劉暢

Abstract： Automatic parking system can help drivers to better park and reduce psychological pressure when parking. In order to increase the application scenario and success rate of parking system， the key research of multi-information fusion automatic parking system is summarized. This paper introduces the present situation of multi-information parking system from the research and analysis of multi-information fusion system of parking space identification sensor， path planning， controller and sensor， and puts forward the problems and challenges in the development of parking system.

關(guān)鍵詞： 自動泊車;傳感器;多信息融合

Key words： automatic parking;sensor;multi-information fusion

中圖分類號：U463.6 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-957X（2022）04-0218-03

0 ?引言

信息融合技術(shù)是由美國科學(xué)家率先提出的一種智能化概念，被首次應(yīng)用于戰(zhàn)爭中，且在各國的軍事中得到一定程度的應(yīng)用與普及，因此該項技術(shù)當(dāng)前已相對成熟，應(yīng)用范圍也較為廣泛。

近年來，隨著當(dāng)下對汽車安全性與駕駛舒適度的追求，智能化與個性化成為汽車發(fā)展的新方向。汽車智能化能幫助人們更好的體會到駕駛樂趣，使其向著自動化方向發(fā)展，而汽車的自動泊車系統(tǒng)作為智能化的重要體現(xiàn)，受到社會及駕駛者的廣泛關(guān)注，此項技術(shù)是汽車在低速狀態(tài)下應(yīng)對復(fù)雜泊車環(huán)境的應(yīng)用。其最終目的是幫助駕駛者便捷、快速地開展泊車操作[1-2]。車位識別的精確度決定著泊車的成功率。目前車位識別采用的傳感器主要有超聲波傳感器、圖像傳感器和激光雷達(dá)傳感器等[3]，其中采用超聲波傳感器進(jìn)行車位識別的方案居多。

傳統(tǒng)汽車廠商所采用的車位識別方案大多基于單一的超聲波傳感器對同一車位進(jìn)行識別，此類方案一旦出現(xiàn)傳感器失效或者誤判就極有可能引起交通事故。把信息融合技術(shù)應(yīng)用到泊車系統(tǒng)中，能有效提高泊車中車位識別的精度與穩(wěn)定性。

1 ?自動泊車系統(tǒng)

當(dāng)前汽車的自動化泊車系統(tǒng)是由泊車周圍環(huán)境感知、泊車路徑規(guī)劃及智能跟蹤等信息化板塊構(gòu)成。泊車系統(tǒng)通過車載傳感器精準(zhǔn)感知停車周圍的環(huán)境，獲取汽車的泊位信息，準(zhǔn)確計算出車身與泊位線之間的具體幾何關(guān)系，制定出最佳的泊車路徑，最終控制車輛跟蹤路徑完成泊車操作。

1.1 車位識別常用傳感器

車位識別是路徑規(guī)劃的前提，是泊車系統(tǒng)設(shè)計中最為重要的環(huán)節(jié)。目前的研究主要是利用車載傳感器進(jìn)行車位及障礙物的檢測與坐標(biāo)定位，泊車系統(tǒng)用于車位識別的傳感器主要有攝像頭、激光雷達(dá)、超聲波雷達(dá)等。

攝像頭獲得的信息與人眼相似，由于其具有豐富的信息檢測能力，常用于車位線車位的檢測，但其獲得的信息缺少立體性，對于立體空間停車位的檢測能力不足，同時其受光線影響嚴(yán)重，在能見度低的環(huán)境中很難實現(xiàn)車位的識別。激光雷達(dá)具有很強的遠(yuǎn)距離目標(biāo)識別能力，可直接檢測出目標(biāo)的距離、速度等信息，并且具有很強的抗干擾能力。激光雷達(dá)具有車位線車位與空間車位的檢測能力，其可以遠(yuǎn)距離檢測出空間車位，但其車位線檢測的分辨率與攝像頭相比有較大差距。強烈的太陽光、其他激光信號和沙塵、雨雪等惡劣環(huán)境都會影響激光雷達(dá)檢測的精確度，其還具有成本高，體積大等缺點。超聲波具有很強的穿透性與指向性，其受惡劣天氣及光線的影響小，具有很強的穩(wěn)定性，且超聲波雷達(dá)成本低，體積小。溫度對超聲波雷達(dá)有較大的影響，遠(yuǎn)距離目標(biāo)信息測量精度不夠。超聲波雷達(dá)常用于近距離空間車位檢測，其不具備停車線車位的檢測能力，但其強大的全天候檢測能力與低成本使其成為使用率最高的車位檢測雷達(dá)[4]。各車載傳感器性能如表1所示。

1.2 路徑規(guī)劃

路徑規(guī)劃是泊車系統(tǒng)設(shè)計的重要步驟，泊車路徑規(guī)劃需要結(jié)合車位與障礙物的位置信息，根據(jù)車輛最小轉(zhuǎn)彎半徑、車長、車寬等車輛自身參數(shù)規(guī)劃出滿足避障條件的泊車路徑。

目前泊車路徑規(guī)劃的方法大致可以分為三類：基于幾何圖形的路徑規(guī)劃、基于地圖搜索算法的路徑規(guī)劃、基于機(jī)器學(xué)習(xí)模糊控制算法的路徑規(guī)劃?；趲缀螆D形的泊車路徑規(guī)劃方法通常采用圓弧相切法、直線圓弧相切法、多項式路徑擬合等方法。圓弧相切法與直線圓弧相切法常用于垂直車位泊車的路徑設(shè)計中，其設(shè)計方法簡單，便于實現(xiàn)，但在其圓弧相切處存在曲率突變的過程，會造成原地轉(zhuǎn)向?qū)е螺喬ツp與加重轉(zhuǎn)向助力電機(jī)負(fù)擔(dān)的問題。多項式路徑擬合方法常用于水平車位的泊車路徑規(guī)劃，其路徑曲率雖然連續(xù)，但求解復(fù)雜，需要較大的計算量，為了妥協(xié)計算量與路徑精確度常采用五次多項式進(jìn)行泊車路徑擬合，其連續(xù)的曲率對控制的要求很高，若控制器對車速與路徑跟蹤的精度不夠很可能會導(dǎo)致泊車失敗。基于地圖搜索的算法常用A*、D*、RRT等[5]，此規(guī)劃方法通過建立啟發(fā)函數(shù)在泊車傳感器識別的地圖中根據(jù)障礙物與車位位置信息尋找合適的泊車路徑，并用曲線平滑路徑，其算法的精確度與計算復(fù)雜度取決于地圖規(guī)劃柵格的大小，由于其規(guī)劃時很難考慮到車輛的最小轉(zhuǎn)彎半徑與轉(zhuǎn)向速度，所以成功率不高，在進(jìn)行泊車規(guī)劃時很少使用此類算法。基于機(jī)器學(xué)習(xí)模糊控制算法的路徑規(guī)劃是根據(jù)駕駛員泊車習(xí)慣利用模糊控制規(guī)則結(jié)合機(jī)器學(xué)習(xí)規(guī)劃出的實時泊車路徑，其對泊車環(huán)境的實時檢測，使泊車系統(tǒng)可以適應(yīng)于復(fù)雜的泊車環(huán)境，但同時也對系統(tǒng)軟件與硬件的計算能力有了更高要求，同時也需要進(jìn)行大量的模型訓(xùn)練。

長安大學(xué)劉虎[6]利用五次多項式對固定場景障礙物約束下的車輛軌跡進(jìn)行了曲率優(yōu)化，實現(xiàn)了泊車路徑曲率連續(xù)化。大連理工大學(xué)王浩杰[7]通過改進(jìn)RRT算法的擴(kuò)展方式與采樣方式，提高了RRT算法的搜索與泊車避障能力，并用樣條曲線進(jìn)行優(yōu)化，保證泊車路徑的平順性。合肥工業(yè)大學(xué)錢立軍[8]利用車輛方向盤勻速轉(zhuǎn)動時車輛行駛軌跡，設(shè)計了五段泊車路徑，通過避障條件優(yōu)化路徑參數(shù)，減少了計算量，提高了路徑的連貫性。華南理工大學(xué)陳鑫[9]提出了基于強化學(xué)習(xí)算法的泊車路徑規(guī)劃，通過仿真證明了算法較強的規(guī)劃適應(yīng)能力與強壯性。湖南大學(xué)李紅[10]利用B樣條曲線對泊車路徑進(jìn)行了規(guī)劃，并規(guī)劃了單步與多步的泊車路徑方案來適應(yīng)不同場景的泊車位。

1.3 跟蹤控制器

泊車跟蹤控制器設(shè)計是控制車輛按照規(guī)劃路徑進(jìn)行泊車。目前常用泊車控制器有PID控制、MPC控制、LQR控制與滑膜控制等。PID控制常用于泊車的縱向速度控制，該算法的實現(xiàn)不需要精確的模型，但其參數(shù)優(yōu)化較為困難，常與機(jī)器學(xué)習(xí)等智能控制算法結(jié)合，實現(xiàn)其控制器參數(shù)優(yōu)化。MPC、LQR與滑膜控制用于泊車的縱向路徑跟蹤控制。MPC可以實時獲取最優(yōu)的在線控制量，其精度與控制器設(shè)計的預(yù)測層數(shù)有關(guān)，但其對硬件的計算能力要求較高。LQR控制易于實現(xiàn)，但其在曲率變化較大的泊車路徑跟蹤中誤差較大，對泊車路徑規(guī)劃要求較高?；た刂凭哂泻軓姷目垢蓴_能力，但由于其不連續(xù)的開關(guān)特性會造成抖動[11]。

北京交通大學(xué)董航瑞[12]提出了一種基于坐標(biāo)補償?shù)腗FAC預(yù)瞄偏差角跟蹤方案，此方案不需要車輛模型信息，可適用于多種類型車輛，并通過Matlab仿真證明其控制效果優(yōu)于PID與原型MFAC控制方案。吉林大學(xué)張家旭[13]通過非奇異快速終端滑模理論與雙冪次趨近律設(shè)計了滑模泊車路徑跟蹤器，并通過仿真軟件，證明了跟蹤控制的動態(tài)響應(yīng)特性與魯棒性有所提高。重慶理工大學(xué)宋

佳[14]利用PID控制算法進(jìn)行了車輛縱向車速控制器和車輛橫向車輪轉(zhuǎn)角控制器與航向角控制器的設(shè)計，實現(xiàn)對圓弧與直線泊車路徑的跟蹤。大連理工大學(xué)王浩杰[7]基于PID算法對縱向車速進(jìn)行了控制，并設(shè)計了MPC控制器控制車輪轉(zhuǎn)向角，針對泊車工控的特殊性進(jìn)行了控制器改進(jìn)，通過泊車仿真驗證了控制器精確性。北方工業(yè)大學(xué)徐春玲[15]利用人工智能控制算法，把泊車過程中車輛的起始位置作為輸入條件，并設(shè)計深度神經(jīng)網(wǎng)絡(luò)的控制模型對車輛泊車過程進(jìn)行分析，通過Matlab仿真驗證了泊車控制器的可靠性。

2 ?多傳感器信息融合

2.1 多傳感器信息融合車位識別

各類傳感器由于原理不同，在泊車過程中有不同的適用場景，當(dāng)前泊車車位識別方法主要有基于超聲波傳感器的空間車位檢測與基于攝像頭的停車線車位檢測。單一的泊車傳感器無法適用于多狀況的泊車環(huán)境，并且在傳感器失效或誤判時易造成泊車事故，多傳感器在泊車上的融合使用能有效彌補單一傳感器的缺陷。

國內(nèi)學(xué)者對多傳感器融合泊車車位識別進(jìn)行了探究。江蘇大學(xué)沈崢楠[16]以模糊推理為多信息的融合算法，利用超聲波傳感器探測車位縱向深度，輪速傳感器探測橫向長度，視覺傳感器輔助檢測輪轂用以檢測障礙車輛位姿，有效識別了斜車位。山東理工大學(xué)沈剛[17]也使用模糊推理多信息融合算法實現(xiàn)了多狀況的空間車位檢測，利用超聲波傳感器對空間車位進(jìn)行初步檢測，再利用激光雷達(dá)檢測周圍障礙物，通過激光點云與投影獲得泊車車位與障礙物的坐標(biāo)位置。揚州大學(xué)許亞[18]利用基于深度學(xué)習(xí)的YOLOV4工具對車位識別進(jìn)行訓(xùn)練，并對基于MaskRCNN雙目測試與激光測距進(jìn)行融合，提高了車位距離識別的精確度。

多傳感器信息融合在車位識別的應(yīng)用，增加泊車系統(tǒng)對復(fù)雜車位的識別，正在逐漸成為泊車系統(tǒng)研究的重點問題。

2.2 多傳感器信息融合體系

通過傳感器所獲信息對目標(biāo)狀態(tài)進(jìn)行估計，根據(jù)對各個傳感器輸入信息進(jìn)行處理與融合方法的不同，傳感器信息融合在結(jié)構(gòu)上可以分為集中式、分布式、混合式三種。

集中式融合結(jié)構(gòu)中傳感器數(shù)據(jù)直接在數(shù)據(jù)融合中心進(jìn)行融合，具有靈活的融合算法，可以實現(xiàn)數(shù)據(jù)的實時融合，且融合精度高，但中央處理器需要同時計算各個傳感器的原始數(shù)據(jù)，對處理器計算能力有較高要求，同時底層傳感器缺少信息交互，魯棒性差。集中式融合結(jié)構(gòu)如圖1所示。

分布式融合結(jié)構(gòu)在每個傳感器上都有處理單元，傳感器獲得的信息經(jīng)過局部處理后再傳送到中央處理器進(jìn)行數(shù)據(jù)的組合與計算獲得融合后結(jié)果，其在每個傳感器上都設(shè)有獨立的處理單元，相比與集中式有更快的計算速度與穩(wěn)定性，但傳感器所獲信息的損失大于集中式融合結(jié)構(gòu)，跟蹤精度較差。分布式融合結(jié)構(gòu)如圖2所示。

混合式結(jié)構(gòu)分布由集中式與分布式組合而成，其結(jié)合了集中式與分布式的優(yōu)點，具有較強的靈活性，但結(jié)構(gòu)復(fù)雜，對通信與處理器有很高要求?；旌鲜饺诤辖Y(jié)構(gòu)如圖3所示。

3 ?結(jié)束語

文章從自動泊車系統(tǒng)與多傳感器信息融合兩大方面對多信息融合自動泊車系統(tǒng)進(jìn)行了介紹，目前泊車路徑規(guī)劃與路徑跟蹤控制的研究已較為成熟，單傳感器泊車系統(tǒng)在使用場景中有很大的局限性，難以滿足日常復(fù)雜的泊車環(huán)境，多信息融合自動泊車系統(tǒng)的研究能有效增加泊車系統(tǒng)的應(yīng)用場景與泊車成功率。但信息融合自動泊車系統(tǒng)在發(fā)展過程中還存在以下問題與挑戰(zhàn)：

①在車位識別中多個傳感器獲得的信息會出現(xiàn)冗余與矛盾，需要在多信息融合過程中解決數(shù)據(jù)對準(zhǔn)，數(shù)據(jù)關(guān)聯(lián)，錯誤數(shù)據(jù)的問題。

②雖然在標(biāo)準(zhǔn)車位的路徑規(guī)劃研究較為成熟，但隨著泊車系統(tǒng)車位識別與障礙物檢測能力的提升，需要結(jié)合當(dāng)前路徑規(guī)劃理論對窄車位與多障礙物的泊車路徑規(guī)劃進(jìn)行深入研究。

③路徑跟蹤控制器在設(shè)計中只考慮跟蹤控制性能是不足夠的，需要在設(shè)計中把環(huán)境感知與路徑規(guī)劃結(jié)合起來，另外也要考慮到車輛泊車跟蹤舒適性。

參考文獻(xiàn)：

[1]馮澤，蒙雪敏，孫振保，等.電動汽車整車電子控制器（VCU系統(tǒng)）智能橫向泊車服務(wù)系統(tǒng)的設(shè)計探究[J].科技創(chuàng)新與應(yīng)用，2019（35）：79-80.

[2]江浩斌，葉浩，馬世典，等.基于多傳感器數(shù)據(jù)融合的自動泊車系統(tǒng)高精度辨識車位的方法[J].重慶理工大學(xué)學(xué)報（自然科學(xué)版），2019，33（4）：1-10.

[3]樸昌浩，祿盛，等.自動泊車系統(tǒng)設(shè)計[D].北京：科技出版社，2014.

[4]甄先通，黃堅，等.自動駕駛汽車環(huán)境感知[D].北京：清華大學(xué)出版社，2020.

[5]熊瑩，毛雪松.基于二段多項式的窄空間平行泊車路徑規(guī)劃方.計算機(jī)系統(tǒng)應(yīng)用，2020，29（8）：211-216.

[6]劉虎，楊嘉，楊太旗，等.車輛平行泊車系統(tǒng)路徑規(guī)劃與控制研究[J].機(jī)電工程技術(shù)，2021，50（01）：61-63.

[7]王浩杰.自動泊車系統(tǒng)路徑規(guī)劃與跟蹤算法研究[D].大連理工大學(xué)，2021.

[8]錢立軍，胡偉龍，劉慶，吳冰.多段式自動泊車路徑規(guī)劃及其關(guān)鍵技術(shù)[J].吉林大學(xué)學(xué)報（工學(xué)版），2016，46（03）：785-791.

[9]陳鑫，蘭鳳崇，陳吉清.基于改進(jìn)深度強化學(xué)習(xí)的自動泊車路徑規(guī)劃[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2021，35（07）：17-27.

[10]李紅.自動泊車系統(tǒng)路徑規(guī)劃與跟蹤控制研究[D].湖南大學(xué)，2014.

[11]化祖旭.自動駕駛汽車路徑跟蹤控制算法綜述[J].裝備制造技術(shù)，2021（06）：100-103.

[12]董航瑞.基于無模型自適應(yīng)控制的自動泊車系統(tǒng)[D].北京交通大學(xué)，2014.

[13]張家旭，趙健，施正堂，楊雄.基于回旋曲線的平行泊車路徑規(guī)劃和跟蹤控制[J].吉林大學(xué)學(xué)報（工學(xué)版），2020，50（06）：2247-2257.

[14]宋佳.垂直泊車車位識別與路徑跟蹤控制[D].重慶理工大學(xué)，2021.

[15]徐春玲.面向平行泊車場景的自動泊車控制策略研究[D].北方工業(yè)大學(xué)，2018.

[16]沈崢楠.基于多傳感器信息融合的自動泊車系統(tǒng)研究[D].江蘇大學(xué)，2017.

[17]沈剛.基于多傳感器信息融合的智能泊車路徑規(guī)劃與跟蹤方法研究[D].山東理工大學(xué)，2020.

[18]許亞.基于視頻識別和激光定位的車位檢測系統(tǒng)[D].揚州大學(xué)，2020.