摘要：小區智能汽車的導航和定位問題是機器人能夠按照預期目標完成預期功能的前提，該部分也是程序設計的核心關鍵部分。本文主要研究了小區智能汽車導航與定位的幾種方法。

關鍵詞：小區智能汽車；導航；定位

0.引言

導航與定位系統是智能汽車領域中的關鍵技術之一，導航與定位系統的優劣對智能汽車性能有著重大影響。盡管國內外許多科研機構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航與定位系統還沒有達到相應的要求。因此對無人駕駛汽車導航與定位系統作深入研究不僅具有理論意義，也具有實際意義。

1.導航方式分類

小區智能汽車有多種導航方式，根據環境信息的完整程度、導航指示信號類型等因素的不同可以分為三大類：基于地圖的導航、基于創建地圖的導航、無地圖的導航。

基于地圖的導航是完全依靠在小區智能汽車內部保存的由用戶創建的關于環境的幾何模型或拓撲地圖等完整信息，并在預先規劃出的一條全局路線的基礎上，采用路徑跟蹤和避障技術，實現機器人導航，如圖1所示。

圖1小區智能汽車導航地圖

基于創建地圖的導航是利用傳感器（如里程儀、聲納、激光測距儀、視覺傳感器等）來創建關于當前環境的幾何或拓撲模型地圖（如圖2），然后利用這些模型來實現導航。

圖2小區智能汽車地圖模型

無地圖的導航是在環境信息完全未知的情況下，可通過攝像機或其他傳感器（如超聲，激光測距傳感器）對周圍環境進行探測，利用對探測的物體進行識別或跟蹤來實現小區智能汽車導航。

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

由于小區智能汽車的工作區域和路徑是固定的，以上各種導航方式中，基于地圖的導航對小區智能汽車來說是最合適的。小區智能汽車的工作區域確定后，創建完整的幾何地圖模型存儲在控制系統的存儲器中，根據地圖實現導航；當小區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，小區智能汽車的定位技術可分為絕對定位技術和相對定位技術兩類。相對定位技術主要有測距法和慣性導航法。絕對定位技術中比較成熟的有GPS（globalpositioningsystem，全球定位系統）、場景識別定位和基站定位。下面是對小區智能汽車可以參考的幾種定位技術的分析：

基站定位（CellID定位）：小區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緯度坐標來確定自身位置。缺點：需要在建筑物上安裝無線網絡發射終端，費用較高。

GPS定位：通過全球定位系統對非固定路面系統中的控制對象進行跟蹤和制導。優點：適合室外遠距離的跟蹤和制導。缺點：精度取決于GPS的精度及控制對象周圍環境等因素；民用GPS的定位精度為10米左右，不能滿足小區智能汽車使用的要求。

場景識別定位：通過CCD攝像機生成小區智能汽車周圍場景的圖像，與計算機系統中存儲的環境地圖進行特征匹配，從而可以確定出小區智能汽車的當前位置。優點：不要求人為設置任何物理路徑，因而柔性較高；隨著計算機圖像采集、儲存和處理技術的飛速發展，該方法的實用性越來越強，可以通過采用高速處理器彌補實時性差的缺點。

小區智能汽車的這幾種定位方式各有優缺點，根據不同的功能要求和工作環境可以選擇不同的定位方式。單獨使用GPS進行定位，在確定基準線方面存在一定的誤差；機器視覺進行此類作業，可以實時提取出當前所處環境的特征信息，提高了定位的精度，但是單獨使用場景識別定位時，圖像處理算法復雜且定位難度大，因此考慮將GPS和場景識別定位兩種定位方式結合起來進行定位。先用GPS定位系統將小區智能汽車的位置縮小至10米范圍內，然后利用機器視覺技術尋找當前環境的特征點，與系統內部存儲的環境地圖進行匹配，從而確定當前小區智能汽車的準確位置。

3.機器視覺技術及機器視覺定位

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中占有非常重要的地位。機器視覺系統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。機器視覺系統結構圖如圖3所示。

圖3機器視覺系統

機器視覺可以看作從三維環境的圖像中抽取、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、圖像數據庫的建立、圖像的分類和表示、圖像識別、模型匹配、內性解釋和理解等等。再根據實現上述各種過程所涉及的方法及技術的復雜性將他們歸類，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器人視覺系統的固有處理過程加以分類提供了一種有用的結構。基于視覺的機器人導航、定位的實現需要給機器人裝備視覺系統。

機器人視覺系統的一般工作原理為：安裝在小區智能汽車上的CCD攝像頭實時采集前方路面的圖像信息，將當前道路的反射光強信號轉化為相應的模擬電信號輸送到視頻采集卡，視頻采集卡中的模數轉換器通過對模擬信號采樣和量化，將模擬信號進一步轉化為控制器可以接受和理解的數字信號，控制器運用對應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，自主決定小區智能汽車當前的前進方式（換道、轉向）和控制車輛自身的運動狀態。

在基于場景識別的定位中，通過CCD攝像機生成小區智能汽車周圍場景的圖像，與計算機系統中存儲的環境地圖進行特征匹配。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，在圖像分割的基礎上作進一步描述、理解。根據圖像全局特性對目標進行哈夫（Hough）變換，可以從圖像中提取邊界特征，基本原理是根據對偶，由圖像空間的點計算參數空間的線，再由參數空間的線交點計算圖像空間的線，可用來檢測各種能以解析式f(x，c)=0（x為圖像點坐標向量，c為參數向量）表示的曲線或輪廓目標。

結構化條件下機器視覺導航比較有代表性的工作有學者AkioKosaka和AviKak研究的基于概率推理定位法。該定位法預先建立環境場景的線框模型，以高斯分布描述機器人姿態向量(位置和朝向)，機器人運動過程中姿態的更新表現為姿態向量分布數學期望和方差的更新，基本原理如圖4所示，算法主要步驟為：

圖4基于環境模型和概率推理的自定位算法

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

Step2:確定執行運動指令后，機器人的位置參數及位置不確定分布矩陣。位置不確定性指運動中滑動或不確定性因素引起機器人的額外平移或旋轉距離。

Step3:基于場景模型的卡爾曼濾波更新當前位置。

由于工作環境的復雜性、自身狀態的不確定性和單一傳感器只能獲得環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境的感知。為完成在復雜、動態及不確定性環境下的自主性，機器人通常裝有用于導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，并應用到導航決策中，這就需要用到信息融合技術。

4.小區智能汽車導航定位系統的設計

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

圖5組合導航定位系統整體設計

徑中已知點的相對位置坐標。在兩部分處理完成之后，將兩組信息統一到同一坐標系下，并進行UKF（unscentedkalmanfilter）濾波，得到新的位置信息。

5.導航算法幾何模型

組合導航系統確定小區智能汽車的位置后，與系統中存儲的地圖進行匹配，計算當前小區智能汽車的位置是否在存儲地圖中的路徑上，如果不在規劃好的路徑上，則尋找距離當前小區智能汽車最近的地圖上的點，作為目標點如圖6(a)所示；如果在事先規劃好的路徑上，則根據地圖前往下一個目標點如圖6(b)。在導航系統中創建兩個坐標系，一個是以攝像機為原點的視覺坐標系，另一個是世界坐標系（控制系統內部存儲的地圖坐標）。視覺坐標系的原點為攝像機光心在地面上的投影點，其中X軸的正方向為行駛方向的負方向，Y軸的正方向垂直于X軸，水平向右。圖7中的目標點即為下一步清掃機器人要達到的位置，小區智能汽車的位置確定后，可以將世界坐標系中的點轉換到以小區智能汽車為主的

圖6確定目標點示意圖

圖7導航系統坐標系圖

視覺坐標系下，其在視覺坐標系中的坐標定義為。攝像機在大地坐標系中的位置是由定位系統實時獲得的，其在世界坐標系中的坐標為（），目標點在世界坐標系中的坐標為。目標點在視覺坐標中的坐標公式（1）得到：

式中為導航車的航向角度。矢量的方向即為小區智能汽車的運動方向。

6.結束語

目前無人駕駛汽車導航與定位系統的設計方法多種多樣，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航與定位系統提出了不同的要求，而小區道路這一特殊環境正是對無人駕駛汽車導航與定位系統提出了新的要求，其研究成果對無人駕駛汽車的進一步研究及實用化是有積極意義的。

參考文獻：

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

[2]梁喜鳳.室內地面清潔機器人路徑規劃[J].中國計量學院學報,2006,17(1):64-68.

[3]鄒元杰，劉小梅.智能車輛定位導航系統的研究[J].湖南農機,2010,37(5).

[4]張超.智能車輛定位導航系統的定位研究[D].成都：電子科技大學碩士論文，2005.

[5]魏彩彩.智能車輛定位與導航系統車載裝置研究[J]電源技術應用,2013,(8).