自动泊车代码Matlab

业分类-物理装置-一种停车位检测方法及自动泊车方法.zip

基于V2X技术的自动泊车系统设计

2017全国大学生电子设计大赛早已落下帷幕，现在分享下自动泊车系统硬件设计，并附上原理图和PCB源文件，仅供学习参考。不喜勿喷。该自动泊车系统方案使用STC15单片机为主控，超声波为检测，碰撞检测使用微动开关，文件较为乱各位凑合看吧。文件内含控制装置及其车上的控制板，形状板（要求形状为长方形）。 承接毕业设计，电子产品设计，单片机51/stm32程序代写，Proteus电路仿真，支持实物电路板手工制作，C#上位机软件开发有意留言私聊，制作速度快！价格便宜！！ 附件资料截图:

分享基于AWR1843的 TI 77GHz 毫米波传感器的自动泊车系统参考设计。 仅供学习研究

1.范围 本标准规定了部分自动泊车系统的分类、一般要求、功能要求、性能要求和测试规程。本标准适用于安装在M1、N1车辆上的部分自动泊车系统。 2.规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本。适用于本文件。 GA/T850-2009城市道路路内停车泊位设置规范

首先，应用泊车基本知识建立了车辆运动学模型。通过调研泊车的研究现状和应用 现状，确定了本文的结构。建立车辆和车位的模型并介绍相关参数，根据阿克曼转向几何，建立了车辆运动学模型，得出车辆运动轨迹与泊车速度没有关系，同时简要说明了泊车对速度的要求。其次，对平行泊车路径规划进行研究。针对不同的车位，对圆弧相切平行泊车路径规划法和库内双步调整平行泊车路径规划法进行研究和仿真，仿真结果表明两种泊车方法都能使车辆顺利泊车入位，其中库内双步调整泊车方法能够在更小的车位里实现泊车。考虑到车辆自身约束，由于圆弧相切路径规划轨迹的切点处存在曲率突变，采用五阶多项式曲线对该轨迹进行了优化，解决了相切点处曲率突变的问题。然后，运用设计的模型预测控制器对平行泊车规划路径进行跟踪研究。结合路径跟踪和模型预测控制算法，基于车辆运动学模型建立了车辆泊车路径跟踪控制器，以不同车位情况下的平行泊车路径规划的轨迹进行跟踪仿真研究，并与同等条件下 PID 算法进行对比。仿真结果表明，该控制器能够在标准车位的圆弧相切的规划路径和小车位的库内双步调整泊车规划路径中均可实现轨迹的踪，相对 PID 控制，该控制器路径跟踪更加稳定、误差更小，可以实现泊车。 最后，进行平行泊车路径规划与跟踪的实验验证—设计开发了自动平行泊车控制系 统。确定了以 STM32F103C8T6 为控制器，配备有电机驱动、舵机、传感器、通信模块、显示模块等硬件的实验小车。实验小车的软件部分主要分为遥控模块和泊车控制模块两部分，小车不仅要实现平行泊车的功能，还要在泊车过程中实时监测小车的航向角、速度和位移等。在实验室里搭建了泊车环境并进行了平行泊车实验，实验结果表明，该控制系统在实验室中可以实现圆弧相切路径规划的平行泊车功能，同时对实验结果进行分析，并提出改进措施。

本文首先研究Ｌｉｉｍｘ系统下的视觉图像摄取机制和Ｑｔ图形用户界面应用程序开发框架的多线程机制，在此基础上，利用基于Ｖｉｄｅｏ４Ｌｉｒｍｘ２协议的ＵＳＢ摄像头驱动和Ｑｔ编写程序实现视觉图像摄取功能。然后根据实际环境和视觉图像采集特点，通过对图像的预处理算法进行对比分析，研宂出针对泊车位两侧旁车侧位和纵位图像的最适合的预处理算法，并结合开源计算机视觉库ＯｐｅｎＣＶ２．４．１１编写程序实现图像预处理功能。接下来根据实验目的和图像的特征，研究出针对泊车位旁车两类图像的模式识别算法，并结合ＯｐｅｉｉＣＶ库编程实现泊车位图像模式识别功能。最后结合机器视觉测距原理和模式识别后的图像研宂出相应的泊车位环境参数测量算法，并编程实现测距功能。在实现以上功能的基础上，本文继续构建基于机器视觉的泊车位环境检测系统。首先将Ｑｔ／Ｅ系统和ＯｐｅｎＣＶ视觉库移植到ＡＲＭ嵌入式系统当中。然后将集成功能模块的应用程序移植到系统当中。最后利用图像摄取设备进行嵌入式系统的测试验证，并对实 际路况中得到的数据结果进行分析。通过测试结果分析，证明了系统的可靠性和实用性。

首先，采用张正友标定法对四路鱼眼相机进行标定，利用基于鱼眼标定的畸变矫正 模型对鱼眼图进行畸变矫正。实验结果表明，标定参数准确，畸变矫正效果良好；研究像素坐标系与车辆坐标系之间的转换关系，实现基于坐标转换的单目相机平面测距，测距误差在 5cm 以内，达到自动泊车系统要求。 针对空停车位检测任务，设计适用于空停车位检测任务的深度卷积神经网络并构建 空停车位数据集，该数据集由 16000 张 RGB 彩色鱼眼图像组成，包括空停车位、T 型车位角、L 型车位角三种类别，并进行人工标注。在空停车位数据集上训练空停车位检测模型，并在测试集中进行检测实验。实验结果表明，空停车位检测模型检测的准确率为 98.7%，漏检率为 0.9%，单张图片的检测速度为 19ms，模型具有良好的检测效果。 针对车位角中心点定位任务，基于对单个像素点进行回归的思想，提出用于车位角 中心点定位的浅层卷积神经网络，并制作车位角中心点数据集。车位角中心点数据集包括 10000 张彩色图片，并进行人工标注。在车位角中心点数据集上训练车位角中心点检测模型，并进行检测定位实验。实验结果表明，对数平均漏检率为 0.40%，单张图片检测速度为 18ms，车位角中心点定位误差在 2.5cm 以内，相对传统的检测方法，车位角中心点检测模型具有更高的检测和定位精度及更快的检测速度。 最后将鱼眼图畸变矫正、基于坐标转换的平面测距、空停车位检测模型以及车位角 中心点检测模型四个模块融合，提出自动泊车空停车位检测和定位算法，并在实车上开展实验。实验结果验证了自动泊车空停车位检测和定位算法的正确性和可行性。在实车自动泊车过程中，算法可实时地准确检测和定位空停车位，且可以检测和定位不同路面下的停车位，具有很强的泛化能力。

本文针对现有的自动泊车路径规划方法中对于车辆初始位姿及泊车环境等限制要 求较多的问题，研究了满足车辆运动学约束和避障约束的泊车路径规划方法。同时，基于规划所得的路径，搭建了跟踪系统并进行了仿真验证。 首先，对自动泊车的车位检测进行研究，选取超声波传感器来感知车位及障碍物信 息，并实际开展了检测试验来验证其效果与精度。同时，根据阿克曼转向原理建立了车辆运动学模型，分析计算得出泊车时的低速运动方程。 其次，针对泊车环境存在较多限制的各种复杂场景及不同的泊车方式展开路径规划 研究。明确规划模块的整个设计流程，并对其中一些基础原理和前提条件做预处理以便于之后的说明。详细阐述了规划算法中的两个重要的子算法：简单连接算法及路径与障碍物碰撞检测算法，对其采取了仔细的计算和验证，方便后续使用。分别对平行泊车与垂直泊车给出了不同的规划方案，包括单步式泊入和多步式泊入。在此基础上，设计了探索机制，强化规划算法的冗余性，当泊车环境变化时能够及时调整从而保证规划成功，考虑到某些场景需要车头入式的泊车方法，提出了前向垂直泊车的路线。此外，为提升泊车的安全性和面对不同泊车环境时的适应性，提出了若干优化策略。 最后，搭建了路径跟踪控制模块，完成了自动泊车仿真试验。对比几种控制策略， 根据泊车的特点选取模糊控制器作为主要的跟踪控制方式，并详细阐述了模糊控制的隶属度函数及规则库等。针对规划路径中存在的曲率非连续的问题，提出了相应的跟踪模型。根据规划模块给出的泊车路线，利用 MATLAB/Simulink 软件联合仿真，验证路径规划及跟踪控制效果。结果表明，本文提出的规划算法具有较好的泊车精度及鲁棒性，对复杂的泊车环境适应性较强，有较重要的实际应用价值。