UNIVERZITET U NOVOM SADU

TEHNIČKI FAKULTET ''MIHAJLO PUPIN''

ZRENJANIN

SEMINARSKI RAD
Paralelno automatsko parkiranje na uskim prostorima pomoću fazi
logike

PREDMETNI NASTAVNIK: STUDENTI:

doc. dr Brtka Vladimir Stojšin Spasoje 19/08-11
Slivka Vladislav 35/08-11

Zrenjanin, 2011.
 Sadržaj:

1. Uvod...........................................................................................................3,4.

2. Problem paralelnog parkiranja...........................................................5,6,7.

2.1. Pronalaženje parking mesta

2.2. Proces manevrisanja vozilom u 3 koraka

3. Dizajn Fazi logičkog upravljača (FLU).......................................8,9,10,11.

3.1. Kinematičke jednačine mobilnog robota sa kontrolom zanošenja

3.2. (FLU) za pomeranje u poziciju spremnu za kretanje vozila unazad

3.3. Upotreba (FLU) za parkiranje vozila unazad

3.4. Upotreba (FLU) za navigaciju vozila napred u parking mesto

4. Eksperimentalna implementacija.............................................12,13,14,15.

4.1. Praćenje lokacije vozila

4.2. Integracija sonarnog senzora

4.3. Rezultati eksperimenta

5. Fino podešavanje FLU- a sa genetskim algoritmom....................... 16,17.

6. Zaključak...................................................................................................18.

7. Literatura...................................................................................................19.

2
 1. Uvod:

Cilj ovog istraţivanja je razvijanje automatskog paralelnog parkiranja putem

upravljača za autonomna kopnena vozila (autonomous ground vehicles) AGV. Zadatak je
efikasno parkirati AGV kada on nije na zadatku bilo da je koriscen u industriji ili na vojnim
zadacima. Ova tehnologija se takodje moze ubotrebiti za poboljšavanje sigurnosti u
sledećoj generaciji putničkih vozila

Trenutni pristup rešavanju ovog problema moţe se podeliti u dve podkategorije:

1. Planiranje prilaznog puta vozila (dakle geometrijski put je isplaniran unapred)

2. Prilaz vozila baziran na iskustvu, gde fazi logika ili neutronske mreţe koriste
iskustvo vozača da se vozilo parkira.

Oba ova naucna prilaza oslanjaju se na modelovanje okoline i senzorskih informacija

koje imaju neke neizvesnosti. Fazi sistem radi na osnovama rezonovanja koji im
dozvoljava robusne i trenutne odluke usred samo delimičnog saznanja. Priroda fazi logike
vodi do robusno kontrolisanih algoritama usred senzorskih problema i kontrolisanih
grešaka.

Prilaz ovom problemu baziran na fazi kontroli je izabran u ovom istrazivanju sa

namerom da proizvede generisani dizajn, tako da kontrolni algoritmi mogu biti razvijani na
laboratorijskim robotima a nakon toga lako prenosivi i na druge prototipove. Fazi logička
kontrola omogućava dodelu nelinearnog zakona kontolisanja vozila prenetog sa iskusnog
vozača iskazanog u rečima i IF-Then pravila. Fazi logička navigacija dozvoljava različita
ponašanja kako bi lako bila kombinovana kroz komndno fuzioni proces.

Veličina parking prostora ima značajan uticaj na teţinu manevra paralelnog

parkiranja. Da bi unapredili manevarske sposobnosti i mogućnosti AGV vozila fokus ovog
istraţivanja okrenut je ka tome da razvije jednostavne fazi kontrolore koji mogu parkirati
vozila na uske prostore i koji mogu prikazati rezultujući algoritam upotrebom ATRV-Jr
pokretnog robota prikazanog na slici 1.

3
 Slika 1: ATRV-Jr pokretni robot

Algoritam manevrisanja vozilom na malom prostoru je omogućen pravilnim

podešavanjem fazi upravljača i moţe biti sprovedeno učešćem ljudi i operatorima koristeći
testove i grešku,koji su generalno vremenski ograničeni. Svakako da takozvani genetički
fazi sistemi koriste gentske algoritme saznanja da automatski podese parametre fazi
kontrolora.
Genetički algoritmi su deo evolucije računara, a ta oblast se veoma brzo razvija i deo
je veštačke inteligencije. Genetčki algoritmi se mogu koristiti kod podešavanja funkcija,
osnovnih pravila i faktora kod fazi upravljača. Kod ovog našeg probčema genetički
algoritmi su korušćeni u odlučivanju funkcija i skaliranja faktora za kretanje unazad fazi
logičkim upravljačem. Genetički fazi sistem je kasnije korišćen za podešavanje fazi
algoritma kod prednje vuče ovog nasšeg AGV vozila. Kod oba tipa vozila, osnovna pravila
su ista jedine promene su funkcije i skaliranje faktora. Rezultati pokazuju praktičnost
manevarskog algoritma za kretanje unazad kod različitih vrsta vozila.

4
 2. Problem paralelnog parkiranja

Dva glavna gledišta kod paralelnog parkiranja su pronalaţenje parking mesta i dizajn
automatskog upravljača. U ovom delu seminarskog diskutovaćemo o metodi detektovanja
parking mesta i objasnićemo proces paralelnog parkiranja.

2.1. Pronalaženje parking mesta:

Mapa okruţenja vozila mora biti već ugradjena u vozilo kada ono prolazi pored
manevarskog mesta. Za ovaj zadatak mogu se koristiti senzori pokreta ili ultra-sonični
senzori. Na primer, koristeći jednu ili više digitalnih kamera, slika oko vozila moţe biti
prikazana trenutno, i onda algoritam zaduţen za procesovanje slike moţe vrlo brzo pronaći
parking mesto. Ugradjena mapa moţe obezbediti pravi izgled kontura sa odredjene strane
vozila, tako da veliki pravougaonik moţe stati izmedju tih kontura (naravno pretpostavlja
se da svako putničko vozilo ima oblik pravougaonika). Kao što je prikazano na slici 2, ovaj
pravougaonik predstavlja prostor manevrisanja za vozilo.

Pronadjeno parking mesto

Konture pronadjenih prepreka

Slika 2: Pronalaţenje manevarskog prostora

5
2.2. Proces manevrisanja vozilom u 3 koraka:

Pronadjeno mesto moţe biti objašnjeno kako je prikazano na slici 3. Veličina

pravougaonog prostora je definisana sa hp X lp, a BK, FT i SE predstavljaju zadnju (back),
prednju (front) i stranu (side) prostora za parkiranje.

Slika 3: Prostor za manevrisanje i kordinatni sistem

Početak kordinatnog sistema je u tačci gde se BK (osa Y) i SE (osa X) seku.

Algoritam kretanja vozila unazad je potpuno identičan kao i kod iskusnog vozača i čitav
proces parkiranja moţe biti završen u samo tri koraka, kao što je prikazano na slikama
4,5,6,7.

6
Slika 4: Pozicija spremna za parkiranje unazad Slika 5: Parkiranje uz povećanje brzine

Slika 6: Parkiranje uz lagano usporavanje Slika 7: Postepeno ispravljanje prednjeg dela

U prvom koraku (Slika 4), vozilo se kreće napred do pozicije kada je spreman za
kretanje unazad i parkiranje,a u tom trenutku se nalazi paralelno sa mestom za parkiranje.
U kordinatnom sistemu centar vozila je odredjen sa (lp + 0.5l, hp + 0.65b) , gde l i b
predstavljaju duţinu i širinu vozila. Dolazak u ţeljenu poziciju i sama orijentacija vozila
zahtevaju kompleksan fazi sistem. U drugom koraku (Slike 5 i 6) vozilo je prvo unazad
dovezeno u parking prostor sa povećanom brzinom dok zadnji desni točak ne dodje blizu
stranične granice parking prostora. Onda je vozilo uz lagano usporavanje dovezeno u
poziciju da je zadnji deo vozila jako blizu zadnjem delu parking prostora. U trećem koraku
vozilo treba pomeriti napred da bi se se uparkirali kako nam odgovara (Slika 7). Konačna
pozicija vozila je da se ono nalazi paralelno i samom centru parking prostora. Drugi i treći
korak se mogu ponavljati onoliko puta koliko je potrebno doći do ţeljene pozicije.

7
 3. Dizajn Fazi logičkog upravljača

Svaki korak manevarskog procesa se moţe izvršiti uz pomoć upotrebom fazi

logičkim tehnikama kako je u objašnjeno u nastavku. iRobot ATRV-Jr je autonomno
vozilo koje posmatramo. Točkovi sa jedne strane ovog robota su spojeni i on se kreće kao
neko amfibijsko vozilo ili tenk znači nema nezavisno odvojene osovine kao automobil.

3.1. Kinematičke jednačine mobilnog robota sa kontrolom zanošenja:

Simulacija algoritma paralelnog parkiranja se zasniva na kinematičkom modelu

ARTV-Jr. Kao što je ilustrovano na slici 8, vozilo se nalazi opet u nekom kordinatnom
sistemu (x,y) gde je v translatorna brzina, vr i vl brzina desnih i levih točkova, θ je ugao
izmedju pozitivne x ose i glavne ose vozila, a θ upravljivost. Kinematički model mobilnog
robota sa kontrolom zanošenja moţe se objasniti ovako:

Slika 8: Kinematika vozila

8
 3.2. Fazi logički upravljač za pomeranje u poziciju spremnu za
kretanje vozila unazad:

Fazi upravljač projektovan za za ovaj zadatak pomeranja vozila unazad ima jedan
ulaz i jedan izlaz. Ulaz je ugao prednjeg dela vozila Ø, što je ugao linije koja spaja centar
vozila sa sa zeljenom metom prednjeg dela vozila (Slika 8). Ugao Ø je pozitivan kada se
linija koja spaja centar vozila i cilj rotira suprotno kazaljki na satu prema zeljenom pravcu.
Izlaz fazi upravljača je upravljivoct vozila θ, gde je θ ugao izmedju x ose i glavne ose
vozila (Slika 8). Ugao θ je pozitivan kada se x osa rotira suprotno kazaljki na satu ka
glavnoj osi vozila. Članovi funkcije za ulaz i izlaz su pokazani na Slici 9, gde N,P i Z
predstavljaju negativnu, pozitivnu i nultu osu.

Slika 9: Funkcije pripadnosti – Ulaz Ø (levo) i Izlaz θ (desno)

Fazi pravila za trazeni cilj su ispisana u tabeli 1. Za vozilo sa kontrolom zanošenja,

kako je θ pozitivna kada je brzina kretanja desnih točkova veća od brzine kretanja levih
točkova, zapravo fazi pravila zahtevaju da ako se cilj nalazi sa desne strane robota da on
sam treba da skrene desno. Osnovna pravila traţenog cilja su sledeća:

 Ako je cilj sa desne strane robota on treba da skrene desno.

 Ako je cilj sa leve strane robota on treba da skrene levo.

 Ako je cilj ispred robota on treba da nastavi da ide pravo.

Tabela 1: Fazi pravila za traţeni cilj

9
 Zadatak orijentisanja je da podesi prednji deo vozila dok dolazi do ţeljene pozicije x
za centar vozila. Prednji ugao biće veoma blizu nuli posle ovog podešavanja. Za ovaj fazi
upravljač ulaz je orientacioni ugao θ a izlaz je upravljivost θ . Članovi funkcija su
definisani na Slici 10. gde NB, NM, Z, PM i PB predstavljaju veliki negativ (negative big),
srednji negativ (negative middle), nulu (zero), pozitivnu sredinu ( positive middle) i veliki
pozitiv (positive big). Fazi pravila učešća su prikazana u tabeli 2.

Slika 10: Funkcije pripadnosti za orijentisanje – Ulaz θ (levo) i Izlaz θ (desno)

Tabela 2: Fazi pravila za orijentisanje

3.3. Upotreba fazi logičkog upravljača za parkiranje vozila unazad:

Manevrisanje vozilom unazad u parking prostor zahteva malo sloţeniji fazi logički
upravljač. Kao što je pokazano na Slici 3, koordinate zadnjeg levog točka u koordinatnom
sistemu definisane su sa (xa,ya), a koordinate zadnjeg desnog točka su definisane sa (xd,yd)
Dve nove promenljive , xa1 i xa2 , su definisane sa xa1 = xa/lp i yd1 = hp; one
predstavljaju relativnu poziciju zadnjeg dela vozila poštujući veličinu parking prostora.
Fazi logički upravljač za ovaj korak ima tri unosa , xa1, yd1 i orientacioni ugao θ. Izlazni
podaci su upravljivost θ. Slike 11 i 12 pokazuju članove funkcija, gde S, B, VB
predstavljaju malo (small), veliko (big) i veoma veliko (very big).

10
 Slika 11: Funkcije pripadnosti podrške – Ulaz xa1 (levo) i Izlaz yd1 (desno)

Slika 12: Funkcije prupadnosti za manevar unazad – Ulaz θ (levo) i Izlaz θ (desno)

3.4. Upotreba fazi logičkog upravljača za navigaciju vozila napred u

parking mesto:

Fazi logički kontroler ima jedan ulaz , orientacioni ugao θ, i jedan izlaz.
Upravljivost θ. Članovi funkcija i fazi pravila su potpuno ista kao i za orientisanje dakle
rade isti zadatak, a to je da se orientišu dok u isto vreme pomeraju vozilo unapred.

11
 4. Eksperimentalna implementacija
Razvijen algoritam je bio prvi put uspešno demonstriran u okviru simulacije
okruţenja korišćenjem Matlaba I Matlab fazi logičkog alata. Nakon toga je algoritam bio
implementiran na ATRV-Jr pokretnom robotu. ATRV-Jr je opremljen sa nizom senzora
uključujući i receptore na točkovima, ultrasoničan sonar, CCD kamerom, laserom radi
raspoznavanja daljine, inercijalnim navigacionim senzorom, kompasom i DGPS-om.
Postojeći Pentium II PC sa linuxom i komunikacija sa robotom se vrši preko beţične
konekcije.

Slika 13: Algoritam za paralelno parkiranje

12
4.1. Praćenje lokacije vozila
Da bi se vozilo samostalno kretalo i obavljalo korisne zadatke, vozilo mora znati
svoju tačnu lokaciju i orijentaciju. Receptori na točkovima povezani sa motorom koriste se
da odrede lokaciju vozila u eksperimentu, gde je implementacija jeftina. Posmatranje
prilikom eksperimenta pokazalo se da se greške u odometriji sakupljaju tokom vremena
zbog nepravilnosti u kinematičkom modelu, preciznost limitacija receptora, i klizanje
točka. Postoje nekoliko različitih metoda da se poboljša fazi algoritam prilikom nalaţenja
vozila. Za alternative sa većim budţetom, Kalmanov filter ili produţena Kalman filter
tehnika moţe biti korišćena da paţljivo namesti podatke odometrije sa signalima koje pruţa
pouzdan senzor npr. Ţiroskop, da poboljša nalaţenje vozila. Za alternative sa manjim
budţetom, sonar senzor moţe biti ubačen sa sistemom da poboljša nalaţenje vozila.

4.2. Integracija sonarnog senzora

Kretanje unazad upravljajući fazi kontrolerom zahteva promenjljive koje opisuju

relativnu poziciju vozila ka mestu parkiranja kao input varijable. Ove relativne pozicije
mogu se dobiti prilikom lociranja vozila sa apsolutnom greškom parking mesta. Da
nadoknadi nedostatak greške detekcije parking mesta i da onemogući sudar zbog grešaka
prilikom lokacije vozila, prilikom procesa parkiranja informacije sa druhih senzora (kao što
su ultrasonični senzori) mogu biti iskorišćene. ATRV-Jr korišćen u ovom eksperimentu
ima ugraĎen prsten od 17 sonara: 5 napred, 5 sa svake strane i 2 koja se nalaze pozadi. Kao
što je i pokazano na Slici 14. Informacije sonarnog senzora mogu biti integrisane u
algoritam za dva zadatka. Prvi, da nadoknadi greške prilikom parkiranja i greške lociranja.
Sonar s15 je korišćen da bi detektovao ivice prilikom pomeranja u prostoru (Kao što je
pokazano na Slici 3) Prilikom kretanja unazad. U Matlabu simulacija ove ivice je
kompletno odredjena od mesta na kojem se vozilo nalazi. U eksperimentu podaci koji su
dobijeni u s15 su provereni prilikom svakog vremena testa i kad god je detektovana
razdaljina veća od 90% širine parking mesta, pretpostavljeno je da je ivica detektovana.
Kada je pozicija za kretanje unazad postignuta, vozilo bi trebalo da se kreće unazad
pararlelno sa parkingom, dok ne detektuje ivicu. Da bi se izbegao mogući sudar vozila sa
Ivicom parkinga tokom kretanja unazad, podaci sa sonara s0 i s8 se koriste da bi se odlučilo
kretanje unazad ili kretanje unapred. U principu ako sonar s0 detektuje prepreku u
razdaljini od 15cm prilikom voţnje unazad, vozilo će biti prebačeno na upravljenje ka
napred, ako je sonar s8 detektovao prepreku u razdaljini od 15cm prilikom voţnje unapred
vozilo će biti prebačeno unazad.

13
Slika 14: Konfiguracija sonara ATRV-Jr

14
4.3. Rezultati eksperimenta

ATRV-Jr ima standardnu duţinu od 77.5 cm i širinu od 64 cm. Računajući i

instalaciju laserskog pronalaţenja ispred, prava veličina je 100.5 cm. Veličina prostora u
kome je moguće kretanje je 1.4 duţina i 1.2 širina od duţine vozila. Fazi logika kontroleri
su programirani u C++ i kod je bio stavljen na računar koji se nalazi na ATRV-Jr.
Eksperimentalno ugradjeni kontroleri fazi logike su isti kontroleri koji su se koristili u
simulacijama, osim što su spoljašnji faktori bili namešteni prema veličini vozila. Brzina
kretanja vozila je iznosila 8cm/s (0.288km/hr). Figure 15 – 20 pokazuju proces kretanja
vozila od početne lokacije do završne lokacije. Eksperimenti koji su se odrţali gde je
početna lokacija bila drugačija postigli su sličan rezultat.

Slika 15: Početna lokacija Slika 16: Prolaţenje pored mesta

Slika 17: Spreman da ide unazad Slika 18: Manevrisanje unazad

Slika 19: Upravljanje vozila unapred Slika 20: Završna pozicija

15
 5. Fino podešavanje FLU- a sa genetskim algoritmom
Veličina mesta za parkiranje ima značajnu ulogu ka stepenu teţine parkiranja dok se
vozilo kreće unazad. Što manji prostor to je teţe izvesti manevar kretanja unazad lagano.
Mogućnost paralelnog parkiranja na parkingu gde ima malo mesta dok se vozilo kreće
unazad algoritam je dobijen sa značajnim podešavanjima predloţenih fazi kontrolera. Fino
podešavanje fazi kontrolera moţe se namestiti ili ručno ili koristeći veštačku inteligenciju.
U ovom eksperimentu ručno podešavanje je prvi put probano a nakon toga je uveden i
genetički algoritam (GA) koji je bio korišćen da bi efektivno savladao sve parametre koji
su potrebni da bi se vozilo kretalo unazad, ovo je najsloţeniji algoritam u kontroli fazi
upravljanja vozilom dok se ono kreće unazad. Genetički algoritam traţi rešenje da naĎe
odgovarajući prostor kroz simulaciju evolucije npr. opstajanje najjačih. Sposobnost učenja
genetičkog algoritma moţe biti iskorišćena da odabere najefikasnije parametre za fazi
logične sisteme.

5.1 Promenjljive dizajna

Prvi problem genetičkog algoritma jeste da se izabere promenjljiva dizajna. Kao što
se vidi na figuri 11 i figuri 12 ulazne i izlazne funkcije namenjene za fazi kontroler su ili
trouglastog ili trapezoidnog oblika trouglasti oblik moţe biti predstavljen koristeći sledeću
funkciju

Dok trapezoidan oblik moţe biti predstavljen sa sledećom funkcijom

Tako da je oblik trouglastog oblika predstavljen sa 3 parametara (a, b, c) a trapezoidni oblik

je predstavljen sa 4 parametara (d,e,f,g).

16
5.2 Veličina mesta parkirališta
Veličina mesta za parkiranje ima značajnu ulogu ka stepenu teţine parkiranja dok se
vozilo kreće unazad. Studirajući paralelno parkiranje u prostoru gde ima malo slobodnog
mesta gde se planira putanja za prednje točkove vozila, minimalna duţina na parkingu je
iznosila 100 cm sa duţinom vozila od 60 cm. Uzimajući u obzir širinu ovog vozila koja
iznosi 34 cm, proporcija duţine u odnosu na širinu iznosi 1.765. PotvrĎeno je da uz pomoć
simulacije što je veći odnos duţine i širine, lakše će vozilu biti da se parkira u parkiralište
sa prednjim točkovima na upravljanje. Da bi se vozilo napravilo prema poreĎenju, prednji
točkovi na upravljanje su bili u istom odnosu prilikom simulacije sa fazi logičnim
kontrolnim algoritmom za paralelno parkiranje. Rezultati simulacije su pokazali da razvijen
algoritam ima mogućnost da se parkira na mesto koje je 1.4 duţine vozila.

17
 6. Zaključak
Ovim seminarskim radom u kome je obuhvaćeno parkiranje vozila u uskom prostoru
sa algoritmom za automatsko paralelno parkiranje. Potvrdjuje da fazi logički sistemi mogu
ne samo da budu dobri prilikom jedne upotrebe za odredjeno vozilo uz pomoć finih
podešavanja, već da taj algoritam moţe uz pomoć malih podešavanja da se koristi i za
druge platforme vozila.

18
 7. Literatura

Yanan Zhao and Emmanuel G. Collins, Jr. Department of Mechanical Engineering

Florida A&M University - Florida State University Tallahassee, FL, 10 November 2004

19