自循迹巡逻小车软件设计外文翻译.docx

自循迹巡逻小车软件设计外文翻译.docx

《自循迹巡逻小车软件设计外文翻译.docx》由会员分享，可在线阅读，更多相关《自循迹巡逻小车软件设计外文翻译.docx（19页珍藏版）》请在冰豆网上搜索。

自循迹巡逻小车软件设计外文翻译

杭州电子科技大学

毕业设计（论文）外文文献翻译

毕业设计（论文）题目

自循迹巡逻小车-软件设计

翻译题目

智能车的自动循迹视觉控制策略设计

学院

自动化学院

专业

电气工程与自动化

姓名

温佳乐

班级

11063011

学号

11012214

指导教师

孙伟华

智能车的自动循迹视觉控制策略设计（译文）

HuiZhang,YongxinLiu

1．中国，呼和浩特，内蒙古大学电子信息工程学院

E-mail:

yxliu@

文摘:

本文是对智能车控制算法的自动循迹与视觉设计的研究。

由直流电机驱动和负责转向的舵机构成的智能车使得它可以沿着黑线高速运行。

一种控制策略建议是让智能车依据根据道路的视觉效果来控制转向，根据道路的图像来控制转向，根据道路的形状来调整速度。

这种基于道路形状的控制方法是基于对道路图像的处理的。

道路的识别包含在整个小车转向控制和速度控制当中。

首先，通过线性CCD采集道路的图像信息传送给CPU进行处理；其次采用道路识别算法来计算出道路的形状；最后，用PD算法控制方向，模糊算法控制速度。

通过在真实赛道上的测试，智能汽车可以在方向和速度上快速响应，沿着最优路线行驶，使得小车能在智能车比赛中取得好成绩。

关键词:

智能车竞赛，图像处理，道路识别，PD转向控制，模糊速度控制

1介绍

随着电子和智能控制技术的发展，智能汽车的研究已成为控制和人工智能领域的一个热点[1]。

智能汽车是一种模拟真实汽车的汽车模型，由直流电机驱动和负责转向的舵机构成的。

智能汽车的是基于微控制器设计的，车前的舵机负责转向；后面的电机结合速度传感器的反馈控制速度。

用舵机引导和控制汽车;直流电机在汽车的后面通过速度传感器的反馈来控制速度。

智能汽车可以在一个黑色的线宽2.5厘米，白色背景的场地上行驶。

图1智能汽车

有两种常见的道路识别方法：

一个是使用红外二极管作为传感器，另一种是使用CCD/CMOS图像传感器。

在本文中，视觉系统设计采用线性CCD传感器，SAA7113用于把模拟信号转化为数字信号。

智能车控制已经提出了多种控制方法。

开环控制算法，闭环增量PID算法和鲁棒算法在文献[3]中阐述。

基于模糊分类和PI速度调节的速度控制系统在文献[4]中阐述。

根据图一的智能车，本文提出了智能小车的控制策略，它包含了转向控制和速度控制。

文章主要介绍智能车根据视觉图像自动循迹的控制策略。

剩下的部分由下面组成。

前面介绍的道路图像处理算法在第二部分介绍相关信息；在第三节中介绍了道路的识别算法，应用此算法来识别道路的形状。

智能车控制策略在第四节中介绍，PD控制算法应用于方向控制，模糊控制算法应用于速度控制，最后在第五节得出相关结论。

2道路图像的处理过程

2.1图像的采集和过滤

通过智能车传感器采集的图像是灰白色的，道路的中心是一条黑色的轨迹，背景是白色的。

考虑到不同灰度等级的差异，设置图像的阈值可用于减少计算量。

在控制过程中采用固定的阀值。

根据道路图像的直方图、图像灰度集中在0~60以及125~190，0~60主要是黑线区域，125~190是白色背景。

93在125~190的中心而被选作阀值。

2.2图像滤波

图像经过二值化处理，它总是存在一些干扰点，这样便会产生一些误判，通过扩张和侵蚀，可以用来消除干扰。

侵蚀可以消除小区域图像的噪点。

使用一个简单的模板，扫描图像从左到右，从上到下。

因为黑色引导线宽度大于或等于2个点，如果一个黑色两边的像素点是白色的点（边界点不处理），那么这个点则被认为是噪点，通过侵蚀把这个点变成白色的点。

侵蚀过程是图2所示，图（a）是受影响的二值化图像采集，图（b）是侵蚀后的图像，可以看出侵蚀可以消除散乱的干扰点，但不能消除的右上角干扰。

（a）二值化图像（b）侵蚀后图像

图2侵蚀的影响

扩张可以填补一个空白的图像。

一副从传感器采集到的图像，可以看出黑线中心有一些孤立的点，有时会影响到中心线的提取。

通过简单的方法，类似于上面的图像侵蚀的方法，运用于图像的扩张。

如果一个白色点两侧的像素是黑色的点，这个点被认为是噪点，则将白色的点变成黑色点，扩张过程是图3所示，图（a）二值化的图像采集，图（b）是扩张后的图像。

图（a）二值化的图像图（b）扩张后的图像

图3扩张的影响

2.3道路中心提取

为了方便控制，需要提取道路中心线位置。

检测独特的跳变信号和中心线跟踪算法被用来提取中心线的位置。

1开始确定有效行

确定传感器从有效的开始行采集数据并存储，远端的数据保存在数组顶部，近处的数据保存在底部。

因为近处数据是清楚的，所以数据处理从图像的底部开始，因为它是离小车最近的图像，干扰和图像失真最小。

有效的起始检测线满足条件如下:

（1）它只存在一个跳变沿（黑色点跳上升到白色点），只有一个上升沿变化（白色点跳进到黑色点），与此同时，上升沿和下降沿的距离大于或等于8。

（在最近的黑线的宽度是相等的或大于8）

（2）如果一行的起始点是黑色的，它只存在的一个上升沿。

（3）如果一行的终点是黑色的，那么它的存在只有一个下降沿，与此同时，下降沿和终点之间的宽度小于8。

行满足上述条件之一可视为有效的起始行，但计算道路中心线的方法是不同的。

如果遇到第i行不满足以上的条件，行i是称为无效行，有效行从i-1开始确认，那么有效的开始行定义为S1。

如果行满足条件

（1），行的中心可以用公式

（1）计算。

c（i）是行的中心，u（i）的位置从行i的上升沿，d（i）是下降沿。

如果行满足条件

（2），行的中心可以用公式

（2）计算。

如果行满足条件（3），行的中心可以用公式（3）计算。

2中心点跟踪算法

开始行被确定之后，其余中心点可以用中心点跟踪算法计算。

跟踪从起始行还是从图像的近处到远处。

对于高分辨率的清晰图像，道路的中心点是连续的;两个相邻的位置变化小于5行。

所以如果有效的中心点开始行确认，相邻的行范围i+1中心点可以减少c（i）±5。

（1）在指定的范围内衣检索，如果这行在一定范围内只存在一个上升沿和一个下降沿，它们之间的宽度等于或大于2行，行确认为有效行，行可以用计算中心的公式

（1）计算。

（2）如果一行的起始点是黑色的，这行只存在一个上升沿，上升的跳跃和起点之间的宽度小于10，行确认为有效行，行可以用计算中心的公式

（2）计算。

（3）如果一行的终点是黑色的，它只存在一个下降沿，下降沿和末尾点之间的距离宽度小于10，行确认为有效行，行可以用计算中心的公式（3）计算。

如果行不满足上述的条件，行被称为错误行，行可以用计算中心的公式（4）来计算，行i+1被作为行的中心。

3确定有效结束行

确定有效的结束行有助于确定图像的有效范围。

最终原则确定行如下:

进行图像扫描后，错误行进行累加，如果三行都是错误行，那么这三行的开始行被作为有效的结束行，最后得出的结论是这最开始的行被称作是这幅图像的有效结束行。

中心点跟踪算法可以消除光造成的干扰。

如图像4，图（a）是一个图像的侵蚀过程。

右边的图片，一些黑色的点是由光引起的。

图（b）是提取图像的中心点与中心点跟踪算法获得的图像。

（a）原始图像（b）提取中心

图4提取中心

3道路识别算法

3.1道路参数计算

从中心点开始，计算道路参数可以辨别不同的道路模式。

路况的参数如下:

智能车偏离道路的偏差量，道路的斜率，和反映道路弯曲程度的曲率。

道路的形状主要有直道，S形弯路和大弯路。

通过实验，选择斜率作为识别的主要参数。

图像的斜率计算公式如公式（5）。

设置左侧底部区域为原始点（0，0），为了推导计算，公式（6）用于计算斜率。

K值越大，道路的曲率更大。

c（e）是有效结束行的中心点，e是有效结束行的数量，s是有效起始行的数量。

斜坡时，智能车跑在路上行驶时实时采集的数据如图5。

0~60是是s形弯道，60~80、80~115、155~175、220~240度部分的大斜率弯道，其余的数据是直道的斜率。

直道的斜率是主要小于5，但80~90部分大于10，这是因为智能车在80~90是一段有活力的状态，在本部分的道路实际上是直道。

S弯形成斜坡路主要是7.5和15之间。

大曲线的斜率路始终大于15。

图5边坡实时的道路

3.2道路识别算法

根据参数计算的道路可以识别道路的状况，可以更有效的设置智能车的转向角和速度参数。

道路识别算法如图6。

图6道路识别流程图

首先，最新的6张图片的斜率被存储在一个数组序列中。

第二，比较的数组里面的斜率数据，如果前图像的斜率数据大于后图像的数据，参数A=A+1B=0；或者参数B=参数B+1=0和参数A=0。

第三，比较后，如果参数B是大于5，如果参数是大于5，道路被识别成大弯到并且大弯标志位被置1。

如果参数A大于5并且大弯标志位被置1.2014年26届控制和决策会议的跑道被识别成大弯。

在其他条件下，道路被识别成普通路况，普通道路的控制策略是一样的。

4智能车控制策略

4.1方向控制策略

PID算法的运用在方向控制中。

当智能车高速运行，舵机的控制会出现一定的延时，因此本身存在的延时相当于一个积分量，积分不仅可以抑制谐振动，还可以减少干扰和噪声。

因此，选择PD控制算法控制方向，I积分项算法被抛弃了。

（1）比例项它会产生一个与当前的误差值成正比的输出值。

比例响应可通过调整常数Kp来改变误差量，称为比例增益常数。

比例项控制不仅可以改善智能车道路跟踪能力，也可以使汽车实现提前预测到入弯。

但是，如果比例增益过高，智能汽车在大弯转弯时就会变得不稳定。

相反，如果比例增益太低，系统对干扰的控制量会变得太小。

（2）计算过程误差在确定曲率的误差时随时间增加而增加，并且通过派生的Kd增加速率变化量。

这个派生量不仅可以使舵机获得一个更大的方向调整当智能车进入运行曲线时，也会使舵机在出弯时获得一个小的转弯量。

PD控制是基于误差和误差变化率。

图像一行的被当做转向引用行。

这个误差在图像道路中心点和转向引用行的中心点间被补偿。

最近两幅图像中心点的减少量就是曲率误差的变化率，反映曲率的变化。

确定转弯的参考行需要反复地实验。

当扫描的行太接近智能汽车时，智能汽车将在急弯时的不够，然而，当行离智能车太远，智能汽车将转向太早，这会导致智能车过弯时产生极大的震动。

经过反复测试，转向引用行设置为（s+e）/2。

控制方向的是舵机，舵机的控制计算公式（7）。

PWM_CENTER是舵机输出零角度时舵机的控制值，即此时的PWM值使智能汽车沿直线运行。

e是偏差，de是偏差随时间的倒数，计算如上所述。

Kp和Kd是需要反复调试才能达到控制系统最佳效果，在不同的道路形状，Kp和Kd都是不同的。

在直道上时，Kp应该小，但在弯道上时Kd应该很大，以提高能力提前转向转向的能力。

4.2速度控制策略

智能汽车应该有较高的速度响应能力和减速控制系统，在直道上保持较高的速度，在入弯时减速至安全速度过弯。

智能汽车的驱动设备是直流电机，智能车的速度和电机的转速成正比例关系[4]。

二维模糊控制算法用于速度控制当中，模仿人类开车的情景，打破了频繁的控制已消除其产生的振动，提高智能汽车行驶的稳定性[6]。

模糊控制算法的结构是两个输入和一个输出。

输入控制变量给定的速度和实时速度的偏差，速度是由速度传感器测量得到的，以及道路的曲率。

控制系统的输出PWM控制信号，驱动电机来控制速度。

速度控制算法的设计如下：

（1）分配模糊输入和输出的关系

偏差被定义成7个变量，用NB，NM，NS，Z，PS，PM，PB。

误差的基本范围是:

（-10+10），量化域是（5+5），量化因素是5/10=0.5。

隶属函数的误差参考图7。

图7隶属函数

道路的曲率也是用7个语言变量定义的，用Z，S，M，B，L，VL，BL。

错误范围的基本范围是:

[0，1.6]，量化因子为1。

函数的斜率如图8所示。

通过去模糊化，可以控制PWM输出值，这也是由语言定义的变量，用NB，NM，NS，Z，PS，PM，PB。

输出的单值化域:

（1+1），量化域是（6+6），量化因素是6/1=6。

子函数的PWM控制的和偏差一样。

图8的隶属函数斜率

（2）构建查询控制表

在速度控制中，如果实时地计算每次的输出，这样是会浪费单片机资源，所以查询控制表是必须要建立的。

如果有一个不同的输入，可以查询控制的PWM值。

速度控制响应曲线如图9所示。

为了使振动造成的误差小于0.5，PWM控制保持不变。

从曲线上能很明显地看出，智能汽车可以很快地到达给定的速度，但当状态稳定时，有时用给定的速度会比较好。

图9的速度控制曲线

5结论

在本文中介绍了智能车根据视觉图像的自动循迹控制策略研究。

智能汽车可以通过CCD采集获得道路的图像信息发送到CPU进行图像的处理。

通过道路图像处理、路径识别，道路的形状便可以用循迹算法计算出来。

基于这些数据，使用PD算法控制方向，模糊算法控制电机转速。

通过在真实场地赛道上的测试，智能车不仅可以在不同形状的道路上自动导航，而且也可以根据道路形状控制速度，从而在智能汽车比赛中获得好成绩。

但在比赛中，也有一些不足的地方，方向控制中P、D参数需要反复地测试，因此，应该把更多的鲁棒控制策略应用到智能车的进一步研究之中

参考文献

[1]S.C.Qu&AiLin&T.Yao&H.Y.Liu,DesignoffuzzyadaptivecontrollerforsmallsmartcarsystemviaCCDcamera,Modeling,IdentificationandControl（ICMIC）,The2010InternationalConferenceon.IEEE,282-285.2010.

[2]JQiu&GCao,Steeringcontrolofsmartcarbasedonimagesensor,PowerElectronicsSystemsandApplications,PESA2009,3rdInternationalConferenceon.IEEE,1-3.2009.

[3]Z.L.Lu&J.JLi&M.H.Zhang.Intelligentcontrolresearchbasedonthesmartcar,AdvancedComputerControl（ICACC）,292-2972010.

[4]Z.X.Wang&Y.X.Liu,DesignofsmartcarspeedcontrolsystembasedonfuzzyclassifyingandPIspeedregulation,IndustrialMechatronicsandAutomation（ICIMA）,IEEE,Vol.2,pp.333-336,2010.

[5]K.H.Ang&G.C.Y.Chong&Y.Li,PIDcontrolsystemanalysis,design,andtechnology,IEEETransControlSystemsTech,13（4）,pp.559-576,2005.

[6]K.R.S.Kodagoda&W.S.Wijesoma&E.K.Teoh,FuzzyspeedandsteeringcontrolofanAGV,IEEETransactionsonControlSystemsTechnology,112-120,2002.

[7]Y.D.Wang&L.N.Nie,DesignofSmartCarSpeedControlSystemBasedonFuzzyControl,ArtificialIntelligenceandComputationalIntelligence（AICI）,IEEE,516-519.2010.

外文原文

ControlStrategyDesignforSmartCarAuto-tracingwithVisual

HuiZhang1,YongxinLiu*,1

1.CollegeofElectronicInformationEngineeringInnerMongoliaUniversity,Hohhot,010021,China

E-mail:

yxliu@

Abstract:

Acontrolalgorithmforsmartcarauto-tracingwithvisualisdesignedinthispaper.ThesmartcarisstructuredwithaDCmotorforrunningdriverandasteermotorforturningcontrol,whichcanrunalongablacklineatahighspeed.Acontrolstrategyforsmartcarturningisproposedbasedontheroadvisual,throughtheimageofroad,thesmartcarcantrackingalongtheroadandtherunningspeedisadjustedaccordingtotheroadshape.Thecontrolstrategybasedonroadshapeisestablishedmainlydependingonimageprocess.Thisstrategyfulfillstheroadrecognition,theturningcontrolandthespeedcontrol.First,thevisualinformationofroadwasacquiredthroughCCDcameraandthensenttoCPUprocessimage.Second,theroadshapeiscalculatedthroughtheroadrecognitionalgorithm.Finally,aPDturningcontrolalgorithmisusedinthedirectioncontrol,andthefuzzycontrolisusedinthespeedcontrol.Throughthetestofintherealracefield,thesmartcarcouldquicklyresponsethecontroldemandbothdirectionandspeed,bestrunalongtheroad,andgetagoodscoreinthesmartcarrace.

KeyWords:

SmartCar,Imageprocess,Roadrecognition,PDturningcontrol,Fuzzyspeedcontrol

1INTRODUCTION

Withthedevelopmentofelectronicandintelligentcontroltechnology,thesmartcarresearchhasbecomeahotspotincontrolandArtificialintelligencedomain[1].Thesmartcarisasimulatemodeloftherealcar.ItisstructuredwithaDCmotorforrunningdriverandasteermotorforturningcontrol.Thesmartcarisdesignedbasedonthemicrocontroller;thesteermotorisinthefrontofthecarfortheturningcontrol;theDCmotorisinthebackofthecarforthespeedcontrolwithafeedbackofspeedsensor.Thesmartcarcangettheroadmadeupofablacklinewideof2.5cmandwhitebackground.

Therearetwocommonmethodsforroadidentification:

oneisusinginfrareddiodeasthesensor,andtheotherisusingCCD/CMOSimagesensor[2].Inthispaper,thevisualsystemisdesignedbyaCCDsensor,andtheSAA7113isusedtoturntheanalogsignalintothedigitalsignal.

Variouscontrolstrategieshavealreadybeenproposedforthesmartcarcontrol.Theopen-loopcontrol,closed-loopincrementalPIDalgorithmandBangBangalgorithmisproposedinliterature[3].ThespeedcontrolsystembasedonfuzzyclassifyingandPIspeedregulationisproposedintheliterature[4].AccordingtothesmartcarinFig1,controlstrategyforsmartcarisproposedinthispaper,whichisconsistingoftheroadrecognition,theturningcontrolandthespeedcontrol.Itismainlyintroducethedesignofcontrolstrategyforsmartcarauto-tracingwithvisualinthispaper.

Therestofpaperisorganizedasfollows.InSection2theroadimageprocessalgorithmispresented,theinformationofroadcanbeacqui