智能车辆的发展近况与关键技术分析

2015-05-06陈科帆重庆邮电大学自动化学院重庆400065

山东工业技术 2015年3期

关键词：近况移动机器人小车

曹　敏,宋　磊,陈科帆（重庆邮电大学自动化学院,重庆　400065）

智能车辆的发展近况与关键技术分析

曹敏,宋磊,陈科帆
（重庆邮电大学自动化学院,重庆400065）

智能小车是近几年来大学生最爱的科技项目之一，在军事，航天，工业和科研等方面都有着智能车辆的身影。本文主要叙述智能小车的国内外发展近况，它的应用价值和智能车辆的相关技术概括。

智能车辆；导航与定位系统；多传感器数据融合

1　绪论

1.1引言

智能小车是一种能够智能化感知环境，自主进行规划决策并且能自动驾驶的一种移动机器人，是现当代科技前沿的高新科技综合体[1]。作为智能交通系统(ITS)中的一部分,智能小车技术已经渗透到社会各个领域。

1.2研究目的和应用价值

智能小车技术的出现,使传统工业的生产和研究发生了根本性的变化。它们适合在那些人类无法工作的环境中工作。既提高了工作效率,又可以有效避免有害物质对人体的伤害。

2　智能小车的发展近况

2.1国内发展近况

2003年，我国第一辆自主驾驶智能汽车研制成功，其性能已达到当时世界顶尖水平。汽车上的环境识别系统能识别出道路状况；车载导航提供相应路径，计算机根据状况判别是否超车、换道；自动驾驶软件发出控制方向、油门升降、刹车开闭的指令来实现自能驾驶。

2.2 国外发展近况

移动机器人的研究始于60年代末期，斯坦福研究院在1966年至1972年间研制出了名为Shakey的自主移动的智能小车[2]。至于后来的视觉移动机器人，它的发展主要集中在20世纪70年代的美国、日本等发达国家。它所用到的技术包含了很多现当代的高新科技，例如：智能控制、虚拟现实、计算机视觉等。

3　智能车辆的关键技术

3.1智能控制技术

智能控制（intelligentcontrols）是在无人干预的情况下能自主驱动智能机器实现控制目标的自动控制技术。智能控制技术有容错性、自适性、学习性等优点，可以从逻辑推理，分析和过往的控制经验来进行判断，从而达到控制的目的。智能控制技术分为两种：间接进化和直接进化，其中主要的控制技术都是常见的几种控制方法，例如：神经网络控制（大学生数模中经常用到）、模糊控制（常用于温控）、仿人智能控制（人工智能，模仿人的大脑工作）和集成智能控制等。智能车辆传感器的灵活运用极其重要，涉及的领域较广，例如图像理解、知识的获取和表达、文字符号和语音的理解与处理、学习和运动[3]。

3.2定位系统与导航技术

（1）计算机视觉。道路上以及环境的各种图像信息的采集和处理是计算机视觉技术的主要功能，在这个方面，计算机系统具有能够处理大信息量和能够在远方进行控制等优点。通俗上说，计算机视觉就是智能车辆的眼睛[4]。

（2）GPS导航。目前现有的GPS技术动态测量精度可达到厘米，分为三个部分:空间部分：由地面发射卫星到太空，环绕地球旋转，可实现对全球的监控和接收地面的信息；地面部分：地面设置主控站，其主要任务是根据各监控站提供的观测资料推算编制各颗卫星的星历、卫1星钟差、和大气层修正参数并把这些数据传送到注入站，提供GPS系统时间标准；调整偏离轨道的卫星，使之沿预定的轨道运行；用户设备部分：主要功能是通过接收卫星上发射来的信号，从而获得信息，在经过各种数据的处理整合，最终实现定位与导航。

4　传感器之间的协作与数据融合

因为小车所处环境十分复杂，仅由单个传感器无法准确反映出环境信息，所以智能小车一般装有多种传感器协作共同准确的反映环境情况，从而快速准确的为小车的导航提供决策[5]。以下介绍智能小车所使用的主要传感器：

超声波传感器,装在小车的周围，用于检测小车周围的障碍信息，并且探测出障碍距离。

MOS摄像头,装在小车车头的正前方,实时拍摄前方的道路状况，相当于小车的眼睛，为智能小车的中央处理单元提供精准的信息。

红外循迹传感器,安装在小车的底盘中线处,可以用来检测已设定好的道路轨迹，从而使小车循迹前行。

加速度传感器,安装在小车底盘二侧，其工作原理是通过对一系列变量的积分和微分，从而计算出小车此时的加速度和行驶距离。

霍尔元件传感器,安装在小车的二个驱动轮上,每个驱动轮都装二个霍尔传感器,目的是检测出小车的行驶距离,并且通过对行驶距离的微分来计算出小车当前行驶的速度，为小车的中央控制单元提供准确的数据，从而能高效的为小车决策导航。

角速度传感器,共使用了三个，都安装在小车驱动轮的附近，它们共同保障了小车的平稳运行。第一个是侧倾角速度传感器,可以作为判断小车倾斜程度大小的依据；第二个是左右角速度传感器,通过对车轮转向的判断来确定小车方向;第三个是俯仰角速度传感器,通过计算车身前后距离高度差,从而确定小车的俯仰态，距离差为正则是上坡状态，距离差为负则是下坡状态。

数据融合是将多层数据在多方面的进行有机的融合，突出了信息融合的三个关键层次。信息融合包括组合、关联、相关、检测、及估计等的处理；信息融合的结果分为二种：较低的层次上进行状态估计，以及较高的层次上进行整个走势估计[6]。

基于特征的推理技术是通过把物体的各类参数、统计信息、特征数据映射到识别空间中的方法来实现的。通过观测空间的相似得到识别空间的相似。

基于感知的模型，从通俗意义上来讲，就是模仿人处理问题的能力，来实现智能化处理、决策。