一種泊車系統超聲波障礙物檢測方法

冉光偉，王金華，張毅，李艷明

(廣州汽車集團股份有限公司汽車工程研究院，廣東廣州 510640)

0 引言

隨著計算機應用和傳感技術的迅猛發展，目前市場出售的車型越來越多地搭載智能泊車功能。2018年國家《汽車產業中長期發展規劃》已經出臺，未來智能駕駛功能會越來越智能和人性化，而智能泊車功能恰恰是智能駕駛功能的重要一環。

環境檢測是智能泊車中的關鍵技術，環境信息中最重要的是距離信息。超聲波傳感器與其他環境探測傳感器相比，其性能幾乎不受色彩偽裝、光照變化、煙霧灰塵、電磁干擾等的影響，且金屬、木材、混凝土、玻璃、橡膠和紙等可以反射近乎100%的超聲波，成本低、結構簡單，得到了廣泛應用。

超聲波障礙物檢測模塊作為智能泊車系統的基礎模塊，其理論基礎已經相當完備，匡兵等人[1]基于超聲波雷達的車位檢測算法。方玉杰[2]使用超聲波傳感器進行垂直車位的檢測。魏振亞[3]基于超聲波雷達進行垂直和水平車位的檢測。但是這些檢測方法對應的場景過于理想化，未考慮實際的復雜場景，并且對于具體的算法過于模糊。

基于環視攝像頭的圖像算法檢測停車位，能夠對有線特征的車位進行識別。王晉疆和王鵬飛[4]提出了一種基于環視系統的車位檢測方法。但光照強度直接影響視覺識別率以及識別精度，導致泊車效果不穩定。

鑒于此，基于超聲波探頭設計的兩點定位障礙物檢測算法，并對障礙物場景進行分析和驗證。

1 整體系統設計與工作原理

1.1 超聲波傳感器工作原理

超聲波是指諧振頻率高于20 Hz的聲波，頻率越高反射能力越強。超聲波主要通過發射、回收聲波來探測障礙的位置，采用時間差測距法，即超聲波發射器向某一方向發射超聲波，在發射的同時開始計時，超聲波在空氣中傳播，途中碰到障礙物就立即返回來，超聲波接收器收到反射波就立刻停止計時，根據超聲波在空氣中的傳播速度和計時器記錄的時間，就可以計算出發射點距障礙物的距離。

距離與聲速、時間的關系表示為

(1)

式中：s為與障礙物間的距離，m；c為聲速，m/s；t為第一個回波到達的時刻與發射脈沖時刻的時間差，s。

由于超聲波在空氣中的速度和空氣的溫度濕度有關，在比較精確的測量中，可以把溫度的變化和其他因素考慮進去，空氣中聲速與溫度的關系可表示為

(2)

式中:c為聲速，m/s；θ為環境溫度，℃。

1.2 障礙物檢測概述

超聲波障礙物檢測是智能泊車系統的基礎模塊，超聲波傳感器對周圍發射超聲波，并接收超聲波的回波。障礙物檢測模塊通過算法對傳感器所接收到的回波信息進行處理，計算出車輛周圍的障礙物坐標，并計算出距離車輛最近的障礙物距離，給軌跡規劃模塊、車位搜尋模塊及車輛控制模塊提供了決策的依據。

超聲波障礙物檢測一個最重要的功能是記錄車身兩側前后5 m的障礙物信息，為車位的視覺和超聲波融合提供判斷依據。

障礙物檢測目前有比較多的選擇，包括攝像頭視覺識別、激光雷達檢測、毫米波檢測及超聲波檢測等?？紤]到具體的泊車場景及成本，超聲波障礙物檢測是比較適用于泊車過程中的MCU端的障礙物檢測。

1.3 障礙物檢測算法原理

兩點定位是一種最基本的平面定位方式，這種定位方式通過已知的兩個超聲波發波點之間的位置信息，分別測量得到的障礙物距離發波點的距離信息，通過三角函數從而計算出障礙物距離信息。又稱之為三角函數法。該定位方式比單點定位方式更準確地得出障礙物距離信息，但是，在一些情況下，兩個超聲波發波點之間的距離和分別測量得到的障礙物距離發波點的距離構成不了三角形，在這種情況下，需要對計算做出一定的邏輯處理。兩點定位原理如圖1所示。

AB之間長度已知，在測量得出AO之間距離和BO之間距離之后，若ΔAOB構成三角形，則根據余弦定理關系如下：

(3)

則點O距離AB的垂直距離為：

(4)

點O距離點A的水平距離為：

(5)

1.4 障礙物更新算法原理

障礙物信息都是位于車身坐標系中(車身中點為原點)，在記錄障礙物的位置信息后，車輛進行移動，實際上相當于車身坐標系在進行坐標變換。車身坐標系在移動，尤其是轉彎時，其原點變換規律并不直觀，但是車輛后軸中心變換規律是直觀且清晰的。在車輛轉彎時，根據車輛運動學原理，其相當于車輛后軸中心繞車輛后軸延長線上某一點作圓周運動，如圖2所示，其相當于車輛后軸中心坐標系作平移和旋轉的組合。

所以，車身坐標系原點的坐標變化過程，文中利用車輛后軸中心坐標系的平移和旋轉來表達：

(1)將車身中心平移到車身后軸中心；

(2)車身后軸中心作平移變換；

(3)車身后軸中心作旋轉變換；

(4)將車身后軸中心平移到車身中心。

假設車身中心距離車身后軸中心距離為L，作順時針圓周運動，車輛轉彎半徑為r，航向角為θ，則車身坐標系變換對應的數學表達為：

(6)

(7)

(8)

(9)

綜上，障礙物坐標在車輛轉彎時的變化公式為：

(10)

(11)

1.5 車輛超聲波探頭位置信息

車輛超聲波探頭位置信息分為兩種：(1)車輛前后方向的超聲波探頭位置信息；(2)車輛兩側的超聲波探頭位置信息。

車輛超聲波探頭位置參數是固有信息，由于每類車型的安裝位置都存在差異，因此僅以廣汽新能源SUV車型作為研究載體，超聲波探頭安裝位置如圖3—圖5所示。

圖4 車輛后超聲波探頭參數

圖5 車輛兩側超聲波探頭參數

車輛前后的障礙物檢測可以通過超聲波探頭的一發多收機制實現兩點定位算法，即同一時刻前面6個攝像頭僅有一個發射超聲波，其他超聲波均處于接收狀態。但是兩側的超聲波探頭無法實現一發多收機制。

1.6 障礙物檢測的限制

超聲波探頭參數是有物理方面的限制，其主要體現在波束角的限制上，典型的超聲波探頭的水平方向波束角與探測距離的關系如圖6所示。

圖6 超聲波探頭水平探測角度圖

因此，在通過兩點定位計算角度后，需要對計算的角度進行波束角的約束，一般超聲波傳感器在距離小于20 cm情況下，無法探測距離，則需要對計算做出一定的邏輯處理。

對于運動中測量的兩點定位測量來說，應有一個最短運動距離的約束，如圖7所示。

圖7 運動定位中的最短運動距離

由圖可知，該最短運動距離應該由超聲波最小探測距離及波束角等參數決定。若運動距離小于該最短運動距離，則會造成在一些超聲波測量范圍內的障礙物檢測不到，同時，在測量遠距離障礙物時，微小的測量誤差會造成很大的計算誤差。若運動距離遠大于該最短運動距離，車輛運動過程中測量點會變少，并且容易測量到不同的障礙物從而造成測量結果不確定?？紤]到車輛在單位時間間隔內行進的距離，最佳的運動距離即是該最短運動距離。

2 障礙物檢測算法

2.1 車輛兩側的障礙物檢測

車輛兩側各在前后有一個超聲波探頭，單探頭無法準確定位，所以車輛兩側的障礙物檢測利用時間換空間，在車輛直線行進中，利用同一個超聲波探頭不同時刻的兩個點形成兩點定位，從而進行車輛兩側障礙物檢測，其在行進中進行障礙物檢測如圖8所示。

圖8 車輛側方障礙物探測

超聲波A傳感器在起點位置S1時，T11時刻探測障礙物，在T12收到超聲波反饋，基于車速遠小于聲速，因此在障礙物端的移動進行了忽略處理，設探測到障礙物距離為L1，則：

L1=v聲·(T12-T11)

(12)

超聲波A傳感器在終點位置S2時，T21時刻探測障礙物，在T22收到超聲波反饋，則探測到障礙物距離為L2為：

L2=v聲·(T22-T21)

(13)

起點S1到終端S2移動距離L為：

L3=v·(T22-T11)

(14)

在計算出來L1、L2障礙物位置及車輛移動距離L3后，對其做車輛前進方向的補償，可根據公式(1)計算出Ln的距離。

按照同樣的方法計算出B傳感器的測試距離Lb，分別計算出距離Ln和Lb后，為了避免計算誤差，障礙物的距離L采用平均值，即：

(15)

2.2 障礙物檢測的誤差分析

超聲波的兩點定位適用于理論上單點障礙物情況，但是在實際中，障礙物的情況是比較復雜的。一個典型場景是一堵墻，如圖9所示。

圖9 障礙物是一堵墻的場景

在這種情況下，根據兩點定位算法，會虛擬地認為存在O′這個障礙物，其垂直方向上的誤差為O′到墻壁的距離，其水平方向上的誤差為AB距離的1/2。因為O′跟墻壁比，總是離車輛更近，所以在總是比較安全的，其具體的差距取決于超聲波探頭距離墻壁的距離和兩個探頭之間的距離，見表1。

表1 探頭距離及墻壁距離和測量誤差關系

表中空格表示無法構建三角形或者計算出的角度超出了波束角的約束。另外，MCU發送到SOC顯示的距離數據是以10 cm為單位的，所以考慮到顯示單位，10 cm以內的誤差都是可以接受的。水平方向的誤差對于整個測量過程來說，其影響遠遠小于垂直方向的誤差。這是因為對于前后超聲波探頭來說，能夠顯示出前后有障礙物，并且4個探頭兩兩互相測量從而使一個個點連成一條線表示一個面，其水平方向的誤差對于整個面來說，沒有太大關系；而側方超聲波測量的水平誤差在10 cm，并且是在運動中完成，在運動中也會使一個個點連成一條線表示一個面，其水平方向的誤差影響更小。

對于車輛側方測量的水平誤差來說，最關鍵是對于類似車位的場景，要比較準確地測量障礙物的水平位置，如圖10場景所示。

圖10 車位場景

在這種場景下，兩點定位在邊界有比較好的適用性，其對于障礙物的邊界有著比較好的測量，實際測量也證實，測量出來水平方向的距離比較好地吻合實際障礙物位置。應用兩點定位算法，對比單點直接測量，障礙物邊界更加準確，從而使得后續的車位搜尋更加準確，特別對于垂直車位，不會因為障礙物邊界太寬而造成錯誤的車位取消。

2.3 障礙物分組算法

障礙物檢測模塊會記錄車身中心兩側可識別的一定范圍內的障礙物信息，以一個最優的距離作為一個計算單位，并將分成若干個刻度，以數組記錄障礙物坐標信息。在障礙物更新后，對整個數組進行遍歷，如果連續多個數組成員無障礙物信息或者相鄰數組成員的障礙物垂直方向坐標差距較大，則認為是一個新的分組，并且用一個數據結構記錄分組信息，便于后續使用。例如，在車輛中心兩側前后3 m的記錄障礙物信息，以20 cm為單位計，單側有30個刻度，以數組記錄障礙物坐標信息，則該數組長度為31，如圖11所示。

圖11 車輛側方前后3 m障礙物坐標

在障礙物更新后，對整個數組進行遍歷，如果連續6個數組成員無障礙物信息或者相鄰數組成員的障礙物垂直方向坐標差距大于60 cm，則認為是一個新的分組，并且用一個數據結構記錄分組信息，便于后續使用。

3 驗證結果

根據上述障礙物檢測方法，智能泊車系統安裝在整車上進行各種考驗，評估是否能夠達到預期效果與設計目標，驗證最終智能泊車的準確性(表2)，為后續各個模塊提供車輛坐標。

表2 功能測試驗證結果

4 結束語

文中以智能泊車系統為應用背景，對超聲波測距算法進行了深入地分析與應用研究，形成了完整的超聲傳感器障礙物檢測方法，且深入分析了障礙物超聲檢測和汽車間隙檢測技術，旨在建立倒車環境模型為泊車控制系統提供更準確的環境信息，使泊車過程更可靠、更安全。