祿 盛，黃顯杭，蘇 嶺，蕭 紅，樸昌浩

(1.重慶郵電大學(xué)模式識(shí)別及應(yīng)用研究所，重慶400065;2.重慶長(zhǎng)安新能源汽車(chē)有限公司，重慶400023)

0 引言

自動(dòng)泊車(chē)系統(tǒng)是一種能夠快速、安全地使車(chē)輛自動(dòng)駛?cè)氩窜?chē)位的智能泊車(chē)輔助系統(tǒng)，它通過(guò)超聲波以及圖像傳感器感知車(chē)輛周?chē)h(huán)境信息來(lái)識(shí)別泊車(chē)車(chē)位，并根據(jù)車(chē)輛與停車(chē)位的相對(duì)位置信息，產(chǎn)生相應(yīng)的泊車(chē)軌跡并控制車(chē)輛的速度和方向盤(pán)轉(zhuǎn)向完成自動(dòng)泊車(chē)。與駕駛員泊車(chē)操作復(fù)雜、泊車(chē)時(shí)間長(zhǎng)、泊車(chē)安全事故率高相比，自動(dòng)泊車(chē)系統(tǒng)提供了一種簡(jiǎn)單、方便的泊車(chē)功能，降低了泊車(chē)操作時(shí)的難度，提高了車(chē)輛的智能化水平。目前，自動(dòng)泊車(chē)系統(tǒng)的開(kāi)發(fā)也成為國(guó)內(nèi)主流汽車(chē)主動(dòng)安全研究的重要方向之一。

在自動(dòng)泊車(chē)系統(tǒng)開(kāi)發(fā)過(guò)程中，自動(dòng)泊車(chē)系統(tǒng)建模與仿真是實(shí)現(xiàn)自動(dòng)泊車(chē)系統(tǒng)開(kāi)發(fā)的核心技術(shù)之一，是提高自動(dòng)泊車(chē)系統(tǒng)綜合性能、可靠性、安全性和降低開(kāi)發(fā)成本的重要環(huán)節(jié)。目前，現(xiàn)有的文獻(xiàn)大多集中在對(duì)自動(dòng)泊車(chē)系統(tǒng)某一組成部分方面的建模研究，如自動(dòng)泊車(chē)系統(tǒng)車(chē)輛運(yùn)動(dòng)學(xué)模型［1］、基于最小半徑的軌跡生成模型［2］、基于不等半徑的軌跡生成模型［3］、基于模糊控制的軌跡生成模型［4］，對(duì)自動(dòng)泊車(chē)系統(tǒng)建模研究還不夠完善。

對(duì)自動(dòng)泊車(chē)系統(tǒng)建模與仿真的研究，不僅能夠快捷地模擬泊車(chē)環(huán)境(車(chē)輛尺寸、泊車(chē)位尺寸、車(chē)輛起始位置等)，仿真驗(yàn)證不同環(huán)境下的車(chē)位匹配、轉(zhuǎn)向控制、軌跡生成、軌跡控制等算法的有效性，從而提高算法在不同泊車(chē)環(huán)境下的適應(yīng)性，并且能夠很好地預(yù)測(cè)各種環(huán)境下的系統(tǒng)性能，驗(yàn)證在實(shí)車(chē)工作環(huán)境下自動(dòng)泊車(chē)系統(tǒng)算法的有效性和可靠性。這樣，不但可以實(shí)現(xiàn)靈活地調(diào)整設(shè)計(jì)方案，合理優(yōu)化參數(shù)，而且可以降低開(kāi)發(fā)成本，縮短開(kāi)發(fā)周期，提高自動(dòng)泊車(chē)系統(tǒng)開(kāi)發(fā)的效率。由此可見(jiàn)，自動(dòng)泊車(chē)系統(tǒng)建模研究對(duì)自動(dòng)泊車(chē)系統(tǒng)顯得尤其重要，是直接決定其穩(wěn)定性、可靠性、安全性和開(kāi)發(fā)效率的關(guān)鍵技術(shù)之一，所以，對(duì)本課題的研究勢(shì)在必行。

1 自動(dòng)泊車(chē)系統(tǒng)建模

1.1 車(chē)輛運(yùn)動(dòng)學(xué)模型

在研究自動(dòng)泊車(chē)系統(tǒng)時(shí)，首先需要確定車(chē)輛運(yùn)動(dòng)姿態(tài)，研究車(chē)輛的運(yùn)動(dòng)軌跡。因此，需要建立車(chē)輛運(yùn)動(dòng)學(xué)模型［5］。在整個(gè)自動(dòng)泊車(chē)過(guò)程中，車(chē)輛總是處于一種低速行駛狀態(tài)，車(chē)輛在低速行駛過(guò)程中不會(huì)出現(xiàn)滑動(dòng)和側(cè)向移動(dòng)，為此，在這種情況下建立車(chē)輛運(yùn)動(dòng)學(xué)模型如圖1所示。

根據(jù)車(chē)輛運(yùn)動(dòng)學(xué)模型可以得到以下關(guān)系式。

(1)式中:β為車(chē)輛車(chē)軸和水平方向的夾角;α為車(chē)輛前輪和車(chē)輛車(chē)軸的夾角;xrc為后軸中心點(diǎn)橫坐標(biāo);yrc為后軸中心點(diǎn)縱坐標(biāo);V為車(chē)輛的運(yùn)動(dòng)速度;W為車(chē)輛的軸距。從上面的分析可以得知，汽車(chē)模型具有3個(gè)控制狀態(tài)變量:xrc，yrc，α以及一個(gè)輸出狀態(tài)變量β，便可以構(gòu)建車(chē)輛運(yùn)動(dòng)學(xué)Simulink模塊，如圖2所示。

圖1 車(chē)輛運(yùn)動(dòng)學(xué)模型Fig.1 Kinematic model of the vehicle

圖2 車(chē)輛運(yùn)動(dòng)學(xué)Simulink模塊Fig.2 Vehicle kinematics Simulink blocks

1.2 車(chē)位匹配模型

車(chē)位匹配是基于安裝在車(chē)輛后方的廣角攝像頭采集的圖像信息實(shí)現(xiàn)。但廣角攝像頭成像模型與小孔成像模型(線性模型)存在一定差異，從而使得廣角攝像頭采集的圖像信息與實(shí)際的圖像之間存在一定的畸變。為了能夠得到實(shí)際的圖像信息、消除圖像畸變，采用文獻(xiàn)［6］的標(biāo)定方法對(duì)采集的圖像進(jìn)行畸變矯正，從而得到實(shí)際的圖像信息。

車(chē)位匹配的目的主要有2個(gè):①能夠確定目標(biāo)車(chē)位;②能夠確定目標(biāo)車(chē)位與車(chē)輛之間的位置關(guān)系。因此，在不使用GPS、慣性導(dǎo)航［7］等價(jià)格昂貴的定位系統(tǒng)下，采用了一種既方便又準(zhǔn)確的圖像測(cè)距方法。根據(jù)標(biāo)定后的攝像頭參數(shù)建立攝像頭成像幾何模型［8］，如圖3 所示。

由攝像頭幾何成像模型的幾何關(guān)系可得到公式(2)。

(2)式中:h是攝像頭與地面之間的距離;α為攝像頭垂直視角射線與地平面y軸之間的夾角;Sx和Sy分別是圖像的行數(shù)和列數(shù);y是點(diǎn)P(x，y)在世界坐標(biāo)系xoy下的縱坐標(biāo)，即目標(biāo)點(diǎn)與攝像頭在垂線方向下的距離;x是點(diǎn)P(x，y)在世界坐標(biāo)系xoy下的橫坐標(biāo)，即目標(biāo)點(diǎn)與攝像頭在水平方向上的距離;L是所求目標(biāo)點(diǎn)與攝像頭的距離。但是該方法在進(jìn)行圖像測(cè)距時(shí)有一定局限性，該方法只能在攝像頭成像平面為同一個(gè)平面時(shí)才能進(jìn)行測(cè)距運(yùn)算。當(dāng)h=0.9 m以及 α=30°，該方法所能測(cè)量的距離為0.5～3 m，不滿足泊車(chē)位匹配測(cè)距最小要求0.5～9 m。

圖3 攝像頭幾何成像模型Fig.3 Geometrical imaging model of camera

在實(shí)驗(yàn)中，本文中的攝像頭安裝及采集范圍示意圖如圖4所示。

圖4 攝像頭安裝及采集范圍示意圖Fig.4 Location of camera and the capture range of camera

圖4中，攝像頭(C點(diǎn))安裝于車(chē)尾，并以攝像頭為坐標(biāo)原點(diǎn)建立如圖4所示坐標(biāo)系。在實(shí)際測(cè)量圖像坐標(biāo)與世界坐標(biāo)之間的映射點(diǎn)時(shí)，通過(guò)對(duì)測(cè)量數(shù)據(jù)的分析與處理，發(fā)現(xiàn)圖像坐標(biāo)中Y軸(即V)像素點(diǎn)所對(duì)應(yīng)的世界坐標(biāo)y軸中的實(shí)際縱向距離滿足反比例函數(shù)關(guān)系，圖像坐標(biāo)中X軸(即U)像素點(diǎn)所對(duì)應(yīng)的世界坐標(biāo)x軸中的實(shí)際橫向距離滿足正比例函數(shù)關(guān)系，如公式(3)。

公式(3)表示世界坐標(biāo)中點(diǎn)(x，y)轉(zhuǎn)化為圖像坐標(biāo)中點(diǎn)(U，V);X表示世界坐標(biāo)中y所在行所對(duì)應(yīng)的最大橫向距離。攝像頭采集的圖像大小為640×480，圖像坐標(biāo)軸中心點(diǎn)為(320，0)。該方法實(shí)現(xiàn)的圖像測(cè)距為0.5～9.5 m，圖像測(cè)距數(shù)據(jù)絕對(duì)誤差為0～15 cm。

通過(guò)該方法便可以在圖像系統(tǒng)中建立一個(gè)與實(shí)際車(chē)位大小相同的帶有測(cè)距功能的虛擬車(chē)位，在圖像系統(tǒng)中對(duì)虛擬車(chē)位進(jìn)行前后左右以及左旋、右旋等操作便可以實(shí)現(xiàn)對(duì)實(shí)際車(chē)位的位置匹配與定位，從而可以獲得車(chē)輛與車(chē)位之間的橫向距離及縱向距離，為軌跡生成提供了車(chē)輛與車(chē)位之間的距離參數(shù)。平行泊車(chē)車(chē)位和垂直泊車(chē)車(chē)位匹配圖如圖5所示。

圖5 車(chē)位匹配圖Fig.5 Parking space matching

1.3 軌跡生成模型

利用最小半徑法軌跡生成方法［9］可以將車(chē)輛駛?cè)氩窜?chē)位，但是這種方法具有一定的局限性，其對(duì)車(chē)輛泊車(chē)初始位置范圍較為局限。為了能夠提高自動(dòng)泊車(chē)系統(tǒng)泊車(chē)初始位置的范圍，本文在基于最小半徑方案的基礎(chǔ)上提出了一些改進(jìn)，該方法能夠提高泊車(chē)初始縱向距離范圍。由前文所描述的車(chē)輛運(yùn)動(dòng)學(xué)模型可知，可以通過(guò)該車(chē)輛運(yùn)動(dòng)學(xué)模型求得車(chē)輛運(yùn)動(dòng)過(guò)程中，車(chē)輛后軸中心點(diǎn)在世界坐標(biāo)系的位置坐標(biāo)。本文選用車(chē)輛后軸中心點(diǎn)作為參考點(diǎn)，對(duì)泊車(chē)軌跡進(jìn)行規(guī)劃，如圖6所示。在泊車(chē)準(zhǔn)備過(guò)程中，車(chē)輛由狀態(tài)3駛向狀態(tài)1，當(dāng)車(chē)輛到達(dá)狀態(tài)1時(shí)，可通過(guò)圖像信息匹配車(chē)位后可以獲取包括車(chē)位長(zhǎng)度Lp，S0與車(chē)位底端距離dy，車(chē)輛與障礙物之間的橫向距離dx等信息，其中，S0點(diǎn)為泊車(chē)起始位置時(shí)車(chē)輛后軸中心點(diǎn)，Sd點(diǎn)為泊車(chē)結(jié)束時(shí)車(chē)輛后軸中心點(diǎn)(車(chē)輛在車(chē)位中與前后方障礙物保持相同距離)。

圖6 平行泊車(chē)軌跡生成模型Fig.6 Parallel parking trajectory generation model

本文規(guī)劃的軌跡示意圖如圖7所示，泊車(chē)軌跡由3部分組成:直行向后的直線段S0S1;圓弧S1C和圓弧CSd。泊車(chē)過(guò)程如下，當(dāng)車(chē)輛完成車(chē)位匹配后，開(kāi)始進(jìn)行泊車(chē)，泊車(chē)起始位置為S0點(diǎn)，車(chē)輛自動(dòng)倒車(chē)至S1點(diǎn)后開(kāi)始右轉(zhuǎn)向，倒至C點(diǎn)后開(kāi)始左轉(zhuǎn)向，進(jìn)而倒至目標(biāo)點(diǎn)Sd點(diǎn)，從而完成泊車(chē)。

圖7中，坐標(biāo)原點(diǎn)以攝像頭為基準(zhǔn)點(diǎn);Rmin為車(chē)輛的最小轉(zhuǎn)彎半徑，dx為車(chē)輛與車(chē)位之間的橫向距離;dy為車(chē)輛與車(chē)位之間的縱向距離。dx，dy距離參數(shù)可通過(guò)車(chē)位匹配獲取，從而可以根據(jù)幾何關(guān)系計(jì)算泊車(chē)軌跡規(guī)劃中關(guān)鍵點(diǎn)S1，C，Sd的坐標(biāo)。

根據(jù)獲取的泊車(chē)過(guò)程中關(guān)鍵點(diǎn)的坐標(biāo)，進(jìn)而可以計(jì)算出在泊車(chē)過(guò)程中每段軌跡行駛的距離，可得泊車(chē)軌跡方程為

圖7 泊車(chē)軌跡示意圖Fig.7 Parking trajectory Schematic

1.4 軌跡控制模型

自動(dòng)泊車(chē)系統(tǒng)中對(duì)軌跡的控制其實(shí)質(zhì)是對(duì)電子助力轉(zhuǎn)向系統(tǒng)(electric power steering)的控制。電子助力轉(zhuǎn)向系統(tǒng)主要由以下幾個(gè)模塊構(gòu)成:直流電機(jī)、角度傳感器、電機(jī)控制板。對(duì)軌跡的控制模型如圖8所示。

圖8 軌跡控制模型Fig.8 Track control schematic

由圖8可知，對(duì)軌跡的控制其核心是對(duì)直流電機(jī)的控制。電機(jī)模型在零初始條件下的傳遞函數(shù)為

通過(guò)將電機(jī)的實(shí)際參數(shù)代入傳遞函數(shù)中就可在Simulink中構(gòu)建基于PID的軌跡控制模塊，如圖9所示。

圖9 軌跡控制Simulink模塊Fig.9 Trajectory control Simulink blocks

1.5 泊車(chē)環(huán)境模型

在自動(dòng)泊車(chē)過(guò)程中，車(chē)輛參數(shù)和泊車(chē)環(huán)境參數(shù)可對(duì)泊車(chē)過(guò)程產(chǎn)生影響。對(duì)于確定車(chē)輛而言，車(chē)輛參數(shù)如車(chē)長(zhǎng)、車(chē)寬、前懸、最小轉(zhuǎn)彎半徑固定不變，對(duì)泊車(chē)過(guò)程產(chǎn)生的影響僅為泊車(chē)環(huán)境參數(shù)即停車(chē)位長(zhǎng)度、停車(chē)位寬度、車(chē)輛與泊車(chē)位之間的距離以及泊車(chē)位前后的障礙物情況。因此，對(duì)泊車(chē)環(huán)境模型的建立尤為重要。

在環(huán)境建模中，WIJK［10］開(kāi)發(fā)出超聲波數(shù)據(jù)基于三角的融合方(triangulation－based fusion，TBF)來(lái)識(shí)別周?chē)矬w，主要通過(guò)計(jì)算圓的交點(diǎn)和應(yīng)用多個(gè)連續(xù)位置處的超聲波數(shù)據(jù)的角度約束來(lái)實(shí)現(xiàn)，成功實(shí)現(xiàn)對(duì)周?chē)h(huán)境建模。本文采用TBF算法對(duì)多個(gè)超聲波數(shù)據(jù)進(jìn)行處理，將所得到的超聲波數(shù)據(jù)，采用最小二乘法，遞增式提取環(huán)境特征，得到環(huán)境模型。其在Matlab中的仿真圖如圖10所示。

2 仿真

在Simulink中搭建仿真模型，并在MATLAB中構(gòu)建GUI(graphical user interface)圖形仿真界面。根據(jù)試驗(yàn)車(chē)的具體參數(shù)分別對(duì)不同泊車(chē)環(huán)境條件進(jìn)行自動(dòng)泊車(chē)系統(tǒng)動(dòng)態(tài)仿真，仿真結(jié)果如圖11和圖12所示。圖11表示在泊車(chē)過(guò)程中通過(guò)車(chē)位匹配獲取車(chē)輛與車(chē)位之間的位置關(guān)系，圖12表示根據(jù)獲取的位置關(guān)系生成理想泊車(chē)軌跡并根據(jù)軌跡參數(shù)進(jìn)行PID(proportion integral differential)控制方向盤(pán)實(shí)現(xiàn)泊車(chē)。

在仿真系統(tǒng)中，車(chē)位匹配、軌跡生成、軌跡控制等自動(dòng)泊車(chē)系統(tǒng)核心算法得到有效的運(yùn)用。在不同環(huán)境下(不同的泊車(chē)初始位置)的自動(dòng)泊車(chē)仿真結(jié)果如圖13所示，其中，a，b，c，d分別表示車(chē)輛與泊車(chē)位(泊車(chē)軌跡生成中S0與Sd之間的距離)橫向距離為245 cm，265 cm，295 cm，330 cm，縱向距離為800 cm，800 cm，800 cm，800 cm 時(shí)泊車(chē)系統(tǒng)仿真過(guò)程。其中，e，f，g，h分別表示車(chē)輛與泊車(chē)位(泊車(chē)軌跡生成中S0與Sd之間的距離)橫向距離為265 cm，265 cm，265 cm，265 cm，縱向距離為 800 cm，750 cm，700 cm，640 cm時(shí)泊車(chē)系統(tǒng)仿真過(guò)程。其仿真結(jié)果表明，在滿足基于改進(jìn)型最小半徑軌跡生成方法的泊車(chē)初始范圍條件下，在不同泊車(chē)環(huán)境下車(chē)位匹配、軌跡生成、軌跡控制等自動(dòng)泊車(chē)系統(tǒng)核心算法能夠在該仿真系統(tǒng)中有效協(xié)同工作。其中，圖13 中，a，b，c，e，f，g 仿真結(jié)果均為成功，其泊車(chē)初始范圍滿足基于改進(jìn)型最小半徑軌跡生成方法的泊車(chē)限制條件。圖13中，d，h仿真結(jié)果均為失敗，其泊車(chē)初始范圍不滿足基于改進(jìn)型最小半徑軌跡生成方法的泊車(chē)限制條件。

圖10 基于Triangular－based fusion的泊車(chē)環(huán)境模型仿真Fig.10 Simulation map of parking’s environment model based on triangular－based fusion

圖11 自動(dòng)泊車(chē)過(guò)程中車(chē)位匹配Fig.11 Automatic parking spaces matching

3 實(shí)驗(yàn)結(jié)果

首先，根據(jù)汽車(chē)庫(kù)建筑設(shè)計(jì)規(guī)范搭建一個(gè)長(zhǎng)600 cm，寬240 cm的平行泊車(chē)位，如圖14所示。實(shí)驗(yàn)車(chē)輛以10 km/h的速度經(jīng)過(guò)泊車(chē)位后，超聲波車(chē)位檢測(cè)系統(tǒng)便能夠檢測(cè)出待泊車(chē)位。通過(guò)圖像信息的車(chē)位匹配系統(tǒng)便能夠確定車(chē)輛與待泊車(chē)位之間的位置關(guān)系，如圖15所示。自動(dòng)平行泊車(chē)系統(tǒng)示意圖如圖16所示。

圖12 自動(dòng)泊車(chē)過(guò)程中軌跡生成和軌跡控制Fig.12 Automatic parking processes trajectory generation and trajectory control

圖15 車(chē)位匹配與軌跡生成Fig.15 Parking spaces matching and trajectory generation

采用相同的泊車(chē)位大小，不同的泊車(chē)初始環(huán)境(不同的橫向距離dx和縱向距離dy)并結(jié)合車(chē)位匹配、轉(zhuǎn)向控制、軌跡生成、軌跡控制算法分別在仿真系統(tǒng)和實(shí)車(chē)系統(tǒng)進(jìn)行泊車(chē)測(cè)試。

通過(guò)比較仿真系統(tǒng)和實(shí)車(chē)系統(tǒng)泊車(chē)過(guò)程中轉(zhuǎn)向關(guān)鍵點(diǎn)S1，C，Sd的車(chē)輛方向盤(pán)轉(zhuǎn)向角度以及車(chē)輛后軸中心點(diǎn)與目標(biāo)泊入車(chē)位后車(chē)輛后軸中心點(diǎn)所在位置的橫向距離與縱向距離，分析所建立的自動(dòng)泊車(chē)系統(tǒng)模型是否有效。其仿真系統(tǒng)測(cè)試結(jié)果如表1所示，實(shí)車(chē)系統(tǒng)測(cè)試結(jié)果如表2所示。

表1 不同環(huán)境下的仿真系統(tǒng)泊車(chē)關(guān)鍵點(diǎn)測(cè)試數(shù)據(jù)Tab.1 Parking key points test data in simulation system in different contexts

通過(guò)分析表1、表2中數(shù)據(jù)可知，在相同環(huán)境下，分別在仿真系統(tǒng)與實(shí)車(chē)系統(tǒng)進(jìn)行10組泊車(chē)測(cè)試。其中，在關(guān)鍵點(diǎn)S1處，仿真數(shù)據(jù)與實(shí)車(chē)數(shù)據(jù)中車(chē)輛方向盤(pán)轉(zhuǎn)向角度相對(duì)誤差在0.9%以內(nèi)，軌跡控制橫向距離相對(duì)誤差在2.8%以內(nèi)，縱向距離相對(duì)誤差在2.1%以內(nèi)。在關(guān)鍵點(diǎn)C處，仿真數(shù)據(jù)與實(shí)車(chē)數(shù)據(jù)中車(chē)輛方向盤(pán)轉(zhuǎn)向角度相對(duì)誤差在1.1%以內(nèi)，軌跡控制橫向距離相對(duì)誤差在2.9%以內(nèi)，縱向距離相對(duì)誤差在1.9%以內(nèi)。在關(guān)鍵點(diǎn)Sd處，仿真數(shù)據(jù)與實(shí)車(chē)數(shù)據(jù)中車(chē)輛方向盤(pán)轉(zhuǎn)向角度相對(duì)誤差在0.8%以內(nèi)，軌跡控制橫向距離相對(duì)誤差在3.3%以內(nèi)，縱向距離相對(duì)誤差在1.8%以內(nèi)。由試驗(yàn)數(shù)據(jù)分析可得，本文構(gòu)建的自動(dòng)泊車(chē)系統(tǒng)模型有效。

圖16 自動(dòng)平行泊車(chē)系統(tǒng)示意圖Fig.16 Automatic parallel parking system Schematic diagram

4 誤差分析

本文在相同環(huán)境下，分別在仿真系統(tǒng)與實(shí)車(chē)系統(tǒng)中進(jìn)行泊車(chē)實(shí)驗(yàn)，其實(shí)驗(yàn)結(jié)果表明仿真系統(tǒng)和實(shí)車(chē)系統(tǒng)在方向盤(pán)角度控制數(shù)據(jù)以及行駛距離控制數(shù)據(jù)中都存在一定誤差。通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行仔細(xì)分析，現(xiàn)總結(jié)誤差原因如下:車(chē)輛運(yùn)動(dòng)學(xué)模型主要是基于實(shí)際測(cè)量車(chē)輛的參數(shù)為基礎(chǔ)實(shí)現(xiàn)。本文在對(duì)車(chē)輛參數(shù)進(jìn)行測(cè)量時(shí)，由于測(cè)量精度不高導(dǎo)致了測(cè)量數(shù)據(jù)存在±5 cm以內(nèi)的測(cè)量誤差。

車(chē)位匹配模型是基于圖像測(cè)距算法功能實(shí)現(xiàn)。由于在對(duì)圖像坐標(biāo)與世界坐標(biāo)之間映射點(diǎn)進(jìn)行測(cè)量時(shí)存在測(cè)量誤差，導(dǎo)致了本文中設(shè)計(jì)的圖像測(cè)距算法在進(jìn)行圖像測(cè)距時(shí)存在15 cm測(cè)量誤差。

軌跡生成模型是基于車(chē)輛最小轉(zhuǎn)彎半徑實(shí)現(xiàn)。本文在對(duì)車(chē)輛最小轉(zhuǎn)彎半徑進(jìn)行測(cè)量時(shí)，主要通過(guò)用卷尺對(duì)車(chē)輛以最大轉(zhuǎn)向角度進(jìn)行圓周運(yùn)動(dòng)時(shí)右前輪留下的軌跡的半徑進(jìn)行測(cè)量，在測(cè)量的過(guò)程中會(huì)產(chǎn)生±5 cm以內(nèi)的測(cè)量誤差。

軌跡控制模型是基于理想路面情況(沒(méi)有摩擦力)下實(shí)現(xiàn)。在實(shí)際的轉(zhuǎn)向控制時(shí)，由于路面與輪胎之間的摩擦力，仿真系統(tǒng)與實(shí)車(chē)系統(tǒng)之間在方向盤(pán)轉(zhuǎn)角上有5°以內(nèi)的角度控制誤差(方向盤(pán)轉(zhuǎn)角范圍)。

泊車(chē)環(huán)境模型的建立主要基于超聲波測(cè)距數(shù)據(jù)實(shí)現(xiàn)。本文設(shè)計(jì)的超聲波傳感器測(cè)距系統(tǒng)對(duì)障礙物進(jìn)行距離測(cè)量時(shí)，其測(cè)距系統(tǒng)會(huì)產(chǎn)生±1 cm以內(nèi)的測(cè)距誤差。

由于以上誤差的存在，從而導(dǎo)致了實(shí)驗(yàn)結(jié)果的一些偏差，但其偏差在誤差范圍內(nèi)，經(jīng)過(guò)多次測(cè)試，其實(shí)驗(yàn)結(jié)果基本滿足泊車(chē)要求。

5 結(jié)束語(yǔ)

本文建立了自動(dòng)泊車(chē)系統(tǒng)模型。首先，分析了自動(dòng)泊車(chē)系統(tǒng)模型的架構(gòu)，構(gòu)建了各個(gè)組成部分的數(shù)學(xué)模型。其次，根據(jù)數(shù)學(xué)模型搭建仿真模型并對(duì)系統(tǒng)進(jìn)行動(dòng)態(tài)仿真。然后，結(jié)合仿真數(shù)據(jù)在實(shí)車(chē)上進(jìn)行測(cè)試驗(yàn)證。在相同的泊車(chē)環(huán)境下對(duì)仿真系統(tǒng)與實(shí)車(chē)系統(tǒng)泊車(chē)過(guò)程中關(guān)鍵點(diǎn)進(jìn)行測(cè)量，對(duì)比數(shù)據(jù)結(jié)果表明，車(chē)輛方向盤(pán)轉(zhuǎn)向角度相對(duì)誤差在1.1%以內(nèi)，軌跡控制橫向距離相對(duì)誤差在3.3%以內(nèi)，縱向距離相對(duì)誤差在2.1%以內(nèi)，因此，本文構(gòu)建的自動(dòng)泊車(chē)系統(tǒng)模型有效。由于自動(dòng)泊車(chē)系統(tǒng)開(kāi)發(fā)的復(fù)雜性，本文只在平行泊車(chē)條件下進(jìn)行仿真和驗(yàn)證，對(duì)于垂直泊車(chē)條件下的自動(dòng)泊車(chē)系統(tǒng)模型還需要進(jìn)一步研究。

［1］KHOSHNEJAD M，DEMIRLI K.Autonomous Parallel Parking of a Car－Like Mobile Robot by a Neuro－Fuzzy Behavior－Based Controller ［C］//Annual Meeting of the North American.Ann Arbor，Michigan:Fuzzy Information Processing Society，2005:814 －819.

［2］LIANG Huawei，ZHU Hui，WANG Shaoping.Research on Self－parking Path Planning Algorithms［C］//2011 IEEE International Conference.Beijing，China:Vehicular Electronics and Safety，2011:258－262.

［3］楊妮娜，梁華為，王少平.平行泊車(chē)的路徑規(guī)劃方法及其仿真研究［J］.電子測(cè)量技術(shù)，2011，34(1):42－45.YANG Nina，LIANG Huawei，WANG Shaoping..Trajectory Planning Method and Simulation Research of Parallel Parking［J］.Electronic Measurement Technology，2011，34(1):42－45.

［4］王萍.基于模糊控制理論的平行泊車(chē)系統(tǒng)研究［J］.佳木斯工學(xué)院學(xué)報(bào)，2012，30(1):28－32.WANG Ping.Research on Parallel Parking System Based on Fuzzy Control Theory［J］.Journal of Jiamusi University，2012，30(1):28－32.

［5］REN Xiaoping.Kinematics Model of Unmanned Driving Vehicle［C］//Proceedings of the 8th World Congress.Jinan，China:Intelligent Control and Automation，2010:5910－5914.

［6］ZHANG Zhengyou.A Flexible New Technique for Camera Calibration［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22(11):1330－1334.

［7］CHEN C H，HSU C W.A Novel Design for Full Automatic Parking System ［C］//The 12the International Conference.Taipei，China:ITS Telecommunications，2012:175－179.

［8］趙玲，劉清.基于機(jī)器人單目視覺(jué)導(dǎo)航的測(cè)距方法研究［J］.自動(dòng)化博覽，2006，23(6):80－82.ZHAO Ling，LIU Qing.Study on distance Measure based on Monocular Vision Navigation ［J］.Automation Panorama，2006，23(6):80－82.

［9］CHOI S W，BOUSSARD C.Easy Path Planning and Robust Control for Automatic Parallel Parking ［C］//Preprints of the 18th IFAC.Milano，Italy:World Congress，2011:656－661.

［10］WIJK O，CHRISTENSEN H I.Triangulation－Based Fusion of Sonar Data with Application in Robot Pose Tracking［J］.IEEE Transactions on Robotics and Automation，2000，16(6):740－752.