基于AI視覺的移動機(jī)器人自動駕駛系統(tǒng)設(shè)計(jì)

摘 要：針對移動機(jī)器人的自動駕駛問題，提出了一種以樹莓派為核心的基于視覺的自動駕駛控制系統(tǒng)設(shè)計(jì)方案。通過解析基于麥克納姆輪的全向移動機(jī)器人運(yùn)動模型，設(shè)計(jì)了移動機(jī)器人的硬件控制系統(tǒng)。通過攝像頭采集道路圖像，利用OpenCV技術(shù)獲取道路圖像信息。根據(jù)樹莓派圖像處理的數(shù)據(jù)，采用PID算法控制機(jī)器人移動，使其能按照指定軌跡行駛。結(jié)果表明：利用該系統(tǒng)，移動機(jī)器人能自主識別路徑并實(shí)現(xiàn)自動駕駛。

關(guān)鍵詞：自動駕駛；OpenCV技術(shù)；圖像識別；PID算法；自主識別路徑；麥克納姆輪

中圖分類號：TP242.6 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2024）10-0-04

0 引 言

隨著人工智能時代的到來，人們的交通方式也開始發(fā)生改變，各種交通工具不斷升級，逐漸變得智能化。從自行車、汽車到高鐵、飛機(jī)，再到共享單車、共享汽車、無人駕駛汽車，等等，交通方式的變化得益于科技的迅速發(fā)展，這些智能交通工具大大便利了我們的出行，提升了生活的幸福感。

當(dāng)前，無人駕駛汽車在交通發(fā)展領(lǐng)域備受重視，而自動駕駛技術(shù)是無人汽車的核心。引導(dǎo)方法是目前應(yīng)用最多的導(dǎo)航方式，即機(jī)器人對感知的某些外部連續(xù)路徑參照線作出相應(yīng)反應(yīng)來進(jìn)行導(dǎo)航[1]。比如，在地下埋引導(dǎo)線等。但該方法在維修成本、可靠性、抗干擾能力等方面難以滿足用戶需求。近年來，視覺方法被廣泛認(rèn)為是一種更合適的導(dǎo)航方式，當(dāng)路面上有路徑引導(dǎo)線時，機(jī)器人就能通過視覺系統(tǒng)按照指定路線行進(jìn)。本文設(shè)計(jì)了一種移動機(jī)器人，其行進(jìn)功能主要由4個電機(jī)驅(qū)動的麥克納姆輪來實(shí)現(xiàn)，通過攝像頭采集路徑信息，利用OpenCV技術(shù)進(jìn)行圖像處理，并通過PID控制算法計(jì)算移動參數(shù)，將參數(shù)提供給底盤運(yùn)動控制系統(tǒng)，實(shí)現(xiàn)機(jī)器人的前行或轉(zhuǎn)彎。

1 移動機(jī)器人的運(yùn)動原理分析

機(jī)器人采用麥克納姆輪作為基礎(chǔ)原件，實(shí)現(xiàn)360°全向運(yùn)動。麥克納姆輪由輪和圍繞輪的輥?zhàn)咏M成，輥?zhàn)虞S線和輪的軸線夾角是45°。麥克納姆輪有互為鏡像關(guān)系的A、B輪，A輪向前運(yùn)動時同時向右運(yùn)動，即斜向右前方運(yùn)動，向后運(yùn)動的同時會向左運(yùn)動，即斜向左后方運(yùn)動；相應(yīng)B輪就可以斜向左前和右后方運(yùn)動。如圖1所示，4個麥克納姆輪位于機(jī)器人正方形底座的4個頂點(diǎn)，本設(shè)計(jì)采用ABBA的分布方式，移動平臺固定安裝4個直流電機(jī)分別驅(qū)動4個輪子，機(jī)器人能夠?qū)崿F(xiàn)前后運(yùn)動、水平移動、繞中心自轉(zhuǎn)等功能[2]。

圖2對單個麥克納姆輪進(jìn)行運(yùn)動學(xué)分析，R表示輪的半徑，實(shí)際輥?zhàn)娱L度為l0。Vix為第i輪沿X軸方向的分速度，Viy為第i輪沿Y軸方向上的分速度，Vg為輥?zhàn)拥乃俣?，輥?zhàn)虞S線與全向輪軸線夾角為α，ωi為全向輪繞輪軸的轉(zhuǎn)速，i=1，2，3，4，分別代表了左前輪、右前輪、左后輪、右后輪，4個輪的轉(zhuǎn)速和移動平臺的運(yùn)動呈一一對應(yīng)關(guān)系。本設(shè)計(jì)通過調(diào)節(jié)各輪的轉(zhuǎn)速，實(shí)現(xiàn)了移動平臺的不同運(yùn)動狀態(tài)[3]，公式如下：

2 移動機(jī)器人控制系統(tǒng)設(shè)計(jì)

移動機(jī)器人最重要的組成部分是控制系統(tǒng)。框架采用亞克力板制作，控制系統(tǒng)采用分層結(jié)構(gòu)設(shè)計(jì)：最上層安裝攝像頭，用于實(shí)時采集圖像；中間層安裝樹莓派控制板，負(fù)責(zé)處理圖像，通過串口與攝像頭連接；底層安裝下位機(jī)STM32控制板，通過串口與樹莓派連接。此外，還包括為整個系統(tǒng)供電的電源模塊、促使機(jī)器人移動的電機(jī)驅(qū)動模塊等?？刂葡到y(tǒng)總體結(jié)構(gòu)如圖3所示。

上位機(jī)采用樹莓派進(jìn)行圖像處理，并給下位機(jī)傳輸運(yùn)動指令。下位機(jī)通過STM32驅(qū)動機(jī)器人的底盤并實(shí)現(xiàn)其他硬件的信號處理。

圖像采集模塊：攝像頭模塊在PWM舵機(jī)的控制下，進(jìn)行三自由度道路圖像信息采集。

圖像處理模塊：主控芯片實(shí)時接收并分析圖像信息，獲得圖像中路徑引導(dǎo)線的位置坐標(biāo)，通過計(jì)算將數(shù)據(jù)傳輸至下位機(jī)。

驅(qū)動控制模塊：STM32控制板接收程序并分析上位機(jī)下發(fā)的指令，控制電機(jī)驅(qū)動機(jī)器人行進(jìn)；同時采集移動平臺上搭載的相關(guān)模塊狀態(tài)及傳感器數(shù)據(jù)并上傳至樹莓派[4]。編碼器用來測量機(jī)器人4個輪子的旋轉(zhuǎn)速度，并反饋測量值到單片機(jī)，實(shí)現(xiàn)機(jī)器人運(yùn)動速度的閉環(huán)控制。MPU6050陀螺儀負(fù)責(zé)采集機(jī)器人的偏航角度[5]。

電源模塊：通過18650電池組為STM32供電，再通過12 V轉(zhuǎn)5 V模塊為系統(tǒng)各功能模塊供電。

3 移動機(jī)器人視覺導(dǎo)航系統(tǒng)設(shè)計(jì)

移動機(jī)器人在自動駕駛過程中，最重要的是道路引導(dǎo)線識別。本設(shè)計(jì)采用樹莓派原裝Raspberry Pi Camera模塊進(jìn)行圖像采集，其具備500萬像素的OV5647鏡頭，靜態(tài)圖片分辨率為2 592×1 944，編程語言選擇Python，在Jupyter Lab中實(shí)現(xiàn)編程[6]。

如圖4所示，系統(tǒng)首先對原始輸入圖像進(jìn)行透視變換，然后根據(jù)設(shè)定的閾值二值化圖像挑選出目標(biāo)點(diǎn)（即路徑中的引導(dǎo)線）并消除其中的噪聲點(diǎn)，從而構(gòu)成目標(biāo)的支持點(diǎn)集；路線辨識模塊可以通過目標(biāo)支持點(diǎn)集來檢查工作場景中的引導(dǎo)線，得到所需要的路線信號；根據(jù)機(jī)器人路徑走向偏離中線角度的大小，分直行和左右轉(zhuǎn)彎兩類，通過調(diào)整麥克納姆輪的轉(zhuǎn)速和轉(zhuǎn)向，實(shí)現(xiàn)機(jī)器人的路徑跟蹤[7]。路線識別具體步驟如下：

（1）建立OpenCV坐標(biāo)系，通過圖片讀取函數(shù)獲取圖像，并設(shè)定圖像尺寸為320×240。利用OpenCV提供的投影變換函數(shù)實(shí)現(xiàn)透視變換，把車身前的區(qū)域變換成俯視圖。

（2）為了降低圖像處理過程中的噪聲影響，引入改進(jìn)的中值濾波器算法。算法可有效降低中值濾波的時間復(fù)雜度，達(dá)到對圖像進(jìn)行實(shí)時處理的要求[8]。再對去除噪點(diǎn)的圖像進(jìn)行二值化處理，可以創(chuàng)建點(diǎn)集直方圖。

（3）取直方圖數(shù)組左半部分中最大值的坐標(biāo)位置為左線，同理為右線。利用數(shù)據(jù)確定黑線的位置，并繪制兩條黑線，之后計(jì)算圖像中線和實(shí)際中線的位置。

（4）找到黑線后，返回實(shí)際中線和圖像中線的差值。

4 移動控制算法設(shè)計(jì)

目前，PID算法被廣泛應(yīng)用于生活和工業(yè)生產(chǎn)中。PID控制算法基本原理如圖5所示，對輸入偏差進(jìn)行比例積分、微分運(yùn)算，利用運(yùn)算的疊加結(jié)果控制執(zhí)行機(jī)構(gòu)。比例環(huán)節(jié)可對偏差做出及時響應(yīng)，積分環(huán)節(jié)用于消除靜態(tài)誤差，微分環(huán)節(jié)可阻止偏差的變化。圖5中：u（t）為PID調(diào)節(jié)器的輸出；e（t）為PID調(diào)節(jié)器的偏差，即設(shè)定值r（t）與實(shí)際測量值y（t）的偏差[9]。

數(shù)字PID控制算法可以分為位置式PID和增量式PID控制算法。本設(shè)計(jì)采用位置式PID控制算法，其輸出是被控對象的實(shí)際控制量。算法表達(dá)式如下：

class PositionalPID：

def _init_（self， P， I， D）：

self.Kp = P

self.Ki = I

self.Kd = D

self.SystemOutput = 0.0

self.ResultValueBack = 0.0

self.PidOutput = 0.0

self.PIDErrADD = 0.0

self.ErrBack = 0.0

設(shè)置PID控制器參數(shù)：

def SetStepSignal（self，StepSignal）：

Err = StepSignal - self.SystemOutput

KpWork = self.Kp * Err

KiWork = self.Ki * self.PIDErrADD

KdWork = self.Kd * （Err - self.ErrBack）

self.PidOutput = KpWork + KiWork + KdWork

self.PIDErrADD += Err

self.ErrBack = Err

設(shè)置一階慣性環(huán)節(jié)系統(tǒng)（InertiaTime為慣性時間常數(shù)）：

def SetInertiaTime（self， InertiaTime，SampleTime）：

self.SystemOutput = （InertiaTime * self.ResultValueBack + ＼

SampleTime * self.PidOutput） / （SampleTime + InertiaTime）

self.ResultValueBack = self.SystemOutput

通過視覺圖像處理計(jì)算的偏移量Bias即為PID出口值，將偏移量限制在-20～20，防止轉(zhuǎn)向過快丟失賽道黑線。通過函數(shù)Z_axis_pid.SetInertiaTime（0.5，0.2）配置慣性時間常數(shù)。最后通過均值濾波法找出點(diǎn)集直方圖中的峰值個數(shù)，2或4個峰值時認(rèn)為車身偏移不大，直接利用機(jī)器人速度控制函數(shù)控制小車左右轉(zhuǎn)向即可。1個峰值時機(jī)器人即將跑出賽道，分為看見左線和看見右線兩種情況，若Bias=-20實(shí)現(xiàn)右轉(zhuǎn)，若Bias=20則實(shí)現(xiàn)左轉(zhuǎn)，其他峰值時機(jī)器人直走。

5 測試結(jié)果及分析

5.1 測試環(huán)境

機(jī)器人移動測試場地如圖6所示。場地中有兩條5 cm寬的黑色引導(dǎo)線。為檢驗(yàn)機(jī)器人的路線識別能力，在場地中設(shè)置了直線、曲線和拐角。在實(shí)驗(yàn)過程中，機(jī)器人未提前裝載地圖路線，全程跟隨引導(dǎo)線行駛。實(shí)驗(yàn)路線邊界清晰。

實(shí)驗(yàn)機(jī)器人采用麥克納姆輪底盤作為移動平臺，4路直流電機(jī)負(fù)責(zé)驅(qū)動，安裝并連接了12.6 V的電池模塊到STM32控制板。

安裝圖像分辨率為2 592×1 944的樹莓派原裝OV5647攝像頭以采集視覺圖像。通過WiFi連接手機(jī)，實(shí)時顯示攝像頭采集的路線圖像。

5.2 引導(dǎo)線檢測測試

移動機(jī)器人在行駛過程中，通過攝像頭模塊采集圖像并對采集的圖像進(jìn)行處理，確定是否有引導(dǎo)線出現(xiàn)。本測試采用的引導(dǎo)線如圖6所示。當(dāng)檢測到有引導(dǎo)線時，對該圖像做進(jìn)一步處理，獲取引導(dǎo)線的位置坐標(biāo)信息。由于機(jī)器人在不斷行進(jìn)，所以要求對圖像檢測快且準(zhǔn)。對直行和彎道引導(dǎo)線進(jìn)行測試，效果如圖7所示。在引導(dǎo)線檢測調(diào)試過程中，經(jīng)過反復(fù)實(shí)驗(yàn)，發(fā)現(xiàn)燈光的反射還有地板顏色會在一定程度上影響圖像二值化處理的準(zhǔn)確性。

5.3 自動駕駛測試

通過人為放置方式測試移動機(jī)器人的自動駕駛功能。放置路線后，通過WiFi連接機(jī)器人和手機(jī)，使機(jī)器人開啟自動駕駛模式。為保證機(jī)器人行駛的準(zhǔn)確性，在直行路線和彎道處進(jìn)行多次測試，效果如圖8所示。

在圖6所示的模擬場景中進(jìn)行50次模擬駕駛測試，結(jié)果見表1所列。

5.4 實(shí)驗(yàn)結(jié)果及分析

將機(jī)器人放在引導(dǎo)地圖上，經(jīng)過多次實(shí)驗(yàn)，其均能以較快的速度進(jìn)行直走和轉(zhuǎn)彎，并且通過多次測試，機(jī)器人行駛過程中均未超出引導(dǎo)線。實(shí)驗(yàn)表明，該機(jī)器人具有良好的自動駕駛功能。

引導(dǎo)線識別測試過程中，在外界環(huán)境良好的情況下機(jī)器人能夠準(zhǔn)確識別黑色引導(dǎo)線。在掃描到地圖外側(cè)地板的情況下，受顏色影響，機(jī)器人在識別黑色引導(dǎo)線與深色地板時會產(chǎn)生一定程度的偏差。自動駕駛測試過程中，移動機(jī)器人能準(zhǔn)確識別引導(dǎo)線，并按照路線成功直行和轉(zhuǎn)彎。通過多次測試，證明在引導(dǎo)線內(nèi)直行和轉(zhuǎn)彎成功率均較高。

6 結(jié) 語

針對移動機(jī)器人的自動駕駛問題，利用OpenCV在樹莓派中設(shè)計(jì)了路線識別算法，以視覺方式實(shí)時獲取兩側(cè)引導(dǎo)線與中線坐標(biāo)；運(yùn)用位置式PID控制算法，根據(jù)圖像計(jì)算的中線與實(shí)際中線的偏差，控制調(diào)節(jié)機(jī)器人的轉(zhuǎn)向角度。結(jié)果表明：該控制方法實(shí)現(xiàn)了基于視覺的機(jī)器人自動駕駛，并經(jīng)過多次重復(fù)實(shí)驗(yàn)檢測，證明了在簡單直行道路和彎路中成功率很高，移動機(jī)器人可以在引導(dǎo)線內(nèi)準(zhǔn)確行駛。

參考文獻(xiàn)

[1]張海波，原魁，周慶瑞.基于路徑識別的移動機(jī)器人視覺導(dǎo)航[J].中國圖象圖形學(xué)報(bào)，2004，9（7）：89-93.

[2]王興松. Mecanum輪全方位移動機(jī)器人技術(shù)及其應(yīng)用[J].機(jī)械制造與自動化，2014，43（3）：1-6.

[3]張忠民，鄭仁輝.基于模糊PID的麥克納姆輪移動平臺的控制算法[J].應(yīng)用科技，2017，44（6）：53-59.

[4]封斌，閆志燁.基于Arduino的服務(wù)機(jī)器人控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].廣州航海學(xué)院學(xué)報(bào)，2018，26（1）：63-66.

[5]李娟，秦偉.基于視覺的移動機(jī)器人避障控制系統(tǒng)設(shè)計(jì)[J].機(jī)床與液壓，2021，49（15）：24-28.

[6]韓宇，張磊，吳澤民，等.基于嵌入式樹莓派和OpenCV的運(yùn)動檢測與跟蹤系統(tǒng)[J].電視技術(shù)，2017，41（2）：6-10.

[7]周南.基于圖像識別的智能小車路徑跟隨系統(tǒng)設(shè)計(jì)[D].長沙：湖南大學(xué)，2017.

[8]楊春暉.基于地面軌線的單目機(jī)器人視覺導(dǎo)航系統(tǒng)設(shè)計(jì)[D].蘇州：蘇州大學(xué)，2010.

[9]朱嶸濤，武洪濤.基于增量式PID算法的直流電機(jī)調(diào)速系統(tǒng)[J].儀表技術(shù)與傳感器，2017（7）：121-126.

[10]謝芳芳，楊鑒.單關(guān)節(jié)機(jī)器人伺服系統(tǒng)的建模與仿真[J].湖南工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2021，21（1）：47-52.