关键字 |
| 图像分割、障碍、转向角,计算速度,平坦的地面,强度匹配、坐标系、过滤噪声,正常化和不一致的计算。 |
介绍 |
| 作出(无人地面车辆)所显示的名字是一个自治委员会车辆,以目的地为来自用户的输入,地图地图上一个预定义的当前位置和发现最简单和最耗时两个点之间的路径。然后遵循这条路径到达目的地,而检测路径的障碍。如果障碍是大到足以阻塞整个路径然后需要一个替代路径的目的地。 |
| 一些正在开发的项目在世界的许多地方有:汽车驱动项目完成在美国,到2030年,谷歌无人驾驶汽车项目在斯坦福,无人驾驶奥迪等。 |
| 障碍检测系统运行计算障碍的位置。障碍检测系统通常计算障碍的位置相对于移动代理通过使用范围的信息。范围的信息可以获得从激光雷达(激光测距)[1,2],声纳(声音等)(3、4)或基于视觉技术(5、6、7、8)。 |
| 视觉技术已经可怜的成本所带来的好处,减少低功率和高的机械精度。视觉算法的速度和精度通常程度与更快的计算平台。此外,相机的被动自然意味着它没有可检测签名和相对自由的信号干扰在当下工作的其他传感器。然而,基于立体障碍的相对缓慢的速度检测在实际问题中的应用有限。现有基于通信的实现算法无法满足实时需求或运行在粗决议。 |
| 障碍检测算法交易的准确性和图像分辨率的速度,有效地限制障碍位置估计的准确性在小范围之内。进一步,因为MPL是一个大型车辆,可观测区通航只有几乎没有障碍。我们相信,为稀疏分布式障碍,反射性的方法,没有采取具体的路径规划,为避免就足够了。我们的方法是反射性的,是通过控制调节转向和速度快速贪婪算法完全基于位置的瞬时局部知觉障碍。 |
| 本文第二部分描述应用程序的无人地面车辆,第三部分描述了相关工作第四节描述了关于图像分割及其技术,第五部分描述障碍检测和假设,第六节描述障碍检测算法,第七部分描述了避障,第八部分描述了计算的转向和速度。 |
无人地面车辆的应用 |
| 作出可用于许多应用程序可能不方便,危险,或者不可能有人类操作员。一般来说,车辆将有一组传感器观察环境,并将自主决定其行为或将信息传递给操作人员在不同的位置将通过传送控制车辆。许多潜在应用的无人地面车辆(作出)已确定在军用和民用领域,如侦察、监视、目标捕获、搜索和救援,探索。作出技术用于不同的领域: |
| 1)农业:-在农业、作出用于自动监测和保护作物.UGV自动化的一个重要方面在未来农业活动。 |
| 2)安全目标:收集关于环境的信息,如建筑在周围的地图元素。人员和车辆等跟踪感兴趣的对象。 |
| 3)军事战争:——国防部,无人地面车辆拯救生命和提高国防能力的控制系统体系结构,先进的传感器系统,研究服务和标准实现自主移动无人地面车辆。这些车辆也可以作为警察和军队自动化汽油车辆减少生命威胁。 |
| 4)一般运输:——在这个现代世界,自动化的需要在各个领域的人类干扰。驾驶机动车也是一个关注的领域,人为错误造成重大致命的生命和财产的损失。与精神压力和努力工作与思想转移某些情况下可能发生的因素形成的道路可能导致致命的事故,但机器训练,能够自动驾驶不能承受压力,可以做这样重大的错误,除非人为错误依然存在。 |
相关工作 |
| 本节概述的相关研究已经完成关于无人地面车辆自主导航。其中一些是如下:- |
| Matthies,拉里,出版社[10]在这篇文章中,作者开发了一个实时的立体视觉系统,使用数据立方体mv - 200和68040 CPU板地形几何感和组合下的夜晚,天,低能见度条件下。Somboon.H.et。al[11]在这篇文章中,作者提出一个活动表示和概率识别方法主要是用来检测并自动从视频数据分段事件的概率分析形状、运动和移动对象的轨迹特征。但这些方法的主要问题是跟踪一群人,许多监视应用程序所必需的,也仍然非常困难由于遮挡和闭塞与他人的身体部位。 |
| 玛丽亚T.et。艾尔[12]在这篇文章中,作者提出了一个动态的视觉注意力的方法用于场景分割成移动objects-vehicles行人和背景,不使用一个参考图像或造型的背景。 |
| Durst.et。艾尔[13]中,作者提出了一种新的环境称为自主导航虚拟环境实验室(ANVEL),使用视频游戏技术和基于物理建模技术提供一个直观M&S工具包,互动,和物理意义的无人地面车辆,但主要是在远离公路的导航和静态环境中作出可以检测和避障。 |
| Sumin张和村支书出版社[14],本文提出了一种新颖的轨迹规划方法,基于曲率匹配”技术。这种方法快速生成一个路径连接的路径生成的风险规避。轨迹规划算法已经应用于智能驱动模型在复杂环境中控制无人地面车辆。实验车辆达到8米/秒的速度(18英里每小时)在平面和倾斜的地形和7米/秒(16英里每小时)在崎岖的地形。 |
| Saurabh Trikande.et。艾尔[15]提出了可视化技术作出使用三维点云提供深度信息,使用3 d扫描仪扫描环境在一个平面和感知三维点云中的输出。集群提取使提取点云的集群主要帮助识别感兴趣的对象即炸弹,但主要用于无人地面车辆安全回家的手。 |
| 作出使用图像分割技术将图像分成部分有很强的相关性与图像中感兴趣的对象或区域包含包括地形形状和形成。在图像处理中,有用的图像中的像素是分开没有要求像素或不感兴趣的像素。 |
| 实时和基于物理仿真环境作出的先决条件。自主导航虚拟环境实验室也是好的软件测试实际上作出。 |
| 阈值和边缘检测是两个最常见的图像分割技术: |
| 1)阈值是最简单的图像分割方法。从一个灰度图像,阈值可以用来创建二进制图像。彩色图像也可以阈值。一种方法是指定一个单独的阈值为每个图像的RGB分量,然后把它们和操作。这反映了相机的工作方式以及如何将数据存储在计算机中,但这并不对应于人们认识色彩的方式。 |
| 2)在边缘检测中,使用特殊的算法来检测图像中物体的边缘。边缘标记图像灰度的不连续性的位置,颜色,纹理,等等。边缘通常发生在两个不同区域之间的边界在一个图像。有多种算法,但这些可能是归类为基于导数的算法第一或二阶导数在每个像素或基于梯度连续像素的梯度是在x和y方向。操作称为内核操作通常是执行。内核是一个小矩阵滑动在图像矩阵乘以相应的图像包含系数矩阵元素。 |
障碍检测基于一些假设 |
| 有五个基本假设构成障碍检测算法: |
| 1)障碍可以被视为对象从地上躺足够高表面或服务预定义的深度。我们讨论的系统,障碍限制对象至少k水平面以上单位的高度。 |
| 2)平地:假设地面本地可以表示为一个平面。假设是正确的基础上可以驱动车辆的地方或多或少是在平面上。 |
| 3)障碍被认为是轻松快速地从图像中背景强度可微的;地方色彩(R, G, B)强度不连续形式的基础在立体图像对中检测过程。注意,相关基础技术让我们的工作的基础。 |
| 4)图像验证是一个二维寻求点,可以简化为一维点如果正在由固有的对极几何约束在一个面向图像选择。检测算法利用epipolarity约束采用传感装置具有相同焦距到一致的扫描线。 |
| 5)相同的传感装置假定简化处理的任务强度图像和搜索点选择。不同焦距的传感装置引入了一个2 d转换和获取对应的并发症。不同传感器的动态响应入射光和扩展或抵消输入信号的设备需要昂贵和耗时的强度归一化 |
障碍检测算法 |
| 检测的障碍是基于七个步骤: |
| 1)不一致的计算:epipolarity参数绑定我们的工作对应的像素属于一行。我们使用一个简单的n * n相关面具找到像素的R (i, j)对相应的图像到L(我;k)在左图像。 |
| 2)噪声过滤:过滤噪声的图像做是为了确保我们有一个免费的不受欢迎的组件可以作为屏障对处理在此阶段,不同的声音像椒盐噪声,高斯噪声,散斑噪声被移除。输出滤波后得到进一步暴露于即将到来的操作。匹配过程保持如此简单,我们往往会得到相当多的糟糕的比赛,导致错误的结果;流行的constant-local-disparity执行约束去除椒盐噪声。这些参数执行错误在一个小窗口有类似值。Marr-Poggio-Grimson方法[16],匹配的矛盾得到解决,这样选择的值是接近的大多数错误non-ambiguous点附近。前一步中计算不平衡是认为如果我们至少有K像素的m x m附近将有相同的不一致否则不一致将被忽略。这种不一致/一致性帮助我们区分从障碍点到non-obstacle点。 |
| 3)设置的门槛不一致:矛盾D(我;j)像素的R(我;j)是与预期不一致的地平面G(我;j),如果D(我;j) > G(我;j)、R(我;j)被发现,将被视为一个像素的一个障碍。 |
| 4)将障碍点到地平面:每一个点属于一个障碍被放置在地面平面使用像素坐标(i, j)和距离计算的不一致。这一步被称为瞬时输出障碍地图(IOM)。 |
| 5)转换为转向向量:国际移民组织可以很容易地转化为向量代表一系列预期转向转向向量的方向即范围是无人驾驶车辆的瞬时转折点。一个值中输入这个向量的每一次被认为是一个障碍转向的方向联系。转动方向是由一个细胞称为转向角位于转向向量中最低的门槛值,达到一个阈值。 |
| 6)计算转向向量:转向向量的计算从国际移民组织,国际移民组织点在二维笛卡尔坐标系Fc变成了汽车为中心的坐标系。在这种情况下,这个框架的十字路口车辆的前轴和纵轴。转换用于旋转、翻译和规模。障碍点阵线用极坐标表示。如果遇到一个障碍,在接近最小距离阈值ρthrsh min(说),那么是停止的车辆;否则,下一个步骤是执行。 |
| 7)离散化和放松:每个障碍点的极坐标形式表示离散代表一个位置(我;j)离散极地占用网格(POG)。波格游戏类似于c空间映射和编码可能安排,车辆可以存在。一个障碍点G(我;波格游戏j)是分配一个值使用公式: |
 |
| 和所有其他点被分配到0。n + 1和n + 1 G的行和列的数量。 |
避障 |
| 常量和阈值用于避障系统的所有部件: |
| 1)机构= 0单位& hmax = 200单位 |
| 2)αmin = -20 &αmax = + 20度 |
| 3)vmin < vref < vmax |
| 这表面显示的值vref针对不同障碍值t < ?和相应指导(度)toαmin <αref <αmax。 |
| 注意vrefαref所有其他值= 0,t。 |
| 图像必须从左到右读入一个模式。这涉及到将两锥和一个人类的障碍在配置明显可观察到的在过去的图。的路径跟踪的车辆被认为是追踪到目的地的路上也可以看到下面的图。变形观测到的图像是一个视频传感装置的人工制品。 |
计算转向速度 |
| 细胞S (j)据说编码与操舵的方向相关的障碍j的,更大的价值的年代(j)的机会我们会转向车辆的方向由j较低[18],[19]。然后,鉴于年代,指导方向的选择对应于最小的阻碍细胞j的价值应低于预定阈值。 |
| 这个规则被实现为一个一维搜索最小值从集中轮位置的车辆。通过阈值我们设置了基础水平距离的车辆避免选择性和当前实现逐步降低了选择性回避距离。如果没有找到槽在整个过程中该算法提出了一个异常和车辆立即停止。 |
| Vref = w。Vmax (1) |
| 在哪里 |
 (2) |
| 和 |
 (3) |
| 上述方法计算转向方向是掠夺性的,它落在方向盘的方向角ref对应其他满意的避免槽尽可能最远的地平线。 |
结论 |
| 一种图像分割算法产生后差异信息是有影响力的避障在常见的户外环境。避障模块是反射性的,它是数据和生成恰当的电机驱动命令。算法是独立于位置的障碍以及执行机构伺服系统的错误。该算法稳定、简单、快速、健壮和实践来实现。我们确定我们的出现可能会失败,但我们也注意到,我们的技术在大多数户外场景中表现很好,尤其是在障碍组。 |
|
数据乍一看 |
|
|
|
引用 |
- j . h . M.J.日常和k Reiser检测障碍范围图像“Proc. (ARPA)图像理解车间,第97 - 87页,1987年。
- p . Veatch l·戴维斯,“效率更高的障碍检测算法使用范围数据。”CVGIP 50,50 - 74年,1990页
- b Barshan和r . Kuc障碍定位,类似蝙蝠的声纳系统”IEEE系统,人与控制论22,第646 - 636页,1992年。
- j·伯伦斯坦和y科伦”,与超声波传感器避障”,IEEE机器人自动化j . 41988年,pp.213 - 218。
- n安科纳,“快速障碍检测方法基于光流,”Proc.欧洲计算机视觉,267 - 271年,1992页。
- w . Enkelmann”障碍的检测评价图像序列的光流场,”图像视觉计算9,第168 - 160页,1991年
- m . h . 9年轻T.H.洪教授和a .杨”障碍检测车辆使用光流,”SAE IntelligentVehicle。IEEE 1992。
- r·尼尔森和j . Aloimonos”使用流避障的散度:对定性的愿景,“Proc. onComputer视野的国际会议,第196 - 188页,1988年。
- 年代。Badal, S。Ravela b•德雷伯A汉森”,实际障碍检测和避免系统”,学报第二车间onApplications IEEE计算机视觉,1994年。
- 托德•Litwin Matthies、拉里·凯利和格雷格•Tharp”无人地面车辆障碍物检测:一个进展报告”,SpringerLondon页没有.2000 (475 - 486)。
- SomboonHongeng、Ram Nevatia和弗朗索瓦•Bremond“视频事件识别:活动表示和概率recognitionmethod”施普林格计算机视觉和图像理解96 (2004)129 - 162。
- 玛丽亚·t·Lopeza安东尼奥Fernandez-Caballeroa,米格尔a . Fernandeza Jose Mirab安娜大肠Delgadob“视觉监测动态visualattention方法”Springerpattern识别,39 (11)2006年4月pp.2194 - 2211。
- 敢,p . J。Goodin C。,Cummins, C., Gates, B., Mckinley, B., George, T.,& Crawford, J. (2012, July), “A Real- Time, Interactive SimulationEnvironment for Unmanned Ground Vehicles: The Autonomous Navigation Virtual Environment Laboratory (ANVEL)”信息与计算科学,IEEE第五InternationalConference (ICICS)(7 - 10页。)。2012年。
- Sumin张,村支书,“高度自动驾驶轨迹规划算法在复杂环境”,在第四InternationalConference数字制造与自动化。32卷中国,页1 - 16,2013。
- SaurabhTrikande”无人地面车辆使用点云的可视化技术“inComputing IEEE国际会议上进步,通信和信息(ICACCI),pp。1832-1836, 2013.
- d·马尔和方法”,人类立体视觉的理论。”罗伊。Soc。伦敦,204年B卷,第328 - 301页,1979年
- w·e·l . Grimson“从图像表面”,麻省理工学院出版社,1981年。
- j·金和p·斯拉”,使用谐波潜在函数实时避障”,技术。报告COMPSI T-RA 8,第349 - 338页,1992年。
- 硕士b·托马斯·c·Wikman和w·s·纽曼,“反身防撞:广义的方法,”IEEE Intl Proc.。Conf. onRoboticsand自动化,1993年
- t . Lozano-Perez“空间规划:一个配置空间的方法,”IEEE反式。电脑,c - 32, N0.2,108 - 120年,1983页。
|
菜单
(2)
(3)
