邢強(qiáng) 虞凱西 谷玉之

摘 要： 為實(shí)現(xiàn)智能車在狹長通道內(nèi)的避障，提出基于距離的間距平衡避障策略：控制小車沿兩障礙物間距的中點(diǎn)方向前進(jìn)，沿中間平衡通過。小車以STC12C5A60S2為主控單元，將兩超聲波測距傳感器對稱、垂直分布在車頭前進(jìn)方向；根據(jù)檢測距離，單片機(jī)PCA模塊產(chǎn)生PWM波控制舵機(jī)轉(zhuǎn)向，實(shí)現(xiàn)無碳小車避障。該方法模仿生物視覺避障，建立基于距離參數(shù)構(gòu)建間距平衡策略，實(shí)現(xiàn)在狹長通道下的單片機(jī)控制的實(shí)時避障，具有運(yùn)算量小、運(yùn)動靈敏、運(yùn)行穩(wěn)定等特點(diǎn)。實(shí)驗(yàn)表明，間距平衡避障策略，方法簡單，并能有效實(shí)施實(shí)時避障。

關(guān)鍵詞： 間距平衡； 避障策略； 超聲波測距傳感器； 生物視覺； 無碳小車； STC12C5A60S2

中圖分類號： TN752.6?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）20?0097?03

Abstract： A distance?based spacing equilibrium obstacle avoidance strategy is proposed to realize obstacle avoidance of the intelligent vehicle running in the long narrow lane. The controlled vehicle moves ahead along the midpoint of the spacing between two obstacles， and passes in equilibrium. STC12C5A60S2 is taken as the main control unit of the vehicle， and two range?finding ultrasonic sensors are symmetrically and vertically installed on the head of the vehicle at the forward motion direction. The PCA module of the SCM generates PWM waves to control the rotation direction of the steering mechanism according to the detection distance， and realize obstacle avoidance for the carbon?free vehicle. In this method， biological vision is simulated for obstacle avoidance to establish the spacing equilibrium strategy based on distance parameters， so as to realize real?time SCM controlled obstacle avoidance in the long narrow lane. The method has characteristics of small computation quantity， flexible motion and stable operation. The experimental results show that the spacing equilibrium obstacle avoidance strategy is simple， and can effectively implement real?time obstacle avoidance.

Keywords： spacing equilibrium； obstacle avoidance strategy； range?finding ultrasonic sensor； biological vision； carbon?free vehicle； STC12C5A60S2

0 引 言

傳統(tǒng)移動機(jī)器人避障法中的可視圖法、柵格法、自由空間法等，僅可實(shí)現(xiàn)對障礙信息已知的環(huán)境避障。在智能避障法中，人們以障礙物為約束條件將路徑規(guī)劃轉(zhuǎn)換為一個優(yōu)化問題，研究集中于尋找最優(yōu)序列配置的人工智能算法：如遺傳算法[1]、 神經(jīng)網(wǎng)絡(luò)[2]和其他算法如粒子群（PSO）算法[3]、 Layer?iterative 梯度函數(shù)算法[4]、 基于多項(xiàng)式空間變換方法[5]。這些方法雖然最終可以找到最優(yōu)序列，但都比較耗時，不利于在線操作[6]。

在仿生避障法中，人們提出基于光流的路徑規(guī)劃法[7?10]，通過光流參數(shù)構(gòu)建平衡策略[11?12]，實(shí)現(xiàn)避障，在實(shí)時系統(tǒng)中表現(xiàn)良好。

要實(shí)現(xiàn)基于單片機(jī)的小車實(shí)時避障，需減小傳感器的信號采集量與信號處理量。源自光流參數(shù)路徑規(guī)劃策略，以檢測距離作為避障參數(shù)，構(gòu)建間距平衡的避障策略。實(shí)施中以STC12C5A60S2為主控單元，HC?SR0超聲波模塊為測距傳感器，基于間距平衡避障策略，實(shí)現(xiàn)小車在狹長賽道內(nèi)的智能避障。

1 間距平衡避障法

間距平衡避障策略在于：傳感器檢測左右對稱環(huán)境下的距離，當(dāng)某一側(cè)的偏距較大時，舵機(jī)控制向該側(cè)偏轉(zhuǎn)，控制小車沿兩間距的中點(diǎn)方向前進(jìn)。原理如圖1所示。

圖1中：a，b為兩路超聲波測出的距離；c為由a，b邊構(gòu)成的三角形中∠C的對邊。當(dāng)a=b時，小車前進(jìn)方向?yàn)锳′B邊的中點(diǎn)方向；當(dāng)a，b邊長度發(fā)生變化時，小車前進(jìn)方向依舊為AB邊的中點(diǎn)方向（即保持兩檢測點(diǎn)間距相等）。對于對稱分布的傳感器而言，小車前進(jìn)方向就需要調(diào)整前進(jìn)角度，即為相應(yīng)的偏轉(zhuǎn)角[α]。根據(jù)圖中幾何關(guān)系、阿波羅尼斯定理及三角函數(shù)關(guān)系，得舵機(jī)轉(zhuǎn)角[α]：

此方法能使小車前進(jìn)方向沿著兩測距點(diǎn)的中點(diǎn)方向前進(jìn)，保持間距相等。當(dāng)小車通過障礙物時，兩點(diǎn)間距需要滿足[a2+b2>W]（W為小車的寬度），否則不通過。

2 無碳小車系統(tǒng)設(shè)計(jì)

2.1 無碳小車結(jié)構(gòu)設(shè)計(jì)

設(shè)計(jì)的三輪式電控“無碳小車”，右后輪為驅(qū)動主動輪，由下落砝碼經(jīng)傳動比為4、模數(shù)為1的單級齒輪驅(qū)動機(jī)構(gòu)提供前進(jìn)動力；左后輪為行進(jìn)從動輪，從動輪與驅(qū)動輪間的差速由地面的運(yùn)動約束確定；前輪為轉(zhuǎn)向輪，由舵機(jī)控制實(shí)現(xiàn)轉(zhuǎn)向。兩超聲波傳感器對稱、且相互垂直分布在小車前端，結(jié)構(gòu)與傳感器分布如圖2所示。

2.2 無碳小車的硬件電路設(shè)計(jì)

避障小車采用STC12C5A60S2單片機(jī)為主控芯片，較STC89C52來說，不再進(jìn)行12分頻，運(yùn)行速度比傳統(tǒng)的51單片機(jī)快7～12倍；擁有2路PWM波可當(dāng)作DA使用，和較高的定時器或I/O口的利用率與程序運(yùn)行速度，有助于簡化編程。

測距傳感器采用HC?SR04超聲波測距模塊；兩模塊呈垂直對稱分布，通過P1端口與單片機(jī)連接，實(shí)現(xiàn)兩路超聲波信號采集。該超聲波模塊工作測距原理如下：經(jīng)發(fā)射器發(fā)出8個頻率40 kHz的信號；通過換能器接收反饋信號并產(chǎn)生電壓信號，經(jīng)A/D轉(zhuǎn)換輸出回響信號。單片機(jī)采集超聲波脈沖由傳感器發(fā)出到接收所經(jīng)歷的時間為t，超聲波在空氣中傳播的速度為c，則傳感器與目標(biāo)物間的距離D可表示為：[D=ct2]。

3 基于間距平衡策略的避障實(shí)現(xiàn)

3.1 程序設(shè)計(jì)與實(shí)現(xiàn)

平衡避障法實(shí)現(xiàn)的關(guān)鍵在于：測距傳感器的間距檢測；PWM波實(shí)現(xiàn)[α]舵機(jī)轉(zhuǎn)向的控制。

兩測距模塊的測距程序如圖4a）所示，依次實(shí)現(xiàn)對兩傳感器的信號觸發(fā)與距離判斷。在舵機(jī)轉(zhuǎn)向控制程序中，根據(jù)式（1）獲得航角偏差，通過STC12C5A60S2的PCA模塊實(shí)現(xiàn)PWM波的輸出，舵機(jī)轉(zhuǎn)角信號的輸出與控制程序流程如圖4b）所示。在主程序中，根據(jù)超聲波傳感器測得的距離算出當(dāng)前位置與目標(biāo)位置的航角偏差，判斷左轉(zhuǎn)、右轉(zhuǎn)或直行；通過PCA模塊實(shí)現(xiàn)舵機(jī)對應(yīng)轉(zhuǎn)角的控制，實(shí)現(xiàn)避障操作。

3.2 實(shí)驗(yàn)與結(jié)果

根據(jù)第五屆全國大學(xué)生工程訓(xùn)練綜合能力競賽命題“無碳小車”電控組要求：小車初始重力勢能由在400 mm高度質(zhì)量為1 kg的砝碼提供；賽道總長度30 m，道面寬度1.2 m，賽道邊緣設(shè)有高度為80 mm的道牙擋板；賽道上隨機(jī)設(shè)置多個障礙墻，障礙墻高度約80 mm，相鄰障礙墻之間最小間距為1 m，每個障礙墻長度為60～75 cm不等；設(shè)計(jì)的無碳小車長寬（W×H）分別為150 mm×280 mm；車寬與障礙物的間距符合小車通行條件。

將設(shè)計(jì)的小車放置在起點(diǎn)中點(diǎn)，起點(diǎn)偏障礙一側(cè)，起點(diǎn)遠(yuǎn)離障礙一側(cè)進(jìn)行試驗(yàn)，均能成功避障。無碳小車實(shí)物與避障測試圖如圖5所示。

4 結(jié) 語

為了實(shí)現(xiàn)在狹長通道內(nèi)的避障，提出基于間距平衡的避障策略。該方法基于單片機(jī)和傳感器原理，以STC12C5A60S2單片機(jī)為主控芯片，以HC?SR04為測距傳感器實(shí)現(xiàn)了對舵機(jī)ES08MD的轉(zhuǎn)向角度控制，實(shí)現(xiàn)“無碳小車”的避障測試實(shí)驗(yàn)。實(shí)驗(yàn)是在既定運(yùn)動方向的情況下實(shí)現(xiàn)的，具有一定的局限性；但實(shí)驗(yàn)結(jié)果證明該避障小車與方法能夠很好按照預(yù)期完成避障動作，具有運(yùn)動靈敏、效果好、運(yùn)行穩(wěn)定等優(yōu)點(diǎn)。

參考文獻(xiàn)

[1] 鄭來芳，孫煒，歐陽明華，等.結(jié)合光流和人工勢場的風(fēng)管機(jī)器人避障方法[J].計(jì)算機(jī)工程與應(yīng)用，2016，52（9）：243?247.

ZHENG Laifang， SUN Wei， OUYANG Minghua， et al. Obstacle detection method for duct cleaning robot combining optical flow and artificial potential field [J]. Computer engineering and applications， 2016， 52（9）： 243?247.

[2] ATIA M， NOURELDIN A. Recursive genetic algorithm for robot manipulator motion planning in the existence of obstacles [J]. Recent advances in computer science and information engineering， 2012， 124： 571?581.

[3] ZHANG Q， JI L， ZHOU D， et al. Nonholonomic motion planning for minimizing base disturbances of space manipulators based on multi?swarm PSO [J]. Robotica， 2015， 35（4）： 861?875.

[4] XIE S， WU P， PENG Y， et al. The obstacle avoidance planning of USV based on improved artificial potential field [C]// Proceedings of IEEE International Conference on Information and Automation. Hailar： IEEE， 2014： 746?751.

[5] KORAYEM M H， NAZEMIZADEH M， NOHOOJI H R. Optimal point?to?point motion planning of non?holonomic mobile robots in the presence of multiple obstacles [J]. Journal of the Brazilian Society of Mechanical Sciences and Engineering， 2014， 36（1）： 221?232.

[6] KORAYEM M H， NAZEMIZADEH M， RAHIMI H N. Dynamic optimal payload path planning of mobile manipulators among moving obstacles [J]. Advanced robotics， 2014， 28（20）： 1389?1402.

[7] 張小東，孫國鵬.基于光流的旋翼無人機(jī)障礙物檢測方法[J].測繪與空間地理信息，2017，40（5）：73?77.

ZHANG Xiaodong， SUN Guopeng. Obstacle detection method based on optical flow for rotor UAV [J]. Geomatics & spatial information technology， 2017， 40（5）： 73?77.

[8] 胡覺暉，李一民，潘曉露.改進(jìn)的光流法用于車輛識別與跟蹤[J].科學(xué)技術(shù)與工程，2010，10（23）：5814?5817.

HU Juehui， LI Yimin， PAN Xiaolu. An improved optical flow algorithm in vehicle identification and tracking [J]. Science technology and engineering， 2010， 10（23）： 5814?5817.

[9] 張磊，項(xiàng)學(xué)智，趙春暉.基于光流場與水平集的運(yùn)動目標(biāo)檢測[J].計(jì)算機(jī)應(yīng)用，2009，29（4）：972?975.

ZHANG Lei， XIANG Xuezhi， ZHAO Chunhui. Motion object detection based on optical flow field and level set [J]. Journal of computer applications， 2009， 29（4）： 972?975.

（上接第99頁）

[10] 沈美麗，宋華軍.基于角點(diǎn)檢測的光流目標(biāo)跟蹤算法[J].電子器件，2007，30（4）：1397?1399.

SHEN Meili， SONG Huajun. Optic flow target tracking method based on corner detection [J]. Chinese journal of electron devices， 2007， 30（4）： 1397?1399.

[11] SOUHILA K， KARIM A. Optical flow based robot obstacle avoidance [J]. International journal of advanced robotic systems， 2007， 4（1）： 13?16.

[12] FRANCESCHINI N. Small brains， smart machines： from fly vision to robot vision and back again [J]. Proceedings of the IEEE， 2014， 102（5）： 751?781.