<xmp id="p475b">
    <p id="p475b"><delect id="p475b"><form id="p475b"></form></delect></p>

  • <wbr id="p475b"><output id="p475b"></output></wbr>

      1. 網站地圖
      2. 設為首頁
      3. 關于我們
      ?

      速電動汽車智能駕駛系統研發

      發布時間:2020-02-11 14:32
      ABSTRACT
      In recent years, the automobile industry has developed rapidly and the car ownership has increased year by year. While the popularity of automobiles brings convenience to human beings, it also causes energy consumption, environmental pollution, traffic congestion and a large number of traffic accidents. Investigate its reason, the energy loss and environmental pollution are caused by the increase of the number of cars, the increase of internal combustion engine consumption, the increase of vehicle exhaust emissions and the increase of noise; traffic accidents are caused by the reasons of drunk driving, the irregular operation of drivers, the untimely handling of information by drivers and so on, which bring safety to people's lives and property. There is a great threat. In order to reduce energy consumption, reduce pollution and minimize the instability of human operation, people are increasingly inclined to the research and application of intelligent electric vehicles.
      Compared with traditional cars, smart electric vehicles have no pollution, freeing drivers from cars is not only conducive to human physical and mental health, but also more convenient for human travel.
      This paper combines the development trend of modern society, according to the relevant design requirements and market demand analysis of small low-speed electric vehicle, redesigns the driving system of the original electric vehicle, and finally designs an intelligent driving system of low-speed electric vehicle. The intelligent driving system mainly includes environment perception system, intelligent steering subsystem, brake subsystem, acceleration subsystem, industrial computer and PLC control system. For the environmental perception system, this design uses binocular stereo vision technology and multi-threading technology to control two Basler CCD cameras to achieve synchronous shooting of road environment, obtains the three-dimensional information of the target object through the principle of binocular vision measurement and related algorithms in the system, and realizes the dual-target positioning and image preprocessing through MATLAB software. Operation; Intelligent steering control method based on model predictive control is designed to achieve intelligent steering control; industrial computer and PLC control the optimal braking parameters of ''brake

      pedal displacement" by pusher motor to achieve emergency braking and non-emergency braking, and on the basis of this design, manual driving and automatic driving switching design are added.
      Finally, Carsim software, MATLAB software and Simulink toolbox are used to simulate and analyze the steering, braking and speed regulation of low-speed electric vehicles. The experimental results show that the intelligent driving system of low-speed electric vehicles designed in this paper is relatively stable, relatively low cost, safe and reliable.
      Keywords: electric vehicle; intelligent driving; man-machine sharing operation; machine vision; PLC control system
      1章緒論
      1.1課題研究背景及意義
      隨著科技的發展,人們的各方面條件也都得到了極大提高,同時人們交通出 行結構也發生了根本變化,汽車逐漸成為人們生活中的主流交通工具[1_2]。根據我 國公安部交管局公布的近幾年全國機動車和駕駛人數據,2015年底,全國機動車 保有量達2.79億輛,其中汽車有1.72億輛,汽車占有率為61.65%,但根據最新統 計數據,截至到2019年6月,全國機動車保有量達3.4億輛,其中汽車2.5億輛; 在汽車保有量中,私家車保有量為1.98億輛,汽車占有率上升到73.53%,由以上 具體數據可知,2019年比2015年汽車增加0.78億輛,相比于2015年汽車數量增 長了 45.35%,汽車在人們生活中所占的比重越來越大,人們對汽車的依賴越來越 強,汽車給人們的生活帶來了極大的方便。但人們在感到高興的同時也面臨著汽 車增長帶來的諸多問題[3]:
      (1) 能源的過度使用和環境污染問題。一般汽車都由內燃機提供動力支持, 汽車流通量越大,石油能源消耗越嚴重,尤其是近幾年來汽車的爆炸增長致使我 國石油能源越來越匱乏。汽車在運行過程中會產生尾氣污染、噪聲污染以及熱輻 射污染等,汽車尾氣中包括一氧化碳、氮氫化合物等有害物質,會嚴重損害人們 的身心健康[4_5]。為了更好的解決這些問題,越來越多的汽車公司、高校等部門開 始致力于新能源汽車的研究[6]。新能源汽車包括純電動汽車、混合動力汽車、氫能 源動力汽車以及太陽能汽車等無污染的新型環保汽車,根據我國公安部交管局公 布的最新統計數據,到2019年底,全國新能源汽車擁有量達到了 344萬輛,占汽 車總數量的1.37%,比去年增加了 83萬輛,其中純電動汽車有281萬輛,占新能 源汽車總數量的81.74%。相比較之下,在新能源汽車中純電動汽車更具發展前景
      P-8]
      O
      (2) 隨著汽車數量的增加,伴隨著越來越多的交通事故的產生[9]。人們乘車 出行時,由于天氣、駕駛員操作不當、駕駛員反應遲鈍、酒駕等原因,使得交通 事故頻頻發生,在給人們帶來財產損失的同時,也給人們的生命安全帶來了極大 威脅[1()]。通過統計分析,一個正常駕駛員在駕駛時雖然需要視野開闊,但也很難 感知到行車時車周圍所有的行車信息;一位正常駕駛員大腦一般只能同時處理30 到100個交通信息,遇到復雜路況,無法同時顧及所有情況。但智能駕駛汽車則

      不同,相比于人類駕駛員而言,它有著獨特的優勢。一個技術成熟的智能駕駛汽 車可以在車的四周安裝多個傳感器,同時感知車360度的交通信息,并且中央處 理器可以同時處理3000個以上的交通信息,無論是感知范圍還是處理信息的能力 都是人類駕駛員無法企及的。所以,相比較而言,智能駕駛汽車無疑是更安全, 更可靠,有著更廣闊的發展空間。
      (3) 汽車數量增多,交通擁擠越來越嚴重[11]。一個交通事故的產生可能為后 續的行車帶來很多不便;人類駕駛員行車時是有反應時間的,例如在十字路口駕 駛員不知道交通指示燈是否會變成紅燈時,就需要減慢速度,而后的車則必須被 迫減速;另一種情況是交通路口紅燈變成綠燈時,駕駛員需要慢慢加速,后一個 駕駛員看到前一個車輛加速前進他才加速啟動,以上三種情況都會造成交通擁堵, 降低交通效率。但若是智能駕駛汽車,會大大減少交通事故的產生;另外在交通 路口,當它預先知道不會變成紅燈時,那就可以快速通過;另一種情況是當紅燈 變成綠燈時,智能駕駛汽車可以同時啟動,減少了駕駛反應時間。通過相關人員 統計分析,完全無人駕駛時人們的交通效率會提高百分之四十五左右。
      通過分析,智能駕駛電動汽車結合了純電動汽車和智能汽車二者的優點,相 比于傳統汽車,更加環保,提高了交通效率,最大程度的保障了人們的生命財產 安全,更加具有優勢和發展潛力[12]。智能駕駛電動汽車也是當今汽車行業發展的 必然趨勢,本文通過參考國內外相關文獻,設計了自己低速電動汽車智能駕駛系 統。該智能駕駛系統主要包括環境感知系統、轉向子系統、剎車子系統、加速子 系統以及PLC控制系統。采用雙目立體視覺技術和多線程技術進行環境感知,通 過設計壓力反饋感知人員操作,利用西門子S7200 PLC控制器實現系統控制和人 機操作切換。為智能車的研究和發展做出自己的努力。
      1.2智能車輛國內外研究現狀
      1.2.1國外研究現狀
      (1) 美國的智能車
      對智能汽車的研究西方發達國家相對起步較早,世界上第一輛智能車是由美 國Barret Electronies公司于1950年制造的,該智能車被命名為AGVS,通過加裝 傳感器和相關控制算法控制智能車在預定軌道上行駛。雖然此時的智能車智能化 水平還很低,但人們己經意識到智能車在未來社會發展中的價值。在20世紀80 年代,由美國的Carnegie Mellon大學研究的NavLab系列智能車控制系統已經比 較完善,該車可通過傳感器實時釆集環境信息,控制器可以對采集的信息進行識 別處理并進行評估整合,最終制定合理的輸出結果。其中NavLab-1智能車和 NavLab-5智能車經過不斷測試和完善,最終NavLab-1智能車在當時最高車速能夠 達到88km/h,而NavLab-5智能車經過上萬公里的行程實驗,平均速度己經達到 102.72km/h,并且在行駛過程中該車控制器能夠實現自主控制,智能化水平很高。
      如今Google的智能車在世界范圍內都是十分先進的,如圖1-1所不,在1997 年到2002年Google公司開始致力于智能車的研究。人工駕駛過程中積累了大量 的信息,通過積累前人經驗,Google公司在研究過程中實現了智能車輛的自主駕 駛。目前Google智能駕駛汽車已經行駛超過30萬英里,Google智能汽車通過安 裝攝像頭以實時采集周圍環境的三維圖像,檢測周圍事物的運行規律,做出判斷、 預測以及決策;雷達系統可以跟蹤周圍物體,檢測汽車盲點;車道保持系統,在 駕駛過程中,如果攝像機等傳感裝置感知到汽車偏離預定軌道,會通過震動方向 盤來提醒駕駛人員;通過紅外攝像頭來達到夜視輔助效果;除此之外還有GPS慣 性導航系統、車輪角度編碼器、激光測距儀等傳感器,能夠協調輔助智能車達到 安全駕駛的目的[13]
       
      圖1-1 Google智能車 Fig. 1-1 Google Smart Car
       
      (2) 英國的ULTra智能車
      英國的ULTra智能車由英國的布里斯托大學研制成功,如圖1-2所示,在2010 年應用于希斯羅機場,可以用于運載客人,十分方便。該車己經不再以汽油為燃 料,轉而以電池為主要動力,沒有污染,且整個運行過程十分安靜,為乘客創造 了舒適的乘車環境;該車操作簡單,乘客只需通過按鈕輸入目的地即可,ULTra 智能車在行駛過程中面對復雜路況可以實現自主變速、剎車以及躲避障礙物等功 能,安全可靠。到達目的地后,人可自行離開,ULTra智能車會停在原地,直到下 一條呼叫指令。
       
      圖1-2英國ULTra智能車 Fig. 1-2 UK ULTra Smart Car
       
      (3) 德國“shelley”智能車
      “ shelley ”智能車是由德國漢堡一家公司通過對一輛轎車進行智能化改造研發 成功的,如圖1-3所示。Shelley的優點在于可以應對諸多復雜路況,其安裝有智 能計算機、全球定位儀,在車的前后位置安裝有激光攝像機和各種其它傳感器。 “shelley”智能車通過路面導航系統和全球定位儀來構建三維地圖,另外,內部有 識別各種道路交通標志的算法,在行駛過程中遵守交通規則,且該車能夠根據不 同路況實現緊急剎車、加速等功能,提高了其智能化水平。
       
      圖1-3奧迪TT-S雙門轎跑改造的智能車shelley Fig. 1-3 Intelligent Car Sheley of Audi TT-S Double-door Car
       
      1.2.2國內研究現狀
      相對于西方的一些發達國家,我國對智能駕駛汽車的研宄起步較晚,科研條 件和科研水平與一些發達國家都有一定差距[14_15]。但隨著我國改革開放,與世界
      增進信息交流,逐漸意識到智能車在未來社會對軍事、生活以及工業生產的作用, 是機遇也是挑戰。我國在20世紀80年代開始真正致力于智能駕駛汽車的研究和 發展,并加大科研資金以及科研人員的投入,將智能駕駛汽車作為我國未來汽車 行業的發展方向。在我國863計劃中,將遙控駕駛智能移動平臺研究立項,各個 企業、高校以及一些科研部門積極投入到智能駕駛汽車的研究當中。經過我國諸 多科研團隊、科研人員的不懈努力,克服各種困難,也研制成功了許多具有代表 性的智能駕駛汽車。
      (1) 紅旗HQ3智能車
      我國的第一輛真正意義上的無人車是由國防科技大學在1992年研制的,如圖 1-4所示,紅旗HQ3無人車完成從長沙到武漢286公里的高速全程無人駕駛實驗 于2011年7月14日首次完成,在研發過程中對其可靠性、小型化等各方面都進 行了改進突破,標志著我國無人駕駛達到世界先進水平。國防科技大學自主研制 的無人車在全部實驗過程中對超車、雨天、霧天等不同路況下都進行了多次檢查 實驗,全程平均速度為87km/h,僅在特殊路況進行人工干預,占總程的0.78%。
       
      圖1-4紅旗HQ3智能車 Fig. 1-4 Red Flag HQ3 Smart Car
       
      (2) Smart系列智能車
      Smart-V智能車是由武漢大學和奇瑞公司在2010年9月底研制成功的,并 在光谷園區內上路實驗,隨后在全國“2010智能車未來挑戰賽”中奪得越野項目 第一名,該車對原車進行了全方位的改裝,包括轉向、剎車、油門、換擋等各系 統都可通過計算機實現自動控制,同時該車通過一個開關盒的切換開關實現人工 駕駛和自動駕駛的隨意切換。另外設置有“手剎”,通過一個急停按鈕實現緊急剎 車,同時在該車的前部橫排支架上安裝有一個攝像機,車后安裝有兩臺相機輔助 感知周圍環境,車頂安裝有三維激光掃描儀,但該車整體設計相對比較復雜,成

      本相對較高,價值大概170萬人民幣。隨后幾年經不斷改進,研制出最新的 Smart-VII智能車,如圖1-5所示。
      圖1-5武漢大學最新智能車smart-VII 
      圖1-5武漢大學最新智能車smart-VII
      Fig. 1-5 The latest smart-VII of Wuhan University
       
      (3) THMR-V智能車
      清華大學自1986年以來,一直致力于智能技術的研究,可以說清華大學智能 駕駛技術己經比較成熟,THMR-V智能車是由清華大學何克忠教授帶領團隊研發 成功的,該智能車綜合了多方技術優點,取長補短,安全可靠。該車在智能車車 速上做出了重大突破,最高時速可達150公里,這在技術上就要求傳感器感知系 統強大,定位精確,反應靈敏。另外該團隊對車道線識別技術做了大量研究實驗, 最終提出了基于擴充轉移網絡的道路理解技術,另外對系統的信息處理算法做了 優化,大大減小了計算量,整個處理周期不足20毫秒,保證了智能駕駛的實時性 要求。
      (4) 百度Apollo智能車
      百度Apollo智能車處于我國智能車領域的先進行列,如圖1-6所示。百度 Apollo于2017年4月19日向整個汽車行業提供了一個開放、系統、安全可靠的 軟件開發平臺,我國很多無人車研究者可以借以參考,從而在此基礎上學習、開 發并搭建自己的智能車硬軟件系統,百度Apollo為我國的汽車行業做出了卓越貢 獻。2018年2月15日,Apollo無人車亮相2018年中央電視臺春節聯歡晚會廣東 珠海分會場,在春晚直播中,百余輛無人車跨越港珠澳大橋。百度Apollo在我國 智能車領域做出了重大突破,邁出了我國智能車關鍵技術的重要一步。百度Apollo 也是全世界范圍內關于無人駕駛中智能駕駛技術的首次系統性開放。
       
      圖1-6 Apollo智能車 Fig. 1-6 Apollo Smart Car
       
      綜合以上國內外高校、公司以及有關部門對智能車研究的現狀和己經取得的 成果,可知各個國家都在致力于智能駕駛汽車的研究,人類正在向更高級的人工 智能不斷邁進,是機遇也是挑戰。中國是一個發展中大國,我國在諸多行業中都 有著自己的優勢,同時也希望在汽車行業新一輪的競爭中能有自己的一席之地。
      對于高度自動化電動汽車的智能駕駛系統是非常復雜的,其研究條件也十分 苛刻,相比較而言,低速電動智能駕駛汽車成本較低,更容易實驗、推廣應用。 本文針對低速電動汽車設計智能駕駛系統,選用的車型也是環保無污染的小型電 動汽車。
      1.3低速電動汽車市場分析
      近些年來,環境污染越來越嚴重,國家和人民保護環境的意識都在逐漸增強, 對于較短程的出行,很多人寧愿不選擇汽車出行,人們更需要一種小型、舒適、 方便的代步工具,所以市場上電動汽車逐年增多,對于短途出行、接送孩子上下 學等,相比較一般汽車,電動汽車基本無污染,出行更加靈活,續航充足,顯得 更加適用;另外對于短途快遞運輸、旅游觀光、無人巡邏、車道清潔、車間貨物 搬運等,低速電動汽車顯然也有著更廣闊的應用前景[16_17]
      通過查閱資料,低速電動汽車也開始“微型化”,逐漸擺脫低端的“屌絲”形 象。更多權威人士認為未來兩種產品形態將會趨于統一,現有鉛酸類低速代步車 產品將逐漸升級為鋰電池微型電動汽車。
      低速電動汽車是指速度低于70km/h的簡易四輪純電動汽車。一般最高速度為 70km/h,而外形、結構、性能與燃油汽車類似。目前在山東、河北等地,此類低 速電動汽車一般用鉛酸電池作為驅動,且市場需求巨大[1849]。據統計,2015年全 國新能源乘用車產量200萬輛,僅山東省低速車產量就超過30萬輛,全國低速車 產量預計在65萬輛。其中超過95%的低速電動車動力電池為鉛酸電池,鋰電類低 速車占比不到5%。
      微型低速電動車一直缺乏統一的行業標準,企業產品性能參差不齊,在國內 某些區域呈現自發成長與發展的狀態,面臨著管理空白、安全隱患突出等制約產 品規范化的困境。
      2015年下半年以來,低速電動汽車被解禁的消息逐漸被業內提及探討。政策 及標準在地方層面已有出臺及實施。截至目前,我國己有14省市出臺27個為低 速電動汽車“解禁”的政策,具體見表1-1。
      表1-1典型地方政府低速電動汽車相關政策
      Table 1-1 Typical Local Government Policies on Low Speed Electric Vehicles
      城市 主要內各
      ~~純電動汽車最高速度不超過50km/h,行程大于等于70km,有C4牌照和電動汽
      車單獨牌照,行駛公路標準不超過一級。
      淄博 純電動汽車最高速度不超過70km/h,行程大于等于70km,有C3牌照和電動汽
      車單獨牌照,行駛公路標準不超過一級。
      大豐 純電動汽車最高速度不超過60km/h,行程大于等于70km,有C3牌照和電動汽
      車單獨牌照,行駛公路標準不超過一級。
      阜陽 駕駛員必須有機動車駕照,電動汽車有單獨牌照,行駛公路標準不超過一級。
      2016年以來,微型低速汽車“解禁”的探討一直在行業內進行。4月14日, 國家標準化管理委員會在其網站上對2016年第一批擬立項國家標準項目公開征求 意見。《四輪低速電動乘用車技術條件》成為第一批擬立項項目。2016年10月28 日,國家標準委下達2016年第三批國家標準制修訂計劃的通知,本批計劃制定、 修訂的標準共計191項。其中,一直備受行業關注和期待的四輪微型電動車技術 條件就被列于其中。通知指出,四輪微型電動車技術條件項目周期為24個月,主 管單位為工業和信息化部,起草單位為中國汽車技術研究中心、上海機動車檢測 中心,標志著微型電動車國標制定工作正式開始。未來國家政府將對微型電動汽 車加強管理,逐漸走向規范化。企業蓄勢待發,新能源汽車在2015年迎來發展爆 發期,隨著國家的政策推廣和補貼,微型低速電動汽車也迅速成為產業關注的焦 點,銷量的迅猛增長在新能源汽車推廣下顯得更為突出,一些傳統車企也開始紛 紛布局微型低速電動汽車以搶占市場[2()_21]
      通過以上分析,選擇低速智能電動汽車為研究對象有著很大的發展前景。
      1.4論文主要研究內容
      (1) 低速電動汽車智能駕駛系統總體設計。
      首先,利用雙目相機感知周圍環境;其次,在工控機上對采集的信息進行圖 像處理和決策分析,并把決策指令傳給PLC控制系統;然后,PLC根據決策指令, 控制轉向子系統、加速子系統和剎車子系統等,實現運動控制。
      (2) 利用多線程技術實現雙目相機環境圖像采集。
      雙目相機采用兩枚Basler工業相機。首先,根據雙目相機安裝方式,設計專 用高精度調整支架。然后,利用Visual Studio軟件,釆用多線程技術控制雙目相機 同步拍攝環境圖像。
      (3) 相機標定和圖像預處理。
      首先,分析平行光軸和相機間距誤差等因素對測距精度的影響,實現對相機 參數的精確標定。然后,使用MATLAB軟件,對相機標定后采集的數據進行降噪 預處理,為環境三維建模提供標準數據。
      (4) 智能駕駛中控系統設計。
      首先,實現轉向控制子系統、剎車子系統和加速子系統的控制機構設計和控 制程序設計,使電動汽車具有人工駕駛和自動駕駛兩種工作模式,并能夠進行自 由切換。
      (5) 以小型電動巡邏車為試驗對象,搭建試驗平臺,驗證智能駕駛系統。
      1.5本章小結
      本章主要介紹了當今社會汽車行業的現狀以及發展趨勢,通過比較傳統汽車 和智能駕駛電動汽車的特點,有力證明了智能駕駛電動汽車在未來社會中更具優 勢和發展潛力。傳統汽車相比于成熟的智能駕駛電動汽車內耗嚴重、污染環境、 降低了交通效率,智能駕駛電動汽車更加安全可靠。智能車在未來社會中的軍事、 生活以及工業生產中會發揮巨大作用,國內外的很多車企、技術團隊和高校都在 致力于智能駕駛汽車的研究并取得了很多研究成果。

      2章低速電動汽車智能駕駛系統總體設計
      2.1低速電動汽車智能駕駛系統設計
      本文在設計之前借鑒了諸多國內外相關文獻,通過計算分析,在原有的駕駛 系統上進行設計改造,最終設計了低速電動汽車智能駕駛系統。該系統不但能更 好的實現原來的駕駛功能,還能更智能的實現對駕駛環境的感知、行車速度控制、 轉向控制以及制動控制等功能[22_23]。整個智能駕駛系統如圖2-1所示,低速電動汽 車智能駕駛系統主要分為三個模塊:感知、決策和控制。本設計主要利用兩臺參 數相同的CCD工業相機感知行車環境,采用陀螺儀、速度傳感器、GPS、扭矩傳 感器、壓力傳感器等感知車輛自身的行車狀態,并將其反饋給工控機和PLC控制 系統,通過工控機、PLC的分析決策,最終把不同控制信號發送給相關控制器, 利用轉向子系統、剎車子系統、加速子系統等執行機構控制智能車運行[24]。另外 為了使該駕駛系統功能更加齊全,還附加了人工駕駛和自動駕駛的切換設計、斜 坡停車設計。
       
      圖2-1智能駕駛系統總體設計
      Fig. 2-1 Overall Design of Intelligent Driving System

      2.2感知系統
      為了確保無人車對環境的理解和把握,智能駕駛系統的環境感知部分通常需 要獲取周圍環境的大量信息,具體來說包括:障礙物的位置,速度以及可能的行 為,可行駛的區域,交通規則等等。無人車通常是通過融合激光雷達(Lidar)、相 機(Camera)、毫米波雷達(Millimeter Wave Radar)等多種傳感器的數據來獲取 這些信息[25],下面對激光雷達以及相機傳感器做一下具體分析。
      激光雷達是一類使用激光進行探測和測距的設備,它能夠每秒鐘向環境發送 數百萬光束脈沖,它的內部是一種旋轉的結構,這使得激光雷達能夠實時的建立 起周圍環境的三維地圖。通常來說,激光雷達以10Hz左右的速度對周圍環境進行 旋轉掃描,其掃描一次的結果為密集的點構成的3維圖,每個點具備(x,y,z)信息, 這個圖被稱為點云圖[26] (Point Cloud Graph)。
      激光雷達因其可靠性目前仍是無人駕駛系統中重要的傳感器,然而,在現實 使用中,激光雷達并不是完美的,往往存在點云過于稀疏,甚至丟失部分點的問 題,對于不規則的物體表面,使用激光雷達很難辨別其模式,在諸如大雨天氣這 類情況下,激光雷達也無法使用。另外激光雷達價格較高,智能車加裝激光雷達 的話會使得計算量加大。
      對于相機傳感器,我們通常使用圖像視覺來完成道路的檢測和道路上目標的 檢測。道路的檢測包含對道路線的檢測(Lane Detection),可行駛區域的檢測 (Drivable Area Detection);道路上路標的檢測包含對其他車輛的檢測(Vehicle Detection)、行人檢測(Pedestrian Detection)、交通標志以及信號檢測(Traffic Sign Detection)等。隨著智能駕駛算法的研究深入,產生了多目視覺和雙目視覺,雙目 立體視覺技術模擬人眼,可以直接通過雙目測量原理得出目標物體的三維坐標。 經過綜合比較以及結合研究對象的實際應用場景,本設計最后采用雙目立體視覺 方法來對環境進行感知[27_28],主要設備選型如下:
      (1) 兩臺相同的CCD工業相機
      無人車可以采用多種方式來感知周圍環境,有雷達傳感器為主視覺為輔的感 知系統,但價格相對較高,計算過程相對比較復雜;有多視覺感知系統等等,本 設計采用的則是采用雙目立體視覺技術感知周圍環境,相機位于汽車前上方。如 圖2-2所示,釆用兩臺參數相同的Basler scA1300-32GC的千兆網口工業相機采集 環境數據,具體見第三章采集系統搭建,這里不再贅述。
       
      圖2-2 Basler相機 Fig. 2-2 Basler camera
       
      (2) GPS車速里程表
      GPS要定位空間中某一點的位置,其實就是定位某點的三維坐標,要求某點 的三個參數,即需要建立三個方程,就需要至少3顆衛星的位置作為參考點,一 般需要四顆及以上數量的衛星數據進行定位,如圖2-3所示,這里采用Intest公司 生產的GPS多功能速度傳感器,型號為IN-GPS100M2,其中頻率達100HZ,檢測 速度范圍為O.lkm/h到500km/h,另外采用工控機作為上位機對采集信息進行存儲。
       
       
      圖2-3 GPS車速里程表 Fig. 2-3 GPS speedometer
      (3) 慣性測量單元(IMU)
      GPS的使用也有自己的局限性,GPS在傳輸信號時會受到周圍環境的影響, 尤其在大城市中,由于信號傳輸會受到許多高大建筑物的阻攔,GPS信號會發生

      多路徑反射,以至于最后的定位信息會出現幾十厘米到幾米的偏差,對自動駕駛 汽車來說這是十分危險的,所以我們可以見到在自動駕駛的實驗檢測階段經常是 在空曠地帶或者高速公路等遮擋較少的地方。為了彌補這種誤差,如圖2-4所示, 這里加裝有慣性測量單元(IMU),IMU—般是使用六軸運動處理的組件,他包括 三坐標軸上的加速度和三軸向陀螺儀,一共包括六個自由度的參數,其中加速度 傳感器感知上下左右前后三個方向的受力,通過受力分析計算出三個方向的加速 度,陀螺儀在這里起到檢測三個方向角加速度的作用[29]
      假設智能車以X軸為軸心,在1秒鐘轉了 45度,那么該車在X軸上的角速 度就是45度/秒,由加速度計算實際運動距離要經過兩次積分,所以若加速度數據 不夠準確,那么計算出來的位移數據也會有偏差。一般情況下,GPS和IMU配合 使用,IMU的頻率比GPS要高,在下一次定位之前,IMU已經對車的運行和位置 進行了多次預測分析,再加上和GPS定位位置的比較,從而不斷糾正誤差。
       
      圖2-4慣性測量單元IMU
      Fig. 2-4 Inertial Measurement Unit IMU
       
      (4) 轉角傳感器
      本設計是在原轉向系統上進行的再設計改造,對于智能轉向系統在原轉向系 統的基礎上加裝C68049XF25849366ANA76100BA集成式方向盤轉角傳感器,如 圖2-5所示,具體用來檢測駕駛系統方向盤轉過的角度。該角度傳感器由ML90316 芯片、5個槽型光電傳感器SG278編碼陣列、齒輪傳動以及CAN總線通信,該傳 感器主要利用光電傳感器和角度測量芯片相互配合,從而測量出轉向電機帶動轉 向軸轉過的角度,再通過CAN通信把信號轉換成處理器可以識別的信號。
       
      圖2-5轉角傳感器 Fig. 2-5 Angle Sensor
       
      2.3控制決策系統
      (1) 工控機選型:工控機(Industrial Personal Computer,IPC)即工業控制計
      算機,相比于一般電腦,在一些復雜、相對溫度較高、環境相對比較潮濕、有粉 塵煙霧、運行過程中會出現震動等相對惡劣的運行環境,工控機都有更好的適應 性、工作可靠。工控機更能適應智能車在行車過程中的實時性要求,智能駕駛系 統在運行過程中需要通過感知系統不斷采集周圍環境,對采集信息不斷進行實時 處理并及時做出調節響應,從而保證駕駛系統平穩工作。工控機具有可擴充性, 工控機采用底板和CPU卡結構,針對系統的輸入輸出端口可以擴充多個板卡,能 夠更好的與外界的監控、檢測等設備連接。工控機有更好的兼容性,他能支持多 種操作系統,多種編程語言。通過以上分析比較,本低速電動汽車智能駕駛系統 最終選擇工控機為中央處理器,通過比較不同廠家的產品,最終選擇工控機型號 為RK-608MB的工控機整機,如圖2-6所示。


       
         
      圖2-6 RK-608MB工控機整機
      Figure 2-6 RK-608MB industrial computer
      (2) 

      PLC選型:雖然單片機也是常用控制器,但因為單片機在開發過程中需 要不斷試驗矯正,周期過長,且在一些復雜場合抗干擾能力差,不夠穩定。而PLC 由于結構緊湊、編程簡單、維護方便、模塊統一、可擴展性好等特點,在各種工 業現場控制系統中得到了廣泛的應用。本文針對智能駕駛系統的控制要求,以及 綜合考慮各類PLC產品的特點、性能、價格等特點,最終選擇西門子公司生產的 S7-200小型PLC來實現控制系統的設計和開發,如圖2-7所示。

      2.4執行系統
      智能車的整個控制決策系統是由上位機和下位機組成,上位機釆用型號為 RK-608MB的工控機整機,上位機可通過Visual Studio2013軟件控制CCD相機采
      集周圍環境;下位機采用西門子S7 200PLC控制器及其擴展模塊,下位機通過擴 展模塊與多種傳感器相連,采集速度、制動踏板壓力、轉向扭矩方向、轉向角度 等信息,然后傳輸給工控機整機進行分析處理。系統采集頻率可達100Hz,并在數 據處理過程中對采集數進行保存。上位機分析計算之后把決策信號傳回PLC200 控制器,控制轉向、剎車、加速等執行子系統運行工作,對于各個智能子系統的 具體結構原理可見第五章節,這里不再贅述。
      2.5本章小結
      本章通過分析比較激光雷達、毫米波雷達等傳感器和相機傳感器各自的特點, 最終設計了基于雙目立體視覺的信息采集系統,對其他的一些主要傳感器進行了 分析比較并確定選型[3()]。對于控制決策系統,通過對比工控機和其他一般電腦處 理器的特點,對比PLC和單片機各自的特點,選擇了 RK-608MB的工控機整機和 PLCS7-200控制器作為主要的控制決策機構。對于執行系統,通過對原電動汽車 駕駛系統上剎車、轉向、加速機構進行改裝,最終完成了低速電動汽車智能駕駛 系統的總體框架設計。

      3章利用多線程技術實現雙目相機環境圖像采集 3.1雙目視覺系統測量原理
      雙目立體視覺技術最早始于上世紀60年代,通過這些年的研究擴展,該技術 己經十分成熟,該方法不但計算速度快,測量精確,而且搭建簡單、成本低廉, 己經得到了廣泛的應用[31]
      總的來說雙目立體視覺測量技術其實是通過兩臺相機模擬人的兩只眼睛同時 拍攝周圍環境,由兩臺相機和目標物體構成三角形,通過邏輯運算和數學推導, 把圖像中目標物體的二維平面信息轉化成更具體的三維信息,其中利用了三角形 相似,根據比例得出目標物體到相機成像平面的具體距離[32],如圖3-1所示。
       
      Figure 3-1 Binocular Ranging Principle
      如圖3-1所示,圖中參數表示意義如下:
      〇、r 一一分別代表左右兩相機;
      P一一現實世界中被測物體的位置;
      p1pr 一一目標物體p分別在左右兩相機成像平面上所呈現的點; /——左右相機焦距;
      xr一一分別為〆和,到左右相機成像平面邊緣的距離;
      Z一一為目標物體到兩相機平面的距離,
      T——為左右相機中心點的距離。
      目標物體在左右相機成像平面上的成像視差^可計算得
       

       

      d =\xt-xr\
      設點〆到,的距離為s,由圖3-1可知得出x s = T-(xl-xr)
      由三角形相似原理可得
      T~(xl -xr) T
      z-f 'z
      由公式(3-3)解得目標物體到相機的距離Z為
      Xl ~Xr
      由公式(3-4)可知,要計算目標物體到相機的垂直距離,我們需要知道/、r、 四個重要參數。當相機焦距和兩相機位置固定時,r和/一定,目標物體 到相機的距離與目標物體p在左右相機成像平面上的成像視差I ^ I成反比,
      1'-\1值越大,2越小,1^-\1值越小,2越大。目標物體的位置改變時,1^-'1 的大小改變。
      3.2基于雙目立體視覺的硬件平臺設計

       
         
      雙目立體視覺采集系統硬件平臺搭建的質量十分重要,由以上3.1章節雙目立 體視覺測量原理可知該測量平臺需要兩款工業相機。隨著近幾年工業技術的發展, 有CCD相機和CMOS兩種類型的相機相對性能較好[33]。但CCD和CMOS相機各 有不同,CMOS相機價格相對較低,CCD相機成本較高,但拍攝效果相對不如CCD 相機穩定,因為本文設計的智能駕駛信息采集系統是以視覺為主,其他傳感器為 輔的駕駛系統,對相機要求較高,所以這里依然選擇CCD相機。經過綜合比較, 這里選擇兩臺Basler scA1300-32gc的CCD工業相機,鏡頭選擇兩個焦距相同的 Basler Lens C125-0818-5M F1.8 f8mm鏡頭,具體如圖3-2所示,相機參數見表3-1。

      表3-1 Basler scA1300-32gc工業相機參數 Table 3-1 Basler scA1300-32gc industrial camera parameters
      項目名稱 參數
      傳感器供應商 Sony
      傳感器 ICX445
      快門 全局快門
      最大圖像 1/3,,
      傳感器類型 CCD
      分辨率(H*V) 1294*964
      分辨率 130萬像素
      像原尺寸(H*V) 3.75um*3.75um
      幀速率 32fps
      單色/彩色 彩色
       
       
       
      如圖3-3所示,兩臺CCD工業相機固定在雙目板上,相機軸線平行,通過千 兆網線與電腦相連。且通過旋鈕旋轉調整兩相機之間的距離,相機間的距離調節 范圍為6到30cm。雙目板固定在對應三腳架上(這里選擇云騰三腳架)。
       
      圖3-3雙目采集系統
      Fig. 3-3 Binocular Acquisition System
       
      3.3雙目立體視覺系統的軟件設計
      在計算機Windows系統下安裝相機驅動Pylon Viewer軟件、Pylon IP Configurator軟件和Visual Studio 2013軟件,在接通硬件設備之后,通過Pylon IP Configurator軟件把相機IP地址和電腦IP地址設置成統一網段,Pylon Viewer軟件
      可實現兩相機具體的調節。我們可以通過Visual Studio 2013軟件編寫相關程序, 實現雙目圖像同步釆集。
      如圖3-4所示,首先打開相機,初步調節鏡頭光圈和焦距使得成像相對清晰, 在自動增益功能選項(GainAuto),包括三個部分:Off、Once、Continuous,分別

      為關閉自動增益,做一次自動增益和做連續自動增益,里我們選擇做連續自動增 益;在自動白平衡選項(alance White Auto),有Off、Once兩個選項,這里我們選 擇做一次自動白平衡(Once);在圖像從相機中輸出的格式(PixelFormat)功能中 有黑白、YUV422, RGB彩色三個選項,這里我們選擇RGB彩色選項;在手動設 置幀速率(Acquisition Abs)選項,我們把幀速率設置成32。再次調節鏡頭光圈和 焦距,使圖像達到相對理想狀態,兩臺相機參數相同。
       
      圖3-4相機參數調節
      Fig. 3-4 Camera Parameter Adjustment
       
      3.4多線程采集技術
      在C語言和C++語言中,C++實現了面向對象的程序設計,處理速度更快、 更加嚴謹、精確、數理化、層次分明、封裝性好、運行更加安全。經過多方面考 慮,我們選擇用C++來編寫代碼。但一般情況下C++程序代碼的執行都是單線程 的,即按邏輯順序逐行執行,從程序開始的第一行一直運行到最后一行,其中當 程序代碼執行到某一行時,其他行的代碼都是處于等待狀態,如果我們用此程序 來控制相機,則只能運行單個相機,不符合我們的雙目立體視覺相機同步采集的 要求。
      多線程技術的應用則很好的解決了這個問題。我們可以創建一個新的線程, 一個線程在運行的同時,其他線程也可以平行運行,提高了工作效率,使系統資 源的利用率更高。其實電腦在運行時,CPU需要處理來自用戶的各種需求,但由 于處理速度快,我們感受不到時間間隔,同理,該技術主要是更加充分的利用了 電腦的CPU的工作效率,通過多線程用最短的時間對用戶的需求做出響應[34]
      值得注意的是同一進程的多個線程在執行程序時內存是共享的,我們要實現 兩個相機圖像同時存儲有時就會出現問題,一個圖像正在保存,另一個圖像可能

      就無法保存,為了解決這一問題,我們給程序設置了帶有互斥量的鎖,使得圖像 保存更加流暢。具體如圖3-5所示。
      for (uint32_t i = 0; i i ount Of Image sToGrab && cameras [0]. IsGrabbingO; ++i)
      {
      std::lock_guard<std::mutex> mtK_locker(mtx);
      cameras[0] ■ Retr ieveResult(5000,ptrGrabResultj TimeoutHandling_ThrowExoept ion); CImagePersistence::Save (imageFileFormat_PngJ "new. png' ptrGrabResult); //xiugai2 ();
      spr intf_s (str3 "%d' i); pr intf (〃%s\n' str);
      //puts (str); if (i < 11)
      {
      line = 1 ine. replace (line, f ind (feline [25])3 13 str);
      圖3-5 C++多線程程序鎖
      Fig. 3-5 C++ multithreaded program lock
      根據雙目立體視覺系統設計的具體要求,我們通過Visual Studio 2013軟件編 寫C++程序時,只需雙線程程序即可,即每個線程控制一臺相機,由互斥鎖保證 兩臺相機圖像成對保存,實現同步采集。具體程序如圖3-6所示。
      Hint main (int argc,char* argv[])
      {
      DWORD idl^ id2;
      Create Thread (NULL, 0, (LPTHREAD_START_R OUT INE) mainS, NULL, NULL, &idl); Create Thread (NULL, 0, CLP THREAD_START_R OUT INE:) mainS, NULL, NULL, &id2); system(〃pause〃); return 0;
      圖3-6多線程圖像采集程序
      Fig. 3-6 Multithread Image Acquisition Program
      3.5本章小結
      對于雙目立體視覺技術,雙目采集系統的硬件平臺搭建的好壞十分關鍵,本 章介紹了雙目采集系統工作的基本原理,對硬件做出了多方面比較選擇,同時對 硬件平臺的搭建做出了具體介紹。我們在對相機硬件系統進行調試的同時,也對 多線程軟件系統進行了多次調試,最終設計的多線程采集系統,在不同環境下采 集穩定,采集速度快,安全可靠。

      第4章相機標定和圖像預處理
      4.1雙目標定的意義
      計算機技術快速發展,更多的行業開始運用計算機視覺來解決環境感知問題, 雙目立體視覺是計算機視覺技術中的基礎。雖然人們用兩臺相機代替人的眼睛感 知周圍世界,但任何設備都達不到理想精度,或多或少都存在一定誤差。同理, 由于制造工藝和制造技術的影響,相機存在一定的畸變,由于安裝問題,相機存 在位置和位姿等一定偏差。由雙目立體視覺原理可知,待測物體的三維信息是由 兩臺相機拍攝的成對二維圖像按照一定的邏輯算法推導而來,由于相機制造誤差、 鏡頭畸變、安裝位置誤差、位姿誤差等會造成拍攝的實際圖像與理想圖像存在一 定偏差[35]
      為了最大程度消除這種誤差,就需要對雙目釆集系統進行標定,即找出雙目 采集系統拍攝圖像與實際圖像的偏差。由雙目測量原理,完成求取物體的三維信 息,我們需要雙目相機的內外參數,鏡頭焦距/,旋轉矩陣尺和平移向量r。
      4.2雙目相機標定的坐標關系
      要通過二維圖像計算物體的三維信息,首先要建立坐標系,通過坐標系轉換 計算獲得。在這里我們建立了四個參考坐標系,第一,在兩相機的成像平面上建 立像素坐標系和相面坐標系;第二在相機光心和光軸處建立屬于相機的相機坐標 系;第三,實際圖像所在的世界坐標系;第四,根據測量物體具體建立起來的物 體坐標系,下面對每個坐標系逐一進行理解。
      (1)像素和相面坐標系
      在相機成像平面上我們建立坐標系,如圖4-1所示,像素坐標系為0/Wv, 為像素坐標系的坐標原點,其中每一個像素為一個坐標單位;另外定義直角坐標 系0X7,其中0為坐標原點,X為橫向坐標軸,F為縱向坐標軸,橫縱坐標單位 為mm。對于兩坐標系的位置關系,相面坐標系位于像素坐標系圖像內測,X軸 和w軸相互平行,F軸和v軸相互平行,共同組成在物體成像平面上的坐標系。


       
       

      圖4-1像素坐標系和相面坐標系 Fig. 4-1 Pixel and Phase coordinates
      因為像素坐標系和相面坐標系在同一平面上,所以兩坐標系可以相互轉換。 坐標系以mm為單位,大于坐標系中的以像素為單位,為了方便計算, 我們選擇相面坐標系向像素坐標系進行轉換。設像面坐標系的坐標原點0在像素 坐標系O/v中的坐標為(%,&)單個像素尺寸等于辦、辦,則我們可以把相面坐 標下的某一點的坐標〇c,>〇,轉換成與之對應的像素坐標0,v),轉換關系如下
         
      如圖4-2所示,定義攝像機的光心為相機坐標系的原點,為方便計算,

      相機坐標系的Xp 兩坐標軸應分別與像素坐標系的W、v兩軸平行,其中;為
      相機光軸。具體如圖4-2所示,相機坐標系^軸與相面坐標平面垂直,并穿過相
      面坐標系的原點0,的連線正好為相機鏡頭的焦距/。
      (3) 世界坐標系
      實際物體都是存在于現實世界的三維空間中,我們可以人為定義相應世界坐 標系來表示實際物體的位置。但是,世界坐標系一旦確定,相機和實際物體在世
      界坐標系中的位置就都是固定的,且存在一定的關系。定義世界坐標系為

       
         
      (4-2)
      (4) 物體坐標系
      世界由很多物體組成,每個物體都在世界坐標系中占據不同的位置,每個物 體的位置都可以用世界坐標系表示,世界坐標系一旦確定,物體的位置就確定下 來了。但為了描述物體的局部特征,局部位置等信息,世界坐標系就顯得不太方 便,這時我們建立了物體坐標系來更好的描述物體特征,同時通過世界坐標系, 又把不同的物體坐標系關聯起來,使得我們的計算更加方便。

      4.3雙目相機標定原理
      相機拍攝過程中由于本身原因使得拍攝結果會與實際存在一定的偏差,包括 焦距、主點、畸變以及各坐標之間位姿關系等。相機標定的結果就是通過一定方 法計算出這些偏差的具體數值,然后對圖像進行校正、消除誤差[36]。當然每種標 定方法都只能一定程度上去消除誤差,不可能完全消除。相機標定結果的好壞對 后續的三維重建等工序都有很重要的影響。同樣標定方法也有很多,第一,相機 自標定法,Maybank和Faugeras首次提出基于Krnppa方程的相機自標定發法,后 來又進行了發展研究,此類方法需要多幅圖像進行標定,雖然魯棒性高,但需要 解非線性方程組,計算量非常大;第二,主動視覺攝像機標定法,相對相機自標 定法,此方法可以通過線性方法求解,而且魯棒性好,但需要知道相機的某些運 動信息,對于無法確定相機位置、無法進行可靠控制的場合不適用;第三,傳統 的相機標定法,此方法可以對任何相機模型進行使用,并且標定精度高。
      本文就是使用張正友標定方法,通過高精度的標定板棋盤格來計算相機的內 外畸變參數。此方法中,首先通過多線程程序控制兩臺相機同時拍攝標定板,拍 攝15對圖像以上,然后通過MATLAB工具箱進行解析計算。
      設空間中某一點P拍攝過程中,在成像平面上像素坐標系中的位置坐標為 p =卜vf,增廣矩陣為戶=卜v if,在世界坐標系中P點的坐標為
      尸r Zf,增廣矩陣為戶r Z if,則其轉換關系如下
      sp=Mx\R t]p (4-3)
      式中,S — _ 一比例因子;
      R- _ 一旋轉矩陣;
      t—— —平移向量;
        一一相機的內部參數矩陣;
      Mi具體可表示為
       
       
        a (P uo  
      Mx = 0 P vo (4-4)
        0 0 1  
       
       
       
      式中,(%,v。) 相機主點坐標;
      a(3 主點在像素坐標系中的偏移量;
      cp——畸變系數;
      假設模型平面上Z = 0,則式(4-3)可轉變為
       

      當標定板足夠多時,趨于理想狀態,由公式(4-13)可知
      v,=〇 (4-14)
      張正友標定法,通過對標定板進行雙目圖像采集,利用公式(4-1)到公式(4-14)
      進行推導計算,最終得出攝像機內部參數結果如下
      vo = - BuB23) / (BuB22 - B12)
      2 =萬33 -[萬13 + V?(萬12萬 13 _ 萬11萬23)] / 萬11
      a
      j3 = ^ABn/(BnB22-Bf2)
      r = -Bna2/]/A
      u0 = yv0 la-Bl3a2 /2
      相機的外部參數如下
      K—\
      r2=jK~\ r3=riX r2
      =K_\
      根據張正友相機標定理論,以上結果都是在理想狀態下的推導,實際標定過 程中會有一定不足,這時,釆用最大似然估計法對相機的內外參數進行優化。在 相機標定過程中,需要先對左右相機先分別進行標定,分別標定的結果就是獲得 每個相機的內外參數,然后通過提取左右相機的內外參數在進行邏輯計算,求得 相機的旋轉矩陣和平移矩陣r,從而獲得兩個相機的相對位置關系,完成雙目標 定[37]
      設空間中某一點的位置為在左右相機成像平面上的投影坐標為5、乃, 則左右相機的旋轉矩陣&和A及平移向量彳、~之間的關系如公式4-17所示。
      {P=R(P-tr)
      公式(4-17)又可以轉換為 由公式(4-17)和(4-18)可得
      \R = RX
      \TtRH)
      式中,^——旋轉矩陣; T一一平移矩陣;
       

      4.4雙目相機標定結果
      在4.3章節中,對雙目相機標定原理做出了詳細系統的介紹,對相應算法都進 行了嚴格的邏輯推導,同時在第三章節中我們以兩款Basler ScA1300-32gc型號的 網口相機搭建了雙目采集系統,接下來以搭建好的雙目采集系統為實驗對象,選 擇棋盤格數為10*7的標定版,棋盤格邊長為29mm,采集20對圖像,如圖4-4所 示,對其標定結果進行驗證分析。
       
      Fig. 4-4 Calibration Edition
       
      方法1
      通過MATLAB軟件安裝toolbox_calib工具箱進行相機標定。此方法中,在進 行雙目標定之前需要先對左右單個相機分別進行標定,值得注意的是在安裝 toolbox_calib工具箱時,需要把該工具箱添加到MATLAB路徑下,運行MATLAB 軟件,打開采集圖像文件夾,輸入指令calib_gui,運行后選擇第一行Standard選 項,則會彈出對話框如圖4-5所示。
      Q Camera Calibration Toolbox - Standard Version
      Image names Read images Extract grid corners | Calibration
      Show Extrinsic | Reproject on images Analyse e『『o『 | Recomp, comeis
      Add/Suppress images | Save  
      Load |i 匕 Xlt
      Comp. Extrinsic Undtstort image Export calib data If Show calib resutts
       
      圖 4-5 Standard Version 對話框圖
       
       
      Fig. 4-5 Standard Version Dialogue
      先對左相機標定。選擇Image names按鈕,因為我們輸入保存圖像的文件夾名 稱‘left’并輸入圖像格式,這里圖像保存格式為‘jpg’格式,所以輸入字母‘j’,即可讀 取左相機采集的20張標定板圖像,然后回車,選擇Extract grid comers按鈕輸入 棋盤格在x軸方向的長度并回車,然后輸入棋盤格在y軸方向的長度回車,然后

         
      選擇每張標定板的閉環區域回車確定即可。在所有的圖片選擇完成后生成結果如 圖4-6所示。
      [Remove camera reference frame I
      hto 十ni■十i — l 1'.
      圖4-7左相機的3D標定模型
      圖4-8左相機誤差分析
      Fig. 4-8 Left Camera Error Analysis
      以上操作對左相機進行了具體的實驗標定,建立了左相機拍攝模型,并且對 左相機存在的誤差進行了具體分析。最終得到左相機的標定參數如表4-1所示。
      表4-1左相機標定參數
      Table 4-1 Left camera calibration parameters

       
         
      數值 ^
      fc = [2180.97423 2172.20709 ]+/-[ 20.51848 20.03365 ]
      cc = [ 643.69029 472.72670 ] +/- [ 30.88555 22.11819 ]
      alpha_c =[ 0.00000 ]+/-[ 0.00000 ]=> angle of pixel axes =
      90.00000 +/- 0.00000 degrees
      kc = [ -0.02008 -1.12524 -0.00310 0.00089 0.00000 ]+/-
      [0.08216 1.24364 0.00305 0.00409 0.00000 ]
      err =[ 1.15423 0.85060 ]
       
         
      以上就是左相機的全部標定過程,并建立左相機的3D標定模型和誤差分析; 同理,右相機的3D標定模型如圖4-9所示。
      [fiejnsve cama i^dteepce frama] [Switch to world-centered vievT]
      圖4-9右相機3D標定模型
      Fig. 4-9 3D calibration model of right camera
      右相機誤差分析如圖4-10所示。

      圖4-10右相機誤差分析
      Fig. 4-10 Error Analysis of Right Camera
      右相機標定參數見表4-2。
      表4-2右相機標定參數
      Table 4-2 Right Camera Calibration Parameters

       
         
      數值
      fc = [ 2194.53096 2182.20103 ] +/- [ 20.32241 19.86528 ]
      cc =[ 674.01566 508.26188 ]+/-[ 33.73258 21.27400]
      alpha_c =[ 0.00000 ]+/-[ 0.00000 ]=> angle of pixel axes =
      90.00000 +/- 0.00000 degrees
      kc = [-0.15584 0.83411 -0.00032 0.00606 0.00000 ] +/-
      [0.06544 0.55872 0.00280 0.00446 0.00000 ]
      err =[ 1.15213 0.84084 ]
      右兩個相機分別標定完成,但還需要分析兩個相機的相對位置關系、旋轉向 量R和平移向量T,根據標定工具箱toolbox_calib,在Matlab工作窗口輸入指令 stereo_gui回車運行。通過Load left and right calibration file按鈕加載剛才得出的左 右相機的參數數據,選擇Show Extrinsics of stereo rig可以顯示雙目相機的3D標定

       
         
      模型,并保存數據,雙目相機3D拍攝模型如圖4-11所示。
      圖4-11雙目相機3D標定模型
      Fig. 4-11 3D calibration model of binocular camera

      雙目相機標定結果見表4-3:
      表4-3雙目相機標定結果 Table 4-3 Calibration results of binocular camera
      項目 左相機 右相機
      焦距 [2180.97423 2172.20709 ] +/- [2194.53096 2182.20103]+/-
        [20.51848 20.03365 ] [20.32241 19.86528 ]
      主點 [643.69029 472.72670 ] +/- [674.01566 508.26188 ] +/-
        [30.88555 22.11819 ] [33.73258 21.27400]
      畸變 [-0.02008 -1.12524 -0.00310 [-0.15584 0.83411 -0.00032
        0.00089 0.00000 ]+/-[ 0.08216 0.00606 0.00000 ]+/-[ 0.06544
        1.24364 0.00305 0.00409 0.55872 0.00280 0.00446
        0.00000 ] 0.00000 ]
      旋轉向量 R =[ 0.00653 -0.00673 -0.00271 ]
      平移向量 T = [-225.25895 0.79361 2.94891 ]
       
       
       
      方法2:
      隨著MATLAB版本的升級,2016版本以后,MATLAB軟件都會提供雙目標 定工具箱Stereo Camera Calibration工具箱,不需要復雜的操作即可完成。依然提
      供和方法一一樣的20對不同角度的標定板照片直接可以選擇加載圖片文件夾,輸 入左右相機拍攝的標定板照片的路徑,且輸入標定板棋盤格的尺寸29mm,運行程 序后會自動生成標定結果。具體如圖4-12所示。
       
       
      圖4-12 MATLAB雙目標定效果 Fig. 4-12 Dual Target Fixing Effect of MATLAB 雙目標定模型如圖4-13所示


      圖4-13雙目標定模型 Fig. 4-13 Bi-objective Model 雙目相機標定誤差分析如圖4-14所示,
      圖4-14雙目標定誤差分析
      Fig. 4-14 Bi-objective Error Analysis
      通過以上的數據分析和驗證可得雙目相機的具體標定結果,見表4-4。
      表4-4雙目相機標定結果
      Table 4-3 Calibration Results of Binocular Camera
      左相機 右相機
      [2197.4 2186.9] [2202.2 2193.9]
      [631.4328 479.6147] [647.4492 507.9103]
      "0.99999 -0.003245 -0.00285"
      0.0032 0.99999 0.000549
      0.00285 -0.0005588 0.999996
      [-67.415 -1.3469 0.322]
      方法2的優點:相比第一種方法操作簡單,直接輸入路徑,不需要手動逐一 選擇每張圖片的標定區域角點,電腦自動標定,標定精度高,速度快。對于偏離

      誤差設定值較大的圖像可以選擇刪除,重新標定,提高標定精度。所以這里采用 第二種方法。
      4.5圖像預處理技術
      圖像預處理技術有很多[38],這里只采用基于MATLAB的圖像預處理技術。下 面對基于Matlab的圖像預處理過程做簡要敘述[39]
      (1) 圖像灰度化處理
      在對相機標定完畢后,相機拍攝的圖像一般都是彩色的,這里以‘jpg’的格式 存儲下來。其實圖像呈現彩色由紅、綠、藍三顏色疊加而成,而每種顏色都由0?255 一系列數值來表示顏色的深淺,每個像素顏色都是三個數的疊加,彩色圖像的本 質就是三個數字矩陣疊加的效果。而采集圖像的目的是從圖像中獲取圖像信息, 彩色圖像占用空間大,運算量大,所以這里需要對圖像進行灰度化處理,從而節 省空間、提高運算效率。灰度化處理即把彩色圖像數據經過公式(4-20)轉化成灰 度圖數據。
      Y = 0.299/? + 0.587G + 0.1145 (4-20)
      (2) 圖像平滑濾波處理
      相機在拍攝圖像時由于會受到環境、自身震動等各種條件的影響,從而拍攝 效果會出現某些像素的突變,我們稱之為噪聲。除了圖像邊緣,圖像連續像素的 變化應該是平緩的,對于突變像素需要消除噪聲,需要進行圖像的平滑濾波處理。 這里采用中值濾波處理方案。所謂中值濾波就是利用設定好的N窗口,利用N窗 口進行圖像掃描,對整幅圖像進行過濾,一般N窗口的像素個數不要設為偶數, 這樣容易找到窗口中心像素,以N窗口的中心點的像素值為中心灰度值。濾波計
      算公式見(4-21),中值濾波方法處理速度快,效率高。
      g(iJ)=Median{f(i-k),(k,l) e w} (4-21)
      (3) 圖像銳化處理技術
      圖像銳化處理簡單來說就是平滑濾波處理的反應用,該處理的目的就是突出 圖像中物體的輪廓信息,增加圖像在物體邊緣的色差強度,使得圖像輪廓更加鮮 明。加大像素中心點的高頻信息,進行高頻濾波,對邊緣輪廓像素的差距進行放 大,當然,在這之前要先進行平滑濾波處理,否則在圖像銳化處理后,圖像噪聲 會更大,影響圖像精度。
      該處理技術分為拉普拉斯處理方案和基于Roberts梯度算子的微分銳化處理方 案。具體計算過程:設圖像上一點/&,}0,/(;}〇在(x,}〇處的梯度矢量為公式 (4-22)

      G[f{U j)] =\ /(/, j) ~/(/+1, j) I +1 /(/, j) j +1) I
      假設判斷閥值為△,變化后的圖像g可定義為公式(4-23)
      g(^ y)=
         
       
         
       
         
       
         
      具體處理過程由MATLAB軟件實現,結果如圖4-15所示。

      4.6本章小結
      本章具體敘述了雙目相機標定原理,通過Basler scA1300-32gc相機搭建的雙 目采集系統進行了具體的分析驗證,介紹了兩種基于MATLAB的雙目標定過程并 進行了分析比較。另外本章還具體介紹了利用MATLAB進行圖像預處理的詳細過 程,為后續的圖像分割和識別計算打下了基礎。

      第5章智能駕駛中控系統設計
      智能駕駛系統中控系統是智能駕駛系統中的關鍵部分,主要由工控機和PLC 控制轉向子系統、剎車子系統和加速子系統三部分協同運作。接下來將對這三個 子系統分別做詳細闡述。
      5.1轉向子系統設計
      5.1.1轉向子系統控制方案
      轉向系統是智能電動汽車的重要部分,一般情況下轉向系統的轉向控制又可 以分為橫向控制和縱向控制[4()_41]。總體而言轉向控制系統有多種控制方式,包括 機械式液壓動力轉向系統、電子液壓動力轉向系統和電動助力轉向系統。
      對于第一種轉向控制系統,由液壓泵、v型帶和油缸等部件組合而成。其特 點是無論汽車是否需要轉向操作,該系統都得保持運行狀態,不斷提供壓力,這 樣該系統在一定程度上浪費了大量的資源,在車速很低時,轉向需要的力矩較大, 轉向系統就比較吃力,對系統損害比較嚴重。對于第二種轉向系統,相比于第一 種工作系統是不需要皮帶傳動,直接由一個電動栗在電子單元的控制下運行。該 系統在電子單元的控制下可以根據車速、轉角等信息自動調節電動泵的功率----低 速高功率、高速低功率,使得操作更方便,節省功耗。對于第三種電動助力轉向 系統(EPS)已經廣泛應用于汽車行業,該轉向電機在ECU的控制下能夠更好的 工作,轉向時根據車速信息能夠提供適當的力矩,不需要轉向時則處于休眠狀態, 方便控制、維護,同時節省能源,本文就是采用這種控制方案。
      5.1.2二自由度整車動力學模型
      理想狀態下,假設整車在行駛過程中不考慮繞Z軸的位移、繞Y軸的俯仰、 繞X軸的傾角,并且駕駛員在駕駛轉向過程中左右輪胎特性一致可以建立二自由 度的整車動力學模型。設O點為汽車質心位置,XOY為智能車轉向系統數學模型 的坐標系,如圖5-1所示。

       

      由公式5-1可知該數學模型的微分方程為
      (k1+k2) j3-\ —(c^k1+crk2) =vn(uwr +v)
      u
      <
      (c/k1+crk2) P-\ —{cf + crA:2)wr — = Izwr
      . U '
      對公式(5-1)和公式(5-2)進行拉普拉斯變換得

      5.1.3EPS系統數學模型
      一般情況下,一個完整的電動助力轉向系統包括助力電機、扭矩傳感器、方 向盤、EDU、輸入輸出軸、減速機構等。建立電動助力轉向系統的數學模型需要 忽略非線性帶來的影響,以相關部件的慣量和阻尼特性為主要考慮范疇,從而得 出如下數學模型
      Tz=Tlevrh+wDefcp
      Ts=K(〇c-0p)
      Td=Ts+Bc0c + Jc6
      太+5尤 (5_4)
      T^gTm-Tp=Je0e+Bede U = Ri^-L^- + klwm
      式中,?;、4、7;一一三個變量分別代表無人車輪胎的回正力、汽車與垂直引力 相反的回正力以及智能車前輪與地面形成的的回正力;
      ^、Df9 一一分別代表車前軸的載荷、主銷內傾量、前輪轉角和主 銷內傾角;
      Ts, K, 6c, dP——分別表示扭矩傳感器感受到的扭矩的大小、扭桿的剛 度、方向盤轉向角的大小控制轉向的齒輪轉角的大小;
      乃、5、人一一分別代表操作人員手動發出的扭矩、方向盤阻尼的大小以 及轉動慣量;
      JsBses 一一則分別表示方向盤的總轉動慣量的大小、輸入軸上的阻尼 系數大小以及輸出軸上的轉向角的大小;
      gmTmTJeBe一一分別代表減速機構的傳動比、電機轉矩大小、 輸出軸轉矩大小、輸出軸上轉動慣量的大小以及輸出軸上的摩擦系數的值;
      URi、^、wm 分別表不電機的電壓大小、電阻大小、電流大小、
      電感大小、電機的轉矩系數大小以及電機角速度的大小。
      5.1.4智能轉向子系統控制設計
      本設計中我們采用山東先河汽車轉向器有限公司提供的電動助力轉向器,原 轉向系統的示意圖如圖5-2所示,接口定義見表5-1,接口示意圖如圖5-3所示。 在搭建好智能車二自由度數學模型和轉動助力轉向系統的數學模型之后,本章在 原電動轉向系統的基礎上進行再設計。

         
      圖5-2原轉向系統示意圖
      Fig. 5-2 Schematic diagram of original steering system
      表5-1電動助力轉向控制器接口定義
      Table 5-1 Interface definition of electric assistant steering controller
      端子號 插口定義 對應 信號輸 信號狀態 作用
          線束    
      1 點火信號 紅或 輸入 電壓為12V或24V的電平 給控制器提供接通工作
            信號,高電平有效 提示
      2 車速信號 輸入 峰值為12V或24V的方波 給控制器提供車速變化
              信號 信號
      3 力矩傳感器 輸入 電壓為5VDC的電源正極 用于控制器給傳感器的
        電源       供電
      4 力矩傳感器 輸出 電壓為0VDC?5VDC的 用于輔助判斷檢測主路
        輔路     模擬電壓信號 信號
      5 力矩傳感器 輸入 電壓為5VDC的電源負 用于控制器給傳感器的
        GND     供電
      6-9、11、 13 10        
      K-線   輸入 正常情況下浮空,接標定 用于傳感器的標定
              儀有效  
      12 發動機轉速 輸入 峰值為12V或24V的 給控制器提供啟動信號
        信號     方波信號或脈沖信號  
      14 力矩傳感器 輸出 電壓為0VDC?5VDC 用于控制器判斷控制電
        主路     的模擬電壓信號 機正反轉及電流大小
      15        
      16 診斷、標定 輸入 正常狀況下浮空,接電源 用于故障診斷和傳感器
        端子     負極有效 信號標定
      17        
      18 CANH 輸入 與車輛CAN總線連接 用于采集車輛車速及轉
                速信號
      19 CANH 輸入 與車輛CAN總線連接 用于采集車輛車速及轉
                速信號
      20 EPS指示燈 輸出 電壓為12V或24V的
      電平信號,髙電平有效
      用于故障的顯示
      21 電源+ 輸入 電壓為12V或24V的
      持續供電電源(蓄電池)
      用于提供電機工作動能
              正極  
      22 電源一 輸入 電壓為12V或24V的
      持續供電電源(蓄電池)
      用于提供電機工作動能
              負極  
      23、24 電機插口 紅\黑 輸入 與車輛CAN總線連接 用于控制器給電機供電
       

          24   21
      201918^16^51413^2U 10 98765432 1 1 1 F 1
      _ 23 _ 22
          1=1   1=1
      —i i 1 n i 1 i—    
       
       
       
      圖5-3電機控制器接插口
      Fig. 5-3 Motor controller socket
      圖5-3中,左邊是車速、轉速、扭矩彳目號插口,中間是電機線插口,右邊是電 源線插口。對應控制器插口插件型號:1.電機插口護套:KET7123-4129-90端子: DJ621-9.5 電源護套:DJ7021-9.5-21 端子:DJ621-9.5 3.各信號插口 護套: AMP175967 端子:AMP173681
      如圖5-4所示,為山東先河汽車轉向器有限公司提供的電動助力轉向器實物圖, 該控制器的轉向控制信號線是白、黑兩線,分別為0到5V的電壓信號。兩電壓相 加為5V,白線端子和黑線端子電壓都等于2.5V時電機靜止,白線大于2.5V左轉,
      白線小于2.5V時右轉,電壓越大,電機轉動速度越低,轉動力矩越大。
       
      圖5-4電動助力轉向器 Fig. 5-4 Electric Power Steering
       
      如圖5-5左圖所示,為原電動汽車轉向控制原理,人為轉動方向盤,扭矩傳感 器感受左轉或者右轉的力矩,給轉向電機控制器發送電壓信號,控制器控制電機 左右轉動。如圖5-5右圖所示,為智能轉向設計,我們在原控制基礎上進行設計改 造,利用PLC的擴展模塊功能,采用PLC模擬扭矩傳感器給轉向電機控制器發送 電壓信號控制電機左右轉動,同時角度傳感器感知轉動角度反饋給PLC控制器, 形成閉環控制系統。切換按鈕實現切換PLC的輸入信號,工控機信號和扭矩傳感 器信號,信號源為工控機信號時為自動駕駛,扭矩傳感器信號時為人工駕駛,從 而實現自動和人工駕駛的自由切換。
       
      圖5-5轉向器控制原理 Fig. 5-5 Steering Control Principle
       
      5.1.5基于模型預測控制的智能轉向控制策略
      控制層是電動汽車智能駕駛系統的最底層,其目標是實現控制指令,一般采 用反饋控制。相對于開環控制方法,反饋控制可以更好的檢測實際運行結果與理 想目標的差距,從而達到精確控制。
      在實際的工業自動化領域,應用最多的閉環反饋控制器有PID控制器[42] (Proportional-Integral-Derivative Controller),PID 控制器經過多年的實際驗證,已
      經十分成熟穩定,該控制器通過誤差信號進行控制,其誤差信號由比例誤差、積 分誤差以及微分誤差組成。雖然PID控制器控制簡單,但如果應用于智能駕駛汽 車轉向控制則會存在一些問題,智能轉向系統是個復雜的系統,智能駕駛汽車在 行駛過程中涉及到的狀態參數比較多,需要對后續的行車道路和方向進行不斷預 測,而PID控制器信號處理太簡單,且內部不存在系統模型,所以無法對智能轉 向系統進行最優控制,經過綜合比較,最終本設計的智能轉向系統采用模型預測 控制算法[43] ( Model Predictive Control ),簡稱 MPC。
      (1) 模型預測控制原理及轉向應用分析

      模型預測控制算法應用于智能轉向系統,控制效果好,抗干擾能力強,能夠 處理多個參數,且該算法能對轉向系統進行預測控制。其控制原理如圖5-6所示。 最終需要的輸出位置為圖5-6虛線位置,點畫線為預測輸出位置,點畫線與縱軸交 點為當前位置,縱軸左側實線為實際輸出量,縱軸右側實線為預測輸出量。行車 過程中,先對未來輸入進行預測,但由于預測值只是一個理想值,在實際運行過 程中會受到周圍環境的影響,而且系統存在非線性,預測模型不是完全匹配,所 以預測結果會和實際檢測結果有一定偏差,需要采用實際結果進行反饋校正。該 算法的全局最優目標不是一成不變的,而是釆用滾動式的優化方法,每次采樣都 會進行滾動式優化[44]
      車量的動力學模型可以得到表示該系統狀態的方程式:
      \jC = ^X + Bu + Dq)e+E(pe (5.5)

      該式中&的二次導數在該系統中的作用范圍非常小,在控制過程中可以忽略
      不計,所以式(5-5)又可以被簡化為
      iz = ^Z^Bu + D(pe (5 6)
      在模型預測控制算法中,計算機需要對采集的信息進行預測處理,但信息采 集是存在時間間隔的,計算機只能通過離散的點經過一定處理,近似的表示成連 續信號,所以該控制模型還需要進行離散化處理,將其轉化成離散時間狀態方程, 采樣的時間間隔相等,用7;表示,可以得到
      [x{k + l) = AsX{k) + Bsu{k) + Dscpe {k) (5 ?)
      式中,4=/+7\A;
      b =/+r b
      s s
      D =I+T D
      s s
      /: = 0,1,2 …。
      在智能車行駛過程中,MPC控制器以期望的橫擺角速度《作為衡量標準,在 此基礎上控制下一步的行車參數。忽略各種干擾因素的影響,允會以衰弱的趨勢 逐漸變化。該衰弱方式可以分為兩種情況:以指數方式衰減和以線性方式衰減, 綜合比較而言,以指數方式衰減的方式會更加平穩,所以本設計采用指數衰減的 方式進行優化。該模型的期望軌跡方程可表示為:
      y^ik+l)=Mk) (5-8)
      式中,
        0 0 0
      0   0 0
      0 0   0
      0 0 0 eK
      屮=
       
      k2^ k3> kA 行車過程中期望被控制的參數;
       
      eD、^D、〇ee 分別表示衰減系數;
      間常數;
      針對模型預測控制,把增量數學模型添加到預測系統中有

      ajc(^ + 1) = + Bsau(J<^ + Dsy/ [k + \) (5 9)
      y ⑷= C>J ⑷”(眾-1)
      式中,AX(/:) = X(^)-X(H); x(k)——為控制變量; y(k)——輸出變量;
      Au(k) = u(k)-u(k -1)
      如果智能車目前時間為fc,控制模型的預測控制時域為m,并且有p>m,如 果時間超過+ m時刻,控制增量將保持不變,所以在j > m時候,+ /: I /〇 = 0。 由上文知道^岣和都是已知的,可以通過迭代法對該系統未來狀態變化進行
      預測,由& +1時刻一直到& + p時刻的預測過程如下
      ax(/: + 1I /:) = Aax(/:) + 5aw(/:) + Dx}/(/:+1I /:) (5-10)
      ax(^ + p\k) = Aax{Jc + p-\\ k) + BAu{k + p-Wk^ + D^^k + p\k) (5-11)
      與之相對應的模型預測控制中的輸出變量為
      夕⑷=Cax ⑷+ y (眾-1) (5-12)
      y{k + p\k) = Cax{Jc + p\k^ + {k + p -\\k) (5-13)
      由公式(5-12)和(5-13)可轉化成矩陣的表達方式,這里對矩陣進行簡寫 Yp{k+\\k) = AAX{k)+BAU (yt) + Dll/(yt)+y(yt) (5-14)
      由公式(5-14)可知,對于該控制系統的當前狀態,狀態變量以及控 制時域內的控制增量可以計算得到預測時域內的狀態量及輸出量,能夠
      很好的實現控制算法的預測功能。
      (3)目標優化求解
      在控制時域內,△[/〇〇這一參數是不知道的,所以需要系統設定理想目標,
      通過一定算法對其進行優化求解,通過綜合比較最終選用的最小指標函數為二次
      型目標函數。具體計算過程如下。
      ndnj(y(k),AU(k)) =
      minZ尸小+ f丨^)1-(^ + /⑷巧
      i=l
      ^ Pau {k+i\k^P^ + ps2
      i=l
      禮n㈣〈碑+ 0 <1㈣
      / = 0,l,2,...m -1
      t^+0〈昨+0<?a“㈣
      i = 0,l,2,...p-l

      ^min (^+0<3(^+0<3max(^+0 i = 0,l,2,...m-l
      式中,>;-0+=[};-(炎+1));-0+2)".};-(^+夕)]、
      Q一一預測與期望輸出偏差的權重矩陣,2 =出agf% & R 控制增量權重矩陣,= 廠2…&]
      9
      P——松弛因子權重系數;
      S——松弛因子;
      對于該模型預測控制系統,在不斷優化過程中,也在不斷調整其相關參數。 對于有些參數是可控的,其中,g和A兩個權重矩陣是可以對其進行調整,從而達
      到調節目標。e松弛因子主要用于控制收斂狀況,當s大于1時,能夠使得收斂速 度加快,反之會使得收斂條件得到改善。在公式(5-14)反映了模型預測控制系統 的跟蹤能力以及系統控制的平穩性能,最終目標為實現系統快速穩定的跟蹤期望 軌跡。
      min / = xmnVU (k)T HVU (k)-GTVU (k) (5-19)
      VU(k) VU(k) v f v f v f
      MVU(k)<b (5-20)
      結合公式(5-19)和(5-20),該系統運行的整個過程被分為m個小時域,系 統的每一個時域運行,都會進行一次滾動優化,使得控制增量不斷優化改
      變。
      At/(/:) = aw(^+1) L Aw(^ + m-l)J (5-21)
      △小) = [1 0 L 0]-碑) (5-22)
      當這一增量作用到被控制對象上的時候有
      u (/:) = u{k-\\k) +au (/:) (5-23)
      5.2剎車子系統設計
      汽車制動性能的優劣對車的影響十分關鍵,制動系統必須保障智能車在需要 的時候能夠穩定減速或停車[45_46]。本設計是從駕駛人員的角度出發,首先分析剎 車系統中各個參數對系統的影響,然后通過分析比較,找到最優控制參數設計智 能剎車系統。電動汽車原剎車踏板實物圖如圖5-7所示。
       
      圖5-7原剎車踏板實物圖 Fig. 5-7 Physical drawing of original brake pedal
       
      5.2.1影響制動性能的參數分析
      汽車優良的制動系統是行車安全的基礎保障[47_48]。通過查閱相關文獻,發現 大量的單車道交通碰撞事故中有70%以上的原因是由于駕駛人員制動時沒有選擇 最大制動力制動,制動力是剎車系統中的一項重要設計參數,行駛過程中需要根 據駕駛員的不同制動意圖,輸出不同大小的制動力。對于剎車系統可以采取相應 的措施增強汽車的制動力的大小,從而可以更好的保障行車安全。制動系統中最 直接的參數有:制動踏板的位移量、制動踏板力、車速等。
      通過查閱資料、實驗結果以及對上文分析,剎車系統中的最佳設計參數是制 動踏板的位移量,事實上,駕駛人員也是通過改變制動踏板的位移量實現制動的[49]。 制動踏板位移量控制簡單、容易測量,再配合其他的傳感器和控制器可以很好的 形成閉環控制系統[5()]
      通過以上分析,本設計決定通過控制“制動踏板位移量”這一制動參數來設計智 能駕駛系統中的剎車子系統。
      5.2.2智能剎車子系統設計方案
      針對剎車子系統我們提出兩種設計方案:
      方案1:如圖5-8所示,在原車的剎車踏板連桿上加裝行程可變的步進推桿電 機,自動駕駛時PLC控制步進電機驅動器驅動推桿電機旋轉,活塞桿的伸縮帶動
      踏板的下壓和恢復;當人工駕駛時,由切換按鈕切換到人工駕駛功能,踩動踏板, 壓力傳感器感受到壓力,給PLC發送壓力信號,PLC控制步進電機轉動伸縮,從 而達到控制要求。為了一些情況下的特殊需要,在PLC程序中設定數字開關,當 車停在小于20度斜坡時,按下數字開關,剎車踏板下壓不會自動彈起。
       
      Figure 5-8 Design of Brake Subsystem
      如圖5-8所示:其中1.制動主缸,2.電動推桿,3.plc控制器,4.制動踏板,5. 車架,6.踏板連桿,7.安裝孔,8.活塞桿,9.壓力傳感器,10.彈簧,11.推桿,12. 電機驅動器和電動機,13.推桿底座,14.缸體,15.活塞,16.鉸支座,17.螺栓孔,
      18.防滑層。
      方案2:與第一種方案相似,由PLC、步進電機、鋼絲繩、線輪、彈簧、踏板 連桿組成,工作時,PLC控制電機旋轉,通過電機帶動線輪旋轉,牽引鋼絲繩拉 緊,鋼絲牽引踏板連桿下壓,彈簧牽引踏板連桿恢復。
      通過比較分析以上兩種方案,第2種方案結構簡單,操作方便,但細鋼絲在 牽引過程中會受到纏繞精度的影響,影響制動性能,這里采用第1種設計方案。
       
      5.2.3駕駛員制動反應時間分析
      在駕駛員意識到危險,經過大腦一系列思考處理,到最后開始執行制動操作 所需要的時間為駕駛員制動反應時間,有些理論也包括制動器的響應時間。但在 駕駛過程中會遇到很多需要制動的情況,制動環境各不相同,在不同的環境下制 動反應時間是不同的,而且,不同的駕駛人員就算面對同樣的情況制動反應時間 也是不同的,這就很難獲得一個準確的制動反應時間標準。通過查閱相關文獻資 料,正常情況下,駕駛員的制動反應時間都在2s以內。通過對大量實例進行研究
       
         
       
         
       
       
      分析,對不同制動路況進行劃分,最終得出6種不同危險情況下的駕駛員制動反 應時間,如圖5-9所示。
      工況類權
      圖5-9不同路況駕駛員反應時間統計數據
      Fig. 5-9 Statistics of Driver Response Time under Different Road Conditions
      也有文獻研究駕駛員的制動反應時間存在一定規律,通過大量研究分析,發 現其反應時間非常接近正態分布[51],在這里對其進行擬合,參數R=0.87,擬合均 值u=1.387s,接近算數平均值1.36s。
      通過查閱有關資料,當人執行制動行為之后,一般制動器響應時間會在0.1s 以內,所以駕駛人員的制動反應時間加上制動器響應時間為1.37s左右,對于速度 48mm/s的推桿電機完成58mm行程伸縮可以在1.36s以內實現,滿足制動要求[52]
      5.2.4步進推桿電機選取及控制方法
      根據以上分析,選擇常州路易電動推桿有限公司生產的電動推桿,如圖5-10 戶斤示。推力250N,速度48mm/s,推桿電機本身行程100mm,但根據剎車踏板下 壓行程距離只需要58mm即可。采用彈簧測力計測量剎車踏板下壓至最大行程 58mm時,力的大小為185N,電動推桿的最小推力250N大于185N,推桿電機行 程100mm大于制動踏板行程58mm,結合駕駛員制動反應時間的關系,該電動推 桿滿足設計要求。
       
      Fig. 5-10 Stepper Motor and Stepper Motor Driver
      對于運動控制系統一般由控制部分、驅動部分和執行部分三部分組成,控制 部分需要通過驅動部分對執行部分的位置和速度都進行精確控制。在這里釆用S7 200PLC作為控制器,步進電機驅動器為驅動部分,步進推桿電機和踏板連桿為執 行部分[53_54]
       
      5.3加速子系統設計及控制方法
      如圖5-11所示,為原電動汽車加速系統的加速器實物圖,該加速系統的使用 原理主要通過駕駛員踩動加速器,加速器由初始位置逐漸被下壓到最低位置,在 此過程中加速器輸出電壓由0V逐漸增長到4.7V,駕駛員通過控制加速器踏板的下 壓程度控制加速器輸出不同加速電壓,從而達到控制電動汽車實現調節速度的目 的[55_56]

      圖5-11原電動汽車加速器 Fig. 5-11 Accelerator of Electric Vehicle
       
      如圖5-12所示,原車加速子系統可以被抽象為圖5-12中的(a)圖,圖5-12 中的(b)圖為本文設計的智能駕駛加速子系統,利用PLC擴展模塊模擬加速器輸 出0到4.7V模擬電壓控制加速系統。在該子系統中,自動駕駛時,PLC處理來自 工控機的信號,人工駕駛時PLC處理來自加速器的電壓信號。其中重要的是在PLC 程序設定中,當剎車行為執行時加速系統關閉,增加智能駕駛的安全性。 
       
      (a)原車加速控制子系統 (h)智能駕駛加速子系統
      圖5-12加速子系統設計
      Fig. 5-12 Acceleration Subsystem Design
      5.4中控系統外圍電路設計
      根據系統輸入輸出點數和控制要求對PLC的I/O地址進行分配[57_58],如表5-2 所示。

      表5-2 PLC的輸入地址分配表 Table5-2 Input address allocation table for PLC
      I/O地址 ft#~
      10.0 步進電機上限位開關
      10.1 步進電機下限位開關
      10.2 切換開關
      10.3 緊急剎車
      AIWO 扭矩傳感器電壓1
      AIW2 扭矩傳感器電壓2
      AIW4 加速器
      AIW6 角度傳感器
      AIW8 速度傳感器
      AIW10 壓力傳感器
      QO.O 脈沖輸出
      Q0.2 步進電機方向
      AQWO 轉向子系統電壓1
      AQW2 轉向子系統電壓2
      AQW4 加速子系統電壓1
      AQW6 加速子系統電壓2
       
       
       
         
      根據PLC的I/O地址分配順序以及智能駕駛系統的總體控制要求,我們做出 了 PLC的外圍電路設計和具體接線設計,設備采用CPU224和4個EM235擴展模 塊,在設計圖中因為整體設計尺寸太大,我們這里省略了一些沒有用到的接口, 因為擴展模塊相同,所以把幾個擴展模塊整畫在一起[59]。具體如圖5-13所示。
      圖5-13 PLC外部電路接線圖
      Fig. 5-13 External circuit wiring diagram of PLC

      5.5中控系統軟件設計
      本文采用模塊化的編程思想對控制系統的軟件進行設計,即編程時對系統的 功能進行劃分,分為各個功能子模塊,并分別編程實現,在完成個子模塊的編程 后在主程序中進行調用[6()]。如圖5-14所示,在系統開始運行初始化后判斷智能駕 駛系統的工作模式,人工駕駛這里不做過多闡述,自動駕駛時工控機對來自雙目 立體視覺的信息進行處理決策,判斷轉彎、剎車、速度等情況,角度傳感器判斷 是否到位,若暫時不需要轉向就返回等待后續控制指令。本設計中剎車系統制約 加速系統,由推桿電機調節剎車,PLC模擬加速器調節電壓,速度傳感器感知速 度變化,結束后保持穩定并返回初始狀態,等待下一步控制指令[61]。 
      圖5-14控制系統的流程框圖 Fig. 4 Flow chart of control system

      5.6本章小結
      本章主要在原駕駛系統的基礎上對轉向、剎車、加速各個子系統進行結構以 及模型分析,通過在轉向控制結構上加裝傳感器、控制器以及相關輔助機構完成 了低速電動汽車駕駛系統智能化改造。采用工控機以及PLC擴展模塊對各個子系 統進行協同控制,完成了基于模型預測控制算法的智能轉向算法設計、低速電動 汽車各個子系統與西門子S7-200 PLC控制器及其擴展模塊的外圍電路設計,最后 完成了該中控系統的軟件控制流程。

      第6章實驗仿真
      6.1搭建智能駕駛系統實驗平臺

       
         
      根據第五章對低速電動汽車駕駛系統的智能化改造,搭建實驗平臺,如圖6-1 所示。實際調試過程中,按照先硬件后軟件的思路進行調試,在對系統的硬件和 軟件調試完畢后,對整個系統進行了實驗研究并用MATLAB軟件進行了仿真分析。
      6.2制動實驗仿真
      制動試驗中,分別對緊急制動和非緊急制動兩種情況進行了實驗分析,根據 國標GB-12676-1999中關于制動距尚的評定,參考其中應急制動系統性能要求, 公式關:
      5max = 〇.15v + — =33.8m

       
       
      5max 為最大制動距離;
      實驗中根據實際情況我們選擇合適的參數,由緊急制動情況下制動公式可得, 電動試驗平臺以40km/h的車速制動的制動距離滿足33.8m以內即可滿足要求。國

      家標準GB-12676-1999汽車制動系統結構性能和試驗方法中規定MFDD (英文 Mean Fully Developed Deceleration的縮寫,含義為平均減速度,即汽車在整個減速 過程中加速度的平均值)是一項重要的制動性能參數。具體的實驗數據見表6-1。

       
         
      根據制動數據表6-1可知,采用MATLAB軟件繪制出緊急情況和非緊急情況 的制動曲線如圖6-2所示。緊急制動情況下的最大制動距離為16.90m,小于國標 規定的最大制動距離,滿足設計要求。
        表6-1基本性能試驗統計數據  
        Table6-1 Basic performance test statistics  
      類別 單位 緊急制動數據 非緊急制動數據
      初始速度 km/h 39.60 39.60
      制動距離 m 16.90 32.53
      制動時間 3.00 5.91
      MFDD 3.59 1.86
      校正到整倍車速 km/h 40.00 40.00
      校正后MFDD m/s2 3.60 1.86
       
       
       
      6.3調速實驗仿真
      調速實驗中調速電壓為0到4.7V,智能車速度調節范圍設定在0到40km/h, 在實驗中理想的速度電壓曲線如圖6-3中紅色線所示,但在實際運行中,由于路況 和環境的影響,存在一定偏差,實際電壓速度曲線為圖6-3中藍色線顯示。
         
      6.4轉向實驗仿真
      目前應用比較多的是Carsim軟件和MATLAB軟件中的Simulink工具箱, Carsim軟件主要用于車輛動力學建模,能夠預測仿真車輛的穩定性、動力性等各 種性能[63_64]。而Simulink工具箱應用范圍廣泛,高效靈活,對于模型預測控制系 統,它可以持續采樣,如果采樣時間不等,Simulink也有著很好的適應性,該軟件 在動態系統以及欣入式系統中都能仿真建彳吳,其建彳吳過程只需點擊拖動彳吳型方塊 圖即可,操作簡單,靈活方便。
      由第五章的MPC控制算法,根據模型預測設計的智能轉向控制策略搭建轉向 仿真平臺,首先利用Carsim搭建智能車模型,然后采用Simulink進行仿真分析[65]。 在Carsim軟件的設定中,以B-class,Hatchback為實驗對象,此車為后輪驅動, 經過調整更改為電機驅動。該模型的最終輸出量為智能車在坐標系中的坐標值 (%,凡),以(m)為單位,偏航角的單位為(°),偏航率AVz的單位為(°/s)。MPC 控制模型以S函數形式體現在控制系統中,具體模型如圖6-4所示。


       
         
      仿真條件見表6-2。
      表6-2轉向仿真實驗參數數據 Table 6-2 Parameter data of Steering Simulation Experiment
      參數名稱 參數數據
      采樣周期7; (s) Ts= 0.05s
      預測時域p p = 20
      控制時域m m = 10
      權重系數 Q = diag (1,1,1.5,1.5) /? = 5000
      廣=10
      衰減指數 ex ~ekl -e^ =ek4 =0.31
      松弛因子 ^ = 8
      轉向路徑半徑 10m
      初始角度(度) 0
       
       
       
      當初始速度為40km/h時,可以得到基于該模型預測控制的響應曲線如圖6-5 所示:

       

                 
          j 7 \/Vy    
      1/   :/ V V    
                 
       
      1.5 2 2.5
      時間/s
       
       
      (a)前輪轉角仿真結果
       
      2.5
      時間/s
       
      (b)橫向位移偏差仿真結果
       
       
      (c)橫擺角偏差仿真結果
      圖6-5智能車彎路仿真
      Fig. 6-5 Intelligent Vehicle Bending Simulation
      由圖6-5所示的仿真結果可知,在剛開始行車時,智能車可以很好的沿著道路 前進,前方出現彎道,智能車開始控制轉向系統進行轉向,這時出現智能車前輪 偏轉,同時出現橫擺角偏差,智能車根據反饋數據不斷進行優化調整,橫擺角偏
      差逐漸趨于穩定,而前輪轉角趨于固定值。當轉彎結束,智能車需要重新沿直線 行駛,這時前輪轉角出現恢復轉向波動,出現橫向位移偏差,橫擺角偏差變大, 智能車系統進行轉向調整后誤差逐漸消失,轉向成功。由圖6-5可知,橫向位移偏 差不超過4cm,橫擺角偏差不超過1度,智能車運行相對比較平穩。該實驗結果 表明,設計的智能轉向控制系統能夠按照預定的順序進行動作,而且位置精度能 夠滿足要求,具有較高的自動化程度。
      6.5本章小結
      本章通過Carsim軟件和MATLAB軟件以及Simulink工具箱對低速電動汽車 的智能剎車、轉向性能分別進行了簡單模擬仿真操作,對調速系統進行了驗證分 析。針對制動系統,分別從緊急制動和非緊急制動兩個方面進行了仿真分析,結 果表明設計的制動系統在緊急情況和非緊急情況下都能有效制動;針對轉向系統, 從橫向位移偏差、橫擺角偏差以及前輪轉角三個方面對智能車轉向系統進行了分 析研究,仿真結果表明,低速電動汽車整體運行平順性較好,轉向、制動性能穩 定可靠,響應速度快。

      第7章總結展望
      7.1結論
      (1) 低速電動汽車智能駕駛系統總體設計。
      通過分析國內外智能駕駛汽車的研究成果,比較了激光雷達傳感器和相機傳 感器在智能駕駛領域中各自的應用特點,結合自己實際研究對象以及低速電動汽 車智能駕駛的應用場合,最終選擇以雙目立體視覺為基礎,構建低速電動汽車智 能駕駛系統。該系統主要依靠雙目立體視覺采集環境信息,通過工控機和PLC及 其擴展模塊分別控制轉向子系統、剎車子系統以及加速子系統協同工作。
      (2) 利用多線程技術實現雙目相機環境圖像采集。
      搭建雙目立體視覺釆集系統,該系統是本設計的基礎感知系統,通過分析比 較各個相機傳感器,最終選擇兩款相同的像素130萬的BaslerCCD工業相機,釆 用C++編程語言和多線程技術控制兩臺相機實現同步拍攝,完成了雙目立體視覺 采集系統的硬件以及軟件搭建。
      (3) 相機標定和圖像預處理。
      通過對比不同的相機標定方法,最終選擇通過MATLAB軟件對雙目相機進行 標定,標定方法準確,標定過程簡單;對相機拍攝的成對的目標圖像進行預處理, 包括圖像灰度化處理、圖像平滑濾波處理以及圖像銳化處理,降低圖像數據的復 雜程度,去除圖像上的雜質和干擾因素,為后續的圖像分割和三維環境重建提供 標準數據。
      (4) 智能駕駛中控系統設計。
      在原低速電動汽車的駕駛系統上,對轉向子系統、剎車子系統以及加速子系 統進行了設計改造,完成了各子系統控制機構的PLC接線設計和控制軟件設計。 針對轉向子系統添加基于模型預測的轉向控制算法,通過Carsim軟件和MATLAB 中的Simulink工具箱對低速電動汽車進行仿真,完成轉向、剎車、加速系統的驗 證分析。
      7.2展望
      本設計通過雙目立體視覺技術搭建低速電動汽車智能駕駛系統,雖然對其進 行了一定的研究,但還有需要完善和深入的地方,目前且對其作如下展望。
      (1)本文設計的低速電動汽車智能駕駛系統功能相對還不夠完善,對制動系 統還應該進行深入研究。
      (2) 該系統主要是以雙目立體視覺為基礎搭建的,還應該嘗試以多目視覺為 基礎、以相機與激光雷達傳感器配合為基礎等多種方法搭建智能駕駛系統,對其 綜合比較,直到搭建出最優駕駛系統。

      致謝
      致謝
      兩年半的研究生生活就快要結束了,在河北工程大學的工程并行開放實驗室 這個團隊中我學到了很多,在這里我想對曾經在學習和生活中不斷指導我、督促 我、幫助我的老師和朋友們表示最真摯的感謝!這段時間一直有你們相伴,我感 到非常的榮幸。
      在這段學習時光中,我各方面都得到了很大提升。在學習上我學會了如何獨 立去學習、思考以及獨立地去解決各種問題,這不僅是學習能力的培養,更是一 種不斷進取的品質的養成;另外,我們團隊共有二十多位成員,大家擅長領域各 有不同,遇到問題共同解決,在感受到團隊力量的同時更有一種家的感覺。
      在這里,首先我要感謝我的導師張京軍教授。他不僅是我學習中的導師,更 是我人生中的導師。張老師為人樂觀豁達,學識廣博,對待科學研究一絲不茍, 不僅注重學生知識的培養,更加注重學生科研能力的培養,張老師獨樹一幟的科 研理念、自強不息的人生態度、盡職盡責的治學風格指引著我今后人生道路的方 向,而這必將使我受益終生。
      感謝實驗室高瑞貞老師。生活中我們交流很多,這兩年多里高老師在教研室 中照顧著我們每位成員的方方面面,雖然他沒有說,但我知道他非常辛苦。高老 師心思細膩,對待科研一絲不茍,對待他人熱心誠懇,在學習和生活中都給了我 很多寶貴的意見。
      感謝實驗室中的孫揚老師、賈曉娟老師以及各位師兄弟對我學習和生活上的 幫助,有你們的陪伴我感覺非常充實。
      最后我要感謝我的父母家人,感謝這些年來你們一直對我默默的付出與支持, 感謝你們一直以來對我的無微不至的關愛,這些年來你們辛苦了!
      【本文地址:http://www.dnatongmu.com//jiaoyulei/xiaoxueyuwen/1507.html

      上一篇:舵軸系安裝過程中切削工具的選擇

      下一篇:農業勞動力轉移與農業機械化對中國農業經濟增長 的關聯影響分析

      相關標簽: