調頻連續(xù)波雷達技術與圖像識別技術的定位避障方法

吳辰斌 樓鐵城 何磊 周韞捷 蔣曉娟

（國網(wǎng)上海市電力公司 上海市 200120）

隨著電纜隧道的普及和發(fā)展，電纜隧道中存在的隱患越來越多，通常以日常巡檢的方式來保證電纜隧道的可靠運行。目前，大部分電纜隧道的巡檢由人工完成，由于電纜隧道內(nèi)設備數(shù)量眾多、分布點多、總里程長，導致了監(jiān)控信息量大、監(jiān)控距離長、巡檢周期短的特點。同時電纜隧道具有易積水、易產(chǎn)生有害氣體、空氣不易流通、高電壓、高輻射等問題，使得人工巡檢工作變得異常艱難，迫切需求電纜隧道巡檢機器人替代人工巡檢。在這樣的背景之下，使用機器人代替人類進行隧道巡檢成為隧道巡檢自動化的研究熱點，在隧道的復雜環(huán)境下，提升機器人對于定位及避障功能極為重要。

1 基于調頻連續(xù)波雷達的定位功能

調頻連續(xù)波雷達是調頻連續(xù)波雷達，發(fā)射的信號是線性調頻連續(xù)波或線性調頻序列，其頻率隨時間變化的特征遵循鋸齒形。[1]通過產(chǎn)生線性調頻信號以放大并從發(fā)射天線發(fā)射信號。雷達照亮的區(qū)域中的任何物體都會將傳輸?shù)男盘柗瓷浠厝?。將反射信號與本地振蕩器信號混合會產(chǎn)生拍頻（中頻IF 頻率）輸出，該輸出將被數(shù)字化，然后在DSP 中進行處理。

圖1顯示了接收到的調頻連續(xù)波雷達信號，該信號包括與各種對象相對應的已發(fā)送信號的不同延遲和衰減副本。從圖1中可以看到，與每個對象相對應的拍頻信號是一個音調（忽略線性調頻信號的開始和結尾處的邊緣效果），其頻率與物體距離雷達的距離成正比。檢測物體（目標）及其與雷達的距離的過程涉及對拍頻信號進行FFT，并識別出本底噪聲突出的峰值。頻率信號還具有多普勒分量，該分量取決于雷達與目標之間的相對速度[2]。查看拍頻信號從一個線性調頻脈沖到另一個線性調頻脈沖的相移，可以估算出多普勒信號，從而可以估算出相對速度。這通常是通過對線性調頻脈沖執(zhí)行第二次FFT 來完成的。檢測過程包括對與每個線性調頻對應的接收樣本執(zhí)行一維FFT，然后跨線性調頻對該輸出進行二維FFT，2-D FFT 過程的結果是距離-速度網(wǎng)格中目標的圖像。檢測過程通常是在此2-D FFT 輸出上執(zhí)行的，并且涉及檢測本底噪聲或周圍雜波中的峰值。另外，對于檢測到的物體，使用具有多個TX / RX 天線的數(shù)字波束成形來執(zhí)行角度估計過程。因此，調頻連續(xù)波雷達可以提供其照亮的場景的3D 圖像（距離，相對速度和到達角度）。

圖1：接收到的調頻連續(xù)波雷達信號和拍頻頻譜

二維FFT 處理程序適用于使用快速調頻連續(xù)波雷達調制的雷達實施方案?？焖僬{頻連續(xù)波雷達調制的主要優(yōu)勢之一就是將各種物體的距離和速度自動解析為2D 圖像。高效的2D FFT 處理方法可以準確估計每個物體的距離和速度，而不會產(chǎn)生歧義。[3]快速調頻連續(xù)波雷達調制的其他優(yōu)點包括：來自各個物體的拍頻信號高于閃爍噪聲轉折頻率。此外，在芯片上實現(xiàn)模擬基帶所需的低通和高通濾波器可減少外部組件的數(shù)量。

四足機器人在電纜隧道中行進，面對隧道中復雜的情況，需要實時對周圍的物體進行定位，為了能夠更好的劃分近距離的目標，就必須具備更高距離分辨率、速度分辨率和角度分辨率，并為對象識別/分類提供信息。例如，較高的空間分辨率（距離和角度分辨率）可以幫助識別兩物體之間的間距，或者識別附近有小物件的情況。同樣，高距離和速度分辨率可以幫助專門識別移動物體。影響距離分辨率的主要因素之一是線性調頻脈沖的射頻掃描帶寬。距離分辨率與RF 掃描帶寬成反比。

雖然更寬的RF 掃描帶寬可以提高范圍分辨率，但通常會導致更長的線性調頻持續(xù)時間。這可能會限制使用2-D FFT 處理可檢測到的最大速度，因為較長的線性調頻脈沖會導致對多普勒頻移的采樣不足。在不影響最大速度的情況下，支持快速的斜坡斜率對于實現(xiàn)更高的范圍分辨率至關重要。雖然斜坡越快，范圍分辨率和最大速度越好，但它會導致更高的斜率。雖然更快的斜坡斜率可以提供更好的測距分辨率和最大速度，但對于給定的物體距離，它會導致更高的拍頻。因此，支持更寬的IF 帶寬將有助于確保不會因模擬基帶中的IF 帶寬受限而損害雷達可以檢測到物體的最大距離。[4]

2 基于圖像識別的避障功能

攝像頭為智能分析提供了一種低成本的手段來捕捉許多場景。前置攝像頭可用于自動巡航控制捕捉實時情況，以幫助保持與障礙物的最佳距離。前置攝像頭還可以用于四足機器人運動輔助，以保持四足機器人在隧道中心，以及物體檢測。攝像頭背后的分析是使汽車具有類似視覺功能的原因，實時視覺分析需要對攝像機的每一幀進行分析，以提取正確的信息進行智能決策。他不僅需要巨大的計算能力，以在瞬間處理數(shù)據(jù)，使四足機器人能夠做出正確的激動，他還需要廣泛的I/O，以提供來自多個攝像機的視覺分析引擎輸入，以實現(xiàn)同時關聯(lián)。低功耗、低延遲和可靠性也是四足機器人視覺系統(tǒng)的關鍵方面。

四足機器人采用的視覺加速器包含一個或多個嵌入式視覺引擎，為嵌入式視覺系統(tǒng)提供可編輯性、靈活性、低延遲處理、電池效率以及較小的芯片面積。一個視覺優(yōu)化的處理引擎，包括一個32 位專用RISC 處理器和一個512 位矢量協(xié)處理器。[5]處理器包括32KB 的程序緩存，以實現(xiàn)高效的程序執(zhí)行，提供了768 位寬的組合內(nèi)存帶寬，同時具備96KB 的L1 緩存，以使數(shù)據(jù)傳輸?shù)难舆t極低。每一個嵌入式視覺引擎具有一個專用的直接內(nèi)存訪問（DMA），用于與處理器內(nèi)存之間的數(shù)據(jù)傳輸，以及一個內(nèi)存管理單元（MMU），用于地址轉換和內(nèi)存保護。為了實現(xiàn)操作的可靠性，每一個嵌入式視覺引擎在所有數(shù)據(jù)存儲器上配備了一位錯誤檢測功能，并在程序存儲器上配備了兩位錯誤檢測功能。而視覺加速器的關鍵體系結構是DMA、RISC CPU 以及處理引擎（VCOP）的完全并發(fā)。視覺加速器如圖2所示。

圖2：視覺加速器

一個典型的視覺分析處理過程包括如圖3所示的幾個階段，包括圖像預處理和特征檢測、識別目標物體、圖像和模式匹配以及最后的決策。四足機器人經(jīng)過優(yōu)化設計，可以在視覺分析處理的前三個階段中減輕密集計算的負擔。決策通常涉及分類器、浮點運算和矩陣轉換。

圖3：視覺分析處理流程

以瓦楞紙箱為例，瓦楞紙箱的邊界通常是黃色矩形，所以第一步是從輸入數(shù)據(jù)中提取僅為黃色的像素。接下來是使用亮度和對比度確定黃色邊界的水平和垂直漸變的計算，然后利用霍夫變換算法以找到矩形。最后使用儲存在數(shù)據(jù)庫中的圖案將目標圖像關聯(lián)起來，以解析最終識別目標物體，并最終得到?jīng)Q策。借助圖像識別功能，四足機器人實現(xiàn)了自動對攝像頭中的物體進行識別和分析，最終實現(xiàn)避障功能。