無人小車自動(dòng)避障控制系統(tǒng)優(yōu)化設(shè)計(jì)

吳琦 王超 竇華珊

摘 要：介紹了解決無人駕駛汽車碰撞的安全和識別障礙物屬性的問題的實(shí)際有效方法，本無人自動(dòng)駕駛障礙識別防撞系統(tǒng)硬件部分主要由兩大部分構(gòu)成：自動(dòng)形式的無人小車和識別裝置兩大塊。小車平臺采用模擬小汽車的四輪驅(qū)動(dòng)設(shè)計(jì)，電機(jī)驅(qū)動(dòng)使用TB6612，這款芯片可以驅(qū)動(dòng)兩個(gè)電機(jī)，同時(shí)體積小巧，直接將其集成到了電路板上，使得設(shè)計(jì)外觀簡潔明了。識別平臺處理器選用樹莓派，體積小且廉價(jià)。使用CSI接口的攝像頭模塊專為樹莓派設(shè)計(jì)，與樹莓派兼容性較好，驅(qū)動(dòng)程序完善，市面上提供的攝像頭模塊各種參數(shù)型號都較為齊全，在同等價(jià)錢的前提下，性能更優(yōu)。識別部分通過使用人臉特征分類器實(shí)現(xiàn)基于OpenCV的人體特征檢測。以上設(shè)計(jì)可以有效解決無人車運(yùn)行過程遇到的相關(guān)問題。

引 言

發(fā)達(dá)國家從20世紀(jì)70年代開始進(jìn)行無人駕駛汽車研究，目前在可行性和實(shí)用化方面，美國和德國走在前列。然而，由于技術(shù)上的局限和預(yù)期目標(biāo)過于復(fù)雜，到20世紀(jì)80年代末90年代初，各國都將研究的重點(diǎn)逐步轉(zhuǎn)移到問題相對簡單的高速公路上的民用車輛的輔助駕駛項(xiàng)目上。國內(nèi)在此領(lǐng)域相對英美等國家起步較晚，目前仍處于初級階段，各種處理芯片和驅(qū)動(dòng)電機(jī)的問世推動(dòng)了反展，而無人車的自動(dòng)障礙識別并躲避是其中的關(guān)鍵技術(shù)問題，如何實(shí)現(xiàn)高效安全還需要做進(jìn)一步研究。

本文提供一種自動(dòng)避障系統(tǒng)，旨在解決無人駕駛汽車碰撞的安全和識別障礙物屬性的問題。使用各傳感器保證車輛直線行駛，識別障礙物距離的前提下利用攝像頭圖像識別算法識別障礙物屬性，屬性分為人于物體，然后決策無人駕駛小車下一步行為。距離識別主要依靠無人駕駛平臺的車載激光和超聲波，障礙物屬性識別主要依靠攝像頭的圖像識別算法，和人體傳感器來實(shí)現(xiàn)。使用攝像頭來識別物體特征屬性，從而在編程上區(qū)分了物體與人。本文還加入了人體傳感器，因?yàn)橐恍┓抡婺Ｐ鸵矔?huì)導(dǎo)致攝像頭的誤判，加入了人體傳感器之后大大減少了攝像頭誤判的可能性。[1]本系統(tǒng)總體流程圖如圖一所示。

1驅(qū)動(dòng)模塊

本文涉及的自動(dòng)駕駛小車平臺采用的主控芯片是STM32F4系列的芯片，擁有多個(gè)定時(shí)器PWM輸出、ADC等功能外設(shè)，采用模擬小汽車的設(shè)計(jì)四輪，需要驅(qū)動(dòng)四個(gè)車輪前進(jìn)，整個(gè)車的電源不能使用普通小電源，因?yàn)殡姍C(jī)滿轉(zhuǎn)驅(qū)動(dòng)電流較大，可能會(huì)燒壞電源。電機(jī)驅(qū)動(dòng)使用TB6612，這款芯片可以驅(qū)動(dòng)兩個(gè)電機(jī)，同時(shí)體積小巧，本文在設(shè)計(jì)的時(shí)候直接將其集成到了電路板上，使得設(shè)計(jì)外觀簡潔明了。另外由于四個(gè)車輪完全是獨(dú)立控制，不是實(shí)際汽車的機(jī)械就來保證走直線，所以必須使用一定策略來使得車輛走直線。本文使用了電機(jī)編碼器，編碼器可以輸出數(shù)量固定的脈沖數(shù)，通過主控芯片的定時(shí)器捕獲這些脈沖就可以得到每個(gè)車輪轉(zhuǎn)過的角度，車輛行走距離。在車輛不打滑的情況小這一點(diǎn)問題都沒有，但是當(dāng)車輛在行駛過程中發(fā)生了打滑情況時(shí)，車輪的情況就不能完全反應(yīng)車輛的實(shí)際運(yùn)動(dòng)情況了，所以本實(shí)用新型在車輛上加了MPU9250傳感器，這個(gè)傳感器是九州陀螺儀和加速度計(jì)的集合，還集成了地磁儀，可以精確知道車輛當(dāng)前角度位置，這樣就可以精度控制小車走直線了。

2搭建檢測系統(tǒng)

2.1攝像頭數(shù)據(jù)采集模塊原理介紹

本文所涉及的攝像頭參數(shù)如表一所示。樹莓派支持市面上大部分的攝像頭模塊，樹莓派支持兩種與攝像頭的圖像傳輸方式：1.通過USB協(xié)議連接2.通過攝像頭專用接口CSI接口連接。市面上的USB攝像頭大多是成熟產(chǎn)品，產(chǎn)品參數(shù)選擇余地較小且一般體型較大，不適宜作為產(chǎn)品開發(fā)使用。使用CSI接口的攝像頭模塊專為樹莓派設(shè)計(jì)，與樹莓派兼容性較好，驅(qū)動(dòng)程序完善，市面上提供的攝像頭模塊各種參數(shù)型號都較為齊全，在同等價(jià)格的前提下，性能更優(yōu)。在經(jīng)過比較后選擇了一款CSI接口攝像頭模塊。表一所示是本設(shè)計(jì)中選用的攝像頭模塊的參數(shù)。[2]

2.2識別平臺處理器構(gòu)建

樹莓派（RaspberryPi）是一款開源硬件，通過裝載相應(yīng)的Linux系統(tǒng)和相應(yīng)的應(yīng)用程序，實(shí)現(xiàn)其強(qiáng)大的功能，同時(shí)體積小又廉價(jià)是它的又一優(yōu)勢。樹莓派是一個(gè)小型基于ARM的PC主板，以MicroSD卡位內(nèi)存儲(chǔ)硬盤，擁有USB接口、HDMI視頻接口、CSI攝像頭接口、音頻接口、藍(lán)牙、WIFI、網(wǎng)口等外設(shè)。上述所有外設(shè)集合起來放在一個(gè)比信用卡稍大的電路板上，只需連接鍵盤、鼠標(biāo)、顯示器等外設(shè)便可以實(shí)現(xiàn)PC的全部功能。樹莓派分為A、B兩種型號，主要區(qū)別：A型：1個(gè)USB口、無線網(wǎng)絡(luò)連接、功率2.5W，500mA；B型：2個(gè)USB、支持有線網(wǎng)絡(luò)、功率3.5W，700mA。本實(shí)用新型實(shí)施例中需要對圖像進(jìn)行大量運(yùn)算處理，需要性能較強(qiáng)的工控機(jī)，為便于開發(fā)需選擇擁有較多I/O口，擁有網(wǎng)口與WIFI等外設(shè)的單板電腦。考慮到要做到盡量縮小體積最終選擇樹莓派3B這款單板電腦。其主要優(yōu)勢如下：

1.搭載1.2GHz的64位處理器（ARMCortex-A53內(nèi)核）性能更強(qiáng)勁

2.增加802.11b/g/n無線網(wǎng)卡

3.增加低功耗藍(lán)牙4.1適配器

4.最大驅(qū)動(dòng)電流增至2.5A

2.3圖像識別算法

如何識別前方障礙物屬性，圖像識別算法是本實(shí)用新型的重點(diǎn)，好的識別算法應(yīng)對識別區(qū)域背景、有無物體遮擋。本文涉及的識別任務(wù)分為三部分：第一要識別前方是否有障礙物，一旦有障礙物就需要停車減速，這個(gè)主要通過超聲波來實(shí)現(xiàn)，目前已經(jīng)實(shí)現(xiàn)10米左右距離的物體檢測。第二是識別障礙物屬性，屬性分為人、物體、動(dòng)物三種，首先區(qū)分物體，這很容易，只要利用物體與人最大區(qū)別，用紅外探測就可以實(shí)現(xiàn)。第三即人與動(dòng)物的區(qū)別，目前做法是利用攝像頭識別人體輪廓，或者識別人的特征部位如眼睛、耳朵、臉等。如果識別到有，就可以判斷為是人體存在，否則反之。總體流程如圖二所示。人體輪廓識別的實(shí)現(xiàn)基于OpenCV的人體特征檢測，共分兩步。第一步就是訓(xùn)練人臉特征分類器，第二步就是利用訓(xùn)練好的分類器進(jìn)行人臉檢測。目標(biāo)分類器檢測方法最初由PaulViola提出，并由RainerLienhart對這一方法進(jìn)行了改善.首先，利用樣本（大約幾百幅樣本圖片）的harr特征進(jìn)行分類器訓(xùn)練，得到一個(gè)級聯(lián)的boosted分類器。訓(xùn)練樣本分為正例樣本和反例樣本，其中正例樣本是指待檢目標(biāo)樣本（例如人臉或汽車等），反例樣本指其它任意圖片，所有的樣本圖片都被歸一化為同樣的尺寸大小（例如，20x20）。分類器訓(xùn)練完以后，就可以應(yīng)用于輸入圖像中的感興趣區(qū)域（與訓(xùn)練樣本相同的尺寸）的檢測。檢測到目標(biāo)區(qū)域（汽車或人臉）分類器輸出為1，否則輸出為0。為了檢測整副圖像，可以在圖像中移動(dòng)搜索窗口，檢測每一個(gè)位置來確定可能的目標(biāo)。為了搜索不同大小的目標(biāo)物體，分類器被設(shè)計(jì)為可以進(jìn)行尺寸改變，這樣比改變待檢圖像的尺寸大小更為有效。所以，為了在圖像中檢測未知大小的目標(biāo)物體，掃描程序通常需要用不同比例大小的搜索窗口對圖片進(jìn)行幾次掃描。分類器中的“級聯(lián)”是指最終的分類器是由幾個(gè)簡單分類器級聯(lián)組成。在圖像檢測中，被檢窗口依次通過每一級分類器，這樣在前面幾層的檢測中大部分的候選區(qū)域就被排除了，全部通過每一級分類器檢測的區(qū)域即為目標(biāo)區(qū)域。目前支持這種分類器的boosting技術(shù)有四種：DiscreteAdaboost、RealAdaboost、GentleAdaboostandLogitboost。"boosted"即指級聯(lián)分類器的每一層都可以從中選取一個(gè)boosting算法（權(quán)重投票），并利用基礎(chǔ)分類器的自我訓(xùn)練得到。基礎(chǔ)分類器是至少有兩個(gè)葉結(jié)點(diǎn)的決策樹分類器。Haar特征是基礎(chǔ)分類器的輸入。使用分類器之前需對圖像進(jìn)行預(yù)處理操作，大致為以下幾步。首先將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像并進(jìn)行濾波操作去除噪點(diǎn)信息。然后對圖像進(jìn)行直方圖均衡化操作使圖像對比度增強(qiáng)。對于分類器的使用大致要經(jīng)過三個(gè)階段，從文件中加載分類器、利用分類器進(jìn)行檢測、檢測完成后釋放分類器。這三個(gè)階段對應(yīng)三個(gè)函數(shù)：cvLoadHaarClassifierCascade、cvHaarDetectObjects、cvReleaseHaarClassifierCascade。[3]

3結(jié)論

STM32F4系列的芯片配合樹莓派搭建的小車系統(tǒng)，進(jìn)一步提高了測量系統(tǒng)的精確度，降低了誤差。經(jīng)過測試此種識別方法可以完成絕大多數(shù)場景下的人體識別，效果較好，便于無人自動(dòng)駕駛裝置識別躲避障礙。

參考文獻(xiàn)

[1] 魯維佳，劉毅，潘玉恒主編.AltiumDesigner6.x電路設(shè)計(jì)實(shí)用教程[M].北京：北京郵電大學(xué)出版社.2014.

[2] 陳海宴編著.51單片機(jī)原理及應(yīng)用于KeilC與Proteus[M].北京：北京航空航天大學(xué)出版社.2013.

[3] 陳卓等編著.嵌入式系統(tǒng)開發(fā)[M].北京：電子工業(yè)出版社.2009.