论文部分内容阅读
关键词：自动泊车 环境感知 超声波雷达
近年来，由于我国汽车保有量逐年递增，这一现象导致了一系列问题的出现，其中车位紧张问题尤为突出，也导致了在一些不规则、狭小的区域出现了越来越多的临时停车场。对于一些新手驾驶员，寻找车位以及泊车的能力也面临着极大的挑战。因此，由于驾驶经验不足与驾驶人数总体增长的原因，泊车环节出现剐蹭等事故的数量逐年增长[1]。
目前传感器主要使用测距传感器和视觉传感器两类。本文研究基于测距传感器的车位检测技术，针对平行、垂直、斜列三种泊车场景进行研究。当然，目前也有业内人士采用摄像头等视觉传感器进行车位检测，但是成本偏高是其普及需要面临的一个难题。
1 自动泊车系统
自动泊车系统指我们在泊车的过程中，汽车利用自身的传感器进行车位的识别，以及自动泊车入位。其中车位的识别过程由该系统的环境感知模块完成，感知模块采集的数据经过处理后传送给中央处理器，再通过车辆决策控制系统规划出泊车路线，并最终泊车入位。当然，由于电子信号始终会存在一定的不稳定性，该系统可随时接受驾驶员的手动控制而终止自动泊车过程，最大限度的保证安全性。
2 泊车空间检测
2.1 超声波传感器原理论述
超声波雷达是利用传感器内的超声波传感器发射出40KHz 的超声波，由接收传感器接收经障碍物反射回来的超声波，根据超声波反射接收的时间差，由控制单元内的 CPU处理换算成距离。按照超声波传感器的工作原理，频率与灵敏度成正比。超声波雷达防水、防尘，即使有少量的泥沙遮挡也不影响。探测范围在0.1-3 米之间，而且精度较高，成本低廉，因此非常适合应用于泊车。
超声波雷达一般安装在汽车的前后保险杠或者侧面，前者一般为UPA 超声波雷达，而后者一般为APA 雷达。两款雷达的探测范围和区域也不太相同。UPA 的探测距离一般在15--250cm 之间，主要用于测量汽车前后方的障碍物;APA 的探测距离一般在30--500cm 之间。APA 的探测范围更远，因此相比于UPA 成本更高，功率也更大。APA 的探测距离优势让它不仅能够检测左右侧的障碍物，而且还能根据超声波雷达返回的数据判断停车库位是否存在[2]。超声波示意图如下图1 所示：
2.2 算法设计
（1）启动自动泊车系统之后，为了确保雷达扫描的精确性，车速最大不超过5km/h。
（2）雷达测距得到的数据需要储存，则需要建立一个数据缓存器，其大小应大于设定的最大车位长度阈值除以车速。
（3）分析数据得到车位大致的起点与终点。当雷达数据显示突变时，则判别为检测到障碍物;为了提高精确性，当只有1 个数据发生突变时，则视此数据为误差。
（4）如图1 所示平行泊车示意图，目标车辆1 按道路向前行驶，会依次通过障碍车辆1、目标泊车位以及障碍车辆2。目标车辆会与障碍车辆之间保持一定的距离，分别记为Y1 和Y2（如图所示），为了最大程度的保证泊车安全性，取Y1 和Y2 中的小值。同时，为了保证安全性与泊车过程的精确性，目标车辆应与障碍车辆保持足够的横向间距，一般在1.8m 以内。雷达距离的波段如图所示，当经过障碍车辆1 到达泊车位后，距离会经历一次突变，此点为泊车车位的起点;继续向前行驶到达到达障碍车辆2 后，距离会第二次突变，此时可记为检测到车位的终点。根据目标车辆从3 车位起始点到终止点的速度和时间算出车位长度L，以此为依据判别车位是否有效。
垂直车位的检测原理跟方法与平行车位大体相同，都是通过对雷达传感器检测到的距离跳变进行分析，对采集到的车位尺寸与约束条件进行对比，满足条件即可视为垂直车位。
（5）利用最小二乘法拟合缓存器中的数据，可以得出车辆行进轨迹与泊车位之间的夹角，根据这个信息可以对车位长度L 进行修正，从而提高准确性。车位检测完毕后，根据计算出来的车位长度L 判断是否满足泊车条件，如果满足，则开始后续操作。
4 场景分析
本文考虑平行车位、垂直车位和斜列车位三种且车位前后或左右都有障碍车辆的情形，平行和垂直车位检测原理上面已经论述，以下只对两种车位形式车位内存在障碍物的情况就行研究，针对斜列车位将做详细论述。
4.1 平行车位检测
如图2 所示，当我们的泊车空间内存在障碍物时，此时传感器检测到的距离二次突变的点并非障碍车辆二的车尾了，而是该障碍物的左边界，根据此车位前后约束条件得出的L 作为车位是否有效地判定条件，若判定此车位有效，继续进行后续的泊车操作。
4.2 垂直车位检测
垂直车位的检测原理与平行车位类似，雷达的测距数据会经过两次突变，只不过两次突变之间的距离为车位宽度;当雷达检测到障碍物之后，距离会有所减小，若此时减小之后的距离仍然大于最小车位长度，且两次常规数据跳变之间的距离大于最小车位宽度，则判定车位有效，反之车位无效。
4.3 斜列车位检测
上图为斜列车位示意图，因为其空间布局与平行和垂直车位大相径庭，所以传感器采集的数据并不能代表此车位的真实尺寸，并不能通过检测车位的长L 和宽W 来完成有效地车位构建，需要通过车位斜率K 来进一步判断车位类型。
開启系统后，目标车辆3 沿路径行驶，此时右侧没有障碍物，记右侧的空间距离为Y，当超声波传感器检测到障碍车辆1 时，传感器采集到的距离会开始变化;继续向前行驶，距离会逐渐变小直到A1 点达到最小值，记录为y;继续向前行驶，车辆通过B1 点后，距离会产生突变，记录此时时间为T1;继续向前行驶，距离会产生一些微量变化，记为W=Y-y;继续向前行驶，记目标车辆3 经过c 点的时间为T2，之后距离又开始变化直到A2 点到达最小值，记录此时时间为T3;在T1-T3 时间段对目标车辆3 的速度进行积分，便可得到泊车位的L，对目标车辆3 的速度在T1-T2 时间段上进行积分可得距离S，记X=L-S，则斜率K=W/X。
当我们需要泊车入位时，开启系统搜索泊车位，传感器将采集到的数据传输给处理器，处理器则计算判断是否满足约束条件：tan30 ° ≤ K ≤ tan60 °，L ≥ 2.8m，W ≥ 6m。
5 结语
由于超声波雷达传感器性价比高，环境适应能力、稳定性强，早已在各类汽车产品上大显身手，其功用也是各异。本文基于不同种车位尺寸的约束条件下，根据安装在车身相应部位的超声波传感器采集到的车位尺寸数据进行处理分析，验证了其在车位检测功能上应用的可行性，可以得出自动泊车系统可以为我们日常的泊车过程提供极大的便利性，在汽车市场有着广阔的前景;该车位检测功能也为自动泊车系统后续的路径规划与路径跟踪提供了准确的数据支持。
近年来，由于我国汽车保有量逐年递增，这一现象导致了一系列问题的出现，其中车位紧张问题尤为突出，也导致了在一些不规则、狭小的区域出现了越来越多的临时停车场。对于一些新手驾驶员，寻找车位以及泊车的能力也面临着极大的挑战。因此，由于驾驶经验不足与驾驶人数总体增长的原因，泊车环节出现剐蹭等事故的数量逐年增长[1]。
目前传感器主要使用测距传感器和视觉传感器两类。本文研究基于测距传感器的车位检测技术，针对平行、垂直、斜列三种泊车场景进行研究。当然，目前也有业内人士采用摄像头等视觉传感器进行车位检测，但是成本偏高是其普及需要面临的一个难题。
1 自动泊车系统
自动泊车系统指我们在泊车的过程中，汽车利用自身的传感器进行车位的识别，以及自动泊车入位。其中车位的识别过程由该系统的环境感知模块完成，感知模块采集的数据经过处理后传送给中央处理器，再通过车辆决策控制系统规划出泊车路线，并最终泊车入位。当然，由于电子信号始终会存在一定的不稳定性，该系统可随时接受驾驶员的手动控制而终止自动泊车过程，最大限度的保证安全性。
2 泊车空间检测
2.1 超声波传感器原理论述
超声波雷达是利用传感器内的超声波传感器发射出40KHz 的超声波，由接收传感器接收经障碍物反射回来的超声波，根据超声波反射接收的时间差，由控制单元内的 CPU处理换算成距离。按照超声波传感器的工作原理，频率与灵敏度成正比。超声波雷达防水、防尘，即使有少量的泥沙遮挡也不影响。探测范围在0.1-3 米之间，而且精度较高，成本低廉，因此非常适合应用于泊车。
超声波雷达一般安装在汽车的前后保险杠或者侧面，前者一般为UPA 超声波雷达，而后者一般为APA 雷达。两款雷达的探测范围和区域也不太相同。UPA 的探测距离一般在15--250cm 之间，主要用于测量汽车前后方的障碍物;APA 的探测距离一般在30--500cm 之间。APA 的探测范围更远，因此相比于UPA 成本更高，功率也更大。APA 的探测距离优势让它不仅能够检测左右侧的障碍物，而且还能根据超声波雷达返回的数据判断停车库位是否存在[2]。超声波示意图如下图1 所示：
2.2 算法设计
（1）启动自动泊车系统之后，为了确保雷达扫描的精确性，车速最大不超过5km/h。
（2）雷达测距得到的数据需要储存，则需要建立一个数据缓存器，其大小应大于设定的最大车位长度阈值除以车速。
（3）分析数据得到车位大致的起点与终点。当雷达数据显示突变时，则判别为检测到障碍物;为了提高精确性，当只有1 个数据发生突变时，则视此数据为误差。
（4）如图1 所示平行泊车示意图，目标车辆1 按道路向前行驶，会依次通过障碍车辆1、目标泊车位以及障碍车辆2。目标车辆会与障碍车辆之间保持一定的距离，分别记为Y1 和Y2（如图所示），为了最大程度的保证泊车安全性，取Y1 和Y2 中的小值。同时，为了保证安全性与泊车过程的精确性，目标车辆应与障碍车辆保持足够的横向间距，一般在1.8m 以内。雷达距离的波段如图所示，当经过障碍车辆1 到达泊车位后，距离会经历一次突变，此点为泊车车位的起点;继续向前行驶到达到达障碍车辆2 后，距离会第二次突变，此时可记为检测到车位的终点。根据目标车辆从3 车位起始点到终止点的速度和时间算出车位长度L，以此为依据判别车位是否有效。
垂直车位的检测原理跟方法与平行车位大体相同，都是通过对雷达传感器检测到的距离跳变进行分析，对采集到的车位尺寸与约束条件进行对比，满足条件即可视为垂直车位。
（5）利用最小二乘法拟合缓存器中的数据，可以得出车辆行进轨迹与泊车位之间的夹角，根据这个信息可以对车位长度L 进行修正，从而提高准确性。车位检测完毕后，根据计算出来的车位长度L 判断是否满足泊车条件，如果满足，则开始后续操作。
4 场景分析
本文考虑平行车位、垂直车位和斜列车位三种且车位前后或左右都有障碍车辆的情形，平行和垂直车位检测原理上面已经论述，以下只对两种车位形式车位内存在障碍物的情况就行研究，针对斜列车位将做详细论述。
4.1 平行车位检测
如图2 所示，当我们的泊车空间内存在障碍物时，此时传感器检测到的距离二次突变的点并非障碍车辆二的车尾了，而是该障碍物的左边界，根据此车位前后约束条件得出的L 作为车位是否有效地判定条件，若判定此车位有效，继续进行后续的泊车操作。
4.2 垂直车位检测
垂直车位的检测原理与平行车位类似，雷达的测距数据会经过两次突变，只不过两次突变之间的距离为车位宽度;当雷达检测到障碍物之后，距离会有所减小，若此时减小之后的距离仍然大于最小车位长度，且两次常规数据跳变之间的距离大于最小车位宽度，则判定车位有效，反之车位无效。
4.3 斜列车位检测
上图为斜列车位示意图，因为其空间布局与平行和垂直车位大相径庭，所以传感器采集的数据并不能代表此车位的真实尺寸，并不能通过检测车位的长L 和宽W 来完成有效地车位构建，需要通过车位斜率K 来进一步判断车位类型。
開启系统后，目标车辆3 沿路径行驶，此时右侧没有障碍物，记右侧的空间距离为Y，当超声波传感器检测到障碍车辆1 时，传感器采集到的距离会开始变化;继续向前行驶，距离会逐渐变小直到A1 点达到最小值，记录为y;继续向前行驶，车辆通过B1 点后，距离会产生突变，记录此时时间为T1;继续向前行驶，距离会产生一些微量变化，记为W=Y-y;继续向前行驶，记目标车辆3 经过c 点的时间为T2，之后距离又开始变化直到A2 点到达最小值，记录此时时间为T3;在T1-T3 时间段对目标车辆3 的速度进行积分，便可得到泊车位的L，对目标车辆3 的速度在T1-T2 时间段上进行积分可得距离S，记X=L-S，则斜率K=W/X。
当我们需要泊车入位时，开启系统搜索泊车位，传感器将采集到的数据传输给处理器，处理器则计算判断是否满足约束条件：tan30 ° ≤ K ≤ tan60 °，L ≥ 2.8m，W ≥ 6m。
5 结语
由于超声波雷达传感器性价比高，环境适应能力、稳定性强，早已在各类汽车产品上大显身手，其功用也是各异。本文基于不同种车位尺寸的约束条件下，根据安装在车身相应部位的超声波传感器采集到的车位尺寸数据进行处理分析，验证了其在车位检测功能上应用的可行性，可以得出自动泊车系统可以为我们日常的泊车过程提供极大的便利性，在汽车市场有着广阔的前景;该车位检测功能也为自动泊车系统后续的路径规划与路径跟踪提供了准确的数据支持。