自主行駛車輛的避障控制算法研究*

高俊釵　寧江坤

(西安工業大學電子信息工程學院　西安　710021)

?

自主行駛車輛的避障控制算法研究*

高俊釵寧江坤

(西安工業大學電子信息工程學院西安710021)

摘要在模擬單行道上隨機出現障礙物的情況下,針對無法建立精確的智能小車的控制數學模型問題,提出基于模糊控制的智能小車避障算法。采用OV7620攝像頭獲取道路信息,結合圖像處理算法對障礙物進行定位。通過人類駕駛車輛避障的經驗對智能小車行駛路徑進行局部規劃,設計一個模糊控制器,實時調整智能小車的行駛姿態使其能夠在不超出道路邊界的情況下實現避障功能。并通過仿真實驗驗證該算法的有效性。仿真實驗結果表明:該算法能實時、穩定地更改智能小車行駛路徑,有效地躲避障礙物。

關鍵詞OV7620攝像頭; 障礙物定位; 模糊控制; 避障

Obstacle Avoidance Control Algorithm for Autonomous Vehicles

GAO JunchaiNING Jiangkun

(College of Electronic Information Engineering, Xi’an Technological University, Xi’an710021)

AbstractIn the simulation of one-way street with random obstacle, aiming at the problem of intelligent car control mathematical model cannot be established accurately, the algorithm for intelligent obstacle avoidance car based on fuzzy control is established. Using OV7620 camera to obtain road information, combining with obstacle localization image processing algorithm, uniting human driving experience for planning the sectional path of intelligent obstacle avoidance car, the fuzzy controller is designed to adjust the gesture of the car so that it can achieve obstacle avoidance within the boundaries of the road. The effectiveness of the proposed algorithm is verified by simulation experiments that show the proposed algorithm can change the driving path of the smart car in real time, and can effectively avoid the obstacles.

Key WordsOV7620 camera, obstacle positioning, fuzzy control, obstacle avoidance

Class NumberTP301.6

1引言

智能小車是移動機器人的一種,可通過ARM嵌入式編程來實現其對行駛方向、啟停以及速度的控制。要想讓智能小車在行駛過程中能成功地避開障礙物,必須對其進行路徑規劃,路徑規劃的任務是為智能小車規劃一條從起始點到目標點的無碰路徑。路徑規劃的方法有:可視圖法、柵格法、人工勢場法以及模糊控制方法等[1]。模糊技術具有人類智能的模糊性和推理能力,在路徑規劃中,模糊推理的應用主要體現在基于行為的導航方式上,即將智能小車的運動過程分解為避障、邊界跟蹤、調速等基本行為,各基本行為的激活由不同的機構分別控制,智能小車的最終操作由高層控制機構對基本行為進行平衡后作出綜合反應。模糊控制的優點在于不依賴智能小車的動力學、運動學模型,系統控制融入了人類經驗,計算量小,構成方法簡單[2]。本文通過對智能小車的運動學模型進行分析,驗證了模糊控制應用在智能小車避障的必要性。并設計模糊控制避障算法進行了仿真實驗。

2采用模糊控制避障算法的必要性分析

圖1　智能小車運動學模型

本文中的智能小車是后輪驅動、前輪轉向的車體,對智能小車所在的環境做了一下假設,智能小車所在平面為光滑平面;速度較低,沒有劇烈的航向變化;以及輪胎側滑等因素時,采用圖1所示的運動學模型來分析其平面運動情況[3]。其運動學模型可描述為

(1)

其中,φ為轉向輪的轉向角;θ為車身與X軸的夾角;l為小車前輪與后輪的軸間距;r為參考點Or到車身后軸中心O的距離;vf為前軸中心點的速度。從式(1)可以看出,智能小車的運動學模型具有非線性、強耦合性的特點,要實現智能小車的有效控制必須充分考慮這些因素。由于模糊控制避障算法不依賴受控對象的精確的運動學模型,因此采用模糊控制避障算法控制智能小車進行避障操作。

3模糊控制系統輸入信息的獲取

該系統采用OV7620數字攝像頭采集道路環境信息,將其安裝在與地面高度為h處,且與地面成α角俯視道路,其在智能小車上的安裝位置如圖2所示。為了采用幾何的方法對障礙物進行測距定位,就需要求得攝像頭的水平視角與垂直視角。

圖2　攝像頭在車體上的安裝示意圖

4避障控制系統的設計

智能小車采用攝像頭獲取道路前方的環境信息,在運動過程中,攝像頭實時采集道路前方的信息,經過圖像處理獲取車體與障礙物和道路邊界的相對位置信息。經過模糊規劃器處理后輸出智能車避障所需要的導航角和速度[4]。其控制系統如圖3所示。

圖3　控制器系統結構

4.1輸入與輸出的模糊化處理

由于智能小車要在不超出道路邊界的情況下避開障礙物,且模擬道路的寬度為50cm,車體寬度為11cm。因此對于車體在橫向運動的控制精度要高于在縱向運動上的控制精度[5~7]。在縱向距離上攝像頭所能看到的最遠距離為1m,因此其物理論域為[0,1m],將縱向距離的輸入變量MF(即:YP)的模糊集劃分為{Near,Middle,Far}。在橫向距離上,由于車寬為11cm,在不超出道路邊界的情況變量X的物理論域為[-39cm,39cm],車體右側距離(即Rdis)的模糊輸入變量MR的模糊集劃分為{NB,NM,NS,ZO,PS,PM,PB}={“左遠”,“左中”,“左近”,“零”,“右近”,“右中”,“右遠”}。車體左側距離(即Xdis)的模糊輸入變量ML=MR。車體舵機的最大輸出角度分別為左30°和右30°,在這里定義左為負,右為正,因此舵機的論域為[-30°,30°],舵機U的模糊集合為{TLB,TLM,TLS,TZ,TRS,TRM,TRB}={“左大”,“左中”,“左小”,“零”,“右小”,“右中”,“右大”}。智能小車的速度論域為[0,2m/s],小車輸出速度V的模糊集合為{NS,ZO,PS}={“快”,“中”,“慢”}。

4.2模糊控制規則庫設計

根據人類駕駛車輛的經驗,當車輛能順利地通過障礙物時,車輛按原來的方向和速度行駛,當車輛不能順利地通過障礙物時,首先判斷障礙物的方位,車輛準備實施避障操作,假設障礙物在道路的左邊,應控制小車的前輪向右轉向同時控制驅動后輪減速,繞開障礙物。當車體通過障礙物且靠近右邊界時,控制前輪向左轉向,使其重新返回到的道路中心線行駛。當障礙物出現在道路右邊時,實施與上述避障過程相反的操作。根據此原理設計如表1所示的模糊控制規則[8~11]。

表1　模糊控制規則表

4.3控制器輸出參數的反模糊化

模糊推理采用Mamdani的max-min合成法,首先根據輸入的模糊化值激活模糊規則庫中所有輸入變量隸屬函數大于0的規則。接著根據每條被激活規則的前件確定輸入量、各自的隸屬度并將它們進行取小運算,用得到的結果切割規則后件,這樣就得到每個激活模糊規則的推薦模糊結果,再將所有激活規則的推薦結果進行并操作,得到的結果就是模糊推理輸出的結果,這就是一個模糊量。將模糊推理得到的結果反模糊化后才可以應用到控制中。由于智能小車在避障的過程中對系統的實時性要求較高,因此采用重心法對得到的模糊量進行反模糊化處理[12]。

5實驗與仿真

圖4　仿真環境

為了對模糊避障控制算法的有效性進行驗證,在VS2010平臺上采用C++語言設計仿真環境進行了避障仿真實驗。搭建的仿真環境如圖4所示。其中黑線表示道路的邊界線,黑色方框表示虛擬道路中隨機出現的障礙物,灰色圓形表示小車。

在該虛擬仿真環境中,為了得到小車在實施避障情況下的最大速度(步長)。在設定實施避障的危險距離為80的時候,且小車的步長為45個像素點,對小車通過第一個障礙物的情況進行了測試,第一個障礙物左下角的坐標為(235,550),在這里分別選取1.7、1.5、1.3、1倍步長進行了測試,測試結果如圖5所示。從圖10中可以看出只有當步長為58.5個像素點時,小車能夠順利的實施避障。

為了對該算法在復雜情況下的避障能力進行驗證,在這里設定小車的初始步長為15,并設計了形狀不同的障礙物進行避障實驗,仿真實驗過程如圖6所示。圖中黑色幾何圖形和不規則圖形代表障礙物。實驗結果表明,在道路邊界內隨機出現的各種形狀的障礙物,小車均能夠在不超出道路邊界的情況下實施避障。

圖5　最大車速仿真測試圖

圖6　復雜情況下的避障實驗

6結語

本文研究了在模擬道路邊界以內隨機出現中等偏小障礙物的情況下,采用模糊控制算法,控制智能小車實現障礙功能。文中分析了智能小車的運動學原理,推導了智能小車運動方程,將模糊控制應用于避障過程中,建立了模糊控制規則表,并在VS2010平臺上對設計的模糊避障控制算法進行了仿真實驗,使小車具備了避開道路邊界內隨機出現中等偏小障礙物的能力,且能夠快速準確地避開障礙物。

參 考 文 獻

[1] 孫涵,任明武,唐振民,等.基于機器視覺的智能車輛導航綜述[J].公路交通科技,2005,5(25):132-135.

SUN Han, REN Mingwu, YANG Jingzi, et al. Intelligent vehicle navigation based on machine vision overview[J]. Highway Transportation Science and Technology,2005,5(25):132-135.

[2] 李士勇.模糊控制、神經控制和智能控制論[M].哈爾濱:哈爾濱工業大學出版社,1998.

LI Shiyong. Fuzzy control、neural control and intelligent controltheory[M]. Haerbin: Haerbin Institute of Thchnology Press,1998.

[3] 陳瑾.智能小車運動控制系統的研究與實現[D].南京:東南大學,2005.

CHEN Jin. Research and implementation of intelligent vehicle motion control system[D]. Nanjing: Southeast University,2005.

[4] 蔡自興,賀漢根,陳虹.位置環境中移動機器人導航控制研究的若干問題[J].機器人,2000,13(3):32-35.

CAI Zixing, HE Hangen, CHEN Hong. Several problems of research on mobile robot navigation control in position environment[J]. Journal of Robot,2000,13(3):32-35.

[5] Maaref H, Barret C. Sensor-based fuzzy navigation of an auto nomous mobiles robot in an indoor environment[J]. Engineering Practice,2000,8(7):757-768.

[6] Reinnier P. Fuzzy technique for mobile robot obstacle avoidance[J]. Robotics and Autonomous System,1994(12):143-153.

[7] 謝守勇,鮑安紅,管在林,等.溫室移動機器人導航和避障模糊控制[J].農業機械學報,2002,33(2):74-76.

XIE Shouyong, BAO Anhong, GUAN Zailin, et al. Fuzzy control of navigation and obstacle avoidance for mobile robot in Greenhouse[J]. Journal of Agricultural Machinery,2002,33(2):74-76.

[8] 從爽.神經網絡、模糊控制及其在運動控制中的應用[M].合肥:中國科學技術大學出版社,2001.

CONG Shuang. Neural network、Fuzzy control and its application in motion control[M]. Hefei: University of Science & Technology China Press,2001.

[9] Zhang Jianguo, Ni Yude, Sharma A B. Data buses take flight[J]. Circuits and Devices Magazine, IEEE,2002:18-31.

[10] Hall I K, Stigall P D. Distributed flight control system using fiber distributed data interface[J]. Aerospace and Electronic Systems Magazine, IEEE,1992:21-33.

[11] Mehdi Abbasi, Mohammad Danesh, Mostafa Ghayour. A path fuzzy planner for autonomous underwater vehicles to avoid moving unknown obstacles[J]. Proceeding of the 2010 IEEE International Conference on Mechatronics and automation,2010:1264-1269.

中圖分類號TP301.6

DOI:10.3969/j.issn.1672-9722.2016.02.004

作者簡介:高俊釵,女,副教授,研究方向:計算機視覺、自主導航與控制。寧江坤,男,碩士研究生,研究方向:智能控制。

基金項目:西安工業大學校長基金(編號:XAGDXJJ1212)資助。

*收稿日期:2015年8月11日,修回日期:2015年9月25日