融合AI算法的汽車座椅及后視鏡人機工程系統(tǒng)

鄒梁楠，岳峰麗，許傲，徐世寒，鄭夏卿，張思繁

（沈陽理工大學(xué) 汽車與交通學(xué)院）

1 引言

隨著汽車工業(yè)技術(shù)的不斷發(fā)展，高檔、舒適的汽車座椅已成為衡量汽車智能性與質(zhì)量好壞的標(biāo)準(zhǔn)之一，隨著人們物質(zhì)生活不斷的改善，對汽車舒適度的要求也逐漸增高，提高汽車座椅調(diào)整水平的要求也日漸緊迫。

目前，汽車座椅參數(shù)的控制多采取機械調(diào)整方法和電動調(diào)整2種?？墒谴蟛糠制囎螞]有搭載存儲功能，同一駕駛者在不同的時段使用汽車時，汽車座椅的參數(shù)可能被別人更改，而重新調(diào)節(jié)座椅的參數(shù)又十分煩瑣。

2 設(shè)計特點

汽車座椅存在的主要問題是需要手動調(diào)控，對不同駕駛員的駕駛會造成一定的不便，而本設(shè)計針對這個問題，開發(fā)出了自動識別調(diào)整裝置，為駕駛員的出行提供了更加舒適、方便的體驗。本項設(shè)計的主要創(chuàng)新有以下3點：

1）本次設(shè)計首次將AI算法運用在汽車座椅設(shè)計上，每一位新的司機上車后都會進(jìn)行AI掃描，計算出人體H點（指二維或三維人體模型樣板中人體軀干與大腿的連接點，即胯點），通過人機工程學(xué)計算座椅縱向位置、靠背傾角、座椅高度、方向盤角度和方向盤伸出量，充分考慮到人體的舒適度與方便性。

2）對H點的測量，采取了一種新型的物體探測器件——人體位置信息探測器，通過發(fā)射超聲波來測量安置在被測物體周邊的9個電極空間上分布電容的微小變化，以此獲得被測物體的位置、大小和相對位移變化等信息[1]?？梢詰?yīng)用于非接觸探測液面高度,以及在汽車安全系統(tǒng)中探測座位上人的位置、體積等信息，將其首次應(yīng)用于智能汽車座椅調(diào)節(jié)系統(tǒng)，是本設(shè)計的創(chuàng)新點之一。

3）除了座椅的自動調(diào)節(jié)，本次設(shè)計通過測算眼橢圓來計算可獲得最大視野的后視鏡角度，也是本設(shè)計的創(chuàng)新點之一。

3 控制示意圖

座椅調(diào)節(jié)需要人體位置信息探測器掃描計算人體H點，把信息傳到ECU（電子控制單元），通過AI算法，ECU輸出控制信號到步進(jìn)電機和驅(qū)動電機，調(diào)整座椅至最佳位置[2]。

融合AI的電動座椅采用了微機控制[3]，通過雷達(dá)自動調(diào)整座椅參數(shù)，并將選定的座椅調(diào)節(jié)位置進(jìn)行記憶，如圖1所示。

系統(tǒng)采用雷達(dá)進(jìn)行人體掃描，把信號傳到微機，微機計算后通過電動機驅(qū)動操縱裝置來調(diào)整座椅到人體最適合的位置。

該系統(tǒng)運用記憶設(shè)備經(jīng)由4個電位計來控制座椅的調(diào)整位置，座椅調(diào)整完成后，電子控制裝置把電壓信號儲存，當(dāng)作重新調(diào)整位置時的基準(zhǔn)，日后按存儲的狀態(tài)來調(diào)節(jié)座椅位置，節(jié)省下次調(diào)節(jié)時所需的運算過程。

4 研究內(nèi)容

1）確定駕駛最佳位置

設(shè)計采用人體位置信息探測器掃描計算出人體H點，根據(jù)人機工程學(xué)計算出：①座椅縱向位置；②靠背傾角；③座椅高度；④方向盤角度；⑤方向盤伸出量。正常坐姿狀態(tài)下，支撐身體的重要組成結(jié)構(gòu)是后背、臀以及腿等部分。座椅的形狀應(yīng)與脊椎自然彎曲相適應(yīng)，根據(jù)人體結(jié)構(gòu)得到靠椅的參數(shù)：靠背角度取為105°～115°，高靠背座椅的高度應(yīng)達(dá)到肩部，可取為535～555mm，寬度為485mm，坐墊傾斜角約為7°[4]，如圖2所示。

圖2 駕駛最佳位置

2）調(diào)節(jié)座椅位置

圖1 智能座椅控制示意圖

座椅控制系統(tǒng)主要部分包含步進(jìn)電機、傳感器和ECU控制系統(tǒng)，以中央處理器為中心連接各個部件，控制座椅位置的調(diào)節(jié)并得到反饋。而在確定最佳位置后，將會鎖死調(diào)節(jié)系統(tǒng)，防止駕駛員在駕駛過程中誤觸調(diào)整按鈕，造成行車隱患。

每一位新的司機上車后，都會進(jìn)行AI掃描。其中，人體位置信息探測器進(jìn)行3D掃描，將數(shù)據(jù)上傳至ECU，由AI芯片結(jié)合AI算法快速計算出胯點區(qū)間，錄入信息后輸出信號，信號輸出到步進(jìn)電機控制器，由步進(jìn)電機精確調(diào)整座椅至最佳位置。

3）探測器的選擇和安放位置

人體位置信息探測器負(fù)責(zé)掃描人體H點，根據(jù)具體的車況研究選擇探測器的安放位置，力求達(dá)到完美的人體數(shù)據(jù)搜集。

4）調(diào)整后視鏡角度

通過AI算法根據(jù)已確定的H點水平行程及眼橢圓百分位值（見圖3），計算出眼橢圓中心在自身坐標(biāo)系中的位置，從而確定兩視圖上眼橢圓中心的位置，獲得眼橢圓位置數(shù)據(jù)后，計算得到最大后視鏡視野的折射角，從而調(diào)整后視鏡角度[5]。

5 人工智能

1）部分算法公式

卷積神經(jīng)網(wǎng)絡(luò)中al（v,kl-1,k）和bl(k)分別表示興奮性輸入和抑制性輸入的連接系數(shù)；rl(k)控制特征提取的選擇性，它控制著位于每一S-層處的單個抑制子平面中每個神經(jīng)元的輸入。

kl是第l級中的S子平面的數(shù)量。Dl是C—元的感受野。dl(v)是固定興奮連接權(quán)的權(quán)值。如果第kl個S神經(jīng)元子平面從第kl-1子平面處收到信號，那么jl(kl,kl-1)的值為1，否則為0[6]。

2）部分源代碼

import os

圖3 眼橢圓中心

import sys

import time

import numpy

import theano

import theano.tensor as T

from theano.tensor.signal import downsample

from theano.tensor.nnet import conv

from logistic_sgd import LogisticRegression, load_data

from mlp import HiddenLayer

def __init__(self, rng, input, filter_shape, image_shape, poolsize=(2, 2)):

assert image_shape[ 1 ] ==filter_shape[ 1 ]

self.input = input

# there are "num input feature maps * filter height * filter width"

# inputs to each hidden unit

fan_in = numpy.prod(filter_shape[1:])

# each unit in the lower layer receives a gradient from:

# "num output feature maps *filter height * filter width" /

# pooling size

fan_out = (filter_shape[ 0 ] *numpy.prod(filter_shape[2:]) /

numpy.prod(poolsize))

# initialize weights with random weights

W_bound = numpy.sqrt(6. / (fan_in + fan_out))

self.W = theano.shared(

numpy.asarray(

rng.uniform(low=-W_bound, high=W_bound, size=filter_shape),

dtype=theano.config.floatX

),

borrow=True

)

6 結(jié)語

本設(shè)計是融合AI算法的汽車座椅及后視鏡人機工程調(diào)節(jié)系統(tǒng)，利用AI算法計算并調(diào)整座椅最佳位置，通過測算眼橢圓計算可獲得最大視野的后視鏡角度并進(jìn)行調(diào)節(jié)。比較現(xiàn)有的汽車座椅手動調(diào)整和電動控制2種方式，本設(shè)計不僅可以智能調(diào)節(jié)汽車座椅，而且可以對每一位司機進(jìn)行AI掃描進(jìn)行智能調(diào)節(jié)，彌補了目前汽車電動座椅只能存儲2～3組駕駛?cè)梭w征信息的不足。