一种基于图像识别的线控转向汽车自动驾驶方法与流程

本发明涉及自动驾驶技术领域，具体地涉及一种基于图像识别的线控转向汽车自动驾驶方法。

背景技术：

汽车转向性能是汽车的主要性能之一，转向系统的性能直接影响汽车的操纵稳定性，它在车辆的安全行驶、减少交通事故以及保护驾驶员的人身安全、改善驾驶员的工作条件等方面起着重要的作用。如何合理地设计转向系统，使汽车具有良好的操纵性能，是设计人员的重要研究课题。在车辆高速化、驾驶人员非职业化、车流密集化的今天，针对更多不同水平的驾驶人群，汽车的易操纵性设计显得尤为重要。线控转向系统(steering–by-wiresystem，简称“sbw”)的发展，正迎合这种客观需求。它是继eps后发展起来的新一代转向系统，具有比eps操纵稳定性更好的特点，而且它在转向盘和转向轮之间不再采用机械连接，彻底摆脱传统转向系统所固有的限制，给驾驶员带来方便，同时提高了汽车的安全性。

但是现有的线控转向系统采用的转向方法速度慢，不能够达到无人驾驶的程度，或者只针对特定车道进行，例如现有的pid控制方法不能实现参数自整定，不能满足线控转向要求，例如，二次型调节器的主动前轮转向系统(afs)最优控制策略，针对afs设计了横摆角速度和质心侧偏角反馈的lqr最优控制算法不仅方法复杂，而且导致计算时间较多，转向准确度低；且现有技术中涉及图像处理的线控转向还不能实现自动驾驶，例如专利cn207809374u中，只是针对特定车道进行辅助驾驶，不能够实现自动驾驶，且该专利的转向方法冗余度较高。

技术实现要素：

为解决上述技术问题，本发明提供一种基于图像识别的线控转向汽车自动驾驶方法，根据道路视频图像处理进而确定转向以及速度控制，本发明的基于图像识别的线控转向汽车自动驾驶方法显著的提高了自动驾驶稳定性，提高了车辆转向以及速度控制的准确性，该方法在智能控制、计算速度以及用户乘坐舒适度方面大大增强，增强用户体验。本发明是这样实现的：

一种基于图像识别的线控转向汽车自动驾驶方法，包括：通过ccd摄像机获取道路视频图像信号；实时计算道路视频图像信号中道路主轴；控制器根据道路主轴偏移变化、车速传感器测量的车速、整车横摆角速度传感器测量的横摆角速度信号判断转向时机，同时，根据由预先存在控制器里的转向控制策略确定转向轮转角目标值；控制器根据转向轮转角目标值，向转向电动机控制电路发出控制信号控制转向电动机实现转向轮转向控制功能；

道路主轴是一条路面重心和道路主轴方向所确定的直线，所述实时计算道路视频图像信号中道路主轴包括以下步骤：

(1)首先计算出路面图像的重心的坐标把所有属于道路图像的点的横、纵坐标相加，结果记为x、y；

(2)统计属于道路路面图像的点数，记为n1；

(3)此时的道路图像为二值图像，直接计算道路路面的重心坐标

(4)建立数组array(θ,n)，并清零；其中0°≤θ≤179°表示直线与x轴的夹角范围，n≥0为道路路面图像在投影直线y＝arctanθ*x上的宽度；θ＝0时的直线为y＝0；

(5)根据方程y＝arctanθ*x和不同的θ值，其中，θ取值间隔为1°，把道路图像中路面上的点映射到直线上，计算每个点与其对应的映射点之间的距离；

(6)这些距离根据道路上的点所在直线的两侧不同而被分成两部分part1、part2，当两部分的值均非零时n＝part1max+part2max；当其中有一部分全为零时n＝part1max-part1min或n＝part2max+part2min；

(7)求数组array(θ,n)中最小的n值所对应的θ，记为θ'，即为道路主轴方向与x轴的夹角方向；

(8)道路主轴所在直线为：所述θ'不断变化即是道路主轴偏移变化。

优选地，所述转向控制策略为转向轮转角目标值与道路主轴偏移变化成正比，所述转向控制策略为转向轮转角目标值与车速传感器测量的车速成反比。

优选地，所述判断转向时机包括当道路主轴偏移变化为正时则向右转向，当道路主轴偏移变化为负时则向左转向。

优选地，所述判断转向时机包括：当视频图像上部有汽车图像出现时，则调整转向轮转角目标值，自动进行车道切换。

优选地，所述通过ccd摄像机获取道路视频图像信号步骤后还包括：对获取的道路图像进行滤波，采用自适应维纳滤波器根据道路图像的局部方差来调整滤波器的输出，局部方差越大,滤波器的平滑作用越强，使道路恢复图像f'(i,j)与原始道路图像f(i,j)的均方误差e²＝e[(f(i,j)-f'(i,j))²]最小。

优选地，所述判断转向时机包括当视频图像上部有汽车图像出现时，启动激光雷达或超声波测距，当距离小于设定阈值降低汽车行进速度。

优选地，所述控制器根据道路主轴偏移变化、车速传感器测量的车速、整车横摆角速度传感器测量的横摆角速度信号判断转向时机，还包括实时电子地图匹配卫星定位导航，用于获取限速、红绿灯信息，进而控制车速。

优选地，控制器、车速传感器、ccd相机包括可拆卸、可反复充电锂离子电池组，用于提供持续电能。

与现有技术相比，本发明的技术方案具有以下有益效果：解决了传统技术中不能够完全实现自动驾驶、且图像算法计算复杂时间过长的问题；本发明的基于图像识别的线控转向汽车自动驾驶方法显著的提高了自动驾驶稳定性，提高了车辆转向以及速度控制的准确性，该方法在智能控制、计算速度以及用户乘坐舒适度方面大大增强，增强用户体验。

附图说明

图1是本发明的基于图像识别的线控转向汽车自动驾驶方法流程图；

图2是本发明的实时计算道路视频图像信号中道路主轴确定流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本领域技术人员理解，如背景技术所言，传统的传统自动驾驶技术中不能够完全实现自动驾驶、且图像算法计算复杂时间过长的问题，用户体验较差，因此，本发明提供一种基于图像识别的线控转向汽车自动驾驶方法，根据道路视频图像处理进而确定转向以及速度控制，本发明的基于图像识别的线控转向汽车自动驾驶方法显著的提高了自动驾驶稳定性，提高了车辆转向以及速度控制的准确性，该方法在智能控制、计算速度以及用户乘坐舒适度方面大大增强，增强用户体验。为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1示出了本申请的基于图像识别的线控转向汽车自动驾驶方法流程图，一种基于图像识别的线控转向汽车自动驾驶方法，包括：通过ccd摄像机获取道路视频图像信号；实时计算道路视频图像信号中道路主轴；控制器根据道路主轴偏移变化、车速传感器测量的车速、整车横摆角速度传感器测量的横摆角速度信号判断转向时机，同时根据由预先存在控制器里的转向控制策略确定转向轮转角目标值；控制器根据转向轮转角目标值，向转向电动机控制电路发出控制信号控制转向电动机实现转向轮转向控制功能；道路主轴是一条路面重心和道路主轴方向所确定的直线，所述实时计算道路视频图像信号中道路主轴包括以下步骤：如图2所示，(1)首先计算出路面图像的重心的坐标把所有属于道路图像的点的横、纵坐标相加，结果记为x、y；(2)统计属于道路路面图像的点数，记为n1；(3)此时的道路图像为二值图像，直接计算道路路面的重心坐标(4)建立数组array(θ,n)，并清零；其中0°≤θ≤179°表示直线与x轴的夹角范围，n≥0为道路路面图像在投影直线y＝arctanθ*x上的宽度；θ＝0时的直线为y＝0；(5)根据方程y＝arctanθ*x和不同的θ值，其中，θ取值间隔为1°，把道路图像中路面上的点映射到直线上，计算每个点与其对应的映射点之间的距离；(6)这些距离根据道路上的点所在直线的两侧不同而被分成两部分part1、part2，当两部分的值均非零时n＝part1max+part2max；当其中有一部分全为零时n＝part1max-part1min或n＝part2max+part2min；(7)求数组array(θ,n)中最小的n值所对应的θ，记为θ'，即为道路主轴方向与x轴的夹角方向；(8)道路主轴所在直线为：所述θ'不断变化即是道路主轴偏移变化。

在一些实施例中，所述转向控制策略为转向轮转角目标值与道路主轴偏移变化成正比，所述转向控制策略为转向轮转角目标值与车速传感器测量的车速成反比。

在一些实施例中，所述判断转向时机包括当道路主轴偏移变化为正时则向右转向，当道路主轴偏移变化为负时则向左转向。

在一些实施例中，所述判断转向时机包括：当视频图像上部有汽车图像出现时，则调整转向轮转角目标值，自动进行车道切换。

在一些实施例中，所述通过ccd摄像机获取道路视频图像信号步骤后还包括：对获取的道路图像进行滤波，采用自适应维纳滤波器根据道路图像的局部方差来调整滤波器的输出,局部方差越大，滤波器的平滑作用越强，使道路恢复图像f'(i,j)与原始道路图像f(i,j)的均方误差最小。

在一些实施例中，所述判断转向时机包括当视频图像上部有汽车图像出现时，启动激光雷达或超声波测距，当距离小于设定阈值降低汽车行进速度。

在一些实施例中，所述控制器根据道路主轴偏移变化、车速传感器测量的车速、整车横摆角速度传感器测量的横摆角速度信号判断转向时机，还包括实时电子地图匹配卫星定位导航，用于获取限速、红绿灯信息，进而控制车速。

在一些实施例中，控制器、车速传感器、ccd相机包括可拆卸、可反复充电锂离子电池组，用于提供持续电能。

在一些实施例中，通过质心来取代重心，例如：对于一幅道路二值图像中的路面来说，将道路图像中的路面看做是一个重力场，路面上的各个像素点对其相邻的像素点都产生一个力，在表示路面的各像素的合力都通过的那一点即为道路图像此路面的质心。

质心计算如下：设灰度道路图像为f(x，y)，大小为m*n，f(i，j)为道路图像坐标(i，j)处的像素值，则路面图像质心位置表达式为：

本发明的基于图像识别的线控转向汽车自动驾驶方法显著的提高了自动驾驶稳定性，提高了车辆转向以及速度控制的准确性，该方法在智能控制、计算速度以及用户乘坐舒适度方面大大增强，增强用户体验。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。