基于信息融合的自动泊车系统车位智能识别

发布时间：2019-07-10 19:24

【摘要】：针对自动泊车系统对不同类型停车位进行识别的要求,提出一种基于距离和视觉信息融合的停车位智能识别方法。建立了根据超声波传感器、视觉信息传感器、里程计信息来辨识停车位两侧车辆姿态和车位参数的模型,根据Mamdani模糊推理计算输出相应的泊车车位识别结果。利用Matlab/Simulink搭建车位自动辨识以及相应的泊车路径仿真模型,针对五个典型的停车位场景进行了仿真分析,仿真结果验证了车位智能识别和泊车路径规划方案的合理性和有效性。将自主开发的自动泊车系统搭载于某轿车进行试验,试验结果表明,该泊车系统对规则和不规则车位的自动识别正确率为88%~98%,平均值为92.8%,从而验证了车位智能识别方法的良好效果。
文内图片：
图片说明： 幌叩某【跋拢嚓?统决策模块依靠摄像头对车位线进行识别和检测，判断停车位类型。如德国学者DAXWANGER[10]、英国剑桥大学OZKUL[11]、台湾学者CHAO[12]、浙江大学张聪[13]等研究不同的视觉检测车位线算法，通过计算4条车位线包络形成的形状，实现对停车位类型的判断。但上述两种车位识别方法均有局限性，第一种车位识别方法的智能化程度不高，仍需要依靠驾驶员肉眼观测来选择车位类型。第二种车位识别方法的应用场景必须要有标准车位线，在没有标准车位线的情况下，摄像头无法识别出停车位的类型。图1停车位智能感知技术基本原理在现实生活中，由于每个驾驶员停车水平和驾驶习惯存在差异，导致停车姿态各不相同，因而经常会出现不规则停车位。在没有标准车位线的辅助下，不规则停车位的边界特征较为复杂，现有的停车位识别技术无法识别出停车位类型，使很多不规则停车位资源难以利用，，驾驶技术不太好的驾驶员只好通过巡游来寻找规则或宽敞的停车位，从而造成燃油和时间浪费。近年来，多传感器信息融合技术开始受到自动泊车和移动机器人导航研究人员的关注。台湾学者HSU等[14]基于摄像头、超声波雷达、惯性导航系统和GPS，通过多传感器信息融合方法实现了对1.5倍车长的停车位识别；浙江大学的王飞文等[15]通过融合摄像头和超声波信息，提出了基于泊车车位模型和泊车位车道线模型的泊车位检测方法；武汉理工大学赵玲利用神经网络算法融合视觉和距离信息，实现了机器人自主巡航[16]。然而，现有技术仍然无法识别非标准或没有车位线的不规则停车位，对不规则停车位的识别方法研究也未见报道。为了提高停车场资源的利用率以及自动泊车系统的智能化程度，本文通过融合超声波传感器、视觉信息传感器
文内图片：
图片说明： ?侧方均安装有超声波传感器和视觉传感器，超声波传感器用于探测车位纵深长度，视觉传感器用于识别车位周围车辆的轮毂，里程计用于读取自车行走的距离。在寻库过程中，车位感知系统实时融合超声波传感器、视觉信息传感器和里程计的特征数据，获取停车位周围的空间几何参数，并将其导入停车位空间模型。然后，模糊推理模块以停车位空间模型提取的车位特征参数为输入，输出车位类型辨识结果。最后泊车路径规划模块根据车位类型进行泊车方案匹配计算，如匹配成功，则进入泊车状态；如匹配不成功，则汽车继续向前寻库。图2为自动泊车系统结构组成简图。图2自动泊车系统结构组成示意图
【作者单位】： 江苏大学汽车与交通工程学院;江苏大学汽车工程研究院;
【基金】：国家自然科学基金重点(U1564201) 江苏高校自然学科研究重大项目(16KJA580001) 江苏省产学研前瞻性联合创新(BY2012173)资助项目
【分类号】：TP391.41;U463.6


本文编号：2512832