CN111923916B - 一种基于视觉感知行为和anfis的仿人转向建模方法及转向控制系统 - Google Patents

Abstract

本发明公开了一种基于视觉感知行为和ANFIS的仿人转向建模方法及转向控制系统，基于驾驶模拟器采集人类驾驶员弯道驾驶数据，从车辆运动状态及道路信息提取视觉感知参数，基于ANFIS建立方向盘转角决策模型，本发明还提供一种基于视觉感知行为和ANFIS的仿人转向控制系统通过道路模块、视觉感知模块、ANFIS方向盘转角决策模块、车辆响应模块，本发明所建立的仿人转向模型能够使自动驾驶汽车具有与人类驾驶员相似的转向控制行为，实现各种等级的智能汽车和有人驾驶汽车和谐地共享道路，从而提高混行交通体系下的安全性和效率。

Description

一种基于视觉感知行为和ANFIS的仿人转向建模方法及转向 控制系统

技术领域

本发明属于智能汽车运动控制领域，具体涉及一种基于视觉感知行为和ANFIS的仿人转向建模方法及转向控制系统。

背景技术

随着传感感知、定位与导航、V2X网联通信技术和人工智能算法的发展，不同功能的高级驾驶员辅助系统被广泛引用，自动驾驶汽车正朝着产品化、商业化的阶段发展，并逐渐融入人们的日常生活。由于多种等级的智能汽车和有人驾驶的汽车必将共享道路，解决混行交通体系下的驾驶安全和交通效率问题变得至关重要。

目前大多数的自动驾驶汽车转向控制方法及转向控制驾驶员模型的控制目标都是为了提高路径跟踪精度，使驾驶轨迹与道路中心线重合。而人类驾驶员由于驾驶习惯和感知阈值的生理限制等，实际的驾驶轨迹并不是保持在车道中心线上，尤其在弯道驾驶时。这一差异可能会导致人类驾驶员和自动转向控制器在共享道路时存在冲突，容易引发交通拥堵甚至交通事故。

发明内容

为了解决现有技术中的不足，本发明提出了一种基于视觉感知行为和ANFIS的仿人转向建模方法及转向控制系统，通过分析实际驾驶员在弯道驾驶过程中的视觉感知行为获得转向输入参数，基于数据驱动的方式建立ANFIS转向模型，使自动驾驶汽车具有与人类驾驶员相似的转向控制行为。

本发明所采用的技术方案如下：

一种基于视觉感知行为和ANFIS的仿人转向建模方法，包括如下步骤：

S1，通过实验及仿真采集人类驾驶员弯道驾驶数据，所述人类驾驶员弯道驾驶数据包括车辆运动状态信息和方向盘转角信息δ_sw，所述车辆运动状态信息包括车辆纵向车速信息v、车辆的位置信息(X,Y)、航向角信息

S2，基于车辆运动状态信息和道路信息提取视觉感知参数，所述视觉感知参数包括车辆纵向车速v、近处车辆横向位置e_l、远处航向角偏差e_θ；

S3，基于自适应神经网络模糊推理系统建立ANFIS方向盘转角决策模型，将车辆自身纵向车速v、近处车辆横向位置e_l和远处航向角偏差e_θ作为输入变量输入ANFIS方向盘转角决策模型，训练ANFIS方向盘转角决策模型，直到完成了输入到输出的非线性映射。

进一步，所述ANFIS方向盘转角决策模型由五层前向神经网络结构组成，第一层为模糊化层，第二层为规则层，第三层为归一化层，第四层为去模糊化层，第五层为求和层。

进一步，在所述模糊化层中，每个输入变量均设置5个语言变量值模糊子集，每个节点输出隶属度

x_i为第i个输入变量，

为x_i的第j个模糊子集，

为x_i相应的隶属度，trimf()为三角形隶属函数，a_ij、b_ij、c_ij被称为“前件参数”，用以确定三角形隶属函数的形状，参数a_ij、c_ij确定三角形的“脚”，参数b_ij确定三角形的“峰”。

进一步，在所述规则层中：将隶属度

输入规则层中，每个节点代表一条模糊规则，总共有125条模糊规则，采用隶属度“相乘”的方式输出每条模糊规则的适用度

ω_k为第k条模糊规则的适用度，k＝1,2,...,125。

进一步，在所述归一化层中：将适用度ω_k输入归一化层中，计算每条模糊规则在所有模糊规则中的权重，每个节点输出归一化值

其中，

为第k条模糊规则的归一化值，k＝1,2,...,125。

进一步，在所述去模糊化层中：将归一化值

输入去模糊化层，在该层中，每个节点输出模糊规则输出值f_k，k＝1,2,...,125；参数f_k被称为“后件参数”。

进一步，在所述在求和层中：对所有模糊规则的输出进行累加处理，即将归一化层中的归一化值

与对应去模糊化层输出的输出值f_k相乘后求和，得到ANFIS的最终输出模拟方向盘转角信号

进一步，所述近处车辆横向位置

设车辆前方近区距离D_n＝6m，D_L是车辆航向与前方6m处左车道线的距离、D_R是车辆航向与前方6m处右车道线的距离，

其中，X_la、Y_la、C_la是左车道线上点的横坐标、纵坐标、曲率值，X_ra、Y_ra、C_ra是右车道线上点的横坐标、纵坐标、曲率值。

进一步，获得所述远处航向角偏差e_θ的方法为：判断道路前方10～20m是否存在切点，当存在切点时，e_θ＝θ_t；当切点不存在时，e_θ＝θ_f，；其中，θ_t为车辆航向与切点处道路航向的偏差角，θ_f为车辆航向与D_f＝20m处道路航向的偏差角，D_f为车辆前方远区距离。

一种基于视觉感知行为和ANFIS的仿人转向控制系统，包括道路模块、视觉感知模块、ANFIS方向盘转角决策模块、车辆响应模块；所述道路模块用于获取车辆前方道路信息，车辆前方道路信息包括车辆前方的道路位置和曲率信息；

所述视觉感知模块根据车辆响应模块提供的车辆运动状态和道路模块提供的道路信息计算出可被感知的视觉参数，视觉参数包括车辆自身纵向车速v、近处车辆横向位置e_l、远处航向角偏差e_θ；

所述ANFIS方向盘转角决策模块内置ANFIS方向盘转角决策模型；将视觉参数作为ANFIS方向盘转角决策模块的输入，ANFIS方向盘转角决策模块决策出方向盘转角信号；

所述车辆响应模块包括转向操纵机构和车辆动力学模型；所述转向操纵机构接收并执行ANFIS方向盘转角决策模块输出的方向盘转角信号；车辆动力学模型用于车辆的运动状态获取。

本发明的有益效果：

1.本发明基于弯道驾驶行为研究，采取人类实际能够感知到的车辆运动状态和道路信息作为转向输入参数，从视觉感知层面对人类驾驶员进行了模仿。因此，使自动驾驶汽车控制系统理解并表现出人类驾驶员的驾驶行为特性，与人类驾驶员驾驶行为相一致，有利于智能交通体系下各种等级车辆的和谐共处。

2.考虑到人类驾驶员行为复杂性和不确定性，本发明基于ANFIS采用数据驱动的方式对方向盘转角进行决策，从控制决策层面对人类弯道转向行为进行建模。ANFIS融合了模糊控制的模糊推理能力和神经网络的自学习功能，能够从人类思维逻辑和人脑神经系统结构上实现对人的智能行为模拟。

3.本发明通过视觉感知层面和控制决策层面所建立的仿人转向控制模型，具有与人类驾驶员一致的感知行为和相似的转向行为，从而有利于提高智能交通体系下的道路安全和交通效率。

附图说明

图1为基于视觉感知行为和ANFIS的仿人转向建模流程图；

图2为本发明中视觉感知参数示意图；

图3为基于视觉感知行为和ANFIS的仿人转向控制系统示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

一种基于视觉感知行为和ANFIS的仿人转向建模方法，包括如下步骤：

S1，采集人类驾驶员弯道驾驶数据；具体过程为：

S1.1，搭建驾驶员在环仿真平台，试验设备包括显示屏、驾驶座椅、罗技G29力反馈方向盘及其一系列组件，其中，显示屏和罗技G29方向盘组件均与电脑相连。

S1.2，基于PreScan搭建驾驶场景，试验道路设置为一条曲率连续变化的四车道弯曲道路，并将该试验场景以驾驶员视角投影在显示屏上。

S1.3，联合MATLAB/Simulink，添加车辆动力学模块、车辆运动状态和驾驶员方向盘操纵信号存储模块，采样频率为100Hz；添加joystick模块，joystick模块会自动识别连接在电脑上的罗技G29方向盘组件，并读取罗技方向盘信号。

S1.4，试验过程中不考虑车辆纵向控制，采用PID控制器使车辆纵向车速分别保持在20km/h,30km/h,40km/h,50km/h,60km/h左右，人类驾驶员只需控制方向盘，各车速下重复试验20次共采集驾驶数据100组。所采集的驾驶数据包括车辆运动状态信息和方向盘转角信息δ_sw，车辆运动状态信息主要有车辆纵向车速信息v、车辆的位置信息(X,Y)、航向角信息

S2，从车辆运动状态信息及道路信息提取视觉感知参数；所述视觉感知参数包括车辆纵向车速v、近处车辆横向位置e_l、远处航向角偏差e_θ，这些参数在驾驶过程中都能被驾驶员通过视觉感知到。

S2.1，车辆纵向速度v是除了道路曲率外，影响驾驶员转向行为的一个显著因素，可在试验过程中直接从车辆动力学模块获取；

S2.2，近处车辆横向位置e_l、远处航向角偏差e_θ的获取具体包括以下步骤：

S2.2.1，由步骤1.4所获得的位置信息和航向角信息构成的一系列数据点

来表示车辆的运动状态，其中，X是车辆横坐标，Y是车辆纵坐标，

是车辆航向角。

S2.2.2，由车道线信息表示车辆所驾驶的弯道，而左右车道线分别用一系列等间距分布的有序数据点(X_la,Y_la,C_la)、(X_ra,Y_ra,C_ra)来表示，其中X_la、Y_la、C_la是左车道线上点的横坐标、纵坐标、曲率值，X_ra、Y_ra、C_ra是右车道线上点的横坐标、纵坐标、曲率值。

S2.2.3，确定近处车辆横向位置e_l。近区表示相对于车辆位置较近的前方道路；近处车辆横向位置定义为

D_n＝6m；如图2，车辆横向位置e_l反映了车辆以当前航向行驶至前方D_n＝6m处相对于虚拟车道中心线的偏差，负值时表明车辆偏车道左侧，正值表明车辆偏车道右侧；其中，D_L是车辆航向与前方6m处左车道线的距离、D_R是车辆航向与前方6m处右车道线的距离，

其中，D_n为车辆前方近区距离。

S2.2.4，确定远处航向角偏差e_θ。远区表示相对于车辆位置较远的前方道路；如图2，判断道路前方10～20m是否存在切点，对该范围车道线上的点进行遍历，车道线上的点与车辆位置的连线若与该点处道路曲率半径垂直，则存在切点；当存在切点时，e_θ＝θ_t；当切点不存在时，e_θ＝θ_f，D_f＝20m；远处航向角偏差e_θ在一定程度上反映了车辆前方远处道路的曲率变化及其对驾驶员驾驶过程中前视距离的影响。其中，θ_t为车辆航向与切点处道路航向的偏差角，θ_f为车辆航向与20m处道路航向的偏差角，D_f为车辆前方远区距离。

S3，基于ANFIS(自适应神经网络模糊推理系统)建立ANFIS方向盘转角决策模型，自适应神经网络模糊推理系统(ANFIS)是基于人工神经网络的结构实现模糊推理。本发明是采用MATLAB工具箱对ANFIS进行结构设计和训练，具体包括以下步骤：

S3.1，ANFIS方向盘转角决策模型由五层前向神经网络结构组成，第一层为模糊化层，第二层为规则层，第三层为归一化层，第四层为去模糊化层，第五层为求和层。

S3.2，模型的输入变量是车辆自身纵向车速v、近处车辆横向位置e_l和远处航向角偏差e_θ，模型的输出变量为方向盘转角信号δ_sw。

S3.3，在模糊化层中，每个输入变量分别设置5个语言变量值模糊子集，每个节点输出隶属度

其中，x_i为第i个输入变量，

为x_i的第j个模糊子集，

为x_i相应的隶属度，trimf()为三角形隶属函数，a_ij、b_ij、c_ij被称为“前件参数”，用以确定三角形隶属函数的形状，参数a_ij、c_ij确定三角形的“脚”，参数b_ij确定三角形的“峰”。

S3.4，将模糊化层输出的隶属度

输入规则层中，每个节点代表一条模糊规则，总共有5³＝125条模糊规则，采用隶属度“相乘”的方式输出每条模糊规则的适用度

其中，ω_k为第k条模糊规则的适用度。

S3.5，将规则层输出的适用度ω_k输入归一化层中，计算每条模糊规则在所有模糊规则中的权重，每个节点输出归一化值

其中，

为第k条模糊规则的归一化值，k＝1,2,...,125。

S3.6，将归一化层输出的归一化值

输入去模糊化层，在该层中，每个节点输出模糊规则输出值，每条模糊规则输出值为常数f_k，k＝1,2,...,125；其中，参数f_k被称为“后件参数”。

S3.7，在求和层，对所有模糊规则的输出进行累加处理，即将归一化层中的归一化值

与对应去模糊化层输出的输出值f_k相乘后求和，得到ANFIS的最终输出模拟方向盘转角信号

S3.8，ANFIS结构设计完成后，设定训练次数或可容忍误差，基于采集的驾驶数据作为样本数据，对ANFIS进行训练。具体过程为：根据ANFIS实际输出数据δ_sw’(即模拟方向盘转角信号δ_sw’)和期望输出δ_sw(即采集的方向盘转角信号δ_sw)之间的误差，通过最小二乘法和反向传播梯度下降法相结合的学习算法自动地、反复地对该结构中的“前件参数”和“后件参数”进行调整，当达到训练次数或小于可容忍误差，则停止训练，得到的ANFIS方向盘转角决策模型，说明完成了输入到输出的非线性映射。

基于步骤1～3，获得仿人转向模型包括视觉感知参数提取和ANFIS方向盘转角决策模型，将获得的仿人转向模型作为车辆的横向控制算法。

基于本发明所提出的一种基于视觉感知行为和ANFIS的仿人转向建模方法，本发明还设计了如图3所示的基于视觉感知行为和ANFIS的仿人转向控制系统，该系统包括道路模块、视觉感知模块、ANFIS方向盘转角决策模块、车辆响应模块；其中，道路模块由视觉传感器和电子导航地图组成，由道路模块获取车辆前方道路信息，车辆前方道路信息包括车辆前方的道路位置和曲率信息，车辆左前方道路信息表示为(X_la,Y_la,C_la)，车辆右前方道路信息表示为(X_ra,Y_ra,C_ra)。

视觉感知模块内置利用本发明一种基于视觉感知行为和ANFIS的仿人转向建模方法所包含的视觉感知参数提取，基于人类感官动力学及驾驶员在弯道处的视觉行为，根据车辆响应模块提供的车辆运动状态及道路模块提供的道路信息计算出可被感知的视觉参数，视觉参数包括车辆自身纵向车速v、近处车辆横向位置e_l、远处航向角偏差e_θ。车辆自身纵向车速v可以直接从车辆动力学模型获取；

D_n＝6m；如图2，车辆横向位置e_l反映了车辆以当前航向行驶至前方D_n＝6m处相对于虚拟车道中心线的偏差，负值时表明车辆偏车道左侧，正值表明车辆偏车道右侧；其中，D_L分是车辆航向与前方6m处左车道线的距离、D_R是车辆航向与前方6m处右车道线的距离；判断道路前方10～20m是否存在切点，对该范围车道线上的点进行遍历，车道线上的点与车辆位置的连线若与该点处道路曲率半径垂直，则存在切点；当存在切点时，e_θ＝θ_t；当切点不存在时，e_θ＝θ_f，D_f＝20m；远处航向角偏差e_θ在一定程度上反映了车辆前方远处道路的曲率变化及其对驾驶员驾驶过程中前视距离的影响。其中，θ_t为车辆航向与切点处道路航向的偏差角，θ_f为车辆航向与20m处道路航向的偏差角，D_f为车辆前方远区距离。

ANFIS方向盘转角决策模块内置利用本发明一种基于视觉感知行为和ANFIS的仿人转向建模方法所构建的ANFIS方向盘转角决策模型；将视觉感知模块计算得的视觉参数作为ANFIS方向盘转角决策模块的输入，采用数据驱动的方式基于ANFIS方向盘转角决策模型决策出方向盘转角信号δ_sw。

车辆响应模块包括转向操纵机构和车辆动力学模型；转向操纵机构接收并执行ANFIS方向盘转角决策模块输出的方向盘转角信号；车辆动力学模型用于车辆的运动状态获取。

上述路模块、视觉感知模块、ANFIS方向盘转角决策模块和车辆响应模块中的车辆动力学模型，均通过算法程序搭载在异构多核处理器芯片上实现上述功能。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (10)

1.一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，包括如下步骤：

S1，通过实验及仿真采集人类驾驶员弯道驾驶数据，所述人类驾驶员弯道驾驶数据包括车辆运动状态信息和方向盘转角信息δ_sw，所述车辆运动状态信息包括车辆纵向车速信息v、车辆的位置信息(X,Y)、航向角信息

S2，基于车辆运动状态信息和道路信息提取视觉感知参数，所述视觉感知参数包括车辆纵向车速v、近处车辆横向位置e_l、远处航向角偏差e_θ；

S3，基于自适应神经网络模糊推理系统建立ANFIS方向盘转角决策模型，将车辆自身纵向车速v、近处车辆横向位置e_l和远处航向角偏差e_θ作为输入变量输入ANFIS方向盘转角决策模型，训练ANFIS方向盘转角决策模型，直到完成了输入到输出的非线性映射。

2.根据权利要求1所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，所述ANFIS方向盘转角决策模型由五层前向神经网络结构组成，第一层为模糊化层，第二层为规则层，第三层为归一化层，第四层为去模糊化层，第五层为求和层。

3.根据权利要求2所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，在所述模糊化层中，每个输入变量均设置5个语言变量值模糊子集，每个节点输出隶属度

x_i为第i个输入变量，

为x_i的第j个模糊子集，

(x_i)为x_i相应的隶属度，trimf()为三角形隶属函数，a_ij、b_ij、c_ij被称为“前件参数”，用以确定三角形隶属函数的形状，参数a_ij、c_ij确定三角形的“脚”，参数b_ij确定三角形的“峰”。

4.根据权利要求3所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，在所述规则层中：将隶属度

输入规则层中，每个节点代表一条模糊规则，总共有125条模糊规则，采用隶属度“相乘”的方式输出每条模糊规则的适用度

ω_k为第k条模糊规则的适用度，k＝1,2,...,125。

5.根据权利要求4所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，在所述归一化层中：将适用度ω_k输入归一化层中，计算每条模糊规则在所有模糊规则中的权重，每个节点输出归一化值

其中，

为第k条模糊规则的归一化值，k＝1,2,...,125。

6.根据权利要求5所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，在所述去模糊化层中：将归一化值

输入去模糊化层，在该层中，每个节点输出模糊规则输出值f_k，k＝1,2,...,125；参数f_k被称为“后件参数”。

7.根据权利要求6所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，所述求和层中：对所有模糊规则的输出进行累加处理，即将归一化层中的归一化值

与对应去模糊化层输出的输出值f_k相乘后求和，得到ANFIS的最终输出模拟方向盘转角信号

8.根据权利要求1所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，所述近处车辆横向位置

设车辆前方近区距离D_n＝6m，D_L是车辆航向与前方6m处左车道线的距离、D_R是车辆航向与前方6m处右车道线的距离，

其中，X_la、Y_la、C_la是左车道线上点的横坐标、纵坐标、曲率值，X_ra、Y_ra、C_ra是右车道线上点的横坐标、纵坐标、曲率值。

9.根据权利要求1所述的一种基于视觉感知行为和ANFIS的仿人转向建模方法，其特征在于，获得所述远处航向角偏差e_θ的方法为：判断道路前方10～20m是否存在切点，当存在切点时，e_θ＝θ_t；当切点不存在时，e_θ＝θ_f；其中，θ_t为车辆航向与切点处道路航向的偏差角，θ_f为车辆航向与D_f＝20m处道路航向的偏差角，D_f为车辆前方远区距离。

10.一种基于视觉感知行为和ANFIS的仿人转向控制系统，其特征在于，包括道路模块、视觉感知模块、ANFIS方向盘转角决策模块、车辆响应模块；所述道路模块用于获取车辆前方道路信息，车辆前方道路信息包括车辆前方的道路位置和曲率信息；

所述视觉感知模块根据车辆响应模块提供的车辆运动状态和道路模块提供的道路信息计算出可被感知的视觉参数，视觉参数包括车辆自身纵向车速v、近处车辆横向位置e_l、远处航向角偏差e_θ；

所述ANFIS方向盘转角决策模块内置ANFIS方向盘转角决策模型；将视觉参数作为ANFIS方向盘转角决策模块的输入，ANFIS方向盘转角决策模块决策出方向盘转角信号；

所述车辆响应模块包括转向操纵机构和车辆动力学模型；所述转向操纵机构接收并执行ANFIS方向盘转角决策模块输出的方向盘转角信号；车辆动力学模型用于车辆的运动状态获取。

Images