匡 兵， 史云鵬， 羅作煌， 陳鳳冉， 田春月

(1.桂林電子科技大學(xué) 機電工程學(xué)院，廣西 桂林 541004；2.惠州市德賽西威汽車電子股份有限公司，廣東 惠州 516000)

車位檢測是自動泊車的關(guān)鍵技術(shù)之一，車位檢測的精度將直接影響車輛泊入車位后的姿態(tài)和泊車成功率。車位檢測主要解決車輛對周圍環(huán)境的感知問題，即通過車載傳感器搜集外界環(huán)境信息并通過算法處理，較準(zhǔn)確地判斷出周圍的障礙物和車位信息。現(xiàn)有的車位檢測方法主要分為三類：基于超聲波雷達(dá)的車位檢測；基于視覺傳感器的車位檢測；基于超聲波雷達(dá)和視覺傳感器信息融合的車位檢測。

基于視覺傳感器的車位檢測單一地使用視覺傳感器進(jìn)行障礙物識別和車位檢測郭劍鷹等[1]基于多視覺傳感器進(jìn)行車位識別。李磊[2]應(yīng)用全景視覺進(jìn)行車位檢測和識別。馬偉[3]使用機器視覺檢測車位線的方法進(jìn)行車位檢測。由于視覺傳感器對光線變化較敏感，且測距誤差大，基于視覺傳感器的車位檢測在場景適應(yīng)性和障礙物檢測方面效果不理想。

基于超聲波雷達(dá)和視覺傳感器信息融合的車位檢測將超聲波雷達(dá)和視覺傳感器獲取的環(huán)境信息進(jìn)行數(shù)據(jù)融合，以提高車位檢測精度和場景適應(yīng)性。姜金山[4]采用基于超聲波傳感器和攝像頭數(shù)據(jù)融合的方法來檢測車位。沈崢楠[5]利用超聲波雷達(dá)探測車位深度，攝像頭探測障礙車輪轂的方法來檢測車位。該方法雖然能在一定程度上提高車位檢測的精度，但由于涉及到異構(gòu)傳感器的數(shù)據(jù)融合，使得算法的復(fù)雜度和硬件成本大大增加，不利于市場推廣。

基于超聲波雷達(dá)的車位檢測，利用超聲波測距原理來感知周圍障礙物和車位，超聲波雷達(dá)硬件成本低，場景適應(yīng)性好，有廣闊的市場前景。方玉杰[6]使用超聲波傳感器進(jìn)行垂直車位的檢測。魏振亞[7]基于超聲波雷達(dá)進(jìn)行垂直和水平車位的檢測。但是這些檢測方法對應(yīng)的場景太過理想化，未考慮到實際泊車環(huán)境中出現(xiàn)的主車與障礙車輛不平行，兩輛障礙車輛不在同一條水平線上等情況。

鑒于此，基于超聲波雷達(dá)設(shè)計車位檢測算法，并對多個現(xiàn)實場景進(jìn)行分析、驗證。

1 算法設(shè)計

當(dāng)啟動自動泊車功能時，車輛將自動進(jìn)入車位檢測模式?；诔暡ɡ走_(dá)進(jìn)行車位檢測時，車輛速度一般不超過30 km/h(超聲波在空氣中的傳播速度有限，超聲波雷達(dá)收發(fā)信號需要時間，車速太快會出現(xiàn)障礙物漏檢和車位檢測精度下降等情況)。

1)創(chuàng)建一個存儲長距超聲波雷達(dá)測距信息的數(shù)據(jù)緩存器。緩存器的大小由當(dāng)前車速決定，車速越快,則緩存器越小，前提是緩存器的大小要大于設(shè)定的單步泊車最大車位長度除以當(dāng)前車速。最大車位長度和最小車位長度是由泊車步數(shù)來確定的，當(dāng)限定最大泊車步數(shù)為5步時，那么5步泊車所對應(yīng)的車位長度為最小車位長度，單步泊車所對應(yīng)的車位長度為最大車位長度。

2)對緩存器中的測距數(shù)據(jù)進(jìn)行分析，判別出車位的起始點和終止點。由于超聲波雷達(dá)易受周圍環(huán)境噪聲的影響而出現(xiàn)誤檢的情況，當(dāng)僅有1個數(shù)據(jù)發(fā)生突變時，算法將不認(rèn)為已檢測到障礙物，而將其當(dāng)作誤檢處理，但也不排除存在細(xì)小障礙物的情況，將這部分的算法處理歸到泊車過程中短距雷達(dá)的碰撞檢測。當(dāng)緩存器中的數(shù)據(jù)出現(xiàn)2個或2個以上的連續(xù)突變時，則認(rèn)為已檢測到障礙物。為了更精確地判斷障礙物的起始點和終止點，需對障礙物的形狀進(jìn)行分類。常見的障礙物外形一般分為方形和圓形2種，由于方形和圓形障礙物測距的突變程度不同，可以通過預(yù)設(shè)閾值的方法來判別障礙物類型，結(jié)合障礙物類型和緩存器中的數(shù)據(jù)變化即可較準(zhǔn)確地推算出障礙物的起始點和終止點。障礙物可以是柱子、障礙車輛或者其他。以障礙車輛作為障礙物進(jìn)行分析，車位檢測過程如圖1所示。

圖1 車位檢測過程圖

D1為主車距第1個障礙車輛的橫向距離，D2為主車距第2個障礙車輛的橫向距離，主車距車位的橫向距離D取D1和D2中的小值。由于超聲波雷達(dá)探測距離有限，D的值太大會影響車位檢測的精度和降低對車位縱深障礙物的檢出率，應(yīng)根據(jù)超聲波雷達(dá)的性能將D限制在[DL,DH]范圍內(nèi)。其中：DL為主車距車位橫向距離的最小值，應(yīng)大于超聲波雷達(dá)的測距盲區(qū)；DH為主車距車位橫向距離的最大值，通常都小于1.8 m。當(dāng)經(jīng)過第1個障礙車輛，超聲波雷達(dá)的測距突變值大于D+W時(W為車寬)，則認(rèn)為已檢測到車位起始點，記為點B；當(dāng)經(jīng)過第2個障礙車輛，超聲波雷達(dá)的測距突變值小于D+W時，則認(rèn)為已檢測到車位終止點，記為點C，并記錄下在B、C兩點處車輛后軸中點在局部航位推算坐標(biāo)系中的坐標(biāo)值，用于計算B、C點間的距離L，作為該車位是否為有效車位的判別條件。

3)將緩存器中的數(shù)據(jù)用最小二乘法進(jìn)行擬合，進(jìn)一步判斷車輛和車位之間的夾角，修正車位長度L，使車位信息更精確。當(dāng)L大于設(shè)定的最小車位長度時，就認(rèn)為已檢測到有效車位，可以停車進(jìn)行路徑規(guī)劃和路徑跟蹤等后續(xù)操作。當(dāng)L大于設(shè)定的最大車位長度時，清除緩存器中的數(shù)據(jù)，此時可以選擇停車，進(jìn)行泊車操作，也可以繼續(xù)向前搜索新車位，搜索新車位時舊車位會被系統(tǒng)“記住”，直到車輛繼續(xù)向前行駛超過一定的距離，舊車位才會被放棄，該距離一般不會超過15 m。

基于超聲波雷達(dá)的車位檢測算法流程如圖2所示。

圖2 車位檢測算法流程圖

圖3 平行車位中存在障礙物的場景

2 場景分析

2.1 平行車位檢測

平行車位中存在障礙物的場景如圖3所示，在障礙車輛S與E之間存在障礙物，此時車位的終止點不再是E車的車尾了，而是障礙物的左邊界，當(dāng)L小于最小車位長度時，判定未搜索到車位，當(dāng)L大于最小車位長度時，判定搜索到了有效車位，車輛的停靠基準(zhǔn)為S車的上邊沿。若障礙物的距離大于D1+W，則忽略障礙物的存在，繼續(xù)向前搜索車位終止點。

現(xiàn)實中單邊無障礙物的場景較為常見，圖4所為平行車位右側(cè)無障礙物的情況，當(dāng)檢測到車位起始點B后，車輛向前行駛的距離L超過最小車位長度，無論車位前方是否有障礙物，都可判定此車位為有效車位。圖5為平行車位左側(cè)無障礙物的情況，自開啟車位檢測起，到檢測出車位終止點C的距離L大于最小車位長度時，判定此車位為有效車位。

圖4 平行車位右側(cè)無障礙物的場景

圖5 平行車位左側(cè)無障礙物的場景

在無路沿的情況下，障礙車輛錯位停放，即D1≠D2，系統(tǒng)以小值作為停放基準(zhǔn)。如圖6所示，主車與車位的側(cè)向距離D=D1，當(dāng)車位的長度和寬度均滿足要求時，車輛將以S車的上邊界作為停放標(biāo)準(zhǔn)；在有路沿的情況下，如圖7所示，為滿足規(guī)范停車的要求，以路沿作為停放基準(zhǔn)，前提是路沿在超聲波雷達(dá)的探測范圍內(nèi)。

圖6 障礙車輛錯位停放的場景

圖7 有路沿障礙車輛錯位停放的場景

2.2 垂直車位檢測

超聲波在空氣中傳播時能量會被損耗，故探測距離有限，市場上成熟的超聲波探頭探測距離均不超過5 m。這樣的探測距離在檢測垂直車位時將探測不到車位縱深的障礙物，這時將不能再以D加車輛長度作為車位起始點和終止點的判別條件，為保證測距的精度和穩(wěn)定性，通常將判別條件設(shè)為D+Δ小于雷達(dá)的測距極限，Δ的取值與雷達(dá)的性能有關(guān)，若雷達(dá)的測距極限為5 m，則Δ通常取值為2 m。單側(cè)有障礙物的垂直車位場景如圖8、圖9所示。圖8為垂直車位右側(cè)無障礙物的情況，當(dāng)檢測到車位起始點B后，車輛向前行駛的距離L超過垂直車位所需的最小車位長度，無論車位前方是否有障礙物，都可判定此車位為有效車位。圖9為垂直車位左側(cè)無障礙物的情況，自開啟車位檢測起，到檢測出車位終止點C的距離L大于垂直車位所需的最小車位長度時，判定此車位為有效車位。

圖8 垂直車位右側(cè)無障礙物的場景

圖9 垂直車位左側(cè)無障礙物的場景

由于超聲波雷達(dá)測距范圍有限，當(dāng)車位中存在障礙物時，垂直車位與平行車位的檢測略有不同。當(dāng)障礙物在D+Δ內(nèi)時，車位起始點和終止點的判別方法與平行車位相同，當(dāng)障礙物不在D+Δ內(nèi)時，雷達(dá)探測不到車位縱深處的障礙物，如圖10所示，此時車位的起始點和終止點被判定為S車的右邊界和E車的左邊界，在L滿足最小車位條件時，圖10中方框位置被判定為一個有效車位，車位中的障礙物只能依靠泊車過程中短距雷達(dá)的碰撞檢測檢出。

圖10 垂直車位中存在障礙物的場景

2.3 車位自定義模式

為提高基于超聲波車位檢測的場景適應(yīng)性，車位檢測算法中加入了車位自定義模式。如車輛處于一個無障礙物的空曠場景中，超聲波雷達(dá)在一段距離內(nèi)未檢測到障礙物(小轎車通常設(shè)定為15 m)，用戶就可以停車通過人機交互界面選擇車位自定義模式。

空曠環(huán)境下的車位自定義場景如圖11所示，實線框區(qū)域為自定義可泊區(qū)域，用戶可以通過人機交互界面拖動車模到可泊區(qū)域內(nèi)，并將其作為目標(biāo)車位，目標(biāo)車位的尺寸為設(shè)定的最大車位尺寸，如圖中虛線框所示。默認(rèn)的車位類型為平行車位，如圖11中1號車位，但也可以手動改為垂直車位，如圖11中2號車位，若將車模拖至可泊區(qū)域外，則該目標(biāo)車位將視為無效車位，如圖11中3號車位。

圖11 空曠環(huán)境下的車位自定義場景

3 實驗驗證

以昂科威車為載體，采用奧迪威的超聲波雷達(dá)對所設(shè)計的車位檢測算法在多種場景和速度工況下進(jìn)行驗證。奧迪威的長距雷達(dá)能在0.3～3.5 m檢測到障礙物，在3.5～5 m檢測到路沿，故將D定在0.5～1.5 m，Δ的取值為2 m。雷達(dá)實物如圖12所示。以昂科威的車輛尺寸為依據(jù)，將平行車位的最小長度閾值設(shè)為6 m，最大長度閾值設(shè)為8 m，垂直車位的最小長度閾值設(shè)為2.5 m。

圖12 奧迪威超聲波雷達(dá)探頭

3.1 實驗設(shè)計

確定一個原點，作為局部航位推算坐標(biāo)系的原點，測量得到每個場景下車位起始點和終止點距原點的距離值，并將其作為真實距離值。車輛每次都從原點以不同的速度開始檢測車位，通過車位檢測算法推算出B、C點(即車位起始點和終止點)在局部航位推算坐標(biāo)系中的值。由于本實驗場景是在主車與車位平行的條件下進(jìn)行，只需比較B、C點的Y坐標(biāo)值(車輛的前進(jìn)方向為Y方向)，即可判別出車位長度。將B、C點距原點的真實距離與車位檢測算法推算出的距離值進(jìn)行對比，得出車位檢測算法的精度。為了給后續(xù)路徑規(guī)劃和路徑跟蹤提供較準(zhǔn)確的車位信息，車位長度L的誤差不能超過30 cm，B、C點的單點誤差要在[-15 cm,15 cm]。

3.2 實驗結(jié)果

圖13為兩側(cè)都是障礙車輛的平行車位場景。在圖13場景下，對車位檢測算法進(jìn)行精度驗證，驗證數(shù)據(jù)如表1所示。車位B、C點距原點的真實距離為14.93、22.37 m，車位的實際長度為7.44 m。

圖13 兩側(cè)都是障礙車輛的平行車位場景

車速/(km·h-1)B點Y坐標(biāo)/mC點Y坐標(biāo)/m車位長度誤差/m5～1015.0122.320.1310～1514.8722.290.2215～2014.9022.340.2020～2515.0722.400.1125～3015.0322.260.21

從表1可看出，車位檢測算法在圖13工況下，以不同車速檢測車位時，B、C點的最大誤差為14 cm，車位長度L的最大誤差為22 cm，滿足車位檢測算法對精度的要求。

圖14為兩側(cè)都是方形障礙物的垂直車位場景。在圖14場景下，對車位檢測算法進(jìn)行精度驗證，驗證數(shù)據(jù)如表2所示。車位B、C點距原點的真實距離為13.45、16.92 m，車位的實際長度為3.47 m。

圖14 兩側(cè)都是方形障礙物的垂直車位場景

車速/(km·h-1)B點Y坐標(biāo)/mC點Y坐標(biāo)/m車位長度誤差/m5～1013.5216.870.1210～1513.4716.830.1115～2013.5116.940.0420～2513.5416.980.0325～3013.5116.950.03

從表2可看出，車位檢測算法在圖14工況下，以不同車速檢測車位時，B、C點的最大誤差為9 cm，車位長度L的最大誤差為12 cm，滿足車位檢測算法對精度的要求。

圖15為一側(cè)為車輛另一側(cè)為方形障礙物的垂直車位場景。在圖15場景下，對車位檢測算法進(jìn)行精度驗證，驗證數(shù)據(jù)如表3所示。車位B、C點距原點的真實距離為13.63、16.77 m，車位的實際長度為3.14 m。

圖15 一側(cè)為車輛另一側(cè)為方形障礙物的垂直車位場景

車速/(km·h-1)B點Y坐標(biāo)/mC點Y坐標(biāo)/m車位長度誤差/m5～1013.6216.720.0410～1513.6616.690.1115～2013.6516.810.0220～2513.6116.840.0925～3013.6516.820.03

從表3可看出，車位檢測算法在圖15工況下，以不同車速檢測車位時，B、C點的最大誤差為8 cm，車位長度L的最大誤差為11 cm，滿足車位檢測算法對精度的要求。

以上場景中，車位檢測算法均能在誤差范圍內(nèi)檢出車位的B、C點，證明了該算法的有效性。限于篇幅，不再列出其他場景的實驗結(jié)果。

4 結(jié)束語

提出了一種基于超聲波雷達(dá)的車位檢測算法，并在多種典型場景下對算法邏輯進(jìn)行分析。以昂科威車為載體，奧迪威超聲波雷達(dá)為研究對象，對所設(shè)計的車位檢測算法在多種場景和速度工況下進(jìn)行實車驗證。測試結(jié)果表明，該算法能滿足自動泊車系統(tǒng)對車位檢測精度的要求，超聲波雷達(dá)低廉的成本也更有利于市場推廣。