德州職業(yè)技術(shù)學(xué)院 安 妮

本文所設(shè)計(jì)的無人駕駛智能車導(dǎo)航定位系統(tǒng)采用全球定位系統(tǒng)、機(jī)器視覺技術(shù)以及超聲波雷達(dá)技術(shù)，根本目的在于保障無人駕駛智能車能夠在簡單化、結(jié)構(gòu)化道路環(huán)境下自動(dòng)行駛。

近些年來，傳感器技術(shù)、智能算法技術(shù)以及定位技術(shù)的快速發(fā)展為智能車的自動(dòng)駕駛及定位提供重要技術(shù)支持，促使智能車可以在非人為干預(yù)的情況下安全抵達(dá)目的地。為進(jìn)一步提高智能車的自動(dòng)駕駛效果，還需要對(duì)無人駕駛智能車導(dǎo)航定位系統(tǒng)進(jìn)行研究，提高定位精度和控制能力，保障智能車在各類工作條件下的運(yùn)行效果。因此，對(duì)無人駕駛智能車導(dǎo)航定位系統(tǒng)設(shè)計(jì)進(jìn)行研究已成為當(dāng)前研究的重點(diǎn)內(nèi)容之一。

1 總體架構(gòu)設(shè)計(jì)

文中所設(shè)計(jì)的無人駕駛智能車導(dǎo)航定位系統(tǒng)會(huì)采用車載電腦和電控系統(tǒng)雙核心架構(gòu)，其中，車載電腦將會(huì)作為上位機(jī)，用于處理交換量和計(jì)算量相對(duì)較大的數(shù)據(jù)；電控系統(tǒng)作為下位機(jī)，主要用于處理交換量較小，但適用性較高的數(shù)據(jù)。此外，設(shè)計(jì)中材料模塊化結(jié)構(gòu)，實(shí)際系統(tǒng)將會(huì)設(shè)置有視覺傳感器模塊、上下位機(jī)通信模塊、車輛運(yùn)動(dòng)控制模塊、超聲波模塊以及GPS/INS模塊等五個(gè)功能模塊，具體設(shè)計(jì)總體架構(gòu)如圖1所示。

圖1 無人駕駛智能車導(dǎo)航定位系統(tǒng)總體設(shè)計(jì)架構(gòu)

在系統(tǒng)運(yùn)作過程中，首先，電控系統(tǒng)會(huì)通過GPS/INS模塊獲取周邊地理坐標(biāo)信息，并根據(jù)地理坐標(biāo)信息來自動(dòng)匹配具體空間數(shù)據(jù)，提取當(dāng)前道路中車道數(shù)量及寬度；其次，視覺傳感器模塊會(huì)通過設(shè)置在智能車前方的傳感器來檢測前方車道線，相關(guān)數(shù)據(jù)信息在經(jīng)過車載電腦處理以后，會(huì)通過上下位機(jī)通信模塊傳遞給電控系統(tǒng)；最后，電控系統(tǒng)會(huì)結(jié)合超聲波模塊來獲取道路邊緣信息，對(duì)智能車周圍車道線和路邊數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，從而達(dá)成無人駕駛智能車導(dǎo)航定位效果。

2 硬件設(shè)計(jì)

對(duì)于無人駕駛智能車導(dǎo)航定位系統(tǒng)的硬件部分，設(shè)計(jì)中將會(huì)采用“核心板+母板”的雙板卡式結(jié)構(gòu)。為保障硬件部分的應(yīng)用效果，核心板和母板之間將會(huì)采用BTB（板対板）連接器進(jìn)行連接。在具體設(shè)計(jì)過程中，核心板和母板均會(huì)采用PCB（印刷電路板）線路板，此線路板具有體積小、質(zhì)量輕、可裝配密度高等優(yōu)勢，不僅可以有效提高整體系統(tǒng)設(shè)計(jì)的通用性、可拓展性以及易維護(hù)性，還能夠降低設(shè)計(jì)開發(fā)成本，符合當(dāng)前系統(tǒng)設(shè)計(jì)的經(jīng)濟(jì)性要求。

具體來說，核心板采用雙面PCB線路板，其上裝配有外部存儲(chǔ)器、電源電路、通信電路、復(fù)位電路、時(shí)鐘電路、下載電路、輸出接口以及嵌入式處理器等。其中，外部存儲(chǔ)器將會(huì)采用IS62WV51216存儲(chǔ)芯片，該芯片的實(shí)際容量為1Mb可掛載FSMC（可變靜態(tài)存儲(chǔ)控制器），在設(shè)計(jì)中將會(huì)作為主控芯片擴(kuò)展內(nèi)存；嵌入式處理器將會(huì)采用STM32F407ZGT6主控芯片，此芯片內(nèi)置Cortex-M4內(nèi)核、192kb SRAM（靜態(tài)隨機(jī)存取存儲(chǔ)器）、1024kb Flash、FPU（浮點(diǎn)運(yùn)算單元）硬件，支持DSP（數(shù)據(jù)信號(hào)處理）指令集。

母板會(huì)采用雙面單層PCB線路板，其上裝配有電源模塊、GPS模塊、車輛運(yùn)動(dòng)控制模塊、INS模塊、超聲波模塊、輸入接口以及輸出接口等。其中，GPS模塊將會(huì)采用ZBT TG621S-BD芯片，此芯片內(nèi)置為167通道三模全球定位導(dǎo)航接收器，此導(dǎo)航接收器的實(shí)際定位精度可達(dá)到2.5m；車輛運(yùn)動(dòng)控制模塊上集成有剎車電機(jī)、轉(zhuǎn)向電機(jī)以及驅(qū)動(dòng)電機(jī)控制系統(tǒng)，可以根據(jù)電控系統(tǒng)所發(fā)出的控制指令執(zhí)行相應(yīng)的控制動(dòng)作；INS模塊采用MPU6050芯片，此芯片內(nèi)置有三軸MEMS（微機(jī)電系統(tǒng)）、三軸陀螺儀、數(shù)字運(yùn)動(dòng)處理器、加速度計(jì)等設(shè)備，可以滿足無人駕駛智能車導(dǎo)航定位系統(tǒng)的設(shè)計(jì)需求；超聲波模塊將會(huì)采用URM37傳感器，此傳感器內(nèi)置有微控制器，在具體應(yīng)用過程中可以降低系統(tǒng)的運(yùn)算需求。設(shè)計(jì)中為保障超聲波模塊的應(yīng)用效果，將會(huì)設(shè)置4個(gè)URM37傳感器，分別處于智能車4個(gè)車輪附近。

3 軟件設(shè)計(jì)

3.1 車道檢測

（1）機(jī)器視覺

現(xiàn)階段，基于機(jī)器視覺的車道檢測算法可以細(xì)化為基于模板的車道檢測算法、基于特征的車道檢測算法以及基于區(qū)域的車道檢測算法。其中，基于模板的車道檢測算法在抗干擾性能方面更具優(yōu)勢，適用于各類環(huán)境條件下的車道檢測分析，所以在綜合考慮分析后，最終采用基于模板的車道檢測算法作為設(shè)計(jì)中的機(jī)器視覺車道線檢測算法。

具體設(shè)計(jì)過程中，基于模板的車道檢測算法主要工作原理如下：

第一，通過數(shù)據(jù)庫函數(shù)對(duì)相機(jī)內(nèi)外參數(shù)進(jìn)行科學(xué)標(biāo)定。

第二，通過IPM（逆透視變換）算法求解逆透視/反透視變換矩陣，根據(jù)矩陣構(gòu)建空間坐標(biāo)系和圖像坐標(biāo)系，并將空間坐標(biāo)系與圖像坐標(biāo)系相關(guān)聯(lián)。

第三，將完成IPM處理后的圖像進(jìn)行閥值化處理，剔除掉圖像邊界并通過高斯濾波器進(jìn)行平滑處理，消除圖像中的噪聲點(diǎn)，完成圖像的預(yù)處理。

第四，通過Canny算子將完成預(yù)處理后的圖像獨(dú)立邊進(jìn)行輪廓拼接。

第五，通過PPHT（累計(jì)概率霍夫變換）實(shí)現(xiàn)圖像邊緣輪廓中的直線特征的提取和累加處理。

第六，對(duì)圖像中直線掩碼區(qū)進(jìn)行過濾合并，進(jìn)而利用RANSAC（隨機(jī)抽樣一致性）算法在直線掩碼區(qū)進(jìn)行局內(nèi)點(diǎn)選取，實(shí)施貝塞爾曲線擬合。

第七，在經(jīng)過上述處理流程以后，還需要在保留圖像高峰曲線的情況下，再次實(shí)施貝塞爾曲線擬合，并在完成擬合后實(shí)施反逆透視變換，將變換后的曲線與原始圖像相結(jié)合，剔除原始圖像中的噪聲點(diǎn)，獲取到設(shè)計(jì)所需的最終處理圖像。

（2）超聲波雷達(dá)

文中所設(shè)計(jì)的無人駕駛智能車導(dǎo)航定位系統(tǒng)中的4個(gè)超聲波傳感器分別設(shè)置在智能車的4個(gè)車輪附近，根據(jù)智能車的左右方位將其劃分為左右兩組超聲波傳感器，實(shí)際設(shè)計(jì)過程中會(huì)根據(jù)智能車待運(yùn)行車道寬度來合理調(diào)整超聲波傳感器的數(shù)據(jù)采集距離。在正常數(shù)據(jù)采集的情況下，左右兩組傳感器將會(huì)獲取到正常道路寬度數(shù)據(jù)；但若是智能車周圍存在行人、車輛等干擾因素，那么超聲波傳感器便會(huì)獲取到噪聲數(shù)據(jù)。

為保障智能車的穩(wěn)定運(yùn)行，需要對(duì)相關(guān)噪聲進(jìn)行有效消除，具體消除方法如下：

第一，在所有超聲波傳感器所采集到的數(shù)據(jù)點(diǎn)中隨機(jī)抽取2組數(shù)據(jù)作為研究樣本，并以此為基礎(chǔ)構(gòu)建樣本估計(jì)模型。

第二，通過樣本估計(jì)模型對(duì)所有樣本點(diǎn)進(jìn)行遍歷分析，計(jì)算出樣本估計(jì)模塊計(jì)算點(diǎn)錯(cuò)誤率，然后標(biāo)記出其中非干擾數(shù)據(jù)點(diǎn)。

第三，通過標(biāo)記的非干擾數(shù)據(jù)點(diǎn)重新構(gòu)建樣本估計(jì)模型，然后再次重復(fù)上述操作，直至循環(huán)迭代至退出條件。

3.2 數(shù)據(jù)融合

無人駕駛智能車導(dǎo)航定位系統(tǒng)涉及到超聲波道邊檢測數(shù)據(jù)、機(jī)器視覺車道檢測數(shù)據(jù)、GPS定位數(shù)據(jù)、INS定位數(shù)據(jù)、OSM（公開地圖）數(shù)據(jù)等多樣化定導(dǎo)航定位數(shù)據(jù)，需要對(duì)相關(guān)數(shù)據(jù)進(jìn)行有效融合，才能充分發(fā)揮出導(dǎo)航定位效果。具體來說，數(shù)據(jù)融合主要分為GPS定位數(shù)據(jù)、INS定位數(shù)據(jù)與OSM數(shù)據(jù)匹配分析；超聲波道邊檢測數(shù)據(jù)與機(jī)器視覺車道檢測數(shù)據(jù)匹配分析兩部分工作內(nèi)容。其中，GPS定位數(shù)據(jù)、INS定位數(shù)據(jù)與OSM數(shù)據(jù)匹配分析是通過GPS定位模塊和INS定位模塊來獲取智能車所在位置的經(jīng)緯度、高程坐標(biāo)數(shù)據(jù)，然后將相關(guān)空間參數(shù)與OSM數(shù)據(jù)庫中數(shù)據(jù)進(jìn)行匹配對(duì)比，并從中提取當(dāng)前道路的車道數(shù)量及道路寬度；超聲波道邊檢測數(shù)據(jù)與機(jī)器視覺車道檢測數(shù)據(jù)匹配分析則是以智能車為坐標(biāo)軸原點(diǎn)，然后通過構(gòu)建空間坐標(biāo)軸的方式來實(shí)現(xiàn)超聲波道邊檢測數(shù)據(jù)與機(jī)器視覺車道檢測數(shù)據(jù)匹配對(duì)比。

結(jié)束語：綜上，文章提出一種無人駕駛智能車導(dǎo)航定位系統(tǒng)設(shè)計(jì)，此設(shè)計(jì)中主要包含硬件和軟件兩部分內(nèi)容，其中硬件部分采用“核心板+母板”的雙板卡式結(jié)構(gòu)設(shè)計(jì)；軟件部分則主要介紹了無人駕駛智能車導(dǎo)航定位系統(tǒng)中的車道檢測和數(shù)據(jù)融合這兩種功能的實(shí)現(xiàn)方式。雖然文章中并沒有對(duì)具體設(shè)計(jì)參數(shù)進(jìn)行分析說明，但文中所說明的具體設(shè)計(jì)架構(gòu)仍可為后續(xù)無人駕駛智能車導(dǎo)航定位系統(tǒng)設(shè)計(jì)提供參考。