基于图像的模糊控制器设计的智能小车自动停车

2018-06-12河北农业大学理工学院河北黄骅061100

信息记录材料 2018年7期

（河北农业大学理工学院河北黄骅 061100）

李雅欣，索琰琰，吴昊，黄建昌（通讯作者）

1 引言

随着汽车数量的增加，停车系统已经成为商业环境下的一个重要问题。尽管一些汽车公司最近开发了自动停车系统，但安全性和成本问题仍然有待于商业化。大多数与停车问题有关的研究通常是通过考虑非完整约束来找到一条连接初始配置和最终配置的路径。而本文通过考虑智能小车相对于停车位的位置和方向，不用任何参照和控制，使用模糊逻辑模仿有经验的驾驶员的停车能力。这种方法需要测量智能小车与停车位间精确的距离和方向。所以基于图像的定位是自动停车的一种更有效的选择。

2 提出问题

本实验的目的是开发一种基于图像的模糊控制器的智能小车自动停车系统。一个装有摄像头的机器人可以通过图像处理来检测一个矩形的停车位。在此实验中，使用两种颜色的矩形停车位将停车位的竖向和水平线分开.现实环境和图像坐标分别以x-y坐标和u-v坐标表示。在图像坐标上，停车位的两条竖线是：V1=a1*u+b1v2=a2*u+b2。a1和a2表示梯度,b1和b2表示拦截的线。首先对停车位的垂直中心线进行了推导，并计算出垂直中心线的中点。然后，根据垂直中心线的中点生成所需的目标线。垂直中心线和理想的目标线表示如下：Vavg=Aavg*u+BavgUt=At+Bt。Aavg表示梯度和Bavg表示中心线的拦截,At表示梯度和Bt表示拦截所需的目标线。At和Bt可以从图像处理获得。被控制的机器人是一个智能小车，其模型通过：x=s*cosθ；y=s*sinθ；θ=s*tanφ/L。(x,y,θ)是机器人在世界坐标下的状态，L是前轮和后轮之间的距离。转向角φ是前进的速度是我们停车系统的控制输入。跟踪当前目标线，它可以预测At=0和Bt=0图像坐标而不是执行y=0和θ=0的世界坐标。从参数之间的关系看(At Bt),协调和控制输入的图像(S φ)取决于每个像素的深度,它可能不容易获得准确的模型关系。因此，设计了一种无模型的模糊控制器。图1显示了停车系统基于图像的控制系统框图。控制器决定了控制输入s和φ，At和Bt,利用霍夫变换提取了图像。

3 生成基于图像处理的目标线

本文讨论了图像处理的一些步骤，以检测矩形车架，并在本节中给出自动停车系统的目标线。

首先，对捕获的图像上进行预处理，以检测矩形的停车线，并对自动泊车系统进行设计。这样的预处理包括阈值。为了提取红色和去除噪声，使用了一些阈值函数。利用一个精确的边缘检测器来获取图像的边缘。图2(a)、(b)和(c)显示原图像、预处理图像和矩形车架的边缘图像。在本研究中，提取了车架的轮廓线，运用霍夫变换计算了这些直线的梯度和截距。车架的垂直中心线是通过平均梯度和截距来设计的。下一步是找到这样一条线的中点，并根据点构造我们的停车系统的目标线。

图1 (a)原始图像(b)预处理图像和(c)边缘图像

图2 合成图像：(a)霍夫变换后；(b)垂直中心线；(c)目标线

4 模糊控制器的设计

在本文中，设计了一种名为最小-最大重心法的模糊控制器。根据捕获图像的一些图像特征，确定了合适的转向角度来定位机器人在适当的停车位置。要使用的状态变量。目标线的梯度和截距是推理输入。对于控制规则，所需的控制输入以if-then规则的形式设置，这取决于使用模糊状态变量，其中s被分配为一个常量。最后，将模糊集上的控制输入通过消模糊转化为实数。用加权平均法得出：

5 实验结果

在此基础上，提出了一种基于图像处理的停车空间自动检测系统。停车位的大小是390毫米长，210毫米宽。USB相机是用来探测地板上的停车线,笔记本电脑执行图像处理，提取At和Bt使用霍夫变换捕获的图像。(x,y,θ)表示机器人的位置和转向角,(x,y)是位于后轮的中间距离。这些隶属函数是通过初步的实验启发式方法进行经验设计的，并依赖于摄像机和机器人的属性，参数设置为a2=-a1=1.75 b2=-b1=175 c2=-c1=0.349。

在本实验中，对设计的控制器进行了三种不同的初始位置测试，如图3所示。摄像机的朝向设置为垂直向下15度，机器人的前进速度为s=0.1[m/s]。我们的自动停车系统的实验结果如图4(a)、(b)和(c)所示，根据结果，目前的控制器只适用于第2例，因为第4节中描述的模糊规则非常简单。从这个角度来看，如果要更好地控制结果，则需要对情况1和3进行改进。