基于圖像識別的三輪智能車自動控制系統(tǒng)設(shè)計

吳子豪，顏斌，陳龍

（杭州電子科技大學(xué) 電子信息學(xué)院，浙江杭州，310018）

0 引言

隨著人工智能和自動控制技術(shù)的不斷完善和進(jìn)步，自動駕駛技術(shù)[1]取得了顯著進(jìn)展。通過自動駕駛和智能路徑規(guī)劃[2]，可以實(shí)時調(diào)整行駛路線和速度，提高道路利用效率，減少交通擁堵。智能小車是人工智能和機(jī)器學(xué)習(xí)[3]等技術(shù)的重要應(yīng)用領(lǐng)域。通過研究智能小車，可以探索利用計算機(jī)視覺[4]、深度學(xué)習(xí)[5]和強(qiáng)化學(xué)習(xí)[6]等技術(shù)使車輛能夠?qū)崟r分析環(huán)境因素、作出決策并自主行駛的方法。這進(jìn)一步推動了人工智能和機(jī)器學(xué)習(xí)技術(shù)在其他領(lǐng)域的應(yīng)用和發(fā)展。本文通過設(shè)計基于圖像識別的三輪智能車自動控制系統(tǒng)，實(shí)現(xiàn)迅速且穩(wěn)定地行駛直道、彎道、坡道、十字、環(huán)島、路障、斷路等賽道元素。

1 系統(tǒng)整體方案設(shè)計

該系統(tǒng)的硬件結(jié)構(gòu)經(jīng)過設(shè)計，由六大部分組成：驅(qū)動控制模塊、攝像頭模塊、測速模塊、測距模塊、電磁信號采集模塊以及姿態(tài)檢測模塊。其中，主驅(qū)控制模塊集成了單片機(jī)最小系統(tǒng)，而其他功能模塊則通過FPC 線、杜邦線或排針排母進(jìn)行連接。主驅(qū)控制模塊包括核心控制器TC264、電源模塊以及可以實(shí)現(xiàn)實(shí)時根據(jù)路況和小車運(yùn)行姿態(tài)調(diào)節(jié)參數(shù)的按鍵、撥碼開關(guān)、OLED 等輔助模塊。攝像頭模塊使用的是逐飛科技的130°無畸變的總鉆風(fēng)攝像頭。測速模塊使用的是1024 線帶方向迷你編碼器。測距模塊使用的是紅外測距。電磁信號采集模塊由6.8nF 電容和10mH 電感經(jīng)過運(yùn)放放大電路和濾波電路構(gòu)成。姿態(tài)檢測模塊使用ICM-20602 陀螺儀。關(guān)于小車的外觀，請參考圖1。整體系統(tǒng)方案的框圖如圖2 所示。

圖1 小車外觀

圖2 系統(tǒng)整體方案框圖

2 系統(tǒng)硬件電路設(shè)計

■2.1 單片機(jī)系統(tǒng)設(shè)計

圖3 TC264 核心板

■2.2 電源模塊設(shè)計

電源模塊旨在滿足系統(tǒng)各個組成部分的用電需求，因此，在進(jìn)行設(shè)計時，不僅應(yīng)當(dāng)關(guān)注電壓范圍、電流容量，更重要的是，應(yīng)當(dāng)優(yōu)化轉(zhuǎn)換效率、抑制噪音、避免干擾，并確保整個電源系統(tǒng)結(jié)構(gòu)簡潔，能夠有效的維持系統(tǒng)的正常工作。通過設(shè)計一些穩(wěn)壓電路，來轉(zhuǎn)換為各個模塊所需的電壓。為了滿足需求，包含了四種供電電壓：

（1）使用鋰電池供電，正常使用時電壓在7.4～8.4V?？芍苯佑糜陔姍C(jī)供電。

（2）使用穩(wěn)壓芯片TPS5430 輸出電壓5V，原理圖如圖4 所示。

圖4 TPS5430 輸出電壓5V

（3）使用穩(wěn)壓芯片RT9013 輸出電壓3.3V，以滿足OLED、陀螺儀、單片機(jī)、攝像頭等供電需求，原理圖如圖5 所示。

圖5 RT9013 輸出電壓3.3V

（4）使用穩(wěn)壓芯片LM2663 來輸出-5V 電壓，以滿足運(yùn)放工作的正負(fù)5V 供電需求，原理圖如圖6 所示。

圖6 LM2663 輸出電壓-5V

■2.3 電機(jī)驅(qū)動電路設(shè)計

選擇BTN8962 作為電機(jī)驅(qū)動電路，它是一顆具備極強(qiáng)集成性的芯片，能夠大幅度減小電路板的面積，使板子更加簡潔。原理圖如圖7 所示。

圖7 電機(jī)驅(qū)動電路

3 系統(tǒng)軟件設(shè)計

■3.1 圖像處理

使用大津算法來處理圖像[7]，它可以有效地將圖像劃分為黑白兩個不同的部分，并且可以通過設(shè)定一系列的閾值來實(shí)現(xiàn)這一目標(biāo)。大津法是針對灰度值進(jìn)行閾值分割二值化，如果是彩色圖像的話需要先轉(zhuǎn)化成灰度圖再進(jìn)行計算。通過使用灰度值閾值Threshold，可以計算出不同像素之間的方差，從而使得相關(guān)性降低，黑白變得更加清晰。為了達(dá)到最佳效果，需要確保Threshold 值范圍內(nèi)所有像素之間的方差都達(dá)到最大值。效果如圖8 所示。

1.新舊聯(lián)系，強(qiáng)化概念的過渡。在傳授新知時，必須注意抓住新、舊知識的聯(lián)系，引導(dǎo)學(xué)生進(jìn)行類比、對照，并區(qū)別新舊異同，從而理解新知。如用有理數(shù)乘法法則時，讓學(xué)生與小學(xué)數(shù)學(xué)的乘法法則對比。學(xué)生發(fā)現(xiàn)它們的不同僅在于確定積的符號，這時講解的重點(diǎn)就放在符號法則上。又如講解分式的基本性質(zhì)時，又通過分?jǐn)?shù)的基本性質(zhì)進(jìn)行引入講解等等，讓學(xué)生在學(xué)習(xí)時有一種熟悉感。

圖8 二值化算法

■3.2 賽道中線的計算

采用基礎(chǔ)掃線方法，通過從中間行93 向左或向右尋找黑白跳變點(diǎn)來確定左右邊線。一旦確定了左右邊線，就可以計算出實(shí)際中線，其計算公式為（左邊線+右邊線）/2。在圖9 中展示了上位機(jī)仿真圖像的具體情況。

圖9 上位機(jī)仿真

■3.3 偏差的獲取

由于智能小車機(jī)械機(jī)構(gòu)的限制，攝像頭安裝需要一定角度，導(dǎo)致獲取到的圖像會產(chǎn)生一定的畸變，相比于正常的真實(shí)的賽道，呈現(xiàn)出遠(yuǎn)處圖像變小、近處圖像變大的特征。本文通過加權(quán)平均的方法得到一個比較符合賽道真實(shí)狀態(tài)的賽道偏差，具體方法如下：將整張圖像的中線分成不同的區(qū)間，并且在每個區(qū)間平均偏差計算之后再賦予權(quán)重系數(shù)，最后將所有區(qū)間求出的權(quán)重偏差進(jìn)行加和。具體計算公式如下：

公式(2)中e1、e2…ek為各區(qū)域偏差，middle[i]為中線數(shù)組，n 為所取中線數(shù)組的個數(shù)，f1、f2…fk為各區(qū)域偏差的權(quán)值。

■3.4 偏差的處理

智能小車需要根據(jù)路徑的方向偏差信息來進(jìn)行路徑調(diào)整。本文采用轉(zhuǎn)向環(huán)和速度環(huán)并行控制差速來實(shí)現(xiàn)路徑方向調(diào)整，使小車能夠在不影響前進(jìn)的過程中進(jìn)行方向調(diào)整。小車的速度環(huán)采用的是位置式PID[8]。但是，由于PID 中的I項(xiàng)具有積分作用，可能會導(dǎo)致小車的轉(zhuǎn)向響應(yīng)過慢。因此，小車的轉(zhuǎn)向環(huán)采用了模糊PD 控制。對于偏差的處理采用流程圖如圖10 所示。

圖10 控制流程圖

3.4.1 速度環(huán)位置式PID

經(jīng)過不斷測試和仿真，單P 和PD 的仿真結(jié)果都無法達(dá)到所需的設(shè)定值，并且與期望值相差較大。最終決定使用位置式PID 作為智能小車的速度環(huán)。速度環(huán)位置式PID 的公式為：

其中：k—采樣序號，k=0,1,2…；Uk—第k 次采樣時刻的輸出值；e—第k 次采樣時刻輸入的偏差值；ek-1—第k-1 次采樣時刻輸入的偏差值；∑ei—到第k 次為止的誤差積累項(xiàng)；Kp—比例項(xiàng)系數(shù)；Ki—積分項(xiàng)系數(shù)；Kd—微分項(xiàng)系數(shù)。

單P 仿真結(jié)果：無法達(dá)到設(shè)定速度，并且毛刺較多速度不穩(wěn)定，仿真結(jié)果如圖11 所示。

圖11 單P 仿真

PD 仿真結(jié)果：無法達(dá)到設(shè)定速度，毛刺較少速度相對穩(wěn)定，仿真結(jié)果如圖12 所示。

圖12 PD 仿真

PID 仿真結(jié)果：可達(dá)到設(shè)定速度，并且毛刺較少，響應(yīng)速度快，速度能在短時間內(nèi)達(dá)到穩(wěn)定狀態(tài)，仿真結(jié)果如圖13 所示。

圖13 PID 仿真

3.4.2 轉(zhuǎn)向環(huán)模糊PD[9]

在嘗試過最簡單的PD、串級PD 作為智能小車的轉(zhuǎn)向環(huán)之后，發(fā)現(xiàn)對于一些特殊元素比如環(huán)島、大S 彎等轉(zhuǎn)彎角度過大的元素“賽道”魯棒性非常差，小車很容易失控沖出賽道。在不斷測試下，最后決定采用了三個模糊表，分別是根據(jù)誤差模糊P、根據(jù)誤差變化率模糊D、根據(jù)速度模糊補(bǔ)償項(xiàng)的P 和D。極大地增強(qiáng)了小車的魯棒性，并且速度上也有很大的提升，并且小車的轉(zhuǎn)彎姿態(tài)非常好。隸屬度函數(shù)使用的是三角型隸屬度函數(shù)[10]，模糊表如表1、表2、表3 所示，去模糊化采用重心法[11]。轉(zhuǎn)向環(huán)控制流程圖如圖14 所示。

表1 模糊p控制器

表2 模糊d控制器

表3 模糊補(bǔ)足項(xiàng)pd控制器

圖14 轉(zhuǎn)向環(huán)控制流程圖

根據(jù)誤差模糊P 模糊表如表1 所示。

根據(jù)誤差模糊D 模糊表如表2 所示。

根據(jù)速度模糊補(bǔ)償項(xiàng)PD 模糊表如表3 所示。

■3.5 避障功能的實(shí)現(xiàn)

通過紅外測距模塊和攝像頭來判斷障礙物，通過圖像識別出障礙物的距離和紅外測距模塊測出的距離加權(quán)平均來得到一個合適的偏差值，然后使用這個偏差值來進(jìn)行轉(zhuǎn)向，直至紅外測距模塊測得值大于小車直行不會碰到障礙物的狀態(tài)下，實(shí)現(xiàn)避障[12]功能。

4 系統(tǒng)測試結(jié)果

經(jīng)過不斷測試，小車的魯棒性得到了極大的增強(qiáng)，隨機(jī)賽道完賽率在85%以上，并且在第18 屆全國大學(xué)生智能車競賽中獲得了全國第四的成績。

5 結(jié)語

本文設(shè)計并實(shí)現(xiàn)了基于圖像識別的三輪智能車控制系統(tǒng)。在電路方面，設(shè)計了核心板、電機(jī)驅(qū)動、電源轉(zhuǎn)換等不同模塊。在程序方面，下位機(jī)采用C 語言進(jìn)行編程，上位機(jī)采用C#語言進(jìn)行編程，通過開發(fā)工具進(jìn)行程序調(diào)試。通過圖像處理、位置式PID 速度環(huán)和模糊PD 轉(zhuǎn)向環(huán)并行的方式使小車實(shí)現(xiàn)該功能。經(jīng)過反復(fù)測試與優(yōu)化，最終構(gòu)建了一套更加通用、穩(wěn)健的算法和參數(shù)。該算法和參數(shù)能夠根據(jù)實(shí)際路況變化，自動調(diào)整車速，在直線上實(shí)現(xiàn)加速，在彎道上達(dá)到減速，從而確保在最短的時間內(nèi)完成整個比賽。