基于多傳感器數(shù)據(jù)融合的自動(dòng)泊車(chē)系統(tǒng)高精度辨識(shí)車(chē)位的方法

江浩斌,葉 浩,馬世典,陳 龍

( 江蘇大學(xué) a.汽車(chē)與交通工程學(xué)院； b.汽車(chē)工程研究院, 江蘇 鎮(zhèn)江 212013)

隨著人們對(duì)汽車(chē)安全與舒適要求的不斷提高，智能化、網(wǎng)聯(lián)化、電動(dòng)化已成為未來(lái)汽車(chē)發(fā)展的趨勢(shì)。智能化與網(wǎng)聯(lián)化的終極目標(biāo)是實(shí)現(xiàn)無(wú)人駕駛，而作為無(wú)人駕駛不可或缺的重要組成部分，全自動(dòng)泊車(chē)系統(tǒng)也受到研究人員的高度重視。自動(dòng)泊車(chē)系統(tǒng)是汽車(chē)在低速和城市復(fù)雜環(huán)境下的一個(gè)重要應(yīng)用，其作用是輔助駕駛員安全快速地實(shí)現(xiàn)泊車(chē)。自動(dòng)泊車(chē)系統(tǒng)由環(huán)境感知、路徑規(guī)劃和路徑跟蹤3個(gè)部分組成[1]。泊車(chē)控制器通過(guò)環(huán)境感知系統(tǒng)獲得待泊車(chē)位和障礙物信息，并根據(jù)自車(chē)與待泊車(chē)位的幾何關(guān)系規(guī)劃泊車(chē)路徑，進(jìn)行路徑跟蹤控制，最終實(shí)現(xiàn)自動(dòng)泊車(chē)。自動(dòng)泊車(chē)系統(tǒng)架構(gòu)如圖1所示。

圖1 自動(dòng)泊車(chē)系統(tǒng)架構(gòu)

泊車(chē)位的精確探測(cè)與識(shí)別是自動(dòng)泊車(chē)系統(tǒng)的關(guān)鍵問(wèn)題。目前國(guó)內(nèi)外開(kāi)發(fā)的自動(dòng)泊車(chē)系統(tǒng)普遍存在泊車(chē)位尺寸探測(cè)精度低、識(shí)別率低、可識(shí)別的泊車(chē)位類(lèi)型較少等問(wèn)題，尚無(wú)有效的解決方案。

目前常用的泊車(chē)位探測(cè)方法主要包括兩種。一種通過(guò)超聲波雷達(dá)探測(cè)泊車(chē)位[2-3]，由于超聲波雷達(dá)存在雷達(dá)張角且沒(méi)有角度探測(cè)能力，因此這種方法無(wú)法對(duì)泊車(chē)位進(jìn)行高精度探測(cè)；此外，超聲波雷達(dá)探測(cè)車(chē)位時(shí)，泊車(chē)位必須至少一側(cè)停有車(chē)輛。另一種泊車(chē)位探測(cè)方法通過(guò)圖像傳感器直接識(shí)別車(chē)輛[4]，或在有停車(chē)線的情況下，通過(guò)視覺(jué)傳感器拍攝圖像，設(shè)計(jì)特定算法識(shí)別停車(chē)線，以此來(lái)識(shí)別泊車(chē)位[5-6]。這種方法可靠性較差，容易受到天氣、光線等干擾，且目前國(guó)內(nèi)停車(chē)位的標(biāo)線畫(huà)法雜亂，給停車(chē)線的識(shí)別帶來(lái)很大難度。此外，基于圖像的泊車(chē)輔助系統(tǒng)僅能為駕駛員提供一些輔助信息，需要人工介入才能確定泊車(chē)位，或者需要駕駛員根據(jù)輔助信息自行完成泊車(chē)操作[7-8]。

隨著微電子技術(shù)、信號(hào)檢測(cè)與處理技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)通信技術(shù)以及控制技術(shù)的飛速發(fā)展，各種面向復(fù)雜應(yīng)用背景的多傳感器系統(tǒng)大量涌現(xiàn)[9]。信息融合技術(shù)能提高多傳感器系統(tǒng)的可探測(cè)性和可信度，增強(qiáng)探測(cè)精度，增加目標(biāo)特征維數(shù)[10]，已成為自動(dòng)泊車(chē)乃至無(wú)人駕駛的研究熱點(diǎn)。在自動(dòng)泊車(chē)領(lǐng)域，通常采用超聲波雷達(dá)和視覺(jué)傳感器進(jìn)行數(shù)據(jù)融合，以提高識(shí)別停車(chē)位的能力。許多科研人員在這方面進(jìn)行了相關(guān)探索。王文飛[11]設(shè)計(jì)了一種基于超聲波雷達(dá)和機(jī)器視覺(jué)的自動(dòng)泊車(chē)系統(tǒng)，提出參考車(chē)泊車(chē)位模型和泊車(chē)線車(chē)位模型，分別通過(guò)超聲波測(cè)距與視頻分析的方法實(shí)現(xiàn)泊車(chē)位識(shí)別。但該系統(tǒng)只是簡(jiǎn)單地使用超聲波雷達(dá)和視頻分析方法搜索泊車(chē)位，將最后結(jié)果進(jìn)行融合，與單獨(dú)使用一種傳感器的泊車(chē)系統(tǒng)相比，僅增加了泊車(chē)位識(shí)別類(lèi)型的數(shù)量。高航等[12]利用激光雷達(dá)、圖像傳感器、慣性導(dǎo)航系統(tǒng)等建立了停車(chē)位感知系統(tǒng)，為不同車(chē)位設(shè)計(jì)了多種泊車(chē)路徑并實(shí)現(xiàn)路徑跟蹤控制。該系統(tǒng)各個(gè)傳感器探測(cè)到的信息能在一定程度上進(jìn)行互補(bǔ)，但并未進(jìn)行系統(tǒng)性的有機(jī)融合，且數(shù)據(jù)量巨大，難以滿(mǎn)足實(shí)時(shí)性要求。江浩斌等[13]利用超聲波雷達(dá)、視覺(jué)傳感器、里程計(jì)信息融合來(lái)辨識(shí)停車(chē)位兩側(cè)車(chē)輛姿態(tài)和車(chē)位參數(shù)模型，再根據(jù)模糊邏輯推理出泊車(chē)位識(shí)別結(jié)果，能實(shí)現(xiàn)多種停車(chē)位的智能識(shí)別，但這種方法僅能識(shí)別側(cè)邊有車(chē)的泊車(chē)位，且其重點(diǎn)在于識(shí)別不規(guī)則庫(kù)位，并未提高泊車(chē)位探測(cè)精度，對(duì)于泊車(chē)位內(nèi)有移動(dòng)障礙物的情況也無(wú)法識(shí)別。總體來(lái)說(shuō)，目前有關(guān)數(shù)據(jù)融合的泊車(chē)位識(shí)別技術(shù)研究還較少，研究也不夠深入，泊車(chē)位探測(cè)精度及可識(shí)別的車(chē)位類(lèi)型均不夠理想。

為了提高泊車(chē)位的探測(cè)精度、識(shí)別率、安全性以及識(shí)別更多類(lèi)型車(chē)位，本文建立了14種標(biāo)準(zhǔn)停車(chē)位模型，通過(guò)超聲波雷達(dá)與視覺(jué)傳感器數(shù)據(jù)的多層次融合實(shí)現(xiàn)對(duì)泊車(chē)位的識(shí)別。通過(guò)仿真和實(shí)車(chē)試驗(yàn)，驗(yàn)證了所設(shè)計(jì)的算法的有效性。

1 泊車(chē)位類(lèi)型建模

國(guó)內(nèi)城市環(huán)境中停車(chē)位類(lèi)型較多，總體可分為有停車(chē)線停車(chē)位和無(wú)停車(chē)線停車(chē)位，或者分為水平停車(chē)位和垂直停車(chē)位。本文首先對(duì)各種停車(chē)位建立標(biāo)準(zhǔn)模型，如圖2、3所示。對(duì)于圖中所示障礙物1和障礙物2(不區(qū)分水平和垂直泊車(chē)位)，一般定義為其他停止的車(chē)輛、墻體等較大的不會(huì)自行移動(dòng)的障礙物。

圖2 平行泊車(chē)位類(lèi)型

圖3 垂直泊車(chē)位類(lèi)型

1.1 平行泊車(chē)位

平行泊車(chē)位作為城市中最常見(jiàn)的停車(chē)位形式之一，根據(jù)泊車(chē)位前后是否有障礙物、障礙物與泊車(chē)位方位關(guān)系以及是否有停車(chē)線，本文將其分為7種類(lèi)型，見(jiàn)圖2。

1.2 垂直泊車(chē)位

垂直泊車(chē)位也是城市環(huán)境中最常見(jiàn)的停車(chē)位類(lèi)型之一。根據(jù)泊車(chē)位左右是否有障礙物、障礙物與泊車(chē)位方位關(guān)系以及是否有停車(chē)線，本文將垂直泊車(chē)位分為7種類(lèi)型，見(jiàn)圖3。

部分停車(chē)位即使內(nèi)部沒(méi)有停車(chē)也無(wú)法使用。以前后均有障礙物的平行泊車(chē)位為例，在停車(chē)位中間可能存在其他小型障礙物，如自行車(chē)、電動(dòng)車(chē)、行人、小動(dòng)物或是石塊等。在這種情況下必須有效判斷該車(chē)位是否可用，如果是停放的自行車(chē)、電動(dòng)車(chē)及其他不動(dòng)的物體，則該泊車(chē)位不能使用；如果是經(jīng)過(guò)的行人、小動(dòng)物等，實(shí)際泊車(chē)時(shí)行人和小動(dòng)物已經(jīng)離開(kāi)，則可以進(jìn)行泊車(chē)，將這種情況下停車(chē)位內(nèi)部的小型障礙物定義為疑似障礙物(圖4)。

圖4 泊車(chē)位中有疑似障礙物的情況

2 泊車(chē)位邊界高精度識(shí)別

2.1 泊車(chē)系統(tǒng)硬件介紹

僅使用超聲波雷達(dá)探測(cè)泊車(chē)位時(shí)，由于存在雷達(dá)張角，探測(cè)精度較低。因此，在超聲波雷達(dá)的基礎(chǔ)上增加視覺(jué)傳感器，通過(guò)數(shù)據(jù)融合實(shí)現(xiàn)泊車(chē)位探測(cè)精度的提高。如圖5所示，本文采用的技術(shù)方案為在車(chē)身前后一定高度按一定距離各安裝4個(gè)短距超聲波雷達(dá)，用于在泊車(chē)過(guò)程中實(shí)時(shí)檢測(cè)車(chē)輛前后是否有障礙物，在車(chē)身左右同樣高度各安裝2個(gè)長(zhǎng)距離超聲波雷達(dá)，用于探測(cè)泊車(chē)位。同時(shí)，在車(chē)身前后車(chē)牌上方、左右后視鏡下方各安裝1個(gè)魚(yú)眼攝像頭，用于識(shí)別車(chē)輛邊界和泊車(chē)線。所有超聲波雷達(dá)及魚(yú)眼鏡頭的相對(duì)位置在安裝時(shí)已確定。

圖5 基于環(huán)視和超聲波雷達(dá)的泊車(chē)系統(tǒng)

尋庫(kù)時(shí)車(chē)輛沿著停車(chē)位向前行駛，如圖6所示。在行駛過(guò)程中，側(cè)面超聲波雷達(dá)實(shí)時(shí)探測(cè)泊車(chē)位，同時(shí)攝像頭拍攝沿途視頻，輪速傳感器記錄車(chē)輛實(shí)時(shí)速度，方向盤(pán)轉(zhuǎn)角傳感器實(shí)時(shí)記錄前輪轉(zhuǎn)角。尋庫(kù)過(guò)程中所有傳感器檢測(cè)到的每一個(gè)數(shù)據(jù)均包含時(shí)間戳，所有數(shù)據(jù)均需利用時(shí)間戳進(jìn)行數(shù)據(jù)對(duì)準(zhǔn)，以實(shí)現(xiàn)時(shí)間和空間的統(tǒng)一。為便于描述，對(duì)于探測(cè)到的車(chē)位幾何尺寸，與車(chē)輛行駛方向相同的空間距離定義為車(chē)位寬度Lw，與車(chē)輛行駛方向垂直的空間距離定義為車(chē)位深度Ld。

2.2 基于超聲波雷達(dá)與視覺(jué)數(shù)據(jù)融合的車(chē)輛邊界識(shí)別

當(dāng)超聲波雷達(dá)探測(cè)不到物體時(shí)定義為無(wú)限遠(yuǎn)，由于乘用車(chē)庫(kù)位寬度一般為2.5 m，長(zhǎng)度一般為5～5.5 m，而在尋庫(kù)過(guò)程中自車(chē)側(cè)面與障礙物的距離一般在0.5～1.5 m，所以可將超聲波雷達(dá)無(wú)限遠(yuǎn)處數(shù)據(jù)統(tǒng)一為7 m。以前后均有障礙物的水平泊車(chē)位為例，在尋庫(kù)完成后，超聲波雷達(dá)探測(cè)到的庫(kù)位特征如圖7所示。從圖中可以看出，前后兩車(chē)之間有1個(gè)車(chē)位，然而車(chē)位邊緣卻無(wú)法準(zhǔn)確判斷。

圖6 基于超聲波雷達(dá)的自動(dòng)泊車(chē)系統(tǒng)

圖7 超聲波雷達(dá)探測(cè)車(chē)位

由于攝像頭和超聲波雷達(dá)安裝位置都是固定的，并且進(jìn)行了數(shù)據(jù)對(duì)準(zhǔn)，因此很容易將魚(yú)眼鏡頭中心線通過(guò)庫(kù)位邊緣區(qū)域時(shí)對(duì)應(yīng)圖片提取出來(lái)。為了更精確地識(shí)別車(chē)輛邊界，需要將圖像中的車(chē)輛邊界區(qū)域作為興趣區(qū)域ROI(region of interest)提取出來(lái)。圖像中車(chē)輛高度方向邊界很容易根據(jù)超聲波雷達(dá)測(cè)得的側(cè)方距離推算出來(lái)，結(jié)合側(cè)方距離突變可得到水平方向邊界區(qū)域。將高度和水平邊界框住的部分作為圖像處理的興趣區(qū)域ROI。圖8為魚(yú)眼鏡頭正對(duì)車(chē)輛邊界時(shí)的經(jīng)過(guò)畸變校正后的圖片，其中ROI用紅色方框標(biāo)出。圖8(a)為車(chē)輛尾部邊緣區(qū)域，圖8(b)為車(chē)輛頭部邊緣區(qū)域。

圖8 車(chē)輛邊緣圖像

從提取出的ROI圖像可以看出：由于車(chē)輛顏色與環(huán)境(地面)顏色不同，因此存在一條很明顯的邊界線，可以采用邊緣檢測(cè)算法提取邊界。比較常用的邊緣檢測(cè)模板有Laplacian算子、Roberts算子、Sobel算子、LoG算子[14]、Kirsch算子[15]和Prewitt算子等。

本文采用Canny邊緣檢測(cè)算法。首先將車(chē)輛興趣區(qū)域剪裁出來(lái)，去掉其他無(wú)用部分，如圖9(a)所示；然后進(jìn)行灰度處理，有效減少計(jì)算量；之后采用Canny邊緣檢測(cè)算法找出圖中邊緣線，進(jìn)一步濾波去噪；最后采用hough變換檢測(cè)圖中直線，確定車(chē)輛邊緣線。進(jìn)行Canny邊緣檢測(cè)后，圖中會(huì)出現(xiàn)大量其他直線，對(duì)車(chē)輛邊緣提取造成干擾，如圖9(c)所示。為此，在進(jìn)行hough變換時(shí)需要將檢測(cè)直線的角度限制在一定范圍內(nèi)。由于車(chē)輛邊緣是垂直于地面的，所以將這個(gè)角度限制為(90°±α)范圍，其中α為允許的角度誤差，α值一般為5°。最終識(shí)別結(jié)果如圖9(d)所示，從圖中可以看出算法能夠有效檢測(cè)出車(chē)輛邊緣。與僅用超聲波雷達(dá)檢測(cè)出的車(chē)輛邊緣區(qū)域相比，融合圖像信息后，檢測(cè)出來(lái)的是一條線，檢測(cè)精度明顯提高。通過(guò)超聲波雷達(dá)與圖像融合識(shí)別車(chē)輛邊界后，可以得到停車(chē)位的有效寬度Lw和有效深度Ld。

2.3 疑似障礙物及車(chē)輛朝向識(shí)別

對(duì)于車(chē)位內(nèi)有疑似障礙物的情況，當(dāng)車(chē)輛行駛時(shí)，可以由輪速傳感器檢測(cè)輪速，并根據(jù)時(shí)間積分出行駛里程，結(jié)合方向盤(pán)轉(zhuǎn)角，獲得車(chē)輛行駛路徑。在統(tǒng)一的世界坐標(biāo)系下，車(chē)輛上超聲波雷達(dá)1在時(shí)刻t1檢測(cè)到小型障礙物，記錄其位置坐標(biāo)(x1,y1)，在時(shí)刻t2時(shí)，超聲波雷達(dá)2檢測(cè)到障礙物，記錄其位置坐標(biāo)(x2,y2)，則小型障礙物移動(dòng)速度可由如下公式獲得：

(1)

若庫(kù)位內(nèi)沒(méi)有疑似障礙物，則可將v0設(shè)置為無(wú)窮大，對(duì)于結(jié)果不會(huì)產(chǎn)生影響，便于計(jì)算機(jī)統(tǒng)一處理。

圖9 Canny邊緣檢測(cè)

在車(chē)位判斷過(guò)程中，僅依靠車(chē)位寬度和深度有時(shí)并不足以判斷車(chē)位類(lèi)型，因此需要根據(jù)對(duì)車(chē)輛輪胎[16]、車(chē)牌[17]、車(chē)尾燈[18]等的輔助識(shí)別判斷車(chē)位類(lèi)型。若在視頻圖像中檢測(cè)到車(chē)輛輪胎，則判定為車(chē)輛側(cè)面，進(jìn)一步可判斷此車(chē)位類(lèi)型為水平泊車(chē)位；若檢測(cè)到車(chē)牌、車(chē)尾燈等，則判斷為車(chē)輛頭部或尾部，進(jìn)一步可判斷此車(chē)位類(lèi)型為垂直泊車(chē)位。在實(shí)際應(yīng)用中，車(chē)輛輪胎可以抽象為黑色的圓，其尺寸也在一個(gè)固定范圍內(nèi)，因此可以通過(guò)經(jīng)典的Hough圓變換檢測(cè)。車(chē)牌檢測(cè)已經(jīng)是十分成熟的技術(shù)，此處僅需車(chē)牌檢測(cè)的簡(jiǎn)化方法，即只需做到識(shí)別車(chē)牌即可，不必識(shí)別車(chē)牌內(nèi)容。車(chē)尾燈顏色為紅色，形狀為直線和角點(diǎn)的組合，可以采用特征匹配的方法進(jìn)行檢測(cè)。采用盡量簡(jiǎn)單的算法能夠最大限度地節(jié)省處理器計(jì)算資源，滿(mǎn)足實(shí)時(shí)性要求。

3 基于多層次信息融合的泊車(chē)位識(shí)別

本文數(shù)據(jù)融合框架如圖10所示。在尋庫(kù)過(guò)程中，超聲波雷達(dá)1和超聲波雷達(dá)2同時(shí)工作，檢測(cè)障礙物。當(dāng)超聲波雷達(dá)1檢測(cè)到的距離產(chǎn)生突變時(shí)，將發(fā)生突變的區(qū)域作為ROI提供給視覺(jué)傳感器進(jìn)行特征提取，獲得車(chē)輛邊沿線，這樣即可獲得庫(kù)位寬度Lw和深度Ld。同時(shí)超聲波雷達(dá)1和超聲波雷達(dá)2檢測(cè)庫(kù)位內(nèi)部疑似障礙物速度v0，再經(jīng)過(guò)模糊控制器獲得識(shí)別的庫(kù)位。由于僅依靠模糊控制器有的庫(kù)位無(wú)法識(shí)別或無(wú)法完全確定庫(kù)位類(lèi)型，因此還需通過(guò)視覺(jué)傳感器提取車(chē)輛朝向、停車(chē)線等信息，與模糊控制器結(jié)果進(jìn)行信息融合，最終確定泊車(chē)位類(lèi)型。

圖10 數(shù)據(jù)融合框架

模糊邏輯控制(fuzzy logic control)是以模糊集合論、模糊語(yǔ)言變量和模糊邏輯推理為基礎(chǔ)的一種計(jì)算機(jī)數(shù)字控制技術(shù)[19]，是一種非線性全局智能控制的方法。本文設(shè)計(jì)的模糊控制器包含3個(gè)輸入、模糊規(guī)則、2個(gè)輸出。3個(gè)輸入分別是車(chē)位寬度Lw、車(chē)位深度Ld、庫(kù)內(nèi)障礙物速度v0。輸出為水平、垂直兩種類(lèi)型，其中水平表示識(shí)別出的庫(kù)位類(lèi)型為水平停車(chē)位，垂直表示識(shí)別出的車(chē)位為垂直停車(chē)位。

3.1 隸屬度函數(shù)

根據(jù)先驗(yàn)知識(shí)可知：對(duì)于車(chē)位寬度，當(dāng)其小于一定值時(shí)，車(chē)輛無(wú)法停入；當(dāng)其處于某定值范圍時(shí)，垂直泊車(chē)時(shí)可以停入；當(dāng)其大于一定值時(shí)，垂直和水平皆可停入。因此，得到3個(gè)模糊子集：WS、WM、WL，其中:WS表示小寬度，此時(shí)車(chē)輛無(wú)法泊車(chē);WM表示中寬度，此時(shí)車(chē)輛可以進(jìn)行垂直泊車(chē);WL表示大寬度，此時(shí)垂直和水平皆可停入。車(chē)位寬度隸屬度函數(shù)如圖11所示。

圖11 庫(kù)位寬度隸屬度函數(shù)

同理，對(duì)于車(chē)位深度，當(dāng)其小于一定值時(shí)，車(chē)輛無(wú)法停入；當(dāng)其處于某定值范圍時(shí)，車(chē)輛可以水平停入；當(dāng)其大于一定值時(shí)，垂直和水平皆可停入。因此，得到3個(gè)模糊子集：DS、DM、DL，其中:DS表示小深度，此時(shí)車(chē)輛無(wú)法停入;DM表示中深度，此時(shí)車(chē)輛可以水平停入;DL表示大寬度，此時(shí)車(chē)輛垂直和水平皆可停入。車(chē)位深度隸屬度函數(shù)如圖12所示。

圖12 庫(kù)位深度隸屬度函數(shù)

L1表示車(chē)輛垂直泊車(chē)時(shí)能進(jìn)入的最小庫(kù)位寬度，L2表示標(biāo)準(zhǔn)垂直庫(kù)位寬度，L3表示車(chē)輛水平泊車(chē)時(shí)能進(jìn)入的最小庫(kù)位寬度，L4表示標(biāo)準(zhǔn)水平庫(kù)位寬度。

對(duì)于庫(kù)內(nèi)疑似障礙物速度，當(dāng)速度小于一定值時(shí)，可以認(rèn)為是傳感器誤差導(dǎo)致，此時(shí)認(rèn)為疑似障礙物是固定障礙物，車(chē)位無(wú)法使用，當(dāng)速度大于一定值時(shí)，可以認(rèn)為疑似障礙物是人或者動(dòng)物，當(dāng)真正開(kāi)始泊車(chē)時(shí)人或動(dòng)物已經(jīng)離開(kāi)，或者其會(huì)主動(dòng)避讓泊車(chē)，此時(shí)判定車(chē)位可用。因此，得到兩個(gè)模糊子集：VS、VL，其中:VS表示小速度;VL表示大速度。當(dāng)庫(kù)內(nèi)沒(méi)有疑似障礙物時(shí)，定義其中疑似障礙物速度無(wú)窮大，即歸入大速度子集，此時(shí)不影響結(jié)果的正確性。疑似障礙物速度隸屬度函數(shù)如圖13所示。

圖13 疑似障礙物速度隸屬度函數(shù)

v1表示可以被判斷為運(yùn)動(dòng)物體的最小速度，v2表示可以被判斷為靜止物體的最大速度。

3.2 模糊規(guī)則

模糊規(guī)則是模糊控制的核心，根據(jù)經(jīng)驗(yàn)和知識(shí)推理，用輸入輸出變量的模糊狀態(tài)加以描述，即可得到模糊規(guī)則。當(dāng)庫(kù)內(nèi)疑似障礙物速度為VL時(shí)，判定為非庫(kù)位；當(dāng)庫(kù)內(nèi)疑似障礙物速度為VS時(shí)，模糊規(guī)則如表1所示。

表1 模糊規(guī)則

表1中有2個(gè)結(jié)果，分別對(duì)應(yīng)水平庫(kù)位和垂直庫(kù)位的判斷輸出。若2個(gè)結(jié)果都是非庫(kù)，則說(shuō)明檢測(cè)到的庫(kù)位不是停車(chē)位；若1個(gè)是非庫(kù)，另1個(gè)結(jié)果是水平或垂直，則檢測(cè)到的庫(kù)位結(jié)果對(duì)應(yīng)水平或垂直庫(kù)位；若同時(shí)出現(xiàn)水平和垂直結(jié)果，則說(shuō)明此庫(kù)位既可能是水平庫(kù)位，也可能是垂直庫(kù)位，需要結(jié)合圖像數(shù)據(jù)融合再次進(jìn)行確認(rèn)。為便于計(jì)算機(jī)處理，對(duì)輸出結(jié)果進(jìn)行編號(hào)，規(guī)則為：水平：01；垂直：10；非：00；無(wú)法判斷水平或垂直：11。對(duì)于編號(hào)為11的情況，需結(jié)合視覺(jué)傳感器探測(cè)到的車(chē)輛朝向或者車(chē)位線確定庫(kù)位類(lèi)型。通過(guò)以上信息融合，可以識(shí)別出水平和垂直共14種車(chē)位類(lèi)型。

4 實(shí)車(chē)試驗(yàn)

本文在實(shí)車(chē)上安裝1個(gè)圖像處理控制器和泊車(chē)控制器，如圖14所示。圖像處理控制器與安裝在車(chē)輛四周的4個(gè)魚(yú)眼鏡頭相連接，將識(shí)別出的圖像特征通過(guò)CAN總線發(fā)送給泊車(chē)控制器。泊車(chē)控制器與12個(gè)超聲波雷達(dá)相連接，驅(qū)動(dòng)雷達(dá)探測(cè)泊車(chē)位并記錄數(shù)據(jù)，結(jié)合圖像處理控制器識(shí)別出的特征進(jìn)行信息融合，實(shí)現(xiàn)泊車(chē)位高精度探測(cè)與識(shí)別。

圖14 圖像處理器(左)和泊車(chē)控制器(右)

通過(guò)車(chē)載泊車(chē)控制器和視覺(jué)處理控制器，進(jìn)行泊車(chē)位識(shí)別試驗(yàn)。根據(jù)專(zhuān)家經(jīng)驗(yàn)，設(shè)置模糊控制器參數(shù)為：L1=2.4 m，L2=2.6 m，L3=5.2 m，L4=5.6 m，v1=0.5 m/s，v2=1.5 m/s。試驗(yàn)分為3種情況，泊車(chē)位寬度和深度在模糊集范圍內(nèi)隨機(jī)生成，以人作為庫(kù)內(nèi)疑似障礙物。試驗(yàn)車(chē)輛類(lèi)型為SUV，部分泊車(chē)場(chǎng)景如圖15所示，其中15(a)為對(duì)水平泊車(chē)位的尋庫(kù)過(guò)程，自車(chē)從右向左緩慢行駛進(jìn)行尋庫(kù)操作；圖15(b)為對(duì)垂直泊車(chē)位的尋庫(kù)過(guò)程，自車(chē)從左向右緩慢行駛進(jìn)行尋庫(kù)操作。

圖15 泊車(chē)試驗(yàn)場(chǎng)景

為全面測(cè)試本文提出的泊車(chē)位辨識(shí)方法，根據(jù)庫(kù)內(nèi)疑似障礙物有無(wú)及運(yùn)動(dòng)情況，將14種泊車(chē)位全部分為3種情況：試驗(yàn)Ⅰ：庫(kù)內(nèi)沒(méi)有疑似障礙物；試驗(yàn)Ⅱ：庫(kù)內(nèi)有人但靜止不動(dòng)；試驗(yàn)Ⅲ：庫(kù)內(nèi)有人走動(dòng)。車(chē)位類(lèi)型及識(shí)別結(jié)果如表2所示，表中車(chē)位類(lèi)型編號(hào)依次對(duì)應(yīng)前文所述水平和垂直泊車(chē)位，共14種。基于本文泊車(chē)車(chē)位辨識(shí)方法的試驗(yàn)結(jié)果如表2所示。

為驗(yàn)證本文泊車(chē)位辨識(shí)方法的性能，同時(shí)進(jìn)行了目前已有的兩種泊車(chē)位探測(cè)方法對(duì)比試驗(yàn)。第1種方法僅在車(chē)輛側(cè)前方安裝一個(gè)超聲波雷達(dá)，通過(guò)車(chē)輛向前行駛探測(cè)泊車(chē)位，試驗(yàn)結(jié)果如表3所示。第2種方法僅使用攝像頭識(shí)別車(chē)道線，試驗(yàn)結(jié)果如表4所示。

表2 實(shí)車(chē)試驗(yàn)結(jié)果

表3 僅安裝超聲波雷達(dá)時(shí)試驗(yàn)結(jié)果

表4 僅安裝攝像頭時(shí)試驗(yàn)結(jié)果

從實(shí)車(chē)試驗(yàn)結(jié)果可以看出，僅在車(chē)輛側(cè)前方安裝1個(gè)超聲波雷達(dá)探測(cè)泊車(chē)位時(shí)，無(wú)法進(jìn)行只有停車(chē)線的泊車(chē)位探測(cè)。泊車(chē)位內(nèi)部有疑似障礙物時(shí)，無(wú)論疑似障礙物是否移動(dòng)，都會(huì)判斷為障礙物，因此對(duì)于疑似障礙物移動(dòng)時(shí)的情況，無(wú)法正確辨識(shí)泊車(chē)位。僅使用攝像頭識(shí)別泊車(chē)位時(shí)，對(duì)于沒(méi)有泊車(chē)線的情況不具備識(shí)別能力。本文所采用的泊車(chē)位識(shí)別方法能夠識(shí)別更多泊車(chē)位類(lèi)型，識(shí)別率較高，與僅采用1個(gè)超聲波雷達(dá)和僅使用攝像頭檢測(cè)泊車(chē)位的方法相比優(yōu)勢(shì)明顯，能夠有效提高自動(dòng)泊車(chē)系統(tǒng)的智能化水平。同時(shí)，從結(jié)果中也可以看出，實(shí)驗(yàn)條件越復(fù)雜，泊車(chē)位識(shí)別成功率就越低。這是由于越是復(fù)雜的試驗(yàn)條件，各個(gè)傳感器出錯(cuò)的概率就越高，進(jìn)而影響泊車(chē)位識(shí)別成功率。

5 結(jié)束語(yǔ)

本文采用多個(gè)超聲波雷達(dá)和視覺(jué)傳感器，通過(guò)數(shù)據(jù)融合實(shí)現(xiàn)了泊車(chē)位邊界的高精度探測(cè)，能夠有效降低因超聲波雷達(dá)張角而產(chǎn)生的庫(kù)長(zhǎng)探測(cè)誤差。

利用2個(gè)超聲波雷達(dá)先后探測(cè)庫(kù)位內(nèi)部疑似障礙物，建立疑似障礙物速度計(jì)算方法，解決了庫(kù)內(nèi)疑似障礙物判別問(wèn)題，為判斷泊車(chē)位是否可用提供了有力支撐。

建立了泊車(chē)位識(shí)別的模糊控制邏輯，能夠有效識(shí)別大部分類(lèi)型車(chē)位。采用視覺(jué)傳感器檢測(cè)出的車(chē)輛朝向和停車(chē)線等信息進(jìn)行信息融合，能夠判斷更多種類(lèi)型的水平和垂直泊車(chē)位。

進(jìn)行了多種實(shí)驗(yàn)條件下的實(shí)車(chē)試驗(yàn)。試驗(yàn)結(jié)果表明：本文所采用的泊車(chē)位辨識(shí)方法能夠有效識(shí)別多種類(lèi)型的泊車(chē)位，識(shí)別率高，與僅采用1個(gè)超聲波雷達(dá)和僅使用攝像頭檢測(cè)泊車(chē)位的方法相比優(yōu)勢(shì)明顯，能夠有效提高自動(dòng)泊車(chē)系統(tǒng)的智能化水平。