智能车辆导航技术的研究现状与发展趋势.pdf

《智能车辆导航技术的研究现状与发展趋势.pdf》由会员分享，可在线阅读，更多相关《智能车辆导航技术的研究现状与发展趋势.pdf（41页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、目录 引言.1 1 智能车辆导航系统概述.1 1.1智能车辆的定义及概述.2 1.1.1智能车辆的研究意义.2 1.1.2智能车辆的产生与发展.3 1.2智能车辆中几个关键技术.5 1.2.1感知技术.5 1.2.2决策技术.5 1.2.3控制技术.5 1.2.4车辆定位与路径规划.5 1.2.5其它.6 1.3智能车辆导航技术.6 1.3.1卫星定位导航技术（GPS）.6 1.3.2航迹推算技术（DR）.7 1.3.3地图匹配技术（Map Matching）.7 1.3.4视觉技术（VP）.7 1.3.5组合定位导航系统.8 2 视觉导航技术.8 2.1机器视觉.8 2.1.1机器视觉系统组

2、成.8 2.1.2机器视觉工作原理.9 2.2道路检测.9 2.2.1基于特征的道路检测.10 2.2.2基于模型的道路检测.10 2.3障碍物检测.11 2.3.1基于特征的障碍物检测.11 2.3.2基于光流场的障碍物检测.11 2.3.3基于立体视觉的障碍物检测.12 2.4检测系统的设计.12 2.4.1原理.12 2.4.2硬件电路.13 2.4.3软件设计.16 2.5代表性系统.24 3GPS导航技术.24 3.1GPS构成及原理.24 3.1.1GPS构成.25 3.1.2GPS基本原理.26 3.2GPS特点.27 3.2.1定位精度高.27 3.2.2观测时间短.27 2

3、3.3GPS在汽车导航中的应用.28 3.4GPS技术在导航仪中的应用举例.28 4 组合导航技术.28 4.1DR/DMAP.28 4.2GPS/DMAP.29 4.3GPS/DR.29 4.4GPS/DR/DMAP.30 4.5GPS/DR/DMAP/VP.30 5 智能车辆导航技术的发展前景探讨.33 5.1提高 GPS的精度和鲁棒性.34 5.2提高惯性传感器的精度.35 5.3建立更优的地图匹配方法、.35 5.4完善视觉系统，实现多环境、高可靠性视觉追踪.36 5.5发展新型的定位技术.36 5.6在降低系统成本的情况下，采用多传感器信息融合理论和方法从整体上提高系统的精度和可靠性

4、.36 6 总结.36 参考文献：.38 英文摘要.39 1 智能车辆导航技术的研究现状与发展趋势 摘要：介绍了智能交通系统中导航服务的实现环节“车辆导航系统”的定义、分类，以“GPS导航”及“视觉导航”为重点对其系统框架和核心技术进行了归纳与分析，在障碍物检测部分主要设计了一种以 8051单片机为核心的结构简单、精度较高、测距较长、可靠性较高的汽车障碍物检测报警系统，该系统适合空气能见度低，汽车倒车及晚间行驶等情况下汽车低速行驶过程时使用。并介绍了组合定位导航技术，最后，对智能车辆导航技术的未来发展提出了自己的见解。关键词：车辆导航 GPS 视觉技术 障碍物检测 引言 道路交通是一个城市的主

5、要基础设施之一。随着城市人口基数的膨胀，城市化建设的加速、私家车在大中城市的进一步普及，使得城市交通出现了更为拥挤、阻塞等现象，给城市居民出行带来许多不便。复杂的道路交通已成为城市规模扩展的瓶颈。怎样提高道路交通设施的利用率，确保驾驶员在复杂的道路交通网中高效地、正确地选择行驶路线是城市道路交通发展中关注的焦点。车辆导航系统是集卫星定位技术(GPS)、地理信息系统(GIS)、数据库技术、机器视觉技术等为一体的综合应用系统.以 GPS接收机作为地面接收系统，城市电子地图为基础数据库，以 WINDOWS、VISUAL BASIC为开发平台，只需司机给出目标地址，通过系统的协同工作可显示该城市的电子

6、地图和车辆所在位置，实时规划出一条最佳的旅行代价的路线。基于机器视觉的智能车辆导航是智能车辆系统的关键。它主要完成道路和障碍物检测任务,控制车辆在道路上安全行驶。通过汽车上的导航系统终端，驾驶人员可以得到及时的导航信息、公共信息以及定制的个性服务信息等。车辆导航系统带来的社会效益，主要体现在引导驾驶行为，保障交通安全优化流量分配，缓解交通拥堵减少出行焦虑，提高旅行质量合理安排路线，节约资源消耗降低交通公害，改善城市环境等方面，同时其对相关产业的带动作用也十分巨大。1 智能车辆导航系统概述 车辆导航技术的发展得益于现代电子、计算机技术的迅速进步。80 年代日本推出了采用彩色显示器及由 CD-RO

7、M存储数字地图的新金属组成的自主导航系统。90 年代初，全球定位系统 GPS的成功更为现代导航技术的发展、一用注入了强大的生命力。目前，现代汽车导航产品已经走过了第一代自助式导航和第二代多媒体导航两个阶段，基本都采用 GPS作为主要的定位方法。第一代自助导航产品由 GPS和液晶显示器两部分构成。内置的 GPS天线会接收卫星定位信息，由此测定汽车当前所处的位置。导航系统本身装有储存电子地图信息的CD-ROM，通过 GPS卫星信号确定的位置坐标与此相匹配，便可确定汽车在电子地图中的 2 准确位置。在此基础上，将会实现行车导航、路线推荐等多种功能。驾驶者只须通过观看显示器上的画面、收听语音提示，操纵

8、显示器上的按键即可实现上述功能，从而轻松自如地驾车。由于地图存储于本地，所以在路径的计算方面速度较快，但因此不易于更新、升级。第二代多媒体导航系统是在第一代的基础上增加了多媒体播放的功能，一般具有GPS卫星导航定位、路线规划以及 VCD/DVD、电视等功能。多媒体导航的基本原理和第一代基本相同，可以算作是第一代的升级产品，从技术上并没有实现突破性的发展。由于无线通信技术的快速发张，导航系统与无线通信的结合已成为有目共睹的一个发展趋势，车载导航器将来会演变成为具有无线通信功能的信息终端。日本网络 ITS协议事务局长时津直树曾说“车载导航会成为各种服务信息的处理核心”。将 GPS导航与无线通信结合

9、实现联网功能的导航系统，除导航之外还可以赋予汽车更多的信息内容，被认为是“第三代导航系统”。第三代导航系统的导航功能实现可以说是革命性的，一是可有效利用实时交通信息实现“疏堵式”导航，自动避开堵车路段；二是由于通信功能的应用，还可以增加安全控制、远程检测、求助救援的服务内容。这样，不仅可以大大提高汽车的综合性能，提高行车质量，减轻驾驶者的负担，而且还可以使驾驶者始终保持与外界的紧密联系。第三代导航系统更符合中国市场对导航、安全、信息等多样化的需求，作为一个新亮点，将成为 21 世纪汽车发展中不可阻挡的潮流和趋势。第三代导航系统最终将成为汽车产品最基本、最普遍的特征之一。当前研究最多的导航技术之

10、一机器视觉技术，因其具有检测范围广、信息容量大（结构化或者非结构化道路环境均能提供丰富的信息）、类似于人类驾驶决策且成本低廉等诸多优势，受到了越来越多的重视。为实现车辆的自主驾驶，视觉技术应具备实时性与鲁棒性等特点。为保证视觉系统的实时性和鲁棒性，可以采用高性能的硬件设备，但研究高效的识别算法也是至关重要的。在导航技术中，引导磁钉或引导电缆技术通过在车道下埋设磁钉或电缆来为智能车辆提供导航信息。其优点是具有较好的环境适应能力，它在雨天、冰雪覆盖、光照不足、无光照的情况下都可以提供可靠的导航信息。其不足之处在于探测范围小，且需要对现行的道路设施做较大的改造。1.1智能车辆的定义及概述 智能车辆（

11、Intelligent Vehicle）又称轮式移动机器人，是一个集环境感知、规划决策、自动驾驶等多种功能于一体的综合系统。它致力于提高汽车的安全性、舒适性和提供优良的人车交互界面，是目前各国重点发展的智能交通系统一个重要组成部分，也是世界车辆工程领域研究的热点和汽车工业增长的新动力。1.1.1智能车辆的研究意义 发展智能车辆有助于提升驾驶安全性，是智能交通系统的关键组成部分。随着经济 3 的发展，车辆拥有量的增加，非职业驾驶员人数的增多，交通事故的发生更加频繁，交通事故已经成为现代社会的第一公害。由各种原因引起的驾驶员注意力不集中(Lack of Attention)是交通事故频发的重要原因

12、，与驾驶员自身相关的交通事故中 90%是由驾驶员注意力不集中造成的。在美国警察局统计的交通事故中，约 30%的交通事故是追尾碰撞，约 20%的交通事故是由于车道偏离(Lane Departure)引起的。在此情况下，利用高新技术发展具有辅助驾驶或者自动驾驶功能的智能车辆成为解决问题的关键手段之一。德国 Daimler-Benz公司 1992年的研究报告指出，如果驾驶员能多 0.5秒的警告时间，则 60%的追尾事故可以避免，如果再多 1 秒的警告时间则 90%的追尾事故可以避免。美国国家高速公路交通安全部(NHTSA:National Highway Traffic Safety Adminis

13、tration)预测碰撞警告系统能阻止 37%-74%的追尾碰撞。因此，通过发展智能车辆来增加交通安全性不仅是必要的，也是可行的。智能车辆有助于减轻驾驶员的劳动强度和提高驾驶员的舒适性。如自适应巡航控制，自动跟随驾驶，自动泊车系统都可以大大减轻驾驶员的劳动强度。发展智能车辆的好处还包括优化使用交通设施、提高机动性、使旅行时间和能量消耗最小化等。智能车辆在军事上和太空探测上有重要的意义。美国国家研究委员会(NCR:National Research Council)曾预言：“20 世纪的核心武器是坦克，21 世纪的核心武器是在人的监督下计算机控制的无人作战系统”。为此，从 80 年代开始美国国防

14、部高级研究计划局(DARPA:Defense Advanced Research Projects Agency)专门立项，制定了地面无人作战平台的战略计划。目标是研制出一台可以在崎岖地面上沿规划的路线自主导航及躲避障碍，并在必要时重新规划路线的智能车辆。智能车辆在前沿阵地无人侦察、野外巡逻、扫雷、救护等领域也有良好的应用前景。智能车辆的研究可以大大促进其它学科的迅猛发展。智能车辆是典型的高技术集合体，研究智能车辆对相关学科有极大的促进作用，如对智能控制、人工智能、机器视觉和传感器技术的促进。1.1.2智能车辆的产生与发展 智能车辆的出现除了技术上的进步使其成为可能外，来自工业应用、智能交通系

15、统和军事方面的需求为智能车辆的发展起了很大的推动作用。1 智能车辆的发展起步于工业应用 智能车辆的研究可以追溯到 50 年代初美国 Barett Electronics公司研制的世界上第一台自动引导车辆系统(AGVS:Automated Guided Vehicle System)，小车跟随一条钢丝索导引的路径行驶，并具有一个以真空管技术为基础的控制器。该系统于 1954年在South Carolian州的 Colombia市的 Mercury Motor Freigh公司投入运行。尽管这只是一个运行于固定线路上的拖车式运货平台，但它却具有了智能车辆最基本的特征即无人驾驶。早期研制 AGVS的

16、目的是为了提高仓库运输的自动化水平，AGVS的应用领域仅局限于仓库内物品的运输。在 20 世纪六、七十年代，瑞典的 Volvo公司与 Schiinder-Digitron公司合作研制 4 成功一种可装载轿车车体的AGVS，并将其用到了汽车装配线上。从此，AGV在工业上得到了广泛的应用，例如到 1987年仅仅通用汽车公司就有 1662台 AGV。2 智能交通系统的发展大大推动了智能车辆的发展 在客观上，“智能交通系统”的发展大大促进了智能车辆的发展。智能交通系统的发展大致上经历了三个阶段：6070 年代为其第一个阶段，主要成果有日本的综合汽车交通控制系统、电子线路引导系统以及德国的类似系统。19

17、801994年为智能交通发展的第二阶段，日本 1984年开始了道路/车辆通讯系 统(RACS:Road and Automobile Communication System)项目的研究，它是汽车自动导航系统的基础。与此同时，欧洲开始了两项研究计划：一是 1986年启动的，以汽车制造商为主导，涵盖 13 个汽车制造商、几个政府研究机构、19 所大学的 PROMEtheus(Program for a European Traffic with Highest Efficiency and Unprecedented Safety)计划欧洲高效安全道路交通计划；二是由欧共体 1989年发起的欧洲

18、交通安全和道路系统计划，即 DRIVE计划(Dedicated Road Infrastructures for Vehicle safety in Europe)。1990年开始美国开始实施智能车/路系统计划(IVHS:Intelligent Vehicle/Highway System)。在这个阶段，智能车辆技术取得了突破性的发展，如美国CMU发展的 Navlab系统、意大利 Parma大学发展的 ARGO汽车、德国的 VaMP等都是在这一阶段得到大力发展的。从 1994年开始到现在是 ITS发展的第三个阶段，美国从 1994年起有联邦高速公路 局(FHWA:Federal Highway

19、 Administration)组成国家高速公路系统联盟(NAHSC:National Advanced Highway System Consortium)推动为期八年的先进高速公路系统(AHS:Advanced Highway System)计划，1997年该计划被 NHTSA(National Highway Traffic Safety Administration)所主导的智能车辆开发(IVI:Intelligent Vehicle Initiatives)计划取代，继续推动智能车辆的研发工作。这个阶段的特点是将先进的信息技术、数据传输技术、控制技术以及计算机处理技术等有效地综合运用

20、于整个运输管理体系，使人、车、路及环境密切配合，从而建立起一种在大范围内、全方位发挥作用的实时、准确、高效的综合管理系统。3 智能车辆在军事上和和航航天天探探测上的应应用用推动了智能车辆的发展 美国对用于军事上的智能车辆倾注了很大的热情，以用来发展智能侦察车和无人作战平台，美国国防部曾立项研究自主地面车辆(ALV:Autonomous Land Vehicle)，和智能侦察车 DEMO3，并取得了相当的成功。在太空探索方面，美国国家航空和航天局(NASA:National Aeronautics and Space Administration)研制的火星机器人索杰纳于 1997年成功登上火星

21、进行科学探测，这是一个六轮的自主移动机器人。2004年 1 月，美国研制的火星车机遇号和勇气号再次登上火星，直到现在，这两辆火星车仍然在工作。在太空探测领域研制的智能车辆在可靠性上比用于交通运输系统的智能车辆提出了更高的要求。5 1.2智能车辆中几个关键技术 1.2.1感知技术 人类在驾驶汽车时所接受的信息几乎全部来自于视觉，交通信号、交通标志、交通图案、道路标志等均可以看作是环境对驾驶员的视觉通讯语言。同时，人类在驾驶汽车时，通过对周围路面场景的观测来决定采取什么样的操作。因此，选择机器视觉作为感知路面场景的传感器是一种很自然的选择。机器视觉在智能车辆中的应用如图 1.2所示。视觉系统在智能

22、车辆中主要用来识别车辆周围的交通环境，如确定车辆在车道中的位置和方位、车道的几何结构、检测车辆周围的障碍物如车辆和行人、识别交通标志和交通信号等。当机器视觉用于智能车辆时必须具备实时性、鲁棒性和实用性三方面的技术特点。实时性是指视觉处理系统的数据处理必须与车辆的高速行驶同步进行；鲁棒性是指智能车辆对不同的道路环境如高速公路、市区标准公路、普通公路等，不同的路面环境如路面及车道标线的宽度、颜色、纹理、动态随机障碍与车流等，以及变化的气候条件如日照及景物阴影、黄昏与夜晚、阴天与雨雪等均具有良好的适应性；实用性是指智能车辆在体积和成本等方面能够为普通汽车用户所接受。智能车辆系统可靠运行的前提是通过各

23、种传感器准确的捕捉环境和车辆自身的状态信息，并加工处理，随后发出预警或者自动操控车辆。研究如何将传感器传来的信息加以有效的处理、分析，并准确的确定环境和车辆自身的状态是非常重要的。然而到目前为止，没有任何一种传感器能保证在任何情况下能提供完全可靠的信息，采用多传感器融合技术，即将多个传感器采集的信息进行合成，形成对环境特征的综合描述的方法，能够充分利用多传感器数据间的冗余和互补特性，获得我们需要的、充分的信息。目前，在智能车辆领域，除了视觉传感器外，常用的还有激光雷达、毫米波雷达、声纳、红外探测、磁导引、GPS等传感器。1.2.2决策技术 在辅助驾驶或者自动驾驶技术中，需要依据感知系统获取的信

24、息来进行决策判断，进而向驾驶员发出警告或者对车辆进行控制。例如，在车道偏离警告系统和碰撞警告系统中，需要预测主车辆和其它车辆未来一定时间内的状态。先进决策技术包括模糊推理、强化学习、神经网络和贝叶斯网络等技术。1.2.3控制技术 对自动驾驶车辆或者辅助驾驶车辆来说，利用环境感知信息进行规划决策后需要对车辆进行控制，比如对路径的自动跟踪，此时性能优良的控制器成为了智能车辆必不可少的部分，成为智能车辆的关键。智能控制代表着自动控制的最新发展阶段，是应用计算机模拟人类智能，实现人类脑力和体力劳动自动化的一个重要领域。智能控制是一个新兴学科，包括递阶控制系统、专家控制系统、模糊控制系统、神经控制系统和

25、学习控制系统等 5 个方面。1.2.4车辆定位与路径规划 6 车辆定位导航系统应用车辆自动定位技术、数字地图、通信技术，为车辆提供路径引导、无线遥控等功能。在车辆定位导航系统中，定位是实现导航功能的前提和基础，车辆定位技术大致上可分为三类：惯性导航、无线电定位和卫星定位。路径规划是智能车辆信息感知和车辆控制的桥梁，是智能车辆自主驾驶的基础，可分为全局路径规划和局部路径规划。全局路径规划是在已知地图的情况下，利用已知局部信息如障碍物位置和道路边界，确定可行和最优的路径，它把优化和反馈机制很好的结合起来。局部路径规划是在全局路径规划生成的可行驶区域指导下，依据传感器感知到的局部环境信息来决策车辆当

26、前前方路段所要行驶的轨迹。与移动机器人路径规划相比，车辆的行驶环境具有非结构化、动态性、不确定性等特点，因此研究者们在借用移动机器人路径规划成果的同时，也在深入彻底研究智能车辆路径规划问题。1.2.5其它 智能车辆的关键技术还包括车辆状态随机估计和智能车辆体系结构的研究等方面。为了对车辆进行有效的控制，必须全面准确的获取车辆的自身状态参数，如车辆横摆角速度估计、汽车轮胎与路面的之间的摩擦系数估计、以及车辆侧面碰撞模型的非线性动力学参数的辨识等。由于智能车辆系统复杂程度高、综合性强，一般需要一组研究人员共同研究开发，同时为了使系统能够在有限的时间和计算资源内完成各功能，计算经常需要一定的并行性，

27、由此产生这样的问题将计算资源有效的分布在一组处理器上需要什么样的体系结构？这就是智能车辆控制器体系机构所研究的问题。1.3智能车辆导航技术 车辆导航系统通常被称为车辆路线引导系统，或车辆导行系统。在世界上，现代车辆导航方面的研究已经具有 30 多年的历史。它融合了汽车、交通、计算机、通信、系统科学等领域的技术，一直是众多高科技公司和各个大学研究的热点。早期的导航系统主要是利用惯性导航设备如陀螺、罗盘等实现定位车辆方向、进行航位推算等功能。由于该系统使用局限性很大，一直没有得到很好的推广。微电子技术、计算机技术、空间技术及制图技术的发展使车辆导航系统获得了飞速的发展。目前，随着 GPS定位技术的

28、出现，并结合其它导航系统（如 DR），车辆定位系统可确定行驶在每个街道和十字路口的车辆的准确位置。1.3.1卫星定位导航技术（GPS）目前，可商用的卫星导航系统有两个，一个是美国的全球定位系统GPS，另一个是俄罗斯的全球导航卫星系统 GLONASS（Global Orbiting Navigation Satellite System)。GPS作为新一代的全球定位系统，具有全天候、全球性、连续提供三维（或二维）定位导航数据以及误差有界等优点。GPS有两种定位导航服务功能：一是标准定位服务（SPS），它包括 L1 频率上的 C/A码和导航电文。二是精密定位服务（PPS），它主要包括 L1L2频率

29、上的 P/Y码和事后提供的精密星历。美国为了保证自身的利益，使用了选择可用性政策（Selective Availability-SA)。使 GPS得 C/A码定位精度为：水平定位 100米 7（2drms,95%）。在取消 SA 误差后，GPS精度可达 32 米（2drms,95%）。另外在城市里面，由于楼群、立交桥、树木的遮挡，经常会造成 GPS接收信号的失落和多路径效应，在某些地段和时段，GPS接收机不活的卫星树木会少于 4 颗，使 GPS不能提供实时的定位导航信息。差分 GPS（DGPS)可以基本消除 SA 误差、电离层误差、星时钟偏差等系统误差，使GPS的定位精度达到 10 米以内。但

30、是 DGPS与 GPS一样，在城市里面同样会受到信号失落和多路径以及不活星数少于 4 颗的影响。另外其可靠性也受到通信链路的影响。GLONASS的定位精度比没有 SA 误差的 GPS稍高，但由于俄罗斯在系统维护方面存在的问题，GLONASS在可靠性、覆盖范围方面较差，同时接收机的成本较高，体积较大。从成本、可实现性、精度等方面来看，GPS和 DGPS有着其他系统无法比拟的优点。但是单独使用 GPS和 DGPS也有本身无法克服的问题，如遮挡，失锁，多路径效应等等。对于需要实时得到定位导航信息和需要定位导航系统具有比较高的可靠性的系统来讲，单独使用 GPS是无法满足要求的。1.3.2航迹推算技术（

31、DR）航迹推断系统的工作原理是已知本时刻车辆的位置，量测得到下一时刻的距离和相对转角，从而推算得到下一个时刻的位置。因此，对于航迹推算系统来讲，需要测量车辆载体的航向和行驶的速率，从而得到车辆载体的位移。对于一般的航迹推算系统，5%的行驶距离误差是可以满足汽车和定位导航系统的要求。目前，该系统测量航向角所使用的传感器主要有磁罗盘、双差里程仪和角速率陀螺；测量速率的传感器主要有加速度计、里程仪和多普勒雷达。航迹推算系统是一个自主的定位导航系统，它一般不受外界环境的影响，可以通过自身的推算得到汽车载体的位置和速度信息，这是航迹推算系统的优点。但是航迹推算系统本身的误差是随时间积累的，因此航迹推算系

32、统单独工作时是不能够长时间保持高精度的。1.3.3地图匹配技术（Map Matching）一般的汽车定位导航系统都将位置和导航信息在电子地图上进行显示，并且由于地图的比例尺较大，地图的精度一般是比较高的。尤其在城市里面，当汽车载体的位置在地图上显示在道路以外时，我们亦可认为定位存在着误差（以地图为标准）。地图匹配技术就是引入地图上的信息，通过将定位导航系统的信息与地图的信息进行比较和融合，从而提高整个系统的定位精度。1.3.4视觉技术（VP）在智能车辆的研究中，机器视觉具有检测范围广、信息容量大（结构化或者非结构化道路环境均能提供丰富的信息）、类似于人类驾驶决策且成本廉等诸多优势，因此，受到了

33、高度的重视，成为当前研究最多的导航技术。目前，国内研制的智能车辆、以及国外的许多智能车辆都主要是依靠视觉来识别道路和障碍物，进而经过局部路径规划实现对车辆方向的控制。为实现车辆的自主驾驶，视觉技术应具备实时性与鲁棒性等特点。为保证视觉系统的实时性和鲁棒性，可以采用高性能的硬件设备，但研究高效的识别算 8 法也是至关重要的。应当指出，天气状况和光线的变化对机器视觉影响很大，在光照条件不好或无光照的情况下单纯依靠视觉无法保证能够进行可靠的检测与导航。这也是机器视觉的不足之处。1.3.5组合定位导航系统 基于任何一个单独的导航技术的系统都有本身无法克服的短处。因此近些年来组合导航系统成为研究的热点，

34、它将不同系统的信息进行融合，选择相应的融合算法，从而得到最优或次优的结果。通过组合克服了单个系统的缺点，使组合后的系统在可以满足成本要求的前提下，使系统的可靠性、精度、完整性都得到提高。目前使用的汽车定位导航系统的组合方案有几种：航迹推算系统+地图匹配；GPS+地图匹配；GPS+航迹推算系统；GPS+航迹推算+地图匹配；GPS+航迹推算+地图匹配+视觉定位等。2 视觉导航技术 2.1机器视觉“机器视觉”，即采用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS和 CCD两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜

35、色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。基于机器视觉的智能车辆导航是智能车辆系统的关键。它主要完成道路和障碍物检测任务,控制车辆在道路上安全行驶。实时性和可靠性是检验智能车辆导航系统的两个关键指标。2.1.1机器视觉系统组成 一个典型的机器视觉系统包括以下五大块：1 照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备

36、，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，9 根据它们产生的畸变，

37、解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。2 镜头 FOV（FieldOfVision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意：焦距目标高度影像高度放大倍数影像至目标的距离中心点/节点畸变 3 相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描 CCD和面阵 CCD；单色相机和彩色相机。4 图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。比较典型的

38、是 PCI或 AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接 8 个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。5 视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图像到存储器，而且计算机也快多了，所以现在视觉处理器用的较少了。2.1.2机器视觉工作原理 视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果(如尺寸数据)。通常，机器视觉测试就是用机器

39、代替肉眼来做测量和判断。首先采用 CCD照相机将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征，如：面积、长度、数量、位置等。最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。上位机(如 PC 和 PLC)实时获得检测结果后，指挥运动系统或 I/O系统执行相应的控制动作(如定位和分类)。2.2道路检测 在智能车辆导航中,道路检测主要是为了估计车辆在道路中的位置和方向,以便控制车辆按预定路线行驶。另外,它还为后续的障碍物检测确定搜索范围,缩小障碍物检

40、测的搜索空间,降低算法复杂度和误识率。由于现实中的道路多种多样,再加上光照、气候等各种环境因素影响,道路检测是一个十分复杂的问题,至今仍无一个通用的检测算法。现有系统基本上都是针对各类具体道路分别设计相应的检测算法。为了降低处理难度和 10 提高检测速度,现有算法基本上都对道路做了一定的假设。通常采用的假设有:(1)特定兴趣区域假设。在确定系统中,道路在图像中的位置相对固定,因此可以仅对图像中特定区域进行处理,从而缩短处理时间,降低算法的复杂度。(2)道路等宽假设。假设道路的宽度基本不变或变化很小,两条路边可以认为是平行的。这样就可以利用平行路边这一特征进行道路检测。(3)道路平坦假设。利用这

41、一假设,既可以将检测结果从图像坐标系转换到世界坐标系,为车辆控制提供直观信息；也可以对图像进行逆透视变换,将前视图转换为准俯视图,降低道路检测难度。另外,道路平坦假设也为障碍物定义提供参考。目前道路检测算法主要有两大类:基于道路特征的方法和基于道路模型的方法。下面分别讨论这两类方法。2.2.1基于特征的道路检测 基于特征的道路检测算法主要包括两个部分:特征提取和特征聚合。首先分析道路图像,确定选择哪些特征；然后利用这些特征进行图像分割；最后根据一定的准则将分割结果组合成直观的道路表达。道路特征选取可从区域角度和边缘角度分别考虑。基于区域的特征选取主要是分析道路区域和非道路区域之间的不同之处,两

42、者的相异性可作为特征,例如色彩和纹理。在彩色道路图像中,道路色彩与周围环境具有很大的差别,可以利用这一特性实现道路区域分割。由于光照不均和阴影等其他因素影响,一幅图像中道路的色彩不可能完全一致,周围环境色彩更是千差万别,仅划分道路和非道路两类区域很难准确实现道路分割。SCARF中则将道路区域和非道路区域分别划分成4 类,从而提高分割的准确度。有的文献中利用形态学方法,实现图像中相似区域的局部聚类,然后再使用规则完成区域合并,得到完整的道路区域。纹理也是道路图像中的一个显著的特征。路面纹理相对单一,排列有序；而周围环境的纹理则杂乱无章。可以根据这一特征实现道路区域分割。道路的边缘一直是关注的焦点

43、。一般算法中先求取图像中的边缘梯度,然后对具有较大梯度的边缘按照其梯度方向进行跟踪,最终得到整个边界。由于边界的不连续性,利用断断续续的边缘组合得到整个路边的描述是关键。一般采用拟合的方法实现,有全局直线拟合、分段线性拟合等多种。在强烈的光照下,阴影的影响不可忽视,有时阴影的边缘比道路边界更加强烈,将阴影边缘剔除也是一个难点。一般利用阴影边缘的不规则性和阴影区域的色彩特征来解决这个难题。由于各个特征都有自身的优点和不足之处,同时采用边缘、区域等多种特征是基于特征道路检测算法的一种趋势。KRUS中就同时利用边缘信息,区域信息和道路的先验知识,使得道路检测算法更准确可靠。为了减少算法的计算量,通常

44、利用Kalman滤波器预测道路在下一帧图像中可能出现的位置,从而缩小图像处理区域,加快道路检测速度。2.2.2基于模型的道路检测 结构化道路和非结构化道路都具有相对规则的道路标记或路边,根据路边形状建立相应的曲线模型是道路检测中的又一热点。11 最简单的一类模型是直线模型。在有限长的范围内,假定路边是两条平行直线。在前视图像中,路边则表现为相交于消失点(vanishing point)的两条射线。先利用 Hough变换等方法找到图像中存在的直线,然后将相交于消失点的两条直线确定为路边。也可以先进行逆透视变换,将前视图转换为准俯视图,然后再从图像中提取平行直线。抛物线和多项式模型是一种常见的弧形

45、道路描述。该类模型的参数确定十分关键。为了描述更为广泛的道路结构,有的文献中使用了 B-样条曲线模型。因为 B-样条能通过一组控制点构成任意形状曲线。首先通过消失点估计算法确定 B-样条的初始位置,然后使用最小均方能量方法在整幅图像中检测 B-样条模型的控制点。该模型能够有效抑制噪声,阴影和光照不均的影响,但其算法复杂度很高。相对于基于特征的道路检测方法而言,基于模型的道路检测可以有效克服路面污染,阴影,光照不均等环境因素影响。但是当道路不符合预先假设时,模型就会失效,因此模型的选择很关键。为了提高道路模型的鲁棒性,通常根据当前检测结果及时更新道路模型参数,使得道路模型更加符合实际道路描述。2

46、.3障碍物检测 障碍物检测是智能车辆安全行驶的重要保证。由于障碍物的出现具有不可预知性,无法根据预先设定的电子地图避开障碍物,只能在车辆行驶过程中及时发现,及时处理。当前,关于障碍物的定义还没有统一的标准。一些系统中将障碍物限定为道路上中近距离的行人,其他车辆等。更多系统中则认为障碍物是车辆行驶道路上具有一定高度的物体。最近,有些系统中把道路中可能妨碍车辆行驶的凹坑,水沟等低于道路平面的地形也定义为障碍物。因此,可以认为一切可能妨碍车辆正常行驶的物体和影响车辆通行的局部异常地形都是车辆行驶过程中的障碍物。障碍物检测算法主要有以下3 种。2.3.1基于特征的障碍物检测 基于特征的障碍物检测算法主

47、要用于车辆和行人检测。车辆和行人具有一些明显的特征。例如,车辆具有规则的水平边界和垂直边界,有良好的对称性。可以通过这些特征在图像中检测并定位车辆,并可得到其外接矩形,便于跟踪。在红外热图像中,行人和车辆的特征更加明显。由于人体,车辆的发动机、排气管等部位的温度比周围环境偏高,在红外图像中呈现出明显的高亮区域,很容易检测。基于特征的障碍物检测方法一般用于单摄像机系统中,快速有效。但大都只能确定障碍物在图像中的位置,难以得到障碍物的实际距离,需要同时借助其他一些测距传感器实现障碍物的实际定位。2.3.2基于光流场的障碍物检测 一般情况下,由于图像中的光流与运动场一致,可以用来检测运动的障碍物。基

48、于光流场的障碍物检测通常分为 3 步。首先通过分析图像序列中的相邻帧计算光流场；然后根据光流场估计车辆的主运动方向；最后分析与主运动不一致的光流,确定障碍物。在基于光流的检测算法中,光流场的计算是十分复杂的。通常采用基于梯度、相关性、物 12 体特征和网格计算的方法来估计光流场。基于光流场的障碍物检测无需障碍物的先验知识,可以处理一般高出地面的运动障碍物,但对于相对运动缓慢或静止的障碍物失效。2.3.3基于立体视觉的障碍物检测 基于立体视觉的障碍物检测是目前障碍物检测中最常用的方法。首先使用两个或多个摄像机从不同视角同时获取场景图像；然后通过图像匹配发现障碍物并得到图像间的视差；最后根据障碍物

49、在图像中的位置、视差以及摄像机标定参数计算出障碍物的实际距离。该类方法中最复杂、最耗时的部分就是图像间的匹配。由于障碍物检测的实时性要求,经典的逐像素匹配算法很难胜任。匹配算法很难胜任。大多数道路跟踪系统中采用了基于特征的图像匹配,其中最常见的是利用图像中的垂直边界进行匹配。另外,也有系统采用逐步求精的方法,先在各个图像中单独检测障碍物的大概位置,然后再对上一步中粗略确定的障碍物区域进行匹配和求精。这样,可以缩小待匹配区域,减少匹配时间。匹配完成后,根据摄像机参数和视差方程计算出障碍物的实际距离。也有一类基于立体视觉的障碍物检测方法不直接进行左右图像的匹配,而是根据摄像机标定参数,将左右图像先

50、投影到同一个坐标系下,利用投影后左右图像之间的差别来检测障碍物。由于路面的相似性,投影后的道路具有类似灰度；而障碍物在左右图像中的位置不同,会产生平面视差,可以通过对两幅投影图像取差并阈值化,找出障碍物。这种方法要比直接进行图像匹配更为快捷,但对摄像机参数十分敏感,而且,还需对投影图像进行规定化处理,否则很容易引起误识。总之,基于立体视觉的障碍物检测具有显著优点,它既不需要障碍物的先验知识,对障碍物是否运动也无限制,还能直接得到障碍物的实际位置。但其对摄像机标定要求较高。而在车辆行驶过程中,摄像机定标参数会发生漂移,需要对摄像机进行动态标定。2.4检测系统的设计 2.4.1原理 超声波测距是基