智能車(chē)校園自主導(dǎo)航方法研究.pdf

1、隨著城市化進(jìn)程的加速，城市交通問(wèn)題日益嚴(yán)重。智能車(chē)技術(shù)作為解決城市交通安全、效率等問(wèn)題的有效手段而備受關(guān)注。城市環(huán)境是智能車(chē)研究的趨勢(shì)，它是一種半結(jié)構(gòu)化的復(fù)雜環(huán)境，包含無(wú)法用統(tǒng)一的數(shù)學(xué)模型進(jìn)行描述的路口環(huán)境?；诟呔菺PS、基于機(jī)器視覺(jué)或全景激光雷達(dá)等傳統(tǒng)導(dǎo)航方法都因其固有的局限性，限制了智能車(chē)在城市環(huán)境下的廣泛應(yīng)用和發(fā)展。這些局限性包括：同一種導(dǎo)航方法無(wú)法覆蓋全部導(dǎo)航區(qū)域、難以承受的傳感器成本、導(dǎo)航的實(shí)時(shí)性和可靠性不高。因此找到一種

2、能同時(shí)解決這三大主要問(wèn)題的自主導(dǎo)航方法，對(duì)于智能車(chē)的應(yīng)用發(fā)展有著重要的意義。
　　本文以校園環(huán)境為研究對(duì)象，以解決這三大現(xiàn)有問(wèn)題為研究目標(biāo)。校園環(huán)境是一種典型的半結(jié)構(gòu)化城市區(qū)域交通環(huán)境，是智能車(chē)完全應(yīng)用于城市環(huán)境前的階段性研究對(duì)象。研究?jī)?nèi)容主要由三個(gè)部分組成，即系統(tǒng)方案設(shè)計(jì)、道路環(huán)境下的導(dǎo)航研究、路口環(huán)境下的導(dǎo)航研究，具體如下：
　　（1）系統(tǒng)方案設(shè)計(jì)部分，對(duì)導(dǎo)航環(huán)境的特點(diǎn)進(jìn)行了分析，基于環(huán)境劃分的思想提出了自主導(dǎo)航的方案；

3、給出了智能車(chē)系統(tǒng)的傳感器配置。①將導(dǎo)航環(huán)境劃分為道路環(huán)境和路口環(huán)境，根據(jù)環(huán)境的特點(diǎn)，使用不同的導(dǎo)航方法。道路環(huán)境下，使用視覺(jué)進(jìn)行道路邊界追蹤作為基本導(dǎo)航方法；路口環(huán)境的結(jié)構(gòu)不規(guī)則，利用多種傳感器融合來(lái)解決路口導(dǎo)航問(wèn)題。導(dǎo)航環(huán)境的劃分使得自主導(dǎo)航不再要求一種方法覆蓋全部導(dǎo)航區(qū)域。②系統(tǒng)的傳感器配置是以導(dǎo)航需求為依據(jù)的，主要包括了：使用攝像頭用于道路環(huán)境下的道路檢測(cè)以及標(biāo)志檢測(cè)；使用激光雷達(dá)用于車(chē)輛避碰；使用低精度GPS提供全局定位信息，用

4、于環(huán)境劃分；使用編碼器用于輔助解決路口問(wèn)題。
　?。?）道路環(huán)境下的導(dǎo)航研究，提出了一種實(shí)時(shí)可靠地道路檢測(cè)算法；預(yù)瞄跟隨控制在車(chē)輛橫向控制上的應(yīng)用；提出了車(chē)輛控制轉(zhuǎn)角的濾波方法。①道路檢測(cè)綜合了色彩分析和邊緣檢測(cè)，通過(guò)彩色空間的RGB數(shù)值分析濾除環(huán)境噪聲，通過(guò)邊緣檢測(cè)方法得到道路邊界輪廓。然后，通過(guò)Hough變換和一組約束條件得到道路邊界。同時(shí)，提出了一種興趣區(qū)域生成方法，減小了圖像處理的區(qū)域。多場(chǎng)景的實(shí)驗(yàn)驗(yàn)證了該方法的有效性。②

5、分別針對(duì)檢測(cè)到車(chē)道兩條邊界或只有一條邊界的情況，詳述如何根據(jù)道路檢測(cè)結(jié)果應(yīng)用預(yù)瞄跟隨控制方法。③針對(duì)傳統(tǒng)濾波方法中過(guò)分依賴閾值的選取，提出改進(jìn)的限幅平均濾波方法。實(shí)驗(yàn)證實(shí)了它在保持濾波性能的同時(shí)并不會(huì)因?yàn)闉V波閾值的選取不當(dāng)而失效。
　?。?）路口環(huán)境下的導(dǎo)航研究，提出了路口導(dǎo)航問(wèn)題的劃分和解決方法；使用了基于車(chē)輛模型的避碰判斷方法。①路口問(wèn)題被劃分為路口檢測(cè)、局部初始定位、目標(biāo)位姿計(jì)算、路徑規(guī)劃、實(shí)時(shí)定位。針對(duì)這5個(gè)問(wèn)題，詳細(xì)介紹