基于CortexM4的光電智能車路徑識別最優(yōu)化研究
2014-08-08 13:19施鶴遠彭凱申正衛(wèi)李楠李尹王擊
計算技術與自動化 2014年2期
施鶴遠+彭凱+申正衛(wèi)+李楠+李尹+王擊
收稿日期：2014-04-02
基金項目：中南大學本科生自由探索計劃項目(Z12029);中南大學大學生創(chuàng)新訓練計劃項目(CL12294)
作者簡介：施鶴遠（1993—），男，湖南安鄉(xiāng)人，學士生，研究方向：電氣自動化。
文章編號：1003-6199(2014)02-0112-03
摘 要：研究基于Cortex-M4芯片的智能車路徑識別最優(yōu)化方案，選用光電傳感器作為路徑識別的傳感器，結(jié)合路徑識別算法和控制算法對智能車的坡道、速度和停車位等進行優(yōu)化配置。制作的小型光電智能汽車，通過增加傳感器和改進算法實現(xiàn)了路徑識別，使小車循著賽道軌跡行進，在遇到坡道、障礙時能夠自動作出響應。實際運行結(jié)果驗證了所做研究的有效性。
關鍵詞：CortexM4;光電智能汽車;路徑識別
中圖分類號：TP273+.2文獻標識碼：A
Study on Path Identification Optimization of Photoelectric Intelligent Vehicle Based on CortexM4
SHI Heyuan,PENG Kai,SHENZhengwei,LINan,LIYin,WANGJi
(School of Information Science and Engineering, Central South University, Changsha,Hunan 410075, China)
Abstract:The paper studies the optimization scheme of the intelligent vehicle path identification based on CortexM4, adopts photoelectric sensor for path recognition, combined with the path recognition algorithm and control algorithm of the intelligent vehicle ramp, speed and parking space allocation. A small photoelectric intelligent car was produced, by increasing the sensor and the improved algorithm to achieve the path identification, the car on the track path, in the face of the ramp, obstacles to automatically respond. The actual results validate the research efficiency.
Key words:CortexM4;photoelectric intelligent vehicle;path identification
1 引 言
智能汽車是主要依靠車內(nèi)以計算機系統(tǒng)為主的智能駕駛儀來實現(xiàn)無人駕駛的汽車。無人駕駛汽車集自動控制、體系結(jié)構(gòu)、人工智能、視覺計算等眾多技術于一體，是計算機科學、模式識別和智能控制技術高度發(fā)展的產(chǎn)物。目前國內(nèi)對于無人駕駛車輛主要有三大系統(tǒng)支撐：環(huán)境感知系統(tǒng)，定位導航系統(tǒng)，控制系統(tǒng)。智能汽車自主通過程序?qū)崿F(xiàn)駕駛，給人們的出行安全帶來更大的保障。其技術涵蓋智能控制、模式識別等學科前沿的熱點研究領域，研究與應用具有巨大的理論和現(xiàn)實意義。20世紀70年代開始，美國、英國、德國等發(fā)達國家開始進行無人駕駛汽車的研究，目前在可行性和實用化方面都取得了突破性的進展。美國在無人駕駛技術上應該是全球走得最遠的國家，他們在2004年、2005年就已經(jīng)舉辦過智能車挑戰(zhàn)賽。我國從上世紀80年代開始著手無人駕駛汽車的研制開發(fā)，雖與國外相比還有一些距離，但目前也取得了階段性成果。
由教育部高等學校自動化專業(yè)教學指導委員會主辦的飛思卡爾杯全國大學生智能車競賽，已列入教育部主辦的全國五大競賽之一，涵蓋了控制、電子、電氣、傳感技術、計算機、模式識別、機械等多個學科的專業(yè)知識，極具挑戰(zhàn)性。競賽使用Freescale半導體公司的微控制器作為核心控制模塊，通過增加電源管理模塊、路徑識別模塊、車速檢測模塊、電機驅(qū)動電路、舵機轉(zhuǎn)向控制及編寫相應軟件，制作一部能夠自主識別路線的智能車，并在專門設計的跑道上自動識別道路行駛［1］。
目前能夠用于智能車路徑識別的傳感器主要有光電傳感器和CCD/CMOS傳感器，光電尋跡方案的優(yōu)點是物理結(jié)構(gòu)簡單、信號處理速度快，但是前瞻距離有限；攝像頭方案的優(yōu)點是能更早感知前方路徑信息，但是信號數(shù)據(jù)處理較為復雜。由于路徑識別在整個控制系統(tǒng)中占重要地位，而且路徑識別的精確程度與傳感器的選擇和數(shù)量有直接聯(lián)系，因此本文針對光電傳感系統(tǒng)，討論路徑識別解決方案。
2 系統(tǒng)設計方案
智能車硬件系統(tǒng)如圖 1所示，主要包括控制核心(CortexM4)、電源模塊、路徑識別模塊、車速檢測模塊、電機驅(qū)動電路、舵機轉(zhuǎn)向控制模塊。
圖1 智能車系統(tǒng)結(jié)構(gòu)
控制芯片選用基于CortexM4高速內(nèi)核的低功耗處理器，它可以內(nèi)嵌實時操作系統(tǒng)，和傳統(tǒng)的控制方式相比，外設資源更豐富，可滿足各類傳感器通訊需求，性能更好。CortexM4內(nèi)核還帶有單精度浮點運算單元(FPU)，數(shù)據(jù)處理能力更強。整車利用CortexM4作為核心控制單元，利用車體前方的光電傳感器作為路徑識別的傳感器，經(jīng)MCU的I/O處理，控制車體的運動，同時內(nèi)部模塊發(fā)出兩路PWM波，驅(qū)動直流電機對車體進行加減速控制和驅(qū)動伺服電機對車體進行轉(zhuǎn)向控制，完成轉(zhuǎn)向、前進、制動等功能，使智能車在賽道上能自主行使。
光電傳感器用于檢測路面信息，其原理是由發(fā)射管發(fā)射一定波長的激光，經(jīng)地面反射到接收管。發(fā)射管發(fā)射的激光具有一定的方向性，當激光照射到白色表面上時會有較大的反射，如果距離的取值合適，接收管可接收到反射回的激光，再利用紅外接收管的電氣特性，在電路中處理激光的接收信息；如果反射表面為黑色，大部分紅外光會被表面吸收，接收管就難以收到激光。這樣，就可以利用紅外收發(fā)管組成的光電傳感器檢測賽道黑線，實現(xiàn)智能車的路徑識別。由于采用這種機理，實際的比賽或者測試中同樣需要對賽道進行合理設計。
計算技術與自動化2014年6月
第33卷第2期施鶴遠等：基于CortexM4的光電智能車路徑識別最優(yōu)化研究
3 路徑識別算法設計
3.1 跑道設計
跑道的設計應模擬現(xiàn)實世界。在盡量不改變現(xiàn)實世界中公路的前提下，增加智能車所必須的各種標志，要能夠完成車子直道不跑偏、彎道能夠順利轉(zhuǎn)、能根據(jù)限速信息限速、在交叉口可以自主選擇道路等要求。例如采用將跑道抽象為白色，跑道兩邊粘貼黑色膠帶標志跑道邊緣，在需要限速的跑道中央連續(xù)貼若干不同寬度的黑膠帶，交叉口提前引出黑線，十字交叉口全部空白等的設計方法。
3.2 跑道識別
主控模塊需能根據(jù)激光模塊撒到跑道上的點所接收到的狀態(tài)值判斷出跑道的類型，識別跑道類型是主控模塊給定各執(zhí)行機構(gòu)控制量的依據(jù)。跑道類型包括直道、彎道、十字交叉口、普通交叉口、坡道、限速段、停車位等。
將激光分射在賽道兩邊，同時獲取賽道兩邊的信息。后排傳感器有18個發(fā)射單元，6個接收單元，我們使用的是1對3的策略。由于激光點間距2CM，故將18個點分為兩組，每組9點，使其中5個點在賽道白板上，余下4個點在黑線外面或黑線上。分布示意圖見圖 2。
賽道位置獲取方案［2］~［4］：首先得到前排激光模塊接收到的路面信息的18位數(shù)據(jù)，0代表白色，1代表黑色。通過分階段窮舉算法得到道路偏轉(zhuǎn)方向及偏轉(zhuǎn)角度。具體算法是：
1）將18位數(shù)據(jù)分為2個9位數(shù)據(jù)，分別代表左側(cè)信息和右側(cè)信息；
2）再將左側(cè)9位數(shù)據(jù)3個3位數(shù)據(jù)，分別窮舉3位數(shù)據(jù)可能的狀態(tài)?？紤]到在道路上的情況，每個點依次有1、2、4種窮舉狀態(tài)。因此9位數(shù)據(jù)一共需要7*3=21次窮舉即可列舉盡所有道路信息，列舉過程中賦予相應左側(cè)偏差值；
右側(cè)9位數(shù)據(jù)列舉過程類似步驟②，并賦予相應右側(cè)偏差值。
圖2 激光點分布圖
3.3 其它模式識別與控制
坡道：主控模塊需能根據(jù)激光模塊測到前方的點所接收到的狀態(tài)值判斷出前方一定范圍內(nèi)是否坡道。在程序中設置有標志位，若標志位為1，則轉(zhuǎn)入坡道程序進行處理。
限速：主控模塊需能根據(jù)激光模塊測到跑道中央的點所接收到的狀態(tài)值判斷出跑道是否限速，如有，則根據(jù)限速值降速行駛，否則自動選擇適當?shù)乃俣刃旭?。?/p>
停車位：主控模塊需能根據(jù)激光模塊測到跑道中央的點所接收到的狀態(tài)值判斷前方是否有停車標志位，如有，則迅速停車。
轉(zhuǎn)彎：主控模塊根據(jù)激光模塊所接收到的跑道狀態(tài)的偏差來控制轉(zhuǎn)向舵機的控制值以決定前輪轉(zhuǎn)角轉(zhuǎn)角大小，同時給電機控制部分適當?shù)臏p速，達到轉(zhuǎn)彎的最優(yōu)路徑，使車輛不會沖出跑道，從而使車子在跑道上始終以最優(yōu)路徑行駛。
其中主要是采用智能模糊控制［5~8］。根據(jù)獲取的賽道信息數(shù)據(jù)分析有4種情況：①左右信息均非白；②左右信息全白；③左側(cè)信息全白，右側(cè)不為全白；④右側(cè)信息全白，左側(cè)不為全白。
模糊變量選擇如下：
1)偏差E為|Br-Bl|，偏差變化率ΔE=|Br-Bl|-|PreBr-PreBl|；
2)偏差E為前20次E的平均值，偏差變化率ΔE為前20次ΔE的平均值；
3)偏差E為Br，偏差變化率ΔE=Br-PreBr；
4)偏差E為Bl，偏差變化率ΔE=Bl-PreBl。
速度：主控模塊根據(jù)激光模塊接收到的跑道類型以及搖頭舵機當前轉(zhuǎn)角與理想轉(zhuǎn)角的偏差來控制當前所需的速度，采用PID算法，并能做到加速及時、減速迅速、需要勻速行駛時速度變化在較小范圍內(nèi)。
定位導航：主控模塊在識別到十字交叉口時需能根據(jù)激光采集賽道信息，當接收管全能接收到信號時，十字彎標志位置位。在識別起跑線是主要采用跳變法，當下排左右兩側(cè)同時出現(xiàn)1次以上的跳變（由白到黑或由黑到白）時，便將起跑線標志位置位。
4 實驗結(jié)果
搭建模擬現(xiàn)實環(huán)境的高逼真賽道和硬件穩(wěn)定、機械精簡安全的高性能智能汽車模型，智能汽車能高速穩(wěn)定安全的運行完整個賽道，并順利完成蔽障、停車等功能。硬件方面設計好控制電路PCB板并交付工廠加工制作，同時留有一定的余量。傳感器的調(diào)試需要考慮前瞻性和精確度，方便采集和接收賽道信息，使用IAR System出品的編譯器IAR以及硬件程序下載器——JTAG來開發(fā)智能小車的軟件系統(tǒng)，并通過程序改動來控制小車的運行情況?；诖?，開發(fā)了一套適合智能汽車運行的最優(yōu)化的路徑識別控制方案，通過調(diào)試和改良，具有很高的可移植性和兼容性。
5 結(jié) 語
基于Cortex-M4的光電智能車路徑識別是近些年來重要的研究方向。本文基于課題Z12029和CL12294，介紹了該研究的概念、方法和應用領域，提出了路徑識別的新型研究，接著，闡述了該研究的主要內(nèi)容和研究方法。該研究使用飛思卡爾32位微處理器做主控芯片，處理速度快且較為準確，通過激光采集賽道信息轉(zhuǎn)變?yōu)殡妷盒盘?，穩(wěn)定性較好，接受信息量大。同時位置控制算法使用分段綜合模糊化采集信息對相關的研究有一定的指導性，跳變法的使用是該研究的一個亮點，對于任何傳感器都是適用的，基于此識別起停跑線出錯率減少。此外速度控制主要采用PD控制算法，能有效消除抖動，并預測下一步的動作。實際運行結(jié)果驗證了所做研究的有效性。
參考文獻
［1］ 卓晴, 黃開勝, 邵貝貝. 學做智能車［M］. 北京: 北京航空航天大學出版社, 2007.
［2］ 吳斌華, 黃衛(wèi)華, 程磊, 楊明. 基于路徑識別的智能車系統(tǒng)設計［J］. 電子技術應用. 2007,(3)：80-82.
［3］ 曾星星. 基于攝像頭的路徑識別智能車控制系統(tǒng)設計［J］. 湖北汽車工業(yè)學院學報,2008,(6)：72-76.
［4］ 熊凱, 邵明明, 盧紅海. 中南大學比亞迪雙魚座2012技術報告［R］. 2012.
［5］ 羅強, 徐文城, 劉堯. 基于激光傳感器的智能車路徑識別系統(tǒng)設計［J］.電氣自動化,2012,(5):88-90.
［6］ 王擊, 羅安, 蔡自興. 智能控制在時滯系統(tǒng)中的算法研究［J］. 基礎自動化,2001,8(6):4-6.
［7］ 楊凱峰, 王擊, 彭輝, 基于fuzzyTech智能小車神經(jīng)模糊控制器的實現(xiàn)［J］. 西北農(nóng)林科技大學學報:自然科學版,2012,40(12):230-234.
［8］ 游佳, 王擊. 基于嵌入式系統(tǒng)的智能尋跡機器人設計［J］. 微計算機信息(嵌入式與SOC), 2009,25(8/2):176-177.
將激光分射在賽道兩邊，同時獲取賽道兩邊的信息。后排傳感器有18個發(fā)射單元，6個接收單元，我們使用的是1對3的策略。由于激光點間距2CM，故將18個點分為兩組，每組9點，使其中5個點在賽道白板上，余下4個點在黑線外面或黑線上。分布示意圖見圖 2。
賽道位置獲取方案［2］~［4］：首先得到前排激光模塊接收到的路面信息的18位數(shù)據(jù)，0代表白色，1代表黑色。通過分階段窮舉算法得到道路偏轉(zhuǎn)方向及偏轉(zhuǎn)角度。具體算法是：
1）將18位數(shù)據(jù)分為2個9位數(shù)據(jù)，分別代表左側(cè)信息和右側(cè)信息；
2）再將左側(cè)9位數(shù)據(jù)3個3位數(shù)據(jù)，分別窮舉3位數(shù)據(jù)可能的狀態(tài)?？紤]到在道路上的情況，每個點依次有1、2、4種窮舉狀態(tài)。因此9位數(shù)據(jù)一共需要7*3=21次窮舉即可列舉盡所有道路信息，列舉過程中賦予相應左側(cè)偏差值；
右側(cè)9位數(shù)據(jù)列舉過程類似步驟②，并賦予相應右側(cè)偏差值。
圖2 激光點分布圖
3.3 其它模式識別與控制
坡道：主控模塊需能根據(jù)激光模塊測到前方的點所接收到的狀態(tài)值判斷出前方一定范圍內(nèi)是否坡道。在程序中設置有標志位，若標志位為1，則轉(zhuǎn)入坡道程序進行處理。
限速：主控模塊需能根據(jù)激光模塊測到跑道中央的點所接收到的狀態(tài)值判斷出跑道是否限速，如有，則根據(jù)限速值降速行駛，否則自動選擇適當?shù)乃俣刃旭偂＊?/p>
停車位：主控模塊需能根據(jù)激光模塊測到跑道中央的點所接收到的狀態(tài)值判斷前方是否有停車標志位，如有，則迅速停車。
轉(zhuǎn)彎：主控模塊根據(jù)激光模塊所接收到的跑道狀態(tài)的偏差來控制轉(zhuǎn)向舵機的控制值以決定前輪轉(zhuǎn)角轉(zhuǎn)角大小，同時給電機控制部分適當?shù)臏p速，達到轉(zhuǎn)彎的最優(yōu)路徑，使車輛不會沖出跑道，從而使車子在跑道上始終以最優(yōu)路徑行駛。
其中主要是采用智能模糊控制［5~8］。根據(jù)獲取的賽道信息數(shù)據(jù)分析有4種情況：①左右信息均非白；②左右信息全白；③左側(cè)信息全白，右側(cè)不為全白；④右側(cè)信息全白，左側(cè)不為全白。
模糊變量選擇如下：
1)偏差E為|Br-Bl|，偏差變化率ΔE=|Br-Bl|-|PreBr-PreBl|；
2)偏差E為前20次E的平均值，偏差變化率ΔE為前20次ΔE的平均值；
3)偏差E為Br，偏差變化率ΔE=Br-PreBr；
4)偏差E為Bl，偏差變化率ΔE=Bl-PreBl。
速度：主控模塊根據(jù)激光模塊接收到的跑道類型以及搖頭舵機當前轉(zhuǎn)角與理想轉(zhuǎn)角的偏差來控制當前所需的速度，采用PID算法，并能做到加速及時、減速迅速、需要勻速行駛時速度變化在較小范圍內(nèi)。
定位導航：主控模塊在識別到十字交叉口時需能根據(jù)激光采集賽道信息，當接收管全能接收到信號時，十字彎標志位置位。在識別起跑線是主要采用跳變法，當下排左右兩側(cè)同時出現(xiàn)1次以上的跳變（由白到黑或由黑到白）時，便將起跑線標志位置位。
4 實驗結(jié)果
搭建模擬現(xiàn)實環(huán)境的高逼真賽道和硬件穩(wěn)定、機械精簡安全的高性能智能汽車模型，智能汽車能高速穩(wěn)定安全的運行完整個賽道，并順利完成蔽障、停車等功能。硬件方面設計好控制電路PCB板并交付工廠加工制作，同時留有一定的余量。傳感器的調(diào)試需要考慮前瞻性和精確度，方便采集和接收賽道信息，使用IAR System出品的編譯器IAR以及硬件程序下載器——JTAG來開發(fā)智能小車的軟件系統(tǒng)，并通過程序改動來控制小車的運行情況。基于此，開發(fā)了一套適合智能汽車運行的最優(yōu)化的路徑識別控制方案，通過調(diào)試和改良，具有很高的可移植性和兼容性。
5 結(jié) 語
基于Cortex-M4的光電智能車路徑識別是近些年來重要的研究方向。本文基于課題Z12029和CL12294，介紹了該研究的概念、方法和應用領域，提出了路徑識別的新型研究，接著，闡述了該研究的主要內(nèi)容和研究方法。該研究使用飛思卡爾32位微處理器做主控芯片，處理速度快且較為準確，通過激光采集賽道信息轉(zhuǎn)變?yōu)殡妷盒盘?，穩(wěn)定性較好，接受信息量大。同時位置控制算法使用分段綜合模糊化采集信息對相關的研究有一定的指導性，跳變法的使用是該研究的一個亮點，對于任何傳感器都是適用的，基于此識別起停跑線出錯率減少。此外速度控制主要采用PD控制算法，能有效消除抖動，并預測下一步的動作。實際運行結(jié)果驗證了所做研究的有效性。
參考文獻
［1］ 卓晴, 黃開勝, 邵貝貝. 學做智能車［M］. 北京: 北京航空航天大學出版社, 2007.
［2］ 吳斌華, 黃衛(wèi)華, 程磊, 楊明. 基于路徑識別的智能車系統(tǒng)設計［J］. 電子技術應用. 2007,(3)：80-82.
［3］ 曾星星. 基于攝像頭的路徑識別智能車控制系統(tǒng)設計［J］. 湖北汽車工業(yè)學院學報,2008,(6)：72-76.
［4］ 熊凱, 邵明明, 盧紅海. 中南大學比亞迪雙魚座2012技術報告［R］. 2012.
［5］ 羅強, 徐文城, 劉堯. 基于激光傳感器的智能車路徑識別系統(tǒng)設計［J］.電氣自動化,2012,(5):88-90.
［6］ 王擊, 羅安, 蔡自興. 智能控制在時滯系統(tǒng)中的算法研究［J］. 基礎自動化,2001,8(6):4-6.
［7］ 楊凱峰, 王擊, 彭輝, 基于fuzzyTech智能小車神經(jīng)模糊控制器的實現(xiàn)［J］. 西北農(nóng)林科技大學學報:自然科學版,2012,40(12):230-234.
［8］ 游佳, 王擊. 基于嵌入式系統(tǒng)的智能尋跡機器人設計［J］. 微計算機信息(嵌入式與SOC), 2009,25(8/2):176-177.
將激光分射在賽道兩邊，同時獲取賽道兩邊的信息。后排傳感器有18個發(fā)射單元，6個接收單元，我們使用的是1對3的策略。由于激光點間距2CM，故將18個點分為兩組，每組9點，使其中5個點在賽道白板上，余下4個點在黑線外面或黑線上。分布示意圖見圖 2。
賽道位置獲取方案［2］~［4］：首先得到前排激光模塊接收到的路面信息的18位數(shù)據(jù)，0代表白色，1代表黑色。通過分階段窮舉算法得到道路偏轉(zhuǎn)方向及偏轉(zhuǎn)角度。具體算法是：
1）將18位數(shù)據(jù)分為2個9位數(shù)據(jù)，分別代表左側(cè)信息和右側(cè)信息；
2）再將左側(cè)9位數(shù)據(jù)3個3位數(shù)據(jù)，分別窮舉3位數(shù)據(jù)可能的狀態(tài)。考慮到在道路上的情況，每個點依次有1、2、4種窮舉狀態(tài)。因此9位數(shù)據(jù)一共需要7*3=21次窮舉即可列舉盡所有道路信息，列舉過程中賦予相應左側(cè)偏差值；
右側(cè)9位數(shù)據(jù)列舉過程類似步驟②，并賦予相應右側(cè)偏差值。
圖2 激光點分布圖
3.3 其它模式識別與控制
坡道：主控模塊需能根據(jù)激光模塊測到前方的點所接收到的狀態(tài)值判斷出前方一定范圍內(nèi)是否坡道。在程序中設置有標志位，若標志位為1，則轉(zhuǎn)入坡道程序進行處理。
限速：主控模塊需能根據(jù)激光模塊測到跑道中央的點所接收到的狀態(tài)值判斷出跑道是否限速，如有，則根據(jù)限速值降速行駛，否則自動選擇適當?shù)乃俣刃旭?。?/p>
停車位：主控模塊需能根據(jù)激光模塊測到跑道中央的點所接收到的狀態(tài)值判斷前方是否有停車標志位，如有，則迅速停車。
轉(zhuǎn)彎：主控模塊根據(jù)激光模塊所接收到的跑道狀態(tài)的偏差來控制轉(zhuǎn)向舵機的控制值以決定前輪轉(zhuǎn)角轉(zhuǎn)角大小，同時給電機控制部分適當?shù)臏p速，達到轉(zhuǎn)彎的最優(yōu)路徑，使車輛不會沖出跑道，從而使車子在跑道上始終以最優(yōu)路徑行駛。
其中主要是采用智能模糊控制［5~8］。根據(jù)獲取的賽道信息數(shù)據(jù)分析有4種情況：①左右信息均非白；②左右信息全白；③左側(cè)信息全白，右側(cè)不為全白；④右側(cè)信息全白，左側(cè)不為全白。
模糊變量選擇如下：
1)偏差E為|Br-Bl|，偏差變化率ΔE=|Br-Bl|-|PreBr-PreBl|；
2)偏差E為前20次E的平均值，偏差變化率ΔE為前20次ΔE的平均值；
3)偏差E為Br，偏差變化率ΔE=Br-PreBr；
4)偏差E為Bl，偏差變化率ΔE=Bl-PreBl。
速度：主控模塊根據(jù)激光模塊接收到的跑道類型以及搖頭舵機當前轉(zhuǎn)角與理想轉(zhuǎn)角的偏差來控制當前所需的速度，采用PID算法，并能做到加速及時、減速迅速、需要勻速行駛時速度變化在較小范圍內(nèi)。
定位導航：主控模塊在識別到十字交叉口時需能根據(jù)激光采集賽道信息，當接收管全能接收到信號時，十字彎標志位置位。在識別起跑線是主要采用跳變法，當下排左右兩側(cè)同時出現(xiàn)1次以上的跳變（由白到黑或由黑到白）時，便將起跑線標志位置位。
4 實驗結(jié)果
搭建模擬現(xiàn)實環(huán)境的高逼真賽道和硬件穩(wěn)定、機械精簡安全的高性能智能汽車模型，智能汽車能高速穩(wěn)定安全的運行完整個賽道，并順利完成蔽障、停車等功能。硬件方面設計好控制電路PCB板并交付工廠加工制作，同時留有一定的余量。傳感器的調(diào)試需要考慮前瞻性和精確度，方便采集和接收賽道信息，使用IAR System出品的編譯器IAR以及硬件程序下載器——JTAG來開發(fā)智能小車的軟件系統(tǒng)，并通過程序改動來控制小車的運行情況?；诖?，開發(fā)了一套適合智能汽車運行的最優(yōu)化的路徑識別控制方案，通過調(diào)試和改良，具有很高的可移植性和兼容性。
5 結(jié) 語
基于Cortex-M4的光電智能車路徑識別是近些年來重要的研究方向。本文基于課題Z12029和CL12294，介紹了該研究的概念、方法和應用領域，提出了路徑識別的新型研究，接著，闡述了該研究的主要內(nèi)容和研究方法。該研究使用飛思卡爾32位微處理器做主控芯片，處理速度快且較為準確，通過激光采集賽道信息轉(zhuǎn)變?yōu)殡妷盒盘枺€(wěn)定性較好，接受信息量大。同時位置控制算法使用分段綜合模糊化采集信息對相關的研究有一定的指導性，跳變法的使用是該研究的一個亮點，對于任何傳感器都是適用的，基于此識別起停跑線出錯率減少。此外速度控制主要采用PD控制算法，能有效消除抖動，并預測下一步的動作。實際運行結(jié)果驗證了所做研究的有效性。
參考文獻
［1］ 卓晴, 黃開勝, 邵貝貝. 學做智能車［M］. 北京: 北京航空航天大學出版社, 2007.
［2］ 吳斌華, 黃衛(wèi)華, 程磊, 楊明. 基于路徑識別的智能車系統(tǒng)設計［J］. 電子技術應用. 2007,(3)：80-82.
［3］ 曾星星. 基于攝像頭的路徑識別智能車控制系統(tǒng)設計［J］. 湖北汽車工業(yè)學院學報,2008,(6)：72-76.
［4］ 熊凱, 邵明明, 盧紅海. 中南大學比亞迪雙魚座2012技術報告［R］. 2012.
［5］ 羅強, 徐文城, 劉堯. 基于激光傳感器的智能車路徑識別系統(tǒng)設計［J］.電氣自動化,2012,(5):88-90.
［6］ 王擊, 羅安, 蔡自興. 智能控制在時滯系統(tǒng)中的算法研究［J］. 基礎自動化,2001,8(6):4-6.
［7］ 楊凱峰, 王擊, 彭輝, 基于fuzzyTech智能小車神經(jīng)模糊控制器的實現(xiàn)［J］. 西北農(nóng)林科技大學學報:自然科學版,2012,40(12):230-234.
［8］ 游佳, 王擊. 基于嵌入式系統(tǒng)的智能尋跡機器人設計［J］. 微計算機信息(嵌入式與SOC), 2009,25(8/2):176-177.
