基于攝像頭的直立自平衡智能車設(shè)計(jì)

邰玉民,耿艷峰,張朋舉,潘　浩,劉建幫

(中國石油大學(xué)(華東)　信息與控制工程學(xué)院，山東 青島　266580)

?

基于攝像頭的直立自平衡智能車設(shè)計(jì)

邰玉民,耿艷峰,張朋舉,潘浩,劉建幫

(中國石油大學(xué)(華東)信息與控制工程學(xué)院，山東 青島266580)

設(shè)計(jì)直立行走式循跡智能車的機(jī)械及控制系統(tǒng)；系統(tǒng)選用微控制器MK60為控制核心，利用陀螺儀和加速度傳感器，采用互補(bǔ)濾波的方法計(jì)算車體的角度和角速度，通過比例微分算法控制智能車車輪的加速度來抵消車模運(yùn)動(dòng)傾向，實(shí)現(xiàn)智能車直立；單片機(jī)通過模擬攝像頭進(jìn)行賽道圖像捕捉，采用邊沿檢測算法識(shí)別賽道中心線，計(jì)算與設(shè)定值的偏差，進(jìn)而控制左右兩個(gè)電機(jī)產(chǎn)生速度差，完成智能車的轉(zhuǎn)向;經(jīng)測試，智能車能夠在保持直立同時(shí)，完成賽道識(shí)別，且運(yùn)行平穩(wěn)快速。

智能車；直立控制；PID算法；路徑識(shí)別

0　引言

遵循于第九屆全國大學(xué)生智能汽車競賽技術(shù)規(guī)范，在D型車模機(jī)械結(jié)構(gòu)的基礎(chǔ)上，選擇MK60處理器[1]為控制核心，完成周邊包括電源模塊、驅(qū)動(dòng)模塊、速度模塊和直立模塊設(shè)計(jì)，并配合軟件編程實(shí)現(xiàn)智能車的直立和循跡。

1　智能車整體結(jié)構(gòu)

智能車由D型車模改裝，機(jī)械結(jié)構(gòu)如圖1所示。傾角傳感器包括陀螺儀和加速度傳感器，陀螺儀水平安裝，防止轉(zhuǎn)彎過程中會(huì)出現(xiàn)加減速的現(xiàn)象。電池按放于底部，降低重心，提高智能車的過彎和高速通過路障區(qū)的性能；攝像頭采用高強(qiáng)度、低質(zhì)量的碳素纖維桿與智能車相連，安放于模型車直立的最高點(diǎn)，保證有一定的前瞻，有利于對(duì)賽道的及時(shí)反應(yīng)和減少賽車前方盲區(qū)；為了保護(hù)智能車和傳感器，增添了防撞保護(hù)裝置。

圖1　智能車機(jī)械實(shí)物圖

2　智能車控制原理

從智能車控制角度來看，控制對(duì)象為智能車車體，控制輸入量是左右兩個(gè)電機(jī)的轉(zhuǎn)動(dòng)速度。車模運(yùn)動(dòng)控制可由以下3個(gè)基本控制任務(wù)[2]組成。

1)直立控制：根據(jù)車模角度和角速度，控制電機(jī)的正反轉(zhuǎn)保持智能車平衡?？刂撇呗詾镻D控制。

2)速度控制:在智能車保持平衡的基礎(chǔ)上，根據(jù)車模采集到的電機(jī)轉(zhuǎn)速和速度設(shè)定值，計(jì)算電機(jī)的控制量改變傾角，最終實(shí)現(xiàn)智能車按要求速度行駛。采用增量式PID控制策略。

3)方向控制:根據(jù)車模采集到圖像的中心值計(jì)算出兩電機(jī)轉(zhuǎn)速差以實(shí)現(xiàn)轉(zhuǎn)向?？刂撇呗詾镻D控制。

2.1直立控制

兩輪直立智能車模型與倒立擺相似；設(shè)智能車高度為L，質(zhì)量為m，將倒立擺至于可水平移動(dòng)的小車上，如圖2所示。

圖2　倒立擺受力分析

假設(shè)外力干擾引起的角加速度為x(t)，方向垂直于車體，沿該方向進(jìn)行受力分析，可得到智能車運(yùn)動(dòng)微，分方程表達(dá)式為：

(1)

當(dāng)傾角θ很小的時(shí)候，可以進(jìn)行線性化處理：cos(θ)≈1、sin(θ)≈θ ，運(yùn)動(dòng)微分方程可簡化為：

(2)

對(duì)其進(jìn)行拉式變換，可得到系統(tǒng)輸入輸出傳遞函數(shù)：

(3)

根據(jù)牛頓第二定律，為實(shí)現(xiàn)倒立擺模型在垂直位置的穩(wěn)定，應(yīng)施加額外的受力,使得恢復(fù)力與位移方向相反才行，來源為車輪與地面的摩擦力。大小是根據(jù)角度θ及角速度θ′的反饋得出，因此需要在控制系統(tǒng)中引入角度θ及角速度θ′構(gòu)成比例(P)微分(D)反饋環(huán)節(jié)，如圖3所示。

圖3　比例微分環(huán)節(jié)后的控制系統(tǒng)結(jié)構(gòu)圖

加入比例微分反饋后的系統(tǒng)傳遞函數(shù)為：

(4)

測量車體的角度和角速度，經(jīng)過篩選，選擇陀螺儀ENC-03和加速度傳感器MMA7260：采用互補(bǔ)濾波的方法，利用加速度傳感器所得到的角度對(duì)陀螺儀測量到的角度進(jìn)行校正，如圖4所示。

圖4　互補(bǔ)濾波

陀螺儀利用了旋轉(zhuǎn)坐標(biāo)系中的物體會(huì)受到科式力影響的原理，測量出智能車的角速度，加速度傳感器利用重力加速度產(chǎn)生的分量，得出智能車的傾斜角度；但加速度計(jì)易受外界干擾，采用互補(bǔ)濾波后角度輸出更加平滑，消除外界干擾，使得輸出的角度信號(hào)跟蹤上智能車的實(shí)際角度，利于智能車運(yùn)行過程中的穩(wěn)定，波形如圖5所示。

圖5　互補(bǔ)濾波效果圖

直立控制過程中，PD參數(shù)的整定，采用實(shí)驗(yàn)法，先比例后微分的原則，在經(jīng)過反復(fù)的實(shí)驗(yàn)后，最終比例參數(shù)設(shè)定為145，微分參數(shù)設(shè)定為4，由于對(duì)角度和角速度進(jìn)行了歸一化，歸一化系數(shù)是0.22，所以實(shí)際上比例參數(shù)k1=31.9,微分參數(shù)k2=0.88，但考慮到k1>g,k2>0只是在理想狀態(tài)下求得的，實(shí)際情況下還要把機(jī)械結(jié)構(gòu)等因素考慮內(nèi)，比例參數(shù)k1和微分參數(shù)k2會(huì)相對(duì)大點(diǎn)，所以實(shí)際情況符合理論分析得到的結(jié)論。

2.2速度控制

速度控制的核心是形成速度閉環(huán)，選擇歐姆龍編碼器作為反饋單元，每周輸出500個(gè)脈沖，將編碼器的脈沖輸出端接入單片機(jī)的I/O口，再由內(nèi)部的程序處理信號(hào)，便能比較準(zhǔn)確地測量出智能車的運(yùn)行速度，再通過單片機(jī)進(jìn)行反饋，就能形成一個(gè)速度控制閉環(huán)，通過PID控制，實(shí)現(xiàn)智能車按照給定速度行駛。如圖6所示。

圖6　速度控制算法框圖

直立智能車的速度控制比四輪智能車的速度控制要復(fù)雜，原因在于在速度控制過程中，要時(shí)刻保持智能車的直立，在車模直立控制下，為了能夠有一個(gè)往前的傾斜角度，車輪需要往后運(yùn)動(dòng)，這樣會(huì)引起車輪速度下降。由于普通四輪智能車采用負(fù)反饋，使得車模往前傾角需要更大。如此循環(huán)，車模很快就會(huì)傾倒。原本利用負(fù)反饋進(jìn)行速度控制反而成了“正”反饋。

為了使智能車在速度控制過程中保持直立，將速度控制量的極性設(shè)為負(fù)，和通常速度反饋控制的極性“恰好相反”，此時(shí)智能車為了保持直立，將驅(qū)動(dòng)車體向前運(yùn)動(dòng)，實(shí)現(xiàn)加速目的，考慮到速度控制過程中要保持直立，如果在行駛過程中進(jìn)行加減速，不利于直立車穩(wěn)定，所以在運(yùn)行過程中直立車速度設(shè)為恒定值，全程勻速運(yùn)駛。

2.3方向控制

方向控制依靠攝像頭對(duì)賽道的實(shí)時(shí)采集，選用模擬攝像頭OV5116, 攝像頭輸出為PAL制式，PAL制式信號(hào)每秒鐘掃描25 幅圖像，每幅圖像分為奇、偶兩場，奇場在前、偶場在后，所以每秒鐘掃描50場圖像，保證圖像采集的實(shí)時(shí)性，利于智能車對(duì)賽道的及時(shí)反應(yīng)。PAL制式如圖7所示。

圖7　PAL信號(hào)組成

PAL制式的信號(hào)線包括場中斷信號(hào)，行中斷信號(hào)和視頻信號(hào)，并不能直接連接單片機(jī)，需要用視頻處理模塊對(duì)信號(hào)分離，分離出場中斷信號(hào)、行中斷信號(hào)和視頻信號(hào)；單片機(jī)利用外部中斷觸發(fā)的方式采樣圖像數(shù)據(jù)，當(dāng)新的一場到來時(shí),單片機(jī)采集到下降沿信息進(jìn)入場中斷,開始采集新的一場圖像;當(dāng)單片機(jī)捕捉到行同步信號(hào)后就進(jìn)入行中斷處理程序,開始AD采集圖像信息，并存儲(chǔ)在二維數(shù)組內(nèi)。

攝像頭OV5116的分辨率為352×288，每一場采集的行數(shù)和列數(shù)越多越好，但是采集的多會(huì)影響單片機(jī)的處理速度，且賽道只有黑白兩色，圖像采集的目的在于提取黑色邊緣線，所以并不需要提取所有的信息，最終方案決定每一場采集80行，150列[4]。圖8是障礙賽道。

圖8　障礙賽道

通過邊緣檢測法，提取賽道兩邊黑線的位置，并求出賽道中心線的位置，將中點(diǎn)設(shè)定值減去每行中心線位置作為偏差，為了使智能車對(duì)賽道實(shí)時(shí)作出反應(yīng)，采用加權(quán)平均，近處權(quán)重大，遠(yuǎn)處權(quán)重小，如表1所示。

表1　行數(shù)權(quán)重表

得到總偏差后采用PD控制得到方向控制信號(hào)，同直立控

制信號(hào)和速度控制信號(hào)結(jié)合，實(shí)現(xiàn)智能車的循跡功能。

2.4直立、速度、方向融合控制

傳統(tǒng)的方法是將智能車模的直立控制、速度控制以及方向控制都是在1 ms中斷程序中完成。使用PIT定時(shí)中斷模塊完成1 ms中斷設(shè)置，實(shí)現(xiàn)智能車直立，但在實(shí)際過程中智能車姿態(tài)控制1 ms中斷與攝像頭信息采集中斷存在相互干擾的問題，影響直立控制并對(duì)攝像頭采集產(chǎn)生負(fù)面效果，如圖9(左)所示，此時(shí)賽道不完整且沒有計(jì)算出賽道中心線。

為解決相互干擾的問題，將智能車模的直立控制、速度控制以及方向控制放在while循環(huán)內(nèi)，并加1 ms延遲，此時(shí)程序中僅有攝像頭中斷，不存在干擾問題，也保證了圖像信息的完整性，如圖9(右)所示，圖像完整并有中心線。

圖9　賽道采集圖

3　結(jié)論

本文在查閱在大量資料后，設(shè)計(jì)出直立循跡系統(tǒng)，利用陀螺儀、加速度傳感器和攝像頭采集外部信號(hào)，通過直立控制、速度控制和方向控制實(shí)現(xiàn)智能車的直立循跡功能，隨著智能車的不斷改進(jìn)和優(yōu)化，智能車穩(wěn)定性好，速度達(dá)到2 m/s，能實(shí)現(xiàn)多種賽道類型的識(shí)別和循跡，達(dá)到預(yù)期的效果。

[1]王宜懷，吳瑾，蔣銀珍.嵌入式系統(tǒng)原理與實(shí)踐[M]. 北京：電子工業(yè)出版社，2012.

[2] 競賽秘書處.直立行走參考方案2.0[Z]. 2012,64-69.

[3] 胡壽松.自動(dòng)控制原理[M]. 北京：科學(xué)出版社，2007.

[4] 吳吟簫，第虹，王新生．基于黑白攝像頭的智能小車路徑識(shí)別系統(tǒng)設(shè)計(jì)[J]．信息技術(shù)與信息化，2009(2)：42-45.

Design of Upright Self-balancing Smart Car Based on Camera Sensor

Tai Yumin, Geng Yanfeng, Zhang Pengju, Pan Hao， Liu Jianbang

(College of Information and Control Engineering,China University of Petroleum ,Qingdao266580,China)

Design of mechanical and control system of walking upright type smart car. The system employs MK60 as the main controller, with the gyro sensor and acceleration sensor together, using complementary filter methods to measure the tilt angle and angular velocity of the smart car.，Using the PD algorithm to control the smart car wheel acceleration to offset the car movement tendency, realize the smart car upright．MK60 array camera sensor, through the edge detection algorithm to analysis of the center line and calculate deviations with the set value, then control the two left and right motor speed difference, to realize appropriate direction of the intelligent car. After testing, the smart car to stay upright at the same time, complete identification of the track, and runs smooth and fast.

smart car; upright control; PID algorithm; path recognition

2015-07-02；

2015-08-27。

邰玉民(1990-)，男，山東臨沂人，碩士研究生，主要從事檢測技術(shù)與自動(dòng)化方向的研究。

1671-4598(2016)01-0099-03

10.16526/j.cnki.11-4762/tp.2016.01.027

TP302.7

A