自動尋跡智能" title="智能">智能車涉及到當(dāng)前高技術(shù)領(lǐng)域內(nèi)的許多先進(jìn)技術(shù)，其中最主要的是傳感技術(shù)、路徑規(guī)劃和運(yùn)動控制。本課題是以飛思卡爾智能車競賽為背景，以單片機(jī)作為核心控制單元，以攝像頭" title="攝像頭">攝像頭作為路徑識別傳感器，以直流電機(jī)作為小車的驅(qū)動裝置，以舵機(jī)控制小車轉(zhuǎn)向。車模競賽的賽道是一個具有特定幾何尺寸約束、摩擦系數(shù)及光學(xué)特性的KT板，其中心貼有對可見光及不可見光均有較強(qiáng)吸收特性的黑色條帶作為引導(dǎo)線，寬度為2．5 cm。在行駛過程中，系統(tǒng)通過攝像頭獲取前方賽道的圖像數(shù)據(jù)，同時通過測速傳感器實(shí)時獲取智能車的速度，采用路徑搜索算法進(jìn)行尋線判斷和速度分析，然后作控制決策，控制轉(zhuǎn)向舵機(jī)和直流驅(qū)動電機(jī)工作。智能車通過實(shí)時對自身運(yùn)動速度及方向等進(jìn)行調(diào)整來“沿”賽道快速行駛。本文主要介紹攝像頭通過提取賽道黑線信息交予單片機(jī)處理，通過單片機(jī)輸出控制信號控制舵機(jī)轉(zhuǎn)向來控制車模的轉(zhuǎn)向，從而很好的自動循跡。
1 總體軟硬件結(jié)構(gòu)及思路
此智能車輛定位系統(tǒng)用攝像頭拍攝車輛前方的賽道，通過MC9S12XS128采樣視頻信號，獲得圖像數(shù)據(jù)。然后用合適的算法，如跟蹤邊緣檢測算法，分析圖像數(shù)據(jù)，提取目標(biāo)指引線。然后，系統(tǒng)根據(jù)目標(biāo)指引線的位置信息，對舵機(jī)和電機(jī)施以合適的控制。本智能車運(yùn)動系統(tǒng)的結(jié)構(gòu)圖如圖1所示。
因?yàn)橄到y(tǒng)是一個有機(jī)的整體，所以需配合好系統(tǒng)的攝像頭、控制單片機(jī)、電機(jī)(包括直流伺服電動機(jī)、光電編碼器)、舵機(jī)和輔助電路(電源板、電機(jī)驅(qū)動板)等各個部分。舵機(jī)是實(shí)時控制車模的轉(zhuǎn)向，是比賽快速性和穩(wěn)定性的關(guān)鍵，舵機(jī)控制有很多的控制算法，如：PID" title="PID">PID經(jīng)典控制算法、模糊算法、人工智能算法等。
2 系統(tǒng)程序總體控制流程
系統(tǒng)的基本軟件流程是：首先，對各功能模塊和控制參數(shù)進(jìn)行初始化；然后，通過圖像采集模塊獲取前方賽道的圖像數(shù)據(jù)，同時通過速度傳感器模塊獲取賽車的速度。采用PID對舵機(jī)進(jìn)行反饋控制。另外根據(jù)檢測到的速度，結(jié)合速度控制策略，對賽車速度不斷進(jìn)行適當(dāng)調(diào)整，使賽車在符合比賽規(guī)則的前提下，沿賽道快速行駛。系統(tǒng)的基本軟件結(jié)構(gòu)流程圖，如圖2所示。
系統(tǒng)的軟件要求控制的準(zhǔn)確性、穩(wěn)定性。采樣提取黑線是控制輸入量的基礎(chǔ)，要求采樣的精確穩(wěn)定。輸入量給舵機(jī)以后又要求舵機(jī)輸出的快速相應(yīng)性、穩(wěn)定性和準(zhǔn)確性。經(jīng)過多次實(shí)驗(yàn)及近一個學(xué)期的調(diào)車經(jīng)驗(yàn)，選用了并改進(jìn)了經(jīng)典的PID控制器對車模的舵機(jī)進(jìn)行控制調(diào)節(jié)。
3 圖像識別
用CCD" title="CCD">CCD攝像頭采集車模前方一定距離內(nèi)的黑線，從中提取相關(guān)量，用來控制舵機(jī)的轉(zhuǎn)向，實(shí)現(xiàn)智能車的自動循跡。由于單片機(jī)數(shù)據(jù)處理能力和速度有限，不能在短短的20 ms時間內(nèi)處理整場圖像。本系統(tǒng)設(shè)置攝像頭前瞻為1．2 m。在不影響道路檢測精度需要的前提下，本系統(tǒng)采用隔行采集來壓縮圖像數(shù)據(jù)，即相隔不同的有效行采集一行數(shù)據(jù)(近處相隔的少，遠(yuǎn)處相隔的多)，一共可采集44行數(shù)據(jù)。此外為了進(jìn)一步提高A／D轉(zhuǎn)換的速度，本系統(tǒng)還適當(dāng)?shù)貙S12的CPU超頻運(yùn)行并且設(shè)置A／D轉(zhuǎn)換器的精度為8位，這樣每行能采樣到67個點(diǎn)，形成了一個面陣，而黑線在其中占據(jù)了某些點(diǎn)位。由于我們一行采集67個點(diǎn)，故中間值為33。圖像是智能車的底層，圖像的采集正確與否在以后的控制中尤為重要，故一定要確保采集回來的黑線的真實(shí)有效性，并且要增加濾波算法，比如在有效前瞻很小的時候，本來只要判斷出黑線的轉(zhuǎn)向即可，給舵機(jī)以極限轉(zhuǎn)角可以讓車急轉(zhuǎn)彎。但是有效行很少的時候，如果不用特殊的濾波方法，只要有一行的黑線提錯，就可能讓小車轉(zhuǎn)錯，至于轉(zhuǎn)出界。
4 分段" title="分段">分段PID控制
4．1 圖像信息提取量
從采集回來的圖像中提取控制量來控制舵機(jī)的轉(zhuǎn)向，實(shí)現(xiàn)智能車的自動循跡。本系統(tǒng)采用黑線偏移量even_diff和黑線某段斜率D_diff-erent對舵機(jī)進(jìn)行控制，可稱為PD控制器。由于車模是個隨動系統(tǒng)，在攝像頭1．2 m前瞻內(nèi)覆蓋的黑線不一定有設(shè)置的44行，特別是前方的彎特別急的時候，在攝像頭前瞻視角范圍內(nèi)覆蓋的黑線會特別少，比如13行或13行以下。根據(jù)這個特點(diǎn)，可設(shè)置一個有效前瞻量valid_line作為對前方的彎的平緩程度的反應(yīng)。
把每一行的黑線位置值與中間值作差，得到該行的偏移量，中間值33位賽道的中心位置點(diǎn)，偏移量表示在車模的視角下黑線處于賽道中的位置值。把每一行的偏移量相加之和除以攝像頭前瞻范圍內(nèi)的提取出的黑線行數(shù)，得到黑線相對于車模中心的整體偏移量even_diff，用有效行內(nèi)的遠(yuǎn)處某些行與近處某些行(如前半場與后半場)偏移量之差得到有效行內(nèi)的黑線斜率D_differen。
這樣，從一場的黑線位置數(shù)據(jù)中，系統(tǒng)提取了有效行valid_line、even_diff、D_different 3個量來對舵機(jī)進(jìn)行控制。在實(shí)際情況中，D_different可以很靈活，因?yàn)榍胺胶诰€的斜率可以取不同段得到，可以根據(jù)實(shí)際要求得到不同段的斜率值，如速度快時可以適當(dāng)?shù)娜【嘬囕^遠(yuǎn)處的黑線斜率，以實(shí)現(xiàn)超前控制。
在智能車調(diào)試參數(shù)的時候，對這3個量的理解很是重要，具體來說，valid_line表征車模的有效前瞻，即看得有多遠(yuǎn)，對于智能車在道路上行駛，看得遠(yuǎn)說明黑線都在前方，看不遠(yuǎn)說明智能車前方的黑線已經(jīng)偏左或者偏右，而這個量的大小正好可以表征彎的平緩與急切。另外，看得遠(yuǎn)則攝像頭采集的黑線多，系統(tǒng)信息量大，那么怎么處理這些大量的信息為我們所用就變得很關(guān)鍵，如看得1．2 m都能看見，說明小車必然在長直道上，不然也是小S彎，稍作處理就可以過濾掉小S彎了，讓小車像都是在直道上跑；看得很近說明彎已經(jīng)很急，這時候，只要能夠判斷出彎往那邊拐就可以給舵機(jī)一個極值急拐。even_diff表征在某一個特定視野下，小車與黑線偏離的程度，這個量可以讓智能車在某個特定視野下決定給舵機(jī)多大的轉(zhuǎn)角。D_different則在有效前瞻遠(yuǎn)的時候尤為關(guān)鍵，因?yàn)樗梢灶A(yù)判前方的彎，從而超前的轉(zhuǎn)彎。
4．2 PD控制器形式
系統(tǒng)把這3個量處理成PD控制器的形式：
其中a為根據(jù)賽道有效前瞻確定的不同有效行。Centre為舵機(jī)走直線的控制中間值。Steer為PD控制器給舵機(jī)的輸入量。由于車模舵機(jī)轉(zhuǎn)向控制是一個非線性系統(tǒng)，而設(shè)置了入口條件“有效行判斷”，正好可以把這個非線性系統(tǒng)分割成不同段，在每一段可近似認(rèn)為轉(zhuǎn)向控制系統(tǒng)是線性的。即在某一小段范圍內(nèi)，得到的黑線位置和對應(yīng)的舵機(jī)PID參照角度處理成一次線性關(guān)系。最終實(shí)現(xiàn)簡單分段PID控制。
5 分段PID控制參數(shù)規(guī)律
在實(shí)際的調(diào)車過程中，我們總結(jié)發(fā)現(xiàn)，PD控制器的參數(shù)Kp、Kd與有效前瞻valid_line、車模的速度相關(guān)。簡單點(diǎn)說，即小車速度越快，車模遇彎提前拐彎的應(yīng)越早?？偨Y(jié)下來，有如下關(guān)系：
其中A為Kp的基礎(chǔ)值，valid_line為車模運(yùn)行到某個狀態(tài)的有效前瞻(用提取的黑線數(shù)量來估定)，speed為小車一場時間內(nèi)的脈沖值，表征車模時刻運(yùn)行的速度。低速時，可近似認(rèn)為speed／C為零，通過試驗(yàn)法可以確定A值大小。在確定Kp基礎(chǔ)值之后，即可加速，在小車速度稍高的時候調(diào)試得出合適的B值、C值，最終使小車平穩(wěn)準(zhǔn)確的切線，循跡而行。此關(guān)系式可知，有效前瞻的變化是對Kp值影響最大也是最直接的一個量，我們平時調(diào)車經(jīng)驗(yàn)而知，B參數(shù)應(yīng)比C敏感很多才行。有效行減少一行，對舵機(jī)轉(zhuǎn)向角的影響要遠(yuǎn)大于小車速度speed對Kp的對影響。而speed對舵機(jī)急轉(zhuǎn)快速性在車模高速的時候很是明顯。
為增加系統(tǒng)的魯棒性，并且更好的解決系統(tǒng)的非線性問題，我們將小車的前瞻分段，我們1．2 m的前瞻里面，總共有44行黑線，直道上全部提取回來，可以分為有效行37行一下、有效行30行以上、有效行24行以上、有效行18行以上、有效行13行以上與有效行13行以下7段。
處理成控制程序的形式為：
雖然分為7段，各段單獨(dú)控制，參數(shù)單獨(dú)調(diào)節(jié)，但是，Kp值與有效行(有效前瞻)成負(fù)相關(guān)的關(guān)系仍然成立，故Kp、Kp1、Kp2、Kp3、Kp4、Kp5依然大體上遵循與有效行負(fù)相關(guān)的關(guān)系，即Kp隨有效行的減小線性增加。
在每一段里面調(diào)節(jié)PD控制器的參數(shù)，使小車能夠行使不同類別不同半徑的彎道。這樣就形成分段PD控制，小車的非線性問題可以很好的解決，系統(tǒng)的魯棒性也能夠增強(qiáng)。同時，為保護(hù)舵機(jī)不至于向左向右打得太狠，可以限定舵機(jī)的左右極限值：
通過調(diào)試參數(shù)A、B、C，調(diào)節(jié)不同的Kp值，實(shí)踐證明，小車能夠平穩(wěn)、快速的自動巡線前行。
6 結(jié)束語
該算法把舵機(jī)的轉(zhuǎn)向的Kp系數(shù)與車速相關(guān)起來，能夠很好地配合車速與舵機(jī)轉(zhuǎn)向，提出以具體的智能車參數(shù)分段PD參數(shù)的規(guī)律，對智能車實(shí)際制作很有幫助，在智能車比賽中具有很廣的推廣價值。
實(shí)踐證明，參數(shù)調(diào)節(jié)合適的時候智能車能夠很好的適應(yīng)賽道，跑出希望的最佳路徑。為了參加第五屆“飛思卡爾”杯全國大學(xué)生智能汽車競賽，此控制算法在校級代表隊(duì)資格選拔賽中表現(xiàn)完美，最終跑出2．5 m／s的好成績，成功入選華北賽區(qū)參加比賽。實(shí)踐證明了智能車舵機(jī)分段PID控制轉(zhuǎn)向具有可行性和實(shí)用性。