李文海 郭偉 宋莉

摘要：設(shè)計(jì)實(shí)現(xiàn)了一種基于樹(shù)莓派4B的循跡避障智能小車系統(tǒng)，以快速、準(zhǔn)確地完成交通標(biāo)識(shí)識(shí)別、避障、循跡任務(wù)作為研究目標(biāo)。智能小車?yán)肔eNet網(wǎng)絡(luò)架構(gòu)進(jìn)行交通標(biāo)識(shí)識(shí)別，超聲波測(cè)距傳感器進(jìn)行避障決策，攝像頭模組進(jìn)行循跡行駛。實(shí)驗(yàn)結(jié)果表明，智能小車能夠在實(shí)際搭建的環(huán)境下，完成交通標(biāo)識(shí)識(shí)別、避障、循跡的任務(wù)，且具有準(zhǔn)確率高、穩(wěn)定性好、泛化能力強(qiáng)的特點(diǎn)。

關(guān)鍵詞：循跡避障；目標(biāo)檢測(cè)；交通標(biāo)識(shí)識(shí)別；智能車

中圖分類號(hào)：TP393文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2022）19-53-05

0引言

隨著科學(xué)技術(shù)的高速發(fā)展和人工智能技術(shù)的興起，無(wú)人駕駛領(lǐng)域技術(shù)逐漸引起學(xué)術(shù)界和工業(yè)界的極大關(guān)注[1]。循跡與避障[2]作為無(wú)人駕駛領(lǐng)域的基本技術(shù)模塊，對(duì)于循跡與避障算法的研究具有很高的研究意義與社會(huì)價(jià)值。

在無(wú)人駕駛領(lǐng)域，無(wú)人駕駛汽車在遇到緊急情況時(shí)必須做出正確反應(yīng)，而且達(dá)到高效且正確分析狀況的決策能力，從而避免事故發(fā)生。如無(wú)人駕駛汽車觀察到快要撞向行人時(shí)，要能夠采取緊急制動(dòng)措施；檢測(cè)到路面濕滑時(shí)，要適當(dāng)減緩車速；遇到急救車在后方，需及時(shí)避讓。無(wú)人駕駛汽車通過(guò)多模態(tài)多傳感器系統(tǒng)處理器對(duì)采集到的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，自動(dòng)規(guī)劃行駛策略。無(wú)人車傳統(tǒng)避障策略使用的是激光雷達(dá)等傳感器[3]，存在造價(jià)高、泛化能力弱、實(shí)驗(yàn)結(jié)果不理想等問(wèn)題。

相較于傳統(tǒng)單獨(dú)依賴于傳感器，利用LeNet網(wǎng)絡(luò)架構(gòu)[4]進(jìn)行交通標(biāo)識(shí)識(shí)別，超聲波測(cè)距傳感器進(jìn)行避障決策，攝像頭模組進(jìn)行循跡行駛，最終完成交通標(biāo)識(shí)識(shí)別、避障、循跡的任務(wù)，具有泛化能力強(qiáng)、避障效果更好等優(yōu)勢(shì)。

1基于樹(shù)莓派4B的循跡避障小車設(shè)計(jì)

樹(shù)莓派4B開(kāi)發(fā)板架構(gòu)如圖1所示，系統(tǒng)模型結(jié)構(gòu)以樹(shù)莓派4B開(kāi)發(fā)板為核心。系統(tǒng)模型硬件組成部分主要包括HC-SR04超聲波傳感器、直流電機(jī)、L298N驅(qū)動(dòng)板以及OV5647攝像頭模組等模塊。系統(tǒng)模型軟件組成部分是將樹(shù)莓派與PC服務(wù)器之間開(kāi)啟3條線程，數(shù)據(jù)傳輸流程如圖2所示，即視頻畫(huà)面?zhèn)鬏數(shù)絇C服務(wù)器，同時(shí)超聲波傳感器數(shù)據(jù)也傳輸?shù)絇C服務(wù)器，PC服務(wù)器得出決策傳輸?shù)綐?shù)莓派4B。樹(shù)莓派4B通過(guò)攝像頭和超聲波傳感器采集當(dāng)前環(huán)境數(shù)據(jù)，通過(guò)TCP與主機(jī)建立連接。當(dāng)采集到的畫(huà)面和障礙物距離數(shù)據(jù)傳輸?shù)街鳈C(jī)時(shí)，根據(jù)反饋的數(shù)據(jù)，PC服務(wù)器開(kāi)啟多線程處理，一部分通過(guò)OpenCV[5]進(jìn)行圖像分析處理，另一部分對(duì)道路交通標(biāo)志進(jìn)行檢測(cè)，綜合兩部分信息進(jìn)行決策，再通過(guò)TCP傳輸決策到樹(shù)莓派4B開(kāi)發(fā)版。樹(shù)莓派4B再通過(guò)引腳傳輸信號(hào)給L298N驅(qū)動(dòng)電機(jī)。

1.1超聲波測(cè)距模塊

1.2 L298N驅(qū)動(dòng)模塊

L298N的驅(qū)動(dòng)模塊能夠驅(qū)動(dòng)直流電機(jī)和步進(jìn)電機(jī)的驅(qū)動(dòng)器，具有過(guò)熱保護(hù)和自我反饋檢測(cè)功能[8]。樹(shù)莓派4B的GPIO口與驅(qū)動(dòng)模塊用杜邦線相連，通過(guò)控制主控芯片上的I/O輸入端，實(shí)現(xiàn)低電平（low）與高電平（high）的轉(zhuǎn)換，從而實(shí)現(xiàn)電機(jī)的轉(zhuǎn)向，電機(jī)驅(qū)動(dòng)邏輯方案如表1所示。

理論研究發(fā)現(xiàn)，速度過(guò)快容易碰撞障礙物，速度過(guò)慢避障用時(shí)不理想，所以合理控制速度尤為關(guān)鍵。基于此，在L298N驅(qū)動(dòng)模塊上使用脈寬調(diào)制（PWM）[9-10]。電壓是以一種脈沖序列被加到負(fù)載上去的，接通是high，斷開(kāi)是low，可通過(guò)在一個(gè)周期內(nèi)high與low的占比不同，得到不同的電壓，進(jìn)而控制速度[11]。

1.3樹(shù)莓派4B主板

作為智能小車的核心組件，必須具有控件體積小、性能優(yōu)、價(jià)格低等條件。項(xiàng)目主控板選擇Raspberry Pi 4B，是一款基于ARM架構(gòu)的微型處理機(jī)主板，目前樹(shù)莓派最新發(fā)布了第4代產(chǎn)品RaspberryPi 4B。樹(shù)莓派4B和3B+性能對(duì)比如表2所示，無(wú)論是處理器速度，還是視頻輸出能力和內(nèi)存大小都有顯著提高。同桌面級(jí)電腦相比體積更小，外輪廓尺寸僅有85 mm×56mm。

Raspberry Pi 4B集成了40個(gè)GPIO接口，類似于Arduino數(shù)字或模擬端口，通過(guò)這些引腳，可與不同的模塊交互。樹(shù)莓派接口有2種編碼方案：WiringPi編碼和BCM編碼，本文采用BCM編碼。L298N驅(qū)動(dòng)板可通過(guò)PWM對(duì)電機(jī)進(jìn)行調(diào)速，通道A使能接入GPIO.20，通道B使能接入GPIO.21，邏輯輸入接入GPIO.0～GPIO.3端口。HC-SR04超聲波模塊的TRIGGER和ECHO端接入GPIO.4和GPIO.5端口。

1.4麥克納姆輪

麥克納姆輪[12]由上下交替排列的條狀輥?zhàn)咏M成，固定方式與車輪中軸線成45°安裝。麥克納姆輪有著全方位移動(dòng)、防滑的特點(diǎn)，相比傳統(tǒng)的膠輪，所承受的質(zhì)量更大，更加平穩(wěn)，機(jī)動(dòng)性強(qiáng)且靈活性更高，能夠在原地實(shí)現(xiàn)自轉(zhuǎn)。綜合以上優(yōu)點(diǎn)，選用麥克納姆輪作為智能車底盤。

當(dāng)直流電機(jī)驅(qū)動(dòng)麥克納姆輪時(shí)，驅(qū)動(dòng)力繞軸轉(zhuǎn)動(dòng)，從動(dòng)使麥輪轉(zhuǎn)動(dòng)，由于產(chǎn)生了摩擦力，反作用力迫使麥輪進(jìn)行前進(jìn)、后退、旋轉(zhuǎn)等運(yùn)動(dòng)[13]。麥克納姆輪單個(gè)無(wú)法實(shí)現(xiàn)全方位移動(dòng)，共需要控制4個(gè)麥克納姆輪的不同狀態(tài)實(shí)現(xiàn)全方位移動(dòng)。麥克娜姆輪運(yùn)動(dòng)分析如表3所示，共計(jì)有正前進(jìn)、左方向、左轉(zhuǎn)、斜左上方前進(jìn)、斜右上方前進(jìn)、正后退、右方向、右轉(zhuǎn)、斜右下角后退、斜左下角后退10種方向狀態(tài)[15]，共同實(shí)現(xiàn)了全方位移動(dòng)。

2避障算法設(shè)計(jì)

2.1目標(biāo)識(shí)別算法設(shè)計(jì)

智能小車需要攝像頭采集交通標(biāo)識(shí)圖片，并且能夠識(shí)別并執(zhí)行相關(guān)指令。數(shù)據(jù)集采用公開(kāi)交通標(biāo)識(shí)數(shù)據(jù)集，數(shù)據(jù)集類別分布如圖4所示，分為43種交通標(biāo)識(shí)，共計(jì)34 799張，包含左轉(zhuǎn)、右轉(zhuǎn)、直行等類別，各類別的交通標(biāo)識(shí)數(shù)量差距較大，最大類別差距可達(dá)1 000多張。根據(jù)先驗(yàn)知識(shí)可知，數(shù)據(jù)集類別數(shù)據(jù)方差越大，對(duì)網(wǎng)絡(luò)模型影響越大，越容易出現(xiàn)過(guò)擬合或欠擬合現(xiàn)象。針對(duì)這一問(wèn)題，在原有數(shù)據(jù)集上，采用數(shù)據(jù)增強(qiáng)的方式豐富數(shù)據(jù)集，即對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)、隨機(jī)遮擋、亮度增強(qiáng)等操作。最終，按照9：1的比例分為訓(xùn)練集和驗(yàn)證集，共計(jì)訓(xùn)練集45 000張，驗(yàn)證集5 000張。

目標(biāo)識(shí)別交通標(biāo)識(shí)采用的LeNet網(wǎng)絡(luò)架構(gòu)如圖5所示，總體分為7層，由一個(gè)圖像輸入層、2個(gè)卷積層、2個(gè)池化層和2個(gè)全連接層所構(gòu)成。數(shù)據(jù)集圖像尺寸為32×32×3輸入圖像，首先達(dá)到第一層卷積層，該層有6個(gè)卷積核，每個(gè)卷積核的尺寸為28×28；由卷積層處理之后的圖像到達(dá)第2層池化層，池化尺寸為14×14×6；池化處理后的圖像再到達(dá)第3層卷積層，該層有16個(gè)卷積核，每個(gè)卷積核的尺寸為10×10；卷積層處理后的圖像再到達(dá)第4層池化層，池化尺寸為5×5×16；處理后的圖像到達(dá)全連接層，由120個(gè)和84個(gè)全連接點(diǎn)組成；最后一層為輸出層，輸出分類結(jié)果以及準(zhǔn)確率。

LeNet分類網(wǎng)絡(luò)在交通標(biāo)識(shí)訓(xùn)練數(shù)據(jù)集以及驗(yàn)證數(shù)據(jù)集上的訓(xùn)練準(zhǔn)確率和損失變化曲線如圖6和圖7所示。從圖中可以看出，經(jīng)過(guò)10個(gè)輪次的訓(xùn)練后，在訓(xùn)練集和測(cè)試集上損失平穩(wěn)下降，同時(shí)準(zhǔn)確率也平穩(wěn)升高，LeNet分類模型可以達(dá)到98.4%的準(zhǔn)確率，能夠達(dá)到業(yè)務(wù)場(chǎng)景的應(yīng)用要求。

2.2障礙物檢測(cè)模塊設(shè)計(jì)

通過(guò)HC-SR04超聲波測(cè)距模塊，得出發(fā)出高電平與接收低電平之間的時(shí)間差，計(jì)算出當(dāng)前小車前端與障礙物之間的距離。當(dāng)距離達(dá)到閾值之間，且有距離越來(lái)越近的趨勢(shì)時(shí)，障礙物檢測(cè)系統(tǒng)發(fā)出右轉(zhuǎn)或左轉(zhuǎn)一定角度的指令，左轉(zhuǎn)說(shuō)明道路右側(cè)有障礙物，右轉(zhuǎn)說(shuō)明道路左側(cè)有障礙物。轉(zhuǎn)向后，測(cè)距模塊反饋數(shù)值突增，再次發(fā)出左轉(zhuǎn)或右轉(zhuǎn)一定角度的指令，使得智能小車與軌道平行。當(dāng)智能小車越過(guò)障礙物時(shí)，將會(huì)回歸原始軌道，再次沿軌行駛并檢測(cè)障礙物，從而達(dá)到避開(kāi)障礙物的效果。若距離超出閾值，說(shuō)明前方無(wú)障礙物或者障礙物距離較遠(yuǎn)，不必提前避障，可安全通行。

2.3循跡模塊設(shè)計(jì)

循跡模塊使智能小車按照固定的行駛軌跡來(lái)模擬真實(shí)的車道環(huán)境。鑒于實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，采用顏色鮮明且容易處理的顏色，即白色或黑色的2種軌道顏色。功能設(shè)計(jì)流程如圖8所示，多線程開(kāi)啟時(shí)，樹(shù)莓派開(kāi)啟攝像頭采集路面信息，PC服務(wù)器收到圖像后，首先將圖片轉(zhuǎn)化為灰度圖像，使得圖像處理時(shí)延降低，處理速度加快。通過(guò)圖像處理得出當(dāng)前黑色或白色軌道的最優(yōu)路線，遇到障礙物，小車偏離軌道時(shí)會(huì)記錄當(dāng)前指令（如左轉(zhuǎn)、右轉(zhuǎn)），當(dāng)穿過(guò)障礙物時(shí)，自動(dòng)發(fā)送相反指令（如右轉(zhuǎn)、左轉(zhuǎn)），使智能小車再次沿軌道行駛。

3實(shí)驗(yàn)測(cè)試

實(shí)驗(yàn)軌道模型如圖9所示，采用2條雙直線軌道。一條軌道障礙物放置軌道中間以右，另一條軌道放置軌道中間以左，每條軌道做3組重復(fù)實(shí)驗(yàn)，以免實(shí)驗(yàn)誤差。1指智能小車遇到障礙物時(shí)發(fā)生偏轉(zhuǎn)開(kāi)始的時(shí)間，2指智能小車再次與軌道平行終止的時(shí)間。通過(guò)2- 1得到，即偏軌時(shí)間。在時(shí)間內(nèi)智能小車通過(guò)與中心軌道平行的距離，即偏軌距離。

實(shí)驗(yàn)數(shù)據(jù)如表4所示，智能小車對(duì)于軌道中間以左的障礙物避開(kāi)的時(shí)效性比軌道中間以右的障礙物時(shí)效性要高。綜合來(lái)看，小車能夠在實(shí)際搭建的環(huán)境下，靠近交通標(biāo)識(shí)時(shí)做出相應(yīng)指令，面對(duì)障礙物時(shí)避開(kāi)障礙物，按照指定軌跡選擇最優(yōu)路徑行駛，能夠完成交通標(biāo)識(shí)識(shí)別、避障、循跡的任務(wù)，且具有準(zhǔn)確率高、穩(wěn)定性好、泛化能力強(qiáng)的特點(diǎn)。

4結(jié)束語(yǔ)

以樹(shù)莓派4B為微型控制終端，L298N作為驅(qū)動(dòng)模塊，麥克納姆輪為智能車運(yùn)動(dòng)底盤，通過(guò)PC服務(wù)器處理并傳達(dá)指令的循跡避障智能小車系統(tǒng)。通過(guò)實(shí)驗(yàn)測(cè)定，設(shè)計(jì)的循跡模塊能夠按照指定軌道行駛；目標(biāo)識(shí)別模塊，對(duì)于交通標(biāo)識(shí)的識(shí)別準(zhǔn)確率較高且性能穩(wěn)定；障礙物檢測(cè)模塊，測(cè)距精度高且速度快，能夠?qū)崿F(xiàn)避障功能。

[1]潘福全，亓榮杰，張璇，等.無(wú)人駕駛汽車研究綜述與發(fā)展展望[J].科技創(chuàng)新與應(yīng)用，2017（2）：27-28.

[2]許鑫.基于磁導(dǎo)航導(dǎo)覽機(jī)器人循跡與避障的研究與實(shí)現(xiàn)[D].蘭州：蘭州理工大學(xué)，2019.

[3]馬興.無(wú)人駕駛汽車中的幾種重要傳感器應(yīng)用研究[J].數(shù)字技術(shù)與應(yīng)用，2020，38（5）：107.

[4]王濟(jì)民，魏怡，周宇，等.基于LeNet-5卷積神經(jīng)網(wǎng)絡(luò)和顏色特征的限速標(biāo)志識(shí)別[J].計(jì)算機(jī)科學(xué)，2021，48（S2）：345-350.[5]朱科風(fēng).基于OpenCV的自動(dòng)循跡無(wú)人機(jī)[D].長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2018.

[6]田文成.超聲波測(cè)距系統(tǒng)的研究與實(shí)現(xiàn)[D].南京：南京郵電大學(xué)，2017.

[7]呂杰.自動(dòng)導(dǎo)盲小車設(shè)計(jì)[J].河南科技，2019（32）：64-66.

[8]張秉森，馬吉忠，楊一飛，等.基于樹(shù)莓派的自動(dòng)避障小車的設(shè)計(jì)與實(shí)現(xiàn)[J].南方農(nóng)機(jī)，2021，52（3）：23-24.

[9]程皓.建筑直流微電網(wǎng)的故障特性分析及診斷[D].北京：北京交通大學(xué)，2021.

[10]馬文俊.基于L298N生物傳感器溫控系統(tǒng)的設(shè)計(jì)[D].北京：北京化工大學(xué)，2011.

[12]鄭兵.基于麥克納姆輪移動(dòng)平臺(tái)的激光導(dǎo)航關(guān)鍵技術(shù)研究[D].天津：天津大學(xué)，2018.

[13]朱艷杰.基于麥克納姆輪全向車設(shè)計(jì)與性能研究[D].秦皇島：燕山大學(xué)，2016.

[14]張磊.基于ROS的麥克納姆輪機(jī)器人室內(nèi)導(dǎo)航系統(tǒng)設(shè)計(jì)[D].秦皇島：河北科技師范學(xué)院，2022.

[15]沄劉卓，盧桂萍，彭崗舉.基于向量分析法對(duì)麥克納姆輪全向移動(dòng)平臺(tái)的研究[J].機(jī)電工程技術(shù)，2022，51（5）：147-149.