智能汽车自动驾驶的控制方法分析

董明明

（北京汽车集团有限公司 北京 101300）

城市化进程的加快使得道路上的车辆增多，道路交通问题也日益凸显出来，各个国家开始加大了对智能车辆运输系统的研究。自动驾驶技术的研发与应用也愈来愈广泛，但受道路情况复杂、光纤与信号定位不稳定的影响，车辆自动驾驶的感知决策系统运作也面临更多的挑战。

AI 算法在自动驾驶技术中的运用优化了行车对于环境的感知效果，而AI算法的应用对于车辆计算程序的应用标准十分严格，园区车辆一般体积比较小，受电源系统容量和功率干扰的影响，其在运作的时候很难实现繁杂计算的跟进需求，这也是造成AI算法在自动驾驶技术中发展受限的根本原因。

1 无人车的应用情况

（1）物流应用。目前，自动驾驶技术在物流行业的应用十分广泛，自动驾驶的物流行车可以切实减少运输投资，优化运输收益。

（2）码头应用。根据相关数据分析，我国的港口数目众多，运输量非常大，所以对于港口车辆的驾驶员需求量很大，这也是自动驾驶应用的拓展市场。

（3）环卫清洁的应用。随着我国城市化建设的不断推进，道路构造愈来愈复杂。但是从经济角度上来看，人工成本不断增加，而随着技术的不断成熟，车辆的成本不断下降，且自动驾驶车辆能够在夜晚作业，效率相对提升2～3倍。

（4）矿区。我国矿产资源丰富，每年的产量较高，但是伴随矿山作业环境的恶劣，人工开采开始面临较大的安全隐患［1］，而自动驾驶车辆可更好地应用于此。

2 智能车视觉导航技术

智能化车辆中，最为关键的技术就是车辆导航，导航也是车辆实现自动化驾驶的基础条件（如图1 所示），其主要作用是获取四周区域的详细信息与自身位置。目前，导航技术被广泛应用于各种行业中。经过相关数据统计分析，人们收集的所有外界讯息中，有超过70%都是源自视觉系统，同理，针对自动巡航的车辆来说，把视觉感知设备运用在道路识别与跟踪系统中，可以获取到详细的环境信息。视觉感知设备具备许多优点，其讯息收集量大、收集时间较短、检测技术精准等，与传统的超声传感设备对比，其被外界干扰的影响小，但是在这个期间数据信息处理量较大，就会导致系统容易出现实时性的问题［2］。

图1 应用层

3 智能车控制技术

车辆横向控制模块处在整个自动驾驶系统应用层软件的最底层，该模块与纵向控制模块共同组成了软件中的车辆控制部分。如图1 所示，颜色填充部分为车辆横向控制模块，它接收来自决策规划层和信息融合层的信号，通过运算将输出转角信号发送到车辆上，从而实现对车辆转向的自动控制。

横向控制主要研究智能化行车路径跟踪的效果，也就是研究怎样确保行车能够顺着预定的线路行驶，智能化车辆的道路跟踪，能够经过导航传感设备去采集目的地交通的详细讯息，然后再依据车辆当下的驾驶状况，对驾驶路径做出最佳的选择，以实现准确跟踪目的地交通的能力。横向控制的设计研究需要基于以下两个条件：第一个是以车辆计算模型为根本，应用自动控制技术，设计车辆的控制设备；第二个是利用模拟人工驾驶的方式。基于以上两种思路设计的控制算法有很多，比较常用的有经典PID 控制、模糊控制、神经网络控制、模型预测控制（MPC）、最优控制等。

4 智能车横向控制的总体设计

4.1 智能车硬件系统的组成

在系统运作中，控制决策模块是主要控制单元，一般负责完成数据信息的采集、图像处理、横向决策控制算法、通信管理。道路信息采集模块是指数字摄像头，在具体实施运作的时候负责完成道路边线的收集。执行模块主要是根据信息采集模块来采集道路信息，由主控单元来完成数据信息的识别，在经过一系列的计算之后下达控制命令。通信模块是指小车和上位机的通信、小车和小车的通信、车路之间的通信，通过小车和上位机的通信能够完成对电力系统的优化和控制［3］。

4.2 智能小车硬件系统方案选择

4.2.1 控制决策模块

智能小车的主控芯片多使用单片机，但是对于复杂的图像处理算法和矢量变化控制算法来说，单片机的精准性无法满足系统运作需要。单片机是一个复杂的计算机系统，多数的指令需要2～3 个指令周期来完成。在使用单片机的时候，系统程序和数据信息只能在同一个空间内存储，且同一个时刻只能够单独访问指令数据。在遇到多个算法的时候，单片机会呈现出实时性较差的问题。为此，本文选择TMS320F2821 作为智能车控制系统的主控芯片，这类芯片具有能耗低、低成本的特点，被人们广泛地应用在数据处理领域。TMS320F2821主要特点具体表现在以下几个方面：（1）高性能静态CMOS 技术，低功能设计，I/O 供应电压、Flash编程电压是3.3V，内核供电电压会降为1.8V或者1.9V，在每秒150MI执行速度作用下，指令周期会减少6.67ns；（2）高性能32 位CPU，在具体设计中采用了哈佛总线结构，具有16×16的双通道MAC，在这个期间不会占用CPU 时间，且在具体操作的时候具有统一的存储模式，能够快速响应中断处理；（3）片内具有128K×16 位数的存储器；（4）外部接口拥有MB 存储容量，在具体运作的时候具有编程等待状态、读写信号选通程序和独立的片选信号［4］。

4.2.2 道路信息采集模块

交通讯息收集模块是应用传感设备，把交通环境讯息收集并上传至集中控制设备，集中控制设备通过精准的计算分析来做出控制决策。在市场上常见的图像传感器包含电荷耦合元件、互补金属氧化物半导体两类图像传感器。例如CCD 摄像头。CCD 摄像头的工作原理是使用光电作用以形成的半导体元件，该元件的作用是把光学成像转换成数据信息，随着时代的进步发展，CCD 图像传感器开始被人们应用在许多方面。将CCD摄像头植进光敏物体当作其像素，传感设备中的像素信息按照一定的顺序传递到下一个像素上，这些信息会在最底部输出，之后经过传感器边缘的放大器输出。

4.2.3 智能小车软件系统方案的设计

智能小车的软件系统提供了系统配置、系统调试、系统跟踪、信息分析等工具，在多个工具的配合下能够实时性地对信号进行处理。智能小车软件系统由DSP初始化软件、传感器数据采集模块、实时路径检测路径、横向控制模块组成。智能小车软件系统的多数时间被人们应用在数据图像收集和横向运动反馈控制上［5］。

5 横向控制算法的设计

5.1 图像处理算法

图像处理是对图像的信息实施进一步分解处理，图像处理算法主要有以下几种。

第一，图像二值化。道路图像包含目标物体、背景、噪声干扰等，二值图像具有存储空间小、信息处理速度快的特点，在具体实施时能够对图像开展逻辑运算。在这期间，二值图像能够精准地获取目标区域范围内的几何特征，最终实现对数据信息的深化处理。第二，图像滤波处理。在经过处理之后会获得一幅二值图像，在理想的情况下图像上的高度像素会对车道的标准线进行处理。宽度是车道标线的重要设计影响因素，在具体设计的时候，2个白线行之间不能够出现黑行。在图像出现连续白点的时候，则可以证明这个位置上的人行横道存在其他标志线。

5.2 横向控制算法的研究

对小车进行研究的横向控制算法包含PID 控制、模糊控制、优化控制、神经网络控制等。车辆的行驶过程比较复杂，控制对象会呈现出非线性的变化，因此也就很难打造出精准的数据模型。

5.2.1 车体运动学模型

本文所研究的车体运动学模型会将两个前轮作为轮向轮，并根据标准去设定转动角的范围，通过划分前轮角转弯半径范围的确定来获得角的速度范围，为之后参数的选取提供支持。车体运动学模型如图2所示。

图2 车体运动学模型

5.2.2 模糊控制的组成

第一，接口模糊化处理。模糊控制设备的运作，需要经模糊化处理之后，才可以真正地运用于控制设备的计算过程中，所以接口的模糊化处理是控制设备的必需条件，在实际应用环节，其根本作用是把准确的输入数据，转换成相对的模糊矢量。

第二，数据收集中心。数据收集中心的作用是收集全部模糊子集隶属度矢量数值，如果整个领域是连续阈，则是隶属度为基本函数。

第三，依据的规则。模糊控制设备的规则，源自相关研究人员的经验积累与实验分析的总结，在实际的应用环节，会以公式的形式被人们运用。

第四，推理程序。模糊控制设备中的推理程序，是依据收集的模糊数据，在控制设备的操作下，行程模糊推理，再依据推理的成果，核算模糊方程式。推理程序是模糊逻辑理论应用的关键一步，目前被广泛使用的模糊方式非常多，本文使用的推理程序为正向推理。

第五，接口模糊化的解除。解模糊控制的目的是按照模糊推理的结果来体现出控制量的实际分布［6］。

5.2.3 模糊控制器的设计

第一，模糊控制器的结构。模糊控制器的结构是确定模糊控制器的输入输出变量。模糊控制算法是操作者实际操作控制中操作经验的总结和集合，其是模糊控制器的核心，常见的模糊控制规则包含单输出、输入模糊控制器、双输入单输出模糊控制器、多输入单输出模糊控制器、双输入多输出模糊控制器。第二，语言变量和模糊化策略的确定。模糊规则的确定关系到模糊控制器的设计，多数情况下，模糊规则选择和提取是繁杂的，在这个期间会涉及设计者的想法，基本过程包含适合的语言变量、语言变量隶属度函数，在整合这些信息后打造出模糊控制规则。第三，确定解模糊策略。解模糊的目的是根据模糊推理的结果来了解反映控制量的分布情况。常见的解模糊方法包含最大隶属度法、多个临近隶属度最大值、对单个隶属度的最大值。第四，模糊控制器理论研究阈和比例因子的确定。任何系统的信号都是有界限的，在模糊控制中界限是变量的基本研究领域。结合以上模糊控制器的设计步骤，将舵机模糊控制器的操作流程设定如下。（1）输入输出变量。按照之前对导航参数的分析，将输入变量设定为智能小车虚拟中心线和视野中坐标Y轴的偏差d，以及收集的临近虚拟中心线连线斜率r；输出变量是舵机脉冲数u。（2）定义变量的模糊条件。选取d、r两个语言变量的模糊阈为-3、-2、-1、0、1、2、3，u的量化是7 级。各个变量的模糊子集数目关系到控制规则。在综合考虑因素之后，选择7 个模糊子集。d＞0 代表智能小车偏离目标中心引导线的右边；d=0 代表智能小车在目标中心引导线上；d＜0代表智能小车相对道路中心引导线的左边。

6 结语

综上所述，自动驾驶技术被应用的范围越来越广，当下，许多城市与企业对于自动驾驶技术的研究都有着明显的进展，为进一步优化对于自动驾驶车辆的横向控制，本文基于智能车辆的横向控制系统设计作出详细分析，旨在优化车辆自动驾驶技术的全面突破，提升自动驾驶车辆的安全性与可靠性。