汪芷涵,林 立,韓東澮,李睿誠

(邵陽學(xué)院,湖南 邵陽 422000)

0 引言

無人駕駛車已逐漸成為人們的主要交通工具之一。其屬于輪式機(jī)器人范疇[1],利用計(jì)算機(jī)輔助繪圖設(shè)計(jì),通過構(gòu)建預(yù)期路線數(shù)據(jù)圖,基于數(shù)據(jù)驅(qū)動(dòng),實(shí)現(xiàn)路線規(guī)劃的繪制[2]。但采用上述方法需要精確的數(shù)據(jù)模型及算法模型來實(shí)現(xiàn)障礙物的精確定位,繪制出避免障礙的路線,從而達(dá)到繪制路線的目的。目前,相關(guān)智能設(shè)備平臺(tái)多樣,涉及技術(shù)廣泛,相關(guān)應(yīng)用豐富(如表1)。

表1 不同應(yīng)用的自動(dòng)避讓技術(shù)

自動(dòng)避讓無人駕駛車的研究已經(jīng)取得了一定的成果,根據(jù)適用環(huán)境的不同需要運(yùn)用不同的避障技術(shù)(如BUG算法、人工勢場法、矢量場直方圖等)。本研究介紹了基于STM32芯片的無人駕駛車在讀取外部傳感器數(shù)據(jù)、控制設(shè)備正常運(yùn)行等方面的概念與設(shè)計(jì),提出將無人駕駛智能車與機(jī)器人技術(shù)相結(jié)合,進(jìn)行車輛工程開發(fā),展望了其與人工智能及計(jì)算機(jī)視覺等學(xué)科的交叉融合發(fā)展。

1 自動(dòng)避讓技術(shù)分類

1.1 Bug算法

Bug算法是一種簡單的算法,用于克服小車運(yùn)動(dòng)中從起點(diǎn)s到目標(biāo)點(diǎn)g 的意外障礙。Bug算法只假設(shè)了對(duì)環(huán)境的一個(gè)局部認(rèn)識(shí)及全局目標(biāo),基于輪廓檢測到從s到g的障礙,生成一個(gè)碰撞自由路徑[7]。圖1(a)[7]:有兩個(gè)障礙,其中H1和H2是命中點(diǎn),L1和L2是目標(biāo)點(diǎn)。在Bug 1算法中,一旦檢測到一個(gè)障礙i,系統(tǒng)就會(huì)圍繞著它做一個(gè)完整的輪廓,從命中點(diǎn)Hi開始,Li是目標(biāo)點(diǎn),這個(gè)完整的輪廓旨在評(píng)估到目標(biāo)Li的最小距離,系統(tǒng)繼續(xù)輪廓運(yùn)動(dòng),直到再次到達(dá)那個(gè)點(diǎn),從那里沿著一條直線到達(dá)目標(biāo)。這種技術(shù)效率很低,但能夠保證系統(tǒng)移動(dòng)到任何目標(biāo)。在Bug 2算法中(圖1(b)所示),障礙物輪廓從命中點(diǎn)Hi開始,在系統(tǒng)越過該線到達(dá)目標(biāo)時(shí)結(jié)束,這就定義了障礙物的邊界跟隨行為的左點(diǎn)Li直接移動(dòng)到目標(biāo)上。如果檢測到更多的障礙,則重復(fù)此過程[7]。

Bug算法很容易實(shí)現(xiàn),當(dāng)機(jī)器困在迷宮結(jié)構(gòu)中,能夠利用Bug 2算法得出最優(yōu)解,且在開放空間中效率較高,但仍存在忽略機(jī)器本身運(yùn)動(dòng)學(xué)及傳感器噪聲對(duì)機(jī)器的影響等問題。

1.2 人工勢場法

人工勢場法于1985年被提出[13],基本思想是將機(jī)器人視為一個(gè)沉浸在目標(biāo)與環(huán)境中存在的障礙物產(chǎn)生的潛在場中運(yùn)動(dòng)的粒子,目標(biāo)產(chǎn)生一個(gè)吸引力,而每個(gè)障礙產(chǎn)生一個(gè)排斥力。圖1(c)、(d)、(e)中[7]展示了吸引力、排斥力及吸引力與排斥力相結(jié)合的梯力度場。很明顯,一個(gè)機(jī)器人從任意位置開始到目標(biāo)的運(yùn)動(dòng)可以看作是機(jī)器人在起點(diǎn)處的一個(gè)無摩擦球的運(yùn)動(dòng)。修彩靖[16]等提出的改進(jìn)人工勢場能方法,既滿足了安全性又消除了抖動(dòng)問題,解決了傳統(tǒng)人工勢能場中目標(biāo)點(diǎn)與障礙物過近的問題。

人工勢場法是一種基于能量類型場的簡單路徑規(guī)劃技術(shù),對(duì)于一個(gè)靜態(tài)的、完全已知的環(huán)境可以進(jìn)行離線評(píng)估,提供機(jī)器人從起點(diǎn)到目標(biāo)的速度路徑,還可用于一個(gè)可容納避障組件的在線版本中,但對(duì)于局部極小值的敏感性不足。

1.3 矢量場直方圖

矢量場直方圖(Vector field histogram,VFH)是一種實(shí)時(shí)避障方法,允許檢測未知的障礙物,從而避免碰撞,引導(dǎo)移動(dòng)機(jī)器人朝向目標(biāo)[13]。VFH方法使用一個(gè)二維笛卡爾直方圖網(wǎng)格作為一個(gè)世界模型,如圖1(f)中所示。這個(gè)世界模型通過車載范圍傳感器采樣的范圍數(shù)據(jù)不斷更新,采用一個(gè)兩階段的數(shù)據(jù)接收過程,以計(jì)算車輛所需的控制命令。

在第一階段,考慮機(jī)器人瞬時(shí)位置的二維直方圖網(wǎng)格的恒定大小子集被簡化為一維極坐標(biāo)直方圖。極性直方圖中的每個(gè)扇區(qū)都包含一個(gè)表示該方向上的極性障礙密度值。在第二階段,算法從所有具有低極障礙密度的極直方圖扇區(qū)中選擇最合適的扇區(qū),機(jī)器人的轉(zhuǎn)向與該方向?qū)R[7]。建立一個(gè)二維笛卡爾直方圖網(wǎng)格表示的障礙及一個(gè)活動(dòng)窗口,將網(wǎng)格轉(zhuǎn)接到一維極坐標(biāo)直方圖上,根據(jù)一維極坐標(biāo)直方圖計(jì)算轉(zhuǎn)向角度及速度控制。無人駕駛小車的運(yùn)行環(huán)境是未知的或部分已知的,因此矢量場直方圖法的避障效率及優(yōu)化路徑仍存在不足。

2 基于STM32單片機(jī)的自動(dòng)避讓無人駕駛車

自動(dòng)駕駛車的創(chuàng)新集中于優(yōu)化虛擬駕駛員,即車輛的大腦。自動(dòng)汽車必須有一種感知車輛周圍環(huán)境的方法,以精確定位,準(zhǔn)確檢測并對(duì)固定與移動(dòng)的物體分類,測量這些物體的距離。大多數(shù)自動(dòng)駕駛汽車采用傳感與感知系統(tǒng)的組合,包括基于攝像頭的嵌入式視覺系統(tǒng)、雷達(dá)及激光雷達(dá)傳感器,這些傳感技術(shù)具有互補(bǔ)優(yōu)勢。圖2為自動(dòng)駕駛車[15]?；赟TM32單片機(jī)的無人駕駛車發(fā)展迅速,在自動(dòng)避障方面取得了一定的進(jìn)展。

第一款無人駕駛車以2018年電動(dòng)汽車為基礎(chǔ),增加了必要的硬件,能夠?qū)崿F(xiàn)自動(dòng)駕駛。軟件部分增加了1個(gè)中央處理單元,1個(gè)開發(fā)工具包來運(yùn)行圖像處理,2個(gè)慣性測量裝置,1個(gè)動(dòng)態(tài)性激光雷達(dá),2個(gè)立體聲相機(jī)。硬件增加了1個(gè)轉(zhuǎn)向執(zhí)行器及2個(gè)制動(dòng)執(zhí)行器,1個(gè)為氣動(dòng),1個(gè)為電動(dòng)。

無人駕駛車自動(dòng)避讓原理是通過車載傳感器獲得自身位置信息及外界環(huán)境障礙物信息,通過車輛自身信息與外界障礙物信息進(jìn)行比較計(jì)算出避障所需的最小安全距離,生成避障路徑并計(jì)算前輪方向盤角度及行駛速度,使車輛自主完成行駛?cè)蝿?wù),到達(dá)目標(biāo)點(diǎn)。對(duì)任意控制系統(tǒng)來說,主控芯片是必不可少的。STM32是近年來常見的高速處理器,內(nèi)置資源豐富,內(nèi)部集成達(dá)到7個(gè),能夠進(jìn)行基本、通用、高級(jí)定時(shí)器的高速處理,取代傳統(tǒng)的51單片機(jī)及低端新型處理器。目前,以STM32為核心控制芯片的無人駕駛車的研究越來越多,其中模塊化設(shè)計(jì)避障系統(tǒng)方式多種多樣。

Jingxiang Pei[8]等采用模塊化設(shè)計(jì),根據(jù)其功能分為3個(gè)模塊,即避障模塊、移動(dòng)模塊及清掃模塊。超聲波傳感器、紅外傳感器及陀螺儀等傳感器被用于感知周圍環(huán)境?；赟TM32微控制器的開發(fā)板可讀取這些外部傳感器的值,使用軟件設(shè)計(jì)部分中的控制算法,對(duì)數(shù)據(jù)進(jìn)行處理,以感知外部環(huán)境。處理后的數(shù)據(jù)被用作控制移動(dòng)模塊的基礎(chǔ),該模塊控制機(jī)器人向前、向后、轉(zhuǎn)向、停止及旋轉(zhuǎn)。機(jī)器內(nèi)含有8個(gè)超聲波傳感器,測量機(jī)器與障礙物之間的距離,并粗略估計(jì)環(huán)境大小及形狀,當(dāng)障礙物與機(jī)器之間的距離小于1 m時(shí)開始高精度激光測距。為了避免摩擦等干擾因素,采用PID算法,對(duì)角度及速度進(jìn)行修正。算法流程如圖3所示[8]。根據(jù)陀螺儀反饋的偏航角來判斷實(shí)際的行程方向,并由編碼器識(shí)別其速度,具有避障、防墜落、自動(dòng)路線規(guī)劃等功能。

郝帥紅[4]提出了無人駕駛拖拉機(jī)控制系統(tǒng),對(duì)Q/CR01-2015型山地拖拉機(jī)的搖桿動(dòng)力供給、整體控制系統(tǒng)、操作系統(tǒng)及燈光系統(tǒng)進(jìn)行設(shè)計(jì),對(duì)其底層控制系統(tǒng)進(jìn)行分析。設(shè)計(jì)思路如圖4(a)所示[4]。主要由5部分組成,即SBUS發(fā)射器、SBUS接收機(jī)、底層控制系統(tǒng)的主控芯片、電子系統(tǒng)及液壓伺服系統(tǒng)。主控芯片使用STM32F103系列單片機(jī),電路如圖4(b)所示。給主控芯片供電3.3 V,滿足低功耗的需求。加入0.1 μF的去耦電容,增加了電路穩(wěn)定性,去除干擾,芯片的NRST引腳為高電平狀態(tài),以確保芯片正常運(yùn)作。遵守相應(yīng)的控制程序,進(jìn)行分析調(diào)試,快讀準(zhǔn)確地對(duì)應(yīng)遙控器點(diǎn)火指令與液壓缸的伸縮指令,滿足底層控制系統(tǒng)性能需求,達(dá)到預(yù)期目標(biāo)。

(a)無人駕駛拖拉機(jī)底層控制系統(tǒng)設(shè)計(jì)思路 (b)主控芯片與最小系統(tǒng)

3 結(jié)束語

隨著無人駕駛技術(shù)的發(fā)展,其應(yīng)用復(fù)雜程度越來越高,無論是在靜態(tài)環(huán)境還是在動(dòng)態(tài)環(huán)境中,障礙物規(guī)避及路徑規(guī)劃都發(fā)揮著重要的作用?？筛鶕?jù)無人駕駛技術(shù)的應(yīng)用范圍選擇不同的導(dǎo)航技術(shù),以實(shí)現(xiàn)自動(dòng)導(dǎo)航。通過對(duì)避障技術(shù)的綜述,比較其優(yōu)缺點(diǎn),提出基于自主傳感器數(shù)據(jù)進(jìn)行避障及路徑規(guī)劃。基于STM32設(shè)計(jì)的無人駕駛技術(shù),可優(yōu)化汽車設(shè)計(jì),提高技術(shù)水平,實(shí)現(xiàn)自動(dòng)避讓的精確作業(yè)。