无人地面车辆环境感知技术的应用分析

宋书玮

成都七中万达学校

无人地面车辆环境感知技术的应用分析

宋书玮

成都七中万达学校

无人车辆是通过履带或者车轮驱动，在各类地面条件下实现自主机动的车辆系统，在地面无人系统的发展下，无人地面车辆开始朝着全自动、半自主化的方向发展，本文主要针对无人地面车辆环境感知技术的应用进行分析。

无人地面车辆 环境感知技术 应用

无人地面车辆是能够依靠自身的一些感知系统，以自主或半自助的方式进行作业，并且具有一定的自我学习能力的智能设备。它能够通过自身携带的传感器来感受外界环境的变化，根据任务的需要做出相应的反应。无人地面车辆的感知系统是通过各种感应器来感知的，从而对地面的各种情况做出判断，然后得出车辆的最佳行驶路线，保证车辆能够自主、安全、快速的行驶。想深入的了解无人地面车辆就需要了解该车辆的环境感知系统的组成、道路检测以及障碍物检测的方法，还需要知道一些亟待解决的问题。

1 环境感知系统组成

周围的环境瞬息万变，单一的传感器很难对这种多变的天气进行感知，而多传感器融合能够弥补这种不足。多传感器融合技术一般包括传感器、传感器数据处理以及多传感器数据融合3个子系统。传感器系统通常包括摄像机、GPS、里程计还有各种雷达。这些系统相互配合进行工作，摄像机采集路面的情况，雷达感知距离从而对障碍进行避让，保证了车辆的安全行驶。

2 无人地面车辆道路检测技术

无人地面车辆感知技术的道路检测主要分为结构化道路检测和非结构化道路检测。

2.1 结构化道路检测技术

结构化道路检测是以边缘检测为基础的，通过对分道线还有边缘的识别，再加上霍夫变换、模型匹配等，从而得到道路的几何描述。模型匹配是利用二维或者三维的曲线，再根据道路的先验知识来进行建模的。另外模型匹配还会结合视觉模型和图像特征得出道路的各种参数，目前，这种计算体系还是比较成熟的。然而霍夫变换不能检测连续弯道的变化，所以就用旋曲线模型、抛物线模型、样条曲线模型和双曲线模型来感知弯道的变化。

2.2 非结构化道路检测技术

非结构化道路没有明确的道路边界线，并且路面的特征和周围环境的区别非常小，所以结构化道路的检测方法就不再适用了。非结构化的道路十分的不规则，不能再用通用的模型来表示，所以就要用将模型和图像特征相结合的检测方法。

2.2.1 基于特征的非结构化道路检测

这种检测方法的基本原理就是利用外界事物在图像上的特征差异进行检测。比如形状、颜色、纹理还有连续性等。还能够根据消失点来进行检测。消失点就是非结构化道路的全局特征，是图像中直线的交点，并且这个特征不受外界环境的干扰，是一个比较稳定的特征。

2.2.2 与道路特征相结合的基于模型的检测方法

会根据外界的光照、天气和观察视角的不同来进行检测。

3 障碍物检测技术的应用

障碍物有静止障碍和动障碍。静止障碍又有凸障碍和凹障碍。经常用到的障碍检测方法有基于运动信息、基于立体视觉、基于激光雷达以及基于多传感器融合的障碍物检测技术。

3.1 基于运动信息的障碍物检测技术

这种技术是通过同一台摄像机来拍摄同一个物体的图像，再通过计算从而来判断障碍物是否在运动。

3.2 基于立体视觉的障碍物检测技术

这项技术利用多台相同系数的摄像机从不同视角来获取道路的图像，再通过立体匹配法得到图像间的视差，然后计算出与障碍物之间的实际距离，从而避让障碍物。

3.3 基于激光雷达的障碍物检测技术

通过车载的激光雷达来检测障碍物，但是这项技术缺乏图像信息，在处理复杂环境的时候对障碍物的辨识度不够。

3.4 基于多传感器融合的障碍物检测技术

这种检测技术可以在不同的层次上进行。第一个层次就是融合传感器所获得的原始数据，第二个层次就是融合摄像机获得的图像信息，第三个层次就是融合雷达和激光所获得的目标障碍物。

4 无人地面车辆的环境感知技术中亟待解决的问题

近年来，无人地面车辆的环境感知技术得到了很大的发展。但是在城市道路，还有恶劣环境下，无人地面车辆的环境感知技术还存在很多问题。

4.1 城市环境

在城市道路上，交叉路口的检测、红绿灯的检测以及行人的识别，都是需要解决的问题。

4.2 各种天气和光照条件下的环境感知

夜间环境的感知还存在很多问题，而且在大雾的情况下，雷达和红外感知系统也会受到影响。

5 结束语

相信在传感器性能不断提高的前提下，多传感器的融合也能更加的深入，对环境的感知也会更加的可靠。在未来的发展中，除了要提高无人地面车辆对环境的感知程度，还要实现车辆之间以及车辆与基础设施之间的互动。就目前来看，环境感知技术的信息处理能力远远不及人类，所以，要保证无人地面车辆能够安全的在城市以及野外行驶，还有许多的工作要做。

[1]王晓栋,徐成,刘彦.一种实时鲁棒的非结构化道路检测算法[J]. 计算机应用研究. 2010(07)

[2]徐华青,陈瑞南,林锦川,刘秉瀚.道路交通标志检测方法研究[J]. 福州大学学报(自然科学版). 2010(03)

[3]易东,黄玉清.基于SVM的移动机器人路标识别算法[J].兵工自动化.2009(08)

[4]田瑞娟.基于快速区域标签运算的目标跟踪算法[J]. 兵工自动化.2008(09)