摘  要： 基于S3C2440嵌入式處理器的自主移動(dòng)智能小車系統(tǒng)能在安卓客戶端發(fā)送目的地位置信息后，完成路徑規(guī)劃并自動(dòng)避障。處理器將小車上搭載的功能傳感器所采集到的實(shí)時(shí)數(shù)據(jù)信息反饋到客戶端，實(shí)現(xiàn)對(duì)室內(nèi)質(zhì)量狀況（實(shí)時(shí)視頻監(jiān)控、溫度、濕度和煙霧指數(shù)）的動(dòng)態(tài)環(huán)境監(jiān)測(cè)，并于定點(diǎn)位置安裝功能傳感器，采用ZigBee無線模塊實(shí)現(xiàn)定點(diǎn)的環(huán)境數(shù)據(jù)采集與運(yùn)動(dòng)系統(tǒng)交互，進(jìn)而反饋到客戶端。而當(dāng)運(yùn)動(dòng)系統(tǒng)電量不足時(shí)，在自動(dòng)充電單元控制下自動(dòng)完成充電過程。測(cè)試結(jié)果表明，該運(yùn)動(dòng)系統(tǒng)能夠穩(wěn)定運(yùn)行，具有良好的實(shí)時(shí)性。

　　關(guān)鍵詞： S3C2440；嵌入式；自主移動(dòng)；路徑規(guī)劃；自動(dòng)充電；環(huán)境監(jiān)測(cè)

0 引言

　　目前市場(chǎng)上的環(huán)境監(jiān)控?cái)z像頭大多采用定點(diǎn)安裝，通過攝像頭的轉(zhuǎn)動(dòng)來采集室內(nèi)環(huán)境的實(shí)時(shí)情況，其不足在于不僅存在監(jiān)視死角，且需要多個(gè)定點(diǎn)安裝[1]；而對(duì)于室內(nèi)的溫度、濕度和煙霧環(huán)境質(zhì)量狀況的監(jiān)測(cè)則是通過定點(diǎn)安裝傳感器來采集實(shí)時(shí)數(shù)據(jù)，從而反映出環(huán)境質(zhì)量的實(shí)時(shí)狀況。因此，該方案需要定點(diǎn)安裝數(shù)量不少的攝像頭和傳感器，極大地浪費(fèi)了人力物力[2]。雖然國內(nèi)外已有采用基于路徑規(guī)劃算法[3]（大多采用的是蟻群算法、遺傳算法和人工神經(jīng)網(wǎng)絡(luò)算法）的機(jī)器人來無線監(jiān)控室內(nèi)環(huán)境以及監(jiān)測(cè)環(huán)境數(shù)據(jù)信息，然而這些算法具有一定的復(fù)雜性，并且與起點(diǎn)位置和障礙分布有關(guān)，可能造成路徑迂回。

　　本設(shè)計(jì)基于導(dǎo)航組件，對(duì)使用智能小車作為載體的運(yùn)動(dòng)系統(tǒng)進(jìn)行路徑規(guī)劃；采用超聲波測(cè)距模塊自動(dòng)避障；當(dāng)智能小車電量不足時(shí)，可在自動(dòng)充電單元的控制下自動(dòng)完成充電過程。從而實(shí)現(xiàn)室內(nèi)環(huán)境的自主移動(dòng)監(jiān)控和溫度、濕度、煙霧指數(shù)的數(shù)據(jù)采集。

1 系統(tǒng)總體結(jié)構(gòu)

　　圖1為本設(shè)計(jì)的系統(tǒng)結(jié)構(gòu)框圖。系統(tǒng)以S3C2440嵌入式處理器作為控制中心，采用安裝有導(dǎo)航組件、電機(jī)驅(qū)動(dòng)模塊和特定功能傳感器的智能小車作為運(yùn)動(dòng)數(shù)據(jù)采集系統(tǒng)；通過ZigBee組網(wǎng)通信，將運(yùn)動(dòng)系統(tǒng)采集到的視頻數(shù)據(jù)和傳感數(shù)據(jù)以及固定節(jié)點(diǎn)采集到的傳感數(shù)據(jù)匯總到運(yùn)動(dòng)系統(tǒng)的嵌入式服務(wù)端，用戶可以使用安卓客戶端，通過WiFi來無線實(shí)時(shí)操控和監(jiān)測(cè)室內(nèi)環(huán)境狀況；而運(yùn)動(dòng)系統(tǒng)電量不足時(shí)，在自動(dòng)充電單元控制下，小車自動(dòng)完成充電過程。

2 運(yùn)動(dòng)系統(tǒng)設(shè)計(jì)

　　2.1 智能小車路徑規(guī)劃

　　路徑規(guī)劃算法是在導(dǎo)航組件的基礎(chǔ)上進(jìn)行設(shè)計(jì)，該導(dǎo)航組件由GPS模塊數(shù)字羅盤和霍爾傳感器組成[4-5]。

　　如圖2所示，假定作為運(yùn)動(dòng)系統(tǒng)載體的智能小車位于一平面上，將其起始位置用平面坐標(biāo)XY上的S點(diǎn)標(biāo)記，圖中箭頭方向即為小車的車頭方向，E點(diǎn)為安卓客戶端所輸入的目標(biāo)終點(diǎn)。

　　在XY平面上連接起點(diǎn)S和終點(diǎn)E，直線SE與x軸方向（假定x軸方向地理位置為正東方向）之間的夾角為α：

　　α=tan-1（（y1-y0）/（x1-x0））=tan-1（y/x）

　　式中，x=x1-x0；y=y1-y0；（x0，y0）為小車當(dāng)前點(diǎn)S的坐標(biāo)；（x1，y1）為安卓客戶端所輸入的目標(biāo)終點(diǎn)E的坐標(biāo)。

　　在不考慮障礙物的情況下，形成一條理想化的直線路徑，即小車從當(dāng)前位置S（x0，y0）直線運(yùn)動(dòng)到目標(biāo)位置E（x1，y1）。GPS模塊數(shù)字羅盤能夠測(cè)出智能小車的車頭起始位置與正北方向（y軸方向）之間的夾角為β，則車頭方向與SE直線間的夾角φ=β+（90°-α）。通過嵌入式處理器測(cè)算，調(diào)整車頭方向，使小車正對(duì)方向朝目標(biāo)點(diǎn)E駛?cè)ァ６谛≤囆凶哌^程中，采用霍爾傳感器記錄小車行走的路徑。小車在行走的過程中可能會(huì)遇到各種各樣的障礙物，因此必須檢測(cè)并順利躲避障礙物，使得小車可以安全準(zhǔn)確到達(dá)預(yù)設(shè)目標(biāo)點(diǎn)。如圖3所示，箭頭所指方向?yàn)樾≤囓囶^方向，在小車的右前方、正前方、左前方、右后方、左后方安裝5個(gè)超聲波測(cè)距避障模塊。

　　若相應(yīng)方向的超聲波模塊測(cè)距后檢測(cè)到障礙物（圖2中不規(guī)則陰影部分為障礙物），則嵌入式處理器給小車下達(dá)執(zhí)行避障的命令。當(dāng)小車處于前進(jìn)狀態(tài)，且前方的3個(gè)超聲波模塊均檢測(cè)不到障礙物時(shí)，則認(rèn)為已避開障礙物[6]。這時(shí)，處理器重新讀取小車當(dāng)前的GPS坐標(biāo)E′（x1′，y1′），以當(dāng)前即時(shí)位置E′的坐標(biāo)更新原始位置S的坐標(biāo)，便得到更新后的x、y值；而后再設(shè)置理想化直線E′E，重新規(guī)劃導(dǎo)航路徑。如此反復(fù)，直到x、y的值小于預(yù)設(shè)的閾值后，則認(rèn)為在誤差范圍內(nèi)，小車已到達(dá)目標(biāo)終點(diǎn)E（x1，y1）；然后通過嵌入式控制中心給客戶端一個(gè)反饋，從而客戶端可以監(jiān)測(cè)該位置的視頻信息、溫度、濕度和煙霧指數(shù)值以及報(bào)警模塊反饋的安全狀態(tài)（客戶端顯示的信息同時(shí)也包含了用戶關(guān)心的固定節(jié)點(diǎn)采集到的數(shù)據(jù)信息）。

　　智能小車在從S（x0，y0）向E（x1，y1）行進(jìn)的過程中，遵循以下原則：

　　（1）在外部環(huán)境條件允許的情況下，運(yùn)動(dòng)軌跡僅是理想化路徑的近似曲線。

　　（2）當(dāng)外界存在障礙物時(shí)，小車先進(jìn)行避障任務(wù)，避開障礙物或遠(yuǎn)離障礙物后（即圖2中E′點(diǎn)），再讀取即時(shí)GPS坐標(biāo)，重新規(guī)劃導(dǎo)航路徑。

　　2.2 智能小車自動(dòng)充電設(shè)計(jì)

　　在充電電源處放有強(qiáng)光，而小車上安裝有趨光模塊（由5個(gè)光敏電阻組成的趨光電路），模塊的光敏電阻阻值隨光強(qiáng)而變化。為了減小外界無關(guān)的光線影響，在每個(gè)光敏電阻上，套上用黑膠帶做成的桶行冒[7]，其目的是可較準(zhǔn)確地檢測(cè)出各個(gè)方向的光強(qiáng)，方便處理器的控制，減小檢測(cè)誤差。通過對(duì)光敏電阻檢測(cè)到的光強(qiáng)轉(zhuǎn)換電壓與預(yù)設(shè)的閾值比較，完成小車追蹤光源的任務(wù)。

　　每個(gè)光敏電阻檢測(cè)一特定扇形區(qū)域，如圖4所示，該區(qū)域角度為α。經(jīng)過測(cè)試，α在32°左右即可。在尋光過程中，當(dāng)光敏電阻追蹤到光時(shí)，其阻值發(fā)生變化，處理器檢測(cè)變化信號(hào)并產(chǎn)生相應(yīng)的指令來驅(qū)動(dòng)電機(jī)，從而改變小車的行進(jìn)路線。當(dāng)小車路線改變后，相應(yīng)地光敏電阻接受到的光強(qiáng)也隨之發(fā)生變化；在電源處放著一塊強(qiáng)力磁鐵，而小車上放有一塊金屬片，當(dāng)小車通過尋光行駛到電源處，停止前進(jìn)，在電源處的磁鐵實(shí)現(xiàn)電源與小車的對(duì)接功能，從而實(shí)現(xiàn)自動(dòng)充電；而處理器一旦監(jiān)測(cè)到小車電池電壓達(dá)到電量充滿的閾值時(shí)，驅(qū)動(dòng)電機(jī)使小車與磁鐵脫離吸合狀態(tài)。因此，該運(yùn)動(dòng)系統(tǒng)在室內(nèi)環(huán)境的動(dòng)態(tài)監(jiān)測(cè)過程中不用考慮電量不足的問題，能更好地實(shí)現(xiàn)人性化的環(huán)境監(jiān)測(cè)。

　　2.3 智能小車避障策略

　　智能小車在行進(jìn)過程中遇到障礙物時(shí)所采取的策略如表1所示。當(dāng)超聲波模塊檢測(cè)到障礙物時(shí)，相應(yīng)模塊的電平為“1”，否則為“0”；“X”為任意狀態(tài)；D1和D3分別為1號(hào)和3號(hào)測(cè)距模塊所測(cè)障礙物距離。

3 實(shí)現(xiàn)結(jié)果

　　在空曠的操場(chǎng)上自動(dòng)規(guī)劃智能小車行走路徑。圖5為小車的實(shí)測(cè)行走路徑，小車從S點(diǎn)出發(fā)，先后經(jīng)過預(yù)設(shè)目標(biāo)點(diǎn)E1、E2、E3；在行進(jìn)過程中，小車遇到了障礙物，需進(jìn)行自動(dòng)避障，因此整條路徑行成了S型，而非理想的直線路徑，S到E3之間的直線距離為25 m。

　　小車從起始點(diǎn)出發(fā)的行進(jìn)過程中，通過GPS模塊數(shù)字羅盤能夠測(cè)出智能小車的車頭起始位置與正北方向之間的夾角為β，因此在不同的時(shí)間內(nèi)，車頭方向與小車當(dāng)前位置到目標(biāo)點(diǎn)直線間的夾角φ=β+（90°-α）可通過處理器測(cè)出。由此可獲得智能小車方向角φ與時(shí)間的關(guān)系圖，如圖6所示。小車在出發(fā)點(diǎn)S處與目標(biāo)點(diǎn)E1，開始存在一個(gè)方向角，設(shè)置好目標(biāo)點(diǎn)E1后，小車迅速調(diào)整車頭位置，使車頭正對(duì)目標(biāo)點(diǎn)，并前進(jìn)；在行進(jìn)過程中，由于沒有遇到障礙物，方向角在0°左右波動(dòng)，在誤差允許的范圍內(nèi)；當(dāng)小車行走到目標(biāo)點(diǎn)E1時(shí)，隨即獲取到前往目標(biāo)點(diǎn)E2的命令，在E1位置存在障礙物，因此方向角變化需要一定的時(shí)間。當(dāng)車頭方向調(diào)整到正對(duì)目標(biāo)點(diǎn)E2時(shí)，方向角在0°左右波動(dòng)，在誤差允許的范圍內(nèi)。從圖中也可以看出，從E2到E3也滿足設(shè)計(jì)的需求。小車在28 s內(nèi)，自主移動(dòng)，成功到達(dá)終點(diǎn)。

4 結(jié)束語

　　本系統(tǒng)使用安卓客戶端遠(yuǎn)程無線控制運(yùn)動(dòng)系統(tǒng)，并監(jiān)測(cè)室內(nèi)環(huán)境數(shù)據(jù)和安全狀態(tài)，智能小車可自動(dòng)充電。對(duì)于室內(nèi)環(huán)境的監(jiān)測(cè)有兩種模式：一種是智能小車完成路徑規(guī)劃和自動(dòng)避障動(dòng)態(tài)監(jiān)測(cè)室內(nèi)環(huán)境狀況（視頻監(jiān)控、溫度、濕度及煙霧指數(shù)），質(zhì)量狀況超過安全值時(shí)自動(dòng)報(bào)警并反饋給客戶端；而另一種模式是使用客戶端實(shí)時(shí)控制智能小車走向，并且安卓手機(jī)上實(shí)時(shí)顯示所有傳感器的實(shí)時(shí)傳感數(shù)據(jù)，對(duì)特別關(guān)心的地點(diǎn)可拍照傳回，保證一些安全隱患早發(fā)現(xiàn)早預(yù)防，對(duì)保護(hù)人身財(cái)產(chǎn)安全等起到至關(guān)重要的作用。系統(tǒng)具有很大升級(jí)空間，可以擴(kuò)展功能，實(shí)現(xiàn)更為復(fù)雜的控制。

參考文獻(xiàn)

　　[1] WATANABE K， UMEMURA M， HIGASHIKUBO M. Development of video surveillance device[Z]. Sumitomo Electric Industries Ltd， 2013（76）：90-93.

　　[2] BARRERA E， RUIZ M， MACHON D. PXI-based architecture for real-time data acquisition and distributed dynamic data processing[J]. IEEE Transactions on Industrial Electronics， 2006，3（53）：923-926.

　　[3] THOMPSON B， YOON H S. Efficient path planning algorithm for additive manufacturing systems[J]. IEEE Transactions on Components， Packaging and Manufacturing Technology，2014，9（4）：1555-1563.

　　[4] ZIDEK K， RIGASOVA E. Path planning algorithm based on search algorithm， edge detector and GPS data/satellite image for outdoor mobile systems[J]. IEEE International Symposium on Applied Machine Intelligence and Informatics （SAMI），2012，11（26）：349-354.

　　[5] 溫陽東，王祥好．基于線陣CCD的智能小車路徑識(shí)別系統(tǒng)[J]．合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，9（32）：1348-1352．

　　[6] KIM S J， KIM B K. Dynamic ultrasonic hybrid localization system for indoor mobile robots[J]. IEEE Transactions on Industrial Electronics， 2013，60（10），4562-4573.

　　[7] 紀(jì)欣然．基于Arduino開發(fā)環(huán)境的智能尋光小車設(shè)計(jì)[J]．現(xiàn)代電子技術(shù)，2012，15（35）：161-163．