. . . -可修编. 自动泊车系统的控制算法研究 摘 要：自动泊车系统是汽车智能化开展的一个重要方向，也是无人驾驶技术的一局部。采用单目视觉的方法识别车位，为了使汽车能连续泊车入位，规划了基于盘旋曲线的曲率连续泊车路径。同时，在装有单摄像机的模型车上对算法进展试验验证。结果说明，模型车准确识别车位，并连续泊入车位且以较好的姿态停于车位中间。对机器视觉在汽车上的广泛应用具有一定促进作用。 关键词：自动泊车；单目视觉；车位检测；路径规划；盘旋曲线文献标文献标识码：A文献标DOI：10.3969/j.issn. 随着汽车技术的快速开展，汽车的普及率越来越高，随之带来的问题是停车位需求量越来越大，停车位的空间越来越小，从而在现代都市中“停车难〞的问题变得日益严重。在窄小的空间进展倒车入位操作，对很多驾驶不熟练的驾驶员造成了很大的困扰。由此引起的交通事故也在逐年增加，而且占交通事故中很大一局部。因此，进展自动泊车系统的研究不仅能推动社会现代化，更能提高交通平安指数。 自动泊车系统包括6个局部：环境识别、路径规划、姿态估计、路径跟踪控制、激活转向/制动系统和人机交互。目前，在应用于汽车上的自动泊车系统中普遍采用测距传感器，如超声波传感器[1]、激光雷达[2] 作为环境识别传感器。但是由于测距传感器只能用于平行泊车，而且图像传感器得到的信息量非常大，因此，图像传感器成为未来自动泊车系统的环境识别传感器是必然的趋势。采用机器视觉的方法识别环境，根据识别物体的不同可归纳为以下3种方法：〔1〕识别相邻车辆作为可用车位的边界。文献[3] 采用摄像头与激光雷达相结合的方法得到旁车的点云来获取车位信息。〔2〕识别车位标志线]中驾驶员通过点击触摸屏上的车位角点标志线及处理局部图像来获取车位信息。〔3〕识别车位标志线和相邻车辆相结合的方法[5] 。在方法〔1〕、〔3〕中，需要处理的数据量非常庞大，导致处理图像的时间很长，难以满足系统的实时性要求；在方法〔2〕中，通过人机交互操作可大大减小算法复杂度，但同时也加大了驾驶员的操作负担。在路径规划中，文献[6]采用相切的圆弧来连接汽车的预备倒车位置和终止位置作为汽车的倒车轨迹，此倒车轨迹的缺点是曲率不连续，在泊车过程中，汽车必须在倒车轨迹曲率突变处停顿泊车，将前轮转到特定角度才可继续泊车，使泊车过程不连续；Zhao Liang等提出采用Bezier曲线] ；Maekawa T.等采用β-spline曲线] 规划了一条多项式曲线种曲线都是曲率连续变化的光滑曲线，但是在泊车过程中，很多时候前轮未转到极限状态，导致泊车所需空间较大，难以满足现代城市中在车位窄小的情况下进展泊车的要求，并且曲线拟合速度慢。 考虑到自动泊车系统主要在城区使用，通过检测车位线来识别目标车位是最经济、有效的方法。因此，本文采用一种使用单目视觉的方法来检测车位标志线，得到车位大小和车位与自车的相对位姿关系信息；采用盘旋曲线将直线段和圆弧段连接，得到一条所需泊车空间小的曲率连续泊车路径。 1 车位检测 在自动泊车系统中，本文从经济性、实用性的角度考虑，采用单目视觉的方法检测车位。在汽车的左右后视镜上各安装一个摄像头，用于检测汽车左右的车位。采用该方法检测车位包括以下步骤：〔1〕将使用广角摄像机获得的图像进展预处理，包括图像的灰度化、滤波、二值化和矫正。〔2〕在处理后的图像中提取车位标志线〕采用Hough变换检测车位标志线的骨架并采用K-均值法对Hough空间中的峰值点进展聚类，从而得到车位标志线所对应的直线方程，由此可得车位角点的图像坐标。〔4〕利用单应性矩阵将求得的图像坐标变换到以地平面为笛卡尔坐标系中xoy坐标平面的世界坐标。 1.1 图像预处理 摄像机采集的图像如图1〔a〕所示，该图片为YUV格式，由于彩色图像包含的数据量大，会使图像处理的时间增加，因此，将图像灰度化，只需提取图像的Y分量即可，结果如图1〔b〕所示。由于获得的图像中含有对车位识别造成干扰的噪声，需要先对图像进展滤波处理，本文选择中值滤波的方法对图像进展滤波。通常情况下，车位标志线使用颜色明亮的白色涂料画在颜色灰暗的地面上，图像被分成两个局部：〔1〕明亮的车位标志线〕灰暗的地面。本文采用基于全局灰度阈值的二值化方法提取车位标志线〔c〕所示。在自动泊车系统中，必须采用广角摄像机来获得完整的车位信息，由此带来的负面影响是图像畸变。因此，首先需要将图像进展矫正，矫正图像采用非线性模型，在一般情况下，采用非线性模型中的径向畸变已能足够描述非线性畸变。通过摄像机标定，可得到非线性畸变模型中非线性畸变参数，矫正后的图像如图1〔d〕所示。 1.2 骨架提取 用传统的距离变换方法提取骨架[10] ，在骨架点的准确性上有明显的优势，但连通性较难保证。针对此算法的局限性，本文采用改良的骨架提取算法，利用距离变换值找出骨架种子点，并以种子点为起点，以单像素宽度生长出其余所有的骨架点，该算法保证了骨架的连通性和单像素性。该算法包括以下步骤：〔1〕计算距离变换值。〔2〕寻找骨架种子点。〔3〕生长骨架。 在矫正的二值化图像中，背景像素的距离变换值为0，车位标志线像素的距离变对于刚接触PG电子的新手，有什么实用的攻略吗？换值为该点到标志线边缘的最短距离。为了减小计算复杂度，采用基于模板的近似方法进展图像的距离变换，模板大小为5×5，模板中的每个点被定义为这个位置与模板中心的欧式距离，模板中心位置的值为0。 当找到骨架种子点，下一步是由种子点生长出整个图形的骨架。骨架的生长是一个迭代过程，本文定义生长前沿点为上一轮迭代所产生的骨架点，迭代过程分为以下3个步骤。 〔1〕覆盖。在一轮迭代过程完毕时会产生一个或多个生长前沿点，将以各生长前沿点为圆心，距离变换值为半径的圆形区域覆盖。在每一次覆盖之后，图像都将减小，直至图形区域为0，即图形的所有骨架点都已找到，迭代过程完毕。图2表示了上述过程，图2〔a〕为原始图像，图2〔b〕表示第一次迭代过程完毕，找到第1个骨架点，图2〔c〕、〔d〕、〔e〕表示后续的迭代过程，图2〔f〕表示剩余图形为0，图像骨架提取完成，迭代完毕。 〔2〕判断新分支数。在每一轮覆盖完毕之后，每一个生长前沿点都对应n个连通区〔n为大于或等于1的整数〕，如图2〔b〕所示，因此，在下一轮迭代时，由生长前沿点开场生长的分支数应为n，并且n个分支生长的方向分别指向n个连通区。 〔3〕生长新骨架点。理想的新骨架点与连通区的距离应该比前沿点与连通区的距离更近，因此选择前沿点8邻域中距离连通区最近的点为新骨架点的候选点，然后再考虑前沿点的8邻域中与新骨架点候选点相邻的两个点，分别计算前沿点与初选新骨架点和初选新骨架点相邻的两个点之间的梯度，将梯度最小的一个点作为新骨架点的最终结果。 对二值化后的矫正车位图像进展骨架提取，提取的骨架如图3所示。 1.3 检测车位线 在二值图像中应用Hough变换检测直线是最常用的方法。Hough变换是将二值图像中的每一个像素点的位置坐标转换为参数〔θ，r〕的集合，每一个参数〔θ，r〕对应一条经过此像素点的直线。将图像中所有的像素点都转换为参数集合，在Hough空间中累加每个点的奉献，因此，二值图像中的直线对应Hough空间中的一个峰值，检测直线就转换为检测Hough空间中的峰值。首先设定一个阈值T，在Hough空间中将大于T的值设为255，小于T的值设为0，对骨架图像进展Hough变换，得到的Hough空间如图4〔此图只取图像的一局部〕所示。 Hough空间中的点所对应的直线〔a〕所示，即车位标志线骨架所在直线。由于实际车位标志线的边缘凹凸不平，因此所提取的
2、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
3、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
4、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
9.3 大气压强 课件-2025-2026学年人教版物理八年级下学期.pptx
10.《苏武传》第二课时 课件 2026-2027学年统编版高二语文选择性必修中册.pptx
2024-2025学年广东省广州市八年级下学期中段生物检测含答案.docx
2024-2025学年广东广州天河中学八年级下学期期中数学试题含答案.docx
2025-2026学年北师大版三年级下册数学期中综合测试卷（新教材同步版）.docx
《2025年商业航天供应链管理报告：卫星精密加工环节风险控制策略》.docx
原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者
