引言
智能车高速入弯时，若地面附着力不足以提供转向向心力，将导致侧滑等危险发生。
智能车能否以较高平均车速安全驶过弯道，取决于路径规划基础上的转向半径与车速的
合理匹配。本文采用局部优化对智能车CCD摄像头视野内的道路进行路径规划。局部优化算法包括人工势场[1]、模糊[2]、遗传[3]、蚁群[4]及粒子群算法[5]等，它们对硬件实时性要求较高。本文考虑智能车和道路几何尺寸，智能车及CCD的位置与姿态，以及弯道类型等因素，建立了简单可行且满足实时性要求的局部路径规划算法，进而确定了
智能车高速稳定行驶的转向角和车速。
局部路径规划算法流程
控制程序流程如图1所示。首先，采集图像信号并去噪、提取道路中心线;然后，计算并返回图像失真校正后的世界坐标;第三，计算并返回偏航计算后的当前时刻世界坐标;第四，计算并返回路径规划算法得到的目标转向半径;最后，查询预储存在ROM内的舵机转角和行驶速度，并调用执行程序，完成对智能车的控制。
智能车高速行驶局部路径规划算法 CCD传感器图像信息采集
CCD输出标准PAL制信号，LM1881视频同步分离芯片提取行同步和场同步信号，进而触发单片机图像采集中断，通过A/D模块将视频信号转换为数字信号。CCD输出图像分辨率为320×600，考虑单片机内存和运算速度限制，取分辨率为37×150。 CCD传感器标定
假设道路为水平面，故在二维平面内标定CCD传感器，从而建立CCD图像坐标系与世界坐标系的对应关系。如图2所示，图像坐标系原点位于图像左下角，坐标轴u、v分别为CCD图像平面的横向和纵向;世界坐标系原点O'位于智能车几何中心，x'和y'轴分别为智能车横向与纵向对称面在水平面的投影线;中间坐标系原点O1'位于视场最近端中点，x1和y1轴分别为中间坐标系所在平面的横向和纵向。图2中各参数的物理意义与几何尺寸数值见表1。
由于CCD摄像头存在俯仰角以及镜头加工工艺和装配精度等因素的影响，采集的图像存在梯形和桶形失真，故基于小孔成像原理校正失真[6]：
视野同一点在图像坐标系与中间坐标系的坐标分别为(u,v)和(x1,y1)，通过实验标定二者关系如下：
式中a1，b1为实验标定的拟合系数;a[v-1], b[v-1], c[v-1]为实验标定的拟合向量的第v个元素(即拟合系数)。
依据图3所示的几何关系，可得到坐标(x1,y1)与(x', y')的相应关系。
智能车高速稳定行驶局部路径规划算法
