基于樹莓派的智能自動駕駛系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)＊

滕開雯，丁 康，王 碩

（天津職業(yè)技術(shù)師范大學(xué)信息技術(shù)工程學(xué)院，天津 300222）

隨著人工智能技術(shù)的不斷發(fā)展，智能駕駛運(yùn)用的領(lǐng)域也十分廣泛，特別是在汽車、物流配送、共享出行、無人零售、港口碼頭等領(lǐng)域獲得了日益廣泛的應(yīng)用[1-2]。2016年作為自動駕駛的開端，許多國內(nèi)外企業(yè)紛紛投入其中。自動駕駛行業(yè)之所以能夠得到各著名企業(yè)的爭奪，其意義在于自動駕駛有益于社會，是人們所支持的。本項(xiàng)目能夠改善城市交通安全，便捷管理交通行駛，為城市交通作出貢獻(xiàn)。

本文設(shè)計(jì)并搭建基于樹莓派的智能自動駕駛系統(tǒng)[3-4]，采集道路信息并分析運(yùn)用了樹莓派開發(fā)板、視覺傳感器以及OpenCV等軟件，從而實(shí)現(xiàn)避障、方向控制等基本功能。

1 整體構(gòu)架

樹莓派硬件和OpenCV算法是此次項(xiàng)目研究的主要內(nèi)容。

樹莓派應(yīng)用研究，主要是配合樹莓派攝像頭收集信息，包括實(shí)驗(yàn)場景下的跑道、路標(biāo)、障礙物、行人等圖片和視頻。通過socket與上位機(jī)通訊，首先下位機(jī)要有完整的套接字APⅠ或者完整的TCP/ⅠP協(xié)議棧。接著，為了要確保下位機(jī)的ⅠP地址能夠與路由器、上位機(jī)共同保持在一條網(wǎng)段，就必須把下位機(jī)的Wi-Fi和上位機(jī)聯(lián)入同一網(wǎng)絡(luò)路由器下。TCP需要指定一個(gè)主機(jī)（比如下位機(jī)）使用listen監(jiān)聽端口，然后另一臺設(shè)備（比如上位機(jī)）使用connect去建立連接，connect成功后兩邊就可以通過send和recv來收發(fā)信息了。通訊完成后關(guān)閉套接字以釋放連接。

OpenCV算法研究，主要是處理輸入的圖像，在CV中選擇適當(dāng)調(diào)用灰度、選擇感興趣區(qū)域的方法。采用神經(jīng)網(wǎng)絡(luò)算法，在OpenCV ML庫中調(diào)用多層感知器模型（MLP），對輸入圖像進(jìn)行分類和識別。此外，小車使用了Arduino、電機(jī)驅(qū)動器、Wi-Fi等模塊硬件。為了使電腦能夠發(fā)送相關(guān)指令控制智能小車做出相關(guān)的動作，此次項(xiàng)目利用Wi-Fi連接起智能小車和電腦，這樣便可以通過Wi-Fi發(fā)送相關(guān)指令。系統(tǒng)的整體框架如圖1所示。

圖1 系統(tǒng)整體框架圖

2 硬件設(shè)計(jì)

車架、4個(gè)車輪（2個(gè)前輪，2個(gè)后輪）、4個(gè)直流電機(jī)、Arduino控制板、樹莓派板、2個(gè)舵機(jī)、Wi-Fi模塊以及攝像頭等構(gòu)成了智能自動駕駛小車的硬件部分。其中，控制板直接安裝于底盤上方，2個(gè)舵機(jī)垂直疊加安裝于底盤前方[5]，上舵機(jī)安裝于下舵機(jī)上方，而攝像頭安裝于上舵機(jī)上方，上舵機(jī)用于攝像頭上下?lián)u擺，下舵機(jī)用于攝像頭左右搖擺，Wi-Fi模塊安裝于底盤后方。智能自動駕駛小車實(shí)物如圖2所示。

圖2 智能自動駕駛小車實(shí)物圖

電源、車體驅(qū)動、主控等部分組成了智能小車的系統(tǒng)，各部分設(shè)計(jì)原理如下。

電源部分：電源元件為7.4 V、4 000 mAh充電鋰電池和LM7805穩(wěn)定器。7.4 V可充電鋰電池主要負(fù)責(zé)為小車提供直流電壓。該系統(tǒng)采用了LM7805穩(wěn)壓電路，這樣便可以給系統(tǒng)輸入一個(gè)直流穩(wěn)壓電源，以便于讓系統(tǒng)的電源電壓保持穩(wěn)定。LM7805穩(wěn)壓電源電路原理圖如圖3所示。

圖3 LM7805穩(wěn)壓電源電路原理圖

由圖3可知，整流、濾波、穩(wěn)壓、儲能等功能元件搭成了LM7805穩(wěn)壓電源電路。通常線性電源用作串聯(lián)穩(wěn)壓電源。電壓首先通過橋式整流器電路和C1濾波電容進(jìn)行整流和濾波，LM7805穩(wěn)壓電源電路的VⅠN和GND兩端將形成不穩(wěn)定的直流電壓。最后，不穩(wěn)定的直流電壓再經(jīng)過LM7805的穩(wěn)壓功能，并由C3進(jìn)行濾波，此時(shí)便在穩(wěn)壓電源的輸出端產(chǎn)生了精度高、穩(wěn)定度好的直流輸出電壓。

驅(qū)動部分：車底盤、2個(gè)TB6612FNG芯片、4個(gè)直流電機(jī)、4個(gè)車輪為小車的驅(qū)動部分。為了實(shí)現(xiàn)智能小車前后行駛、左右轉(zhuǎn)向的基本功能，此系統(tǒng)采用了H橋TB6612FNG驅(qū)動電路控制智能小車的4個(gè)車輪。TB6612FNG芯片原理圖如圖4所示。

圖4 TB6612FNG芯片原理圖

圖4中，AO1、AO2、PWMA、AⅠN1、AⅠN2這5個(gè)引腳用于控制一路電機(jī)，其他三路電機(jī)類似。電機(jī)的正極連接到AO1，負(fù)極連接到AO2，PWMA、AⅠN2、AⅠN1引腳控制電機(jī)。其中PWMA接到控制板，通過改變占空比的方式調(diào)節(jié)電機(jī)的速度。

主控部分：智能小車的主控部分分為3個(gè)部分，分別為Arduino板、擴(kuò)展板和樹莓派。為了能夠達(dá)到控制智能小車行駛、精準(zhǔn)避障和實(shí)現(xiàn)車載圖像能夠?qū)崟r(shí)傳輸?shù)墓δ?，首先需要接入攝像頭和舵機(jī)，以實(shí)現(xiàn)對前方道路的數(shù)據(jù)收集和檢測。同時(shí)，在小車行駛的過程中，從攝像頭獲取的實(shí)時(shí)視頻信息先要傳入到樹莓派，再通過Wi-Fi模塊傳輸?shù)诫娔X端，這樣就可以在電腦端觀察到小車的實(shí)時(shí)行駛軌跡視頻。

3 軟件設(shè)計(jì)

3.1 工作流程

首先是小車無障礙行駛分析。啟動小車后，小車將會通過攝像頭進(jìn)行實(shí)時(shí)路況的捕捉，并將數(shù)據(jù)傳入樹莓派進(jìn)行分析。分析中進(jìn)行操作判斷，若直線行駛，則無需進(jìn)行電機(jī)速度轉(zhuǎn)速的改變，小車可以根據(jù)規(guī)定路線和速度進(jìn)行直線行駛；如需轉(zhuǎn)彎，則控制轉(zhuǎn)彎一側(cè)方向的電機(jī)速度，使其略低于另一側(cè)電機(jī)的速度，等轉(zhuǎn)彎結(jié)束后恢復(fù)直線行駛，使兩側(cè)電機(jī)速度相同，這樣就能使小車實(shí)現(xiàn)快速并精準(zhǔn)的轉(zhuǎn)彎。

其次是小車有障礙行駛分析。啟動小車后，進(jìn)行攝像頭捕捉和樹莓派分析數(shù)據(jù)。當(dāng)遇到紅綠燈時(shí)進(jìn)行判斷，若為紅燈，則在規(guī)定的地方進(jìn)行停止等待，直到為綠燈；反之則進(jìn)行障礙物判斷，若存在障礙物，則停下等待并繼續(xù)進(jìn)行捕捉和分析，直到障礙物消除再繼續(xù)行駛。

3.2 軟件設(shè)計(jì)

3.2.1 驅(qū)動控制

2塊TB6612FNG芯片可以直接驅(qū)動四路直流電機(jī)。采用脈寬調(diào)制方法，隨著占空比的變化產(chǎn)生脈寬調(diào)制信號，電機(jī)的轉(zhuǎn)速取決于PWM占空比。當(dāng)設(shè)備正常工作時(shí)，STBY引腳設(shè)置為高電平，ⅠN1和ⅠN2保持不變。通過調(diào)節(jié)脈寬調(diào)制引腳的輸入信號，可以實(shí)現(xiàn)電機(jī)的單向調(diào)速。當(dāng)PWM引腳設(shè)置為高電平時(shí)，如果需要調(diào)整電機(jī)的雙向速度，則需要調(diào)整ⅠN1和ⅠN2的輸入信號。

3.2.2 避障功能

目前來說，常用的避障方案有傳統(tǒng)避障方案和深度學(xué)習(xí)避障方案[6-11]，傳統(tǒng)避障方案使用超聲波測距，這種方法容易受到干擾，測量的距離短，且對較小的物體不敏感。此次智能小車使用的是PyTorch框架進(jìn)行深度學(xué)習(xí)的避障方案，可以利用深度學(xué)習(xí)算法的優(yōu)勢，實(shí)現(xiàn)一個(gè)魯棒性較強(qiáng)的避障方案，且計(jì)算速度快，能夠達(dá)到實(shí)施效果。避障場景分為3部分：當(dāng)遇到紅燈時(shí)，智能小車將會在合適的位置停下；當(dāng)遇到行人時(shí)，智能小車也會停車；當(dāng)遇到行人同時(shí)也遇到綠燈時(shí)，智能小車會停車。小車停車的視角如圖5所示。

圖5 小車停車的視角

小車在運(yùn)行的過程中，攝像頭將前方畫面實(shí)時(shí)傳輸?shù)綐漭芍?，樹莓派將畫面圖像看成一個(gè)大坐標(biāo)系，分別有x值和y值，由于不同的畫面對應(yīng)著不同的y值，因此y值會不斷在變化，通過計(jì)算，當(dāng)小車需要停車的時(shí)候，y的值大于0.5，其余時(shí)刻y值均小于0.5。因此，通過代碼控制電機(jī)，使y值大于0.5時(shí)，行駛速度為0，即小車相應(yīng)停下，否則就繼續(xù)行駛，行駛速度取值0.0～1.0。

4 數(shù)據(jù)采集及系統(tǒng)調(diào)試

4.1 數(shù)據(jù)采集

將小車放在給定的跑道里，把小車的攝像頭打開，通過終端里面可以觀察到攝像頭捕捉的圖像中間有1個(gè)圓圈，如圖6所示。當(dāng)在移動小車收集數(shù)據(jù)時(shí)，將圓圈放到小車所需沿著行走的路線上，通過手柄控制對每一張圖片進(jìn)行保存。為了使小車在轉(zhuǎn)彎處能夠精準(zhǔn)地進(jìn)行轉(zhuǎn)彎，就要在轉(zhuǎn)彎處重復(fù)收集數(shù)據(jù)。如果小車遇到需要停止的位置，則需改變圓圈的位置，需要將手柄上推，讓圓圈離開圖像，從而使小車能夠在后續(xù)訓(xùn)練中能正確做出相應(yīng)動作。

圖6 數(shù)據(jù)收集視角

4.2 系統(tǒng)調(diào)試

調(diào)試的過程是漫長的，每個(gè)項(xiàng)目的實(shí)現(xiàn)都少不了一步一步的調(diào)試。在小車的調(diào)試過程中，首先測試了小車按照軌跡行駛功能[12-15]，在測試過程中，小車雖然能夠按照既定路線行駛，但是在轉(zhuǎn)彎處走的并不精準(zhǔn)，甚至偏離跑道，如圖7所示。

圖7 小車偏離跑道圖

經(jīng)過分析，筆者們認(rèn)為是數(shù)據(jù)采集數(shù)量不足所導(dǎo)致的，因此就在轉(zhuǎn)彎處多收集了數(shù)據(jù)，最后測試結(jié)果符合了要求。隨后進(jìn)行避障功能的測試，在進(jìn)行第一次的行人避障的測試中，行人個(gè)體較小，如圖8所示。

圖8 小行人模型視角圖

小車捕捉圖像信息后，數(shù)據(jù)分析不是很精準(zhǔn)導(dǎo)致小車?yán)^續(xù)行駛。后來通過多次調(diào)試，更換了行人模型，并不斷修改參數(shù)值，使得小車能夠精準(zhǔn)判斷行人的存在并能做出相應(yīng)的動作。行人避障測試完成后，緊接著進(jìn)行紅綠燈識別測試，剛開始測試的時(shí)候，小車遇到紅燈不?；蛘咧煌? s后繼續(xù)行駛，筆者們認(rèn)為也是因?yàn)閿?shù)據(jù)采集的數(shù)量不夠所導(dǎo)致的，因此就增加了數(shù)據(jù)數(shù)量，但測試結(jié)果還是一樣。經(jīng)過一段時(shí)間的測試分析，發(fā)現(xiàn)是紅綠燈模型的原因，剛開始收集數(shù)據(jù)的時(shí)候沒注意到紅綠燈側(cè)邊也有燈光，把側(cè)邊的燈光也收集了，如圖9所示。

圖9 紅綠燈側(cè)邊燈光收集視覺圖

測試的時(shí)候小車識別不準(zhǔn)，因此遇到紅燈不?；蛘咧煌? s后繼續(xù)行駛的現(xiàn)象，于是決定重新收集紅綠燈的數(shù)據(jù)，并且在收集的過程中將紅綠燈偏轉(zhuǎn)相應(yīng)的角度，使小車攝像頭所看到的圖像只有紅綠燈正面的燈光，經(jīng)過測試，此次紅綠燈的識別測試也取得了良好的效果。最后，將測試小車循跡功能所采集的數(shù)據(jù)和測試相關(guān)避障功能所采集的數(shù)據(jù)結(jié)合一起訓(xùn)練，得到了最終的成果。

5 結(jié)語

本文搭建了基于樹莓派的智能自動駕駛系統(tǒng)，并完成了系統(tǒng)的整體調(diào)試。此系統(tǒng)除了能夠完成相應(yīng)循跡行駛的功能外，還能根據(jù)路況和紅綠燈進(jìn)行作出相應(yīng)的判斷。此系統(tǒng)使用樹莓派能夠提高計(jì)算速度，從而快速作出反應(yīng)。使用深度學(xué)習(xí)的避障方法，利用深度學(xué)習(xí)算法的優(yōu)勢，使避障更加的靈活快速。系統(tǒng)具有良好的遠(yuǎn)控功能，圖像實(shí)時(shí)傳送清晰穩(wěn)定，道路行駛精確度高，在自動駕駛領(lǐng)域有廣泛應(yīng)用的基礎(chǔ)。