基于机器视觉和模糊控制的自动泊车_任坤

合集下载

基于机器视觉的无人车辆导航与避障技术研究

基于机器视觉的无人车辆导航与避障技术研究无人车辆导航与避障技术是近年来人工智能领域中备受关注的研究方向。

随着机器视觉技术的不断发展和智能硬件的不断进步，基于机器视觉的无人车辆导航与避障技术日益成熟。

本文将探讨机器视觉在无人车辆导航与避障方面的应用、技术原理与挑战。

一、机器视觉在无人车辆导航中的应用机器视觉在无人车辆导航中的应用主要包括环境感知、位置定位和路径规划等方面。

1. 环境感知：机器视觉能够通过感知周围环境中的物体、路标、交通信号等信息，实现对道路情况的识别和理解。

利用深度学习算法，无人车能够对道路标志、车辆、行人等物体进行准确的识别，并判断其与无人车的相对位置。

这样无人车就能够根据周围环境的变化来做出合适的决策，比如减速、超车等。

2. 位置定位：机器视觉能够通过图像处理和匹配算法，将摄像头采集到的图像与事先建立好的地图进行比对，以确定无人车的准确位置和朝向。

这样无人车就能够在导航过程中实现精确定位，提高导航的准确性和可靠性。

3. 路径规划：机器视觉能够利用地图和环境感知信息，通过路径规划算法确定无人车的行驶路径。

在规划路径时，机器视觉将考虑车辆性能、交通规则、道路状况以及周围环境等因素，以确保无人车行驶的安全性和高效性。

二、基于机器视觉的无人车辆导航与避障技术原理基于机器视觉的无人车辆导航与避障技术的原理主要包括环境感知、决策与控制三个主要步骤。

1. 环境感知：通过搭载摄像头等传感器，无人车能够获取周围环境的图像信息。

利用计算机视觉技术，包括目标检测、语义分割等，无人车能够从图像中识别出道路、车辆、行人等物体，并进行一定程度的跟踪。

同时，通过对摄像头采集到的数据进行处理和分析，无人车能够实时感知周围环境的变化，为后续的决策与控制提供依据。

2. 决策：基于环境感知的结果，无人车会利用算法对所处环境进行分析和判断，以做出相应的决策。

例如，对于检测到的障碍物，无人车可以选择停车、绕行或避让等方式来避障。

基于FPGA的模糊控制自动垂直泊车系统设计

基于FPGA的模糊控制自动垂直泊车系统设计
孙永芳;张刚
【期刊名称】《机械设计与制造工程》
【年(卷),期】2016(045)012
【摘要】设计了一种基于FPGA的模糊控制自动垂直泊车系统,结合垂直泊车的实际情况、自动泊车系统的组成搭建了基于FPGA的PID模糊控制自动垂直泊车系统的硬件结构,采用超声波传感器采集周围环境数据,应用 PID模糊控制器对采集的信息进行分析处理.经测试,设计的系统在模型车航向角-34°~34°内,能够实现自主无碰撞泊车,达到了预期效果.
【总页数】4页(P50-53)
【作者】孙永芳;张刚
【作者单位】陕西国防工业职业技术学院机电工程学院,陕西西安 710300;航天推进技术研究院,陕西西安 710100
【正文语种】中文
【中图分类】TP242.6
【相关文献】
1.基于预瞄模糊控制的自动泊车算法研究 [J], 熊周兵;杨威;丁可;梁锋华;郑玲;黎予生
2.基于模糊控制的自动泊车的研究 [J], 温宗周;高园平;段俊瑞;刘垚;孙骋
3.基于模糊控制汽车自动泊车关键技术设计 [J], 张刚
4.基于扩展卡尔曼滤波的自动垂直泊车模糊控制 [J], 王健; 于蓬; 王金波; 彭欣
5.基于模糊控制的多圆弧路径自动平行泊车仿真 [J], 兰贵龙;贺艺斌
因版权原因，仅展示原文概要，查看原文内容请购买。

视觉跟踪模糊自调节PI控制算法

视觉跟踪模糊自调节PI控制算法
沈晓晶;陈明;李净;池涛
【期刊名称】《计算机科学》
【年(卷),期】2007(34)1
【摘要】视觉跟踪系统是一个非线性时变系统,传统控制方法往往难以胜任.因此,本文提出一种新的视觉跟踪控制算法--模糊自调节PI控制算法,以跟踪三维平动刚体目标.与传统基于图像的视觉伺服控制算法相比,该控制算法有两个优点:①以二值目标图像的矩特征为图像特征,因而无需图像特征匹配;②模糊调节器根据闭环系统响应的不同阶段,在线调节PI参数,从而改善了闭环系统的整体性能.仿真结果表明,本文提出的模糊自调节PI控制算法不仅简单快速,且具有较高控制精度.
【总页数】4页(P140-143)
【作者】沈晓晶;陈明;李净;池涛
【作者单位】上海水产大学信息学院,上海,200090;上海水产大学信息学院,上海,200090;上海水产大学信息学院,上海,200090;上海水产大学信息学院,上
海,200090
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于模糊PI的永磁同步电机矢量控制算法 [J], 杨飏;顾建凯;
2.无刷直流电机模糊PI控制算法研究 [J], 林聪;于跃
3.基于模糊PI的高速转台转速控制算法研究 [J], 郭一达;郝玉凤;贾云飞;柴金宝
4.应用于组态软件的自调节模糊控制算法设计与实现 [J], 刘岩;海玲;杨嘉鹏;刘文
5.应用于组态软件的自调节模糊控制算法设计与实现 [J], 严粤锋
因版权原因，仅展示原文概要，查看原文内容请购买。

计算机视觉在无人驾驶中的应用

计算机视觉在无人驾驶中的应用随着科技的不断进步，无人驾驶技术逐渐成为汽车产业的热门话题。

而计算机视觉作为无人驾驶中的重要组成部分，发挥着关键的作用。

本文将探讨计算机视觉在无人驾驶中的应用。

一、道路与交通标志识别无人驾驶车辆需要通过计算机视觉系统来识别道路和交通标志，以实现准确的自动驾驶。

计算机视觉系统可以对道路进行实时检测和分割，帮助无人驾驶车辆确定行驶的正确路径。

同时，它还能够识别不同的交通标志，如停车标志、限速标志等，为无人驾驶车辆提供精准的行驶指令。

二、车辆与行人识别为了保证无人驾驶车辆的安全性，计算机视觉系统需要准确地识别周围的车辆和行人。

通过使用高精度的图像处理算法，计算机可以实时监测周围环境中的车辆和行人，并及时做出反应。

这种识别功能可以有效地避免碰撞事故的发生，保护乘客和其他道路使用者的安全。

三、车道保持与自动泊车计算机视觉系统在无人驾驶中的另一个重要应用是车道保持和自动泊车。

通过对道路的准确监测和识别，计算机可以帮助无人驾驶车辆保持在正确的车道上，并根据道路情况做相应的驾驶决策。

此外，计算机视觉系统还能够实现自动泊车功能，通过识别停车位并进行精确的停车操作，提高停车的效率和便利性。

四、智能导航与路径规划计算机视觉系统还可以在无人驾驶中发挥智能导航和路径规划的作用。

通过对周围环境的实时感知和建模，计算机可以为无人驾驶车辆提供最优的行驶路线和路径规划。

这种智能导航系统可以根据实时道路情况和交通状况进行调整，以提高行驶的效率和安全性。

五、疲劳驾驶与情绪识别疲劳驾驶和情绪波动是导致交通事故的主要原因之一。

计算机视觉系统可以通过监测驾驶员的眼睛和脸部表情，自动识别疲劳和情绪波动的迹象，并提醒驾驶员采取相应的措施，确保行车的安全。

综上所述，计算机视觉在无人驾驶中扮演着至关重要的角色。

它的应用范围涵盖了道路与交通标志识别、车辆与行人识别、车道保持与自动泊车、智能导航与路径规划，以及疲劳驾驶与情绪识别。

4 自适应模糊控制-智能控制——理论基础、算法设计与应用-刘金琨-清华大学出版社

R x y B x i1i2 u
：如果
为且 1
Ai1 1
2
为 Ai2 2
，则
为 i1i2
其中，i1 1, 2, , N1, i2 1, 2, , N2
将模糊集Bi1i2 的中心（用y i1i2 表示）选择为
y g e , e i1i2
i1
i2
1
2
（4.1）
步骤3：采用乘机推理机，单值模糊器和中心平
自适应模糊控制是指具有自适应学习算法的模糊逻辑系统，其学习算法是依靠数据信息来调整模糊逻辑系统的参数。一个自适应模糊控制器可以用一个单一的自适应模糊系统构成，也可以用若干个自适应模糊系统构成。与传统的自适应控制相比，自适应模糊控制的优越性在于它可以利用操作人员提供的语言性模糊信息，而传统的自适应控制则不能。这一点对具有高度不确定因素的系统尤其重要。
采用乘机推理机单值模糊器和中心平均解模糊器根据条规则来构造模糊系统42412模糊系统的逼近精度万能逼近定理表明模糊系统是除多项函数逼近器神经网络之外的一个新的万能逼近器
第4章自适应模糊控制
模糊控制的突出优点是能够比较容易地将人的控制经验溶入到控制器中，但若缺乏这样的控制经验，很难设计出高水平的模糊控制器。而且，由于模糊控制器采用了IF-THRN控制规则，不便于控制参数的学习和调整，使得构造具有自适应的模糊控制器较困难。
取控制律为
u
1 g(x)
f
x
y (n) m
ΚTe
(4.9)
将(4.9)代入(4.7),得到闭环控制系统的方程：
e(n) k e(n1) k e 0
1
n
(4.10)
由的选取，可得 t 时 e(t) 0 ，即系统的输

计算机视觉技术在无人驾驶汽车中的应用

计算机视觉技术在无人驾驶汽车中的应用无人驾驶汽车是一项激动人心的新兴技术，其革命性的特点在于能够在没有人类驾驶员的情况下自主导航和操作车辆。

计算机视觉技术是无人驾驶汽车中最重要的组成部分之一，它为车辆提供了感知和理解环境的能力，从而实现智能驾驶。

本文将探讨计算机视觉技术在无人驾驶汽车中的应用，并讨论其带来的挑战和前景。

计算机视觉技术是一门研究如何使计算机获得和理解图像和视频数据的学科。

在无人驾驶汽车中，计算机视觉技术主要应用在以下几个方面。

首先，计算机视觉技术在无人驾驶汽车中用于目标检测和识别。

通过分析车辆周围的图像和视频数据，车辆能够自动识别和检测出其他车辆、行人、交通标志和信号灯等物体。

这些识别结果可以用于决策制定和路径规划，确保车辆能够安全地遵循交通规则并适应不同的驾驶场景。

其次，计算机视觉技术还可以用于车道线检测和车道保持。

通过处理摄像头捕捉到的图像数据，车辆能够准确地识别道路上的车道线，并根据这些信息来控制方向盘，保持车辆在正确的车道上行驶。

这种技术对于高速公路上的长时间巡航非常重要，可以大大减轻驾驶员的压力，并提高行驶的安全性和舒适性。

另外，计算机视觉技术还可以用于交通信号灯识别。

通过分析摄像头捕捉到的图像数据，车辆能够自动识别并理解交通信号灯，从而知道何时停车、何时出发。

这种技术使得车辆能够智能地遵守交通规则，提高行驶安全性，并减少交通事故的发生。

此外，计算机视觉技术还可以在无人驾驶汽车中用于前方障碍物检测和避障。

通过分析摄像头捕捉到的图像和视频数据，车辆能够实时检测到前方的障碍物，如其他车辆、路障、行人等，并根据这些信息来调整车辆的速度和轨迹，以避免碰撞和意外。

然而，计算机视觉技术在无人驾驶汽车中仍然面临许多挑战。

其中之一是复杂环境下的错误识别问题。

在复杂的交通环境中，可能会出现光线不足、天气恶劣或者视野受限等情况，这些条件可能导致计算机视觉系统错误地识别和判断物体。

因此，提高计算机视觉系统的鲁棒性和适应能力是一个重要的研究方向。

计算机视觉技术在智能停车系统中的应用研究

计算机视觉技术在智能停车系统中的应用研究一、引言随着城市化进程的加快，汽车数量不断增加，停车难题成为城市交通管理的一大挑战。

为了解决停车问题，智能停车系统应运而生。

其中，计算机视觉技术作为智能停车系统的关键技术之一，发挥着重要的作用。

本文将探讨计算机视觉技术在智能停车系统中的应用研究。

二、计算机视觉技术简介计算机视觉技术是模拟人类视觉系统进行图像识别和分析的技术。

它能够通过图像或视频中的特征提取和分析，进行对象识别、运动跟踪、场景理解等任务。

在智能停车系统中，计算机视觉技术可以应用于车辆识别、车位检测、停车指引等方面。

三、车辆识别技术智能停车系统需要准确识别进出停车场的车辆，并与车主的信息进行关联。

计算机视觉技术通过车牌识别技术可以实现精确的车辆识别。

通过识别车牌上的字符、颜色等特征，计算机视觉系统能够准确快速地判别出车牌，并将识别的结果与车主信息进行比对和关联，实现车辆的精准管理和车主的方便停车。

四、车位检测技术停车位的检测是智能停车系统中的一个重要环节。

通过计算机视觉技术，可以实现对停车位的实时监测和检测。

利用图像处理算法，系统能够识别出停车场中的空余车位，并将其实时显示在停车场指引屏上，为驾驶员提供停车位的信息。

这种技术不仅可以提高停车位的利用率，减少驾驶员的时间和精力，还能够有效缓解停车场拥堵问题。

五、停车指引技术计算机视觉技术在智能停车系统中还可以用于实现停车指引功能。

通过图像处理和模式识别算法，系统能够将摄像头拍摄到的实时图像进行处理，并将车辆的位置、行驶方向等信息与地图进行匹配，从而实现对驶入停车场的车辆的停车指引。

这样，驾驶员在找寻停车位时只需按照系统的指引行驶，不但能够快速找到停车位，还能够避免车辆阻塞和迷路的问题。

六、系统的安全性与可靠性在智能停车系统中，计算机视觉技术的安全性和可靠性是关键问题。

系统需要能够准确识别车辆、车牌，确保系统不被恶意用户破解或违法使用。

因此，在设计智能停车系统时需要加强对计算机视觉技术的研发，提高系统的安全性和可靠性。

基于计算机视觉的自动车库停车系统设计与实现

基于计算机视觉的自动车库停车系统设计与实现自动车库停车系统是一种利用计算机视觉技术实现的智能化停车管理系统。

它通过摄像头、图像处理算法和智能控制系统，实现了车辆在停车过程中的自动导航、停车位检测和精确停车等功能。

本文将对基于计算机视觉的自动车库停车系统的设计与实现进行详细介绍。

首先，基于计算机视觉的自动车库停车系统设计与实现需要考虑以下几个方面：车辆识别与跟踪、停车位检测、自动导航和精确停车。

车辆识别与跟踪是自动车库停车系统的核心功能之一。

该系统通过摄像头采集到的实时视频图像，利用计算机视觉算法，对车辆进行准确的识别和跟踪。

常用的算法包括基于颜色特征的车辆识别、基于边缘检测的车辆检测和基于深度学习的车辆跟踪等。

通过对车辆的识别和跟踪，系统可以准确地获取到车辆的位置信息，并实时更新这些信息。

停车位检测是自动车库停车系统的另一个重要功能。

系统需要能够检测出停车场中的空闲停车位，并提供给车辆进行选择。

常用的停车位检测算法包括基于图像分割的车位检测、基于特征提取的车位检测和基于机器学习的车位检测等。

通过这些算法，系统可以高效地检测出空闲停车位，提高停车效率。

自动导航是自动车库停车系统中的另一个重要功能。

通过识别和跟踪车辆的位置信息，系统可以根据用户的指令和停车场的布局，提供给车辆导航的指引，帮助车辆准确地到达目标停车位。

常用的自动导航算法包括基于路径规划的导航、基于图像识别的导航和基于机器学习的导航等。

这些算法可以使车辆在停车过程中避免碰撞和误差，安全地到达目标位置。

精确停车是自动车库停车系统最终需要实现的功能之一。

通过精确停车算法，系统可以使车辆在停车位上做出精确的停靠动作，并保持车辆位置的稳定。

常用的精确停车算法包括基于激光雷达的精确停车、基于摄像头的精确停车和基于传感器的精确停车等。

通过这些算法，系统可以确保汽车停放在正确的位置上，避免与其他车辆或障碍物发生碰撞。

在设计与实现基于计算机视觉的自动车库停车系统时，还需要考虑其他一些细节问题。

超声波测距的模糊控制泊车系统模型设计

超声波测距的模糊控制泊车系统模型设计
千承辉;苗红松;付玉静;康宁
【期刊名称】《单片机与嵌入式系统应用》
【年(卷),期】2014(14)9
【摘要】设计了一种基于超声波测距的自动泊车系统模型.首先对小车运动模型进行分析,结合实际设计垂直、平行、斜行三种泊车模糊控制器,并且在Matlab的Simulink中分别进行仿真验证.采用超声波测距技术、视频采集技术等来获取周围环境数据,按照实际车辆和车库的大小,通过等比例缩放设计小车模型和车库模型,并把验证通过的模糊控制器转换为C代码,嵌入到飞思卡尔K60主控制板中进行自动泊车可行性测试.经测试,当模型车的航向角在32°～+32°范围内时,实现了模型车在0.92倍标准大小模型车库内的自主泊车.
【总页数】4页(P71-74)
【作者】千承辉;苗红松;付玉静;康宁
【作者单位】吉林大学仪器科学与电气工程学院,长春130022;吉林大学仪器科学与电气工程学院,长春130022;吉林大学仪器科学与电气工程学院,长春130022;吉林大学仪器科学与电气工程学院,长春130022
【正文语种】中文
【中图分类】TP242.6
【相关文献】
1.基于FPGA的模糊控制自动垂直泊车系统设计 [J], 孙永芳;张刚
2.基于超声波测距的自动寻迹泊车系统模型设计 [J], 戴绍港;石学诚
3.基于超声波测距自动泊车演示验证实验系统设计 [J], 穆柯;王选仓;柳志军;郎百和;孙迎宾;李金菲;李锐
4.自动泊车系统模型设计 [J], 彭湘灵
5.全自动泊车系统的模型设计与仿真 [J], 高成舟;戚晓利
因版权原因，仅展示原文概要，查看原文内容请购买。

基于深度强化学习的自动泊车方法与设计方案

图片简介:本技术提供了一种基于深度强化学习的自动泊车方法，本技术的基本思想是使用深度学习强大的感知能力来感知汽车的当前状态，即感知汽车和停车位的相对位置关系，然后把汽车的状态输入进深度确定性策略梯度模型，利用强化学习的决策能力得到在该状态下需要执行的动作，把需要执行的动作输入环境模型得到下一状态和奖励函数值，然后通过一个奖励机制去评价刚刚执行的动作的好坏，并引导汽车朝着停车点的方向行驶，在下一个状态重复执行前面的操作，直到模型收敛，即汽车准确泊达车位。

本技术通过以上设计，解决了现在的自动泊车系统无法做到和环境的实时交互，以及无法实现在任意地点和任意角度开始泊车的问题。

技术要求1.一种基于深度强化学习的自动泊车方法，其特征在于，包括以下步骤：S1、随机初始化汽车的开始状态；S2、对汽车的开始状态进行数据归一化处理，并利用深度确定性策略梯度模型计算得到汽车在当前状态下所需执行的动作；S3、将所述汽车在当前状态下所需执行的动作输入至模拟环境模型，得到汽车的下一状态以及奖励函数值；S4、收集汽车的当前状态、奖励函数值、下一状态以及执行动作，并作为一条数据存储于深度确定性策略梯度模型的经验回放池中；S5、判断经验回放池是否收集满10000条数据，若是，则执行步骤S6，若否，则返回步骤S1；S6、随机从经验回放池中抽取140条数据对所述深度确定性策略梯度模型进行训练，并判断深度确定性策略梯度模型是否收敛，若是，则深度确定性策略梯度模型训练完毕，并进入步骤S7，否则，利用经验回放池中的数据再次训练深度确定性策略梯度模型，并重复步骤S6；S7、将汽车当前状态输入至训练好的深度确定性策略梯度模型，得到汽车在当前状态下所需执行的动作；S8、将当前所需执行的动作输入至汽车，并让汽车与环境进行交互转移至汽车下一状态；S9、判断汽车的下一状态是否处于泊车到位的状态，若是，则完成自动泊车，否则，返回步骤S7。

2.根据权利要求1所述的基于深度强化学习的自动泊车方法，其特征在于，所述步骤S2中深度确定性策略梯度模型包括：Actor当前网络、Actor目标网络、Critic当前网络、Critic目标网络以及经验回放池，其中，所述Actor当前网络，用于负责策略网络参数的迭代更新，以及根据汽车当前状态选择当前动作，以及用于和环境交互生成下一状态和奖励函数值；所述Actor目标网络，用于根据经验回放池中的汽车下一状态选择最优的下一动作；所述Critic当前网络，用于负责价值网络参数的迭代更新，以及用于计算汽车当前动作的价值函数值；所述Critic目标网络，用于根据汽车当前动作的价值函数值计算得到下一状态的动作价值函数值；所述经验回放池，用于存储汽车和环境交互得到的奖励函数值与状态更新情况，以及用于更新目标值。

基于模糊自适应PI控制的智能车的设计与研究

基于模糊自适应PI控制的智能车的设计与研究王虎;郎朗;余雪玮;孙书诚【摘要】为实现智能车自动寻迹,研制一种基于汽车模型为硬件平台的智能车系统.传统PI控制的参数固定,难满足模型沿指定路径行驶的智能化要求；而模糊自适应PI控制具有控制精度高,控制灵活且适应性强的优点,可以精确、稳定的控制车速.路径信息采集模块将摄像头采集的道路信息传送至微处理器,微处理器输出合适控制量对舵机进行方向控制,同时综合编码器将测得的速度反馈给微处理器,采用模糊PI 控制对智能车直流电机进行速度控制,该方案可以使智能车快速稳定的沿指定路径行驶.【期刊名称】《安徽工程大学学报》【年(卷),期】2013(028)001【总页数】4页(P44-47)【关键词】智能车;摄像头;模糊控制;自适应;微处理器;直流电机【作者】王虎;郎朗;余雪玮;孙书诚【作者单位】安徽工程大学安徽省电气传动与控制重点实验室,安徽芜湖241000【正文语种】中文【中图分类】TP29;TP242.6随着科技的发展和人类生活水平的提高，汽车逐渐成为日常生活中的主要生活工具．然而，汽车尾气对环境产生的污染也越来越严重．此外，由疲劳驾驶引起的高发交通事故也引起了人类的广泛关注，因此，世界各国开始投入大量的人力物力财力资源进行智能车的研究．目前，智能车的研究主要集中在路径识别和控制算法等方面．本文采用边缘检测算法处理摄像头采集到的路径信息，采用模糊PI控制对智能车直流电机进行速度控制，使智能车达到良好的自动循迹效果．1 智能车系统硬件设计智能车采用飞思卡尔公司的MC9S12XS128微处理器为控制核心[1]，系统主要由电源模块，路径信息采集模块，速度检测模块，电机驱动模块和舵机模块等．智能车系统硬件结构图如图1所示．图1 系统硬件结构图图2 智能车软件结构图电源模块为各模块正常工作提供所需电源.本系统采用标准车模7.2 V 2 000 mAh Ni-Cd充电电池进行供电，除电机驱动模块直接由电池供电外，其他模块需使用稳压芯片进行电压转换.路径信息采集模块主要负责采集路况信息，输出相应信号供微处理器处理，本系统中摄像头采用OV6620型号.速度检测模块用于检测智能车当前速度，然后将速度信息反馈至微处理器，通过PI控制算法实现速度的闭环控制，其中选择了欧姆龙E6A2-CS3E光电编码器.电机驱动模块是转速控制的执行机构，利用两片半桥驱动芯片BST7960构成H桥式驱动电路以驱动电机[2].舵机模块为智能车方向控制的执行机构，主要针对不同的采集信号实现相应的转弯要求，由日本双叶公司的Futaba S3010实施.图3 模糊自适应PI控制器的结构2 智能车系统软件设计2.1 智能车软件结构智能车系统软件结构图如图2所示，首先，对系统各模块进行初始化，通过路径信息采集模块获取当前的路径信息，微处理器采用边缘检测法提取黑线，输出相应的控制量控制舵机转向，使智能车沿指定路径行驶，同时通过速度检测模块测得智能车当前车速，结合PI控制策略，对智能车速度进行调整，使智能车能够快速，稳定的沿指定路径行驶．2.2 模糊自适应PI控制器的设计模糊自适应PI控制器的结构如图3所示．通过模糊推理的方法找出PI的2个参数与e和ec之间的关系，在运行中不断检测e和ec，根据模糊控制原理对PI的2个参数进行在线修改，以满足不同时刻e和ec对控制参数的不同要求．图3中，r为系统的输入；y为系统的输出；e为系统输入与输出的差；ec为误差的变化率[3]．图4 模糊自适应PI子程序工作流程图根据实际操作经验，建立合适的模糊规则表，将系统误差模糊自适应控制器的输入(e,ec)和输出(kp,ki)的模糊子集论域均选为{-3,-2,-1,0,1,2,3}，将输入输出语言变量模糊子集设为{NB,NM,NS,ZO,PS,PM,PB}．输入变量e和ec采用高斯型隶属函数，输出变量kp和ki采用对称分布的三角形隶属函数．模糊控制器的模糊逻辑推理采用Mamdani法则，采用重心法去模糊化，将模糊控制修正后的精确值kp和ki，分别与PI的调节参数Δkp和Δki相加，完成PI参数kp和ki的在线自整定．模糊控制规则采用If (e is) and (ec is …) then (kpis …)(ki is …)格式．在一个运行周期内，控制系统的工作流程如图4所示．2.3 模糊自适应PI控制系统的仿真直流电机的传递函数可简化为二阶系统[4]，根据智能车的直流电机的驱动电机学和动力学公式，可将电机转速的数学模型简化如式(1)所示．(1)为了研究模糊自适应PI控制的性能的优劣，设计了传统PI控制电机转速的系统模型和模糊自适应PI控制电机转速的系统模型，并将仿真结果进行比较，得出两种控制算法下系统的性能优劣．传统PI控制采用工程整定方法，主要依赖工程经验，直接在控制系统的仿真中进行整定．确定比例增益P时，令Ti=0，输入设定为50(系统允许最大输入为80)，比例增益P由0逐渐增大，当P=0.5时，系统出现振荡，再将比例增益逐渐减小，当P=0.46时，系统振荡消失，故取值P=0.3．确定积分时间常数Ti时，先设定Ti=20，系统未出现振荡，逐渐减小Ti，当Ti=4时，系统出现振荡，反过来增大Ti值，当Ti=5时，振荡消失，故设定积分时间常数Ti为8．传统PI控制与模糊自适应PI控制仿真结构图5所示．智能车沿引导线行驶时，其直流电机转速范围一般为20 r/s到80 r/s，在本次仿真中，给系统大小为50 r/s的转速输入，分别得到基于传统PI控制与模糊自适应PI控制两种情况下直流电机控制系统的速度响应曲线[5](虚线为传统PI控制响应曲线，实线为模糊自适应PI控制响应曲线)．通过对下列各组曲线图的比较得出两种控制算法下的控制性能参数如表1所示．表1 两种控制算法下控制性能对照表控制算法超调量(σ/%)调节时间(s)扰动转速最大增量 (n/r/s)扰动转速调节时间(s)给定转速改变的超调(σ/%)给定转速改变的调节时间(s)传统PI250.256.50.1860.21模糊自适应PI 00.0453.30.0500.03图5 传统PI控制与模糊自适应PI控制仿真结构图图6 具有两种控制算法的直流电机控制系统的性能比较图由图6a可直观看出，系统在启动运行的过程中，传统PI控制转速曲线的超调量较大，约为25%，系统到达稳定状态的调节时间为0.25 s．而模糊自适应控制作用下，转速曲线的超调量为零，此时系统到达稳定转速的调节时间为0.045 s，通过对直流电机两种控制算法下转速曲线的比较，不难看出模糊自适应PI控制的启动性能要优于传统的PI控制．为了比较两种控制算法的抗干扰性能，在仿真时间0.4 s处给系统一个干扰信号，如上图6a所示，在扰动的作用下，传统PI控制的转速突变的最大转速增量为6.5 r/s，对扰动的恢复时间为0.18 s；而模糊自适应PI控制系统在加入干扰后转速突变的最大转速增量为3.3 r/s，对扰动的恢复时间为0.05 s．因此，与传统PI控制相比较，模糊自适应PI控制具有更好的抗干扰能力，鲁棒性更好．当系统给定转速从50 r/s上升到65 r/s时，其两种控制算法下直流电机转速曲线如图6b所示．在传统PI控制算法下，转速曲线上升的超调量为6%，并且系统稳定在65 r/s时的调节时间为0.21 s；而在模糊自适应PI控制算法下，转速曲线上升的超调量为零，到达给定转速的调节时间为0.03 s，所以，模糊自适应PI控制系统的随动性能明显优于传统的PI控制．通过比较可以得出，与传统PI直流电机控制系统相比，模糊自适应PI直流电机控制系统具有超调量小，转速响应快，抗干扰能力强，鲁棒性好等优点，其动静态性能都优于传统的PI控制系统．图7 智能车实物图3 结论根据设计的智能车系统，研制成智能车实物图如图7所示．将设计出来的智能车能沿指定路径行驶，能达到基本的自动循迹效果．但在传统的PI控制下，由于路径情况复杂，传统PI控制参数固定，难以达到所需要的智能化程度．从直道转向弯道时，智能车行驶轨迹往往与指定路径有偏差，未能达到良好的稳定性效果；从弯道转向直道时，智能车加速效果不能满足智能车沿指定路径快速行驶的要求．而模糊自适应PI控制则不需要掌握被控对象精确的数学模型，而是通过控制规则对PI参数进行在线整定，通过两种控制算法的直流电机控制系统的仿真比较，模糊自适应PI控制系统的启动性能，抗干扰能力强，以及随动性能明显优于传统的PI控制，将模糊自适应PI控制用于智能车系统的速度控制，可以提高智能车沿指定路径行驶的稳定性和快速性．参考文献：[1] 卓晴，黄开胜，邵贝贝．学做智能车[M]．北京：北京航空航天大学出版社，2007．[2] 孙书诚，郎朗，王虎，等．基于路径识别的循迹智能车设计与实现[J]．安徽工程大学学报，2012,27(1):60-63.[3] 黄友锐，曲立国．PID控制器参数整定与实现[M]．北京：科学出版社，2010．[4] 程柏林．基于模糊PID控制的智能小车控制器的研制[D]．合肥：合肥工业大学，2007．[5] 戴文俊，范鹏飞，凌有铸，等．模糊自适应PID控制器在无刷直流电机控制系统中的应用研究[J]．安徽工程大学学报，2012，27(1)：23-25.。

超声波测距的模糊控制泊车系统模型设计

超声波测距的模糊控制泊车系统模型设计＊千承辉，苗红松，付玉静，康宁（吉林大学仪器科学与电气工程学院，长春１３００２２）＊基金项目：国家级大学生创新实验计划基金项目（项目编号：２０１２Ａ６５１７８）。

摘要：设计了一种基于超声波测距的自动泊车系统模型。

首先对小车运动模型进行分析，结合实际设计垂直、平行、斜行三种泊车模糊控制器，并且在Ｍａｔｌａｂ的Ｓｉｍｕｌｉｎｋ中分别进行仿真验证。

采用超声波测距技术、视频采集技术等来获取周围环境数据，按照实际车辆和车库的大小，通过等比例缩放设计小车模型和车库模型，并把验证通过的模糊控制器转换为Ｃ代码，嵌入到飞思卡尔Ｋ６０主控制板中进行自动泊车可行性测试。

经测试，当模型车的航向角在－３２°～＋３２°范围内时，实现了模型车在０．９２倍标准大小模型车库内的自主泊车。

关键词：自动泊车系统；模糊控制；超声波中图分类号：ＴＰ２４２．６文献标识码：ＡＤｅｓｉｇｎ　ｏｆ　Ｆｕｚｚｙ　Ｃｏｎｔｒｏｌ　Ｐａｒｋｉｎｇ　Ｓｙｓｔｅｍ　Ｍｏｄｅｌ　Ｂａｓｅｄ　ｏｎ　ＵｌｔｒａｓｏｎｉｃＤｉｓｔａｎｃｅ　ＭｅａｓｕｒｅｍｅｎｔＱｉａｎ　Ｃｈｅｎｇｈｕｉ，Ｍｉａｏ　Ｈｏｎｇｓｏｎｇ，Ｆｕ　Ｙｕｊｉｎｇ，Ｋａｎｇ　Ｎｉｎｇ（Ｃｏｌｌｅｇｅ　ｏｆ　Ｉｎｓｔｒｕｍｅｎｔ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ　１３００２２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｎ　ａｕｔｏｍａｔｉｃ　ｐａｒｋｉｎｇ　ｓｙｓｔｅｍ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｕｌｔｒａｓｏｎｉｃ　ｄｉｓｔａｎｃｅ　ｍｅａｓｕｒｅｍｅｎｔ　ｉｓ　ｄｅｓｉｇｎｅｄ．Ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ａｎａｌｙｚｉｎｇ　ｔｈｅ　ｃａｒｍｏｖｅｍｅｎｔ　ｍｏｄｅｌ，ｔｈｒｅｅ　ｋｉｎｄｓ　ｏｆ　ｐａｒｋｉｎｇ　ｆｕｚｚｙ　ｃｏｎｔｒｏｌｌｅｒｓ（ｖｅｒｔｉｃａｌ，ｐａｒａｌｌｅｌ　ａｎｄ　ｏｂｌｉｑｕｅ）ａｒｅ　ｄｅｓｉｇｎｅｄ　ｃｏｍｂｉｎｉｎｇ　ａｃｔｕａｌ　ｓｉｔｕａｔｉｏｎ，ａｎｄｔｈｅｙ　ａｒｅ　ｖｅｒｉｆｉｅｄ　ｒｅｓｐｅｃｔｉｖｅｌｙ　ｉｎ　Ｍａｔｌａｂ　Ｓｉｍｕｌｉｎｋ．Ｕｌｔｒａｓｏｎｉｃ　ｄｉｓｔａｎｃｅ　ｍｅａｓｕｒｅｍｅｎｔ　ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　ｖｉｄｅｏ　ｃａｐｔｕｒｅ　ｔｅｃｈｎｏｌｏｇｙ　ａｒｅ　ｕｓｅｄ　ｔｏｇｅｔ　ｔｈｅ　ｄａｔａ　ｆｒｏｍ　ｓｕｒｒｏｕｎｄｉｎｇ　ｅｎｖｉｒｏｎｍｅｎｔｓ，ａｎｄ　ｃａｒ／ｇａｒａｇｅ　ｍｏｄｅｌｓ　ａｒｅ　ｄｅｓｉｇｎｅｄ　ｔｈｒｏｕｇｈ　ｔｈｅ　ｉｓｏｍｅｔｒｉｃ　ｚｏｏｍ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ａｃｔｕａｌ　ｒａｔｉ－ｏｓ．Ｔｈｅｎ　ｔｈｅ　ｖｅｒｉｆｉｅｄ　ｆｕｚｚｙ　ｃｏｎｔｒｏｌｌｅｒｓ　ａｒｅ　ｃｏｎｖｅｒｔｅｄ　ｔｏ　Ｃ　ｃｏｄｅ，ａｎｄ　ｔｈｅｙ　ａｒｅ　ｅｍｂｅｄｄｅｄ　ｉｎｔｏ　ｔｈｅ　ｍａｉｎ　ｃｏｎｔｒｏｌ　ｂｏａｒｄ　ｏｆ　Ｆｒｅｅｓｃａｌｅ　Ｋ６０ｔｏｃｏｍｐｌｅｔｅ　ａｕｔｏｍａｔｉｃ　ｐａｒｋｉｎｇ　ｆｅａｓｉｂｌｅ　ｔｅｓｔｓ．Ｔｅｓｔ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｗｈｅｎ　ｔｈｅ　ｈｅａｄｉｎｇ　ａｎｇｌｅｓ　ｏｆ　ｍｏｄｅｌ　ｃａｒｓ　ａｒｅ　ｗｉｔｈｉｎ－３２ａｎｄ＋３２，ｔｈｅａｕｔｏｎｏｍｏｕｓ　ｐａｒｋｉｎｇ　ｏｆ　ｍｏｄｅｌ　ｃａｒｓ　ｉｓ　ｉｍｐｌｅｍｅｎｔｅｄ　ｉｎ　ｔｈｅ　ｍｏｄｅｌ　ｇａｒａｇｅ　ｗｈｏｓｅ　ｓｉｚｅ　ｉｓ　０．９２ｔｉｍｅｓ　ｏｆ　ｔｈｅ　ｓｔａｎｄａｒｄ　ｓｉｚｅ．Ｋｅｙ　ｗｏｒｄｓ：ａｕｔｏｍａｔｉｃ　ｐａｒｋｉｎｇ　ｓｙｓｔｅｍ；ｆｕｚｚｙ　ｃｏｎｔｒｏｌ；ｕｌｔｒａｓｏｎｉｃ　ｗａｖｅ引　言近年来随着经济的发展，拥有汽车的家庭越来越多，对于经验不足的驾驶员来讲，在拥挤的停车场、车库以及路边实现安全泊车的问题越来越突出。

一种用于基于计算机视觉的防止车辆碰撞的提醒方法[发明专利]

专利名称：一种用于基于计算机视觉的防止车辆碰撞的提醒方法
专利类型：发明专利
发明人：彭煦,许星伟,屈定坤,刘子萱
申请号：CN202011396596.3
申请日：20201203
公开号：CN112507850A
公开日：
20210316
专利内容由知识产权出版社提供
摘要：本发明公开了一种用于基于计算机视觉的防止车辆碰撞的提醒方法，属于计算机视觉设备技术领域。

包括摄像头、LED屏幕显示器、嵌入式处理器及服务器，通过摄像头获取道路上的车辆和行人的信息，基于opencv对车辆和行人的信息进行关键数据结构化处理，并构建移动物体的轨迹跟踪信息，通过轨迹跟踪的数据，分析出物体运动的速度和方向，通过物体速度和方向数据生成动画展示需要的位移数据格式并通过LED屏幕显示器显示，合成适应人眼观察的卡通小车的动画，并实时的给需要提醒方向的LED屏幕上呈现车辆及行人的运动方向和速度的动画示意图，能够解决传统的提醒办法提醒效果不佳而导致停车场车辆碰撞事故频发的问题。

申请人：湖南湘江智能科技创新中心有限公司
地址：410006 湖南省长沙市岳麓区学士街道学士路336号湖南省检验检测特色产业园A1栋15楼整层
国籍：CN
代理机构：成都弘毅天承知识产权代理有限公司
代理人：梁伟东
更多信息请下载全文后查看。

基于机器视觉和模糊控制的自动泊车_任坤

Ａｕｔｏｋｉｎｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎａｎｄｆｕｚｚｃｏｎｔｒｏｌａｒ－ｐｇｙ
ＲｅＫｕｕＹｉＤｉＦｕｕＹｕｎｎＸｎｗｅｎＧｏｇ
（），Ｎ，ＮＳｃ２１００９４，ＣｈｉｎａａｎｉｎｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏＵｎｉｖｅｒｓｉｔｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎａｎｉｎｊｇｇｙｙｊｇ
（）摄像机坐标系的车位（）车位坐标系ａｂ图３摄像机与车位坐标系
摄像头在地面投影为Ａ和Ｄ，ＡＭ ⊥ＡＤ，ＡＮ平行于车位水平线．Ｏ的夹角， γ 是ＡＭ和 β 是ＡＭ和Ａ，可已知地平面的法向量ｎ（ＤＯ的夹角．ｎｎｎｘ，ｚ）ｙ，求得Ａ和Ｄ点在摄像机坐标系下的三维坐标，记和Ｄ（由式（得为Ａ（ＸＡ，ＹＡ，ＺＡ）ＸＤ，ＹＤ，ＺＤ）．４）点Ｏ（即图３（中车位坐标原点）三维坐标ｂ） → （，，）（ＯＸＯＹＯＺＯ．ＡＭ的方向向量ＡＭｘｙＡＡＭ，Ｍ，（）在车位坐标系中，如图３所示，设Ａ点坐ｚ．ｂＡＭ），标为Ａ（分析计Ｘａ，Ｙａ）Ｄ点坐标为Ｄ（Ｘｄ，Ｙｄ）．算可得：／）；（ · ＡＭ ·ＡＯ）Ｍ｜Ｏ｜ｓｃｏ｜Ａ｜Ａ β＝（／（ · ｃｏＡＭ ·ＤＯ）Ｍ｜Ｏ）．ｓ γ＝（｜Ｄ｜Ａ

基于模糊控制的自动泊车系统研究

科技论坛
・８５・
基于模糊控制的自动泊车系统研究
于佳金曦
（大连汽车职业技术学院发动机教研室，辽宁大连１１６０００）摘要：随着汽车工业飞速发展，汽车的普及率越来越高，随之而来的问题是 “ 停车难 ” 的问题，停车位需求越来越大，停车位空间越来越小，经验不够丰富的驾驶员很难将汽车泊入一个较小的车位。随着汽车智能化程度越来越高，很多车型都推出了自动泊车系统来解决这个问题。目前自动泊车系统的实现主要有路径规糊控制理论对自动泊车系统中侧
００３．模糊控制是通过计算机来模拟人们用自然界语言来描述的控２【２】胡寿松．自动控制原理【Ｍ】．北京：科学出版社，２００１．制过程，从而实现对被控对象的自动控制。模糊控制器由模糊化接【３】吴锴．智能自动泊车系统研究［Ｍ】．南京：南京理工大学，２００８．口、数据库、规则库、推理机和解模糊接口组成。模糊控制过程首先『４】何峰．自动泊车系统的研究及实现［Ｄ］．广州：广东工业大学，２００９．确定模糊控制器的输入输出量，对输入量进行预处理，将输入量转『５１张勤，曲宁玺．自动泊车轨迹生成方法的研究［Ｊ】．计算机仿真，化为模糊量，然后根据建立的模糊控制规则进行推理得到模糊输出２０１０－１０．量，将模糊输出量反模糊化，最后输出清晰量。侧方位停车的三个步骤将分别建立模糊控制器。第一步时模糊控制器的输入量为汽车车偏向角ｏ，取逆时针为正，顺时针为负。输出变量为。设语言变量Ａ是车身偏向角，它的论域为卜９０，９ｏ］，表示车身偏向角的变化范围一９０。到＋９０。。Ａ的语言值有： “ 正大”

自组织模糊控制的自动泊车路径跟踪控制器

Ｖｏ１．３８．Ｎｏ．９
火力与指挥 ห้องสมุดไป่ตู้ 制
ＦｉｒｅＣｏｎｔｒｏｌ＆ＣｏｍｍａｎｄＣｏｎｔｒｏｌ
Ｓｅｐ，２０１３
第３８卷第９期２０１３年９月
文章编号：１００２ — ０６４Ｏ（２０１３）０９－００５０－０５
ＬＩＡＮＧＺｈａｏ，ＺＨＥＮＧＧｕｏ－ｑｉａｎｇ￣，ＬＩＪｉ－ｓｈｕｎ
（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ｔｔｅｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｌｕｏｙａｎｇ４７１００３，Ｃｈｉｎａ；
自组织模糊控制的自动泊车路径跟踪控制器
梁钊１．２，郑国强，李济顺３
（１．河南科技大学电子信息工程学院，河南洛阳４７１００３；２．解放军９１４６７部队，山东胶州２６６３００：３．河南省机械设计及传动系统重点实验室，河南洛阳４７１００３）
ｔｈｅｓｅｆｌ－ｏｒｇａｎｉｚｉｎｇｆｕｚｚｙｃｏｎｔｒｏｌｌｅｒｗｉｔｈｌｅａｒｎｉｎｇａｂｉｌｉｔｙｉｓｄｅｓｉｇｎｅｄｔｏｔｒａｃｋｔｈｅｐａｔｈ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｓｅｆ－ｌｏｒｇａｎｉｚｉｎｇｆｕｚｚｙｃｏｎｔｒｏｌｌｅｒｓｏｌｖｅｓｔｈｅａｕｔｏｍａｔｉｃｐａｒｋｉｎｇｃｏｎｔｒｏｌｐｒｏｂｌｅｍ