（河北農(nóng)業(yè)大學(xué)理工學(xué)院 河北 黃驊 061100）

李雅欣，索琰琰，吳 昊，黃建昌（通訊作者）

1 引言

隨著汽車數(shù)量的增加，停車系統(tǒng)已經(jīng)成為商業(yè)環(huán)境下的一個重要問題。盡管一些汽車公司最近開發(fā)了自動停車系統(tǒng)，但安全性和成本問題仍然有待于商業(yè)化。大多數(shù)與停車問題有關(guān)的研究通常是通過考慮非完整約束來找到一條連接初始配置和最終配置的路徑。而本文通過考慮智能小車相對于停車位的位置和方向，不用任何參照和控制，使用模糊邏輯模仿有經(jīng)驗的駕駛員的停車能力。這種方法需要測量智能小車與停車位間精確的距離和方向。所以基于圖像的定位是自動停車的一種更有效的選擇。

2 提出問題

本實驗的目的是開發(fā)一種基于圖像的模糊控制器的智能小車自動停車系統(tǒng)。一個裝有攝像頭的機(jī)器人可以通過圖像處理來檢測一個矩形的停車位。在此實驗中，使用兩種顏色的矩形停車位將停車位的豎向和水平線分開.現(xiàn)實環(huán)境和圖像坐標(biāo)分別以x-y坐標(biāo)和u-v坐標(biāo)表示。在圖像坐標(biāo)上，停車位的兩條豎線是：V1=a1*u+b1v2=a2*u+b2。a1和a2表示梯度,b1和b2表示攔截的線。首先對停車位的垂直中心線進(jìn)行了推導(dǎo)，并計算出垂直中心線的中點。然后，根據(jù)垂直中心線的中點生成所需的目標(biāo)線。垂直中心線和理想的目標(biāo)線表示如下：Vavg=Aavg*u+BavgUt=At+Bt。Aavg表示梯度和Bavg表示中心線的攔截,At表示梯度和Bt表示攔截所需的目標(biāo)線。At和Bt可以從圖像處理獲得。被控制的機(jī)器人是一個智能小車，其模型通過：x=s*cosθ；y=s*sinθ；θ=s*tanφ/L。(x,y,θ)是機(jī)器人在世界坐標(biāo)下的狀態(tài)，L是前輪和后輪之間的距離。轉(zhuǎn)向角φ是前進(jìn)的速度是我們停車系統(tǒng)的控制輸入。跟蹤當(dāng)前目標(biāo)線，它可以預(yù)測At=0和Bt=0圖像坐標(biāo)而不是執(zhí)行y=0和θ=0的世界坐標(biāo)。從參數(shù)之間的關(guān)系看(At Bt),協(xié)調(diào)和控制輸入的圖像(S φ)取決于每個像素的深度,它可能不容易獲得準(zhǔn)確的模型關(guān)系。因此，設(shè)計了一種無模型的模糊控制器。圖1顯示了停車系統(tǒng)基于圖像的控制系統(tǒng)框圖?？刂破鳑Q定了控制輸入s和φ，At和Bt,利用霍夫變換提取了圖像。

3 生成基于圖像處理的目標(biāo)線

本文討論了圖像處理的一些步驟，以檢測矩形車架，并在本節(jié)中給出自動停車系統(tǒng)的目標(biāo)線。

首先，對捕獲的圖像上進(jìn)行預(yù)處理，以檢測矩形的停車線，并對自動泊車系統(tǒng)進(jìn)行設(shè)計。這樣的預(yù)處理包括閾值。為了提取紅色和去除噪聲，使用了一些閾值函數(shù)。利用一個精確的邊緣檢測器來獲取圖像的邊緣。圖2(a)、(b)和(c)顯示原圖像、預(yù)處理圖像和矩形車架的邊緣圖像。在本研究中，提取了車架的輪廓線，運用霍夫變換計算了這些直線的梯度和截距。車架的垂直中心線是通過平均梯度和截距來設(shè)計的。下一步是找到這樣一條線的中點，并根據(jù)點構(gòu)造我們的停車系統(tǒng)的目標(biāo)線。

圖1 (a)原始圖像(b)預(yù)處理圖像和(c)邊緣圖像

圖2 合成圖像：(a)霍夫變換后；(b)垂直中心線；(c)目標(biāo)線

4 模糊控制器的設(shè)計

在本文中，設(shè)計了一種名為最小-最大重心法的模糊控制器。根據(jù)捕獲圖像的一些圖像特征，確定了合適的轉(zhuǎn)向角度來定位機(jī)器人在適當(dāng)?shù)耐＼囄恢?。要使用的狀態(tài)變量。目標(biāo)線的梯度和截距是推理輸入。對于控制規(guī)則，所需的控制輸入以if-then規(guī)則的形式設(shè)置，這取決于使用模糊狀態(tài)變量，其中s被分配為一個常量。最后，將模糊集上的控制輸入通過消模糊轉(zhuǎn)化為實數(shù)。用加權(quán)平均法得出：

5 實驗結(jié)果

在此基礎(chǔ)上，提出了一種基于圖像處理的停車空間自動檢測系統(tǒng)。停車位的大小是390毫米長，210毫米寬。USB相機(jī)是用來探測地板上的停車線,筆記本電腦執(zhí)行圖像處理，提取At和Bt使用霍夫變換捕獲的圖像。(x,y,θ)表示機(jī)器人的位置和轉(zhuǎn)向角,(x,y)是位于后輪的中間距離。這些隸屬函數(shù)是通過初步的實驗啟發(fā)式方法進(jìn)行經(jīng)驗設(shè)計的，并依賴于攝像機(jī)和機(jī)器人的屬性，參數(shù)設(shè)置為a2=-a1=1.75 b2=-b1=175 c2=-c1=0.349。

在本實驗中，對設(shè)計的控制器進(jìn)行了三種不同的初始位置測試，如圖3所示。攝像機(jī)的朝向設(shè)置為垂直向下15度，機(jī)器人的前進(jìn)速度為s=0.1[m/s]。我們的自動停車系統(tǒng)的實驗結(jié)果如圖4(a)、(b)和(c)所示，根據(jù)結(jié)果，目前的控制器只適用于第2例，因為第4節(jié)中描述的模糊規(guī)則非常簡單。從這個角度來看，如果要更好地控制結(jié)果，則需要對情況1和3進(jìn)行改進(jìn)。

圖3 實驗環(huán)境

圖4 實驗結(jié)果

6 結(jié)語

本文提出了一種基于圖像模糊控制器的四輪移動機(jī)器人自動停車系統(tǒng)的設(shè)計方法。實驗結(jié)果表明了設(shè)計控制器的可用性。未來可以引入一種更精確的模糊規(guī)則，來獲得比目前的情況更好的結(jié)果，在這種情況下，車輛將能有一個較大轉(zhuǎn)向角。

[1] 鄭淵中.基于攝像頭導(dǎo)航的智能車系統(tǒng).中國科技從橫[J].2017(22).

[2] 柴飛燕.基于t-s模型的模糊控制器設(shè)計.蘭州理工大學(xué)碩士論文.2017(6).