的初始位置、航向誤差，初始速度以及最大速度等相關參數，同時對PID控制器的微積分參數以及比例參數等進行調整，通過反復的仿真測試，以實現較好的遠程控制效果。BP神經網絡算法利用三層式結構對實際駕駛進行訓練，訓練好之后，建立相應的神經網絡控制模塊，并對步長、時長等參數進行設置，相應設置完成后進行仿真測試。得到的神經網絡控制系統、PID控制系統以及模糊PID控制系統的履帶車輛模擬效果如圖7所示。

圖7 履帶車輛的距離偏差和航向偏差

由圖7可知，在對履帶車輛進行遠程控制的過程中，PID履帶車輛遠程控制系統存在調節震蕩大、調節周期過長以及控制回復率慢等問題，與其他兩種算法相比，對偏差范圍進行調整的需要時間過長；然而BP神經網絡履帶車輛遠程控制系統僅在啟動階段響應時間較長，其余時間相對較短，因而綜合看來控制效果更好。基于模糊PID控制算法的履帶車輛遠程控制系統回復率較高、波動幅度較小且車輛的轉向穩定，因而同前兩種智能算法相比，其對車輛的遠程控制性能最好。

4.3 曲線行駛作業分析

曲線行駛情況下，對履帶的初始位置、航向角誤差，初始速度以及最大速度等進行設置，設置完成后進行3種算法的仿真測試。得到的履帶車輛運行參數變化情況如下圖所示，此處選取具有代表性的PID控制算法、模糊PID控制算法、BP神經網絡算法進行對比分析，各自的運行參數變化情況如圖8所示。

由圖8可知，3種智能算法都能使履帶車輛按照預設航線行駛，但由前4米的行駛軌跡可看出，PID控制算法與神經網絡算法的回復效率均較低，模糊PID控制算法收斂速度較快，能夠促使履帶車輛快速按照導航線行駛，由此可知，模糊PID控制算法對履帶車輛的控制精度較高。

圖8 各智能算法下履帶車輛的運行參數變化

5 結束語

在對車輛遠程控制技術的研究中，最為關鍵的是對智能算法進行選取。本次研究在充分利用計算機視覺技術的基礎上，利用模糊PID控制算法構建了基于履帶車輛的遠程控制系統，對車輛狀態信息等進行實時監測，以提升履帶車輛的安全性。為了驗證該系統的有效性，利用虛擬樣機配置好相應的參數進行實驗。實驗結果表明，直線行駛作業下，基于PID算法的車輛遠程控制系統會出現調節震蕩大、調節周期長等問題，與其他兩種算法相比，對偏差范圍進行調整的需要時間過長；基于神經網絡算法的車輛遠程控制系統在啟動時的響應時間過長；而基于模糊PID控制算法的車輛遠程控制系統回復率較高、且波動幅度較小。在曲線行駛作業下，其他幾種智能算法回復效率較低，模糊PID控制算法收斂迅速，能夠促使履帶車輛按照導航線快速行駛。綜上可知，此次研究構建的基于計算機視覺技術的模糊PID車輛遠程控制系統性能較強。盡管本次研究可以為車輛遠程控制提供一定的方法參考，但是該研究中仍存在實驗數據較少，實驗精度不夠高的問題。