高尚

摘 要：本文分析了智能汽車輔助駕駛系統(tǒng)的數(shù)據(jù)采集相關技術，指出了各類技術的適用性和優(yōu)勢，設計了超聲波測距結合視覺信息采集的模式來進行避障，并研究了智能汽車避障行為，最后采用Carsim軟件與Simulink聯(lián)合仿真來模擬智能汽車跟車行為響應。模擬結果表明，其基本符合車輛行駛過程的避障要求，跟車速度控制良好，達到了預期目標。

關鍵詞：智能汽車;輔助駕駛;避障策略;系統(tǒng)設計

中圖分類號：U461.99文獻標識碼：A文章編號：1003-5168（2020）29-0099-04

Abstract： This paper analyzed the data collection related technologies of the intelligent vehicle assisted driving system， pointed out the applicability and advantages of various technologies， designed the mode of ultrasonic distance measurement combined with visual information collection to avoid obstacles， and studied the obstacle avoidance behavior of intelligent vehicles， finally used Carsim software and Simulink co-simulation to simulate the response of smart car following behavior. The simulation results show that it basically meets the obstacle avoidance requirements of the vehicle during driving， the following speed is well controlled， and the expected goal is achieved.

Keywords： intelligent vehicle;assistant driving;obstacle avoidance strategy;system design

汽車最早起源于歐洲，在人類發(fā)展歷程中已有一百多年的歷史。截至2019年底，我國登記在冊的機動車數(shù)量已突破3億輛，機動車駕駛人已達到3.9億人。隨著機動車的增加，其給人們生活帶來一定的負面影響，如造成交通擁堵和交通事故等。在汽車駕駛過程中，駕駛員長期疲勞駕駛或者判斷失誤，很容易造成道路交通事故。

為了避免交通事故給人帶來的損害，人們可以通過自行駕駛讓汽車本身具有一定的主動操作，智能汽車這一概念被提出。最早期的智能汽車用于軍事工業(yè)，隨著技術的不斷研發(fā)和成熟，其在民用方面也逐漸開始盛行。目前，智能汽車作為世界各國汽車工業(yè)未來發(fā)展的方向，成為一個新興產業(yè)，不僅提高了人們出行質量，還提高了社會資源的利用率[1]。2009年，美國谷歌公司提出了無人汽車概念模型;2017年，美國眾議院通過了無人汽車駕駛法案;2018年，美國加利福尼亞州通過了無人駕駛汽車上路行駛草案[2-4]。

1 智能汽車數(shù)據(jù)采集

1.1 傳感器

在智能汽車研究過程中，傳感器是一個重要的技術部件，目前已經開發(fā)出多種傳感器，其被應用于智能汽車中，應用較為廣泛的是超聲波傳感器、紅外線傳感器、激光雷達傳感器等，對于智能汽車而言，選擇合適的傳感器非常重要[5]。

紅外傳感器是將紅外信號轉化為電量信號的探測性元件。自然界中只要有絕對溫度的物體都會發(fā)出紅外光，隨著溫度的變化，波長也會發(fā)生變化。因此，可以通過紅外線傳感器來探測物體發(fā)出的紅外光波，對物體進行探測。其可以分為五種類型：輻射計，探測輻射和光譜;搜索跟蹤系統(tǒng)，對被測對象進行搜索和跟蹤定位;熱成像系統(tǒng)，提供紅外熱輻射圖像;紅外線測距和通信;混合系統(tǒng)，由以上系統(tǒng)（至少兩個）組合而成[6]。

本研究采用超聲波傳感器，假設超聲波從發(fā)射出去到接收反射回來的信號所用的時間為t，超聲波在當前環(huán)境中的傳播速度為v，則障礙物目標距離車輛為d，相關計算公式如下：

當環(huán)境中的溫度為T時，超聲波在空氣中的傳播速度計算公式為：

式中，[v0]為干燥空氣中的聲速，取331 m/s。

目前，超聲波傳感器作為測距元件被廣泛應用到智能汽車障礙物探測中，相比其他類型傳感器，在惡劣環(huán)境中仍然能夠有效探測障礙物及相互距離，同時在產品經濟性上具有較好的優(yōu)勢。本文采用的超聲波測距傳感器模塊電路圖如圖1所示。

長期應用表明，該模塊表現(xiàn)出穩(wěn)定性好、測距精度高、盲區(qū)小的優(yōu)勢，測距原理如下：利用IO口TRIG觸發(fā)測距，高電平信號不低于10 μs;模塊自動發(fā)射8個40 kHz方波，并監(jiān)測發(fā)射方波是否有返回;輸出一個高電平，記錄該高電平持續(xù)時間，該時間為超聲波發(fā)射到接收返回信號的時間;一個控制口發(fā)射出一個高電平，同時接收口等待接收，在發(fā)射口輸出時，定時器打開，記錄測距時間，方可計算出距離。

在利用超聲波傳感器測距的過程中，仍然存在一定的盲區(qū)，當障礙物處于盲區(qū)時，可能無法準確探測，造成汽車與障礙物相互碰撞。因此，在安裝超聲波傳感器的過程中，要盡量避免或者降低探測盲區(qū)的出現(xiàn)，從而降低探測盲區(qū)造成汽車與障礙物碰撞的可能。

1.2 數(shù)據(jù)采集

在智能汽車行駛過程中，數(shù)據(jù)采集是一個必備的環(huán)節(jié)，將收集的數(shù)據(jù)處理后反饋給汽車相應的計算分析中心，這保證了智能汽車能在行駛過程中不斷修正軌跡，避免碰撞，順利到達目的地。本研究選用3個傳感器，分別安裝在汽車的前后端的左、中、右三個部位，分別用于探測汽車左前方、正前方、右前方三個方向上的障礙物信息以及車輛后方與其他車輛的距離信息，以便更好地收集車輛周圍信息，給車輛提供更加詳盡的避障保障。

圖像信息采集目前主要采用攝像機、數(shù)碼相機拍攝等直接視覺信息采集方式。本研究采用視覺傳感器來直接獲知車輛在行駛過程中的道路信息，并對路面行駛過程障礙物進行準確獲知，這就需要對采集的信息進行進一步處理分析。

1.3 圖像處理

在圖像采集過程中，由于采集的圖像可能產生模糊、噪聲大的情況，為了保障獲取信息的準確性，提高視覺系統(tǒng)判斷出障礙物信息的真實性，人們需要從圖像信息中提取障礙物信息并進行數(shù)學模型分析，以便計算出障礙物信息，給智能汽車提供良好的避障路徑。近年來，國內外學者提出了多種方法，如光流法、分割法、幀間差分法等算法。

在智能汽車行駛過程中，本文采用的視覺傳感器可以采集環(huán)境信息，提取障礙物信息。以紙箱模型為例，通過圖像灰度變化處理、圖像濾波及形態(tài)學運算分析，將障礙物紙箱信息進行充分提取，具體操作流程如圖2所示。

圖像處理結果如圖3所示。首先，在運動過程中探測到原始圖像，如圖3（a）所示，由于探測過程中車輛處于運動狀態(tài)，因此探測圖像顯得較為模糊;對圖像進行灰度處理，處理后的圖像如圖3（b）所示，灰度圖像中存在一定的噪聲干擾;將獲得的灰度圖進行濾波處理，得到較為清晰的圖像，如圖3（c）所示;然后進行形態(tài)學運算分析，得到“腐蝕”圖像，如圖3（d）所示。最終對圖像進行充填，得到障礙物信息圖像，如圖4所示。

2 避障措施策略

2.1 多傳感器融合

避障問題一直是智能汽車研究的重點工作，目前應用較多的是利用多傳感器來收集信息，然后在時間和空間上進行互補，從而更為準確地探測出障礙物。經驗分析表明，僅僅依靠一個傳感器來獲知信息并提供給智能汽車處理中心來進行決策，可靠性較差，而采用多個傳感器則很好地解決了這一問題。目前，多個傳感器融合的結構有集中型、分散型、混合型等。

集中型由信息處理中心對各傳感器獲取的信息進行分析，要求傳感器獲取的信道容量較大，能對許多傳感器傳輸?shù)男畔⑦M行同時分析處理。

分散型信息處理則需要首先對每一個傳感器獲取的信息進行預處理，然后將預處理的信息壓縮后統(tǒng)一傳輸?shù)叫畔⑻幚碇行摹ｎA處理過程則起著首先進行分析處理、降低信息處理中心信道容量的目的，但其間可能會丟失掉一部分重要信息，造成后期信息處理中心處理成果融合變差。因此，該類結構適合于遠距離配置傳感器系統(tǒng)并且信息獲取保真度較高的情況，結構如圖5所示。

混合型信息處理結構為集中型和分散型組合，這種結構既具有信息集中處理步驟，又具有分散型信息處理過程，使得各個傳感器采集的信息能夠充分被收集和利用，可以得到良好的處理結果。因此，混合型相對而言具有更好的結構優(yōu)勢，但其處理系統(tǒng)較為龐大。

2.2 超聲波與視覺融合

智能汽車避障的關鍵在于如何準確獲知障礙物位置，僅依靠視覺傳感器進行信息采集，容易受到外界光線干擾，造成信息采集不完整，從而影響處理效果。而超聲波測距可以在相對惡劣的環(huán)境下正常運行?？傮w來看，采用單一的傳感器收集信息可能產生信息收集的不完整性。本研究利用超聲波傳感器和視覺信息處理兩者的優(yōu)點，將兩種技術進行融合，即采用視覺攝像頭和超聲波傳感器兩種傳感器進行信息采集，然后進行融合處理，利用超聲波傳感器探測障礙物距離，融合獲取障礙物位置信息，探測出障礙物基本特征，再將超聲波傳感器探測到的距離作為模糊邏輯輸入，以智能汽車避障行為作為對象進行輸出，達到最佳的智能汽車避障效果。

2.3 智能汽車避障行為

本文將智能汽車避障行為分為三種類型，即直奔目標、直接避讓和緊急制動。

2.3.1 直奔目標。直奔目標是指智能汽車從出發(fā)點啟動，在行駛途中會產生很多突發(fā)情況，為安全抵達目的地，其間需要采取不同的措施來進行應對。當智能汽車在平坦道路上行駛時，傳感器感知到地面無障礙物，智能汽車會平穩(wěn)前進，中途不需要采取任何躲避障礙物的措施。

2.3.2 直接避讓。直接避障是指智能汽車行駛期間，前方道路出現(xiàn)障礙物阻礙了正常行駛，為了避免發(fā)生碰撞，其會采取繞過障礙物的方式進行前進。因此，在探測障礙物時，要有良好的傳感器，做好信息處理并反饋給車輛控制系統(tǒng)。

2.3.3 緊急制動。緊急制動是指遇到突發(fā)性障礙物時，無法進行合理避讓，只能采取緊急制動模式停止汽車前行，直到障礙物遠離智能汽車。這種情況產生的概率遠小于上述兩者行為，但是如果事件發(fā)生后，智能汽車未做出緊急制動反應，則會造成很嚴重的損失。因此，在智能汽車避障設計中，緊急制動是不可或缺的。

3 智能汽車跟車策略

3.1 系統(tǒng)構建

自動跟車主要依賴環(huán)境探測、信息實時反饋和車速控制，其關鍵在于通過環(huán)境探測將結果反饋給汽車控制系統(tǒng)，以便確定合理的車速，使其與前后車保持良好的車距。環(huán)境感知期間，對智能汽車行駛過程的周圍環(huán)境進行測探，智能汽車的傳感器進行信息采集、處理后，將信息傳輸?shù)狡嚳刂葡到y(tǒng)，然后結合當前狀態(tài)來進行調整，以時刻與前后車保持安全距離。

3.2 跟車狀態(tài)分析

當智能汽車前后方都無車輛行駛時，汽車行駛狀態(tài)有加速狀態(tài)、穩(wěn)定跟車狀態(tài)、減速跟車狀態(tài)。若智能汽車與前方車輛距離較遠，其處于加速狀態(tài);當智能汽車與前方車輛的距離到達安全距離邊界時，其進入跟車狀態(tài);當前方車輛發(fā)生制動或減速時，智能汽車也開始減速，當與前方車輛距離拉大后，智能汽車開始加速，然后再次跟車。

3.3 車距控制系統(tǒng)

本文采用Carsim軟件與Simulink聯(lián)合仿真來分析模擬智能汽車對操作行為、路面的響應情況，設定汽車以100 km/h初速度行駛，汽車以80 km/h速度勻速行駛，模擬得到智能汽車跟車（前車）過程的速度變化響應曲線，如圖6所示。智能汽車初始速度較大，當智能汽車采取減速措施，直到車速與前車速度相同時，兩車的實際車距小于安全距離范圍，此時智能汽車繼續(xù)減速行駛，在時間為4 s左右時，前后兩車實際距離逐漸變大，智能汽車車速開始逐漸提高，直到10 s左右時，智能汽車的速度與前方目標車速度逐漸保持一致，此刻前后兩車之間的實際距離與當前速度下的安全距離也相同，那么接下來智能汽車將會保持當前速度向前行駛。

4 結語

本文選用了Carsim軟件作為車輛仿真軟件進行智能汽車跟車系統(tǒng)研究。仿真結果表明，本研究設計的系統(tǒng)可以滿足智能汽車在不同狀態(tài)下運行的安全跟車要求，實現(xiàn)車距的穩(wěn)定保持，基本達到了預期設計效果。

參考文獻：

[1]翟強，程洪，黃瑞，等.智能汽車中人工智能算法應用及其安全綜述[J].電子科技大學學報，2020（4）：490-498.

[2]王延寧.基于CMAC-PID的車道保持輔助系統(tǒng)控制策略研究[J].機床與液壓，2020（12）：48-54.

[3]江勇捷，藍麗金.三維激光雷達在汽車輔助駕駛中的應用分析[J].數(shù)字技術與應用，2020（6）：88-89.

[4]羅栩豪，王培，李紹華，等.汽車輔助駕駛系統(tǒng)動態(tài)目標檢測方法[J].計算機工程，2018（1）：311-316.

[5]馬駿昭.側向駕駛輔助系統(tǒng)發(fā)展現(xiàn)狀及技術趨勢[J].汽車實用技術，2020（14）：20-23.

[6]于立萍，劉法勝.基于模糊推理的汽車輔助駕駛系統(tǒng)控制算法[J].計算機工程與應用，2007（7）：221-223.