邰玉民,耿艷峰,張朋舉,潘　浩,劉建幫

(中國石油大學(華東)　信息與控制工程學院，山東 青島　266580)

?

基于攝像頭的直立自平衡智能車設計

邰玉民,耿艷峰,張朋舉,潘浩,劉建幫

(中國石油大學(華東)信息與控制工程學院，山東 青島266580)

設計直立行走式循跡智能車的機械及控制系統(tǒng)；系統(tǒng)選用微控制器MK60為控制核心，利用陀螺儀和加速度傳感器，采用互補濾波的方法計算車體的角度和角速度，通過比例微分算法控制智能車車輪的加速度來抵消車模運動傾向，實現智能車直立；單片機通過模擬攝像頭進行賽道圖像捕捉，采用邊沿檢測算法識別賽道中心線，計算與設定值的偏差，進而控制左右兩個電機產生速度差，完成智能車的轉向;經測試，智能車能夠在保持直立同時，完成賽道識別，且運行平穩(wěn)快速。

智能車；直立控制；PID算法；路徑識別

0　引言

遵循于第九屆全國大學生智能汽車競賽技術規(guī)范，在D型車模機械結構的基礎上，選擇MK60處理器[1]為控制核心，完成周邊包括電源模塊、驅動模塊、速度模塊和直立模塊設計，并配合軟件編程實現智能車的直立和循跡。

1　智能車整體結構

智能車由D型車模改裝，機械結構如圖1所示。傾角傳感器包括陀螺儀和加速度傳感器，陀螺儀水平安裝，防止轉彎過程中會出現加減速的現象。電池按放于底部，降低重心，提高智能車的過彎和高速通過路障區(qū)的性能；攝像頭采用高強度、低質量的碳素纖維桿與智能車相連，安放于模型車直立的最高點，保證有一定的前瞻，有利于對賽道的及時反應和減少賽車前方盲區(qū)；為了保護智能車和傳感器，增添了防撞保護裝置。

圖1　智能車機械實物圖

2　智能車控制原理

從智能車控制角度來看，控制對象為智能車車體，控制輸入量是左右兩個電機的轉動速度。車模運動控制可由以下3個基本控制任務[2]組成。

1)直立控制：根據車模角度和角速度，控制電機的正反轉保持智能車平衡?？刂撇呗詾镻D控制。

2)速度控制:在智能車保持平衡的基礎上，根據車模采集到的電機轉速和速度設定值，計算電機的控制量改變傾角，最終實現智能車按要求速度行駛。采用增量式PID控制策略。

3)方向控制:根據車模采集到圖像的中心值計算出兩電機轉速差以實現轉向?？刂撇呗詾镻D控制。

2.1直立控制

兩輪直立智能車模型與倒立擺相似；設智能車高度為L，質量為m，將倒立擺至于可水平移動的小車上，如圖2所示。

圖2　倒立擺受力分析

假設外力干擾引起的角加速度為x(t)，方向垂直于車體，沿該方向進行受力分析，可得到智能車運動微，分方程表達式為：

(1)

當傾角θ很小的時候，可以進行線性化處理：cos(θ)≈1、sin(θ)≈θ ，運動微分方程可簡化為：

(2)

對其進行拉式變換，可得到系統(tǒng)輸入輸出傳遞函數：

(3)

根據牛頓第二定律，為實現倒立擺模型在垂直位置的穩(wěn)定，應施加額外的受力,使得恢復力與位移方向相反才行，來源為車輪與地面的摩擦力。大小是根據角度θ及角速度θ′的反饋得出，因此需要在控制系統(tǒng)中引入角度θ及角速度θ′構成比例(P)微分(D)反饋環(huán)節(jié)，如圖3所示。

圖3　比例微分環(huán)節(jié)后的控制系統(tǒng)結構圖

加入比例微分反饋后的系統(tǒng)傳遞函數為：

(4)

測量車體的角度和角速度，經過篩選，選擇陀螺儀ENC-03和加速度傳感器MMA7260：采用互補濾波的方法，利用加速度傳感器所得到的角度對陀螺儀測量到的角度進行校正，如圖4所示。

圖4　互補濾波

陀螺儀利用了旋轉坐標系中的物體會受到科式力影響的原理，測量出智能車的角速度，加速度傳感器利用重力加速度產生的分量，得出智能車的傾斜角度；但加速度計易受外界干擾，采用互補濾波后角度輸出更加平滑，消除外界干擾，使得輸出的角度信號跟蹤上智能車的實際角度，利于智能車運行過程中的穩(wěn)定，波形如圖5所示。

圖5　互補濾波效果圖

直立控制過程中，PD參數的整定，采用實驗法，先比例后微分的原則，在經過反復的實驗后，最終比例參數設定為145，微分參數設定為4，由于對角度和角速度進行了歸一化，歸一化系數是0.22，所以實際上比例參數k1=31.9,微分參數k2=0.88，但考慮到k1>g,k2>0只是在理想狀態(tài)下求得的，實際情況下還要把機械結構等因素考慮內，比例參數k1和微分參數k2會相對大點，所以實際情況符合理論分析得到的結論。

2.2速度控制

速度控制的核心是形成速度閉環(huán)，選擇歐姆龍編碼器作為反饋單元，每周輸出500個脈沖，將編碼器的脈沖輸出端接入單片機的I/O口，再由內部的程序處理信號，便能比較準確地測量出智能車的運行速度，再通過單片機進行反饋，就能形成一個速度控制閉環(huán)，通過PID控制，實現智能車按照給定速度行駛。如圖6所示。

圖6　速度控制算法框圖

直立智能車的速度控制比四輪智能車的速度控制要復雜，原因在于在速度控制過程中，要時刻保持智能車的直立，在車模直立控制下，為了能夠有一個往前的傾斜角度，車輪需要往后運動，這樣會引起車輪速度下降。由于普通四輪智能車采用負反饋，使得車模往前傾角需要更大。如此循環(huán)，車模很快就會傾倒。原本利用負反饋進行速度控制反而成了“正”反饋。

為了使智能車在速度控制過程中保持直立，將速度控制量的極性設為負，和通常速度反饋控制的極性“恰好相反”，此時智能車為了保持直立，將驅動車體向前運動，實現加速目的，考慮到速度控制過程中要保持直立，如果在行駛過程中進行加減速，不利于直立車穩(wěn)定，所以在運行過程中直立車速度設為恒定值，全程勻速運駛。

2.3方向控制

方向控制依靠攝像頭對賽道的實時采集，選用模擬攝像頭OV5116, 攝像頭輸出為PAL制式，PAL制式信號每秒鐘掃描25 幅圖像，每幅圖像分為奇、偶兩場，奇場在前、偶場在后，所以每秒鐘掃描50場圖像，保證圖像采集的實時性，利于智能車對賽道的及時反應。PAL制式如圖7所示。

圖7　PAL信號組成

PAL制式的信號線包括場中斷信號，行中斷信號和視頻信號，并不能直接連接單片機，需要用視頻處理模塊對信號分離，分離出場中斷信號、行中斷信號和視頻信號；單片機利用外部中斷觸發(fā)的方式采樣圖像數據，當新的一場到來時,單片機采集到下降沿信息進入場中斷,開始采集新的一場圖像;當單片機捕捉到行同步信號后就進入行中斷處理程序,開始AD采集圖像信息，并存儲在二維數組內。

攝像頭OV5116的分辨率為352×288，每一場采集的行數和列數越多越好，但是采集的多會影響單片機的處理速度，且賽道只有黑白兩色，圖像采集的目的在于提取黑色邊緣線，所以并不需要提取所有的信息，最終方案決定每一場采集80行，150列[4]。圖8是障礙賽道。

圖8　障礙賽道

通過邊緣檢測法，提取賽道兩邊黑線的位置，并求出賽道中心線的位置，將中點設定值減去每行中心線位置作為偏差，為了使智能車對賽道實時作出反應，采用加權平均，近處權重大，遠處權重小，如表1所示。

表1　行數權重表

得到總偏差后采用PD控制得到方向控制信號，同直立控

制信號和速度控制信號結合，實現智能車的循跡功能。

2.4直立、速度、方向融合控制

傳統(tǒng)的方法是將智能車模的直立控制、速度控制以及方向控制都是在1 ms中斷程序中完成。使用PIT定時中斷模塊完成1 ms中斷設置，實現智能車直立，但在實際過程中智能車姿態(tài)控制1 ms中斷與攝像頭信息采集中斷存在相互干擾的問題，影響直立控制并對攝像頭采集產生負面效果，如圖9(左)所示，此時賽道不完整且沒有計算出賽道中心線。

為解決相互干擾的問題，將智能車模的直立控制、速度控制以及方向控制放在while循環(huán)內，并加1 ms延遲，此時程序中僅有攝像頭中斷，不存在干擾問題，也保證了圖像信息的完整性，如圖9(右)所示，圖像完整并有中心線。

圖9　賽道采集圖

3　結論

本文在查閱在大量資料后，設計出直立循跡系統(tǒng)，利用陀螺儀、加速度傳感器和攝像頭采集外部信號，通過直立控制、速度控制和方向控制實現智能車的直立循跡功能，隨著智能車的不斷改進和優(yōu)化，智能車穩(wěn)定性好，速度達到2 m/s，能實現多種賽道類型的識別和循跡，達到預期的效果。

[1]王宜懷，吳瑾，蔣銀珍.嵌入式系統(tǒng)原理與實踐[M]. 北京：電子工業(yè)出版社，2012.

[2] 競賽秘書處.直立行走參考方案2.0[Z]. 2012,64-69.

[3] 胡壽松.自動控制原理[M]. 北京：科學出版社，2007.

[4] 吳吟簫，第虹，王新生．基于黑白攝像頭的智能小車路徑識別系統(tǒng)設計[J]．信息技術與信息化，2009(2)：42-45.

Design of Upright Self-balancing Smart Car Based on Camera Sensor

Tai Yumin, Geng Yanfeng, Zhang Pengju, Pan Hao， Liu Jianbang

(College of Information and Control Engineering,China University of Petroleum ,Qingdao266580,China)

Design of mechanical and control system of walking upright type smart car. The system employs MK60 as the main controller, with the gyro sensor and acceleration sensor together, using complementary filter methods to measure the tilt angle and angular velocity of the smart car.，Using the PD algorithm to control the smart car wheel acceleration to offset the car movement tendency, realize the smart car upright．MK60 array camera sensor, through the edge detection algorithm to analysis of the center line and calculate deviations with the set value, then control the two left and right motor speed difference, to realize appropriate direction of the intelligent car. After testing, the smart car to stay upright at the same time, complete identification of the track, and runs smooth and fast.

smart car; upright control; PID algorithm; path recognition

2015-07-02；

2015-08-27。

邰玉民(1990-)，男，山東臨沂人，碩士研究生，主要從事檢測技術與自動化方向的研究。

1671-4598(2016)01-0099-03

10.16526/j.cnki.11-4762/tp.2016.01.027

TP302.7

A