核心词：
宁波驾校 智能汽车驾驶技术设计策略研究 汽车驾驶技术设计策略研究 辅助驾驶技术设计策略研究 驾驶技术设计策略研究 技术设计策略研究 设计策略研究 策略研究 目录：
1、超声波传感器作为测距元件被广泛应用到智能汽车障碍物探测中2、以纸箱模型为例3、避障问题一直是智能汽车研究的重点工作4、智能汽车避障的关键在于如何准确获知障碍物位置5、采用单一的传感器收集信息可能产生信息收集的不完整性6、在智能汽车避障设计中 汽车最早起源于欧洲,在人类发展历程中已有一百多年的历史。
截至2019年底,我国登记在册的机动车数量已突破3亿辆,机动车驾驶人已达到3.9亿人。
随着机动车的增加,其给人们生活带来一定的负面影响,如造成交通拥堵和交通事故等。
在汽车驾驶过程中,驾驶员长期疲劳驾驶或者判断失误,技术设计策略研究驾驶技术设计策略研究很容易造成道路交通事故。
为了避免交通事故给人带来的损害,人们可以通过自行驾驶让汽车本身具有一定的主动操作,智能汽车这一概念被提出。
最早期的智能汽车用于军事工业,随着技术的不断研发和成熟,其在民用方面也逐渐开始盛行。
目前,智能汽车作为世界各国汽车工业未来发展的方向,成为一个新兴产业,不仅提高了人们出行质量,还提高了社会资源的利用率。
2009年,美国谷歌公司提出了无人汽车概念模型;2017年,美国众议院通过了无人汽车驾驶法案;2018年,美国加利福尼亚州通过了无人驾驶汽车上路行驶草案。在智能汽车研究过程中,传感器是一个重要的技术部件,目前已经开发出多种传感器,其被应用于智能汽车中,应用较为广泛的是超声波传感器、红外线传感器、激光雷达传感器等,对于智能汽车而言,选择合适的传感器非常重要。自然界中只要有绝对温度的物体都会发出红外光,随着温度的变化,波长也会发生变化。因此,可以通过红外线传感器来探测物体发出的红外光波,对物体进行探测。其可以分为五种类型:辐射计,探测辐射和光谱;搜索跟踪系统,对被测对象进行搜索和跟踪定位;热成像系统,提供红外热辐射图像;红外线测距和通信;混合系统,由以上系统(至少两个)组合而成。式中,为干燥空气中的声速,取331m/s。
超声波传感器作为测距元件被广泛应用到智能汽车障碍物探测中
目前,超声波传感器作为测距元件被广泛应用到智能汽车障碍物探测中,相比其他类型传感器,在恶劣环境中仍然能够有效探测障碍物及相互距离,同时在产品经济性上具有较好的优势。本文采用的超声波测距传感器模块电路图如图1所示。长期应用表明,该模块表现出稳定性好、测距精度高、盲区小的优势,测距原理如下:利用IO口TRIG触发测距,高电平信号不低于10μs;模块自动发射8个40kHz方波,策略研究设计策略研究并监测发射方波是否有返回;输出一个高电平,记录该高电平持续时间,该时间为超声波发射到接收返回信号的时间;一个控制口发射出一个高电平,同时接收口等待接收,在发射口输出时,定时器打开,记录测距时间,方可计算出距离。在利用超声波传感器测距的过程中,仍然存在一定的盲区,当障碍物处于盲区时,可能无法准确探测,造成汽车与障碍物相互碰撞。因此,在安装超声波传感器的过程中,要尽量避免或者降低探测盲区的出现,从而降低探测盲区造成汽车与障碍物碰撞的可能。在智能汽车行驶过程中,数据采集是一个必备的环节,将收集的数据处理后反馈给汽车相应的计算分析中心,这保证了智能汽车能在行驶过程中不断修正轨迹,避免碰撞,顺利到达目的地。本研究选用3个传感器,分别安装在汽车的前后端的左、中、右三个部位,分别用于探测汽车左前方、正前方、右前方三个方向上的障碍物信息以及车辆后方与其他车辆的距离信息,以便更好地收集车辆周围信息,给车辆提供更加详尽的避障保障。本研究采用视觉传感器来直接获知车辆在行驶过程中的道路信息,并对路面行驶过程障碍物进行准确获知,这就需要对采集的信息进行进一步处理分析。在图像采集过程中,由于采集的图像可能产生模糊、噪声大的情况,为了保障获取信息的准确性,提高视觉系统判断出障碍物信息的真实性,人们需要从图像信息中提取障碍物信息并进行数学模型分析,设计策略研究技术设计策略研究以便计算出障碍物信息,给智能汽车提供良好的避障路径。近年来,国内外学者提出了多种方法,如光流法、分割法、帧间差分法等算法。在智能汽车行驶过程中,本文采用的视觉传感器可以采集环境信息,提取障碍物信息。
以纸箱模型为例
以纸箱模型为例,通过图像灰度变化处理、图像滤波及形态学运算分析,将障碍物纸箱信息进行充分提取,具体操作流程如图2所示。首先,在运动过程中探测到原始图像,如图3所示,由于探测过程中车辆处于运动状态,因此探测图像显得较为模糊;对图像进行灰度处理,处理后的图像如图3所示,灰度图像中存在一定的噪声干扰;将获得的灰度图进行滤波处理,智能汽车驾驶技术设计策略研究得到较为清晰的图像,如图3所示;然后进行形态学运算分析,得到"腐蚀"图像,如图3所示。最终对图像进行充填,得到障碍物信息图像,如图4所示。
避障问题一直是智能汽车研究的重点工作
避障问题一直是智能汽车研究的重点工作,目前应用较多的是利用多传感器来收集信息,然后在时间和空间上进行互补,从而更为准确地探测出障碍物。经验分析表明,仅仅依靠一个传感器来获知信息并提供给智能汽车处理中心来进行决策,可靠性较差,而采用多个传感器则很好地解决了这一问题。目前,多个传感器融合的结构有集中型、分散型、混合型等。集中型由信息处理中心对各传感器获取的信息进行分析,要求传感器获取的信道容量较大,能对许多传感器传输的信息进行同时分析处理。分散型信息处理则需要首先对每一个传感器获取的信息进行预处理,然后将预处理的信息压缩后统一传输到信息处理中心。预处理过程则起着首先进行分析处理、降低信息处理中心信道容量的目的,但其间可能会丢失掉一部分重要信息,造成后期信息处理中心处理成果融合变差。因此,该类结构适合于远距离配置传感器系统并且信息获取保真度较高的情况,结构如图5所示。混合型信息处理结构为集中型和分散型组合,策略研究这种结构既具有信息集中处理步骤,又具有分散型信息处理过程,使得各个传感器采集的信息能够充分被收集和利用,可以得到良好的处理结果。因此,混合型相对而言具有更好的结构优势,但其处理系统较为庞大。
智能汽车避障的关键在于如何准确获知障碍物位置
智能汽车避障的关键在于如何准确获知障碍物位置,仅依靠视觉传感器进行信息采集,容易受到外界光线干扰,造成信息采集不完整,从而影响处理效果。而超声波测距可以在相对恶劣的环境下正常运行。
采用单一的传感器收集信息可能产生信息收集的不完整性
总体来看,宁波驾校采用单一的传感器收集信息可能产生信息收集的不完整性。本研究利用超声波传感器和视觉信息处理两者的优点,将两种技术进行融合,即采用视觉摄像头和超声波传感器两种传感器进行信息采集,然后进行融合处理,利用超声波传感器探测障碍物距离,融合获取障碍物位置信息,驾驶技术设计策略研究辅助驾驶技术设计策略研究探测出障碍物基本特征,再将超声波传感器探测到的距离作为模糊逻辑输入,以智能汽车避障行为作为对象进行输出,达到最佳的智能汽车避障效果。本文将智能汽车避障行为分为三种类型,即直奔目标、直接避让和紧急制动。直奔目标是指智能汽车从出发点启动,在行驶途中会产生很多突发情况,为安全抵达目的地,其间需要采取不同的措施来进行应对。当智能汽车在平坦道路上行驶时,传感器感知到地面无障碍物,智能汽车会平稳前进,中途不需要采取任何躲避障碍物的措施。直接避障是指智能汽车行驶期间,前方道路出现障碍物阻碍了正常行驶,为了避免发生碰撞,其会采取绕过障碍物的方式进行前进。因此,在探测障碍物时,要有良好的传感器,做好信息处理并反馈给车辆控制系统。紧急制动是指遇到突发性障碍物时,无法进行合理避让,只能采取紧急制动模式停止汽车前行,直到障碍物远离智能汽车。这种情况产生的概率远小于上述两者行为,但是如果事件发生后,智能汽车未做出紧急制动反应,则会造成很严重的损失。
在智能汽车避障设计中
因此,在智能汽车避障设计中,紧急制动是不可或缺的。自动跟车主要依赖环境探测、信息实时反馈和车速控制,其关键在于通过环境探测将结果反馈给汽车控制系统,以便确定合理的车速,使其与前后车保持良好的车距。环境感知期间,对智能汽车行驶过程的周围环境进行测探,汽车驾驶技术设计策略研究智能汽车的传感器进行信息采集、处理后,将信息传输到汽车控制系统,然后结合当前状态来进行调整,以时刻与前后车保持安全距离。当智能汽车前后方都无车辆行驶时,汽车行驶状态有加速状态、稳定跟车状态、减速跟车状态。若智能汽车与前方车辆距离较远,其处于加速状态;当智能汽车与前方车辆的距离到达安全距离边界时,其进入跟车状态;当前方车辆发生制动或减速时,智能汽车也开始减速,当与前方车辆距离拉大后,智能汽车开始加速,然后再次跟车。本文采用Carsim软件与Simulink联合仿真来分析模拟智能汽车对操作行为、路面的响应情况,设定汽车以100km/h初速度行驶,汽车以80km/h速度匀速行驶,模拟得到智能汽车跟车(前车)过程的速度变化响应曲线,如图6所示。智能汽车初始速度较大,当智能汽车采取减速措施,直到车速与前车速度相同时,两车的实际车距小于安全距离范围,此时智能汽车继续减速行驶,在时间为4s左右时,前后两车实际距离逐渐变大,智能汽车车速开始逐渐提高,直到10s左右时,智能汽车的速度与前方目标车速度逐渐保持一致,此刻前后两车之间的实际距离与当前速度下的安全距离也相同,那么接下来智能汽车将会保持当前速度向前行驶。仿真结果表明,本研究设计的系统可以满足智能汽车在不同状态下运行的安全跟车要求,实现车距的稳定保持,基本达到了预期设计效果。
