汽车自动驾驶的路面识别系统的研究*

楼晨亮，吴惠山，郭思谊，王飞，杨江华



汽车自动驾驶的路面识别系统的研究*

楼晨亮，吴惠山*，郭思谊，王飞，杨江华

（广东海洋大学数学与计算机学院，广东 湛江 524088）

随着科学技术的发展，自动驾驶汽车逐渐进入我们的视野，它能为我们的出行提供更大的便利以及更高的安全保障。然而，如何使汽车精准完成路程行驶成为了关键。因此，文章通过设计一个模糊控制器来使得汽车能够完成这一目标。

自动驾驶；路程行驶；模糊控制器

前言

随着信息时代的不断发展，机械和众多的电子设备从人为操作逐渐变为自动化。就像无人机的特定航线驾驶，飞机的自动驾驶，机械生产的自动化操作等等。对于走进千家万户的汽车产品来说，汽车的自动驾驶成为了一个重要的研究热点[5]。

1 自动驾驶汽车结构及行驶的主要路段

自动驾驶汽车（Autonomous vehicles;Self-piloting automo -bile）[4]，又可以称为无人驾驶汽车，是通过雷达、传感器、激光测距仪等将现实路况转化成数据，再通过车载中央电脑（智能系统[2]）实现无人驾驶的智能汽车。图1为该车的驾驶原理：

图1 自动驾驶汽车驾驶原理

◆定位传感器：装置在车辆的后轮上，用于卫星定位监测道路的行进轨迹，确保车辆的安全行驶；

◆激光测距仪：核心部位，用于侦测车辆的四周来形成一个范围内的精确三维地图；

◆视频摄像头：用于车辆行驶时道路的情况，监测例如红绿灯，上下坡，前方人车行进等情况；

◆车载雷达：前部雷达用来测量车辆前部障碍物的距离,后部雷达用来测量车辆后部障碍物的距离；

◆车载中央电脑：用于汽车的自动驾驶，控制车的行进及切换档位等一系列车辆的有关操作，采用模糊控制的数学理念；

◆应急系统：优先级1级，拥有备用电源。分为警报，关闭全车电路，安全气囊等一系列安全措施。

◆自动泊车系统：用于车辆能够在规定或者合适的停车位置停放。

中国地域辽阔，基本囊括了世界上所有类型的地形。所以对不同的路面进行分类有利于汽车在各种路面段的正常行驶，所以在下表中列出汽车能够行驶的不同路段[3]：

表1 汽车所能驾驶的路面类型

2 模糊控制在自动驾驶中的应用

2.1 模糊控制理念

首先我们要知道什么是模糊控制。模糊控制[1]就是运用模糊数学的基本思想和理论的控制方法。而模糊控制器则通常包括了数据模糊化，建立模糊规则库，进行模糊推理，解模糊四个方面，在这里我们主要解决数据模糊化以及建立模糊规则库两个方面的问题。

模糊控制理念在自动控制领域的应用十分广泛，例如家用电器,自动设备，AI等其他方面。所以我们采取模糊控制器来控制车辆行驶是实际可行的，并且在汽车的自动驾驶系统中，采取模糊控制器，能更好地建立精确的数学模型，帮助汽车完成自动驾驶。

2.2 模糊控制理念

假设现有一辆本文所叙述的自动驾驶汽车在路面上行驶。那么我们对这辆车进行物理运动学分析，不难画出该车的动力学模型，如图2所示：

图2 车辆的运动学模型

并以地面做直角坐标系XOY，图中V1，V2分别表示车辆的纵速度，横速度。V1到Y轴的夹角为。同时规定到Y轴逆时针方向为正，顺时针方向为负。则我们可以将该车辆的运动模型转化为数学表达式：

在这里我们采用方向盘转角来作为一个输入量，见图3。然后另一个系统输入量为车辆驱动力F。

以初始的一条轴为Y轴建立坐标系，假设方向盘顺时针旋转至虚线位置，虚线与Y轴的夹角即为方向盘转角，记为，并规定顺时针方向为正，逆时针方向为负。再由车辆的动力学模型得（V1，V2，）的输出量应该为（x，y，）。然后对视频摄像头拍摄的路面实况进行处理，通过GPS与内置地图来使汽车走最优路线（最优路线为最短路径和最短时间）。

然后现在我们进行模糊化操作。我们假设一辆车在道路上行驶，假设它的左右偏差为d1（由视频摄像头，车载雷达，传感器实时监测并输入计算机处理），前后偏差为d2方向偏差为，如图4：

图4 车辆行驶的偏差图

然后将d1，d2和θ作为此模糊控制器的输入，和F作为模糊控制器的输出。并且这里取车宽1.65米，车道宽度为双向八车道标准2*15米，那么左右偏差的取值为6.75米，前后偏差的取值域为 100米，方向偏差的取值域为60°。整理如下公式2所示：

取定结束后将输入输出量分为不同几个量级，因为一般隶属函数越陡，灵敏性越高，所以采用三角形的隶属函数运用画图软件制作的输入量d1、d2、θ和输出量β、F的隶属函数的简图，我们以速度为例，将速度其量化为[0,10],(10,20], (20, 30] ,( 30,40]，(40,50]，（50,60]六个量级，那么也就是对应的输出量F可以分为六个量级分别对应为R,S,T,U,V,W。

建立模糊规则库。模糊控制算法的应用离不开一个合适规则库的建立，建立规则的语言形式如下：IF (d1∈S, d2is LF and θis LP) THEN(βis k and F is W)的这种模式，并写出模糊规则库如下。对所有的量以拥有多年驾驶经验的司机所给出的驾驶方法来用IF...THEN..."写出所有的规则语句，并对输入和输出量分别建立建立模糊规则控制表，这里给出方向盘转向角的模糊规则控制表。一般来说车辆在行驶过程中通过前后偏差和左右偏差来精确定位障碍物的位置，在与障碍物靠近到特定位置时便控制方向盘转角以实现障碍物的躲避。最后进行解模糊化操作。

在做完模糊控制器后我们与[6]中的单一模糊控制器与分层模糊控制器进行对比，并在仿真实验中验明它们的优缺点。

表2 不同模糊控制器的对比

3 仿真驾驶

这里我们与单一模糊控制下的自动行驶汽车与分层模糊控制下的自动驾驶汽车进行对比，但以控制下的自动行驶汽车与分层模糊控制下的自动驾驶汽车的仿真驾驶数据来源于参考文献。

这里我们可以看出，在假设初始速度为2m/s的情况下，并且起始点与终止点的横向距离为7m，纵向距离为1m。在图中可以看出分层模糊下的汽车与本文所述汽车均能到达终点，而单一模糊下的汽车由于计算量太大没能行驶完全程，在距离终点0.356m的地方停下。分层的模糊控制器下的汽车，在仿真时间3.1144s内完成了行驶，但是看全局的路线，为了避障而避障，反而损耗了时间。经过改进的单一模糊控制器，可以根据左右距离判断，这里障碍物之间的横向距离最小为1.5m，直线行驶可以通过。并在最后在车辆与前方障碍物之间的距离接近危险距离里根据模糊规则库里的规则实现小转弯以达到避障的目的。

（a）单一模糊控制下的汽车行驶轨迹

（b）分层模糊控制下的汽车行驶轨迹

（c）本文改进单一模糊控制下的汽车行驶轨迹

从以上给出的三幅图中可以看出本文中通过对单一模糊控制的输入量与输出量进行改进，减轻了大量计算量，并且能够根据有驾驶经验的司机所建立的模糊规则控制库能更好地规避障碍物，不会像图6（b）所示的分层模糊控制下的汽车一样“走弯路”。采用了比较全面的输出与输入变量，不仅能对前方的障碍物，也能对后方的车辆以及障碍物进行监测，使得不管是路程还是时间上都比分层模糊控制下的汽车短。

4 总结

根据世界卫生组织的数据，每年全球因道路交通事故死亡的人数超过120万，所以自动驾驶汽车的产生是必然的。并且自动驾驶汽车特别适合救援、旅游等用途，因为它安全可靠的优势，能很大幅度降低事故发生率，大大提高交通系统的效率和安全性。随着我国科技的不断发展，汽车自动驾驶技术会不断完善，功能也会更加齐全，产业前景也会更加美好。

5 致谢

本文获得广东海洋大学大学生创新创业训练计划项目资助（No.CXXL2017068），感谢黄小玲副教授（硕士生导师）的建议。

[1] 楚焱芳,张瑞华.模糊控制理论综述[J],科技信息,2009,(20):161- 162.

[2] 张煜东,吴乐南,王水花.专家系统发展综述[J],计算机工程与应用, 2010, (19): 43-47.

[3] 浅论4×4越野车不同地形的驾驶技巧,百度文库,https://wenku. baidu.com/view/fa6a31d4b4daa58da1114a41.html.

[4] 汽车自动驾驶系统,百度百科,https://baike.baidu.com/item/%E6% B1%BD%E8%BD%A6%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E7%B3%BB%E7%BB%9F/16453034.

[5] 自动驾驶汽车离我们还有多远,腾讯汽车, http://auto.qq.com/a/ 20120516/000235.htm.

[6] 张艳溶,马戎,张俊楠.基于分层模糊控制的自主车辆避障仿真[J],测控技术2012,(9): 67-70.

The Study of Road Recognition System for Self-Driving Car

Lou Chenliang, Wu Huishan*, Guo Siyi, Wang Fei, Yang Jianghua

（Faculty of Mathematics and Computer Science, Guangdong Ocean University, Zhanjiang Hangzhou 524088）

With the development of science technology, self-driving cars have gradually entered our field of vision, which can provide greater convenience and higher security for our travel. However, how to design a car to complete the journey accurately is a key issue. Therefore, this paper designs a fuzzy controller to achieve this goal for cars.

self-driving; journey driving; fuzzy controller

A

1671-7988(2018)18-46-04

V323.19

A

1671-7988(2018)18-46-04

CLC NO.: V323.19

吴惠山，广东海洋大学数学与计算机学院在读生，主要研究智能与计算、仿真等内容。*广东海洋大学大学生创新创业训练计划项目（No.CXXL2017068）资助。

10.16638/j.cnki.1671-7988.2018.18.017