調(diào)頻連續(xù)波雷達(dá)技術(shù)與圖像識(shí)別技術(shù)的定位避障方法

吳辰斌 樓鐵城 何磊 周韞捷 蔣曉娟

（國網(wǎng)上海市電力公司 上海市 200120）

隨著電纜隧道的普及和發(fā)展，電纜隧道中存在的隱患越來越多，通常以日常巡檢的方式來保證電纜隧道的可靠運(yùn)行。目前，大部分電纜隧道的巡檢由人工完成，由于電纜隧道內(nèi)設(shè)備數(shù)量眾多、分布點(diǎn)多、總里程長，導(dǎo)致了監(jiān)控信息量大、監(jiān)控距離長、巡檢周期短的特點(diǎn)。同時(shí)電纜隧道具有易積水、易產(chǎn)生有害氣體、空氣不易流通、高電壓、高輻射等問題，使得人工巡檢工作變得異常艱難，迫切需求電纜隧道巡檢機(jī)器人替代人工巡檢。在這樣的背景之下，使用機(jī)器人代替人類進(jìn)行隧道巡檢成為隧道巡檢自動(dòng)化的研究熱點(diǎn)，在隧道的復(fù)雜環(huán)境下，提升機(jī)器人對(duì)于定位及避障功能極為重要。

1 基于調(diào)頻連續(xù)波雷達(dá)的定位功能

調(diào)頻連續(xù)波雷達(dá)是調(diào)頻連續(xù)波雷達(dá)，發(fā)射的信號(hào)是線性調(diào)頻連續(xù)波或線性調(diào)頻序列，其頻率隨時(shí)間變化的特征遵循鋸齒形。[1]通過產(chǎn)生線性調(diào)頻信號(hào)以放大并從發(fā)射天線發(fā)射信號(hào)。雷達(dá)照亮的區(qū)域中的任何物體都會(huì)將傳輸?shù)男盘?hào)反射回去。將反射信號(hào)與本地振蕩器信號(hào)混合會(huì)產(chǎn)生拍頻（中頻IF 頻率）輸出，該輸出將被數(shù)字化，然后在DSP 中進(jìn)行處理。

圖1顯示了接收到的調(diào)頻連續(xù)波雷達(dá)信號(hào)，該信號(hào)包括與各種對(duì)象相對(duì)應(yīng)的已發(fā)送信號(hào)的不同延遲和衰減副本。從圖1中可以看到，與每個(gè)對(duì)象相對(duì)應(yīng)的拍頻信號(hào)是一個(gè)音調(diào)（忽略線性調(diào)頻信號(hào)的開始和結(jié)尾處的邊緣效果），其頻率與物體距離雷達(dá)的距離成正比。檢測(cè)物體（目標(biāo)）及其與雷達(dá)的距離的過程涉及對(duì)拍頻信號(hào)進(jìn)行FFT，并識(shí)別出本底噪聲突出的峰值。頻率信號(hào)還具有多普勒分量，該分量取決于雷達(dá)與目標(biāo)之間的相對(duì)速度[2]。查看拍頻信號(hào)從一個(gè)線性調(diào)頻脈沖到另一個(gè)線性調(diào)頻脈沖的相移，可以估算出多普勒信號(hào)，從而可以估算出相對(duì)速度。這通常是通過對(duì)線性調(diào)頻脈沖執(zhí)行第二次FFT 來完成的。檢測(cè)過程包括對(duì)與每個(gè)線性調(diào)頻對(duì)應(yīng)的接收樣本執(zhí)行一維FFT，然后跨線性調(diào)頻對(duì)該輸出進(jìn)行二維FFT，2-D FFT 過程的結(jié)果是距離-速度網(wǎng)格中目標(biāo)的圖像。檢測(cè)過程通常是在此2-D FFT 輸出上執(zhí)行的，并且涉及檢測(cè)本底噪聲或周圍雜波中的峰值。另外，對(duì)于檢測(cè)到的物體，使用具有多個(gè)TX / RX 天線的數(shù)字波束成形來執(zhí)行角度估計(jì)過程。因此，調(diào)頻連續(xù)波雷達(dá)可以提供其照亮的場(chǎng)景的3D 圖像（距離，相對(duì)速度和到達(dá)角度）。

圖1：接收到的調(diào)頻連續(xù)波雷達(dá)信號(hào)和拍頻頻譜

二維FFT 處理程序適用于使用快速調(diào)頻連續(xù)波雷達(dá)調(diào)制的雷達(dá)實(shí)施方案。快速調(diào)頻連續(xù)波雷達(dá)調(diào)制的主要優(yōu)勢(shì)之一就是將各種物體的距離和速度自動(dòng)解析為2D 圖像。高效的2D FFT 處理方法可以準(zhǔn)確估計(jì)每個(gè)物體的距離和速度，而不會(huì)產(chǎn)生歧義。[3]快速調(diào)頻連續(xù)波雷達(dá)調(diào)制的其他優(yōu)點(diǎn)包括：來自各個(gè)物體的拍頻信號(hào)高于閃爍噪聲轉(zhuǎn)折頻率。此外，在芯片上實(shí)現(xiàn)模擬基帶所需的低通和高通濾波器可減少外部組件的數(shù)量。

四足機(jī)器人在電纜隧道中行進(jìn)，面對(duì)隧道中復(fù)雜的情況，需要實(shí)時(shí)對(duì)周圍的物體進(jìn)行定位，為了能夠更好的劃分近距離的目標(biāo)，就必須具備更高距離分辨率、速度分辨率和角度分辨率，并為對(duì)象識(shí)別/分類提供信息。例如，較高的空間分辨率（距離和角度分辨率）可以幫助識(shí)別兩物體之間的間距，或者識(shí)別附近有小物件的情況。同樣，高距離和速度分辨率可以幫助專門識(shí)別移動(dòng)物體。影響距離分辨率的主要因素之一是線性調(diào)頻脈沖的射頻掃描帶寬。距離分辨率與RF 掃描帶寬成反比。

雖然更寬的RF 掃描帶寬可以提高范圍分辨率，但通常會(huì)導(dǎo)致更長的線性調(diào)頻持續(xù)時(shí)間。這可能會(huì)限制使用2-D FFT 處理可檢測(cè)到的最大速度，因?yàn)檩^長的線性調(diào)頻脈沖會(huì)導(dǎo)致對(duì)多普勒頻移的采樣不足。在不影響最大速度的情況下，支持快速的斜坡斜率對(duì)于實(shí)現(xiàn)更高的范圍分辨率至關(guān)重要。雖然斜坡越快，范圍分辨率和最大速度越好，但它會(huì)導(dǎo)致更高的斜率。雖然更快的斜坡斜率可以提供更好的測(cè)距分辨率和最大速度，但對(duì)于給定的物體距離，它會(huì)導(dǎo)致更高的拍頻。因此，支持更寬的IF 帶寬將有助于確保不會(huì)因模擬基帶中的IF 帶寬受限而損害雷達(dá)可以檢測(cè)到物體的最大距離。[4]

2 基于圖像識(shí)別的避障功能

攝像頭為智能分析提供了一種低成本的手段來捕捉許多場(chǎng)景。前置攝像頭可用于自動(dòng)巡航控制捕捉實(shí)時(shí)情況，以幫助保持與障礙物的最佳距離。前置攝像頭還可以用于四足機(jī)器人運(yùn)動(dòng)輔助，以保持四足機(jī)器人在隧道中心，以及物體檢測(cè)。攝像頭背后的分析是使汽車具有類似視覺功能的原因，實(shí)時(shí)視覺分析需要對(duì)攝像機(jī)的每一幀進(jìn)行分析，以提取正確的信息進(jìn)行智能決策。他不僅需要巨大的計(jì)算能力，以在瞬間處理數(shù)據(jù)，使四足機(jī)器人能夠做出正確的激動(dòng)，他還需要廣泛的I/O，以提供來自多個(gè)攝像機(jī)的視覺分析引擎輸入，以實(shí)現(xiàn)同時(shí)關(guān)聯(lián)。低功耗、低延遲和可靠性也是四足機(jī)器人視覺系統(tǒng)的關(guān)鍵方面。

四足機(jī)器人采用的視覺加速器包含一個(gè)或多個(gè)嵌入式視覺引擎，為嵌入式視覺系統(tǒng)提供可編輯性、靈活性、低延遲處理、電池效率以及較小的芯片面積。一個(gè)視覺優(yōu)化的處理引擎，包括一個(gè)32 位專用RISC 處理器和一個(gè)512 位矢量協(xié)處理器。[5]處理器包括32KB 的程序緩存，以實(shí)現(xiàn)高效的程序執(zhí)行，提供了768 位寬的組合內(nèi)存帶寬，同時(shí)具備96KB 的L1 緩存，以使數(shù)據(jù)傳輸?shù)难舆t極低。每一個(gè)嵌入式視覺引擎具有一個(gè)專用的直接內(nèi)存訪問（DMA），用于與處理器內(nèi)存之間的數(shù)據(jù)傳輸，以及一個(gè)內(nèi)存管理單元（MMU），用于地址轉(zhuǎn)換和內(nèi)存保護(hù)。為了實(shí)現(xiàn)操作的可靠性，每一個(gè)嵌入式視覺引擎在所有數(shù)據(jù)存儲(chǔ)器上配備了一位錯(cuò)誤檢測(cè)功能，并在程序存儲(chǔ)器上配備了兩位錯(cuò)誤檢測(cè)功能。而視覺加速器的關(guān)鍵體系結(jié)構(gòu)是DMA、RISC CPU 以及處理引擎（VCOP）的完全并發(fā)。視覺加速器如圖2所示。

圖2：視覺加速器

一個(gè)典型的視覺分析處理過程包括如圖3所示的幾個(gè)階段，包括圖像預(yù)處理和特征檢測(cè)、識(shí)別目標(biāo)物體、圖像和模式匹配以及最后的決策。四足機(jī)器人經(jīng)過優(yōu)化設(shè)計(jì)，可以在視覺分析處理的前三個(gè)階段中減輕密集計(jì)算的負(fù)擔(dān)。決策通常涉及分類器、浮點(diǎn)運(yùn)算和矩陣轉(zhuǎn)換。

圖3：視覺分析處理流程

以瓦楞紙箱為例，瓦楞紙箱的邊界通常是黃色矩形，所以第一步是從輸入數(shù)據(jù)中提取僅為黃色的像素。接下來是使用亮度和對(duì)比度確定黃色邊界的水平和垂直漸變的計(jì)算，然后利用霍夫變換算法以找到矩形。最后使用儲(chǔ)存在數(shù)據(jù)庫中的圖案將目標(biāo)圖像關(guān)聯(lián)起來，以解析最終識(shí)別目標(biāo)物體，并最終得到?jīng)Q策。借助圖像識(shí)別功能，四足機(jī)器人實(shí)現(xiàn)了自動(dòng)對(duì)攝像頭中的物體進(jìn)行識(shí)別和分析，最終實(shí)現(xiàn)避障功能。