鄒 斌 ，莊雷雨 ，李超群 ，熊 輝

（1.武漢理工大學 現(xiàn)代汽車零部件技術(shù)湖北省重點實驗室，武漢 430070；2.汽車零部件技術(shù)湖北省協(xié)同創(chuàng)新中心，武漢 430070）

智能車輛是汽車行業(yè)未來發(fā)展的趨勢，它以車載計算終端為載體，利用車載傳感器系統(tǒng)感知周圍的環(huán)境，自主或者輔助控制車輛的速度和方向，使其在道路上安全行駛。在現(xiàn)有環(huán)境感知方法中，機器視覺能夠提供豐富的感知信息，具有無可比擬的優(yōu)勢[1]。但是在機器視覺智能車輛的研究過程中，對視頻信號的采集和反饋處理缺少仿真手段的支持，大多采用攝像頭拍攝實景視頻的方法，視頻信號的采集和反饋很難做到再現(xiàn)，視頻信號中各個信息不能準確方便地獲得，也不能根據(jù)不同的需求獲得不同的場景信號?？紤]到視覺系統(tǒng)的魯棒性和實時性，本文提出了一種基于Matlab/Simulink 3D Animation的智能車視覺仿真和反饋系統(tǒng)，結(jié)合智能車動力學模型與模糊控制算法建立智能車虛擬仿真環(huán)境，實現(xiàn)對虛擬環(huán)境路徑的識別與跟蹤。

1 機器視覺智能車虛擬環(huán)境架構(gòu)

機器視覺智能車虛擬環(huán)境主要包括環(huán)境物理模型、智能車視覺系統(tǒng)和控制系統(tǒng)。3個模塊通過仿真信號的傳遞和反饋結(jié)合成有機整體，機器視覺智能車虛擬環(huán)境架構(gòu)如圖1所示。

圖1 機器視覺智能車虛擬環(huán)境架構(gòu)Fig.1 Framework of the computer vision guided intelligent vehicle virtual environment

物理模型在仿真中的作用是模擬車輛在真實環(huán)境中的行駛規(guī)律，讓整個虛擬系統(tǒng)趨向于真實環(huán)境中實際車輛的運動規(guī)律。其中物理模型由Matlab/ Simulink中的Simmechanics工具箱搭建完成，包含車輛和道路的三維仿真模型和動力學模型。在物理模型仿真過程中，可以通過Matlab/Simulink窗口，實時觀察模型的仿真狀態(tài)，也可以在Simmechanics窗口中回放仿真過程。

視覺系統(tǒng)利用Matlab/Simulink中3D Animation工具箱建立基于VRML語言的虛擬現(xiàn)實環(huán)境，可以根據(jù)需要在場景中添加各種元素，以達到和真實環(huán)境相一致的要求。通過VRsink瀏覽器輸出圖片以及視頻信號，該信號可被編輯處理，可用于系統(tǒng)的反饋控制。整個視覺系統(tǒng)是一個對視頻信號的采集與反饋的仿真環(huán)境，可實現(xiàn)對現(xiàn)實環(huán)境下視覺智能車輛的仿真功能。

而控制系統(tǒng)則是根據(jù)具體的算法和要求，起到連接視覺系統(tǒng)和物理模型的功能。其作用是按照要求完成特定的功能和目標?？刂葡到y(tǒng)的搭建靈活多樣，既可以使用C語言、M語言編寫，也可以使用Simulink搭建控制模型。

2 視覺引導(dǎo)智能車仿真平臺的設(shè)計

2.1 建立物理模型

2.1.1 三維軟件建模

由于Matlab有豐富的外部接口，所以并不需要在Matlab內(nèi)部建立物理模型，可以使用“Simmechanics link”和Vrml文件，將三維模型導(dǎo)入到Matlab中去。

使用PRO/E、Catia、3D MAX等軟件建立車輛、道路和環(huán)境的三維模型，將模型通過“Simmechanics link”插件導(dǎo)入到Simulink中去，導(dǎo)出的格式為Xml文件。同時將以上的三維模型另存為Vrml（Wrl格式）文件。這里的 Xml文件可以直接轉(zhuǎn)化成為Simulink中Simmechanics模型，而Vrml文件則可以連接到Simulink/VRsink中去，搭建虛擬現(xiàn)實模型。為了使仿真速度更快，在智能車相對次要的結(jié)構(gòu)上做相應(yīng)的簡化，使整個系統(tǒng)的實時性更好，比如非主要結(jié)構(gòu)中圓形、弧形等曲線可用多邊形代替。

2.1.2 運動學和動力學模型

通過三維軟件導(dǎo)入到Simmechanics中的模型只包含約束關(guān)系的三維模型，還需要添加整車的動力學和運動學模型[2]。

1）運動學模型

運動學是從幾何角度研究物體的物理規(guī)律，它包括速度、位置及時間的關(guān)系。如圖2所示，在直角坐標系XOY下，（Xr，Yr）和（Xf，Yf）分別為車輛的后軸和前軸中點坐標，φ為車體的橫擺角（航向角）。

圖2 車輛運動學模型Fig.2 Vehicle kinematical model

后軸中心速度為

由車輛的運動學規(guī)律可得：

由式（1）和式（2）聯(lián)立可得：

根據(jù)前后輪關(guān)系：

將式（3）和式（4）代入式（2）中，可得橫擺角速度：

式中：ω為車輛的橫擺角速度；同時可以通過橫擺角速度ω和車身速度vr得到轉(zhuǎn)向輪的半徑R以及前輪的偏角δf：

由式（2）和式（5）可以得到車輛的運動學模型：

2）輪胎與地面接觸力模型

在建立車輛接觸力模型之前，不妨作一下簡化，在保證合理精度的前提下，減小控制算法的計算量。

假設(shè)路面無坑洼不平，不考慮車輛顛簸情況；懸架系統(tǒng)是剛性的，忽略懸架運動；假設(shè)車輛速度不超過10 m/s，簡化輪胎模型，忽略輪胎側(cè)偏角、外傾角以及回正力矩的影響；忽略空氣動力學的影響。摩擦力模型示意圖如圖3所示。

圖3 車輛輪胎與地面接觸力模型Fig.3 Mechanical model between tire and ground

車輪與地面的摩擦力為

摩擦力等于法向力乘以摩擦因子，而摩擦因子是接觸點相對速度的函數(shù)：

其中：Vpoc為接觸點的速度；Vth為閾值速度；μs為靜摩擦因子；μk為動摩擦因子。如圖4所示。

圖4 動摩擦因子與靜摩擦因子Fig.4 Dynamic friction coefficient and static friction coefficient

2.2 視覺系統(tǒng)

Matlab中沒有可以直接模擬攝像頭的模塊，通過Matlab幾種功能結(jié)合的方法來實現(xiàn)攝像頭的功能。在視覺引導(dǎo)智能車上，攝像頭的作用是獲取和反饋道路及周圍的信息，所以視覺系統(tǒng)中，要能夠獲取仿真環(huán)境中特定角度的視頻信息，而且能夠?qū)⒁曨l信號傳遞到控制系統(tǒng)中去。

1）搭建虛擬駕駛環(huán)境

在仿真過程中獲取視頻信號首先要搭建虛擬的道路環(huán)境，使用Simulink中的3D Animation工具箱中VRsink模塊，結(jié)合VRML建模語言，可以方便地建立虛擬駕駛環(huán)境。在視覺系統(tǒng)中，既有3D虛擬環(huán)境，又能輸出特定視角的視頻信號，既可以直觀地看到仿真過程，又可以實時反饋控制無人駕駛車輛的運行。

VRML（virtual reality modeling language）語言，即虛擬現(xiàn)實建模語言，是一種用于建立真實世界場景模型的解釋性建模語言。VRML的對象稱為節(jié)點（node），子節(jié)點的集合可以構(gòu)成復(fù)雜的模型。節(jié)點可以復(fù)用，對它們賦以名稱，進行定義，即可以建立動態(tài)虛擬環(huán)境。

在VRsink視覺系統(tǒng)中，將車身節(jié)點分成若干個子節(jié)點，分別是前后輪4個節(jié)點。其中從前輪中引出縱向位移和轉(zhuǎn)角信號輸入節(jié)點以及前輪轉(zhuǎn)向信號輸入節(jié)點，從后輪引出縱向位移和轉(zhuǎn)角信號輸入節(jié)點。在整個車身節(jié)點中引出位移和車身轉(zhuǎn)角信號輸入節(jié)點，如表1所示。所有車輛的運動學參數(shù)的輸入，都使用位移和角度來表示。

2）視頻信號的獲取

將已經(jīng)建好的虛擬環(huán)境文件（wrl格式）關(guān)聯(lián)到VRsink中，按照表1中節(jié)點設(shè)置好輸入?yún)?shù)與虛擬環(huán)境的連接關(guān)系，設(shè)置好視頻輸出參數(shù)，設(shè)置坐標參數(shù)關(guān)系，建立如圖5所示的視覺系統(tǒng)模塊。

表1 視覺系統(tǒng)中輸入信號Tab.1 Input signal in computer vision system

圖5 視覺系統(tǒng)模塊Fig.5 Computer vision system module

3）信號傳遞

采用Simulink中的3D Animation模塊實現(xiàn)動力學模型輸出的車輛信息到視覺系統(tǒng)中的傳遞。3D Animation中VRsink瀏覽器，可以通過位置信號和轉(zhuǎn)角信號的輸入，把VRML的虛擬場景構(gòu)建和Simulink控制動態(tài)仿真有機結(jié)合在一起，又可通過VRsink視頻信號輸出，實時控制VRML的虛擬場景內(nèi)車輛的運動狀態(tài)，達到軌跡跟蹤的控制目標。

車身的位置信號、車身的轉(zhuǎn)角信號，前后4個輪胎的位置信號和轉(zhuǎn)角信號，通過如圖5所示的方式，輸入到視覺系統(tǒng)中，控制虛擬環(huán)境中車輛的位置、速度和轉(zhuǎn)向角度等物理量。

2.3 控制系統(tǒng)設(shè)計

智能車的控制系統(tǒng)是通過它可以按照所期望的方式保持和改變智能車目標量。為了使智能車行駛在預(yù)定的軌跡道路，設(shè)計了基于模糊控制的視覺控制系統(tǒng)，與物理模型、視覺系統(tǒng)一同構(gòu)成閉環(huán)控制。

2.3.1 圖像處理

圖像處理作為控制算法的預(yù)處理步驟，是控制系統(tǒng)的重要組成部分。通過VRsink輸出視頻信息，根據(jù)實際攝像頭設(shè)置輸出分辨率以及輸出參數(shù)，然后經(jīng)過二值化、邊緣檢測等圖像預(yù)處理步驟，得到可識別的圖像，處理流程如圖6所示。

圖6 圖像處理過程Fig.6 Imags processing

2.3.2 基于模糊控制的控制算法

模糊理論模擬人的思維過程，即對事物進行觀察、思考、判斷和決策。L.A.Zadeh提出不相容原理，當系統(tǒng)的復(fù)雜性增大時，其清晰化的能力就會降低，當達到一定的閾值時，清晰性和復(fù)雜性將互相排斥，于是便產(chǎn)生了模糊控制[3]。

模糊控制不需要知道控制對象的數(shù)學模型，是通過大量的實際操作數(shù)據(jù)歸納總結(jié)出的控制規(guī)則，用自然語言表達控制策略[4]。模糊控制表現(xiàn)出極強的魯棒性，對于被控對象的特性變化不敏感，模糊控制算法比較簡單，執(zhí)行快，易于實現(xiàn)，控制器的設(shè)計參數(shù)容易選擇調(diào)整，特別適合非線性系統(tǒng)的控制。智能車視覺控制是一個復(fù)雜的控制對象，具有非線性、時變、強耦合、大慣性和大滯后的特點，傳統(tǒng)PID方法對智能車的路徑的控制效果不太理想，且PID參數(shù)整定的過程較為耗時[5]，因此智能車跟蹤路徑采用模糊控制算法。

1）選取模糊控制器

模糊控制器的輸入為車身與目標路徑的視覺差值e，以及e的變化率ec，輸出為智能車的轉(zhuǎn)向角控制因子u。因此為智能車控制系統(tǒng)選用一個雙輸入單輸出的模糊控制器。

2）模糊化

常見的5種基本隸屬函數(shù)為三角形、鐘形、梯形、Sigmoid型和高斯型。還可以用這5種基本函數(shù)組合成新函數(shù)，如由2個Sigmoid型函數(shù)之積，可以構(gòu)成Sigmoid積型隸屬函數(shù)。也可以根據(jù)實際情況進行自由組合。

很多因素都能影響到模糊控制，在隸屬函數(shù)的選擇上沒有固定的規(guī)則，對于整個控制系統(tǒng)的控制效果的影響，論域上各個模糊子集的分布及相鄰子集的隸屬函數(shù)的交叉重疊情況遠比隸屬函數(shù)的形狀影響大。因此，考慮到運算方便、性能熟悉等因素，在工程控制中常選用三角形、高斯型、梯形和鐘形這幾種隸屬函數(shù)。在設(shè)計模糊控制器時，選用三角形隸屬函數(shù)與高斯隸屬度函數(shù)結(jié)合的混合隸屬度函數(shù)，其中三角形隸屬度解析表達式為

式中：b為三角形的頂點坐標值；a和c分別為三角形左右2個邊與底邊的交點坐標值。

高斯型隸屬度函數(shù)由2個參數(shù)σ和c確定，即：

式中：參數(shù)σ通常為正；參數(shù)c用于確定曲線的中心。

選定車身與目標路徑的視覺差值e的模糊論域為 E=｛-3，-2，-1，0，1，2，3｝， 所對應(yīng)的語言值為｛NB，NM，NS，0，PS，PM，PB｝。

圖7 e的隸屬度函數(shù)Fig.7 Membership function of“e”

設(shè)變化率 ec的模糊論域 EC=｛-3，-2，-1，0，1，2，3｝。則對應(yīng)的語言值｛NB，NM，NS，0，PS，PM，PB｝。隸屬度函數(shù)圖形同圖7。

設(shè)輸出量u的模糊論域為U=［-3，3］。所對應(yīng)的語言值為｛NB，NM，NS，0，PS，PM，PB｝。隸屬度函數(shù)圖形如圖7所示。

1）建立模糊規(guī)則

根據(jù)偏差大小和偏差速度大小，以人的操作經(jīng)驗可以建立49條模糊規(guī)則，整理模糊規(guī)則可得到模糊規(guī)則表如表2所示。

表2 模糊控制規(guī)則表Tab.2 Fuzzy control rules

2）設(shè)計模糊控制器

模糊控制器的任務(wù)是模糊化、模糊推理和解模糊。根據(jù)前文建立模糊規(guī)則，在Matlab模糊工具箱中搭建模糊控制器。

3 平臺仿真結(jié)果及分析

為了驗證仿真過程和結(jié)果的可靠性，通過構(gòu)建場景模型和搭建智能車模型，構(gòu)建智能車視覺仿真平臺，通過模塊化將整個仿真平臺分成3個子系統(tǒng)，通過視頻控制信號和坐標位置信號將3個系統(tǒng)連接起來，使得系統(tǒng)具備更好的兼容性與可擴展性。

智能車仿真虛擬環(huán)境如圖8所示，仿真平臺的驗證選取飛思卡爾智能車，通過實車測量獲得智能車的運動學參數(shù)和輪胎與地面摩擦參數(shù)，按照實際車輛的參數(shù)調(diào)整好虛擬視覺的視角、高度和視野大小。

圖8 智能車仿真虛擬環(huán)境Fig.8 Computer vision guided intelligent vehicle virtual environment

仿真所用的虛擬賽道如圖9所示，在視覺仿真系統(tǒng)模塊中，輸出320×240分辨率的視頻信號，經(jīng)過二值化和邊緣檢測后得到控制系統(tǒng)可用的視頻信號。

圖9 仿真實驗的賽道俯視圖Fig.9 Top view of the track used in the simulation

圖10 行駛軌跡Fig.10 Tracking result

圖11 車身和目標軌跡偏差率Fig.11 Difference of simulation test results and target path

整個系統(tǒng)運行結(jié)束后，得到如圖10所示的行駛軌跡和如圖11所示的車身和目標軌跡偏差率。由圖10可以看出，在整個虛擬環(huán)境中，智能車可以按照控制算法的具體要求，沿著既定的道路行駛。由圖11可以看出，偏差率基本控制在［-0.1，0.1］內(nèi)，在0～5 s內(nèi)，由于智能車經(jīng)過斜坡，故偏差率有一個波峰。當智能車通過普通彎道和S彎道時，始終有較好的響應(yīng)，偏差e保持在較低的范圍內(nèi)。后面出現(xiàn)了幾個波峰和波谷是因為本文將智能車的賽道進行了路徑規(guī)劃。當智能車通過十字路口時，設(shè)定其轉(zhuǎn)角為0°，這會導(dǎo)致智能車駛出十字路口時偏離目標值較大。綜合分析，由于視覺系統(tǒng)良好的視頻反饋，運用模糊控制理論，本次仿真中智能車的路徑跟隨效果較為理想，偏差控制在合理的范圍內(nèi)，滿足機器視覺智能車虛擬環(huán)境仿真的要求。

4 結(jié)語

將視覺系統(tǒng)的仿真手段引入到智能車輛的研究過程中，使用虛擬環(huán)境進行視覺系統(tǒng)的仿真，可以為智能車輛以及智能駕駛的深入研究提供方便可靠的平臺保障。既解決了視頻信號采集和反饋再現(xiàn)性問題，又解決了因硬件平臺的脆弱性和耗時性而導(dǎo)致的開發(fā)周期長，研發(fā)成本高的問題。該視覺仿真系統(tǒng)的應(yīng)用可推廣到一般的無人駕駛車輛，為機器視覺無人車的進一步研究奠定了良好的基礎(chǔ)。

[1]黃偉.基于雷達和機器視覺的車輛前方障礙物檢測系統(tǒng)[D].武漢：武漢理工大學，2010.

[2]龔建偉，姜巖，徐威.無人駕駛車輛模型預(yù)測控制[M].北京：北京理工大學出版社，2014.

[3]張德豐，周靈.VRML的虛擬現(xiàn)實應(yīng)用技術(shù)[M].北京：電子工業(yè)出版社，2010.

[4]王寧，孟憲堯.輸入采用廣義梯形隸屬函數(shù)的兩維最簡模糊控制器結(jié)構(gòu)分析[J].自動化學報，2008（4）：466-471.

[5]張詠軍，王航宇.基于BP神經(jīng)網(wǎng)絡(luò)的溫度模糊PID控制器設(shè)計[J].現(xiàn)代電子技術(shù)，2008（7）：133-135.