劉云云

（重慶電子工程職業(yè)學院 401331）

1 檢測動態(tài)物體姿態(tài)的測量方法

當前，檢查動態(tài)物體姿態(tài)的測量方法有2種：一種是利用檢查動態(tài)物體的姿態(tài)傳感器完成對被測智能車的各時刻的姿態(tài)測量，安裝姿態(tài)測量傳感器在被測動態(tài)物體內(nèi)，也叫內(nèi)側法；另一種是利用外在設備檢測被測智能車的各種實時數(shù)據(jù)，被稱為外側法或光學測量法。

內(nèi)側法可以分為基于慣性測量單元、GPS導航系統(tǒng)以及太陽方位傳感器等多種測量方法。慣性測量法是沒有依靠外界信號，采用慣性測量單元陀螺儀或加速度計等工具，來確定動態(tài)循跡智能車姿態(tài)參數(shù)的測量方法。這種方法優(yōu)點是實時性比較高，缺點是由于轉動部件裝有陀螺儀，導致它的準備時長偏長，而且抗過載能力不夠、造價偏高且體積偏大等。由于近年來，電子技術在我國取得了長足的進步，很多電子設備越來越小。因此，本次實驗以主中央微控單元：STM32F103ZET6芯片作為核心主控。

GPS導航系統(tǒng)測量也是常用于運動物體的方法，具有可以縮減體積、便于攜帶、提高精度及價格低廉等特點。但是，它也存在缺點，室內(nèi)不能使用它測量，只能用于室外，測量次數(shù)和頻率偏低，GPS的信號對測試結果影響較大等缺點。所以，這種測量方法不適于與本次循跡智能車測試。

太陽方位傳感器也是一種測量運動物體的方法，這種方法已經(jīng)適用于彈箭飛行的姿態(tài)參數(shù)測試中，并且取得了很好的效果。但其不足是受到自然條件影響很大，而且安裝繁瑣，應用局限很大，只能用于旋轉軸穩(wěn)定的旋轉體，因此本次實驗同樣不適用這種方法。

2 循跡智能車整體結構與設計與循跡智能車軟件系統(tǒng)

2.1 智能車整體結構與設計

循跡智能車車體是以底盤組裝基礎，采用前輪轉向結構和后輪驅(qū)動的結構。本次實驗設計循跡智能車行駛在水平的KT板賽道上，仰俯角在合理范圍內(nèi)，在賽道有一段平穩(wěn)過渡，所以本次實驗需要將前輪支撐架稍微墊高，并且需要將底盤和后輪軸適當增大。這樣做可以降低循跡智能車整體高度，從而降低重心提升循跡智能車運行時候的穩(wěn)定性[1]。根據(jù)賽道情況把前輪調(diào)整了大約5°的主銷后傾角，2°的前束角和內(nèi)傾角。這樣的設計有利于提高循跡智能車的平穩(wěn)性能。

2.2 傳感器的位置分布與安裝

本次實驗需要在攝像頭底座安裝舵機來控制攝像頭的俯仰角，攝像頭的俯仰角決定了照射距離和范圍，所以攝像頭的俯仰角在本次實驗中很重要。并且需要把CCD攝像頭設定選取在合適的位置，這樣就能擴大采集橫向路面信息角度范圍，更有利于實現(xiàn)。

2.3 循跡智能車軟件系統(tǒng)

軟件是底層驅(qū)動，硬件為抽象層，上層運用算法函數(shù)、中層運用服務函數(shù)，結合適調(diào)試用人機相互處理組成。這種軟件結構有利于傳承技術的持續(xù)進步，已得到了良好的驗證（圖1）。

3 道路識別系統(tǒng)

3.1 道路識別系統(tǒng)和機器視覺系統(tǒng)

由于攝像頭幀率可以達到很高，這就要求執(zhí)行效率較高才能夠處理。如圖2所示為識別系統(tǒng)的黑白圖片展示。

測試賽道標識線（黑膠帶）貼在白色賽道板兩側，識別白色的區(qū)域，就可以區(qū)分出賽道。計算出道路行駛路徑后，運用單目測距算法，還可以初步確定彎道和循跡智能車的距離與賽道彎道的轉彎直徑。

3.2 循跡智能車道路識別

圖1智能車軟件分層設計結構

圖2 道路識別系統(tǒng)識別的道路信息

通過多次的循跡智能車實驗，還有相互對比實驗結構以及現(xiàn)場狀況，找出了引導線的特點。把其特點整理為數(shù)學模型，再比對特點信息，可以決定當前的策略應該適用哪一種速度和轉彎的轉向決定。而且循跡智能車的賽道設有起跑線和終點線，循跡智能車可以根據(jù)圖像識別系統(tǒng)自動倒計時發(fā)車和停車。

3.3 循跡智能車姿態(tài)控制和閉環(huán)控制

可根據(jù)循跡智能車道路識別功能提取到的結果判斷道路的類型，并通過根據(jù)目前循跡智能車運行狀態(tài)和以前的運行狀態(tài)，從而決定出應該的控制策略，然后再結合STM32F103ZET6芯片系統(tǒng)處理器生成速度和轉彎角度的預期數(shù)值[2]。

4 優(yōu)化控制系統(tǒng)

循跡智能車行駛過程中，攝像頭可以獲取道路信息，通過圖像處理系統(tǒng)和道路識別系統(tǒng)、循跡智能車控制路途規(guī)劃和生成策略、傳感器反饋行駛信息優(yōu)化修正以及合理輸出控制等階段。因此控制系統(tǒng)對于循跡智能車這個實驗來說非常重要，要優(yōu)化控制系統(tǒng)，以便于循跡智能車實驗的成功。

4.1 循跡智能車對于賽道的識別以及優(yōu)化控制

常見的循跡智能車道路類型有十字交叉賽道、大小S賽道、筆直賽道及大彎道等。如果定義大S賽道作為常規(guī)控制策略，小S賽道的駝機就是減少它的擺動幅度，讓其反應變得遲鈍，會出現(xiàn)近路通過的情況。但是大直道賽道作為加速是很好的時機，機器的PID比例會減少很多，這樣可以減少循跡智能車高速行駛的時候車身擺動幅度，同時電機加速也是比較適合。連續(xù)的循跡智能車轉彎或者大直道賽道，可以看更遠的循跡智能車道路進入轉彎預判提前加速，或者提前變換到賽道外側，有利于通過轉彎。

因為循跡智能車道路引導線是分布在循跡智能車的兩側，當循跡智能車通過類似于十字交叉這種路段的時候，有可能丟失賽道標識，導致失去控制。因此，如果發(fā)現(xiàn)某一段十字交叉賽道，就要提前鎖定道路。因為如果賽道識別不足或者失敗，循跡智能車就會失去控制，導致行盲通過賽道，直到可以識別出轉彎特點的賽道時。

4.2 循跡智能車識別仰俯角和上下坡的賽道策略

循跡智能車在上坡路段的時候，仰角會發(fā)生很明顯的增加與減少，還有明顯的循跡智能車轉動角速度。所以循跡智能車在加速或者減速等這些不是存在慣性系的時候，還是可以進行判斷。

循跡智能車在上坡路段的時候，循跡智能車的攝像頭向上揚起，導致循跡智能車的圖像處理系統(tǒng)不能夠識別上坡道。所以，在上坡時車輛識別系統(tǒng)采用的是近處的識別方式，使循跡智能車速度不變通過上坡。這種上坡賽道的路段和大直道賽道相差不大，可以按照大直道賽道時候的情況處理。當循跡智能車行駛到下坡路段的時候，相反的需要把下坡速度設置稍低一些，以免沖出道路。

4.3 循跡智能車防止側翻

為了在彎道時能夠穩(wěn)定通過，在實驗時可適當降低速度，并且當發(fā)現(xiàn)循跡智能車如果傾斜的時候，控制循跡智能車降速。

5 結束語

在多次循跡智能車的實驗和總結中，通過對控制的多次優(yōu)化，提高了循跡智能車的運行速度、平穩(wěn)性以及控制水平。同時，在實驗中，賽道摩擦力較大的時候，循跡智能車過彎速度太快也可能造成循跡智能車的翻車。通過改寫相應的控制方法，保證循跡智能車通過彎道時的平穩(wěn)性和安全性。