案例sy文獻綜述

1、1. 摘要：智能車輛是一個集環(huán)境感知、規(guī)劃決策、自動駕駛等多種功能于一體的綜合系統(tǒng)。它是目前各國重點發(fā)展的智能交通系統(tǒng)中一個重要組成部分。發(fā)展智能車輛能夠提高車輛行駛的安全性、舒適性，達到提高交通效率、改善交通環(huán)境的目的。本文介紹了智能車輛的研究意義、技術發(fā)展水平和主要技術環(huán)節(jié)。詳細介紹智能車輛的，包括基于視覺的目標檢測技術、控制策略、智能避障，智能車導航系統(tǒng)。本文分析比較了國內(nèi)外比較流行的智能車輛系統(tǒng)，了現(xiàn)有方法的優(yōu)點與，同時分析了當前車輛系統(tǒng)發(fā)展的趨勢以及待解決的主要問題。本文試圖找出車輛系統(tǒng)中的關鍵問題所在，以便為提高車輛系統(tǒng)的性能做出貢獻。關鍵字：智能車輛 計算機視覺Abstracts

2、：策略避障控制elligentenvironmen important partvehiclesing, deciisasystemegratedwiththefunctionsof-making andautomatically driving. It has been anion system which has been put moreof theelligent Transporemphasis on by many nations. The research onelligent vehicle can improve thesafety and comfort of vehicl

3、e driving, the efficiency and environment oftransporion. This article describes the significance ofthe level of technological development and technicalelligent vehicle research,aspects. Details the keytechnology ofelligent vehicle, including the vi-baseddetectionelligenttechnology, tracking control

4、strategy,elligent obstacle avoidance,vehicle navigation system. This pryzes and compares some researches andprojects about stand-along vehicle-following system, home and broad, poing outthe advantages and disadvantages of the existing methods, and, at the same time,yzes the current trendshe developm

5、ent of vehicle-following systems as well asthe main problem to be solved. This pr attempts to identify the key problemhevehicle-following system, in order to contribute to improving the performance ofvehicle-following systems.Key wordselligentputer vi,Tracking strategy,Obstacle avoidance2. 文獻概述現(xiàn)代汽車在

6、極大地方便了人們生活的同時，也帶來了巨大的副作用：交通擁擠、交通事故、環(huán)境污染、燃油浪費等大量問題。如何有效地緩解交通擁堵、提高汽車行駛的安全性和高效利用資源已成為現(xiàn)代社會無法回避且必須迅速解決的棘手問題之一。在安全性方面，全球每年發(fā)生的道路交通事故給人們的生命和造成巨大損失。如何有效地提高汽車行駛安全性、高效利用資源已經(jīng)成為各國和研究機構共同面對。智能交通系統(tǒng) ITS（elligent Transporion System）就是有效解決道路交通若干問題的一種應對方案，在歐美等發(fā)達國家 ITS 技術得到了廣泛重視和大力發(fā)展。ITS 將先進的、數(shù)據(jù)通信傳輸技術、電子傳感技術、電子控制技術及計算機

7、處理技術等有效地集成運用于整個交通管理體系中，是一種在圍內(nèi)、全方位發(fā)揮作用的實時、準確、高效的綜合交通管理系統(tǒng)1-3。在 ITS的通信系統(tǒng)里必須使用和依賴車輛間的通信、車輛與道路設施之間的通信、或者車輛與臺之間的通信，也就是說任何車輛在行車中必須和外界進行通信信息的實時交互，或者雖然沒有信息交互但需要依賴外界設施主動提供信息，因此ITS是一種全局合作式的交通管理系統(tǒng)。ITS 的主要內(nèi)容包括車輛檢測、車輛車輛調(diào)度、交通管理等。、智能車輛是智能交通系統(tǒng)中的重要組成部分。智能車輛是一個集環(huán)境感知、規(guī)劃決策、操作控制等功能于一體的智能體，可以完成一項或多項駕駛任務，如車輛檢測和、車體定位、導航、車輛橫

8、向和縱向運動控制、超車控制等，輔助駕駛能提高行車安全性，彌補駕駛員因判斷錯誤或技術而造成的過失4。就車輛安全系統(tǒng)而言智能車輛的安全輔助駕駛系統(tǒng)是一種主動安全警示輔導系統(tǒng)，它不同于傳統(tǒng)的安全防護系統(tǒng)，如安全氣囊、防撞鋼梁等只提供交通事故發(fā)生后的保護，而是在交通事故發(fā)生之前提出預先警示，提醒駕駛者使其行駛于安全范圍內(nèi)，以保證安全駕駛。城市交通環(huán)境有其不同于公路交通環(huán)境的特點，如車速較低，交通崗的存在使汽車走走停停，尤其是在擁堵的情況下，要時刻緊跟前面的車輛，不斷地走走停停，這種長時間的高度緊張和單調(diào)作業(yè)，很容易引起的分心和不耐煩，極易導致交通意外的發(fā)生。而前車不及時將造成擁堵進一步加劇。而交通不暢

9、也會增加尾氣的排放，污染空氣。車輛自動技術則是解決這一系列現(xiàn)實問題的一種有效途徑。車輛自動，屬于 ITS 中的先進輔助駕駛的一個重要部分，指的是一輛車可以地跟隨前面的車輛運動并保持合理的車距，從而提高行車效率與道路安全，同時也減少燃油浪費。城市環(huán)境下車輛系統(tǒng)近幾年已經(jīng)成為國內(nèi)外的研究熱點。它的研究范圍包括計算機視覺、圖像處理、人工智能、系統(tǒng)和控制理論等方面。智能車輛技術的研究，對改善未來城市交通環(huán)境的效率，提高乘車舒適度，減輕駕駛員負擔都大有裨益。3. 基本研究現(xiàn)狀與發(fā)展趨勢3.1 國內(nèi)外典型智能車輛系統(tǒng)組成及其主要二十世紀 80 年代中后期開始，世界主要發(fā)達國家對智能車輛開展了一系列卓有成效

10、的研發(fā)工作。在智能車輛研究方面，美、德、意、法、日等國走在世界前列5 6。大學機器人研制的 NavLab 系列智能車輛代表了智能車輛的發(fā)展方向，其典型代表有 NavLab-1 系統(tǒng)和 NavLab-5 系統(tǒng)7。NavLab-1系統(tǒng)于 80 年代建成，其傳感器包括彩色機、超聲、陀螺、光電碼盤、GPS 等，其計算機系統(tǒng)可完成圖像處理理解、傳感器信息融合、路徑規(guī)劃和車體控制。NavLab-5 系統(tǒng)于 1995 年建成，其傳感系統(tǒng)包括視覺傳感器系統(tǒng)、差分 GPS 系統(tǒng)、光纖阻尼陀螺等，其計算機系統(tǒng)為自研的便攜式高級導航支撐PANS（Portable Advanced Navigation Suppor

11、t），該為系統(tǒng)提供計算基礎和 I/O 功能，控制轉(zhuǎn)向和安全，其中包括一臺用于傳感器信息處理與融合、全局與局部路徑規(guī)劃的 Sparc Lx 便攜式工作站和一臺完成車體控制與安全的 HC11 微控制器。德國的 Caravelle 系統(tǒng)8由德國研究與技術部門與大眾汽車公司合作于 1992年制成，車體采用大眾公司的 Caravelle 旅行車。它的研究主要內(nèi)容是高速公路下的視覺導航，因此其傳感器和計算機系統(tǒng)都是以視覺為主。傳感器系統(tǒng)除兩臺機外，僅安裝了一個速度傳感器和一個測量駕駛角的傳感器。兩臺機中一臺裝有攝遠鏡頭的用來檢測，另一臺裝有廣角鏡頭的用來檢測行車道。計算機系統(tǒng)也是由 Transputer的

12、并行處理單元，完成圖像處理、動態(tài)濾波、車體控制。另一臺 PC 完成系統(tǒng)自舉、等功能。法國大學的 Peugeot 系統(tǒng)，其計算系統(tǒng)僅為一塊 DSP 卡，傳感器系統(tǒng)機和速度傳感器。該車的一個突出特點是硬件配置輕型化，整個包括 CCD系統(tǒng)的運算處理都集成在一塊數(shù)字信號處理卡上，對試驗車幾乎無需作改裝。Peugeot 試驗車已在高速公到 130km/h。進行了幾百公里不同路況行車試驗，最高車速達近年來，研制開發(fā)的無人駕駛汽車Fleet 取得了令人矚目的成Fleet 的自動駕駛設備包括一臺放就。它是基于普通汽車前提下開發(fā)的。置在車頂?shù)募す鉁y距儀，能夠及時精確地繪制出周邊 200 米之內(nèi)的 3D 地形圖并

13、上傳至車載電腦中樞。在擋風鏡旁邊，技術安放了一個頭用以偵測交通信號燈，以及行人、自行車騎行者等車輛行駛路線上遭遇的移動。4 臺標準車載，以三前一后的布局分布，負責探測較遠處的固定路障。在每臺Fleet 的左后輪上，還帶有一個微型傳感器，負責車輛是否偏離了GPS 導航儀所制定的路線。Fleet 的電腦資料庫中，精確地了每路的限速標準以及出位置。最高時速可以達到 300 公里。繼內(nèi)華達州之后，加州也為無人駕駛汽車上路測試亮起了綠燈。與國外相比，國內(nèi)在智能車輛方面研究起步較晚，規(guī)模較小，開展這方面研究工作主要有國防科技大學、吉林大學、理工大學、沈陽自動化所等。其中在智能車研究方面處于領先地位，其研制

14、的 THMR（TsinghuaMobile Robot）系列智能車輛系統(tǒng)已經(jīng)具備了很強的技術實力。和國防科技大學機電工程與自動化學院共同研發(fā)了中國第一輛駕駛車輛。該駕駛技術采用最先進的計算機視覺導航方案，能實時處理岔道、斑馬線和虛線，對車體姿態(tài)變動和自然光照變化都有較強的自適應能力。且 2011年 7 月 14 日研制的無人車 HQ3 完成 286 公里無人駕駛實驗，達到世界先進水平實驗中，無人車超車 67 次，途遇復雜天氣，人工干預里程占這次駕駛總里程不到百分之一。7B.8 系統(tǒng)是由理工大學、理工大學、浙江大學、國防科技大學、清華大學等多所院校聯(lián)合研制的智能車輛，于 1995 年 12 月通

15、過驗收。7B.8系統(tǒng)的車體選用國產(chǎn)躍進客貨車改制，車上集成了二維彩色機、三維激光雷達、陀螺慣導定位、超聲等傳感器。計算機系統(tǒng)采用兩臺 Sun10 完成信息融合、黑板調(diào)度、全局、局部路徑規(guī)劃，兩臺 PC486 完成路邊抽取識別和激光信息處理，8098 單片機完成定位計算和車輛自動駕駛。其體系結構以水平式結構為主，采用傳統(tǒng)的“感知-建模-規(guī)劃-執(zhí)行”算法，其直線速度達到 510km/h。速度達到 20km/h，避障THMR-V 系統(tǒng)是計算機系正在研制的新一代智能車，兼有面向高速公路和一般道路的功能。車體采用道奇 7 座廂式車改裝，裝備有彩色機、GPS、磁羅盤光碼盤220 等。計算機系統(tǒng)采用Pent

16、ium-II、激光測距儀計算機兩臺，其中一臺進行視覺信息處理，另一臺完成信息融合、路徑規(guī)劃、行為控制、決策控制等功能。4 臺 IPC 工控機分別完成激光測距信息處理、定位信息處理、通訊管理、駕駛控制等功能。THMR-V 系統(tǒng)的 GPS 采用Nova公司生產(chǎn)的 3111R 單頻 12 通道實時差分 GPS 系統(tǒng)。該系統(tǒng)由兩臺 3111RGPS 接收機、FRM96S-35(W)電臺及 MODEM 組成。該智能車設計車速高速公路為80km/h，一般道路為 20km/h9。主辦的“中國智能車未來賽”到 2012 年 11由國家自然科學基金月已經(jīng)成功舉辦了四屆，這是國家自然科學基金研究計劃“視聽覺信息的

17、認知計算”的重要組成部分，旨在通過集成研究計劃研究成果，構建無人駕駛車比賽，通過比賽交流和檢驗我國視聽覺信息的認知計算的研究進展，促進研究計劃科學發(fā)展。也是規(guī)模最度較高的一次比賽。理工大學、西安交通大學、理工大學、軍事交通學院、國防科學技術大學、同濟大學、中國合肥物質(zhì)科學、交通大學、廈門理工學院和長安大學等來自國內(nèi) 11 所大學和科研機構的 13 支參隊參加了正式比賽，經(jīng)過綜合評算城區(qū)道路和鄉(xiāng)村道路兩個賽段的完成全程時間、人工干預次數(shù)和任務完成質(zhì)量，最后軍事交通學院“軍交猛獅”號智能車以 590 分的成績奪得了桂冠，西安交通大學“夸父”二號智能車及中國合肥物質(zhì)科學的“智能先鋒”號智能車分別獲得

18、了第二、三名。該賽事不僅能推動和促進視聽覺信息認知計算模型、與驗證研究的創(chuàng)新與發(fā)展，確保研究計劃總體科學目標的實現(xiàn)，而且將促進我國在智能車輛技術方面的研究，進而促使我國在未來智能汽車技術和產(chǎn)業(yè)上的原始創(chuàng)新。通過上述國內(nèi)外的諸多獨立式車輛控制系統(tǒng)，可以清楚地看到：獨立式車輛系般分為如下三個環(huán)節(jié)：前車的檢測、目標點的生成以及后車的運動的執(zhí)行。其中涉及到的主要技術環(huán)節(jié)有：1）前車的檢測：該部分是獨立式控制系統(tǒng)的前提，車輛的檢測屬于計算機視覺的范疇，通常采用的傳感器有微波、激光測距儀、超聲波、紅外傳感器等，通過對傳感器信息、，形成對環(huán)境特征的綜合描述方法，進而得到前車的位置坐標以及其姿態(tài)信息。2）后車

19、的自定位：通常分為相對定位、絕對定位、以及二者同時采用三種，相對定位一般采用航位推算算法，通過陀螺儀、碼盤等傳感器數(shù)據(jù)，對后車運動進行積分，以獲得其相對起始點處的位置坐標；絕對定位則是通過 GPS 系統(tǒng)得到車輛的信息。相對定位與絕對定位各有優(yōu)缺點，于是近些年大家都傾向于把兩種定位方法融合到一起，從而精確地得到后車的位置。3）運動算法510：一般由系統(tǒng)組成，通過控制算法對前后車姿態(tài)進行信息處理，按照預先設計好的控制機理生成后車的控制命令，從而達到車輛的目的。3.2 城市環(huán)境下車輛系統(tǒng)的研究方法分析3.2.1 基于視覺的前車檢測與算法當駕車時，所接收的信息幾乎全部來自于視覺。交通信號、交通圖案、道

20、路標識等均可以看作是環(huán)境對駕駛員的視覺通訊語言。視覺系統(tǒng)在智能車輛研究中主要起到環(huán)境探測和辨識的作用。與其它傳感器相比，機器視覺具有檢測信息大、能夠遙測等優(yōu)點。要使車載計算機視覺導航系統(tǒng)成為可能，必須使它具備實時性、魯棒性、實用性這面的技術特點。基于特征的方法、基于光流場的方法和基于模型的方法可以適應機運動的情況，因此也成為車輛檢測的常用的三種方法。（1）基于特征的方法是車輛檢測最常用的方法。公行駛的前方車輛在灰度圖像中具有一些明顯的特征，例如形狀特征、邊界特征、灰度特征、對稱性特征、位置特征。對稱性11、陰影12、邊緣13等是進行車輛檢測常用的特征。利用車輛具有良好的對稱性的特點，可以從對稱

21、性圖中得到車輛的位置。利用車輛邊緣具有的特點可以很好的將圖像中的車輛分割出來，邊緣特征強于陰影和對稱性特征?；谔卣鞯姆椒ǖ年P鍵是尋找穩(wěn)定可靠的車輛特征，多種特征的融合算法是提高檢測精度的一種途徑。（2）基于光流法14的運動檢測采用了運動目標隨時間變化的光流場特性，運動場可目標運動，運動場是由圖像中每個像素點的運動矢量。如Meyer 等通過計算位移向量光流場來初始化基于輪廓的算法，從而有效地提取和運動目標。該方法的優(yōu)點是在機運動存在的前提下也能檢測出獨立的運動目標，無需物的先驗知識，也能檢測出獨立的運動目標。然而，大多數(shù)的光流計算方法相當復雜，實時性和抗噪性能差，如果沒有特別的硬件裝置則不能被

22、應用于全幀流的實時處理。由于從旁邊的車輛和安裝機的車輛之間有較大的相對運動速度，所以基于光流的方法較適用于檢測從旁邊超過的車輛。（3）基于模型的方法通常是獲取大量不同道路環(huán)境、不同類型的車輛圖像，然后利用基于灰度信息的方法建立車輛特征模型。用這些模型與待識別圖像進行匹配，尋找與模型相似的特征區(qū)域，即為被檢測的車輛。如 Bensrhair A，BertozziM 等采用基于對稱性特征檢測感區(qū)域 ROI，然后利用建立的矩形二維模型在ROI 內(nèi)進行模型匹配15?；谀Ｐ偷姆椒ㄈ秉c是對車輛模型的過分依賴，由于車型的多樣性，一種模型往往不能適用于所有的車輛，車輛姿態(tài)的變化需要使用3D 模型并配合相應的幾

23、何變換來加以適應。特別是采用三維模型時，不利于實時處理。車輛的目的是確定車輛目標的運動軌跡，目前車輛目標的算法大致可以分為四種，即基于模型的方法、基于區(qū)域的方法、基于活動輪廓的方法和基于特征的方法。(1)基于模型的方法基于模型的方法是基于模型的車輛檢測算法的后續(xù)操作，是利用運動連續(xù)性約束，直接在以當前位置為中心的一鄰域內(nèi)搜索最佳的匹配結果。等采用相關系數(shù)來度量目標模板和當前目標圖像最佳匹配位置的匹配度，并以此作為權值，用于對舊模板和目標圖像最佳匹配位置的圖像進行，獲取新模板更新歷史模板，然后從歷史模板中選取相關系數(shù)值最大的模板作為下一幀的目標模板16。這種方法能有效抑制的效果。誤差的積累和目標

24、的漂移，具有良好(2)基于區(qū)域的方法基于區(qū)域的方法就是在時域上車輛檢測模塊檢測出的一個個像素連通塊，這些塊區(qū)域表示檢測出的車輛。區(qū)域匹配的方法計算量大，一般難以達到實時性要求。Grimias 等人提出一種基于半自動起始區(qū)域增長(SRG)算法的方法，采用起始區(qū)域增長分割算法進行初始分割，然后在后續(xù)圖像幀中目標。SRG 算法一直執(zhí)行到所有的分割像素都被標記，并使用一個順序列表(SSL)來鄰接點過程中前一幀圖像分割結果為當前幀提供的圖像分割的初始集。Manchurl 等17人將區(qū)域分為兩個階段，幀內(nèi)分割階段定義一個感區(qū)域精確界定目標邊界，幀間分割階段分為兩個獨立的過程模型，即對剛體和非剛體采用不同的

25、方法。(3)基于特征的方法基于特征的方法不把整個運動目標作為目標，而是把它的某些子特征，如角點、邊緣和小區(qū)域作為單元。由于圖像序列間的采樣時間間隔很小，運動目標無論是剛體還是非剛體，都可認為這些子特征在運動形式上具有平滑性?；谔卣鞯姆椒òㄌ卣魈崛『吞卣髌ヅ鋬蓚€過程?；谔卣鞯膬?yōu)點在于使用特征符號模型，運動方式簡單，運動具有平滑性，目標算法相對簡單，在目標和背景對比度較大的情況下使用，精度很高，即使在被的運動目標出現(xiàn)遮擋交錯等現(xiàn)象時仍然可以實現(xiàn)較為準確的。特征的缺點是當運動中伴有復雜運動時，目標的特征難于提取。3.2.2 后車的控制算法排除各種傳感器的波動性和穩(wěn)定性差別以及后車自身執(zhí)行器的不

26、同，能夠真正影響到車輛誤差的主要環(huán)節(jié)就是車輛中的策略，即后車到底該如何運動，經(jīng)過多年的研究，國內(nèi)關于車輛跟馳模型已經(jīng)有了一定的發(fā)展18-20，（1）以前車為目標點進行直接最初的車輛系統(tǒng)中，大家根據(jù)合作式系統(tǒng)研究的一些經(jīng)驗，直接把前車的位置作為后車的點，驅(qū)動后車不斷地向前車靠近。該方法并沒有考慮前后車之間要保證一定的安全距離，以防止車突然剎車等突發(fā)事件下交通事故的發(fā)生，而且直接把前車作為目標點有一個非常嚴重的缺陷，即車處于彎道行駛的狀態(tài)時，由于后車始終把前車作為點，將會使后車的運動軌跡與前車軌跡產(chǎn)生嚴重不符，后車會繞過前車所經(jīng)過的彎道，直接向前車靠近，從而撞向路邊或者是道的物等。（2）以后車運動

27、方向前的一點作為目標點Pham 希望通過模仿人的駕駛些規(guī)律中，總結現(xiàn)實生活中人在來實現(xiàn)車輛，他從人的駕駛行為及一前車運動時的一些駕駛方法，發(fā)現(xiàn)人在前車運動時，實際上總是把點放在后車之前的一段距離上，既不是車上也不是在后車上。通過人的預判作用不斷調(diào)整點的位置，從而實現(xiàn)后車的跟蹤作用。Pham 從此角度出發(fā)，定義了一個后車運動方向上的虛擬點作為點，虛擬點與后車的轉(zhuǎn)角有一個角度偏離，而且該虛擬點與后車車頭方向中心有一固定距離，以求盡可能的模擬人的駕駛行為。在項目試驗中，Pham 使用了兩輛電車，兩電車間沒有使用任何車輛間的通信措施。試驗中出于安全考慮，電瓶車的最高車速設置在 3.6km/h，以防止突

28、發(fā)事件的發(fā)生。關于前車的檢測部分，Pham采取在后車上安裝激光掃描儀，通過激光測距儀實時掃面后車周圍物體的距離信息，然后經(jīng)過一定的濾波處理后，檢測并估計出前車相對于后車的位置和方向。實驗結果表明雖然虛擬點比直接的前車改善了精度，但車輛轉(zhuǎn)彎時仍然會有 50cm 的最大路徑偏差，而且由于虛擬點的選取是相對于后車的姿態(tài)進行選取的，與前車的信息有一定程度的脫節(jié)，所以該方法能夠改善但仍然無法完全追蹤前車的軌跡，尤其是當前車沿曲線道路行駛時，前后兩車的軌跡誤差仍然很大，而且很有可能出現(xiàn)前車脫離后車的視線的局面。為了解決這個問題，Pham提出，虛擬點的位置應該是期望軌跡和車輛間瞬時結構的特征函數(shù)，即虛擬點是

29、與預期路徑曲率和前車速度有關的函數(shù)，但函數(shù)的具體數(shù)學表達模式到目前為止仍然沒有人能夠給出。21（3）以前車歷史軌跡中的點為目標點進行為了解決上述幾種方法存在，Stefan 將錢后車的位置狀態(tài)按時間在一個軌跡地圖上，后車通過一個橫向和縱向控制器控制，在目標點的具體選取上，Stefan 選取了后車位置之前一段固定距離以后的軌跡點，通過該超前距離來避免后車在運動過程中可能會出現(xiàn)的碰撞現(xiàn)象，而且這樣保證了后車在前車突然轉(zhuǎn)彎燈突發(fā)性運動時不會跟著前車一同轉(zhuǎn)彎，在保證了安全性的同時也給后車的執(zhí)行器一個反應時間，使后車能夠有時間完成控制器傳送過來的控制命令（導向輪的轉(zhuǎn)動和驅(qū)動輪的速度變化）。在 Stefan

30、 的實驗中車速限制在 36km/h，轉(zhuǎn)彎時最大路徑偏差為 70cm。Stefan 的實驗表明他的方法也不完美，仍然存在很大的改進空間。3.2.3 智能避障方法城市交通環(huán)境有著不同于高速公路環(huán)境的諸多特點，這就要求智能車輛系統(tǒng)要有良好的避障功能。避障規(guī)劃的任務是在具有物的地理環(huán)境中，根據(jù)特定的運動標準，使控制對象從開始位置運動到終點位置并能夠避開物。出現(xiàn)于二十世紀七十年代的機器人避障規(guī)劃是智能機器人學中的一個主要組成部分，至今各國學者對這一領域的鉆研仍非常踴躍。(1) 局部避障規(guī)劃的主要方法包括：模糊邏輯算法，人工勢場法和遺傳算法等。模糊邏輯算法仿照生物躲避物的，把里的感覺與行動協(xié)作。例如右邊的

31、物距離較近時，機器人做出左轉(zhuǎn)動作，類似的，若左邊物相對要求快速決策的話，機器人就做出右轉(zhuǎn)動作。模糊邏輯算法因其與人的思想方式相近，不但無需構造對象的運動模型，并且較方便把以往經(jīng)驗作為控制信一種虛擬力法22。其基本號。人工勢場法最初是由 Khatib是將機器人在環(huán)境中的運動視為一種虛擬的人工受力場中的運動物對機器人產(chǎn)生斥力，目標點對機器人產(chǎn)生引力，引力和斥力的合力作為機器人的加速力，來控制機器人的運動方向。該算法簡單，便于低層的實時控制，在實時避障和平滑的軌跡控制方面得到了廣泛的應用，但傳統(tǒng)的人工勢場法由于沒有引入優(yōu)化過程而容易陷入局部極小區(qū)域，不易調(diào)節(jié)，因而不適于尋求最短路徑?？臻g法，柵格法和

32、位姿空間法等23。(2) 全局避障規(guī)劃的主要方法包括空間法應用于機器人避障規(guī)劃，采用預先定義的如廣義錐形和凸多邊形等基本形狀構造空間，并將空間表示為連通圖，通過搜索連通圖來進行避障規(guī)劃24。該法比較靈活，起始點和目標點的改變不會造成連通圖的重構，但算法的復雜程度與物的多少成正比，且不是任何情況下都能獲得最短路徑。柵格法是將機器人工作環(huán)境分成一系列具有二值信息的網(wǎng)格單元，多采用四叉樹或八叉樹表示工作環(huán)境，并通過優(yōu)化算法完成路徑搜索25。該算法的缺點是表示效率不高，存在著時空開銷與求解精度之間的。遺傳算法負責搜索和優(yōu)化，而模26。位姿空間法糊推理處理未知以及不明確的狀況，有效的解決動態(tài)避障是目前研

33、究移器人避障的一個基本工具，其基本是用位姿空間中的一個點來表征機器人的位置和方向。(3) 移器人避障規(guī)劃還有一些其他的方法，諸如基于模糊神經(jīng)網(wǎng)絡和遺傳算法的機器人自適應控制方法，勢場能法與遺傳算法的結合，柵格法與遺傳算法的結合等方法。3.3 智能車輛獨立式車輛其它及其發(fā)展趨勢系統(tǒng)需要有計算機視覺系統(tǒng)、慣性導航系統(tǒng)、計算機控制系統(tǒng)、全球以及多傳感器數(shù)據(jù)融合等領域的相互配合，隨著科學技術的不斷發(fā)展，上述領域中的技術都已取得了突破性的進步，車輛系統(tǒng)的整體性能也相應得到了很大的。3.3.1 計算機視覺系統(tǒng)當駕車時，所接收的信息幾乎全部來自于視覺。交通信號、交通圖案、道路標識等均可以看作是環(huán)境對駕駛員的

34、視覺通訊語言。同樣的，計算機視覺系統(tǒng)對于車輛系統(tǒng)來說也是一個的基礎環(huán)節(jié)。當將計算機圖像信息與其它背景知識及其它傳感器相結合，能快速提取復雜環(huán)境中有用信息，進而產(chǎn)生合理的行為規(guī)劃與決策。在行車道路檢測、車輛跟隨、物檢測等方面，機器視覺都起著重要的作用，是智能車輛研究中最重要的一種傳感器。目前隨著激光測距儀等多種測距傳感器的發(fā)展，前車的位置信息已經(jīng)可以較精確地獲得，加上各種毫米波以及微波和聲納系統(tǒng)的輔助，已經(jīng)可以把前車的檢測信息中的誤差盡可能的消除，為后車的決策判斷提供可靠地距離信息。3.3.2 慣性導航系統(tǒng)捷聯(lián)慣性導航系統(tǒng)（Strapdown Inertial Navigation System

35、，SINS）是一種完全式的導航系統(tǒng)，具有隱蔽性好、不受任何氣象條件限制的優(yōu)點，此外還具有數(shù)據(jù)更新率快、短期精度高和穩(wěn)定性好等特點。長期以來，慣性導航系統(tǒng)的研究和應用一直以軍事應用為主要目的。這主要是由于慣性導航系統(tǒng)的成本較高，難以在民用領域得到應用。近年來，低成本慣性測量器件（InertiaMeasurement Unit，IMU）的研究取得了快速的發(fā)展，為民用領域采用捷聯(lián)慣性導航系統(tǒng)創(chuàng)造了條件。從近些年各國的車輛系統(tǒng)中的項目既可以發(fā)現(xiàn)，捷聯(lián)慣導幾乎出現(xiàn)在所有的系統(tǒng)中，在后車的自定位中起到了非常重要的作用。3.3.3 計算機控制系統(tǒng)機器人智能的體現(xiàn)離不開計算機控制系統(tǒng)，目前隨著 IT 技術的不

36、斷發(fā)展，計算機的處理速度越來越快，不斷增強的信息處理能力給車輛系統(tǒng)應用多傳感器信息，以及學習等提供了有力的保障。目前分布式計算機系統(tǒng)以及多總線系統(tǒng)的發(fā)展已經(jīng)非常成熟，在多個協(xié)調(diào)控制的系統(tǒng)中，主控可以把主要的資源分配給對車輛來說最為重要的策略的制定環(huán)節(jié)，其它的環(huán)節(jié)可以交給相應的處理完成即可。3.3.4策略中的典型控制策略主要有 2 大類種：點，Pham27目前應用在車輛驅(qū)動后車自身運動方向上的一個虛擬點，該虛擬點與后車轉(zhuǎn)角有角度偏離，并與后車車頭方向中心有一固定距離。Stefan28使用了軌跡插值，將前后車的位置狀態(tài)按時間順序在一個地圖上，后車通過橫向和縱向綜合考慮選擇一個超前距離的點進行。虛擬

37、拖桿。前車后方的一個點的典型代表是虛擬拖車桿結構。新加坡南洋理工大學的 Teck Chew 根據(jù)實際拖車結構，提出一種虛擬拖車桿模型。假設前車的后面一個虛擬的兩節(jié)鉸接的拖車桿，桿與前車是隨動的，后車不直接前車，而是拖車桿的末端節(jié)點。綜合以上分析可以看出：目前發(fā)展只能車輛的各項已經(jīng)趨于成熟，發(fā)展智能車輛已經(jīng)具備了條件，而且各項技術的發(fā)展已經(jīng)為智能車輛系統(tǒng)取得關鍵性進展準備好了充分的條件。而目前智能車輛技術雖然己經(jīng)取得了很大進展，但仍不能令人滿意，還應在以下幾個方面進行深入研究。的研究2930；視數(shù)字信號處理器1.在未知或部分未知環(huán)境中，基于自然路標導航與覺導航中路標的識別以及圖像處理的新型快速算

38、法的研究的開發(fā)研制等，這些都可使智能車輛導航與定位實現(xiàn)突破性進展。2.應用機器學習方法特別是增強學習和進化學習方法，實現(xiàn)未知環(huán)境中智能車輛導航控制器的設計與優(yōu)化，已成為近年來智能車輛導航控制技術的研究熱點。深入開展機器學習理論和方法的研究，應用機器學習方法提高智能車輛在未知環(huán)境中的導航性能和對環(huán)境的適應性，是智能車輛導航控制領域的一個重要發(fā)展趨勢。3.開展導航系統(tǒng)的分布式智能結構的研究31。分布式智能結構把決策級的操作分解到智能車輛本身的計算機和遠端的主計算機，這樣不僅提高了系統(tǒng)的實時性和魯棒性，而且還減小了體積，減輕了重量，使智能車輛更加輕便、靈活。4.虛擬現(xiàn)實（VR）技術匯集了多技術、傳感

39、器技術、人機接術、人工智能、計算機圖形學以及人的行為學研究等多項。將 VR 技術應用到導航技術的研究提供智能車輛導航研究中非常直觀真，它可以為智能車輛一個理想化的研究。5.開發(fā)傳感器信息融合新型算法，進一步提高融合系統(tǒng)的性能；開發(fā)具有并行計算能力的硬件，以滿足具有大量數(shù)據(jù)且計算復雜的多傳感器信息融合的要求，應是該領域的主要發(fā)展趨勢。6.目前基于多傳感器信息融合32的智能車輛定位與導航方面所取得的研究成果，大多局限于室內(nèi)結構化環(huán)境中。非結構環(huán)境下智能車輛導航技術將是21 世紀智能車輛技術研究的重點。7.車輛控制算法方面仍然需要提高，如何提高車輛控制算法的高效性和穩(wěn)定性也是車輛控制方面不可忽略。4

40、. 結論車輛自動屬于移器人技術的范疇，移器人以其突出的使用靈活性成為機器人研究領域經(jīng)久不衰的少有研究熱點。無論國外還是國內(nèi)，對移器人研究的之多、人數(shù)、文章之廣、時間持續(xù)之長久，充分說明該門學科不僅在國民經(jīng)濟和社會發(fā)展方面具有極為重要的應用前景，而且也以它內(nèi)含的一系列高難度、關鍵科技問題形成該門學科特有的，吸引那么多的人力和物力為之孜孜不倦的探索和求知。隨著車輛的日益增多，鑒于擴建公路的局限性，發(fā)展 ITS 是解決未來公路交通難題的首選方案，基于視覺的運動汽車的檢測與研究無論對基礎應用終究都是的組成部分?？v觀世界智能車輛研究，它們有一個顯著的共同點，即都選用 CCD頭或 TV機以代替駕駛員眼睛，

41、然后對頭獲取的圖像信息分析并對車輛周圍環(huán)境進行感知。特別近十多年來，隨著計算機硬件設備的處理速度、容量大大提高及價格相對便宜，基于機器視覺的智能車輛技術成了主流。發(fā)展獨立式車輛系統(tǒng)將成為未來汽車行業(yè)發(fā)展的一大主流方向，當前已有很多在國際上很有的公司正在研制自動駕駛車輛。通過對車輛自動現(xiàn)有技術的回顧，可以發(fā)現(xiàn)轉(zhuǎn)彎時的誤差是比較難消除的，如何采取措施消除或減小這個誤差是該領域的前沿工作。通過研究移器人避障方面的國內(nèi)外發(fā)展現(xiàn)狀，并分析了關于移器人避障的各種方法，本文認為：對于全局避障規(guī)劃問題的研究已經(jīng)比較成熟了，各種人工智能方法都取得了較好的成果，但應用于未知環(huán)境中的局部避障規(guī)劃方法還需要進一步研究

42、，盡管許多智能算法均已應用于其中，然而在實際避障規(guī)劃中還具有一些問題有待解決。5主要參考文獻（小 3 號字, 黑體，靠左）1 Mo, YK., Deng, J., “Fundamentals ofDispatching Systems Planning”, 2009 ISECSelligent Public Transporioner. Colloquium on Computing,Communication, Control, and Management, Vol. 5, No. 8, 2009, pp. 41-442 Anagnostopoulos CNE, Anagnostopoul

43、os IE, Loumos V., and Kayafas E., “ALicense Plate-Recognition Algorithm forelligent Transporion SystemApplications”, IEEE TranNo. 3, Sep. 2006, pp. 377-392ions onelligent Transporion Systems, Vol. 7,3 Ge HX, Dai SQ, Dong LY, Xue Y, “Stabilization Effect of Traffic Flow in AnExtended Car-Following MB

44、ased on Anelligent Transporion SystemApplication”, Physical Review E, Vol. 70, No. 6, Dec. 2004, pp. 58-7245增. 基于多特征的前方車輛檢測與方法研究M .江蘇大學.2010.6Teck Chew Ng, Martin Adams, Javier Ibanez-Guzman. Bayesian Estimation ofFollower and Leader Vehiclees with a Virtual Trailer Link M.ernational Journal of Robo

45、tics Research.v27,n1, p91-106, 2008,1.6華,.移器人的發(fā)展現(xiàn)狀及其趨勢.機器人技術與應用.2001 年第 3期7C. Thorpe, et al., Viand Navigation, The Carnegie Mellon Navlab, KluwerAcademic Publishers, 1990.8 Todd Jochem，Dean Pomerleau，et al., PANS: A Portable Navigation Platform，Proceedings of the IEEEelligent Vehicles Symium 1995，S

46、eptember 25-26,1995, Detroit, Michigan, USA.9，等. 智能車輛的駕駛與輔助導航. 機器人. 1997 年 3 月：155-15610 游峰. 新型視覺引導 AGV 控制系統(tǒng)的設計.M. 吉林大學. 2002.3：11-18 11Dai, B., Y. Fu, and T. Wu. A Vehicle Detection Method via Symmetry inMulti-ScaleWindows. 2007: IEEE12Xu, S., et al. Vehicle Detection Algorithm Based on Shadow Feat

47、ure. 2008: IEEE 13Tsai, L., J. Hsieh, and K. Fan. Vehicle detection using normalized color and edgemap.2005: IEEE.14技術的發(fā)展與現(xiàn)狀現(xiàn)代電子技術：2006，又17(21): 89-93.15 Bensrhair A Bertozzi M, Broggi A,et a11. Cooperative Approach to Vi -based Vehicle DetectionC/IEEE Proceedings of elligent Transpor ion Systems. I

48、EEE, 2001: 207-212.16算法研究J中國圖像圖形學報，國澄明基于相關系數(shù)的相關2004，9(8)：963-96717Munchurl K, Jeon J G，Kwak J S，Lee M HMoving o：ject segmenion insequenby sereraction and automatic object trackingJImage andViComputing，2001(19)：245-26018 NParagios，RDeriche，Geodesic active contours and level sets for the detectionand traclthIg of moving objectsIEEE Tranions on Patternysis andMachineelligenceJ2000，22(3)：266-28019 HTNguyen，MWorring，RBoomgaard，OccluRobum Adaptive TemplateTracking ProceedingsoftheernationalconferenceonComphterViC2001：678