【推薦閱讀】
基于雙目立體視覺伺服的智能車室內(nèi)彎道控制
發(fā)布時(shí)間:2016-04-12 責(zé)任編輯:wenwei
【導(dǎo)讀】智能車環(huán)境感知系統(tǒng)的一個(gè)重要任務(wù)就是實(shí)時(shí)地提供車輛在行使過程中的位置信息。機(jī)器視覺因其有信號(hào)探測(cè)范圍寬、獲取信息完整、符合人類認(rèn)知習(xí)慣、維護(hù)成本低、不產(chǎn)生環(huán)境污染等多優(yōu)點(diǎn),已在智能車環(huán)境感知系統(tǒng)中廣泛采用。
機(jī)器視覺車輛環(huán)境感知系統(tǒng)中的主要任務(wù)是完成道路及目標(biāo)的識(shí)別和跟蹤,為智能車行使提供必須的本車位置信息和周圍環(huán)境距離信息。
對(duì)于現(xiàn)實(shí)情況下的道路,一般可以將其分為兩大類,即:結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。結(jié)構(gòu)化道路上有明顯的道路標(biāo)記,且這些標(biāo)記具有較強(qiáng)的幾何特征,道路路面主要是由這些標(biāo)記界分確定的,如高速公路上道路中間黃色的連續(xù)標(biāo)志線或白色的間斷標(biāo)志線以及兩旁白色的連續(xù)標(biāo)志線;非結(jié)構(gòu)化道路上沒有明顯的道路標(biāo)記,在二維圖像中道路路面與非路面主要依靠紋理與色彩而區(qū)分的,如沒有標(biāo)記的水泥路、野外土路或石板路等。
彎道圖像包含豐富的道路信息和環(huán)境信息,解釋了道路周圍場(chǎng)景。彎道檢測(cè)是從道路圖像中檢測(cè)出彎曲車道線的邊界,這也是對(duì)彎道理解的基礎(chǔ)。建立彎道模型;提取車道線像素點(diǎn);擬合車道線模型屬于目前較常采用的認(rèn)知方法,并在特定的結(jié)構(gòu)化道路體現(xiàn)出較好的檢測(cè)效果。文獻(xiàn)[6]介紹了彎道檢測(cè)在車道偏離預(yù)警、彎道限速以及彎道防碰撞預(yù)警等領(lǐng)域的應(yīng)用情況,并提出了彎道檢測(cè)應(yīng)該建立三維車道線模型,提高適用性。
均采用的Hough變換求出車道線直線方程,從而確定對(duì)應(yīng)直線段上的最低點(diǎn)和最高點(diǎn),然后根據(jù)相應(yīng)準(zhǔn)則判斷曲線道路的彎曲方向,最后分段擬合車道線的直線段和曲線段實(shí)現(xiàn)車道線的二維重建。
彎道檢測(cè)不僅需要識(shí)別出道路邊界線,還需要判斷道路彎曲方向,確定轉(zhuǎn)彎的曲率半徑。常用的車道檢測(cè)方法可分為2大類:基于道路特征和基于道路模型的方法。目前國(guó)外主要常用基于道路模型的方法,即將彎道檢測(cè)轉(zhuǎn)化為各種曲線模型中數(shù)學(xué)參數(shù)的求解問題。省略彎道曲線模型建立和數(shù)學(xué)參數(shù)的復(fù)雜求解過程,本文采用立體視覺感知環(huán)境的三維信息,利用它的視差原理對(duì)所獲取室內(nèi)道路周邊環(huán)境圖像中角點(diǎn)特征的位置恢復(fù)其三維信息來判斷車體的彎道轉(zhuǎn)向和偏航角度。建立了視覺信息直接控制車體驅(qū)動(dòng)偏離角與偏離距離視覺伺服控制系統(tǒng),初步采用了BP控制策略,利用Simulink仿真環(huán)境實(shí)現(xiàn)了針對(duì)未知彎道曲率的智能車轉(zhuǎn)彎控制運(yùn)動(dòng)。
1 室內(nèi)道路環(huán)境信息的視覺感知
1.1 立體視覺系統(tǒng)模型
采用針孔成像模型將圖像中任何點(diǎn)的投影位置與實(shí)際點(diǎn)的物理位置建立連線關(guān)系,攝像機(jī)光心O與空間P點(diǎn)間的連線OP與圖像平面的交點(diǎn)即為圖像投影的位置(u,v)。用齊次坐標(biāo)和矩陣表示上述透視投影關(guān)系為:
本文采用的雙目平行相機(jī)的模型如圖1所示,C1與C2攝像機(jī)的焦距相等,各內(nèi)部參數(shù)也相等,而且兩個(gè)相機(jī)的光軸互相平行,x軸互相重合,y軸互相平行,因此,將第一個(gè)攝像機(jī)沿x軸平移一段距離b后與第二個(gè)攝像機(jī)完全重合。假設(shè)C1坐標(biāo)系為O1 x1 y1 z1,C2坐標(biāo)系為O2 x2 y2 z2,則在上述攝像機(jī)配置下,若任何空間點(diǎn)P的坐標(biāo)在C1坐標(biāo)系下為(x1),y1,z1,在C2坐標(biāo)系下為(x1)-b,y1,z1。由中心攝影的比例關(guān)系可得:
其中(u1,v1)、(u2,v2)分別為P1與P2的圖像坐標(biāo)。由P1與P2的圖像坐標(biāo)(u2,v2)、(u2,v2)可求出空間點(diǎn)P的三維坐標(biāo)(x1,y1,z1)。
1.2 室內(nèi)環(huán)境特征向量的提取與匹配
由于噪聲、光照變化、遮擋和透視畸變等因素的影響,空間同一點(diǎn)投影到兩個(gè)攝像機(jī)的圖像平面上形成的對(duì)應(yīng)點(diǎn)的特性可能不同,對(duì)在一幅圖像中的一個(gè)特征點(diǎn)或者一小塊子圖像,在另一幅圖像中可能存在好幾個(gè)相似的候選匹配。因此需要另外的信息或者約束作為輔助判據(jù),以便能得到惟一準(zhǔn)確的匹配。最近鄰法是一種有效的為每個(gè)特征點(diǎn)尋找匹配點(diǎn)的方法。最近鄰點(diǎn)被定義為與特征點(diǎn)的不變描述子向量之間的歐氏距離最短的點(diǎn)。
假定參考圖像P的SIFT特征點(diǎn)集合為:FP ={FP (1),F(xiàn)P (2),-,F(xiàn)P (m)},m為圖像P的特征點(diǎn)的個(gè)數(shù);待匹配圖像Q的特征點(diǎn)的個(gè)數(shù)為N,SIFT特征點(diǎn)集合為FQ ={FQ (1),F(xiàn)Q (2),-,F(xiàn)Q (m)}。當(dāng)在建立參考圖像中的特征點(diǎn)和待匹配圖像的特征篩選對(duì)應(yīng)匹配關(guān)系時(shí),應(yīng)按照?qǐng)D2所示的算法進(jìn)行對(duì)稱性測(cè)試,只有當(dāng)兩個(gè)匹配集中的對(duì)應(yīng)點(diǎn)完全一致時(shí),才視為有效匹配。
SIFT特征向量生成后,利用特征點(diǎn)向量的歐式距離來作為兩幅圖像中特征點(diǎn)的相似性判定度量。最近鄰法是一種有效的為每個(gè)特征點(diǎn)尋找匹配點(diǎn)的方法。
最近鄰點(diǎn)被定義為與特征點(diǎn)的不變描述子向量之間的歐氏距離最短的點(diǎn)。對(duì)特征點(diǎn)集合FP中的每個(gè)點(diǎn),逐一計(jì)算其與特征點(diǎn)集合FQ中每個(gè)點(diǎn)的距離,得到特征點(diǎn)之間的距離集合D。將距離集合D中的元素進(jìn)行排序,得到最近鄰距離dmin和次近鄰距離dn–nim。SIFT算法通過判斷最近鄰和次近鄰距離的比值:
來區(qū)分正確匹配對(duì)和錯(cuò)誤匹配對(duì)。
對(duì)于正確的匹配對(duì),其最近鄰距離dmin要遠(yuǎn)遠(yuǎn)小于次近鄰距離dn-nim,即DistanceRatio-1;而錯(cuò)誤的匹配對(duì),由于特征空間的維數(shù)很高,其最近鄰距離dmin與次近鄰距離dn-nim差距不大,即DistanceRatio≈1。所以可取一個(gè)距離比閾值Threh∈(0,1)來區(qū)分正確匹配對(duì)和錯(cuò)誤匹配對(duì)。
1.3 運(yùn)動(dòng)估計(jì)
進(jìn)行特征點(diǎn)立體匹配和跟蹤匹配如圖2所示,對(duì)當(dāng)前時(shí)刻t獲得圖像對(duì)(ImgL1和ImgL2)進(jìn)行SIFT特征匹配之后獲得道路環(huán)境匹配特征點(diǎn)Ni個(gè),再對(duì)相鄰時(shí)刻t+1獲得的Ni+1個(gè)特征點(diǎn)計(jì)算歐式距離,尋找t與t+1時(shí)刻獲取圖像中相同的特征點(diǎn),得到一系列匹配點(diǎn)在車體運(yùn)動(dòng)前后的三維坐標(biāo)。
本文實(shí)驗(yàn)環(huán)境是在室內(nèi),在假定室內(nèi)環(huán)境為理想的水平面的基礎(chǔ)上,同一特征點(diǎn)三維坐標(biāo)中y坐標(biāo)保持基本不變,即車體運(yùn)動(dòng)參數(shù)僅在x-z坐標(biāo)平面內(nèi)發(fā)生變化。
圖3中點(diǎn)P(x1,y1,z1)為所提取環(huán)境特征點(diǎn),在t時(shí)刻立體匹配后得到其在攝像頭坐標(biāo)系下的三維坐標(biāo),由于攝像頭固定安裝在小車上,因此通過坐標(biāo)系的旋轉(zhuǎn)與平移變換可將點(diǎn)P的三維坐標(biāo)轉(zhuǎn)換到小車坐標(biāo)系ΣBt下表示。同理,t+1時(shí)刻所獲取的圖像中相同點(diǎn)P的(u,v)二維坐標(biāo)發(fā)生變化,經(jīng)坐標(biāo)轉(zhuǎn)換后可得到小車坐標(biāo)系ΣBt+1下表示。
小車t時(shí)刻位于位置A時(shí),特征點(diǎn)P在坐標(biāo)系ΣBt為參考位置的三維坐標(biāo)是[x1],y1,z1T,當(dāng)經(jīng)過t+1時(shí)刻后移動(dòng)到空間位置B時(shí),同一特征點(diǎn)P在以B為參考位置的三維坐標(biāo)為[x]t+1,yt+1,zt+1T,所以得到:
當(dāng)這些位置滿足3個(gè)及以上相同的匹配特征點(diǎn)時(shí),小車所在坐標(biāo)系間的平移與旋轉(zhuǎn)向量就可以通過以上方程獲得。
2 車體的轉(zhuǎn)彎控制
2.1 車體定位參數(shù)計(jì)算
環(huán)境特征點(diǎn)投影到車體坐標(biāo)系下表示后,即為所有的環(huán)境坐標(biāo)均統(tǒng)一在世界坐標(biāo)系下的表示。如圖4所示,其中小車前進(jìn)方向?yàn)閦w軸,xw水平垂直于zw,方向向右,其交點(diǎn)為原點(diǎn)Ow。直線為lmid為道路中間線,lmid與zw的夾角為φ,即為車輛的偏航角。點(diǎn)Ow到左車道線lL的距離為DL,到右車道線lR的距離為DR,可行駛區(qū)域的道路寬度為w = DL+DR。
2.2 彎道控制策略
2.2.1 控制策略
機(jī)器人的底層運(yùn)動(dòng)控制是非常重要的一個(gè)環(huán)節(jié),機(jī)器人運(yùn)動(dòng)控制的好壞直接決定了能否有效執(zhí)行決策意圖,準(zhǔn)確無誤地沿著預(yù)定軌跡行進(jìn),完成導(dǎo)航任務(wù)。傳統(tǒng)的定位控制中,PI、PID是廣泛采用的控制方法,這些方法比較成熟,但卻具有一定的局限性。對(duì)被控系統(tǒng)的參數(shù)變化比較敏感,難以克服系統(tǒng)中非線性因素的影響。本文采用BP神經(jīng)網(wǎng)絡(luò)控制器在行使過程中經(jīng)學(xué)習(xí)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,以適應(yīng)當(dāng)前的環(huán)境路況來調(diào)整車的左右輪速控制量。智能車左右輪速的大小,和車體偏離道路中間線lmid的距離d和車運(yùn)動(dòng)時(shí)方向偏離中間線的角度φ有關(guān)。小車控制輸入為d,φ,輸出為VL,VR。
基于雙目立體視覺獲取得到的三維信息,即為經(jīng)左右圖像SIFT特征點(diǎn)匹配,在攝像頭坐標(biāo)系中獲取前景環(huán)境中各關(guān)鍵點(diǎn)的坐標(biāo)信息。選取關(guān)鍵點(diǎn)中與機(jī)器人基坐標(biāo)系原點(diǎn)高度靠近的點(diǎn),并且該點(diǎn)的個(gè)數(shù)需大于3,之后,采用最小二乘法擬合可得行駛區(qū)域的邊界直線,即確定了車體定位參數(shù)中左、右車道線lL、lR。直線與圖像右邊界存在交點(diǎn),即可判斷出彎道轉(zhuǎn)向。同時(shí),擬合確定的左車道線與圖像下邊緣的交點(diǎn)Pl0為第一個(gè)控制點(diǎn);以圖像右邊界與擬合直線的交點(diǎn)處為第二個(gè)控制點(diǎn)Pln。圖5表示為前景環(huán)境中對(duì)特征點(diǎn)的匹配結(jié)果圖和判斷可行駛區(qū)域。
對(duì)序列圖像進(jìn)行實(shí)時(shí)處理時(shí),由于攝像機(jī)采集系統(tǒng)速度為30幀/s,車速在不超過33cm/s的情況下,采集一幀圖像智能車向前行駛約小于1cm,連續(xù)采集的兩幀圖像中所判斷的車道左右車道線和彎道方向偏差不會(huì)太大。
2.2.2 控制仿真實(shí)驗(yàn)
實(shí)驗(yàn)采用BP神經(jīng)網(wǎng)絡(luò)作為控制對(duì)偏離角φ進(jìn)行仿真實(shí)驗(yàn)。在Simulink環(huán)境下搭建的系統(tǒng)模型中BP神經(jīng)網(wǎng)絡(luò)的搭建如圖6所示。U為經(jīng)由視覺信息得到的偏航角φ作為系統(tǒng)輸入量,輸出Y為小車質(zhì)心速度V。小車左、右輪速可在判斷彎道轉(zhuǎn)向的前提下,由兩輪速差VD經(jīng)計(jì)算得出。若如圖5所示,彎道轉(zhuǎn)向向右:
利用Simulink庫中Signal Builder產(chǎn)生變化的Signal仿真實(shí)際環(huán)境中視覺系統(tǒng)得到的當(dāng)前車體的偏移量。
小車經(jīng)左右輪差速轉(zhuǎn)彎運(yùn)動(dòng)中質(zhì)心位置實(shí)際偏轉(zhuǎn)角度作為網(wǎng)絡(luò)的輸入,經(jīng)訓(xùn)練學(xué)習(xí)反饋回系統(tǒng)的控制輸入端。圖7為控制仿真結(jié)果圖,由圖示可知該方法基本完成了對(duì)信號(hào)的控制跟蹤,由此說明了利用雙目立體視覺所獲得的信息,并采用BP網(wǎng)絡(luò)自學(xué)習(xí)對(duì)道路的變化可適用于不同彎道的道路,避免了傳統(tǒng)PID控制方法因彎道曲率變化使得小車轉(zhuǎn)彎控制失敗。
3 結(jié)論
借助機(jī)器視覺系統(tǒng)判斷小車可行駛區(qū)域,同時(shí)還可清晰地判斷出彎曲線路的走向,避免了彎道方向的復(fù)雜判別方法,且該方法普遍適用于不同的道路環(huán)境,特別是非結(jié)構(gòu)化的道路環(huán)境,也增強(qiáng)了算法的實(shí)用性和魯棒性。但目前對(duì)雙目攝像機(jī)進(jìn)行精確匹配和標(biāo)定仍然是個(gè)技術(shù)難題;神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法在選取訓(xùn)練樣本數(shù)據(jù)和精確定位車輛位置方面也比較困難,這將是進(jìn)一步研究的主要關(guān)鍵問題。來源:電子發(fā)燒友。
【推薦閱讀】
特別推薦
- 數(shù)字儀表與模擬儀表:它們有何區(qū)別?
- 基于APM32F411的移動(dòng)電源控制板應(yīng)用方案
- 基于GD32F407VET6主控芯片的永磁同步電機(jī)控制器設(shè)計(jì)
- 光迅科技發(fā)布O波DWDM光模塊
- 長(zhǎng)光辰芯發(fā)布16MP全局快門CMOS圖像傳感器
- Murata推出更適合薄型設(shè)計(jì)應(yīng)用場(chǎng)景的3.3V輸入、12A輸出的DCDC轉(zhuǎn)換IC
- 合熠智能推出超小型激光光電傳感器,堅(jiān)固耐用,精準(zhǔn)檢測(cè)
技術(shù)文章更多>>
- 從幾大典型場(chǎng)景,看安森美賦能邊緣智能應(yīng)用的高性能“產(chǎn)品力”
- 【測(cè)試案例分享】 如何評(píng)估熱載流子引導(dǎo)的MOSFET衰退
- 深入探討適用于低功耗工業(yè)電機(jī)控制的CANopen協(xié)議
- 是德科技掀起新革命:通用示波器正式邁入14bit ADC時(shí)代
- DigiKey與 Lippincott 合作品牌煥新項(xiàng)目榮獲2025年度 Graphis 設(shè)計(jì)大賽金獎(jiǎng)
技術(shù)白皮書下載更多>>
- 車規(guī)與基于V2X的車輛協(xié)同主動(dòng)避撞技術(shù)展望
- 數(shù)字隔離助力新能源汽車安全隔離的新挑戰(zhàn)
- 汽車模塊拋負(fù)載的解決方案
- 車用連接器的安全創(chuàng)新應(yīng)用
- Melexis Actuators Business Unit
- Position / Current Sensors - Triaxis Hall
熱門搜索
保護(hù)器件
保險(xiǎn)絲管
北斗定位
北高智
貝能科技
背板連接器
背光器件
編碼器型號(hào)
便攜產(chǎn)品
便攜醫(yī)療
變?nèi)荻O管
變壓器
檳城電子
并網(wǎng)
撥動(dòng)開關(guān)
玻璃釉電容
剝線機(jī)
薄膜電容
薄膜電阻
薄膜開關(guān)
捕魚器
步進(jìn)電機(jī)
測(cè)力傳感器
測(cè)試測(cè)量
測(cè)試設(shè)備
拆解
場(chǎng)效應(yīng)管
超霸科技
超級(jí)本
超級(jí)電容