智能汽车自动避障控制系统研究

智能汽车自动避障控制系统研究

罗鑫渝

长安大学 710021

众所周知，智能小车在人类的生产和生活中运用的领域和范围越来越多，随之而来的是，我们需要智能汽车来解决的问题的难度和复杂程度日益增加，同时也对自能汽车的性能要求也更高，因此提高智能汽车自动避障的能力，提高其安全性，成了众多科研人员的研究重点。因此，近几年来智能汽车朝着智能化、功能多样化、自动化的方向发展，我们需要不断发展避障算法、策略以及汽车自动避障控制系统的来提高智能汽车自动避障系统的准确性和实时性。

1 自动避障系统的控制模式设计

自动避障系统的设计思想主要考虑两个基本问题，即一方面，要获取全面的环境信息，另一方面是可以能快速准确的把获取的环境信息转化成控制信息。

智能汽车自动避障控制系统的模式主要分为两类：手动模式和自动模式。自动模式显而易见就是不需要人力操作，可以自动接收通过传感器检测的周围障碍物的距离信息，然后按照相应的避障策略来躲避障碍物的行为；如果智能汽车周围的环境信息过于复杂的话，自动模式可能无法完成避障过程，这时就要选取手动模式，这种模式是人为的操作控制系统，利用手动操作控制器使智能汽车能够完成左转、右转、前进、后退以及合理控制转向过程中的角度灯来躲避复杂的障碍物^[1]。

2 自动避障控制系统的硬件设备

2.1 控制电路模块

控制电路系统是整个智能汽车运行的核心部分，是智能汽车硬件设备中的一个重要的部分，该模块的作用是可以控制智能汽车的运行状态。因此一个合理、简单、功能强大以及抗干扰能力强的控制电路对于自动避障系统来说可以提高汽车的稳定性以及自动控制的精度。我们知道控制的方法有很多种，大多为单片机控制，为了达到预先制定的性能指标，单片机可以控制智能汽车，也就是整个控制电路模块的核心，单片机具有可准确定位、价格低廉以及强大的控制功能等优点可以发挥循线控制、光源检测控制、避障控制、电机控制以及金属检测控制的作用。因此，总体而言，单片机可以快捷方便分析我们的系统，来实现智能汽车的自动控制^[2]。

2.2 信息采集模块

智能汽车信息采取系统需要采取以下两点措施，来实现信息的全面和准确性：

（1）为了提高信息采集的准确性以及避免多个超声波传感器之间的互相干扰，红外传感器和超声波测距传感器联合使用的办法已经取代了多个超声波传感器配置的方案，因为这样可以使红外和超声波两种测距传感器各自的优势都发挥出来；

（2）为了获取自动避障需要的障碍物距离信息，一方面需要研究智能汽车的自动避障过程，另一方面需要在车体关键的信息监测点的位置上安装合适的测距传感器。

虽然随着智能汽车车体上装载的传感器的增多，探测的信息会更全面、更充分，覆盖的范围也会增大，但是过多的配置传感器会占用大量硬件资源，并且多个超声波测距传感器之间会存在互相干扰的问题，甚至给数据处理增加困难。因此为了发挥各个测距传感器的优势，保证既能发挥传感器系统、全面地采集周围环境信息的作用又能起到节省资源的功能。所以最优的传感器的配置方案以及如何合理、高效的布置传感器即具体安装在智能汽车什么位置才能使各个传感器扬长避短是我们需要考虑的问题^[3]。

随着目前科技的发展，移动芯片的运算能力越来越强大，视觉图像复合型技术日益成为智能汽车自动避障系统的首要选择。简单来说就是利用超声波以及机器视觉这两个识别机制，在汽车前方、后方、左方、右方和下方等方向设置超声波模块以及摄像头，通过高清摄像机拍摄帧速来获取分辨率足够高的图像，然后直接传输到机载的处理器进行计算处理，芯片处理器足够小和性能强大。与单一的超声波模式和摄像机模式相比这种视觉图像复合模式可以发挥超声波和机器视觉这两种优势，也可以提好工作的效率，更重要的是，这种视觉图像复合模式

几乎可以在任何照度下对多种材质进行较好的识别^{Error: Reference source not found}。

3 自动避障控制系统算法研究

为了解决智能汽车如何最优地躲避障碍物，因此选取合理地自动避障控制系统算法显得尤为重要，首先我们要了解智能汽车的行走的全过程，然后进行分析，选取自动避障控制算法，主要分为三个阶段：

第一阶段，当发现障碍物后，如何躲避障碍物获取最佳避障路线是这一算法阶段的最主要的任务，也就是启动避障程序，当发现障碍物后，根据获取的距离信息启动控制系统程序该转角的方向来避免撞上障碍物。

第二阶段是调整阶段，在经过第一阶段的避障程序后，智能汽车可能距离远来的行走路线比较的远，要进行调整使其回归到正常的行驶路线又要避免撞到其他新的障碍物。

第三阶段是如何控制智能汽车准确、没有偏差的回归到原来的行驶路线上去^[3]。

在目前对于智能汽车自动避障使用的传感器的研究成果比较多的研究现状下，使用合适的控制算法，提高自动避障系统自动避障的精度是目前比较重要的研究方向，而这种差异主要体现在传感器功能的实现上。现在运用于智能汽车上传感器的类型有很多种，比如，超声波传感器、红外线传感器以及视觉传感器等。

我们知道反馈理论主要包括测量、执行、比较这三个主要的基本要素，其中最重要的是测量，因为他是变量元素，通过与期望值进行比较，得到的差值从而来调整控制系统的相应。因此大多数的自动控制系统都是基于反馈理论进行工作的，最核心的内容就是做出正确测量与比较后，用于系统的纠正与调节。比如自动避障系统最常见的PID控制算法就是反馈调节原理的体现，正是因为它参数容易调整、在算法上易于实现、结构简单并且具有很好的鲁棒性，所以这是一种技术成熟，应用及其广泛的控制算法。其中按误差的积分、比例和微分进行控制的调节器PID调节器控制系统中技术成熟应用广泛的调节器^[6]。

另外，智能汽车自动避障控制系统的算法还主要包括：模糊逻辑法以及确定格栅法等。其中模糊逻辑法也是常用的算法，该算法又被人称之为实时监控法，该算法用于已知条件信息无法确定，且情景具有确定性的条件下，将传感器获取的周围环境的信息按照模糊推理数学运算方式进行推算出障碍物的具体信息，然后把该信息进行反馈，从而实现自动避障系统的控制；那么对于确定格栅法来说就是将传感器预测的区域进行划分，然后对每一个网格进行概率推算，预测周围障碍物的情况^[7]。

4. 总结

智能汽车是未来汽车领域主要的发展方向，在目前科技和互联网日益发展的当下，不断提升智能汽车自动避障控制系统的准确性和实时性显得尤为重要，提高智能汽车自动避障的能力，提高出行的安全性能，对自动避障控制系统的开发，主要是研究传感器的最优配置和相关控制算法的优化。因此本文主要对这两部分进行了详细的讲解，为智能汽车自动避障控制系统的研究提供思路。

5. 参考文献

1. 刘刚燚.基于Arduino的轮式机器人自动避障系统设计与实现[D].云南大学，2017.

2. 卢威. 智能小车避障系统的设计与实现[D].南昌大学,2012.

3. 潘元骁.基于Arduino的智能小车自动避障系统设计与研究[D].长安大学，2015.

4. 刘海波,李冀.浅析无人机自动避障系统[J].中国计量,2017(09):84-85+88.

5. 刘凤然，田红芳，王侃.基于单片机的移动机器人自动避障控制系统[J].中国仪器仪表，2001(03):27-29.

6. 商静.基于主动安全性的汽车避障研究[D].沈阳理工大学，2012.

7. 王燕,王红敏,郭芳辰.智能小车自动避障系统功能优化[J].数码世界,2017(08):68.