一种用于自动驾驶的路口精确停车装置与方法与流程

本发明涉及一种交通技术领域的停车装置和方法，具体地，涉及一种用于自动驾驶车辆路口精确停车装置，以及与该装置对应的实现方法。

背景技术：

随着现代社会和经济的快速发展，汽车成为人们出行的重要交通工具。随着车辆数量的日益增加，交通压力也日益增大，交通事故也越发频繁。为了减少交通事故中的人为因素，车辆自动驾驶技术成为一个重要的研究热点。城市交通由于其复杂的交通场景和严格的交通规则，成为自动驾驶研究领域的一个难点，其中，路口是各个方向车流交汇的地方，对路口出的斑马线和停车线进行准确识别，并且在交通信号灯指示停车时将车辆准确停在停车线处，是保证路口交通流畅的一个重要保障。

目前，在智能驾驶领域已经有许多技术和方法致力于研究路口的识别和信号灯的检测，例如：

公开号为CN104751679 A的中国发明专利，公开了一种"无人驾驶送货车'十'字路口车辆自动系统"，能够根据路口的红绿等状态停车，但是对于交通信号灯的检测无法得到车辆在路口的位置，在城市环境中，路口停车需要遵守交通规范，不是检测到红灯信号就能停车，而是必须将车辆停在停止线处。

公开号为CN105740827 A的中国发明专利，公开了"一种基于快速标记连通的停止线检测与测距算法"，以及公开号为CN103488976 A的中国发明专利公开了"一种基于智能驾驶中停止线实时检测以及距离测量的方法"。

上述两个发明专利都能够检测道路中是否存在斑马线与停车线，并且给出了车辆与停止线的距离。

但是，在自动驾驶系统中，相机一般安装在车内挡风玻璃上方，存在视野被车头遮挡的盲区，如何在相机丢失斑马线和停车线信号时仍然能将自动驾驶车辆正确引导到停车线处是个需要解决的问题。另外，在路口处往往会有当前车道内前方有车辆的情况，因此必须根据前车位置来控制本车的停止位置。

技术实现要素：

针对现有技术中的缺陷，本发明的目的是提供一种用于自动驾驶的车辆路口精确停车装置与方法，解决在路口处自动驾驶车辆如何在路口精确停车的问题。

根据本发明的一个方面，提供用于自动驾驶的路口精确停车装置，包括：图像采集装置、里程计、毫米波雷达和电子控制单元，其中：

所述图像采集装置，用于采集道路中的斑马线、停车线以及路上的交通信号灯图像，并且将采集到的图像信息传输给电子控制单元；

所述里程计，用于通过计数脉冲得到车辆转过的角度，记录车轮转过的圈数，并将获取的计数脉冲信号传输给电子控制单元；

所述毫米波雷达，用于检测车辆前方动静态障碍物的位置和速度信息；

所述电子控制单元，用于接收并处理图像采集装置采集到的图像信息，识别图像中的斑马线、车道线以及交通信号灯信息；用于接收毫米波雷达检测到的车辆前方障碍物的位置和速度信息；用于通过里程计获取的计数脉冲信号计算车辆行驶的距离；并根据上述信息给自动驾驶车辆底层执行机构发送控制指令。

优选地，所述图像采集装置安装于车辆前挡风玻璃上部，安装角度保证其视野范围能够涵盖地面的斑马线、停车线标志以及道路上方的交通信号灯。

优选地，所述里程计有两组，两组里程计均包括一个齿轮码盘和一个测头，其中：

齿轮码盘安装在后轮轴上，测头安装在车架上；车辆行驶时，齿轮码盘随车轮转动，测头保持不动，齿轮轮齿和齿槽转过测头所在位置时，测头上产生不同强度的感应信号，将感应信号转换为计数脉冲信号，从而得到齿轮码盘或者车辆转过的角度。

优选地，所述毫米波雷达安装在本车车前保险杆处，用于检测前方是否有其他车辆，以及其他车辆的位置和速度信息。

根据本发明的另一个方面，提供一种用于自动驾驶的路口精确停车方法，所述方法包括如下步骤：

步骤一、图像采集装置采集图像，电子控制单元对图像进行处理；

图像采集装置采集道路中的斑马线、停车线以及路上的交通信号灯图像，并将采集到的图像传送给电子控制单元；

电子控制单元对图像做逆透视变换，利用棋盘格标定变换参数，得到图像像素与世界坐标的比例关系，以及车头在图像坐标中的像素位置；电子控制单元对图像进行处理，包括斑马线检测、停止线检测和交通信号灯检测；

步骤二、使用里程计来记录车辆行驶的距离；

步骤三、使用毫米波雷达检测车辆前方障碍物的位置和速度信息；

步骤四、路口行为决策；

电子控制单元根据所述图像采集装置得到的感知信息，包括停车线及其距离、交通信号灯的状态，以及毫米波雷达检测得到的前方车辆的位置和速度信息，对自动驾驶车辆在路口做出辅助决策；

当本车前方没有其他车辆时，使用停车线对自动驾驶车辆在路口做出辅助决策，所述辅助决策时利用两个距离信息：一是在停车线进入图像采集装置视野盲区之前检测到的停车线与车头的距离，二是从停车线消失时刻起车辆行驶过的距离；

从停车线消失时刻起，车辆行驶过的距离达到停车线与车头的距离时，发出停车控制指令，从而实现车辆在停车线处准确停车；

当本车前方有其他车辆时，所述电子控制单元根据使用毫米波雷达检测到的前车位置和速度信息，对自动驾驶车辆在路口做出辅助决策：当所述图像采集装置检测到信号灯，并且信号灯状态为红灯，则检测前方车辆的运动状态，若前方车辆未停车，说明车辆还未到达路口处，需要继续与前车保持距离行驶；若前方车辆已经停车，则根据毫米波雷达检测到的前车距离，将自动驾驶车辆引导至前车后方，按照设定的停车距离停车。

优选地，步骤一中，所述斑马线检测方法，采用边缘检测方法并结合斑马线的局部统计特征，以达到准确识别斑马线的目的。

具体的，将图像采集装置采集到的图像转成灰度图像，再根据图像的主梯度方向旋转图像，提取旋转后的图像在竖直方向上的边缘，统计图像每一行的边缘点个数，估计斑马线所在范围，再统计该范围内每一列的边缘点个数；斑马线条纹边缘所在列的点数远大于其他列，计算这些点数较多的列之间的间隔，并求这些间隔的方差，如果条纹呈均匀的相间分布，方差值将会很小，据此判定是否存在斑马线。

优选地，步骤一中，所述停止线检测方法，结合斑马线的检测结果识别停止线。具体的，检测到斑马线后，以斑马线的下沿到图像最后一行为兴趣区域，利用霍夫直线变换提取出该区域的所有直线，再根据停止线的长度、占空比、方向约束提取出停止线的在图像中的直线参数，从而计算车辆到停止线的距离。

优选地，步骤一中，所述交通信号灯检测方法，采用基于颜色空间的图像分割方法和面积周长比来检测和识别交通信号灯。具体的，首先将图像从RGB颜色空间转换到LAB颜色空间，分割出图像中的红色和绿色区域；再根据区域面积和形状筛选出候选区域，对候选区域，检测是否存在交通信号灯固有的边框特征，来决定交通信号灯的存在与否，并根据颜色来确定信号灯的状态。

优选地，步骤二中，具体为：将里程计码盘安装在车轮转轴上，里程计测头安装在车架上；当车辆行驶时，码盘随车轮转动，码盘每转过一个刻度值，测头上会产生一个脉冲信号，通过记录脉冲信号的个数，得知码盘转过的刻度数值，用脉冲个数除以码盘转动一圈的量程，便得到码盘，即车轮转过的圈数；再通过已知的车轮周长，便能够计算出车轮行驶过的线性距离，也就能够推算车辆与停车线之间的距离。

优选地，步骤四中，具体为：

步骤1，判断交通信号灯状态是否为红灯，若为红灯则开始决策停车的时机，若没有检测到红灯，则继续行驶；

步骤2，判断是否存在前方车辆，若前方没有车辆，则进入步骤3，根据停车线位置停车，若存在前方车辆，则进入步骤6，根据前方车辆的位置和行驶状态停车；

步骤3，根据停车线结果最后一帧返回的距离，确定车辆在进入相机近端盲区前距离路口停车线的距离，触发距离推算程序；

步骤4，开始车辆行驶距离的推算，距离的推算主要依靠里程计捕获的脉冲信号，从距离推算程序被触发开始，进行脉冲数目累加，从脉冲累加数转换为行驶距离的公式为

行驶距离＝脉冲累加数÷里程计线数×π×车轮直径；

步骤5，当推算的行驶距离达到停车线距离时，发送停车指令，使车辆在停车线处停止行驶，

步骤6，判断前方车辆是否停止，若前方车辆未停止，说明前车未到路口处，则继续行驶，若前方车辆停车，则按照毫米波雷达检测到的与前车的距离，等车辆到达要求的停车距离后，发出停车指令；

步骤7，检测信号灯状态是否为绿灯，若为绿灯，则继续行驶，若存在前方车辆，则等前方车辆行驶后继续行驶。

与现有技术相比，本发明具有如下的有益效果：

本发明使用里程计记录车轮转过的圈数，从而推算车辆行驶的距离，结合图像处理得到的车辆距停车线的距离，能够有效地引导无人驾驶车辆在路口停车线处准确停车。在前方有车辆的情况下，无法检测到停车线等信息，则根据前车的行驶状态和交通信号灯的指示实现正确停车，解决了传统方法中只识别交通信号灯或者只检测停车线，没有考虑相机视野出现盲区以及前方有其他车辆等情况，而无法实现自动驾驶车辆在路口精确停车的问题。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一优选实施例的结构示意图；

图2为本发明一优选实施例的斑马线检测部分的流程图；

图3为本发明一优选实施例的停止线检测部分的流程图；

图4为本发明一优选实施例的交通信号灯检测部分的流程图；

图5为本发明一优选实施例的实现自动驾驶车辆在路口精确停车的流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

如图1所示，一种用于自动驾驶车辆路口精确停车装置，包括摄像机1、里程计2、毫米波雷达3、电子控制单元4，其中：

所述摄像机1用于采集道路中的斑马线、停车线以及路上的交通信号灯图像，并且将采集到的图像信息传输给电子控制单元4；

所述里程计2用于通过计数脉冲得到车辆转过的角度，记录车轮转过的圈数，并将获取的计数脉冲信号传输给电子控制单元4；

所述毫米波雷达3用于检测前方车辆的位置和速度信息，并将检测结果传输给电子控制单元4。

所述电子控制单元4，接收并处理处理摄像机1采集的道路图像，识别图像中的斑马线、车道线以及交通信号灯信息；用于通过里程计3获取的计数脉冲信号计算车辆行驶的距离；用于接收毫米波雷达3检测到的车辆前方障碍物的位置和速度信息；并根据上述信息给自动驾驶车辆底层执行机构5发送控制指令。

作为一优选的实施方式，所述摄像机1选择视野较大的广角镜头，安装位置为车辆前挡风玻璃上部，到地面高度约为1.6米，安装角度应该要保证摄像机1的视野范围能够涵盖地面的斑马线、停车线标志以及道路上方的交通信号灯。

作为一优选的实施方式，所述里程计2、齿轮码盘安装在后轮轴上，测头则安装在车架上；车辆行驶时，齿轮码盘随车轮转动，测头保持不动，齿轮轮齿和齿槽转过测头所在位置时，测头上产生不同强度的感应信号，将感应信号转换为计数脉冲，便能得到码盘或者车辆转过的角度。

如图2-图5所示，为采用上述装置的辅助方法流程，包括如下步骤：

步骤一、摄像机1采集图像，电子控制单元4对图像进行处理；

摄像机1采集道路中的斑马线、停车线以及路上的交通信号灯图像，并将采集到的图像传送给电子控制单元4；

电子控制单元4对图像做逆透视变换，利用棋盘格标定变换参数，得到图像像素与世界坐标的比例关系，以及车头在图像坐标中的像素位置；电子控制单元4对图像进行处理，包括斑马线检测、停止线检测和交通信号灯检测；

步骤二、推算车辆的行驶距离

为了在摄像机1出现盲区无法使用停车线信息实现纵向定位的情况下，将自动驾驶车辆停在停车线处，需要利用两个距离信息，一是在停车线进入摄像机1视野盲区之前检测到的停车线与车头的距离，二是从停车线消失时刻起车辆行驶过的距离；有了这两个距离信息，从停车线消失时刻起，车辆行驶过的距离达到停车线与车头的距离时，发出停车控制指令，就能实现车辆在停车线处准确停车；因此使用里程计2来记录车辆行驶的距离；

步骤三、使用毫米波雷达3检测前方是否存在车辆或者其他障碍物。

毫米波雷达3返回的数据包括前方障碍物的距离以及与本车的相对速度，通过计算本车的行驶速度，可以计算得到前方障碍物的运动速度。

步骤四、路口行为决策

根据所述摄像机1得到的感知信息，包括停车线及其距离、交通信号灯的状态以及前车的位置和速度，使自动驾驶车辆在路口做出辅助决策；

首先，考虑前方没有车辆的情况，所述辅助决策时利用两个距离信息：一是在停车线进入摄像机1视野盲区之前检测到的停车线与车头的距离，二是从停车线消失时刻起车辆行驶过的距离；从停车线消失时刻起，车辆行驶过的距离达到停车线与车头的距离时，发出停车控制指令，从而实现车辆在停车线处准确停车。

其次，考虑前方存在其他车辆的情况，需要根据交通信号灯的状态以及与前车的距离来停车。当检测到交通信号灯时，说明车辆接近路口。此时，若信号灯状态为绿灯，则与前车保持距离行驶。若信号灯状态为红灯，则检测前方车辆的运动状态，若前方车辆未停车，说明车辆还未到达路口处，需要继续与前车保持距离行驶。若前方车辆已经停车，则根据毫米波雷达3检测到的前车距离，将自动驾驶车辆引导至前车后方，按照设定的停车距离停车。

如图2所示，为一优选实施例的斑马线检测部分的流程图。所述电子控制单元4采用边缘检测方法并结合斑马线的局部统计特征，来达到准确识别斑马线的目的。具体来说，分为几个步骤。

步骤1、对得到道路的灰度图像进行逆透视变换；

步骤2、统计逆透视变换图像的梯度直方图，得到图像的最大梯度方向，根据图像的最大梯度方向旋转图像，在旋转后的图像中，斑马线条纹沿着图像的竖直方向分布；

步骤3、对旋转后的图像提取边缘，由于斑马线的主要边缘沿着竖直方向，因此只提取竖直方向的边缘，降低噪声边缘的影响；

步骤4、对于边缘图像的每一行，统计该行边缘点的个数，对于斑马线区域，得到的点数要远多于其他非斑马线区域，据此可以得到一个斑马线的宽度范围；对于这个宽度范围中的每一列，统计该列的边缘点个数，得到一个一维数组，数组中的值代表该列的边缘点数，如果该列是斑马线的边缘所在列，则点数会远大于其他非斑马线边缘所在列；

步骤5、对一维数组中的值做二值化操作，得到的结果是一个一维的二值序列，可能存在斑马线的列值为1、其他位置值为0、计算序列中值为1的相邻两列间隔的方差，由于斑马线的边缘是均匀分布的，如果存在斑马线，则计算得到的方差很小，如果存在箭头标志等干扰，计算得到的方差将远大于只有斑马线的情况，因此可以用一个阈值来进行判别。

如图3所示，为一优选实施例的停止线检测部分的流程图。一般来讲，斑马线的图像特征比停止线更强，得到的检测结果更稳定可靠，因此中央在检测到斑马线的基础上，进行停止线的检测。分为以下几个流程：

步骤1、判断是否已检测到斑马线，若是，则开始检测停止线；

步骤2、提取图像的水平方向边缘：

停止线不同于斑马线，其边缘方向为水平方向，对检测斑马线流程中旋转后的图像提取水平方向边缘；

步骤3，选取检测的兴趣区域：

在斑马线检测过程中得到斑马线的纵向分布方位，而在实际场景中，停车线一定是在斑马线的下沿位置附近，因此选取斑马线下沿到图像底部的区域作为兴趣区域；

步骤4、使用霍夫直线变换，检测兴趣区域内的直线，使用长度约束、占空比约束以及平行约束，检测得到停车线；

步骤5、检测得到停车线后，根据实现标定的车头在图像中的像素坐标，根据点到直线的距离计算公式，得到车头与停车线的距离。

如图4所示，为一优选实施例的交通信号灯检测部分的流程图。车辆在路口处的行为，很大程度上取决于交通信号灯的状态，因此准确检测出交通信号灯并且识别出其指示状态对路口车辆行为的决策很关键。电子控制单元4采用基于颜色空间的图像分割方法和面积周长比来检测和识别交通信号灯，分为以下几个流程：

步骤1、将摄像机1采集图像的颜色空间从RGB颜色空间转换到LAB颜色空间，LAB颜色空间的A通道表示颜色从绿到红的变化，容易使用阈值将红色和绿色区域从图像中分割出来；

步骤2、候选区域筛选：

由于道路中还存在许多其他物体颜色满足红色和绿色的特征，因此必须使用一些规则来筛选可能为信号灯的区域；电子控制单元4采用的方法是使用面积和形状，使用种子生长法获取红色和绿色的连通区域，种子生长区域包含的像素个数就是该区域的面积；信号灯的形状为圆形，通过候选区域的圆度值来判定该区域是否为圆形，圆度的计算方式为区域的区域周长的平方除以区域的面积，对于标准的圆形，圆度的值应该为4π；结合这两个指标，选择符合要求的候选区域；

步骤3、背景框验证：

经过前面的筛选步骤后，候选区域可能还会存在广告牌，汽车尾灯等；信号灯还有一个重要的特点是有一个黑色的背景框，通过在候选区域选择一定大小的矩形区域，检测是否存在满足平行和宽度要求的直线对，来确定是否存在背景框，从而验证候选区域是否为信号灯。

如图5所示，为一优选实施例的实现自动驾驶车辆在路口精确停车，即路口行为决策部分的流程图。电子控制单元4图像处理得到的检测结果，包括交通信号灯、斑马线和停车线，以及毫米波雷达3检测前方车辆的位置和速度结果。这些信息用于判断自动车辆是否接近路口以及是否应该停车，如果需要停车，则开始停车位置引导。具体过程分为以下几步：

步骤1，判断交通信号灯状态是否为红灯，若为红灯则开始决策停车的时机，若没有检测到红灯，则继续行驶。

步骤2，判断是否存在前方车辆，若前方没有车辆，则进入步骤3，根据停车线位置停车。若存在前方车辆，则进入步骤6，根据前方车辆的位置和行驶状态停车。

步骤3，根据停车线结果最后一帧返回的距离，确定车辆在进入相机近端盲区前距离路口停车线的距离，触发距离推算程序。

步骤4，开始车辆行驶距离的推算。距离的推算主要依靠里程计2捕获的脉冲信号，从距离推算程序被触发开始，进行脉冲数目累加，从脉冲累加数转换为行驶距离的公式为

行驶距离＝脉冲累加数÷里程计2线数×π×车轮直径；

步骤5，当推算的行驶距离达到停车线距离时，发送停车指令，使车辆在停车线处停止行驶。

步骤6，判断前方车辆是否停止。若前方车辆未停止，说明前车未到路口处，则继续行驶。若前方车辆停车，则按照毫米波雷达3检测到的与前车的距离，等车辆到达要求的停车距离后，发出停车指令。

步骤7，检测信号灯状态是否为绿灯，若为绿灯，则继续行驶。若存在前方车辆，则等前方车辆行驶后继续行驶。

本发明能够有效地引导无人驾驶车辆在路口停车线处准确停车，解决了传统方法中只识别交通信号灯或者只检测停车线，以及没有考虑摄像机1视野出现盲区以及前方存在其他车辆的情况而无法实现无人驾驶车辆在路口准确停车的问题。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。