多功能模塊化智能車設計

崔璽　侯明　楊玉竹

【摘 要】本車模采用飛思卡爾半導體公司的微控制器MK60N512ZVLQ10 作為核心控制單元，自行設計可以實現模塊化處理的程序方案，包含的驅動模塊有車速傳感器模塊、舵機驅動模塊、電機的驅動模塊、電源管理模塊、線性CCD模塊、超聲波傳感器模塊。對不同類型的識別傳感器模塊進行自主行駛算法和編程等方面內容，最終達到所有模塊程序集中在一個單片機中，并對不同模塊分區處理，滿足各個模塊任意拆裝都可自動切換程序并直接運行的目的。

【關鍵詞】智能車；MK60N512ZVLQ10單片機；線性CCD傳感器；CCD算法

0 引言

在過去的智能車時代，激光傳感器作為光電路徑識別的主要傳感器，發揮著十分重要的作用。但是它有原理復雜，成本高，質量大，精度差等缺點，這讓調試智能車變得十分繁瑣。而線性CCD以其簡單的原理和易操作的優點受人歡迎，在光電路徑識別領域起著越來越重要的作用，逐步取代了激光傳感器的主導地位。本車模即采用線性CCD傳感器，通過線性CCD獲取路徑信息，并且將信息傳給單片機，單片機根據反饋信息控制車模轉向和速度，從而使車模安全，迅速的跑完賽道。

1 系統總體設計

本車模采用32 位微控制器 MK60N512ZVLQ10 作為主控制器用于智能車的設計。賽車共包括四大模塊：MK60N512ZVLQ10主控模塊、線性CCD模塊、電源模塊、電機驅動模塊。本車模是多功能模塊化智能車。第一，線性CCD采集像素信號，返回到單片機，單片機根據CCD返回的信息控制舵機轉向并且控制賽車速度，防止賽車沖出賽道，使賽車在賽道上能夠自主行駛，并以最快的速度跑完賽道。第二，超聲波模塊提前檢測前方是否有障礙物，并且及時避開障礙物。

2 硬件結構設計

車體相比于往屆參加智能車競賽選手設計的思路不同，大多數選手選擇將所有模塊集中設計制作在一個PCB主板上，而我們的思路相反，在我們的車模中，有獨立的電源主板和驅動主板，并通過排線與單片機主板相連，這樣的目的是為了方便于檢查故障和調試智能車。

2.1 線性CCD模塊

線性CCD只能采集一行可視像素，它包含128個線性排列的光電二極管。每個光電二極管都有各自的積分電路，即像素。每個像素采集的圖像灰度值與它所感知的光強和曝光時間成正比。線性CCD通過SI控制信號輸入，CLK作為時鐘輸入，控制像素依次輸出和復位，AO則將像素電壓輸出，完成了像素的采集和輸出。

2.2 超聲波模塊

超聲波模塊主要目的是檢測障礙物。超聲波模塊經發射器發射出長約6mm，頻率為40KHZ的超聲波信號。此信號被物體反射回來由接收頭接收，接收頭實質上是一種壓電效應的換能器。它接收到信號后產生mV級的微弱電壓信號。根據這一原理，超聲波模塊可以檢測前方是否有障礙并且及時將信號返回，發給單片機執行相應指令。

2.3 電源與電機驅動板模塊

將電源與電機驅動模塊獨立出來，制作成電源主板和電機驅動板，分別與電池和電機相連，電源主板上添加了L6932降壓芯片，輸出3.3V，精度±1%，驅動板上增加MIC5219電源芯片，為總線驅動芯片74LVC245提供電源，實現驅動芯片和單片機電平匹配。

3 線性CCD算法設計

線性CCD只需要采集一行像素，相對比較簡單。在調試線性CCD時，需要處理好兩個問題。第一，就是曝光時間的長短。由于像素的輸出值和曝光時間成正比，所以調節曝光時間對整個賽車至關重要。在調試智能車時，應該盡量減少曝光時間。減少曝光時間可以提高車模的反應能力，縮短采集信號的時間，盡量減少賽車沖出賽道的幾率，同時還可以捕捉高速運動的賽車的清晰圖像，有利于對圖像的處理。在本車模中我們的曝光時間設定為16ms。第二，就是黑白閾值的選擇。在選擇閾值時，往往需要現場調試，因為閾值的選擇跟環境亮度有密切的關系，所以我們需要根據環境亮度動態調節閾值參數。在調試時，根據調試助手反饋的圖形進行完善，在調試軟件的同時，還需兼顧去調整CCD焦距以及CCD距離地面的高度，當曝光時間和閾值參數確定，并且調整好鏡頭達到可視效果時，會生成平滑的圖像，如圖1所示。

圖1

CCD作為賽道路徑識別的主要傳感器，在路徑規劃上起著十分重要的作用。CCD在賽道上的狀態有：直道處，S彎處和十字交叉處。CCD包含128個像素點，我們的設計方案是當有三個像素點采集到黑色信號時，就認為賽車到達邊沿。在直道的時候，CCD左右兩側均能檢測到賽道邊沿。在小彎時，兩側也會檢測到賽道邊沿，但相對于直道時不太穩定。在大彎時，可能會出現只有一側檢測到賽道邊沿的情況。在十字交叉處，一般是檢測不到賽道邊沿。我們根據CCD在賽道上可能出現的情況寫了基于CCD的路徑識別算法。通過CCD采集像素值，利用設定好的閾值，當檢測到黑線時返回給單片機。基于以上的分析，編寫出一套CCD圖像處理的算法分析。

首先檢測左側邊界，當所檢測到的3個像素點比閾值小，得到左側邊界值m1，算法如下：其中CaiJi_jin_1[i]為采集到的閾值參數，YuZhi_jin_1[i]為程序員自己設定的黑白閾值參數。其中三個數值之差相與即為三個像素點的檢測。

if（（CaiJi_jin_1[i]-YuZhi_jin_1[i]<0）&&（CaiJi_jin_1[i-1]-YuZhi_jin_1[i-1]<0）&&（CaiJi_jin_1[i-2]-YuZhi_jin_1[i-2]<0））

{

m1=i；

}

當檢測到左側邊界后，執行以下程序檢測右側邊界，并計算賽道中心所對應的參數值mm。程序如下：

if（（CaiJi_jin_1[i]-YuZhi_jin_1[i]<0）&&（CaiJi_jin_1[i+1]-YuZhi_jin_1[i+1]<0）&&（CaiJi_jin_1[i+2]-YuZhi_jin_1[i+2]<0））

{

m2=i；

mm=（m1+m2）/2；

}

當智能車進入十字路段時，令CCD檢測到全白，即令m2>=120，這時檢測不到邊界，智能車便直線行駛。程序如下

以上為我們對CCD算法整體設計思想概述。調整好CCD后，將其與舵機通過程序相連接，當CCD檢測到邊界，控制舵機旋轉角度，從而實現轉彎，這樣就完成了光電線性CCD的設計制作。

4 結論

線性CCD通過128個像素點獲取賽道信息，準確及時的將信息反饋給單片機，改善了面陣CCD計算復雜的特點，并且比傳統的激光傳感器更為精確，相對激光傳感器改進較大，在目前智能車領域十分有著巨大的潛力和影響力。

【參考文獻】

[1]宓海寧，胡曉龍，查云佳.第九屆全國大學生“飛思卡爾”杯智能汽車競賽技術報告[R].浙江：浙江萬里學院，2014.

[2]夏斌.基于飛思卡爾單片機的光電智能小車設計[J].華北水利水電大學學報（自然科學版），2014，35（4）：75-78.

[3]高月華.基于紅外光電傳感器的智能車自動尋跡系統設計[J].半導體光電，2009，30（1）：134-137.

[4]翁卓.基于光電傳感器的智能車控制系統設計[J].計算機測量與控制，2010，18（8）：1789-1792.

[5]曾星星.基于攝像頭的路徑識別的智能車控制系統設計[J].湖北汽車工業學院學報，2008，22（2）：72-76.

[責任編輯：田吉捷]