CN106950950A - 一种基于摄像头的汽车并线辅助系统和控制方法 - Google Patents
一种基于摄像头的汽车并线辅助系统和控制方法 Download PDFInfo
- Publication number
- CN106950950A CN106950950A CN201710120979.XA CN201710120979A CN106950950A CN 106950950 A CN106950950 A CN 106950950A CN 201710120979 A CN201710120979 A CN 201710120979A CN 106950950 A CN106950950 A CN 106950950A
- Authority
- CN
- China
- Prior art keywords
- steering wheel
- module
- chip computer
- image
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000004069 differentiation Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 8
- 238000001914 filtration Methods 0.000 abstract description 7
- 230000001133 acceleration Effects 0.000 abstract description 3
- 238000004904 shortening Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 239000006002 Pepper Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000009514 concussion Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 101100070541 Podospora anserina (strain S / ATCC MYA-4624 / DSM 980 / FGSC 10383) het-S gene Proteins 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于摄像头的汽车并线辅助系统,系统包括传感器模块、单片机模块、智能车舵机模块以及电源管理模块。本发明还公开一种控制方法,通过视频采集相应的车辆行驶前方的图像,然后进行中值滤波、动态阈值分割等方法探寻道路边界信息,再利用边界信息分别对车体进行速度以及转向控制,其中,本发明对速度采用闭环增量式PID控制,明显缩短控制周期使加减速更加及时,速度更加平滑。而对转向则采用闭环PD控制使舵机转向更加灵敏,达到提前预判的效果,从而实现并线辅助的功能,相对于现有技术,本发明的基于摄像头的汽车并线辅助系统和控制方法使车辆行驶过程更加安全可靠。
Description
技术领域
本发明涉及车辆智能驾驶控制技术领域,特别涉及一种基于摄像头的汽车并线辅助系统和控制方法。
背景技术
随着我国经济不断增长、城市道路以及高速公路等基础设施建设力度的不断加快,使得我国道路通行条件得到极大改善。与此同时,我国汽车企业制造技术不断提高,汽车生产种类不断完善并伴随国内市场对汽车消费需求持续旺盛,使得我国汽车的生产量和保有量不断增长。
虽然,我国千人汽车保有量还没有达到发达国家的水平,但是交通伤亡人数为最多的国家之一,而汽车交通事故中,驾驶员注意力分散以及对交通状况的误判是诱发错误操作的主要原因。
因此,研究及开发相应的驾驶员辅助系统,对提高驾驶过程中的行车安全性,具有极其重要意义。
发明内容
本发明的主要目的是提出一种基于摄像头的汽车并线辅助系统和控制方法,旨在提高车辆行驶过程中的安全可靠性。
为实现上述目的,本发明提出一种基于摄像头的汽车并线辅助系统,包括:
用于获取交通图像信息的传感器模块;
与所述传感器模块电连接并可预处理交通图像信息的单片机模块;
可根据所述单片机模块预处理的交通图像信息向舵机和电机进行控制的智能车舵机模块;
用于向所述汽车并线辅助系统供电的电源管理模块;
所述单片机模块分别与所述传感器模块以及所述智能车舵机模块电连接并可交互通信,所述智能车舵机模块与舵机电连接并可控制舵机调整汽车前轮定位或差速机构的转速旋转,所述电源管理模块分别与所述传感器模块、所述单片机模块、所述智能车舵机模块、所述舵机电连接并可供电。
优选地,所述传感器模块为OV7620数字摄像头。
优选地,所述单片机模块为MK60DN512ZVLQ10单片机。
优选地,所述智能车舵机模块为PCB电路。
本发明还提出一种使用所述的基于摄像头的汽车并线辅助系统的控制方法,包括以下步骤:
1)通过所述传感器模块扫描并采集车辆前方的交通图像信息后,将采集到的图像信息发送至所述单片机模块;
2)所述单片机模块收到图像信息后,通过自适应中值滤波法对图像信息进行去噪处理;去噪处理后,所述单片机模块通过图像阈值分割法对去噪后图像中的目标和背景进行差异化处理,以使目标和背景区域产生二值图像;
3)所述单片机模块通过跟踪中线算法对二值图像提取中线位置,并与所述传感器扫描检测到的图像中心线位置作差,根据中线位置以判断实时路况;
4)所述单片机模块将判断结果传输至所述智能车舵机模块,所述智能车舵机模块对舵机转向以及电机速度进行控制。
优选地,所述步骤1)中所述传感器模块对采集到的图像以奇场或偶场向所述单片机模块进行传输,所述奇场或所述偶场传输200~240行像素点。
优选地,所述步骤3)中所述传感器对远端图像的扫描以获取当前中线的行数为第150行至160行。
优选地,所述步骤4)中所述智能车舵机模块对舵机通过PD控制算法进行控制,所述智能车舵机模块对电机通过PID控制算法进行控制
本发明的基于摄像头的汽车并线辅助系统和控制方法,通过视频采集车辆行驶前方的图像,然后进行中值滤波、动态阈值分割等方法探寻道路边界信息,再利用边界信息分别对车体进行速度和转向控制。
本发明对速度采用闭环增量式PID控制,明显缩短控制周期使加减速更加及时,行驶速度更加平滑。对转向则采用闭环PD控制使舵机转向更加灵敏,达到提前预判效果,从而实现并线辅助功能,相对于现有技术,本发明的基于摄像头的汽车并线辅助系统和控制方法使得车辆行驶过程更加安全可靠。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明基于摄像头的汽车并线辅助系统的结构关系图;
图2为本发明传感器模块的输出信号示意图;
图3为本发明传感器模块图像采集流程图;
图4为本发明传感器模块图像采集后加椒盐噪声示意图;
图5为本发明传感器模块图像去除加椒盐噪声的示意图;
图6为本发明的弯道二值图;
图7为本发明的十字路口二值图;
图8为本发明的路况中线提取示意图;
图9为本发明的PID算法流程结构图;
图10为本发明的舵机转向控制流程示意图;
图11为本发明的电机驱动控制流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提出一种基于摄像头的汽车并线辅助系统。
参见图1,本发明实施例的基于摄像头的汽车并线辅助系统包括用于获取交通图像信息的传感器模块、与传感器模块电连接并可预处理交通图像信息的单片机模块、可根据单片机模块预处理的交通图像信息向舵机和电机进行控制的智能车舵机模块以及用于供电的电源管理模块。
本发明还提出一种使用基于摄像头的汽车并线辅助系统的控制方法,包括以下步骤:
1)通过传感器模块扫描并采集车辆前方的交通图像信息后,将采集到的图像信息发送至单片机模块;
2)单片机模块收到图像信息后,通过自适应中值滤波法对图像信息进行去噪处理;去噪处理后,单片机模块通过图像阈值分割法对去噪后图像中的目标和背景进行差异化处理,以使目标和背景区域产生二值图像;
3)单片机模块通过跟踪中线算法对二值图像提取中线位置,并与传感器扫描检测到的图像中心线位置作差,根据中线位置以判断实时路况;
4)单片机模块将判断结果传输至智能车舵机模块,智能车舵机模块对舵机转向以及电机速度进行控制。
具体地,传感器模块为OV7620数字摄像头,与OV7620数字摄像头电连接的单片机模块为MK60DN512ZVLQ10单片机,智能车舵机模块为PCB电路。MK60DN512ZVLQ10单片机分别与OV7620数字摄像头以及PCB电路电连接并可交互通信,PCB电路与舵机电连接并可控制舵机以调整汽车前轮定位或差速机构的转速旋转。另外,电源管理模块分别与OV7620数字摄像头、MK60DN512ZVLQ10单片机、PCB电路电连接并可供电。
因为数字摄像头的成本相对较低,并且能够获得包括道路车辆、行人及交通标线以及标志在内的大容量交通信息,因此被广泛应用于行人保护、车辆偏移预警以及前向防撞控制。
参见图2,本发明实施例用于获取交通图像信息的传感器模块为OV7620数字摄像头,OV7620数字摄像头采用隔行扫描的图像采集方法,因此采集到的图像可分为奇场和偶场进行传输,每场传输240行像素点。因为奇场和偶场采集到的图像基本是相同的,因此只需要使用奇场或偶场中的其中一场就可采集到一幅完整的交通图像。OV7620数字摄像头对图像进行每行采集结束后,摄像头的引脚VYSN则会发出一个行中断信号;而每场采集结束后,摄像头的引脚HREF则会发出一个场中断信号,这样使得行与行、场与场之间的时间间隔内,并行数据口Y产生消隐信号以阻止回扫线产生。
OV7620数字摄像头采集到相应图像信息后,因为MK60DN512ZVLQ10单片机内含有128KB的RAM空间,因此程序中不需要完全采集奇场和偶场共480行像素点。在不影响图像质量的条件下,本发明实施例可只采集偶场数据并从中平均地取出200~240行数据,这样既可节省内存空间,且200行数据即可满足相应的图像采集要求,具体的图像采集及处理流程如图3所示。
参见图4,OV7620数字摄像头在采集图像过程中不可避免地引入各种噪声,如椒盐噪声。引入的噪声不仅会妨碍感官,更加会妨碍后续的图源信息的理解和分析,造成处理结果上的误差。因此,在对图像阈值分割之前通常需要对目标图像进行相应去噪处理。在本发明实施例中,因为相邻各点有很强的相关性,边缘特征又要保证且不被模糊,所以自适应中值滤波最为合适。
本发明实施例对目标图像采取去噪处理时采用自适应中值滤波法,其中,中值滤波方式的效果依赖于滤波窗口的大小,如果滤波窗口太大则会使得边缘模糊,太小则会造成去噪效果不佳。
因为噪声点和边缘点同样是灰度变化较为剧烈的像素,普通中值滤波改变噪声点灰度时,也将一定程度上改变边缘像素的灰度值。因为噪声点的像素值几乎是邻域内的极值,但边缘通常不会是邻域内的极值,因此可以利用噪声这一特征对噪声点进行去除。
OV7620数字摄像头在进行逐行扫描图像时,当处理每个像素时,判断该像素是否为滤波窗口覆盖下邻域像素的极大值或极小值。如果检测的像素为滤波窗口覆盖下邻域像素的极值时,则采用正常的中值滤波处理该像素,而检测的像素不是滤波窗口覆盖下邻域像素的极值时,可不予进行处理。
具体地,上述关于去除噪声像素点方法的具体算法为:
设Aij是对象点(i,j)进行中值滤波的工作窗口,Fij为像素点(i,j)的灰度,Fmin为Aij中灰度最小值,Fmax为Aij中灰度最大值,Fmed为Aij中灰度中值,Favg为Aij中灰度均值,Amax为允许的最大窗口,A0为初始默认窗口。
自适应中值滤波算法的基本步骤如下:
1)计算Z1=Fmed-Fmin,Z2=Fmed-Fmax。
2)如果Z1>0且Z2<0则跳转至步骤4),否则跳转至步骤3)。
3)若Fij=Fmed,输出Favg;否则,增大窗口Aij的尺寸。若Aij≤Amax则重复步骤1)和步骤2),否则输出Fij。
4)计算g1=Fij-Fmin,g2=Fij-Fmax;
5)如果g1>0且g2<0那么输出Fij;否则输出Fmed。
在上述算法中,如果Fmin<Fmed<Fmax,表明Fmed不是噪声,转到步骤4)判断Fij是否为脉冲噪声,当Fij和Fmed都不是脉冲噪声时,优先输出Fij。当Fij和Fmed都是脉冲噪声时,输出Aij的灰度均值Favg。
通过上述算法可有效地去除突发噪声点,特别应用于椒盐噪声点,从而不会影响图像内部的边界,图像进行去除椒盐噪声后的效果如图5所示。
对扫描到的图像去除噪声点后,则对扫描到的图像进行图像阈值分割。图像阈值分割是一种广泛使用的图像分割技术,利用了图像中要提取的目标与背景在灰度特征上的差异化,将图像视为具有不同灰度级别的两类区域的结合,如目标和背景。通过选取一个合适的阈值,以确定图像中的每个像素点属于目标还是背景区域,从而可产生相应的二值图像,而这种方式对于物体与背景对比度较强的景物分割效果特别有效,不仅可大量压缩数据,减少存储容量,而且能够大大简化在后期的分析和处理步骤。
阈值分割的数学表达式为:
本发明实施例中,阈值选取上需要考虑实际系统,在用于阈值分割的阈值选取上作出改进的直方图最佳门线分割。若已知图像直方图为双峰型时,这时图像直方图可看作灰度级的概率密度函数的离散估计。因此总的密度函数是两个单峰密度函数的混合,一个是物体峰、一个是背景峰,混合参数正比于每一种图像灰度的面积。若已知灰度的概率密度的表示式则按照最小误差准侧来确定最佳门限值T。
设已知图像的物体和背景为高斯型分布,其概率密度为:
式中的μ1,μ2分别为两种灰度的均值;σ1,σ2分别为两种灰度分布围绕均值的标准差;P1,P2为两种灰度分布的先验概率。
若图像中包含这两种分布,则混合概率密度为:
由于图像中像元的约束条件应该满足
p1+p2=1
这样混合概率密度式中的混合密度有5个未知参数,若所有参数皆可知或拟合得到,则按照最小误差准则,最佳门限可确定如下:
设直方图暗区相当于背景,亮区为物体,即μ1<μ2,设置最佳门限为T,则使得所有灰度级低于T的像元都作为背景点进行考虑,而灰度级在T以上的像元皆做为物体进行考虑,这样必然会引起误差,因此将物体点错分为背景点的误差概率为:
同理,把背景点错分为物体点的误差概率为:
因此总的误差概率为:
为求总的误差概率为最小,解结果为P1p1(T)=P2p2(T),代入正态公式并取对数得:
当σ1 2=σ2 2=σ2时,上式可简化得到
当先验概率相等时,即P1=P2时,则恰为两者的均值。
因此,只要P1和P2已知以及概率密度函数p1和p2已知正态,则很容易计算最佳门限值T。
针对直方图阈值分割本身的局限,以及考虑多种阈值分割方法的特点,本实施例采用直方图最佳门限分割的观点。针对不同的图像特点,选定最佳的阈值。对经过预处理后的图像,人为根据图像的特点,自动更改选取阈值,能够更加准确地分离路面和背景区域,具体实施结果请参见图6和图7。
请参见图8,本实施例的图像经图像阈值分割后得到路况二值图并从中提取中线位置,根据中线位置来判断路况类型,并分别与图像的中心线位置作差,得到数据存储在Error[S_ROW]中,即为原始偏差数组,用于对舵机、电机速度进行控制。由于双边黑色引导线的宽度相对于整个车道窄很多,因此只要提取目标导引线的某些特征点,就能反映出导引线的形状。
在黑线提取时采用跟踪中线算法,摄像头返回的图像在近端比较清晰且畸变程度小,并且就算在不同光线下,变化也不是很大,于是对近端前两行从左向右扫描并记录两条黑线的位置,同时计算出两条黑线的中心位置,作为下一行开始扫描的起点。即从第三行开始,均由计算出的上一行的中心点位置开始向两边扫描,并记录两条黑线的位置。若左边黑线丢失则由前一行的左边的黑线位置替代进行补线,若右边的黑线丢失就由前一行的右边黑线位置替代进行补线,若两边线全丢,则保持上一行的数据,同时计算此行的中心位置,如此反复完成对整幅图像黑线的提取。
为了提高黑线提取的可靠性,在程序中增加限幅滤波对此场黑线位置和上一场图像黑线位置的比较,如果相差太大,则认为黑线提取出错,丢弃此场的数据而保持上一场的控制量,以达到车辆行驶的实时控制。同时,为了实现车辆行驶时的预判,本发明实施例对远端的150~160行从左向右扫描得到当前中线,并与近端中心线求相对位移偏差作为预判系数。
利用传感器获取道路目标信息后,则需要对车辆的行驶作出相应的自动控制,以减轻驾驶员的驾驶负担。同时,也可应用于车辆即将发生碰撞或者失稳等危险情况。当驾驶员未能及时采取有效措施时,实现对车辆进行自动安全控制,从而避免交通事故的发生或减少交通事故的伤害程度。
本发明实施例基于摄像头的汽车并线辅助系统控制的对象为舵机的方向和转向大小控制以及电机速度控制。本发明实施例对舵机和电机的驱动算主要是PID算法以及PID衍生的PD算法。因为PID算法的控制策略结构简单、稳定性好、可靠性高,并且易于实现,虽然PID算法参数整定相当繁琐,需要测试人员具备丰富的工程经验,但是相对于其他控制方式,在成熟性和可操行性上具有较大的优势。
请参见图9,在计算机控制系统中,使用的是数字PID控制器,控制规律为:
e(k)=r(k)-y(k)
上述公式中,k为采样序号,k=0,1,2,…;r(k)为第k次给定值;y(k)为第k次实际输出值;u(k)为第k次输出控制量;e(k)为第k次偏差;e(k-1)为第k-1次偏差;KP为比例系数;Tl为积分时间常数;TD为微分时间常数;T为采样周期。
由u(k)公式可得:
则
得到增量式PID控制算法公式
Δu(k)=KP[e(k)-e(k-1)]+Kle(k)+KD[e(k)-2e(k-1)+e(k-2)]
因此可以看出由于一般计算机控制系统采用恒定的采样周期T,从而确定了KP、Kl、KD,只要使用前后三次量值的偏差,即可由上述公式求出控制增量。因此本发明实施例采用基于增量式PID控制算法,从而实现车辆车道偏离控制和自适应速度控制。
本发明实施例中对车辆的车道偏离控制时,智能车舵机采用位置式PID算法,直接输出PWM对舵机转角进行控制。在智能车行驶过程中,因为不需要考虑车辆之前走过的路线,因此可舍弃I控制,将车辆的舵机的PID控制简化为PD控制。
对舵机进行PD控制需要选定偏差量,而获得偏差前需先标定图像中心线,方法是将车辆假设在直道中心,标定出标准的左右边线位置,通过车辆行驶过程中采集到中线与图像中心线作差得到前方一定距离处的原始偏差数组Error[S_ROW],经加权算法得到处理后的偏差值error作为PD控制器的输入量。另外,在选用多远距离范围内的数据用作偏差量也很重要,因为直道上由于速度较快,要选取较远处的偏差,以防止来不及转向。而在弯道内,因为视野有限,应该尽量使用能够采集到的最远处的数据段,这样能够在连续弯的弯道内切换时更加流畅,并且在回旋弯道内也较为稳定。
请参见图10,舵机的PD控制程序实现方法为:
PWM_control=PWM_middle+steer_Kp*error+steer_KD*(error-pre_error)
上述公式中的PWM_control为输出给舵机的PWM值,PWM_middle为舵机处于中间位置的PWM值,error为采集到的中线与图像中心线的偏差,error-pre_error为本次偏差与上次偏差的差值。
由于车辆处于弯道和直道的转向模型不同,若采用统一的PD参数整定,那么PD系数过大则会造成车辆振荡,过少则会导致最大控制量偏小,小车转向不足,车辆过弯时容易冲出车道。所以,对于PD参数进行整定时,需要根据不同类型车道的特点,可以采用分段的PD控制方式,其中PD参数分段选择为:
1)比例系数Kp的选择。当车辆在直道上行驶时,车辆的中心位置和车道中心的偏差较小,Kp值应该适当缩小,而当车辆行驶在大弯道时,偏差较大,此时的Kp值应该大一些。小S弯道和大S弯道的弯曲程度比较小,这时的Kp值应该介于直道和大弯道之间。
2)微分系数Kd的选择。当车辆在直道上进行行驶时,Kd使用较小的值即可,若选择的值过大时,则会出现修正过度,导致智能车辆在直道上出现摇摆现象,影响直道快速行驶的稳定性。车辆在大弯道上行驶时,Kd要设置得比较大一点的值,否则会造成车辆出现转向的不足,容易冲出车道。在小S和大S弯道上进行行驶时,需要调整适当大小的Kd值,才能使得车辆在小S弯道实现直冲而在大S弯道上顺利地通行。
本发明实施例中,为了实现车辆能够自适应速度控制,考虑到位置式PID控制算法存在一定的缺陷。由于控制量为全量输出,所以每次控制量的输出都与之前的控制相关联,并且计算时要对之前的e(k)进行累加,这将导致计算量偏大,这对于MCU是不利的,而且因为MCU输出的u(k)对应的是被控制对象的实际动作,如果MCU出现故障而导致u(k)的大幅度变化,将会引起被控对象动作的大幅变化,这种情况也是不允许的。故本发明实施例中采用了增量式PID速度闭环控制。
请参见图11,本实施例对电机的PID控制程序实现方法为:
Motor_V=setV+(Motor_Kp+Motor_Kt+Motor_KD)*speed_error-(Motor_Kp
+2*Motor_KD)*pre_speed_error+Motor_KD*last_speed_error
公式中Motor_V为输出给电机的PWM值,setV为设定速度值,speed_error为设定速度值与编码器读回的车辆实际速度值的偏差,pre_speed_error为上次速度偏差值,last_speed_error为上上次速度偏差值。
由上式可知道,取三次速度偏差值,经过PID控制器的处理,得到处理后的速度改变梁,作用在设定速度setV上,通过调整后的PWM值来控制电机的转动,从而使得车辆在不同类型的道路上行驶时有一个合适的速度。
为了提高相应速度以及控制稳定性,本发明实施例对PID参数进行了多次整定。具体整定过程中,首先关闭积分项和微分项,将Tl设置为无穷大、TD设置为零,使控制器成为纯比例调节。初期比例系数TP的大小根据经验数据设定,通过观察震荡曲线来整定TP,慢慢地使系统输出达到4:1的衰减振荡曲线,然后计入积分环节的参数整定,在此之前,需要将比例系数增大为原来的1.2倍左右。之后将积分时间Tl从大到小进行调整,再次观察震荡曲线是否达到4:1的状态。最后,若控制中存在微分环节,微分时间系数按TD=(1/3~1/4)T来确定,这时就可以把比例系数调整到原来数值或小一些,同时将微分时间系数从小到大进行调整,直到震荡曲线达到较好的效果为止。需要注意的是,在不断测试过程中,若要改变Tl和TD时,应保持两者的比值不改变。
本发明实施例的基于摄像头的汽车并线辅助系统和控制方法,通过视频采集相应的车辆行驶前方的图像,然后进行中值滤波、动态阈值分割等方法探寻道路边界信息,再利用边界信息分别对车体进行速度控制和转向控制,其中,本发明对速度采用闭环增量式PID控制,明显缩短控制周期使加减速更加及时,速度更加平滑。对转向则采用闭环PD控制使舵机转向更加灵敏,达到提前预判的效果,从而实现并线辅助的功能,使得车辆行驶过程更加安全可靠。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.一种基于摄像头的汽车并线辅助系统,其特征在于,包括:
用于获取交通图像信息的传感器模块;
与所述传感器模块电连接并可预处理交通图像信息的单片机模块;
可根据所述单片机模块预处理的交通图像信息向舵机和电机进行控制的智能车舵机模块;
用于向所述汽车并线辅助系统供电的电源管理模块;
所述单片机模块分别与所述传感器模块以及所述智能车舵机模块电连接并可交互通信,所述智能车舵机模块与舵机电连接并可控制舵机调整汽车前轮定位或差速机构的转速旋转,所述电源管理模块分别与所述传感器模块、所述单片机模块、所述智能车舵机模块、所述舵机电连接并可供电。
2.如权利要求1所述的基于摄像头的汽车并线辅助系统,其特征在于,所述传感器模块为OV7620数字摄像头。
3.如权利要求1所述的基于摄像头的汽车并线辅助系统,其特征在于,所述单片机模块为MK60DN512ZVLQ10单片机。
4.如权利要求1所述的基于摄像头的汽车并线辅助系统,其特征在于,所述智能车舵机模块为PCB电路。
5.一种使用如权利要求1所述的基于摄像头的汽车并线辅助系统的控制方法,其特征在于,包括以下步骤:
1)通过所述传感器模块扫描并采集车辆前方的交通图像信息后,将采集到的图像信息发送至所述单片机模块;
2)所述单片机模块收到图像信息后,通过自适应中值滤波法对图像信息进行去噪处理;去噪处理后,所述单片机模块通过图像阈值分割法对去噪后图像中的目标和背景进行差异化处理,以使目标和背景区域产生二值图像;
3)所述单片机模块通过跟踪中线算法对二值图像提取中线位置,并与所述传感器扫描检测到的图像中心线位置作差,根据中线位置以判断实时路况;
4)所述单片机模块将判断结果传输至所述智能车舵机模块,所述智能车舵机模块对舵机转向以及电机速度进行控制。
6.如权利要求5所述的控制方法,其特征在于,所述步骤1)中所述传感器模块对采集到的图像以奇场或偶场向所述单片机模块进行传输,所述奇场或所述偶场传输200~240行像素点。
7.如权利要求5所述的控制方法,其特征在于,所述步骤3)中所述传感器对远端图像的扫描以获取当前中线的行数为第150行至160行。
8.如权利要求5所述的控制方法,其特征在于,所述步骤4)中所述智能车舵机模块对舵机通过PD控制算法进行控制,所述智能车舵机模块对电机通过PID控制算法进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710120979.XA CN106950950A (zh) | 2017-03-02 | 2017-03-02 | 一种基于摄像头的汽车并线辅助系统和控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710120979.XA CN106950950A (zh) | 2017-03-02 | 2017-03-02 | 一种基于摄像头的汽车并线辅助系统和控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106950950A true CN106950950A (zh) | 2017-07-14 |
Family
ID=59467158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710120979.XA Pending CN106950950A (zh) | 2017-03-02 | 2017-03-02 | 一种基于摄像头的汽车并线辅助系统和控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106950950A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656526A (zh) * | 2017-09-29 | 2018-02-02 | 中南林业科技大学 | 智能小车转向控制方法和控制装置 |
CN108702121A (zh) * | 2017-09-29 | 2018-10-23 | 深圳市大疆灵眸科技有限公司 | 云台电机控制方法及相应的云台 |
CN110162034A (zh) * | 2019-03-14 | 2019-08-23 | 中国计量大学 | 一种基于图像识别的智能车目标追踪和主动避障系统 |
CN110488823A (zh) * | 2019-08-15 | 2019-11-22 | 华南理工大学 | 一种新型智能巡线小车控制方法 |
CN111198560A (zh) * | 2018-10-30 | 2020-05-26 | 赫尔环球有限公司 | 用于使用变分自编码器网络来预测特征空间衰减的方法和装置 |
CN112327932A (zh) * | 2020-12-04 | 2021-02-05 | 广东工业大学 | 一种针对消防无人机编队的增量式pid控制方法 |
CN115171394A (zh) * | 2022-09-08 | 2022-10-11 | 南京智慧交通信息股份有限公司 | 一种新能源公交车辆实时安全监控系统及其方法 |
CN117499551A (zh) * | 2024-01-02 | 2024-02-02 | 天津中荣印刷科技有限公司 | 一种基于二进制信号的加密防伪印刷方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040016870A1 (en) * | 2002-05-03 | 2004-01-29 | Pawlicki John A. | Object detection system for vehicle |
CN102269595A (zh) * | 2010-06-02 | 2011-12-07 | 东北大学 | 基于导航线识别的嵌入式单目视觉导航系统 |
CN102662402A (zh) * | 2012-06-05 | 2012-09-12 | 北京理工大学 | 一种用于赛道的摄像头智能循迹车模 |
WO2013151266A1 (en) * | 2012-04-04 | 2013-10-10 | Movon Corporation | Method and system for lane departure warning based on image recognition |
CN103472824A (zh) * | 2013-08-29 | 2013-12-25 | 河海大学 | 一种基于摄像头的自动导航车的导航系统及方法 |
CN106054886A (zh) * | 2016-06-27 | 2016-10-26 | 常熟理工学院 | 基于可见光图像的自动导引运输车路线识别及控制方法 |
-
2017
- 2017-03-02 CN CN201710120979.XA patent/CN106950950A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040016870A1 (en) * | 2002-05-03 | 2004-01-29 | Pawlicki John A. | Object detection system for vehicle |
CN102269595A (zh) * | 2010-06-02 | 2011-12-07 | 东北大学 | 基于导航线识别的嵌入式单目视觉导航系统 |
WO2013151266A1 (en) * | 2012-04-04 | 2013-10-10 | Movon Corporation | Method and system for lane departure warning based on image recognition |
CN102662402A (zh) * | 2012-06-05 | 2012-09-12 | 北京理工大学 | 一种用于赛道的摄像头智能循迹车模 |
CN103472824A (zh) * | 2013-08-29 | 2013-12-25 | 河海大学 | 一种基于摄像头的自动导航车的导航系统及方法 |
CN106054886A (zh) * | 2016-06-27 | 2016-10-26 | 常熟理工学院 | 基于可见光图像的自动导引运输车路线识别及控制方法 |
Non-Patent Citations (3)
Title |
---|
刘政凯: "《微型计算机数字图象处理技术》", 30 June 1991, 安徽科学技术出版社 * |
容观澳: "《计算机图象处理》", 29 February 2000, 清华大学出版社 * |
黄凯龙: "基于飞思卡尔单片机的智能车及其调试系统设计", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108702121A (zh) * | 2017-09-29 | 2018-10-23 | 深圳市大疆灵眸科技有限公司 | 云台电机控制方法及相应的云台 |
CN107656526A (zh) * | 2017-09-29 | 2018-02-02 | 中南林业科技大学 | 智能小车转向控制方法和控制装置 |
CN107656526B (zh) * | 2017-09-29 | 2023-09-22 | 中南林业科技大学 | 智能小车转向控制方法和控制装置 |
CN111198560B (zh) * | 2018-10-30 | 2023-06-02 | 赫尔环球有限公司 | 用于使用变分自编码器网络来预测特征空间衰减的方法和装置 |
CN111198560A (zh) * | 2018-10-30 | 2020-05-26 | 赫尔环球有限公司 | 用于使用变分自编码器网络来预测特征空间衰减的方法和装置 |
CN110162034A (zh) * | 2019-03-14 | 2019-08-23 | 中国计量大学 | 一种基于图像识别的智能车目标追踪和主动避障系统 |
CN110488823A (zh) * | 2019-08-15 | 2019-11-22 | 华南理工大学 | 一种新型智能巡线小车控制方法 |
CN110488823B (zh) * | 2019-08-15 | 2021-12-21 | 华南理工大学 | 一种新型智能巡线小车控制方法 |
CN112327932A (zh) * | 2020-12-04 | 2021-02-05 | 广东工业大学 | 一种针对消防无人机编队的增量式pid控制方法 |
CN115171394A (zh) * | 2022-09-08 | 2022-10-11 | 南京智慧交通信息股份有限公司 | 一种新能源公交车辆实时安全监控系统及其方法 |
CN115171394B (zh) * | 2022-09-08 | 2022-11-18 | 南京智慧交通信息股份有限公司 | 一种新能源公交车辆实时安全监控系统及其方法 |
CN117499551A (zh) * | 2024-01-02 | 2024-02-02 | 天津中荣印刷科技有限公司 | 一种基于二进制信号的加密防伪印刷方法 |
CN117499551B (zh) * | 2024-01-02 | 2024-04-23 | 天津中荣印刷科技有限公司 | 一种基于二进制信号的加密防伪印刷方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106950950A (zh) | 一种基于摄像头的汽车并线辅助系统和控制方法 | |
US11897388B2 (en) | Camera systems for vehicles | |
CN102785661B (zh) | 车道偏离控制系统及方法 | |
CN107745710B (zh) | 一种基于机器视觉与机器学习的自动泊车方法及系统 | |
CN105799574B (zh) | 夜间智能辅助驾驶系统 | |
US9165468B2 (en) | Video based intelligent vehicle control system | |
CN109649384A (zh) | 一种泊车辅助方法 | |
CN106379237B (zh) | 基于增强现实的车辆换道全过程辅助驾驶系统 | |
CN107066986A (zh) | 一种基于单目视觉的车道线与前方障碍物检测方法 | |
CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
CN109435942A (zh) | 一种基于信息融合的车位线车位识别方法及装置 | |
CN108038416B (zh) | 车道线检测方法及系统 | |
CN111563412B (zh) | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 | |
CN107862290A (zh) | 车道线检测方法及系统 | |
CN106379319A (zh) | 一种汽车辅助驾驶系统及控制方法 | |
CN108764108A (zh) | 一种基于贝叶斯统计决策的前车检测方法 | |
CN106569214B (zh) | 结合导航信息的自适应巡航车载雷达数据处理方法及系统 | |
CN109835337B (zh) | 转弯控制方法、装置及自动驾驶车辆 | |
CN110450706A (zh) | 一种自适应远光灯控制系统及图像处理算法 | |
CN110826508A (zh) | 一种基于视频流的行人非机动车违章检测与跟踪方法 | |
CN103593671A (zh) | 基于三摄像机协同的大范围车道线视觉检测方法 | |
CN105059184B (zh) | 客运车辆弯道侧翻早期预警与主动防控装置及其判断方法 | |
CN204463465U (zh) | 一种狭小垂直车位场景智能识别与泊车路径规划系统 | |
JPH1185999A (ja) | 車両用白線検出装置 | |
CN114495066A (zh) | 一种辅助倒车的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |