智能視頻巡檢小車的設計與實現

呂博新　岳歡　陳鵬　陳瑜　姚敏

【摘 要】本文針對視頻巡檢的需求，設計出一套具有避障功能的視頻巡檢車，按規劃路線進行巡查與拍攝，通過單目測距算法實現自動避障并將圖像數據傳回控制平臺。通過多組實驗，驗證了小車工作及算法的有效性。

【關鍵詞】巡檢小車；自動避障；單目測距算法

中圖分類號： TP391 文獻標識碼： A 文章編號： 2095-2457（2017）20-0099-002

Design of Intelligent Video Surveillance Vehicle

LV Bo-xin YUE Huan CHEN Peng CHEN Yu YAO Min

（School of Electronic and Information Engineering， North China University of Technology， Beijing 100144， China）

【Abstract】In this paper， a design of intelligent video surveillance vehicle with obstacle avoidance is proposed. The vehicle can capture video on a fixed route， avoid obstacle automatically by monocular ranging algorithm and send data to the system platform. The experimental results show that the proposed design is effective.

【Key words】Video surveillance vehicle； Avoiding obstacle automatically； Monocular ranging algorithm

0 引言

隨著科技發展，可移動視頻平臺的應用日益廣泛，例如各種智能機器人、無人駕駛、智能導航車等。這類移動拍攝平臺多為四輪驅動，在復雜地形環境中能較為自如的行駛，然而在房間死角，狹窄的通道里，這些移動平臺因靈活性差而不能很好的完成任務。研究者進行了相關研究[1-4]，例如，高正中等人提出基于攝像頭的智能車控制系統[5]。王立玲等人提出智能車的路徑識別及控制策略算法[6]。本文結合相關研究進展，研制了具有避障功能的智能視頻巡檢車，小車采用PID控制的二輪驅動，體積小，靈活性高，可通過圖像和超聲波傳感器探測障礙物，能夠在人或者其他設備無法到達的監控地段執行巡檢任務。

1 系統方案

智能視頻巡檢小車系統由CMOS攝像頭、供電模塊、LCD顯示、電機驅動模塊、STM32單片機和計算機組成。

此巡檢小車選擇STM32F103C作為核心控制處理器，供電模塊同時給CMOS攝像頭和STM32單片機供電。當CMOS攝像頭和計算機在同一網段，計算機通過無線網獲取攝像頭視頻數據，然后進行圖像處理，將避障結果通過無線網傳到STM32單片機中。STM32控制電機模塊做出相應操作。LCD模塊負責顯示小車的狀態信息。

當小車上電后，首先對控制模塊進行初始化，檢測此時小車的狀態是否處于正常工作狀態，然后采用PID算法控制小車電機。小車控制流程圖如1所示。

2 算法實現

2.1 PID算法

本系統利用PID算法實現小車自平衡[7-9]，PID控制器根據系統的誤差，利用比例、積分、微分計算出控制量實現控制小車平衡。其中PD控制小車直立；PI控制對編碼器數據進行低通濾波，削弱電機控制的比重，提高系統穩定性；轉向控制結合了Z軸陀螺儀PD控制。

本文采用直立PD控制，速度PI控制和轉向控制進行偏差調節，在平衡PID控制中輸入參數是角度和角速度，通過PD算法，最后輸出一個控制PWM值。作用是保持平衡車直立狀態。在速度環控制中輸入參數是左右輪編碼器數據，通過PI算法，輸出一個控制速度PWM值，以修改小車前進后退速度。在轉向環控制中輸入參數是左右編碼器和z軸陀螺儀數據，通過PD算法，最后輸出控制轉向PWM值。

2.2 單目避障原理

本系統使用單目避障算法實現小車避障功能，單目避障算法基于單目測距技術[10]，即僅使用單個攝像頭實現測距。

2.2.1 避障流程

計算機從CMOS攝像頭獲取圖像后，進行幀間差分處理，分析得出障礙物距離，判斷是否大于安全距離，最后通過網絡傳輸將避障信息傳送給小車，讓其采取相應措施。

2.2.2 障礙物距離獲取原理

本系統采用CMOS攝像頭。因為避障物體遠大于透鏡直徑，該攝像頭成像模型可近似看成小孔成像。假設攝像機焦距為f，CMOS像元寬度為u，物體高度L ，距離攝像機距離為D，物體成像像素個數為N，根據小孔成像原理可得：

通過（1）式，根據物體像素大小，可計算出物體與小車之間的距離D。

3 實驗結果

3.1 小車直立PD控制

在直立PD控制中，經過試驗，當Kp=300，Kd=1時PD控制效果最佳，小車的晃動幅度最小。圖2是采用上述參數在仿真出的實驗數據：初值預期角度5度，在三百次運算后誤差降為1.94%。

3.2 障礙物距離獲取

本系統采用焦距f=3.6mm，像元寬度s=4.9μm攝像頭。由式（1）可得出障礙物距離與像元個數的關系曲線，如圖3所示。

由圖3-a）可知，隨著障礙物距離的減小，像元個數在增加，且距離越近，單位距離內增加的像元個數越多。即通過判斷像元個數差分的值判斷障礙物的距離。當物體高50cm時，規定安全距離為1m，即該像元的差分的值在3.6時，需要小車采取避障措施。endprint

當像元個數均為100時，高50cm的物體，距離約為3米；高10cm的物體，距離為0.7m，即在安全距離時，高度不同的物體所占像元數和像元的差分值均不同。將圖3-b）中各點連成平滑曲線，可計算出其斜率k=0.072。

綜上所述，當物體大小不同時在相同位置時的像元數不同，所以判斷障礙物距離時需考慮幀間的像元差分值，且像元的差分值和物體的高度成正比，當檢測到像元差分值大于k*L時，即此時物體距離平衡車為1m，計算機需要向平衡車發出指令，讓平衡車采取避障策略。經過實驗，通過單目避障算法，可實現小車避障。

4 總結

本文以兩輪平衡車為研究對象，用攝像頭作為視覺傳感器，研究其行進過程中的自平衡和避障問題。本系統通過PID算法實現小車平衡控制。將攝像頭近似為小孔成像模型，因大小不同的物體在不同物距時有可能所占像元數相同，故利用幀間差分法獲取障礙物與小車間的距離，實現自動避障。由于幀間差分法的局限性，無法對該障礙物進行識別，下一步工作是采用圖像識別算法和特征點匹配的方法，提高測距算法的精度，以提升系統工作的穩定性。

【參考文獻】

[1]劉嘉豪，劉海剛，張建偉，關天洛.智能車圖像處理與識別算法研究[J].工業控制計算機.

[2]李旭東，廖中浩，孟嬌.基于CMOS攝像頭的智能車控制系統設計及實現[J].吉林大學學報（信息科學版）.

[3]陳孟元，孫書誠，王虎.基于圖像識別的尋跡智能車設計[J].重慶理工大學學報（自然科學）.

[4]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.

[5]高正中，趙麗娜，李世光，白星振，宋森森.基于攝像頭的智能車控制系統設計[J].自動化與儀表.

[6]王立玲，王建成，白躍.基于OV7620智能車的路徑識別及控制策略[J].河北大學學報（自然科學版）.

[7]肖文健，李永科.基于增量式PID控制算法的智能車設計[J].信息技術.

[8]楊曉嵐.PID算法在智能車中的應用[J].實驗科學與技術.

[9]王志飛.基于PID驅動控制算法的智能車遠程閉環控制的研究與實現[D].吉林大學.

[10]羅時光.基于單目測距技術的道路障礙物檢測方法[J].軟件.endprint