智能汽車自動駕駛的控制方法分析

董明明

（北京汽車集團有限公司 北京 101300）

城市化進程的加快使得道路上的車輛增多，道路交通問題也日益凸顯出來，各個國家開始加大了對智能車輛運輸系統的研究。自動駕駛技術的研發與應用也愈來愈廣泛，但受道路情況復雜、光纖與信號定位不穩定的影響，車輛自動駕駛的感知決策系統運作也面臨更多的挑戰。

AI 算法在自動駕駛技術中的運用優化了行車對于環境的感知效果，而AI算法的應用對于車輛計算程序的應用標準十分嚴格，園區車輛一般體積比較小，受電源系統容量和功率干擾的影響，其在運作的時候很難實現繁雜計算的跟進需求，這也是造成AI算法在自動駕駛技術中發展受限的根本原因。

1 無人車的應用情況

（1）物流應用。目前，自動駕駛技術在物流行業的應用十分廣泛，自動駕駛的物流行車可以切實減少運輸投資，優化運輸收益。

（2）碼頭應用。根據相關數據分析，我國的港口數目眾多，運輸量非常大，所以對于港口車輛的駕駛員需求量很大，這也是自動駕駛應用的拓展市場。

（3）環衛清潔的應用。隨著我國城市化建設的不斷推進，道路構造愈來愈復雜。但是從經濟角度上來看，人工成本不斷增加，而隨著技術的不斷成熟，車輛的成本不斷下降，且自動駕駛車輛能夠在夜晚作業，效率相對提升2～3倍。

（4）礦區。我國礦產資源豐富，每年的產量較高，但是伴隨礦山作業環境的惡劣，人工開采開始面臨較大的安全隱患［1］，而自動駕駛車輛可更好地應用于此。

2 智能車視覺導航技術

智能化車輛中，最為關鍵的技術就是車輛導航，導航也是車輛實現自動化駕駛的基礎條件（如圖1 所示），其主要作用是獲取四周區域的詳細信息與自身位置。目前，導航技術被廣泛應用于各種行業中。經過相關數據統計分析，人們收集的所有外界訊息中，有超過70%都是源自視覺系統，同理，針對自動巡航的車輛來說，把視覺感知設備運用在道路識別與跟蹤系統中，可以獲取到詳細的環境信息。視覺感知設備具備許多優點，其訊息收集量大、收集時間較短、檢測技術精準等，與傳統的超聲傳感設備對比，其被外界干擾的影響小，但是在這個期間數據信息處理量較大，就會導致系統容易出現實時性的問題［2］。

圖1 應用層

3 智能車控制技術

車輛橫向控制模塊處在整個自動駕駛系統應用層軟件的最底層，該模塊與縱向控制模塊共同組成了軟件中的車輛控制部分。如圖1 所示，顏色填充部分為車輛橫向控制模塊，它接收來自決策規劃層和信息融合層的信號，通過運算將輸出轉角信號發送到車輛上，從而實現對車輛轉向的自動控制。

橫向控制主要研究智能化行車路徑跟蹤的效果，也就是研究怎樣確保行車能夠順著預定的線路行駛，智能化車輛的道路跟蹤，能夠經過導航傳感設備去采集目的地交通的詳細訊息，然后再依據車輛當下的駕駛狀況，對駕駛路徑做出最佳的選擇，以實現準確跟蹤目的地交通的能力。橫向控制的設計研究需要基于以下兩個條件：第一個是以車輛計算模型為根本，應用自動控制技術，設計車輛的控制設備；第二個是利用模擬人工駕駛的方式。基于以上兩種思路設計的控制算法有很多，比較常用的有經典PID 控制、模糊控制、神經網絡控制、模型預測控制（MPC）、最優控制等。

4 智能車橫向控制的總體設計

4.1 智能車硬件系統的組成

在系統運作中，控制決策模塊是主要控制單元，一般負責完成數據信息的采集、圖像處理、橫向決策控制算法、通信管理。道路信息采集模塊是指數字攝像頭，在具體實施運作的時候負責完成道路邊線的收集。執行模塊主要是根據信息采集模塊來采集道路信息，由主控單元來完成數據信息的識別，在經過一系列的計算之后下達控制命令。通信模塊是指小車和上位機的通信、小車和小車的通信、車路之間的通信，通過小車和上位機的通信能夠完成對電力系統的優化和控制［3］。

4.2 智能小車硬件系統方案選擇

4.2.1 控制決策模塊

智能小車的主控芯片多使用單片機，但是對于復雜的圖像處理算法和矢量變化控制算法來說，單片機的精準性無法滿足系統運作需要。單片機是一個復雜的計算機系統，多數的指令需要2～3 個指令周期來完成。在使用單片機的時候，系統程序和數據信息只能在同一個空間內存儲，且同一個時刻只能夠單獨訪問指令數據。在遇到多個算法的時候，單片機會呈現出實時性較差的問題。為此，本文選擇TMS320F2821 作為智能車控制系統的主控芯片，這類芯片具有能耗低、低成本的特點，被人們廣泛地應用在數據處理領域。TMS320F2821主要特點具體表現在以下幾個方面：（1）高性能靜態CMOS 技術，低功能設計，I/O 供應電壓、Flash編程電壓是3.3V，內核供電電壓會降為1.8V或者1.9V，在每秒150MI執行速度作用下，指令周期會減少6.67ns；（2）高性能32 位CPU，在具體設計中采用了哈佛總線結構，具有16×16的雙通道MAC，在這個期間不會占用CPU 時間，且在具體操作的時候具有統一的存儲模式，能夠快速響應中斷處理；（3）片內具有128K×16 位數的存儲器；（4）外部接口擁有MB 存儲容量，在具體運作的時候具有編程等待狀態、讀寫信號選通程序和獨立的片選信號［4］。

4.2.2 道路信息采集模塊

交通訊息收集模塊是應用傳感設備，把交通環境訊息收集并上傳至集中控制設備，集中控制設備通過精準的計算分析來做出控制決策。在市場上常見的圖像傳感器包含電荷耦合元件、互補金屬氧化物半導體兩類圖像傳感器。例如CCD 攝像頭。CCD 攝像頭的工作原理是使用光電作用以形成的半導體元件，該元件的作用是把光學成像轉換成數據信息，隨著時代的進步發展，CCD 圖像傳感器開始被人們應用在許多方面。將CCD攝像頭植進光敏物體當作其像素，傳感設備中的像素信息按照一定的順序傳遞到下一個像素上，這些信息會在最底部輸出，之后經過傳感器邊緣的放大器輸出。

4.2.3 智能小車軟件系統方案的設計

智能小車的軟件系統提供了系統配置、系統調試、系統跟蹤、信息分析等工具，在多個工具的配合下能夠實時性地對信號進行處理。智能小車軟件系統由DSP初始化軟件、傳感器數據采集模塊、實時路徑檢測路徑、橫向控制模塊組成。智能小車軟件系統的多數時間被人們應用在數據圖像收集和橫向運動反饋控制上［5］。

5 橫向控制算法的設計

5.1 圖像處理算法

圖像處理是對圖像的信息實施進一步分解處理，圖像處理算法主要有以下幾種。

第一，圖像二值化。道路圖像包含目標物體、背景、噪聲干擾等，二值圖像具有存儲空間小、信息處理速度快的特點，在具體實施時能夠對圖像開展邏輯運算。在這期間，二值圖像能夠精準地獲取目標區域范圍內的幾何特征，最終實現對數據信息的深化處理。第二，圖像濾波處理。在經過處理之后會獲得一幅二值圖像，在理想的情況下圖像上的高度像素會對車道的標準線進行處理。寬度是車道標線的重要設計影響因素，在具體設計的時候，2個白線行之間不能夠出現黑行。在圖像出現連續白點的時候，則可以證明這個位置上的人行橫道存在其他標志線。

5.2 橫向控制算法的研究

對小車進行研究的橫向控制算法包含PID 控制、模糊控制、優化控制、神經網絡控制等。車輛的行駛過程比較復雜，控制對象會呈現出非線性的變化，因此也就很難打造出精準的數據模型。

5.2.1 車體運動學模型

本文所研究的車體運動學模型會將兩個前輪作為輪向輪，并根據標準去設定轉動角的范圍，通過劃分前輪角轉彎半徑范圍的確定來獲得角的速度范圍，為之后參數的選取提供支持。車體運動學模型如圖2所示。

圖2 車體運動學模型

5.2.2 模糊控制的組成

第一，接口模糊化處理。模糊控制設備的運作，需要經模糊化處理之后，才可以真正地運用于控制設備的計算過程中，所以接口的模糊化處理是控制設備的必需條件，在實際應用環節，其根本作用是把準確的輸入數據，轉換成相對的模糊矢量。

第二，數據收集中心。數據收集中心的作用是收集全部模糊子集隸屬度矢量數值，如果整個領域是連續閾，則是隸屬度為基本函數。

第三，依據的規則。模糊控制設備的規則，源自相關研究人員的經驗積累與實驗分析的總結，在實際的應用環節，會以公式的形式被人們運用。

第四，推理程序。模糊控制設備中的推理程序，是依據收集的模糊數據，在控制設備的操作下，行程模糊推理，再依據推理的成果，核算模糊方程式。推理程序是模糊邏輯理論應用的關鍵一步，目前被廣泛使用的模糊方式非常多，本文使用的推理程序為正向推理。

第五，接口模糊化的解除。解模糊控制的目的是按照模糊推理的結果來體現出控制量的實際分布［6］。

5.2.3 模糊控制器的設計

第一，模糊控制器的結構。模糊控制器的結構是確定模糊控制器的輸入輸出變量。模糊控制算法是操作者實際操作控制中操作經驗的總結和集合，其是模糊控制器的核心，常見的模糊控制規則包含單輸出、輸入模糊控制器、雙輸入單輸出模糊控制器、多輸入單輸出模糊控制器、雙輸入多輸出模糊控制器。第二，語言變量和模糊化策略的確定。模糊規則的確定關系到模糊控制器的設計，多數情況下，模糊規則選擇和提取是繁雜的，在這個期間會涉及設計者的想法，基本過程包含適合的語言變量、語言變量隸屬度函數，在整合這些信息后打造出模糊控制規則。第三，確定解模糊策略。解模糊的目的是根據模糊推理的結果來了解反映控制量的分布情況。常見的解模糊方法包含最大隸屬度法、多個臨近隸屬度最大值、對單個隸屬度的最大值。第四，模糊控制器理論研究閾和比例因子的確定。任何系統的信號都是有界限的，在模糊控制中界限是變量的基本研究領域。結合以上模糊控制器的設計步驟，將舵機模糊控制器的操作流程設定如下。（1）輸入輸出變量。按照之前對導航參數的分析，將輸入變量設定為智能小車虛擬中心線和視野中坐標Y軸的偏差d，以及收集的臨近虛擬中心線連線斜率r；輸出變量是舵機脈沖數u。（2）定義變量的模糊條件。選取d、r兩個語言變量的模糊閾為-3、-2、-1、0、1、2、3，u的量化是7 級。各個變量的模糊子集數目關系到控制規則。在綜合考慮因素之后，選擇7 個模糊子集。d＞0 代表智能小車偏離目標中心引導線的右邊；d=0 代表智能小車在目標中心引導線上；d＜0代表智能小車相對道路中心引導線的左邊。

6 結語

綜上所述，自動駕駛技術被應用的范圍越來越廣，當下，許多城市與企業對于自動駕駛技術的研究都有著明顯的進展，為進一步優化對于自動駕駛車輛的橫向控制，本文基于智能車輛的橫向控制系統設計作出詳細分析，旨在優化車輛自動駕駛技術的全面突破，提升自動駕駛車輛的安全性與可靠性。