淺談基于機器視覺和姿態檢測的循跡智能車

摘要：當前電子信息技術越來越多的應用于汽車工業。本文將闡述從使用道路檢測傳感器循跡電動汽車的方案，包括檢測動態物體姿態的測量方法、循跡智能車整體結構以及設計與循跡智能車軟件系統、優化控制系統和道路識別系統等方面。

關鍵詞：循跡智能車;機器視覺;姿態檢測

中國分類號：U467 文獻標識碼：A

1 檢測動態物體姿態的測量方法

當前，檢查動態物體姿態的測量方法有2種：一種是利用檢查動態物體的姿態傳感器完成對被測智能車的各時刻的姿態測量，安裝姿態測量傳感器在被測動態物體內，也叫內側法;另一種是利用外在設備檢測被測智能車的各種實時數據，被稱為外側法或光學測量法。

內側法可以分為基于慣性測量單元、GPS導航系統以及太陽方位傳感器等多種測量方法。慣性測量法是沒有依靠外界信號，采用慣性測量單元陀螺儀或加速度計等工具，來確定動態循跡智能車姿態參數的測量方法。這種方法優點是實時性比較高，缺點是由于轉動部件裝有陀螺儀，導致它的準備時長偏長，而且抗過載能力不夠、造價偏高且體積偏大等。由于近年來，電子技術在我國取得了長足的進步，很多電子設備越來越小。因此，本次實驗以主中央微控單元：STM32F103ZET6芯片作為核心主控。

GPS導航系統測量也是常用于運動物體的方法，具有可以縮減體積、便于攜帶、提高精度及價格低廉等特點。但是，它也存在缺點，室內不能使用它測量，只能用于室外，測量次數和頻率偏低，GPS的信號對測試結果影響較大等缺點。所以，這種測量方法不適于與本次循跡智能車測試。

太陽方位傳感器也是一種測量運動物體的方法，這種方法已經適用于彈箭飛行的姿態參數測試中，并且取得了很好的效果。但其不足是受到自然條件影響很大，而且安裝繁瑣，應用局限很大，只能用于旋轉軸穩定的旋轉體，因此本次實驗同樣不適用這種方法。

2 循跡智能車整體結構與設計與循跡智能車軟件系統

2.1 智能車整體結構與設計

循跡智能車車體是以底盤組裝基礎，采用前輪轉向結構和后輪驅動的結構。本次實驗設計循跡智能車行駛在水平的KT板賽道上，仰俯角在合理范圍內，在賽道有一段平穩過渡，所以本次實驗需要將前輪支撐架稍微墊高，并且需要將底盤和后輪軸適當增大。這樣做可以降低循跡智能車整體高度，從而降低重心提升循跡智能車運行時候的穩定性‘1]。根據賽道情況把前輪調整了大約5。的主銷后傾角，2。的前束角和內傾角。這樣的設計有利于提高循跡智能車的平穩性能。

2.2 傳感器的位置分布與安裝

本次實驗需要在攝像頭底座安裝舵機來控制攝像頭的俯仰角，攝像頭的俯仰角決定了照射距離和范圍，所以攝像頭的俯仰角在本次實驗中很重要。并且需要把CCD攝像頭設定選取在合適的位置，這樣就能擴大采集橫向路面信息角度范圍，更有利于實現。

2.3 循跡智能車軟件系統

軟件是底層驅動，硬件為抽象層，上層運用算法函數、中層運用服務函數，結合適調試用人機相互處理組成。這種軟件結構有利于傳承技術的持續進步，已得到了良好的驗證（圖1）。

3 道路識別系統

3.1 道路識別系統和機器視覺系統

由于攝像頭幀率可以達到很高，這就要求執行效率較高才能夠處理。如圖2所示為識別系統的黑白圖片展示。

測試賽道標識線（黑膠帶）貼在白色賽道板兩側，識別白色的區域，就可以區分出賽道。計算出道路行駛路徑后，運用單目測距算法，還可以初步確定彎道和循跡智能車的距離與賽道彎道的轉彎直徑。

3.2 循跡智能車道路識別

通過多次的循跡智能車實驗，還有相互對比實驗結構以及現場狀況，找出了引導線的特點。把其特點整理為數學模型，再比對特點信息，可以決定當前的策略應該適用哪一種速度和轉彎的轉向決定。而且循跡智能車的賽道設有起跑線和終點線，循跡智能車可以根據圖像識別系統自動倒計時發車和停車。

3.3 循跡智能車姿態控制和閉環控制

可根據循跡智能車道路識別功能提取到的結果判斷道路的類型，并通過根據目前循跡智能車運行狀態和以前的運行狀態，從而決定出應該的控制策略，然后再結合STM32F103ZET6芯片系統處理器生成速度和轉彎角度的預期數值[2]。

4 優化控制系統

循跡智能車行駛過程中，攝像頭可以獲取道路信息，通過圖像處理系統和道路識別系統、循跡智能車控制路途規劃和生成策略、傳感器反饋行駛信息優化修正以及合理輸出控制等階段。因此控制系統對于循跡智能車這個實驗來說非常重要，要優化控制系統，以便于循跡智能車實驗的成功。

4.1 循跡智能車對于賽道的識別以及優化控制

常見的循跡智能車道路類型有十字交叉賽道、大小S賽道、筆直賽道及大彎道等。如果定義大S賽道作為常規控制策略，小S賽道的駝機就是減少它的擺動幅度，讓其反應變得遲鈍，會出現近路通過的情況。但是大直道賽道作為加速是很好的時機，機器的PID比例會減少很多，這樣可以減少循跡智能車高速行駛的時候車身擺動幅度，同時電機加速也是比較適合。連續的循跡智能車轉彎或者大直道賽道，可以看更遠的循跡智能車道路進入轉彎預判提前加速，或者提前變換到賽道外側，有利于通過轉彎。

因為循跡智能車道路引導線是分布在循跡智能車的兩側，當循跡智能車通過類似于十字交叉這種路段的時候，有可能丟失賽道標識，導致失去控制。因此，如果發現某一段十字交叉賽道，就要提前鎖定道路。因為如果賽道識別不足或者失敗，循跡智能車就會失去控制，導致行盲通過賽道，直到可以識別出轉彎特點的賽道時。

4.2 循跡智能車識別仰俯角和上下坡的賽道策略

循跡智能車在上坡路段的時候，仰角會發生很明顯的增加與減少，還有明顯的循跡智能車轉動角速度。所以循跡智能車在加速或者減速等這些不是存在慣性系的時候，還是可以進行判斷。

循跡智能車在上坡路段的時候，循跡智能車的攝像頭向上揚起，導致循跡智能車的圖像處理系統不能夠識別上坡道。所以，在上坡時車輛識別系統采用的是近處的識別方式，使循跡智能車速度不變通過上坡。這種上坡賽道的路段和大直道賽道相差不大，可以按照大直道賽道時候的情況處理。當循跡智能車行駛到下坡路段的時候，相反的需要把下坡速度設置稍低一些，以免沖出道路。

4.3 循跡智能車防止側翻

為了在彎道時能夠穩定通過，在實驗時可適當降低速度，并且當發現循跡智能車如果傾斜的時候，控制循跡智能車降速。5結束語

在多次循跡智能車的實驗和總結中，通過對控制的多次優化，提高了循跡智能車的運行速度、平穩性以及控制水平。同時，在實驗中，賽道摩擦力較大的時候，循跡智能車過彎速度太快也可能造成循跡智能車的翻車。通過改寫相應的控制方法，保證循跡智能車通過彎道時的平穩性和安全性。

【參考文獻】

[1] 王天河，侯建軍.基于機器視覺和姿態檢測的循跡智能車[J].兵工自動化，2012，31（8）：82-85.

[2] 游江，唐力偉，鄧士杰.機器視覺空間目標姿態自動測量方法研究[J].中國測試，2016，42（11）：107-112.