米 湯，尚友良，符曉玲

（昌吉學(xué)院，新疆 昌吉回族自治州 831100）

隨著科學(xué)技術(shù)的發(fā)展和人類(lèi)社會(huì)的進(jìn)步，汽車(chē)行業(yè)進(jìn)入了新的軌道，開(kāi)始由傳統(tǒng)制造向智能制造發(fā)展。在新的發(fā)展趨勢(shì)下，如何使智能車(chē)準(zhǔn)確高效地識(shí)別路徑是首要問(wèn)題，這也受到了諸多學(xué)者的關(guān)注和研究。目前路徑識(shí)別的方法主要有光電傳感器、視覺(jué)傳感器和電磁傳感器3 種。

焦冰等[1]設(shè)計(jì)了一種以MK60DN512ZVQ10 為控制器核心，OV7725 視覺(jué)傳感器獲取賽道二值化圖像的智能車(chē)控制系統(tǒng)，并采用PID 控制算法控制舵機(jī)的轉(zhuǎn)向和驅(qū)動(dòng)電機(jī)的轉(zhuǎn)速。馮玉如[2]、杜方鑫[3]設(shè)計(jì)了一種基于線性CCD 的智能車(chē)控制系統(tǒng)，采用線性CCD 采集路況信息，將采集到的路況信息發(fā)送給單片機(jī)，單片機(jī)根據(jù)閾值進(jìn)行二值化處理，實(shí)現(xiàn)自動(dòng)循跡的功能。王海燕[4]設(shè)計(jì)了一種基于電磁傳感器的路徑識(shí)別系統(tǒng)，該系統(tǒng)采用6 組相同電磁電路橫向“一”字布局，大大提高了檢測(cè)密度和廣度，該設(shè)計(jì)提升了數(shù)據(jù)采集的效率和準(zhǔn)確度，使得智能車(chē)的循跡更加穩(wěn)定。

1 智能車(chē)硬件總方案

為了更好地實(shí)現(xiàn)智能車(chē)自主循跡，本文給出的設(shè)計(jì)方案硬件包括控制器核心模塊、電源模塊、攝像頭驅(qū)動(dòng)模塊、電機(jī)驅(qū)動(dòng)模塊、舵機(jī)驅(qū)動(dòng)模塊和OLED 顯示模塊，整體硬件結(jié)構(gòu)如圖1 所示。

圖1 硬件結(jié)構(gòu)

1.1 核心控制模塊

選用32 位的嵌入式微控制器STM32F103RCT6 作為核心處理器，程序存儲(chǔ)容量是256 KB，程序存儲(chǔ)器類(lèi)型是FLASH，并配有必要的外圍電路組成了智能車(chē)的核心控制系統(tǒng)。STM32F103RCT6 嵌入式微處理器作為處理核心，擁有高性能、低成本、低功耗、方便二次開(kāi)發(fā)等特點(diǎn)[5]。

核心控制器如圖2 所示。

圖2 核心控制器

1.2 電源模塊

電源模塊是智能車(chē)系統(tǒng)不可或缺的一部分，它是整個(gè)系統(tǒng)的動(dòng)力源泉，為智能模型車(chē)的微控制器、舵機(jī)、CCD 傳感器、電機(jī)等模塊提供所需的工作電壓。

本次設(shè)計(jì)選用的是12 V 18650 鋰電池，其標(biāo)稱(chēng)容量為2 600 mAh。這種電池具有安全性能好、容量大、無(wú)記憶效應(yīng)、壽命長(zhǎng)等優(yōu)點(diǎn)，具有短路保護(hù)和過(guò)充過(guò)放保護(hù)的能力，在工作中穩(wěn)定性比較好。

1.3 攝像頭驅(qū)動(dòng)模塊

視覺(jué)傳感器的數(shù)據(jù)采集與處理是整個(gè)智能車(chē)制作調(diào)試中至關(guān)重要的一環(huán)，視覺(jué)傳感器采集賽道信息的正確與否直接決定智能車(chē)的循跡性能。該設(shè)計(jì)選用TSL1401 線性CCD 作為智能車(chē)系統(tǒng)的視覺(jué)傳感器，該線性傳感器包含了128 個(gè)線性排列的光電二極管。每個(gè)光電二極管都有各自的積分電路，積分電路由相關(guān)的電荷放大電路以及一個(gè)內(nèi)部像素?cái)?shù)據(jù)保持功能組成。內(nèi)部像素?cái)?shù)據(jù)保持功能可以為所有像素點(diǎn)提供同時(shí)積分的開(kāi)始和停止時(shí)間。模塊內(nèi)部控制邏輯簡(jiǎn)單，只需要串行輸入（SI）信號(hào)和時(shí)鐘信號(hào)（CLK）。TSL1401線性CCD 傳感器實(shí)物如圖3 所示。

圖3 CCD 傳感器

1.4 電機(jī)驅(qū)動(dòng)模塊

本設(shè)計(jì)的驅(qū)動(dòng)電機(jī)選用MG513 型號(hào)的直流有刷電機(jī)，其額定電壓為12 V，額定功率約4 W。直流有刷電機(jī)是車(chē)輛的動(dòng)力輸出結(jié)構(gòu)，將電能轉(zhuǎn)化為機(jī)械能，驅(qū)動(dòng)車(chē)輛前進(jìn)，通常是電機(jī)本體與減速齒輪系的結(jié)合。編碼器類(lèi)型為高性?xún)r(jià)比AB 相霍爾編碼器，車(chē)輪扭動(dòng)一圈輸出390 個(gè)脈沖，自帶上拉整形，STM32 編碼器接口模式可硬件計(jì)數(shù)。智能車(chē)系統(tǒng)選用AT8236 直流有刷電機(jī)驅(qū)動(dòng)器，它能夠以高達(dá)6 A 的峰值電流雙向控制電機(jī)，利用電流衰減模式，可通過(guò)對(duì)輸入信號(hào)進(jìn)行脈寬調(diào)制來(lái)控制電機(jī)轉(zhuǎn)速。

1.5 舵機(jī)驅(qū)動(dòng)模塊

舵機(jī)是用于控制車(chē)輛前輪轉(zhuǎn)向的裝置。本設(shè)計(jì)選用數(shù)字型舵機(jī)S20F 控制智能車(chē)轉(zhuǎn)向，此款舵機(jī)供電電壓為5～6 V，可連續(xù)30 min 堵轉(zhuǎn)并保持力矩，使用全金屬齒輪，頻繁打舵不卡齒。舵機(jī)工作原理是控制電路接收信號(hào)源的控制脈沖，并驅(qū)動(dòng)電機(jī)轉(zhuǎn)動(dòng)。齒輪組將電機(jī)的速度成大倍數(shù)縮小，并將電機(jī)的輸出扭矩放大響應(yīng)倍數(shù)后輸出。電路板檢測(cè)并根據(jù)電位器判斷舵機(jī)轉(zhuǎn)動(dòng)角度，然后控制舵機(jī)轉(zhuǎn)動(dòng)到目標(biāo)角度或保持在目標(biāo)角度。

2 智能車(chē)軟件設(shè)計(jì)

2.1 驅(qū)動(dòng)電機(jī)控制

本次設(shè)計(jì)驅(qū)動(dòng)電機(jī)選用PID 控制。所謂PID 控制，就是對(duì)系統(tǒng)偏差進(jìn)行比例、積分以及微分的控制。PID控制策略結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性好、可靠性高，并且易于實(shí)現(xiàn)。本設(shè)計(jì)選用的位置式PID 控制算法可以很好地提升系統(tǒng)性能。位置閉環(huán)控制就是根據(jù)編碼器的脈沖信號(hào)累加測(cè)量電機(jī)的位置信息，并與目標(biāo)值進(jìn)行比較，得到控制偏差，然后通過(guò)對(duì)偏差的比例、積分、微分進(jìn)行控制，使偏差趨向于零的過(guò)程。

位置式PID 公式為：

式（1）中：Kp為比例項(xiàng)系數(shù)；Ti為積分時(shí)間常數(shù)；Td為微分時(shí)間常數(shù)。

將Kp乘上各項(xiàng)，展開(kāi)就得到了常用的位置式PID公式：

式（2）中：Ki為積分項(xiàng)系數(shù)；Kd為微分項(xiàng)系數(shù)。

上面給出的位置PID 公式為連續(xù)控制的，但在實(shí)際控制智能車(chē)的過(guò)程中是無(wú)法做到連續(xù)控制的，需要使用離散化的PID 公式，為：

式（3）中：u（k）為輸出；e（k）為本次偏差；∑e（k）為e（k）偏差的累積和，其中k為1，2，…，k；e（k－1）為上一次的偏差。

電機(jī)控制框圖如圖4 所示。程序代碼如圖5 所示。

圖4 電機(jī)控制框圖

圖5 電機(jī)控制程序代碼

2.2 轉(zhuǎn)向舵機(jī)控制

舵機(jī)的控制需要一個(gè)周期為20 ms 的時(shí)基脈沖，脈沖寬度為0.5～2.5 ms，和舵盤(pán)位置0°～180°相對(duì)應(yīng)，呈線性變化。舵機(jī)輸出的角度隨著脈沖信號(hào)的寬度而發(fā)生改變，即給它一定寬度的脈沖信號(hào)，它的輸出軸就會(huì)維持在一個(gè)與脈沖寬度相對(duì)應(yīng)的角度上。舵機(jī)通過(guò)調(diào)節(jié)信號(hào)占空比來(lái)改變舵機(jī)轉(zhuǎn)動(dòng)的角度。舵機(jī)轉(zhuǎn)向控制框圖如圖6 所示。

圖6 舵機(jī)轉(zhuǎn)向控制框圖

2.3 路徑識(shí)別與圖像處理

路徑檢測(cè)與識(shí)別是智能車(chē)自主循跡的基礎(chǔ)，本設(shè)計(jì)選用CCD 傳感器識(shí)別賽道路徑，智能車(chē)通過(guò)攝像頭獲取路徑圖像，通過(guò)二值化提取出道路的黑線信息，然后由微控制器傳輸控制信息決策，控制舵機(jī)的轉(zhuǎn)角和電機(jī)的轉(zhuǎn)速[6]。

總體設(shè)計(jì)如圖7 所示。

圖7 循跡設(shè)計(jì)圖

2.3.1 閾值提取

CCD 攝像頭全部的感光點(diǎn)都經(jīng)過(guò)一個(gè)電荷-電壓轉(zhuǎn)換器，因此可以保證幾萬(wàn)個(gè)感光點(diǎn)的一致性，這就進(jìn)一步提高了圖像的穩(wěn)定性[7]。TSL1401 線性CCD 傳感芯片只能返回一維數(shù)據(jù)，在較短的時(shí)間內(nèi)可以完成信息數(shù)據(jù)的采集[8]。線性CCD 采集的信號(hào)由于是被反射回來(lái)的光線，因此結(jié)果容易受外界環(huán)境變化的影響，這就意味著設(shè)計(jì)一種抗干擾能力強(qiáng)、識(shí)別精度高的智能車(chē)識(shí)別系統(tǒng)尤為重要。

由于線性CCD 傳感器一個(gè)曝光周期只能采集視野范圍內(nèi)一條線的信息，即128 個(gè)像素信息。通過(guò)AD采樣獲取像素點(diǎn)的電壓數(shù)值。通過(guò)采樣函數(shù)將一個(gè)曝光周期內(nèi)采集到的128 個(gè)像素點(diǎn)的電壓值寄存到數(shù)組AVD1[i]中，用于計(jì)算與數(shù)據(jù)處理。在128 個(gè)像素點(diǎn)的信息中，光線越強(qiáng)的像素點(diǎn)電壓值越高，越弱的像素點(diǎn)電壓越低。由此可以區(qū)分白底賽道和黑色引導(dǎo)線，通過(guò)算法計(jì)算賽道中間值，讓小車(chē)近似循中線行進(jìn)。

實(shí)際黑白賽道中白色部分的像素點(diǎn)電壓值要大于黑色部分，因此想要檢測(cè)黑線在賽道中的實(shí)際位置，通過(guò)設(shè)置閾值，將黑線和白底區(qū)分開(kāi)。將CCD 傳感器每次采集回來(lái)的128 個(gè)像素點(diǎn)灰度值，通過(guò)動(dòng)態(tài)循環(huán)比較的方式，找出整個(gè)數(shù)組中最大和最小的灰度值，取兩者之和的平均值作為黑白線間的閾值。

由于CCD 傳感器鏡頭容易受到光照環(huán)境的影響，智能車(chē)在賽道上行駛時(shí)，對(duì)應(yīng)每個(gè)位置光的折射強(qiáng)度不一樣，因此每次采集回來(lái)的像素點(diǎn)灰度值都會(huì)發(fā)生變化，通過(guò)動(dòng)態(tài)循環(huán)所得的閾值是一個(gè)動(dòng)態(tài)值，能夠在不同的光照環(huán)境或者不同曝光時(shí)間長(zhǎng)度下更好地區(qū)分黑線和白底的像素點(diǎn)灰度值。

2.3.2 二值化處理

賽道中黑線的位置主要是通過(guò)檢測(cè)像素點(diǎn)灰度值的跳變來(lái)確定。其原理為：將采集到的像素點(diǎn)灰度值數(shù)組與閾值通過(guò)動(dòng)態(tài)循環(huán)比較，當(dāng)像素點(diǎn)灰度值大于或等于閾值，判定該像素點(diǎn)對(duì)應(yīng)為白底部分；反之，則判定為賽道的黑色引導(dǎo)線。這就是二值化的基本原理與方法。通過(guò)動(dòng)態(tài)循環(huán)依次左右循環(huán)比較，得到白底部分跳變?yōu)楹诰€和黑線部分跳變?yōu)榘椎撞糠謺r(shí)對(duì)應(yīng)的像素點(diǎn)數(shù)組序列號(hào)，即可確定黑線在賽道中的位置，通過(guò)算出序列號(hào)的平均值計(jì)算出賽道黑線的中線值。調(diào)整Z軸角速度（PID 控制），讓黑色引導(dǎo)線時(shí)刻保持在車(chē)體的中間，以此實(shí)現(xiàn)智能車(chē)的自主巡線與轉(zhuǎn)向。通過(guò)Keil 軟件進(jìn)行編程，實(shí)現(xiàn)線性CCD 取中值。程序代碼如圖8 所示。

圖8 線性CCD 取中值程序代碼

3 測(cè)試驗(yàn)證

為了更好地驗(yàn)證本設(shè)計(jì)的普適性和合理性，本次實(shí)驗(yàn)分為3 個(gè)環(huán)節(jié)進(jìn)行測(cè)試，分別是直線、S 彎和環(huán)形三種賽道。本次測(cè)試所用賽道是自制的中間鋪有2.0 cm 黑色引導(dǎo)線的白底黑線賽道。實(shí)驗(yàn)結(jié)果如下。

3.1 直線賽道

首先，測(cè)試了智能車(chē)在直線賽道的循跡情況，通過(guò)設(shè)定不同的速度觀察循跡效果，可以看出智能車(chē)在循跡過(guò)程中沒(méi)有偏離黑色引導(dǎo)線，行駛平穩(wěn)沒(méi)有晃動(dòng)。結(jié)果如圖9 所示。

圖9 直線測(cè)試

3.2 S 彎道

其次，對(duì)智能車(chē)在彎道的循跡效果做了測(cè)試，控制智能車(chē)在駛?cè)霃澋罆r(shí)減速，駛出彎道時(shí)加速。由測(cè)試發(fā)現(xiàn)智能車(chē)轉(zhuǎn)彎時(shí)不會(huì)駛出賽道中線且車(chē)速切換自然，結(jié)果如圖10 所示。

圖10 彎道測(cè)試

3.3 環(huán)形賽道

最后，測(cè)試智能車(chē)在環(huán)形賽道的循跡效果，這一環(huán)節(jié)設(shè)定不同速度循跡行駛，觀察不同速度智能車(chē)轉(zhuǎn)彎時(shí)偏離中線的角度，由實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，當(dāng)車(chē)速增大時(shí)智能車(chē)會(huì)駛出環(huán)形賽道。針對(duì)這種情況，可以通過(guò)調(diào)節(jié)PID 參數(shù)改善。PID 調(diào)參過(guò)程如表1 所示，實(shí)驗(yàn)結(jié)果如圖11 所示。

表1 PID 參數(shù)調(diào)節(jié)

圖11 環(huán)形賽道測(cè)試

由以上測(cè)試結(jié)果可以看出，本次設(shè)計(jì)可以使智能車(chē)在不同賽道上自主循跡行駛，且行駛穩(wěn)定，控制偏差小。由此印證了本次設(shè)計(jì)的合理性和可行性，由實(shí)驗(yàn)結(jié)果也可以得出，該控制系統(tǒng)具有很好的穩(wěn)定性和魯棒性。

4 結(jié)束語(yǔ)

基于線性CCD 設(shè)計(jì)了智能車(chē)路徑識(shí)別控制系統(tǒng)，采用STM32F103 作為核心控制器，TSL1401 線性CCD采集賽道路徑信息，并采用動(dòng)態(tài)閾值提取的方式選取閾值，然后對(duì)圖像做二值化處理，由微控制器根據(jù)反饋回的圖像信息控制智能車(chē)自主巡線。實(shí)驗(yàn)表明，本設(shè)計(jì)基于CCD 傳感器的智能車(chē)控制系統(tǒng)可以使智能車(chē)在不同賽道自主循跡行駛，且狀態(tài)穩(wěn)定，由此驗(yàn)證了本次設(shè)計(jì)的可行性和穩(wěn)定性。進(jìn)而本設(shè)計(jì)擁有良好的魯棒性和實(shí)時(shí)性，具有很強(qiáng)的實(shí)用性。