摘要：小區(qū)智能汽車的導(dǎo)航和定位問題是機(jī)器人能夠按照預(yù)期目標(biāo)完成預(yù)期功能的前提，該部分也是程序設(shè)計的核心關(guān)鍵部分。本文主要研究了小區(qū)智能汽車導(dǎo)航與定位的幾種方法。

關(guān)鍵詞：小區(qū)智能汽車；導(dǎo)航；定位

0.引言

導(dǎo)航與定位系統(tǒng)是智能汽車領(lǐng)域中的關(guān)鍵技術(shù)之一，導(dǎo)航與定位系統(tǒng)的優(yōu)劣對智能汽車性能有著重大影響。盡管國內(nèi)外許多科研機(jī)構(gòu)對無人駕駛汽車做過深入的研究，但迄今為止沒有一部汽車可以完全達(dá)到與有人駕駛車輛等同的性能。其中一部分原因就是因為無人駕駛汽車導(dǎo)航與定位系統(tǒng)還沒有達(dá)到相應(yīng)的要求。因此對無人駕駛汽車導(dǎo)航與定位系統(tǒng)作深入研究不僅具有理論意義，也具有實(shí)際意義。

1.導(dǎo)航方式分類

小區(qū)智能汽車有多種導(dǎo)航方式，根據(jù)環(huán)境信息的完整程度、導(dǎo)航指示信號類型等因素的不同可以分為三大類：基于地圖的導(dǎo)航、基于創(chuàng)建地圖的導(dǎo)航、無地圖的導(dǎo)航。

基于地圖的導(dǎo)航是完全依靠在小區(qū)智能汽車內(nèi)部保存的由用戶創(chuàng)建的關(guān)于環(huán)境的幾何模型或拓?fù)涞貓D等完整信息，并在預(yù)先規(guī)劃出的一條全局路線的基礎(chǔ)上，采用路徑跟蹤和避障技術(shù)，實(shí)現(xiàn)機(jī)器人導(dǎo)航，如圖1所示。

圖1小區(qū)智能汽車導(dǎo)航地圖

基于創(chuàng)建地圖的導(dǎo)航是利用傳感器（如里程儀、聲納、激光測距儀、視覺傳感器等）來創(chuàng)建關(guān)于當(dāng)前環(huán)境的幾何或拓?fù)淠Ｐ偷貓D（如圖2），然后利用這些模型來實(shí)現(xiàn)導(dǎo)航。

圖2小區(qū)智能汽車地圖模型

無地圖的導(dǎo)航是在環(huán)境信息完全未知的情況下，可通過攝像機(jī)或其他傳感器（如超聲，激光測距傳感器）對周圍環(huán)境進(jìn)行探測，利用對探測的物體進(jìn)行識別或跟蹤來實(shí)現(xiàn)小區(qū)智能汽車導(dǎo)航。

當(dāng)小區(qū)智能汽車對周圍環(huán)境并不完全了解時，則可采用基于路標(biāo)的導(dǎo)航策略，也就是將環(huán)境中具有明顯特征的景物存儲在小區(qū)智能汽車內(nèi)部，小區(qū)智能汽車通過對路標(biāo)的探測來確定自己的位置，并將全局路線分解成各個路標(biāo)之間的片段，再通過一連串的路標(biāo)探測和路標(biāo)制導(dǎo)來完成導(dǎo)航任務(wù)。實(shí)際上在相對規(guī)整的環(huán)境中，還可以在路面或路邊畫出一條明顯的路徑標(biāo)志線，小區(qū)智能汽車在行走的時候中利用傳感器不斷的對標(biāo)志線進(jìn)行探測并調(diào)整標(biāo)志線與行進(jìn)路線的偏差，當(dāng)遇到障礙時或是停下等待或是繞開障礙，避障后再根據(jù)標(biāo)志線的指引回到原來的路線上去，最終在標(biāo)志線的指引下到達(dá)指定的目的地。

由于小區(qū)智能汽車的工作區(qū)域和路徑是固定的，以上各種導(dǎo)航方式中，基于地圖的導(dǎo)航對小區(qū)智能汽車來說是最合適的。小區(qū)智能汽車的工作區(qū)域確定后，創(chuàng)建完整的幾何地圖模型存儲在控制系統(tǒng)的存儲器中，根據(jù)地圖實(shí)現(xiàn)導(dǎo)航；當(dāng)小區(qū)智能汽車遇到障礙物時，利用自動避障功能繞過障礙物或等待障礙物離開，然后再回到原來的路徑上。

2.定位方式分類

依所采用的傳感器，小區(qū)智能汽車的定位技術(shù)可分為絕對定位技術(shù)和相對定位技術(shù)兩類。相對定位技術(shù)主要有測距法和慣性導(dǎo)航法。絕對定位技術(shù)中比較成熟的有GPS（globalpositioningsystem，全球定位系統(tǒng)）、場景識別定位和基站定位。下面是對小區(qū)智能汽車可以參考的幾種定位技術(shù)的分析：

基站定位（CellID定位）：小區(qū)智能汽車通過接收附近的建筑物識別碼（CellID），并將該信息翻譯成經(jīng)緯度坐標(biāo)來確定自身位置。缺點(diǎn)：需要在建筑物上安裝無線網(wǎng)絡(luò)發(fā)射終端，費(fèi)用較高。

GPS定位：通過全球定位系統(tǒng)對非固定路面系統(tǒng)中的控制對象進(jìn)行跟蹤和制導(dǎo)。優(yōu)點(diǎn)：適合室外遠(yuǎn)距離的跟蹤和制導(dǎo)。缺點(diǎn)：精度取決于GPS的精度及控制對象周圍環(huán)境等因素；民用GPS的定位精度為10米左右，不能滿足小區(qū)智能汽車使用的要求。

場景識別定位：通過CCD攝像機(jī)生成小區(qū)智能汽車周圍場景的圖像，與計算機(jī)系統(tǒng)中存儲的環(huán)境地圖進(jìn)行特征匹配，從而可以確定出小區(qū)智能汽車的當(dāng)前位置。優(yōu)點(diǎn)：不要求人為設(shè)置任何物理路徑，因而柔性較高；隨著計算機(jī)圖像采集、儲存和處理技術(shù)的飛速發(fā)展，該方法的實(shí)用性越來越強(qiáng)，可以通過采用高速處理器彌補(bǔ)實(shí)時性差的缺點(diǎn)。

小區(qū)智能汽車的這幾種定位方式各有優(yōu)缺點(diǎn)，根據(jù)不同的功能要求和工作環(huán)境可以選擇不同的定位方式。單獨(dú)使用GPS進(jìn)行定位，在確定基準(zhǔn)線方面存在一定的誤差；機(jī)器視覺進(jìn)行此類作業(yè)，可以實(shí)時提取出當(dāng)前所處環(huán)境的特征信息，提高了定位的精度，但是單獨(dú)使用場景識別定位時，圖像處理算法復(fù)雜且定位難度大，因此考慮將GPS和場景識別定位兩種定位方式結(jié)合起來進(jìn)行定位。先用GPS定位系統(tǒng)將小區(qū)智能汽車的位置縮小至10米范圍內(nèi)，然后利用機(jī)器視覺技術(shù)尋找當(dāng)前環(huán)境的特征點(diǎn)，與系統(tǒng)內(nèi)部存儲的環(huán)境地圖進(jìn)行匹配，從而確定當(dāng)前小區(qū)智能汽車的準(zhǔn)確位置。

3.機(jī)器視覺技術(shù)及機(jī)器視覺定位

人類感知外部世界主要是通過視覺、觸覺、聽覺和嗅覺等感覺器官，其中約80%的信息是由視覺獲取的。因此，視覺在整個信息獲取系統(tǒng)中占有非常重要的地位。機(jī)器視覺系統(tǒng)就是模擬人類視覺的功能來獲取、處理信息的一種智能系統(tǒng)。機(jī)器視覺系統(tǒng)結(jié)構(gòu)圖如圖3所示。

圖3機(jī)器視覺系統(tǒng)

機(jī)器視覺可以看作從三維環(huán)境的圖像中抽取、描述和解釋信息的過程，它可以劃分為以下幾個主要部分：圖像的采集、二值量化、存儲、變換、編碼、分割、特征提取、圖像數(shù)據(jù)庫的建立、圖像的分類和表示、圖像識別、模型匹配、內(nèi)性解釋和理解等等。再根據(jù)實(shí)現(xiàn)上述各種過程所涉及的方法及技術(shù)的復(fù)雜性將他們歸類，可分為三個處理層次：底層視覺處理、中層視覺處理和高層視覺處理。雖然各層次之間沒有明確的界限，但是這種劃分對于機(jī)器人視覺系統(tǒng)的固有處理過程加以分類提供了一種有用的結(jié)構(gòu)?；谝曈X的機(jī)器人導(dǎo)航、定位的實(shí)現(xiàn)需要給機(jī)器人裝備視覺系統(tǒng)。

機(jī)器人視覺系統(tǒng)的一般工作原理為：安裝在小區(qū)智能汽車上的CCD攝像頭實(shí)時采集前方路面的圖像信息，將當(dāng)前道路的反射光強(qiáng)信號轉(zhuǎn)化為相應(yīng)的模擬電信號輸送到視頻采集卡，視頻采集卡中的模數(shù)轉(zhuǎn)換器通過對模擬信號采樣和量化，將模擬信號進(jìn)一步轉(zhuǎn)化為控制器可以接受和理解的數(shù)字信號，控制器運(yùn)用對應(yīng)的算法處理道路圖像，識別出道路中的道路信息和障礙物信息，自主決定小區(qū)智能汽車當(dāng)前的前進(jìn)方式（換道、轉(zhuǎn)向）和控制車輛自身的運(yùn)動狀態(tài)。

在基于場景識別的定位中，通過CCD攝像機(jī)生成小區(qū)智能汽車周圍場景的圖像，與計算機(jī)系統(tǒng)中存儲的環(huán)境地圖進(jìn)行特征匹配。由于整體模板匹配或特征抽取計算量太大，在圖像處理階段一般先提取邊界，在圖像分割的基礎(chǔ)上作進(jìn)一步描述、理解。根據(jù)圖像全局特性對目標(biāo)進(jìn)行哈夫（Hough）變換，可以從圖像中提取邊界特征，基本原理是根據(jù)對偶，由圖像空間的點(diǎn)計算參數(shù)空間的線，再由參數(shù)空間的線交點(diǎn)計算圖像空間的線，可用來檢測各種能以解析式f(x，c)=0（x為圖像點(diǎn)坐標(biāo)向量，c為參數(shù)向量）表示的曲線或輪廓目標(biāo)。

結(jié)構(gòu)化條件下機(jī)器視覺導(dǎo)航比較有代表性的工作有學(xué)者AkioKosaka和AviKak研究的基于概率推理定位法。該定位法預(yù)先建立環(huán)境場景的線框模型，以高斯分布描述機(jī)器人姿態(tài)向量(位置和朝向)，機(jī)器人運(yùn)動過程中姿態(tài)的更新表現(xiàn)為姿態(tài)向量分布數(shù)學(xué)期望和方差的更新，基本原理如圖4所示，算法主要步驟為：

圖4基于環(huán)境模型和概率推理的自定位算法

Step1:以高斯分布函數(shù)描述機(jī)器人位置p=(x，y，φ)，執(zhí)行運(yùn)動命令后位置為p′=h(P)，確定每個定位點(diǎn)的均值P和不確定性參數(shù)變換方差矩陣Σp；

Step2:確定執(zhí)行運(yùn)動指令后，機(jī)器人的位置參數(shù)及位置不確定分布矩陣。位置不確定性指運(yùn)動中滑動或不確定性因素引起機(jī)器人的額外平移或旋轉(zhuǎn)距離。

Step3:基于場景模型的卡爾曼濾波更新當(dāng)前位置。

由于工作環(huán)境的復(fù)雜性、自身狀態(tài)的不確定性和單一傳感器只能獲得環(huán)境特征的部分信息段的局限性，僅僅依靠一種傳感器難以完成對外部環(huán)境的感知。為完成在復(fù)雜、動態(tài)及不確定性環(huán)境下的自主性，機(jī)器人通常裝有用于導(dǎo)航需要的多種傳感器，如何有效的利用多傳感器提供的信息，并應(yīng)用到導(dǎo)航?jīng)Q策中，這就需要用到信息融合技術(shù)。

4.小區(qū)智能汽車導(dǎo)航定位系統(tǒng)的設(shè)計

小區(qū)智能汽車導(dǎo)航定位系統(tǒng)主要包括兩個部分，GPS部分和機(jī)器視覺部分，如圖5所示。其中，GPS部分主要是提供小區(qū)智能汽車的絕對位置坐標(biāo)、航向角度和行駛速度；機(jī)器視覺部分是將采集到的圖像經(jīng)過圖像預(yù)處理，得到導(dǎo)航路

圖5組合導(dǎo)航定位系統(tǒng)整體設(shè)計

徑中已知點(diǎn)的相對位置坐標(biāo)。在兩部分處理完成之后，將兩組信息統(tǒng)一到同一坐標(biāo)系下，并進(jìn)行UKF（unscentedkalmanfilter）濾波，得到新的位置信息。

5.導(dǎo)航算法幾何模型

組合導(dǎo)航系統(tǒng)確定小區(qū)智能汽車的位置后，與系統(tǒng)中存儲的地圖進(jìn)行匹配，計算當(dāng)前小區(qū)智能汽車的位置是否在存儲地圖中的路徑上，如果不在規(guī)劃好的路徑上，則尋找距離當(dāng)前小區(qū)智能汽車最近的地圖上的點(diǎn)，作為目標(biāo)點(diǎn)如圖6(a)所示；如果在事先規(guī)劃好的路徑上，則根據(jù)地圖前往下一個目標(biāo)點(diǎn)如圖6(b)。在導(dǎo)航系統(tǒng)中創(chuàng)建兩個坐標(biāo)系，一個是以攝像機(jī)為原點(diǎn)的視覺坐標(biāo)系，另一個是世界坐標(biāo)系（控制系統(tǒng)內(nèi)部存儲的地圖坐標(biāo)）。視覺坐標(biāo)系的原點(diǎn)為攝像機(jī)光心在地面上的投影點(diǎn)，其中X軸的正方向為行駛方向的負(fù)方向，Y軸的正方向垂直于X軸，水平向右。圖7中的目標(biāo)點(diǎn)即為下一步清掃機(jī)器人要達(dá)到的位置，小區(qū)智能汽車的位置確定后，可以將世界坐標(biāo)系中的點(diǎn)轉(zhuǎn)換到以小區(qū)智能汽車為主的

圖6確定目標(biāo)點(diǎn)示意圖

圖7導(dǎo)航系統(tǒng)坐標(biāo)系圖

視覺坐標(biāo)系下，其在視覺坐標(biāo)系中的坐標(biāo)定義為。攝像機(jī)在大地坐標(biāo)系中的位置是由定位系統(tǒng)實(shí)時獲得的，其在世界坐標(biāo)系中的坐標(biāo)為（），目標(biāo)點(diǎn)在世界坐標(biāo)系中的坐標(biāo)為。目標(biāo)點(diǎn)在視覺坐標(biāo)中的坐標(biāo)公式（1）得到：

式中為導(dǎo)航車的航向角度。矢量的方向即為小區(qū)智能汽車的運(yùn)動方向。

6.結(jié)束語

目前無人駕駛汽車導(dǎo)航與定位系統(tǒng)的設(shè)計方法多種多樣，但沒有一種方法是全能的。針對不同的控制對象和工況都對導(dǎo)航與定位系統(tǒng)提出了不同的要求，而小區(qū)道路這一特殊環(huán)境正是對無人駕駛汽車導(dǎo)航與定位系統(tǒng)提出了新的要求，其研究成果對無人駕駛汽車的進(jìn)一步研究及實(shí)用化是有積極意義的。

參考文獻(xiàn)：

[1]張鵬飛，何克忠，歐陽正柱等.多功能室外智能移動機(jī)器人實(shí)驗平臺——THMR-V[J].機(jī)器人，2002，24(2)：97—101.

[2]梁喜鳳.室內(nèi)地面清潔機(jī)器人路徑規(guī)劃[J].中國計量學(xué)院學(xué)報,2006,17(1):64-68.

[3]鄒元杰，劉小梅.智能車輛定位導(dǎo)航系統(tǒng)的研究[J].湖南農(nóng)機(jī),2010,37(5).

[4]張超.智能車輛定位導(dǎo)航系統(tǒng)的定位研究[D].成都：電子科技大學(xué)碩士論文，2005.

[5]魏彩彩.智能車輛定位與導(dǎo)航系統(tǒng)車載裝置研究[J]電源技術(shù)應(yīng)用,2013,(8).