【正文】 22)t a n( ?? ???? xxy () 圖 正切函數(shù)曲線 圖 變尺度柵格尺寸曲線 第三章 道路環(huán)境建模方法研究 35 圖 為理想變尺度柵格圖 中障礙物 距離 與 柵格尺寸關(guān)系曲線。 由于障礙物對駕駛員影響因素的變化符合 正 切函數(shù)的變化規(guī)律，因此 本章 把 如下 正切函數(shù)作為函數(shù)構(gòu)造的基礎(chǔ)。變尺度柵格圖如圖 所示。柵格尺度 越小，所描述障礙物位置誤差越小，環(huán)境模型精度越高；反之精度越低。 結(jié)合駕駛員對環(huán)境認(rèn)知的特點(diǎn)，本章首次提出了變尺度柵格法對道路環(huán)境進(jìn)行建模的方法。在輸入超過一定值時(shí)，輸出參數(shù)的變化幾乎不再受輸入?yún)?shù)變化的影響。在研究過程中可以發(fā)現(xiàn)，障礙物對駕駛 員影響因素的變化符合正 切函數(shù)的變化規(guī)律 ， 其影響大小可以用以下曲線描述，如圖 。當(dāng)障礙物距離車身一定遠(yuǎn)時(shí)，駕駛員觀察到的成像就成為了一個(gè)點(diǎn)。 圖 障礙物位置不同的影響 圖 障礙物距離不同的影響 第三章 道路環(huán)境建模方法研究 33 圖 為駕駛員對不同距離物體視角變化圖，障礙物 A 距離駕駛員比較近，駕駛員觀察它的夾角為 ? ； 物體 B 距離駕駛員比較遠(yuǎn)，駕駛員觀察它的夾角為 ? ， 很明顯 ??? 。 Y 軸為車輛前進(jìn)方向。 圖 是駕駛員駕駛車輛時(shí)的視野。 人類在進(jìn)行視覺感知時(shí)，會(huì)有選擇地將注意的焦點(diǎn)放在視野的某一部分區(qū)域，進(jìn)而重點(diǎn)理解記憶該區(qū)域包含的信息，同時(shí)對其他區(qū)域的信息 ―視而不覺 ‖。但對于這些難以用數(shù)學(xué)模型進(jìn)行描述的控制過程，盡管不知道被控制對象的數(shù)學(xué)模型，人類卻能憑著直覺 和經(jīng)驗(yàn)對被控制對象進(jìn)行很好地控制 [36]。本文基于駕駛員對道路情況的感知原理，對柵格法予以改進(jìn)，提出了變尺度柵格圖，優(yōu)化了柵格法建模時(shí)精度不足和計(jì)算量過大的問題。 首先優(yōu)先計(jì)算量要求，取 mb ? 。那么在一個(gè)掃描周期內(nèi)無人車最大行駛距離 S 約為： 0 .1 4 8 ( m )10134 0 / 3 . 6tvS 3 ?????? () 汽車轉(zhuǎn)向的最大角度為 ?45 ， 那么車輛在一個(gè)掃描周期內(nèi)橫向移動(dòng)的最大距離 約 為： mS ??? () 設(shè)單個(gè)柵格的邊長為 b ，那么只有 Sb ?? 時(shí)，其柵格圖分辨率才能滿足智能車單位決策時(shí)間內(nèi)對車輛的控制要求。智能車避障行駛最大速度限制為 hkm/40 。 由此 可以規(guī)劃出智能車各種 狀態(tài)下感興趣區(qū)域分布情況，如第三章 道路環(huán)境建模方法研究 31 圖 所示 。 由上一章的論述可知 ，結(jié)構(gòu)化道路中路面寬度一般小于 30 米 ， 智能車城市道路安全距離一般最大規(guī)定為 80米，因此本文 可以認(rèn)為 ， 障礙物 E 所在范圍 受到式 ()，式 ()的約束 ： 此約束范圍為智能車結(jié)構(gòu)化道路識(shí)別感興趣區(qū)域，此區(qū)域又可劃分為直線行駛感興趣區(qū)域和避障行駛感興趣區(qū)域（彎道行駛也可以看成是車輛轉(zhuǎn)彎時(shí)的避障行駛）。影響智能車結(jié)構(gòu)化道路行駛最重要的參數(shù)就是道路環(huán)境中障礙物和道路邊沿的位置。 (2)該 方法只 適 用于障礙物和無人駕駛車本身移動(dòng)速度不是很高的情況下，速度過快時(shí)由于決策時(shí)間過長容易產(chǎn)生危險(xiǎn)。 同時(shí)傳統(tǒng)柵格法也有許多缺點(diǎn)： (1)無法解決算法精度和算法時(shí)間的沖突問題。 (3)智能車對所 檢測 的障礙物具體形狀并不關(guān)心，這樣有利于處理激光雷達(dá)所識(shí)別的障礙物數(shù)據(jù)。 第三章 道路環(huán)境建模方法研究 30 傳統(tǒng)柵格法特點(diǎn)分析 傳統(tǒng)柵格法構(gòu)造柵格地圖的方法比較簡單，它的優(yōu)點(diǎn)在于： (1)創(chuàng)建和維護(hù)柵格地圖相對容易，它利用形狀相對固定的網(wǎng)格單元來近似的覆蓋道路環(huán)境空間，每個(gè)柵格單元都有規(guī)則的邊界，所以分解柵格過程簡單，容易實(shí)現(xiàn)，并且可以根據(jù)不同的要求來改變最小分 辨率，有很強(qiáng)的適應(yīng)性。 對于移動(dòng)實(shí)體，柵格法 把它抽象成一定大小的方格，把障礙物所占 有區(qū)域劃分到已經(jīng)形成的柵格中，并規(guī)定障礙物所占據(jù)的柵格數(shù)為整數(shù)。 將整個(gè)柵格地圖對應(yīng)到柵格坐標(biāo)系中，設(shè) g 為任意柵格， 那么 g 在柵格坐標(biāo)系中有確定的坐標(biāo) ),( ji ， 則柵格地圖 G 可以表示為： },10),(|),({ NjZijigjigG ???????? () 其中 i 表示柵格所在的列數(shù)， j 表示柵格所在的行數(shù)， i 和 j 均是 整 數(shù)。 圖 世界 坐標(biāo)系下柵格圖的創(chuàng)建 圖 柵格圖的標(biāo)識(shí) 對于二維空間中劃分的柵格地圖 G 可以 用序號(hào)法 來標(biāo)識(shí)，如圖 所示 。 將整個(gè)環(huán)境分割成邊長相同的二維矩形柵格，柵格的邊長根據(jù)智能車自身尺寸，速度和對環(huán)境表示的需要進(jìn)行綜合選取。 傳統(tǒng)柵格法道路環(huán)境建模 基于車身世界坐標(biāo)系下的傳統(tǒng)柵格圖的建立 傳統(tǒng)柵格地圖模型通常建立在笛卡爾直角坐標(biāo)系中：將猛士智能車世界第三章 道路環(huán)境建模方法研究 29 坐標(biāo)系原點(diǎn)作為柵格圖原點(diǎn)，即車頭正前方中心的初始位 置 點(diǎn)定義為坐標(biāo)原點(diǎn) )0,0( ，橫向右側(cè)方向定義為 X 軸的正方 向 建立笛卡爾 坐標(biāo)系。然而智能車又不同于機(jī)器人，它體積比較龐大，移動(dòng)方向也有一定限制。 在結(jié)構(gòu)化道路中，一般存在行人，車輛，路障和隔離帶等制約車輛行駛的障礙物體，它們有些是靜止的，但有些是移動(dòng)的。對于大尺度環(huán)境，柵格地圖表示方法的一個(gè)最大難點(diǎn)就是在單元格分辨率與計(jì)算復(fù)雜度之間找到平衡。但也存在問題， 柵格法以柵格為單位記錄環(huán)境信息，柵格的大小直接影響著環(huán)境信息存儲(chǔ)量的大小和規(guī)劃時(shí)間的長短，如果柵格劃分大了，環(huán)境信息存儲(chǔ)量小，規(guī)劃時(shí)間短，但分辨率下降，在密集環(huán)境下發(fā)現(xiàn)路徑的能力減弱。柵格大多采用四叉樹或者八 叉樹表示工作環(huán)境，然后通過某種優(yōu)化算法在柵格圖中搜索一條從起始柵格到目標(biāo)柵格的路徑來完成路徑規(guī)劃，一般來說，路徑是用柵格的序號(hào)表示。用尺寸相同的柵格對二維工作空間進(jìn)行劃分，柵格的大小以機(jī)器人自身的尺寸為準(zhǔn)。 柵格法是由 W． E． Howd 在 1968 年提出的，它是基于柵第三章 道路環(huán)境建模方法研究 28 格地圖實(shí)施的決策方法，一開始是用以地面機(jī)器人的路徑規(guī)劃，后來又被其他研究者擴(kuò)展到機(jī)器人導(dǎo)航、避障控制、位姿估計(jì)等方面。它的最大缺點(diǎn)在于環(huán)境改變后必須重新學(xué)習(xí)．而智能車行駛路面是時(shí)時(shí)刻刻都在變化的，這在結(jié)構(gòu)化道路信息不完整或環(huán)境突變的情況下難以應(yīng)用。神經(jīng)網(wǎng)絡(luò)是一個(gè)高度并行的分布式系統(tǒng)，可以充分利用其非線性處理能力達(dá)到環(huán)境及障礙物辨識(shí)的目的。 神經(jīng)網(wǎng)絡(luò)法。這樣搜索行駛 路徑的問題就轉(zhuǎn)化為從起點(diǎn)到目標(biāo)點(diǎn)經(jīng)過這些可視直線的最短距離問題。 可視圖法。其基本思路是把路面環(huán)境變成節(jié)點(diǎn)和支路所組成的復(fù)雜網(wǎng)絡(luò) ，而把“面”的問題用“路”的形式表現(xiàn)出來，然后可以用電路理論來求解網(wǎng)絡(luò) [33]。 為建立環(huán)境模型，智能車必須通過自身攜帶的傳感器感知外部 環(huán)境 ，并對獲得的信息進(jìn)行加工以產(chǎn)生可供規(guī)劃的地圖。 第三章 道路環(huán)境建模方法研究 27 第 三 章 道路 環(huán)境 建模方法 研究 環(huán)境 建模概述 所謂環(huán)境建模是指建立合理的數(shù)學(xué)模型來描述 研究目標(biāo)的 工作環(huán) 境 [31]，智能車 環(huán)境建模是智能車路徑規(guī)劃的核心組成部分之一，它的作用就是在具有障礙物的道路環(huán)境中按照一定的評(píng)價(jià)標(biāo)準(zhǔn)，建立一個(gè)能夠描述環(huán)境的數(shù)據(jù)模型 [32]。 然后 重點(diǎn)分析了路面可行駛區(qū)域的識(shí)別方法，提出基于 投票法的路面直線搜索方法， 對識(shí)別速度慢和道路復(fù)雜等情況 創(chuàng)新性的 提出了算法的改進(jìn)。加入掃描點(diǎn)的距離參數(shù)后，對路面直線的檢測準(zhǔn)確率有了較大提高，如圖 。假設(shè)智能車初始處于無障礙的水平路面， 則距離車身較近的點(diǎn)屬于路面直線的概 率第二章 基于激光雷達(dá)的車載平臺(tái)設(shè)計(jì) 26 也較大。在 這些情況下就需要對路面識(shí)別算法做一定的改進(jìn)。 圖 跟蹤算法中搜索區(qū)域的變化情況 第二章 基于激光雷達(dá)的車載平臺(tái)設(shè)計(jì) 25 圖 路面直線識(shí)別算法所用時(shí)間 （ 2）復(fù)雜情況的改進(jìn) 前方路面平坦的情況下 ， 投票法搜索效果較好 ， 但是在正前方出現(xiàn)某些復(fù)雜情況時(shí)，所擬合路面直線可信度會(huì)較低。圖 表示雷達(dá)處于相同俯仰角度路面直線搜索區(qū)域變化情況，圖 表示同樣情況下完成時(shí)間變化情 況。 具體的說，路面直線搜索范圍是指 式 ()中直線的點(diǎn) ),( 00 yx 和斜率 k 的范圍。 0s ： 路面識(shí)別有效的最低可信度，一般根據(jù) 實(shí)驗(yàn) 確定 。 101??????jjj ssDD () 式中： jD? ： 第 j 次路面直線搜索范圍 。在這種情況下，如果算法識(shí)別出的路面直線可信度較高時(shí)，可進(jìn)一步 減小 下一次搜索區(qū)域。 第二章 基于激光雷達(dá)的車載平臺(tái)設(shè)計(jì) 24 改進(jìn)投票法的一個(gè)重要措施就是動(dòng)態(tài)改變每一次路面直線搜索區(qū)域的大小。但事實(shí)上，盡管近年來計(jì)算機(jī)的處理能力有了很大的提高，但仍然不能完全滿足智能車復(fù)雜傳感器系統(tǒng)的大量計(jì)算。 （ 1） 搜索時(shí)間的優(yōu)化 實(shí)驗(yàn)中研究人員 發(fā)現(xiàn)，在尋找路面直 線時(shí)，由于投票法搜索范圍太大，導(dǎo)致核心計(jì)算機(jī)搜索時(shí)間太長，影響識(shí)別效率。 圖 雷達(dá)掃描一個(gè)周期內(nèi)點(diǎn)屬于直線概 率 改進(jìn) 投票法 的 道路識(shí)別算法 由于環(huán)境復(fù)雜，搜索范圍大等因素，在使用投票法處理路面直線時(shí)，有時(shí)會(huì)出現(xiàn)路面直線尋找錯(cuò)誤或可信度不高等情況。不妨設(shè)任意點(diǎn)屬于路面直線的概率 閾值為 ? ， 當(dāng) ? ? ??jif , 時(shí)認(rèn)為該點(diǎn)屬于路面直線，為路面可行使區(qū)域內(nèi)點(diǎn)； 當(dāng) ? ? ??jif , 時(shí)，認(rèn)為該點(diǎn)不屬于路面直線，為路邊沿外不可行使區(qū)域點(diǎn)。如圖 ，可以根第二章 基于激光雷達(dá)的車載平臺(tái)設(shè)計(jì) 23 據(jù)實(shí)際情況確定 ? 的值。 通過實(shí)驗(yàn)驗(yàn)證可以確定一個(gè)路面直線可信度閾值 ? ， 當(dāng) ??? 時(shí)，所求直線 M 是路面直線，當(dāng) ??? 時(shí)，路面直線識(shí)別失敗。因此實(shí)際計(jì)算過程中，可以將指定直線可信度計(jì)算面積 Q 限制在一個(gè)合理的范圍內(nèi)，本文對直線附近距離在 3 以內(nèi)的點(diǎn)進(jìn)行計(jì)算，如圖 所示。分析 該式 可以發(fā)現(xiàn)，由于本文中定義了點(diǎn)屬于路面直線的概率與其到直線的距離平方成反比關(guān)系，因此當(dāng)數(shù)據(jù)點(diǎn)遠(yuǎn)離直線后，屬于直線的概率急劇變小。其處理方法是認(rèn)為給定的雷達(dá)識(shí)別數(shù)據(jù)中所有點(diǎn)都屬于道路可行駛區(qū)域內(nèi)的點(diǎn)，通過實(shí) 驗(yàn)標(biāo)定可得到理想直線的概率值 0P ， 那么 得到所求直線 M 是所求路面直線的可信度為： 0/)( PMP?? () 對上述可計(jì)算可信度計(jì)算函數(shù)進(jìn)行如下分析： 如果點(diǎn) ? ?jip, 正好在路面直線上，則取其距離值為 1；如果該點(diǎn)到路面直線距離小于 1 也以 1 計(jì) 算。 N 條直線出現(xiàn)的先驗(yàn)概率為),2,1)(( NnMP n ???? 設(shè)為相等。 d 為點(diǎn)到給定直線 M 的距離， ? 為系數(shù)。 圖 路面直線的擬合 設(shè)所要尋找的路面直線為 M ，那么 M 應(yīng)該滿足 )( 00 xxkyy ??? () 那么對于任一雷達(dá)掃描數(shù)據(jù)點(diǎn) ? ?jip , 屬于該直線的概率為： ? ? ????????1,11,1, 2dddjif ? () 可以這么認(rèn)為，點(diǎn) ? ?ji, 為雷達(dá)獲取路面信息中的任意一點(diǎn)，該點(diǎn)有可能是經(jīng)過預(yù)處理后路面可行使區(qū)域范圍內(nèi)構(gòu)造的路面直線上的點(diǎn)。 本文把它應(yīng)用于路面直線的搜索，其原理是：在經(jīng)過預(yù)處理的雷達(dá)道路數(shù)據(jù) 圖像 上，在識(shí)別出的路面點(diǎn)所在的一定區(qū)域范圍內(nèi)，計(jì)算所有可能的路面點(diǎn) 屬于該直線的概率之和，并進(jìn)行歸一化后的值作為路面直線的可信度。根據(jù)實(shí)際情況，本文采用直線道路邊界模型。因?yàn)?圖像 中道路邊界的形狀存在多種可能性，在選擇模型函數(shù)的維數(shù)、變量和參數(shù)時(shí)，不僅要考慮函數(shù)所能表達(dá)的形狀多樣性，還應(yīng)綜合考慮對實(shí)際道路描述的準(zhǔn)確性和系統(tǒng)完成計(jì)算的實(shí)時(shí)性。道路的宏觀形狀可以分為直線型和曲線型。本文提出的道路可行使區(qū)域約束從道路的宏觀特征出發(fā)，利用直線道路模型對整個(gè)數(shù)據(jù) 圖像 進(jìn)行宏觀分析，克服 圖像 局部細(xì)節(jié)即數(shù)據(jù) ―點(diǎn) ‖的影響，從而達(dá)到提高道路識(shí)別可靠性的目的。 圖 SICK 雷達(dá)一次掃描成像 雷達(dá)數(shù)據(jù)信息圖像中既包含了道路可 行使區(qū)域點(diǎn)的信息，也包括大量的路邊沿不可行駛區(qū)域干擾信息。要找到道路邊沿信息，必須把雷達(dá)單次掃描數(shù)據(jù)點(diǎn)分成可行使區(qū)域點(diǎn)和不可行駛區(qū)域點(diǎn)。從上節(jié)的分析 可以知道，由于雷達(dá)在橫向掃描的過程中，受到云臺(tái)縱向擺動(dòng)的影響，因此相比靜態(tài)掃描，它的掃描成像會(huì)有一定范圍的偏移 。 第二章 基于激光雷達(dá)的車載平臺(tái)設(shè)計(jì) 20 圖 道路邊沿高度差示意圖 圖 雷達(dá)俯視掃描示意圖