呂博新　岳歡　陳鵬　陳瑜　姚敏

【摘 要】本文針對(duì)視頻巡檢的需求，設(shè)計(jì)出一套具有避障功能的視頻巡檢車，按規(guī)劃路線進(jìn)行巡查與拍攝，通過單目測(cè)距算法實(shí)現(xiàn)自動(dòng)避障并將圖像數(shù)據(jù)傳回控制平臺(tái)。通過多組實(shí)驗(yàn)，驗(yàn)證了小車工作及算法的有效性。

【關(guān)鍵詞】巡檢小車；自動(dòng)避障；單目測(cè)距算法

中圖分類號(hào)： TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2017）20-0099-002

Design of Intelligent Video Surveillance Vehicle

LV Bo-xin YUE Huan CHEN Peng CHEN Yu YAO Min

（School of Electronic and Information Engineering， North China University of Technology， Beijing 100144， China）

【Abstract】In this paper， a design of intelligent video surveillance vehicle with obstacle avoidance is proposed. The vehicle can capture video on a fixed route， avoid obstacle automatically by monocular ranging algorithm and send data to the system platform. The experimental results show that the proposed design is effective.

【Key words】Video surveillance vehicle； Avoiding obstacle automatically； Monocular ranging algorithm

0 引言

隨著科技發(fā)展，可移動(dòng)視頻平臺(tái)的應(yīng)用日益廣泛，例如各種智能機(jī)器人、無人駕駛、智能導(dǎo)航車等。這類移動(dòng)拍攝平臺(tái)多為四輪驅(qū)動(dòng)，在復(fù)雜地形環(huán)境中能較為自如的行駛，然而在房間死角，狹窄的通道里，這些移動(dòng)平臺(tái)因靈活性差而不能很好的完成任務(wù)。研究者進(jìn)行了相關(guān)研究[1-4]，例如，高正中等人提出基于攝像頭的智能車控制系統(tǒng)[5]。王立玲等人提出智能車的路徑識(shí)別及控制策略算法[6]。本文結(jié)合相關(guān)研究進(jìn)展，研制了具有避障功能的智能視頻巡檢車，小車采用PID控制的二輪驅(qū)動(dòng)，體積小，靈活性高，可通過圖像和超聲波傳感器探測(cè)障礙物，能夠在人或者其他設(shè)備無法到達(dá)的監(jiān)控地段執(zhí)行巡檢任務(wù)。

1 系統(tǒng)方案

智能視頻巡檢小車系統(tǒng)由CMOS攝像頭、供電模塊、LCD顯示、電機(jī)驅(qū)動(dòng)模塊、STM32單片機(jī)和計(jì)算機(jī)組成。

此巡檢小車選擇STM32F103C作為核心控制處理器，供電模塊同時(shí)給CMOS攝像頭和STM32單片機(jī)供電。當(dāng)CMOS攝像頭和計(jì)算機(jī)在同一網(wǎng)段，計(jì)算機(jī)通過無線網(wǎng)獲取攝像頭視頻數(shù)據(jù)，然后進(jìn)行圖像處理，將避障結(jié)果通過無線網(wǎng)傳到STM32單片機(jī)中。STM32控制電機(jī)模塊做出相應(yīng)操作。LCD模塊負(fù)責(zé)顯示小車的狀態(tài)信息。

當(dāng)小車上電后，首先對(duì)控制模塊進(jìn)行初始化，檢測(cè)此時(shí)小車的狀態(tài)是否處于正常工作狀態(tài)，然后采用PID算法控制小車電機(jī)。小車控制流程圖如1所示。

2 算法實(shí)現(xiàn)

2.1 PID算法

本系統(tǒng)利用PID算法實(shí)現(xiàn)小車自平衡[7-9]，PID控制器根據(jù)系統(tǒng)的誤差，利用比例、積分、微分計(jì)算出控制量實(shí)現(xiàn)控制小車平衡。其中PD控制小車直立；PI控制對(duì)編碼器數(shù)據(jù)進(jìn)行低通濾波，削弱電機(jī)控制的比重，提高系統(tǒng)穩(wěn)定性；轉(zhuǎn)向控制結(jié)合了Z軸陀螺儀PD控制。

本文采用直立PD控制，速度PI控制和轉(zhuǎn)向控制進(jìn)行偏差調(diào)節(jié)，在平衡PID控制中輸入?yún)?shù)是角度和角速度，通過PD算法，最后輸出一個(gè)控制PWM值。作用是保持平衡車直立狀態(tài)。在速度環(huán)控制中輸入?yún)?shù)是左右輪編碼器數(shù)據(jù)，通過PI算法，輸出一個(gè)控制速度PWM值，以修改小車前進(jìn)后退速度。在轉(zhuǎn)向環(huán)控制中輸入?yún)?shù)是左右編碼器和z軸陀螺儀數(shù)據(jù)，通過PD算法，最后輸出控制轉(zhuǎn)向PWM值。

2.2 單目避障原理

本系統(tǒng)使用單目避障算法實(shí)現(xiàn)小車避障功能，單目避障算法基于單目測(cè)距技術(shù)[10]，即僅使用單個(gè)攝像頭實(shí)現(xiàn)測(cè)距。

2.2.1 避障流程

計(jì)算機(jī)從CMOS攝像頭獲取圖像后，進(jìn)行幀間差分處理，分析得出障礙物距離，判斷是否大于安全距離，最后通過網(wǎng)絡(luò)傳輸將避障信息傳送給小車，讓其采取相應(yīng)措施。

2.2.2 障礙物距離獲取原理

本系統(tǒng)采用CMOS攝像頭。因?yàn)楸苷衔矬w遠(yuǎn)大于透鏡直徑，該攝像頭成像模型可近似看成小孔成像。假設(shè)攝像機(jī)焦距為f，CMOS像元寬度為u，物體高度L ，距離攝像機(jī)距離為D，物體成像像素個(gè)數(shù)為N，根據(jù)小孔成像原理可得：

通過（1）式，根據(jù)物體像素大小，可計(jì)算出物體與小車之間的距離D。

3 實(shí)驗(yàn)結(jié)果

3.1 小車直立PD控制

在直立PD控制中，經(jīng)過試驗(yàn)，當(dāng)Kp=300，Kd=1時(shí)PD控制效果最佳，小車的晃動(dòng)幅度最小。圖2是采用上述參數(shù)在仿真出的實(shí)驗(yàn)數(shù)據(jù)：初值預(yù)期角度5度，在三百次運(yùn)算后誤差降為1.94%。

3.2 障礙物距離獲取

本系統(tǒng)采用焦距f=3.6mm，像元寬度s=4.9μm攝像頭。由式（1）可得出障礙物距離與像元個(gè)數(shù)的關(guān)系曲線，如圖3所示。

由圖3-a）可知，隨著障礙物距離的減小，像元個(gè)數(shù)在增加，且距離越近，單位距離內(nèi)增加的像元個(gè)數(shù)越多。即通過判斷像元個(gè)數(shù)差分的值判斷障礙物的距離。當(dāng)物體高50cm時(shí)，規(guī)定安全距離為1m，即該像元的差分的值在3.6時(shí)，需要小車采取避障措施。endprint

當(dāng)像元個(gè)數(shù)均為100時(shí)，高50cm的物體，距離約為3米；高10cm的物體，距離為0.7m，即在安全距離時(shí)，高度不同的物體所占像元數(shù)和像元的差分值均不同。將圖3-b）中各點(diǎn)連成平滑曲線，可計(jì)算出其斜率k=0.072。

綜上所述，當(dāng)物體大小不同時(shí)在相同位置時(shí)的像元數(shù)不同，所以判斷障礙物距離時(shí)需考慮幀間的像元差分值，且像元的差分值和物體的高度成正比，當(dāng)檢測(cè)到像元差分值大于k*L時(shí)，即此時(shí)物體距離平衡車為1m，計(jì)算機(jī)需要向平衡車發(fā)出指令，讓平衡車采取避障策略。經(jīng)過實(shí)驗(yàn)，通過單目避障算法，可實(shí)現(xiàn)小車避障。

4 總結(jié)

本文以兩輪平衡車為研究對(duì)象，用攝像頭作為視覺傳感器，研究其行進(jìn)過程中的自平衡和避障問題。本系統(tǒng)通過PID算法實(shí)現(xiàn)小車平衡控制。將攝像頭近似為小孔成像模型，因大小不同的物體在不同物距時(shí)有可能所占像元數(shù)相同，故利用幀間差分法獲取障礙物與小車間的距離，實(shí)現(xiàn)自動(dòng)避障。由于幀間差分法的局限性，無法對(duì)該障礙物進(jìn)行識(shí)別，下一步工作是采用圖像識(shí)別算法和特征點(diǎn)匹配的方法，提高測(cè)距算法的精度，以提升系統(tǒng)工作的穩(wěn)定性。

【參考文獻(xiàn)】

[1]劉嘉豪，劉海剛，張建偉，關(guān)天洛.智能車圖像處理與識(shí)別算法研究[J].工業(yè)控制計(jì)算機(jī).

[2]李旭東，廖中浩，孟嬌.基于CMOS攝像頭的智能車控制系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[J].吉林大學(xué)學(xué)報(bào)（信息科學(xué)版）.

[3]陳孟元，孫書誠，王虎.基于圖像識(shí)別的尋跡智能車設(shè)計(jì)[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)）.

[4]高月華.基于紅外光電傳感器的智能車自動(dòng)尋跡系統(tǒng)設(shè)計(jì)[J].半導(dǎo)體光電.

[5]高正中，趙麗娜，李世光，白星振，宋森森.基于攝像頭的智能車控制系統(tǒng)設(shè)計(jì)[J].自動(dòng)化與儀表.

[6]王立玲，王建成，白躍.基于OV7620智能車的路徑識(shí)別及控制策略[J].河北大學(xué)學(xué)報(bào)（自然科學(xué)版）.

[7]肖文健，李永科.基于增量式PID控制算法的智能車設(shè)計(jì)[J].信息技術(shù).

[8]楊曉嵐.PID算法在智能車中的應(yīng)用[J].實(shí)驗(yàn)科學(xué)與技術(shù).

[9]王志飛.基于PID驅(qū)動(dòng)控制算法的智能車遠(yuǎn)程閉環(huán)控制的研究與實(shí)現(xiàn)[D].吉林大學(xué).

[10]羅時(shí)光.基于單目測(cè)距技術(shù)的道路障礙物檢測(cè)方法[J].軟件.endprint