基于雙目立體視覺(jué)伺服的智能車(chē)室內彎道控制

基于雙目立體視覺(jué)獲取得到的三維信息，即為經(jīng)左右圖像SIFT特征點(diǎn)匹配，在攝像頭坐標系中獲取前景環(huán)境中各關(guān)鍵點(diǎn)的坐標信息。選取關(guān)鍵點(diǎn)中與機器人基坐標系原點(diǎn)高度靠近的點(diǎn)，并且該點(diǎn)的個(gè)數需大于3，之后，采用最小二乘法擬合可得行駛區域的邊界直線(xiàn)，即確定了車(chē)體定位參數中左、右車(chē)道線(xiàn)lL、lR。直線(xiàn)與圖像右邊界存在交點(diǎn)，即可判斷出彎道轉向。同時(shí)，擬合確定的左車(chē)道線(xiàn)與圖像下邊緣的交點(diǎn)Pl0為第一個(gè)控制點(diǎn)；以圖像右邊界與擬合直線(xiàn)的交點(diǎn)處為第二個(gè)控制點(diǎn)Pln。圖5表示為前景環(huán)境中對特征點(diǎn)的匹配結果圖和判斷可行駛區域。

對序列圖像進(jìn)行實(shí)時(shí)處理時(shí)，由于攝像機采集系統速度為30幀/s，車(chē)速在不超過(guò)33cm/s的情況下，采集一幀圖像智能車(chē)向前行駛約小于1cm，連續采集的兩幀圖像中所判斷的車(chē)道左右車(chē)道線(xiàn)和彎道方向偏差不會(huì )太大。

2.2.2 控制仿真實(shí)驗

實(shí)驗采用BP神經(jīng)網(wǎng)絡(luò )作為控制對偏離角φ進(jìn)行仿真實(shí)驗。在Simulink環(huán)境下搭建的系統模型中BP神經(jīng)網(wǎng)絡(luò )的搭建如圖6所示。U為經(jīng)由視覺(jué)信息得到的偏航角φ作為系統輸入量，輸出Y為小車(chē)質(zhì)心速度V。小車(chē)左、右輪速可在判斷彎道轉向的前提下，由兩輪速差VD經(jīng)計算得出。若如圖5所示，彎道轉向向右：

利用Simulink庫中Signal Builder產(chǎn)生變化的Signal仿真實(shí)際環(huán)境中視覺(jué)系統得到的當前車(chē)體的偏移量。

小車(chē)經(jīng)左右輪差速轉彎運動(dòng)中質(zhì)心位置實(shí)際偏轉角度作為網(wǎng)絡(luò )的輸入，經(jīng)訓練學(xué)習反饋回系統的控制輸入端。圖7為控制仿真結果圖，由圖示可知該方法基本完成了對信號的控制跟蹤，由此說(shuō)明了利用雙目立體視覺(jué)所獲得的信息，并采用BP網(wǎng)絡(luò )自學(xué)習對道路的變化可適用于不同彎道的道路，避免了傳統PID控制方法因彎道曲率變化使得小車(chē)轉彎控制失敗。

3 結論

借助機器視覺(jué)系統判斷小車(chē)可行駛區域，同時(shí)還可清晰地判斷出彎曲線(xiàn)路的走向，避免了彎道方向的復雜判別方法，且該方法普遍適用于不同的道路環(huán)境，特別是非結構化的道路環(huán)境，也增強了算法的實(shí)用性和魯棒性。但目前對雙目攝像機進(jìn)行精確匹配和標定仍然是個(gè)技術(shù)難題；神經(jīng)網(wǎng)絡(luò )訓練方法在選取訓練樣本數據和精確定位車(chē)輛位置方面也比較困難，這將是進(jìn)一步研究的主要關(guān)鍵問(wèn)題。