[发明专利]一种基于多传感器的循迹和避障的巡逻车路径规划算法

说明书

一种基于多传感器的循迹和避障的巡逻车路径规划算法，该方法包括以下步骤：步骤1，使用多传感器采集巡逻车运行数据；步骤2，模拟巡逻车行驶时的环境噪声；步骤3，设计巡逻车循迹检测系统；步骤4，设计巡逻车避障辅助系统；步骤5，对巡逻车循迹检测系统和巡逻车避障辅助系统进行联调；步骤6，开启巡逻车异常处理中断。本发明模拟了行车时的恶劣环境，在受到的噪声环境的干扰下，实现巡逻车循迹功能，增强了巡逻车循迹的稳定性、可靠性和鲁棒性，并根据毫米波雷达数据实现巡逻车的避障功能。

技术领域

本发明涉及涉及巡逻车循迹领域，特别是涉及到一种基于多传感器的循迹和避障的巡逻车路径规划算法。

背景技术

随着生活步入信息化，生产制造业智能化浪潮的出现，在基础科学和信息技术的快速发展下，服务业、传统产业制造业和农业等领域出现了仿人机器人用于生产，它在工业生产中可代替工人完成枯燥的重复性操作，在农业产业化中极大地解放人力。在服务工作中，机器人广泛地运用于卫生清洁、医疗手术、重物搬运等工作，在家庭中完成自主陪护和监控等方面的工作。对应传统依靠人力完成任务，它为我们的日常生活提供更为便捷、高效和安全的服务。然而，当应用现场环境复杂，如空间封闭狭小、障碍物多、无人现场配合等，因此就需要特殊的设备来完成相应的巡逻任务。由于其所适应的范围不断扩大，发展也趋于自动化和智能化，这使得移动机器人成为当前工业应用的研究热点。

准确的循迹跟踪控制是实现移动机器人完成各项工作任务的前提。它要求机器人必须按照设定的理想轨迹行进，最终到达指定的目标点位置。但是由于很难确定移动机器人精确的数学模型以及无法确定的外界干扰，移动机器人在实际的轨迹跟踪中会出现误差。本发明通过多传感器和YOLOv5算法实现在干扰下的轨迹检测、跟踪和避障功能。

发明内容

为解决上述问题，本发明在实时图像采集系统采集的路面图像基础上，为提高模型的稳定性和鲁棒性，通过添加椒盐噪声来模拟车辆行驶过程中的恶劣环境，首先通过YOLOv5网络检测并分割车道线，并通过算法对巡逻车的车道线进行循迹，最后根据毫米波雷达所采集的数据实现巡逻车避障功能。本发明提供一种基于多传感器的循迹和避障的巡逻车路径规划算法，具体步骤如下，其特征在于：

步骤1，使用多传感器采集巡逻车运行数据：通过高清俯视鱼眼摄像头采集路面行驶图像，通过毫米波雷达准确地获取汽车周围的物理环境信息包括巡逻车与其他物体之间的相对距离、相对速度、角度、运动方向等；

步骤2，模拟巡逻车行驶时的环境噪声：在采集的路面行驶图像中添加15％～25％的椒盐噪声，同时在毫米波雷达数据中添加高斯白噪声，模拟在干扰环境下所采集信号受到的干扰；

步骤3，设计巡逻车循迹检测系统：根据添加环境噪声后的路面行驶图像训练YOLOV5目标检测模型，通过YOLOV5网络检测巡逻车的车道线，并对车道线进行跟踪；

步骤4，设计巡逻车避障辅助系统：根据毫米波雷达所获取的巡逻车与其他物体之间的相对距离、相对速度、角度、运动方向数据来确定巡逻车的安全速度以及安全距离；

步骤5，对巡逻车循迹检测系统和巡逻车避障辅助系统进行联调，确定避障辅助系统和循迹检测系统的优先级；

步骤6，开启巡逻车异常处理中断，当安全距离内出现异常，系统启动中断处理机制，日志模块记录车载终端的异常情况，向服务器传送异常数据。

进一步，步骤2中模拟巡逻车行驶时的环境噪声的过程可以表示为：

为路面行驶图像添加的椒盐噪声函数如下式：

式中，i_max和i_min分别是采集图像数据像素点的最大值和最小值，p是出现噪声的概率，取值为20％～30％，i_xy是路面行驶图像像素点(x,y)的实际值，f(x,y)是添加椒盐噪声后的图像像素点值；