一種用于智能車輛的路口行駛控制方法
【專利摘要】一種用于智能車輛的路口行駛控制方法屬于無人駕駛領(lǐng)域。首先通過安裝在智能車內(nèi)后視鏡處的單目攝像機(jī)采集視頻圖像，進(jìn)行車道線檢測(cè)、停止線檢測(cè)、停止線測(cè)距、行人檢測(cè)以及紅綠燈識(shí)別。然后根據(jù)車道線檢測(cè)結(jié)果計(jì)算車道虛擬中心線，利用PD控制算法控制智能車輛沿著中心線前行。綜合離停止線的距離、行人檢測(cè)結(jié)果以及紅綠燈識(shí)別結(jié)果進(jìn)行駕駛行為決策，控制車輛前行或者停車。本發(fā)明僅利用一個(gè)攝像機(jī)使智能車輛平穩(wěn)、安全地通過各種十字路口，并且當(dāng)檢測(cè)到有行人或者識(shí)別到紅燈時(shí)，系統(tǒng)將控制智能車輛停在離停止線20厘米內(nèi)，當(dāng)識(shí)別到綠燈并且沒有行人時(shí)，系統(tǒng)將控制智能車輛正常行駛或者轉(zhuǎn)彎。本發(fā)明使執(zhí)行周期控制在50ms內(nèi)，滿足100ms的駕駛控制周期。
【專利說明】一種用于智能車輛的路口行駛控制方法

【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明是一種用于智能車輛的路口行駛控制方法，屬于智能車無人駕駛【技術(shù)領(lǐng)域】 和安全智能交通領(lǐng)域。

【背景技術(shù)】：
[0002] 從20世紀(jì)70年代開始，美國、英國、德國等發(fā)達(dá)國家開始進(jìn)行無人駕駛智能車的 研宄，在可行性和實(shí)用化方面都取得了突破性的進(jìn)展。我國從20世紀(jì)80年代開始進(jìn)行無 人駕駛智能車的研宄，國防科技大學(xué)在1992年成功研制出我國第一輛真正意義上的無人 駕駛智能車。無人駕駛智能車在結(jié)構(gòu)化道路、高速道路的研宄趨于成熟，國內(nèi)在高速道路上 的測(cè)試頁取得了很好成績(jī)，如2013年有我國科研人員研宄的無人駕駛智能車首次完成了 京津高速公路測(cè)試項(xiàng)目，無人駕駛行程超百公里。目前，國內(nèi)外開始將無人駕駛智能車的研 宄重點(diǎn)放在城市道路、鄉(xiāng)村道路這種半結(jié)構(gòu)化、非結(jié)構(gòu)化道路的研宄上。近來，德國自由大 學(xué)的MIG無人駕駛智能車、意大利帕爾馬大學(xué)的無人駕駛智能車和美國谷歌公司的無人駕 駛智能車，都紛紛開始上路測(cè)試。路口行駛控制是城市道路無人駕駛研宄的重要內(nèi)容之一。
[0003] 專利號(hào)為201120510142的一種智能交通燈控制系統(tǒng)、專利號(hào)為201010530886的 種基于移動(dòng)車載網(wǎng)的十字路口違章車輛檢測(cè)方法以及專利號(hào)為200810035904的一種車輛 路口左轉(zhuǎn)違章檢測(cè)系統(tǒng)都涉及到了城市道路路口問題并提出了一些很好的思路，但是都只 屬于智能交通領(lǐng)域，并沒有結(jié)合無人駕駛技術(shù)。


【發(fā)明內(nèi)容】
：
[0004] 本發(fā)明的目的在于解決智能車輛在城市道路路口的行駛問題，其中涉及到智能車 輛通過路口時(shí)的各種技術(shù)難題，如車道線、停止線、行人的檢測(cè)以及紅綠燈識(shí)別等技術(shù)，一 種用于智能車輛的路口行駛控制方法。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明采取了如下技術(shù)方案：
[0006] 步驟1 :將單目攝像機(jī)安裝在智能車輛內(nèi)后視鏡的正下方并與車體的縱向坐標(biāo)軸 平行，相對(duì)車體橫坐標(biāo)的位移為零；
[0007] 步驟2 :給攝像機(jī)安裝濾光片，消除逆光帶來的影響；
[0008] 步驟3 :獲取攝像機(jī)的單應(yīng)性矩陣H，所述的單應(yīng)性矩陣H是指世界坐標(biāo)與圖像坐 標(biāo)的對(duì)應(yīng)關(guān)系；
[0009] 步驟4 :對(duì)采集到的視頻圖像進(jìn)行車道線檢測(cè)；
[0010] 步驟4-1 :圖像二值化；首先將采集到的彩色圖像轉(zhuǎn)換成灰度圖像，然后使用OTSU方法進(jìn)行二值化；
[0011] 步驟4-2 :根據(jù)步驟3獲得單應(yīng)性矩陣H，對(duì)步驟4-1后得到的圖像進(jìn)行逆透視變 換，得到鳥瞰圖像；
[0012] 步驟4-3 :對(duì)鳥瞰圖像進(jìn)行平行線霍夫直線變換，將傾角相同的平行線歸為一組， 然后對(duì)每一組平行線做線寬和距離約束，所述的線寬約束是指候選線條的寬度應(yīng)該符合車 道線寬度范圍，所述的距離約束是指線與線之間的垂直距離符合車道寬度范圍；符合約束 條件的直線則是車道線；
[0013] 步驟5 :計(jì)算車道虛擬中心線；所述的車道虛擬中心線是指兩相鄰車道線的垂直 中點(diǎn)的連線，即兩相鄰車道線的之間的平行于車道線的中線；
[0014] 步驟6 :智能車輛方向控制；
[0015] 步驟6-1:根據(jù)步驟5計(jì)算出的車道虛擬中心線，利用控制算法計(jì)算方向盤的 角度；首先通過車道虛擬中心線可以計(jì)算出傾斜角度A0和偏移距離Ad，然后通過以下 公式計(jì)算出方向盤的角度《 :

【權(quán)利要求】
1. 一種用于智能車輛的路口行駛控制方法，其特征在于，包含下述步驟： 步驟1:將單目攝像機(jī)安裝在智能車輛內(nèi)后視鏡的正下方并與車體的縱向坐標(biāo)軸平 行，相對(duì)車體橫坐標(biāo)的位移為零； 步驟2 :給攝像機(jī)安裝濾光片，消除逆光帶來的影響； 步驟3 :獲取攝像機(jī)的單應(yīng)性矩陣H，所述的單應(yīng)性矩陣H是指世界坐標(biāo)與圖像坐標(biāo)的 對(duì)應(yīng)關(guān)系； 步驟4 :對(duì)采集到的視頻圖像進(jìn)行車道線檢測(cè)； 步驟4-1 :圖像二值化；首先將采集到的彩色圖像轉(zhuǎn)換成灰度圖像，然后使用OTSU方法 進(jìn)行二值化； 步驟4-2 :根據(jù)步驟3獲得單應(yīng)性矩陣H，對(duì)步驟4-1后得到的圖像進(jìn)行逆透視變換，得 到鳥瞰圖像； 步驟4-3 :對(duì)鳥瞰圖像進(jìn)行平行線霍夫直線變換，將傾角相同的平行線歸為一組，然后 對(duì)每一組平行線做線寬和距離約束，所述的線寬約束是指候選線條的寬度應(yīng)該符合車道線 寬度范圍，所述的距離約束是指線與線之間的垂直距離符合車道寬度范圍；符合約束條件 的直線則是車道線； 步驟5 :計(jì)算車道虛擬中心線；所述的車道虛擬中心線是指兩相鄰車道線的之間的平 行于車道線的中線； 步驟6 :智能車輛方向控制； 步驟6-1 :根據(jù)步驟5計(jì)算出的車道虛擬中心線，利用F1D控制算法計(jì)算方向盤的角度； 首先通過車道虛擬中心線計(jì)算出傾斜角度A 0和偏移距離A d，然后通過以下公式計(jì)算出 方向盤的角度《 : ? = kp ? A d+kd ? A 0 公式 1 其中，Ad的單位是厘米，△ 0的單位是度，kp是偏差比例，其單位是度每厘米，kd是 偏差微分。 步驟：6-2 :根據(jù)步驟6-1計(jì)算出的角度，控制智能車輛的方向；所述智能車輛的時(shí)速保 持在 5km/h-30km/h ; 步驟7 :停止線檢測(cè)； 步驟7-1 :根據(jù)步驟4-2中獲得的鳥瞰圖像，對(duì)鳥瞰圖像進(jìn)行霍夫直線變換檢測(cè)，并計(jì) 算每條直線的水平夾角9，其單位是度，滿足〇彡9彡30或150彡0彡180的直線則是 停止線的初次候選直線； 步驟7-2 :對(duì)步驟7-1得到的候選直線進(jìn)行長(zhǎng)度計(jì)算，若長(zhǎng)度1滿足范圍50〈1〈150則 是停止線的二次候選直線；所述的長(zhǎng)度單位是像素，其滿足的范圍是一個(gè)車道的寬度范圍 或者停止線長(zhǎng)度的范圍； 步驟7-3 :對(duì)停止線的二次候選直線區(qū)域進(jìn)行上升沿和下降沿檢測(cè)，目的是檢測(cè)出停 止線候選直線的上下邊界，然后計(jì)算停止線候選直線的寬度w，當(dāng)寬度滿足范圍5 < w < 15 時(shí)則認(rèn)為該候選直線是停止線；所述w的單位是像素，其滿足的范圍是停止線上下邊沿的 寬度范圍； 步驟8 :停止線測(cè)距； 步驟8-1 :根據(jù)步驟7檢測(cè)到停止線，然后計(jì)算出停止線下邊界的中心點(diǎn)P (x，y);設(shè)鳥 瞰圖像大小是（width, height),則根據(jù)公式2計(jì)算出中心點(diǎn)P (x，y)離圖像下邊界中心點(diǎn) (width/2，height/2)的像素歐式距離d:
步驟8-2 :根據(jù)鳥瞰圖像的特性可知，圖像中任意兩像素點(diǎn)間的像素歐式距離與世界 坐標(biāo)系中的實(shí)際距離呈線性關(guān)系，即圖像中每個(gè)像素點(diǎn)的邊長(zhǎng)在世界坐標(biāo)平面上的長(zhǎng)度是 一樣的；那么中心點(diǎn)P(x，y)離圖像下邊界中心點(diǎn)的實(shí)際距離dis的計(jì)算公式如下： dis = k ? d 公式 3 其中，k代表圖像中每個(gè)像素邊長(zhǎng)在世界坐標(biāo)平面的實(shí)際距離，單位為厘米； 步驟8-3 :步驟8-2中的k的計(jì)算方法如下：首先在車道平面上水平方向選取兩個(gè)點(diǎn)做 好標(biāo)記A、B，并測(cè)量出A、B間的距離L，單位是厘米；然后在鳥瞰圖像中找到A、B的對(duì)應(yīng)點(diǎn)， 并計(jì)出兩點(diǎn)間的像素個(gè)數(shù)M ;則根據(jù)下公式計(jì)算出k :
其中，k的單位是厘米每像素，通過調(diào)整鳥瞰圖像的大小將k盡量保持整數(shù)，以便降低 誤差； 步驟8-4 :通過實(shí)際測(cè)量，測(cè)出車頭離圖像最低端位置的距離為D，單位為厘米；則停止 線離車頭的距離S通過以下公式計(jì)算： S = D+dis 公式 5 或S = D+k ? d 公式6 步驟9 :行人檢測(cè)；利用開源的跨平臺(tái)計(jì)算機(jī)視覺庫自帶的行人檢測(cè)方向梯度直方圖 進(jìn)行行人檢測(cè)； 步驟10 :紅綠燈識(shí)別； 步驟10-1 :根據(jù)步驟8計(jì)算得到的停止線離車頭的距離S，當(dāng)300 < S < 8000時(shí)開始 識(shí)別紅綠燈； 步驟10-2 :紅綠燈識(shí)別采用基于HOG特征的紅綠燈識(shí)別方法；所述的識(shí)別方法只識(shí)別 圓形的紅綠燈； 步驟11 :決策控制； 步驟11-1 :決策控制的依據(jù)是行人狀況和紅綠燈狀態(tài)；行人狀況只有兩種：有人和無 人；紅綠燈狀態(tài)只有兩種：紅燈和綠燈，黃燈當(dāng)做紅燈處理；決策結(jié)果只有兩個(gè)：車輛前行 和車輛停止； 步驟11-2 :決策控制的邏輯表達(dá)式如下：
根據(jù)檢測(cè)結(jié)果，按照決策邏輯進(jìn)行決策控制，最終使無人駕駛智能車安全正確地通過 十字路口。
【文檔編號(hào)】B60W30/18GK104494598SQ201410678135
【公開日】2015年4月8日 申請(qǐng)日期:2014年11月23日 優(yōu)先權(quán)日:2014年11月23日
【發(fā)明者】劉宏哲, 袁家政, 楊青, 鄭永榮, 周宣汝 申請(qǐng)人:北京聯(lián)合大學(xué)