王立人 朱彥宇 黃潔 呂穎 夏春明

摘要：自動(dòng)尋跡機(jī)器人在工業(yè)自動(dòng)化生產(chǎn)中已經(jīng)得到了廣泛應(yīng)用。本文對(duì)以CCD攝像頭為主要尋跡傳感器的小車(chē)的圖像識(shí)別算法進(jìn)行了討論，對(duì)使用不同傳感器的小車(chē)的自動(dòng)避障功能進(jìn)行了探討，對(duì)小車(chē)與電腦使用WiFi網(wǎng)絡(luò)搭建通訊進(jìn)行了簡(jiǎn)單研究。實(shí)現(xiàn)了小車(chē)通過(guò)攝像頭和紅外傳感器進(jìn)行自動(dòng)避障和自主尋跡的功能，并且使用WiFi網(wǎng)絡(luò)建立了小車(chē)與電腦的通訊，通過(guò)電腦能夠?qū)π≤?chē)進(jìn)行遠(yuǎn)程控制。

關(guān)鍵詞：wifi通訊；尋跡；避障；智能小車(chē)1前言

智能車(chē)(Intelligent Vehicle, IV)，也稱(chēng)作無(wú)人地面車(chē)輛(Unmanned Ground Vehicle, UGV)，是一個(gè)集環(huán)境感知、動(dòng)態(tài)決策與規(guī)劃、智能控制與執(zhí)行等多功能于一體的綜合系統(tǒng)，相關(guān)技術(shù)涉及諸多學(xué)科，是衡量一個(gè)國(guó)家科研實(shí)力和工業(yè)水平的重要標(biāo)志[1]。

在智能駕駛技術(shù)的研究方面，國(guó)外起步較早，典型的研究代表如美國(guó)卡耐基梅隆大學(xué)的NavLab-5[2]與Boss[3]智能車(chē)、谷歌公司的Google Driverless Car，意大利帕爾馬大學(xué)的The ARGO vehicle[4,5]、德國(guó)聯(lián)邦國(guó)防軍大學(xué)的VaMP智能駕駛系統(tǒng)[6]等。吉林大學(xué)是我國(guó)最早的智能車(chē)研究單位之一。王榮本教授帶領(lǐng)的智能車(chē)課題組從上世紀(jì)80年代后期開(kāi)始智能車(chē)自主導(dǎo)航的研究，在環(huán)境感知、導(dǎo)航技術(shù)等方面有較為深入的研究[8]。 清華大學(xué)汽車(chē)系“安全與節(jié)能”國(guó)家重點(diǎn)實(shí)驗(yàn)室李克強(qiáng)教授主持研制的THASV智能車(chē)側(cè)重于汽車(chē)主動(dòng)安全研究，在視覺(jué)導(dǎo)航、主動(dòng)避障、離線(xiàn)報(bào)警等方面取得了較突出的研究成果，目前正在進(jìn)行智能巡航控制系統(tǒng)、前碰撞預(yù)警系統(tǒng)等技術(shù)的實(shí)用化工作。

作為智能汽車(chē)的基礎(chǔ)，智能小車(chē)在近年也有非?？焖俚陌l(fā)展。機(jī)器人比賽是近幾年在國(guó)際上迅速開(kāi)展起來(lái)的一項(xiàng)高科技活動(dòng)，雖然歷史不長(zhǎng)，但由于集高新技術(shù)、娛樂(lè)、比賽于一體。所以引起了眾多學(xué)者的廣泛關(guān)注和極大的興趣。飛思卡爾大賽作為眾多機(jī)器人競(jìng)速賽中規(guī)模最大的比賽，數(shù)年中已經(jīng)吸引了數(shù)百所大學(xué)參與。該競(jìng)賽以競(jìng)速賽為基本競(jìng)賽形式，輔以創(chuàng)意賽和技術(shù)方案賽等多種形式。競(jìng)速賽以統(tǒng)一規(guī)范的標(biāo)準(zhǔn)硬軟件為技術(shù)平臺(tái)，制作一部能夠自主識(shí)別道路的模型汽車(chē)，按照規(guī)定路線(xiàn)行進(jìn)，并符合預(yù)先公布的其他規(guī)則，以完成時(shí)間最短者為優(yōu)勝。本文中論述的賽道識(shí)別和尋跡部分均以飛思卡爾大賽的規(guī)則作為基礎(chǔ)，在此條件上進(jìn)行分析和討論。

智能小車(chē)在軍事，航空探測(cè)等領(lǐng)域有重要作用。智能小車(chē)的設(shè)計(jì)涉及計(jì)算機(jī)，電子技術(shù)，傳感器與檢測(cè)技術(shù)等多個(gè)方面。WiFi技術(shù)同樣是一項(xiàng)運(yùn)用非常廣泛的技術(shù)，具有傳輸速度快，傳輸距離遠(yuǎn)，信號(hào)穩(wěn)定等特點(diǎn)。本文使用32位的嵌入式微處理器stm32作為處理核心，CCD數(shù)字?jǐn)z像頭作為主要傳感器，輔以紅外距離傳感器，通過(guò)路由器搭建局域網(wǎng)，實(shí)現(xiàn)小車(chē)自主尋跡，自動(dòng)避障及WiFi通訊的功能。

2自動(dòng)循跡避障智能車(chē)硬件設(shè)計(jì)

本系統(tǒng)使用stm32f107作為處理核心，使用ov7725攝像頭作為主要的尋跡傳感器，無(wú)線(xiàn)網(wǎng)卡為上海慶科信息技術(shù)有限公司開(kāi)發(fā)的EM380C多功能串口轉(zhuǎn)wifi模塊，避障傳感器為紅外距離傳感器，與7.4伏電源和電機(jī)驅(qū)動(dòng)組成小車(chē)硬件結(jié)構(gòu)。使用計(jì)算機(jī)作為上位機(jī)終端，通過(guò)wifi與小車(chē)連接，完成遙控信號(hào)的發(fā)送工作。本文使用labview作為上位機(jī)的編寫(xiě)軟件，IAR作為智能車(chē)控制程序的編程軟件。

本系統(tǒng)的硬件設(shè)計(jì)主要包括ccd攝像頭傳感器的位置安排，紅外距離傳感器的位置及角度安排及電路的設(shè)計(jì)。

2.1 攝像頭高度及角度設(shè)計(jì)

攝像頭的高度和角度對(duì)取景的范圍影響很大。攝像頭采集到的圖像中，與當(dāng)前行進(jìn)的道路有關(guān)的內(nèi)容為有效的內(nèi)容，其他內(nèi)容一律視為干擾，可能影響到圖形計(jì)算和小車(chē)路徑的計(jì)算。本文將有效的圖片內(nèi)容定義為有效視野，在設(shè)計(jì)攝像頭位置時(shí)，應(yīng)在保證有效視野在圖像中占比盡可能大，并使攝像頭盡量看的更遠(yuǎn)。本文使用飛思卡爾比賽規(guī)定的標(biāo)準(zhǔn)直道對(duì)攝像頭視野進(jìn)行測(cè)試。

2.2 紅外距離傳感器的位置及角度設(shè)計(jì)

紅外傳感器的布置很大程度上影響了避障準(zhǔn)確性和避障效率。布置不當(dāng)可能引起避障不及時(shí)或者避障過(guò)度。紅外傳感器的布置應(yīng)考慮到車(chē)輛的遇障方向，處理方式等。本文采用在車(chē)輛前段放置3個(gè)角度不同的紅外傳感器的方式，來(lái)對(duì)障礙物進(jìn)行識(shí)別。兩側(cè)的紅外傳感器分別向外傾斜一個(gè)角度，并且將感應(yīng)距離設(shè)置為車(chē)寬加上安全距離。

2.3 電路設(shè)計(jì)

電路設(shè)計(jì)和pcb繪制主要由AD13完成。通過(guò)電路將單片機(jī)，網(wǎng)卡模塊，電機(jī)驅(qū)動(dòng)，傳感器等正確地連接在一起，盡量使結(jié)構(gòu)緊湊，并且避免電路干擾。小車(chē)使用兩個(gè)電機(jī)驅(qū)動(dòng)模塊，分別控制小車(chē)兩側(cè)的兩個(gè)輪子的正轉(zhuǎn)和反轉(zhuǎn)。由于使用了沒(méi)有舵機(jī)的方案，轉(zhuǎn)向?qū)⒁揽績(jī)蓚?cè)車(chē)輪的差速來(lái)完成。

3智能小車(chē)及其上位機(jī)軟件設(shè)計(jì)

軟件設(shè)計(jì)分為上位機(jī)和下位機(jī)兩部分，上位機(jī)的功能為使用電腦遙控小車(chē)，使其完成前進(jìn)，后退，左轉(zhuǎn)，右轉(zhuǎn)等動(dòng)作；下位機(jī)的功能包括自動(dòng)尋跡和自動(dòng)避障兩部分。

3.1 上位機(jī)設(shè)計(jì)

上位機(jī)由labview編寫(xiě)，界面由網(wǎng)絡(luò)端口號(hào)設(shè)置，IP地址設(shè)置和控制按鍵組成。通過(guò)上位機(jī)的按鍵，可以實(shí)現(xiàn)控制小車(chē)前進(jìn)，后退左轉(zhuǎn)和右轉(zhuǎn)。

上位機(jī)通信是由PC機(jī)、無(wú)線(xiàn)路由器、智能小車(chē)網(wǎng)卡三部分共同實(shí)現(xiàn)的，基于TCP/IP通信協(xié)議。其中PC機(jī)是客戶(hù)端，而智能小車(chē)是服務(wù)器，無(wú)線(xiàn)路由器擔(dān)任兩者的通信媒介，每個(gè)模塊分別有指定的IP地址，通過(guò)wifi相連接。上位機(jī)通過(guò)PC機(jī)的網(wǎng)絡(luò)端口將數(shù)據(jù)發(fā)送到無(wú)線(xiàn)路由器，無(wú)線(xiàn)路由器將收到的數(shù)據(jù)轉(zhuǎn)送到小車(chē)網(wǎng)卡的IP地址上，從而實(shí)現(xiàn)上位機(jī)到小車(chē)網(wǎng)卡的單向通信。當(dāng)操作者需要對(duì)小車(chē)執(zhí)行不同的遠(yuǎn)程操作時(shí)，只要通過(guò)點(diǎn)擊PC端上位機(jī)的相應(yīng)按鍵，電腦就會(huì)通過(guò)WiFi網(wǎng)絡(luò)向小車(chē)發(fā)送一個(gè)特定字符串，小車(chē)接收并識(shí)別出命令后就會(huì)執(zhí)行相應(yīng)的運(yùn)動(dòng)。

3.2 下位機(jī)設(shè)計(jì)

下位機(jī)即小車(chē)，由單片機(jī)進(jìn)行控制?？刂瞥绦虻木帉?xiě)和調(diào)試由IAR完成。

3.2.1 尋跡算法

尋跡算法的主要內(nèi)容是圖像處理，即從攝像頭所采集到的數(shù)字圖像信號(hào)中提取出路徑信息。本文的實(shí)驗(yàn)道路為符合飛思卡爾大賽攝像頭組和光電組規(guī)定的標(biāo)準(zhǔn)道路，由白色KT板制成，道路寬45cm，邊界由寬3cm的黑色膠帶標(biāo)識(shí)。作為真實(shí)道路的簡(jiǎn)化，該模型即具有道路兩側(cè)邊界的特征，又簡(jiǎn)化了邊界的識(shí)別工作，方便圖像算法處理。

圖像處理的目的即由道路的邊線(xiàn)提取出合適的行駛路徑，一般為道路的中央，稱(chēng)之為道路中線(xiàn)。而要得到中線(xiàn)，首先要識(shí)別出道路的左邊界和右邊界。本系統(tǒng)使用ov7725數(shù)字?jǐn)z像頭，可將采集到的圖像直接轉(zhuǎn)化為由0和1組成的2維數(shù)組來(lái)表示圖像的白和黑，通過(guò)二維數(shù)組的地址和值，可以直接得到圖像平面內(nèi)某一點(diǎn)的坐標(biāo)和其黑白值。但僅憑圖像色彩無(wú)法判斷哪些黑點(diǎn)表示道路的左邊界，哪些點(diǎn)表示右邊界。

因此，在調(diào)整攝像頭位置時(shí)，應(yīng)考慮到使近端的道路邊界盡可能清晰，易于識(shí)別。有了這個(gè)基礎(chǔ)之后，利用邊界的連續(xù)性，即可有效可靠地搜索到左邊界和右邊界。具體算法如下：

⑴底部5行逐行從圖像中間開(kāi)始分別向兩側(cè)搜索黑點(diǎn)，當(dāng)發(fā)現(xiàn)連續(xù)數(shù)個(gè)黑點(diǎn)時(shí)，就認(rèn)為判斷到了相應(yīng)的邊界，將坐標(biāo)信息儲(chǔ)存進(jìn)相應(yīng)的數(shù)組。

⑵有了底部左右邊界的起點(diǎn)后，利用算法遍歷與起點(diǎn)相連續(xù)的點(diǎn)，尋找其中的黑點(diǎn)并將其坐標(biāo)存儲(chǔ)至相應(yīng)的數(shù)組。

⑶分別得到左側(cè)邊界和右側(cè)邊界的坐標(biāo)后，將同一行的兩側(cè)邊界坐標(biāo)進(jìn)行平均以得到中線(xiàn)坐標(biāo)。

3.2.2 避障算法

本文使用兩種方式進(jìn)行避障，一為不借助其他傳感器，由攝像頭采集到的圖像中，讀取障礙物信息，二是使用紅外距離傳感器。

根據(jù)飛思卡爾大賽對(duì)障礙物的規(guī)定，障礙物一定是黑色的，可以直接從色彩上識(shí)別出來(lái)。因?yàn)榈缆穼挾纫欢?，雖然由于攝像頭角度關(guān)系，采集到的二維圖像會(huì)有一定的變形，但對(duì)應(yīng)行道路寬度所占據(jù)的像素點(diǎn)數(shù)是一定的，當(dāng)采集到的道路寬度小于應(yīng)有的寬度時(shí)，單片機(jī)就認(rèn)為遇到了障礙。這種方式傳感器簡(jiǎn)單，無(wú)需其他傳感器就能進(jìn)行可靠的判斷，避障信息集成在中心線(xiàn)信息中，但是使圖像處理更加復(fù)雜。

障礙物肯定有一定的高度和體積，通過(guò)合適位置的紅外傳感器能夠簡(jiǎn)單有效地檢測(cè)到障礙物，并且進(jìn)行躲避。

3.3 控制方案

本文使用最普通的pid算法對(duì)小車(chē)的電機(jī)的占空比進(jìn)行控制，使用編碼器反饋車(chē)速，以實(shí)現(xiàn)閉環(huán)控制?？刂屏鞒倘缦拢ㄒ?xún)H有攝像頭作為傳感器的智能車(chē)為例）：

由于使用了沒(méi)有舵機(jī)的小車(chē)設(shè)計(jì)，實(shí)際輸出時(shí)，會(huì)將同一側(cè)電機(jī)方向控制的修正值和速度控制的修正值相加得到總的修正值之后再輸出至電機(jī)。

3.4 實(shí)驗(yàn)結(jié)果

從實(shí)驗(yàn)結(jié)果看，CCD數(shù)字?jǐn)z像頭能夠有效地進(jìn)行雙色路徑及障礙物的識(shí)別，紅外距離傳感器同樣能夠進(jìn)行障礙物的識(shí)別。具有了wifi通訊功能之后，可以通過(guò)直接通過(guò)電腦對(duì)小車(chē)的行進(jìn)進(jìn)行控制。通過(guò)pid控制，小車(chē)能夠良好地保持預(yù)定的速度，并且能夠通過(guò)差速平滑地進(jìn)行轉(zhuǎn)向和避障。結(jié)合圖像算法和pid控制，小車(chē)能夠自動(dòng)在一般的賽道上準(zhǔn)確沿道路行駛和避障，并保持一定的速度。

4總結(jié)

本文主要研究了通過(guò)CCD攝像頭采集路徑圖像的智能小車(chē)的圖形算法，并且對(duì)使用攝像頭和紅外傳感器避障分別進(jìn)行了分析，同時(shí)對(duì)電腦和小車(chē)之間的WiFi網(wǎng)絡(luò)的建立進(jìn)行了研究。通過(guò)使用無(wú)線(xiàn)路由器搭建WiFi網(wǎng)絡(luò)，使小車(chē)和電腦處于同一局域網(wǎng)中，實(shí)現(xiàn)了通過(guò)電腦對(duì)小車(chē)行駛方向進(jìn)行控制。并且實(shí)現(xiàn)了以CCD攝像頭作為循跡傳感器的智能小車(chē)的自動(dòng)循跡及避障功能，也實(shí)現(xiàn)了通過(guò)紅外進(jìn)行自動(dòng)避障的功能。

[參考文獻(xiàn)]

[1]徐友春,章永進(jìn),王肖,等.智能車(chē)的研究現(xiàn)狀與發(fā)展趨勢(shì)[C].第六屆中國(guó)智能交通年會(huì)暨第七屆國(guó)際節(jié)能與新能源汽車(chē)創(chuàng)新發(fā)展論壇論文集.2011:129-134.

[2]R.Bishop.Intelligent vehicle applications worldwide.IEEE Intelligent Systems and Their Applications,2000,15(1):78-81.

[3]D.A.Pomerleau,T.M.Jochem.Rapidly adapting machine vision for automated vehicle steering.IEEE Expert,1996,11(2).

[4]C.Urmson,J.Anhalt,D.Bagnell,et al.Autonomous driving in urban environments:Boss and the urban challenge.Journal of Field Robotics,2008,25(8):425-466.

[5]A.Broggi,M.Bertozzi,A.Fascioli.The 2000 km test of the ARGO vision-based autonomous vehicle.IEEE Intelligent Systems, 1999,55-64.

[6]A.Broggi,M.Bertozzi,A.Fascioli,et al.Automatic vehicle guidance:the experience of the ARGO vehicle.World Scientific. Singapore,1999.

[7]M.Maurer,R.Behringer, F.Thomanek,et al.A compact vision system for road vehicle guidance. Proceedings of the 13th International Conference on Pattern Recognition.Vienna, Austria,1996.

[8]王榮本,張榮輝,金立生.區(qū)域交通智能車(chē)導(dǎo)航控制技術(shù).農(nóng)業(yè)機(jī)械學(xué)報(bào),2007,38(7):39-42.

1前言

智能車(chē)(Intelligent Vehicle, IV)，也稱(chēng)作無(wú)人地面車(chē)輛(Unmanned Ground Vehicle, UGV)，是一個(gè)集環(huán)境感知、動(dòng)態(tài)決策與規(guī)劃、智能控制與執(zhí)行等多功能于一體的綜合系統(tǒng)，相關(guān)技術(shù)涉及諸多學(xué)科，是衡量一個(gè)國(guó)家科研實(shí)力和工業(yè)水平的重要標(biāo)志[1]。

在智能駕駛技術(shù)的研究方面，國(guó)外起步較早，典型的研究代表如美國(guó)卡耐基梅隆大學(xué)的NavLab-5[2]與Boss[3]智能車(chē)、谷歌公司的Google Driverless Car，意大利帕爾馬大學(xué)的The ARGO vehicle[4,5]、德國(guó)聯(lián)邦國(guó)防軍大學(xué)的VaMP智能駕駛系統(tǒng)[6]等。吉林大學(xué)是我國(guó)最早的智能車(chē)研究單位之一。王榮本教授帶領(lǐng)的智能車(chē)課題組從上世紀(jì)80年代后期開(kāi)始智能車(chē)自主導(dǎo)航的研究，在環(huán)境感知、導(dǎo)航技術(shù)等方面有較為深入的研究[8]。 清華大學(xué)汽車(chē)系“安全與節(jié)能”國(guó)家重點(diǎn)實(shí)驗(yàn)室李克強(qiáng)教授主持研制的THASV智能車(chē)側(cè)重于汽車(chē)主動(dòng)安全研究，在視覺(jué)導(dǎo)航、主動(dòng)避障、離線(xiàn)報(bào)警等方面取得了較突出的研究成果，目前正在進(jìn)行智能巡航控制系統(tǒng)、前碰撞預(yù)警系統(tǒng)等技術(shù)的實(shí)用化工作。

作為智能汽車(chē)的基礎(chǔ)，智能小車(chē)在近年也有非?？焖俚陌l(fā)展。機(jī)器人比賽是近幾年在國(guó)際上迅速開(kāi)展起來(lái)的一項(xiàng)高科技活動(dòng)，雖然歷史不長(zhǎng)，但由于集高新技術(shù)、娛樂(lè)、比賽于一體。所以引起了眾多學(xué)者的廣泛關(guān)注和極大的興趣。飛思卡爾大賽作為眾多機(jī)器人競(jìng)速賽中規(guī)模最大的比賽，數(shù)年中已經(jīng)吸引了數(shù)百所大學(xué)參與。該競(jìng)賽以競(jìng)速賽為基本競(jìng)賽形式，輔以創(chuàng)意賽和技術(shù)方案賽等多種形式。競(jìng)速賽以統(tǒng)一規(guī)范的標(biāo)準(zhǔn)硬軟件為技術(shù)平臺(tái)，制作一部能夠自主識(shí)別道路的模型汽車(chē)，按照規(guī)定路線(xiàn)行進(jìn)，并符合預(yù)先公布的其他規(guī)則，以完成時(shí)間最短者為優(yōu)勝。本文中論述的賽道識(shí)別和尋跡部分均以飛思卡爾大賽的規(guī)則作為基礎(chǔ)，在此條件上進(jìn)行分析和討論。

智能小車(chē)在軍事，航空探測(cè)等領(lǐng)域有重要作用。智能小車(chē)的設(shè)計(jì)涉及計(jì)算機(jī)，電子技術(shù)，傳感器與檢測(cè)技術(shù)等多個(gè)方面。WiFi技術(shù)同樣是一項(xiàng)運(yùn)用非常廣泛的技術(shù)，具有傳輸速度快，傳輸距離遠(yuǎn)，信號(hào)穩(wěn)定等特點(diǎn)。本文使用32位的嵌入式微處理器stm32作為處理核心，CCD數(shù)字?jǐn)z像頭作為主要傳感器，輔以紅外距離傳感器，通過(guò)路由器搭建局域網(wǎng)，實(shí)現(xiàn)小車(chē)自主尋跡，自動(dòng)避障及WiFi通訊的功能。

2自動(dòng)循跡避障智能車(chē)硬件設(shè)計(jì)

本系統(tǒng)使用stm32f107作為處理核心，使用ov7725攝像頭作為主要的尋跡傳感器，無(wú)線(xiàn)網(wǎng)卡為上海慶科信息技術(shù)有限公司開(kāi)發(fā)的EM380C多功能串口轉(zhuǎn)wifi模塊，避障傳感器為紅外距離傳感器，與7.4伏電源和電機(jī)驅(qū)動(dòng)組成小車(chē)硬件結(jié)構(gòu)。使用計(jì)算機(jī)作為上位機(jī)終端，通過(guò)wifi與小車(chē)連接，完成遙控信號(hào)的發(fā)送工作。本文使用labview作為上位機(jī)的編寫(xiě)軟件，IAR作為智能車(chē)控制程序的編程軟件。

本系統(tǒng)的硬件設(shè)計(jì)主要包括ccd攝像頭傳感器的位置安排，紅外距離傳感器的位置及角度安排及電路的設(shè)計(jì)。

2.1 攝像頭高度及角度設(shè)計(jì)

攝像頭的高度和角度對(duì)取景的范圍影響很大。攝像頭采集到的圖像中，與當(dāng)前行進(jìn)的道路有關(guān)的內(nèi)容為有效的內(nèi)容，其他內(nèi)容一律視為干擾，可能影響到圖形計(jì)算和小車(chē)路徑的計(jì)算。本文將有效的圖片內(nèi)容定義為有效視野，在設(shè)計(jì)攝像頭位置時(shí)，應(yīng)在保證有效視野在圖像中占比盡可能大，并使攝像頭盡量看的更遠(yuǎn)。本文使用飛思卡爾比賽規(guī)定的標(biāo)準(zhǔn)直道對(duì)攝像頭視野進(jìn)行測(cè)試。

2.2 紅外距離傳感器的位置及角度設(shè)計(jì)

紅外傳感器的布置很大程度上影響了避障準(zhǔn)確性和避障效率。布置不當(dāng)可能引起避障不及時(shí)或者避障過(guò)度。紅外傳感器的布置應(yīng)考慮到車(chē)輛的遇障方向，處理方式等。本文采用在車(chē)輛前段放置3個(gè)角度不同的紅外傳感器的方式，來(lái)對(duì)障礙物進(jìn)行識(shí)別。兩側(cè)的紅外傳感器分別向外傾斜一個(gè)角度，并且將感應(yīng)距離設(shè)置為車(chē)寬加上安全距離。

2.3 電路設(shè)計(jì)

電路設(shè)計(jì)和pcb繪制主要由AD13完成。通過(guò)電路將單片機(jī)，網(wǎng)卡模塊，電機(jī)驅(qū)動(dòng)，傳感器等正確地連接在一起，盡量使結(jié)構(gòu)緊湊，并且避免電路干擾。小車(chē)使用兩個(gè)電機(jī)驅(qū)動(dòng)模塊，分別控制小車(chē)兩側(cè)的兩個(gè)輪子的正轉(zhuǎn)和反轉(zhuǎn)。由于使用了沒(méi)有舵機(jī)的方案，轉(zhuǎn)向?qū)⒁揽績(jī)蓚?cè)車(chē)輪的差速來(lái)完成。

3智能小車(chē)及其上位機(jī)軟件設(shè)計(jì)

軟件設(shè)計(jì)分為上位機(jī)和下位機(jī)兩部分，上位機(jī)的功能為使用電腦遙控小車(chē)，使其完成前進(jìn)，后退，左轉(zhuǎn)，右轉(zhuǎn)等動(dòng)作；下位機(jī)的功能包括自動(dòng)尋跡和自動(dòng)避障兩部分。

3.1 上位機(jī)設(shè)計(jì)

上位機(jī)由labview編寫(xiě)，界面由網(wǎng)絡(luò)端口號(hào)設(shè)置，IP地址設(shè)置和控制按鍵組成。通過(guò)上位機(jī)的按鍵，可以實(shí)現(xiàn)控制小車(chē)前進(jìn)，后退左轉(zhuǎn)和右轉(zhuǎn)。

上位機(jī)通信是由PC機(jī)、無(wú)線(xiàn)路由器、智能小車(chē)網(wǎng)卡三部分共同實(shí)現(xiàn)的，基于TCP/IP通信協(xié)議。其中PC機(jī)是客戶(hù)端，而智能小車(chē)是服務(wù)器，無(wú)線(xiàn)路由器擔(dān)任兩者的通信媒介，每個(gè)模塊分別有指定的IP地址，通過(guò)wifi相連接。上位機(jī)通過(guò)PC機(jī)的網(wǎng)絡(luò)端口將數(shù)據(jù)發(fā)送到無(wú)線(xiàn)路由器，無(wú)線(xiàn)路由器將收到的數(shù)據(jù)轉(zhuǎn)送到小車(chē)網(wǎng)卡的IP地址上，從而實(shí)現(xiàn)上位機(jī)到小車(chē)網(wǎng)卡的單向通信。當(dāng)操作者需要對(duì)小車(chē)執(zhí)行不同的遠(yuǎn)程操作時(shí)，只要通過(guò)點(diǎn)擊PC端上位機(jī)的相應(yīng)按鍵，電腦就會(huì)通過(guò)WiFi網(wǎng)絡(luò)向小車(chē)發(fā)送一個(gè)特定字符串，小車(chē)接收并識(shí)別出命令后就會(huì)執(zhí)行相應(yīng)的運(yùn)動(dòng)。

3.2 下位機(jī)設(shè)計(jì)

下位機(jī)即小車(chē)，由單片機(jī)進(jìn)行控制?？刂瞥绦虻木帉?xiě)和調(diào)試由IAR完成。

3.2.1 尋跡算法

尋跡算法的主要內(nèi)容是圖像處理，即從攝像頭所采集到的數(shù)字圖像信號(hào)中提取出路徑信息。本文的實(shí)驗(yàn)道路為符合飛思卡爾大賽攝像頭組和光電組規(guī)定的標(biāo)準(zhǔn)道路，由白色KT板制成，道路寬45cm，邊界由寬3cm的黑色膠帶標(biāo)識(shí)。作為真實(shí)道路的簡(jiǎn)化，該模型即具有道路兩側(cè)邊界的特征，又簡(jiǎn)化了邊界的識(shí)別工作，方便圖像算法處理。

圖像處理的目的即由道路的邊線(xiàn)提取出合適的行駛路徑，一般為道路的中央，稱(chēng)之為道路中線(xiàn)。而要得到中線(xiàn)，首先要識(shí)別出道路的左邊界和右邊界。本系統(tǒng)使用ov7725數(shù)字?jǐn)z像頭，可將采集到的圖像直接轉(zhuǎn)化為由0和1組成的2維數(shù)組來(lái)表示圖像的白和黑，通過(guò)二維數(shù)組的地址和值，可以直接得到圖像平面內(nèi)某一點(diǎn)的坐標(biāo)和其黑白值。但僅憑圖像色彩無(wú)法判斷哪些黑點(diǎn)表示道路的左邊界，哪些點(diǎn)表示右邊界。

因此，在調(diào)整攝像頭位置時(shí)，應(yīng)考慮到使近端的道路邊界盡可能清晰，易于識(shí)別。有了這個(gè)基礎(chǔ)之后，利用邊界的連續(xù)性，即可有效可靠地搜索到左邊界和右邊界。具體算法如下：

⑴底部5行逐行從圖像中間開(kāi)始分別向兩側(cè)搜索黑點(diǎn)，當(dāng)發(fā)現(xiàn)連續(xù)數(shù)個(gè)黑點(diǎn)時(shí)，就認(rèn)為判斷到了相應(yīng)的邊界，將坐標(biāo)信息儲(chǔ)存進(jìn)相應(yīng)的數(shù)組。

⑵有了底部左右邊界的起點(diǎn)后，利用算法遍歷與起點(diǎn)相連續(xù)的點(diǎn)，尋找其中的黑點(diǎn)并將其坐標(biāo)存儲(chǔ)至相應(yīng)的數(shù)組。

⑶分別得到左側(cè)邊界和右側(cè)邊界的坐標(biāo)后，將同一行的兩側(cè)邊界坐標(biāo)進(jìn)行平均以得到中線(xiàn)坐標(biāo)。

3.2.2 避障算法

本文使用兩種方式進(jìn)行避障，一為不借助其他傳感器，由攝像頭采集到的圖像中，讀取障礙物信息，二是使用紅外距離傳感器。

根據(jù)飛思卡爾大賽對(duì)障礙物的規(guī)定，障礙物一定是黑色的，可以直接從色彩上識(shí)別出來(lái)。因?yàn)榈缆穼挾纫欢ǎm然由于攝像頭角度關(guān)系，采集到的二維圖像會(huì)有一定的變形，但對(duì)應(yīng)行道路寬度所占據(jù)的像素點(diǎn)數(shù)是一定的，當(dāng)采集到的道路寬度小于應(yīng)有的寬度時(shí)，單片機(jī)就認(rèn)為遇到了障礙。這種方式傳感器簡(jiǎn)單，無(wú)需其他傳感器就能進(jìn)行可靠的判斷，避障信息集成在中心線(xiàn)信息中，但是使圖像處理更加復(fù)雜。

障礙物肯定有一定的高度和體積，通過(guò)合適位置的紅外傳感器能夠簡(jiǎn)單有效地檢測(cè)到障礙物，并且進(jìn)行躲避。

3.3 控制方案

本文使用最普通的pid算法對(duì)小車(chē)的電機(jī)的占空比進(jìn)行控制，使用編碼器反饋車(chē)速，以實(shí)現(xiàn)閉環(huán)控制。控制流程如下（以?xún)H有攝像頭作為傳感器的智能車(chē)為例）：

由于使用了沒(méi)有舵機(jī)的小車(chē)設(shè)計(jì)，實(shí)際輸出時(shí)，會(huì)將同一側(cè)電機(jī)方向控制的修正值和速度控制的修正值相加得到總的修正值之后再輸出至電機(jī)。

3.4 實(shí)驗(yàn)結(jié)果

從實(shí)驗(yàn)結(jié)果看，CCD數(shù)字?jǐn)z像頭能夠有效地進(jìn)行雙色路徑及障礙物的識(shí)別，紅外距離傳感器同樣能夠進(jìn)行障礙物的識(shí)別。具有了wifi通訊功能之后，可以通過(guò)直接通過(guò)電腦對(duì)小車(chē)的行進(jìn)進(jìn)行控制。通過(guò)pid控制，小車(chē)能夠良好地保持預(yù)定的速度，并且能夠通過(guò)差速平滑地進(jìn)行轉(zhuǎn)向和避障。結(jié)合圖像算法和pid控制，小車(chē)能夠自動(dòng)在一般的賽道上準(zhǔn)確沿道路行駛和避障，并保持一定的速度。

4總結(jié)

本文主要研究了通過(guò)CCD攝像頭采集路徑圖像的智能小車(chē)的圖形算法，并且對(duì)使用攝像頭和紅外傳感器避障分別進(jìn)行了分析，同時(shí)對(duì)電腦和小車(chē)之間的WiFi網(wǎng)絡(luò)的建立進(jìn)行了研究。通過(guò)使用無(wú)線(xiàn)路由器搭建WiFi網(wǎng)絡(luò)，使小車(chē)和電腦處于同一局域網(wǎng)中，實(shí)現(xiàn)了通過(guò)電腦對(duì)小車(chē)行駛方向進(jìn)行控制。并且實(shí)現(xiàn)了以CCD攝像頭作為循跡傳感器的智能小車(chē)的自動(dòng)循跡及避障功能，也實(shí)現(xiàn)了通過(guò)紅外進(jìn)行自動(dòng)避障的功能。

[參考文獻(xiàn)]

[1]徐友春,章永進(jìn),王肖,等.智能車(chē)的研究現(xiàn)狀與發(fā)展趨勢(shì)[C].第六屆中國(guó)智能交通年會(huì)暨第七屆國(guó)際節(jié)能與新能源汽車(chē)創(chuàng)新發(fā)展論壇論文集.2011:129-134.

[2]R.Bishop.Intelligent vehicle applications worldwide.IEEE Intelligent Systems and Their Applications,2000,15(1):78-81.

[3]D.A.Pomerleau,T.M.Jochem.Rapidly adapting machine vision for automated vehicle steering.IEEE Expert,1996,11(2).

[4]C.Urmson,J.Anhalt,D.Bagnell,et al.Autonomous driving in urban environments:Boss and the urban challenge.Journal of Field Robotics,2008,25(8):425-466.

[5]A.Broggi,M.Bertozzi,A.Fascioli.The 2000 km test of the ARGO vision-based autonomous vehicle.IEEE Intelligent Systems, 1999,55-64.

[6]A.Broggi,M.Bertozzi,A.Fascioli,et al.Automatic vehicle guidance:the experience of the ARGO vehicle.World Scientific. Singapore,1999.

[7]M.Maurer,R.Behringer, F.Thomanek,et al.A compact vision system for road vehicle guidance. Proceedings of the 13th International Conference on Pattern Recognition.Vienna, Austria,1996.

[8]王榮本,張榮輝,金立生.區(qū)域交通智能車(chē)導(dǎo)航控制技術(shù).農(nóng)業(yè)機(jī)械學(xué)報(bào),2007,38(7):39-42.