华南理工大学广州汽车学院广汽三队智能汽车竞赛技术报告.docx
《华南理工大学广州汽车学院广汽三队智能汽车竞赛技术报告.docx》由会员分享，可在线阅读，更多相关《华南理工大学广州汽车学院广汽三队智能汽车竞赛技术报告.docx（12页珍藏版）》请在冰豆网上搜索。
华南理工大学广州汽车学院广汽三队智能汽车竞赛技术报告
摘要
本文详细介绍了一套智能车的寻线设计方案。
由总到分的先从整体上介绍了该系统的硬件和软件设计思想，继而细分各模块详尽介绍具体设计。
该智能车系统以MC9S12DG128B作为整个系统信息处理和发出控制命令的核心，基于摄像头采集的赛道信息，提取出黑线中心位置，并求得小车偏离黑线的程度，区分
出道路形状，对此信息进一步处理以控制舵机的转向，通过速度传感器获得实时速度信息，利用增量式数字PID控制算法实现闭环反馈控制。
文章详细介绍了图像采集模块、速度采集模块等信息采集模块和电机驱动模块和舵机驱动模块等动作执行模块的方案选取和电路设计原理，还介绍了系统调试方法策略。
测试表明，该智能车能够很好的跟随黑色引导线，可以实现对应于不同形状的道路予以相应的控制策略，可快速稳定的完成的整个赛道的行程。
关键字：
单片机摄像头速度传感器PID
引言
智能汽车，是一种集环境感知、规划决策、自动行驶等功能于一体的综合系统，集中地应用到自动控制、模式识别、传感器技术、汽车电子、电气、计算机、机械等多个学科，是典型的高新技术综合体，具有重要的军用及民用价值。
目前，智能车领域的研究已经能够在具有一定标记的道路上为司机提供辅助驾驶系统甚至实现无人驾驶。
这些智能车的设计通常依靠特定道路标记完成识别，通过推理判断模仿人工驾驶进行操作。
通常，智能车接受辅助定位系统提供的信息完成路径规划，如由GPS等提供的地图，交通拥堵状况，道路条件等信息。
在本次竞赛中，参赛队伍需要制作出一个能够自主识别道路并行驶的智能车模。
那么在模型车的制作过程中，最关键的问题就是如何探寻黑线，如何施以合适的控制策略来确保小车在不违背比赛规则的前提下沿赛道尽可能快速稳定前进。
而探寻黑线的准确与否将直接影响小车行进的稳定效果，故而，设计出准确的寻线系统是该智能车制作过程中最重要的环节。
而寻线一般有两种方案，即光电传感器和摄像头，光电传感器简单易行，抗干扰能力强，但是其探测距离较短，不能对前方道路信息作成很好的预测判断，而且单个光电传感器的功能有限，需要较多的传感器构成光电阵列来检测，这样不仅增加了车辆的重量，不利于快速前行，而且也会使得小车过宽，容易撞倒道旁边的插杆，严重影响其安全性。
本队采用摄像头，充分利用其探测距离长，道路可预测信息强的优点，对其采集到的道路信息进行分析处理，利用PID算法实现对小车行进的控制。
根据摄像头对黑白灰度值不同的分辨率采集赛道的黑色引导线信息，根据得到的每帧图像信息，判断小车偏离黑线的程度，并确定前方赛道是直道、弯道抑或是S道，再根据各种不同的赛道，予以相应的控制策略，基于“进弯减速，出弯加速”的原则，并且以直线方式冲过S道以减少转弯浪费的时间，利用摄像头得到信息的预测方向，使小车能够提前准备转弯等动作，从而防止小车因为直道
加速过大而使得转弯时速度难以减下来而冲出赛道，分析摄像头获得的图像信息，读入速度传感器获得的速度，利用增量式PID算法实现速度的闭环反馈控制。
目录
第一章引言
第二章智能车硬件设计
2.1机械设计
2.1.1面阵CMOS图像传感器
2.1.2测速发电机
2.1.3舵机安装
2.1.4车模参数调节
2.2硬件电路设计
2.2.1COMS传感器
2.2.2速度传感器
2.2.3电机和舵机驱动
2.2.4电源模块
2.3主电机驱动
第三章．车模软件系统设计
3.1图像处理算法
3.2跑道黑线提取
3.3图像矫正
3.4跑道特征计算
3.5模糊控制器设计
3.6控制系统结构与工作原理
3.7模糊PID控制器设计
3.8车速PID控制实现
第四章开发工具与调试
第五章总结
2.1机械设计
根据比赛规则，我们对模型车进行了机械设计和改造，主要包括面阵CMOS支架和测速电机支架的设计、舵机的安装，以及车模底盘参数的调节。
2.1.1摄像头支架
摄像头支架的作用是合理的安装和固定好摄像头的位置，为了保证获得稳定的视频图像信息，支架必须有足够的强度和刚度，且尽量轻较好。
安装的高度和角度在调试过程中可以根据需要选择最合适的值。
本文中摄像头支架类似如图2.1。
图2.1摄像头支架
2.1.2测速发电机支架
由于本文是采用测速发电机实现对驱动电机转速的检测，所以需要考虑测速发电机的安装和固定等问题。
通过齿轮传动的方式将测速电机上小齿轮与差速齿轮啮合，并且改变传动比，让测速电机和驱动电机等速。
测速发电机支架类似如图2.2。
图2.2测速发电机支架
2.1.3舵机安装
舵机响应速度是整车过弯速度的一个瓶颈。
为了加快车轮转向速度，我们设计并安装了舵机转向机构。
在并非改变舵机本身结构的条件下，改变了舵机的安装位置，而安装高度的最佳值是通过试验获得的。
舵机支架类似如图2.3。
图2.3舵机支架
2.1.4车模参数调节
根据汽车理论对底盘参数进行了调节，具体包括车模前后轴的高度、差速齿轮的松紧和主销的角度等。
2.2硬件电路设计
除了大赛提供的MC9S12DG128开发板以外，硬件电路主要分为四部分：
摄像头传感器部分；MC9S12DG128开发板扩展板部分；电机驱动部分；电源电路。
2.2.1CMOS图像传感器
参赛车模采用CMOS图像传感器作为道路信息采集设备。
同光电传感器相比，CMOS图像传感器具有耗电量低、信息量大、前瞻性好、轻便灵活等优点；但由于其每帧图像的输出时间固定为20ms，使CMOS图像传感器在控制周期上稍处劣势。
2.2.2速度传感器
为了对车模的速度实现更为精确的控制，在车模电机主轴加装速度传感器。
它可以输出脉冲信号到单片机中从而得到车模运动的速度并制定对车模直流电机的调整策略。
另外，利用速度的积分，还可以大致掌握车模的行驶距离，从而实现一种基于赛道记忆的车模控制方法。
检测车速的办法有很多种，例如测速电机、旋转编码器、反射式光电检测、对射式光栅检测、霍尔测速等等方法。
鉴于测速的可靠性，我们采用工业用的增量式旋转编码器进行测速。
通过处理速度传感器测得的信息，能使车模能以高速通过直道，并以恰当的速度平稳地转弯，车模具有较好的调速性能。
直流电机调速通常使用PWM调速来完成，通过改变驱动器输出PWM波的占空比，就可以调节加在电机上的平均电压，达到调速的目的。
但是，采用开环调节时电机特性比较软，转速收到供电电压、负载变化等因素变化影响较大，所以需要设置速度传感器，对车速进行实时检测进行闭环控制。
受安装条件的制约，我们选用了一款2.0cm直径100线的小型编码器
2.2.3主电机及舵机驱动
主电机是车模后轮的直流驱动电机，主要通过基于H桥的电机驱动芯MC33886，采用PWM信号控制加到主电机两端的等效电压的大小。
由于舵机内部集成了对其转角的控制电路，所以可以将单片机输出的某一路PWM信号输入到其控制线中即可对舵机转角进行控制。
2.2.4电源模块
由于条件和规则所限，参赛车模的动力系统与控制系统共用同一电源。
这样，在电机加减速过程中伴随的超大电流将拉低电池端电压，严重威胁控制系统工作的稳定。
因此，控制系统必须设计有可靠的升压、稳压模块，使电池端电压下降到一定水平时，控制系统的供电依然稳定、纯净
2.3主电机的驱动
基于H桥芯片MC33886的主电机驱动方案
为了利用单片机实现对主电机的控制，使用MOTOROLA公司的H桥芯片MC33886。
该芯片的供电电压在5V至40V之间均可，MOSFET管的导通电阻为120mΩ，控制信号的输入兼容TTL/CMOS电平，PWM的最高频率可达10kHz，同时具有短路保护功能和故障信号的输出。
MC33886的应用示意图如下图所示。
图中，V+是为直流电机供电的电源。
IN1和IN2两个逻辑电平输入端分别控制输出端OUT1和OUT2。
当IN1输入高电平时，OUT1输出也为高电平——即通过H桥与V+导通；当IN1输入低电平时，OUT1输出也为低电平——即通过H桥与GND导通。
IN2和OUT2的关系与此相同。
FS为故障信号开漏极输出，低电平有效。
当D1是高电平或者D2是低电平时，同时禁用OUT1和OUT2的输出，使OUT1和OUT2同时变为高阻态。
通过控制IN1和IN2的电平，即可控制电机正转、反转、停转。
对IN1和IN2的电平信号进行脉宽调制，即可控制电机的转速。
第三章车模软件系统设计
3.1图像处理算法
由于摄像头是车模获得环境和赛道信息的唯一来源，摄像头采集后图像数据处理的好坏将直接影响到控制质量和行驶速度。
每帧图像采集完成后，将通过以下4个步骤对图像进行处理：
1.图像的采集；2.图像二值化处理；3.跑道黑线提取；4.图像视野矫正；5.跑道特征计算
图像的二值化:
由于智能车系统对实时性的要求很高，过于复杂的黑线提取算法，会导致决策周期溢出，使程序崩溃，所以必须采用简单高效的图像识别算法。
CMOS传感器采集回来的图像是具有256灰阶的灰度图，由于我们只需要识别跑道中央的黑线，即知道跑道的黑白状况就可以了，不需关心它的颜色。
为了便于图像的进一步处理，我们要对采集回来的图像进行二值化。
数字图象处理的目的之一是图象识别，而图象分割与测量是图象识别工作的基础。
图象分割是将图象分成一些有意义的区域，然后对这些区域进行描述，相当于提取出目标区域图象的特征，判断图象中是否有感兴趣的目标。
从总体上说，图象分割就是把图象分割成若干有意义的区域的处理技术。
图象分割的方法很多，按算法分类，可分为阈值法、最大类间方差法、匹配法、跟踪法等。
阈值法是一种区域分割技术，将灰度根据主观愿望分为两个或多个等间隔或不等间隔灰度空间，它主要是利用图象中要提取的目标物体或背景再灰度上的差异，选择一个合适的阈值，通过判断图象中的每个像素点的特征属性是否满足阈值的要求来确定图象中该像素点属于目标区域还是应该属于背景区域，从而产生二值图象，它对物体与背景有较强对比景物的分割特别有用。
设原始图象为f（x,y）,按照一定的准则再f（x,y）中找到特征值T，将图象分割为两个部分，分割后的图象为
在使用阈值法进行分割技术时，阈值的选取成为能否正确分割的关键。
运行环境是黑白的赛道，背景和前景区分明显，且背景简约。
故使用经过试验测定的单一阈值对图像进行分割，就可取得较好的效果
3.2跑道黑线的提取
经过图像采集和二值化，图像的二维数据矩阵。
由于近处的图像对比度明显，质量较好，同时由于近处视野较窄，黑线宽度较宽，受跑道外部的干扰相对较少，能比较可靠地提取出跑道黑线的位置；而远处视野比较宽阔，黑线宽度较少。
在路径提取时采取的方法是递推式的图像搜索方法，来避开在图像中出现的黑色噪块。
这种方法能够有效地把实际路线勾画出来。
3.3图像透视变形的矫正
在拍摄图像的时候，摄像头最理想的位置是能垂直于拍摄平面，这样才能保证图像能按原来的几何比例重现。
在循线机器人的设计中，受机器人规格的限制，和因为重心高度带来的运行平稳性的问题，摄像头不方便垂直于地面（或被拍摄平面）获取图像，只能在离地面比较低的高度，并与地面成一定角度安装。
因此，根据摄像头的光学成像模型，采集回来的图像将会出现梯形失真，即所谓的“透视变形”
在路经的识别中，图像的透视变形会带来一系列问题：
垂直线被拍摄成斜线，远处的弯道由于透视原因远处弯道被缩小导致曲率计算错误，因远近处图像比例不同导致斜率计算错误和入弯距离计算错误。
因此，进行图像的透视校正对提高路径特征获取的精度十分重要。
3.4跑道特征计算
因为摄像头安装在中轴线上，所以采集图像的中点位置也就是车体的中点。
车体相对于导引黑线的位置偏差，可认为是图像黑线相对于图像中点的位置，即图像最近一行黑线坐标。
与计算车体位置偏差类似，计算车体角度偏差其实就是计算曲线拟合出的斜线与图像中轴线的夹角。
在这里，我们使用最小二乘法（由于篇幅所限，而且算法简单就不作介绍）对跑道曲线进行一阶拟合，把跑道曲线拟合成具有y=ax+b一阶形式的斜线。
a即为曲线拟合直线后的斜率，通过
可求出曲线与车体中轴线的夹角。
3.5模糊控制器的设计
模糊控制器的特点
在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。
然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。
换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。
传统的PID控制算法精度高,不需要精确的数学模型,但参数的整定至关重要,对于高速运动的巡线机器人这种高实时要求的非线性系统，很难到达理想的动态性能和实现系统稳定，采用传统的PID控制方式很难满足实时性控制的要求。
模糊控制作为智能控制算法中一种,具有不要求精确的数学模型,人机对话能力较强,能够方便地将专家的经验与思考加入到知识模型中等优点，十分适合巡线机器人这种时变的、非线性的、高实时响应的系统。
在飞思卡尔的HCS12单片机上采用模糊控制有其特有的优势。
由于该单片机具有模糊控制专用的运算指令，使用其内部指令使运算速度完全能够满足大部分控制的需求，且简化了设计过程。
而且，模糊控制属于逼近式的控制方法，比较能模拟人驾驶车的控制过程。
模糊自适应PID控制系统设计
3.6控制系统结构与工作原理
模糊自适应PID控制系统结构如图１所示，由一个传统PID控制器和模糊控制环节组成。
本系统采用位移传感器对位置进行检测，经过信号转换与计算机进行串口通信，将输入给定信号r与反馈信号y进行比较得出偏差信号e，将偏差信号分为两路，一路直接进入PID控制器，另一路和它的变化率一起进入模糊控制环节，得到参数校正值pΔK、iΔK、dΔK，自动校正初始的PID参数Kp、Ki、Kd，然后用校正后的参数输入PID控制器得到控制量，作为速度环的给定。
系统采用双闭环控制，内环为速度环，采用PI控制，外环为位置环，采用模糊PID控制。
3.7模糊PID控制器设计
3.7.1确立输入输出变量并模糊化
模糊控制器的输入变量为舵机位置转角的偏差e和偏差变化率ec，输出变量为PID控制校正参数pΔK、iΔK、dΔK。
无论是偏差还是偏差变化率，都是精确的输入值，模糊化就是使之离散化，变为设定整数论域中的元素
舵机系统控制精度的要求，将E和EC论域定义为
E，EC={-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}
其模糊子集为：
E，EC={NB，NM，NS，O，PS，PM，PB}，子集中的元素分别代表负大、
负中、负小、零、正小、正中、正大，模糊子集的隶属度函数均采用三角形函数。
输出量ΔKp、iΔK、dΔK的论域、语言变量取值、隶属度函数的选择与E和EC相同。
3.7.2建立模糊推理规则
模糊控制设计的核心是基于专家知识或控制工程师长期积累的技术知识和实际操作经验，从系统的稳定性、响应速度、超调量和稳态精度等各方面总结出的模糊推理规则。
其一般形式为由模糊语言和模糊逻辑组成的模糊条件语句。
本系统采用Mamdani模糊推理类型，即模糊蕴含关系为：
IfiE=AandjEC=BthenpijΔK=CandiijΔK=DanddijΔK=F
模糊控制器的推理基本原则是：
当偏差E很大时，为使系统具有较好的快速跟踪性能，Kp应该取大一些；而为避免造成微分溢出，Kd应取小一些，同时为避免系统超调，应对积分作用加以限制，Ki通常取零值；当偏差E为中等大小时，为减小系统超调，Kp应减小；
这时，Kd的取值对系统的影响较大，Ki的取值要适当；当偏差E较小时，为防止超调过大产生振荡，Kp应减小；为使系统尽快稳定，消除系统的稳态误差，提高控制精度，Ki应增大，综合考虑系统的抗干扰能力和系统响应速度，应使Kd适当取值[3]。
根据以上原则，由模糊推理可分别得出修正参数pΔK、iΔK、dΔK的模糊量。
3.7.3清晰化
以上通过模糊推理得到的结果是模糊量，不能直接用于控制被控对象，在实际使用中要用一个确定的值去控制执行机构，因此需要将模糊量转换成清晰量。
考虑到本系统的要求，由于重心法能反映出整个模糊量信息的精确值，故采用其进行模糊变量清晰化。
3.7.4应用
本设计利用S12的模糊推理机，把位置偏差与角度偏差作为模糊输入，输出速度给定、舵机给定。
从而实现模糊控制。
3.8车速PID控制的实现
为了智能车能快速安全地通过不同路况下的跑道，就要求车模的速度能快速准确的跟踪控制器的给定速度。
在这里，我们使用了经典的PID控制算法控制速度。
由于车模安装有光电编码器，所以应用S12单片机的脉冲计数模块，定期地读取计数值，即可检测车模的速度。
由于PID控制要求有稳定的控制周期，所以我们采用了定时器产生定时中断，激活后台的中断服务程序进行速度检测和PID控制。
第四章开发工具与调试
我们采用MC9S12DG128单片机作为主控芯片。
DG128是飞思卡尔公司推出的
S12系列单片机中的一款增强型16为单片机。
片内资源丰富，拥有SPI、SCI、
I2C、A/D和PWM等常见的接口模块，在汽车电子应用领域具有广泛的用途。
MC9S12DG128单片机介绍：
CPU：
增强型16位HCS12CPU，片内总线时钟最高可达25MHZ；
片内资源：
8KRAM、128KFlash、2KEEPROM；
串行接口模块：
SCI、SPI/PWM；
脉宽调制模块（PWM）可设置成4路8位或者2路16位，逻辑时钟选择频率宽；
两个8路10位精度A/D转换器；
控制器局域网模块（CAN）；
增强型捕捉定时器；
支持背景调试模式。
在整个开发调试过程中，我们采用CodeWarriorforHCS12[10]作为程
序编译软件。
CodeWarriorforHCS12是面向以HC12或S12为单片机嵌入式应
用开发的软件包，包括集成开发环境IDE、处理器专家库、全芯片仿真、可
视化参数显示工具、项目工程管理器、C交叉编译器、汇编器、链接器以及
调试器等。
在CodeWarrior软件中可以使用汇编语言或C语言，以及两种语言
的混合编程。
CodeWarriorIDE能够自动地检查代码中的明显错误，它通过一
个集成的调试器和编辑器来扫描代码，以找到并减少明显的错误，然后编译
并链接程序以便计算机能够理解并执行程序。
每个应用程序都经过了使用象
CodeWarrior这样的开发工具进行编码、编译、编辑、链接和调试的过程。
S12系列单片机采用了BDM（BackgroundDebugModel,背景调试模式）的
调试方式，在BDM模式下主要可以实现以下3方面的功能：
应用程序的下载与在线更新；
单片机内部资源的配置与修复；
应用程序的动态调试。
BDM单独使用时，需要通过5V电源插座给BDM头供电。
用BDM头调试目标系
统时，BDM可以通过BDM电缆向目标板供电，BDM头的电源的供给也可以从BDM
电缆得到。
下图11.2给出了PC机通过BDM头与目标机相连的示意图，也给出
了BDM调试插头、插座的定义。
需要注意的是：
BDM电缆的6针插头座一定不
能插反，否则会引起BKGD引脚（S12单片机的I/O端）与电源（Vdd）短路，
会烧毁BKGD引脚，烧毁单片机！
在我们的开发调试中，整个过程均使用C语言实现程序的编写，通过BDM
调试器将系统与PC机相连（如图11.1所示），将PC机中CodeWarriorIDE中编
写的程序下载到HCS12单片机中，赋予整个系统的软件算法，实现整个控制
过程的软件和硬件的结合。
第五章结语
问题与思考
在车模的制作过程中，我队有一版集成各个模块的电路出现未知的严重问题，导致其不能工作，给我队的调试进度造成了极大的影响。
因此，硬件的模块化是相当重要的。
模块化了的硬件在设计上更加容易实现，升级费用更低，具有极好的维护性和可更换性。
不足与改进
参赛车模采用CMOS图像传感器，图像稳定度差，且易饱和。
CCD图像传感器同CMOS图像传感器相比，能够大大提高图像质量以及对场地光线条件的适应性。
目前已有的升压模块采用集成功率MOS管的MAX761芯片，电流输出能力较差。
可以考虑采用外置功率MOS管的升压控制芯片，以提高输出电压在大电流下的稳定性。
参考文献
[1]卓晴黄开胜．学做智能车――挑战飞思卡尔杯．北京航空航天大学，2007:
35~40
[2]邵贝贝．单片机嵌入式应用的在线开发方法．清华大学出版社，2004:
50~64
[3]吴怀宇程磊章政。
大学生智能汽车设计基础与实践。
电子工业出版社。
2008
[4]佟绍成．非线性系统的自适应模糊控制．科学出版社．2006
升级会员 