劉寧 劉帥明 任澤 李文鑫

摘 要：精準(zhǔn)的路徑跟蹤是智能車自主駕駛的必要條件，而參考軌跡的生成是實(shí)現(xiàn)精準(zhǔn)路徑跟蹤的前提條件。文章介紹了一種根據(jù)攝像頭采集的圖像提取道路信息并擬合出中心線，使用比例-積分-微分控制使智能車實(shí)現(xiàn)精準(zhǔn)的路徑跟蹤，并使用軟件進(jìn)行仿真，通過(guò)仿真驗(yàn)證其效果并進(jìn)行實(shí)車試驗(yàn)的方法。實(shí)驗(yàn)表明可以實(shí)現(xiàn)一般道路的路徑跟蹤。

關(guān)鍵詞：PID控制;圖像處理;路徑跟蹤

中圖分類號(hào)：U495 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1671-7988（2020）21-29-04

Abstract： Accurate path tracking is a necessary condition for intelligent car self-driving， and the generation of reference track is a prerequisite for achieving accurate path tracking. This article introduces a method to extract road information from the image splendour edited and fit out the centerline according to the image collected by the camera， use the scale- integral-differential control to make the smart car achieve accurate path tracking， and use the software to simulate the effect of the simulation and carry out the real car test. Experiments show that the path tracking of general roads can be achieved.

Keywords： PID control; Image processing; Path following

CLC NO.： U495 ?Document Code： A ?Article ID： 1671-7988（2020）21-29-04

引言

智能汽車（Intelligent Car）是電子計(jì)算機(jī)等最新科技成果與現(xiàn)代汽車工業(yè)相結(jié)合的產(chǎn)物，具有自動(dòng)變速、路徑識(shí)別、甚至自動(dòng)駕駛等功能。智能車（smart car）是以單片機(jī)為核心輔助各種傳感器從而在特定賽道上完成自動(dòng)循跡的汽車。汽車智能化現(xiàn)代汽車發(fā)展的方向之一，通過(guò)對(duì)智能車的研究可以增加對(duì)智能汽車的認(rèn)識(shí)和了解，進(jìn)一步的對(duì)智能汽車控制思想和方式進(jìn)行研究。本文以全國(guó)大學(xué)生智能車競(jìng)賽為背景，介紹一種基于攝像頭的智能車路徑跟蹤與仿真的方法。

1 攝像頭的圖像處理

攝像頭就好比智能車的“眼睛”，它為微控制器提供當(dāng)前的道路信息，可將采集到的圖像信息實(shí)時(shí)的傳給微控制器進(jìn)行處理。[1]本文中攝像頭安裝在車輛縱向平分線上，所采用的攝像頭為MT9V032 CMOS數(shù)字?jǐn)z像頭，其具有全局快門，采集智能車高速運(yùn)動(dòng)下圖像不失真和高動(dòng)態(tài)性能的優(yōu)點(diǎn)。本文中所提到的道路是白色黑邊且其余背景顏色為藍(lán)色啞光，其目的是減少外界干擾并提高攝像頭的識(shí)別率。

如圖2所示為圖像處理的原理。攝像頭所采集到的圖像為灰度圖像且以數(shù)組的形式發(fā)送到單片機(jī)微控制器中，為減少單片機(jī)運(yùn)算量且滿足對(duì)道路識(shí)別的要求，其分辨率設(shè)置為120*188，每隔五行處理一次數(shù)據(jù)。采用 DMA 采集圖像，DMA 采集高速且不經(jīng)過(guò) CPU，這樣便能夠采集更多的有效數(shù)據(jù)。[2]考慮到實(shí)驗(yàn)在室內(nèi)進(jìn)行，因此采用固定閥值對(duì)圖像進(jìn)行二值化處理，對(duì)于中線的提取采用由內(nèi)而外的方法，即從一行的中間像素開始向兩邊比較，由于在黑邊到白邊的過(guò)渡在數(shù)組內(nèi)表現(xiàn)為值的跳變，因此當(dāng)檢測(cè)到跳變時(shí)記錄跳變所在橫坐標(biāo)的數(shù)值，對(duì)記錄左右兩側(cè)的橫坐標(biāo)求平均值即得到道路中線的位置。

2 PID控制

智能車在實(shí)際運(yùn)動(dòng)過(guò)程中其驅(qū)動(dòng)電機(jī)速度是受到單片機(jī)所發(fā)出的占空比（PWM）所影響的，且對(duì)不同電機(jī)給定同一PWM值時(shí)，電機(jī)響應(yīng)時(shí)間也不同;此外，出于對(duì)響應(yīng)的快速性、準(zhǔn)確性和穩(wěn)定性的要求。因此需要對(duì)電機(jī)進(jìn)行算法控制，使其響應(yīng)快速、準(zhǔn)確、穩(wěn)定。為實(shí)現(xiàn)上述目的，故采用較為常用的PID控制。它是一種線性控制器，根據(jù)期望輸入值R（t）與實(shí)際輸出值C（t）構(gòu)成的控制偏差，將偏差按比例、積分和微分通過(guò)線性組合構(gòu)成控制量，對(duì)被控對(duì)象進(jìn)行控制[3]。其基本公式為：

2.1 電機(jī)同步的PID控制

本文中所提到的智能車采用雙電機(jī)后驅(qū)形式，為保證其直線行駛的穩(wěn)定，因此需要對(duì)左右兩驅(qū)動(dòng)電機(jī)進(jìn)行控制。

圖4為電機(jī)同步PID控制的原理圖。在該控制中，利用編碼器形成閉環(huán)控制。單片機(jī)每隔一段時(shí)間讀取一次左右編碼器數(shù)值以檢測(cè)電機(jī)轉(zhuǎn)速，以左右驅(qū)動(dòng)電機(jī)中的一個(gè)電機(jī)作為被控制電機(jī)（圖中以左電機(jī)作為被控電機(jī)），將兩編碼器獲得電機(jī)轉(zhuǎn)速進(jìn)行差值（Error），并將該差值作為控制量，設(shè)置允許最大差值，將實(shí)際得出的差值與允許最大差值進(jìn)行比較，如果實(shí)際得出的差值小于允許最大差值，則不對(duì)電機(jī)進(jìn)行控制，電機(jī)繼續(xù)以上個(gè)周期的占空比（PWM）運(yùn)行;如果實(shí)際得出的差值大于允許最大差值則對(duì)該差值進(jìn)行PID運(yùn)算，運(yùn)算結(jié)果與上周期PWM相加從而對(duì)被控制電機(jī)的占空比進(jìn)行調(diào)整，最終實(shí)現(xiàn)兩電機(jī)的速度差在較小范圍內(nèi)，智能車能夠?qū)崿F(xiàn)直線行駛。

2.2 路徑跟蹤的PID控制

圖5為路徑跟蹤的PID控制原理圖。在對(duì)智能車中的控制中，除去對(duì)驅(qū)動(dòng)電機(jī)進(jìn)行控制外，對(duì)于轉(zhuǎn)向舵機(jī)進(jìn)行控制，對(duì)舵機(jī)的控制關(guān)系到路徑跟蹤的精度。根據(jù)上述，通過(guò)對(duì)數(shù)字圖像的處理提取出道路的中線，中線橫坐標(biāo)與攝像頭中心橫坐標(biāo)的差值表現(xiàn)為車輛運(yùn)動(dòng)方向與道路中線的夾角。因此需要對(duì)舵機(jī)進(jìn)行控制，使車輛運(yùn)動(dòng)方向始終與中線方向一致。對(duì)于舵機(jī)的控制與驅(qū)動(dòng)電機(jī)的控制類似，值得注意的是對(duì)于舵機(jī)的控制參數(shù)調(diào)試與車輛車速和舵機(jī)響應(yīng)速度有關(guān)，當(dāng)車速較快時(shí)，比例系數(shù)應(yīng)作響應(yīng)減小或通過(guò)對(duì)舵機(jī)電平周期的延長(zhǎng)使舵機(jī)響應(yīng)速度降低。車輛在通過(guò)彎道時(shí)，驅(qū)動(dòng)電機(jī)需要降速，因此需要再增加一個(gè)控制器用于彎道控制，從而形成自適應(yīng)PID控制器。處理器根據(jù)不同路況選擇不同控制參數(shù)。

2.3 PID參數(shù)的整定

在PID控制器中，比例（P）、積分（I）、微分（D）控制算法各有作用：比例，反映當(dāng)前系統(tǒng)的基本偏差 e（t），比例系數(shù)大，可以加快調(diào)節(jié)，減小誤差，但過(guò)大的比例會(huì)使系統(tǒng)穩(wěn)定性下降，甚至造成系統(tǒng)不穩(wěn)定;積分，反應(yīng)系統(tǒng)的累計(jì)偏差，使系統(tǒng)消除穩(wěn)態(tài)誤差，提高無(wú)差度，因?yàn)橛姓`差，積分調(diào)節(jié)就進(jìn)行，直至無(wú)誤差;微分，反映系統(tǒng)偏差信號(hào)的變化率e（t）-e（t-1），具有預(yù)見性，能預(yù)見偏差變化的趨勢(shì)，產(chǎn)生超前的控制作用，在偏差還沒(méi)有形成之前，已被微分調(diào)節(jié)作用消除，因此可以改善系統(tǒng)的動(dòng)態(tài)性能。但是微分對(duì)噪聲干擾有放大作用，加強(qiáng)微分對(duì)系統(tǒng)抗干擾不利。特別的，積分和微分都不能單獨(dú)起作用，必須與比例控制配合才能起到較好的作用。

對(duì)于參數(shù)的整定方法主要有兩大類：理論計(jì)算整定法和工程整定法。理論計(jì)算整定法有對(duì)數(shù)頻率特性法和根軌跡法等;工程整定法有湊試法、臨界比例法、經(jīng)驗(yàn)法等。理論計(jì)算整定需要建立系統(tǒng)的數(shù)學(xué)模型進(jìn)而求出參數(shù)，由于在實(shí)際中被控系統(tǒng)的數(shù)學(xué)模型不易得出，因此一般選用工程整定法，直接在過(guò)程控制系統(tǒng)中進(jìn)行現(xiàn)場(chǎng)整定。由于湊試法需要進(jìn)行多輪多次實(shí)驗(yàn)，操作繁瑣，因此本文采用Z-N經(jīng)驗(yàn)法確定具體參數(shù)。具體步驟為首先將控制器設(shè)置為純比例控制，調(diào)節(jié)比例系數(shù)使系統(tǒng)達(dá)到等幅振蕩狀態(tài)，得出此時(shí)的比例系數(shù)Kp和振蕩周期Tu，再根據(jù)表1確定其他參數(shù)值。參數(shù)選定后還需要進(jìn)行微調(diào)使控制更加準(zhǔn)確、快速和穩(wěn)定。特別的，由于舵機(jī)存在較大滯后，因此選用PD控制更加合理。

3 仿真實(shí)驗(yàn)

由于智能車仿真程序具有運(yùn)行效率高、誤差結(jié)果直觀等優(yōu)勢(shì)， 已逐漸成為了車輛運(yùn)動(dòng)參數(shù)調(diào)整的有力工具，清華大學(xué)設(shè)計(jì)了基于光學(xué)攝像頭的智能車仿真程序Plastid。[4]利用仿真程序可實(shí)現(xiàn)道路、車輛的構(gòu)建以及控制策略的仿真和分析。在系統(tǒng)中，道路和賽車模型可直接構(gòu)建，輸入賽道和車輛參數(shù)建立賽道和車輛模型，如圖6、7所示。車輛控制策略文件可由visual C++ 6.0編輯生成dll文件在仿真系統(tǒng)中調(diào)用進(jìn)行仿真實(shí)驗(yàn)。試驗(yàn)結(jié)束后還可以通過(guò)仿真回放的方式觀察車輛控制問(wèn)題。仿真效果良好時(shí)可進(jìn)一步進(jìn)行實(shí)車實(shí)驗(yàn)。

4 總結(jié)

文章從攝像頭圖像處理、PID控制、實(shí)驗(yàn)仿真等三個(gè)方面闡述了一種裝有攝像頭的智能車路徑跟蹤與仿真方法。闡述了一種通過(guò)對(duì)攝像頭所采集的圖像的處理獲得道路中線的方法，并根據(jù)所獲得的道路中線通過(guò)對(duì)車輛采用PID控制可以實(shí)現(xiàn)精準(zhǔn)的路徑跟蹤。通過(guò)實(shí)驗(yàn)仿真能夠驗(yàn)證控制策略的可行性，縮短實(shí)驗(yàn)時(shí)間，減少車輛調(diào)試的工作量;因此我們采用了基于光學(xué)攝像頭的智能車仿真程序Plastid仿真系統(tǒng)。在仿真通過(guò)的情況下進(jìn)行實(shí)車實(shí)驗(yàn)，實(shí)車實(shí)驗(yàn)結(jié)果表明攝像頭圖像處理和PID控制策略的結(jié)合能夠?qū)崿F(xiàn)智能車的精準(zhǔn)路徑跟蹤。

參考文獻(xiàn)

[1] 許耀華，王文宇，宋文鳳.基于攝像頭的無(wú)人駕駛車輛的道路檢測(cè)[J].汽車實(shí)用技術(shù)，2018（04）：35-37+92.

[2] 李永，馮偉峰，李思光，王俊人.基于MT9V032攝像頭的智能車軟件設(shè)計(jì)[J].花炮科技與市場(chǎng)，2020（01）：250.

[3] 丁鵬.自尋跡智能車PID控制研究[D].衡陽(yáng)：南華大學(xué)，2018.

[4] 李少偉，程輝，王勝正.智能車運(yùn)動(dòng)控制算法仿真與驗(yàn)證[J].電子測(cè)量技術(shù)，2018，41（03）：54-59.