论文部分内容阅读
智能车辆是集环境感知、规划决策、辅助驾驶等功能于一体的综合智能系统,是计算机视觉、人工智能、控制理论和电子技术等多学科交叉的产物,能够在具有一定地形特征的环境中运行,顺利到达期望目的地或沿期望路径行驶,具有广阔的应用前景。本研究以四轮智能车为研究对象,采用高精度线阵CCD摄像头、高速双核DSP和超声波传感器等构成智能车辆的视觉导航、运动控制、避障和信息获取系统。着重研究智能车辆的图像处理、行驶控制、轨迹规划以及多电机控制问题。主要工作包括以下几个方面:1)为了增强运动环境条件下视觉系统的适应性,解决运动模糊、失真和噪声等问题,研究了多种图像处理技术,尝试的方法主要有:道路图像平滑滤波处理中的邻域滤波、中值滤波等;边缘增强处理中的Robert算子、Sobel算子、Prewitt算子、LOG算子及Canny算子,以及最佳阈值分割迭代算法。对上述处理方法进行了大量的对比实验,从实际处理效果与实时性方面对相关试验结果进行了比较分析,提出了适合智能车辆导航的图像预处理方法,突出标识线与环境之间的边缘线,为车体中心线与标识线的侧向距离偏差和角度偏差的计算提供依据。2)在结构或非结构环境下智能车辆必须具有实时反应能力、行为自主决策能力,因此,设计构建由协调和控制两层结构组成的Multi Agent System,一方面,根据智能车辆相对标识线位置的不同,采用由不同控制算法的Agent控制,通过传感器及其快速信息处理过程获得比较好的运行效果,同时也具有快速时间响应的特点;另一方面,协调层起到宏观调控作用,比如,制定子目标,监督智能车辆的运动,优化路径等。克服了传统基于行为的结构中以牺牲优化为代价的缺点,使应激行为更具有全局优化的特性。该控制结构既能在局部行动上显示出灵活的反应能力和鲁棒性,又能在全局上做出长远的、优化的运动控制规划。3)提出基于GA和LS-SVM的智能车辆变结构控制,利用典型样本,在离线状态下,运用遗传算法优化计算变结构控制律中最优参数ε和δ,分别建立ε和δ的支持向量机;在在线状态下,通过支持向量机为变结构控制器提供实时的ε和δ,既充分利用了遗传算法的全局优化和支持向量机的小样本、泛化能力强的特点,又克服了遗传算法计算时间长的缺陷,较好地解决了由离散指数趋近律设计的变结构控制器易产生抖振的问题。4)针对智能车辆转向系统的复杂,非线性和时变系统,提出了基于RBF神经网络在线辨识的单神经元PID控制。在该控制系统结构中,采用RBF神经网络辨识器实现对转向系统的Jacobian矩阵信息的在线辨识,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。实验结果表明,与常规的PID控制方法相比,该方法具有高控制精度、较强的自适应性和鲁棒性。5)建立基于TI公司双核DSP(DSP2812+DSP643)硬件整车控制平台和基于BIOS嵌入式操作系统的图像处理软件系统及测控系统,测试与实验表明该控制系统具有良好的性能与较高的可靠性。