多信息融合自動泊車系統研究綜述

劉暢

Abstract： Automatic parking system can help drivers to better park and reduce psychological pressure when parking. In order to increase the application scenario and success rate of parking system， the key research of multi-information fusion automatic parking system is summarized. This paper introduces the present situation of multi-information parking system from the research and analysis of multi-information fusion system of parking space identification sensor， path planning， controller and sensor， and puts forward the problems and challenges in the development of parking system.

關鍵詞： 自動泊車;傳感器;多信息融合

Key words： automatic parking;sensor;multi-information fusion

中圖分類號：U463.6 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-957X（2022）04-0218-03

0 ?引言

信息融合技術是由美國科學家率先提出的一種智能化概念，被首次應用于戰爭中，且在各國的軍事中得到一定程度的應用與普及，因此該項技術當前已相對成熟，應用范圍也較為廣泛。

近年來，隨著當下對汽車安全性與駕駛舒適度的追求，智能化與個性化成為汽車發展的新方向。汽車智能化能幫助人們更好的體會到駕駛樂趣，使其向著自動化方向發展，而汽車的自動泊車系統作為智能化的重要體現，受到社會及駕駛者的廣泛關注，此項技術是汽車在低速狀態下應對復雜泊車環境的應用。其最終目的是幫助駕駛者便捷、快速地開展泊車操作[1-2]。車位識別的精確度決定著泊車的成功率。目前車位識別采用的傳感器主要有超聲波傳感器、圖像傳感器和激光雷達傳感器等[3]，其中采用超聲波傳感器進行車位識別的方案居多。

傳統汽車廠商所采用的車位識別方案大多基于單一的超聲波傳感器對同一車位進行識別，此類方案一旦出現傳感器失效或者誤判就極有可能引起交通事故。把信息融合技術應用到泊車系統中，能有效提高泊車中車位識別的精度與穩定性。

1 ?自動泊車系統

當前汽車的自動化泊車系統是由泊車周圍環境感知、泊車路徑規劃及智能跟蹤等信息化板塊構成。泊車系統通過車載傳感器精準感知停車周圍的環境，獲取汽車的泊位信息，準確計算出車身與泊位線之間的具體幾何關系，制定出最佳的泊車路徑，最終控制車輛跟蹤路徑完成泊車操作。

1.1 車位識別常用傳感器

車位識別是路徑規劃的前提，是泊車系統設計中最為重要的環節。目前的研究主要是利用車載傳感器進行車位及障礙物的檢測與坐標定位，泊車系統用于車位識別的傳感器主要有攝像頭、激光雷達、超聲波雷達等。

攝像頭獲得的信息與人眼相似，由于其具有豐富的信息檢測能力，常用于車位線車位的檢測，但其獲得的信息缺少立體性，對于立體空間停車位的檢測能力不足，同時其受光線影響嚴重，在能見度低的環境中很難實現車位的識別。激光雷達具有很強的遠距離目標識別能力，可直接檢測出目標的距離、速度等信息，并且具有很強的抗干擾能力。激光雷達具有車位線車位與空間車位的檢測能力，其可以遠距離檢測出空間車位，但其車位線檢測的分辨率與攝像頭相比有較大差距。強烈的太陽光、其他激光信號和沙塵、雨雪等惡劣環境都會影響激光雷達檢測的精確度，其還具有成本高，體積大等缺點。超聲波具有很強的穿透性與指向性，其受惡劣天氣及光線的影響小，具有很強的穩定性，且超聲波雷達成本低，體積小。溫度對超聲波雷達有較大的影響，遠距離目標信息測量精度不夠。超聲波雷達常用于近距離空間車位檢測，其不具備停車線車位的檢測能力，但其強大的全天候檢測能力與低成本使其成為使用率最高的車位檢測雷達[4]。各車載傳感器性能如表1所示。

1.2 路徑規劃

路徑規劃是泊車系統設計的重要步驟，泊車路徑規劃需要結合車位與障礙物的位置信息，根據車輛最小轉彎半徑、車長、車寬等車輛自身參數規劃出滿足避障條件的泊車路徑。

目前泊車路徑規劃的方法大致可以分為三類：基于幾何圖形的路徑規劃、基于地圖搜索算法的路徑規劃、基于機器學習模糊控制算法的路徑規劃。基于幾何圖形的泊車路徑規劃方法通常采用圓弧相切法、直線圓弧相切法、多項式路徑擬合等方法。圓弧相切法與直線圓弧相切法常用于垂直車位泊車的路徑設計中，其設計方法簡單，便于實現，但在其圓弧相切處存在曲率突變的過程，會造成原地轉向導致輪胎磨損與加重轉向助力電機負擔的問題。多項式路徑擬合方法常用于水平車位的泊車路徑規劃，其路徑曲率雖然連續，但求解復雜，需要較大的計算量，為了妥協計算量與路徑精確度常采用五次多項式進行泊車路徑擬合，其連續的曲率對控制的要求很高，若控制器對車速與路徑跟蹤的精度不夠很可能會導致泊車失敗。基于地圖搜索的算法常用A*、D*、RRT等[5]，此規劃方法通過建立啟發函數在泊車傳感器識別的地圖中根據障礙物與車位位置信息尋找合適的泊車路徑，并用曲線平滑路徑，其算法的精確度與計算復雜度取決于地圖規劃柵格的大小，由于其規劃時很難考慮到車輛的最小轉彎半徑與轉向速度，所以成功率不高，在進行泊車規劃時很少使用此類算法。基于機器學習模糊控制算法的路徑規劃是根據駕駛員泊車習慣利用模糊控制規則結合機器學習規劃出的實時泊車路徑，其對泊車環境的實時檢測，使泊車系統可以適應于復雜的泊車環境，但同時也對系統軟件與硬件的計算能力有了更高要求，同時也需要進行大量的模型訓練。

長安大學劉虎[6]利用五次多項式對固定場景障礙物約束下的車輛軌跡進行了曲率優化，實現了泊車路徑曲率連續化。大連理工大學王浩杰[7]通過改進RRT算法的擴展方式與采樣方式，提高了RRT算法的搜索與泊車避障能力，并用樣條曲線進行優化，保證泊車路徑的平順性。合肥工業大學錢立軍[8]利用車輛方向盤勻速轉動時車輛行駛軌跡，設計了五段泊車路徑，通過避障條件優化路徑參數，減少了計算量，提高了路徑的連貫性。華南理工大學陳鑫[9]提出了基于強化學習算法的泊車路徑規劃，通過仿真證明了算法較強的規劃適應能力與強壯性。湖南大學李紅[10]利用B樣條曲線對泊車路徑進行了規劃，并規劃了單步與多步的泊車路徑方案來適應不同場景的泊車位。

1.3 跟蹤控制器

泊車跟蹤控制器設計是控制車輛按照規劃路徑進行泊車。目前常用泊車控制器有PID控制、MPC控制、LQR控制與滑膜控制等。PID控制常用于泊車的縱向速度控制，該算法的實現不需要精確的模型，但其參數優化較為困難，常與機器學習等智能控制算法結合，實現其控制器參數優化。MPC、LQR與滑膜控制用于泊車的縱向路徑跟蹤控制。MPC可以實時獲取最優的在線控制量，其精度與控制器設計的預測層數有關，但其對硬件的計算能力要求較高。LQR控制易于實現，但其在曲率變化較大的泊車路徑跟蹤中誤差較大，對泊車路徑規劃要求較高。滑膜控制具有很強的抗干擾能力，但由于其不連續的開關特性會造成抖動[11]。

北京交通大學董航瑞[12]提出了一種基于坐標補償的MFAC預瞄偏差角跟蹤方案，此方案不需要車輛模型信息，可適用于多種類型車輛，并通過Matlab仿真證明其控制效果優于PID與原型MFAC控制方案。吉林大學張家旭[13]通過非奇異快速終端滑模理論與雙冪次趨近律設計了滑模泊車路徑跟蹤器，并通過仿真軟件，證明了跟蹤控制的動態響應特性與魯棒性有所提高。重慶理工大學宋

佳[14]利用PID控制算法進行了車輛縱向車速控制器和車輛橫向車輪轉角控制器與航向角控制器的設計，實現對圓弧與直線泊車路徑的跟蹤。大連理工大學王浩杰[7]基于PID算法對縱向車速進行了控制，并設計了MPC控制器控制車輪轉向角，針對泊車工控的特殊性進行了控制器改進，通過泊車仿真驗證了控制器精確性。北方工業大學徐春玲[15]利用人工智能控制算法，把泊車過程中車輛的起始位置作為輸入條件，并設計深度神經網絡的控制模型對車輛泊車過程進行分析，通過Matlab仿真驗證了泊車控制器的可靠性。

2 ?多傳感器信息融合

2.1 多傳感器信息融合車位識別

各類傳感器由于原理不同，在泊車過程中有不同的適用場景，當前泊車車位識別方法主要有基于超聲波傳感器的空間車位檢測與基于攝像頭的停車線車位檢測。單一的泊車傳感器無法適用于多狀況的泊車環境，并且在傳感器失效或誤判時易造成泊車事故，多傳感器在泊車上的融合使用能有效彌補單一傳感器的缺陷。

國內學者對多傳感器融合泊車車位識別進行了探究。江蘇大學沈崢楠[16]以模糊推理為多信息的融合算法，利用超聲波傳感器探測車位縱向深度，輪速傳感器探測橫向長度，視覺傳感器輔助檢測輪轂用以檢測障礙車輛位姿，有效識別了斜車位。山東理工大學沈剛[17]也使用模糊推理多信息融合算法實現了多狀況的空間車位檢測，利用超聲波傳感器對空間車位進行初步檢測，再利用激光雷達檢測周圍障礙物，通過激光點云與投影獲得泊車車位與障礙物的坐標位置。揚州大學許亞[18]利用基于深度學習的YOLOV4工具對車位識別進行訓練，并對基于MaskRCNN雙目測試與激光測距進行融合，提高了車位距離識別的精確度。

多傳感器信息融合在車位識別的應用，增加泊車系統對復雜車位的識別，正在逐漸成為泊車系統研究的重點問題。

2.2 多傳感器信息融合體系

通過傳感器所獲信息對目標狀態進行估計，根據對各個傳感器輸入信息進行處理與融合方法的不同，傳感器信息融合在結構上可以分為集中式、分布式、混合式三種。

集中式融合結構中傳感器數據直接在數據融合中心進行融合，具有靈活的融合算法，可以實現數據的實時融合，且融合精度高，但中央處理器需要同時計算各個傳感器的原始數據，對處理器計算能力有較高要求，同時底層傳感器缺少信息交互，魯棒性差。集中式融合結構如圖1所示。

分布式融合結構在每個傳感器上都有處理單元，傳感器獲得的信息經過局部處理后再傳送到中央處理器進行數據的組合與計算獲得融合后結果，其在每個傳感器上都設有獨立的處理單元，相比與集中式有更快的計算速度與穩定性，但傳感器所獲信息的損失大于集中式融合結構，跟蹤精度較差。分布式融合結構如圖2所示。

混合式結構分布由集中式與分布式組合而成，其結合了集中式與分布式的優點，具有較強的靈活性，但結構復雜，對通信與處理器有很高要求。混合式融合結構如圖3所示。

3 ?結束語

文章從自動泊車系統與多傳感器信息融合兩大方面對多信息融合自動泊車系統進行了介紹，目前泊車路徑規劃與路徑跟蹤控制的研究已較為成熟，單傳感器泊車系統在使用場景中有很大的局限性，難以滿足日常復雜的泊車環境，多信息融合自動泊車系統的研究能有效增加泊車系統的應用場景與泊車成功率。但信息融合自動泊車系統在發展過程中還存在以下問題與挑戰：

①在車位識別中多個傳感器獲得的信息會出現冗余與矛盾，需要在多信息融合過程中解決數據對準，數據關聯，錯誤數據的問題。

②雖然在標準車位的路徑規劃研究較為成熟，但隨著泊車系統車位識別與障礙物檢測能力的提升，需要結合當前路徑規劃理論對窄車位與多障礙物的泊車路徑規劃進行深入研究。

③路徑跟蹤控制器在設計中只考慮跟蹤控制性能是不足夠的，需要在設計中把環境感知與路徑規劃結合起來，另外也要考慮到車輛泊車跟蹤舒適性。

參考文獻：

[1]馮澤，蒙雪敏，孫振保，等.電動汽車整車電子控制器（VCU系統）智能橫向泊車服務系統的設計探究[J].科技創新與應用，2019（35）：79-80.

[2]江浩斌，葉浩，馬世典，等.基于多傳感器數據融合的自動泊車系統高精度辨識車位的方法[J].重慶理工大學學報（自然科學版），2019，33（4）：1-10.

[3]樸昌浩，祿盛，等.自動泊車系統設計[D].北京：科技出版社，2014.

[4]甄先通，黃堅，等.自動駕駛汽車環境感知[D].北京：清華大學出版社，2020.

[5]熊瑩，毛雪松.基于二段多項式的窄空間平行泊車路徑規劃方.計算機系統應用，2020，29（8）：211-216.

[6]劉虎，楊嘉，楊太旗，等.車輛平行泊車系統路徑規劃與控制研究[J].機電工程技術，2021，50（01）：61-63.

[7]王浩杰.自動泊車系統路徑規劃與跟蹤算法研究[D].大連理工大學，2021.

[8]錢立軍，胡偉龍，劉慶，吳冰.多段式自動泊車路徑規劃及其關鍵技術[J].吉林大學學報（工學版），2016，46（03）：785-791.

[9]陳鑫，蘭鳳崇，陳吉清.基于改進深度強化學習的自動泊車路徑規劃[J].重慶理工大學學報（自然科學），2021，35（07）：17-27.

[10]李紅.自動泊車系統路徑規劃與跟蹤控制研究[D].湖南大學，2014.

[11]化祖旭.自動駕駛汽車路徑跟蹤控制算法綜述[J].裝備制造技術，2021（06）：100-103.

[12]董航瑞.基于無模型自適應控制的自動泊車系統[D].北京交通大學，2014.

[13]張家旭，趙健，施正堂，楊雄.基于回旋曲線的平行泊車路徑規劃和跟蹤控制[J].吉林大學學報（工學版），2020，50（06）：2247-2257.

[14]宋佳.垂直泊車車位識別與路徑跟蹤控制[D].重慶理工大學，2021.

[15]徐春玲.面向平行泊車場景的自動泊車控制策略研究[D].北方工業大學，2018.

[16]沈崢楠.基于多傳感器信息融合的自動泊車系統研究[D].江蘇大學，2017.

[17]沈剛.基于多傳感器信息融合的智能泊車路徑規劃與跟蹤方法研究[D].山東理工大學，2020.

[18]許亞.基于視頻識別和激光定位的車位檢測系統[D].揚州大學，2020.