梁潤(rùn)智 胡夢(mèng)杰 李章誠(chéng) 李欣蓓

摘 要：中國(guó)首創(chuàng)的共享單車(chē)模式經(jīng)過(guò)短時(shí)間發(fā)展，改變城市出行方式的全新方案。但是，在這個(gè)過(guò)程中出現(xiàn)停放秩序、車(chē)輛損壞。我們?cè)O(shè)計(jì)了一款無(wú)人自動(dòng)駕駛共享單車(chē)系統(tǒng)，該系統(tǒng)通過(guò)將攝像頭系統(tǒng)、自平衡系統(tǒng)和定位系統(tǒng)，加裝在共享單車(chē)上，共享單車(chē)可以開(kāi)啟無(wú)人自動(dòng)駕駛模式，讓共享單車(chē)進(jìn)行短途自主導(dǎo)航前進(jìn)。

關(guān)鍵詞：自動(dòng)駕駛;圖像識(shí)別;深度學(xué)習(xí)

如今，僅哈啰單車(chē)的用戶注冊(cè)數(shù)量達(dá)到4億+，入住城市460+，累計(jì)騎行184億公里。共享單車(chē)因其隨取隨用和停車(chē)“無(wú)樁”理念便利了公眾的出行，解決了城市出行最后一公里難題，在共享單車(chē)的停放問(wèn)題上。亂停亂放的共享單車(chē)大多數(shù)會(huì)前往“共享單車(chē)墳場(chǎng)”，其實(shí)就是垃圾場(chǎng)，根據(jù)數(shù)據(jù)統(tǒng)計(jì)有51.6%的單車(chē)曾被丟棄到“共享單車(chē)墳場(chǎng)”，但是在一個(gè)“墳場(chǎng)”中大概會(huì)有46.4%的單車(chē)會(huì)被拿出正常使用。本系統(tǒng)對(duì)共享單車(chē)進(jìn)行改造，可以大大減少共享單車(chē)的損壞率，并且減少人員的調(diào)度費(fèi)用，增加自行車(chē)出行的比例。

1方案設(shè)計(jì)

系統(tǒng)整體設(shè)計(jì)如圖1所示，最核心的部件是MCU中央處理器，我們首選的處理器是STM32，他有著功耗小的優(yōu)點(diǎn)，可大大提升自行車(chē)的續(xù)航能力。自行車(chē)自動(dòng)駕駛功能主要是分成三個(gè)大類(lèi)，（1）基于OpenMv或k210深度學(xué)習(xí)攝像頭系統(tǒng)，可以對(duì)當(dāng)前道路進(jìn)行識(shí)別，同時(shí)深度學(xué)習(xí)使用CNN與XGBoost+AlexNet模型，大大提高圖像識(shí)別精準(zhǔn)度。（2）雙頻北斗定位GNSS與5G NB-IoT窄帶物聯(lián)網(wǎng)，它們可以對(duì)自行車(chē)位置進(jìn)行定位，讓路線規(guī)劃更為精準(zhǔn)。（3）基于MPU6050自動(dòng)平衡系統(tǒng)，通過(guò)獲得角度，可以讓自行車(chē)進(jìn)行自動(dòng)平衡，保持車(chē)身不傾斜，為自行車(chē)無(wú)人駕駛提供保障。通過(guò)三個(gè)系統(tǒng)的相互協(xié)調(diào)，達(dá)成無(wú)人自動(dòng)駕駛功能。

2.1視覺(jué)識(shí)別

一、 AlexNet模型

AlexNet模型神經(jīng)網(wǎng)絡(luò)使用激活函數(shù)為了引入非線性變化，具有ReLU的深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度比tanh 單元、sigmoid 單元快幾倍。傳統(tǒng)上卷積神經(jīng)網(wǎng)絡(luò)，相鄰神經(jīng)元組的領(lǐng)域是不重疊的，而在AlexNet模型中使用池化時(shí)是可以重疊的，提高精確度。

二、 實(shí)驗(yàn)步驟及結(jié)果

實(shí)驗(yàn)步驟：

（1）使用訓(xùn)練好的AlexNet模型，隨機(jī)抽取cifar-10訓(xùn)練集中的45000圖像數(shù)據(jù)輸入到模型。

（2）將后三層特征串行融合，使用PCA算法降維。

（3）使用XGBoost與CNN結(jié)合算法訓(xùn)練，最后得到預(yù)測(cè)模型，仿真結(jié)果如圖2所示。

2.2位置PID控制。

為了防止單車(chē)傾倒，我們結(jié)合MPU6050實(shí)時(shí)返回值 Angle 進(jìn)行舵機(jī)的調(diào)整。

PID算法公式：

angle_out = kp * angle + ki*integral + kd*gyro ? ?（1）

Kp為比例增益，Ki為積分時(shí)間常數(shù)，Kd為微分時(shí)間常數(shù)。

在通過(guò)速度環(huán)，將自行車(chē)自身的速度進(jìn)行控制，對(duì)于期望速度大小的選擇并不是越大越好，因?yàn)樵趯?shí)踐中發(fā)現(xiàn)，當(dāng)給車(chē)一定大小的電量，不同的速度所完成的路程長(zhǎng)度是不同的。速度快的時(shí)候反而路程短，逐漸降低速度后，完成的路程開(kāi)始增長(zhǎng)，當(dāng)?shù)陀谝粋€(gè)速度時(shí)，完成的路程開(kāi)始趨于穩(wěn)定。所以，為保證路徑的優(yōu)化，必須結(jié)合車(chē)的本身選擇一個(gè)合理的期望速度。

3自行車(chē)自平衡

一、自行車(chē)穩(wěn)定性計(jì)算

根據(jù)自行車(chē)運(yùn)動(dòng)學(xué)分析，求得角速度與自行車(chē)質(zhì)心加速度，為

根據(jù)《自平衡自行車(chē)機(jī)器人的運(yùn)動(dòng)學(xué)分析》可設(shè)q2為車(chē)架橫滾角（自行車(chē)傾斜角）根據(jù)公式，并帶入車(chē)把轉(zhuǎn)角與車(chē)輪轉(zhuǎn)速，并建立公式，得到

根據(jù)計(jì)算公式得知，車(chē)輪有一轉(zhuǎn)動(dòng)角度的下界，因?yàn)檐?chē)速越慢，車(chē)把轉(zhuǎn)角就越大，車(chē)速越快，車(chē)把轉(zhuǎn)角就越小。

為了驗(yàn)證理論計(jì)算結(jié)果和實(shí)驗(yàn)數(shù)據(jù)的一致性將對(duì)各個(gè)數(shù)值進(jìn)行單獨(dú)抽樣，帶入實(shí)際進(jìn)行測(cè)量，將車(chē)輛車(chē)輪傳動(dòng)角速度在80度/秒，實(shí)驗(yàn)結(jié)果如表2所示。

最后得到車(chē)架橫滾角度（自行車(chē)傾斜角）與車(chē)把轉(zhuǎn)動(dòng)角度的一個(gè)非線性圖表與數(shù)值，并把此數(shù)據(jù)帶入到系統(tǒng)，由MPU6050獲得車(chē)架橫滾角度，然后根據(jù)此圖表，修改自行車(chē)轉(zhuǎn)軸舵機(jī)，從而達(dá)到自行車(chē)自平衡功能。

4 總結(jié)

如果共享單車(chē)裝上本系統(tǒng)，可完全做到自主巡航功能，大大減少共享單車(chē)亂停亂放的情景出現(xiàn)，從而制止大量共享單車(chē)因亂停亂放問(wèn)題被報(bào)廢的問(wèn)題，同時(shí)也可以減少共享單車(chē)調(diào)度人員的支出。

參考文獻(xiàn)：

[1]張春曉.一種基于對(duì)抗正則化的圖像特征提取方法.2019

[2]劉夢(mèng)雅.面向圖像識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)算法優(yōu)化與應(yīng)用.2019

[3]任航.載人自平衡兩輪車(chē)控制系統(tǒng)的設(shè)計(jì).2015