CN103226354A

CN103226354A - 基于光电导航的无人驾驶道路识别系统

Info

Publication number: CN103226354A
Application number: CN2013100628798A
Authority: CN
Inventors: 柯宗泽; 苏成悦; 李欣怡; 刘柏芳; 邹志明
Original assignee: Guangdong University of Technology
Current assignee: Guangdong University of Technology
Priority date: 2013-02-27
Filing date: 2013-02-27
Publication date: 2013-07-31

Abstract

本发明公开了一种基于光电导航的无人驾驶道路识别系统，包括视觉模块、图像处理模块、道路识别模块、速度控制模块和转向控制模块，主要通过处理出道路边界、模拟出轨道中央目标轨迹、识别转弯标志实现十字路口转弯、多元PID转向控制模块及速度控制模块，实现车快速循迹不断变化的目标轨迹并能通过识别不同颜色标识的色块实现指定的速度及转向功能。本智能优化控制系统不同于传统的循迹车，该光电导航车通过识别现实中的道路边界（如绿化带、栅栏等）及转弯标志，不需要外设支持就能实现无人驾驶，具有现实意义。

Description

基于光电导航的无人驾驶道路识别系统

技术领域

本发明涉及无人驾驶车辆的道路识别系统技术，更具体地，涉及一种基于光电导航的无人驾驶道路识别系统。

背景技术

无人驾驶车辆是未来智能汽车的发展方向，尤其适合从事旅游、应急救援、长途高速客货运输、军事用途等，具有可靠、安全、便利及高校的性能优势，能够减少事故，弥补有人驾驶汽车的不足。发达国家从20世纪80年代就开始进行对无人驾驶技术的研究，国内在无人驾驶汽车的开发方面比国外稍晚。无人驾驶车开发的技术关键主要有两方面：车辆定位和车辆控制。这两方面相辅相成共同构成无人驾驶汽车的基础。目前常用的定位技术包括磁导航和视觉导航等，而磁导航方法往往需要在道路埋设一定的导航设备（如磁钉、电线），系统实施过程繁琐且不易维护，路线固定且基础设施要求高。然而，视觉导航是模拟驾驶员视觉，对道路环境进行计算分析并作出决策，自动调节车辆行驶状态，因而被公认为是最有前景的定位方法。车辆控制技术是无人驾驶汽车的核心，主要包括速度控制和方向控制等几个部分。无人驾驶其实就是用电子技术控制汽车进行的仿人驾驶。通过对驾驶员的驾驶行为进行分析可知，车辆的控制是一个典型的预瞄控制行为，驾驶员找到当前道路环境下的预瞄点，根据预瞄点控制车辆的行为。无人驾驶汽车的研究，可以归纳为三个方面：高速公路环境、城市环境和特殊环境下的无人驾驶系统。而无论何种无人驾驶测试环境，识别当前道路环境，计算出预瞄点组成模拟目标轨迹尤为关键。

发明内容

为了实现在高速公路环境、城市环境和特殊环境下的无人驾驶，本发明提出来一种基于光电导航的无人驾驶道路识别系统，实现了循迹不断的变化道路，并且能通过识别不同颜色标识的色块实现指定的速度及转向功能，可适用于多种特定环境。

为了实现上述目的，本发明的技术方案为：

一种基于光电导航的无人驾驶道路识别系统，包括主控制模块、视觉模块、图像处理模块、道路识别模块、速度控制模块和转向控制模块；

所述视觉模块用于将实时采集的图像传输至图像处理模块；

所述图像处理模块用于从采集的图像中提取出道路边界及色块标志物，并将其传输至道路识别模块；

所述道路识别模块用于提取出道路边界线，模拟出轨道中央目标轨迹并识别色块颜色，并将其传输至速度控制模块和转向控制模块；

所述速度控制模块与转向控制模块分别用于控制车速、车向及轨迹。

优选地，所述道路识别模块根据道路边界线及色块颜色计算出车与目标轨迹的横向偏差量和方向偏角，作为速度控制模块和转向控制模块的输入量。

具体为：视觉模块采集路面实时图像，将其传输至图像处理模块，图像处理模块对实时图像进行处理，获取道路边界及色块标志物，并将其传输至道路识别模块，道路识别模块从中提取出道路边界线，并根据边界线模拟出中央目标轨迹，并根据色块标志物识别出色块颜色，在系统中存储有各中色块颜色代表的功能，再根据道路边界线及色块颜色计算出车与目标轨迹的横向偏差量和方向偏角，将车与目标轨迹的横向偏差量和方向偏角输入至速度控制模块和转向控制模块，速度控制模块和转向控制模块根据其来控制车速及车向。

优选地，所述主控制模块采用μC/OS嵌入式系统及高性能的ARMCortex-M3内核STM32的控制芯片。使用μC/OS嵌入式系统及高性能的ARMCortex-M3内核的STM32处理，高处理效率满足摄像头图像分析处理与存储。

优选地，所述视觉模块采用包括摄像头和显示器，所述摄像头上加设有偏光片，摄像头置于车中央；显示器实时显示经过处理后的道路图像以及模拟出的目标轨迹。

优选地，所述摄像头CMOS320*240分辨率的摄像头，显示器为TFT显示器。

摄像头加偏光片是对路面进行实时拍摄获取路面信息，摄像头置于车中央，使车的位置始终处于视觉图像中点；显示器实时显示经过处理后的道路图像以及模拟出的目标轨迹。

优选地，所述图像处理模块将获取到的路面RGB图像进行像素提取，通过优化的RGB平均值算法提取出道路边界及识别色块标志物，再对图像进行滤波除噪处理出目标道路边界并通过识别色块颜色确定目标速度及转向。

优选地，所述道路识别模块用于根据图像处理模块处理出的目标道路边界图建立坐标轴，运用最小二乘法模拟出道路中央目标轨迹，计算中央目标轨迹坐标（x,y）和轨迹斜率l。

优选地，所述转向模块采用改进的多元PID算法，使小车实时调整舵机方向，平稳地行驶于模拟道路目标轨迹之上，实现方式如下：

u = k_{p} e + k_{i} &Integral; edt + k_{d} \frac{de}{dt} + kθ

其中，u为控制器输出量，k_p、k_i、k_d和k分别为比例系数、积分系数、微分系数和偏角系数；

根据以下两式计算出车与目标轨迹的横向偏差量e和方向偏角θ；

e = | \frac{x - x_{0}}{2} |; θ = π - \arctan l;

式中：x₀为视觉图像中点坐标，x为中央目标轨迹横坐标；l为轨迹斜率。

使用多元PID算法实现了车速度、转向的智能最优化控制，相比同类算法更优化车速

优选地，所述速度控制模块在小车识别出色块标志物，获取色块预设代表速度值，计算目前速度与预设速度的偏差量作为速度控制器的输入量，小车将快速调整自身速度达到色块代表的预设速度值。

与现有技术相比，本发明的有益效果为：

1）使用μC/OS嵌入式系统及高性能的ARM Cortex-M3内核的STM32处理，高处理效率满足摄像头图像分析处理与存储，小车控制，彩屏实时显示，且成本低廉；

2）摄像头加置偏光片，有效消除了路面反光、光强不均等干扰因素，克服光电视觉导航对环境光线要求高、易受干扰的缺点。

3）TFT彩屏实时显示处理后的道路边界信息以及模拟目标轨迹，便于实时观测、调试；

4）有别于传统的循迹车，本发明适用于有边界标志的道路（如绿化带、栅栏等），不需在道路设计传感器等外部部件，更具现实意义。

5）使用多元PID算法实现了车速度、转向的智能最优化控制，相比同类算法更优化车速。

附图说明

图1为本发明系统的结构示意图。

图2为本发明的图像处理模块流程示意图。

图3为本发明一具体实施例的弯道模型示意图。

图4为本发明的视觉模块显示示意图。

图5为本发明一具体实施例的带转弯标志的十字路口模型示意图。

具体实施方式

实施例一

下面结合附图，并以光电导航的无人驾驶车识别道路边界为绿化带，以及预设色块标志物为转弯标志时这一具体实施例（即：速度控制模块马上将速度减到设定值，平稳渡过转弯处回到直道行驶状态又立刻加速到预定值）对本发明做进一步详细说明。

图1是依据本发明的基于光电导航的无人驾驶道路识别系统的系统结构示意图。该系统由主控制模块、视觉模块、图像处理模块、道路识别模块、速度控制模块和转向控制模块组成。视觉模块实时采集图像传输至图像处理模块，图像处理模块提取出道路边界传输至道路识别模块，道路识别模块提取出道路边界线模拟出轨道中央目标轨迹，计算出车与目标轨迹的横向偏差量和方向偏角，作为多元PID算法的控制输入量，通过多元PID速度控制模块和转向控制模块实现车快速循迹不断变化的目标轨迹；当车识别出用于区别于道路边界的指定颜色标识的色块时，即能实现指定的速度及转向功能（速度控制模块马上将速度减到设定值，平稳渡过转弯处回到直道行驶状态又立刻加速到预定值）。

图2是图像处理模块对视觉模块采集到的图像处理出绿化带边界的步骤：首先获取视觉采集到的图像，将每个以RGB565格式储存的像素点的G（绿化带颜色）通道的值运用RGB算法提取出来，处理出图像中的绿色成分；接着进行图像模糊去噪，处理出绿化带目标道路边界；判断是否有指定的代表转向标志的色块标志物，如果没有，将处理出的绿化带目标道路边界传至道路识别模块，如果指定的代表转向标志的色块标志物，则对车进行转向控制直到采集到的图像再次出现绿化带目标道路边界（说明车已经转向成功），将绿化带目标道路边界传至道路识别模块。

图3是道路识别模块对绿化带目标道路边界图进行建立坐标轴，运用最小二乘法模拟出道路中央目标轨迹，计算中央目标轨迹坐标（x,y）和轨迹斜率l。具体如下：提取每一行的边界线特征值，算出每一行边界的中点，组成离散的点，用这些离散的中点计算出一条直线方程，使用这条直线方程计算中央目标轨迹坐标（x,y）和轨迹斜率l。离散点的连线即中央目标轨迹。

图4是视觉模块中显示器实时显示经过处理后的道路图像以及模拟出的目标轨迹。对该视觉图像建立坐标如图示，其中（x,y）为当前行驶处中央目标轨迹坐标，（x₀,y₀）车当前所处位置，θ为偏离中央目标轨迹的方向偏角。由公式

计算车的横向偏差量；公式θ=π-arctanl，计算车与中央目标轨迹的方向偏角。将e和θ作为转向控制模块中控制器的控制量，通过控制使e=θ=0，便实现了使无人驾驶车沿中央目标轨迹行驶。以上分析都是属于静态分析。

实施例二

如何实现在高速度和道路弯曲变化大的情况下快速循迹模拟的中央目标轨迹，一方面有赖于主控制模块使用μC/OS嵌入式系统及高性能的ARM Cortex-M3内核的STM32处理，另一方面有赖于转向控制模块采用了改进的多元PID算法，使小车实时调整舵机方向，平稳地行驶于模拟道路目标轨迹之上，算法如下：

u = k_{p} e + k_{i} &Integral; edt + k_{d} \frac{de}{dt} + kθ;

（x₀为视觉图像中点坐标，x为中央目标轨迹横坐标），e为车的横向偏差量；

θ=π-arctanl，l为轨迹斜率；θ为车与目标轨迹的方向偏角。

图5是无人驾驶车在十字路口处识别到代表转向标志的色块标志物，在此实例中规定无人驾驶车转弯为标志所在的相反方向（如标志在左边界上，则车将向右拐）。当车识别出转弯标志时速度控制模块马上将速度减到设定值，由图可知，车行驶至路口处已探测不到绿化带，此时转向控制模块改变方向偏角这一控制输入量，使无人驾驶车向转弯标志向相反方向偏转，当车再次探测到绿化带并模拟出中央目标轨迹时，说明车已经成功转入道路，此后视觉模块中显示器显示的道路图像以及模拟出的目标轨迹为附图4情况，无人驾驶车在转向控制模块控制之下快速调整方向，实现对模拟出中央目标轨迹的快速循迹。

色块标志物是一种路面标志，可由程序员根据不同颜色色块，指定其所代表的具体的功能，设定无人车遇到标志物时将采取何种行动并通过速度控制和转向控制模块智能控制。

以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims

1.一种基于光电导航的无人驾驶道路识别系统，其特征在于，包括主控制模块、视觉模块、图像处理模块、道路识别模块、速度控制模块和转向控制模块；

所述视觉模块用于将实时采集的图像传输至图像处理模块；

2.根据权利要求1所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述道路识别模块根据道路边界线及色块颜色计算出车与目标轨迹的横向偏差量和方向偏角，作为速度控制模块和转向控制模块的输入量。

3.根据权利要求1所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述主控制模块采用μC/OS嵌入式系统及高性能的ARM Cortex-M3内核STM32的控制芯片。

4.根据权利要求1所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述视觉模块采用包括摄像头和显示器，所述摄像头上加设有偏光片，摄像头置于车中央；显示器实时显示经过处理后的道路图像以及模拟出的目标轨迹。

5.根据权利要求4所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述摄像头CMOS320*240分辨率的摄像头，显示器为TFT显示器。

6.根据权利要求1所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述图像处理模块将获取到的路面RGB图像进行像素提取，通过优化的RGB平均值算法提取出道路边界及识别色块标志物，再对图像进行滤波除噪处理出目标道路边界并通过识别色块颜色确定目标速度及转向。

7.根据权利要求6所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述道路识别模块用于根据图像处理模块处理出的目标道路边界图建立坐标轴，运用最小二乘法模拟出道路中央目标轨迹，计算中央目标轨迹坐标（x,y）和轨迹斜率l。

8.根据权利要求1所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述转向模块采用改进的多元PID算法，使小车实时调整舵机方向，平稳地行驶于模拟道路目标轨迹之上，实现方式如下：

式中：x₀为视觉图像中点坐标，x为目标轨迹横坐标；l为目标轨迹斜率。

9.根据权利要求1所述的基于光电导航的无人驾驶道路识别系统，其特征在于，所述速度控制模块在小车识别出色块标志物，获取色块预设代表速度值，计算目前速度与预设速度的偏差量作为速度控制器的输入量，小车将快速调整自身速度达到色块代表的预设速度值。