一种园区场景下基于视觉的低成本自动循迹行驶方法技术

本发明专利技术公开了一种园区场景下基于视觉的低成本自动循迹行驶方法，使车辆利用低成本的车载摄像头预瞄前方的轨迹线，根据偏移情况调整车轮转角，从而平稳地沿轨迹线自动驾驶，在园区场景下达到低成本自动驾驶的目标，且具有直角转弯、小转弯半径转弯的能力。本发明专利技术从限定场景出发，基于普通摄像头，摒弃了更加精准昂贵的激光雷达等传感器，通过结合车道线检测算法、多种颜色空间的滤波算法以及针对观测量的模糊控制算法以低成本的方式实现自动驾驶，既能在技术实际应用并落地实现开始自动驾驶，继而通过快速迭代不断扩展，保证自动驾驶的安全性和可验证性。

【技术实现步骤摘要】
一种园区场景下基于视觉的低成本自动循迹行驶方法
本专利技术属于计算机视觉及控制
，具体涉及一种园区场景下基于视觉的低成本自动循迹行驶方法。
技术介绍
城市交通拥堵、事故频发、信息不畅通等问题，引发了自动驾驶研究的热潮，基于智能交通的自动驾驶正在成为解决现有交通问题的办法之一；从当前国内外一些大公司所研发的自动驾驶技术来看，当前市面上的的自动驾驶循迹方法有如下特点：①大公司的研究团队都期望实现全场景(非限定场景)下的自动驾驶，但是实现困难，成本高昂，而低成本才是自动驾驶发展的趋势。②有些自动驾驶车辆用到了低成本的摄像头作为主要传感器，虽然这些车在实际路测中行驶了上万公里，但是路测的测试场景大多面向路比较宽阔拐弯角度比较缓和的高速公路，而在城市道路、各类景区、园区等场景中存在大量的直角转弯等路况，这些场景下难以用普通的视觉方法解决，会因为拐弯角度的问题丢失所需要的视觉信息，只有依赖激光雷达等更昂贵的传感器才能弥补视觉方法上的缺陷和不足。③基于机器学习的端到端和神经网络训练模型的方法虽然可以也可以用低成本的摄像头作为主要传感器，在直角拐弯和小角度转弯等更多的场景下训练驾驶模型，但是有如下缺陷：a.采集数据和训练模型的成本较高；b.模型与场景的耦合太大，一旦场景有稍微变化或图像加入噪声就会影响自动驾驶，从而影响安全性；c.模型复杂性较高，实时性较差。封闭园区包括旅游区、度假区等观光区，也包括校园、社区、工业园区等需要人员接送服务的场区。在这些场景中，有如下特点：(1)道路环境可以人为设计；(2)与公路相比，园区内的行驶路线相对比较固定；(3)存在转弯半径较小的转弯(例如小于10米的转弯)；(4)车辆速度较慢或者可以假设匀速。由于这类园区存在小半径转弯，受摄像头视野范围的限制，不能依靠循车道线的方式行驶，而园区环境可以人为定义，因此在园区的单向道路中沿道路划定轨迹线，车辆在这些单向道路上以循轨迹线的方式行驶；而在多个不同方向的道路的交叉口，则通过其他方式，使车辆先从源道路行驶到目标道路，再在目标道路上循线行驶。
技术实现思路
鉴于上述，本专利技术提供了一种园区场景下基于视觉的低成本自动循迹行驶方法，通过低成本的摄像头，摒弃了更加精准昂贵的激光雷达等传感器，通过结合车道线检测算法、多种颜色空间的滤波算法以及针对观测量的模糊控制算法实现低成本的沿轨车道上车辆的自动循迹。一种园区场景下基于视觉的低成本自动循迹行驶方法，包括如下步骤：(1)利用车载摄像头采集园区场景下道路前方中央包含车道线的原始图像，并定义所需要变换得到的俯视图像坐标系；(2)对于原始图像中的任一像素点，通过逆透视变换得到其在世界坐标系中的坐标，进而根据世界坐标系与俯视图像坐标系之间的比例尺关系将像素点在世界坐标系中的坐标转换为对应在俯视图像坐标系中的坐标；(3)根据步骤(2)中的像素点坐标转换关系将原始图像变换为俯视图像，将所述俯视图像转化为LAB、HSV、HLS三种颜色空间并分别从中选择一个通道，进而通过局部归一化以及阈值化处理将不同通道的结果合并成一张车道线图像；(4)对车道线图像中的车道线像素点执行滑动窗口搜索，以找到沿图像Y轴不同窗口内的车道线中心，然后对于每个窗口都进行单独的卡尔曼滤波和信噪比检测，排除异常以及不可靠的测量结果，最后对各个窗口检测到的车道线中心进行多项式曲线拟合得到车道线的拟合曲线；(5)计算拟合曲线预瞄点的偏移距离和偏移角度，进而通过模糊推理计算出车辆的踪迹交叉偏差量；(6)根据踪迹交叉偏差量计算更新PID(比例-积分-微分)控制对应的输出值perror、ierror、derror，进而加权求得前轮转弯角度steering_angle，将其作为车辆前轮转角的控制量并加以控制。进一步地，所述步骤(3)中将俯视图像转化为LAB、HSV、HLS三种颜色空间并分别从中选择一个通道，首先利用CLAHE(ContrastLimitedAdaptiveHistogramEqualization，对比度有限的自适应直方图均衡)算法对三个通道的图像进行局部归一化；然后分别对局部归一化后的三通道图像进行阈值化处理，小于阈值的像素不显示，以显示特定强度以上的车道线像素点；最后将阈值化后的三通道图像合并成一张车道线图像，即通过并集得到一张二值图。进一步地，所述步骤(3)中对于LAB种颜色空间则选择其中的B通道，对于HSV颜色空间则选择其中的V通道，对于HLS种颜色空间则选择其中的L通道。进一步地，所述步骤(4)的具体实现过程如下：4.1在车道线图像内以1/8宽度，1/12高度沿Y轴方向依次设定12个窗口，用以检测道路中央的单条车道线；4.2对于任一窗口，保持其Y轴位置不变，在图像中沿X轴滑动该窗口，扫描确定窗口能够覆盖车道线像素点数量最多时的X轴位置；4.3对窗口进行卡尔曼滤波和信噪比检测，排除异常以及不可靠的测量结果；4.4对下一个窗口进行滑动扫描时，将其搜索区域限制在前一个窗口位置的中心区域附近；4.5对各个滑动窗口检测到的车道线像素点集的中心进行多项式曲线拟合，得到车道线的拟合曲线。进一步地，所述步骤(5)中的偏移距离为预瞄点横坐标相对原始图像中心横坐标之差，偏移角度为预瞄点与拟合曲线的切向角度。进一步地，所述步骤(5)中通过模糊推理计算模糊视觉偏差量的具体过程为：首先对预瞄点的偏移距离和偏移角度通过隶属度函数进行模糊推理，得到两者对应的隶属度；然后利用重心法进行反模糊化，通过以下公式计算出车辆的踪迹交叉偏差量：其中：cte为踪迹交叉偏差量，Φ为踪迹交叉偏差量U的模糊子集，i为模糊子集Φ中的任一模糊量，ui为模糊量i与对应隶属度函数的积分值，Ki为偏移距离和偏移角度分别通过模糊量i计算得到两个隶属度中的较小值。进一步地，所述步骤(6)中根据以下公式计算更新PID控制对应的输出值perror、ierror、derror：perror＝cte[n]-cte[n-1]ierror＝cte[n]derror＝cte[n]-2cte[n-1]+cte[n-2]进而通过以下公式加权求得前轮转弯角度steering_angle：steering_angle＝-(Kp*perror+Ki*ierror+Kd*perror)其中：cte[n]为n时刻车辆的踪迹交叉偏差量，cte[n-1]为n-1时刻车辆的踪迹交叉偏差量，cte[n-2]为n-2时刻车辆的踪迹交叉偏差量，n为自然数，Kp、Ki、Kd分别为根据预瞄点整定得到的比例增益系数、积分增益参数、微分增益参数。与现有技术相比，本专利技术具有以下有益技术效果：1.本专利技术以低延时、低成本的方式实现园区场景的自动驾驶，有助于在视野角度小的时候实现平稳转弯。2.本专利技术利用多个视觉观测量提高纠偏控制的准确性，视觉检测输出横向偏移的距离量和角度量，基于偏移距离和偏移角度进行横向控制，提高控制的准确性。3.本专利技术利用模糊计算降低视觉观测量的精度对控制的影响，从视觉输出到控制输入经过一个模糊变换的过程，减小视觉观测的距离值和角度值的精度要求，减小图像标定的时间成本。4.本专利技术位置式PID改成增量式PID，避免累计误差，减小了控制系统故障导致的影响。附图说明图1为本专利技术方法的系统流程框图。图2(a)为世界坐标系与原始图本文档来自技高网...

【技术保护点】
1.一种园区场景下基于视觉的低成本自动循迹行驶方法，包括如下步骤：(1)利用车载摄像头采集园区场景下道路前方中央包含车道线的原始图像，并定义所需要变换得到的俯视图像坐标系；(2)对于原始图像中的任一像素点，通过逆透视变换得到其在世界坐标系中的坐标，进而根据世界坐标系与俯视图像坐标系之间的比例尺关系将像素点在世界坐标系中的坐标转换为对应在俯视图像坐标系中的坐标；(3)根据步骤(2)中的像素点坐标转换关系将原始图像变换为俯视图像，将所述俯视图像转化为LAB、HSV、HLS三种颜色空间并分别从中选择一个通道，进而通过局部归一化以及阈值化处理将不同通道的结果合并成一张车道线图像；(4)对车道线图像中的车道线像素点执行滑动窗口搜索，以找到沿图像Y轴不同窗口内的车道线中心，然后对于每个窗口都进行单独的卡尔曼滤波和信噪比检测，排除异常以及不可靠的测量结果，最后对各个窗口检测到的车道线中心进行多项式曲线拟合得到车道线的拟合曲线；(5)计算拟合曲线预瞄点的偏移距离和偏移角度，进而通过模糊推理计算出车辆的踪迹交叉偏差量；(6)根据踪迹交叉偏差量计算更新PID控制对应的输出值perror、ierror、derror，进而加权求得前轮转弯角度steering_angle，将其作为车辆前轮转角的控制量并加以控制。...

【技术特征摘要】
1.一种园区场景下基于视觉的低成本自动循迹行驶方法，包括如下步骤：(1)利用车载摄像头采集园区场景下道路前方中央包含车道线的原始图像，并定义所需要变换得到的俯视图像坐标系；(2)对于原始图像中的任一像素点，通过逆透视变换得到其在世界坐标系中的坐标，进而根据世界坐标系与俯视图像坐标系之间的比例尺关系将像素点在世界坐标系中的坐标转换为对应在俯视图像坐标系中的坐标；(3)根据步骤(2)中的像素点坐标转换关系将原始图像变换为俯视图像，将所述俯视图像转化为LAB、HSV、HLS三种颜色空间并分别从中选择一个通道，进而通过局部归一化以及阈值化处理将不同通道的结果合并成一张车道线图像；(4)对车道线图像中的车道线像素点执行滑动窗口搜索，以找到沿图像Y轴不同窗口内的车道线中心，然后对于每个窗口都进行单独的卡尔曼滤波和信噪比检测，排除异常以及不可靠的测量结果，最后对各个窗口检测到的车道线中心进行多项式曲线拟合得到车道线的拟合曲线；(5)计算拟合曲线预瞄点的偏移距离和偏移角度，进而通过模糊推理计算出车辆的踪迹交叉偏差量；(6)根据踪迹交叉偏差量计算更新PID控制对应的输出值perror、ierror、derror，进而加权求得前轮转弯角度steering_angle，将其作为车辆前轮转角的控制量并加以控制。2.根据权利要求1所述的自动循迹行驶方法，其特征在于：所述步骤(3)中将俯视图像转化为LAB、HSV、HLS三种颜色空间并分别从中选择一个通道，首先利用CLAHE算法对三个通道的图像进行局部归一化；然后分别对局部归一化后的三通道图像进行阈值化处理，小于阈值的像素不显示，以显示特定强度以上的车道线像素点；最后将阈值化后的三通道图像合并成一张车道线图像，即通过并集得到一张二值图。3.根据权利要求1所述的自动循迹行驶方法，其特征在于：所述步骤(3)中对于LAB种颜色空间则选择其中的B通道，对于HSV颜色空间则选择其中的V通道，对于HLS种颜色空间则选择其中的L通道。4.根据权利要求1所述的自动循迹行驶方法，其特征在于：所述步骤(4)的具体实现过程如下：4.1在车道线...

【专利技术属性】
技术研发人员：林旭，李梓宁，朱林炯，王文夫，潘之杰，吴朝晖，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33