楊 寧 石冰飛 朱 平 周宏輝

(上海電力學(xué)院電力與自動化工程學(xué)院1，上海 200090;國核自儀系統(tǒng)工程有限公司2，上海 200233;寧波市電業(yè)局3，浙江 寧波 315010)

0 引言

自動循跡小車作為一種移動機(jī)器人，主要應(yīng)用于機(jī)場、倉庫以及其他需要搬運(yùn)設(shè)備的工況中。小車的基本結(jié)構(gòu)由導(dǎo)向模塊、驅(qū)動模塊、微處理器、控制模塊、通信模塊、機(jī)械部分和電源模塊構(gòu)成。小車通過導(dǎo)向傳感器獲取路徑信息，并按一定的精度要求沿正確路徑行駛。目前，比較常用的傳感器有激光傳感器［1－2］、CCD 傳感器和測距儀等［3－4］。

基于CCD的自動循跡小車采用CCD獲取道路信息，通過圖像處理辨別路面標(biāo)志，并確定小車前方一定范圍內(nèi)的路況。綜合分析道路和速度等相關(guān)信息，采用相應(yīng)的控制策略來控制小車沿正確的路線前進(jìn)。本文主要介紹所設(shè)計的基于CCD的自動循跡小車的軟件系統(tǒng)，提出軟件設(shè)計方面的關(guān)鍵問題，并探討了圖像信息的采集、處理和舵機(jī)控制策略［5－6］。

1 軟件系統(tǒng)整體設(shè)計

本設(shè)計中，要求自動循跡小車在一定寬度的白色底黑色引導(dǎo)線的道路上自動行駛，并可根據(jù)變化的道路形狀，按行駛要求自主導(dǎo)航。這就要求小車具備較強(qiáng)的自適應(yīng)能力。自動循跡小車需要穩(wěn)定快速行駛，兼顧速度和可靠性的要求，因此，設(shè)計方案必須考慮傳感器信號采集處理、舵機(jī)和電機(jī)控制策略設(shè)計等因素［7］。整個軟件系統(tǒng)包括圖像信息采集和處理、舵機(jī)轉(zhuǎn)角控制、電機(jī)速度控制和速度反饋。軟件系統(tǒng)組成如圖1所示。

圖1 軟件系統(tǒng)組成圖Fig.1 The composition of software system

2 軟件模塊設(shè)計

2.1 圖像信息處理

對道路形狀的判斷正確與否決定了小車能否實現(xiàn)自動循跡功能。雖然圖像處理算法已經(jīng)有很多成熟的算法和應(yīng)用，但如何有效地采用符合具體實際使用的算法則需要經(jīng)過實際測試才能確認(rèn)。圖像處理包括對CCD信息采集、道路狀況的提取、路徑的計算等。一般的設(shè)計流程包括圖像信息采集、圖像信息的處理、道路信息的計算和行駛路線的優(yōu)化這4個部分。

圖像信息采集時，單片機(jī)的端口與攝像頭的圖像灰度信息輸出引腳相連?？紤]到單片機(jī)的內(nèi)存有限，在每張圖像中進(jìn)行隔行采集，對每行數(shù)據(jù)進(jìn)行不間斷保存，共采集到53行×74列的有效像素數(shù)據(jù)。剔除有誤差的點(diǎn)，并考慮有效使用內(nèi)存，只保存第2行到第41行，以及中間50列的像素數(shù)據(jù)，即實際圖像為40行×50列的數(shù)據(jù)。

2.1.1 濾波算法

圖像處理的濾波算法較多，主要分為時域濾波和頻域濾波［8－9］。時域濾波常用的方法有平均值濾波、中值濾波、限值濾波等，頻域濾波有傅里葉變換、小波變換等?？紤]到頻域濾波的運(yùn)算量大，需要占用大量內(nèi)存，本文采用時域濾波法。去噪濾波采用中值濾波與滑動平均值濾波相結(jié)合的算法。中值濾波的優(yōu)點(diǎn)是能有效克服因偶然因素引起的波動干擾，對溫度、液位等變化較緩慢的被測參數(shù)具有良好的濾波效果;滑動平均濾波的優(yōu)點(diǎn)是對周期性干擾具有良好的抑制作用，平滑度高，適用于高頻振蕩的系統(tǒng)［10］。

在實際處理中，每次取一行中3個相鄰列的灰度值，先判斷這3個值是否有相同的灰度值，若灰度值相同則采用滑動平均值濾波，取平均值，并將第二個值修改為該平均值;若灰度值不同則采用中值濾波，并對這3個值進(jìn)行排序，將第二個值修改為3個數(shù)值的中間值。該算法對一個像素點(diǎn)的過濾僅用到了相鄰兩個像素點(diǎn)的灰度值，計算量不大，占用內(nèi)存不多，適合單片機(jī)的計算，且該算法相對來說較簡單，時間復(fù)雜度不高，滿足了小車對快速控制系統(tǒng)的要求。

濾波前后圖像對比如圖2所示。

圖2 濾波前后圖像對比圖Fig.2 Image comparison pre-filtering and post-filtering

由圖2可以看出，經(jīng)過濾波后的圖像更適合后續(xù)的判別和處理。

2.1.2 軌跡線提取

在濾波后的圖像中，白色為小車的行駛范圍，黑線為小車需要跟蹤的軌跡，因此，軌跡線的提取即為黑線，本文采用跟蹤引線的黑線提取算法。假設(shè)某時刻找到某行的黑線中心位置m，則下一時刻在下一行的m附近搜尋黑線的左右邊緣，然后計算該行的中心位置。該方法的特點(diǎn)是始終在前一行的引線中心位置附近尋找下一行的引線位置，故稱為“跟蹤”引線的黑線提取算法。該算法的優(yōu)點(diǎn)是在首行引線檢測正確的前提下具有較強(qiáng)的抗干擾性，能更有效地消除十字垂直交叉黑色引線的干擾以及引線外黑色噪點(diǎn)的影響，始終跟蹤目標(biāo)引導(dǎo)線。

在試驗過程中，發(fā)現(xiàn)該算法也存在一定的問題。由于是在連續(xù)鄰域上跟蹤引導(dǎo)線，因此，若第一行引線的檢測位置和實際導(dǎo)引線偏差較大，將產(chǎn)生一連串的錯誤，甚至造成小車失穩(wěn)。為防止這種現(xiàn)象的發(fā)生，可利用前面兩行的引線中心位置來確定下一行的黑線位置。因為前兩行同時出錯的概率遠(yuǎn)遠(yuǎn)小于一行出錯的概率，所以采用這種方法造成丟失引線的幾率會大大減小。

此外，針對每行中的孤立噪點(diǎn)，采用計數(shù)法排除。如果連續(xù)黑點(diǎn)數(shù)小于某個閾值時，認(rèn)為是噪聲影響，而非實際的黑線，從而可以減少誤判概率。

2.1.3 梯形失真

由于攝像頭與地面之間存在俯角，導(dǎo)致采集到的圖像并不是一個方形區(qū)域，而是一個近處區(qū)域小、遠(yuǎn)處區(qū)域大的梯形區(qū)域，圖像出現(xiàn)失真。梯形失真示意圖如圖3所示。

圖3 梯形失真示意圖Fig.3 Keystone distortion

由圖3可以看出，攝像頭采集的圖像發(fā)生了很大的形變。即使遠(yuǎn)處引線偏離道路中間很大，但是在圖像上顯示出來的仍有一個較小的偏差，從而使傳感器出現(xiàn)誤差，前瞻性大大減小，小車容易因控制不及時而沖出行駛范圍。

在實際處理中，需要對圖像進(jìn)行失真補(bǔ)償:當(dāng)小車靜止時，進(jìn)行掃描區(qū)域的標(biāo)定，測量出圖像區(qū)域的實際位置，并與采集到圖像中的位置進(jìn)行換算，即可得到以下變換公式。

式中:y為在實際中圖像位置的列數(shù);x為攝像頭采集到的圖像的列數(shù);k為梯形一條邊的斜率。

在變換公式中，b的取值最為關(guān)鍵，由于每行之間的間隔不同，所以圖像變換公式中不能采取同樣的b值。最佳方法是對每行設(shè)定一個相應(yīng)的b值，但對于行數(shù)較多的圖像，每行都進(jìn)行精確測定顯然不可能實現(xiàn)。為了簡化程序，對于該40×50的圖像，將40行圖像按每10行分為一組(0行 ～9行、10行～19行、20行～29行、30行～39行)，每組采用相同的b值，即每組的中間行測出來的b值。這樣既減少了測定每行b值的工作量，又比整個圖像采用一個b值計算得到的數(shù)據(jù)準(zhǔn)確性高。

將圖像中每一行的最中間列作為基準(zhǔn)列，這里取第24列為基準(zhǔn)列，設(shè)定為0列。將左邊的列作為負(fù)列，右邊的列為正列。經(jīng)過式(1)補(bǔ)償后得到的每一行新的各列，在第0列左邊的列，依次為第－1、－2、－3，…，第－n列，直到實際圖像最左邊的列為止;右邊依次為第1、2、3、…、n列，直到實際圖像最右邊的列為準(zhǔn)。由此得出圖像中各像素點(diǎn)的實際位置。在進(jìn)行梯形失真補(bǔ)償后，計算出每行黑線的中心位置，并保存在一維數(shù)組中。這個數(shù)據(jù)就是每行的實際引線所在位置。

得到每行引線的實際位置后，為減少誤差，再對每行的引線位置數(shù)據(jù)進(jìn)行滑動平均濾波，取滑動采樣值個數(shù)為5，每次修改第3個采樣值為5個采樣值的平均值。經(jīng)過濾波后，每行引線的中心位置變得更加平滑，這就避免了由于引線提取部分的計算誤差而引起的錯誤。

2.1.4 軌跡曲率處理

對于道路形狀的判斷，可以采用曲率法。找到每行黑線的中心位置后，再進(jìn)行道路曲率信息的計算，即可得出道路的類型。簡單的曲率計算公式如下所示:

式中:x1、x2和 x3為3個實際距離相等的行的黑線位置。

行駛路徑類型可以分為直道、曲率小的S彎、曲率大的S彎和普通彎道4類。U型彎道和O型彎道可以認(rèn)為是多個同方向普通彎道連接在一起，因此，都可以被認(rèn)為是普通彎道。若計算出來的曲率q接近0，則說明該段道路為直道或者小S彎;若曲率q比較大，則說明該段道路為普通彎道;若計算出來的曲率q非常大，則說明該段彎道為大S彎。

在計算得到各段道路的具體類型之后，就可以進(jìn)行小車行駛路徑的優(yōu)化。通常情況下，直道和小S彎道按照直線行駛通過;對于普通彎道，一般將小車行駛路線的曲率比道路彎曲程度大一點(diǎn)，盡量以微內(nèi)圈的線路通過;對于大S彎道，需要將小車的行駛路線曲率比道路彎曲程度小一點(diǎn)，在不跑出道路的情況下盡量少走彎路，這樣小車看到的彎道類型始終是大S彎道，即可以連續(xù)地走“小彎”路線通過，這樣既節(jié)約時間，且行駛速度不會因為拐彎太大而過于減小，并保持勻速行駛。

優(yōu)化前后路徑如圖4所示，虛線代表實際道路形狀，帶箭頭的實線代表優(yōu)化后的路徑形狀。

2.2 舵機(jī)轉(zhuǎn)角控制

在循跡小車的行駛過程中，舵機(jī)轉(zhuǎn)向控制是小車能夠穩(wěn)定行駛的一個重要因素，它對小車的速度有很大影響。若轉(zhuǎn)向及時，小車就不需要在彎道處通過降低速度來通過彎道，從而保證小車始終保持勻速行駛。

小車的轉(zhuǎn)向是根據(jù)信號線輸入的占空比信號來控制固定在小車前輪的中央位置的舵機(jī)，以產(chǎn)生一個轉(zhuǎn)角;再通過左右轉(zhuǎn)向搖臂產(chǎn)生一個扭矩，驅(qū)動前輪轉(zhuǎn)向。根據(jù)測出的最左、最右和中間位置的信號占空比的值，采用等分法來確定占空比和轉(zhuǎn)角的比例。

舵機(jī)轉(zhuǎn)角一般采用PID控制［11］。最簡單的是采用P控制，通過設(shè)定合適的系數(shù)，就可以減小余差和超調(diào)，使小車始終保持在道路中間位置且不跑出道路。但由于舵機(jī)本身是一個大慣性大延遲系統(tǒng)，若只采用P控制，一旦控制不及時，就會產(chǎn)生較大的超調(diào)，很有可能沖出道路，或被迫采用犧牲速度的方法來換取穩(wěn)定性。為改進(jìn)控制效果，增加了D控制，這樣就可以在出現(xiàn)偏差時作出較快反應(yīng)，減少控制延時。經(jīng)測試，加入D控制后，在過普通彎道時效果較好，可以使小車入彎時轉(zhuǎn)向提前，切內(nèi)道過彎，出彎時轉(zhuǎn)向減少，但是在S彎道，尤其是大S彎道時，轉(zhuǎn)過一兩個彎后，就會引起小車與引線偏差增大，很容易跑出道路，引起系統(tǒng)的不穩(wěn)定。D控制系數(shù)越大，大S彎道的穩(wěn)定性越差。I控制作用可以消除余差，但是I控制是一個緩慢的控制，而小車的速度很快，在進(jìn)入彎道時，前半彎控制作用不大，且對于連續(xù)的彎道，I控制變得較強(qiáng)，進(jìn)入直道后很容易引起較大的超調(diào)，使小車沖出道路。在實際測試中，加入I控制后的效果并不好，在大S彎道處也沒有明顯的效果，而且會引起彎道進(jìn)入直道時車體發(fā)生抖動，整體效果反而變差。所以，舍棄I控制，只采用PD控制。

由于面陣CCD可以獲得更多的信息量，因此，可采用圖像處理得到的曲率軌跡來進(jìn)行輔助的控制。將道路曲率看作干擾，相當(dāng)于在閉環(huán)的PD控制上增加一個曲率的前饋。這樣就可以充分利用攝像頭傳感器的高前瞻性，預(yù)判前面道路的趨勢。該控制效果明顯優(yōu)于簡單PD控制的控制效果。

小車舵機(jī)控制模型如圖5所示。

圖5 小車舵機(jī)控制模型Fig.5 Control model of the steering engine of car

3 循跡試驗

考慮到實際應(yīng)用環(huán)境下對小車的平穩(wěn)運(yùn)行的要求，試驗中對小車采用勻速運(yùn)行。道路信息為二維水平平面，寬度最大為600 mm，窄道區(qū)域最大為450 mm。道路彎曲處最小曲率半徑不小于500 mm，并且路徑有交叉，交叉角為90°。試驗中，小車采用不同速度勻速運(yùn)行，并以偏離黑線的最大誤差和沖出道路的次數(shù)為標(biāo)準(zhǔn)衡量系統(tǒng)性能，小車試驗數(shù)據(jù)如表1所示。表1中:V為小車速度;ΔS為最大誤差，ΔS=|S實際－S標(biāo)準(zhǔn)|;N為沖出軌跡次數(shù)。

表1 小車試驗數(shù)據(jù)Tab.1 The experimental data of car

由表1可以看出，當(dāng)速度逐漸增大時，小車偏離軌跡中心線的距離也隨之增加，沖出整個軌跡的次數(shù)也明顯增加。當(dāng)速度不是很快時，小車能夠很好地跟蹤黑線。

4 結(jié)束語

近年來，自動循跡小車在不同場合的應(yīng)用需求日益增加，以激光、CCD和電磁等作為道路信息采集方式的不同循跡方式不斷出現(xiàn)。

本設(shè)計采用CCD攝像頭獲取道路信息，根據(jù)路面標(biāo)志作為導(dǎo)引信息，通過圖像處理來確定自動循跡小車的前方路況。本文介紹了一套較為適合基于CCD的自動循跡小車的信息處理和控制方法，并針對各模塊處理方法和運(yùn)動控制策略進(jìn)行了分析和比較，包括CCD信息采集、道路狀況的提取和路徑形狀判斷等內(nèi)容?？刂撇呗陨现饕捎米儏?shù)、帶死區(qū)的增量式數(shù)字PID控制器，使小車行駛更加穩(wěn)定。在試驗測試中，循跡小車以不同的車速在固定跑道上行駛，采用偏離中心的最大誤差和沖出道路次數(shù)來衡量循跡小車性能。試驗表明，本文所設(shè)計的小車能有效地識別和跟蹤多種類型的道路［12］。

［1］Lü Yingjun，Xu Anling，Chong Cancan，et al.Application analysis of the linear CCD in the path recognition system1［C］∥International Conference on Integration Technology，Shenzhen，2007:151－154.

［2］宮紀(jì)波.基于紅外反射循跡小車的傳感器布局研究［J］.工業(yè)控制計算機(jī)，2009，22(8):97－98.

［3］程志江，李劍波.基于遺傳算法的智能小車模糊控制系統(tǒng)的研發(fā)［J］.自動化儀表，2009，30(8):4－7.

［4］王子輝，葉云岳.基于CMOS傳感器的智能循跡小車圖像識別技術(shù)研究［J］.傳感技術(shù)學(xué)報，2009，22(4):484－488.

［5］卓晴，黃開勝，邵貝貝，等.學(xué)做智能車:挑戰(zhàn)“飛思卡爾”杯［M］.北京:北京航空航天大學(xué)出版社，2007:45－68.

［6］田里，姚素英，周津.CMOS圖像傳感器的自適應(yīng)降噪方法研究［J］.傳感技術(shù)學(xué)報，2008，21(9):697－701.

［7］楊枝靈，王開.數(shù)字圖像獲取、處理及其實踐應(yīng)用［M］.北京:人民郵電出版社，2003:70－100.

［8］郎銳.數(shù)字圖像處理學(xué)［M］.北京:北京希望電子出版社，2003.

［9］甄紅濤，齊曉慧.智能車參數(shù)自校正方向模糊控制器的設(shè)計［J］.自動化儀表，2010，31(9):57－59.

［10］溫陽東，王祥好.基于線陣CCD的智能小車路徑識別系統(tǒng)［J］.合肥工業(yè)大學(xué)學(xué)報:自然科學(xué)版，2009，32(9):1348－1353.

［11］黃偉，吳青，馬育林，等.基于視覺導(dǎo)航的智能小車調(diào)速控制器設(shè)計［J］.武漢理工大學(xué)學(xué)報:自然科學(xué)版，2010，32(6):103－106，135.

［12］梁佳海，黃雪燕.基于光引導(dǎo)的小車自動尋軌技術(shù)研究［J］.欽州學(xué)院學(xué)報，2008，23(3):38－40.