鄭 艷，劉 偉

（東軟睿馳汽車技術(shù) （沈陽）有限公司，遼寧 沈陽 110179）

隨著汽車電控技術(shù)的發(fā)展，各種類型先進(jìn)的駕駛輔助系統(tǒng) （ADAS，如LKAS、AEB、ACC等）應(yīng)用到當(dāng)今的現(xiàn)代車輛中，減輕駕駛負(fù)擔(dān)，減少駕駛失誤，從而提高駕駛的安全性、舒適性等車輛性能。車道保持輔助系統(tǒng) （LKAS）是ADAS的重要組成部分，它是一個(gè)防止車輛無意識(shí)車道偏離造成交通事故的駕駛輔助系統(tǒng)，LKAS判斷本車與車道中心線的位置關(guān)系，當(dāng)檢測(cè)到車輛偏離其目標(biāo)軌跡時(shí)，通過連續(xù)施加少量反向轉(zhuǎn)向力來幫助汽車停留在靠近車道中心線的位置上，由此來預(yù)防駕駛員無意識(shí)的車道偏離。研究表明，無意識(shí)車道偏離事故占德國(guó)報(bào)告的所有事故的14%，因其原因造成的死亡人數(shù)占2013年所有道路交通事故死亡人數(shù)的30%［1］，因而LKAS對(duì)于減少交通事故，確保交通安全具有重要的意義。軌跡跟蹤算法是LKAS的核心算法，其效果直接導(dǎo)致車輛能否很好地跟蹤目標(biāo)軌跡，進(jìn)而影響發(fā)送到EPS的數(shù)據(jù)大小、車輛的運(yùn)動(dòng)狀態(tài)、功能的實(shí)現(xiàn)效果。

1 LKAS結(jié)構(gòu)與原理說明

LKAS的組成結(jié)構(gòu)如圖1所示。車輛通過攝像頭等視覺手段采集到圖像信息，車道線檢測(cè)模塊解析圖像信息，將車輛與車道線的位置信息以及車道線自身信息發(fā)送給LKAS，它通過計(jì)算自車軌跡糾正到目標(biāo)軌跡需要的方向盤轉(zhuǎn)角大小并發(fā)送給執(zhí)行器，進(jìn)而實(shí)現(xiàn)被控車輛的轉(zhuǎn)向修正，確保車輛在車道中心線上安全行駛［2］。

圖1 LKAS組成結(jié)構(gòu)

1.1 車道線解析

車道線解析模塊可以給出當(dāng)前車輛和車道線的信息，例如曲率、航向角以及橫向偏移量，為車道保持輔助系統(tǒng)的路徑跟蹤算法以及控制決策提供重要信息。圖2介紹了結(jié)構(gòu)化道路車道線識(shí)別與跟蹤算法的基本過程，主要包括車道線檢測(cè)識(shí)別模塊和跟蹤預(yù)測(cè)模塊。車道線檢測(cè)識(shí)別模塊通過對(duì)攝像頭采集的圖像降采樣為較小的圖像，并把圖像下半部分設(shè)置為感興趣區(qū)域來提高算法的處理速度，再通過圖像預(yù)處理，突出車道標(biāo)識(shí)線信息，剔除圖像中其他干擾因素，增強(qiáng)對(duì)圖像的分析和識(shí)別能力，便于車道線檢測(cè)與跟蹤，降低算法的計(jì)算量和復(fù)雜度，通過Hough變換獲取候選車道線參數(shù)。然后引入車道線跟蹤算法，提高車道檢測(cè)的準(zhǔn)確性和魯棒性［3］。

圖2 車道線檢測(cè)及跟蹤算法流程

1.2 EPS執(zhí)行機(jī)構(gòu)

電動(dòng)助力轉(zhuǎn)向系統(tǒng)是在傳統(tǒng)機(jī)械轉(zhuǎn)向系統(tǒng)的基礎(chǔ)上發(fā)展起來的，它利用電動(dòng)機(jī)產(chǎn)生的動(dòng)力來幫助駕駛員進(jìn)行轉(zhuǎn)向操作。系統(tǒng)主要由3大部分構(gòu)成：信號(hào)傳感裝置（包括轉(zhuǎn)矩傳感器、轉(zhuǎn)角傳感器等）、轉(zhuǎn)向助力機(jī)構(gòu) （電機(jī)、離合器、減速傳動(dòng)機(jī)構(gòu)）及電子控制裝置。電動(dòng)機(jī)僅在需要助力時(shí)工作，駕駛員在操縱方向盤時(shí)，扭矩轉(zhuǎn)角傳感器根據(jù)輸入扭矩和轉(zhuǎn)向角的大小產(chǎn)生相應(yīng)的電壓信號(hào)，車速傳感器檢測(cè)到車速信號(hào)，控制單元根據(jù)電壓和車速的信號(hào)，給出指令控制電動(dòng)機(jī)運(yùn)轉(zhuǎn)，從而產(chǎn)生所需要的轉(zhuǎn)向助力。LKAS通過給EPS發(fā)送控制信號(hào)，進(jìn)而修正車輛的運(yùn)動(dòng)狀態(tài)，實(shí)現(xiàn)功能效果［4］。電動(dòng)助力轉(zhuǎn)向系統(tǒng)原理如圖3所示。

1.3 車道保持系統(tǒng)中軌跡跟蹤算法

軌跡跟蹤算法是LKAS的核心算法，它能保證車輛以任何初始位置回到并保持在規(guī)劃的理想路徑上，因而其算法的好壞直接決定著車道保持輔助功能的作用效果。軌跡跟蹤算法多種多樣，其中幾何路徑跟蹤算法易于理解和實(shí)現(xiàn)。文獻(xiàn)［5］中的Pure Pursuit方法就是其中一種，該方法考慮前瞻距離的路徑信息，路徑的形狀在低速運(yùn)行時(shí)不會(huì)很影響它的性能，因此對(duì)于大的偏差和不連續(xù)的路徑非常有效。但是目前尚不清楚如何選擇最佳的超前距離，應(yīng)注意防止過度調(diào)整Pure Pursuit到特定路線，因?yàn)楦淖兦罢熬嚯x只會(huì)改變車輛行駛的曲率半徑。Jarrod M.Snider在文獻(xiàn)［5］中指出Pure Pursuit方法忽略了目標(biāo)路徑的曲率問題，而本文中介紹的這種全新的算法也屬于幾何路徑跟蹤算法，并且該方法彌補(bǔ)了文獻(xiàn)［6］和Pure Pursuit目標(biāo)路徑曲率的問題，將目標(biāo)路徑的曲率和車輛實(shí)際軌跡的曲率相結(jié)合，具體見下章。

圖3 電動(dòng)助力轉(zhuǎn)向系統(tǒng)原理圖

2 曲線擬合軌跡跟蹤算法

如圖4所示，圖4a中的路徑是原始狀態(tài)，當(dāng)車輛軌跡的曲率與目標(biāo)軌跡的曲率 （Curvature）相同時(shí)，得到圖4b；在其基礎(chǔ)上當(dāng)兩條軌跡的航向角 （Heading angle）相同時(shí)得到圖4c所示的狀態(tài)；進(jìn)而當(dāng)兩曲線到達(dá)y軸的距離 （橫向偏移量Lateral deviation）相同時(shí)，兩曲線重合，也就是最終的圖4d。

圖4 路徑變化分析

這個(gè)方法很好地將目標(biāo)路徑的所有信息考慮到算法中，彌補(bǔ)了Pure Pursuit方法的不足之處，具體實(shí)現(xiàn)方法分析如下。

首先目標(biāo)軌跡的所有信息和車輛軌跡的航向角以及橫向偏移量我們可以通過車道線解析模塊獲得，車輛軌跡的曲率可以根據(jù)公式 （1）得到。

其中yawrate為橫擺角速度，是指汽車?yán)@垂直軸的偏轉(zhuǎn)，該偏轉(zhuǎn)的大小代表汽車的穩(wěn)定程度，如果偏轉(zhuǎn)角速度達(dá)到一個(gè)閾值，說明汽車發(fā)生測(cè)滑或者甩尾等危險(xiǎn)工況。該信息可以從車身信息得到，v為車輛自身速度。通過上述分析，只需

即：

式（3）通過整定PID控制器來達(dá)到一個(gè)很好的效果，用公式近似表達(dá)如下：

3 基于LKAS系統(tǒng)軌跡跟蹤的仿真分析

將上述軌跡擬合方法在Simulink環(huán)境下進(jìn)行建模仿真，程序框圖如圖5所示。

圖5 程序框圖

對(duì)模型的曲率PID，航向角PID，橫向偏移量PID進(jìn)行調(diào)參，分析各參數(shù)對(duì)算法的影響，通過大量的仿真發(fā)現(xiàn)航向角對(duì)算法的重要性要大于其他2個(gè)因素，并且對(duì)3個(gè)控制器的參數(shù)有一個(gè)大體的把握，為之后的實(shí)車測(cè)試調(diào)參做準(zhǔn)備，減少實(shí)車調(diào)參的工作量。

4 實(shí)車驗(yàn)證

將上述軌跡擬合的路徑跟蹤算法集成到LKAS模型中，并進(jìn)行實(shí)車測(cè)試，測(cè)試平臺(tái)和測(cè)試環(huán)境如圖6所示。通過相機(jī)獲取車道線信息，接入整車網(wǎng)絡(luò)獲取自車車速、方向盤轉(zhuǎn)角等車輛狀態(tài)信息。通過EPS發(fā)送扭矩實(shí)現(xiàn)自車方向盤控制，從而保持車輛在本車道行駛。

4.1 不同因素的影響

考慮到不同因素對(duì)軌跡擬合的路徑跟蹤算法的影響，對(duì)curvature、lateral deviation以及heading angle單獨(dú)進(jìn)行實(shí)車控制，和所有因素同時(shí)進(jìn)行控制的數(shù)據(jù)曲線如圖7所示，可以明顯地看到，當(dāng)3個(gè)因素同時(shí)控制時(shí)，Track Error值最小。

圖7 不同因素對(duì)軌跡擬合路徑跟蹤算法的影響

4.2 實(shí)車調(diào)參

由于PID參數(shù)較多，只對(duì)PID中的P參數(shù)進(jìn)行舉例分析。通過之前的仿真分析，調(diào)試PID參數(shù)時(shí)，先對(duì)P值進(jìn)行調(diào)試，首先將曲率、航向角、橫向偏移量的PID中的P參數(shù)均設(shè)置為0.1，I和D參數(shù)設(shè)置為0。通過分別改變不同因素的P值觀察車輛軌跡與目標(biāo)軌跡誤差 （Track Error）的曲線變化，可以看出曲率的P值對(duì)Track Error的影響最小，橫向偏移量的P使Track Error曲線變成類似sin曲線，航向角的P值對(duì)Track Error的影響最大，能夠達(dá)到很好的效果，與仿真分析吻合，如圖8a所示。因此，首先對(duì)航向角的P值進(jìn)行調(diào)試，如圖8b所示，P=0.7要比P=0.4時(shí)效果好。進(jìn)而調(diào)試橫向偏移量的P值，圖8c中可以看出dP=0.7時(shí)較大，所以調(diào)試到0.4，在此基礎(chǔ)上調(diào)試曲率的P值為0.3。對(duì)比一下首先調(diào)試航向角再調(diào)試橫向偏移量最后調(diào)試曲率的P值這3個(gè)階段，如圖8d所示。

4.3 整車效果

將軌跡擬合的路徑跟蹤算法應(yīng)用到LKAS系統(tǒng)中，進(jìn)行實(shí)車測(cè)試調(diào)參，車速為60km／h采集到的數(shù)據(jù)如圖9所示，無論車輛行駛在直道或者彎道上，LKAS系統(tǒng)都能使得車輛行駛在道路中間附近。

圖6 實(shí)車環(huán)境

圖8 實(shí)車調(diào)參

圖9 整車效果

5 結(jié)論

本文提出了一種新的利用曲線擬合思路的軌跡跟蹤算法來應(yīng)用到車道保持輔助功能中，將軌跡的曲率考慮到算法中，提高了預(yù)測(cè)的準(zhǔn)確性，并通過數(shù)值仿真以及實(shí)車測(cè)試證明該方法的合理性，彌補(bǔ)了Pure Pursuit方法中對(duì)于車速的限制，并且LKAS功能達(dá)到很好的效果，為軌跡跟蹤算法的研究，為其他自動(dòng)駕駛功能的開發(fā)提供了幫助，但是該方法對(duì)于車輛軌跡的曲率的計(jì)算還是有所欠缺，過于簡(jiǎn)單局限，應(yīng)結(jié)合車輛足夠多的動(dòng)態(tài)信息獲得該值［7］。未來對(duì)于車道線的檢測(cè)可以不僅僅使用攝像頭，也可以擴(kuò)展到激光雷達(dá)、高精度地圖等，采集更加精確的車道線信息來彌補(bǔ)單一攝像頭的缺陷，提高軌跡跟蹤算法的精度。