【摘要】：針對自動泊車系統(tǒng)對不同類型停車位進行識別的要求,提出一種基于距離和視覺信息融合的停車位智能識別方法。建立了根據(jù)超聲波傳感器、視覺信息傳感器、里程計信息來辨識停車位兩側車輛姿態(tài)和車位參數(shù)的模型,根據(jù)Mamdani模糊推理計算輸出相應的泊車車位識別結果。利用Matlab/Simulink搭建車位自動辨識以及相應的泊車路徑仿真模型,針對五個典型的停車位場景進行了仿真分析,仿真結果驗證了車位智能識別和泊車路徑規(guī)劃方案的合理性和有效性。將自主開發(fā)的自動泊車系統(tǒng)搭載于某轎車進行試驗,試驗結果表明,該泊車系統(tǒng)對規(guī)則和不規(guī)則車位的自動識別正確率為88%~98%,平均值為92.8%,從而驗證了車位智能識別方法的良好效果。
文內(nèi)圖片：
圖片說明： 幌叩某【跋攏嚓?統(tǒng)決策模塊依靠攝像頭對車位線進行識別和檢測，判斷停車位類型。如德國學者DAXWANGER[10]、英國劍橋大學OZKUL[11]、臺灣學者CHAO[12]、浙江大學張聰[13]等研究不同的視覺檢測車位線算法，通過計算4條車位線包絡形成的形狀，實現(xiàn)對停車位類型的判斷。但上述兩種車位識別方法均有局限性，第一種車位識別方法的智能化程度不高，仍需要依靠駕駛員肉眼觀測來選擇車位類型。第二種車位識別方法的應用場景必須要有標準車位線，在沒有標準車位線的情況下，攝像頭無法識別出停車位的類型。圖1停車位智能感知技術基本原理在現(xiàn)實生活中，由于每個駕駛員停車水平和駕駛習慣存在差異，導致停車姿態(tài)各不相同，因而經(jīng)常會出現(xiàn)不規(guī)則停車位。在沒有標準車位線的輔助下，不規(guī)則停車位的邊界特征較為復雜，現(xiàn)有的停車位識別技術無法識別出停車位類型，使很多不規(guī)則停車位資源難以利用，，駕駛技術不太好的駕駛員只好通過巡游來尋找規(guī)則或寬敞的停車位，從而造成燃油和時間浪費。近年來，多傳感器信息融合技術開始受到自動泊車和移動機器人導航研究人員的關注。臺灣學者HSU等[14]基于攝像頭、超聲波雷達、慣性導航系統(tǒng)和GPS，通過多傳感器信息融合方法實現(xiàn)了對1.5倍車長的停車位識別；浙江大學的王飛文等[15]通過融合攝像頭和超聲波信息，提出了基于泊車車位模型和泊車位車道線模型的泊車位檢測方法；武漢理工大學趙玲利用神經(jīng)網(wǎng)絡算法融合視覺和距離信息，實現(xiàn)了機器人自主巡航[16]。然而，現(xiàn)有技術仍然無法識別非標準或沒有車位線的不規(guī)則停車位，對不規(guī)則停車位的識別方法研究也未見報道。為了提高停車場資源的利用率以及自動泊車系統(tǒng)的智能化程度，本文通過融合超聲波傳感器、視覺信息傳感器
文內(nèi)圖片：
圖片說明： ?側方均安裝有超聲波傳感器和視覺傳感器，超聲波傳感器用于探測車位縱深長度，視覺傳感器用于識別車位周圍車輛的輪轂，里程計用于讀取自車行走的距離。在尋庫過程中，車位感知系統(tǒng)實時融合超聲波傳感器、視覺信息傳感器和里程計的特征數(shù)據(jù)，獲取停車位周圍的空間幾何參數(shù)，并將其導入停車位空間模型。然后，模糊推理模塊以停車位空間模型提取的車位特征參數(shù)為輸入，輸出車位類型辨識結果。最后泊車路徑規(guī)劃模塊根據(jù)車位類型進行泊車方案匹配計算，如匹配成功，則進入泊車狀態(tài)；如匹配不成功，則汽車繼續(xù)向前尋庫。圖2為自動泊車系統(tǒng)結構組成簡圖。圖2自動泊車系統(tǒng)結構組成示意圖
【作者單位】： 江蘇大學汽車與交通工程學院;江蘇大學汽車工程研究院;
【基金】：國家自然科學基金重點(U1564201) 江蘇高校自然學科研究重大項目(16KJA580001) 江蘇省產(chǎn)學研前瞻性聯(lián)合創(chuàng)新(BY2012173)資助項目
【分類號】：TP391.41;U463.6


本文編號：2512832