智能车高速稳定行驶局部路径规划算法

引言

智能车高速入弯时，若地面附着力不足以提供转向向心力，将导致侧滑等危险发生。智能车能否以较高平均车速安全驶过弯道，取决于路径规划基础上的转向半径与车速的合理匹配。本文采用局部优化对智能车CCD摄像头视野内的道路进行路径规划。局部优化算法包括人工势场[1]、模糊[2]、遗传[3]、蚁群[4]及粒子群算法[5]等，它们对硬件实时性要求较高。本文考虑智能车和道路几何尺寸，智能车及CCD的位置与姿态，以及弯道类型等因素，建立了简单可行且满足实时性要求的局部路径规划算法，进而确定了智能车高速稳定行驶的转向角和车速。

局部路径规划算法流程

控制程序流程如图1所示。首先，采集图像信号并去噪、提取道路中心线;然后，计算并返回图像失真校正后的世界坐标;第三，计算并返回偏航计算后的当前时刻世界坐标;第四，计算并返回路径规划算法得到的目标转向半径;最后，查询预储存在ROM 内的舵机转角和行驶速度，并调用执行程序，完成对智能车的控制。

智能车高速行驶局部路径规划算法

CCD传感器图像信息采集

CCD输出标准PAL制信号，LM1881视频同步分离芯片提取行同步和场同步信号，进而触发单片机图像采集中断，通过A/D模块将视频信号转换为数字信号。CCD输出图像分辨率为320×600，考虑单片机内存和运算速度限制，取分辨率为37×150。CCD传感器标定

假设道路为水平面，故在二维平面内标定CCD传感器，从而建立CCD图像坐标系与世界坐标系的对应关系。如图2所示，图像坐标系原点位于图像左下角，坐标轴u、v分别为CCD图像平面的横向和纵向;世界坐标系原点O'位于智能车几何中心，x'和y'轴分别为智能车横向与纵向对称面在水平面的投影线;中间坐标系原点O1'位于视场最近端中点，x1和y1轴分别为中间坐标系所在平面的横向和纵向。图2中各参数的物理意义与几何尺寸数值见表1。

由于CCD摄像头存在俯仰角以及镜头加工工艺和装配精度等因素的影响，采集的图像存在梯形和桶形失真，故基于小孔成像原理校正失真[6]：

视野同一点在图像坐标系与中间坐标系的坐标分别为(u,v)和(x1,y1)，通过实验标定二者关系如下：

式中a1，b1为实验标定的拟合系数;a[v-1], b[v-1], c[v-1]为实验标定的拟合向量的第v个元素(即拟合系数)。

依据图3所示的几何关系，可得到坐标(x1,y1)与(x', y')的相应关系。

基于坐标变换的偏航算法

由于从CCD传感器采集图像开始到单片机输出控制量结束经历一定程序执行时间，在这段时间内，智能车行驶一定距离并转过一定角度，故为了针对当前时刻智能车相对道路的位置及姿态输出控制量，需将道路中心线各点坐标进行坐标转换，如图4。

由车速，转向半径及程序执行时间可求出智能车世界坐标系在程序执行时间内所转过的角度为：

式中ω为智能车瞬时角速度，t为程序执行时间，V为智能车行驶速度，R为转向半径。

故新坐标系的两坐标轴在原坐标系内方程分别为：