基于雙目立體視覺(jué)伺服的智能車室內(nèi)彎道控制

基于雙目立體視覺(jué)獲取得到的三維信息，即為經(jīng)左右圖像SIFT特征點(diǎn)匹配，在攝像頭坐標(biāo)系中獲取前景環(huán)境中各關(guān)鍵點(diǎn)的坐標(biāo)信息。選取關(guān)鍵點(diǎn)中與機(jī)器人基坐標(biāo)系原點(diǎn)高度靠近的點(diǎn)，并且該點(diǎn)的個(gè)數(shù)需大于3，之后，采用最小二乘法擬合可得行駛區(qū)域的邊界直線，即確定了車體定位參數(shù)中左、右車道線lL、lR。直線與圖像右邊界存在交點(diǎn)，即可判斷出彎道轉(zhuǎn)向。同時(shí)，擬合確定的左車道線與圖像下邊緣的交點(diǎn)Pl0為第一個(gè)控制點(diǎn)；以圖像右邊界與擬合直線的交點(diǎn)處為第二個(gè)控制點(diǎn)Pln。圖5表示為前景環(huán)境中對(duì)特征點(diǎn)的匹配結(jié)果圖和判斷可行駛區(qū)域。

對(duì)序列圖像進(jìn)行實(shí)時(shí)處理時(shí)，由于攝像機(jī)采集系統(tǒng)速度為30幀/s，車速在不超過(guò)33cm/s的情況下，采集一幀圖像智能車向前行駛約小于1cm，連續(xù)采集的兩幀圖像中所判斷的車道左右車道線和彎道方向偏差不會(huì)太大。

2.2.2 控制仿真實(shí)驗(yàn)

實(shí)驗(yàn)采用BP神經(jīng)網(wǎng)絡(luò)作為控制對(duì)偏離角φ進(jìn)行仿真實(shí)驗(yàn)。在Simulink環(huán)境下搭建的系統(tǒng)模型中BP神經(jīng)網(wǎng)絡(luò)的搭建如圖6所示。U為經(jīng)由視覺(jué)信息得到的偏航角φ作為系統(tǒng)輸入量，輸出Y為小車質(zhì)心速度V。小車左、右輪速可在判斷彎道轉(zhuǎn)向的前提下，由兩輪速差VD經(jīng)計(jì)算得出。若如圖5所示，彎道轉(zhuǎn)向向右：

利用Simulink庫(kù)中Signal Builder產(chǎn)生變化的Signal仿真實(shí)際環(huán)境中視覺(jué)系統(tǒng)得到的當(dāng)前車體的偏移量。

小車經(jīng)左右輪差速轉(zhuǎn)彎運(yùn)動(dòng)中質(zhì)心位置實(shí)際偏轉(zhuǎn)角度作為網(wǎng)絡(luò)的輸入，經(jīng)訓(xùn)練學(xué)習(xí)反饋回系統(tǒng)的控制輸入端。圖7為控制仿真結(jié)果圖，由圖示可知該方法基本完成了對(duì)信號(hào)的控制跟蹤，由此說(shuō)明了利用雙目立體視覺(jué)所獲得的信息，并采用BP網(wǎng)絡(luò)自學(xué)習(xí)對(duì)道路的變化可適用于不同彎道的道路，避免了傳統(tǒng)PID控制方法因彎道曲率變化使得小車轉(zhuǎn)彎控制失敗。

3 結(jié)論

借助機(jī)器視覺(jué)系統(tǒng)判斷小車可行駛區(qū)域，同時(shí)還可清晰地判斷出彎曲線路的走向，避免了彎道方向的復(fù)雜判別方法，且該方法普遍適用于不同的道路環(huán)境，特別是非結(jié)構(gòu)化的道路環(huán)境，也增強(qiáng)了算法的實(shí)用性和魯棒性。但目前對(duì)雙目攝像機(jī)進(jìn)行精確匹配和標(biāo)定仍然是個(gè)技術(shù)難題；神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法在選取訓(xùn)練樣本數(shù)據(jù)和精確定位車輛位置方面也比較困難，這將是進(jìn)一步研究的主要關(guān)鍵問(wèn)題。